CN116200813B - 一种晶体生长设备控制方法及系统 - Google Patents
一种晶体生长设备控制方法及系统 Download PDFInfo
- Publication number
- CN116200813B CN116200813B CN202310197639.2A CN202310197639A CN116200813B CN 116200813 B CN116200813 B CN 116200813B CN 202310197639 A CN202310197639 A CN 202310197639A CN 116200813 B CN116200813 B CN 116200813B
- Authority
- CN
- China
- Prior art keywords
- crystal growth
- parameter
- crystal
- thermal field
- control
- 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
- 239000013078 crystal Substances 0.000 title claims abstract description 497
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000008859 change Effects 0.000 claims abstract description 102
- 238000005457 optimization Methods 0.000 claims abstract description 68
- 238000002360 preparation method Methods 0.000 claims abstract description 65
- 239000000843 powder Substances 0.000 claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006978 adaptation Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 6
- 239000002994 raw material Substances 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 238000012797 qualification Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000002019 doping agent Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本申请涉及晶体制备设备技术领域，提供一种晶体生长设备控制方法及系统。通过根据晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配获得动态热场变化序列，进一步结合晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果划分晶体生长监控周期，根据晶体生长监控周期划分结果、动态热场变化序列结合各周期晶体生长实时状态，构建长晶参数优化空间，基于优化参数组合控制晶体生长设备。解决现有技术中存在对于晶体生长制备设备的控制精度不足，导致基于晶体生长设备生产所获晶体与实际制备需求不适配的技术问题，实现提高对于晶体生长制备设备的控制精度，提高生产所获晶体与实际制备需求的适配度的技术效果。
Description
技术领域
本申请涉及晶体制备设备技术领域，特别是涉及一种晶体生长设备控制方法及系统。
背景技术
随着热力学、统计物理的发展以及在晶体生长领域的广泛应用，晶体生长问题得到了长足解决，晶体逐步发展成为材料科学的一大重要分支。
现阶段用于晶体制备的晶体生长设备技术发展相对成熟，但是实际基于晶体生长设备进行晶体制备时，实际设备控制仍多依赖于人工经验，存在晶体生长设备控制精度和控制有效性不足的缺陷，而这一缺陷往往造成基于晶体生长设备生产所获晶体与实际制备晶体类型要求、晶体生长量要求不匹配。
综上所述，现有技术中存在对于晶体生长制备设备的控制精度不足，导致基于晶体生长设备生产所获晶体与实际制备需求不适配的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实现提高对于晶体生长制备设备的控制精度，提高生产所获晶体与实际制备需求的适配度的一种晶体生长设备控制方法及系统。
一种晶体生长设备控制方法，方法包括：获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制。
一种晶体生长设备控制系统，所述系统包括：制备参数获取模块，用于获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；热场参数匹配模块，用于根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；监控周期划分模块，用于根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；优化空间构建模块，用于根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制。
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，所述处理器执行所述计算机程序时实现以下步骤：
获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；
根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；
根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；
根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制。
一种计算机可读存储介质，其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以下步骤：
获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；
根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；
根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；
根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制。
上述一种晶体生长设备控制方法及系统，解决了现有技术中存在对于晶体生长制备设备的控制精度不足，导致基于晶体生长设备生产所获晶体与实际制备需求不适配的技术问题，实现提高对于晶体生长制备设备的控制精度，提高生产所获晶体与实际制备需求的适配度的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种晶体生长设备控制方法的流程示意图；
图2为一个实施例中一种晶体生长设备控制方法中获得动态热场变化序列的流程示意图；
图3为一个实施例中一种晶体生长设备控制系统的结构框图；
图4为一个实施例中计算机设备的内部结构图。
附图标记说明：制备参数获取模块1，热场参数匹配模块2，监控周期划分模块3，优化空间构建模块4。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，本申请提供了一种晶体生长设备控制方法，所述方法包括：
S100:获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；
具体而言，在本实施例中，所述待制备晶体的制备目标为制备获得半导体单晶硅。所述待制备晶体基本参数包括晶体类型、晶体生长量、粉体配比。
其中，所述晶体类型为待制备晶体的计划制备获得的目标晶体的晶体类型，基于所述待制备晶体的制备目标为制备获得半导体单晶硅可知，所述晶体类型为单晶体。所述晶体生长量为待制备晶体的计划由生长晶核经由制备工艺制备获得的目标晶体的晶体生长方向要求和制备所获晶体体积要求。所述粉体配比为待制备晶体原材料与实现制备晶体导电性能的掺杂剂的质量比。
S200:根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；
在一个实施例中，根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列之前，本申请提供的方法步骤S200还包括：
S211:根据所述晶体类型、所述粉体配比，进行长晶数据案例库采集，获得晶体案例数据库，其中，所述晶体案例数据库中参数指标包括晶体生长量、热场参数、长晶时间线、长晶评价结果；
S212:以所述长晶评价结果为目标量，晶体生长量为约束条件，基于所述晶体案例数据库，构建热场参数寻优子模型；
S213:基于所述晶体案例数据库，根据长晶时间线确定热场控制节点，对热场参数进行控制节点分解，构建热场分解子模型；
S214:将所述热场参数寻优子模型、所述热场分解子模型进行连接，构建所述智能匹配分析模型。
在一个实施例中，如图2所示，根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列，本申请提供的方法步骤S200还包括：
S221:通过所述热场参数寻优子模型，根据所述晶体类型、晶体生长量、粉体配比进行热场参数寻优分析，获得热场参数优化组合；
S222:将所述热场参数优化组合输入所述热场分解子模型，基于长晶时间线进行热场控制节点分解，获得各节点的热场控制参数；
S223:利用所述各节点的热场控制参数与长晶时间线的对应关系，获得所述动态热场变化序列。
具体而言，在本实施例中，热场是具有容置空间以及加热温度控制功能的晶体制备设备，热场的容置空间用于放置包括待制备晶体原料以及与实现制备晶体导电性能的掺杂剂的粉体原料。
应理解的，热场温度为高温时粉体原料呈熔融状，在高温热场条件下向熔硅中引入籽晶作为非均匀晶核，进一步控制热场温度以使热场温度降低，熔硅按照籽晶生长方向固化形成半导体单晶硅。因而通过控制热场温度升降使粉体原料物理形态变化，结合半导体单晶硅生长方法（例如乔赫拉尔基丝法），理论上即可完成半导体单晶硅制备。
因而本实施例在获得所述晶体类型、晶体生长量、粉体配比的基础上，进一步分析确定实现待制备晶体稳定高成功率制备的所述动态热场变化序列，所述动态热场变化序列即在待制备晶体制备过程中，热场随时间的动态变化的温度数据。
本实施例通过构建所述智能匹配分析模型替代人工进行动态热场变化序列的确定，所述智能匹配分析模型的输入数据为所述晶体类型、晶体生长量、粉体配比，输出结果为所述动态热场变化序列。
所述智能匹配分析模型的构建方法如下：
所述长晶案例库内收录有多个样本制备晶体，且多个样本制备晶体的晶体类型不同，晶体制备原料的粉体构成和粉体配比不同。以所述待制备晶体的所述晶体类型和所述粉体配比作为筛选条件，在所述长晶案例库内进行筛选遍历，获得晶体案例数据库，所述晶体案例数据库中N个样本制备晶体的晶体类型、晶体制备原料的粉体构成和粉体配比与待制备晶体的粉体配比具有一致性。
所述晶体案例数据库中N个样本制备晶体的参数指标包括晶体生长量、热场参数、长晶时间线、长晶评价结果。所述晶体生长量为样本制备晶体最终成品的晶体体积，所述热场参数为样本制备晶体制备过程中热场控制参数（热场温度）随时间变化数据，所述长晶时间线为样本制备晶体（单晶体）的生长速度变化曲线，所述长晶评价结果为包括样本制备晶体耗时、最终成品合格率的多维度评价结果。所述长晶时间线和热场参数的时间跨度具有一致性。
构建所述热场参数寻优模型，所述热场参数寻优模型用于从晶体生长量相同的多个样本制备晶体中寻优获得长晶评价结果最优的一个样本制备晶体。具体的，以所述长晶评价结果为目标量，晶体生长量为约束条件，基于所述晶体案例数据库，构建热场参数寻优子模型，所述热场参数寻优子模型为一寻优空间，以制备晶体耗时和成品合格率作为两个寻优方向，将N个样本制备晶体的长晶评价结果中的样本制备晶体耗时、最终成品合格率进行归一化处理去除数据单位，并对应输入热场参数寻优子模型中获得N个交集点，并将N个样本制备晶体的晶体生长量对应进行N个交集点的标识，完成所述热场参数寻优子模型的构建。
应理解的，晶体的生长速率变化具有突变性，位于某一温度区间内，长晶速度稳定，当热场温度上升或降低突破某一临界值后，长晶速度才会发生较大变化。
因而，本实施例基于所述晶体案例数据库，获得N个样本制备晶体的N个长晶时间线，基于N个长晶时间线获得N组长晶速度变化时间节点集合，以及长晶速度变化时间节点对应的热场控制参数数据，从而确定N组热场控制节点，所述热场控制节点为发生长晶速度波动变化的时间变化节点以及该时间节点的热场控制参数数据。
基于N组热场控制节点对N个热场控制参数进行控制节点分解，将N个样本制备晶体的热场参数划分为N组时间长度不同的热场参数区间，每一热场参数区间内长晶速度具有一致性。
基于BP神经网络构建所述热场分解子模型，所述热场分解子模型的输入数据为热场参数、长晶时间线，输出结果为制备晶体在各节点的热场控制参数。以N个样本制备晶体在各节点的热场控制参数、N个长晶时间线、N个热场参数作为训练数据进行所述热场分解子模型的训练。将训练数据按照7:1:2划分为训练集、测试集、验证集，基于训练集和测试集进行所述热场分解子模型的训练和测试，基于验证集进行所述热场分解子模型输出结果准确性的验证，直至所述热场分解子模型的输出准确度高于96%，认为所述热场分解子模型训练完成。
将所述热场参数寻优子模型、所述热场分解子模型进行连接，构建所述智能匹配分析模型，所述热场参数寻优子模型的输出结果为所述热场分解子模型的输入数据。
待制备晶体的生长设备控制技术人员，根据所述待制备晶体的所述晶体类型、晶体生长量、粉体配比确定制备晶体耗时和成品合格率的权重赋值，将权重赋值带入所述热场参数寻优子模型，获得N个样本制备晶体的N个交集点的无单位数据，对于N个无单位数据进行由大到小排序，获得排序最前的交集点对应的样本制备晶体，并以该样本制备晶体生成检索指令在晶体案例数据库中获得对应的热场参数、长晶时间线作为所述热场参数优化组合，理论上基于所述热场参数优化组合在待制备晶体的制备过程中进行热场温度随时间变化控制，即可实现待制备晶体的快速高合格率制备。
进一步的，将所述热场参数优化组合输入所述热场分解子模型，在所述热场分解子模型基于长晶时间线进行热场参数分析，将热场参数分解获得多个热场参数控制节点，获得各节点的热场控制参数。进一步根据所述各节点的热场控制参数与长晶时间线的对应关系，获得所述动态热场变化序列，所述动态热场变化序列为待制备晶体在热场中基于晶核进行长晶过程中，多个晶体制备阶段的热场参数控制策略（热场温度变化范围），每一阶段内待制备晶体的长晶时间线无波动或波动变化微小。
本实施例通过结合历史制备晶体数据进行智能匹配分析模型的构建，实现了在获得待制备晶体的晶体类型、晶体生长量、粉体配比时，即可快速高效获知待制备晶体选用何种热场温度变化控制，可实现待制备晶体稳定高合格率生产的技术效果。
S300:根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；
具体而言，应理解的，在本实施例中，所述动态热场变化序列包括多个阶段的热场参数控制策略，计算每一阶段热场参数控制策略中热场温度最大值和最小值的差值，作为该阶段的温度差值。
比对相邻两个阶段的温度差值是否一致，如若一致则将相邻两个阶段合并，完成所述生长参数聚类，基于聚类结果获得多个晶体生长阶段，以晶体生长时间跨度最小的晶体生长阶段的时间跨度作为晶体生长监控周期，从而确保每一晶体生长阶段都的晶体生长情况都能够被监控覆盖，基于晶体生长监控周期进行所述长晶时间线划分，获得多个晶体生长监控时间节点。
S400:根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制。
在一个实施例中，根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制，本申请提供的方法步骤S400还包括：
S410:对所述动态热场变化序列进行热场变化时间节点识别划分，获得热场变化时间节点；
S420:根据所述晶体生长监控周期划分结果、所述热场变化时间节点，进行时间关系对齐及划分节点融合，确定周期划分时间节点；
S430:以所述周期划分时间节点为区间，进行长晶参数变化趋势分析，获得各长晶参数的区间变化趋势，其中，所述长晶参数为晶体生长设备的控制参数，包括投料量、埚位、锅转、埚跟、晶转、长晶拉速、压气流量、炉压、温度变化；
S440:根据各长晶参数的区间变化趋势，确定目标控制参数、稳定参数；
S450:基于所述目标控制参数，构建优化空间，并以所述稳定参数作为约束条件，进行区间寻优，获得第一区间优化控制参数组；
S460:依次类推，完成所有区间寻优，获得第N区间优化控制参数组，N为大于2的正整数，将第一区间优化控制参数组、直到第N区间优化控制参数组，获得动态控制参数，所述动态控制参数用于晶体生长设备在晶体生长各周期中进行设备控制。
具体而言，本实施例在步骤S100细化获得的对应于所述待制备晶体的样本制备晶体，理论上基于该样本制备晶体的热场参数进行待制备晶体制备过程中的热场参数控制，即可实现待制备晶体的成功制备。
为进一步提高待制备晶体制备控制的精确性，本实施例基于样本制备晶体的所述热场参数获得样本制备晶体的多个热场控制参数变化时间节点，基于多个热场控制参数变化时间节点对所述动态热场变化序列进行热场变化时间节点识别划分，获得热场变化时间节点，所述热场变化时间节点为在所述热场参数中，发生热场控制参数变化的具体时间。
由于所述长晶时间线和热场参数的时间跨度具有一致性，而所述晶体生长监控周期划分结果为基于长晶时间线划分获得，所述热场变化时间节点基于热场参数划分获得，因而所述晶体生长监控周期划分结果和所述热场变化时间节点实质为对同一时间跨度进行划分，因而对所述晶体生长监控周期划分结果、所述热场变化时间节点进行时间关系对齐，并进行相同时间划分节点融合以及非相同时间划分节点的保留，确定周期划分时间节点，所述周期划分时间节点内任意相邻划分时间的时间跨度可能不同。
以所述周期划分时间节点为区间，逐区间进行长晶参数变化趋势分析，本实施例以任一所述周期划分时间节点产生的区间为例，进行该区间内长晶变化趋势分析，为便于理解，本实施例该随机选取相邻期划分时间节点生成的区间命名为第X区间。
获得长晶参数的在第X区间时间范围内的变化趋势，所述长晶参数为晶体生长设备的控制参数，包括投料量、埚位、锅转、埚跟、晶转、长晶拉速、压气流量、炉压、温度变化。
获得第X区间这一时间范围内，所述长晶参数所包含各个参数的数据变化曲线，提取长晶时间线在第X区间这一时间范围内的长晶速度变化曲线。
以长晶速度变化曲线的波动节点为基准，遍历比对各个参数的数据变化曲线的波动节点，将与长晶速度变化曲线中波动节点同步性较高的多个参数作为目标控制参数，将与长晶速度变化曲线中波动节点同步性较低的多个参数作为稳定参数，所述目标控制参数发生数值变化对于长晶速度存在影响，所述稳定参数发生数值变化对于长晶速度无影响或几乎无影响。
获得第X区间这一时间范围内，所述长晶参数所包含各个参数的数据变化曲线，提取长晶时间线在第X区间这一时间范围内的长晶速度变化曲线。以秒或其他时间单位作为数据成组规则，获得多组长晶速度和目标控制参数数据。
以所述目标控制参数包含的多个控制参数作为优化空间的多个寻优方向，将多组长晶速度和目标控制参数数据带入优化空间，每组目标控制参数数据的交点为一个长晶速度。
以所述稳定参数作为优化空间的约束条件，在优化空间内进行第X区间控制参数的寻优，获得第X区间优化控制参数组，所述第X区间优化控制参数为长晶速度最大值对应的目标控制参数数据。
采用第X区间获得第X区间优化控制参数的方法，依次类推，完成所有区间寻优，获得第一区间优化控制参数至第N区间优化控制参数组，N为大于2的正整数。
所述第一区间优化控制参数组、直到第N区间优化控制参数组，构成所述动态控制参数，所述动态控制参数用于晶体生长设备在晶体生长各周期中进行设备控制，达到了提高进行待制备晶体生长设备控制的精确性，从而实现待制备晶体全生长阶段的长晶速度都为最优值，提高待制备晶体制备效率的技术效果。
在一个实施例中，本申请提供的方法步骤还包括：
S471:获得参数控制宽容度；
S472:根据所述第一区间优化控制参数组、第二区间优化控制参数组，获得控制参数相关性、差异值；
S473:根据所述控制参数相关性、差异值及所述参数控制宽容度，进行参数控制排斥性分析，确定核心排异参数；
S474:基于所述核心排异参数、所述参数控制宽容度进行区间优化控制参数组调整。
在一个实施例中，基于所述核心排异参数、所述参数控制宽容度进行区间优化控制参数组调整，本申请提供的方法步骤S474还包括：
S474-1:根据所述核心排异参数，进行调整前参数控制损失度计算，获得第一损失值；
S474-2:对区间优化控制参数组调整值进行损失度计算，获得第二损失值；
S474-3:当所述第二损失值与第一损失值的差值满足预设条件时，对区间优化控制参数组进行调整。
在一个实施例中，所述获得参数控制宽容度，本申请提供的方法步骤S471还包括：
S471-1:根据所述晶体生长量，进行历史长晶数据特征分析，构建晶体性能数据列表；
S471-2:获得晶体目标性能参数，利用晶体目标性能参数与所述晶体性能数据列表进行匹配，确定长晶控制参数及参数取值范围；
S471-3:根据所述长晶控制参数及参数取值范围，进行参数差异可行范围分析，获得所述获得参数控制宽容度。
具体而言，在本实施例中，根据所述待制备晶体的晶体类型和晶体生长量，遍历大数据获得历史生产的相同晶体类型和晶体生长量的第一样本制备晶体，基于第一样本制备晶体进行历史长晶数据特征分析，构建晶体性能数据列表，所述晶体性能数据列表包括导电性、电阻率、导热性等晶体性能指标以及历史晶体性能指标的测试所获具体数值。
获得晶体目标性能参数，所述晶体目标性能参数为希望待制备晶体能够达到的晶体性能指标数据。利用晶体目标性能参数与所述晶体性能数据列表进行匹配，获得需要进行晶体生长设备控制以优化的性能指标。
基于第一样本制备晶体生产制备全程的控制参数提取获得所述目标控制参数所包含的多个控制参数的数值变化区间，基于待制备晶体的所述动态控制参数提取获得所述目标控制参数所包含的多个控制参数的数值变化区间，基于两组多个控制参数的数值变化区间进行偏离比对，获得所述动态控制参数中偏离第一样本制备晶体生产制备全程控制参数的多项控制参数，作为所述长晶控制参数，并基于具体控制参数偏离值生成对应于所述长晶控制参数的所述参数取值范围。
根据所述长晶控制参数及参数取值范围，进行参数差异可行范围分析，所述参数差异可行范围指长晶控制参数的可调整数值区间，通过参数差异可行范围分析去除所述参数取值范围中偏向方向为第一样本制备晶体的控制参数数值变化区间的参数取值范围，获得所述获得参数控制宽容度，所述参数控制宽容度用于参考确定所述长晶控制参数中哪些长晶控制参数可进行参数调整，以进行晶体生长设备优化控制。
根据所述第一区间优化控制参数组、第二区间优化控制参数组中目标控制参数的变化同步性情况进行目标控制参数中包含的多个控制参数变化相关性分析，以所示目标控制参数中某一控制参数为参考系，获得所述目标控制参数中多个控制参数发生变化时与参考系控制参数变化的相关性和差异值。
将所述目标控制参数中多个控制参数的相关性和差异值的绝对值进行加和处理，并按照加和处理结果对多个控制参数进行由大到小的排序，预设筛选排序范围，认为落入预设筛选排序范围内的N个控制参数发生数值变化会相互影响。
将N个控制参数对应的N个控制参数指标与所述参数控制宽容度中包含的多个控制参数指标，进行交集分析从而完成参数控制排斥性分析，确定所述核心排异参数，所述核心排异参数为同时存在于N个控制参数指标与所述参数控制宽容度中的控制参数指标。
所述晶体生长量为待制备晶体的计划由生长晶核经由制备工艺制备获得的目标晶体的晶体体积要求，所述参数控制损失度为晶体生长量损失度，即待制备晶体的晶体体积缩小程度。
基于所述区间优化控制参数组模拟所述待制备晶体的制备，获得模拟待制备晶体的晶体体积数据，结合所述晶体生长量的晶体体积要求进行调整前参数控制损失度计算，获得第一损失值。
在所述参数控制宽容度中调用所述核心排异参数的控制参数可变化区间，进行区间优化控制参数组的随机调整获得区间优化控制参数组调整值，基于所述区间优化控制参数组调整值替代对应的区间优化控制参数组，未发生控制参数调整区间的区间优化控制参数组，模拟所述待制备晶体的制备，获得模拟待制备晶体的晶体体积数据，结合所述晶体生长量的晶体体积要求进行调整前参数控制损失度计算，获得第二损失值。
当所述第二损失值与第一损失值的差值满足预设条件时，表明发生的晶体生长量损失不会导致待制备晶体不满足制备合格要求，因而可对区间优化控制参数组进行调整，以实现提高待制备晶体制备生产控制的精细度，从而实现基于晶体生长设备生产所获晶体更加趋近于实际制备晶体类型要求和晶体生长量要求。
在一个实施例中，如图3所示，提供了一种晶体生长设备控制系统，包括：制备参数获取模块1，热场参数匹配模块2，监控周期划分模块3，优化空间构建模块4，其中：
制备参数获取模块1，用于获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；
热场参数匹配模块2，用于根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；
监控周期划分模块3，用于根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；
优化空间构建模块4，用于根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制。
在一个实施例中，所述系统还包括：
历史数据采集单元，用于根据所述晶体类型、所述粉体配比，进行长晶数据案例库采集，获得晶体案例数据库，其中，所述晶体案例数据库中参数指标包括晶体生长量、热场参数、长晶时间线、长晶评价结果；
寻优模型构建单元，用于以所述长晶评价结果为目标量，晶体生长量为约束条件，基于所述晶体案例数据库，构建热场参数寻优子模型；
寻优模型搭建单元，用于基于所述晶体案例数据库，根据长晶时间线确定热场控制节点，对热场参数进行控制节点分解，构建热场分解子模型；
分析模型生成单元，用于将所述热场参数寻优子模型、所述热场分解子模型进行连接，构建所述智能匹配分析模型。
在一个实施例中，所述系统还包括：
参数寻优分析单元，用于通过所述热场参数寻优子模型，根据所述晶体类型、晶体生长量、粉体配比进行热场参数寻优分析，获得热场参数优化组合；
控制参数获得单元，用于将所述热场参数优化组合输入所述热场分解子模型，基于长晶时间线进行热场控制节点分解，获得各节点的热场控制参数；
热场变化获得单元，用于利用所述各节点的热场控制参数与长晶时间线的对应关系，获得所述动态热场变化序列。
在一个实施例中，所述系统还包括：
变化节点获得单元，用于对所述动态热场变化序列进行热场变化时间节点识别划分，获得热场变化时间节点；
周期节点获得单元，用于根据所述晶体生长监控周期划分结果、所述热场变化时间节点，进行时间关系对齐及划分节点融合，确定周期划分时间节点；
变化趋势分析单元，用于以所述周期划分时间节点为区间，进行长晶参数变化趋势分析，获得各长晶参数的区间变化趋势，其中，所述长晶参数为晶体生长设备的控制参数，包括投料量、埚位、锅转、埚跟、晶转、长晶拉速、压气流量、炉压、温度变化；
变化趋势分析单元，用于根据各长晶参数的区间变化趋势，确定目标控制参数、稳定参数；
区间寻优执行单元，用于基于所述目标控制参数，构建优化空间，并以所述稳定参数作为约束条件，进行区间寻优，获得第一区间优化控制参数组；
控制参数获得单元，用于依次类推，完成所有区间寻优，获得第N区间优化控制参数组，N为大于2的正整数，将第一区间优化控制参数组、直到第N区间优化控制参数组，获得动态控制参数，所述动态控制参数用于晶体生长设备在晶体生长各周期中进行设备控制。
在一个实施例中，所述系统还包括：
控制约束获得单元，用于获得参数控制宽容度；
关联关系分析单元，用于根据所述第一区间优化控制参数组、第二区间优化控制参数组，获得控制参数相关性、差异值；
排异参数分析单元，用于根据所述控制参数相关性、差异值及所述参数控制宽容度，进行参数控制排斥性分析，确定核心排异参数；
优化参数调整单元，用于基于所述核心排异参数、所述参数控制宽容度进行区间优化控制参数组调整。
在一个实施例中，所述系统还包括：
控制损失计算单元，用于根据所述核心排异参数，进行调整前参数控制损失度计算，获得第一损失值；
损失值计算单元，用于对区间优化控制参数组调整值进行损失度计算，获得第二损失值；
控制参数调整单元，用于当所述第二损失值与第一损失值的差值满足预设条件时，对区间优化控制参数组进行调整。
在一个实施例中，所述系统还包括：
数据特征分析单元，用于根据所述晶体生长量，进行历史长晶数据特征分析，构建晶体性能数据列表；
目标参数获得单元，用于获得晶体目标性能参数，利用晶体目标性能参数与所述晶体性能数据列表进行匹配，确定长晶控制参数及参数取值范围；
控制宽容度获得单元，用于根据所述长晶控制参数及参数取值范围，进行参数差异可行范围分析，获得所述获得参数控制宽容度。
关于一种晶体生长设备控制系统的具体实施例可以参见上文中对于一种晶体生长设备控制方法的实施例，在此不再赘述。上述一种晶体生长设备控制系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种晶体生长设备控制方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种晶体生长设备控制方法，其特征在于，所述方法包括：
获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；
根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；
根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；
根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制；
根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列之前，包括：
根据所述晶体类型、所述粉体配比，进行长晶数据案例库采集，获得晶体案例数据库，其中，所述晶体案例数据库中参数指标包括晶体生长量、热场参数、长晶时间线、长晶评价结果；
以所述长晶评价结果为目标量，晶体生长量为约束条件，基于所述晶体案例数据库，构建热场参数寻优子模型；
基于所述晶体案例数据库，根据长晶时间线确定热场控制节点，对热场参数进行控制节点分解，构建热场分解子模型；
将所述热场参数寻优子模型、所述热场分解子模型进行连接，构建所述智能匹配分析模型；
根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列，包括：
通过所述热场参数寻优子模型，根据所述晶体类型、晶体生长量、粉体配比进行热场参数寻优分析，获得热场参数优化组合；
将所述热场参数优化组合输入所述热场分解子模型，基于长晶时间线进行热场控制节点分解，获得各节点的热场控制参数；
利用所述各节点的热场控制参数与长晶时间线的对应关系，获得所述动态热场变化序列；
根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制，包括：
对所述动态热场变化序列进行热场变化时间节点识别划分，获得热场变化时间节点；
根据所述晶体生长监控周期划分结果、所述热场变化时间节点，进行时间关系对齐及划分节点融合，确定周期划分时间节点；
以所述周期划分时间节点为区间，进行长晶参数变化趋势分析，获得各长晶参数的区间变化趋势，其中，所述长晶参数为晶体生长设备的控制参数，包括投料量、埚位、锅转、埚跟、晶转、长晶拉速、压气流量、炉压、温度变化；
根据各长晶参数的区间变化趋势，确定目标控制参数、稳定参数；
基于所述目标控制参数，构建优化空间，并以所述稳定参数作为约束条件，进行区间寻优，获得第一区间优化控制参数组；
依次类推，完成所有区间寻优，获得第N区间优化控制参数组，N为大于2的正整数，将第一区间优化控制参数组、直到第N区间优化控制参数组，获得动态控制参数，所述动态控制参数用于晶体生长设备在晶体生长各周期中进行设备控制。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获得参数控制宽容度；
根据所述第一区间优化控制参数组、第二区间优化控制参数组，获得控制参数相关性、差异值；
根据所述控制参数相关性、差异值及所述参数控制宽容度，进行参数控制排斥性分析，确定核心排异参数；
基于所述核心排异参数、所述参数控制宽容度进行区间优化控制参数组调整。
3.如权利要求2所述的方法，其特征在于，基于所述核心排异参数、所述参数控制宽容度进行区间优化控制参数组调整，包括：
根据所述核心排异参数，进行调整前参数控制损失度计算，获得第一损失值；
对区间优化控制参数组调整值进行损失度计算，获得第二损失值；
当所述第二损失值与第一损失值的差值满足预设条件时，对区间优化控制参数组进行调整。
4.如权利要求2所述的方法，其特征在于，所述获得参数控制宽容度，包括：
根据所述晶体生长量，进行历史长晶数据特征分析，构建晶体性能数据列表；
获得晶体目标性能参数，利用晶体目标性能参数与所述晶体性能数据列表进行匹配，确定长晶控制参数及参数取值范围；
根据所述长晶控制参数及参数取值范围，进行参数差异可行范围分析，获得所述获得参数控制宽容度。
5.一种晶体生长设备控制系统，其特征在于，所述系统执行权利要求1至4任一项所述的方法，所述系统包括：
制备参数获取模块，用于获取待制备晶体基本参数，其中，基本参数包括晶体类型、晶体生长量、粉体配比；
热场参数匹配模块，用于根据所述晶体类型、晶体生长量、粉体配比，基于智能匹配分析模型进行热场参数匹配，获得动态热场变化序列；
监控周期划分模块，用于根据所述动态热场变化序列，结合所述晶体类型、晶体生长量、粉体配比进行生长参数聚类，基于聚类结果对晶体生长监控周期进行划分；
优化空间构建模块，用于根据晶体生长监控周期划分结果、所述动态热场变化序列结合各周期晶体生长实时状态，构建优化空间，对长晶参数进行优化，基于优化参数组合对晶体生长设备进行控制。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310197639.2A CN116200813B (zh) | 2023-03-03 | 2023-03-03 | 一种晶体生长设备控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310197639.2A CN116200813B (zh) | 2023-03-03 | 2023-03-03 | 一种晶体生长设备控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116200813A CN116200813A (zh) | 2023-06-02 |
| CN116200813B true CN116200813B (zh) | 2023-10-31 |
Family
ID=86510923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310197639.2A Active CN116200813B (zh) | 2023-03-03 | 2023-03-03 | 一种晶体生长设备控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116200813B (zh) |
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 |
| 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 |
| WO2022036538A1 (zh) * | 2020-08-18 | 2022-02-24 | 深圳晶泰科技有限公司 | 有机分子晶体构建方法及系统 |
| CN115613128A (zh) * | 2022-11-01 | 2023-01-17 | 安徽科瑞思创晶体材料有限责任公司 | 一种晶体生长用智能控制系统 |
-
2023
- 2023-03-03 CN CN202310197639.2A patent/CN116200813B/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 |
| 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 |
| WO2022036538A1 (zh) * | 2020-08-18 | 2022-02-24 | 深圳晶泰科技有限公司 | 有机分子晶体构建方法及系统 |
| CN115613128A (zh) * | 2022-11-01 | 2023-01-17 | 安徽科瑞思创晶体材料有限责任公司 | 一种晶体生长用智能控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116200813A (zh) | 2023-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7162075B2 (ja) | バッチプロセスのモデル化、監視及び制御におけるバッチデータの自動アライメントのためのコンピュータシステム、方法およびコンピュータプログラムプロダクト | |
| EP1264224B1 (en) | Process control system | |
| CN110609531A (zh) | 一种基于数字孪生的车间调度方法 | |
| US20060106477A1 (en) | Production plan creation system, method, and program | |
| CN112907150B (zh) | 一种基于遗传算法的生产排程方法 | |
| CN109856973A (zh) | 一种基于模糊神经网络的温室环境控制方法及系统 | |
| CN109507961A (zh) | 一种半导体生产线动态负荷均衡投料控制方法 | |
| CN116200813B (zh) | 一种晶体生长设备控制方法及系统 | |
| Xu et al. | Optimization of multi-stage production scheduling of automated production | |
| CN117033984B (zh) | 结合数字孪生的半导体加工质量预测方法及系统 | |
| CN106845729A (zh) | 一种基于灰色理论的电子产品机柜装配工时确定方法 | |
| Repnikova et al. | Improving control accuracy in multi-connected digital systems | |
| CN111275247B (zh) | 一种基于多种影响因素的极限学习机月度电量预测方法 | |
| CN113762754A (zh) | 一种混合车间低熵自适应调度方法 | |
| CN110262410B (zh) | 一种数据驱动的生产线设备调配控制方法 | |
| Franke et al. | COMPLEX DYNAMICS IN A SIMPLE INPUT‐OUTPUT MODEL WITHOUT THE FULL CAPACITY UTILIZATION HYPOTHESIS | |
| Arakelyan et al. | Analysis of the DCS historical data for estimation of input signal significance | |
| Tang et al. | Predicting bottlenecks in manufacturing shops through capacity and demand observations from multiple perspectives | |
| CN117973815B (zh) | 自适应生产计划智能生成与调整系统及方法 | |
| Huang et al. | Multi-Batch Production Scheduling for Distributed Serial Lines with Unreliable Machines and Finite Buffers | |
| CN106527149A (zh) | 一种可重构制造单元重构点决策方法 | |
| CN113064388B (zh) | 一种半导体生产线的调度优化方法及装置 | |
| CN113609772B (zh) | 基于卷积准循环神经网络的水泥成品比表面积预测方法 | |
| CN107942678B (zh) | 一种无外加测试信号在线闭环建立连续对象模型的方法 | |
| WO2021168783A1 (zh) | 基于非线性规划模型的投产规划系统，投产规划方法和计算机可读存储介质 |
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 |