CN116627101A - 一种复合基片生产线的控制方法及系统 - Google Patents
一种复合基片生产线的控制方法及系统 Download PDFInfo
- Publication number
- CN116627101A CN116627101A CN202310892882.6A CN202310892882A CN116627101A CN 116627101 A CN116627101 A CN 116627101A CN 202310892882 A CN202310892882 A CN 202310892882A CN 116627101 A CN116627101 A CN 116627101A
- Authority
- CN
- China
- Prior art keywords
- production
- node
- composite
- nodes
- adsorption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 411
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 225
- 239000002131 composite material Substances 0.000 title claims abstract description 114
- 239000000758 substrate Substances 0.000 title claims abstract description 99
- 230000008569 process Effects 0.000 claims abstract description 361
- 238000001179 sorption measurement Methods 0.000 claims abstract description 87
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims description 47
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 17
- 230000007246 mechanism Effects 0.000 claims description 11
- 238000011112 process operation Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 9
- 230000001276 controlling effect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000000206 photolithography Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000005229 chemical vapour deposition Methods 0.000 description 3
- 238000012351 Integrated analysis Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 108091081062 Repeated sequence (DNA) Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000000623 plasma-assisted chemical vapour deposition Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000007740 vapor deposition Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种复合基片生产线的控制方法及系统，属于智能控制领域，其中方法包括：获取复合基片的多个工序节点及其之间的连接关系，通过建立工序网络模型完整描述复合基片生产线；获取工序节点对应的生产干扰指标和生产吸附指标，通过对指标进行综合分析，输出生产线控制的第一约束条件；基于第一约束条件，对工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链；根据第一复合工序链对复合基片生产线进行控制，完成生产任务，本申请解决了现有技术中复合基片生产损失大，产品质量低的技术问题，达到了实现复合基片生产线全局最优控制，最大限度减少生产损失，提高产品质量的技术效果。
Description
技术领域
本发明涉及智能控制领域，具体涉及一种复合基片生产线的控制方法及系统。
背景技术
随着集成电路制造技术的发展，半导体器件的集成度不断增加，各种复合基片不断涌现。然而，现有技术中，在对复合基片生产线控制方面无法对复合基片生产线进行全局最优控制，难以在生产控制的全过程中最大限度减少生产损失，提高产品质量。
发明内容
本申请通过提供了一种复合基片生产线的控制方法及系统，旨在解决现有技术中复合基片生产损失大，产品质量低的技术问题。
鉴于上述问题，本申请提供了一种复合基片生产线的控制方法及系统。
本申请公开的第一个方面，提供了一种复合基片生产线的控制方法，该方法包括：获取生产目标基片的多个工序节点，其中，每个工序节点对应一个工序操作步骤；按照多个工序节点之间的连接关系，建立工序网络模型，其中，工序网络模型包括起始工序节点和末端工序节点；获取多个工序节点对应的生产干扰指标和生产吸附指标；基于生产干扰指标和生产吸附指标进行损失分析，输出第一约束条件；基于第一约束条件，对工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，其中，第一复合工序链为基于起始工序节点和末端工序节点路径表示的一个可供执行的工序链；将第一复合工序链作为目标基片的生产线进行控制。
本申请公开的另一个方面，提供了一种复合基片生产线的控制系统，该系统包括：工序节点获取模块，用于获取生产目标基片的多个工序节点，其中，每个工序节点对应一个工序操作步骤；工序网络建立模块，用于按照多个工序节点之间的连接关系，建立工序网络模型，其中，工序网络模型包括起始工序节点和末端工序节点；生产指标获取模块，用于获取多个工序节点对应的生产干扰指标和生产吸附指标；损失分析模块，基于生产干扰指标和生产吸附指标进行损失分析，输出第一约束条件；全局最优分析模块，基于第一约束条件，对工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，其中，第一复合工序链为基于起始工序节点和末端工序节点路径表示的一个可供执行的工序链；生产线控制模块，用于将第一复合工序链作为目标基片的生产线进行控制。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获取生产目标复合基片的多个工序节点及其之间的连接关系，通过建立工序网络模型完整描述复合基片生产线；获取工序节点对应的生产干扰和生产吸附指标进行综合分析，输出复合基片生产线控制的第一约束条件；基于第一约束条件，对工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，该第一复合工序链表示从起始工序节点到末端工序节点的一条可执行的最优工序路径；根据第一复合工序链对复合基片生产线进行控制，完成生产任务的技术方案，解决现有技术中复合基片生产损失大，产品质量低的技术问题，达到实现复合基片生产线全局最优控制，最大限度减少生产损失，提高产品质量的技术效果。
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为本申请实施例提供了一种复合基片生产线的控制方法可能的流程示意图；
图2为本申请实施例提供了一种复合基片生产线的控制方法中形成第一复合工序链可能的流程示意图；
图3为本申请实施例提供了一种复合基片生产线的控制方法中生产线控制可能的流程示意图；
图4为本申请实施例提供了一种复合基片生产线的控制系统可能的结构示意图。
附图标记说明：工序节点获取模块11，工序网络建立模块12，生产指标获取模块13，损失分析模块14，全局最优分析模块15，生产线控制模块16。
具体实施方式
本申请提供的技术方案总体思路如下：
本申请实施例提供了一种复合基片生产线的控制方法及系统。首先，获取生产目标复合基片的多个工序节点及其之间的连接关系，建立工序网络模型完整描述复合基片生产线；然后，获取工序节点对应的生产干扰指标和生产吸附指标，通过对生产干扰指标和生产吸附指标进行综合分析，输出第一约束条件；之后，基于第一约束条件，对工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，该第一复合工序链表示从起始工序节点到末端工序节点的一条可执行的最优工序路径；最后，根据第一复合工序链对复合基片生产线进行控制，完成生产任务。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一：
如图1所示，本申请实施例提供了一种复合基片生产线的控制方法，该方法包括：
步骤S100：获取生产目标基片的多个工序节点，其中，每个工序节点对应一个工序操作步骤；
具体而言，通过查阅基片生产线的流程图或工艺路线、实地勘查基片生产线、查阅基片生产线的设备配置文件或工艺参数设定文件、专家审核等方式获取生产目标基片的多个工序节点。
工序节点是指复合基片生产线上的操作位置，在该位置上执行某一个具体的工序操作步骤，如光刻、显影、刻蚀等，以完成基片的加工。例如，某复合基片生产线上的工序节点包括光刻节点、化学气相沉积节点、刻蚀节点、洗涤节点、等离子体增强化学气相沉积节点等，每个工序节点对应一个工序操作步骤，如光刻节点对应进行光刻工艺，化学气相沉积节点对应进行化学气相沉积工艺等。
通过获取基片生产线上涉及的所有工序节点及其对应的工序操作步骤，全面掌握整个基片生产过程，为后续实施基片生产线的控制和优化提供基础。
步骤S200：按照所述多个工序节点之间的连接关系，建立工序网络模型，其中，所述工序网络模型包括起始工序节点和末端工序节点；
具体而言，获取生产目标复合基片的多个工序节点后，按照这些工序节点在实际生产线中的相互连接关系，即工艺流转的顺序和逻辑，将它们组织成一个连续的网络模型，该网络模型应当包含完整的工序节点，并以起始工序节点开始，以末端工序节点结束，表示生产线的全过程。其中，起始工序节点指工序网络模型中的第一个工序节点，代表整个生产过程的开始，对应生产线上的最初操作；末端工序节点指工序网络模型中的最后一个工序节点，代表整个生产过程的结束，对应生产线上的最终操作。
首先，根据生产线的工艺流程图，提取各工序节点在流程中的顺序和转换关系，构建网络模型的框架结构，确定网络模型的起始节点、末端节点以及中间节点，例如，某复合基片生产线的工序网络模型的起始工序节点为晶圆入卡，中间工序节点包括热处理、氧化、光刻、离子浅注入、气相淀积、平面化等，末端工序节点为晶圆测量与包装。其次，在工序网络模型的框架结构上，基于工序节点之间的相邻位置，设置初步的连线，然后核对连线是否与实际工艺流程一致，不存在的连线应当删除，多余的连线应当增加；然后，对照生产线的工艺流程图或工艺参数表，确认各工序节点之间的前后依赖关系，设置精确的连线，获得工序网络模型。
通过构建完整准确的工序网络模型，明确反映生产线的具体工艺流程，为生产控制和优化分析等后续工作提供重要依据。网络模型也需要持续更新，以匹配生产线的最新情况。
步骤S300：获取所述多个工序节点对应的生产干扰指标和生产吸附指标；
具体而言，生产干扰指标是用于衡量工序节点在实际生产中会受到的各种干扰因素的定量指标。生产线上的工序节点会面临各种干扰，如温度波动、气氛污染、机械振动幅度过大等，这些干扰会对工序的稳定性和产品质量产生一定影响。生产干扰指标通过识别和评估各种干扰因素对工序节点的影响程度，生成量化的干扰指数，以指示该工序节点所面临的干扰状况。
生产吸附指标是用于表征工序节点的基片表面在实际生产条件下的吸附性能的定量指标。在基片生产过程中，基片表面与周边环境会发生物理吸附或化学吸附作用，如果吸附过强，会对后续工序操作和基片性能产生影响。生产吸附指标通过评估基片表面与周边环境之间的吸附作用，生成代表基片吸附程度的定量值，以反映工序节点的基片吸附状况。
首先，查阅工序节点的设备清单和工艺参数表，分析不同设备及工艺参数设置可能产生的干扰因素和对基片吸附性的影响，生成初步的生产干扰和生产吸附指标值；其次，在工序节点实际运行期间，采用监测设备记录温度、气氛、震动等数据，并将数据结果与工艺要求进行比对，判断对工序稳定性和基片吸附性的影响程度，修正初步指标值；在工序节点实际运行后，对基片的质量指标和性能进行检测，如表面污染度、残留应力、脆化程度等，并与工序条件进行对应，二次修正指标值，获得生产干扰指标和生产吸附指标，为后续工序网络模型的损失分析和优化算法奠定基础。
步骤S400：基于所述生产干扰指标和所述生产吸附指标进行损失分析，输出第一约束条件；
具体而言，生产干扰指标和生产吸附指标准确反映工序节点在实际生产中的干扰状况和基片吸附性能。如果工序节点的干扰较大或基片吸附过强，会对产品质量和产能造成一定损失。因此，基于这两个指标对工序网络模型进行损失评估分析，找出对生产线产生较大损失的工序节点，以此作为优化控制的约束条件。
先通过专家评判法对生产干扰指标和生产吸附指标两个指标在影响生产线损失中的作用进行评分获得对应的权重值；再将生产干扰指标和生产吸附指标的值与其权重相乘，得到两个指标的加权值，反映工序节点可能造成的损失大小；然后，设置阈值，用于判断加权值较大的工序节点，当加权值超过阈值，表明该工序节点的干扰或吸附状况会对生产线造成显著损失。比较各工序节点的加权值，找出大于阈值的工序节点，将这些工序节点及对应的加权值构成第一约束条件，用于限定优化算法的方向。同时，第一约束条件随生产干扰指标和生产吸附指标的更新进行修正，当某工序节点的状况得到改善，需重新评估其在约束条件中的作用，调整约束条件。
通过基于生产干扰指标和生产吸附指标生成较为第一约束条件，得到对生产线产生较大损失的工序节点，为后续的全局最优算法分析提供优化的方向和限定。
步骤S500:基于所述第一约束条件，对所述工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，其中，所述第一复合工序链为基于所述起始工序节点和所述末端工序节点路径表示的一个可供执行的工序链；
具体而言，全局最优算法分析是指在满足工艺流程和设备配置等限定条件的前提下，对工序网络模型进行全面搜索和比较，找出一条从起始工序节点到末端工序节点的最优路径，这条路径所包含的工序节点序列就是第一复合工序链。
首先，在工序网络模型中随机选择多个工序节点，将这些节点按照随机顺序相连，形成初始路径。重复此过程，生成较多的初始路径，并将所有路径集合成初始路径集合。然后，按照不满足生产需求的工序路径进行剔除，从初始路径集合中选取N条路径。接着，随机选择2条初始路径构成一个交叉组，选择M个这样的交叉组，确定交叉节点数量，即选择两条路径中几个工序节点进行交换。之后，根据预设交叉概率判断每两个路径是否交叉，对需要交叉的路径，在交叉节点处交换两路径之后工序节点，得到M个交叉路径。然后，将新得到的M个交叉路径进行下一轮交叉，不断迭代直至满足第一约束条件，满足条件的交叉路径为第一复合工序链。
通过基于第一约束条件和工序网络模型生成第一复合工序链，在满足各项约束的基础上实现优化目标，实现生产线有效优化控制。
步骤S600:将所述第一复合工序链作为所述目标基片的生产线进行控制。
具体而言，为实现生产目标复合基片的生产线控制，需要将经过全局最优算法分析生成的第一复合工序链应用于实际生产线的控制。
首先，对第一复合工序链上的多个工序节点进行，这些节点之间存在直接的物料传输依赖，需要协同控制对应的传输机构，以保证工序顺序的连贯性。然后，对工序节点之间的传输机构的参数进行集成分析，生成协同控制参数，包括传输速度、方向、时间间隔等，指导工序节点之间的同步传输。接着，根据获取的控制参数，对标识工序节点之间的传输机构进行同步控制，以实现物料的同步输送和工序的协同进行。同时，持续监控同步传输的效果，并定期重新进行传输集成分析，更新协同控制参数以保持最优。
通过将第一复合工序链应用于生产线控制，更好地管理和优化整个生产过程，实现复合基片生产线全局最优控制，最大限度减少生产损失，提高产品质量。
进一步的，如图2所示，本申请实施例还包括：
步骤S510：随机生成初始工序路径集合；
步骤S520：对所述初始工序路径集合分别进行分析，获取N个初始工序路径；
步骤S530：以预设交叉概率对所述N个初始工序路径中进行交叉操作，得到N个交叉工序路径；
步骤S540：以所述N个交叉工序路径进行迭代，直至满足所述第一约束条件，输出第一复合工序链。
具体而言，在工序网络模型中确定所有可能的工序节点，根据工序之间的技术依赖关系，排除可选节点集合中不可能相连的节点，构成随机路径的候选节点集合，随机选择候选节点集合中的节点，并根据节点间是否存在直接依赖关系将节点按顺序相连，如果两个节点之间不存在直接依赖，则它们之间的连接顺序可以随机选择。当路径达到从起始节点到末端节点的要求时，记录该路径并作为一条初始随机路径。如果路径无法从起始节点连接到末端节点，则放弃该路径。重复持续生成较多的初始随机路径，这些路径构成初始路径集合。
将初始路径集合中的每条路径视为一个个体，路径的节点和性能参数作为个体的遗传基因。基于路径的总处理时间、重要工序节点数量和专家评分等确定遗传算法的适应度函数，用于评判每个路径的优劣，适应度高的路径其优良性状更突出。在初始路径集合中根据适应度函数计算每个路径的适应度值，选出适应度值较高的路径，获取N个初始工序路径。
根据N值和交叉概率P，计算需要进行交叉操作的路径对数M，从N条初始工序路径中随机选择M个路径对，每个路径对包含2条路径，这M个路径对作为交叉组。确定每个路径对需要进行交叉操作的节点位置，作为交叉点。在每个路径对的交叉点位置对所选M个路径对分别进行交叉操作，生成新的N条交叉工序路径。
接着，计算N条交叉工序路径组成的路径集中各路径的第一约束条件值，判断是否有路径满足约束条件，如果有，则输出该路径作为第一复合工序链，迭代结束；如果无，则选择该代路径集中适应度较大的路径，在所选择路径之间以预设交叉概率发生交叉操作，产生新的路径并加入下一代路径集，进行迭代，直至获得满足第一约束条件的路径，输出该路径作为第一复合工序链。
通过随机产生初始工序路径、路径交叉与迭代寻优，最终获得复合基片生产线的全局最优控制方案，即第一复合工序链，有效避免陷入局部最优的问题，为优化复合基片生产线提供支持。
进一步的，本申请实施例还包括：
步骤S531：根据所述N个初始工序路径，随机选取M个交叉组，所述M个交叉组为所述N个交叉工序路径中随机2个交叉工序路径组成的交叉操作组，其中，；
步骤S532：根据所述多个工序节点的数量，确定交叉节点数量；
步骤S533：以所述预设交叉概率和所述交叉节点数量对所述M个交叉组进行交叉操作。
具体而言，从N条初始工序路径中随机选择M个路径对，每个路径对包含2条路径，作为进行交叉操作的对象，即交叉组，其中2M≤N，即选择路径对数不超过路径总数的一半。对N条初始工序路径进行编号，使用随机数发生器产生M对不重复的序号对，每个序号对应一个初始工序路径，按照序号对从N条初始路径中选择相应的路径，构成一条路径对。
将交叉节点数量设为工序节点总数的某个百分比，如30%。在每个路径对中，对每一个节点，使用随机数发生器生成一个（0，1）区间的随机数，如果随机数小于交叉概率p，则选择该节点作为交叉点。对每个路径对重复进行概率随机，选择相应的交叉点，得到各路径对的交叉点集合。在每个路径对的交叉点集合中，选择预定的交叉节点数量作为最终的交叉点。在每个路径对的最终交叉点位置，将两条路径中的节点顺序进行交换，生成2条新的交叉路径。对所有M个路径对进行交叉操作，共得到2M条新的交叉路径。
通过随机选取M个交叉组，确定交叉节点数量，并根据交叉点和预设交叉概率进行路径顺序交换，产生新的交叉路径，生成差异较大的交叉路径，有利于全局优化。
进一步的，本申请实施例还包括：
所述第一约束条件的表达式如下：
，
其中，表征所述第一约束条件，P表征最优算法计算过程中的每次寻优的工序节点路径；/>表征基于工序节点路径P的生产干扰指标，/>表征预设生产干扰指标；表征基于工序节点路径P的生产吸附指标，/>表征预设生产吸附指标；n表征工序节点路径P的节点数量；P受制于生产干扰指标和生产吸附指标的约束，通过最小化所述第一约束条件作为全局优化算法分析的目标进行工序节点路径寻优。
具体而言，为实现复合基片生产线的全局最优控制，提出一种新的最优算法目标函数——第一约束条件，其表达式为：/>，在公式中，P表示最优算法在每次迭代中产生的工序节点路径，n为该路径上的节点数量。和/>分别表示基于路径P计算得到的生产干扰指标和生产吸附指标。/>和表示预先设定的生产干扰指标和生产吸附指标的期望值。
第一个绝对值项表示路径P上各节点的生产干扰指标与期望值之间的差异，该差异越小表明路径P在减小干扰影响方面越优。第二个绝对值项表示路径P上各节点的生产吸附指标与期望值之间的差异，该差异越小表明路径P在控制基片吸附效应方面越优。因此，第一约束条件/>的目标是最小化生产干扰指标与期望值之间的差异和生产吸附指标与期望值之间的差异之和，以获得在这两个方面效果较好的最优工序节点路径P。
通过构建新的目标函数第一约束条件，使优化算法在求解过程中同时考虑生产干扰和基片吸附两方面对最终方案质量的影响，获得更加全面和权衡的最优控制方案，实现复合基片生产线的整体优化。
进一步的，本申请实施例还包括：
步骤S310：获取所述多个工序节点中各个工序节点的生产操作设备信息；
步骤S320：根据所述生产操作设备信息，对各个工序节点中基片所受干扰进行识别，生成干扰指标矩阵；
步骤S330：以所述干扰指标矩阵，获取所述生产干扰指标；
步骤S340：获取所述多个工序节点中各个工序节点的生产操作环境信息；
步骤S340：根据所述生产操作环境信息，对各个工序节点中基片吸附程度进行识别，生成吸附指标矩阵；
步骤S350：以所述吸附指标矩阵，获取所述生产吸附指标。
具体而言，通过查阅工序节点中的各个工序节点的设备手册或产品说明书，获取多个工序节点上的生产操作设备信息，如夹具设备、切割设备、传输设备的型号参数等。然后，系统根据设备信息识别各工序节点中基片可能受到的干扰，如夹持不稳带来的微振动、切屑飞溅、传输过程的碰撞等。通过对所有节点之间的干扰关系进行分析，生成干扰指标矩阵，矩阵中的每个元素表示两个节点之间的干扰程度。接着，系统使用干扰指标矩阵采用矩阵特征值计算生产干扰指标，用于反映基于某工序节点路径的总体干扰水平。同时，获取工序节点的生产操作环境信息，如湿度、温度、气流速度等，根据环境信息识别各节点中基片的吸附情况，如静电吸附或表面张力作用下的吸附。通过分析所有节点之间的吸附关系，生成吸附指标矩阵，矩阵中的每个元素表示两个节点之间的吸附程度。使用吸附指标矩阵采用矩阵特征值计算生产吸附指标，该指标用于反映基于路径的总体吸附水平。
通过操作设备与环境信息识别获取生产干扰和吸附情况，并构建相应的指标矩阵，定量地度量复合工艺中各工序节点对基片质量的影响，为后续的最优路径计算提供必要的信息参数。
进一步的，本申请实施例还包括：
步骤S361：通过对所述干扰指标矩阵进行特征根计算，得到第一特征根，其中，所述第一特征根为所述干扰指标矩阵中最大的特征根；
步骤S362：当所述第一特征根大于预设特征根，生成第一提醒信息，用于提醒所述第一特征根所在行列对应的节点操作设备干扰过大；
步骤S363：通过对所述吸附指标矩阵进行特征根计算，得到第二特征根，其中，所述第二特征根为所述干扰指标矩阵中最大的特征根；
步骤S364：当所述第二特征根大于所述预设特征根，生成第二提醒信息，用于提醒所述第二特征根所在行列对应的节点操作环境影响过大。
具体而言，为监控生产过程中的干扰或吸附异常情况，对构建的干扰指标矩阵和吸附指标矩阵进行特征根分析，当最大特征根超过预设阈值时，生成相应的提醒信息。系统计算干扰指标矩阵的特征根，其中第一特征根为矩阵的最大特征根。根据矩阵理论，特征根的大小反映矩阵中元素的综合影响力，较大的特征根表示矩阵中某行或列的元素值较大，即某两个节点之间的干扰程度较高。如果第一特征根大于预先设定的阈值，则生成第一提醒信息，提示相关节点上的设备干扰超出正常范围。操作人员可根据提示检查设备状况，避免影响生产质量。
同时，系统计算吸附指标矩阵的特征根，其中第二特征根为矩阵的最大特征根。根据矩阵理论，较大的特征根表示矩阵中某行或列的元素值较大，即某两个节点之间的吸附程度较高。如果第二特征根大于预设阈值，则生成第二提醒信息，提示相关节点上的环境参数可能过于有利于基片吸附，操作人员应检查环境指标并进行调整，避免影响后续加工质量。
通过采用矩阵特征分析方法，监测干扰指标矩阵和吸附指标矩阵的最大特征根，检测生产线上节点之间是否存在异常的干扰或吸附情况，一旦超出预设范围则自动生成提醒信息并提示操作人员处理，实现生产过程的实时监控，避免质量问题的产生，提高产品的良率与稳定性。
进一步的，如图3所示，本申请实施例还包括：
步骤S610：根据所述第一复合工序链，确定标识工序节点，其中，所述标识工序节点为同步输送的工序节点；
步骤S620：通过对所述标识工序节点的传输机构进行集成，生成第一协同控制参数；
步骤S630：根据所述第一协同控制参数对所述标识工序节点的传输机构进行同步传输。
具体而言，在生成第一复合工序链后，进一步对链上同步工作的工序节点进行协同控制，以实现生产过程的自动化和精密化管理。首先，根据第一复合工序链确定同步工作的工序节点，如位于同一传输机构上的节点，这些节点定义为标识工序节点。其次，检索标识工序节点所使用的传输系统参数，如传送带速度、夹具参数等，并对相关参数进行整合，生成第一协同控制参数，以实现同步节点的配速控制和产品零缺陷传输。接着，调用第一协同控制参数，对标识工序节点的传输机构如传送带进行自动化控制，实现节点间产品的零损耗传输。同时，通过产品检测系统实时监控产品位置与状态，并据此调节传输机构，实现闭环控制。
通过对工序链上同步工作的标识节点实施协同控制，以配速自动调节节点间的产品传输，确保产品在复杂工艺流程中的连续和零缺陷加工，实现生产过程全局优化，大大提高自动化生产线的智能化控制水平和产品质量。
综上所述，本申请实施例所提供的一种复合基片生产线的控制方法具有如下技术效果：
获取生产目标基片的多个工序节点，其中，每个工序节点对应一个工序操作步骤；按照多个工序节点之间的连接关系，建立工序网络模型，其中，工序网络模型包括起始工序节点和末端工序节点，完整描述复合基片生产线，为优化生产线提供基础；获取多个工序节点对应的生产干扰指标和生产吸附指标，获取影响复合基片生产线的生产参数，为输出第一约束条件提供数据支撑；基于生产干扰指标和生产吸附指标进行损失分析，输出第一约束条件；基于第一约束条件，对工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，其中，第一复合工序链为基于起始工序节点和末端工序节点路径表示的一个可供执行的工序链，在满足第一约束条件的前提下，搜索工序网络模型，找到一条从起始工序节点到末端工序节点的最优可执行工序路径；将第一复合工序链作为目标基片的生产线进行控制，实施第一复合工序链，对复合基片生产线进行精确控制，实现复合基片生产线全局最优控制，最大限度减少生产损失，提高产品质量的技术效果。
实施例二：
基于与前述实施例中一种复合基片生产线的控制方法相同的发明构思，如图4所示，本申请实施例提供了一种复合基片生产线的控制系统，该系统包括：
工序节点获取模块11，用于获取生产目标基片的多个工序节点，其中，每个工序节点对应一个工序操作步骤；
工序网络建立模块12，用于按照所述多个工序节点之间的连接关系，建立工序网络模型，其中，所述工序网络模型包括起始工序节点和末端工序节点；
生产指标获取模块13，用于获取所述多个工序节点对应的生产干扰指标和生产吸附指标；
损失分析模块14，基于所述生产干扰指标和所述生产吸附指标进行损失分析，输出第一约束条件；
全局最优分析模块15，基于所述第一约束条件，对所述工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，其中，所述第一复合工序链为基于所述起始工序节点和所述末端工序节点路径表示的一个可供执行的工序链；
生产线控制模块16，用于将所述第一复合工序链作为所述目标基片的生产线进行控制。
进一步，全局最优分析模块15包括以下执行步骤：
随机生成初始工序路径集合；
对所述初始工序路径集合分别进行分析，获取N个初始工序路径；
以预设交叉概率对所述N个初始工序路径中进行交叉操作，得到N个交叉工序路径；
以所述N个交叉工序路径进行迭代，直至满足所述第一约束条件，输出第一复合工序链。
进一步，全局最优分析模块15还包括以下执行步骤：
根据所述N个初始工序路径，随机选取M个交叉组，所述M个交叉组为所述N个交叉工序路径中随机2个交叉工序路径组成的交叉操作组，其中，；
根据所述多个工序节点的数量，确定交叉节点数量；
以所述预设交叉概率和所述交叉节点数量对所述M个交叉组进行交叉操作。
进一步的，损失分析模块14包括以下内容：
所述第一约束条件的表达式如下：
，
其中，表征所述第一约束条件，P表征最优算法计算过程中的每次寻优的工序节点路径；/>表征基于工序节点路径P的生产干扰指标，/>表征预设生产干扰指标；表征基于工序节点路径P的生产吸附指标，/>表征预设生产吸附指标；n表征工序节点路径P的节点数量；P受制于生产干扰指标和生产吸附指标的约束，通过最小化所述第一约束条件作为全局优化算法分析的目标进行工序节点路径寻优。
进一步的，生产指标获取模块13包括以下执行步骤：
获取所述多个工序节点中各个工序节点的生产操作设备信息；
根据所述生产操作设备信息，对各个工序节点中基片所受干扰进行识别，生成干扰指标矩阵；
以所述干扰指标矩阵，获取所述生产干扰指标；
获取所述多个工序节点中各个工序节点的生产操作环境信息；
根据所述生产操作环境信息，对各个工序节点中基片吸附程度进行识别，生成吸附指标矩阵；
以所述吸附指标矩阵，获取所述生产吸附指标。
进一步的，生产指标获取模块13还包括以下执行步骤：
通过对所述干扰指标矩阵进行特征根计算，得到第一特征根，其中，所述第一特征根为所述干扰指标矩阵中最大的特征根；
当所述第一特征根大于预设特征根，生成第一提醒信息，用于提醒所述第一特征根所在行列对应的节点操作设备干扰过大；
通过对所述吸附指标矩阵进行特征根计算，得到第二特征根，其中，所述第二特征根为所述干扰指标矩阵中最大的特征根；
当所述第二特征根大于所述预设特征根，生成第二提醒信息，用于提醒所述第二特征根所在行列对应的节点操作环境影响过大。
进一步的，生产线控制模块16包括以下执行步骤：
根据所述第一复合工序链，确定标识工序节点，其中，所述标识工序节点为同步输送的工序节点；
通过对所述标识工序节点的传输机构进行集成，生成第一协同控制参数；
根据所述第一协同控制参数对所述标识工序节点的传输机构进行同步传输。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种复合基片生产线的控制方法，其特征在于，所述方法包括：
获取生产目标基片的多个工序节点，其中，每个工序节点对应一个工序操作步骤；
按照所述多个工序节点之间的连接关系，建立工序网络模型，其中，所述工序网络模型包括起始工序节点和末端工序节点；
获取所述多个工序节点对应的生产干扰指标和生产吸附指标；
基于所述生产干扰指标和所述生产吸附指标进行损失分析，输出第一约束条件；
基于所述第一约束条件，对所述工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，其中，所述第一复合工序链为基于所述起始工序节点和所述末端工序节点路径表示的一个可供执行的工序链；
将所述第一复合工序链作为所述目标基片的生产线进行控制。
2.如权利要求1所述的方法，其特征在于，对所述工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，方法包括：
随机生成初始工序路径集合；
对所述初始工序路径集合分别进行分析，获取N个初始工序路径；
以预设交叉概率对所述N个初始工序路径中进行交叉操作，得到N个交叉工序路径；
以所述N个交叉工序路径进行迭代，直至满足所述第一约束条件，输出第一复合工序链。
3.如权利要求2所述的方法，其特征在于，以预设交叉概率对所述N个初始工序路径中进行交叉操作，方法包括：
根据所述N个初始工序路径，随机选取M个交叉组，所述M个交叉组为所述N个交叉工序路径中随机2个交叉工序路径组成的交叉操作组，其中，；
根据所述多个工序节点的数量，确定交叉节点数量；
以所述预设交叉概率和所述交叉节点数量对所述M个交叉组进行交叉操作。
4.如权利要求1所述的方法，其特征在于，所述第一约束条件的表达式如下：
，
其中，表征所述第一约束条件，P表征最优算法计算过程中的每次寻优的工序节点路径；/>表征基于工序节点路径P的生产干扰指标，/>表征预设生产干扰指标；/>表征基于工序节点路径P的生产吸附指标，/>表征预设生产吸附指标；n表征工序节点路径P的节点数量；P受制于生产干扰指标和生产吸附指标的约束，通过最小化所述第一约束条件作为全局优化算法分析的目标进行工序节点路径寻优。
5.如权利要求1所述的方法，其特征在于，获取所述多个工序节点对应的生产干扰指标和生产吸附指标，方法包括：
获取所述多个工序节点中各个工序节点的生产操作设备信息；
根据所述生产操作设备信息，对各个工序节点中基片所受干扰进行识别，生成干扰指标矩阵；
以所述干扰指标矩阵，获取所述生产干扰指标；
获取所述多个工序节点中各个工序节点的生产操作环境信息；
根据所述生产操作环境信息，对各个工序节点中基片吸附程度进行识别，生成吸附指标矩阵；
以所述吸附指标矩阵，获取所述生产吸附指标。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
通过对所述干扰指标矩阵进行特征根计算，得到第一特征根，其中，所述第一特征根为所述干扰指标矩阵中最大的特征根；
当所述第一特征根大于预设特征根，生成第一提醒信息，用于提醒所述第一特征根所在行列对应的节点操作设备干扰过大；
通过对所述吸附指标矩阵进行特征根计算，得到第二特征根，其中，所述第二特征根为所述干扰指标矩阵中最大的特征根；
当所述第二特征根大于所述预设特征根，生成第二提醒信息，用于提醒所述第二特征根所在行列对应的节点操作环境影响过大。
7.如权利要求1所述的方法，其特征在于，将所述第一复合工序链作为所述目标基片的生产线进行控制，方法包括：
根据所述第一复合工序链，确定标识工序节点，其中，所述标识工序节点为同步输送的工序节点；
通过对所述标识工序节点的传输机构进行集成，生成第一协同控制参数；
根据所述第一协同控制参数对所述标识工序节点的传输机构进行同步传输。
8.一种复合基片生产线的控制系统，其特征在于，用于实施权利要求1-7任意一项所述的一种复合基片生产线的控制方法，所述系统包括：
工序节点获取模块，所述工序节点获取模块用于获取生产目标基片的多个工序节点，其中，每个工序节点对应一个工序操作步骤；
工序网络建立模块，所述工序网络建立模块用于按照所述多个工序节点之间的连接关系，建立工序网络模型，其中，所述工序网络模型包括起始工序节点和末端工序节点；
生产指标获取模块，所述生产指标获取模块用于获取所述多个工序节点对应的生产干扰指标和生产吸附指标；
损失分析模块，所述损失分析模块基于所述生产干扰指标和所述生产吸附指标进行损失分析，输出第一约束条件；
全局最优分析模块，所述全局最优分析模块基于所述第一约束条件，对所述工序网络模型进行复合工序的全局最优算法分析，形成第一复合工序链，其中，所述第一复合工序链为基于所述起始工序节点和所述末端工序节点路径表示的一个可供执行的工序链；
生产线控制模块，所述生产线控制模块用于将所述第一复合工序链作为所述目标基片的生产线进行控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310892882.6A CN116627101B (zh) | 2023-07-20 | 2023-07-20 | 一种复合基片生产线的控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310892882.6A CN116627101B (zh) | 2023-07-20 | 2023-07-20 | 一种复合基片生产线的控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116627101A true CN116627101A (zh) | 2023-08-22 |
| CN116627101B CN116627101B (zh) | 2023-09-19 |
Family
ID=87636835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310892882.6A Active CN116627101B (zh) | 2023-07-20 | 2023-07-20 | 一种复合基片生产线的控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116627101B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106164777A (zh) * | 2014-04-14 | 2016-11-23 | Asml荷兰有限公司 | 光刻过程的优化流程 |
| US20170109646A1 (en) * | 2014-11-25 | 2017-04-20 | Stream Mosaic, Inc. | Process control techniques for semiconductor manufacturing processes |
| CN108153254A (zh) * | 2017-11-28 | 2018-06-12 | 华侨大学 | 一种基于萤火虫算法的零件群集成工艺路线规划方法 |
| CN112231794A (zh) * | 2020-09-14 | 2021-01-15 | 中国船舶重工集团公司第七一六研究所 | 基于粒子群算法的车间设备布局优化方法 |
| CN114707808A (zh) * | 2022-03-08 | 2022-07-05 | 哈尔滨理工大学 | 一种基于动态根节点工序集的逆序设备网络综合调度方法 |
| CN114721232A (zh) * | 2017-09-27 | 2022-07-08 | Asml荷兰有限公司 | 确定器件制造工艺的控制参数的方法 |
| CN116050685A (zh) * | 2022-12-30 | 2023-05-02 | 西安理工大学 | 基于改进多因子优化的路径规划方法 |
-
2023
- 2023-07-20 CN CN202310892882.6A patent/CN116627101B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106164777A (zh) * | 2014-04-14 | 2016-11-23 | Asml荷兰有限公司 | 光刻过程的优化流程 |
| US20170109646A1 (en) * | 2014-11-25 | 2017-04-20 | Stream Mosaic, Inc. | Process control techniques for semiconductor manufacturing processes |
| CN114721232A (zh) * | 2017-09-27 | 2022-07-08 | Asml荷兰有限公司 | 确定器件制造工艺的控制参数的方法 |
| CN108153254A (zh) * | 2017-11-28 | 2018-06-12 | 华侨大学 | 一种基于萤火虫算法的零件群集成工艺路线规划方法 |
| CN112231794A (zh) * | 2020-09-14 | 2021-01-15 | 中国船舶重工集团公司第七一六研究所 | 基于粒子群算法的车间设备布局优化方法 |
| CN114707808A (zh) * | 2022-03-08 | 2022-07-05 | 哈尔滨理工大学 | 一种基于动态根节点工序集的逆序设备网络综合调度方法 |
| CN116050685A (zh) * | 2022-12-30 | 2023-05-02 | 西安理工大学 | 基于改进多因子优化的路径规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116627101B (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI625615B (zh) | 預測模型建立方法及其相關預測方法與電腦程式產品 | |
| CN109902153A (zh) | 基于自然语言处理和案例推理的设备故障诊断方法及系统 | |
| US7603328B2 (en) | Dual-phase virtual metrology method | |
| JP4874678B2 (ja) | 半導体製造装置の制御方法、および半導体製造装置の制御システム | |
| TW201816521A (zh) | 用於獲得診斷資訊的方法與設備及用於控制工業製程的方法與設備 | |
| CN117436700B (zh) | 一种基于bim的新能源工程数据管理系统及方法 | |
| CN110928264A (zh) | 数据处理、数据处理装置以及计算机可读取记录介质 | |
| CN111898867B (zh) | 一种基于深度神经网络的飞机总装生产线产能预测方法 | |
| CN112558601B (zh) | 一种基于Q-learning算法和水滴算法的机器人实时调度方法及系统 | |
| CN116627101B (zh) | 一种复合基片生产线的控制方法及系统 | |
| CN112067289A (zh) | 一种基于神经网络的电机轴及传动轴异常振动预警算法 | |
| CN116842439A (zh) | 一种基于模型的半导体质量预测方法 | |
| KR20240067834A (ko) | 피처 모델들을 사용한 프로세스 레시피 생성 및 매칭 | |
| KR20230135131A (ko) | 측정 위반 분석을 이용한 비정상 식별 프로세스 | |
| CN110795810A (zh) | 一种在线水力模型生成方法 | |
| CN110399968A (zh) | 基于效用函数的系统级测试性设计多目标优化方法 | |
| TW202006568A (zh) | 提升產品製程品質之回饋系統及其方法 | |
| CN117991845B (zh) | 用于提高硅片性能的电池片烘干炉参数控制方法及系统 | |
| CN116188877B (zh) | 一种晶圆缺陷未知类别检测及分类的方法及系统 | |
| CN116736796B (zh) | 一种钢材尺寸的高精度工控方法 | |
| JP2010141042A (ja) | プロセス処理装置の制御システム、プロセス処理装置の制御方法、プロセス処理装置の制御プログラム、および、プログラム記録媒体 | |
| CN117171922B (zh) | 一种钢结构制作中平行矫正的方法及系统 | |
| CN118349051B (zh) | 一种退火窑玻璃温度的动态监测控制方法及系统 | |
| US20220237451A1 (en) | Semiconductor process prediction method and semiconductor process prediction apparatus for heterogeneous data | |
| KR102541129B1 (ko) | 기계장비의 상태 진단시스템 및 방법 |
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 |