CN113584576B - 晶体直径生长的自动控制方法、装置、电子设备和存储介质 - Google Patents

晶体直径生长的自动控制方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113584576B
CN113584576B CN202110874929.7A CN202110874929A CN113584576B CN 113584576 B CN113584576 B CN 113584576B CN 202110874929 A CN202110874929 A CN 202110874929A CN 113584576 B CN113584576 B CN 113584576B
Authority
CN
China
Prior art keywords
diameter
crystal
predicted
parameter
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
Application number
CN202110874929.7A
Other languages
English (en)
Other versions
CN113584576A (zh
Inventor
沈剑
刘迪
唐磊
胡逸群
陈建东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Zhongyi Cloud Computing Technology Co ltd
Original Assignee
Shanghai Zhongyi Cloud Computing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Zhongyi Cloud Computing Technology Co ltd filed Critical Shanghai Zhongyi Cloud Computing Technology Co ltd
Priority to CN202110874929.7A priority Critical patent/CN113584576B/zh
Publication of CN113584576A publication Critical patent/CN113584576A/zh
Application granted granted Critical
Publication of CN113584576B publication Critical patent/CN113584576B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C30—CRYSTAL GROWTH
    • C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
    • C30B15/00—Single-crystal growth by pulling from a melt, e.g. Czochralski method
    • C30B15/20—Controlling or regulating
    • C30B15/22—Stabilisation or shape controlling of the molten zone near the pulled crystal; Controlling the section of the crystal
    • C—CHEMISTRY; METALLURGY
    • C30—CRYSTAL GROWTH
    • C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
    • C30B29/00—Single crystals or homogeneous polycrystalline material with defined structure characterised by the material or by their shape
    • C30B29/02—Elements
    • C30B29/06—Silicon
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Crystals, And After-Treatments Of Crystals (AREA)

Abstract

本发明涉及一种直拉单晶工艺中晶体直径生长的自动控制方法，包括步骤：获取单晶炉的多个当前设备参数；根据多个当前设备参数和预先构建的预测模型预测得到第一预设时间后的预测设备参数，或第二预设时间后的预测晶体直径；根据预测设备参数和预设目标直径计算得到至少一个控制偏移量；或，根据预测晶体直径和预设目标直径计算得到至少一个控制偏移量；根据至少一个控制偏移量自动调节相应的设备参数。本发明通过预测模型可以预测设备参数或晶体直径的变化趋势，预先设定调整参数，有效减少残次品的产生。相应地，本发明还提供一种自动控制装置、电子设备和存储介质。

Description

晶体直径生长的自动控制方法、装置、电子设备和存储介质
技术领域
本发明涉及一种单晶硅锭制造技术领域，特别涉及一种基于AI直拉单晶工艺中晶体直径生长的自动控制方法。
背景技术
单晶硅锭是芯片和太阳能电池生产制造的必要原料之一。目前在所有安装的太阳电池中，超过90％以上是晶体硅太阳能电池，因此，位于产业链前端的硅锭/片的生产对整个太阳电池产业有着很重要的作用。
生产单晶硅锭的方法有许多，但经过提拉法(又称直拉法或是切克劳斯基法)生产出的晶体具有完整性好、纯度高和生产效率高的优势，因此，提拉法是制造单晶硅锭普遍采用的方法。提拉法是将多晶硅装入石英坩埚，加热融化，再将籽晶浸入熔液中，在合适温度下，溶液中的硅原子会顺着籽晶的硅原子排列结构在固液界面上形成规则的结晶，成为单晶体(即，晶棒)。把籽晶微微的旋转向上提升，液中的硅原子会在前面形成的单晶体上继续结晶。若结晶环境稳定就可以周而复始地结晶，最后形成单晶硅锭。单晶硅锭的直径受到多种因素的影响，如:单晶炉的炉内温度、液面的红外波长、电机转速、提拉速度、晶棒长度、时间、保护气体的流速与温度、冷却水流的流速与温度等，在单晶硅锭的生产中，可以通过调节以上参数控制晶体的直径(即晶棒的直径)。目前的单晶炉拉晶方式，主要是通过摄像头拍下生长时的晶棒图像，再利用该图像分析晶棒的直径尺寸，接下来，系统根据晶体的预设直径寸和测量直径尺寸进行对比运算，根据运算结果对电机速度的设定值进行调整，即对提拉速度进行调整，但现有技术往往存在以下问题：
1、由于摄像头的位置以及界面(液体和固体间)的抖动等因素，例如，在晶体等径生长过程中，由于某些原因会引起晶棒的摆动(圆锥摆)，拍摄得到的图像也因此造成误差，使得测量的直径尺寸不够准确；且该方法只能针对几个点进行直径测量，这也会导致测量结果不够准确。
2、现有技术中，需要在得到晶棒的直径测量结果之后，即需要根据拍摄得到的图像数据进行一系列图像处理之后，再进行设备参数的调整，并且反馈给提拉设备的调整信号需要一段时间后才能生效，即参数调整存在一定的滞后，因此，将严重影响晶棒生长的稳定性，甚至造成残次品，降低了产品合格率或良率。
因此，为避免由于反馈信号的滞后而造成产生残次品，本发明提出一种单晶炉工艺控制方法、系统、电子设备和存储介质。
发明内容
为部分地解决上述问题，本发明提供了一种直拉单晶工艺中晶体直径生长的自动控制方法，包括步骤：
获取单晶炉的多个当前设备参数；
根据所述多个当前设备参数和预先构建的预测模型预测得到
第一预设时间后的预测设备参数，或者，第二预设时间后的预测晶体直径；
根据所述预测设备参数和预设目标直径计算得到至少一个控制偏移量；或者，根据所述预测晶体直径和预设目标直径计算得到至少一个控制偏移量；
根据至少一个所述控制偏移量自动调节相应的设备参数。
在本发明的一些实施例中，构建所述预测模型的步骤，具体包括步骤：获取训练样本，并训练模型；其中，所述训练样本包括：多个历史目标直径，每个所述历史目标直径对应的第一等径生长时刻的多个样本设备参数，以及经过所述第一预设时间后第二等径生长时刻，或经过所述第二预设时间后第三等径生长时刻的多个样本设备参数。
在本发明的一些实施例中，根据所述预测晶体直径和预设目标直径计算得到至少一个所述控制偏移量的步骤，具体包括步骤：
判断所述预测晶体直径是否等于所述预设目标直径，
若是，判定当前无需对所述当前设备参数进行调整；
否则，判定当前需要对至少一个所述当前设备参数进行调整，并根据获取的所述多个当前设备参数与所述预设目标直径计算得到至少一个所述控制偏移量。
在本发明的一些实施例中，根据获取的所述多个当前设备参数与所述预设目标直径计算得到至少一个所述控制偏移量的步骤，具体包括步骤：
将所述预设目标直径输入所述预测模型进行反向求解，得到所述预设目标直径所对应的至少一个目标设备参数；
根据所述至少一个目标设备参数与所述多个当前设备参数计算得到至少一个控制偏移量。
在本发明的一些实施例中，，所述预测模型具体为：
Figure BDA0003190243390000031
其中，D为预测晶体直径；a1、a2、a3···an为常量；P1、P2、P3···Pn为设备参数；n取正整数；
在本发明的一些实施例中，，所述预测模型具体为：
Figure BDA0003190243390000032
其中，D为预测晶体直径；a1、a2、a3为常量；P1为晶体长度，P2为提拉速度，P3为炉内温度
在本发明的一些实施例中，根据所述预测设备参数和预设目标直径计算得到至少一个控制偏移量的步骤，具体包括步骤：
根据所述预设目标直径在所述训练样本中查找是否有相匹配的历史目标直径；若查找到相匹配的一个所述历史目标直径，输出所述历史目标直径所对应的至少一个所述样本设备参数；
根据所述预测设备参数和所述至少一个样本设备参数计算得到至少一个控制偏移量。
在本发明的一些实施例中，所述预测模型具体为：
Figure BDA0003190243390000033
其中，E为设备参数，n为时间，x1为多个晶棒检测数据量数据最大值；x2为气体流量超标次数最小值；x3为气体流量超标次数平均值；x4为两笔相邻检测数据间间隔时间平均值；x5为两笔相邻检测数据间间隔时间中位值；a1、a2、a3、a4和a5为常量，通常取经验值；k为整数。
本发明第二方面在于，还提供了一种直拉单晶工艺中晶体直径生长的自动控制装置，包括：
设备参数获取模块，用于获取单晶炉的多个当前设备参数；
数据处理模块，用于根据所述多个当前设备参数和预先构建的预测模型预测得到第一预设时间后的预测设备参数，或第二预设时间后的预测晶体直径；
根据所述预测设备参数和预设目标直径计算得到至少一个控制偏移量；或，根据所述预测晶体直径和预设目标直径计算得到至少一个控制偏移量；
控制模块，用于根据至少一个所述控制偏移量自动调节相应的设备参数。
本发明第三方面在于，还提供了一种电子设备，包括至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器用于存储执行上述实施例中任一所述方法的程序；
所述处理器被配置为用于执行所述存储器中存储的程序。
本发明第四方面在于，还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时控制所述存储介质所在设备执行上述实施例中任一所述方法的步骤。
有益技术效果
本发明提供了一种直拉单晶工艺中晶体直径生长的自动控制方法，其获取单晶炉的多个当前设备参数；根据多个当前设备参数和预先构建的预测模型预测得到第一预设时间后的预测设备参数，或者，第二预设时间后的预测晶体直径；根据预测设备参数和预设目标直径计算得到至少一个控制偏移量；或者，根据预测晶体直径和预设目标直径计算得到至少一个控制偏移量；根据至少一个控制偏移量自动调节相应的设备参数，使得晶体等径生长，从而达到晶体预设目标直径。相较于现有的通过摄像设备来测量晶体直径，再根据图像处理得到的晶体直径进行调整方式，本发明提供的方法结合实时的设备参数来提前预测未来一段时间后的设备参数等，然后根据预测得到的结果来计算控制偏移量，以作为反馈信号输入自动调节系统中，避免了因摄像头的种种误差对测量结果造成的影响；另一方面，由于提前预测了未来一段时间设备参数或晶体直径的变化，并据此提前计算出为了修正要保证等径生长所需要作出的参数调整量反馈给控制设备(中的自动调节装置，例如PID调节装置等)，从而使得可预先进行参数调整，避免了现有方法中因图像处理以及参数调整等引起反馈的调整信号的滞后影响，有效避免了反馈信号滞后导致残次品的生成。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明一示例性实施例的自动控制方法的流程示意图；
图2为本发明一示例性实施例的装置示意图；
图3为本发明一示例性实施例电子设备的结构示意图；
图4为本发明一示例性实施例中构建模型的验证结果示意图。
具体实施方式
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作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。
本文中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
实施例一
参见图1，为本发明一示例性实施例的自动控制方法流程示意图，该方法包括步骤：
S102，获取单晶炉的多个当前设备参数。
在本发明的一些实施例中，该设备参数包括：单晶炉的炉内温度，和/或液面的红外波长，和/或电机转速，和/或提拉速度，和/或晶棒长度，和/或提拉时间，和/或保护气体的流速与温度，和/或冷却水流的流速与温度，和/或多个晶棒检测数据量数据，和/或气体流量超标次数，和/或水流量监控数据点参数，和/或两笔相邻检测数据间间隔时间，和/或设备连续运行时间，和/或运行时间，和/或漏气率等。
在本发明的一些实施例中，当单晶炉开始工作时，与单晶炉相连的电子设备(可以是包括各种电子设备，PC电脑、网络云服务器，甚至手机、平板电脑、PDA(Personal DigitalAssistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑、台式电脑等任意电子设备)对单晶炉系统中的各个设备进行实时监测，并记录下各个时刻的设备参数，例如，在本实施例中，通过与单晶炉有线或无线连接的计算机终端从单晶炉系统的各个设备中获取到相应的多个设备参数，得到的多个设备参数组成一个集合，即在t1时刻，各个设备参数被记录为集合P，其中，集合P中包括P1(t1时刻的晶体长度)、P2(t1时刻的提拉速度)、P3(t1的炉内温度)、P4(t1时刻液面的红外波长)、…P5(t1时刻的电机转速)等。
通常，在晶体等径生长过程中，需要保持炉内温度的稳定，因此，在炉内温度稳定的情况下，晶体直径变化对提拉速度的响应速度较快，即通过调整提拉速度来控制晶体直径更加有效，因此，优选地，为了提高自动控制方法的效率，在一些实施例中，通过从与单晶炉相连的计算机终端(该计算机终端通过传感器等设备实时获取单晶炉的设备参数)中实时获取单晶炉中的提拉速度、炉内温度，由于提拉速度还将直接影响到晶体长度，因此，还需要实时获取晶体长度。
在本发明的一些实施例中，该方法还包括步骤：获取关键设备参数，由于晶体的直径受到单晶炉中多个设备参数的影响，且不同设备参数对晶体直径的影响能力不同，为了提高自动控制方法的效率，将从多个设备参数中选取对晶体直径影响较大的设备参数，用于后续的模型构建。
优选地，在一些实施例中，通过随机森林算法获取单晶炉中的关键设备参数，即与晶体直径相关性较大的设备参数。
优选地，选取相关性系数绝对值(设备参数与晶体缺陷或晶体直径的相关性系数)大于0.1的设备参数为关键设备参数，也即关键特征参数。
S108，根据多个当前设备参数和预先构建的预测模型预测得到第二预设时间后的预测晶体直径。
在本发明的一些实施例中，构建预测模型具体步骤包括：获取训练样本，并训练模型。其中，训练样本包括：多个历史目标直径，每个历史目标直径对应的第一等径生长时刻的多个样本设备参数，以及经过第一预设时间后第二等径生长时刻，或经过第二预设时间后第三等径生长时刻的多个样本设备参数(优选地，训练样本中的样本设备参数为关键设备参数)。
具体地，在一些实施例中，上述历史目标直径是指通过传统拉提法制备(即等径生长)得到的不同直径的晶柱的历史直径；上述的样本设备参数是指不同历史直径的晶柱的等径生长过程中各个生长时刻的历史数据，例如，第一生长时刻的单晶炉的炉内温度，和/或第一生长时刻的液面的红外波长，和/或第一生长时刻的电机转速，和/或第一生长时刻的提拉速度，和/或第一生长时刻的晶棒长度，和/或第一生长时刻的时间等。
例如，在本实施例中，获取到的训练样本包括：
通过提拉法实际得到晶体直径为D1(即得到第一历史目标直径)时，D1所对应的第一等径生长时刻t1的单晶炉设备参数(即样本设备参数)为集合A1，其中集合A1包括：A11(晶体长度)、A12(提拉速度)、A13(炉内温度)等，经过第二预设时间t0后，第三等径生长时刻(t1+t0)的设备参数集合A1’，其包括：A11’(晶体长度)、A12’(提拉速度)、A13’(炉内温度)等；
通过提拉法实际得到晶体直径为D2(即得到第二历史目标直径)时，D2所对应的第一等径生长时刻的单晶炉设备参数为集合A2，其中集合A2包括：A21(晶体长度)、A22(提拉速度)、A23(炉内温度)等，经过第二预设时间t0后的等径生长时间后第三等径生长时刻(t1+t0)的设备参数集合A2’，其中，集合A21’(晶体长度)、A22’(提拉速度)、A23’(炉内温度)等；
通过提拉法实际得到晶体直径为D3(即得到第三历史目标直径)时，D3所对应的第一等径生长时刻的单晶炉设备参数为集合A3，其中集合A3包括：A31(晶体长度)、A32(提拉速度)、A33(炉内温度)等，经过第二预设时间t0后的等径生长时间后第三等径生长时刻(t1+t0)的设备参数集合A3’，其中，集合A31’(晶体长度)、A32’(提拉速度)、A33’(炉内温度)等；
···
通过提拉法实际得到晶体直径为DN(即得到第N历史目标直径)时，DN所对应的第一等径生长时刻的单晶炉设备参数为集合AN，其中集合AN包括：AN1(晶体长度)、AN2(提拉速度)、AN3(炉内温度)等，经过第二预设时间后的等径生长时间后第三等径生长时刻的设备参数集合AN’，其中，集合AN1’(晶体长度)、AN2’(提拉速度)、AN3’(炉内温度)等。
然后，将得到的训练样本进行模型训练(具体地，可采用深度学习模型或神经网络模型)，由于整个生产过程中都是等径生长的，也即即使经过第二预设时间后，晶体的直径未发生变化，因此将得到一个能够反映晶体直径和各个设备参数之间的映射关系的数学模型(即，预测模型)，例如：
Figure BDA0003190243390000081
其中，D为预测晶体直径；a1、a2、a3···an为每个设备参数的权重，其为常量(通常取经验值)；P1、P2、P3···Pn为设备参数，且P1为晶体长度，P2
为提拉速度，P3炉内温度···；n取正整数。
优选地，选用LSTM模型进行模型训练。
当然，在另一些实施例中，获取的数学模型为：
Figure BDA0003190243390000091
其中，D'为未来30min的预测晶体直径(即，当第二预设时间为30min时)；a1、a2、a3···an为每个设备参数的权重，其为常量(通常取经验值)；P1、P2、P3···Pn为设备参数，且P1为晶体长度，P2为提拉速度，P3炉内温度···；n取正整数。
当然，在另一些实施例中，可以通过获取不同的训练样本库得到不同预测时间的预测模型，即得到不同预测时间后的晶体直径。
在本发明的一些实施例中，当获取到当前设备参数(当T0为第二预设时间，且需要预测t1+T0时刻的设备参数或晶体直径时，t1时刻的设备参数即为当前设备参数)，例如，获取到t1时刻下的晶体长度(P1)、提拉速度(P2)和炉内温度(P3)…，将其代入到公式(1)中，即可计算得到未来一段时间(例如，未来1分钟或30分钟等)，如经过T0时长后的晶体直径D(即，预测晶体直径)，即预测得到t1+T0时刻的预测晶体直径D。
如前所述，通过调整提拉速度来控制晶体直径更加有效，因此为了提高该自动控制方法的效率，在一些实施例中，基于晶体长度、提拉速度和炉内温度三个设备参数来构建相应的预测模型为：
Figure BDA0003190243390000092
其中，D为未来30min的预测晶体直径；a1、a2、a3为常量(通常为经验值)；P1为晶体长度，P2为提拉速度，P3为炉内温度。
S110，根据预测晶体直径和预设目标直径计算得到至少一个控制偏移量。
在本发明的一些实施例中，该预设目标直径是指在实际生产之前，根据实际需要，例如，客户的定制要求，在生产控制系统中预先设定的，接下来进行等径生长所要得到的晶体直径。
在本发明的一些实施例中，该控制偏移量包括:单晶炉的炉内温度，和/或液面的红外波长，和/或电机转速，和/或提拉速度，和/或晶棒长度，和/或时间的控制偏移量。
在本发明的一些实施例中，根据预测晶体直径和预设目标直径计算得到至少一个所述控制偏移量的步骤，具体包括步骤：
判断预测晶体直径是否等于晶体的预设目标直径，若是，判定当前无需对当前设备参数进行调整；
否则，判定当前需要对至少一个当前设备参数进行调整，并触发对控制偏移量的计算，具体地，根据获取的多个当前设备参数与预设目标直径计算得到至少一个控制偏移量。
在本发明的一些实施例中，根据获取的多当前个设备参数与预设目标直径计算得到至少一个控制偏移量，具体包括步骤：
将预设目标直径输入预测模型进行反向求解，得到预设目标直径所对应的至少一个目标设备参数；
根据至少一个目标设备参数与多个当前设备参数计算得到至少一个控制偏移量。
例如，在本实施例的一些实施例中，通过在预测模型中输入多个t1时刻的设备参数，进而预测得到t1+T0时刻的晶体直径D,将计算得到的晶体直径D与预存的晶体直径值D0(即，晶体预设目标直径)相比较，若D与D0相同(说明晶体正在等径生长)，则判定无需对当前的设备参数进行调整；
若D小于或大于D0(说明晶体即将不是等径生长)，判定当前需要对至少一个设备参数进行调整，由此触发对控制偏移量的计算，即根据获取的多个当前设备参数与晶体预设目标直径计算得到至少一个控制偏移量，该控制偏移量即为修正晶柱直径所要做出的参数调整。
例如，在本实施例中，通过预测模型预测到在未来1分钟后晶体的直径将会增加5％(即预测晶体直径大于晶体预设目标直径5％)，将晶体的预设目标直径输入预测模型进行反向求解，得到预设目标直径所对应的至少一个目标设备参数(例如，目标提拉速度)，根据计算得到的该至少一个目标设备参数和当前设备参数计算得到为了达到晶体预设目标直径(或为了保证真正的等径生长)当前所需的控制偏移量，并输入自动控制系统的自动调节装置中进行自动调节。例如，当计算得到当前设备参数vt1与为了达到预设目标直径所需的目标设备参数-提拉速度v0,之间的差(即控制偏移量)为m1，且为负值时，将其作为反馈信号输入自动控制设备的自动调节装置中计算得到需要将单晶炉系统中的提拉设备在10秒后提拉速度增加5％；当计算得到当前设备参数vt1与为了达到预设目标直径所需的目标设备参数-提拉速度v0,之间的差(即控制偏移量)为m2，且为正值时，将其作为反馈信号输入自动控制设备的自动调节装置中计算得到需要将单晶炉系统中的提拉设备在10秒后提拉速度减小5％。
在本发明的一些实施例中，当涉及到多个控制偏移量计算时，该预测模型的计算过程类似于求解多元方程，可以设定个设备参数修改的权重，从而得到一个最优解，得到的解即为各个设备参数的目标值(即目标设备参数)，控制偏移量即为获取到的当前设备参数与该即目标设备参数之间的差值(当然，控制偏移量还可以为：(当前设备参数-目标设备参数)/当前设备参数)，该过程由AI自动计算。
具体地，在本发明的一些实施例中，计算控制偏移量的具体步骤包括：
将采集到的各个当前设备参数P1(晶体直径)、P2(提拉速度)、P3(炉内温度)···输入预测模型，计算得到的晶体未来30min的预测直径D1；
将该预测直径D1与预设目标直径D0相比较，计算得到未来一段时间内直径将比目标直径D0大5％；
将该预设目标直径D0输入预测模型进行反向求解，通过AI计算得到需要得到预设目标直径D0相应的目标设备参数P1’(晶体长度)、P2’(提拉速度)、P3’(炉内温度)···
将目标设备参数P1’(晶体长度)、P2’(提拉速度)、P3’(炉内温度)···与当前设备参数P1(晶体长度)、P2(提拉速度)、P3(炉内温度)···进行比较，即可得到相应设备参数的控制偏移量，例如，在本实施例中，需要将单晶炉的提拉速度提升3％，则提拉速度的控制偏移量为3％。
当然，在另一些实施例中，控制偏移量还可以通过以下方法进行计算：由于在进行模型训练时，训练样本的数据库中已经存储有目标直径D0(即历史目标直径)，及其等径生长过程中各个时刻对应的样本设备参数，因此，当通过预测模型得知未来一段时间(例如，第一预设时间T1或第二预设时间T2)后晶体直径将比预设的目标直径大5％时，可直接将采集到的当前时刻t1的当前设备参数P1、P2、P3···与数据库中存储的(t1+T1，或t1+T2时刻的)样本设备参数P1’、P2’、P3’···进行比较即可得到控制偏移量。
当然，在另一些实施例中，控制偏移量通过以下步骤计算：
首先通过预测模型得知第二预设时间后的预测晶体直径，对比预测晶体直径和预设目标直径，若预测晶体直径与预设目标直径不匹配/不等则进行控制偏移量计算；
具体地，根据预设目标直径在训练样本中查找是否有相匹配的历史目标直径；若查找到相匹配的一个所述历史目标直径，输出所述历史目标直径所对应的至少一个所述样本设备参数。
在一些实施例中，当预设目标直径与训练样本库中多个历史目标直径进行对比，若预设目标直径与其中一个历史目标直径之差小于预设阈值时，则可判定该目标直径与预设目标晶体直径相匹配；进一步地，若当该预设目标直径与训练样本库中的多个历史目标直径相配时，则判定差值最小的历史目标直径与目标直径相匹配。
具体地，当预设目标直径与训练样本中的历史晶体直径(例如，第三历史目标直径)之差的绝对值小于预设阈值(例如，设定阈值为0.001mm)，判定预设目标直径与该历史目标直径相匹配，目标设备参数即为该第三历史目标直径经过第二预设时间后第二等径生长时刻的多个样本设备参数。
例如，本实施例中，预测晶体直径与训练样本中的历史目标直径D0相匹配，历史目标直径对应的样本设备参数为P1’、P2’、P3’···，根据获取的当前设备参数P1、P2、P3···与样本设备参数P1’、P2’、P3’···计算得到至少一个控制偏移量。
S112，根据至少一个控制偏移量自动调节相应的设备参数。
在本发明的一些实施例中，将计算得到至少一个控制偏移反馈到单晶炉的自动控制系统中的自动调节装置中以对设备参数进行调解，从而保证真正的实现等径生长。
在本发明的一些实施例中，首先通过预测模型预测出未来一段时间的预测晶体直径，然后利用预测模型根据该预测直径和预设目标直径计算要为了修正晶体直径的设备参数目标值，并根据当前设备参数和(计算得到的)各个设备参数的目标值计算得到控制偏移量，若预测得到的目标提拉速度将提升10％，则提拉速度的控制偏移量为10％，并将计算得到的控制偏移量反馈到相应的控制模块(例如，与单晶炉有限或无线连接的计算机控制终端)，控制模块将会就接受到的反馈信号进行相适应的调整。
优选地，在本发明的一些实施例中，将计算得到控制偏移量(例如，提拉速度的控制偏移量)输入到单晶炉的自动控制系统的自动调节装置，例如PID控制器中，PID控制器可以根据输入的控制偏移量，也即反馈信号自动进行相应的设备参数调节。
优选地，在本发明的一些实施例中，计算得到的该控制偏移量为提拉速度，通过预测模型计算得到的提拉速度的调整参数，并将其输入到单晶炉的拉速控制器中，通过改变拉速调控晶体的直径。例如，在本实施例中，在单晶炉系统中设置有自动直径控制器(ADC)，将上述计算得到的提拉速度的调整参数输入ADC，即可通过ADC调节提拉速度来控制晶体直径。
在本实施例中，由于能够提前预测未来一段时间内的晶体直径的变化，因此可以提前预测到为修正晶体直径，各个设备参数的调整值(即，控制偏移量)，由此可抵消从调整设备参数到反馈的调整参数真正生效的时间差，避免了在反馈的调整信号未生效时产生残次品，也即是提高了生产过程中的良品率；并且由于是根据设备参数来预测晶体直径，相较于通过摄像机拍照，然后进行图像处理的方式得到晶体直径的方式，时间更快、效率更高。
当然，在另一些实施例中，在步骤S102后执行步骤S104：
根据多个当前设备参数和预先构建的预测模型得到第一预设时间后的预测设备参数。其中，步骤S104的第一预设时间和步骤S108中的第二预设时间均可根据实际生产要求设定，因此第一预设时间和第二预设时间可以相等，可以不等。
在本发明的一些实施例中，在实时获取单晶炉的设备参数之前，还包括步骤：获取关键设备参数，由于晶体缺陷受到单晶炉中多个设备参数的影响，且不同设备参数对晶体缺陷的影响能力不同，为了提高自动控制方法的效率，将从多个设备参数中选取对晶体缺陷影响较大的设备参数，用于后续的模型构建。
优选地，在一些实施例中，通过随机森林算法获取单晶炉中的关键设备参数，优选地，选取相关性系数绝对值(设备参数与晶体缺陷的相关性系数)大于0.1的设备参数为关键设备参数，也即关键特征参数。
优选地，在一些实施例中，首先获取到单晶炉的各个设备参数，得到包含各个设备参数的第一数据文件，然后对第一数据文件进行预处理，预处理步骤为计算各个设备参数的最大值、最小值、平均值、标准差、偏度、峰度、中位值等统计值，得到第二数据文件，进一步地，通过随机森林算法对第二数据文件中的多个设备参数的多个统计值进行筛选，得到各个设备参数的统计值(即，特征参数)与晶体缺陷类型(例如，晶格错位、晶格空位等由于提拉速度过快造成的晶格缺陷，或晶体直径尺寸过大或过小)的相关性系数，如表1所示，其中各特征参数按照相关性系数绝对值从大到小进行排序。其中，相关性系数绝对值越大，说明该设备参数对晶体缺陷类型的影响越大。
表1特征参数的相关性系数排序
Figure BDA0003190243390000141
Figure BDA0003190243390000151
Figure BDA0003190243390000161
在一些实施例中，通过随机森林计算各特征参数与晶体缺陷类型的相关性，其中，随机森林的输出结果显示，相关性较强的特征参数如下：第一为VP_RUN_DATA_Count_max(多个晶棒检测数据量数据最大值)、第二为VP_RUN_DATA_Count_median(多个晶棒检测数据量数据中位值)、第三为VP_RUN_DAT A_Count_min(多个晶棒检测数据量数据最小值)、第四为VP_RUN_DATA_Count_mean(多个晶棒检测数据量数据中位值)，说明以上特征参数对于晶体缺陷类型影响较大，可以用于后续的模型构建。
在本发明的一些实施例中，当单晶炉开始工作时，与单晶炉相连的电子设备(可以是包括各种电子设备，PC电脑、网络云服务器，甚至手机、平板电脑、PDA(Personal DigitalAssistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑、台式电脑等任意电子设备)对单晶炉系统中的各个设备进行实时监测，并记录下各个时刻的设备参数，例如，在本实施例中，通过与单晶炉有线或无线连接的计算机终端从单晶炉系统的各个设备中获取到相应的多个设备参数，得到的多个设备参数组成一个集合，各设备参数被记录为集合A，其中，集合A中包括A1(多个晶棒检测数据量数据)、A2(气体流量超标次数)、A3(水流量监控数据点参数)、A4(两笔相邻检测数据间间隔时间)、…A5(设备连续运行时间)等。
在本发明的一些实施例中，构建预测模型具体步骤包括：获取训练样本，并训练模型。其中，训练样本包括：多个历史目标直径，每个历史目标直径对应的第一等径生长时刻的多个样本设备参数，以及经过第一预设时间后第二等径生长时刻，或经过第二预设时间后第三等径生长时刻的多个样本设备参数。
具体地，该训练样本包括：通过提拉法实际得到晶体直径为D1(即得到第一历史目标直径)时，D1所对应的第一等径生长时刻的单晶炉设备参数(即样本设备参数)为集合A1，其中集合A1包括：A11(晶体长度)、A12(提拉速度)、A13(炉内温度)等，经过第一预设时间后的等径生长时间后第二等径生长时刻的设备参数集合A1”，其中，集合A11”(晶体长度)、A12”(提拉速度)、A13”(炉内温度)等；
通过提拉法实际得到晶体直径为D2(即得到第二历史目标直径)时，D2所对应的第一等径生长时刻的单晶炉设备参数为集合A2，其中集合A2包括：A21(晶体长度)、A22(提拉速度)、A23(炉内温度)等，经过第一预设时间后的等径生长时间后第二等径生长时刻的设备参数集合A2”，其中，集合A21”(晶体长度)、A22”(提拉速度)、A23”(炉内温度)等；
通过提拉法实际得到晶体直径为D3(即得到第三历史目标直径)时，D3所对应的第一等径生长时刻的单晶炉设备参数为集合A3，其中集合A3包括：A31(晶体长度)、A32(提拉速度)、A33(炉内温度)等，经过第一预设时间后的等径生长时间后第二等径生长时刻的设备参数集合A3”，其中，集合A31”(晶体长度)、A32”(提拉速度)、A33”(炉内温度)等；
···
通过提拉法实际得到晶体直径为DN(即得到第N历史目标直径)时，DN所对应的第一等径生长时刻的单晶炉设备参数为集合AN，其中集合AN包括：AN1(晶体长度)、AN2(提拉速度)、AN3(炉内温度)等，经过第一预设时间后的等径生长时间后第二等径生长时刻的设备参数集合AN”，其中，集合AN1”(晶体长度)、AN2”(提拉速度)、AN3”(炉内温度)等。
通过传统提拉法制备得到晶体后，进一步地，还需将晶体切割成一片片的晶圆，相应地，在一些实施例中，选取其中的部分晶圆(例如，选取1200片，当然，对所构建的模型的准确度要求较高时，还可以选取更多晶圆，如2000片；对模型的准确度要求较低时，也可适应性地选取更少的晶圆，例如1000片)作为训练样本的数据来源，获取所选取的晶圆上的各个参数(如晶体缺陷或直径等)，以及生产此部分晶圆时的实际设备参数(优选地，该设备参数为关键设备参数)，作为模型训练的训练样本。
然后，将得到的训练样本进行模型训练(具体地，可采用深度学习模型或神经网络模型)，得到一个能够预测未来一段时间的设备参数的数学模型(即，预测模型)。
由于实际生产中提拉速度对于晶体的直径和晶体缺陷类型的影响较大，优选地，在本实施例中，预测模型具体位置为：
Figure BDA0003190243390000181
其中，E为设备参数，n为时间，x1为多个晶棒检测数据量数据最大值；x2为气体流量超标次数最小值；x3为气体流量超标次数平均值；x4为两笔相邻检测数据间间隔时间平均值；x5为两笔相邻检测数据间间隔时间中位值；a1、a2、a3、a4和a5为常量，通常取经验值；k为整数。a1、a2、a3、a4、a5和k均由模型构建过程自动计算得到。
优选地，在一些实施例中，选用LSTM模型进行模型训练。
进一步地，在一些实施例中，模型构建还包括步骤：对构建所得预测模型进行结果验证，当该预测模型的计算误差(可根据具体生产经验或需求设定)在可接受范围内时，认为该预测模型构建成功。
优选地，在一些实施例中，当预测模型的计算结果的误差在5％以内时，认为预测模型构建成功，当然，当对预测模型的精度要求较高时，还可将误差标准设定更高，例如，设定在1％；当对预测模型的精度要求较低时，也可将误差标准降低，例如，设定在6％。
在本实施例中，预测模型的构建与验证将用到晶棒1、2、3的相关数据，其中晶棒2、3由同一机台生产所得，晶棒1由另一台机台生产所得，对晶棒1、2、3进行切割得到多片晶圆。具体地，晶棒2中部分晶圆用于预测模型的构建，晶棒2中的部分晶圆(排除用于模型构建的晶圆)与晶棒1、3中的部分晶圆用于模型验证。参见图4，图4中的纵坐标表示误差(即为(预测设备参数-真实设备参数值)/真实设备参数)；图4中的横坐标表示晶圆的编号(在进行晶圆切割时，所获得的每一片晶圆都有相对应的编号，通过该编号可以了解到晶圆在晶棒上的相对位置)；图4分别显示了晶棒2、3、1的计算误差，即预测提拉速度的平均值的误差与预测提拉速度的最大值的误差对比。
在本实施例中，选取晶棒2中的1000片晶圆作为训练样本的数据来源，训练得到相应的预测模型后，选取晶棒2中未用于模型训练的晶圆、晶棒1、3中晶圆的一部分，用于计算验证该预测模型的预测结果准确性，由于，晶棒1、2、3中的各个参数均为已知，因此可以计算得到预测模型的误差((预测提拉速度-真实提拉速度)/真实提拉速度)。
根据晶棒2所得的晶圆是在同一时间段和同一设备参数下生产所得，因此生产环境几乎不变；而晶棒2和晶棒3是同一机台生产，不同批次生产的晶棒的生产环境可能会有微小差异，但由于是同一机台，差异也较小；晶棒1为另一机台所产，由于不同机台的实际设备参数之间存在些微的区别，因此晶棒的生产环境差异大于前两种情况，预测模型的计算误差可能较大。综合利用这三种情况下生产所得的晶圆进行计算验证，可以有效对预测模型的准确性进行判断。本实施例通过对晶棒1、2和3所得的数据均进行计算验证，所得结果均在误差5％以内，由此可知该预测模型构建成功；此外，还可以观察到预测提拉速度的平均值的误差比预测提拉速度的最大值的误差小。
图4只显示了部分验证结果，为了使得对于预测模型的评价更加可信，可以相应的计算更多组数据用于验证预测模型是否构建成功。
进一步地，在一些实施例中，预测模型验证成功后，用于根据设备参数计算预测未来一段时间(如30min)的设备参数(如，提拉速度)。
S110，根据预测设备参数和预测目标直径计算得到至少一个控制偏移量。
在一些实施例中，步骤S110具体包括：
根据预设目标直径在训练样本中查找是否有相匹配的历史目标直径；若查找到相匹配的一个历史目标直径，输出历史目标直径所对应的至少一个样本设备参数；
具体地，在一些实施例中，判定匹配的原则为：
当预设目标直径与历史目标直径的差值的绝对值小于预设的差值阈值范围(例如，预先设定差值阈值范围为0.001mm)，即判定该预设目标直径与历史目标直径相匹配。
根据预测设备参数和至少一个样本设备参数计算得到至少一个控制偏移量。
具体地，在一些实施例中，控制偏移量为预测设备参数和样本设备参数之差，当然，在另一些实施例中，控制偏移量可以为：
Figure BDA0003190243390000201
其中，P1指预测设备参数，P0指样本设备参数。
S112，根据至少一个控制偏移量调节相应的设备参数。
在本实施例中，由于能够提前预测未来一段时间内的设备参数的变化趋势，通过预测的设备参数与实际的设备参数计算得到各个设备参数的调整值(即，控制偏移量)，由此可抵消从调整设备参数到反馈的调整参数真正生效的时间差，避免了在反馈的调整信号未生效时产生残次品，也即是提高了生产过程中的良品率。
实施例二
本发明的第二方面在于，提供了一种直拉单晶工艺中晶体直径生长的自动控制装置200，参见图2，该装置包括:
设备参数获取模块202，用于实时获取单晶炉的多个当前设备参数；
在本发明的一些实施例中，该设备参数包括：单晶炉的炉内温度，和/或液面的红外波长，和/或电机转速，和/或提拉速度，和/或晶棒长度，和/或提拉时间，和/或保护气体的流速与温度，和/或冷却水流的流速与温度等。
在本发明的一些实施例中，设备参数获取模块202与单晶炉系统有线或无线连接，当单晶炉开始工作时，该设备参数获取模块可以实时获取到单晶炉系统中个各设备参数，得到的多个设备参数组成一个集合，即在t1时刻，各个设备参数被记录为集合P，其中，集合P中包括P1(t1时刻的晶体长度)、P2(t1时刻的提拉速度)、P3(t1的炉内温度)、P4(t1时刻液面的红外波长)、…P5(t1时刻的电机转速)。
通常，在晶体等径生长过程中，需要保持炉内温度的稳定，因此，在炉内温度稳定的情况下，晶体直径变化对提拉速度的响应速度较快，即通过调整提拉速度来控制晶体直径更加有效，因此，优选地，在一些实施例中，设备参数获取模块202实时记录单晶炉工作时的提拉速度，和/或，炉内温度，由于提拉速度还将直接影响到晶体长度，因此，还需要实时获取晶体长度。
优选地，在一些实施例中，设备参数获取模块202和单晶炉系统中的机台传感器模块直接对接，获取生产时的实时机台参数，用于后续的模型计算。
进一步地，在本发明的一些实施例中，该装置还包括：关键参数筛选模块，用于筛选关键设备参数。由于晶体的直径受到单晶炉中多个设备参数的影响，且不同设备参数对晶体直径或晶体缺陷的影响能力不同，为了提高自动控制方法的效率，将从多个设备参数中选取对晶体直径影响较大的设备参数，用于后续的模型构建。
数据处理模块206，用于根据多个当前设备参数和预先构建的预测模型预测得到第一预设时间后的预测设备参数，或第二预设时间后的预测晶体直径；
根据预测设备参数和预设目标直径计算得到至少一个控制偏移量；或，根据预测晶体直径和预设目标直径计算得到至少一个控制偏移量；
进一步地，在本发明的一些实施例中，数据处理模块206还包括：
第一计算单元，用于根据多个当前设备参数和预先构建的预测模型预测得到第二预设时间后的预测晶体直径；
在本发明的一些实施例中，预先构建的预测模型为：
Figure BDA0003190243390000211
其中，D为预测晶体直径；a1、a2、a3···an为每个设备餐参数的权重，其为常量(通常取经验值)；P1、P2、P3···Pn为设备参数，且P1为晶体长度，P2
为提拉速度，P3炉内温度···；n取正整数·。
当获取到某一时刻的设备参数，例如，获取到t1时刻下的晶体长度(P1)、提拉速度(P2)和炉内温度(P3)…，将其代入到公式(1)中，即可计算得到未来一段时间(例如，未来1分钟或3分钟等)，如经过T0时长后的晶体直径D(即，预测晶体直径)，即计算得到t1+T0时刻的预测晶体直径D。
如前所述，通过调整提拉速度来控制晶体直径更加有效，因此为了提高该自动控制方法的效率，在一些实施例中，基于晶体长度、提拉速度和炉内温度三个设备参数来构建相应的预测模型为：
Figure BDA0003190243390000221
其中，D为预测晶体直径；a1、a2、a3为常量；P1为晶体长度，P2为提拉速度，P3为炉内温度。
判定单元，判断预测预测晶体直径是否等于晶体预设目标直径，若是，判定当前无需对设备参数进行调整；否则，判定当前需要对至少一个设备参数进行调整；
当然，在本发明的另一些实施例中，预测模型还包括：
Figure BDA0003190243390000222
其中，E为设备参数，n为时间，x1为多个晶棒检测数据量数据最大值；x2为气体流量超标次数最小值；x3为气体流量超标次数平均值；x4为两笔相邻检测数据间间隔时间平均值；x5为两笔相邻检测数据间间隔时间中位值；a1、a2、a3、a4和a5为常量，通常取经验值；k为整数。a1、a2、a3、a4、a5和k均由模型构建过程自动计算得到。
例如，在本实施例中，通过在预测模型中输入多个t1时刻的设备参数，进而预测得到t1+T0时刻的晶体直径D,将计算得到的晶体直径D与预期的晶体直径值D0(即，晶体预设目标直径)相比较，若D与D0相同(说明晶体正在等径生长)，则判定无需对当前的设备参数进行调整；
第二计算单元，用于当判定单元判定当前需要对至少一个设备参数进行调整时，根据获取的多个当前设备参数(根据设备参数获取模块获取)与晶体预设目标直径计算得到至少一个控制偏移量。
例如，在本实施例中，通过预测模型预测到在未来30分钟后晶体的直径将会增加5％(即预测晶体直径大于晶体预设目标直径5％)，一及计算得到为了达到晶体预设目标直径，单晶炉系统中的提拉设备在10秒后需将提拉速度增加5％。
进一步地，在一些实施例中，该第二计算单元还包括：
第一计算子单元，用于将预设目标直径输入预测模型，得到预设目标直径所对应的至少一个目标设备参数；
第二计算子单元，用于根据目标设备参数与获取的多个当前设备参数计算得到至少一个控制偏移量。
.控制模块208，用于根据所述控制偏移量调节所述提拉设备的提拉速度。
在本发明的一些实施例中，数据处理模块将计算得到控制偏移量反馈到控制模块208(该控制模块208与单晶炉系统中的机台传感器直接对接)，该控制模块208根据控制偏移量对设备参数进行调整，进而修正晶体直径。
优选地，在本发明的一些实施例中，该控制偏移量为提拉速度，通过预测模型计算得到的提拉速度的调整参数，并将其输入到单晶炉的拉速控制器中，通过改变拉速调控晶体的直径。例如，在本实施例中，在单晶炉系统中设置有自动直径控制器(ADC)，将上述计算得到的提拉速度的调整参数输入ADC，即可通过ADC调节提拉速度来控制晶体直径。
当然，在另一些实施例中，该数据处理模块还包括：
第三计算单元，用于根据多个当前设备参数和预先构建的预测模型预测得到第一预设时间后的预测设备参数；
第四计算单元，用于根据预测设备参数和预设目标直径计算得到至少一个控制偏移量。
进一步地，在一些实施例中，第四计算单元还包括：
第一匹配子单元，用于根据预设目标直径在训练样本中查找是否有相匹配的历史目标直径；若查找到相匹配的一个历史目标直径，输出历史目标直径所对应的至少一个样本设备参数；
第二计算子单元，用于根据预测设备参数和至少一个样本设备参数计算得到至少一个控制偏移量。
进一步地，在本发明的一些实施例中，该装置还包括：
数据库，用于存储训练样本；
模型构建模块204，用于根据所储存的训练样本训练模型，得到预测模型。
在本发明的一些实施例中，数据库存储的训练样本包括：多个历史目标直径，每个历史目标直径对应的第一等径生长时刻的多个样本设备参数，以及经过第一预设时间后第二等径生长时刻，或经过第二预设时间后第三等径生长时刻的多个样本设备参数。
例如，在本实施例中，获取到的训练样本包括：
通过提拉法实际得到晶体直径为D1(即得到第一历史目标直径)时，D1所对应的第一等径生长时刻的单晶炉设备参数(即样本设备参数)为集合A1，其中集合A1包括：A11(晶体长度)、A12(提拉速度)、A13(炉内温度)等，经过第二预设时间后的等径生长时间后第三等径生长时刻的设备参数集合A1’，其中，集合A11’(晶体长度)、A12’(提拉速度)、A13’(炉内温度)等；
通过提拉法实际得到晶体直径为D2(即得到第二历史目标直径)时，D2所对应的第一等径生长时刻的单晶炉设备参数为集合A2，其中集合A2包括：A21(晶体长度)、A22(提拉速度)、A23(炉内温度)等，经过第二预设时间后的等径生长时间后第三等径生长时刻的设备参数集合A2’，其中，集合A21’(晶体长度)、A22’(提拉速度)、A23’(炉内温度)等；
通过提拉法实际得到晶体直径为D3(即得到第三历史目标直径)时，D3所对应的第一等径生长时刻的单晶炉设备参数为集合A3，其中集合A3包括：A31(晶体长度)、A32(提拉速度)、A33(炉内温度)等，经过第二预设时间后的等径生长时间后第三等径生长时刻的设备参数集合A3’，其中，集合A31’(晶体长度)、A32’(提拉速度)、A33’(炉内温度)等；
···
通过提拉法实际得到晶体直径为DN(即得到第N历史目标直径)时，DN所对应的第一等径生长时刻的单晶炉设备参数为集合AN，其中集合AN包括：AN1(晶体长度)、AN2(提拉速度)、AN3(炉内温度)等，经过第二预设时间后的等径生长时间后第三等径生长时刻的设备参数集合AN’，其中，集合AN1’(晶体长度)、AN2’(提拉速度)、AN3’(炉内温度)等。
在本发明的一些实施例中，通过模型构建模块训练所存储的训练样本得到一个反映晶体直径与各个设备参数的映射关系的数学模型(即，预测模型)，具体地，该模型构建模块可采用深度学习模型或神经网络模型进行模型训练。
在本发明的一些实施例中，得到的预测模型为：
Figure BDA0003190243390000251
其中，D为预测晶体直径；a1、a2、a3···an为每个设备参数的权重，其为常量(通常取经验值)；P1、P2、P3···Pn为设备参数；n取正整数。
优选地，在一些实施例中，通过晶体长度、提拉速度和炉内温度三个设备参数对晶体直径进行预测，相应地，获得的预测模型为：
Figure BDA0003190243390000252
其中，D为预测晶体直径；a1、a2、a3为常量；P1为晶体长度，P2为提拉速度，P3为炉内温度。
当然，在另一些实施例中，模型构建模块204所构建的具体模型如下：
Figure BDA0003190243390000253
其中，E为设备参数，n为时间，x1为多个晶棒检测数据量数据最大值；x2为气体流量超标次数最小值；x3为气体流量超标次数平均值；x4为两笔相邻检测数据间间隔时间平均值；x5为两笔相邻检测数据间间隔时间中位值；a1、a2、a3、a4和a5为常量，通常取经验值；k为整数。
进一步地，在本发明的一些实施例中，该装置还包括：模型验证模块，用于对所构建的预测模型进行验证。
在一些实施例中，该验证模块根据预测模型所得的预测值与所采集的实际值计算得到误差((预测值-实际值)/实际值)，将计算所得误差与预先设定的允许的误差范围相比，若计算所得误差属于允许的误差范围，则模型构建成功，否则，模型构建失败。
实施例三
本发明还提供了一种电子设备，包括处理器501、存储器502，及存储在存储器502上并可在处理器501上运行的计算机程序，所述处理器执行所述程序时实现前文所述方法的步骤。为了便于说明，仅示出了与本说明书实施例相关的部分，具体技术细节未揭示的，请参照本说明书实施例方法部分。该电子设备，可以是包括各种电子设备，PC电脑、网络云服务器，甚至手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑、台式电脑等任意电子设备。
具体地，图3示出的与本说明书实施例提供的技术方案相关的电子设备组成结构框图，总线500可以包括任意数量的互联的总线和桥，其将包括由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。通信接口504在总线500和接收器和/或发送器503之间提供接口，接收器和/或发送器503可以是分开独立的接收器或发送器也可以是同一个元件如收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器负责管理总线和通常的处理，而存储器502可以被用于存储处理器501在执行操作时所使用的数据。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：实时获取单晶炉的多个设备参数；获取单晶炉的多个当前设备参数；根据多个当前设备参数和预先构建的预测模型预测得到第一预设时间后的预测设备参数，或者，第二预设时间后的预测晶体直径；根据预测设备参数和预设目标直径计算得到至少一个控制偏移量；或者，根据预测晶体直径和预设目标直径计算得到至少一个控制偏移量；根据至少一个控制偏移量自动调节相应的设备参数，使得晶体直径达到晶体预设目标直径；
其中，设备参数包括：提拉速度，和/或，炉内温度。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台计算机终端(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (9)

1.一种直拉单晶工艺中晶体直径生长的自动控制方法，其特征在于，包括步骤：获取单晶炉的多个当前设备参数；
根据所述多个当前设备参数和预先构建的预测模型预测得到第一预设时间后的预测设备参数，或者，第二预设时间后的预测晶体直径；
根据所述预测设备参数和预设目标直径计算得到至少一个控制偏移量；或者，
根据所述预测晶体直径和预设目标直径计算得到至少一个控制偏移量；
根据至少一个所述控制偏移量自动调节相应的设备参数；其中，
当所述预测模型用于预测所述预测晶体直径时，所述预测模型具体为：
Figure FDA0003561962400000011
其中，D为预测晶体直径；a1、a2、a3···an为常量；P1、P2、P3···Pn为设备参数；n取正整数；
或者，
当所述预测模型用于预测所述预测设备参数时，所述预测模型具体为：
Figure FDA0003561962400000012
其中，E为设备参数，n为时间，x1为多个晶棒检测数据量数据最大值；x2为气体流量超标次数最小值；x3为气体流量超标次数平均值；x4为两笔相邻检测数据间间隔时间平均值；x5为两笔相邻检测数据间间隔时间中位值；a1、a2、a3、a4和a5为常量，通常取经验值；k为整数。
2.根据权利要求1所述的方法，其特征在于，当所述预测模型用于预测所述预测晶体直径时，所述预测模型具体为：
Figure FDA0003561962400000013
其中，D为预测晶体直径；a1、a2、a3为常量；P1为晶体长度，P2为提拉速度，P3为炉内温度。
3.根据权利要求1所述的方法，其特征在于，构建所述预测模型的步骤，具体包括步骤：
获取训练样本，并训练模型；其中，所述训练样本包括：多个历史目标直径，每个所述历史目标直径对应的第一等径生长时刻的多个样本设备参数，以及经过所述第一预设时间后第二等径生长时刻，或经过所述第二预设时间后第三等径生长时刻的多个样本设备参数。
4.根据权利要求1所述的方法，其特征在于，根据所述预测晶体直径和预设目标直径计算得到至少一个所述控制偏移量的步骤，具体包括步骤：
判断所述预测晶体直径是否等于所述预设目标直径，
若是，判定当前无需对所述当前设备参数进行调整；
否则，判定当前需要对至少一个所述当前设备参数进行调整，并根据获取的所述多个当前设备参数与所述预设目标直径计算得到至少一个所述控制偏移量。
5.根据权利要求4所述的方法，其特征在于，根据获取的所述多个当前设备参数与所述预设目标直径计算得到至少一个所述控制偏移量的步骤，具体包括步骤：
将所述预设目标直径输入所述预测模型进行反向求解，得到所述预设目标直径所对应的至少一个目标设备参数；
根据所述至少一个目标设备参数与所述多个当前设备参数计算得到至少一个控制偏移量。
6.根据权利要求3所述的方法，其特征在于，根据所述预测设备参数和预设目标直径计算得到至少一个控制偏移量的步骤，具体包括步骤：
根据所述预设目标直径在所述训练样本中查找是否有相匹配的历史目标直径；若查找到相匹配的一个所述历史目标直径，输出所述历史目标直径所对应的至少一个所述样本设备参数；
根据所述预测设备参数和所述至少一个样本设备参数计算得到至少一个控制偏移量。
7.一种直拉单晶工艺中晶体直径生长的自动控制装置，其特征在于，包括：
设备参数获取模块，用于获取单晶炉的多个当前设备参数；
数据处理模块，用于根据所述多个当前设备参数和预先构建的预测模型预测得到第一预设时间后的预测设备参数，或第二预设时间后的预测晶体直径；根据所述预测设备参数和预设目标直径计算得到至少一个控制偏移量；或，根据所述预测晶体直径和预设目标直径计算得到至少一个控制偏移量；
控制模块，用于根据至少一个所述控制偏移量自动调节相应的设备参数；其中，
当所述预测模型用于预测所述预测晶体直径时，所述预测模型具体为：
Figure FDA0003561962400000031
其中，D为预测晶体直径；a1、a2、a3···an为常量；P1、P2、P3···Pn为设备参数；n取正整数；或者，
当所述预测模型用于预测所述预测设备参数时，所述预测模型具体为：
Figure FDA0003561962400000032
其中，E为设备参数，n为时间，x1为多个晶棒检测数据量数据最大值；
x2为气体流量超标次数最小值；x3为气体流量超标次数平均值；x4为两笔相邻检测数据间间隔时间平均值；x5为两笔相邻检测数据间间隔时间中位值；a1、a2、a3、a4和a5为常量，通常取经验值；k为整数。
8.根据权利要求7所述的自动控制装置，其特征在于，当所述预测模型用于预测所述预测晶体直径时，所述预测模型具体为：
Figure FDA0003561962400000033
其中，D为预测晶体直径；a1、a2、a3为常量；P1为晶体长度，P2为提拉速度，P3为炉内温度。
9.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时控制所述存储介质所在设备执行权利要求1至6中任一所述方法的步骤。
CN202110874929.7A 2021-07-30 2021-07-30 晶体直径生长的自动控制方法、装置、电子设备和存储介质 Active CN113584576B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110874929.7A CN113584576B (zh) 2021-07-30 2021-07-30 晶体直径生长的自动控制方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110874929.7A CN113584576B (zh) 2021-07-30 2021-07-30 晶体直径生长的自动控制方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN113584576A CN113584576A (zh) 2021-11-02
CN113584576B true CN113584576B (zh) 2022-05-03

Family

ID=78253110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110874929.7A Active CN113584576B (zh) 2021-07-30 2021-07-30 晶体直径生长的自动控制方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN113584576B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI812512B (zh) * 2022-06-28 2023-08-11 大陸商西安奕斯偉材料科技股份有限公司 單晶矽拉晶控制方法及裝置、單晶矽拉晶爐

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114318533A (zh) * 2021-12-28 2022-04-12 安徽科瑞思创晶体材料有限责任公司 一种用于晶体生长的智能化控制系统
CN114046669B (zh) * 2022-01-07 2022-04-22 江苏东方四通科技股份有限公司 一种晶体生长电源参数的自适应调控方法及系统
CN114836823B (zh) * 2022-06-08 2024-03-19 连城凯克斯科技有限公司 一种单晶硅熔炉晶体生长直径预测方法
CN115125611B (zh) * 2022-06-28 2023-09-05 晶科能源股份有限公司 一种智能化拉晶工艺方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI911857A (fi) * 1990-04-27 1991-10-28 Nippon Kokan Kk Foerfarande och apparat foer kontroll av diametern hos en enskild silikonkristall.
CN100371507C (zh) * 2005-03-28 2008-02-27 荀建华 晶体等径生长的控制系统及其方法
CN109183141A (zh) * 2018-10-29 2019-01-11 上海新昇半导体科技有限公司 一种晶体生长控制方法、装置、系统及计算机存储介质
CN109972201B (zh) * 2019-04-07 2020-09-11 浙江晶盛机电股份有限公司 用于直拉法硅单晶生长过程的晶体直径控制方法
CN112853478A (zh) * 2021-01-07 2021-05-28 西安奕斯伟硅片技术有限公司 晶体等径生长控制方法及晶体等径生长控制装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI812512B (zh) * 2022-06-28 2023-08-11 大陸商西安奕斯偉材料科技股份有限公司 單晶矽拉晶控制方法及裝置、單晶矽拉晶爐

Also Published As

Publication number Publication date
CN113584576A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN113584576B (zh) 晶体直径生长的自动控制方法、装置、电子设备和存储介质
KR101424834B1 (ko) 결정 성장 프론트에서 열 구배들의 인-시츄 결정을 위한 절차
CN111910245B (zh) 一种拉晶尾部控制方法及系统、计算机存储介质
KR20160025821A (ko) 잉곳 성장장치의 온도제어장치 및 그 제어방법
JP2010218394A (ja) エネルギー需要予測装置
KR20010022606A (ko) 결정 성장 장치 및 프로세스
JP5104567B2 (ja) エネルギー需要予測装置
RU2423559C2 (ru) Способ выращивания монокристалла сапфира на затравочном кристалле, остающемся в расплаве, в автоматическом режиме
US11359305B2 (en) Method for validating the thermal history of a semiconductor ingot
CN115595667A (zh) 一种碲锌镉晶体智能生长方法、系统、设备及存储介质
KR20210099794A (ko) 잉곳 성장 장치의 제어 시스템 및 잉곳 성장 장치의 제어 방법
CN115125611B (zh) 一种智能化拉晶工艺方法
CN112686416A (zh) 一种风电功率概率预测方法和系统
CN116168788B (zh) 基于大数据的熔融液态硅晶分凝系数分析方法及系统
CN115640983B (zh) 功率调整方法、装置、计算机设备和存储介质
CN117193243B (zh) 一种plc控制柜的远程控制系统
WO2024084769A1 (ja) 予測方法及び予測プログラム、並びに環境制御情報出力方法及び環境制御情報出力プログラム
CN117552085B (zh) 单晶硅放肩调整方法、装置、电子设备及存储介质
CN114761626B (zh) 单晶制造系统及单晶制造方法
KR20220116754A (ko) 잉곳 성장 제어 시스템 및 방법
CN117888181A (zh) 一种用于单晶硅拉制过程中参数偏离的自动提示方法及系统
CN117572823B (zh) 一种主轴热膨胀动态补偿方法及系统
CN118013793A (zh) 一种晶体生长方法、系统、装置以及存储介质
TWM632910U (zh) 爐上監控系統
CN117702247A (zh) 液口距的增量补偿方法、装置、电子设备及存储介质

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