CN117080139A - 基于真空吸附技术的晶圆传送控制方法及传送控制系统 - Google Patents
基于真空吸附技术的晶圆传送控制方法及传送控制系统 Download PDFInfo
- Publication number
- CN117080139A CN117080139A CN202311320192.XA CN202311320192A CN117080139A CN 117080139 A CN117080139 A CN 117080139A CN 202311320192 A CN202311320192 A CN 202311320192A CN 117080139 A CN117080139 A CN 117080139A
- Authority
- CN
- China
- Prior art keywords
- wafer
- mechanical arm
- data
- transmitted
- overturning
- 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 92
- 238000001179 sorption measurement Methods 0.000 title claims abstract description 29
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 34
- 235000012431 wafers Nutrition 0.000 claims description 662
- 230000001360 synchronised effect Effects 0.000 claims description 94
- 238000012546 transfer Methods 0.000 claims description 47
- 238000013519 translation Methods 0.000 claims description 38
- 238000012549 training Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 12
- 230000009191 jumping Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 4
- 238000012372 quality testing Methods 0.000 claims description 4
- 239000004065 semiconductor Substances 0.000 abstract description 7
- 230000001276 controlling effect Effects 0.000 description 29
- 230000007306 turnover Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000003750 conditioning effect Effects 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000007637 random forest analysis Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- H01L21/677—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 for conveying, e.g. between different workstations
- H01L21/67763—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 for conveying, e.g. between different workstations the wafers being stored in a carrier, involving loading and unloading
- H01L21/67766—Mechanical parts of transfer devices
-
- 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
- H01L21/683—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 for supporting or gripping
- H01L21/6838—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 for supporting or gripping with gripping and holding devices using a vacuum; Bernoulli devices
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)
- Robotics (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
Abstract
本发明涉及半导体领域,本发明公开了基于真空吸附技术的晶圆传送控制方法及传送控制系统,包括获取待传送晶圆的实际质量,基于实际质量确定机械臂的初始负压;获取预设移动路径,根据预设移动路径和机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,提取待传送晶圆的半径数据,以及获取最大高度调整数据和机械臂的上下间距数据;获取待传送晶圆的搬运任务,基于搬运任务确定调整指令,基于调整指令、半径数据和上下间距数据确定机械臂的状态调整数据,以及获取机械臂的负压变化曲线;基于调整指令和状态调整数据对机械臂和待传送晶圆进行传送中的晶圆调节;基于状态调整数据控制待传送晶圆传送至目标加工区域。
Description
技术领域
本发明涉及半导体领域,更具体地说,本发明涉及基于真空吸附技术的晶圆传送控制方法及传送控制系统。
背景技术
在半导体制造和集成电路生产过程中,晶圆作为关键材料扮演着重要角色;晶圆通常需要在不同工序中进行传送和翻转,以实现不同面的加工和检测;传统上,人工操作在这些步骤中起着关键作用,但随着技术的不断发展,自动化技术在晶圆处理中的应用变得越来越重要;目前,双臂吸盘式机器人已经在半导体制造领域得到广泛应用;这些机器人具有高度的灵活性和精准性,能够在狭小的工作空间内操作,并且能够以高速度和高重复性执行任务;然而,现有的双臂吸盘式机器人在晶圆传送和翻转过程中大多执行先后顺序(即一个晶圆在翻转的同时,另一晶圆处于翻转等待状态),导致晶圆的传送和翻转效率较低。
目前,缺乏在晶圆传送过程中对晶圆的调节方法,当然也存在部分调节发明,例如申请公开号为CN114388415A的中国专利公开了一种晶圆翻转控制方法和一种半导体工艺设备,上述方法虽能在晶圆传送过程中对晶圆进行翻转,但经发明人对上述方法以及现有技术进行研究和实际应用发现,上述方法以及现有技术至少存在以下部分缺陷:
(1)晶圆在翻转过程中存在先后顺序,无法实现晶圆在传送中的同步翻转;此外,缺乏对不同类型晶圆的考虑,易导致晶圆在翻转过程中产生碰撞;
(2)缺乏对不同类型晶圆在翻转过程中的吸附力调节控制,无法根据不同类型晶圆,对其进行翻转过程中的负压调节,从而易导致晶圆在翻转中产生脱落。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供基于真空吸附技术的晶圆传送控制方法及传送控制系统。
为实现上述目的,本发明提供如下技术方案:
基于真空吸附技术的晶圆传送控制方法,所述方法应用于吸盘式双臂机器人,所述吸盘式双臂机器人包括机械臂,所述机械臂包括机械臂一和机械臂二,所述方法包括:
获取晶圆盒内待传送晶圆的实际质量,基于实际质量确定机械臂的初始负压;所述待传送晶圆包括待传送晶圆A和待传送晶圆B,所述机械臂的初始负压包括机械臂一的初始负压和机械臂二的初始负压,所述机械臂一用于传送待传送晶圆A,所述机械臂二用于传送待传送晶圆B;
获取预设移动路径,根据预设移动路径和机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,提取待传送晶圆的半径数据,以及获取最大高度调整数据和机械臂的上下间距数据;
获取待传送晶圆的搬运任务,基于搬运任务确定调整指令,基于调整指令、半径数据和上下间距数据确定机械臂的状态调整数据,以及获取机械臂的负压变化曲线;所述搬运任务包括目标加工区域和传送过程中的搬运需求,所述搬运需求包括执行翻转和不执行翻转;所述状态调整数据包括平移角度调整数据和纵向高度调整数据;
基于调整指令和状态调整数据对机械臂和待传送晶圆进行传送中的晶圆调节;
基于状态调整数据控制待传送晶圆传送至目标加工区域。
进一步地,获取晶圆盒内待传送晶圆的实际质量,包括:
分别获取晶圆盒内待传送晶圆A和待传送晶圆B的图像,将待传送晶圆A的图像作为第一图像,以及将待传送晶圆B的图像作为第二图像;
将第一图像和第二图像输入预设类型分类模型,得到待传送晶圆A和待传送晶圆B的类型;以及分别获取待传送晶圆A和待传送晶圆B的粗糙系数;
基于类型与晶圆质量的对应预设关系,分别提取待传送晶圆A和待传送晶圆B的初始质量;
将待传送晶圆A的类型、粗糙系数与初始质量输入预设质量回归模型,得到待传送晶圆A的实际质量;以及将待传送晶圆B的类型、粗糙系数与初始质量输入预设质量回归模型,得到待传送晶圆B的实际质量。
进一步地,获取待传送晶圆A的粗糙系数,包括:
获取待传送晶圆A的M个晶圆反射信号,以及提取每个晶圆反射信号的反射时间,提取不同类型晶圆的最大标准反射时间和最小标准反射时间,分别标记为MaxR和MinR,M为大于零的正整数;
将M个晶圆反射时间分别与最大标准反射时间和最小标准反射时间进行比较,若存在MinR≤≤MaxR,则将对应的晶圆反射时间作为有效晶圆反射时间;若存在/><MinR,或存在/>>MaxR,则将对应的晶圆反射时间作为无效晶圆反射时间;其中,/>为第i个晶圆反射时间;
提取不同晶圆类型的标准反射时间,基于有效晶圆反射时间和标准反射时间进行统计计算,以获取待传送晶圆A的粗糙系数;其计算公式为:;式中:/>为粗糙系数,/>为第i个有效晶圆反射时间,/>为标准反射时间,/>为有效晶圆反射时间的总数。
进一步地,预设质量回归模型的构建逻辑为:获取质量样本数据集,所述质量样本数据集中包括多种晶圆的类型、不同类型晶圆在不同状态下的粗糙系数、不同类型晶圆的初始质量以及不同类型晶圆的实际质量,将质量样本数据集划分为质量训练集和质量测试集,构建回归网络,以质量训练集中的类型、粗糙系数和初始质量作为回归网络的输入数据,以质量训练集中的实际质量作为回归网络的输出数据,对回归网络进行训练,得到用于预测晶圆实际质量的初始回归网络,利用测试集对初始回归网络进行测试,输出满足预设测试准确度的回归网络作为预设质量回归模型。
进一步地,确定调整指令的逻辑如下:
提取待传送晶圆的搬运任务,基于搬运任务确定机械臂一和机械臂二在同一时刻下的调整指令;所述调整指令包括同步调整指令和单臂翻转指令,所述同步调整指令包括同步翻转指令和同步不变指令;包括:
当机械臂一和机械臂二的搬运需求均为执行翻转时,则生成同步翻转指令;
当机械臂一和机械臂二的搬运需求均为不执行翻转时,则生成同步不变指令;
当机械臂一或机械臂二搬运需求中的一种为执行翻转时,则生成单臂翻转指令。
进一步地,确定机械臂的状态调整数据,包括:
a.根据调整指令判断是否存在同步调整指令,若存在同步调整指令,则跳转至步骤b;若不存在同步调整指令,则确定调整指令为单臂翻转指令,并跳转至步骤c;
b. 判断同步调整指令是否为同步翻转指令,若不为同步翻转指令,则判定为同步调整指令为同步不变指令,并跳转至步骤e;若为同步翻转指令,则跳转至步骤c;
c.调取半径数据、最大高度调整数据和机械臂上下间距数据,基于半径数据、最大高度调整数据和机械臂上下间距数据计算待传送晶圆之间的最大纵向翻转间距;其中,计算公式为:,式中:/>为待传送晶圆之间的最大纵向翻转间距,/>为机械臂处于最大高度调整数据时的机械臂上下间距数据,/>为待传送晶圆A的半径数据,为待传送晶圆B的半径数据;
d.判断最大纵向翻转间距是否大于预设第一纵向翻转间距阈值,若最大纵向翻转间距小于等于预设第一纵向翻转间距阈值,则确定机械臂一的纵向高度调整数据;若最大纵向翻转间距大于预设第一纵向翻转间距阈值,则确定机械臂一的平移角度调整数据;
e.当同步调整指令为同步不变指令时,则将纵向高度调整数据和平移角度调整数据赋值为零。
进一步地,确定机械臂一的纵向高度调整数据,包括:
S1:获取当前机械臂状态下的机械臂上下间距数据;
S2:基于当前机械臂状态下的机械臂上下间距数据计算待传送晶圆之间的纵向翻转间距,其计算公式为,式中:/>为待传送晶圆之间的纵向翻转间距,/>为当前机械臂状态下的机械臂上下间距数据,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
S3:将纵向翻转间距与预设第二纵向翻转间距阈值进行比较,若纵向翻转间距小于等于预设第二纵向翻转间距阈值,则令H=H+V,并返回至步骤S2,V为大于零的正整数;若纵向翻转间距大于预设第二纵向翻转间距阈值,则将当前机械臂状态下的机械臂上下间距数据作为机械臂一的纵向高度调整数据;
S4:重复上述步骤S3,直至纵向翻转间距大于预设第二纵向翻转间距阈值时,停止循环。
进一步地,确定机械臂一的平移角度调整数据,包括:
SS1:获取当前状态下机械臂的水平间距;
SS2:基于当前状态下机械臂的水平间距计算待传送晶圆之间的水平翻转间距,其计算公式为,式中:/>为水平翻转间距,/>为当前状态下机械臂的水平间距,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
SS3:将机械臂的水平间距与预设第三翻转间距阈值进行比较,若水平间距小于等于预设第三翻转间距阈值,则令dis=dis+D,并返回至步骤SS2,D为大于零的正整数;若水平间距大于预设第三翻转间距阈值,则将当前机械臂一当前状态下机械臂的水平间距作为机械臂一的平移角度调整数据;
SS4:重复上述步骤SS3,直至水平间距大于预设第三翻转间距阈值时,停止循环。
进一步地,获取机械臂的负压变化曲线,包括:
当调整指令为同步翻转指令或为单臂翻转指令时,提取待传送晶圆A和待传送晶圆B的实际质量和翻转角度数据,以及获取机械臂一或机械臂二的翻转速度数据;
将待传送晶圆A的实际质量、待传送晶圆B的实际质量、翻转角度数据、机械臂一的翻转速度数据和机械臂二的翻转速度数据输入预构建的负压回归模型,得到机械臂一或机械臂二的负压变化曲线。
进一步地,对机械臂和待传送晶圆进行传送中的晶圆调节,包括:
当调整指令为同步翻转指令时,且最大纵向翻转间距大于预设第一纵向翻转间距阈值时,则提取纵向高度调整数据,根据纵向高度调整数据调节机械臂一的高度,并获取机械臂一和机械臂二的负压变化曲线,根据机械臂一控制待传送晶圆A进行翻转,以及根据机械臂二控制待传送晶圆B进行翻转;
当调整指令为同步翻转指令时,且最大纵向翻转间距小于等于预设第一纵向翻转间距阈值时,则提取平移角度调整数据,根据平移角度调整数据调节机械臂一的水平位置,并获取机械臂一和机械臂二的负压变化曲线,根据机械臂一控制待传送晶圆A进行翻转,以及根据机械臂二控制待传送晶圆B进行翻转。
进一步地,对机械臂和待传送晶圆进行传送中的晶圆调节,还包括:
当调整指令为单臂翻转指令时,且最大纵向翻转间距大于预设第一纵向翻转间距阈值时,则提取纵向高度调整数据,根据纵向高度调整数据调节机械臂一的高度,并获取机械臂一和机械臂二的负压变化曲线,根据负压变化曲线控制待传送晶圆A或待传送晶圆B进行翻转;
当调整指令为单臂翻转指令时,且最大纵向翻转间距小于等于预设第一纵向翻转间距阈值时,则提取平移角度调整数据,根据平移角度调整数据调节机械臂一的水平位置,并获取机械臂一和机械臂二的负压变化曲线,根据负压变化曲线控制待传送晶圆A或待传送晶圆B进行翻转。
基于真空吸附技术的晶圆传送控制系统,包括:
第一获取模块,用于获取晶圆盒内待传送晶圆的实际质量,基于实际质量确定机械臂的初始负压;所述待传送晶圆包括待传送晶圆A和待传送晶圆B,所述机械臂的初始负压包括机械臂一的初始负压和机械臂二的初始负压,所述机械臂一用于传送待传送晶圆A,所述机械臂二用于传送待传送晶圆B;
第二获取模块,用于获取预设移动路径,根据预设移动路径和机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,提取待传送晶圆的半径数据,以及获取最大高度调整数据和机械臂的上下间距数据;
指令确定模块,用于获取待传送晶圆的搬运任务,基于搬运任务确定调整指令,基于调整指令、半径数据和上下间距数据确定机械臂的状态调整数据,以及获取机械臂的负压变化曲线;所述搬运任务包括目标加工区域和传送过程中的搬运需求,所述搬运需求包括执行翻转和不执行翻转;所述状态调整数据包括平移角度调整数据和纵向高度调整数据;
晶圆调节模块,用于基于调整指令和状态调整数据对机械臂和待传送晶圆进行传送中的晶圆调节;
晶圆传送模块,用于基于状态调整数据控制待传送晶圆传送至目标加工区域。
一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述基于真空吸附技术的晶圆传送控制方法。
一种计算机可读存储介质,所述计算机可读存储介质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上述任一项所述基于真空吸附技术的晶圆传送控制方法。
相比于现有技术,本发明的有益效果在于:
1.本申请公开了基于真空吸附技术的晶圆传送控制方法及传送控制系统,首先获取待传送晶圆的实际质量,基于实际质量确定机械臂的初始负压;然后获取预设移动路径,根据预设移动路径和机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,提取待传送晶圆的半径数据,以及获取最大高度调整数据和机械臂的上下间距数据;之后获取待传送晶圆的搬运任务,基于搬运任务确定调整指令,基于调整指令、半径数据和上下间距数据确定机械臂的状态调整数据,以及获取机械臂的负压变化曲线;接着基于调整指令和状态调整数据对机械臂和待传送晶圆进行传送中的晶圆调节;最后基于状态调整数据控制待传送晶圆传送至目标加工区域;通过上述步骤,本发明能够实现晶圆在传送中的同步翻转,并且通过控制机械臂一进行高度和水平调节,有利于避免晶圆在翻转过程中产生碰撞。
2.本申请公开了基于真空吸附技术的晶圆传送控制方法及传送控制系统,通过待传送晶圆A的实际质量、待传送晶圆B的实际质量、翻转角度数据、机械臂一的翻转速度数据和机械臂二的翻转速度数据,确定机械臂的负压变化曲线,本发明能对不同类型晶圆在翻转过程中进行吸附力调节控制,有利于根据不同类型晶圆,对其进行翻转过程中的负压调节,从而有利于避免晶圆在翻转中产生脱落。
附图说明
图1为本发明提供的基于真空吸附技术的晶圆传送控制方法的示意图;
图2为本发明提供的基于真空吸附技术的晶圆传送控制系统的示意图;
图3为本发明提供的伯努利式真空吸盘的原理图;
图4为本发明提供的机械臂的状态调整数据的确定逻辑图;
图5为本发明提供的一种电子设备的结构示意图。
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。
实施例1
请参阅图2所示,本实施例公开提供了基于真空吸附技术的晶圆传送控制系统,包括:
第一获取模块210,用于获取晶圆盒内待传送晶圆的实际质量,基于实际质量确定机械臂的初始负压;所述待传送晶圆包括待传送晶圆A和待传送晶圆B,所述机械臂的初始负压包括机械臂一的初始负压和机械臂二的初始负压,所述机械臂一用于传送待传送晶圆A,所述机械臂二用于传送待传送晶圆B;
应当了解的是:所述吸盘式双臂机器人的每个机械臂上设置有吸盘,所述吸盘为伯努利式真空吸盘,如图3(伯努利式真空吸盘的原理图)所示,伯努利式真空吸盘在工作时,将高速压缩空气从喷嘴沿锥形内壁喷入,在吸盘与工件的间隙中创造了一个高速的环境,根据伯努利原理,间隙流动中气体的流速越快,压力越小,使被吸附的工件上表面产生负压,因此,晶圆获得一个支持力,气流从吸盘与被吸附物体之间的缝隙中排出,同时避免物体与吸盘接触,实现了对晶圆的非接触式搬运;
需要说明的是:在晶圆盒内放置有若干待传送晶圆,晶圆盒内若干所述待传送晶圆的规格、质量和尺寸会存在相同和不同之处;其中,待传送晶圆A和待传送晶圆B的划分依据根据预设晶圆传送约束条件确定;所述预设晶圆传送约束条件表示晶圆传送序号先后设定待传送晶圆A和待传送晶圆B;
举例说明就是:假设在晶圆盒内存在五块晶圆,其序号分为、/>、/>、/>和,根据预设晶圆传送约束条件,则将/>作为待传送晶圆A,将/>作为待传送晶圆B,当和/>完成传送过程时,则将/>和/>作为待传送晶圆A和待传送晶圆B,并执行下一环节的传送过程;当晶圆数量仅存在或仅剩余单数时,则将仅存在或仅剩余的晶圆作为待传送晶圆A,例如:将/>作为待传送晶圆A;
在实施中,获取晶圆盒内待传送晶圆的实际质量,包括:
分别获取晶圆盒内待传送晶圆A和待传送晶圆B的图像,将待传送晶圆A的图像作为第一图像,以及将待传送晶圆B的图像作为第二图像;
应当了解的是:对晶圆盒内待传送晶圆进行传送时,所述晶圆盒和待传送晶圆均处于真空的超洁净环境中,在所述超洁净环境中设置有工业摄像机,所述工业摄像机用于采集待传送晶圆A和待传送晶圆B的图像;
将第一图像和第二图像输入预设类型分类模型,得到待传送晶圆A和待传送晶圆B的类型;以及分别获取待传送晶圆A和待传送晶圆B的粗糙系数;
需要说明的是:预设类型分类模型用于对待传送晶圆A和待传送晶圆B的图像进行识别,以获取待传送晶圆A和待传送晶圆B的类型;其中,预设类型分类模型的具体生成逻辑如下:获取晶圆图像集,所述晶圆图像集中包括若干不同尺寸、质量和规格的晶圆图像;对晶圆图像集中晶圆图像进行多标签标注,将标注后的晶圆图像集划分为类型训练集和类型测试集,构建分类器,将类型训练集中的晶圆图像作为分类器的输入,将类型训练集中的标签作为分类器的输出,对分类器进行训练,得到初始类型分类器,利用类型测试集对初始类型分类器进行验证,输出满足预设测试准确度的初始类型分类器作为预设类型分类模型;
应当了解的是:所述多标签可以为不同类型晶圆的命名,也可以为数字标签,如:0,1,2,…;数字标签与不同类型晶圆人为一一关联绑定;还应当了解的是,所述分类器具体为决策树分类模型、随机森林分裂网络、支持向量机分类网络、逻辑回归模型或神经网络模型中的一种;
在实施中,获取待传送晶圆A的粗糙系数,包括:
获取待传送晶圆A的M个晶圆反射信号,以及提取每个晶圆反射信号的反射时间,提取不同类型晶圆的最大标准反射时间和最小标准反射时间,分别标记为MaxR和MinR,M为大于零的正整数;
将M个晶圆反射时间分别与最大标准反射时间和最小标准反射时间进行比较,若存在MinR≤≤MaxR,则将对应的晶圆反射时间作为有效晶圆反射时间;若存在/><MinR,或存在/>>MaxR,则将对应的晶圆反射时间作为无效晶圆反射时间;其中,/>为第i个晶圆反射时间;
需要说明的是:最大标准反射时间是指标准状态(即未加工和未污染状态)下晶圆的最大有效反射时间;进一步解释就是,假设存在一未加工状态且表面光滑的晶圆,并且其反射时间为0.36秒,当对该晶圆进行最大程度的加工后,其的反射时间为0.41秒,则将0.41秒作为最大标准反射时间;应当了解的是:最大程度的加工是指对晶圆的最大加工厚度(或者说是深度),即将最大加工厚度时晶圆的反射时间作为最大标准反射时间;同理,这一晶圆,在未加工状态且表面光滑下的反射时间为0.36秒,则将0.36秒作为该晶圆的最小标准反射时间;通过获取最大标准反射时间和最小标准反射时间,并基于其进行反射信号过滤,从而有利于提高后续计算粗糙系数的准确度;
还需要说明的是:晶圆反射信号利用信号采集设备采集得到,所述信号采集设备包括但不限于超声波传感器和脉冲传感器等等;
提取不同晶圆类型的标准反射时间,基于有效晶圆反射时间和标准反射时间进行统计计算,以获取待传送晶圆A的粗糙系数;其计算公式为:;式中:/>为粗糙系数,/>为第i个有效晶圆反射时间,/>为标准反射时间,/>为有效晶圆反射时间的总数;
需要说明的是:待传送晶圆B的粗糙系数的获取逻辑同上述待传送晶圆A,详情参照上述关于待传送晶圆A的粗糙系数的获取过程,在此不再过多赘述;
基于类型与晶圆质量的对应预设关系,分别提取待传送晶圆A和待传送晶圆B的初始质量;
需要说明的是:类型与晶圆质量的对应预设关系预存于系统数据库中,类型与晶圆质量的对应预设关系事先人为绑定,其是指不同类型的晶圆一一关联对应有唯一的初始质量,所述初始质量是指不同类型晶圆在标准状态(即未加工和未污染状态)下的标准质量,所述初始质量基于称重传感器采集得到,并预存于系统数据库中;
将待传送晶圆A的类型、粗糙系数与初始质量输入预设质量回归模型,得到待传送晶圆A的实际质量;以及将待传送晶圆B的类型、粗糙系数与初始质量输入预设质量回归模型,得到待传送晶圆B的实际质量;
具体的,预设质量回归模型的构建逻辑为:获取质量样本数据集,所述质量样本数据集中包括多种晶圆的类型、不同类型晶圆在不同状态下的粗糙系数、不同类型晶圆的初始质量以及不同类型晶圆的实际质量,将质量样本数据集划分为质量训练集和质量测试集,构建回归网络,以质量训练集中的类型、粗糙系数和初始质量作为回归网络的输入数据,以质量训练集中的实际质量作为回归网络的输出数据,对回归网络进行训练,得到用于预测晶圆实际质量的初始回归网络,利用测试集对初始回归网络进行测试,输出满足预设测试准确度的回归网络作为预设质量回归模型;
应当了解的是:实际质量基于不同类型晶圆在不同粗糙系数和不同初始质量下通过称重传感器实验测量得到;所述粗糙系数和初始质量的获取参照上文叙述,在此不再重复赘述;所述回归网络具体为决策树回归模型、随机森林回归网络、支持向量机回归网络、线性回归模型或神经网络模型中的一种;
第二获取模块220,用于获取预设移动路径,根据预设移动路径和机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,提取待传送晶圆的半径数据,以及获取最大高度调整数据和机械臂的上下间距数据;
需要说明的是:设定调节区域是指吸盘式双臂机器人的主体区域,该设定调节区域由人为事先划分和设定;当确定机械臂一和机械臂二的初始负压后,吸盘式双臂机器人则通过调整机械臂一和机械臂二吸附力,以使机械臂一和机械臂二达到初始负压,并分别将待传送晶圆A和待传送晶圆B移动至设定调节区域;所述预设移动路径预存于系统数据库中,所述预设移动路径存在若干条,若干条预设移动路径由人为事先根据事先程序设定和实验确定,其非本发明重点,对此不做过多赘述,若干条所述预设移动路径的选择根据晶圆与预设移动路径的对应预设关系确定,进一步示例性说明就是,承接上述假设晶圆盒内存在五块晶圆,且存在2个目标加工区域,分别为和/>,其中,晶圆 />的目标加工区域为,则调取/>到/>的对应预设移动路径;
还需要说明的是:待传送晶圆的半径数据是指待传送晶圆A和待传送晶圆B的半径,所述待传送晶圆的半径数据预存于系统数据库中,所述待传送晶圆的半径数据基于类型与半径的对应预设关系获得,进一步说明就是,每一个晶圆类型均匹配关联有一个半径数据,当获取到待传送晶圆A或待传送晶圆B的类型时,通过类型与半径的对应预设关系即可匹配到待传送晶圆A或待传送晶圆B的半径数据;
应当了解的是:机械臂一位于机械臂二的上端,且与机械臂二存在一定的高度差,所述机械臂一为相对机械臂,而所述机械臂二为绝对机械臂,进一步解释就是,相对机械臂是指机械臂一相对于机械臂二而言具备较大的灵活性,在处于设定调节区域内,相对于机械臂二,机械臂一在后续调节控制中执行着上下高度的调节和左右方向的水平角度调节;相反,绝对机械臂是指在设定调节区域,相对于机械臂一,机械臂二在后续调节控制中,则不执行上下高度的调节和左右方向的水平角度调节;
需要说明的是:所述最大高度调整数据预存于系统数据库内,最大高度调整数据是指在处于设定调节区域内时,机械臂一的最大上升高度;还需说明的是:机械臂的上下间距数据是指机械臂一与机械臂二的上下间距数据,所述机械臂的上下间距数据通过测距传感器采集得到;进一步解释就是,所述机械臂的上下间距数据是指机械臂一上的吸盘下表面到机械臂二上的吸盘上表面的高度差,即为机械臂的上下间距数据;
指令确定模块230,用于获取待传送晶圆的搬运任务,基于搬运任务确定调整指令,基于调整指令、半径数据和上下间距数据确定机械臂的状态调整数据,以及获取机械臂的负压变化曲线;所述搬运任务包括目标加工区域和传送过程中的搬运需求,所述搬运需求包括执行翻转和不执行翻转;所述状态调整数据包括平移角度调整数据和纵向高度调整数据;
应当了解的是:每个待传送晶圆的搬运任务都由系统事先设定;
具体地,确定调整指令的逻辑如下:
提取待传送晶圆的搬运任务,基于搬运任务确定机械臂一和机械臂二在同一时刻下的调整指令;所述调整指令包括同步调整指令和单臂翻转指令,所述同步调整指令包括同步翻转指令和同步不变指令;包括:
当机械臂一和机械臂二的搬运需求均为执行翻转时,则生成同步翻转指令;
当机械臂一和机械臂二的搬运需求均为不执行翻转时,则生成同步不变指令;
当机械臂一或机械臂二搬运需求中的一种为执行翻转时,则生成单臂翻转指令;
在实施中,请参阅图4(机械臂的状态调整数据的确定逻辑图),确定机械臂的状态调整数据,包括:
a.根据调整指令判断是否存在同步调整指令,若存在同步调整指令,则跳转至步骤b;若不存在同步调整指令,则确定调整指令为单臂翻转指令,并跳转至步骤c;
b. 判断同步调整指令是否为同步翻转指令,若不为同步翻转指令,则判定为同步调整指令为同步不变指令,并跳转至步骤e;若为同步翻转指令,则跳转至步骤c;
c.调取半径数据、最大高度调整数据和机械臂上下间距数据,基于半径数据、最大高度调整数据和机械臂上下间距数据计算待传送晶圆之间的最大纵向翻转间距;
需要说明的是:待传送晶圆之间的纵向翻转间距是指待传送晶圆A和待传送晶圆B均为纵向状态时,待传送晶圆A的晶圆边界与待传送晶圆B的晶圆边界的最小距离;进一步地,待传送晶圆之间的最大纵向翻转间距,则是指待传送晶圆A和待传送晶圆B均为纵向状态时,且机械臂处于最大高度调整数据时,待传送晶圆A的晶圆边界与待传送晶圆B的晶圆边界的最小距离;
其中,计算公式为:,式中:/>为待传送晶圆之间的最大纵向翻转间距,/>为机械臂处于最大高度调整数据时的机械臂上下间距数据,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
d.判断最大纵向翻转间距是否大于预设第一纵向翻转间距阈值,若最大纵向翻转间距小于等于预设第一纵向翻转间距阈值,则确定机械臂一的纵向高度调整数据;若最大纵向翻转间距大于预设第一纵向翻转间距阈值,则确定机械臂一的平移角度调整数据;
在一种实施方式中,确定机械臂一的纵向高度调整数据,包括:
S1:获取当前机械臂状态下的机械臂上下间距数据;
S2:基于当前机械臂状态下的机械臂上下间距数据计算待传送晶圆之间的纵向翻转间距,其计算公式为,式中:/>为待传送晶圆之间的纵向翻转间距,/>为当前机械臂状态下的机械臂上下间距数据,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
S3:将纵向翻转间距与预设第二纵向翻转间距阈值进行比较,若纵向翻转间距小于等于预设第二纵向翻转间距阈值,则令H=H+V,并返回至步骤S2,V为大于零的正整数;若纵向翻转间距大于预设第二纵向翻转间距阈值,则将当前机械臂状态下的机械臂上下间距数据作为机械臂一的纵向高度调整数据;
S4:重复上述步骤S3,直至纵向翻转间距大于预设第二纵向翻转间距阈值时,停止循环;
在另一种实施方式中,确定机械臂一的平移角度调整数据,包括:
SS1:获取当前状态下机械臂的水平间距;
需要说明的是:机械臂的水平间距是指机械臂一上的吸盘表面中心到机械臂二上的吸盘表面中心的水平距离,即机械臂一与机械臂二的水平间距;还需要说明的是:当前状态下机械臂的水平间距为零;
SS2:基于当前状态下机械臂的水平间距计算待传送晶圆之间的水平翻转间距,其计算公式为,式中:/>为水平翻转间距,/>为当前状态下机械臂的水平间距,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
SS3:将机械臂的水平间距与预设第三翻转间距阈值进行比较,若水平间距小于等于预设第三翻转间距阈值,则令dis=dis+D,并返回至步骤SS2,D为大于零的正整数;若水平间距大于预设第三翻转间距阈值,则将当前机械臂一当前状态下机械臂的水平间距作为机械臂一的平移角度调整数据;
SS4:重复上述步骤SS3,直至水平间距大于预设第三翻转间距阈值时,停止循环;
e.当同步调整指令为同步不变指令时,则将纵向高度调整数据和平移角度调整数据赋值为零;
需要说明的是:当纵向高度调整数据和平移角度调整数据赋值为零,则表明待传送晶圆不执行翻转;
通过确定机械臂一的纵向高度调整数据和平移角度调整数据,本发明有利于避免待传送晶圆在翻转时产生碰撞;此外,通过获取纵向高度调整数据和平移角度调整数据,使得本发明能适用于不同晶圆大小的传送场景;
在一个具体实施方式中,获取机械臂的负压变化曲线,包括:
当调整指令为同步翻转指令或为单臂翻转指令时,提取待传送晶圆A和待传送晶圆B的实际质量和翻转角度数据,以及获取机械臂一或机械臂二的翻转速度数据;
将待传送晶圆A的实际质量、待传送晶圆B的实际质量、翻转角度数据、机械臂一的翻转速度数据和机械臂二的翻转速度数据输入预构建的负压回归模型,得到机械臂一或机械臂二的负压变化曲线;
需要说明的是:翻转角度数据通过实时测量得到,如通过摄像方式等,机械臂一的翻转速度数据和机械臂二的翻转速度数据通过实时测量得到,如利用测速传感器;所述负压变化曲线是指待传送晶圆在每一状态(所述状态包括待传送晶圆A的实际质量、待传送晶圆B的实际质量、翻转角度数据、机械臂一的翻转速度数据和机械臂二的翻转速度数据)下的负压值,所述负压回归模型的生成逻辑为:获取历史负压样本集,所述负压回归模型包括不同晶圆的实际质量、翻转角度数据、机械臂的翻转角度数据以及负压变化曲线,将历史负压样本集划分为负压训练集和负压测试集,构建回归网络,将不同晶圆的实际质量、翻转角度数据和机械臂的翻转角度数据作为回归网络的输入,将负压变化曲线作为回归网络的输出,训练回归网络,得到初始负压回归网络,利用负压测试集对初始负压回归网络进行测试,输出满足预设负压测试准确度的初始负压回归网络作为负压回归模型;
通过负压回归模型获取机械臂的负压变化曲线,本发明有利于对待传送晶圆在翻转过程中进行不同负压值的调控,从而有利于保证待传送晶圆在翻转过程中不会脱落;
在另一个具体实施方式中,获取机械臂的负压变化曲线,包括:当调整指令为同步不变指令时,则对负压变化曲线进行常数赋值,该赋值为初始负压;需要注意的是,当进行常数赋值时,负压变化曲线变为负压常数曲线,进一步解释就是,当调整指令为同步不变指令时,则说明待传送晶圆无须翻转,则以初始负压对负压变化曲线进行赋值,即继续以初始负压对待传送晶圆进行吸附;
晶圆调节模块240,用于基于调整指令和状态调整数据对机械臂和待传送晶圆进行传送中的晶圆调节;
在一个具体实施方式中,对机械臂和待传送晶圆进行传送中的晶圆调节,包括:
当调整指令为同步翻转指令时,且最大纵向翻转间距大于预设第一纵向翻转间距阈值时,则提取纵向高度调整数据,根据纵向高度调整数据调节机械臂一的高度,并获取机械臂一和机械臂二的负压变化曲线,根据机械臂一控制待传送晶圆A进行翻转,以及根据机械臂二控制待传送晶圆B进行翻转;
当调整指令为同步翻转指令时,且最大纵向翻转间距小于等于预设第一纵向翻转间距阈值时,则提取平移角度调整数据,根据平移角度调整数据调节机械臂一的水平位置,并获取机械臂一和机械臂二的负压变化曲线,根据机械臂一控制待传送晶圆A进行翻转,以及根据机械臂二控制待传送晶圆B进行翻转;
在另一个具体实施方式中,对机械臂和待传送晶圆进行传送中的晶圆调节,还包括:
当调整指令为单臂翻转指令时,且最大纵向翻转间距大于预设第一纵向翻转间距阈值时,则提取纵向高度调整数据,根据纵向高度调整数据调节机械臂一的高度,并获取机械臂一和机械臂二的负压变化曲线,根据负压变化曲线控制待传送晶圆A或待传送晶圆B进行翻转;
当调整指令为单臂翻转指令时,且最大纵向翻转间距小于等于预设第一纵向翻转间距阈值时,则提取平移角度调整数据,根据平移角度调整数据调节机械臂一的水平位置,并获取机械臂一和机械臂二的负压变化曲线,根据负压变化曲线控制待传送晶圆A或待传送晶圆B进行翻转;
在又一个具体实施方式中,对机械臂和待传送晶圆进行传送中的晶圆调节,还包括:当调整指令为同步不变指令时,则不对待传送晶圆进行翻转,进一步需要解释的是:当调整指令为同步不变指令时,即不对待传送晶圆进行翻转时,继续利用初始负压对待传送晶圆进行持续性吸附;
晶圆传送模块250,用于基于状态调整数据控制待传送晶圆传送至目标加工区域;
应当了解的是:根据机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,基于预设移动路径实现,所述预设移动路径通过事先程序设定;进一步地,当调整指令为同步不变指令时,待传送晶圆A和待传送晶圆B到目标加工区域也基于预设移动路径进行,从而完成非同步调节场景下的传送;
还应当了解的是:参照上文叙述,由于机械臂二为绝对机械臂(绝对机械臂的含义参照上文),因此,在任何调整指令(即同步翻转指令、同步不变指令和单臂翻转指令)情况下均根据预设移动路径对待传送晶圆B进行传送;而机械臂一仅在同步不变指令时,根据预设移动路径对待传送晶圆A进行传送;不同的是,当调整指令为同步翻转指令和单臂翻转指令时,由于对机械臂一进行了位置调整,则无法直接再根据预设移动路径对待传送晶圆A进行传送;
在一种实施方式中,控制待传送晶圆传送至目标加工区域,包括:
提取机械臂一的纵向高度调整数据,根据纵向高度调整数据对机械臂一进行高度调整,将高度调整后的机械臂一按预设移动路径控制待传送晶圆传送至目标加工区域;进一步解释就是,当机械臂一在设定调节区域内调整了高度,则无法再继续根据预设移动路径对待传送晶圆A进行传送,因此,根据机械臂一的纵向高度调整数据进行逆向高度调节,则可使机械臂一重新规划入预设移动路径,从而使机械臂一将待传送晶圆A传送到目标加工区域;
在另一种实施方式中,控制待传送晶圆传送至目标加工区域,包括:
提取机械臂一的平移角度调整数据,根据平移角度调整数据对机械臂一进行水平移动,将水平移动后的机械臂一按预设移动路径控制待传送晶圆传送至目标加工区域;同上述一种实施方式,当机械臂一在设定调节区域内调整了水平位置时,则无法再继续根据预设移动路径对待传送晶圆A进行传送,因此,根据机械臂一的平移角度调整数据进行逆向水平位置调节,则可使机械臂一重新规划入预设移动路径,从而使机械臂一将待传送晶圆A传送到目标加工区域。
实施例2
请参阅图1所示,本实施例公开提供了基于真空吸附技术的晶圆传送控制方法,所述方法应用于吸盘式双臂机器人,所述吸盘式双臂机器人包括机械臂,所述机械臂包括机械臂一和机械臂二,所述方法包括:
S101:获取晶圆盒内待传送晶圆的实际质量,基于实际质量确定机械臂的初始负压;所述待传送晶圆包括待传送晶圆A和待传送晶圆B,所述机械臂的初始负压包括机械臂一的初始负压和机械臂二的初始负压,所述机械臂一用于传送待传送晶圆A,所述机械臂二用于传送待传送晶圆B;
应当了解的是:所述吸盘式双臂机器人的每个机械臂上设置有吸盘,所述吸盘为伯努利式真空吸盘,如图3(伯努利式真空吸盘的原理图)所示,伯努利式真空吸盘在工作时,将高速压缩空气从喷嘴沿锥形内壁喷入,在吸盘与工件的间隙中创造了一个高速的环境,根据伯努利原理,间隙流动中气体的流速越快,压力越小,使被吸附的工件上表面产生负压,因此,晶圆获得一个支持力,气流从吸盘与被吸附物体之间的缝隙中排出,同时避免物体与吸盘接触,实现了对晶圆的非接触式搬运;
需要说明的是:在晶圆盒内放置有若干待传送晶圆,晶圆盒内若干所述待传送晶圆的规格、质量和尺寸会存在相同和不同之处;其中,待传送晶圆A和待传送晶圆B的划分依据根据预设晶圆传送约束条件确定;所述预设晶圆传送约束条件表示晶圆传送序号先后设定待传送晶圆A和待传送晶圆B;
举例说明就是:假设在晶圆盒内存在五块晶圆,其序号分为、/>、/>、/>和,根据预设晶圆传送约束条件,则将/>作为待传送晶圆A,将/>作为待传送晶圆B,当和/>完成传送过程时,则将/>和/>作为待传送晶圆A和待传送晶圆B,并执行下一环节的传送过程;当晶圆数量仅存在或仅剩余单数时,则将仅存在或仅剩余的晶圆作为待传送晶圆A,例如:将/>作为待传送晶圆A;
在实施中,获取晶圆盒内待传送晶圆的实际质量,包括:
分别获取晶圆盒内待传送晶圆A和待传送晶圆B的图像,将待传送晶圆A的图像作为第一图像,以及将待传送晶圆B的图像作为第二图像;
应当了解的是:对晶圆盒内待传送晶圆进行传送时,所述晶圆盒和待传送晶圆均处于真空的超洁净环境中,在所述超洁净环境中设置有工业摄像机,所述工业摄像机用于采集待传送晶圆A和待传送晶圆B的图像;
将第一图像和第二图像输入预设类型分类模型,得到待传送晶圆A和待传送晶圆B的类型;以及分别获取待传送晶圆A和待传送晶圆B的粗糙系数;
需要说明的是:预设类型分类模型用于对待传送晶圆A和待传送晶圆B的图像进行识别,以获取待传送晶圆A和待传送晶圆B的类型;其中,预设类型分类模型的具体生成逻辑如下:获取晶圆图像集,所述晶圆图像集中包括若干不同尺寸、质量和规格的晶圆图像;对晶圆图像集中晶圆图像进行多标签标注,将标注后的晶圆图像集划分为类型训练集和类型测试集,构建分类器,将类型训练集中的晶圆图像作为分类器的输入,将类型训练集中的标签作为分类器的输出,对分类器进行训练,得到初始类型分类器,利用类型测试集对初始类型分类器进行验证,输出满足预设测试准确度的初始类型分类器作为预设类型分类模型;
应当了解的是:所述多标签可以为不同类型晶圆的命名,也可以为数字标签,如:0,1,2,…;数字标签与不同类型晶圆人为一一关联绑定;还应当了解的是,所述分类器具体为决策树分类模型、随机森林分裂网络、支持向量机分类网络、逻辑回归模型或神经网络模型中的一种;
在实施中,获取待传送晶圆A的粗糙系数,包括:
获取待传送晶圆A的M个晶圆反射信号,以及提取每个晶圆反射信号的反射时间,提取不同类型晶圆的最大标准反射时间和最小标准反射时间,分别标记为MaxR和MinR,M为大于零的正整数;
将M个晶圆反射时间分别与最大标准反射时间和最小标准反射时间进行比较,若存在MinR≤≤MaxR,则将对应的晶圆反射时间作为有效晶圆反射时间;若存在/><MinR,或存在/>>MaxR,则将对应的晶圆反射时间作为无效晶圆反射时间;其中,/>为第i个晶圆反射时间;
需要说明的是:最大标准反射时间是指标准状态(即未加工和未污染状态)下晶圆的最大有效反射时间;进一步解释就是,假设存在一未加工状态且表面光滑的晶圆,并且其反射时间为0.36秒,当对该晶圆进行最大程度的加工后,其的反射时间为0.41秒,则将0.41秒作为最大标准反射时间;应当了解的是:最大程度的加工是指对晶圆的最大加工厚度(或者说是深度),即将最大加工厚度时晶圆的反射时间作为最大标准反射时间;同理,这一晶圆,在未加工状态且表面光滑下的反射时间为0.36秒,则将0.36秒作为该晶圆的最小标准反射时间;通过获取最大标准反射时间和最小标准反射时间,并基于其进行反射信号过滤,从而有利于提高后续计算粗糙系数的准确度;
还需要说明的是:晶圆反射信号利用信号采集设备采集得到,所述信号采集设备包括但不限于超声波传感器和脉冲传感器等等;
提取不同晶圆类型的标准反射时间,基于有效晶圆反射时间和标准反射时间进行统计计算,以获取待传送晶圆A的粗糙系数;其计算公式为:;式中:/>为粗糙系数,/>为第i个有效晶圆反射时间,/>为标准反射时间,/>为有效晶圆反射时间的总数;
需要说明的是:待传送晶圆B的粗糙系数的获取逻辑同上述待传送晶圆A,详情参照上述关于待传送晶圆A的粗糙系数的获取过程,在此不再过多赘述;
基于类型与晶圆质量的对应预设关系,分别提取待传送晶圆A和待传送晶圆B的初始质量;
需要说明的是:类型与晶圆质量的对应预设关系预存于系统数据库中,类型与晶圆质量的对应预设关系事先人为绑定,其是指不同类型的晶圆一一关联对应有唯一的初始质量,所述初始质量是指不同类型晶圆在标准状态(即未加工和未污染状态)下的标准质量,所述初始质量基于称重传感器采集得到,并预存于系统数据库中;
将待传送晶圆A的类型、粗糙系数与初始质量输入预设质量回归模型,得到待传送晶圆A的实际质量;以及将待传送晶圆B的类型、粗糙系数与初始质量输入预设质量回归模型,得到待传送晶圆B的实际质量;
具体的,预设质量回归模型的构建逻辑为:获取质量样本数据集,所述质量样本数据集中包括多种晶圆的类型、不同类型晶圆在不同状态下的粗糙系数、不同类型晶圆的初始质量以及不同类型晶圆的实际质量,将质量样本数据集划分为质量训练集和质量测试集,构建回归网络,以质量训练集中的类型、粗糙系数和初始质量作为回归网络的输入数据,以质量训练集中的实际质量作为回归网络的输出数据,对回归网络进行训练,得到用于预测晶圆实际质量的初始回归网络,利用测试集对初始回归网络进行测试,输出满足预设测试准确度的回归网络作为预设质量回归模型;
应当了解的是:实际质量基于不同类型晶圆在不同粗糙系数和不同初始质量下通过称重传感器实验测量得到;所述粗糙系数和初始质量的获取参照上文叙述,在此不再重复赘述;所述回归网络具体为决策树回归模型、随机森林回归网络、支持向量机回归网络、线性回归模型或神经网络模型中的一种;
S102:获取预设移动路径,根据预设移动路径和机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,提取待传送晶圆的半径数据,以及获取最大高度调整数据和机械臂的上下间距数据;
需要说明的是:设定调节区域是指吸盘式双臂机器人的主体区域,该设定调节区域由人为事先划分和设定;当确定机械臂一和机械臂二的初始负压后,吸盘式双臂机器人则通过调整机械臂一和机械臂二吸附力,以使机械臂一和机械臂二达到初始负压,并分别将待传送晶圆A和待传送晶圆B移动至设定调节区域;所述预设移动路径预存于系统数据库中,所述预设移动路径存在若干条,若干条预设移动路径由人为事先根据事先程序设定和实验确定,其非本发明重点,对此不做过多赘述,若干条所述预设移动路径的选择根据晶圆与预设移动路径的对应预设关系确定,进一步示例性说明就是,承接上述假设晶圆盒内存在五块晶圆,且存在2个目标加工区域,分别为和/>,其中,晶圆 />的目标加工区域为,则调取/>到/>的对应预设移动路径;
还需要说明的是:待传送晶圆的半径数据是指待传送晶圆A和待传送晶圆B的半径,所述待传送晶圆的半径数据预存于系统数据库中,所述待传送晶圆的半径数据基于类型与半径的对应预设关系获得,进一步说明就是,每一个晶圆类型均匹配关联有一个半径数据,当获取到待传送晶圆A或待传送晶圆B的类型时,通过类型与半径的对应预设关系即可匹配到待传送晶圆A或待传送晶圆B的半径数据;
应当了解的是:机械臂一位于机械臂二的上端,且与机械臂二存在一定的高度差,所述机械臂一为相对机械臂,而所述机械臂二为绝对机械臂,进一步解释就是,相对机械臂是指机械臂一相对于机械臂二而言具备较大的灵活性,在处于设定调节区域内,相对于机械臂二,机械臂一在后续调节控制中执行着上下高度的调节和左右方向的水平角度调节;相反,绝对机械臂是指在设定调节区域,相对于机械臂一,机械臂二在后续调节控制中,则不执行上下高度的调节和左右方向的水平角度调节;
需要说明的是:所述最大高度调整数据预存于系统数据库内,最大高度调整数据是指在处于设定调节区域内时,机械臂一的最大上升高度;还需说明的是:机械臂的上下间距数据是指机械臂一与机械臂二的上下间距数据,所述机械臂的上下间距数据通过测距传感器采集得到;进一步解释就是,所述机械臂的上下间距数据是指机械臂一上的吸盘下表面到机械臂二上的吸盘上表面的高度差,即为机械臂的上下间距数据;
S103:获取待传送晶圆的搬运任务,基于搬运任务确定调整指令,基于调整指令、半径数据和上下间距数据确定机械臂的状态调整数据,以及获取机械臂的负压变化曲线;所述搬运任务包括目标加工区域和传送过程中的搬运需求,所述搬运需求包括执行翻转和不执行翻转;所述状态调整数据包括平移角度调整数据和纵向高度调整数据;
应当了解的是:每个待传送晶圆的搬运任务都由系统事先设定;
具体地,确定调整指令的逻辑如下:
提取待传送晶圆的搬运任务,基于搬运任务确定机械臂一和机械臂二在同一时刻下的调整指令;所述调整指令包括同步调整指令和单臂翻转指令,所述同步调整指令包括同步翻转指令和同步不变指令;包括:
当机械臂一和机械臂二的搬运需求均为执行翻转时,则生成同步翻转指令;
当机械臂一和机械臂二的搬运需求均为不执行翻转时,则生成同步不变指令;
当机械臂一或机械臂二搬运需求中的一种为执行翻转时,则生成单臂翻转指令;
在实施中,请参阅图4(机械臂的状态调整数据的确定逻辑图),确定机械臂的状态调整数据,包括:
a.根据调整指令判断是否存在同步调整指令,若存在同步调整指令,则跳转至步骤b;若不存在同步调整指令,则确定调整指令为单臂翻转指令,并跳转至步骤c;
b. 判断同步调整指令是否为同步翻转指令,若不为同步翻转指令,则判定为同步调整指令为同步不变指令,并跳转至步骤e;若为同步翻转指令,则跳转至步骤c;
c.调取半径数据、最大高度调整数据和机械臂上下间距数据,基于半径数据、最大高度调整数据和机械臂上下间距数据计算待传送晶圆之间的最大纵向翻转间距;
需要说明的是:待传送晶圆之间的纵向翻转间距是指待传送晶圆A和待传送晶圆B均为纵向状态时,待传送晶圆A的晶圆边界与待传送晶圆B的晶圆边界的最小距离;进一步地,待传送晶圆之间的最大纵向翻转间距,则是指待传送晶圆A和待传送晶圆B均为纵向状态时,且机械臂处于最大高度调整数据时,待传送晶圆A的晶圆边界与待传送晶圆B的晶圆边界的最小距离;
其中,计算公式为:,式中:/>为待传送晶圆之间的最大纵向翻转间距,/>为机械臂处于最大高度调整数据时的机械臂上下间距数据,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
d.判断最大纵向翻转间距是否大于预设第一纵向翻转间距阈值,若最大纵向翻转间距小于等于预设第一纵向翻转间距阈值,则确定机械臂一的纵向高度调整数据;若最大纵向翻转间距大于预设第一纵向翻转间距阈值,则确定机械臂一的平移角度调整数据;
在一种实施方式中,确定机械臂一的纵向高度调整数据,包括:
S1:获取当前机械臂状态下的机械臂上下间距数据;
S2:基于当前机械臂状态下的机械臂上下间距数据计算待传送晶圆之间的纵向翻转间距,其计算公式为,式中:/>为待传送晶圆之间的纵向翻转间距,/>为当前机械臂状态下的机械臂上下间距数据,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
S3:将纵向翻转间距与预设第二纵向翻转间距阈值进行比较,若纵向翻转间距小于等于预设第二纵向翻转间距阈值,则令H=H+V,并返回至步骤S2,V为大于零的正整数;若纵向翻转间距大于预设第二纵向翻转间距阈值,则将当前机械臂状态下的机械臂上下间距数据作为机械臂一的纵向高度调整数据;
S4:重复上述步骤S3,直至纵向翻转间距大于预设第二纵向翻转间距阈值时,停止循环;
在另一种实施方式中,确定机械臂一的平移角度调整数据,包括:
SS1:获取当前状态下机械臂的水平间距;
需要说明的是:机械臂的水平间距是指机械臂一上的吸盘表面中心到机械臂二上的吸盘表面中心的水平距离,即机械臂一与机械臂二的水平间距;还需要说明的是:当前状态下机械臂的水平间距为零;
SS2:基于当前状态下机械臂的水平间距计算待传送晶圆之间的水平翻转间距,其计算公式为,式中:/>为水平翻转间距,/>为当前状态下机械臂的水平间距,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
SS3:将机械臂的水平间距与预设第三翻转间距阈值进行比较,若水平间距小于等于预设第三翻转间距阈值,则令dis=dis+D,并返回至步骤SS2,D为大于零的正整数;若水平间距大于预设第三翻转间距阈值,则将当前机械臂一当前状态下机械臂的水平间距作为机械臂一的平移角度调整数据;
SS4:重复上述步骤SS3,直至水平间距大于预设第三翻转间距阈值时,停止循环;
e.当同步调整指令为同步不变指令时,则将纵向高度调整数据和平移角度调整数据赋值为零;
需要说明的是:当纵向高度调整数据和平移角度调整数据赋值为零,则表明待传送晶圆不执行翻转;
通过确定机械臂一的纵向高度调整数据和平移角度调整数据,本发明有利于避免待传送晶圆在翻转时产生碰撞;此外,通过获取纵向高度调整数据和平移角度调整数据,使得本发明能适用于不同晶圆大小的传送场景;
在一个具体实施方式中,获取机械臂的负压变化曲线,包括:
当调整指令为同步翻转指令或为单臂翻转指令时,提取待传送晶圆A和待传送晶圆B的实际质量和翻转角度数据,以及获取机械臂一或机械臂二的翻转速度数据;
将待传送晶圆A的实际质量、待传送晶圆B的实际质量、翻转角度数据、机械臂一的翻转速度数据和机械臂二的翻转速度数据输入预构建的负压回归模型,得到机械臂一或机械臂二的负压变化曲线;
需要说明的是:翻转角度数据通过实时测量得到,如通过摄像方式等,机械臂一的翻转速度数据和机械臂二的翻转速度数据通过实时测量得到,如利用测速传感器;所述负压变化曲线是指待传送晶圆在每一状态(所述状态包括待传送晶圆A的实际质量、待传送晶圆B的实际质量、翻转角度数据、机械臂一的翻转速度数据和机械臂二的翻转速度数据)下的负压值,所述负压回归模型的生成逻辑为:获取历史负压样本集,所述负压回归模型包括不同晶圆的实际质量、翻转角度数据、机械臂的翻转角度数据以及负压变化曲线,将历史负压样本集划分为负压训练集和负压测试集,构建回归网络,将不同晶圆的实际质量、翻转角度数据和机械臂的翻转角度数据作为回归网络的输入,将负压变化曲线作为回归网络的输出,训练回归网络,得到初始负压回归网络,利用负压测试集对初始负压回归网络进行测试,输出满足预设负压测试准确度的初始负压回归网络作为负压回归模型;
通过负压回归模型获取机械臂的负压变化曲线,本发明有利于对待传送晶圆在翻转过程中进行不同负压值的调控,从而有利于保证待传送晶圆在翻转过程中不会脱落;
在另一个具体实施方式中,获取机械臂的负压变化曲线,包括:当调整指令为同步不变指令时,则对负压变化曲线进行常数赋值,该赋值为初始负压;需要注意的是,当进行常数赋值时,负压变化曲线变为负压常数曲线,进一步解释就是,当调整指令为同步不变指令时,则说明待传送晶圆无须翻转,则以初始负压对负压变化曲线进行赋值,即继续以初始负压对待传送晶圆进行吸附;
S104:基于调整指令和状态调整数据对机械臂和待传送晶圆进行传送中的晶圆调节;
在一个具体实施方式中,对机械臂和待传送晶圆进行传送中的晶圆调节,包括:
当调整指令为同步翻转指令时,且最大纵向翻转间距大于预设第一纵向翻转间距阈值时,则提取纵向高度调整数据,根据纵向高度调整数据调节机械臂一的高度,并获取机械臂一和机械臂二的负压变化曲线,根据机械臂一控制待传送晶圆A进行翻转,以及根据机械臂二控制待传送晶圆B进行翻转;
当调整指令为同步翻转指令时,且最大纵向翻转间距小于等于预设第一纵向翻转间距阈值时,则提取平移角度调整数据,根据平移角度调整数据调节机械臂一的水平位置,并获取机械臂一和机械臂二的负压变化曲线,根据机械臂一控制待传送晶圆A进行翻转,以及根据机械臂二控制待传送晶圆B进行翻转;
在另一个具体实施方式中,对机械臂和待传送晶圆进行传送中的晶圆调节,还包括:
当调整指令为单臂翻转指令时,且最大纵向翻转间距大于预设第一纵向翻转间距阈值时,则提取纵向高度调整数据,根据纵向高度调整数据调节机械臂一的高度,并获取机械臂一和机械臂二的负压变化曲线,根据负压变化曲线控制待传送晶圆A或待传送晶圆B进行翻转;
当调整指令为单臂翻转指令时,且最大纵向翻转间距小于等于预设第一纵向翻转间距阈值时,则提取平移角度调整数据,根据平移角度调整数据调节机械臂一的水平位置,并获取机械臂一和机械臂二的负压变化曲线,根据负压变化曲线控制待传送晶圆A或待传送晶圆B进行翻转;
在又一个具体实施方式中,对机械臂和待传送晶圆进行传送中的晶圆调节,还包括:当调整指令为同步不变指令时,则不对待传送晶圆进行翻转,进一步需要解释的是:当调整指令为同步不变指令时,即不对待传送晶圆进行翻转时,继续利用初始负压对待传送晶圆进行持续性吸附;
S105:基于状态调整数据控制待传送晶圆传送至目标加工区域;
应当了解的是:根据机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,基于预设移动路径实现,所述预设移动路径通过事先程序设定;进一步地,当调整指令为同步不变指令时,待传送晶圆A和待传送晶圆B到目标加工区域也基于预设移动路径进行,从而完成非同步调节场景下的传送;
还应当了解的是:参照上文叙述,由于机械臂二为绝对机械臂(绝对机械臂的含义参照上文),因此,在任何调整指令(即同步翻转指令、同步不变指令和单臂翻转指令)情况下均根据预设移动路径对待传送晶圆B进行传送;而机械臂一仅在同步不变指令时,根据预设移动路径对待传送晶圆A进行传送;不同的是,当调整指令为同步翻转指令和单臂翻转指令时,由于对机械臂一进行了位置调整,则无法直接再根据预设移动路径对待传送晶圆A进行传送;
在一种实施方式中,控制待传送晶圆传送至目标加工区域,包括:
提取机械臂一的纵向高度调整数据,根据纵向高度调整数据对机械臂一进行高度调整,将高度调整后的机械臂一按预设移动路径控制待传送晶圆传送至目标加工区域;进一步解释就是,当机械臂一在设定调节区域内调整了高度,则无法再继续根据预设移动路径对待传送晶圆A进行传送,因此,根据机械臂一的纵向高度调整数据进行逆向高度调节,则可使机械臂一重新规划入预设移动路径,从而使机械臂一将待传送晶圆A传送到目标加工区域;
在另一种实施方式中,控制待传送晶圆传送至目标加工区域,包括:
提取机械臂一的平移角度调整数据,根据平移角度调整数据对机械臂一进行水平移动,将水平移动后的机械臂一按预设移动路径控制待传送晶圆传送至目标加工区域;同上述一种实施方式,当机械臂一在设定调节区域内调整了水平位置时,则无法再继续根据预设移动路径对待传送晶圆A进行传送,因此,根据机械臂一的平移角度调整数据进行逆向水平位置调节,则可使机械臂一重新规划入预设移动路径,从而使机械臂一将待传送晶圆A传送到目标加工区域。
实施例3
请参阅图5所示,本实施例公开提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述基于真空吸附技术的晶圆传送控制方法。
由于本实施例所介绍的电子设备为实施本申请实施例中基于真空吸附技术的晶圆传送控制方法所采用的电子设备,故而基于本申请实施例中所介绍的基于真空吸附技术的晶圆传送控制方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中基于真空吸附技术的晶圆传送控制方法所采用的电子设备,都属于本申请所欲保护的范围。
实施例4
本实施例公开提供了一种计算机可读存储介质,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述基于真空吸附技术的晶圆传送控制方法。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数、权重以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一 种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.基于真空吸附技术的晶圆传送控制方法,所述方法应用于吸盘式双臂机器人,所述吸盘式双臂机器人包括机械臂,所述机械臂包括机械臂一和机械臂二,其特征在于,所述方法包括:
获取晶圆盒内待传送晶圆的实际质量,基于实际质量确定机械臂的初始负压;所述待传送晶圆包括待传送晶圆A和待传送晶圆B,所述机械臂的初始负压包括机械臂一的初始负压和机械臂二的初始负压,所述机械臂一用于传送待传送晶圆A,所述机械臂二用于传送待传送晶圆B;
获取预设移动路径,根据预设移动路径和机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,提取待传送晶圆的半径数据,以及获取最大高度调整数据和机械臂的上下间距数据;
获取待传送晶圆的搬运任务,基于搬运任务确定调整指令,基于调整指令、半径数据和上下间距数据确定机械臂的状态调整数据,以及获取机械臂的负压变化曲线;所述搬运任务包括目标加工区域和传送过程中的搬运需求,所述搬运需求包括执行翻转和不执行翻转;所述状态调整数据包括平移角度调整数据和纵向高度调整数据;
基于调整指令和状态调整数据对机械臂和待传送晶圆进行传送中的晶圆调节;
基于状态调整数据控制待传送晶圆传送至目标加工区域。
2.根据权利要求1所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,获取晶圆盒内待传送晶圆的实际质量,包括:
分别获取晶圆盒内待传送晶圆A和待传送晶圆B的图像,将待传送晶圆A的图像作为第一图像,以及将待传送晶圆B的图像作为第二图像;
将第一图像和第二图像输入预设类型分类模型,得到待传送晶圆A和待传送晶圆B的类型;以及分别获取待传送晶圆A和待传送晶圆B的粗糙系数;
基于类型与晶圆质量的对应预设关系,分别提取待传送晶圆A和待传送晶圆B的初始质量;
将待传送晶圆A的类型、粗糙系数与初始质量输入预设质量回归模型,得到待传送晶圆A的实际质量;以及将待传送晶圆B的类型、粗糙系数与初始质量输入预设质量回归模型,得到待传送晶圆B的实际质量。
3.根据权利要求2所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,获取待传送晶圆A的粗糙系数,包括:
获取待传送晶圆A的M个晶圆反射信号,以及提取每个晶圆反射信号的反射时间,提取不同类型晶圆的最大标准反射时间和最小标准反射时间,分别标记为MaxR和MinR,M为大于零的正整数;
将M个晶圆反射时间分别与最大标准反射时间和最小标准反射时间进行比较,若存在MinR≤≤MaxR,则将对应的晶圆反射时间作为有效晶圆反射时间;若存在/><MinR,或存在/>>MaxR,则将对应的晶圆反射时间作为无效晶圆反射时间;其中,/>为第i个晶圆反射时间;
提取不同晶圆类型的标准反射时间,基于有效晶圆反射时间和标准反射时间进行统计计算,以获取待传送晶圆A的粗糙系数;其计算公式为:;式中:/>为粗糙系数,/>为第i个有效晶圆反射时间,/>为标准反射时间,/>为有效晶圆反射时间的总数。
4.根据权利要求3所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,预设质量回归模型的构建逻辑为:获取质量样本数据集,所述质量样本数据集中包括多种晶圆的类型、不同类型晶圆在不同状态下的粗糙系数、不同类型晶圆的初始质量以及不同类型晶圆的实际质量,将质量样本数据集划分为质量训练集和质量测试集,构建回归网络,以质量训练集中的类型、粗糙系数和初始质量作为回归网络的输入数据,以质量训练集中的实际质量作为回归网络的输出数据,对回归网络进行训练,得到用于预测晶圆实际质量的初始回归网络,利用测试集对初始回归网络进行测试,输出满足预设测试准确度的回归网络作为预设质量回归模型。
5.根据权利要求4所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,确定调整指令的逻辑如下:
提取待传送晶圆的搬运任务,基于搬运任务确定机械臂一和机械臂二在同一时刻下的调整指令;所述调整指令包括同步调整指令和单臂翻转指令,所述同步调整指令包括同步翻转指令和同步不变指令;包括:
当机械臂一和机械臂二的搬运需求均为执行翻转时,则生成同步翻转指令;
当机械臂一和机械臂二的搬运需求均为不执行翻转时,则生成同步不变指令;
当机械臂一或机械臂二搬运需求中的一种为执行翻转时,则生成单臂翻转指令。
6.根据权利要求5所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,确定机械臂的状态调整数据,包括:
a.根据调整指令判断是否存在同步调整指令,若存在同步调整指令,则跳转至步骤b;若不存在同步调整指令,则确定调整指令为单臂翻转指令,并跳转至步骤c;
b. 判断同步调整指令是否为同步翻转指令,若不为同步翻转指令,则判定为同步调整指令为同步不变指令,并跳转至步骤e;若为同步翻转指令,则跳转至步骤c;
c.调取半径数据、最大高度调整数据和机械臂上下间距数据,基于半径数据、最大高度调整数据和机械臂上下间距数据计算待传送晶圆之间的最大纵向翻转间距;其中,计算公式为:,式中:/>为待传送晶圆之间的最大纵向翻转间距,/>为机械臂处于最大高度调整数据时的机械臂上下间距数据,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
d.判断最大纵向翻转间距是否大于预设第一纵向翻转间距阈值,若最大纵向翻转间距小于等于预设第一纵向翻转间距阈值,则确定机械臂一的纵向高度调整数据;若最大纵向翻转间距大于预设第一纵向翻转间距阈值,则确定机械臂一的平移角度调整数据;
e.当同步调整指令为同步不变指令时,则将纵向高度调整数据和平移角度调整数据赋值为零。
7.根据权利要求6所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,确定机械臂一的纵向高度调整数据,包括:
S1:获取当前机械臂状态下的机械臂上下间距数据;
S2:基于当前机械臂状态下的机械臂上下间距数据计算待传送晶圆之间的纵向翻转间距,其计算公式为,式中:/>为待传送晶圆之间的纵向翻转间距,/>为当前机械臂状态下的机械臂上下间距数据,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
S3:将纵向翻转间距与预设第二纵向翻转间距阈值进行比较,若纵向翻转间距小于等于预设第二纵向翻转间距阈值,则令H=H+V,并返回至步骤S2,V为大于零的正整数;若纵向翻转间距大于预设第二纵向翻转间距阈值,则将当前机械臂状态下的机械臂上下间距数据作为机械臂一的纵向高度调整数据;
S4:重复上述步骤S3,直至纵向翻转间距大于预设第二纵向翻转间距阈值时,停止循环。
8.根据权利要求7所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,确定机械臂一的平移角度调整数据,包括:
SS1:获取当前状态下机械臂的水平间距;
SS2:基于当前状态下机械臂的水平间距计算待传送晶圆之间的水平翻转间距,其计算公式为,式中:/>为水平翻转间距,/>为当前状态下机械臂的水平间距,/>为待传送晶圆A的半径数据,/>为待传送晶圆B的半径数据;
SS3:将机械臂的水平间距与预设第三翻转间距阈值进行比较,若水平间距小于等于预设第三翻转间距阈值,则令dis=dis+D,并返回至步骤SS2,D为大于零的正整数;若水平间距大于预设第三翻转间距阈值,则将当前机械臂一当前状态下机械臂的水平间距作为机械臂一的平移角度调整数据;
SS4:重复上述步骤SS3,直至水平间距大于预设第三翻转间距阈值时,停止循环。
9.根据权利要求8所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,获取机械臂的负压变化曲线,包括:
当调整指令为同步翻转指令或为单臂翻转指令时,提取待传送晶圆A和待传送晶圆B的实际质量和翻转角度数据,以及获取机械臂一或机械臂二的翻转速度数据;
将待传送晶圆A的实际质量、待传送晶圆B的实际质量、翻转角度数据、机械臂一的翻转速度数据和机械臂二的翻转速度数据输入预构建的负压回归模型,得到机械臂一或机械臂二的负压变化曲线。
10.根据权利要求9所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,对机械臂和待传送晶圆进行传送中的晶圆调节,包括:
当调整指令为同步翻转指令时,且最大纵向翻转间距大于预设第一纵向翻转间距阈值时,则提取纵向高度调整数据,根据纵向高度调整数据调节机械臂一的高度,并获取机械臂一和机械臂二的负压变化曲线,根据机械臂一控制待传送晶圆A进行翻转,以及根据机械臂二控制待传送晶圆B进行翻转;
当调整指令为同步翻转指令时,且最大纵向翻转间距小于等于预设第一纵向翻转间距阈值时,则提取平移角度调整数据,根据平移角度调整数据调节机械臂一的水平位置,并获取机械臂一和机械臂二的负压变化曲线,根据机械臂一控制待传送晶圆A进行翻转,以及根据机械臂二控制待传送晶圆B进行翻转。
11.根据权利要求10所述的基于真空吸附技术的晶圆传送控制方法,其特征在于,对机械臂和待传送晶圆进行传送中的晶圆调节,还包括:
当调整指令为单臂翻转指令时,且最大纵向翻转间距大于预设第一纵向翻转间距阈值时,则提取纵向高度调整数据,根据纵向高度调整数据调节机械臂一的高度,并获取机械臂一和机械臂二的负压变化曲线,根据负压变化曲线控制待传送晶圆A或待传送晶圆B进行翻转;
当调整指令为单臂翻转指令时,且最大纵向翻转间距小于等于预设第一纵向翻转间距阈值时,则提取平移角度调整数据,根据平移角度调整数据调节机械臂一的水平位置,并获取机械臂一和机械臂二的负压变化曲线,根据负压变化曲线控制待传送晶圆A或待传送晶圆B进行翻转。
12.基于真空吸附技术的晶圆传送控制系统,其特征在于,包括:
第一获取模块,用于获取晶圆盒内待传送晶圆的实际质量,基于实际质量确定机械臂的初始负压;所述待传送晶圆包括待传送晶圆A和待传送晶圆B,所述机械臂的初始负压包括机械臂一的初始负压和机械臂二的初始负压,所述机械臂一用于传送待传送晶圆A,所述机械臂二用于传送待传送晶圆B;
第二获取模块,用于获取预设移动路径,根据预设移动路径和机械臂的初始负压将待传送晶圆A和待传送晶圆B传送至设定调节区域,提取待传送晶圆的半径数据,以及获取最大高度调整数据和机械臂的上下间距数据;
指令确定模块,用于获取待传送晶圆的搬运任务,基于搬运任务确定调整指令,基于调整指令、半径数据和上下间距数据确定机械臂的状态调整数据,以及获取机械臂的负压变化曲线;所述搬运任务包括目标加工区域和传送过程中的搬运需求,所述搬运需求包括执行翻转和不执行翻转;所述状态调整数据包括平移角度调整数据和纵向高度调整数据;
晶圆调节模块,用于基于调整指令和状态调整数据对机械臂和待传送晶圆进行传送中的晶圆调节;
晶圆传送模块,用于基于状态调整数据控制待传送晶圆传送至目标加工区域。
13.一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,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11任一项所述基于真空吸附技术的晶圆传送控制方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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权利要求1至11任一项所述基于真空吸附技术的晶圆传送控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311320192.XA CN117080139B (zh) | 2023-10-12 | 2023-10-12 | 基于真空吸附技术的晶圆传送控制方法及传送控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311320192.XA CN117080139B (zh) | 2023-10-12 | 2023-10-12 | 基于真空吸附技术的晶圆传送控制方法及传送控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117080139A true CN117080139A (zh) | 2023-11-17 |
CN117080139B CN117080139B (zh) | 2023-12-15 |
Family
ID=88711952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311320192.XA Active CN117080139B (zh) | 2023-10-12 | 2023-10-12 | 基于真空吸附技术的晶圆传送控制方法及传送控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117080139B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117681214A (zh) * | 2024-02-04 | 2024-03-12 | 泓浒(苏州)半导体科技有限公司 | 基于晶圆传送的多机械臂碰撞预警方法及系统 |
CN117712012A (zh) * | 2024-02-06 | 2024-03-15 | 泓浒(苏州)半导体科技有限公司 | 基于伯努利原理的晶圆转运机械臂控制系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114211497A (zh) * | 2021-12-30 | 2022-03-22 | 泓浒(苏州)半导体科技有限公司 | 面向半导体晶圆传送机械臂的高速运动控制方法和系统 |
CN115220400B (zh) * | 2022-03-04 | 2023-04-11 | 弥费科技(上海)股份有限公司 | 基于晶圆传送监管控制方法、系统、计算机设备和存储介质 |
CN115332143B (zh) * | 2022-10-12 | 2022-12-20 | 泓浒(苏州)半导体科技有限公司 | 适用于晶圆传送用机械臂的数据处理方法及系统 |
CN116031194A (zh) * | 2022-11-25 | 2023-04-28 | 北京京仪自动化装备技术股份有限公司 | 吸附力调节方法及装置 |
CN116551700B (zh) * | 2023-07-10 | 2023-09-12 | 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机械臂控制系统及方法 |
-
2023
- 2023-10-12 CN CN202311320192.XA patent/CN117080139B/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117681214A (zh) * | 2024-02-04 | 2024-03-12 | 泓浒(苏州)半导体科技有限公司 | 基于晶圆传送的多机械臂碰撞预警方法及系统 |
CN117681214B (zh) * | 2024-02-04 | 2024-04-12 | 泓浒(苏州)半导体科技有限公司 | 基于晶圆传送的多机械臂碰撞预警方法及系统 |
CN117712012A (zh) * | 2024-02-06 | 2024-03-15 | 泓浒(苏州)半导体科技有限公司 | 基于伯努利原理的晶圆转运机械臂控制系统及方法 |
CN117712012B (zh) * | 2024-02-06 | 2024-04-12 | 泓浒(苏州)半导体科技有限公司 | 基于伯努利原理的晶圆转运机械臂控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117080139B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117080139B (zh) | 基于真空吸附技术的晶圆传送控制方法及传送控制系统 | |
US10269108B2 (en) | Methods and systems for improved quality inspection of products using a robot | |
JP2021030439A (ja) | 物体を把持および保持するためのロボットマルチグリッパアセンブリおよび方法 | |
JP2021030431A (ja) | 物体を把持および保持するためのロボットマルチグリッパアセンブリおよび方法 | |
Nerakae et al. | Using machine vision for flexible automatic assembly system | |
CN105856216B (zh) | 工件取出机器人系统以及工件取出方法 | |
JP2017064910A (ja) | ワークの取り出し動作を学習する機械学習装置、ロボットシステムおよび機械学習方法 | |
Martinez et al. | Automated bin picking system for randomly located industrial parts | |
CN111707614B (zh) | 一种光学芯片表面沾污缺陷检测方法及线激光视觉检测系统 | |
EP3904015B1 (en) | System and method for setting up a robotic assembly operation | |
US20210146546A1 (en) | Method to control a robot in the presence of human operators | |
CN116741685B (zh) | 一种晶圆安全传输控制方法及系统 | |
US20210035834A1 (en) | Systems and methods for inspection stations | |
US11518027B2 (en) | System and method for robotic assembly | |
US20230010651A1 (en) | System and Method for Online Optimization of Sensor Fusion Model | |
US11370124B2 (en) | Method and system for object tracking in robotic vision guidance | |
CN109791393B (zh) | 用于优化目标工作线的方法和装置 | |
CN113763462A (zh) | 一种自动化控制上料的方法及系统 | |
Kwon et al. | Sensor-based remote quality control application in automotive components assembly | |
Alnowaini et al. | Design and simulation robotic arm with computer vision for inspection process | |
CN117373965B (zh) | 可追踪半导体晶圆生产缺陷的晶圆运输机械手 | |
Baek et al. | Development of air pressure measurement system of suction cups in a vacuum gripper | |
Zwierzchowski | Indsustrial robot vison system for moving spherical elements | |
US20230191634A1 (en) | Multistep Visual Assistance for Automated Inspection | |
Kwon et al. | Inspection Methodology for Improving Wafer Quality in Semiconductor Production |
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 |