FNR Awards 2024 : Eine Methode zur Optimierung des Auftragens von dünnen Beschichtungen

Der FNR Award 2024 in der Kategorie „Outstanding Scientific Achievement“ geht an Eleni Koronaki, Stéphane Bordas, Paris Papavasileiou, Geremy Loachamin, Martin Kathrein, Christoph Czettl, Gabriele Pozzetti und Ralph Useldinger (Universität Luxemburg & Ceratizit, ein luxemburgischer Hersteller von Hartstoffen) für „Revolutionizing Industrial Processes: Hybrid computational models for quality control, prediction and optimization“.

Worum geht es?

Um diese Art von Beschichtungen zu erzeugen, wird die chemische Dampfabscheidung (Chemical Vapor Deposition, CVD) verwendet, ein industrielles Verfahren, bei dem während der Dampfphase einer kontrollierten chemischen Reaktion dünne Materialschichten auf ein Substrat (Silizium, Glas, Metall usw.) aufgebracht werden. Dieses Verfahren beruht auf der Zersetzung von reaktiven Gasen bei hohen Temperaturen in einem CVD-Reaktor.

Die chemische Gasphasenabscheidung ist eine gängige Methode, die sich jedoch im industriellen Ausmaß nur schwer präzise anwenden lässt. Mathematische Modelle können bei der Modellierung helfen, sind aber oft unvollständig. Daher muss man häufig durch Trial and Error vorgehen, um die Verfahren zu verbessern, was kostspielig und ineffizient ist.

Um dieses Problem zu lösen, entwickelten Eleni und ihr Team ein Hybridwerkzeug und verschmolzen gleichungsbasierte Modelle mit Modellen, die auf maschinellem Lernen basieren. Dadurch konnte Ceratizit seine Qualitätskontrolle optimieren, indem es nur ein Drittel der üblichen Messungen durchführte.

Ihr Team hat außerdem Sensoren optimal platziert und während des Herstellungsprozesses flexible Sensoren entworfen. Ein flexibler Sensor ist eine Art von Sensor, der aus flexiblen und leichten Materialien hergestellt wird und Veränderungen wie Temperatur, Druck oder Feuchtigkeit erfassen kann, während er gleichzeitig in der Lage ist, sich zu biegen, zu dehnen oder zu verformen, ohne seine Funktionalität zu verlieren. Indem diese Sensoren Messungen an greifbaren Parametern vornehmen, können sie Informationen über andere, schwieriger zu erreichende Parameter gewinnen. Beispielsweise kann die Dicke einer aufgebrachten Beschichtung, die leicht messbar ist, Informationen über den zugrunde liegenden chemischen Prozess liefern.

Warum hat sich die Jury für diesen Kandidaten entschieden?

Die von Eleni und ihrem Team entwickelte Methode wird in vielen Bereichen anwendbar sein, z. B. in den Neurowissenschaften, im Management oder in CVD-Reaktoren. Denn CVD-Reaktoren haben eine komplexe Geometrie und viele Unbekannte. Dies wird als intrinsische Unsicherheit bezeichnet. Dank der entwickelten Methode kann diese Unsicherheit quantifiziert werden, was die Gestaltung der Reaktoren und damit des gesamten CVD-Verfahrens erleichtert.

Über die Preisträgerin Eleni Koronaki

Eleni Koronaki, die den Preis bei der Zeremonie der FNR Awards 2024 im Namen des gesamten Teams entgegennahm, ist Chemieingenieurin aus Griechenland. Nach Abschluss ihrer Doktorarbeit an der National Technical University of Athens und einem Postdoc in den USA schloss sie sich 2019 mit einem Marie Sklodowska-Curie-Einzelstipendium dem Team von Professor Stéphane Bordas an der Universität Luxemburg an. Seitdem verfolgt sie die Idee effizienter und rationalisierter datenbasierter Arbeitsabläufe für industrielle Anwendungen im Rahmen von zwei aufeinanderfolgenden FNR-BRIDGES-Projekten in Zusammenarbeit mit dem luxemburgischen Unternehmen CERATIZIT SarL.

Autorin: Diane Bertel

Editorin: Michèle Weber (FNR)