CN117712012A - 基于伯努利原理的晶圆转运机械臂控制系统及方法 - Google Patents

基于伯努利原理的晶圆转运机械臂控制系统及方法 Download PDF

Info

Publication number
CN117712012A
CN117712012A CN202410170318.8A CN202410170318A CN117712012A CN 117712012 A CN117712012 A CN 117712012A CN 202410170318 A CN202410170318 A CN 202410170318A CN 117712012 A CN117712012 A CN 117712012A
Authority
CN
China
Prior art keywords
data
adsorption force
wafer
value
air pump
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
Application number
CN202410170318.8A
Other languages
English (en)
Other versions
CN117712012B (zh
Inventor
林坚
王彭
吴国明
王栋梁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honghu Suzhou Semiconductor Technology Co ltd
Original Assignee
Honghu Suzhou Semiconductor Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Honghu Suzhou Semiconductor Technology Co ltd filed Critical Honghu Suzhou Semiconductor Technology Co ltd
Priority to CN202410170318.8A priority Critical patent/CN117712012B/zh
Publication of CN117712012A publication Critical patent/CN117712012A/zh
Application granted granted Critical
Publication of CN117712012B publication Critical patent/CN117712012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H01L21/683—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • 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
    • H01L21/687—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 using mechanical means, e.g. chucks, clamps or pinches
    • H01L21/68707—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 using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a robot blade, or gripped by a gripper for conveyance
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Robotics (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)

Abstract

本发明属于机械臂控制技术领域，本发明公开了基于伯努利原理的晶圆转运机械臂控制系统及方法；包括：采集转运数据，转运数据包括晶圆数据和运行数据；对转运数据进行分析，获取晶圆转运过程中所需的吸附力数据；采集影响数据，影响数据包括气泵数据和环境数据；根据影响数据，计算对应的气泵影响系数和环境影响系数；根据气泵影响系数和环境影响系数，生成对应的安全等级；根据安全等级生成对应的调节指令或检修指令；根据调节指令，计算吸附力调节量，根据吸附力调节量对吸附力进行调节；本发明能够提高转运的稳定性和安全性,减少晶圆可能出现的掉落或变形,有效提高生产效率和产品质量。

Description

基于伯努利原理的晶圆转运机械臂控制系统及方法
技术领域
本发明涉及机械臂控制技术领域，更具体地说，本发明涉及基于伯努利原理的晶圆转运机械臂控制系统及方法。
背景技术
在半导体生产中，晶圆转运作为生产流程的关键环节，直接影响到制造效率和产品质量；
传统的晶圆转运过程通常依赖于机械臂采用真空吸盘吸附晶圆，存在一些不足之处，例如真空吸盘需要外置大型真空泵，增加成本和占地面积；真空吸盘负压响应慢，晶圆转运过程中失稳概率较大；真空泵可能带来极微尘垢，导致对晶圆产生污染等；而使用伯努利式吸盘能够较好的解决这些不足之处；伯努利原理是流体动力学中的基本原理，通过利用气流产生的气垫，实现对晶圆的悬浮，不仅提高了机械臂系统的稳定性，同时也确保了晶圆在转运过程中的高精度定位和无损伤的传递；
公开号为CN113394158A的中国专利公开了一种单臂三自由度的晶圆传输机械手及使用方法，通过垂直移动组件、旋转组件与径向移动组件将机械爪的一端靠近顶层晶圆片的一侧上方，通过伸缩电机等设置，使得延伸板的一端逐渐靠近顶层晶圆片并位于晶圆片的上方，启动抽气组件，利用伯努利吸盘原理，使得通孔处的压强较小，继而使得顶层晶圆片被吸附至延伸板的一端，通过反向电机等设置，吸盘发生翻转吸附晶圆片，扩大片盒的储存能力，提高空间利用率；然而并未考虑到在晶圆转运过程中机械臂对晶圆进行吸附的吸附力控制的问题；
鉴于此，本发明提出基于伯努利原理的晶圆转运机械臂控制系统及方法以解决上述问题。
发明内容
为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：基于伯努利原理的晶圆转运机械臂控制方法，包括：
采集转运数据，转运数据包括晶圆数据和运行数据；
对转运数据进行分析，获取晶圆转运过程中所需的吸附力数据；
采集影响数据，影响数据包括气泵数据和环境数据；
根据影响数据，计算对应的气泵影响系数和环境影响系数；根据气泵影响系数和环境影响系数，生成对应的安全等级；
根据安全等级生成对应的调节指令或检修指令；根据调节指令，计算吸附力调节量，根据吸附力调节量对吸附力进行调节。
进一步地，所述晶圆数据包括质量、表面粗糙度、表面温度以及弹性模量；所述质量为晶圆的重量；所述表面粗糙度为晶圆表面的粗糙程度；所述表面温度为晶圆表面的温度；所述运行数据包括速度值集合、加速度值集合以及转弯半径集合；速度值集合为晶圆转运过程中每个时间点对应的速度值，加速度值集合为晶圆转运过程中每个时间点对应的加速度值，转弯半径集合为晶圆转运过程中每个时间点对应的转弯半径。
进一步地，表面粗糙度的获取方法包括：使用激光扫描仪，将激光光束照射在晶圆表面进行扫描，晶圆表面标记n个点位，n为大于1的整数，并测量n个点位的高度数据；计算n个点位的高度数据均值，并计算n个点位的高度数据的标准差，将n个点位的高度数据的标准差作为表面粗糙度；
表面粗糙度的表达式为：，/>；
式中，为表面粗糙度，/>为第j个点位的高度数据，/>为n个点位的高度数据均值，/>，n为n个点位。
进一步地，弹性模量的获取方法包括：使用超声设备，超声设备包括超声发射器和超声接收器，由超声发射器发射超声脉冲至晶圆，超声接收器接收由晶圆内部反射回来的超声脉冲；获取超声设备与晶圆的角度值，角度值包括第一角度值和第二角度值，第一角度值为超声发射器与晶圆表面的角度，第二角度值为超声接收器与晶圆表面的角度；再获取第一距离值和第二距离值，第一距离值为超声设备与晶圆表面间的距离值，第二距离值为超声设备与待处理平台表面的距离值；
使用激光扫描仪对晶圆表面进行扫描，获取晶圆表面的扫描图像，标记扫描图像的圆心，以圆心为起点，测量圆心到扫描图像边缘的距离，并标记为晶圆半径，根据晶圆半径计算晶圆面积；晶圆面积的表达式为：；式中/>为晶圆面积，/>为圆周率，/>为晶圆半径；
将第二距离值减去第一距离值获取晶圆厚度，将晶圆面积乘以晶圆厚度获取晶圆体积，将晶圆体积除以质量获取晶圆密度；
根据第一角度值和第一距离值计算第一路程值，第一路程值为超声发射器与反射点间的路程值，反射点为激光脉冲与晶圆内部的接触点，第一路程值的表达式为：；式中/>为第一路程值，/>为第一距离值，/>为第一角度值；根据第二角度值和第一距离值计算第二路程值，第二路程值为超声接收器与反射点间的路程值，第二路程值的表达式为：/>，/>为第二角度值；将第一路程值加上第二路程值作为脉冲路程，脉冲路程即为超声脉冲从超声发射器发射出到超声接收器接收时所经过的路程；采集时间数据，时间数据为超声脉冲从超声发射器发射出到超声接收器接收时所经过的时间；将脉冲路程除以时间数据获取弹性波速度；根据弹性波速度和晶圆密度计算弹性模量，弹性模量的表达式为：/>；式中，/>为弹性模量，/>为弹性波速度，/>为晶圆密度。
进一步地，所述获取晶圆转运过程中所需的吸附力数据的方法包括：
将转运数据中的晶圆数据和一个时间点对应的速度值、加速度值以及转弯半径作为一组分析数据，将m组分析数据一一输入训练好的吸附力预测模型，预测出每组分析数据对应的吸附力数据，，其中b为晶圆转运过程中经历的总时间点，即运行数据中共包括个速度值、/>个加速度值以及/>个转弯半径，m组分析数据与b个时间点一一对应，m为大于1的整数，/>；吸附力数据为伯努利式吸盘在晶圆转运过程中所产生的吸附力；
吸附力预测模型的训练过程包括：
预先收集多组分析数据对应的吸附力数据，将一组分析数据以及与分析数据对应的吸附力数据转换为一组特征向量；
将每组特征向量作为吸附力预测模型的输入，所述吸附力预测模型以每组分析数据对应的一组预测吸附力数据作为输出，以每组分析数据对应的实际吸附力数据作为预测目标，实际吸附力数据即为所述预先收集的与分析数据对应的吸附力数据；以最小化所有分析数据的预测误差之和作为训练目标；对吸附力预测模型进行训练，直至预测误差之和达到收敛时停止训练；所述吸附力预测模型为深度神经网络模型。
进一步地，所述影响数据为晶圆转运过程中对伯努利式吸盘产生的吸附力造成影响的数据；
所述气泵数据包括运行时间、维修次数、维修种类以及维修时间；所述运行时间为气泵实际投入使用的时间，即气泵从首次启动运行起算，每一次运行的持续时间的总和；所述维修次数为气泵在运行过程中所维修的次数；所述维修种类为气泵在运行过程中每次维修的部件种类；所述维修时间为气泵从上一次维修结束后至本次晶圆转运开始前所经历的时间；
所述环境数据包括环境温度和扰动气流；所述环境温度为晶圆转运室内的温度；所述扰动气流为晶圆转运室内对气泵进气口产生乱流干扰的不规则气流；所述晶圆转运室为机械臂转运晶圆的场所。
进一步地，气泵影响系数的计算方法包括：
；
式中为气泵影响系数，/>为运行时间，/>为维修次数，/>为维修种类数值，/>为维修时间，/>、/>、/>、/>均为预设权重系数且/>、/>、/>、/>均大于0；
环境影响系数的计算方法包括：
；
式中为环境影响系数，/>为扰动气流，/>为环境温度，/>、/>均为预设比例系数且/>、/>均大于0。
进一步地，所述根据气泵影响系数和环境影响系数，生成对应的安全等级的方法包括：
安全等级包括正常等级、掉落等级和变形等级；掉落等级包括一级掉落和二级掉落，变形等级包括一级变形和二级变形；
计算总影响系数，总影响系数的表达式为：；式中/>为总影响系数；
预设判断阈值，判断阈值包括变形阈值和掉落阈值/>，其中/>、/>均大于0；
若，则计算变形概率，变形概率的表达式为：/>；式中/>为变形概率；若/>，则生成一级变形；若/>，则生成二级变形；
若，则计算掉落概率，掉落概率的表达式为：/>；式中/>为掉落概率；若/>，则生成一级掉落；若/>，则生成二级掉落；
若，则生成正常等级。
进一步地，若生成正常等级，则不生成调节指令或检修指令，机械臂开始转运晶圆；
若生成一级掉落或一级变形，则生成调节指令；
吸附力调节量的表达式为：；式中/>为第i个时间点的吸附力调节量，/>为第i个时间点的吸附力数据，/>；
将第i个时间点的吸附力调节量加上第i个时间点的吸附力数据作为第i个时间点新的吸附力数据，将第i个时间点的吸附力数据调节为第i个时间点新的吸附力数据；
若生成二级掉落或二级变形，则生成检修指令。
进一步地，预设吸附力数据阈值，判断是否生成环境调节指令；根据环境调节指令对环境数据进行调节；
预设吸附力数据阈值，吸附力数据阈值为机械臂中伯努利式吸盘所能产生的最大吸附力数据；将b个时间点新的吸附力数据分别与吸附力数据阈值进行对比，将吸附力数据大于吸附力数据阈值的时间点标记为异常时间点；吸附力数据小于或等于吸附力数据阈值的时间点则不进行标记；
预设评估阈值，将异常时间点对应的新的吸附力数据减去吸附力数据阈值获取吸附力差值，将吸附力差值与评估阈值进行对比；若吸附力差值小于或等于评估阈值，则不生成环境调节指令；若吸附力差值大于评估阈值，则生成环境调节指令；
若生成环境调节指令，则首先将晶圆转运室内通风设备的通风能力逐渐降低，直至异常时间点对应新的吸附力数据小于或等于吸附力阈值，停止降低通风设备的通风能力；若晶圆转运室内的通风设备关闭后，异常时间点对应新的吸附力仍大于吸附力阈值，则逐渐增加环境温度，直至异常时间点对应新的吸附力数据小于或等于吸附力阈值，停止增加环境温度；若环境温度上升至预设温度阈值时，异常时间点对应新的吸附力仍大于吸附力阈值，则生成检修指令。
基于伯努利原理的晶圆转运机械臂控制系统，实施所述的基于伯努利原理的晶圆转运机械臂控制方法，包括：
转运数据采集模块，采集转运数据，转运数据包括晶圆数据和运行数据；
转运数据分析模块，对转运数据进行分析，获取晶圆转运过程中所需的吸附力数据；
影响数据采集模块，采集影响数据，影响数据包括气泵数据和环境数据；
影响数据分析模块，根据影响数据，计算对应的气泵影响系数和环境影响系数；根据气泵影响系数和环境影响系数，生成对应的安全等级；
调节模块，根据安全等级生成对应的调节指令或检修指令；根据调节指令，计算吸附力调节量，根据吸附力调节量对吸附力进行调节。
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所述的基于伯努利原理的晶圆转运机械臂控制方法。
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，所述计算机程序被执行时实现所述的基于伯努利原理的晶圆转运机械臂控制方法。
本发明基于伯努利原理的晶圆转运机械臂控制系统及方法的技术效果和优点：
1.通过收集并分析多种晶圆数据和运行数据,采用深度学习模型实时预测转运过程中各个时间点所需的吸附力；同时收集环境数据和气泵数据作为影响数据，计算对应的影响系数并生成安全等级,从而实现根据不同条件灵活调节吸附力；能够实现伯努利式吸盘的吸附力在晶圆转运开始前的精确控制,提高转运的稳定性和安全性,减少晶圆可能出现的掉落或变形,有效提高生产效率和产品质量。
2.通过吸附力数据阈值来判断调节后的吸附力是否超标,同时设定环境参数自动调节机制,目的是在不能调节吸附力到目标值的情况下,通过环境调整弥补吸附力不足；既考虑了吸盘吸附力能力的限制,又提供了环境补偿措施,可以使异常时间点的吸附力通过调节环境影响因素的方式控制在安全范围内；能够更好地协调吸盘限制和环境条件,从而在保证晶圆安全前提下,发挥自动控制的优势。
附图说明
图1为本发明实施例1的基于伯努利原理的晶圆转运机械臂控制系统示意图；
图2为本发明实施例1的弹性模量获取原理示意图；
图3为本发明实施例2的基于伯努利原理的晶圆转运机械臂控制系统示意图；
图4为本发明实施例3的基于伯努利原理的晶圆转运机械臂控制方法流程图；
图5为本发明实施例4的电子设备示意图；
图6为本发明实施例5的存储介质示意图。
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1所示，本实施例所述基于伯努利原理的晶圆转运机械臂控制系统，包括转运数据采集模块、转运数据分析模块、影响数据采集模块、影响数据分析模块以及调节模块；各个模块通过有线和/或无线的方式进行连接，实现模块间的数据传输；
转运数据采集模块，采集转运数据，转运数据包括晶圆数据和运行数据；
晶圆数据包括质量、表面粗糙度、表面温度以及弹性模量；
质量为晶圆的重量；质量由安装在待处理平台内的质量传感器获取；待处理平台为晶圆转运开始前，晶圆所处的平台，待处理平台位于晶圆转运室内，晶圆转运室为机械臂转运晶圆的场所；质量越大，需要更大的吸附力才能将晶圆吸附起来，同时对应的惯性力就越大，需要更大的吸附力使得晶圆在转运过程中保持稳定，反之则相反；
表面粗糙度为晶圆表面的粗糙程度；表面粗糙度越大，说明晶圆表面的粗糙程度越大，导致气体在晶圆表面流动和泄露的概率越大，从而需要更大的吸附力，反之则相反；表面粗糙度的获取方法包括：使用安装在待处理平台上方的激光扫描仪，激光扫描仪的焦点调整至待处理平台，将激光光束照射在晶圆表面进行扫描，晶圆表面标记n个点位，n为大于1的整数，并测量n个点位的高度数据；计算n个点位的高度数据均值，并计算n个点位的高度数据的标准差，将n个点位的高度数据的标准差作为表面粗糙度；
表面粗糙度的表达式为：，/>；
式中，为表面粗糙度，/>为第j个点位的高度数据，/>为n个点位的高度数据均值，/>，n为n个点位；
表面温度为晶圆表面的温度；表面温度由安装在待处理平台上方的红外测温仪获取；表面温度越高，晶圆表面的分子间运行能量越多，气体粘附在晶圆表面的能力越弱，气体在晶圆表面形成吸附层的能力就下降，从而需要更大的吸附力；
弹性模量为晶圆的在受力时产生形变的难易程度，弹性模量越大，晶圆在受到离心力和惯性力等外力影响时，形变程度就越小，所需的吸附力则越小，反之则相反；弹性模量的获取方法包括：请参阅图2所示，使用安装在待处理平台上方的超声设备，超声设备包括超声发射器和超声接收器，由超声发射器发射超声脉冲至晶圆，超声接收器接收由晶圆内部反射回来的超声脉冲；获取超声设备与晶圆的角度值，角度值包括第一角度值和第二角度值，第一角度值为超声发射器与晶圆表面的角度，第二角度值为超声接收器与晶圆表面的角度，第一角度值和第二角度值均由本领域技术人员在安装超声设备时进行测量获取；再获取第一距离值和第二距离值，第一距离值为超声设备与晶圆表面间的距离值，第二距离值为超声设备与待处理平台表面的距离值；第一距离值和第二距离值均由安装在待处理平台上方的激光测距传感器获取，激光测距传感器与待处理平台表面相垂直，且激光测距传感器与超声设备位于同一水平高度；
使用激光扫描仪对晶圆表面进行扫描，获取晶圆表面的扫描图像，标记扫描图像的圆心，以圆心为起点，测量圆心到扫描图像边缘的距离，并标记为晶圆半径，根据晶圆半径计算晶圆面积；晶圆面积的表达式为：；式中/>为晶圆面积，/>为圆周率，/>为晶圆半径；
将第二距离值减去第一距离值获取晶圆厚度，将晶圆面积乘以晶圆厚度获取晶圆体积，将晶圆体积除以质量获取晶圆密度；
根据第一角度值和第一距离值计算第一路程值，第一路程值为超声发射器与反射点间的路程值，反射点为激光脉冲与晶圆内部的接触点，第一路程值的表达式为：；式中/>为第一路程值，/>为第一距离值，/>为第一角度值；根据第二角度值和第一距离值计算第二路程值，第二路程值为超声接收器与反射点间的路程值，第二路程值的表达式为：/>，/>为第二角度值；将第一路程值加上第二路程值作为脉冲路程，脉冲路程即为超声脉冲从超声发射器发射出到超声接收器接收时所经过的路程；采集时间数据，时间数据为超声脉冲从超声发射器发射出到超声接收器接收时所经过的时间，时间数据由超声设备内置的计时器获取；将脉冲路程除以时间数据获取弹性波速度；根据弹性波速度和晶圆密度计算弹性模量，弹性模量的表达式为：/>；式中，/>为弹性模量，/>为弹性波速度，/>为晶圆密度；
运行数据包括速度值集合、加速度值集合以及转弯半径集合；
速度值集合为晶圆转运过程中每个时间点对应的速度值，加速度值集合为晶圆转运过程中每个时间点对应的加速度值，转弯半径集合为晶圆转运过程中每个时间点对应的转弯半径；运行数据均由工人提前编写的机械臂控制程序获取；速度值越大，晶圆受离心力的作用越大，需要更大的吸附力来抵消离心力的作用，避免晶圆脱落，反之则相反；加速过程中，加速度值越大，晶圆受离心力的作用越大，需要增加吸附力以抵消离心力的作用；而减速过程中，加速度值越大，晶圆受离心力的作用越小，因此所需的吸附力则越小；转弯半径越小，作用于晶圆上的离心力越大，因此需要更大的吸附力以抵消离心力的作用，反之则相反；
转运数据分析模块，对转运数据进行分析，获取晶圆转运过程中所需的吸附力数据；
获取晶圆转运过程中所需的吸附力数据的方法包括：
将转运数据中的晶圆数据和一个时间点对应的速度值、加速度值以及转弯半径作为一组分析数据，将m组分析数据一一输入训练好的吸附力预测模型，预测出每组分析数据对应的吸附力数据，，其中b为晶圆转运过程中经历的总时间点，即运行数据中共包括个速度值、/>个加速度值以及/>个转弯半径，m组分析数据与b个时间点一一对应，m为大于1的整数，/>；吸附力数据为伯努利式吸盘在晶圆转运过程中所产生的吸附力；
吸附力预测模型的具体训练过程包括：
预先收集多组分析数据对应的吸附力数据，将一组分析数据以及与分析数据对应的吸附力数据转换为一组特征向量；其中分析数据对应的吸附力数据由本领域技术人员在历史晶圆正常转运过程中，在多组不同分析数据的条件下，采集对应的吸附力数据，晶圆正常转运是指伯努利式吸盘产生的吸附力能将晶圆稳定安全的吸附起来，不会造成晶圆因吸附力过小掉落或吸附力过大变形的现象；
将每组特征向量作为吸附力预测模型的输入，所述吸附力预测模型以每组分析数据对应的一组预测吸附力数据作为输出，以每组分析数据对应的实际吸附力数据作为预测目标，实际吸附力数据即为上述预先收集的与分析数据对应的吸附力数据；以最小化所有分析数据的预测误差之和作为训练目标；其中，预测误差的计算公式为，其中/>为预测误差，/>为分析数据对应特征向量的组号，/>为第/>组分析数据对应的预测吸附力数据，/>为第/>组分析数据对应的实际吸附力数据；对吸附力预测模型进行训练，直至预测误差之和达到收敛时停止训练；
上述吸附力预测模型具体为深度神经网络模型；
影响数据采集模块，采集影响数据，影响数据为晶圆转运过程中对伯努利式吸盘产生的吸附力造成影响的数据；
影响数据会导致气泵实际产生的吸附力小于或大于吸附力的设定值，吸附力的设定值即为上述预测出的吸附力数据，当气泵采用上述预测出的吸附力数据对晶圆进行转运时，由于影响数据的存在，导致气泵实际产生的吸附力会小于或大于吸附力数据，导致晶圆在转运过程中出现掉落或变形的现象；
影响数据包括气泵数据和环境数据；
气泵数据包括运行时间、维修次数、维修种类以及维修时间；
运行时间为气泵实际投入使用的时间，即气泵从首次启动运行起算，每一次运行的持续时间的总和；运行时间由气泵内置的计时器获取，当气泵开始运行时，计时器开始计时，当气泵停止运行时，计时器也对应停止计时，计时器每次计时均从上一次停止的时间处开始继续计时，即采用累积计时方法，以确保获取的时间为运行时间；运行时间越长，气泵内的各部件均会产生不同程度的磨损，导致气泵的性能下降，因此在晶圆转运过程中，气泵实际产生的吸附力会小于吸附力的设定值，从而导致出现晶圆掉落的现象；
维修次数为气泵在运行过程中所维修的次数，维修次数越多，说明气泵故障次数越多，气泵的性能越差，因此气泵实际产生的吸附力越小于吸附力的设定值；而维修次数越少，说明气泵故障次数则越少，气泵的性能越佳，气泵实际产生的吸附力则越接近吸附力的设定值；
维修种类为气泵在运行过程中每次维修的部件种类，维修种类例如气泵轴维修、叶轮维修、过滤器维修等；维修种类反映了气泵中部件故障种类，不同部件故障对气泵性能的影响不同，例如气泵轴或叶轮故障时，对气泵性能影响较大，而过滤器或压力表等故障时，则对气泵性能影响较小；当部件故障对气泵性能影响越大时，说明气泵实际产生的吸附力越小于吸附力的设定值；维修次数和维修种类均由维修记录日志获取，工作人员在每次对气泵进行维修时，均在维修记录日志中对本次维修种类进行记录；
维修时间为气泵从上一次维修结束后至本次晶圆转运开始前所经历的时间，维修时间由安装在晶圆转运室内的时间传感器获取，工作人员每次维修完气泵后，时间传感器则开始计时，至晶圆转运开始前，时间传感器记录一次气泵维修完成后至晶圆转运开始前所经历的时间，即为维修时间，当工作人员对气泵进行下一次维修时，时间传感器则重新开始计时；示例性的，当工作人员在一次对气泵开始维修完成后，时间传感器开始计时，计时120秒后，将开始转运晶圆，此时时间传感器记录120秒为维修时间，但时间传感器并未停止计时，而是从120秒继续计时，当又过了200秒时，将开始下一次转运晶圆，此时时间传感器则记录320秒为维修时间，当工作人员对气泵进行再次维修时，则时间传感停止计时，并且将之前的计时清零，当工作人员对气泵再次维修完成后，时间传感器重新开始计时；维修时间越长，气泵的性能越差，气泵实际产生的吸附力越小于吸附力的设定值；维修时间越短，由于工作人员对气泵进行维修后会提升气泵的性能，因此气泵实际产生的吸附力则会越接近吸附力的设定值；
环境数据包括环境温度和扰动气流；
环境温度为晶圆转运室内的温度；环境温度由安装在晶圆转运室内的温度传感器获取；环境温度越大，气体温度就越大，而气体密度越小，气体的流速就越大，根据伯努利定律，气泵实际产生的吸附力会越大于吸附力的设定值；
扰动气流为晶圆转运室内对气泵进气口产生乱流干扰的不规则气流，扰动气流由安装在晶圆转运室内的风速传感器获取；扰动气流越大，气流在气泵进气口的流动阻力越大，根据流体动力学能量守恒定律，气流流速和压差就越小，因此气泵实际产生的吸附力就越小于吸附力的设定值；
影响数据分析模块，根据影响数据，计算对应的气泵影响系数和环境影响系数；根据气泵影响系数和环境影响系数，生成对应的安全等级；
气泵影响系数的计算方法包括：
；
式中为气泵影响系数，/>为运行时间，/>为维修次数，/>为维修种类数值，/>为维修时间，/>、/>、/>、/>均为预设权重系数且/>、/>、/>、/>均大于0；
式中权重系数的具体数值可以根据实际情况进行设置，权重系数反映了每种气泵数据对气泵实际产生的吸附力的影响程度，本领域技术人员可以根据每种气泵数据对气泵实际产生的吸附力的影响程度预设对应的权重系数，以便准确评估气泵实际产生的吸附力；
需要说明的是，维修种类数值为本领域技术人员预先对不同的维修种类设置不同的数值，根据维修种类对应部件对气泵性能的影响程度，将对气泵性能影响较大的部件对应的维修种类设置较大的数值，对气泵性能影响较小的部件对应的维修种类设置较小的数值；示例性的，将气泵轴维修设置为10，将叶轮维修设置为8，将过滤器维修设置为3；气泵影响系数为气泵数据对气泵实际产生的吸附力的影响程度，运行时间、维修次数、维修种类数值以及维修时间均越大，对气泵实际产生的吸附力的影响程度就越大，因此气泵影响系数越大；气泵影响系数的计算为去量纲计算；
环境影响系数的计算方法包括：
；
式中为环境影响系数，/>为扰动气流，/>为环境温度，/>、/>均为预设比例系数且/>、/>均大于0；
式中比例系数的具体数值可以根据实际情况进行设置，比例系数反映了每种环境数据对气泵实际产生的吸附力的影响程度，本领域技术人员可以根据每种环境数据对气泵实际产生的吸附力的影响程度预设对应的比例系数，以便准确评估气泵实际产生的吸附力；
需要说明的是，扰动气流和环境温度为环境影响系数的影响参数，扰动气流越大，环境影响系数越大，反之则相反，环境温度越大，环境影响系数则越小，反之则相反；环境影响系数的计算为去量纲计算；
根据气泵影响系数和环境影响系数，生成对应的安全等级的方法包括：
安全等级包括正常等级、掉落等级和变形等级；掉落等级包括一级掉落和二级掉落，变形等级包括一级变形和二级变形；
计算总影响系数，总影响系数的表达式为：；式中/>为总影响系数；
预设判断阈值，判断阈值包括变形阈值和掉落阈值/>，其中/>、/>均大于0；
若，则计算变形概率，变形概率的表达式为：/>；式中/>为变形概率；若/>，则生成一级变形，说明气泵实际产生的吸附力较大于吸附力的设定值，晶圆发生变形的概率较小；若/>，则生成二级变形，说明气泵实际产生的吸附力远大于吸附力的设定值，晶圆发生变形的概率较大；
若，则计算掉落概率，掉落概率的表达式为：/>；式中/>为掉落概率；若/>，则生成一级掉落，说明气泵实际产生的吸附力较小于吸附力的设定值，晶圆发生掉落的概率较小；若/>，则生成二级掉落，说明气泵实际产生的吸附力远小于吸附力的设定值，晶圆发生掉落的概率较大；
若，则生成正常等级；
需要说明的是变形阈值和掉落阈值/>均由本领域技术人员在历史晶圆转运过程中，当晶圆发生变形时，在晶圆变形时刻收集多组对应的影响数据，并计算对应的总影响系数，将多个总影响系数的均值作为变形阈值/>；同理当晶圆发生掉落时，在晶圆掉落时刻收集多组对应的影响数据，并计算对应的总影响系数，将多个总影响系数的均值作为掉落阈值/>；
调节模块，根据安全等级生成对应的调节指令或检修指令；根据调节指令，计算吸附力调节量，根据吸附力调节量对吸附力进行调节；
若生成正常等级，则不生成调节指令或检修指令，机械臂开始转运晶圆；
若生成一级掉落或一级变形，则生成调节指令；
吸附力调节量的表达式为：；式中/>为第i个时间点的吸附力调节量，/>为第i个时间点的吸附力数据，/>；
将第i个时间点的吸附力调节量加上第i个时间点的吸附力数据作为第i个时间点新的吸附力数据，将第i个时间点的吸附力数据调节为第i个时间点新的吸附力数据；机械臂根据调节后b个时间点新的吸附力数据对晶圆进行转运；
若生成二级掉落或二级变形，则生成检修指令；将相应的影响数据发送至工作人员的移动设备，便于工作人员及时并且有针对性的对机械臂进行检修；
本实施例通过收集并分析多种晶圆数据和运行数据,采用深度学习模型实时预测转运过程中各个时间点所需的吸附力；同时收集环境数据和气泵数据作为影响数据，计算对应的影响系数并生成安全等级,从而实现根据不同条件灵活调节吸附力；能够实现伯努利式吸盘的吸附力在晶圆转运开始前的精确控制,提高转运的稳定性和安全性,减少晶圆可能出现的掉落或变形,有效提高生产效率和产品质量。
实施例2：
请参阅图3所示，本实施例在实施例1的基础上进一步改进设计，在晶圆转运过程中，由于不同时间点的吸附力数据不同，因此影响数据对不同时间点的影响程度也不同，对于吸附力数据较大的时间点影响程度较大，需要更大的吸附力调节量，但机械臂中的伯努利式吸盘所能产生的吸附力数据有限，导致出现对吸附力数据较大的时间点进行调节后，对应的吸附力数据并不能达到计算出的新的吸附力数据，仅能达到伯努利式吸盘所能产生的最大吸附力数据；因此本实施例提供了基于伯努利原理的晶圆转运机械臂控制系统，还包括调节诊断模块，预设吸附力数据阈值，判断是否生成环境调节指令；根据环境调节指令对环境数据进行调节；
预设吸附力数据阈值，吸附力数据阈值为机械臂中伯努利式吸盘所能产生的最大吸附力数据；将b个时间点新的吸附力数据分别与吸附力数据阈值进行对比，将吸附力数据大于吸附力数据阈值的时间点标记为异常时间点，说明该时间点无法将吸附力数据调节为新的吸附力数据；吸附力数据小于或等于吸附力数据阈值的时间点则不进行标记；吸附力数据阈值由本领域技术人员根据伯努利式吸盘的设备手册获取；
预设评估阈值，将异常时间点对应的新的吸附力数据减去吸附力数据阈值获取吸附力差值，将吸附力差值与评估阈值进行对比；若吸附力差值小于或等于评估阈值，则不生成环境调节指令；说明该异常时间点对应的吸附力差值不会导致晶圆掉落；若吸附力差值大于评估阈值，则生成环境调节指令；说明该异常时间点对应的吸附力差值会导致晶圆掉落；
需要说明的是，为了避免发生晶圆变形，需要将吸附力数据降低，而在晶圆转运过程中，晶圆所需的吸附力数据不可能小于或等于0，因此吸附力数据降低并不会降低到0以下，仅需考虑晶圆掉落的情况；
若生成环境调节指令，则首先将晶圆转运室内通风设备的通风能力逐渐降低，以降低晶圆转运室内的扰动气流，直至异常时间点对应新的吸附力数据小于或等于吸附力阈值，停止降低通风设备的通风能力；若晶圆转运室内的通风设备关闭后，异常时间点对应新的吸附力仍大于吸附力阈值，则逐渐增加环境温度，直至异常时间点对应新的吸附力数据小于或等于吸附力阈值，停止增加环境温度，增加环境温度由环境温控器升温控制；若环境温度上升至预设温度阈值时，异常时间点对应新的吸附力仍大于吸附力阈值，则生成检修指令；温度阈值由本领域技术人员根据晶圆转运流程标准或技术要求书获取；
本实施例通过吸附力数据阈值来判断调节后的吸附力是否超标,同时设定环境参数自动调节机制,目的是在不能调节吸附力到目标值的情况下,通过环境调整弥补吸附力不足；既考虑了吸盘吸附力能力的限制,又提供了环境补偿措施,可以使异常时间点的吸附力通过调节环境影响因素的方式控制在安全范围内；能够更好地协调吸盘限制和环境条件,从而在保证晶圆安全前提下,发挥自动控制的优势。
实施例3：
请参阅图4所示，本实施例未详细叙述部分见实施例1和2描述内容，提供基于伯努利原理的晶圆转运机械臂控制方法，方法包括：
采集转运数据，转运数据包括晶圆数据和运行数据；
对转运数据进行分析，获取晶圆转运过程中所需的吸附力数据；
采集影响数据，影响数据包括气泵数据和环境数据；
根据影响数据，计算对应的气泵影响系数和环境影响系数；根据气泵影响系数和环境影响系数，生成对应的安全等级；
根据安全等级生成对应的调节指令或检修指令；根据调节指令，计算吸附力调节量，根据吸附力调节量对吸附力进行调节。
进一步地，所述晶圆数据包括质量、表面粗糙度、表面温度以及弹性模量；所述质量为晶圆的重量；所述表面粗糙度为晶圆表面的粗糙程度；所述表面温度为晶圆表面的温度；所述运行数据包括速度值集合、加速度值集合以及转弯半径集合；速度值集合为晶圆转运过程中每个时间点对应的速度值，加速度值集合为晶圆转运过程中每个时间点对应的加速度值，转弯半径集合为晶圆转运过程中每个时间点对应的转弯半径。
进一步地，表面粗糙度的获取方法包括：使用激光扫描仪，将激光光束照射在晶圆表面进行扫描，晶圆表面标记n个点位，n为大于1的整数，并测量n个点位的高度数据；计算n个点位的高度数据均值，并计算n个点位的高度数据的标准差，将n个点位的高度数据的标准差作为表面粗糙度；
表面粗糙度的表达式为：，/>；
式中，为表面粗糙度，/>为第j个点位的高度数据，/>为n个点位的高度数据均值，/>，n为n个点位。
进一步地，弹性模量的获取方法包括：使用超声设备，超声设备包括超声发射器和超声接收器，由超声发射器发射超声脉冲至晶圆，超声接收器接收由晶圆内部反射回来的超声脉冲；获取超声设备与晶圆的角度值，角度值包括第一角度值和第二角度值，第一角度值为超声发射器与晶圆表面的角度，第二角度值为超声接收器与晶圆表面的角度；再获取第一距离值和第二距离值，第一距离值为超声设备与晶圆表面间的距离值，第二距离值为超声设备与待处理平台表面的距离值；
使用激光扫描仪对晶圆表面进行扫描，获取晶圆表面的扫描图像，标记扫描图像的圆心，以圆心为起点，测量圆心到扫描图像边缘的距离，并标记为晶圆半径，根据晶圆半径计算晶圆面积；晶圆面积的表达式为：；式中/>为晶圆面积，/>为圆周率，/>为晶圆半径；
将第二距离值减去第一距离值获取晶圆厚度，将晶圆面积乘以晶圆厚度获取晶圆体积，将晶圆体积除以质量获取晶圆密度；
根据第一角度值和第一距离值计算第一路程值，第一路程值为超声发射器与反射点间的路程值，反射点为激光脉冲与晶圆内部的接触点，第一路程值的表达式为：；式中/>为第一路程值，/>为第一距离值，/>为第一角度值；根据第二角度值和第一距离值计算第二路程值，第二路程值为超声接收器与反射点间的路程值，第二路程值的表达式为：/>，/>为第二角度值；将第一路程值加上第二路程值作为脉冲路程，脉冲路程即为超声脉冲从超声发射器发射出到超声接收器接收时所经过的路程；采集时间数据，时间数据为超声脉冲从超声发射器发射出到超声接收器接收时所经过的时间；将脉冲路程除以时间数据获取弹性波速度；根据弹性波速度和晶圆密度计算弹性模量，弹性模量的表达式为：/>；式中，/>为弹性模量，/>为弹性波速度，/>为晶圆密度。
进一步地，所述获取晶圆转运过程中所需的吸附力数据的方法包括：
将转运数据中的晶圆数据和一个时间点对应的速度值、加速度值以及转弯半径作为一组分析数据，将m组分析数据一一输入训练好的吸附力预测模型，预测出每组分析数据对应的吸附力数据，，其中b为晶圆转运过程中经历的总时间点，即运行数据中共包括个速度值、/>个加速度值以及/>个转弯半径，m组分析数据与b个时间点一一对应，m为大于1的整数，/>；吸附力数据为伯努利式吸盘在晶圆转运过程中所产生的吸附力；
吸附力预测模型的训练过程包括：
预先收集多组分析数据对应的吸附力数据，将一组分析数据以及与分析数据对应的吸附力数据转换为一组特征向量；
将每组特征向量作为吸附力预测模型的输入，所述吸附力预测模型以每组分析数据对应的一组预测吸附力数据作为输出，以每组分析数据对应的实际吸附力数据作为预测目标，实际吸附力数据即为所述预先收集的与分析数据对应的吸附力数据；以最小化所有分析数据的预测误差之和作为训练目标；对吸附力预测模型进行训练，直至预测误差之和达到收敛时停止训练；所述吸附力预测模型为深度神经网络模型。
进一步地，所述影响数据为晶圆转运过程中对伯努利式吸盘产生的吸附力造成影响的数据；
所述气泵数据包括运行时间、维修次数、维修种类以及维修时间；所述运行时间为气泵实际投入使用的时间，即气泵从首次启动运行起算，每一次运行的持续时间的总和；所述维修次数为气泵在运行过程中所维修的次数；所述维修种类为气泵在运行过程中每次维修的部件种类；所述维修时间为气泵从上一次维修结束后至本次晶圆转运开始前所经历的时间；
所述环境数据包括环境温度和扰动气流；所述环境温度为晶圆转运室内的温度；所述扰动气流为晶圆转运室内对气泵进气口产生乱流干扰的不规则气流；所述晶圆转运室为机械臂转运晶圆的场所。
进一步地，气泵影响系数的计算方法包括：
；
式中为气泵影响系数，/>为运行时间，/>为维修次数，/>为维修种类数值，/>为维修时间，/>、/>、/>、/>均为预设权重系数且/>、/>、/>、/>均大于0；
环境影响系数的计算方法包括：
；
式中为环境影响系数，/>为扰动气流，/>为环境温度，/>、/>均为预设比例系数且/>、/>均大于0。
进一步地，所述根据气泵影响系数和环境影响系数，生成对应的安全等级的方法包括：
安全等级包括正常等级、掉落等级和变形等级；掉落等级包括一级掉落和二级掉落，变形等级包括一级变形和二级变形；
计算总影响系数，总影响系数的表达式为：；式中/>为总影响系数；
预设判断阈值，判断阈值包括变形阈值和掉落阈值/>，其中/>、/>均大于0；
若，则计算变形概率，变形概率的表达式为：/>；式中/>为变形概率；若/>，则生成一级变形；若/>，则生成二级变形；
若，则计算掉落概率，掉落概率的表达式为：/>；式中/>为掉落概率；若/>，则生成一级掉落；若/>，则生成二级掉落；
若，则生成正常等级。
进一步地，若生成正常等级，则不生成调节指令或检修指令，机械臂开始转运晶圆；
若生成一级掉落或一级变形，则生成调节指令；
吸附力调节量的表达式为：；式中/>为第i个时间点的吸附力调节量，/>为第i个时间点的吸附力数据，/>；
将第i个时间点的吸附力调节量加上第i个时间点的吸附力数据作为第i个时间点新的吸附力数据，将第i个时间点的吸附力数据调节为第i个时间点新的吸附力数据；
若生成二级掉落或二级变形，则生成检修指令。
进一步地，预设吸附力数据阈值，判断是否生成环境调节指令；根据环境调节指令对环境数据进行调节；
预设吸附力数据阈值，吸附力数据阈值为机械臂中伯努利式吸盘所能产生的最大吸附力数据；将b个时间点新的吸附力数据分别与吸附力数据阈值进行对比，将吸附力数据大于吸附力数据阈值的时间点标记为异常时间点；吸附力数据小于或等于吸附力数据阈值的时间点则不进行标记；
预设评估阈值，将异常时间点对应的新的吸附力数据减去吸附力数据阈值获取吸附力差值，将吸附力差值与评估阈值进行对比；若吸附力差值小于或等于评估阈值，则不生成环境调节指令；若吸附力差值大于评估阈值，则生成环境调节指令；
若生成环境调节指令，则首先将晶圆转运室内通风设备的通风能力逐渐降低，直至异常时间点对应新的吸附力数据小于或等于吸附力阈值，停止降低通风设备的通风能力；若晶圆转运室内的通风设备关闭后，异常时间点对应新的吸附力仍大于吸附力阈值，则逐渐增加环境温度，直至异常时间点对应新的吸附力数据小于或等于吸附力阈值，停止增加环境温度；若环境温度上升至预设温度阈值时，异常时间点对应新的吸附力仍大于吸附力阈值，则生成检修指令。
实施例4：
请参阅图5所示，根据本申请的又一方面还提供了电子设备500。该电子设备500可包括一个或多个处理器以及一个或多个存储器。其中，存储器中存储有计算机可读代码，计算机可读代码当由一个或多个处理器运行时，可以执行如上所述的基于伯努利原理的晶圆转运机械臂控制方法。
根据本申请实施方式的方法或系统也可以借助于图5所示的电子设备的架构来实现。如图5所示，电子设备500可包括总线501、一个或多个CPU502、只读存储器(ROM)503、随机存取存储器(RAM)504、连接到网络的通信端口505、输入/输出506、硬盘507等。电子设备500中的存储设备，例如ROM503或硬盘507可存储本申请提供的基于伯努利原理的晶圆转运机械臂控制方法。进一步地，电子设备500还可包括用户界面508。当然，图5所示的架构只是示例性的，在实现不同的设备时，根据实际需要，可以省略图5示出的电子设备中的一个或多个组件。
实施例5：
请参阅图6所示，是根据本申请一个实施方式的计算机可读存储介质600。计算机可读存储介质600上存储有计算机可读指令。当计算机可读指令由处理器运行时，可执行参照以上附图描述的根据本申请实施方式的基于伯努利原理的晶圆转运机械臂控制方法。存储介质600包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
另外，根据本申请的实施方式，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请提供了非暂时性机器可读存储介质，所述非暂时性机器可读存储介质存储有机器可读指令，所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令，例如：基于伯努利原理的晶圆转运机械臂控制方法。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。
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以意识到，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，可以通过其它的方式实现。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，机械或其它的形式。
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，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，包括：
采集转运数据，转运数据包括晶圆数据和运行数据；
对转运数据进行分析，获取晶圆转运过程中所需的吸附力数据；
采集影响数据，影响数据包括气泵数据和环境数据；
根据影响数据，计算对应的气泵影响系数和环境影响系数；根据气泵影响系数和环境影响系数，生成对应的安全等级；
根据安全等级生成对应的调节指令或检修指令；根据调节指令，计算吸附力调节量，根据吸附力调节量对吸附力进行调节。
2.根据权利要求1所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，所述晶圆数据包括质量、表面粗糙度、表面温度以及弹性模量；所述质量为晶圆的重量；所述表面粗糙度为晶圆表面的粗糙程度；所述表面温度为晶圆表面的温度；所述运行数据包括速度值集合、加速度值集合以及转弯半径集合；速度值集合为晶圆转运过程中每个时间点对应的速度值，加速度值集合为晶圆转运过程中每个时间点对应的加速度值，转弯半径集合为晶圆转运过程中每个时间点对应的转弯半径。
3.根据权利要求2所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，表面粗糙度的获取方法包括：使用激光扫描仪，将激光光束照射在晶圆表面进行扫描，晶圆表面标记n个点位，n为大于1的整数，并测量n个点位的高度数据；计算n个点位的高度数据均值，并计算n个点位的高度数据的标准差，将n个点位的高度数据的标准差作为表面粗糙度；
表面粗糙度的表达式为：，/>；
式中，为表面粗糙度，/>为第j个点位的高度数据，/>为n个点位的高度数据均值，，n为n个点位。
4.根据权利要求3所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，弹性模量的获取方法包括：使用超声设备，超声设备包括超声发射器和超声接收器，由超声发射器发射超声脉冲至晶圆，超声接收器接收由晶圆内部反射回来的超声脉冲；获取超声设备与晶圆的角度值，角度值包括第一角度值和第二角度值，第一角度值为超声发射器与晶圆表面的角度，第二角度值为超声接收器与晶圆表面的角度；再获取第一距离值和第二距离值，第一距离值为超声设备与晶圆表面间的距离值，第二距离值为超声设备与待处理平台表面的距离值；
使用激光扫描仪对晶圆表面进行扫描，获取晶圆表面的扫描图像，标记扫描图像的圆心，以圆心为起点，测量圆心到扫描图像边缘的距离，并标记为晶圆半径，根据晶圆半径计算晶圆面积；晶圆面积的表达式为：；式中/>为晶圆面积，/>为圆周率，/>为晶圆半径；
将第二距离值减去第一距离值获取晶圆厚度，将晶圆面积乘以晶圆厚度获取晶圆体积，将晶圆体积除以质量获取晶圆密度；
根据第一角度值和第一距离值计算第一路程值，第一路程值为超声发射器与反射点间的路程值，反射点为激光脉冲与晶圆内部的接触点，第一路程值的表达式为：；式中/>为第一路程值，/>为第一距离值，/>为第一角度值；根据第二角度值和第一距离值计算第二路程值，第二路程值为超声接收器与反射点间的路程值，第二路程值的表达式为：/>，/>为第二角度值；将第一路程值加上第二路程值作为脉冲路程，脉冲路程即为超声脉冲从超声发射器发射出到超声接收器接收时所经过的路程；采集时间数据，时间数据为超声脉冲从超声发射器发射出到超声接收器接收时所经过的时间；将脉冲路程除以时间数据获取弹性波速度；根据弹性波速度和晶圆密度计算弹性模量，弹性模量的表达式为：/>；式中，/>为弹性模量，/>为弹性波速度，/>为晶圆密度。
5.根据权利要求4所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，所述获取晶圆转运过程中所需的吸附力数据的方法包括：
将转运数据中的晶圆数据和一个时间点对应的速度值、加速度值以及转弯半径作为一组分析数据，将m组分析数据一一输入训练好的吸附力预测模型，预测出每组分析数据对应的吸附力数据，，其中b为晶圆转运过程中经历的总时间点，即运行数据中共包括/>个速度值、/>个加速度值以及/>个转弯半径，m组分析数据与b个时间点一一对应，m为大于1的整数，/>；吸附力数据为伯努利式吸盘在晶圆转运过程中所产生的吸附力；
吸附力预测模型的训练过程包括：
预先收集多组分析数据对应的吸附力数据，将一组分析数据以及与分析数据对应的吸附力数据转换为一组特征向量；
将每组特征向量作为吸附力预测模型的输入，所述吸附力预测模型以每组分析数据对应的一组预测吸附力数据作为输出，以每组分析数据对应的实际吸附力数据作为预测目标，实际吸附力数据即为所述预先收集的与分析数据对应的吸附力数据；以最小化所有分析数据的预测误差之和作为训练目标；对吸附力预测模型进行训练，直至预测误差之和达到收敛时停止训练；所述吸附力预测模型为深度神经网络模型。
6.根据权利要求5所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，所述影响数据为晶圆转运过程中对伯努利式吸盘产生的吸附力造成影响的数据；
所述气泵数据包括运行时间、维修次数、维修种类以及维修时间；所述运行时间为气泵实际投入使用的时间，即气泵从首次启动运行起算，每一次运行的持续时间的总和；所述维修次数为气泵在运行过程中所维修的次数；所述维修种类为气泵在运行过程中每次维修的部件种类；所述维修时间为气泵从上一次维修结束后至本次晶圆转运开始前所经历的时间；
所述环境数据包括环境温度和扰动气流；所述环境温度为晶圆转运室内的温度；所述扰动气流为晶圆转运室内对气泵进气口产生乱流干扰的不规则气流；所述晶圆转运室为机械臂转运晶圆的场所。
7.根据权利要求6所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，气泵影响系数的计算方法包括：
；
式中为气泵影响系数，/>为运行时间，/>为维修次数，/>为维修种类数值，为维修时间，/>、/>、/>、/>均为预设权重系数且/>、/>、/>、/>均大于0；
环境影响系数的计算方法包括：
；
式中为环境影响系数，/>为扰动气流，/>为环境温度，/>、/>均为预设比例系数且/>、/>均大于0。
8.根据权利要求7所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，所述根据气泵影响系数和环境影响系数，生成对应的安全等级的方法包括：
安全等级包括正常等级、掉落等级和变形等级；掉落等级包括一级掉落和二级掉落，变形等级包括一级变形和二级变形；
计算总影响系数，总影响系数的表达式为：；式中/>为总影响系数；
预设判断阈值，判断阈值包括变形阈值和掉落阈值/>，其中/>、/>均大于0；
若，则计算变形概率，变形概率的表达式为：/>；式中/>为变形概率；若，则生成一级变形；若/>，则生成二级变形；
若，则计算掉落概率，掉落概率的表达式为：/>；式中/>为掉落概率；若，则生成一级掉落；若/>，则生成二级掉落；
若，则生成正常等级。
9.根据权利要求8所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，若生成正常等级，则不生成调节指令或检修指令，机械臂开始转运晶圆；
若生成一级掉落或一级变形，则生成调节指令；
吸附力调节量的表达式为：；式中/>为第i个时间点的吸附力调节量，/>为第i个时间点的吸附力数据，/>；
将第i个时间点的吸附力调节量加上第i个时间点的吸附力数据作为第i个时间点新的吸附力数据，将第i个时间点的吸附力数据调节为第i个时间点新的吸附力数据；
若生成二级掉落或二级变形，则生成检修指令。
10.根据权利要求9所述的基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，预设吸附力数据阈值，判断是否生成环境调节指令；根据环境调节指令对环境数据进行调节；
预设吸附力数据阈值，吸附力数据阈值为机械臂中伯努利式吸盘所能产生的最大吸附力数据；将b个时间点新的吸附力数据分别与吸附力数据阈值进行对比，将吸附力数据大于吸附力数据阈值的时间点标记为异常时间点；吸附力数据小于或等于吸附力数据阈值的时间点则不进行标记；
预设评估阈值，将异常时间点对应的新的吸附力数据减去吸附力数据阈值获取吸附力差值，将吸附力差值与评估阈值进行对比；若吸附力差值小于或等于评估阈值，则不生成环境调节指令；若吸附力差值大于评估阈值，则生成环境调节指令；
若生成环境调节指令，则首先将晶圆转运室内通风设备的通风能力逐渐降低，直至异常时间点对应新的吸附力数据小于或等于吸附力阈值，停止降低通风设备的通风能力；若晶圆转运室内的通风设备关闭后，异常时间点对应新的吸附力仍大于吸附力阈值，则逐渐增加环境温度，直至异常时间点对应新的吸附力数据小于或等于吸附力阈值，停止增加环境温度；若环境温度上升至预设温度阈值时，异常时间点对应新的吸附力仍大于吸附力阈值，则生成检修指令。
11.基于伯努利原理的晶圆转运机械臂控制系统，实施权利要求1-10任一项所述基于伯努利原理的晶圆转运机械臂控制方法，其特征在于，包括：
转运数据采集模块，采集转运数据，转运数据包括晶圆数据和运行数据；
转运数据分析模块，对转运数据进行分析，获取晶圆转运过程中所需的吸附力数据；
影响数据采集模块，采集影响数据，影响数据包括气泵数据和环境数据；
影响数据分析模块，根据影响数据，计算对应的气泵影响系数和环境影响系数；根据气泵影响系数和环境影响系数，生成对应的安全等级；
调节模块，根据安全等级生成对应的调节指令或检修指令；根据调节指令，计算吸附力调节量，根据吸附力调节量对吸附力进行调节。
12.一种电子设备，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1-10任一项所述的基于伯努利原理的晶圆转运机械臂控制方法。
13.一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，所述计算机程序被执行时实现权利要求1-10任一项所述的基于伯努利原理的晶圆转运机械臂控制方法。
CN202410170318.8A 2024-02-06 2024-02-06 基于伯努利原理的晶圆转运机械臂控制系统及方法 Active CN117712012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410170318.8A CN117712012B (zh) 2024-02-06 2024-02-06 基于伯努利原理的晶圆转运机械臂控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410170318.8A CN117712012B (zh) 2024-02-06 2024-02-06 基于伯努利原理的晶圆转运机械臂控制系统及方法

Publications (2)

Publication Number Publication Date
CN117712012A true CN117712012A (zh) 2024-03-15
CN117712012B CN117712012B (zh) 2024-04-12

Family

ID=90152041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410170318.8A Active CN117712012B (zh) 2024-02-06 2024-02-06 基于伯努利原理的晶圆转运机械臂控制系统及方法

Country Status (1)

Country Link
CN (1) CN117712012B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110086298A1 (en) * 2009-04-06 2011-04-14 Canon Kabushiki Kaisha Substrate holding device, lithography apparatus using same, and device manufacturing method
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
WO2023124672A1 (zh) * 2021-12-30 2023-07-06 盛美半导体设（上海）股份有限公司 薄片晶圆传输方法
CN116994999A (zh) * 2023-09-26 2023-11-03 泓浒(苏州)半导体科技有限公司 一种超洁净环境的机械臂吸力调节方法及系统
CN117080139A (zh) * 2023-10-12 2023-11-17 泓浒(苏州)半导体科技有限公司 基于真空吸附技术的晶圆传送控制方法及传送控制系统
CN117140591A (zh) * 2023-11-01 2023-12-01 泓浒(苏州)半导体科技有限公司 超洁净环境下圆晶转运机械臂的吸附力检测系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110086298A1 (en) * 2009-04-06 2011-04-14 Canon Kabushiki Kaisha Substrate holding device, lithography apparatus using same, and device manufacturing method
WO2023124672A1 (zh) * 2021-12-30 2023-07-06 盛美半导体设（上海）股份有限公司 薄片晶圆传输方法
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
CN116994999A (zh) * 2023-09-26 2023-11-03 泓浒(苏州)半导体科技有限公司 一种超洁净环境的机械臂吸力调节方法及系统
CN117080139A (zh) * 2023-10-12 2023-11-17 泓浒(苏州)半导体科技有限公司 基于真空吸附技术的晶圆传送控制方法及传送控制系统
CN117140591A (zh) * 2023-11-01 2023-12-01 泓浒(苏州)半导体科技有限公司 超洁净环境下圆晶转运机械臂的吸附力检测系统及方法

Also Published As

Publication number Publication date
CN117712012B (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
KR102126428B1 (ko) 철도 차량 부품들의 결함을 진단하는 방법 및 장치
JP5595000B2 (ja) 風力タービンの状態を監視する方法およびシステム
CA3136199C (en) Apparatus for locating a mobile railway asset
CN112906787A (zh) 一种工业锅炉故障识别方法及系统
CN111914789A (zh) 一种确定目标设备运行状态的方法和系统
CN113994087B (zh) 经由机器学习通过选择控制器来控制风力涡轮机的量的方法和系统
CN117251716B (zh) 超洁净环境下晶圆转运机械臂产出颗粒检测系统及方法
CN117712012B (zh) 基于伯努利原理的晶圆转运机械臂控制系统及方法
CN109469896A (zh) 一种基于时间序列分析工业锅炉故障的诊断方法及系统
US20120330591A1 (en) Fault detection method of semiconductor manufacturing processes and system architecture thereof
CN114109859A (zh) 一种无流量传感的离心泵性能神经网络预测方法
CN114418383A (zh) 一种工业机器人的健康风险评估方法、装置、介质和设备
CN116810825A (zh) 一种真空环境下晶圆传送机械臂异常监测方法及系统
CN117080139B (zh) 基于真空吸附技术的晶圆传送控制方法及传送控制系统
CN117140591A (zh) 超洁净环境下圆晶转运机械臂的吸附力检测系统及方法
CN116994999B (zh) 一种超洁净环境的机械臂吸力调节方法及系统
CN116644368A (zh) 一种基于改进的格拉布斯检验法的异常值识别方法
CN116642607A (zh) 一种可远程操控的物联网环境监测升降平台
CN112560916B (zh) 基于倾角传感器信息的风电塔筒倾覆智能诊断方法
CN106969813A (zh) 一种高精度移液器自动检定装置
CN116576553A (zh) 一种空气调节机数据优化采集方法及系统
CN114707438A (zh) 止回阀表面压力的评估方法、评估装置、设备和存储介质
Sengupta et al. A long term PV power degradation prediction due to dust fouling and environmental stresses
CN110470791A (zh) 车用空气质量校准检测系统和方法
CN114216440A (zh) 一种高耸结构安全姿态监测及其预警方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant