CN114841485A - 基于大数据的等径sop设定方法、系统、设备和存储介质 - Google Patents

基于大数据的等径sop设定方法、系统、设备和存储介质 Download PDF

Info

Publication number
CN114841485A
CN114841485A CN202110595583.7A CN202110595583A CN114841485A CN 114841485 A CN114841485 A CN 114841485A CN 202110595583 A CN202110595583 A CN 202110595583A CN 114841485 A CN114841485 A CN 114841485A
Authority
CN
China
Prior art keywords
diameter
different
equal
furnace
growth rate
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.)
Pending
Application number
CN202110595583.7A
Other languages
English (en)
Inventor
董恩慧
高润飞
李雪峰
景吉祥
王静
沈瑞川
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.)
Inner Mongolia Zhonghuan Solar Material Co Ltd
Original Assignee
Inner Mongolia Zhonghuan Solar Material 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 Inner Mongolia Zhonghuan Solar Material Co Ltd filed Critical Inner Mongolia Zhonghuan Solar Material Co Ltd
Publication of CN114841485A publication Critical patent/CN114841485A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • 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
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Metallurgy (AREA)
  • Game Theory and Decision Science (AREA)
  • Materials Engineering (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Organic Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Crystals, And After-Treatments Of Crystals (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)

Abstract

基于大数据的等径SOP设定方法、系统、设备和存储介质，通过对单晶拉制等径过程中等径节点的基础源数据进行处理、筛选、转换为等径节点中易于识别和标记的若干数据集并建立模型，进行分析计算和拟合优化，获取等径过程中最优生长速率模型；获取等径节点的相对液口距的基础源数据；筛选并转换为易于识别和标记的工艺参数；获取当前节点的生长速率，将生长速率与最优生长速率模型进行对比，根据对比结果对生长速率或主加热器功率进行调节。本发明技术方案可有效地在大数据与深度学习中进行等径SOP的方法设定，利用大数据分析并执行优化方案，将大数据与深度学习进行有机结合，实现等径SOP模型的自优化，提高等径SOP的制定和修订效率，降低成本。

Description

基于大数据的等径SOP设定方法、系统、设备和存储介质
技术领域
本发明属于光伏单晶拉制生产技术领域，尤其是涉及基于大数据的等径SOP设定方法、系统、设备和存储介质。
背景技术
直拉单晶生长过程主要包括稳温、引晶、放肩、等径、收尾等工作步骤。在直拉单晶的等径过程中，等径SOP的设定目前需要工艺人员专门负责制定和修订。但人工制定和修订SOP只能做到不同炉型、不同系统、不同剩料重量等维度进行一一修订，不能细化到具体炉台，而单晶炉是个性的，一套SOP不能满足所有炉台特性。
因此，为了实现在单晶拉制的等径过程中等径SOP模型自优化设定，取消人工制定和修订SOP，解决人工操作不能满足所有炉台特性、成本高的问题，需要对目前等径SOP的设定方法进行改进。
发明内容
本发明要解决的问题是提供基于大数据的等径SOP设定方法、系统、设备和存储介质，尤其是适用于太阳能直拉硅单晶生产，有效地解决背景技术中提出的目前现有技术的人工操作等径SOP不能满足所有炉台特性、成本高的问题。
为解决上述技术问题，本发明采用以下技术方案：
基于大数据的等径SOP设定方法，所述方法包括步骤：
S1：获取在单晶拉制等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据；
S2：对获取的所述基础源数据进行处理，筛选并转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干参数，并获得每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所有所述参数数值的数据集；
S3：通过深度学习对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数建立模型；
S4：通过深度学习对所述S3步骤中的每一所述模型进行分析计算和拟合优化，获取直拉单晶等径过程中最优生长速率模型；
S5：通过深度学习对所述S3步骤中的每一所述模型进行分析计算，获取当前炉台、当前炉次、当前余料含量的等径节点的相对液口距的基础源数据；
S6：对所述S5步骤中获取的所述相对液口距的基础源数据进行处理，筛选并转换为当前炉台、当前炉次、当前余料含量的等径节点中所述相对液口距的易于识别和标记的工艺参数；
S7：根据相对液口距-生长速率-主加热器功率公式和所述S6步骤中所述的工艺参数，获取当前炉台、当前炉次、当前余料含量的节点中的生长速率，将所述生长速率与所述S4步骤中所述的最优生长速率模型进行对比，根据对比结果对所述生长速率或所述主加热器功率进行调节，获取调节结果，并对所述调节结果进行记录；
S8：将所述S7步骤中记录的所述调节结果上传至大数据平台，对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所述调节结果进行大数据分析，并拟合出当前等径节点的等径SOP设定值，实现等径SOP模型的自优化。
进一步地，所述S7步骤中，所述相对液口距-生长速率-主加热器功率公式为：
L＝γvP；
其中：L为相对液口距，v为生长速率，P为主加热器功率，γ为系数。
进一步地，所述S7步骤中，所述根据对比结果对所述生长速率或所述主加热器功率进行调节包括：若所述生长速率与所述最优生长速率模型相比偏小，则增加所述主加热器功率，若所述生长速率与所述最优生长速率模型相比偏大，则降低所述主加热器功率。
进一步地，所述S3步骤中所有每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数与所述S6步骤中所有所述工艺参数类型相对应；
所述参数根据生产区域、等径节点的持续时间和等径功能进行建立；
所有所述参数均被配置于所在单晶炉的终端显示器中显示。
进一步地，每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
一种等径SOP设定系统，所述系统包括：
获取源数据单元：用于获取在直拉单晶等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据；
处理源数据单元：对获取的所述基础源数据进行处理，筛选并转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干参数，并获得每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所有所述参数数值的数据集；
建立模型单元：用于通过深度学习对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数建立模型；
数据处理单元：用于对每一所述模型进行分析计算和拟合优化；
数据对比单元：用于将当前炉台、当前炉次、当前余料含量的节点中的生长速率与最优生长速率模型进行对比；
大数据平台单元：用于对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的调节结果进行大数据分析，并拟合出当前等径节点的等径SOP设定值，实现等径SOP模型的自优化。
进一步地，所述获取源数据单元中所有每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数与所述数据处理单元中所有所述工艺参数类型相对应；
所述参数根据生产区域、等径节点的持续时间和等径功能进行建立；
所有所述参数均被配置于所在单晶炉的终端显示器中显示。
进一步地，每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
一种计算机设备，包括存储器和处理器；所述存储器存储有计算机程序；所述处理器用于执行所述计算机程序，并在执行所述计算机程序时，使得所述处理器执行如权利要求如上任一项所述的等径SOP设定方法的步骤。
一种计算机可读存储介质，存储有计算机程序，当所述计算机程序被处理器执行时，使所述处理器执行如上任一项所述的等径SOP设定方法的步骤。
与现有技术相比，采用本发明设计的基于大数据的等径SOP设定方法、系统、计算机设备和存储介质，通过对直拉单晶等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据进行处理、筛选、转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干与模型中相对应的参数数值的数据集；同时通过深度学习对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数建立模型，并进行分析计算和拟合优化，获取直拉单晶等径过程中最优生长速率模型；获取当前炉台、当前炉次、当前余料含量的等径节点的相对液口距的基础源数据；筛选并转换为当前炉台、当前炉次、当前余料含量的等径节点中所述相对液口距的易于识别和标记的工艺参数；获取当前炉台、当前炉次、当前余料含量的节点中的生长速率，将生长速率与最优生长速率模型进行对比，根据对比结果对生长速率或主加热器功率进行调节，获取调节结果，并对调节结果进行记录；将记录的调节结果上传至大数据平台，对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的调节结果进行大数据分析，并拟合出当前等径节点的等径SOP设定值，实现等径SOP模型的自优化。
本发明技术方案可有效地在大数据与深度学习中进行直拉单晶过程中等径SOP的方法设定，利用了大数据分析并执行优化方案，再将大数据与深度学习进行有机结合，实现等径SOP模型的自优化，提高等径SOP的制定和修订效率，降低成本。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例的基于大数据分析的等径SOP设定方法的流程图；
图2是本发明一实施例的等径SOP设定系统的结构示意图；
具体实施方式
下面结合实施例和附图对本发明作进一步说明。
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
如图1所示，本发明实施例提供基于大数据的等径SOP设定方法，方法包括以下步骤：
S1：获取在直拉单晶等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据；
具体地，在直拉单晶等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中，每个单晶炉均具有个体化特性，每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
其中，生产过程数据包括设备名称、起止时间、批次编号、工艺模式、配方名称、直径测量值、热场温度值、主加热器功率测量、底部加热器功率测量、实际晶体拉速等。
原辅料数据包括备料日期、配料序号、人员班次、炉次、工件规格、坩埚类型、坩埚产地、原生多晶重量、回收料占比、整体重量等。
品质数据包括单晶编号、长度、重量、直径、电阻率、寿命、氧含量、碳含量、缺陷等。
S2：对获取的基础源数据进行处理，筛选并转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干参数，并获得每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所有参数数值的数据集；
具体地，将基础源数据经过处理、筛选并转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干参数，以获得获得每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所有参数数值的数据集，也就是将输入的基础源数据中分散、凌乱、标准不统一的源数据整合，再转换为工件制程节点中的常用参数数据集，为后续参数对比，判定分析提供依据。
进一步地，所有参数根据生产区域、等径节点的持续时间和等径功能进行建立。
进一步地，所有参数均被配置于所在单晶炉的终端显示器中显示。
S3：通过深度学习对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一参数建立模型；
具体地，采用深度学习的方法对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一参数均建立一个模型，以监控所有炉台、炉次、余料含量的所有的工件在等径过程中的节点分析和判断，以期获得质量符合标准的单晶工件。
S4：通过深度学习对S3步骤中的每一模型进行分析计算和拟合优化，获取单晶拉制等径过程中最优生长速率模型；
具体地，采用深度学习的方法对S3步骤中的每一模型进行分析计算和拟合优化，综合每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的生长速率，以获取最优生长速率模型。
S5：通过深度学习对S3步骤中的每一所述模型进行分析计算，获取当前炉台、当前炉次、当前余料含量的等径节点的相对液口距的基础源数据；
S6：对S5步骤中获取的相对液口距的基础源数据进行处理，筛选并转换为当前炉台、当前炉次、当前余料含量的等径节点中相对液口距的易于识别和标记的工艺参数；
进一步地，S3步骤中所有每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一参数与S6步骤中所有工艺参数类型相对应。
S7：根据相对液口距-生长速率-主加热器功率公式和S6步骤中的工艺参数，获取当前炉台、当前炉次、当前余料含量的节点中的生长速率，将当前生长速率与S4步骤中的最优生长速率模型进行对比，根据对比结果对当前生长速率或主加热器功率进行调节，获取调节结果，并对调节结果进行记录；
具体地，S7步骤中，相对液口距-生长速率-主加热器功率公式为：
L＝γvP；
其中：L为相对液口距，v为生长速率，P为主加热器功率，γ为系数。
进一步地，S7步骤中，根据对比结果对生长速率或主加热器功率进行调节包括：若生长速率与最优生长速率模型相比偏小，则增加主加热器功率，若生长速率与最优生长速率模型相比偏大，则降低主加热器功率。
一种等径SOP设定系统，如图2所示，系统包括：
获取源数据单元：用于获取在单晶拉制等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据；
处理源数据单元：对获取的基础源数据进行处理，筛选并转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干参数，并获得每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所有参数数值的数据集；
建立模型单元：用于通过深度学习对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一参数建立模型；
数据处理单元：用于对每一模型进行分析计算和拟合优化；
数据对比单元：用于将当前炉台、当前炉次、当前余料含量的节点中的生长速率与最优生长速率模型进行对比；
大数据平台单元：用于对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的调节结果进行大数据分析，并拟合出当前等径节点的等径SOP设定值，实现等径SOP模型的自优化。
进一步地，获取源数据单元中所有每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一参数与数据处理单元中所有工艺参数类型相对应。
进一步地，参数根据生产区域、等径节点的持续时间和等径功能进行建立。
进一步地，所有参数均被配置于所在单晶炉的终端显示器中显示。
进一步地，每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
一种计算机设备，包括存储器和处理器；存储器存储有计算机程序；处理器用于执行计算机程序，并在执行计算机程序时，使得处理器执行如上任一项的等径SOP设定方法的步骤。
一种计算机可读存储介质，存储有计算机程序，当计算机程序被处理器执行时，使处理器执行如上任一项所述的等径SOP设定方法的步骤。
本发明实现的优点和有益效果是：
1.本发明设计的基于大数据的等径SOP设定方法、系统、设备和存储介质，通过对单晶拉制等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据进行处理、筛选、转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干与模型中相对应的参数数值的数据集；同时通过深度学习对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数建立模型，并进行分析计算和拟合优化，获取直拉单晶等径过程中最优生长速率模型；获取当前炉台、当前炉次、当前余料含量的等径节点的相对液口距的基础源数据；筛选并转换为当前炉台、当前炉次、当前余料含量的等径节点中所述相对液口距的易于识别和标记的工艺参数；获取当前炉台、当前炉次、当前余料含量的节点中的生长速率，将生长速率与最优生长速率模型进行对比，根据对比结果对生长速率或主加热器功率进行调节，获取调节结果，并对调节结果进行记录；将记录的调节结果上传至大数据平台，对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的调节结果进行大数据分析，并拟合出当前等径节点的等径SOP设定值，实现等径SOP模型的自优化。
2.本发明技术方案可有效地在大数据与深度学习中进行直拉单晶过程中等径SOP的方法设定，利用了大数据分析并执行优化方案，再将大数据与深度学习进行有机结合，实现等径SOP模型的自优化，提高等径SOP的制定和修订效率，降低成本。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.基于大数据的等径SOP设定方法，其特征在于，所述方法包括步骤：
S1：获取在直拉单晶等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据；
S2：对获取的所述基础源数据进行处理，筛选并转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干参数，并获得每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所有所述参数数值的数据集；
S3：通过深度学习对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数建立模型；
S4：通过深度学习对所述S3步骤中的每一所述模型进行分析计算和拟合优化，获取单晶拉制等径过程中最优生长速率模型；
S5：通过深度学习对所述S3步骤中的每一所述模型进行分析计算，获取当前炉台、当前炉次、当前余料含量的等径节点的相对液口距的基础源数据；
S6：对所述S5步骤中获取的所述相对液口距的基础源数据进行处理，筛选并转换为当前炉台、当前炉次、当前余料含量的等径节点中所述相对液口距的易于识别和标记的工艺参数；
S7：根据相对液口距-生长速率-主加热器功率公式和所述S6步骤中所述的工艺参数，获取当前炉台、当前炉次、当前余料含量的节点中的生长速率，将所述生长速率与所述S4步骤中所述的最优生长速率模型进行对比，根据对比结果对所述生长速率或所述主加热器功率进行调节，获取调节结果，并对所述调节结果进行记录；
S8：将所述S7步骤中记录的所述调节结果上传至大数据平台，对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所述调节结果进行大数据分析，并拟合出当前等径节点的等径SOP设定值，实现等径SOP模型的自优化。
2.根据权利要求1所述的基于大数据的等径SOP设定方法，其特征在于：所述S7步骤中，所述相对液口距-生长速率-主加热器功率公式为：
L＝γvP；
其中：L为相对液口距，v为生长速率，P为主加热器功率，γ为系数。
3.根据权利要求1或2所述的基于大数据的等径SOP设定方法，其特征在于：所述S7步骤中，所述根据对比结果对所述生长速率或所述主加热器功率进行调节包括：若所述生长速率与所述最优生长速率模型相比偏小，则增加所述主加热器功率，若所述生长速率与所述最优生长速率模型相比偏大，则降低所述主加热器功率。
4.根据权利要求3所述的基于大数据的等径SOP设定方法，其特征在于：所述S3步骤中所有每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数与所述S6步骤中所有所述工艺参数类型相对应；
所述参数根据生产区域、等径节点的持续时间和等径功能进行建立；
所有所述参数均被配置于所在单晶炉的终端显示器中显示。
5.根据权利要求1-2,4任一所述的基于大数据的等径SOP设定方法，其特征在于：每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
6.一种等径SOP设定系统，其特征在于，所述系统包括：
获取源数据单元：用于获取在直拉单晶等径过程中每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的基础源数据；
处理源数据单元：对获取的所述基础源数据进行处理，筛选并转换为每一不同炉台、每一不同炉次、每一不同余料含量等径节点中易于识别和标记的若干参数，并获得每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所有所述参数数值的数据集；
建立模型单元：用于通过深度学习对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数建立模型；
数据处理单元：用于对每一所述模型进行分析计算和拟合优化；
数据对比单元：用于将当前炉台、当前炉次、当前余料含量的节点中的生长速率与最优生长速率模型进行对比；
大数据平台单元：用于对每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的调节结果进行大数据分析，并拟合出当前等径节点的等径SOP设定值，实现等径SOP模型的自优化。
7.根据权利要求6所述的一种等径SOP设定系统，其特征在于：所述获取源数据单元中所有每一不同炉台、每一不同炉次、每一不同余料含量的等径节点中的每一所述参数与所述数据处理单元中所有工艺参数类型相对应；
所述参数根据生产区域、等径节点的持续时间和等径功能进行建立；
所有所述参数均被配置于所在单晶炉的终端显示器中显示。
8.根据权利要求6或7所述的一种等径SOP设定系统，其特征在于：每一不同炉台、每一不同炉次、每一不同余料含量的等径节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。
9.一种计算机设备，其特征在于：包括存储器和处理器；所述存储器存储有计算机程序；所述处理器用于执行所述计算机程序，并在执行所述计算机程序时，使得所述处理器执行如权利要求1-7中任一项所述的等径SOP设定方法的步骤。
10.一种计算机可读存储介质，其特征在于：存储有计算机程序，当所述计算机程序被处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的等径SOP设定方法的步骤。
CN202110595583.7A 2021-02-02 2021-05-28 基于大数据的等径sop设定方法、系统、设备和存储介质 Pending CN114841485A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110144406 2021-02-02
CN2021101444067 2021-02-02

Publications (1)

Publication Number Publication Date
CN114841485A true CN114841485A (zh) 2022-08-02

Family

ID=82561424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110595583.7A Pending CN114841485A (zh) 2021-02-02 2021-05-28 基于大数据的等径sop设定方法、系统、设备和存储介质

Country Status (1)

Country Link
CN (1) CN114841485A (zh)

Similar Documents

Publication Publication Date Title
WO2022213675A1 (zh) 一种拉晶控制方法和设备、单晶炉以及计算机存储介质
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
CN111910245B (zh) 一种拉晶尾部控制方法及系统、计算机存储介质
CN110081981B (zh) 温度测量方法
CN108138354A (zh) 生产被挥发性掺杂剂掺杂的单晶锭的方法
CN113112493A (zh) 引晶亮度的计算方法、系统、终端设备及存储介质
CN110512279A (zh) 能够提高收尾成功率的单晶炉收尾方法
CN111005064A (zh) 单晶硅生长用掺杂剂的控制方法、装置、设备及存储介质
CN102787353B (zh) 单晶炉非接触式硅棒晶线测量方法
CN114990688B (zh) 单晶体直径控制方法及装置、单晶硅拉晶炉
US20150197874A1 (en) Device for growing monocrystalline silicon and method for manufacturing the same
CN114841485A (zh) 基于大数据的等径sop设定方法、系统、设备和存储介质
TW202223174A (zh) 製造無缺陷單晶矽結晶的方法和裝置
CN208419812U (zh) 一种单晶硅棒生产用长度测量装置
CN114841484A (zh) 基于大数据的等径自决策方法、系统、设备和存储介质
TW202305193A (zh) 晶棒製造管理方法和晶棒製造管理系統
CN112301421B (zh) 一种适用于大尺寸单晶硅的感光快速收尾方法
CN114840961A (zh) 基于大数据分析的拉晶方法、系统、计算机设备和存储介质
Liu et al. The MIVD method of optimal seeding state detection using image processing technology for sapphire crystal growth via the Kyropoulos method
Dougherty et al. Mean shape of three-dimensional dendrites: a comparison of pivalic acid and ammonium chloride
CN115688539A (zh) 基于大数据的结晶检测方法、系统、设备和存储介质
WO2024021992A1 (en) Automatic decision-making for welding
CN116187112B (zh) 基于大数据的提高单晶生长热对流分布均匀的方法及系统
CN204325542U (zh) 一种具有双调节节点的籽晶杆结构
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

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