管式PECVD硅片颜色值预测方法及镀膜时间控制方法技术

本发明专利技术揭示一种管式PECVD硅片颜色值预测方法及镀膜时间控制方法，包括以下步骤：采集炉管的运行大数据，构建大数据训练集，所述运行大数据包括炉管参数、镀膜工艺参数和硅片颜色值y，所述镀膜工艺参数包括镀膜时间t；以所述炉管参数和镀膜工艺参数为输入，以硅片颜色值为输出，通过机器学习算法对所述大数据训练集进行训练，得到映射函数y＝f(x)；以包括k倍的镀膜时间t的炉管参数和镀膜工艺参数为输入，以硅片颜色值y为输出，构建硅片颜色值预测模型，其中0.5＜k＜0.9，技术效果：基于炉管的运行大数据实现实时地预测在镀膜过程中的硅片颜色值，进而实时预测镀膜厚度，有助于在镀膜完成前，实时调整镀膜时间t，以调整镀膜的厚度。度。度。

【技术实现步骤摘要】
管式PECVD硅片颜色值预测方法及镀膜时间控制方法


[0001]本专利技术涉及光伏管式设备控制
，尤其涉及一种管式PECVD硅片颜色值预测方法及镀膜时间控制方法。

技术介绍

[0002]管式PECVD是完成半成品硅片的镀膜的关键工艺，是影响镀膜厚度的关键环节，而硅片的镀膜厚度将对成品硅片的光转化效率产生决定性影响。PECVD是通过沉积的方式在硅片表面进行镀膜，膜厚是衡量该工艺的重要指标；膜厚与硅片的颜色值具有一一对应的关系，当前，在硅片镀膜完成后，通过AOI设备检测硅片的颜色值，从而通过颜色值计算出膜厚，因此，硅片的颜色值成为了衡量PECVD工艺的重要指标之一。
[0003]在硅片表面镀膜过程中，影响硅片镀膜后颜色值的因素具有多重性，例如石墨舟使用次数、炉管使用次数或时长、传感器退化、工艺参数等，当PECVD的工艺参数固定后，理论上来说，硅片镀膜后的膜厚会保持恒定，但是，随着石墨舟使用次数增加、炉管使用次数或时长增加以及传感器退化，甚至工艺参数也会存在波动的情况下，膜厚会发生变化，进而硅片的颜色值也会发生变化，产生镀膜过厚或过薄的技术缺陷，一旦膜厚的波动超出了公差范围，将产生废品，造成严重浪费。
[0004]有鉴于此，如何控制膜厚始终保持在预定的公差范围内，是行业目前需要克服的技术难题。

技术实现思路

[0005]本专利技术的目的在于揭示一种管式PECVD硅片颜色值预测方法及镀膜时间控制方法，基于管式PECVD的运行大数据，构建以所述炉管参数和镀膜工艺参数为输入，以硅片颜色值为输出的预测模型，准确预测硅片颜色，进而预测镀膜厚度，以便实时地调整镀膜时间，使镀膜厚度始终保持在预定目标范围内。
[0006]本专利技术的第一个专利技术目的，在于提供一种管式PECVD硅片颜色值预测方法。
[0007]本专利技术的第二个专利技术目的，在于提供一种基于大数据的管式PECVD镀膜时间控制方法。
[0008]为实现上述第一个专利技术目的，本专利技术提供了一种管式PECVD硅片颜色值预测方法，包括以下步骤：
[0009]采集炉管的运行大数据，构建大数据训练集，所述运行大数据包括炉管参数、镀膜工艺参数和硅片颜色值y，所述镀膜工艺参数包括镀膜时间t；
[0010]以所述炉管参数和镀膜工艺参数为输入，以硅片颜色值为输出，通过机器学习算法对所述大数据训练集进行训练，得到映射函数y＝f(x)，其中x为炉管参数和镀膜工艺参数；
[0011]以包括k倍的镀膜时间t的炉管参数和镀膜工艺参数为输入，以硅片颜色值y为输出，构建硅片颜色值预测模型，其中0.5＜k＜0.9。
[0012]优选地，所述炉管参数包括石墨舟使用次数和炉管使用次数。
[0013]优选地，所述镀膜工艺参数还包括氨气流量、硅烷流量、A舟射频功率、B舟射频功率、第一温区温度、第二温区温度、第三温区温度、第四温区温度、第五温区温度和第六温区温度。
[0014]优选地，所述硅片颜色值y是A舟和B舟承载的各硅片颜色的平均值。
[0015]优选地，所述镀膜工艺参数是时间序列参数，在一个完整的镀膜周期内，所述镀膜工艺参数均采集中位数。
[0016]优选地，对所述大数据训练集进行超参数调整。
[0017]为实现上述第二个专利技术目的，本专利技术提供了一种基于大数据的管式PECVD镀膜时间控制方法包括以下步骤：
[0018]建立映射函数h＝f(y)，其中y为硅片颜色值，h为硅片镀膜厚度；
[0019]设定镀膜时间为T，硅片的目标颜色值为Y，硅片的目标镀膜厚度为H；
[0020]以k倍的镀膜时间为T为输入，其中0.5＜k＜0.9，通过第一专利技术创造所述的管式PECVD硅片颜色值预测方法预测得到硅片颜色值y
k
，再通过映射函数h＝f(y)得到镀膜厚度h
k
；
[0021]若h
k
＝k*H，则镀膜时间T无需调整；
[0022]若h
k
＜k*H，则镀膜时间T按比例延长；
[0023]若h
k
＞k*H，则镀膜时间T按比例缩短。
[0024]优选地，所述k＝0.8。
[0025]优选地，所述k＝0.85。
[0026]优选地，所述k＝0.75。
[0027]与现有技术相比，本专利技术的有益效果是：
[0028]基于炉管的运行大数据构建大数据训练集，运行大数据包括炉管参数、镀膜工艺参数和硅片颜色值y，以所述炉管参数和镀膜工艺参数为输入，以硅片颜色值为输出，通过机器学习算法对所述大数据训练集进行训练，得到映射函数y＝f(x)，再以包括k倍的镀膜时间t的炉管参数和镀膜工艺参数为输入，实现实时地预测在镀膜过程中的硅片颜色值，进而实时预测镀膜厚度，当颜色值出现偏差时，也就是镀膜厚度出现偏差时，在镀膜完成前，实时调整镀膜时间t，以调整镀膜的厚度，使镀膜厚度始终保持在一定的偏差范围内，防止因镀膜厚度出现偏差而导致硅片报废。
附图说明
[0029]图1为本专利技术管式PECVD硅片颜色值预测方法的流程图；
[0030]图2为本专利技术炉管截面示意图；
[0031]图3是本专利技术基于大数据的管式PECVD镀膜时间控制方法流程图。
[0032]其中，1、石墨舟；2、电阻加热圈；21、第一温区；22、第二温区；23、第三温区；24、第四温区；25、第五温区；26、第六温区；3、炉管。
具体实施方式
[0033]下面结合附图所示的各实施方式对本专利技术进行详细说明，但应当说明的是，这些
实施方式并非对本专利技术的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本专利技术的保护范围之内。
[0034]以下通过多个实施例对本专利技术的具体实现过程予以阐述。
[0035]实施例一：
[0036]参图1所示，本实施例揭示了一种管式PECVD硅片颜色值预测方法(以下简称“方法”)的一种具体实施方式。
[0037]参图1所示，在本实施例中，该方法包括以下步骤S1至步骤S3，在本实施例中，通过机器学习算法对由炉管的运行大数据形成的训练数据集进行训练，以所述炉管参数和镀膜工艺参数为输入，以硅片颜色值为输出，得到硅片颜色值预测模型，实现预测硅片在镀膜过程中的颜色值，从而为预测硅片在镀膜过程中的厚度提供基础。
[0038]步骤S1、采集炉管的运行大数据，构建大数据训练集，所述运行大数据包括炉管参数、镀膜工艺参数和硅片颜色值y，所述镀膜工艺参数包括镀膜时间t。
[0039]具体地，管式PECVD硅片镀膜工艺过程，实际上是对若干硅片表面进行镀膜的过程，参见图2所示，图2是炉管的截面图，图2中的炉管3内一次性可放置两个石墨舟1，具体分为石墨舟A和B，每个石墨舟分为五个栏，图2中编号为1
‑
5栏为石墨舟A，图2中编号为6
‑
10栏为石墨舟B，每栏上面可承载一个硅片；炉管3还设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.管式PECVD硅片颜色值预测方法，其特征在于，包括以下步骤：采集炉管的运行大数据，构建大数据训练集，所述运行大数据包括炉管参数、镀膜工艺参数和硅片颜色值y，所述镀膜工艺参数包括镀膜时间t；以所述炉管参数和镀膜工艺参数为输入，以硅片颜色值为输出，通过机器学习算法对所述大数据训练集进行训练，得到映射函数y＝f(x)，其中x为炉管参数和镀膜工艺参数；以包括k倍的镀膜时间t的炉管参数和镀膜工艺参数为输入，以硅片颜色值y为输出，构建硅片颜色值预测模型，其中0.5＜k＜0.9。2.如权利要求1所述的管式PECVD硅片颜色值预测方法，其特征在于，所述炉管参数包括石墨舟使用次数和炉管使用次数。3.如权利要求1或2所述的管式PECVD硅片颜色值预测方法，其特征在于，所述镀膜工艺参数还包括氨气流量、硅烷流量、A舟射频功率、B舟射频功率、第一温区温度、第二温区温度、第三温区温度、第四温区温度、第五温区温度和第六温区温度。4.如权利要求3所述的管式PECVD硅片颜色值预测方法，其特征在于，所述硅片颜色值y是A舟和B舟承载的各硅片颜色的平均值。5.如权利要求3所述的管式PECVD硅片颜色值预测方法，其特征在于，所述镀膜工艺参数是时间序列参数，在一个完整的镀膜周期内，所述镀膜工艺参数均采...

【专利技术属性】
技术研发人员：张勇，王苏西，王新宝，赵张超，樊臻，严金银，马清清，
申请(专利权)人：江苏恒云太信息科技有限公司，
类型：发明
国别省市：