CN113344439A - 一种晶体生长控制方法、装置、系统及可读存储介质 - Google Patents
一种晶体生长控制方法、装置、系统及可读存储介质 Download PDFInfo
- Publication number
- CN113344439A CN113344439A CN202110731980.2A CN202110731980A CN113344439A CN 113344439 A CN113344439 A CN 113344439A CN 202110731980 A CN202110731980 A CN 202110731980A CN 113344439 A CN113344439 A CN 113344439A
- Authority
- CN
- China
- Prior art keywords
- crystal
- data
- growth
- weight
- crystal growth
- 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.)
- Granted
Links
- 239000013078 crystal Substances 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 50
- 238000004519 manufacturing process Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 11
- 206010049040 Weight fluctuation Diseases 0.000 claims description 10
- 239000004927 clay Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 17
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 6
- 229910052594 sapphire Inorganic materials 0.000 description 8
- 239000010980 sapphire Substances 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本发明公开了一种晶体生长控制方法、装置、系统及计算机可读存储介质,该方法包括:获取晶体生产设备的数据信息,数据信息包括设备运行参数信息和晶体生长参数信息;判断数据信息中是否存在异常数据,若不存在,则依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则根据生长量模型对晶体生产设备的参数进行调节;本发明在使用过程中能够实现对晶体生长情况的自动检测和控制,减少人力消耗,有利于提高晶体生长质量和产量。
Description
技术领域
本发明涉及晶体生产制造技术领域,特别是涉及一种晶体生长控制方法、装置、系统及计算机可读存储介质。
背景技术
蓝宝石具有高硬度、耐磨性、高温稳定性的特点,是现代工业重要的基础材料,目前广泛应用于LED、消费电子、仪器仪表、军工等领域。推动蓝宝石行业进一步增长则主要来自于消费电子领域,蓝宝石在消费电子上的应用将从“小屏”逐渐延伸到“大屏”,即从现在的摄像头、home键等较小的面积,向手表表盘甚至手机屏幕等较大面积的应用逐步发展。
随着市场竞争全球化,使得蓝宝石生长在保证质量的前提下,降低能耗、降低成本以及提高产量变得尤为重要。目前,蓝宝石生产过程中的工艺参数依旧通过人工根据经验来进行操作,主要体现为采用随机或定时观察晶体生长重量变化的方式来控制晶体生长,这种方式不仅加大了人工投入成本,而且产量也一般
鉴于此,如何提供一种能够提高蓝宝石晶体生长质量、节约能耗的晶体生长控制方法、装置、系统及计算机可读存储介质成为本领域技术人员需要解决的问题。
发明内容
本发明实施例的目的是提供一种晶体生长控制方法、装置、系统及计算机可读存储介质,在使用过程中能够实现对晶体生长情况的自动检测和控制,减少人力消耗,有利于提高晶体生长质量和产量。
为解决上述技术问题,本发明实施例提供了一种晶体生长控制方法,包括:
获取晶体生产设备的数据信息,所述数据信息包括设备运行参数信息和晶体生长参数信息;
判断所述数据信息中是否存在异常数据,若不存在,则依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则根据所述晶体生长量模型对所述晶体生产设备的参数进行调节。
可选的,所述预先建立的晶体生长量模型为晶体的重量与生长量的曲线模型。
可选的,所述晶体的重量与生长量的曲线模型的建立方法为:
获取多个历史数据,所述历史数据包括晶球质量数据;
从所述各个历史数据中筛选出满足预设要求的各个目标晶球质量数据,所述预设要求为晶球质量达到预设等级、功耗小于预设功耗及耗时小于第一预设时长中的一种或多种的组合;
根据各个所述目标晶球质量数据中的重量和生长量数据,建立晶体的重量与生长量的曲线模型。
可选的,在所述判断所述数据信息中是否存在异常数据之后,还包括:
若存在异常数据,则根据所述数据信息判断在第二预设时长内是否存在重量波动,若存在重量波动,则存在粘锅异常,并对所述晶体生产设备的参数进行调节,以进行粘锅异常处理。
可选的,所述对所述晶体生产设备的参数进行调节,以进行粘锅异常处理的过程为:
根据所述设备的当前工作模式,关闭对应的斜率,并对所述设备进行升温和提升拉速;
当检测到晶体的生长量斜率大于等于0时,开启所述斜率;
当检测到晶体的当前重量与粘锅点重量之差大于预设重量时,对所述设备进行降温处理;
依据所述重量与生长量的曲线模型对所述晶体的当前重量进行监测,并在与所述当前重量对应的生长量位于对应的最优生长区间内时,粘锅异常处理结束。
可选的,在所述判断所述数据信息中是否存在异常数据之前,还包括:
对所述数据信息进行预处理,得到预处理后的数据信息。
本发明实施例还提供了一种晶体生长控制装置,包括:
获取模块,用于获取晶体生产设备的数据信息,所述数据信息包括设备运行参数信息和晶体生长参数信息;
第一判断模块,用于判断所述数据信息中是否存在异常数据,若不存在,则触发第二判断模块;
所述第二判断模块,用于依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则触发调节模块;
所述调节模块,用于根据所述晶体的生长量模型对所述晶体生产设备的参数进行调节。
本发明实施例还提供了一种晶体生长控制系统,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述晶体生长控制方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述晶体生长控制方法的步骤。
本发明实施例提供了一种晶体生长控制方法、装置、系统及计算机可读存储介质,该方法包括:获取晶体生产设备的数据信息,数据信息包括设备运行参数信息和晶体生长参数信息;判断数据信息中是否存在异常数据,若不存在,则依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则根据晶体生长量模型对晶体生产设备的参数进行调节。可见,本发明通过获取晶体生产设备的数据信息,并且在数据信息正常时进一步根据预先建立的晶体生长量模型来判断晶体的当前生长量是否达到最优生长量,并且在没有达到最优生长量时,根据晶体生长量模型对设备的参数进行调节,以使晶体的生长量达到对应的最优生长量,本发明在使用过程中能够实现对晶体生长情况的自动检测和控制,减少人力消耗,有利于提高晶体生长质量和产量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对现有技术和实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种晶体生长控制方法的流程示意图;
图2为本发明实施例提供的另一种晶体生长控制方法的流程示意图;
图3为本发明实施例提供的一种晶体生长控制装置的结构示意图。
具体实施方式
本发明实施例提供了一种晶体生长控制方法、装置、系统及计算机可读存储介质,在使用过程中能够实现对晶体生长情况的自动检测和控制,减少人力消耗,有利于提高晶体生长质量和产量。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1,图1为本发明实施例提供的一种晶体生长控制方法的流程示意图。该方法包括:
S110:获取晶体生产设备的数据信息,数据信息包括设备运行参数信息和晶体生长参数信息;
需要说明的是,本发明实施例具体可以用于对蓝宝石晶体(但不仅限于蓝宝石晶体)生长的控制,具体的,可以在对某台晶体生产设备所生产的晶体生长状态进行监测和控制时,可以获取该晶体生产设备的数据信息,具体的该数据信息包括设备运行参数信息以及晶体生长参数信息(也即晶体生长各阶段的变量参数),其中,这些参数信息具体可以包括设备编号、数据采集时间、当前功率、热场电阻、当前电流、当前电压、高真空、标尺位、当前重量、生长量、提拉速度、提拉开关、籽晶杆旋转状态、转速、转速开关、斜率电压、斜率功率、电压模式/功率模式、斜率启动指示、手动电压设定、手动功率设定、手动写入、真空泵状态、扩散泵状态、籽晶回水温度、左电极回水温度、右电极回水温度、工艺状态、电量、炉内温度、炉次标签、自动控制、启动自动生长控制、退出自动生长控制、粘锅信号、全自动生长异常退出等参数。
具体的,在实际应用中可以通过iot数据接入采集系统对晶体生产设备的数据信息进行采集,其中,iot数据接入采集系统是一个大型的物联网系统。
S120:判断数据信息中是否存在异常数据,若不存在,则进入S130;
具体的,可以根据各个异常类型来进一步判断数据信息中是否存在异常数据,其中,异常类型具体可以包括称重异常、重量波动异常、生长量异常、数据缺失异常等,当至少存在一种异常类型的数据时,则即可确定出存在异常数据。
S130:依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则进入S140;
需要说明的是,本发明实施例中预先建立与晶体对应的晶体生长量模型,并且在对晶体生长状态进行监测过程中,在判断出所采集的数据信息中不存在异常数据时,即可通过该晶体生长量模型进一步判断晶体的当前生长量是否达到了最优生长量,若达到最优的生长量,则说明晶体生长情况良好,若没有达到最优生长量,则说明晶体生长情况有待改善。
S140:根据晶体生长模型对设备的参数进行调节。
具体的,在晶体的当前生长量没有达到最优生长量时,根据预先建立的晶体生长量模型对晶体生产设备的参数进行调节,以使晶体的生长量能够达到对应的最优生长量。
可见,本发明通过获取晶体生产设备的数据信息,并且在数据信息正常时进一步根据预先建立的晶体生长量模型来判断晶体的当前生长量是否达到最优生长量,并且在没有达到最优生长量时,根据晶体生长量模型对设备的参数进行调节,以使晶体的生长量达到对应的最优生长量,本发明在使用过程中能够实现对晶体生长情况的自动检测和控制,减少人力消耗,有利于提高晶体生长质量和产量。
具体请参照图2所示的流程图,本发明实施例中提供了另一种晶体生长控制方法,该方法包括:
S210:获取晶体生产设备的数据信息,数据信息包括设备运行参数信息和晶体生长参数信息;
S220:对数据信息进行预处理,得到预处理后的数据信息;
具体的,在实际应用中可以通过Kafka分布式消息系统实时获取iot采集的数据并将数据做对应的格式转换后保存到redis内存数据库中,其中,redis内存可以保持预设时间内的数据,例如存储两个小时内的数据,并且在对数据信息进行异常数据判断之前,具体可以从数据库中获取所存储的数据信息,并对这些数据信息进行预处理,以便剔除异常值,例如,可以获取一定时长(3min)内的数据信息,并将这些数据信息中的异常值剔除,然后将同一类型的数据求平均值,并将计算出的平均值作为这一类数据的最终数据,从而得到与各类型数据各自对应的数据值,将这些数据值作为预处理后的数据信息,然后再对预处理后的数据信息进行异常数据的判断。
S230:判断数据信息中是否存在异常数据,若存在异常数据,则进入S240;若不存在异常数据,则进入S260;
具体的,对于本发明实施例中的S230的具体介绍请参照上述实施例中的S120,本发明实施例在此不再赘述。
S240:根据数据信息判断在第二预设时长内是否存在重量波动,若存在重量波动,则进入S250;
需要说明的是,在确定出数据信息中存在异常数据后,可以进一步判断是否为重量波动异常,具体可以判断在第二预设时长内是否存在重量波动,若存在重量波动,则说明当前为粘锅异常。
S250:存在粘锅异常,对晶体生产设备的参数进行调节,以进行粘锅异常处理;
具体的,在确定出为粘锅异常时,可以对晶体生产设备的参数进行调节,进行粘锅异常处理,具体过程可以为:
根据设备的当前工作模式,关闭对应的斜率,并对设备进行升温和提升拉速;
当检测到晶体的生长量斜率大于等于0时,开启斜率;
当检测到晶体的当前重量与粘锅点重量之差大于预设重量时,对设备进行降温处理;
依据重量与生长量的曲线模型对晶体的当前重量进行监测,并在与当前重量对应的生长量位于对应的最优生长区间内时,粘锅异常处理结束。
需要说明的是,在检测到时粘锅异常时,根据晶体生产设备的当前工作模式关闭对应的斜率,例如是电压模式,则关闭电压斜率,若是功率模式,则关闭功率斜率,具体可以根据实际情况进行确定,本发明实施例不作特殊限定;在关闭斜率后,可以对设备进行升温操作,具体根据设备的当前工作模式进行升温操作,当前工作模式为电压模式,则可以在电压模式下输入设定电压(例如120mV或140mV),具体可以手动输入设定电压,当前工作模式为功率模式,则可以在功率模式下输入设定功率(例如1200W等),具体可手动输入设定功率,在升温操作结束后,可以进行提高拉速的操作,由于升温后晶体会融化,生长量快速下降,具体可以在提升拉速后半个小时左右开始检测晶体的生长量,并且在晶体的生长量斜率大于等于0时,也即晶体生长量开始增加时,开启斜率,此时也是在设备的当前工作模式下开启相应的斜率,由于在升温后晶体重量在慢慢融化,因此可以在检测到晶体的当前重量与粘锅点重量之差大于预设重量时,对设备进行降温处理,其中,粘锅点重量为检测到粘锅异常时刻对应的晶体重量,在对设备进行降温处理时,具体可以根据设备的当前工作模式输入对应的设定值进行降温处理,例如,当前工作模式为电压模式,则可以在电压模式下输入设定电压(例如30mV或40mV),具体可以手动输入设定电压,当前工作模式为功率模式,则可以在功率模式下输入设定功率(例如300W或400W),具体可手动输入设定功率;继续对晶体重量进行监测,当监测晶体的当前重量处于正常稳定上升阶段时,也即,晶体的生长量在一定时长内一直大于0时,说明晶体的当前重量处于正常稳定上升阶段,此时,可以依据预先建立的重量与生长量的曲线模型对晶体的当前重量进行监测,并在监测到与当前重量对应的生长量位于对应的最优生长区间内时,粘锅异常处理结束。
还需要说明的是,在粘锅异常处理结束后,可以返回S210进行新一轮的检测。
S260:依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若否,则进入S270;
具体的,在判断出数据信息中不存在异常数据后,可以根据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量。
进一步的,本发明实施例中预先建立的晶体生长量模型可以为晶体的重量与生长量的曲线模型。
其中,该重量与生长量的曲线模型的建立方法为:
获取多个历史数据,历史数据包括晶球质量数据;
从各个历史数据中筛选出满足预设要求的各个目标晶球质量数据,预设要求为晶球质量达到预设等级、功耗小于预设功耗及耗时小于第一预设时长中的一种或多种的组合;
根据各个目标晶球质量数据中的重量和生长量数据,建立晶体的重量与生长量的曲线模型。
需要说明的是,在实际应用中可以根据以下分析确定出重量与生长量的相关性较高,具体的:
获取历史数据获取,其中,历史数据来源包括两部分,一部分是:提取历史所有设备生产的晶球对应的iot数据,主要参数包括:设备编号、数据采集时间、当前功率、热场电阻、当前电流、当前电压、当前重量、生长量、提拉速度、提拉开关、斜率电压、斜率功率、电压模式/功率模式、斜率启动指示、左电极回水温度、右电极回水温度、工艺状态、电量、炉内温度等参数。另一部分是:从记录晶球质量明细数据的数据库中提取历史所有的晶球的质量数据,主要指标包括:设备编号、晶球编号、总耗时、总耗电、炉次开始时间、炉次结束时间、是否粘锅、晶球质量等级等参数。将两部分数据通过设备号以及晶球编号关联起来形成总数据表。
对数据进行预处理,该过程主要是为了剔除数据缺失、出现粘锅、重量异常跳变的iot数据以及异常值;预处理后对与处理后的数据进行切片,计算每百克重量切片数据内的平均生长量、重量差、耗时差、电压差、电流差、最小斜率、最大斜率、最小拉速、最大拉速、左电极温度差、右电极温度差、最大耗电量、最大温度。
进行相关性分析和聚类建模分析;
具体的,相关性分析是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度。从平均生长量、重量差、耗时差、电压差、电流差、最小斜率、最大斜率、最小拉速、最大拉速、左电极温度差、右电极温度差、最大耗电量、最大温度这些参数中进行相关性分析,得出结论:重量与生长量的相关性极强。
聚类建模分析是通过拟合不同类型的重量与生长量60%分位数的曲线图,按质量等级分类分析:AB、DE 2种不同质量类型的生长曲线图(晶球质量等级分ABCDE 5个等级,A表示最优的晶球等级),发现AB等级的晶球相对其他等级类的晶球的生长曲线波动要大,且生长量也要高;按耗电量等级分类分析:分5种程度的耗电等级生成生长曲线,发现耗电越低,生长量越高;对同类型质量晶球的耗电量越小,生长速率越大;选取A|B两类球中的耗电量较小的生长曲线与整个大类作对比,发现晶球质量较好的且耗电量也较低的生长量比其他的要高,且曲线的平滑度来看也较佳;选取A|B两类球中耗电量小的晶球中按照累计耗时计算,耗时小的生长量也越大。得出结论:质量优、耗电小、耗时短的晶球生长量要高。
从相关性分析和聚类建模分析可知,重量与生长量的相关性极高,且质量优且耗电小耗时短的晶球对应的生长量要高,因此可以从各个历史数据中筛选出满足预设要求的各个目标晶球质量数据,其中,预设要求为晶球质量达到预设等级、功耗小于预设功耗及耗时小于第一预设时长中的一种或多种的组合;然后再根据各个目标晶球质量数据中的重量和生长量数据,建立重量与生长量的曲线模型。
其中,重量与生长量曲线相似性计算可以为:
在实际应用中,针对从A|B两类耗电小且耗时短的晶球数据,做1到10度的多项式回归实验,找到拟合优度(均方差)最小的曲线作为最优的多项式拟合曲线,得出6度为最优的多项式回归拟合参数,对比多项式回归曲线与50%、60%分位数曲线,发现多项式回归与50%分位数相对更为接近,可见大部分的线性回归模型是用于拟合50%分位数曲线的。因此,通过重量与生长量曲线相似性,可以得到最优的多项式拟合曲线,并将该最优的多项式拟合曲线作为所建立的重量与生长量的曲线模型,以便将其应用到实际生产中,并且在实际应用中还可以通过不断的增加新的历史最优数据迭代该最优生长曲线,以便根据实际情况对该重量与生长量的曲线模型进行更新,使实际生产中的晶球能达到质量高、能耗低的目的。
S270:根据晶体生长量模型对设备的参数进行调节。
需要说明的是,在根据重量与生长量的曲线模型对设备的参数进行调节时,可以根据晶球的当前重量匹配出最优的生长量区间,然后根据给最优的生长量区间对应的设备参数对该设备的参数进行调节。
本发明在使用过程中能够对晶体生长过程中的异常发现及处理比人工更加及时和高效,且有利于节约能量和成本。
在上述实施例的基础上,本发明实施例还提供了一种晶体生长控制装置,具体请参照图3。该装置包括:
获取模块21,用于获取晶体生产设备的数据信息,数据信息包括设备运行参数信息和晶体生长参数信息;
第一判断模块22,用于判断数据信息中是否存在异常数据,若不存在,则触发第二判断模块;
第二判断模块23,用于依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则触发调节模块;
调节模块24,用于根据晶体生长模型对设备的参数进行调节。
需要说明的是,本发明实施例中提供的晶体生长控制装置具有与上述实施例中所提供的晶体生长控制方法相同的有益效果,并且对于本发明实施例中所涉及到的晶体生长控制方法的具体介绍请参照上述实施例,本发明在此不再赘述。
在上述实施例的基础上,本发明实施例还提供了一种晶体生长控制系统,该系统包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述晶体生长控制方法的步骤。
例如,本发明实施例中的处理器具体可以用于实现获取晶体生产设备的数据信息,数据信息包括设备运行参数信息和晶体生长参数信息;判断数据信息中是否存在异常数据,若不存在,则依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则根据晶体生长量模型对设备的参数进行调节。
在上述实施例的基础上,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述晶体生长控制方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种晶体生长控制方法,其特征在于,包括:
获取晶体生产设备的数据信息,所述数据信息包括设备运行参数信息和晶体生长参数信息;
判断所述数据信息中是否存在异常数据,若不存在,则依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则根据所述晶体生长量模型对所述晶体生产设备的参数进行调节。
2.根据权利要求1所述的晶体生长控制方法,其特征在于,所述预先建立的晶体生长量模型为晶体的重量与生长量的曲线模型。
3.根据权利要求2所述的晶体生长控制方法,其特征在于,所述晶体的重量与生长量的曲线模型的建立方法为:
获取多个历史数据,所述历史数据包括晶球质量数据;
从所述各个历史数据中筛选出满足预设要求的各个目标晶球质量数据,所述预设要求为晶球质量达到预设等级、功耗小于预设功耗及耗时小于第一预设时长中的一种或多种的组合;
根据各个所述目标晶球质量数据中的重量和生长量数据,建立晶体的重量与生长量的曲线模型。
4.根据权利要求1所述的晶体生长控制方法,其特征在于,在所述判断所述数据信息中是否存在异常数据之后,还包括:
若存在异常数据,则根据所述数据信息判断在第二预设时长内是否存在重量波动,若存在重量波动,则存在粘锅异常,并对所述晶体生产设备的参数进行调节,以进行粘锅异常处理。
5.根据权利要求4所述的晶体生长控制方法,其特征在于,所述对所述晶体生产设备的参数进行调节,以进行粘锅异常处理的过程为:
根据所述设备的当前工作模式,关闭对应的斜率,并对所述设备进行升温和提升拉速;
当检测到晶体的生长量斜率大于等于0时,开启所述斜率;
当检测到晶体的当前重量与粘锅点重量之差大于预设重量时,对所述设备进行降温处理;
依据所述重量与生长量的曲线模型对所述晶体的当前重量进行监测,并在与所述当前重量对应的生长量位于对应的最优生长区间内时,粘锅异常处理结束。
6.根据权利要求1所述的晶体生长控制方法,其特征在于,在所述判断所述数据信息中是否存在异常数据之前,还包括:
对所述数据信息进行预处理,得到预处理后的数据信息。
7.一种晶体生长控制装置,其特征在于,包括:
获取模块,用于获取晶体生产设备的数据信息,所述数据信息包括设备运行参数信息和晶体生长参数信息;
第一判断模块,用于判断所述数据信息中是否存在异常数据,若不存在,则触发第二判断模块;
所述第二判断模块,用于依据预先建立的晶体生长量模型判断晶体的当前生长量是否达到最优生长量,若未达到,则触发调节模块;
所述调节模块,用于根据所述晶体生长量模型对所述晶体生产设备的参数进行调节。
8.一种晶体生长控制系统,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述晶体生长控制方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述晶体生长控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110731980.2A CN113344439B (zh) | 2021-06-29 | 2021-06-29 | 一种晶体生长控制方法、装置、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110731980.2A CN113344439B (zh) | 2021-06-29 | 2021-06-29 | 一种晶体生长控制方法、装置、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344439A true CN113344439A (zh) | 2021-09-03 |
CN113344439B CN113344439B (zh) | 2024-04-26 |
Family
ID=77481832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110731980.2A Active CN113344439B (zh) | 2021-06-29 | 2021-06-29 | 一种晶体生长控制方法、装置、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344439B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115584551A (zh) * | 2022-12-05 | 2023-01-10 | 浙江晶盛机电股份有限公司 | 晶体生长炉的异常监测方法 |
WO2024021993A1 (en) * | 2022-07-29 | 2024-02-01 | Tcl Zhonghuan Renewable Energy Technology Co., Ltd. | Automatic decision-making for pulling |
WO2024021992A1 (en) * | 2022-07-29 | 2024-02-01 | Tcl Zhonghuan Renewable Energy Technology Co., Ltd. | Automatic decision-making for welding |
WO2024041323A1 (en) * | 2022-08-25 | 2024-02-29 | Tcl Zhonghuan Renewable Energy Technology Co., Ltd. | Automatic decision-making for re-feeding |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5868831A (en) * | 1996-06-27 | 1999-02-09 | Wacker Siltronic Gesellschaft Fur Halbleitermaterialien Ag | Process for controlling the growth of a crystal |
US6375739B1 (en) * | 1997-08-22 | 2002-04-23 | University Of Durham | Apparatus and process for crystal growth |
CN102534757A (zh) * | 2012-01-06 | 2012-07-04 | 南京师范大学 | 基于工业总线的晶体生长智能控制系统 |
CN103710745A (zh) * | 2013-12-26 | 2014-04-09 | 南京晶升能源设备有限公司 | 85kg至120kg蓝宝石晶体生长自动化控制方法 |
CN104328498A (zh) * | 2014-11-26 | 2015-02-04 | 元亮科技有限公司 | 蓝宝石单晶生长自动化综合控制工艺 |
CN104389019A (zh) * | 2014-11-17 | 2015-03-04 | 刘瑜 | 一种泡生法蓝宝石晶体生长的工艺机器人系统 |
CN105717878A (zh) * | 2014-12-02 | 2016-06-29 | 苏州瑞派宁科技有限公司 | 全数字化集散型闪烁晶体提拉炉控制系统 |
CN106544733A (zh) * | 2016-10-18 | 2017-03-29 | 华东理工大学 | 一种基于开放式网络的晶体生长智能机器系统 |
CN111754516A (zh) * | 2020-05-25 | 2020-10-09 | 沈阳工程学院 | 基于计算机视觉反馈的金红石单晶体生长智能控制方法 |
CN112789371A (zh) * | 2021-01-11 | 2021-05-11 | 眉山博雅新材料有限公司 | 一种晶体生长控制方法和系统 |
-
2021
- 2021-06-29 CN CN202110731980.2A patent/CN113344439B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5868831A (en) * | 1996-06-27 | 1999-02-09 | Wacker Siltronic Gesellschaft Fur Halbleitermaterialien Ag | Process for controlling the growth of a crystal |
US6375739B1 (en) * | 1997-08-22 | 2002-04-23 | University Of Durham | Apparatus and process for crystal growth |
CN102534757A (zh) * | 2012-01-06 | 2012-07-04 | 南京师范大学 | 基于工业总线的晶体生长智能控制系统 |
CN103710745A (zh) * | 2013-12-26 | 2014-04-09 | 南京晶升能源设备有限公司 | 85kg至120kg蓝宝石晶体生长自动化控制方法 |
CN104389019A (zh) * | 2014-11-17 | 2015-03-04 | 刘瑜 | 一种泡生法蓝宝石晶体生长的工艺机器人系统 |
CN104328498A (zh) * | 2014-11-26 | 2015-02-04 | 元亮科技有限公司 | 蓝宝石单晶生长自动化综合控制工艺 |
CN105717878A (zh) * | 2014-12-02 | 2016-06-29 | 苏州瑞派宁科技有限公司 | 全数字化集散型闪烁晶体提拉炉控制系统 |
CN106544733A (zh) * | 2016-10-18 | 2017-03-29 | 华东理工大学 | 一种基于开放式网络的晶体生长智能机器系统 |
CN111754516A (zh) * | 2020-05-25 | 2020-10-09 | 沈阳工程学院 | 基于计算机视觉反馈的金红石单晶体生长智能控制方法 |
CN112789371A (zh) * | 2021-01-11 | 2021-05-11 | 眉山博雅新材料有限公司 | 一种晶体生长控制方法和系统 |
Non-Patent Citations (1)
Title |
---|
严博涛: ""直拉单晶炉生长系统模型预测控制方法研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, no. 11, pages 023 - 14 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024021993A1 (en) * | 2022-07-29 | 2024-02-01 | Tcl Zhonghuan Renewable Energy Technology Co., Ltd. | Automatic decision-making for pulling |
WO2024021992A1 (en) * | 2022-07-29 | 2024-02-01 | Tcl Zhonghuan Renewable Energy Technology Co., Ltd. | Automatic decision-making for welding |
WO2024041323A1 (en) * | 2022-08-25 | 2024-02-29 | Tcl Zhonghuan Renewable Energy Technology Co., Ltd. | Automatic decision-making for re-feeding |
CN115584551A (zh) * | 2022-12-05 | 2023-01-10 | 浙江晶盛机电股份有限公司 | 晶体生长炉的异常监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113344439B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113344439B (zh) | 一种晶体生长控制方法、装置、系统及可读存储介质 | |
CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
CN117093879A (zh) | 一种数据中心智能化运营管理方法及系统 | |
CN116307944B (zh) | 基于人工智能与物联网的配电箱远程监测系统 | |
CN113030761B (zh) | 一种超大规模储能电站电池健康状态的评估方法及系统 | |
CN116994416B (zh) | 基于人工智能的风机运行故障预警方法及系统 | |
US11625029B2 (en) | Manufacturing condition setting automating apparatus and method | |
CN116839681B (zh) | 基于多传感器的沥青搅拌设备监测方法及系统 | |
CN113868953B (zh) | 工业系统中多机组运行优化方法、装置、系统及存储介质 | |
CN116108355B (zh) | 一种云热水监控平台数据的管理方法 | |
CN116662729B (zh) | 一种低硼硅玻璃上料控制数据智能监测方法 | |
CN117078105A (zh) | 基于人工智能的生产质量监控方法及系统 | |
CN108305002A (zh) | 一种基于监控威布尔形状参数的早期失效率变点识别方法 | |
CN107808209B (zh) | 基于加权kNN距离的风电场异常数据辨识方法 | |
CN116881635B (zh) | 一种用于纺织品洗涤剂设备数据管理系统 | |
CN116448263B (zh) | 一种勃姆石生产设备运行状态检测方法 | |
CN117350435A (zh) | 一种对虾工厂化养殖设备管理方法及系统 | |
CN107633271B (zh) | 电力系统稳态可用度非精确概率计算方法 | |
CN113212244B (zh) | 一种新能源车辆动力电池寿命预测方法及系统 | |
CN110909813B (zh) | 一种基于边缘算法的商业体异常用电检测方法 | |
CN114491845B (zh) | 融合历史轨迹的船用动力轴承剩余寿命预测方法及系统 | |
CN116629706B (zh) | 一种基于bim的绿色节能建筑施工质量评估方法 | |
CN113095340B (zh) | 生产机台的异常预警方法以及物件的量产方法 | |
CN117610699B (zh) | 一种应用于园区零碳综合能源优化设备及方法 | |
CN110502679B (zh) | 一种航天器遥测参数的数据类型自动判别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |