Parametric energy modelling and statistical sensitivity analysis of semiconductor cleanroom mechanical systems

Semiconductor fabrication facilities are among the most energy-intensive building types, with cleanroom environment control accounting for a large share of the demand. This thesis develops a simulation-based framework that integrates Multiphysics modelling in OpenModelica with statistical sensitivity analysis to evaluate energy drivers in a representative semiconductor fab. The model, representing a real case state-of-the-art facility in a moderate continental climate, incorporates three distinct functional areas: clean fab, chemical facilities, and support spaces, each with unique environmental and operational requirements. Five design parameters were systematically varied through a parameter sweep, generating a large-scale database of annual energy outcomes. A Generalized Additive Model (GAM) was employed to capture both linear and non-linear relationships, and an AIC-based drop-one-term analysis quantified the relative importance of each parameter. The results reveal that process exhaust flow rate, fan-filter unit (FFU) coverage (airflow rate), and the cooling bifurcation temperature are the dominant determinants of annual energy consumption. By contrast, ULPA filter pressure drop and cleanroom overpressure were found to have limited impact. These findings and the theoretical framework provide a data-driven and scalable approach for guiding energy performance optimization decisions in the semiconductor industry.

Gli impianti di fabbricazione di semiconduttori sono tra le tipologie di edifici a più alto consumo energetico, con il controllo ambientale delle camere bianche che rappresenta una quota significativa della domanda. Questa tesi sviluppa un framework basato sulla simulazione che integra la modellazione multifisica in OpenModelica con l'analisi di sensibilità statistica per valutare i fattori energetici in una fabbrica di semiconduttori rappresentativa. Il modello, che rappresenta un caso reale di impianto all'avanguardia in un clima continentale moderato, incorpora tre distinte aree funzionali: fabbrica pulita, impianti chimici e spazi di supporto, ciascuna con requisiti ambientali e operativi specifici. Cinque parametri di progettazione sono stati sistematicamente variati tramite un'analisi parametrica, generando un database su larga scala dei risultati energetici annuali. È stato utilizzato un modello additivo generalizzato (GAM) per catturare relazioni sia lineari che non lineari, e un'analisi drop-one-term basata su AIC ha quantificato l'importanza relativa di ciascun parametro. I risultati rivelano che la portata di scarico del processo, la copertura dell'unità ventilatore-filtro (FFU) (portata d'aria) e la temperatura di biforcazione del raffreddamento sono i determinanti principali del consumo energetico annuale. Al contrario, la caduta di pressione del filtro ULPA e la sovrapressione in camera bianca hanno avuto un impatto limitato. Questi risultati e il quadro teorico forniscono un approccio scalabile e basato sui dati per guidare le decisioni di ottimizzazione delle prestazioni energetiche nel settore dei semiconduttori.