CN117616354A - 用于制造经涂覆的透明基材的涂覆过程参数的调节方法 - Google Patents
用于制造经涂覆的透明基材的涂覆过程参数的调节方法 Download PDFInfo
- Publication number
- CN117616354A CN117616354A CN202280042917.0A CN202280042917A CN117616354A CN 117616354 A CN117616354 A CN 117616354A CN 202280042917 A CN202280042917 A CN 202280042917A CN 117616354 A CN117616354 A CN 117616354A
- Authority
- CN
- China
- Prior art keywords
- cpp
- coating process
- quality function
- values
- process parameters
- 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.)
- Pending
Links
- 238000000576 coating method Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 79
- 239000000758 substrate Substances 0.000 title claims abstract description 76
- 239000011248 coating agent Substances 0.000 claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 29
- 239000000126 substance Substances 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 62
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 40
- 239000011521 glass Substances 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 11
- 239000002184 metal Substances 0.000 claims description 10
- 229910052751 metal Inorganic materials 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 8
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 7
- 239000011707 mineral Substances 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 2
- 230000008021 deposition Effects 0.000 abstract description 19
- 230000008901 benefit Effects 0.000 abstract description 8
- 239000000203 mixture Substances 0.000 abstract description 3
- 238000000151 deposition Methods 0.000 description 24
- 239000010410 layer Substances 0.000 description 23
- 230000005540 biological transmission Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005229 chemical vapour deposition Methods 0.000 description 4
- 238000007735 ion beam assisted deposition Methods 0.000 description 4
- 239000002346 layers by function Substances 0.000 description 4
- 238000004518 low pressure chemical vapour deposition Methods 0.000 description 4
- 238000000623 plasma-assisted chemical vapour deposition Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 3
- 239000004926 polymethyl methacrylate Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000001755 magnetron sputter deposition Methods 0.000 description 2
- 229910052758 niobium Inorganic materials 0.000 description 2
- 239000010955 niobium Substances 0.000 description 2
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 description 2
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- 238000004544 sputter deposition Methods 0.000 description 2
- 238000005496 tempering Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 229920005372 Plexiglas® Polymers 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000005354 aluminosilicate glass Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000005388 borosilicate glass Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000004417 polycarbonate Substances 0.000 description 1
- 229920000515 polycarbonate Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000005361 soda-lime glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 229910001868 water Inorganic materials 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]
-
- 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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- 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
- G05B2219/32216—If machining not optimized, simulate new parameters and correct machining
-
- 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
- G05B2219/36—Nc in input of data, input key till input tape
- G05B2219/36252—Generate machining program based on a simulation to optimize a machine parameter
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
根据涂覆透明基材的至少一个质量函数的目标值来调节用于制造包括多层涂层的所述经涂覆的透明基材的至少两个涂覆过程参数的方法。该方法依赖于训练步骤中的一组不同的数学预测模型，这些模型一旦训练好，当它们在预测步骤中顺序地、交替地或并行地使用时，它们允许抵消或平衡它们中的一个可能潜在地发生的漂移。突出的优点是可以防止当前的反馈方法的不当行为，可以补偿沉积室的局部气氛的改变，进而补偿经涂覆的层的化学成分的改变，这种改变可能因温度和/或湿度的变化而发生，并且可以同时调节不止一个涂覆过程参数。
Description
技术领域
本发明涉及根据涂覆透明基材的至少一个质量函数的目标值来调节用于制造包括多层涂层的所述经涂覆的透明基材的涂覆过程参数的方法。
背景技术
使用多层涂层来功能化各种基材的表面，特别是透明基材，如矿物或有机玻璃。多层涂层提供适合特定应用的光学性质和/或功能。
例如，在建筑行业中，玻璃片材的表面通常涂覆有多层低辐射率或阳光控制涂层。这样的涂层是多个化学和/或物理上不同的薄层的堆叠，这些薄层彼此相互作用，并改变落在玻璃板表面的入射太阳辐射。
这些涂层通常包含红外反射金属层，主要由诸如银、金、铌或铜的金属制成，以减少传递通过玻璃板的辐射和/或热量。这些金属层通常主要通过夹层构造与介电层结合，以抵消由所述金属层引起的颜色偏移、反射和/或透射效应，并调节日光系数或热发射率，也称为辐射率。在涂层中也可以使用金属或介电的其他层，以改善在使用期间或在诸如加热、回火和/或弯曲之类的后续转变时的随时间的热稳定性和/或结构稳定性。
在基材上沉积单层或多层涂层的涂覆过程是玻璃行业中众所周知的过程。通过将玻璃基材运送通过一系列适于沉积给定薄膜的沉积室来持续沉积堆叠的每个薄膜，从而在矿物玻璃基材上涂覆薄膜的所述堆叠。沉积室可以使用诸如磁场辅助溅射(也称为磁控溅射)、离子束辅助沉积(IBAD)、蒸发、化学气相沉积(CVD)、等离子体增强化学气相沉积(PECVD)、低压化学气相沉积(LPCVD)的沉积方法。
为了确保经涂覆的基材满足关于光学性质的规格，诸如太阳获得、光透射、光反射和/或颜色，可能必须在开始生产之前、即在准备时间(setup time)期间、以及在生产时间期间进行质量测试。
一种常见的做法可以是对收集的样品进行过程外或过程中测量，以确保贯穿整个涂覆过程都符合要求。这些测量可以是破坏性的或非破坏性的，主要取决于测量仪器的可用性。过程外测量可能是破坏性的，而过程内测量可能不是。对于过程外测量，可能必须在生产期间的给定时间从经涂覆的基材切下样品。在某些情况下，样品可能还必须进行转变，例如层压、加热、回火，然后再被分析。过程参数的测量和校正之间的中断和滞后时间可能对生产不利。
在现有技术中，例如在WO 2019110948 A1、WO 2018215274 A1、DE102018101173A1或WO 2019/110948 A1中，已知使用反馈方法，所述反馈方法实施一个或多个反馈回路，用于根据所沉积的涂层的选定光学和/或物理化学性质的值的偏移来实时地控制和/或调节沉积系统或沉积室的参数。这些性质是在涂覆过程期间在涂层上测量的。这些方法称为在线方法，因为它们依赖于对沉积系统或沉积室的参数的持续的实时监控、以及对涂层在涂覆过程期间的不同阶段的光学和/或物理化学性质的持续的实时测量。
在线反馈方法还可能经常需要持续收集和处理大量数据，以使反馈回路工作或以正确地训练这些反馈回路中的底层算法。这样的数据可以涉及涂覆系统的各部件的参数和/或经涂覆的基材的光学/物理化学性质。为了收集这些数据，涂覆系统可以配备有各种传感器和测量装置，例如高数据采集芯片、I/O电子器件、可编程逻辑器件、压力传感器、温度传感器、真空传感器、气体传感器、速率传感器、光谱仪、椭偏仪、薄层电阻率探针系统、光学干涉仪、或类似装置。传感器和测量装置可能很快就会变得昂贵，可能最好限制它们的使用。
发明内容
技术问题
现有技术反馈方法的局限性可能在于，它们不允许管理准备时间与生产时间之间和/或生产时间期间的测量仪器的准确度和/或精度的可能漂移。反馈回路中可能会出现意想不到且无法立即发现的不当行为，并且产品可能会超出规格。
当涂覆过程的周围环境发生了改变或正在发生改变时，也会出现同样的效果。例如，温度和/或湿度的变化可能会影响涂覆过程的沉积室的局部气氛，并引起正在这些室中进行涂覆的层的化学成分的改变。
另一局限性可能在于，当涂层的例如层中材料的光学指数或各层间的相对厚度差的一些特征不同于目标涂层时，当前的反馈方法可能经常无效。反馈回路的底层算法可能会陷入局部而非全局的最优解，使得可能无法符合产品规格。
需要一种反馈方法，其可能够提供用于制造经涂覆的透明基材的涂覆过程参数的自动调节参数，并且其可允许管理关于涂覆过程的部件或设备装置的准确度和/或精度的可能漂移和/或经涂覆的基材的一些特征改变。
问题的解决方案
提供了根据权利要求1的用于调节涂覆过程的至少两个参数的方法，从属权利要求是有利实施例。
发明优点
本发明的突出优点是可以防止当前的反馈方法的不当行为。作为非限制性的解释，这个优点可似乎是借助于训练步骤中的一组不同的数学预测模型而实现的，这些模型一旦训练好，当它们在预测步骤中顺序地、交替地或并行地使用时，它们允许抵消或平衡它们中的一个可能潜在地发生的漂移。
作为一个相关优点，该特征还可以允许补偿沉积室的局部气氛的改变，进而补偿经涂覆的层的化学成分的改变，这种改变可能因温度和/或湿度的变化而发生，特别是在涂覆过程的周围气氛中的温度和/或湿度的变化。
另一优点在于，可以降低在优化步骤中陷入吸引域继而陷入局部最优的风险。
与当前的反馈方法相比，本发明允许同时调节不止一个涂覆过程参数。一个直接的积极结果在于，可以根据质量函数的目标值更快速且更高效地调节或优化涂覆过程的参数。此外，该方法允许更高效地管理涂覆过程参数之间的任何潜在相互联系，而当前的反馈方法，尽管允许一个接一个地和/或彼此独立地调节涂覆过程参数，但可能无法克服一些涂覆过程参数的任何冲突的变化。
本发明的某些实施例的另一有价值的优点可以是在涂覆过程的调节阶段期间现场更新质量函数的目标值的可能性。当想要在准备时间期间和/或生产时间期间专门或作为补救措施更改技术要求时，这样的灵活性可能是有用的。
在具体实施方式和附图中阐述了实施例的其他优点。
附图说明
图1是基材上层状涂层的示意图。
图2是在基材上沉积单层或多层涂层的涂覆过程的示意图。
图3是根据一个实施例的用于调节涂覆过程参数的方法的流程图。
图4是根据另一实施例的用于调节涂覆过程参数的方法的流程图。
图5是根据其他实施例的用于调节涂覆过程参数的方法的流程图。
具体实施方式
除非另有说明或技术上不兼容，否则这里描述的所有实施例都可以彼此结合。
参考图1，经涂覆的透明基材1000通常可以包括透明基材1001，在其一个主面上具有层状涂层1002。涂层1002可以是多层涂层，即包括若干个层1002(1)至1002(n)。
涂层1002可以是包括至少一个介电层和至少一个功能层的单层或多层涂层。作为例证性的示例，对于建筑物或汽车玻璃应用，功能层可以是红外反射金属层，主要由诸如银、金、铌或铜之类的金属制成，以减少传递通过透明玻璃板的热量和/或辐射。可以有不止一个功能层，例如两个、三个或更多个功能层，它们最后主要通过夹层构造与介电层结合。介电层可以有助于抵消或调节由所述金属层引起的颜色偏移、反射和/或透射效应，并有助于提供所寻求的日光系数或热发射率，也称为辐射率。
涂层1002还可以包括金属的或介电的其他层，以改善在使用期间或在诸如加热、回火和/或弯曲之类的后续转变时的随时间的热稳定性和/或结构稳定性。
基材1001可以是透明基材，诸如矿物玻璃基材或有机基材。在本发明的上下文中，透明玻璃是指可见光谱中的至少部分电磁辐射可以传输通过的玻璃，使得能够辨别可透过所述玻璃观察的对象的形状和可能的一些细节。基材可以是薄的、刚性的或柔性的基材。
透明玻璃可以是有机或矿物玻璃。矿物玻璃的示例可以是钠钙玻璃、铝硅酸盐玻璃或硼硅酸盐玻璃。有机透明玻璃的示例是聚甲基丙烯酸甲酯(PMMA)或聚碳酸酯(PC)聚合物。
参考图2，可以通过沉积系统2000来例示涂覆过程，该沉积系统2000包括一些毗连的室，可以将透明基材2008相继运送通过这些室。可以一个接一个地顺序运送透明基材，使得在沉积系统中可以同时有几个透明基材。取决于其尺寸，基材可位于一个室中或同时位于几个室中。
沉积系统可以包括透明基材进入该系统的输入室2001、第一缓冲室2002、第一转移室2003、沉积段2004、第二转移室2005、第二缓冲室2006和经涂覆的基材2008从其离开该系统的输出室2007。沉积段2004可以包括一连串沉积室2004(1)至2004(m)。每个沉积室可以具有用于沉积涂层的部件，例如磁场辅助溅射(也称为磁控溅射)系统、离子束辅助沉积(IBAD)系统、蒸发系统、化学气相沉积(CVD)系统、等离子体增强化学气相沉积(PECVD)系统或低压化学气相沉积(LPCVD)系统。沉积室2004(1)至2004(m)还可以包括泵送系统，以产生适合沉积的真空条件。
参考图3，在本发明的一个实施例中，提供了一种方法(3000)，其用于根据经涂覆的透明基材(1000)的至少一个质量函数(QF)的目标值(TV)来调节用于制造包括多层涂层(1002)的所述经涂覆的透明基材(1000)的涂覆过程(2000)的至少两个参数(CPP1，CPP2)，
其中，所述方法(3000)采用以下作为输入：至少一个质量函数(QF)的值的数据集(DS3001)和至少两个涂覆过程参数(CPP1，CPP2)的值的数据集(DS3002)；
其中，所述数据集(DS3001，DS3002)源自在一个或多个涂覆系统中制造经涂覆的透明基材的制造历史数据集(HDS3001)；
其中，所述方法(3000)提供以下作为输出：用于制造所述经涂覆的透明基材(1000)的所述至少两个涂覆过程参数(CPP1，CPP2)的优化值(OV1，OV2)，并且
其中，所述方法(3000)包括以下步骤：
(a)在计算机上计算(3001)在所述至少一个质量函数(QF)的值的差与所述至少两个涂覆过程参数(CPP1，CPP2)的值的差之间的至少两个不同的数学预测模型(MM1，MM2)的数据集(DS3003)，
其中，所述模型(MM1，MM2)是基于不同的机器学习方法，并且其中，所述不同的机器学习方法是以所述至少一个质量函数(QF)的数据集(DS3001)的值的差作为特征数据并且以所述至少两个涂覆过程参数(CPP1，CPP2)的数据集(DS3002)的值的差作为目标数据来训练的；
(b)用所述至少两个过程参数(CPP1，CPP2)的标准值(SV-CPP1，SV-CPP2)来制造(3002)经涂覆的透明基材；
(c)测量或预测(3003)所制造的所述经涂覆的透明基材的至少一个质量函数(QF)的值(MP-V)；
(d)计算(3004)所述至少一个质量函数(QF)的测量值或预测值(MP-V)与所述至少一个质量函数(QF)的目标值(TV)之间的差(ΔV-QF)；
(e)在计算机上利用数据集(DS3003)的每个数学预测模型(MM1，MM2)从所述至少一个质量函数(QF)的测量值或预测值(MP-V)的所述差来计算(3005)所述至少两个涂覆过程参数(CPP1，CPP2)的差(ΔV-CPP)；
(f)用所述至少两个涂覆过程参数(CPP1，CPP2)的调节值(AV-CPP1，AV-CPP2)来制造(3006)经涂覆的透明基材，所述调节值(AV-CPP1，AV-CPP2)是根据在步骤(e)计算出的差调节的；
(g)重复(3007)步骤(c)至(f)，直到根据给定的误差区间达到质量函数(QF)的目标值(TV)，或者直到所述至少两个涂覆过程参数(CPP1；CPP2)的变化在后续迭代中低于给定阈值，所述至少两个涂覆过程参数(CPP1；CPP2)为达到质量函数(QF)的所述目标值(TV)而获得的值是所述至少两个涂覆过程参数(CPP1，CPP2)的优化值(OV1，OV2)。
在步骤(a)，至少一个质量函数(QF)的值的数据集(DS3001)和至少两个涂覆过程参数(CPP1，CPP2)的值的数据集(DS3002)源自制造历史数据集(HDS3001)。在本公开的上下文中，“制造历史数据集”应理解为包括这样的数据的数据集：所述数据可源自一个或多个先前的制造活动，在所述制造活动期间，在一个或多个涂覆系统中用多层涂层涂覆了透明基材。优选地，在这些制造活动期间制造的透明基材(1000)和多层涂层(1002)可以是与旨在用使用根据本发明的方法来调节至少两个涂覆过程参数的涂覆过程制造的那些相同的种类。
根据一些实施例，制造历史数据集(HDS3001)可以包括仿真数据或/和测量数据。当测量数据不足和/或不可靠时，仿真数据可能是有利的。仿真数据可以用作测量数据的替代或补充。
在本公开的上下文中，“涂覆过程参数”应解释为涂覆过程的任何参数，所述参数可涉及可能需要对其进行调节以根据给定的规格制造经涂覆的透明基材的涂覆过程的功能、操作和/或技术设置。这些参数可以根据涂覆过程参数的特定配置而变化，使得第一个涂覆过程的相关涂覆过程参数可以不同于第二个不同的涂覆过程的相关涂覆过程参数。
涂覆过程参数(CPP1，CPP2)的示例可以是气流，例如水、氧、氮或惰性气体的水平、阴极功率设定点或实际值、阴极电压设定点或实际值、磁场、气流、气体分压、气体总压、泵送系统的泵送能力、机械屏蔽布置、磁性装置的几何布置、等离子体发射的参数和/或基材的运送速度。
在一些有利的实施例中，所述至少两个涂覆过程参数(CPP1、CPP2)可以选自：气流、阴极电压或功率、磁场强度、机械装置的设置和/或几何布置、透明基材在涂覆过程(2000)的室中的运送速度、或其组合。
在本公开的上下文中，“质量函数(quality function)”不应解释为数学函数，而是与经涂覆的透明基材的特定技术特征或物理化学性质相关。特别地，它可以涉及经涂覆的透明基材的可以在不改变其本体的情况下被观察、测量或仿真的任何固有特性。
质量函数QF的示例可以是可涉及经涂覆的透明基材的光学、机械、能量、化学或应用兼容性标准(例如，抬头显示器兼容性)的特性或特征。例如，它们可以是经涂覆的基材的光学性质，例如太阳获得、光透射系数、光反射系数或颜色，以及其均匀性。它可以是透射和/或反射电磁谱。电磁谱可以是在基材的涂覆侧或未涂覆侧采集到的透射和/或反射谱。特别地，电磁谱可以有利地是在295nm至2000nm、优选在330nm至1100nm波长范围内在小于等于10°的观察角或大于45°的观察角下的透射和/或反射谱。
在有利的实施例中，所述至少一个质量函数(QF)可以选自多层涂层(1000)的光学、色度、能量、机械、电学和/或化学性质。
一旦在步骤(b)制造了经涂覆的透明基材，就可以在步骤(c)测量或预测所述经涂覆的透明基材的至少一个质量函数(QF)的值(MP-V)。
作为示例实施例，所述至少一个质量函数(QF)的值(MP-V)可以用预测方法来预测，诸如在提交于2020年7月21日的欧洲专利申请20315353.1中公开的那些方法。
所述至少一个质量函数(QF)的值(MP-V)可以用本领域中可用的任何合适的测量方法和/或装置来测量。测量可以在线进行，即在涂覆过程内部进行，或者离线进行，即在涂覆过程外部进行。在线测量的示例实施例可以是在涂覆过程的某些阶段对部分涂覆的基材的质量函数的测量。离线测量的示例实施例可以是在透明基材被涂覆有多层涂层基材后在涂覆过程结束时进行的测量。
在优选实施例中，在步骤(c)，可以在涂覆过程结束时测量所述经涂覆的透明基材的至少一个质量函数(QF)的值(MP-V)。
步骤(a)、(d)和(e)是计算步骤，其中，值的差用作输入或被直接计算。这些差可以是相对差或绝对差。
数学预测方法所基于的机器学习方法是取决于涂覆过程参数和质量函数的属性的选择问题。
作为示例实施例，基于机器学习的方法可以是加权和、加权平均、遗传算法、有监督、无监督或增强机器学习回归方法、或成本优化方法。
在步骤(g)，根据下面两个标准执行重复：根据给定的误差区间达到质量函数(QF)的目标值(TV)，或者直到所述至少两个涂覆过程参数(CPP1；CPP2)的变化在后续迭代中低于给定阈值。
第一个标准可涉及根据所述经涂覆的透明基材的给定技术要求或规格的经涂覆的透明基材可容许的误差。于是，误差区间的值可变化。大多数情况下，给定的误差区间可以是距目标值(TV)1％或更小。
第二个标准可允许在所述至少两个涂覆过程参数(CPP1；CPP2)的值在后续迭代中变化不够而质量函数(QF)的目标值(TV)仍未达到时停止重复。该标准可以被定义为观察不到所述至少两个涂覆过程参数(CPP1；CPP2)的值的显著变化的重复步骤数量阈值。该阈值可以手动或自动定义。
在一些有利的实施例中，可以顺序地、并行地和/或作为链式模型针对每个模型执行步骤(g)，每个模型最终受到权重因子的影响。这样的实施例可以有助于抵消或平衡它们中的一个可能潜在地发生的漂移。它们还可以改善在步骤(e)计算出的差(ΔV-CPP)的准确度和精度。
确定要在数据集(DS3003)中设置哪些数学预测模型(MM1，MM2)可以取决于它们在将所述至少两个涂覆过程参数(CPP1，CPP2)建模为所述至少一个质量函数(QF)时的精度、准确度以及收敛。因此，有时可首先需要对数学预测方法进行评估。
就此而言，根据进一步有利的实施例，参考图4，可以根据以下步骤来定义所述至少两个不同的数学预测模型(MM1，MM2)的数据集(DS3003)的每个模型：
(b1)在计算机上生成(4001)至少两个不同的数学预测模型(MPM1，MPM2)，每个模型基于不同的机器学习方法；
(b2)在计算机上从所述至少一个质量函数(QF)的值的数据集(DS3001)和所述至少两个涂覆过程参数(CPP1，CPP2)的数据集(DS3002)来计算(4002)所述至少一个质量函数(QF)的值的差和所述至少两个涂覆过程参数(CPP1，CPP2)的值的差的数据集(DS4001)；
(b3)在计算机上在所述差的集(ST4001)上训练每个数学预测模型；
(b4)选择(4004)预测误差最低的经训练的数学预测模型，所选数学预测模型是要在所述至少两个不同的数学预测模型(MM1，MM2)的集合(ST3003)中使用的数学预测模型。
收敛可以被认为是数学预测模型中/长期可靠性的一个重要特征。事实上，当在预测模式中作为输入提供的数据中存在一些意外偏移时，在几次试验后可能看起来收敛的数学预测模型有时可能开始发散。
在这种情况下，根据优选实施例，参考图5，方法(5000)还可以包括选择(5001)在被提供有所述至少一个质量函数(QF)的值的差的数据集(DS5001)时最收敛的经训练的数学预测模型的步骤(b5)，所述值的差被进一步填充有测量和/或人为噪声。
根据本发明的方法可以不限于一个质量函数。它可采用两个、三个或更多个质量函数。
因此，在一些优选的示例实施例中，方法(3000，4000，5000)还可以根据经涂覆的透明基材(1000)的两个质量函数(QF1，QF2)的目标值(TV1，TV2)来调节用于制造包括多层涂层(1002)的所述经涂覆的透明基材(1000)的涂覆过程(2000)的至少两个参数(CPP1，CPP2)，其中，第一质量函数(QF1)是光谱并且第二质量函数是色度性质，所述色度性质的目标值(TV2)是给定值或预测值，至少一个涂覆过程参数(CPP1)是阴极功率，并且至少两个不同的数学预测模型(MM1，MM2)的数据集(DS3003)包括光谱差与阴极功率差之间的第一数学预测模型(MM1)和色度性质差与阴极功率差之间的第二数学预测模型(MM2)。
数学预测模型(MM1，MM2)有时可需要重新训练，例如当新数据可用于更新数据集(DS3001，DS3002)或数据集(DS3001，DS3002)中的一些数据可能需要校正时。重新训练在预测中可能出现一些漂移时也可是有利的。
因此，在一些实施例中，方法(3000，4000，5000)可以在步骤(g)之后还包括根据给定的发生标准再次执行所有的步骤(a)至(g)的步骤(h1)，并且其中，所述步骤(a)至(g)利用作为输入提供的所述至少一个质量函数(QF)的值的数据集(DS3001)和所述至少两个涂覆过程参数(CPP1，CPP2)的值的数据集(DS3002)来执行，并且其中，所述至少两个涂覆过程参数(CPP1，CPP2)的值的集(ST3002)填充有新测量和/或仿真的数据。
发生标准应解释为可需要再次执行步骤(a)至(g)的频率。其可以根据例如在预测中检测到的漂移和/或新数据的可用性的监控的参数手动或自动提供。
在有利的实施例中，所述至少一个质量函数(QF)的目标值(TV)可以是预测值，其中，所述方法(3000，4000)可以在步骤(g)之后还包括根据预测目标值与测量值之间的给定差异标准再次执行所有的步骤(a)至(g)的步骤(h2)，并且其中，根据所述测量值的函数来更新目标值(TV)。
这些实施例可以提供在涂覆过程的调节阶段现场更新质量函数的目标值的可能性。当想要在准备时间期间和/或生产时间期间专门或作为补救措施更改技术要求时，这样的灵活性可能是有用的。
根据这里描述的任何实施例的方法适用于建筑物和汽车玻璃。因此，在优选实施例中，透明基材(1001)可以是矿物玻璃基材或有机基材，并且多层涂层(1002)可以包括至少一个介电层和至少一个功能性金属层。
根据本发明的方法的一些步骤是计算步骤，并且可以由计算机实施。根据本发明的另一方面，提供了一种数据处理系统，其包括用于执行根据这里描述的任何实施例的所述步骤的部件。用于执行该方法的部件的示例可以是可被指示自动执行算术或逻辑运算序列以实行任务或动作的装置。这样的装置也称为计算机，可以包括一个或多个中央处理单元(CPU)和可以被适配成执行这些操作的至少一个控制器装置。它还可以包括其他电子部件，如输入/输出接口、非易失性或易失性存储装置以及总线，总线是用于在计算机内部的部件之间或在计算机之间进行数据传输的通信系统。输入/输出装置之一可以是用于人机交互的用户接口，例如用来显示人类可理解的信息的图形用户接口。
本发明的另一主题是要提供一种包括指令的计算机程序，当该程序由计算机执行时，所述指令使所述计算机实行方法的步骤，所述方法可以是根据这里描述的任何实施例的计算机实施方法。
任何种类的编程语言，无论是编译的还是解译的，都可以用于实施本发明的方法的步骤。计算机程序可以是软件解决方案的一部分，即可执行指令、代码、脚本等和/或数据库的集合的一部分。
本发明的另一主题是要提供一种包括指令的计算机可读介质，所述指令在由计算机执行时使所述计算机实行方法的步骤，所述方法可以是根据这里描述的任何实施例的计算机实施方法。
计算机可读存储装置可以是非易失性存储装置或存储器，例如硬盘驱动器或固态驱动器。计算机可读存储装置可以是可移除存储介质或作为计算机一部分的不可移除存储介质。
替代地，计算机可读存储器可以是可移除介质内的易失性存储器。这可有助于本发明在许多生产场所的部署。
计算机可读存储装置可以是用作服务器的计算机的一部分，可以从该服务器下载可执行指令，并且当所述可执行指令由计算机执行时，使得所述计算机实行方法的步骤，所述方法可以是根据这里描述的任何实施例的计算机实施方法。
替代地，程序可以在分布式计算环境中实施，例如云计算。指令可以在客户端计算机可以与之连接的服务器上执行，并提供编码数据作为到本发明的方法的输入。在数据被处理后，输出可以被下载并解码到客户端计算机上，或者例如作为指令直接发送。这种实施方式可能是有利的，因为它可以在诸如云计算解决方案之类的分布式计算环境中实现。
Claims (14)
1.一种用于根据经涂覆的透明基材(1000)的至少一个质量函数(QF)的目标值(TV)来调节用于制造包括多层涂层(1002)的所述经涂覆的透明基材(1000)的涂覆过程(2000)的至少两个参数(CPP1，CPP2)的方法(3000)，
其中，所述方法(3000)采用以下作为输入：至少一个质量函数(QF)的值的数据集(DS3001)和至少两个涂覆过程参数(CPP1，CPP2)的值的数据集(DS3002)；
其中，所述数据集(DS3001，DS3002)源自在一个或多个涂覆系统中制造经涂覆的透明基材的制造历史数据集(HDS3001)；
其中，所述方法(3000)提供以下作为输出：用于制造所述经涂覆的透明基材(1000)的所述至少两个涂覆过程参数(CPP1，CPP2)的优化值(OV1，OV2)，并且
其中，所述方法(3000)包括以下步骤：
(a)在计算机上计算(3001)在所述至少一个质量函数(QF)的值的差与所述至少两个涂覆过程参数(CPP1，CPP2)的值的差之间的至少两个不同的数学预测模型(MM1，MM2)的数据集(DS3003)，
其中，所述模型(MM1，MM2)是基于不同的机器学习方法，并且其中，所述不同的机器学习方法是以所述至少一个质量函数(QF)的数据集(DS3001)的值的差作为特征数据并且以所述至少两个涂覆过程参数(CPP1，CPP2)的数据集(DS3002)的值的差作为目标数据来训练的；
(b)用所述至少两个过程参数(CPP1，CPP2)的标准值(SV-CPP1，SV-CPP2)来制造(3002)经涂覆的透明基材；
(c)测量或预测(3003)所制造的所述经涂覆的透明基材的至少一个质量函数(QF)的值(MP-V)；
(d)在计算机上计算(3004)所述至少一个质量函数(QF)的测量值或预测值(MP-V)与所述至少一个质量函数(QF)的目标值(TV)之间的差(ΔV-QF)；
(e)在计算机上利用数据集(DS3003)的每个数学预测模型(MM1，MM2)从所述至少一个质量函数(QF)的测量值或预测值(MP-V)的所述差来计算(3005)所述至少两个涂覆过程参数(CPP1，CPP2)的差(ΔV-CPP)；
(f)用所述至少两个涂覆过程参数(CPP1，CPP2)的调节值(AV-CPP1，AV-CPP2)来制造(3006)经涂覆的透明基材，所述调节值(AV-CPP1，AV-CPP2)是根据在步骤(e)计算出的差调节的；
(g)重复(3007)步骤(c)至(f)，直到根据给定的误差区间达到质量函数(QF)的目标值(TV)，或者直到所述至少两个涂覆过程参数(CPP1；CPP2)的变化在后续迭代中低于给定阈值，所述至少两个涂覆过程参数(CPP1；CPP2)为达到质量函数(QF)的所述目标值(TV)而获得的值是所述至少两个涂覆过程参数(CPP1，CPP2)的优化值(OV1，OV2)。
2.根据权利要求1所述的方法(3000)，其中，顺序地、并行地和/或作为链式模型针对每个模型执行步骤(g)，每个模型最终受到权重因子的影响。
3.根据权利要求1至2中的任一项所述的方法(4000)，其中，根据以下步骤来定义所述至少两个不同的数学预测模型(MM1，MM2)的数据集(DS3003)的每个模型：
(b1)在计算机上生成(4001)至少两个不同的数学预测模型(MPM1，MPM1)，每个模型基于不同的机器学习方法；
(b2)在计算机上从所述至少一个质量函数(QF)的值的数据集(DS3001)和所述至少两个涂覆过程参数(CPP1，CPP2)的数据集(DS3002)来计算(4002)所述至少一个质量函数(QF)的值的差和所述至少两个涂覆过程参数(CPP1，CPP2)的值的差的数据集(DS4001)；
(b3)在计算机上在所述差的集(ST4001)上训练每个数学预测模型；
(b4)选择(4004)预测误差最低的经训练的数学预测模型，所选数学预测模型是要在所述至少两个不同的数学预测模型(MM1，MM2)的集合(ST3003)中使用的数学预测模型。
4.根据权利要求3所述的方法(5000)，其中，所述方法(5000)还包括选择(5001)在被提供有所述至少一个质量函数(QF)的值的差的数据集(DS5001)时最收敛的经训练的数学预测模型的步骤(b5)，所述值的差被进一步填充有测量和/或人为噪声。
5.根据权利要求1至4中的任一项所述的方法(3000，4000，5000)，其中，所述至少一个质量函数(QF)选自多层涂层(1000)的光学、色度、能量、机械、电学和/或化学性质。
6.根据权利要求1至5中的任一项所述的方法(3000，4000，5000)，其中，所述至少两个涂覆过程参数(CPP1、CPP2)选自：气流、阴极电压或功率、磁场强度、机械装置的设置和/或几何布置、透明基材在涂覆过程(2000)的室中的运送速度、或其组合。
7.根据权利要求1至6中的任一项所述的方法(3000，4000，5000)，其中，所述方法(3000，4000，5000)还根据经涂覆的透明基材(1000)的两个质量函数(QF1，QF2)的目标值(TV1，TV2)来调节用于制造包括多层涂层(1002)的所述经涂覆的透明基材(1000)的涂覆过程(2000)的至少两个参数(CPP1，CPP2)，其中，第一质量函数(QF1)是光谱并且第二质量函数是色度性质，所述色度性质的目标值(TV2)是给定值或预测值，至少一个涂覆过程参数(CPP1)是阴极功率，并且至少两个不同的数学预测模型(MM1，MM2)的数据集(DS3003)包括光谱差与阴极功率差之间的第一数学预测模型(MM1)和色度性质差与阴极功率差之间的第二数学预测模型(MM2)。
8.根据权利要求1至7中的任一项所述的方法(3000，4000，5000)，其中，所述方法(3000，4000，5000)在步骤(g)之后还包括根据给定的发生标准再次执行所有的步骤(a)至(g)的步骤(h1)，并且其中，所述步骤(a)至(g)利用作为输入提供的所述至少一个质量函数(QF)的值的数据集(DS3001)和所述至少两个涂覆过程参数(CPP1，CPP2)的值的数据集(DS3002)来执行，并且其中，所述至少两个涂覆过程参数(CPP1，CPP2)的值的集(ST3002)填充有新测量和/或仿真的数据。
9.根据权利要求1至8中的任一项所述的方法(3000，4000，5000)，其中，所述至少一个质量函数(QF)的目标值(TV)是预测值，其中，所述方法(3000，4000)在步骤(g)之后还包括根据预测目标值与测量值之间的给定差异标准再次执行所有的步骤(a)至(g)的步骤(h2)，并且其中，根据所述测量值的函数来更新目标值(TV)。
10.根据权利要求1至9中的任一项所述的方法(3000，4000，5000)，其中，基于机器学习的方法是加权和、加权平均、遗传算法、有监督、无监督或增强机器学习回归方法、或成本优化方法。
11.根据权利要求1至10中的任一项所述的方法(3000，4000，5000)，其中，给定的误差区间为距目标值1％或更小。
12.根据权利要求1至11中的任一项所述的方法(3000，4000，5000)，其中，制造历史数据集(HDS3001)包括仿真数据或/和测量数据。
13.根据权利要求1至12中的任一项所述的方法(3000，4000，5000)，其中，在步骤(c)，所述经涂覆的透明基材的至少一个质量函数(QF)的值(MP-V)是在涂覆过程结束时测量的测量值。
14.根据权利要求1至13中的任一项所述的方法(3000，4000，5000)，其中，所述透明基材(1001)是矿物玻璃基材或有机基材，并且所述多层涂层(1002)包括至少一个介电层和至少一个功能性金属层。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21180077.6A EP4105746A1 (en) | 2021-06-17 | 2021-06-17 | Method for adjusting parameters of a coating process to manufacture a coated transparent substrate |
| EP21180077.6 | 2021-06-17 | ||
| PCT/EP2022/066452 WO2022263586A1 (en) | 2021-06-17 | 2022-06-16 | Method for adjusting parameters of a coating process to manufacture a coated transparent substrate |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117616354A true CN117616354A (zh) | 2024-02-27 |
Family
ID=76522792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280042917.0A Pending CN117616354A (zh) | 2021-06-17 | 2022-06-16 | 用于制造经涂覆的透明基材的涂覆过程参数的调节方法 |
Country Status (3)
| Country | Link |
|---|---|
| EP (2) | EP4105746A1 (zh) |
| CN (1) | CN117616354A (zh) |
| WO (1) | WO2022263586A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116641035B (zh) * | 2023-07-26 | 2023-10-13 | 南京诺源医疗器械有限公司 | 一种用于腹腔镜光学件的镀膜方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102449586B1 (ko) * | 2017-02-24 | 2022-10-04 | 에이에스엠엘 네델란즈 비.브이. | 기계 학습에 의해 공정 모델들을 결정하는 방법들 |
| US10534257B2 (en) * | 2017-05-01 | 2020-01-14 | Lam Research Corporation | Layout pattern proximity correction through edge placement error prediction |
| BE1025251B1 (nl) | 2017-05-22 | 2018-12-18 | Soleras Advanced Coatings Bvba | Feedback systeem |
| FR3074906B1 (fr) | 2017-12-07 | 2024-01-19 | Saint Gobain | Procede et dispositif de determination automatique de valeurs d'ajustement de parametres de fonctionnement d'une ligne de depot |
| DE102018101173B4 (de) | 2018-01-19 | 2022-09-01 | VON ARDENNE Asset GmbH & Co. KG | Verfahren |
| US20220179321A1 (en) * | 2019-03-25 | 2022-06-09 | Asml Netherlands B.V. | Method for determining pattern in a patterning process |
-
2021
- 2021-06-17 EP EP21180077.6A patent/EP4105746A1/en active Pending
-
2022
- 2022-06-16 CN CN202280042917.0A patent/CN117616354A/zh active Pending
- 2022-06-16 WO PCT/EP2022/066452 patent/WO2022263586A1/en active Application Filing
- 2022-06-16 EP EP22737566.4A patent/EP4356210A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4105746A1 (en) | 2022-12-21 |
| WO2022263586A1 (en) | 2022-12-22 |
| EP4356210A1 (en) | 2024-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105392914B (zh) | 串联式沉积控制设备和串联式沉积控制的方法 | |
| BE1025251B1 (nl) | Feedback systeem | |
| US10365085B2 (en) | Method and system for measuring thickness of thin film | |
| CN117616354A (zh) | 用于制造经涂覆的透明基材的涂覆过程参数的调节方法 | |
| JP2016527397A5 (zh) | ||
| JP2024506549A (ja) | プロセスのハイブリッド物理学／機械学習モデリング | |
| WO2014182282A1 (en) | Optical sensor optimization and system implementation with simplified layer structure | |
| CN115605447A (zh) | 用于估计涂覆有单层或多层的透明基材的质量功能的方法 | |
| Wilbrandt et al. | In-situ broadband monitoring of heterogeneous optical coatings | |
| CN116209960A (zh) | 用于配置涂覆处理的方法 | |
| BE1025541B1 (nl) | Weergave-inrichting | |
| US20210079513A1 (en) | In Situ Density Control During Fabrication Of Thin Film Materials | |
| WO2017213040A1 (ja) | 多層膜の成膜方法 | |
| Wu et al. | Applying theoretical spectra to artificial neural networks for real-time estimation of thin film thickness | |
| Chen et al. | Applying Artificial Neural Networks to Monitor Deposition Rate of Roll-to-roll Sputtering System in Real Time | |
| Voronov et al. | Control and broadband monitoring of transparent multilayer thin films deposited by magnetron sputtering | |
| Dong et al. | Origin and compensation of deposition errors in a broadband antireflection coating prepared using quartz crystal monitoring | |
| Ehlers et al. | Progress in Optical Monitoring | |
| US20230384777A1 (en) | Methods and mechanisms for preventing fluctuation in machine-learning model performance | |
| RU2608156C2 (ru) | Способ получения нанокомпозитного металл-керамического покрытия с заданным значением микротвердости на поверхности полированной ситалловой пластины | |
| Wu et al. | Artificial Neural Networks Estimation for Thicknesses of Multilayer Nano-Scale Films | |
| TW202347063A (zh) | 製程控制旋鈕估計 | |
| Neuman et al. | The use of experimental design techniques to meet reflected color targets in pyrolytic low emissivity coatings | |
| Spataru et al. | SIMULATING THE MAGNETRON SPUTTERING PROCESS FOR INDUSTRIAL APPLICATIONS. | |
| Ulrich et al. | Optical and XRR methods for analysis and design of low-e coatings and PDP EMI filters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |