Artificial Neural Networks Modeling on TiN Coating parameters in Sputtering Process
- سال انتشار: 1390
- محل انتشار: دوازدهمین کنفرانس ملی مهندسی ساخت و تولید ایران
- کد COI اختصاصی: ICME12_006
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1678
نویسندگان
School of Aerospace, Mechanical and Manufacturing Engineering, RMIT University, Melbourne, Australia
Faculty of Hi-Tech and Engineering, Iran University of Industries and Mines, Tehran, Iran
Department of Physics, Alzahra University, Tehran, Iran
چکیده
Sputtering is a Physical Vapor Deposition (PVD) vacuum process used to deposit very thin films onto a substrate for a wide variety of commercial and scientific purposes. Due to this coating process the material performance will be improved. The objective of this study is to evaluate the hardness of titanium nitride thin film layers by utilizing multi layer perceptron (MLP) artificial neural networks (ANN). For determining the influences of the various sputtering parameters (voltage, work pressure, ion bombard time and Sub-layer temperature) on the hardness of TiN thin films, the Taguchi approach has been used. 50 experiments were performed, varying the PVD parameters and the resulting hardness of the film was measured. From these experiments 42 were used for the training process and 8 have been utilized for validation process. A very good agreement between the ANN predictions and the experimental results was achieved, with a 99.754% correlation between the trained ANN result and the experimental measurements.کلیدواژه ها
Sputtering; PVD; Coating parameters; DOE; Artificial neural networksمقالات مرتبط جدید
- مدلسازی و شبیه سازی جبران ساز سری سنکرون استاتیکی توزیع برای حل چالش های شبکه توزیع بر پایه الگوریتم بهینه سازی گرگ خاکستری
- Adaptive Control Strategies for Fast Charging of EVs with Battery Degradation Mitigation
- شناسایی مانع با استفاده از دید استریو برای خودروهای بدون سرنشین
- Multi-Gbest Decomposition for Many-Objective Optimization
- ترکیب منابع انرژی پیزوالکتریک و ترموالکتریک به منظور افزایش کارایی سیستم های برداشت انرژی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.