선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 단결정질 실리콘 태양전지 (single- crystalline silicon solar cell)의 제 조 공정 상에 서 효율을 높일 수 있는 방법 에 대해 연구 하였다.
제안 방법
- 택스쳐 링은 태양전지가 빛의 반사손해를 최소화하기 위해 역피라미드형으로 태양전지표면을 가공해주는 것을 말한다. 그 다음으로는 확산 (diffusion)공정을 이용하여 에 미터(emitter)를 형성하였고, edge isolation을 하여 parasitic junction 성분을 제거 해주었다. 다음으로 diffusion oxide 를제거 해주고, 빛의 반사손실을 막기 위해 반사방지막 (anti-reflection-coation: ARC)을 PECVD (plasma enhance chemical vapor)를 이용하여 증착시킨다.
- 위에서 설명한 접촉형성 공정에 대한 실험을 하기 위해 실험계획법을 이용하여 실험을 설계 하였다. 또한 실험 데이터를 이용하여 모델링을 통해 예측하고, 그 모델링을 통해 유전자 알고리즘을 이용하여 최적의 공정 파라미터 찾아냈다.
- 실험의 variation을 확인하기 위해서 3번의 반복 실험을 center point에서 실험하였다. 또한, 신경망 (neural network)의 복잡한 입, 출력 파라미터의 매핑 (mapping) 능력이 탁월한장점을 활용하며, 실험계획의 범위 (capacity) 를 높이 기 위 해 5개 의 random point에서 의 추가실험을 하였다 (표 2 참조).
- 본 논문의 실험계획은 실험계획법 중 central composit design을 이용하여 설계 하여, 표2, 표3과 같이 총 32번의 실험을 계획하여 수행 하였다.
- 실험계획이 수립 된 후실험계획에서 결정된 조건으로 실제 실험을 수행한 결과를 사용하여 효율 (efficiency)에대하여 표 1 에서 PI의 값이 가장 작은 구조로 선정된 신경망 (neural network) 구조와 표 5의 파라미 터 를 이용하여 모델링을 하였다. 표6은 모델링이 끝난신경망의 학습 및 예측 RMSE 를나타내며, 표 7은실험에 사용된 공정 파라미터 값의 범위를 나타낸다.
- 본 논문의 입력 파라미 터 (zone 1, 2, 3의 온도, beltspxed)가 4개 이 므로 左 = 4 이며, 따라서 axial points의 위치 (a)는 2가 된다. 실험의 variation을 확인하기 위해서 3번의 반복 실험을 center point에서 실험하였다. 또한, 신경망 (neural network)의 복잡한 입, 출력 파라미터의 매핑 (mapping) 능력이 탁월한장점을 활용하며, 실험계획의 범위 (capacity) 를 높이 기 위 해 5개 의 random point에서 의 추가실험을 하였다 (표 2 참조).
- 후면 metallization된 금속들이 용융되면서, 접촉이 생성되 게 된다 [4]. 위에서 설명한 접촉형성 공정에 대한 실험을 하기 위해 실험계획법을 이용하여 실험을 설계 하였다. 또한 실험 데이터를 이용하여 모델링을 통해 예측하고, 그 모델링을 통해 유전자 알고리즘을 이용하여 최적의 공정 파라미터 찾아냈다.
- 이러한분석 결과를 이용하여 belt speed 와 민감한 입력파라미 터로 분석 된 zone 3를 효율이 높게 예측되 었던 온도인 8300와 875 로 고정 하여 response surface plot을 다시 조사하여 보았다 (그림 8, 9).
- 접촉형성공정에서 실제 실험한 결과 데이터 셋을 7:3 으로 나누어 70%의 데이터 셋으로 학습을 시켜 각각의 뉴런의 가중치를 구한후 나머지 30%의 데이터 셋으로 예측 결과가 어느 정도의 에러가 나오는지 확인 하여 신경망 구조를 바꾸어가며, 에러가 적게 나오는 모델링을 선정하였다. 특히 PI (performance index)를 이용하여 신경망 모델링을 통해 확인된 학습 에러 (trainingerror) .
- 방법이다. 특히 매우 복잡한 입출력 관계를 매핑 (mapping)하는 능력이 탁월하여 본 논문에서 학습을 거친 신경망을 사용하여 접촉형성공정의 모델링을 수행한 후 태양전지의 효율 예측에 사용하였다.
- 표 1 에서 P/가 가장 낮은 신경망 구조인 4-4-4-1 구조의 모델(그림 3)을사용하여 접촉형성공정의 모델링을 구성하였다.
- 태양전지 제조 공정 중에서 마지막 공정인 접촉 형성 (contact formation)은 공정의 경제적인 측면과 효율에 밀접한 관계가 있는 공정으로 중요하다 [3]. 효율적이고 경제적인 금속 공정을 위해 본 연구에서는 screen printing으로 contact metalization을 실시 하였다.
대상 데이터
- 여기서 k는 입력 파라미터의 개수이다. 본 논문의 입력 파라미 터 (zone 1, 2, 3의 온도, beltspxed)가 4개 이 므로 左 = 4 이며, 따라서 axial points의 위치 (a)는 2가 된다. 실험의 variation을 확인하기 위해서 3번의 반복 실험을 center point에서 실험하였다.
- 실험에 사용한 태양전지 제조 공정은 그림 1과 같이 p-type single-crystalline wafer를 사용해서 제조를 하였다. 먼저 saw damage를 제 거 해 주기 위 해 DI water로 rinse 해주고, 에 칭(etching)과 택스쳐 링 (texturing)을 해준다.
이론/모형
- 표 2. Central Composite Design을 이용하여 설계된 실험계획.
- 본 논문에서는 실험계획법 중중심합성계획법 (central composite design: CCD)을 사용하여 실험을 계획을 수립하였다 [6], 이 방법은 공업제품의 생산 공정에서 인자들의 최적공정조건을 찾는데 효과적으로 사용되어 품질관리 (quality control)에 유용하게 응용되고 있다.
- 본 논문에서는 위와 같은 과정으로 구현된 유전자 알고리즘을 이용 한다 [8]. 접촉형성공정의 신경망 모델링을 토대로, 예측된 공정파라미 터 조건들과 결과값에서 최적 효율을 얻을 수 있는 공정 파라미터 조건을 찾는데 사용되 었다.
- 표 9. 유전자 알고리즘 (GA)를 이용하여 구한 최적 공정 파라미터 조건.
- 02% 차이로 그림 8의 조건이 좋게 나왔지만, 큰 차이는 나지 않았다. 이 러 한 신경 망 모델을 이 용하여 효율을 최 대 화로 하기 위하여 공정 파라미터 조건값을 최적화 하였으며, 이를 위 해 유전자 알고리즘 (GA)을 사용 하였다. 유전자 알고리즘에 사용된 파라미터는 표 8과 같다.
- 접촉형성공정조건을 최적화하기 위해서 유전자 알고리즘 (genetic algorithm)을 사용 하였다. 유전자 알고리즘은 진화 (evaluation)와 선택 (selection)을 통하여, 개체군 (population) 중에서 가장 적합한 개체를 찾고, 새로운 개체군을 생성시키는 작업을 연속적으로 수행한다.
성능/효과
- 실험 계획법 (DOE)을 이용하여 특징적인 공정파라미터의 조건들을 실험계획 법을 사용하여 실험 횟수를 줄여 실험에 소요되는 시간과 비용을 절약할 수 있었으며, 그 실험에 의해 만든 신경망모델링으로 예측하여 많은 실험을 한 것과 유사한 효과를 얻을 수 있었다.
- 위 파라미터들을 사용한신경망 모델링을 통해 예측된데이 터를 분석 한 결과 zone 3의 온도 변화와 태 양전지 의 효율 간의 관계는 다른 입 력 파라미 터들 (zone 1, 2, belt speed)과의 관계보다 더 민감함을 확인 할수 있었다. 아래 그림 6, 그림 7에서 보는 것과 같이 zone 3의 온도 변화에 따라 관련된 response surface plot의 효율 (efficiency) 축의값이 변화가 가장 컸지 만, 온도의 값이 low (830°C)값 또는 high (875°C)값에서 효율이 높게 나오는 공통점을 볼 수 있었다.
후속연구
- 향후 과제로는 유전자 알고리즘을 통해 찾게 된 공정파라미터 조건 (recipe)을 사용하여 효율이 최대가 되는지에 대한 검증 실험을 해야 하는 것과, 또한 효율을 최대로 증가 시킬 수 있도록 최적공정의 민감도 (sensitivity)와 재 연성 (reproducibility)에 대한 연구가 진 .행되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.