CN116551700B - 一种超高真空环境的晶圆传送机械臂控制系统及方法 - Google Patents
一种超高真空环境的晶圆传送机械臂控制系统及方法 Download PDFInfo
- Publication number
- CN116551700B CN116551700B CN202310838412.1A CN202310838412A CN116551700B CN 116551700 B CN116551700 B CN 116551700B CN 202310838412 A CN202310838412 A CN 202310838412A CN 116551700 B CN116551700 B CN 116551700B
- Authority
- CN
- China
- Prior art keywords
- wafer
- acceleration
- speed
- turning
- threshold value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 235000012431 wafers Nutrition 0.000 claims abstract description 385
- 230000001133 acceleration Effects 0.000 claims abstract description 124
- 230000033001 locomotion Effects 0.000 claims abstract description 68
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 66
- 238000012549 training Methods 0.000 claims description 39
- 238000003062 neural network model Methods 0.000 claims description 32
- 238000012546 transfer Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
-
- 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)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
Abstract
本发明公开了一种超高真空环境的晶圆传送机械臂控制系统及方法,涉及晶圆传送机械臂控制技术领域,预先收集晶圆传送机械臂在超高真空环境中对晶圆进行传送的运动轨迹,通过实验方式收集每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值,在生产环境实时接收时间控制指令,并基于时间控制指令、速度阈值、加速度阈值、转弯速度阈值以及运动轨迹决策是否执行,若决策为执行,则生成对应的运动速度折线图;若决策为不执行,则向监控人员发送无法执行预警;在满足控制人员对晶圆运输的晶圆期望传送时长的前提下,还保证了晶圆的安全性。
Description
技术领域
本发明涉及晶圆传送机械臂控制技术领域,具体是一种超高真空环境的晶圆传送机械臂控制系统及方法。
背景技术
晶圆搬运机械臂是半导体制造流程中重要的设备之一,用于将晶圆从一个起始位置搬移到目标位置;
与非真空环境中的晶圆传送机械臂的搬运过程相比,在真空环境下,晶圆的脆弱性增加,而机械臂在运动过程中可能会出现微小的抖动或振动,尤其在速度变化太快、高速或复杂轨迹运动时更为明显;
然而在实际搬运过程中,控制人员可能会对晶圆传送机械臂的搬运时间有所要求,尤其是在需要紧急出货时;而目前对晶圆传送机械臂搬运的速度和加速度的调节往往是凭经验的,缺乏一个量化的指导,从而导致在速度或加速度的调节过程中,晶圆或具有破碎的风险,或不能达到预期的搬运时间,因此亟需一种在晶圆搬运时,针对控制人员的时间需求,智能生成对速度和加速度进行控制的方案;
申请公开号为CN108555936A的中国专利公开了一种晶圆搬运机械手臂,包括主体和搬运装置,搬运装置包括分别设置在所述滑杆两端的连接基座和连接底座,所述连接基座用于安装所述搬运头,所述连接底座上还设有用于驱动所述搬运装置升降的升降机构。减小了搬运装置晃动的可能,增加了晶圆的加工精度;但该发明并未能考虑到搬运过程中对搬运时间的需求的问题;
为此,本发明提出一种超高真空环境的晶圆传送机械臂控制系统及方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种超高真空环境的晶圆传送机械臂控制系统及方法,在满足控制人员对晶圆运输的晶圆期望传送时长的前提下,还保证了晶圆的安全性。
为实现上述目的,本发明的技术方案如下:
第一方面,本发明提出一种超高真空环境的晶圆传送机械臂控制系统,包括轨迹收集模块、阈值数据收集模块以及传送控制模块;其中,各个模块之间通过电气方式连接;
其中,所述轨迹收集模块主要用于预先收集晶圆传送机械臂在超高真空环境中对晶圆进行传送的运动轨迹;
所述轨迹收集模块将收集的运动轨迹发送至传送控制模块;
其中,所述阈值数据收集模块主要用于通过实验方式收集每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值;
通过实验方式收集不同晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值的方式为:
机械臂控制后台训练识别晶圆是否破碎的神经网络模型;
在测试环境中,为晶圆传送机械臂安装图像捕获设备,该图像捕获设备安装的位置为能够捕获晶圆传送机械臂上吸附的晶圆的图像的位置;
在测试环境中,通过控制变量方法测试出每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值;
训练识别晶圆是否破碎的神经网络模型的方式为:
预先收集晶圆训练图片集合;所述晶圆训练图片集合中包括若干破碎晶圆图片和未破碎晶圆图片,将破碎晶圆图片的标签和未破碎晶圆图片的标签分别人工标注为不同的数值;
将晶圆训练图片集合输入神经网络模型,所述神经网络模型以每张晶圆训练图片的预测的标签作为输出值,以每张晶圆训练图片对应的人工标注的标签为目标值;以最小化所有晶圆训练图片的预测误差之和作为训练目标;其中,预测误差的计算公式为,其中/>为预测误差,i为晶圆训练图片的编号,/>为第i张晶圆训练图片对应的预测的标签,/>为第i张晶圆训练图片对应的人工标注的标签;对神经网络模型进行训练,直至预测误差之和达到收敛时停止训练;所述神经网络模型为CNN神经网络模型或ResNet网络模型;
测试每种晶圆规格的晶圆的速度阈值包括以下步骤:
步骤S1:预先设置速度步长b1和匀速时长t1,并设置测试速度v,其中测试速度v的值为b1;
步骤S2:将每种晶圆规格的晶圆放置在晶圆初始位置,控制晶圆传送机械臂吸附晶圆,在吸附后,以微小加速度将晶圆加速至测试速度v,并以测试速度v匀速运行匀速时长t1;所述微小加速度为预先经过实验测试的不会导致晶圆破碎的加速度值;图像捕获设备在匀速运行过程中,实时捕获晶圆的图像并将图像输入至机械臂控制后台的神经网络模型中,获得神经网络模型输出的标签;若输出的标签表示未破碎,则将测试速度v更新为v+b1,循环执行步骤S2;若输出的标签表示破碎,则停止循环,将最后一轮循环的测试速度作为对应晶圆规格的晶圆的速度阈值;
测试每种晶圆规格的晶圆的加速度阈值包括以下步骤:
步骤P1:预先设置加速度步长b2和加速结束速度v1,并设置测试加速度a1,其中测试加速度a1的值为b2;所述加速结束速度v1为小于对应晶圆规格的晶圆的速度阈值的任意值;
步骤P2:将每种晶圆规格的晶圆放置在晶圆初始位置,控制晶圆传送机械臂吸附晶圆,在吸附后,以测试加速度a1为加速度对晶圆进行加速,且在晶圆速度达到加速结束速度v1时结束加速;图像捕获设备实时捕获晶圆加速过程中的图像并将图像输入至机械臂控制后台的神经网络模型中,获得神经网络模型输出的标签;若输出的标签表示未破碎,则将测试加速度a1更新为a1+b2,循环执行步骤P2;若输出的标签表示破碎,则停止循环,将最后一轮循环的测试加速度作为加速度阈值;
测试每种晶圆规格的晶圆的转弯速度阈值包括以下步骤:
步骤Q1:预先设置转弯速度步长b3、转弯时长t2以及转弯加速度a2,并设置测试转弯速度v2,其中测试转弯速度v2的值为b3;所述转弯加速度a2为小于对应晶圆规格的晶圆的加速度阈值的任意值;
步骤Q2:对于每个转弯位置,控制晶圆传送机械臂以转弯开始速度v2+0.5×t2×a2的速度,匀速将晶圆运输至运动轨迹中的距离转弯位置之前的位置;以转弯加速度a2进行减速,转过转弯位置;转过转弯位置后,以转弯加速度a2进行加速;基于晶圆位置,判断晶圆路径是否与运动轨迹发生偏移;若发生偏移,则将测试转弯速度v2更新为v2+b3,循环执行步骤Q2;若运动轨迹未发生偏移,将最后一轮循环的测试转弯速度作为对应晶圆规格的晶圆的转弯速度阈值;
所述阈值数据收集模块将每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值发送至传送控制模块;
其中,所述传送控制模块主要用于在实际生产中实时接收时间控制指令,并基于时间控制指令、速度阈值、加速度阈值、转弯速度阈值以及运动轨迹决策是否执行时间控制指令,若决策为执行时间控制指令,则生成对应的运动速度折线图;若决策为不执行时间控制指令,则向监控人员发送无法执行预警;
所述时间控制指令为由控制人员向机械臂控制后台输入晶圆期望传送时长后,控制晶圆传送机械臂根据运动速度折线图进行传送的指令;所述晶圆期望传送时长为由控制人员设置的晶圆传送机械臂将晶圆从晶圆初始位置传送至目标位置的期望时长;
决策是否执行时间控制指令的方式为:
将晶圆期望传送时长标记为E;
将运动轨迹中的所有转弯位置按轨迹运行时间顺序进行编号,每个转弯位置的编号标记为g,其中,g=1,2,3,…G;其中G为运动轨迹中转弯位置的个数;再将晶圆起始位置作为一个转弯并标记为0,将晶圆的目标位置作为一个转弯并标记为G+1;统计每两个转弯位置的距离,将第g个转弯位置和第g+1个转弯位置之间的距离标记为Lg;则运动轨迹的总长度;
统计运动轨迹中拐点的数量N;
晶圆传送机械臂获得待传送晶圆的晶圆规格,将待传送晶圆的晶圆规格的编号标记为i,将第i种晶圆规格的晶圆的速度阈值标记为Vi,将第i种晶圆规格的晶圆的加速度阈值标记为Ai;将第i种晶圆规格的晶片运输至第g个转弯位置的转弯速度阈值标记为Vig;获得待传送晶圆的晶圆规格的方式可以是由机械臂控制后台根据待运输晶圆的尺寸重量等物理性质获得;
计算对第i种晶圆规格的晶圆的最快运输时间Ci;
其中,最快运输时间Ci的计算公式为:;
若Ci小于或等于晶圆期望传送时长E,执行时间控制指令;
若Ci大于晶圆期望传送时长E,不执行时间控制指令;
生成对应的运动速度折线图的方式为:
计算运输折算比例x;其中运输折算比例x的计算公式为:
;
生成的运动速度折线图为:将晶圆从静止状态以加速度阈值加速至速度阈值,再以速度阈值/>匀速运行,在第g个转弯位置之前,以加速度阈值/>减速至转弯速度阈值/>,在经过第g个转弯位置后,以加速度阈值/>加速至速度阈值/>;最后以加速度阈值/>减速至静止,且静止时到达晶圆的目标位置。
第二方面,本发明提出一种超高真空环境的晶圆传送机械臂控制方法,包括以下步骤:
预先收集晶圆传送机械臂在超高真空环境中对晶圆进行传送的运动轨迹;
通过实验方式收集每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值;
在生产环境实时接收时间控制指令,并基于时间控制指令、速度阈值、加速度阈值、转弯速度阈值以及运动轨迹决策是否执行,若决策为执行,则生成对应的运动速度折线图;若决策为不执行,则向监控人员发送无法执行预警。
第三方面,本发明提出一种计算机服务器,包括:处理器和存储器,其中:
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,在机械臂控制后台中执行上述的超高真空环境的晶圆传送机械臂控制方法。
第四方面,本发明提出一种存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行上述的超高真空环境的晶圆传送机械臂控制方法。
与现有技术相比,本发明的有益效果是:
本发明通过预先收集晶圆传送机械臂在超高真空环境中对晶圆进行传送的运动轨迹,再通过实验方式收集每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值,在实际生产中实时接收时间控制指令,并基于时间控制指令、速度阈值、加速度阈值、转弯速度阈值以及运动轨迹计算最快运输时间,当最快运输时间小于或等于晶圆期望传送时长时,判断为存在可行的运动速度折线图,基于晶圆期望传送时长生成运动速度折线图;若最快运输时间大于晶圆期望传送时长,则说明不存在可行的运动速度折线图,发送无法执行预警;在超高真空环境的晶圆更为脆弱的背景下,实现了在满足控制人员的晶圆期望传送时长的前提下,还保证了晶圆的安全性。
附图说明
图1为本发明的实施例1中超高真空环境的晶圆传送机械臂控制系统的模块连接关系图;
图2为本发明实施例1中运动速度轨迹的示例图;
图3为本发明的实施例2中超高真空环境的晶圆传送机械臂控制方法的流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
实施例1
如图1所示,一种超高真空环境的晶圆传送机械臂控制系统,用于机械臂控制后台,包括轨迹收集模块、阈值数据收集模块以及传送控制模块;其中,各个模块之间通过电气方式连接;
其中,所述轨迹收集模块主要用于预先收集晶圆传送机械臂在超高真空环境中对晶圆进行传送的运动轨迹;
可以理解的是,晶圆传送机械臂对晶圆传送的过程包括从晶圆初始位置吸附晶圆、将晶圆按预设的运动轨迹移动至目标位置以及将晶圆放置至目标位置;晶圆初始位置与目标位置之间往往因其他机器阻挡等原因,导致晶圆从初始位置至目标位置之间的运动过程需要转弯;因此,运动轨迹根据超高真空环境、晶圆初始位置和目标位置之间的障碍情况,由专业人员进行设定;
所述轨迹收集模块将收集的运动轨迹发送至传送控制模块;
其中,所述阈值数据收集模块主要用于通过实验方式收集每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值;
可以理解的是,不同晶圆的使用场景不同,因此晶圆规格会有所不同;所述晶圆规格为体现不同晶圆之间区别的物理性质;所述晶圆规格包括但不限于晶圆半径、晶圆厚度以及晶圆重量等;
在一个优选的实施例中,通过实验方式收集不同晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值的方式为:
机械臂控制后台训练识别晶圆是否破碎的神经网络模型;
在测试环境中,为晶圆传送机械臂安装图像捕获设备,该图像捕获设备安装的位置为能够捕获晶圆传送机械臂上吸附的晶圆的图像的位置;
在测试环境中,通过控制变量方法测试出每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值;
训练识别晶圆是否破碎的神经网络模型的方式为:
预先收集晶圆训练图片集合;所述晶圆训练图片集合中包括若干破碎晶圆图片和未破碎晶圆图片,将破碎晶圆图片的标签和未破碎晶圆图片的标签分别人工标注为不同的数值;例如,破碎晶圆图片标签标记为1,未破碎晶圆图片标签标记为0;
将晶圆训练图片集合输入神经网络模型,所述神经网络模型以每张晶圆训练图片的预测的标签作为输出值,以每张晶圆训练图片对应的人工标注的标签为目标值;以最小化所有晶圆训练图片的预测误差之和作为训练目标;其中,预测误差的计算公式为,其中/>为预测误差,i为晶圆训练图片的编号,/>为第i张晶圆训练图片对应的预测的标签,/>为第i张晶圆训练图片对应的人工标注的标签;对神经网络模型进行训练,直至预测误差之和达到收敛时停止训练;优选的,所述神经网络模型为CNN神经网络模型或ResNet网络模型;
测试每种晶圆规格的晶圆的速度阈值包括以下步骤:
步骤S1:预先设置速度步长b1和匀速时长t1,并设置测试速度v,其中测试速度v的值为b1;
步骤S2:将每种晶圆规格的晶圆放置在晶圆初始位置,控制晶圆传送机械臂吸附晶圆,在吸附后,以微小加速度将晶圆加速至测试速度v,并以测试速度v匀速运行匀速时长t1;所述微小加速度为预先经过实验测试的不会导致晶圆破碎的加速度值;图像捕获设备在匀速运行过程中,实时捕获晶圆的图像并将图像输入至机械臂控制后台的神经网络模型中,获得神经网络模型输出的标签;若输出的标签表示未破碎,则将测试速度v更新为v+b1,循环执行步骤S2;若输出的标签表示破碎,则停止循环,将最后一轮循环的测试速度作为对应晶圆规格的晶圆的速度阈值;
测试每种晶圆规格的晶圆的加速度阈值包括以下步骤:
步骤P1:预先设置加速度步长b2和加速结束速度v1,并设置测试加速度a1,其中测试加速度a1的值为b2;所述加速结束速度v1为小于对应晶圆规格的晶圆的速度阈值的任意值;
步骤P2:将每种晶圆规格的晶圆放置在晶圆初始位置,控制晶圆传送机械臂吸附晶圆,在吸附后,以测试加速度a1为加速度对晶圆进行加速,且在晶圆速度达到加速结束速度v1时结束加速;图像捕获设备实时捕获晶圆加速过程中的图像并将图像输入至机械臂控制后台的神经网络模型中,获得神经网络模型输出的标签;若输出的标签表示未破碎,则将测试加速度a1更新为a1+b2,循环执行步骤P2;若输出的标签表示破碎,则停止循环,将最后一轮循环的测试加速度作为加速度阈值;
测试每种晶圆规格的晶圆的转弯速度阈值包括以下步骤:
步骤Q1:预先设置转弯速度步长b3、转弯时长t2以及转弯加速度a2,并设置测试转弯速度v2,其中测试转弯速度v2的值为b3;所述转弯加速度a2为小于对应晶圆规格的晶圆的加速度阈值的任意值;
步骤Q2:对于每个转弯位置,控制晶圆传送机械臂以转弯开始速度v2+0.5×t2×a2的速度,匀速将晶圆运输至运动轨迹中的距离转弯位置之前的位置;以转弯加速度a2进行减速,转过转弯位置;转过转弯位置后,以转弯加速度a2进行加速;基于晶圆位置,判断晶圆路径是否与运动轨迹发生偏移;若发生偏移,则将测试转弯速度v2更新为v2+b3,循环执行步骤Q2;若运动轨迹未发生偏移,将最后一轮循环的测试转弯速度作为对应晶圆规格的晶圆的转弯速度阈值;判断运动轨迹是否发生偏移根据实际的对运动轨迹准确性的需求确定;
所述阈值数据收集模块将每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值发送至传送控制模块;
其中,所述传送控制模块主要用于在实际生产中实时接收时间控制指令,并基于时间控制指令、速度阈值、加速度阈值、转弯速度阈值以及运动轨迹决策是否执行时间控制指令,若决策为执行时间控制指令,则生成对应的运动速度折线图;若决策为不执行时间控制指令,则向监控人员发送无法执行预警;
需要说明的是,在晶圆传送机械臂对晶圆进行传送的整个过程中,将晶圆吸附再移动,需要将晶圆从静止状态进行加速,加速至一定速度后,匀速传送;同理将晶圆放置至目标位置时,需要将晶圆从一定速度减速至静止状态;再进一步的,在控制晶圆转弯的过程中,同样需要先进行减速后进行加速,因此,在整个晶圆传送机械臂对晶圆传送的过程中,晶圆的速度整体是如图2所示的折线形式;而运动速度折线图中的每个拐点根据运动轨迹而确定;所述拐点为运动轨迹中需要加速或需要减速的位置;
所述时间控制指令为由控制人员向机械臂控制后台输入晶圆期望传送时长后,控制晶圆传送机械臂根据运动速度折线图进行传送的指令;所述晶圆期望传送时长为由控制人员设置的晶圆传送机械臂将晶圆从晶圆初始位置传送至目标位置的期望时长,可以理解的是,晶圆期望传送时长的输入方式可以是从可视化界面输入或远程控制等有线或无线连接的方式输入;
决策是否执行时间控制指令的方式为:
将晶圆期望传送时长标记为E;
将运动轨迹中的所有转弯位置按轨迹运行时间顺序进行编号,每个转弯位置的编号标记为g,其中,g=1,2,3,…G;其中G为运动轨迹中转弯位置的个数;再将晶圆起始位置作为一个转弯并标记为0,将晶圆的目标位置作为一个转弯并标记为G+1;统计每两个转弯位置的距离,将第g个转弯位置和第g+1个转弯位置之间的距离标记为Lg;则运动轨迹的总长度;
统计运动轨迹中拐点的数量N;可以理解的是,拐点的数量N=3×G+2,因在转弯处需要先减速后加速,故每个转弯的位置有三个拐点,且三个拐点中间的拐点是转弯的位置;而将晶圆吸附后,需要进行加速,以及放置晶圆时需要减速,因此,在加速后进入匀速运动时存在一个拐点,减速前存在一个拐点;
晶圆传送机械臂获得待传送晶圆的晶圆规格,将待传送晶圆的晶圆规格的编号标记为i,将第i种晶圆规格的晶圆的速度阈值标记为Vi,将第i种晶圆规格的晶圆的加速度阈值标记为Ai;将第i种晶圆规格的晶片运输至第g个转弯位置的转弯速度阈值标记为Vig;获得待传送晶圆的晶圆规格的方式可以是由机械臂控制后台根据待运输晶圆的尺寸重量等物理性质获得;
计算对第i种晶圆规格的晶圆的最快运输时间Ci;
其中,最快运输时间Ci的计算公式为:;
需要说明的是,Ci的推导方式为:
对晶圆进行时间最短的运输方式为将晶圆从静止状态以加速度阈值Ai加速至速度阈值Vi,再以速度阈值Vi匀速运行,在第g个转弯位置之前,以加速度阈值Ai减速至转弯速度阈值Vig,再经过第g个转弯位置后,以加速度阈值Ai加速至速度阈值Vi;最后以加速度阈值Ai减速至静止,且静止时到达晶圆的目标位置;在此运输方式下,可获得如下等式:
;其中/>为假设晶圆在转弯时不进行减速时,运输的时长为运输时长Ci的距离,/>为晶圆经过所有转弯因减速再加速所导致的距离的总损失;
若Ci小于或等于晶圆期望传送时长E,则说明存在可行的运动速度折线图,执行时间控制指令;
若Ci大于晶圆期望传送时长E,则说明不存在可行的运动速度折线图,不执行时间控制指令;
生成对应的运动速度折线图的方式为:
计算运输折算比例x;其中运输折算比例x的计算公式为:
;
生成的运动速度折线图为:将晶圆从静止状态以加速度阈值加速至速度阈值,再以速度阈值/>匀速运行,在第g个转弯位置之前,以加速度阈值/>减速至转弯速度阈值/>,在经过第g个转弯位置后,以加速度阈值/>加速至速度阈值/>;最后以加速度阈值/>减速至静止,且静止时到达晶圆的目标位置;
需要说明的是运输折算比例x的推导过程为:
在将最快运输时间Ci替换为晶圆期望传送时长E,将速度阈值、加速度阈值以及转弯速度阈值经过同等比例除以x后,可获得等式:
;
求解可得x;
再进一步说明的是,当E=Ci时,x的值为1,而当E>Ci时,由于x与E的关系为正比例关系,因此x的值大于1,从而速度阈值、加速度阈值以及转弯速度阈值经过同等比例除以x后均小于对应的速度阈值、加速度阈值以及转弯速度阈值,从而保证在满足晶圆期望传送时长E的前提下,还保证了晶圆的安全性。
实施例2
如图3所示,一种超高真空环境的晶圆传送机械臂控制方法,包括以下步骤:
预先收集晶圆传送机械臂在超高真空环境中对晶圆进行传送的运动轨迹;
通过实验方式收集每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值;
在生产环境实时接收时间控制指令,并基于时间控制指令、速度阈值、加速度阈值、转弯速度阈值以及运动轨迹决策是否执行,若决策为执行,则生成对应的运动速度折线图;若决策为不执行,则向监控人员发送无法执行预警。
实施例3
本实施例提供一种计算机服务器,包括:处理器和存储器,其中:
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,在机械臂控制后台中执行上述的超高真空环境的晶圆传送机械臂控制方法。
实施例4
本实施例提供一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行上述的超高真空环境的晶圆传送机械臂控制方法。
以上的预设的参数或预设的阈值均由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种超高真空环境的晶圆传送机械臂控制方法,其特征在于,包括以下步骤:
预先收集晶圆传送机械臂在超高真空环境中对晶圆进行传送的运动轨迹;
通过实验方式收集每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值;
在生产环境实时接收时间控制指令,并基于时间控制指令、速度阈值、加速度阈值、转弯速度阈值以及运动轨迹决策是否执行时间控制指令,若决策为执行时间控制指令,则生成对应的运动速度折线图;若决策为不执行时间控制指令,则向监控人员发送无法执行预警;
通过实验方式收集不同晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值的方式为:
机械臂控制后台训练识别晶圆是否破碎的神经网络模型;
在测试环境中,为晶圆传送机械臂安装图像捕获设备,该图像捕获设备安装的位置为能够捕获晶圆传送机械臂上吸附的晶圆的图像的位置;
在测试环境中,通过控制变量方法测试出每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值;
训练识别晶圆是否破碎的神经网络模型的方式为:
预先收集晶圆训练图片集合;所述晶圆训练图片集合中包括若干破碎晶圆图片和未破碎晶圆图片,将破碎晶圆图片的标签和未破碎晶圆图片的标签分别人工标注为不同的数值;
将晶圆训练图片集合输入神经网络模型,所述神经网络模型以每张晶圆训练图片的预测的标签作为输出值,以每张晶圆训练图片对应的人工标注的标签为目标值;以最小化所有晶圆训练图片的预测误差之和作为训练目标;其中,预测误差的计算公式为,其中/>为预测误差,i为晶圆训练图片的编号,/>为第i张晶圆训练图片对应的预测的标签,/>为第i张晶圆训练图片对应的人工标注的标签;对神经网络模型进行训练,直至预测误差之和达到收敛时停止训练;
所述神经网络模型为CNN神经网络模型或ResNet网络模型;
测试每种晶圆规格的晶圆的速度阈值包括以下步骤:
步骤S1:预先设置速度步长b1和匀速时长t1,并设置测试速度v,其中测试速度v的值为b1;
步骤S2:将每种晶圆规格的晶圆放置在晶圆初始位置,控制晶圆传送机械臂吸附晶圆,在吸附后,以微小加速度将晶圆加速至测试速度v,并以测试速度v匀速运行匀速时长t1;所述微小加速度为预先经过实验测试的不会导致晶圆破碎的加速度值;图像捕获设备在匀速运行过程中,实时捕获晶圆的图像并将图像输入至机械臂控制后台的神经网络模型中,获得神经网络模型输出的标签;若输出的标签表示未破碎,则将测试速度v更新为v+b1,循环执行步骤S2;若输出的标签表示破碎,则停止循环,将最后一轮循环的测试速度作为对应晶圆规格的晶圆的速度阈值。
2.根据权利要求1所述的一种超高真空环境的晶圆传送机械臂控制方法,其特征在于,测试每种晶圆规格的晶圆的加速度阈值包括以下步骤:
步骤P1:预先设置加速度步长b2和加速结束速度v1,并设置测试加速度a1,其中测试加速度a1的值为b2;所述加速结束速度v1为小于对应晶圆规格的晶圆的速度阈值的任意值;
步骤P2:将每种晶圆规格的晶圆放置在晶圆初始位置,控制晶圆传送机械臂吸附晶圆,在吸附后,以测试加速度a1为加速度对晶圆进行加速,且在晶圆速度达到加速结束速度v1时结束加速;图像捕获设备实时捕获晶圆加速过程中的图像并将图像输入至机械臂控制后台的神经网络模型中,获得神经网络模型输出的标签;若输出的标签表示未破碎,则将测试加速度a1更新为a1+b2,循环执行步骤P2;若输出的标签表示破碎,则停止循环,将最后一轮循环的测试加速度作为加速度阈值。
3.根据权利要求2所述的一种超高真空环境的晶圆传送机械臂控制方法,其特征在于,测试每种晶圆规格的晶圆的转弯速度阈值包括以下步骤:
步骤Q1:预先设置转弯速度步长b3、转弯时长t2以及转弯加速度a2,并设置测试转弯速度v2,其中测试转弯速度v2的值为b3;所述转弯加速度a2为小于对应晶圆规格的晶圆的加速度阈值的任意值;
步骤Q2:对于每个转弯位置,控制晶圆传送机械臂以转弯开始速度v2+0.5×t2×a2的速度,匀速将晶圆运输至运动轨迹中的距离转弯位置之前的位置;以转弯加速度a2进行减速,转过转弯位置;转过转弯位置后,以转弯加速度a2进行加速;基于晶圆位置,判断晶圆路径是否与运动轨迹发生偏移;若发生偏移,则将测试转弯速度v2更新为v2+b3,循环执行步骤Q2;若运动轨迹未发生偏移,将最后一轮循环的测试转弯速度作为对应晶圆规格的晶圆的转弯速度阈值。
4.根据权利要求3所述的一种超高真空环境的晶圆传送机械臂控制方法,其特征在于,决策是否执行时间控制指令的方式为:
将晶圆期望传送时长标记为E;
将运动轨迹中的所有转弯位置按轨迹运行时间顺序进行编号,每个转弯位置的编号标记为g,其中,g=1,2,3,…G;其中G为运动轨迹中转弯位置的个数;再将晶圆起始位置作为一个转弯并标记为0,将晶圆的目标位置作为一个转弯并标记为G+1;统计每两个转弯位置的距离,将第g个转弯位置和第g+1个转弯位置之间的距离标记为Lg;则运动轨迹的总长度;
统计运动轨迹中拐点的数量N;
晶圆传送机械臂获得待传送晶圆的晶圆规格,将待传送晶圆的晶圆规格的编号标记为i,将第i种晶圆规格的晶圆的速度阈值标记为Vi,将第i种晶圆规格的晶圆的加速度阈值标记为Ai;将第i种晶圆规格的晶片运输至第g个转弯位置的转弯速度阈值标记为Vig;
计算对第i种晶圆规格的晶圆的最快运输时间Ci;
其中,最快运输时间Ci的计算公式为:;
若Ci小于或等于晶圆期望传送时长E,执行时间控制指令;
若Ci大于晶圆期望传送时长E,不执行时间控制指令;
所述时间控制指令为由控制人员向机械臂控制后台输入晶圆期望传送时长后,控制晶圆传送机械臂根据运动速度折线图进行传送的指令;所述晶圆期望传送时长为由控制人员设置的晶圆传送机械臂将晶圆从晶圆初始位置传送至目标位置的期望时长。
5.根据权利要求4所述的一种超高真空环境的晶圆传送机械臂控制方法,其特征在于,生成对应的运动速度折线图的方式为:
计算运输折算比例x;其中运输折算比例x的计算公式为:
;
生成的运动速度折线图为:将晶圆从静止状态以加速度阈值加速至速度阈值/>,再以速度阈值/>匀速运行,在第g个转弯位置之前,以加速度阈值/>减速至转弯速度阈值/>,在经过第g个转弯位置后,以加速度阈值/>加速至速度阈值/>;最后以加速度阈值/>减速至静止,且静止时到达晶圆的目标位置。
6.一种超高真空环境的晶圆传送机械臂控制系统,其基于权利要求1-5任意一项所述的超高真空环境的晶圆传送机械臂控制方法实现,其特征在于,包括轨迹收集模块、阈值数据收集模块以及传送控制模块;其中,各个模块之间通过电气方式连接;
轨迹收集模块,预先收集晶圆传送机械臂在超高真空环境中对晶圆进行传送的运动轨迹,并将收集的运动轨迹发送至传送控制模块;
阈值数据收集模块,通过实验方式收集每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值,并将每种晶圆规格的晶圆的速度阈值、加速度阈值以及转弯速度阈值发送至传送控制模块;
传送控制模块主要用于在实际生产中实时接收时间控制指令,并基于时间控制指令、速度阈值、加速度阈值、转弯速度阈值以及运动轨迹决策是否执行,若决策为执行,则生成对应的运动速度折线图;若决策为不执行,则向监控人员发送无法执行预警。
7.一种计算机服务器,其特征在于,包括:处理器和存储器,其中:
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,在机械臂控制后台中执行权利要求1-5任意一项所述的超高真空环境的晶圆传送机械臂控制方法。
8.一种计算机可读存储介质,其特征在于,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行权利要求1-5任意一项所述的超高真空环境的晶圆传送机械臂控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310838412.1A CN116551700B (zh) | 2023-07-10 | 2023-07-10 | 一种超高真空环境的晶圆传送机械臂控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310838412.1A CN116551700B (zh) | 2023-07-10 | 2023-07-10 | 一种超高真空环境的晶圆传送机械臂控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116551700A CN116551700A (zh) | 2023-08-08 |
CN116551700B true CN116551700B (zh) | 2023-09-12 |
Family
ID=87488333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310838412.1A Active CN116551700B (zh) | 2023-07-10 | 2023-07-10 | 一种超高真空环境的晶圆传送机械臂控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116551700B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116810825B (zh) * | 2023-08-30 | 2023-11-03 | 泓浒(苏州)半导体科技有限公司 | 一种真空环境下晶圆传送机械臂异常监测方法及系统 |
CN117080139B (zh) * | 2023-10-12 | 2023-12-15 | 泓浒(苏州)半导体科技有限公司 | 基于真空吸附技术的晶圆传送控制方法及传送控制系统 |
CN117727666B (zh) * | 2024-02-07 | 2024-04-19 | 泓浒(苏州)半导体科技有限公司 | 一种超高真空环境的晶圆传送载具的控制系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101508113A (zh) * | 2009-03-11 | 2009-08-19 | 哈尔滨工业大学 | 一种基于余弦二阶的机器人轨迹规划方法 |
US20180229361A1 (en) * | 2017-02-15 | 2018-08-16 | Persimmon Technologies, Corp. | Material-Handling Robot Trajectory Control |
CN108858251A (zh) * | 2018-08-30 | 2018-11-23 | 东北大学 | 一种高速运动机械手的防碰撞系统 |
CN109176504A (zh) * | 2018-08-09 | 2019-01-11 | 深圳蓝胖子机器人有限公司 | 机械手路径规划方法及装置 |
CN114274129A (zh) * | 2022-01-12 | 2022-04-05 | 上海景吾酷租科技发展有限公司 | 基于视觉引导的机械臂运动规划与控制方法、系统及介质 |
CN115439782A (zh) * | 2022-09-01 | 2022-12-06 | 沈阳中科奥维科技股份有限公司 | 基于深度学习和机器视觉的破碎口蓬料检测方法 |
CN116277037A (zh) * | 2023-05-19 | 2023-06-23 | 泓浒(苏州)半导体科技有限公司 | 一种晶圆搬运机械臂控制系统及方法 |
CN116342555A (zh) * | 2023-03-30 | 2023-06-27 | 晶栅科技(苏州)有限公司 | 基于深度学习的晶圆规则性失效检测定位方法及相关装置 |
-
2023
- 2023-07-10 CN CN202310838412.1A patent/CN116551700B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101508113A (zh) * | 2009-03-11 | 2009-08-19 | 哈尔滨工业大学 | 一种基于余弦二阶的机器人轨迹规划方法 |
US20180229361A1 (en) * | 2017-02-15 | 2018-08-16 | Persimmon Technologies, Corp. | Material-Handling Robot Trajectory Control |
CN109176504A (zh) * | 2018-08-09 | 2019-01-11 | 深圳蓝胖子机器人有限公司 | 机械手路径规划方法及装置 |
CN108858251A (zh) * | 2018-08-30 | 2018-11-23 | 东北大学 | 一种高速运动机械手的防碰撞系统 |
CN114274129A (zh) * | 2022-01-12 | 2022-04-05 | 上海景吾酷租科技发展有限公司 | 基于视觉引导的机械臂运动规划与控制方法、系统及介质 |
CN115439782A (zh) * | 2022-09-01 | 2022-12-06 | 沈阳中科奥维科技股份有限公司 | 基于深度学习和机器视觉的破碎口蓬料检测方法 |
CN116342555A (zh) * | 2023-03-30 | 2023-06-27 | 晶栅科技(苏州)有限公司 | 基于深度学习的晶圆规则性失效检测定位方法及相关装置 |
CN116277037A (zh) * | 2023-05-19 | 2023-06-23 | 泓浒(苏州)半导体科技有限公司 | 一种晶圆搬运机械臂控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116551700A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116551700B (zh) | 一种超高真空环境的晶圆传送机械臂控制系统及方法 | |
US7274971B2 (en) | Methods and apparatus for electronic device manufacturing system monitoring and control | |
CN107597600A (zh) | 分拣系统和分拣方法 | |
EP4140605A1 (en) | Sorting vehicle, goods sorting system, and goods sorting method | |
US20190369600A1 (en) | Method And A System For Controlling A Velocity Of A Conveyance Path | |
US11833690B2 (en) | Robotic system with dynamic motion adjustment mechanism and methods of operating same | |
CN116050690A (zh) | 一种oht小车路径规划方法、装置及终端 | |
TWI825555B (zh) | 自動化物料運輸系統軌道管控的系統與方法 | |
US20090088894A1 (en) | Transport system capable of optimizing transport time | |
US20210223783A1 (en) | Method and system for traversing planned path in marked facility | |
CN113533764A (zh) | 流水线运输方法和装置 | |
TWI592775B (zh) | 機器設備端效器於生產作業系統的軌跡規劃與控制方法 | |
CN1763674A (zh) | 制程控制方法及制程控制系统 | |
US10994948B1 (en) | Item singulation systems using orthogonal conveyors | |
CN113120505A (zh) | 输送装置和输送方法 | |
CN117817652B (zh) | 基于晶圆传送机械臂的晶圆传送故障分析方法 | |
CN114433490A (zh) | 一种检测物品分拣异常的方法、系统及存储介质 | |
CN110875218A (zh) | 半导体制造设备及方法 | |
JP2006188327A (ja) | 走行体の減速停止方法 | |
WO2023090844A1 (ko) | 물류 로봇 이상 감지 방법, 장치 및 시스템 | |
US20240066686A1 (en) | Robotic gripper alignment monitoring system | |
CN115799138B (zh) | 控制半导体晶圆在传输装置上定位停止的方法 | |
KR102473296B1 (ko) | 픽앤플레이스 모니터링 방법, 그의 제어 장치 및 시스템 | |
KR102305322B1 (ko) | 진공 흡착 장치의 오류 검출 방법 및 진공 흡착 장치의 오류 검출 시스템 | |
CN111341709B (zh) | 基片传输方法、控制模块和基片传输系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |