CN117059534B - 清洗机液位控制方法与系统 - Google Patents
清洗机液位控制方法与系统 Download PDFInfo
- Publication number
- CN117059534B CN117059534B CN202311317929.2A CN202311317929A CN117059534B CN 117059534 B CN117059534 B CN 117059534B CN 202311317929 A CN202311317929 A CN 202311317929A CN 117059534 B CN117059534 B CN 117059534B
- Authority
- CN
- China
- Prior art keywords
- cleaning
- tank
- cleaning tank
- monitored
- output
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 612
- 238000000034 method Methods 0.000 title claims abstract description 107
- 239000007788 liquid Substances 0.000 title claims abstract description 52
- 235000012431 wafers Nutrition 0.000 claims abstract description 107
- 229910021421 monocrystalline silicon Inorganic materials 0.000 claims abstract description 88
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 86
- 238000011010 flushing procedure Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 52
- 238000004364 calculation method Methods 0.000 claims description 45
- 238000005406 washing Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 238000010438 heat treatment Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 7
- 239000012153 distilled water Substances 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 210000002268 wool Anatomy 0.000 claims description 3
- 229910052770 Uranium Inorganic materials 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims 7
- 230000001276 controlling effect Effects 0.000 description 26
- 210000002569 neuron Anatomy 0.000 description 16
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 13
- 229910052710 silicon Inorganic materials 0.000 description 13
- 239000010703 silicon Substances 0.000 description 13
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 12
- 230000000670 limiting effect Effects 0.000 description 8
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 229910052751 metal Inorganic materials 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- 239000002904 solvent Substances 0.000 description 6
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 5
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 4
- 239000000908 ammonium hydroxide Substances 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000012535 impurity Substances 0.000 description 3
- 229910021645 metal ion Inorganic materials 0.000 description 3
- 150000002739 metals Chemical class 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000009835 boiling Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229910021642 ultra pure water Inorganic materials 0.000 description 2
- 229910018626 Al(OH) Inorganic materials 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 101150032285 QDR2 gene Proteins 0.000 description 1
- 101150096550 QDR3 gene Proteins 0.000 description 1
- 101100246979 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) QDR1 gene Proteins 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- QGZKDVFQNNGYKY-UHFFFAOYSA-N ammonia Natural products N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000010668 complexation reaction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- -1 polytetrafluoroethylene Polymers 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229910052814 silicon oxide Inorganic materials 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000010891 toxic waste Substances 0.000 description 1
- 239000012498 ultrapure water Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B3/00—Cleaning by methods involving the use or presence of liquid or steam
- B08B3/04—Cleaning involving contact with liquid
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B3/00—Cleaning by methods involving the use or presence of liquid or steam
- B08B3/04—Cleaning involving contact with liquid
- B08B3/10—Cleaning involving contact with liquid with additional treatment of the liquid or of the object being cleaned, e.g. by heat, by electricity or by vibration
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/02041—Cleaning
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67011—Apparatus for manufacture or treatment
- H01L21/67017—Apparatus for fluid treatment
- H01L21/67028—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like
- H01L21/6704—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing
- H01L21/67057—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing with the semiconductor substrates being dipped in baths or vessels
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B2203/00—Details of cleaning machines or methods involving the use or presence of liquid or steam
- B08B2203/007—Heating the liquid
-
- 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
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Cleaning Or Drying Semiconductors (AREA)
Abstract
本发明提供一种清洗机液位控制方法与系统,方法包括:将制绒后多个的单晶硅晶圆依次移至各个槽内进行清洗;控制各个槽内部的加热器对清洗溶液加热所达到的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间,清洗槽内清洗后控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽;在每个QDR槽内对多个单晶硅晶圆进行快排冲洗,以保证进入下一个清洗槽前清除干净残留的清洗液。本发明能够实时掌握各个清洗槽内部的清洗温度并控制槽内加热器使槽内的清洗溶液处于被加热阈值范围内,进而控制各个清洗槽和相应的QDR槽内的实时自动进水、排水,以使各个清洗槽内在最优槽内实时温度实现自动化进排水的高效清洗。
Description
技术领域
本发明属于单晶硅晶圆清洗技术领域,具体涉及清洗机液位控制方法与系统。
背景技术
单晶硅晶圆的清洗作为制作光伏电池和集成电路的基础,非常重要,清洗的效果直接影响到光伏电池和集成电路最终的性能、效率和稳定性。单晶硅晶圆是从硅棒上切割下来的,单晶硅晶圆表面的多层晶格处于被破坏的状态,布满了不饱和的悬挂键,悬挂键的活性较高,十分容易吸附外界的杂质粒子,导致硅片表面被污染且性能变差。其中颗粒杂质会导致硅片的介电强度降低,金属离子会增大光伏电池P-N结的反向漏电流和降低少子的寿命,有机化合物使氧化层的质量劣化、H2O 会加剧硅表面的腐蚀。清洗单晶硅晶圆不仅要除去硅片表面的杂质而且要使硅片表面钝化,从而减小硅片表面的吸附能力。高规格的硅晶片对表面的洁净度要求非常严格,理论上不允许存在任何颗粒、金属离子、有机粘附、水汽或氧化层。
申请号为202110976594.X的中国专利申请文件公开了一种晶片的清洗方法,该专利公开的方法:将晶片依次进行DIW清洗、SPM清洗、HQDR清洗、QDR1清洗、QDR2清洗、高浓度SC1清洗、QDR3清洗、DHF清洗、QDR4清洗、低等浓度SC1清洗、QDR5清洗、SC2清洗和QDR6清洗;并限定了其中若干个清洗槽内的清洗时间和流量,若干个清洗槽内的清洗时间和温度,明确了每个清洗槽内的清洗溶液的组成成分和配比,但是由于在每个清洗槽内清洗单单限定其清洗时间、流量和温度中的某两种参数,并不能够精确掌握每个槽内在其清洗时间的实时温度控制,以确保在清洗时间范围内能够时刻以最优的温度对该槽内的水温进行控制,同时进水管的流速和水温以及出水管的流速和水温也对每个清洗槽的实时热交换量产生了影响,也影响了该槽内的实时液位,进而实时液位也影响到了槽内的实时温度控制,仅仅通过PLC系统控制槽内的清洗时间、流量和温度中的某两种参数并不能精确掌握各个槽内的自动进水、排水进而掌握槽内的清洗水温的控制,因此,急需一种能够精确控制各个槽内部的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间,进而实现控制各个清洗槽和相应的QDR槽内的自动排水和进水,从而完成整个制绒后的多个单晶硅晶圆全部清洗的清洗机液位控制方法与系统。
发明内容
本发明针对上述缺陷,提供一种清洗机液位控制方法与系统。本发明能够在每个清洗槽进入到相应的QDR槽清洗之前,实时掌握各个清洗槽内部的清洗温度并控制槽内加热器使槽内的清洗溶液处于被加热阈值范围内,进而控制各个清洗槽和相应的QDR槽内的实时自动进水、排水,以使各个清洗槽内在最优槽内实时温度实现自动化进排水的高效清洗。
本发明提供如下技术方案:清洗机液位控制方法,所述方法适用于采用RCA清洗方法清洗制绒后的多个单晶硅晶圆,其特征在于,清洗多个单晶硅晶圆的清洗机包括SPM清洗槽、第一QDR槽、第一DHF清洗槽、第二QDR槽、APM清洗槽、第三QDR槽、第二DHF清洗槽、第四QDR槽、HPM清洗槽、第五QDR槽、第三DHF清洗槽和第六QDR槽;
所述方法包括以下步骤:S1:将制绒后多个的单晶硅晶圆依次移至各个槽内进行清洗;S2:控制各个槽内部的加热器对清洗溶液加热所达到的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间,根据相应的清洗时间停止所在清洗槽内的清洗,控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽;S3:在每个QDR槽内对多个单晶硅晶圆进行快排冲洗,以保证每个清洗槽清洗后进入下一个清洗槽前清除干净残留的清洗液。
进一步地,所述S2步骤中控制每个清洗槽内的清洗温度处于被加热阈值范围内的方法,包括以下步骤:S21:实时监测第i个被监测的清洗槽内的进水管温度、进水管流速/>、出水管温度/>、出水管流速/>和实时液位/>;其中,i为第i个被监测的清洗槽;
S22:构建清洗时间范围内的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型:/>;;;/>;/>;其中,/>为第i个被监测的清洗槽内的实时热交换量,/>为第i个被监测的清洗槽内的实时温度,/>为第i个被监测的清洗槽的总传热系数,/>为第i个被监测的清洗槽内清洗溶液的密度,/>为第i个被监测的清洗槽内的清洗溶液的比热容;/>为第i个被监测的清洗槽内出水与进水的流速差,/>;/>为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积;/>为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积;i=1,2,3,4,5,6;/>为第i个被监测的清洗槽内被加热阈值范围的最高加热阈值,/>为第i个被监测的清洗槽内被加热阈值范围的最低加热阈值;
S23:采用BP神经网络算法优化所述S22步骤构建的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型计算得到的第i个被监测的清洗槽内的实时温度,求取最优槽内实时温度;
S24:以所述S23步骤计算得到的最优槽内实时温度实时控制第i个被监测的清洗槽内的加热器运行。该步骤作用是使第i个被监测的清洗槽内的清洗溶液,被加热器在中央控制计算模块的控制下被加热达到最优槽内实时温度/>。
进一步地,所述S22步骤中的第i个被监测的清洗槽的总传热系数的计算公式如下:/>;其中,/>为第i个被监测的清洗槽的进水管热交换时的热阻,/>为第i个被监测的清洗槽内清洗溶液热交换时的热阻,/>为第i个被监测的清洗槽的出水管热交换时的热阻;/>;/>;;其中,/>为第i个被监测的清洗槽内清洗溶液的热导率,S为被清洗的多个单晶硅晶圆的总数,B为被清洗的一个单晶硅晶圆的厚度,R为被清洗的一个单晶硅晶圆的半径,/>即表示第i个被监测的清洗槽内清洗溶液的热传导系数。
进一步地,第i个被监测的清洗槽内的清洗溶液由第一种溶质纯溶液、第二种溶质纯溶液以及蒸馏水以的体积份数比例进行配比得到,所述第i个被监测的清洗槽内清洗溶液的热导率/>的计算公式如下:;其中,/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的导热系数,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的导热系数;/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的体积份数,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的体积份数;/>,/>为第i个被监测的清洗槽内的清洗溶液中蒸馏水的体积份数。
进一步地,所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积的计算公式如下:;
所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积的计算公式如下:/>;其中,/>为第i个被监测的清洗槽的实时液位,/>为第i个被监测的清洗槽的宽度,/>为第i个被监测的清洗槽的长度;S为被清洗的多个单晶硅晶圆的总数,B为被清洗的一个单晶硅晶圆的厚度,R为被清洗的一个单晶硅晶圆的半径;/>为第i个被监测的清洗槽进水管的半径,/>为第i个被监测的清洗槽进水管的长度;/>为第i个被监测的清洗槽出水管的半径,/>为第i个被监测的清洗槽出水管的长度;/>为支架所占体积。
进一步地,所述S23步骤包括以下步骤:
S231:由所述S22步骤计算得到的清洗时间范围内的第i个被监测的清洗槽内的实时温度组成初始训练集,,/>为初始训练集中的第m个训练数据,m=1, 2, …, M;M为初始训练集/>中的训练数据总数;将所述初始训练集/>输入由输入层、隐含层和输出层组成的BP神经网络进行优化训练;
S232:构建初始训练集中的第m个训练数据经过所述隐含层更新迭代处理后输出的第n个隐含层输出值/>计算函数,隐含层输出N个隐含层输出值组成的隐含层输出数据集/>,/>,/>为隐含层输出数据集/>中的第n个隐含层输出值,n=1,2,…,N;
S233:构建所述隐含层输出数据集中的第n个隐含层输出值经过输出层更新迭代处理后输出的第u个输出层输出值/>计算函数,N个隐含层输出值经过输出层处理,输出U个输出层输出值组成的输出层输出数据集/>,,/>为输出层输出数据集中的第u个输出层输出值;
S234:由所述S233步骤输出得到的时间范围内的U个输出层输出值,计算最优槽内实时温度/>:/>;其中,/>为比例系数,/>=1.2;/>为微分系数,/>=4.5;/>为积分系数,/>=0.025;/>为第i个被监测的清洗槽内多个单晶硅晶圆被清洗的清洗时间范围。
进一步地,所述S232步骤,包括以下步骤:
S2321:构建初始训练集中的第m个训练数据经过所述隐含层处理后输出的第n个隐含层输出值/>计算函数:/>;其中,/>为初始训练集/>中的第m个训练数据与隐含层输出数据集/>中的第n个隐含层输出值/>之间的第一链接权值;
S2322:计算第n个隐含层输出值与真实隐含层输出值/>之间的均方误差/>:/>;
S2323:计算隐含层数据更新的学习率:;其中,/>为初始训练集中的第m个训练数据输入至隐含层的第n个隐含层输入值,;
S2324:隐含层每次以梯度下降更新量更新迭代所述第一链接权值/>,;并根据每次更新得到的新的第一连接权值/>和所述S2321步骤中的计算函数计算新的经过所述隐含层处理后输出的第n个隐含层输出值/>;
S2325:判断经过更新后的新的隐含层输出值与真实隐含层输出值之间的均方误差/>是否小于1.25,若是,则停止隐含层的更新迭代并输出经过更新迭代得到的第n个隐含层输出值,否则重复所述步骤S2321-S2324。
进一步地,所述S233步骤包括以下步骤:
S2331:构建隐含层输出数据集中的第n个隐含层输出值经过输出层处理后输出的第u个输出层输出值/>计算函数:;其中,/>为隐含层输出数据集/>中的第n个隐含层输出值与输出层输出数据集/>中的第u个输出层输出值/>之间的第二链接权值;
S2332:计算第u个输出层输出值与真实输出层输出值/>之间的均方误差/>:/>;S2333:计算输出层数据更新的学习率/>:;其中,/>为隐含层输出数据集/>中的第n个隐含层输出值输入至输出层的第u个输出层输入值,;
S2334:输出层每次以梯度下降更新量更新迭代所述第二链接权值/>,;并根据每次更新得到的新的第二连接权值/>和所述S2331步骤中的计算函数计算新的经过所述输出层处理后输出的第u个隐含层输出值/>;
S2335:判断经过更新后的新的输出层输出值与真实输出层输出值之间的均方误差/>是否小于1.05,若是,则停止输出层的更新迭代并输出经过更新迭代得到的第u个隐含层输出值,否则重复所述步骤S2331-S2334。
本发明还提供一种采用如上任一所述方法的清洗机液位控制系统,所述系统包括中央控制模块和温度控制模块;所述温度控制模块与中央控制模块通信连接;
所述中央控制模块,用于控制所述SPM清洗槽、所述第一QDR槽、所述第一DHF清洗槽、所述第二QDR槽、所述APM清洗槽、所述第三QDR槽、所述第二DHF清洗槽、所述第四QDR槽、所述HPM清洗槽、所述第五QDR槽、所述第三DHF清洗槽和所述第六QDR槽的开启或关闭,并根据所述温度控制模块发出的指令控制各个清洗槽内的加热器的开启或关闭以使其内水温处于相应的清洗温度内,并根据相应的清洗时间停止所在清洗槽内的清洗,控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽对多个单晶硅晶圆表面的清洗溶液清洗干净;
所述温度控制模块,用于采集各个清洗槽内的实时参数并向所述中央控制模块发出控制第i个被监测的清洗槽内的加热器对清洗溶液加热所要达到的最优槽内实时温度的信号;
进一步地,所述温度控制模块包括分别设置于各个清洗槽内六个槽内温度传感器、六个液位传感器、六个进水管温度传感器、六个进水管流量传感器、六个出水管温度传感器、六个出水管流量传感器、温度分析计算模块和温度阈值报警模块;
所述温度分析计算模块,用于构建清洗时间范围内的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型;并采用BP神经网络算法优化构建的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型计算得到的第i个被监测的清洗槽内的实时温度,求取最优槽内实时温度。
本发明的有益效果为:
1、本发明提供的清洗机液位控制方法,通过中央控制模块根据各个清洗槽内可以达到的最优槽内实时温度处于被加热阈值范围内,对其内的多个单晶硅晶圆在清洗时间范围/>内实时实现最优温度清洗,并向中央控制模块发出加热器被控制的指令,使每个清洗槽内的清洗溶液被控制在最优槽内实时温度/>进行加热,并在清晰时间范围和流量的限定下,精确控制各个槽的自动进水、排水。
2、本发明提供的清洗机液位控制方法,通过具有温度分析计算模块的温度控制模块,通过构建具有、、/>和/>四个限定条件的清洗时间范围的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型,求取在第i个被监测的清洗槽的清洗时间范围/>内的使/>计算结果最大的实时槽内温度/>,通过四个条件的限定,满足了进水管流速与出水管流速的流速差满足各个清洗槽内限定的清洗流量范围,同时限定了第i个被监测的清洗槽内的处于实时的热平衡状态下,保证了求取的计算结果是处于一个热交换稳态情况下,并不是刚刚开始启动加热器或关闭加热器的热量迅速攀升或热量迅速下降的不稳定状态的实时温度,避免了计算结果出现的偏差,提高了计算结果的精确性以及控制加热器的精密性。
3、为了提高计算得到的第i个被监测的清洗槽内的能够实现最大实时热交换量的实时槽内温度的精确度,本发明提供的清洗机液位控制方法在S23步骤中,通过BP神经网络算法优化在上述四个限定条件下求取使/>计算结果最大的实时槽内温度/>,经过具有输入层、隐含层和输出层的BP神经网络在隐含层和输出层分别对输入层输入的M个上述实时槽内温度/>先求取第n个隐含层神经元的隐含层输入值,隐含层再对N个隐含层输出值中的每个隐含层输出值进行迭代更新处理,通过判断迭代更新后的每个隐含层输出值与真实隐含层输出值的均方误差是否小于1.25,进而判断是否可以停止对该隐含层输出值的迭代更新并输出更新后的隐含层输出值,对N个隐含层均进行上述步骤后,得到N个隐含层输出值,同样地,在输出层处首先求取第u个输出层神经元的输出层输入值,输出层经过处理并得到U个隐含层输出值后,再对其中的每个输出层输出值进行迭代更新处理,通过判断迭代更新后的每个输出层输出值与真实输出层输出值的均方误差是否小于1.05,进而得到U个隐含层输出值,最终通过限定PID参数K p 、K q 和K d 进行调节,求取最优槽内实时温度/>,使系统达到最优的控制状态,通过隐含层和输出层的分别迭代更新以及每层对该层的每个神经元的输出值与真实输出值的均方误差的限定,进而提高了最终用于PID参数限定调节输出最优槽内实时温度/>的准确度。
4、本发明提供的清洗机液位控制方法与系统是应用于RCA清洗技术对单晶硅晶圆进行湿法清洗,RCA清洗技术在硅片表面清洗中仍处于主导地位,但是由于化学试剂的使用会产生大量的有毒废液,造成环境污染,本申请通过精确控制每个清洗槽内的清洗在最优槽内实时温度下进行清洗,并采用了SPM(SC-3溶剂)+DHF+APM(SC-1溶剂)+DHF+HPM(SC-2溶剂)+DHF的清洗溶液依次清洗的步骤,在每种SC清洗溶液清洗后,都进行DHF(稀氢氟酸)清洗,并且在每个清洗槽清洗后均进入QDR清洗槽内进行快排冲洗,满足了高集成化的器件要求硅片清洗要尽量减少溶液本身或工艺过程中带来的沾污,能够有效满足后续的采用单晶硅晶圆的亚微米级器件的工艺要求。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中:
图1为本发明提供的清洗机液位控制方法中清洗多个单晶硅晶圆的清洗机结构示意图;
图2为本发明提供的清洗机液位控制方法流程示意图;
图3为本发明提供的方法中S2步骤中控制每个清洗槽内的清洗温度处于被加热阈值范围内的方法的流程示意图;
图4为本发明提供的方法中S23步骤中采用BP神经网络算法优化计算得到的第i个被监测的清洗槽内的实时温度的流程示意图;
图5为本发明提供的方法中BP神经网络的结构示意图;
图6为本发明提供的方法中S232步骤中对BP神经网络中隐含层的隐含层输出值更新迭代的流程示意图;
图7为本发明提供的方法中S233步骤中对BP神经网络中输出层的输出层输出值更新迭代的流程示意图;
图8为本发明提供的清洗机液位控制系统结构示意图。
具体实施方式
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他实施例,都属于本发明保护的范围。
本发明提供一种清洗机液位控制方法,本发明提供的方法适用于采用RCA清洗方法清洗制绒后的多个单晶硅晶圆,如图1所示,所述本发明提供的清洗机液位控制方法中的清洗机包括SPM清洗槽、第一QDR槽、第一DHF清洗槽、第二QDR槽、APM清洗槽、第三QDR槽、第二DHF清洗槽、第四QDR槽、HPM清洗槽、第五QDR槽、第三DHF清洗槽和第六QDR槽;
本发明提供的清洗机可以通过设置机械手等传动装置将需要清洗的多个单晶硅晶圆由托架承载后按照清洗顺序移动至相应的槽内。本发明中的上料位处还设置有现有技术中常规设置的水枪和气枪,下料位处也设置有水枪和气枪,可用于清洗设备台面及工件。
如图2所示,为发明提供的清洗机液位控制方法的流程示意图,本发明提供的清洗机液位控制方法包括以下步骤:S1:将制绒后多个的单晶硅晶圆依次移至各个槽(即SPM清洗槽、第一QDR槽、第一DHF清洗槽、第二QDR槽、APM清洗槽、第三QDR槽、第二DHF清洗槽、第四QDR槽、HPM清洗槽、第五QDR槽、第三DHF清洗槽和第六QDR槽)内进行清洗;S2:控制各个槽(即SPM清洗槽、第一DHF清洗槽、APM清洗槽、第二DHF清洗槽、HPM清洗槽和第三DHF清洗槽)内部的加热器对清洗溶液加热所达到的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间,根据相应的清洗时间停止所在清洗槽内的清洗,控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽;即控制SPM清洗槽在其规定的被加热阈值范围内以及SPM清洗槽内的清洗时间内清洗多个单晶硅晶圆后,多个单晶硅晶圆被移至第一QDR槽内进行快排冲洗,以去除SPM清洗槽内的清洗液;冲洗干净多个单晶硅晶圆表面的清洗液后,再被移至第一DHF清洗槽进行清洗,在规定清洗时间内清洗完毕后,再被移至第二QDR槽内进行快排冲洗,以去除第一DHF清洗槽内的稀氢氟酸溶液的残留;依照该顺序依次启闭各个清洗槽和相应的QDR槽,各个清洗槽起到了不同的清洗功能以去除制绒后的多个单晶硅晶圆表面的不同的污垢、微颗粒、金属、有机物等残留物,在每个清洗槽后相应的QDR槽是对不同成分的清洗溶液清洗后的多个单晶硅晶圆表面的清洗液的漂洗,以保证多个单晶硅晶圆表面在下一个清洗槽内不会发生残留物的相互化学反应,保证下一个清洗槽所要达到的清洗效果;S3:在每个QDR槽内对多个单晶硅晶圆进行快排冲洗,以保证每个清洗槽清洗后进入下一个清洗槽前清除干净残留的清洗液。
在本发明提供的清洗机液位控制方法的S1-S3步骤可以由本发明提供的清洗机液位控制系统实现,清洗机液位控制系统中的温度控制模块计算第i个被监测的清洗槽内的温度在其被加热阈值范围内的最优槽内实时温度,中央控制模块根据最优槽内实时温度控制各个清洗槽内的加热器对第i个被监测的清洗槽内清洗溶液进行加热。
中央控制模块控制所述SPM清洗槽的清洗溶液被加热阈值范围为100℃~150℃,清洗时间为10min~15min,清洗流量为0.075L/min~0.15L/min;
APM清洗槽的清洗溶液被加热阈值范围为35℃~80℃,清洗时间为5min~15min,清洗流量为0.1L/min~0.2L/min;
HPM清洗槽的清洗溶液被加热阈值范围为65℃~85℃,清洗时间为8 min~10min,清洗流量为0.15L/min~0.25L/min;
每个DHF清洗槽的清洗温度的清洗溶液被加热阈值范围为18℃~25℃,清洗时间为10min~15min,清洗流量为0.15L/min~0.2L/min。
每个QDR槽的快排冲洗时间设定为8min~15min,每个QDR槽采用UPW超纯水进行快排冲洗。
SPM清洗槽内的清洗溶液由浓H2SO4+H2O2+H2O以体积比5:1:1配制而成。
APM清洗槽内的清洗溶液由NH4OH+H2O2+H2O以体积比1:1:5~1:2:7配制而成;NH4OH为质量分数为39%的氢氧化铵,H2O2为质量分数为30%的过氧化氢溶液。
HMP清洗槽内的清洗溶液由纯H2O2+H2O+HCl以体积比1:1:6~1:2:8配制而成,HCl为质量分数为37%的盐酸溶液,H2O2为质量分数为30%的过氧化氢溶液。
第一DHF清洗槽、第二DHF清洗槽和第三DHF清洗槽内的清洗溶液均为由HF+H2O2+H2O以体积比5:10:40~5:50:1000配制而成;HF为质量分数为40%的氢氟酸溶液,H2O2为质量分数为30%的过氧化氢溶液。
以上配制的清洗溶液中的H2O均为蒸馏水。
SPM清洗槽内的清洗溶液(SC-3溶剂)具有很高的氧化能力,可以有效去除单晶硅晶圆表面的重有机沾污和部分金属。
APM清洗槽内的清洗溶液(SC-1溶剂)中含有H2O2,由于H2O2的作用,硅片表面有一层呈亲水性的自然氧化膜(SiO2),因此,单晶硅晶圆表面的附着颗粒之间可以被清洗溶液浸透,由于硅片表面的自然氧化层,与硅片表面的Si被NH4OH腐蚀,因此附着在硅片表面的颗粒便落入清洗液中,从而达到去除粒子的目的。在NH4OH腐蚀硅片表面的同时,H2O2又在氧化硅片表面形成新的氧化膜。
HPM清洗槽内的清洗溶液(SC-2溶剂)通过其清洗溶液具有的酸性,氧化被清洗的单晶硅晶圆表面的金属,可以溶解被APM溶液中的NH4OH络合的多种金属例子,还有不溶解于氨水的Fe(OH)3、Al(OH)3、Zn(OH)2和Mg(OH)2多种用于去除硅片表面的铁、镁、铝等金属离子沾污。在室温下HPM就能除去Fe和Zn。
在SPM清洗槽和APM清洗槽之间添加第一DHF清洗槽,在APM清洗槽和HPM清洗槽之前添加第二DHF清洗槽,以及在HPM清洗槽之后添加第三DHF清洗槽,是为了去除单晶硅晶圆表面的自然氧化层且在自然氧化层表面也会沾有金属,由于在第一DHF清洗槽之前的SPM清洗槽中浓硫酸的强氧化性可能会在被清洗的单晶硅晶圆表面产生化学氧化膜,采用第一DHF清洗槽内的稀氢氟酸溶液对其清洗,可以对强氧化膜进行氧化溶解达到清洁的作用;在HPM清洗槽之后设置第三DHF清洗槽的作用是利用稀氢氟酸清洗由于之前多个清洗槽内清洗步骤不充分所产生的残留的氧化物、微小颗粒和Al、Fe、Zn和Ni等金属,从而起到有效的进一步表面沾污的清除,在用DHF清洗溶液清洗时,在自然氧化膜被腐蚀掉时,单晶硅晶圆表面的硅几乎不受腐蚀。
作为本发明的另一个优选实施例,如图3所示,为本发明提供的清洗机液位控制方法中的S2步骤中控制每个清洗槽内的清洗温度处于被加热阈值范围内的方法的流程示意图,本发明提供的S2步骤中控制每个清洗槽内的清洗温度处于被加热阈值范围内的方法包括以下步骤:
S21:实时监测第i个被监测的清洗槽内的进水管温度、进水管流速/>、出水管温度/>、出水管流速/>和实时液位/>;
其中,i为第i个被监测的清洗槽;
S22:构建清洗时间范围内的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型:/>;;;/>;/>;其中,/>为第i个被监测的清洗槽内的实时热交换量,/>为第i个被监测的清洗槽内的实时温度,/>为第i个被监测的清洗槽的总传热系数,/>为第i个被监测的清洗槽内清洗溶液的密度,/>为第i个被监测的清洗槽内的清洗溶液的比热容,/>和/>可以分别在第i个被监测的清洗槽内设置电容式液体密度传感器和比热容测定仪进行测定;/>为第i个被监测的清洗槽内出水与进水的流速差,/>;/>为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积;/>为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积;由于共六个清洗槽:SPM清洗槽、第一DHF清洗槽、APM清洗槽、第二DHF清洗槽、HPM清洗槽和第三DHF清洗槽,因此,i=1,2,3,4,5,6; 为第i个被监测的清洗槽内被加热阈值范围的最高加热阈值,/>为第i个被监测的清洗槽内被加热阈值范围的最低加热阈值;
其中,为第i个被监测的清洗槽的热平衡方程,在此限定条件下,以及限定的第i个被监测的清洗槽的最大出水与进水的流速差/>和最小出水与进水的流速差/>的限定条件下,求取第i个被监测的清洗槽内的能够实现最大实时热交换量的实时槽内温度/>;
在该步骤中,后限定的四个条件:、/>、和/>为构建的第i个被监测的清洗槽内清洗时间范围内的热平衡条件下的最优槽内温度计算模型中求取最优槽内温度的计算公式的四个求取限定条件,即在上述四个限定条件下求取使/>计算结果最大的实时槽内温度/>;
S23:采用BP神经网络算法优化所述S22步骤构建的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型计算得到的第i个被监测的清洗槽内的实时温度,求取最优槽内实时温度;
S24:以所述S23步骤计算得到的最优槽内实时温度实时控制第i个被监测的清洗槽内的加热器运行。
在该步骤中,由于上述介绍的中央控制模块控制的各个清洗槽的被加热阈值范围、清洗流量被控制范围和清洗时间被控制范围,以SPM清洗槽为例,中央控制模块控制SPM清洗槽的清洗溶液被加热阈值范围为100℃~150℃,清洗时间为10min~15min,清洗流量为0.075L/min~0.15L/min;SPM槽为第1个被监测的清洗槽,则在S22步骤中的为150℃,/>为100℃,/>为15min-10min的计算结果,即/>=5min,SPM清洗槽的实时清洗流量为SPM清洗槽(第1个被监测的清洗槽)的体积×出进水流速差,即为/>,因此,,/>,其余的第一DHF清洗槽、APM清洗槽、第二DHF清洗槽、HPM清洗槽和第三DHF清洗槽的在S22步骤构建的计算模型中的相应的参数可以同样地得出。每个清洗槽均采用聚四氟乙烯材质,其具有耐热、耐酸碱的优异效果。
进一步优选地,S22步骤中的第i个被监测的清洗槽的总传热系数的计算公式如下:/>;其中,/>为第i个被监测的清洗槽的进水管热交换时的热阻,/>为第i个被监测的清洗槽内清洗溶液热交换时的热阻,/>为第i个被监测的清洗槽的出水管热交换时的热阻;/>;/>;;其中,/>为第i个被监测的清洗槽内清洗溶液的热导率,S为被清洗的多个单晶硅晶圆的总数,B为被清洗的一个单晶硅晶圆的厚度,R为被清洗的一个单晶硅晶圆的半径,/>即表示第i个被监测的清洗槽内清洗溶液的热传导系数。
进一步优选地,第i个被监测的清洗槽内的清洗溶液由第一种溶质纯溶液、第二种溶质纯溶液以及蒸馏水以的体积份数比例进行配比得到,所述第i个被监测的清洗槽内清洗溶液的热导率/>的计算公式如下:;其中,/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的导热系数,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的导热系数;/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的体积份数,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的体积份数;/>,/>为第i个被监测的清洗槽内的清洗溶液中蒸馏水的体积份数。
以APM清洗槽内的清洗溶液为例,APM清洗槽是第三个被监测的清洗槽,若APM清洗槽由NH4OH+H2O2+H2O以体积比1:1:5配制而成;NH4OH为质量分数为39%的氢氧化铵,H2O2为质量分数为30%的过氧化氢溶液。则39%的氢氧化铵为第一种溶质纯溶液,30%的过氧化氢溶液为第二种溶质纯溶液,,/>,/>;/>为39%的氢氧化铵溶液的导热系数,为30%的过氧化氢溶液的导热系数。以第一DHF清洗槽内的清洗溶液为例,第一DHF清洗槽是第二个被监测的清洗槽,若第一DHF清洗槽内的清洗溶液为由HF+H2O以体积比5:10:40制而成,HF为质量分数为40%的氢氟酸溶液,则/>,/>,/>,每个DHF清洗槽内的/>为40%的氢氟酸溶液的导热系数,/>为30%的过氧化氢溶液的导热系数。
;/>;其中,/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的密度,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的密度,/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液中溶质的分子量,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液中溶质的分子量,/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的液体压缩系数,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的液体压缩系数。/>
;;其中,/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的液体分子比容,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的液体分子比容,/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的沸点温度,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的沸点温度。液体比容为常温常压下某种液体的体积与其质量的比,单位为m3/kg。
进一步优选地,每个清洗槽的大小以及被清洗的多个单晶硅晶圆的大小也影响了第i个被监测的清洗槽内的清洗溶液的热交换效率,二者的热交换面积由于多个单晶硅晶圆的数量的增加以及单个单晶硅晶圆的厚度、半径而不同,且槽内的清洗溶液在槽内被加热器加热的体积由于被清洗的单晶硅晶圆的数量的增加而减少,也会由于单个单晶硅晶圆的厚度、半径的增加而减少,因此,为了提高所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积的计算公式如下:;
所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积的计算公式如下:/>;其中,/>为第i个被监测的清洗槽的实时液位,/>为第i个被监测的清洗槽的宽度,/>为第i个被监测的清洗槽的长度,因此,/>和/>分别为第i个被监测的清洗槽内被加热的清洗溶液与第i个被监测的清洗槽的热交换表面积和总体积;S为被清洗的多个单晶硅晶圆的总数,B为被清洗的一个单晶硅晶圆的厚度,R为被清洗的一个单晶硅晶圆的半径,因此,S/>为多个被清洗的单晶硅晶圆与第i个被监测的清洗槽内清洗溶液的热交换表面积,/>为多个被清洗的单晶硅晶圆占用了的第i个被监测的清洗槽内清洗溶液与第i个被监测的清洗槽进行热交换的体积;/>为第i个被监测的清洗槽进水管的半径,/>为第i个被监测的清洗槽进水管的长度,因此,/>为第i个被监测的清洗槽进水管的进水与第i个被监测的清洗槽内被加热的清稀溶液的热交换面积,为第i个被监测的清洗槽的进水管占用了的第i个被监测的清洗槽内清洗溶液与第i个被监测的清洗槽进行热交换的体积;/>为第i个被监测的清洗槽出水管的半径,/>为第i个被监测的清洗槽出水管的长度,因此,/>为第i个被监测的清洗槽内被加热的清洗溶液第i个与被监测的清洗槽出水管的出水的热交换面积,/>为第i个被监测的清洗槽的出水管占用了的第i个被监测的清洗槽内清洗溶液与第i个被监测的清洗槽进行热交换的体积;/>为支架所占体积,可以根据支架的长宽高等各项参数进行计算以及出厂指标进行查询,支架也占用了第i个被监测的清洗槽内清洗溶液与第i个被监测的清洗槽进行热交换的体积。
作为本发明的另一个优选实施例,如图4所示,为了提高所述S22步骤计算得到的第i个被监测的清洗槽内的能够实现最大实时热交换量的最优槽内实时温度的精确度,本发明提供的清洗机液位控制方法在S23步骤中,通过BP神经网络算法优化在上述四个限定条件下求取使/>计算结果最大的实时槽内温度/>,求取最优槽内实时温度/>,优选地,所述S23步骤包括以下步骤:
S231:由所述S22步骤计算得到的清洗时间范围内的第i个被监测的清洗槽内的实时温度组成初始训练集,,/>为初始训练集中的第m个训练数据,m=1, 2, …, M;M为初始训练集/>中的训练数据总数;将所述初始训练集/>输入由输入层、隐含层和输出层组成的BP神经网络进行优化训练;
S232:构建初始训练集中的第m个训练数据经过所述隐含层更新迭代处理后输出的第n个隐含层输出值/>计算函数,隐含层输出N个隐含层输出值组成的隐含层输出数据集/>,/>,/>为隐含层输出数据集/>中的第n个隐含层输出值,n=1,2,…,N;
S233:构建所述隐含层输出数据集中的第n个隐含层输出值经过输出层更新迭代处理后输出的第u个输出层输出值/>计算函数,N个隐含层输出值经过输出层处理,进而输出U个输出层输出值组成的输出层输出数据集/>,,/>为输出层输出数据集中的第u个输出层输出值;
S234:由所述S233步骤输出得到的时间范围内的U个输出层输出值,计算最优槽内实时温度/>:/>;其中,/>为比例系数,/>=1.2;/>为微分系数,/>=4.5;/>为积分系数,/>=0.025;/>为第i个被监测的清洗槽内多个单晶硅晶圆被清洗的清洗时间范围。
作为本发明的一个优选实施例,在隐含层对初始训练集中的各个数据进行处理过程中,计算隐含层输出值与真实隐含层输出值之间的均方误差/>,并计算隐含层数据更新的学习率/>,判断经过迭代后的隐含层输出值与真实隐含层输出值之间的均方误差/>是否小于1.25,决定是否完成隐含层的数据迭代优化;第i个被监测的清洗槽内的M个实时温度的初始训练集/>经过隐含层的处理,进而输出N个隐含层输出值组成的隐含层输出数据集/>;
作为本发明的另一个优选实施例,在输出层对隐含层输出数据集的各个数据进行处理过程中,计算输出层输出值与真实输出层输出值之间的均方误差/>,并计算输出层数据更新的学习率/>,判断经过迭代后的输出层输出值与真实输出层输出值之间的均方误差/>是否小于1.05,决定是否完成输出层的数据迭代优化。/>
如图5所示,BP神经网络包括输入层、隐含层和输出层,输入层的多个输入数据可以对隐含层的某一个神经元产生多个隐含层的输入值,在输入层对隐含层的第一链接权数/>的作用下,可以通过加和得到隐含层某一神经元的隐含层输入值,隐含层的某一个神经元隐含层输入值/>经过隐含层处理,输出第n个隐含层输出值/>,隐含层对每个神经元的隐含层输出值/>均在学习率/>的基础上以/>梯度下降更新量更新迭代所述第一链接权值/>,进而得到更新迭代的第n个隐含层输出值;隐含层的多个隐含层输出值对输出层的某一个神经元产生多个输出层的输入值/>,在隐含层对输出层的第二链接权数/>的作用下,可以通过加和得到输出层某一神经元的输出层输入值/>,输出层对每个神经元的输出层输出值/>均在学习率/>的基础上以/>梯度下降更新量更新迭代所述第二链接权值/>,进而得到更新迭代的第u个输出层输出值。
为了使BP神经网络算法中在BP神经网络的隐含层对S22步骤计算得到第i个被监测的清洗槽内需要被控制得到的多个实时温度,进而由其组成的共M个训练数据初始训练集/>中的每个训练数据在输出隐含层进入输出层,在输出层进行更新迭代计算之前,保证隐含层的迭代输出值的精确性,如图6所示,作为本发明的另一个优选实施例,所述S232步骤,包括以下步骤:
S2321:构建初始训练集中的第m个训练数据经过所述隐含层处理后输出的第n个隐含层输出值/>计算函数:/>;其中,/>为初始训练集/>中的第m个训练数据与隐含层输出数据集/>中的第n个隐含层输出值/>之间的第一链接权值;
S2322:计算第n个隐含层输出值与真实隐含层输出值/>之间的均方误差/>:/>;S2323:计算隐含层数据更新的学习率/>:;其中,/>为初始训练集中的第m个训练数据输入至隐含层的第n个隐含层输入值,;即始训练集/>中第1个至第M个训练数据对隐含层的第n个神经元均产生一定的值/>、/>、…、/>、…、,进而第n个神经元将第1个至第M个训练数据对其值进行加和,即为隐含层的第n个神经元对数据进行处理迭代更新前的第n个隐含层输入值;
S2324:隐含层每次以梯度下降更新量更新迭代所述第一链接权值/>,/>;并根据每次更新得到的新的第一连接权值/>和所述S2321步骤中的计算函数计算新的经过所述隐含层处理后输出的第n个隐含层输出值/>;
S2325:判断经过更新后的新的隐含层输出值与真实隐含层输出值之间的均方误差/>是否小于1.25,若是,则停止隐含层的更新迭代并输出经过更新迭代得到的第n个隐含层输出值,否则重复所述步骤S2321-S2324。将经过更新后的新的隐含层输出值/>与真实隐含层输出值/>代入所述S2322步骤构建的公式中计算均方误差/>。
作为本发明的另一个优选实施例,如图7所示,所述S233步骤包括以下步骤:
S2331:构建隐含层输出数据集中的第n个隐含层输出值经过输出层处理后输出的第u个输出层输出值/>计算函数:;其中,/>为隐含层输出数据集/>中的第n个隐含层输出值与输出层输出数据集/>中的第u个输出层输出值/>之间的第二链接权值;
S2332:计算第u个输出层输出值与真实输出层输出值/>之间的均方误差/>:/>;S2333:计算输出层数据更新的学习率/>:;其中,/>为隐含层输出数据集/>中的第n个隐含层输出值输入至输出层的第u个输出层输入值,;即始训练集/>中第1个至第N个隐含层输出值对输出层的第u个神经元均产生一定的值/>、/>、…、/>、…、,进而第u个神经元将第1个至第N个隐含层输出值对其值进行加和,即为隐含层的第u个神经元对数据进行处理迭代更新前的第u个输出层输入值;
S2334:输出层每次以梯度下降更新量更新迭代所述第二链接权值/>,;并根据每次更新得到的新的第二连接权值/>和所述S2331步骤中的计算函数计算新的经过所述输出层处理后输出的第u个隐含层输出值/>;
S2335:判断经过更新后的新的输出层输出值与真实输出层输出值之间的均方误差/>是否小于1.05,若是,则停止输出层的更新迭代并输出经过更新迭代得到的第u个隐含层输出值,否则重复所述步骤S2331-S2334。将经过更新后的新的输出层输出值/>与真实输出层输出值/>代入所述S2332步骤构建的公式中计算均方误差/>。/>
本发明还提供一种采用如上所述方法的清洗机液位控制系统,如图8所示,所述系统包括中央控制模块和温度控制模块;所述温度控制模块与中央控制模块通信连接;
所述中央控制模块,用于控制所述SPM清洗槽、所述第一QDR槽、所述第一DHF清洗槽、所述第二QDR槽、所述APM清洗槽、所述第三QDR槽、所述第二DHF清洗槽、所述第四QDR槽、所述HPM清洗槽、所述第五QDR槽、所述第三DHF清洗槽和所述第六QDR槽的开启或关闭,并根据所述温度控制模块发出的指令控制各个清洗槽内的加热器的开启或关闭以使其内水温处于相应的清洗温度内,并根据相应的清洗时间停止所在清洗槽内的清洗,控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽对多个单晶硅晶圆表面的清洗溶液清洗干净;
所述温度控制模块,用于采集各个清洗槽(即SPM清洗槽、第一DHF清洗槽APM清洗槽、第二DHF清洗槽、HPM清洗槽和第三DHF清洗槽)内的实时参数并向所述中央控制模块发出控制第i个被监测的清洗槽内的加热器对清洗溶液加热所要达到的最优槽内实时温度的信号。
进一步优选地,所述温度控制模块包括分别设置于各个清洗槽(SPM清洗槽、第一DHF清洗槽、APM清洗槽、第二DHF清洗槽、HPM清洗槽和第三DHF清洗槽)内六个槽内温度传感器、六个液位传感器、六个进水管温度传感器、六个进水管流量传感器、六个出水管温度传感器、六个出水管流量传感器和温度分析计算模块;即每个清洗槽内设置一个槽内温度传感器、液位传感器、进水管处的进水管温度传感器和进水管流量传感器、出水管处的出水管温度传感器和出水管流量传感器;第i个被监测的清洗槽内的槽内温度传感器,用于实时监测第i个被监测的清洗槽内的实时温度;第i个被监测的清洗槽内的液位传感器,用于实时监测槽内的实时液位/>;第i个被监测的清洗槽进水管处的进水管温度传感器,用于实时监测第i个被监测的清洗槽内的进水管温度/>;第i个被监测的清洗槽出水管处的出水管温度传感器,用于实时监测第i个被监测的清洗槽内的出水管温度/>;第i个被监测的清洗槽进水管处的进水管流量传感器,用于实时监测第i个被监测的清洗槽的进水管流速/>;第i个被监测的清洗槽出水管处的出水管流量传感器,用于实时监测第i个被监测的清洗槽的出水管流速/>;
所述温度分析计算模块,用于构建清洗时间范围内的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型;并采用BP神经网络算法优化构建的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型计算得到的第i个被监测的清洗槽内的实时温度,求取最优槽内实时温度;
因此,所述中央控制模块接收温度分析计算模块求取得到的最优槽内实时温度数据信号,并进一步用于以所述温度分析计算模块计算得到的最优槽内实时温度实时控制第i个被监测的清洗槽内的加热器运行,以使该清洗槽内的清洗溶液的水温实时达到最优槽内实时温度/>。
虽然已经参考优选实施例对本发明进行了描述,但在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (9)
1.清洗机液位控制方法,所述方法适用于采用RCA清洗方法清洗制绒后的多个单晶硅晶圆,其特征在于,清洗多个单晶硅晶圆的清洗机包括SPM清洗槽、第一QDR槽、第一DHF清洗槽、第二QDR槽、APM清洗槽、第三QDR槽、第二DHF清洗槽、第四QDR槽、HPM清洗槽、第五QDR槽、第三DHF清洗槽和第六QDR槽;每个清洗槽内设置有加热器;
所述方法包括以下步骤:
S1:将制绒后多个的单晶硅晶圆依次移至各个槽内进行清洗;
S2:控制各个槽内部的加热器对清洗溶液加热所达到的清洗温度处于被加热阈值范围内并控制各个清洗槽的清洗时间,根据相应的清洗时间停止所在清洗槽内的清洗,控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽;
S3:在每个QDR槽内对多个单晶硅晶圆进行快排冲洗,以保证每个清洗槽清洗后进入下一个清洗槽前清除干净残留的清洗液;
所述S2步骤中控制每个清洗槽内的清洗温度处于被加热阈值范围内的方法,包括以下步骤:
S21:实时监测第i个被监测的清洗槽内的进水管温度、进水管流速/>、出水管温度/>、出水管流速/>和实时液位/>;其中,i为第i个被监测的清洗槽,i=1,2, 3,4,5,6;
S22:构建清洗时间范围内的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型:
;;;/>;/>;其中,/>为第i个被监测的清洗槽内的实时热交换量,/>为第i个被监测的清洗槽内的实时温度,/>为第i个被监测的清洗槽的总传热系数,/>为第i个被监测的清洗槽内清洗溶液的密度,/>为第i个被监测的清洗槽内的清洗溶液的比热容;/>为第i个被监测的清洗槽内出水与进水的流速差,/>;/>为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积;/>为第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积;/>为第i个被监测的清洗槽内被加热阈值范围的最高加热阈值,/>为第i个被监测的清洗槽内被加热阈值范围的最低加热阈值;
S23:采用BP神经网络算法优化所述S22步骤构建的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型计算得到的第i个被监测的清洗槽内的实时温度,求取最优槽内实时温度;
S24:以所述S23步骤计算得到的最优槽内实时温度实时控制第i个被监测的清洗槽内的加热器运行。
2.根据权利要求1所述的清洗机液位控制方法,其特征在于,所述S22步骤中的第i个被监测的清洗槽的总传热系数的计算公式如下:/>;其中,/>为第i个被监测的清洗槽的进水管热交换时的热阻,/>为第i个被监测的清洗槽内清洗溶液热交换时的热阻,/>为第i个被监测的清洗槽的出水管热交换时的热阻;
;/>;/>;其中,/>为第i个被监测的清洗槽内清洗溶液的热导率,S为被清洗的多个单晶硅晶圆的总数,B为被清洗的一个单晶硅晶圆的厚度,R为被清洗的一个单晶硅晶圆的半径,/>即表示第i个被监测的清洗槽内清洗溶液的热传导系数。
3.根据权利要求2所述的清洗机液位控制方法,其特征在于,第i个被监测的清洗槽内的清洗溶液由第一种溶质纯溶液、第二种溶质纯溶液以及蒸馏水以的体积份数比例进行配比得到,所述第i个被监测的清洗槽内清洗溶液的热导率/>的计算公式如下:/>;其中,/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的导热系数,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的导热系数;/>为第i个被监测的清洗槽内的清洗溶液中第一种溶质纯溶液的体积份数,/>为第i个被监测的清洗槽内的清洗溶液中第二种溶质纯溶液的体积份数;/>,/>为第i个被监测的清洗槽内的清洗溶液中蒸馏水的体积份数。
4.根据权利要求1所述的清洗机液位控制方法,其特征在于,所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换面积的计算公式如下:;所述第i个被监测的清洗槽内被清洗的多个单晶硅晶圆与清洗槽内溶液的热交换体积/>的计算公式如下:;
其中,为第i个被监测的清洗槽的实时液位,/>为第i个被监测的清洗槽的宽度,/>为第i个被监测的清洗槽的长度;S为被清洗的多个单晶硅晶圆的总数,B为被清洗的一个单晶硅晶圆的厚度,R为被清洗的一个单晶硅晶圆的半径;/>为第i个被监测的清洗槽进水管的半径,/>为第i个被监测的清洗槽进水管的长度;/>为第i个被监测的清洗槽出水管的半径,/>为第i个被监测的清洗槽出水管的长度;/>为支架所占体积。
5.根据权利要求1所述的清洗机液位控制方法,其特征在于,所述S23步骤包括以下步骤:
S231:由所述S22步骤计算得到的清洗时间范围内的第i个被监测的清洗槽内的实时温度组成初始训练集,/>,/>为初始训练集/>中的第m个训练数据,m=1,2,…, M;M为初始训练集中的训练数据总数;将所述初始训练集/>输入由输入层、隐含层和输出层组成的BP神经网络进行优化训练;
S232:构建初始训练集中的第m个训练数据经过所述隐含层更新迭代处理后输出的第n个隐含层输出值/>计算函数,隐含层输出N个隐含层输出值组成的隐含层输出数据集/>,/>,/>为隐含层输出数据集/>中的第n个隐含层输出值,n=1,2,…,N;
S233:构建所述隐含层输出数据集中的第n个隐含层输出值经过输出层更新迭代处理后输出的第u个输出层输出值/>计算函数N个隐含层输出值经过输出层处理,输出U个输出层输出值组成的输出层输出数据集/>,,/>为输出层输出数据集中的第u个输出层输出值;
S234:由所述S233步骤输出得到的时间范围内的U个输出层输出值,计算最优槽内实时温度/>:/>;其中,/>为比例系数,/>=1.2;/>为微分系数,/>=4.5;/>为积分系数,/>=0.025;/>为第i个被监测的清洗槽内多个单晶硅晶圆被清洗的清洗时间范围。
6.根据权利要求5所述的清洗机液位控制方法,其特征在于,所述S232步骤,包括以下步骤:
S2321:构建初始训练集中的第m个训练数据经过所述隐含层处理后输出的第n个隐含层输出值/>计算函数:/>;其中,为初始训练集/>中的第m个训练数据与隐含层输出数据集/>中的第n个隐含层输出值/>之间的第一链接权值;
S2322:计算第n个隐含层输出值与真实隐含层输出值/>之间的均方误差:/>;S2323:计算隐含层数据更新的学习率/>:;其中,/>为初始训练集中的第m个训练数据输入至隐含层的第n个隐含层输入值,;
S2324:隐含层每次以梯度下降更新量更新迭代所述第一链接权值/>,;并根据每次更新得到的新的第一连接权值/>和所述S2321步骤中的计算函数计算新的经过所述隐含层处理后输出的第n个隐含层输出值/>;
S2325:判断经过更新后的新的隐含层输出值与真实隐含层输出值/>之间的均方误差/>是否小于1.25,若是,则停止隐含层的更新迭代并输出经过更新迭代得到的第n个隐含层输出值,否则重复所述步骤S2321-S2324。
7.根据权利要求5所述的清洗机液位控制方法,其特征在于,所述S233步骤包括以下步骤:
S2331:构建隐含层输出数据集中的第n个隐含层输出值经过输出层处理后输出的第u个输出层输出值/>计算函数:/>;其中,/>为隐含层输出数据集/>中的第n个隐含层输出值与输出层输出数据集中的第u个输出层输出值/>之间的第二链接权值;
S2332:计算第u个输出层输出值与真实输出层输出值/>之间的均方误差:/>;S2333:计算输出层数据更新的学习率/>:;其中,/>为隐含层输出数据集/>中的第n个隐含层输出值输入至输出层的第u个输出层输入值,;
S2334:输出层每次以梯度下降更新量更新迭代所述第二链接权值/>,;并根据每次更新得到的新的第二连接权值/>和所述S2331步骤中的计算函数计算新的经过所述输出层处理后输出的第u个隐含层输出值/>;
S2335:判断经过更新后的新的输出层输出值与真实输出层输出值/>之间的均方误差/>是否小于1.05,若是,则停止输出层的更新迭代并输出经过更新迭代得到的第u个隐含层输出值,否则重复所述步骤S2331-S2334。
8.采用如权利要求1-7任一所述方法的清洗机液位控制系统,其特征在于,所述系统包括中央控制模块和温度控制模块;所述温度控制模块与中央控制模块通信连接;
所述中央控制模块,用于控制所述SPM清洗槽、所述第一QDR槽、所述第一DHF清洗槽、所述第二QDR槽、所述APM清洗槽、所述第三QDR槽、所述第二DHF清洗槽、所述第四QDR槽、所述HPM清洗槽、所述第五QDR槽、所述第三DHF清洗槽和所述第六QDR槽的开启或关闭,并根据所述温度控制模块发出的指令控制各个清洗槽内的加热器的开启或关闭以使其内水温处于相应的清洗温度,并根据相应的清洗时间停止所在清洗槽内的清洗,控制被清洗的多个单晶硅晶圆移至相应的QDR槽内并开启相应的QDR槽对多个单晶硅晶圆表面的清洗溶液清洗干净;
所述温度控制模块,用于采集各个清洗槽内的实时参数并向所述中央控制模块发出控制第i个被监测的清洗槽内的加热器对清洗溶液加热所要达到的最优槽内实时温度的信号。
9.根据权利要求8所述的清洗机液位控制系统,其特征在于,所述温度控制模块包括分别设置于各个清洗槽内六个槽内温度传感器、六个液位传感器、六个进水管温度传感器、六个进水管流量传感器、六个出水管温度传感器、六个出水管流量传感器、温度分析计算模块和温度阈值报警模块;
所述温度分析计算模块,用于构建清洗时间范围内的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型;并采用BP神经网络算法优化构建的第i个被监测的清洗槽的热平衡条件下的最优槽内温度计算模型计算得到的第i个被监测的清洗槽内的实时温度,求取最优槽内实时温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311317929.2A CN117059534B (zh) | 2023-10-12 | 2023-10-12 | 清洗机液位控制方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311317929.2A CN117059534B (zh) | 2023-10-12 | 2023-10-12 | 清洗机液位控制方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117059534A CN117059534A (zh) | 2023-11-14 |
CN117059534B true CN117059534B (zh) | 2024-01-19 |
Family
ID=88659479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311317929.2A Active CN117059534B (zh) | 2023-10-12 | 2023-10-12 | 清洗机液位控制方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117059534B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001053052A (ja) * | 1999-08-04 | 2001-02-23 | Promos Technologies Inc | 半導体ウェーハの化学洗浄方法 |
JP2006156924A (ja) * | 2004-11-29 | 2006-06-15 | Sumio Hamaya | 三槽ワンバス式ウエハ自動洗浄装置 |
KR20060124007A (ko) * | 2005-05-30 | 2006-12-05 | 삼성전자주식회사 | 습식 세정 장치 |
KR101582112B1 (ko) * | 2015-09-21 | 2016-01-04 | (주)파인에코 | 칩 크기의 실리콘의 세정 방법 및 이를 위한 세정장치 |
KR101612032B1 (ko) * | 2015-09-21 | 2016-04-12 | (주)파인에코 | 칩 크기의 실리콘의 세정 방법 및 이를 위한 세정장치 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI220060B (en) * | 2001-05-10 | 2004-08-01 | Macronix Int Co Ltd | Cleaning method of semiconductor wafer |
-
2023
- 2023-10-12 CN CN202311317929.2A patent/CN117059534B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001053052A (ja) * | 1999-08-04 | 2001-02-23 | Promos Technologies Inc | 半導体ウェーハの化学洗浄方法 |
JP2006156924A (ja) * | 2004-11-29 | 2006-06-15 | Sumio Hamaya | 三槽ワンバス式ウエハ自動洗浄装置 |
KR20060124007A (ko) * | 2005-05-30 | 2006-12-05 | 삼성전자주식회사 | 습식 세정 장치 |
KR101582112B1 (ko) * | 2015-09-21 | 2016-01-04 | (주)파인에코 | 칩 크기의 실리콘의 세정 방법 및 이를 위한 세정장치 |
KR101612032B1 (ko) * | 2015-09-21 | 2016-04-12 | (주)파인에코 | 칩 크기의 실리콘의 세정 방법 및 이를 위한 세정장치 |
Also Published As
Publication number | Publication date |
---|---|
CN117059534A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20080295862A1 (en) | Method of and apparatus for cleaning substrate | |
US5302237A (en) | Localized plasma processing | |
CN101479831B (zh) | 利用弯液面的蚀刻后晶片表面清洁 | |
CN107706089A (zh) | 铝线干法刻蚀后湿法清洗方法 | |
CN117059534B (zh) | 清洗机液位控制方法与系统 | |
CN111177970B (zh) | 基于高斯过程和卷积神经网络的多阶段半导体过程虚拟计量方法 | |
CN104752551A (zh) | 一种太阳能硅片的清洗方法 | |
CN112508279B (zh) | 基于空间相关性的区域分布式光伏预测方法及系统 | |
WO2023071826A1 (zh) | 湿法蚀刻设备及湿法蚀刻方法 | |
CN102259100A (zh) | 一种电子级多晶硅生产设备及工艺管道的清洗方法 | |
CN107706093A (zh) | 一种铝衬垫的制造方法 | |
US20130239996A1 (en) | Integrated processing and critical point drying systems for semiconductor and mems devices | |
CN110000152A (zh) | 燃料电池铝制换热器降低电导率的清洗系统及方法 | |
CN116053164A (zh) | 一种关键尺寸控制方法及系统 | |
CN110438571A (zh) | 一种高效单晶制绒工艺及其设备 | |
CN101612622B (zh) | 用于减少腔室颗粒沉积的方法、系统及半导体处理设备 | |
CN104716206B (zh) | 一种提高镀减反射膜后电池片返工品转换效率的方法 | |
Chen et al. | An iterative learning control in rapid thermal processing | |
CN115849519B (zh) | 一种有机模块化电催化氧化处理装置 | |
CN201611648U (zh) | 湿法腐蚀设备 | |
CN201880705U (zh) | 一种硅片的清洗装置 | |
TWI728368B (zh) | 防止晶圓被金屬離子汙染之方法及系統 | |
CN108597987A (zh) | 半导体晶圆的清洗方法 | |
JP2690902B2 (ja) | ウエハ面内熱応力転位発生抑制方法 | |
CN100395869C (zh) | 一种防止重工光阻倒塌的方法 |
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 |