CN109978287B - 多晶硅智能生产方法及系统 - Google Patents
多晶硅智能生产方法及系统 Download PDFInfo
- Publication number
- CN109978287B CN109978287B CN201910410451.5A CN201910410451A CN109978287B CN 109978287 B CN109978287 B CN 109978287B CN 201910410451 A CN201910410451 A CN 201910410451A CN 109978287 B CN109978287 B CN 109978287B
- Authority
- CN
- China
- Prior art keywords
- analysis
- intelligent
- result
- polycrystalline silicon
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 70
- 229910021420 polycrystalline silicon Inorganic materials 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 238000004088 simulation Methods 0.000 claims abstract description 35
- 238000007405 data analysis Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 17
- 238000013461 design Methods 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000012827 research and development Methods 0.000 claims abstract description 15
- 229920005591 polysilicon Polymers 0.000 claims abstract description 8
- 239000008358 core component Substances 0.000 claims abstract description 7
- 230000009467 reduction Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C01—INORGANIC CHEMISTRY
- C01B—NON-METALLIC ELEMENTS; COMPOUNDS THEREOF; METALLOIDS OR COMPOUNDS THEREOF NOT COVERED BY SUBCLASS C01C
- C01B33/00—Silicon; Compounds thereof
- C01B33/02—Silicon
- C01B33/021—Preparation
- C01B33/027—Preparation by decomposition or reduction of gaseous or vaporised silicon compounds other than silica or silica-containing material
- C01B33/035—Preparation by decomposition or reduction of gaseous or vaporised silicon compounds other than silica or silica-containing material by decomposition or reduction of gaseous or vaporised silicon compounds in the presence of heated filaments of silicon, carbon or a refractory metal, e.g. tantalum or tungsten, or in the presence of heated silicon rods on which the formed silicon is deposited, a silicon rod being obtained, e.g. Siemens process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Organic Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Inorganic Chemistry (AREA)
- Feedback Control In General (AREA)
- Silicon Compounds (AREA)
Abstract
本发明公开了一种多晶硅智能生产方法及系统，包括如下步骤：第一，数字化研发设计利用仿真模拟软件对多晶硅生产中的主要设备、核心部件及关联参数进行仿真模拟；第二，智能化控制执行系统运行将仿真模拟分析得到的结果输入到智能化控制执行系统运行；第三，大数据分析通过采集的工艺数据，结合存储的历史生产工艺参数进行比对、人工智能深度计算，得到优化的分析结果；第四，结果输出将优化的分析结果与预定目标值进行比较，根据比较的结果进行输出。本发明实现多晶硅生产的智能控制，高效优化，达到降低消耗，提升质量的目的。
Description
技术领域
本发明涉及一种多晶硅的生产方法，尤其是一种多晶硅的智能生产方法及系统。
背景技术
20世纪90年代以来，经济全球化趋势明显，工业研发、生产、服务不断向全球化方向整合，网络和信息技术的发展促成世界工厂的出现。《智能光伏产业发展行动计划(2018-2020年)》明确指出推动互联网、大数据、人工智能等与光伏产业深度融合，鼓励特色行业智能光伏应用提高，提升智能光伏终端产品供给能力，推动光伏系统智能集成和运维。因此，智能化成产业发展的必然趋势。
多晶硅是微电子行业和光伏产业的“基石”，是信息产业和新能源产业最基础的原材料。改良西门子法是目前主流多晶硅生产工艺，由于其生产工艺的复杂性，核心技术装备的研发、改进以及关键工艺的优化，需经过反复小试、中试验证，研发周期长、研发投入大；工艺运行多年积累的海量的相关参数对后续工艺的改进、优化没有发挥基础和参考作用。因此，现提供一种多晶硅智能生产方法及系统，目的在于运用智能化控制方法，利用多年积累的相关参数持续优化生产系统，提高产品质量，降低能耗。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是：提供一种多晶硅智能生产方法及系统，实现多晶硅生产的智能控制，高效优化，达到降低消耗，提升质量的目的。
(二)技术方案
为了解决上述技术问题，本发明提供了一种多晶硅智能生产方法，包括如下步骤：
第一，数字化研发设计
利用专业仿真模拟软件对多晶硅生产中的主要设备、核心部件及关联参数进行仿真模拟；
第二，智能化控制执行系统运行
将仿真模拟分析得到的结果输入到智能化控制执行系统运行；
第三，大数据分析
通过采集的工艺数据，结合存储的历史生产工艺参数进行比对、人工智能深度计算，得到优化的分析结果；
第四，结果输出
将优化的分析结果与预定目标值进行比较，根据比较的结果进行输出。
优选地，所述数字化研发设计进一步包括：
利用专业仿真模拟软件对多晶硅的还原炉进行仿真模拟，输入参数包括进气口直径、还原炉壁面热传导率；
根据设定的数据结果设定参数，建立模型，通过计算分析输出数据包括还原炉气场温度、气体流速。
优选地，所述智能化控制执行系统运行进一步包括：
利用闭环控制、定性决策和定量控制结合的多模态控制方式，将实时监测数据信息与关系模型匹配，并进行智能分析和最优参数调整；
进一步，所述大数据分析进一步包括：通过采集的工艺数据，结合系统存储的历史生产工艺参数进行比对、人工智能深度计算，并将优化分析结果反馈至还原炉的模拟设计。
进一步，将历史运行参数记录与目标参数的关联关系建模，通过工况时序模式特征提取参考值，建立两者之间的关系模型。
进一步，基于历史数据及相关信息，根据操作参数与目标值的动因关系分析，利用模式识别算法，学习最佳的操作参数曲线，并根据当前工况推荐下一阶段操作参数；
运用训练数据反复进行模型训练，按照预期目标构建出理论预测模型；
运用评估数据反复进行模型评估，并得到最优结果。
优选地，所述大数据分析模型由大数据湖、算法库、模型库、分布式分析任务管理构建，大数据分析决策由数据整合系统、分析任务管理、分析结果管理组成，收集整理历史数据，进行类型组织，并在线学习/人工智能深度计算。
优选地，将得到的结果反馈至智能化控制执行系统进行运行，再通过大数据分析系统对最新接受的数据进行人工智能深度计算、分析，从而实现对生产工艺、核心设备的相关参数的不断优化，最终实现多晶硅生产全环节的闭环智能化控制。
优选地，遴选出与多晶硅产品质量及能耗高关联度的参数，得到各个参数的最优值，实现多晶硅的智能化控制，从而提升多晶硅质量，实现高纯多晶硅的低消耗智能化生产。
本发明还提供了一种多晶硅智能生产系统，所述系统包括：
数字化研发设计模块，利用仿真模拟软件对多晶硅生产中的主要设备、核心部件及关联参数进行仿真模拟；
智能化控制执行系统运行模块，将仿真模拟分析得到的结果输入到智能化控制执行系统运行；
大数据分析模块，通过采集的工艺数据，结合存储的历史生产工艺参数进行比对、人工智能深度计算，得到优化的分析结果；
结果输出模块，将优化的分析结果与预定目标值进行比较，根据比较的结果进行输出。
(三)与现有技术相比，本发明的有益效果是：本发明提供的一种全新的多晶硅生产全环节的闭环智能化方法及系统，通过运用仿真模拟、大数据、人工智能与生产运行深度融合，实现多晶硅生产横向、纵向和全面的高度集成，以更加精细、动态、时效的方式提升控制能力。
运用生产中海量数据，通过大数据分析，实现流程的持续优化和改进，更有效、更经济、更灵活的组织生产，提高效率，缩短研发周期，降低成本，提升质量，降低消耗。
附图说明
图1是本发明的一种实施例的流程图；
图2是本发明的一种实施例的数字化研发设计执行流程图；
图3是本发明的一种实施例的智能化控制执行系统运行执行流程图；
图4是本发明的一种实施例的大数据分析执行流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，本发明的一种多晶硅的智能控制方法的流程图，包括如下步骤：
第一，数字化研发设计
利用仿真模拟软件对多晶硅生产中的主要设备、核心部件及关联参数进行仿真模拟；
第二，智能化控制执行系统运行
将仿真模拟分析得到的结果输入到智能化控制执行系统运行；
第三，大数据分析
通过采集的工艺数据，结合存储的历史生产工艺参数进行比对、人工智能深度计算，得到优化的分析结果；
第四，结果输出
将优化的分析结果与预定目标值进行比较，根据比较的结果进行输出。
1.当模拟、分析结果与生产运行数据匹配时，则设定新的工艺参数值，继续优化提升。
2.当模拟、分析结果与生产运行数据不匹配时，重新建立参数进行模拟，再运行、再计算，直到模拟、分析结果与生产运行数据匹配。
具体操作过程中，利用闭环的方式进行运算，根据模拟、分析结果与生产运行数据是否匹配，来进行优化，并根据优化结果进行输出。
输出的结果是根据与预设值进行比较，从而判断是否进行输出。
如图2所示，本发明的一种实施例的数字化研发设计执行流程图，本发明利用专业仿真模拟软件对多晶硅的还原炉进行仿真模拟，输入仿真软件的参数例如：进气口直径、还原炉壁面热传导率等相关联参数，还可以是还原炉的其他参数；
根据设定的数据结果设定参数，建立模型，通过计算分析输出还原炉气场温度、气体流速等数据。
如图3所示，是本发明的一种实施例的智能化控制执行系统运行执行流程图，所述智能化控制执行系统运行进一步包括：
利用闭环控制、定性决策和定量控制结合的多模态控制方式，将实时监测数据信息与关系模型匹配，并进行智能分析和最优参数调整；
根据反馈的信息对生产工艺参数进行快速、精确调整，同时将调整记录上传至信息处理系统，添加至后期匹配样本。
如图4所示，是本发明的一种实施例的大数据分析执行流程图，所述大数据分析进一步包括：通过采集的工艺数据，结合系统存储的历史生产工艺参数进行比对、人工智能深度计算，并将优化分析结果反馈至还原炉的模拟设计。
所述大数据分析模型由大数据湖、算法库、模型库、分布式分析任务管理构建，大数据分析决策由数据整合系统、分析任务管理、分析结果管理组成，收集整理历史数据，进行类型组织，并在线学习/人工智能深度计算。
信息处理系统将历史运行参数记录与目标参数的关联关系建模，通过工况时序模式特征提取参考值，建立两者之间的关系模型。
基于历史数据及相关信息，根据操作参数与目标值的动因关系分析，利用模式识别算法，学习最佳的操作参数曲线，并根据当前工况推荐下一阶段操作参数；
运用训练数据反复进行模型训练，按照预期目标构建出理论预测模型；
运用评估数据反复进行模型评估，并得到最优结果。
通过数字化研发设计系统，将得到的结果反馈至智能化控制执行系统进行运行，再通过大数据分析系统对最新接受的数据进行人工智能深度计算、分析，从而实现对生产工艺、核心设备的相关参数的不断优化，最终实现多晶硅生产全环节的闭环智能化控制。
遴选出与多晶硅产品质量及能耗高关联度的参数，得到各个参数的最优值，实现多晶硅的智能化控制，从而提升多晶硅质量，实现高纯多晶硅的低消耗智能化生产。
本发明还提供了一种多晶硅智能生产系统，包括数字化研发设计模块，利用仿真模拟软件对多晶硅生产中的主要设备及核心部件进行仿真模拟；
智能化控制执行系统运行模块，将仿真模拟分析得到的结果输入到智能化控制执行系统运行；
大数据分析模块，通过采集的工艺数据，结合存储的历史生产工艺参数进行比对、人工智能深度计算，得到优化的分析结果；
结果输出模块，将优化的分析结果与预定目标值进行比较，根据比较的结果进行输出。
根据需要或最优数据结果设定参数，建立模型，通过计算分析输出结果，当模拟、分析结果与生产运行数据匹配时，则设定新的工艺参数目标值，继续优化提升，并将优化结果输出。
当模拟、分析结果与生产运行数据不匹配时，重新建立参数进行模拟，再运行、再计算，直到模拟、分析结果与生产运行数据匹配。
在进行仿真之后，将通过第一步仿真、模拟分析得到的结果输入到智能化控制执行系统运行模块进行运行。
智能化控制执行系统运行模块采用利用闭环控制、定性决策和定量控制结合的多模态控制方式。该模块具有变结构特点，能总体自寻优、自组织和自协调能力。
智能化控制执行系统运行模块具有动态补偿及自修改能力和判断决策能力，生产中，将实时监测数据信息与关系模型匹配，并进行智能分析和最优参数调整。
进一步地，工艺执行系统根据反馈的信息对生产工艺参数进行快速、精确调整，同时将调整记录上传至信息处理系统，添加至后期匹配样本。
大数据分析模块通过采集的工艺数据，结合系统存储的历史生产工艺参数进行比对、人工智能深度计算，并将优化分析结果反馈至数字化研发设计模块。
大数据分析模块由大数据湖、算法库、模型库、分布式分析任务管理等构建，也可以采用其他类似的模型进行运算；本发明的大数据分析决策由数据整合系统(主要是接入实时数据)、分析任务管理、分析结果管理等组成；
本发明的大数据分析模块收集整理历史数据，进行类型组织，并在线学习/人工智能深度计算；
本发明将历史运行参数记录与目标参数的关联关系建模，通过工况时序模式特征提取参考值，建立两者之间的关系模型；
本发明基于历史数据及相关信息，根据操作参数与目标值的动因关系分析，利用模式识别算法，学习最佳的操作参数曲线，并根据当前工况推荐下一阶段操作参数；
本发明运用训练数据反复进行模型训练，按照预期目标构建出理论预测模型；
本发明运用评估数据反复进行模型评估，并得到最优结果。
通过数字化研发设计模块，将得到的结果反馈至智能化控制执行模块进行运行，再通过大数据分析模块对最新接受的数据进行人工智能深度计算、分析，从而实现对生产工艺、核心设备的相关参数的不断优化，最终实现多晶硅生产全环节的闭环智能化控制。
上述步骤循环进行，在大量生产数据中，遴选出与多晶硅产品质量及能耗高关联度的参数，得到各个参数的最优值，实现多晶硅的智能化控制，从而提升多晶硅质量，实现高纯多晶硅的低消耗智能化生产。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。
Claims (8)
1.一种多晶硅智能生产方法，包括如下步骤：
第一，数字化研发设计利用仿真模拟软件对多晶硅生产中的主要设备、核心部件及关联参数进行仿真模拟；
第二，智能化控制执行系统运行将仿真模拟分析得到的结果输入到智能化控制执行系统运行；
第三，大数据分析通过采集的工艺数据，结合存储的历史生产工艺参数进行比对、人工智能深度计算，得到优化的分析结果；
第四，结果输出将优化的分析结果与预定目标值进行比较，根据比较的结果进行输出；其特征在于，
所述数字化研发设计进一步包括：
利用专业仿真模拟软件对多晶硅的还原炉进行仿真模拟，输入参数包括进气口直径、还原炉壁面热传导率；
根据设定的数据结果设定参数，建立模型，通过计算分析输出数据包括还原炉气场温度、气体流速；其中所述大数据分析进一步包括：通过采集的工艺数据，结合系统存储的历史生产工艺参数进行比对、人工智能深度计算，并将优化分析结果反馈至还原炉的模拟设计。
2.根据权利要求1所述的多晶硅智能生产方法，其特征在于，
所述智能化控制执行系统运行进一步包括：
利用闭环控制、定性决策和定量控制结合的多模态控制方式，将实时监测数据信息与关系模型匹配，并进行智能分析和最优参数调整；根据反馈的信息对生产工艺参数进行调整，同时将调整记录传送至信息处理系统。
3.根据权利要求2所述的多晶硅智能生产方法，其特征在于，所述大数据分析由大数据湖、算法库、模型库、分布式分析任务管理构建，大数据分析决策由数据整合系统、分析任务管理、分析结果管理组成，收集整理历史数据，进行类型组织，并在线学习/人工智能深度计算。
4.根据权利要求3所述的多晶硅智能生产方法，其特征在于，信息处理系统将历史运行参数记录与目标参数的关联关系建模，通过工况时序模式特征提取参考值，建立两者之间的关系模型。
5.根据权利要求3所述的多晶硅智能生产方法，其特征在于，基于历史数据及相关信息，根据操作参数与目标值的动因关系分析，利用模式识别算法，学习最佳的操作参数曲线，并根据当前工况推荐下一阶段操作参数；
运用训练数据反复进行模型训练，按照预期目标构建出理论预测模型；
运用评估数据反复进行模型评估，并得到最优结果。
6.根据权利要求1所述的多晶硅智能生产方法，其特征在于，
将得到的结果反馈至智能化控制执行系统进行运行，再通过大数据分析系统对最新接受的数据进行人工智能深度计算、分析，从而实现对生产工艺、核心设备的相关参数的不断优化。
7.根据权利要求1所述的多晶硅智能生产方法，其特征在于，
遴选出与多晶硅产品质量及能耗高关联度的参数，得到各个参数的最优值，实现多晶硅的智能化控制。
8.一种采用权利要求1至7任一项所述的多晶硅智能生产方法的智能生产系统，其特征在于，所述系统包括：
数字化研发设计模块，利用仿真模拟软件对多晶硅生产中的主要设备、核心部件及关联参数进行仿真模拟；
智能化控制执行系统运行模块，将仿真模拟分析得到的结果输入到智能化控制执行系统运行；
大数据分析模块，通过采集的工艺数据，结合存储的历史生产工艺参数进行比对、人工智能深度计算，得到优化的分析结果；
结果输出模块，将优化的分析结果与预定目标值进行比较，根据比较的结果进行输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910410451.5A CN109978287B (zh) | 2019-05-17 | 2019-05-17 | 多晶硅智能生产方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910410451.5A CN109978287B (zh) | 2019-05-17 | 2019-05-17 | 多晶硅智能生产方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109978287A CN109978287A (zh) | 2019-07-05 |
| CN109978287B true CN109978287B (zh) | 2020-04-21 |
Family
ID=67073824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910410451.5A Active CN109978287B (zh) | 2019-05-17 | 2019-05-17 | 多晶硅智能生产方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978287B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110850718A (zh) * | 2019-11-22 | 2020-02-28 | 无锡多纬智控科技有限公司 | 一种小数据控制系统 |
| TWI721879B (zh) * | 2020-05-04 | 2021-03-11 | 和碩聯合科技股份有限公司 | 決定產能參數的方法及產能參數產生系統 |
| CN113130017B (zh) * | 2020-06-05 | 2024-01-30 | 北京星云联众科技有限公司 | 基于人工智能的晶体生长分析方法及系统 |
| CN112257200A (zh) * | 2020-10-21 | 2021-01-22 | 亚洲硅业(青海)股份有限公司 | 多晶硅生产场景的模拟仿真方法、装置、系统及设备 |
| CN114655958B (zh) * | 2020-12-22 | 2024-04-26 | 新疆新特晶体硅高科技有限公司 | 一种多晶硅生产的控制方法、系统 |
| CN114660998A (zh) * | 2020-12-22 | 2022-06-24 | 新疆新特晶体硅高科技有限公司 | 一种多晶硅生产模拟的控制系统及方法 |
| CN112465274B (zh) * | 2020-12-30 | 2024-03-29 | 镇江龙源铝业有限公司 | 生产车间智能化管理系统 |
| CN113066655B (zh) * | 2021-03-26 | 2023-03-14 | 安徽工业大学 | 一种自主学习的高硅钢软磁复合铁芯智能化生产系统及生产方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107815729A (zh) * | 2016-09-12 | 2018-03-20 | 上海新昇半导体科技有限公司 | 一种单晶炉 |
| CN108563913A (zh) * | 2018-05-29 | 2018-09-21 | 广东工业大学 | 一种多晶硅还原炉还原过程能耗预测方法、系统 |
| CN108954375A (zh) * | 2018-07-18 | 2018-12-07 | 厦门邑通软件科技有限公司 | 锅炉节煤控制方法 |
| CN109338456A (zh) * | 2018-12-03 | 2019-02-15 | 上海交通大学 | 基于数值模拟与神经网络判断的单晶制品生产智能控制技术 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180031799A (ko) * | 2015-08-18 | 2018-03-28 | 비코 인스트루먼츠 인코포레이티드 | 화학 기상 증착 시스템 및 공정에서 열적 균일성을 향상시키기 위한 공정별 웨이퍼 캐리어 보정 |
-
2019
- 2019-05-17 CN CN201910410451.5A patent/CN109978287B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107815729A (zh) * | 2016-09-12 | 2018-03-20 | 上海新昇半导体科技有限公司 | 一种单晶炉 |
| CN108563913A (zh) * | 2018-05-29 | 2018-09-21 | 广东工业大学 | 一种多晶硅还原炉还原过程能耗预测方法、系统 |
| CN108954375A (zh) * | 2018-07-18 | 2018-12-07 | 厦门邑通软件科技有限公司 | 锅炉节煤控制方法 |
| CN109338456A (zh) * | 2018-12-03 | 2019-02-15 | 上海交通大学 | 基于数值模拟与神经网络判断的单晶制品生产智能控制技术 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109978287A (zh) | 2019-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109978287B (zh) | 多晶硅智能生产方法及系统 | |
| CN109420424A (zh) | 一种石灰石-石膏湿法烟气脱硫系统节能优化方法 | |
| CN105184678A (zh) | 基于多种神经网络组合算法的光伏电站发电量短期预测模型的构建方法 | |
| CN107818409A (zh) | 基于模糊关联规则的水泥生产参数及调节区间的优化方法 | |
| CN104732296A (zh) | 一种分布式光伏输出功率短期预测模型建模方法 | |
| CN103258247A (zh) | 一种基于目标级联分析法的碳排放优化方法 | |
| CN104865827A (zh) | 一种基于多工况模型的抽油机采油优化方法 | |
| CN102809928A (zh) | 一种工业企业热力设备能耗的控制优化方法 | |
| CN116422452B (zh) | 一种自动控制参数优化磨矿溢流粒度区间的方法 | |
| CN107612045A (zh) | 一种电厂机组发电量智能分配系统及方法 | |
| CN117458488B (zh) | 梯级水光互补分布鲁棒优化调度方法、装置、设备及介质 | |
| CN110188951A (zh) | 一种基于最小能耗的砖厂摆渡车的调度优化的建立方法 | |
| CN116307240A (zh) | 基于woa-vmd-ols的光伏发电站短期发电功率预测方法 | |
| CN110412960B (zh) | 基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统 | |
| CN111967689A (zh) | 一种结合多元及分步线性回归和人工神经网络进行风力发电预测的模型和方法 | |
| CN101598927A (zh) | 一种基于神经网络的纯碱碳化工艺控制系统及其控制方法 | |
| CN113126576B (zh) | 集输系统能耗优化模型构建方法与集输系统能耗控制方法 | |
| CN118915473A (zh) | 应用于移动式变压器的智能控制调节系统 | |
| CN112487723B (zh) | 一种基于多参数的中水热源泵系统优化设计方法 | |
| CN113868836B (zh) | 基于大数据的智慧热力系统在线专家分析平台 | |
| CN117436927A (zh) | 一种虚拟电厂调峰市场价格预测方法及系统 | |
| CN110633844B (zh) | 基于emd和ann的建筑能源系统模拟预测方法及应用 | |
| CN201449529U (zh) | 一种基于神经网络的纯碱碳化工艺控制系统 | |
| CN114884101A (zh) | 一种基于自适应模型控制预测的抽水蓄能调度方法 | |
| CN117973815B (zh) | 自适应生产计划智能生成与调整系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 810007 No.1, Jinsi Road, Xining Economic and Technological Development Zone, Xining City, Qinghai Province Applicant after: Asia silicon (Qinghai) Co., Ltd Applicant after: Qinghai Asia silicon silicon material engineering technology Co., Ltd. Address before: 810000 Qinghai city of Xining Province Economic and Technological Development Zone No. 1 gold Guilu Applicant before: Asia Silicon Industry (Qinghai) Co., Ltd. Applicant before: Qinghai Asia silicon silicon material engineering technology Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |