用于半导体工件的自动化搬运系统、方法、设备与介质技术方案

技术编号:39069565 阅读:14 留言:0更新日期:2023-10-12 20:01
本发明专利技术公开了用于半导体工件的自动化搬运系统、方法、设备与介质,具体涉及自动化搬运技术领域,包括历史数据收集模块,用于采集机械手的历史搬运阶段中气泵的吸力值,将采集的吸力值建立吸力值时间序列集合,吸力值时间序列集合含有搬运阶段中与r个转折时间点对应的吸力值;模型训练模块,采用滑动窗口的方式将吸力值时间序列集合内的吸力值转化为数据集,以训练预测未来J时刻吸力值的机器学习模型;设定模块,对r个转折时间点一一对应设置吸力误差阈值,为第r个转折时间点对应的吸力误差阈值;本发明专利技术在搬运过程中提前预测吸力过大或过小的情况,提前处理,保障机械手吸盘吸力的稳定性,减少晶圆损坏和掉落的概率。减少晶圆损坏和掉落的概率。减少晶圆损坏和掉落的概率。

【技术实现步骤摘要】
用于半导体工件的自动化搬运系统、方法、设备与介质


[0001]本专利技术涉及自动化搬运
,更具体地说,本专利技术涉及用于半导体工件的自动化搬运系统、方法、设备与介质。

技术介绍

[0002]由于半导体设备精密,如果在搬运过程中受到损坏,会不断造成设备的财产损失,还会影响企业产能,为此,如何将半导体进行安全地搬运成了众多半导体企业需要考虑的问题。
[0003]如申请公开号为CN115332143A的中国专利,公开了一种适用于晶圆传送用机械臂的数据处理方法及系统,获取晶圆和晶圆贴片的总重量信息,根据总重量信息计算综合吸力值,根据初始膜区域分配系数、初始贴片区域分配系数对综合吸力值进行分解,得到位于保护膜区域每个第一吸盘的第一吸力值,以及位于贴片区域每个第二吸盘的第二吸力值;若第一吸盘的第一吸力值大于等于晶圆保护膜处的第一超限值,根据相应第一吸盘的位置确定第一待检测区域;获取所述第一待检测区域的第一平整度信息,根据所述第一平整度信息确定第一待检测区域的差值信息,根据所述差值信息或用户输入信息对所述第一吸力值的权重值进行训练,可以针对不同重量的晶圆自动生成相应的吸力进行晶圆的转运,提升良品率,但是该方法并未能考虑到在不同搬运阶段晶圆所需要的吸力,使得晶圆容易在搬运过程中,由于气泵的吸力不适当导致晶圆脱落,增加了晶圆掉落的概率。
[0004]为此,本专利技术提出用于半导体工件的自动化搬运系统、方法、设备与介质。

技术实现思路

[0005]为了克服现有技术的上述缺陷,本专利技术提供用于半导体工件的自动化搬运系统、方法、设备与介质,以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的,本专利技术提供如下技术方案:第一方面,本专利技术提供用于半导体工件的自动化搬运系统,包括:
[0007]历史数据收集模块,用于采集机械手的历史搬运阶段中气泵的吸力值,将采集的吸力值建立吸力值时间序列集合,吸力值时间序列集合含有搬运阶段中与r个转折时间点对应的吸力值;
[0008]模型训练模块,采用滑动窗口的方式将吸力值时间序列集合内的吸力值转化为数据集,以训练预测未来J时刻吸力值的机器学习模型;
[0009]设定模块,对r个转折时间点一一对应设置吸力误差阈值,为第r个转折时间点对应的吸力误差阈值;
[0010]数据分析模块,实时统计搬运阶段中预测的未来J时刻吸力值,计算第r个转折时间点对应的未来J时刻吸力值,与第r个转折时间点标准吸力值差值绝对值,将与比对分析,判定是否对J时刻气泵输出吸力值进行修正。
[0011]进一步地,吸力值时间序列集合包括i个吸力值,i个吸力值一一对应机械手的搬
运阶段。
[0012]进一步地,i个吸力值采集时间间隔相等。
[0013]进一步地,搬运阶段包括吸附阶段、抬起阶段、运动阶段与放置阶段,吸力值时间序列集合包括吸附阶段中的个吸力值、抬起阶段中的个吸力值、运动阶段中的个吸力值与放置阶段中的个吸力值;;、、与均为大于1的整数。
[0014]进一步地,采用滑动窗口的方式将吸力值时间序列集合转换为训练数据与训练数据对应的标签,构建为机器学习模型的数据集;所述数据集分为训练集、验证集和测试集;
[0015]将所述训练集作为机器学习模型的输入,所述机器学习模型以预测未来J时刻吸力值作为输出;以实时采集的训练数据对应的未来J时刻吸力值作为预测目标,以最小化机器学习模型损失函数值作为训练目标;当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。
[0016]进一步地,所述机器学习模型为循环神经网络模型,所述循环神经网络模型可以是长短时记忆网络或门控循环单元。
[0017]进一步地,若大于时,则将J时刻气泵输出吸力值设定为第r个转折时间点标准吸力值;
[0018]若小于或等于时,则不对J时刻气泵输出吸力值进行修正。
[0019]进一步地,还包括控制模块;
[0020]数据分析模块还用于统计每次搬运阶段中大于的次数,将每次搬运阶段中大于的次数与预设次数阈值比对分析,判定是否生成备用气泵启用指令;
[0021]控制模块根据备用气泵启用指令获取备用气泵启用指令生成时对应的,将备用气泵的输出吸力值设置为第r个转折时间点标准吸力值,当时间到达第r个转折时间点时,同时控制电磁阀关闭气泵与吸盘的输出通道,并打开备用气泵与吸盘的输出通道。
[0022]进一步地,若每次搬运阶段中大于的次数小于预设次数阈值时,则不生成备用气泵启用指令。
[0023]进一步地,备用气泵为运行状态。
[0024]第二方面,本专利技术提供用于半导体工件的自动化搬运方法,其基于上述的用于半导体工件的自动化搬运系统实现,包括如下步骤:
[0025]采集机械手的历史搬运阶段中气泵的吸力值,将采集的吸力值建立吸力值时间序列集合,吸力值时间序列集合含有搬运阶段中与r个转折时间点对应的吸力值;
[0026]采用滑动窗口的方式将吸力值时间序列集合内的吸力值转化为数据集,以训练预测未来J时刻吸力值的机器学习模型;
[0027]对r个转折时间点一一对应设置吸力误差阈值,为第r个转折时间点对应的吸力误差阈值;
[0028]实时统计搬运阶段中预测的未来J时刻吸力值,计算第r个转折时间点对应的未来J时刻吸力值,与第r个转折时间点标准吸力值差值绝对值,将与比对分析,判定是否对J时刻气泵输出吸力值进行修正。
[0029]第三方面,本专利技术提供一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
[0030]所述处理器通过调用所述存储器中存储的计算机程序,执行上述的用于半导体工件的自动化搬运方法。
[0031]第四方面,本专利技术提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行上述的用于半导体工件的自动化搬运方法。
[0032]本专利技术的技术效果和优点:
[0033]本专利技术通过采集机械手的搬运阶段中气泵的吸力值,将采集的吸力值建立吸力值时间序列集合,且吸力值时间序列集合含有与搬运转折时间点对应的吸力值,采用滑动窗口的方式将吸力值时间序列集合转换为训练数据与训练数据对应的标签,构建为机器学习模型的数据集,来训练预测未来时刻吸力值的机器学习模型,对多个转折时间点一一对应设置吸力误差阈值,实时统计搬运阶段中预测的未来时刻吸力值,计算转折时间点对应的未来时刻吸力值与对应转折时间点的标准吸力值差值绝对值,对差值绝对值与吸力误差阈值分析,当出现不一致时,将未来时刻气泵输出吸力值设置为对应转折时间点标准吸力值;提前预测吸力过大或过小的情况,提前处理,保障机械手吸盘吸力的稳定性,减少晶圆损坏和掉落的概率。
附图说明
[0034]图1为实施例1的系统示意图;
[0035]图2为实施例1的搬运阶段示意图;
[0036]图3为实施例1中的搬运阶段吸力值变化示意图;
[0037]图4为实施例2的系统示意图;<本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.用于半导体工件的自动化搬运系统,其特征在于,包括:历史数据收集模块,用于采集机械手的历史搬运阶段中气泵的吸力值,将采集的吸力值建立吸力值时间序列集合,吸力值时间序列集合含有搬运阶段中与r个转折时间点对应的吸力值;模型训练模块,采用滑动窗口的方式将吸力值时间序列集合内的吸力值转化为数据集,以训练预测未来J时刻吸力值的机器学习模型;设定模块,对r个转折时间点一一对应设置吸力误差阈值,为第r个转折时间点对应的吸力误差阈值;数据分析模块,实时统计搬运阶段中预测的未来J时刻吸力值,计算第r个转折时间点对应的未来J时刻吸力值,与第r个转折时间点标准吸力值差值绝对值,将与比对分析,判定是否对J时刻气泵输出吸力值进行修正。2.根据权利要求1所述的用于半导体工件的自动化搬运系统,其特征在于,吸力值时间序列集合包括i个吸力值,i个吸力值一一对应机械手的搬运阶段。3.根据权利要求2所述的用于半导体工件的自动化搬运系统,其特征在于,i个吸力值采集时间间隔相等。4.根据权利要求2所述的用于半导体工件的自动化搬运系统,其特征在于,搬运阶段包括吸附阶段、抬起阶段、运动阶段与放置阶段,吸力值时间序列集合包括吸附阶段中的个吸力值、抬起阶段中的个吸力值、运动阶段中的个吸力值与放置阶段中的个吸力值;;、、与均为大于1的整数。5.根据权利要求4所述的用于半导体工件的自动化搬运系统,其特征在于,采用滑动窗口的方式将吸力值时间序列集合转换为训练数据与训练数据对应的标签,构建为机器学习模型的数据集;所述数据集分为训练集、验证集和测试集;将所述训练集作为机器学习模型的输入,所述机器学习模型以预测未来J时刻吸力值作为输出;以实时采集的训练数据对应的未来J时刻吸力值作为预测目标,以最小化机器学习模型损失函数值作为训练目标;当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。6.根据权利要求5所述的用于半导体工件的自动化搬运系统,其特征在于,所述机器学习模型为循环神经网络模型,所述循环神经网络模型为长短时记忆网络或门控循环单元。7.根据权利要求5所述的用于半导体工件的自动化搬运系统,其特征在于,若大于时,则将J时刻气泵...

【专利技术属性】
技术研发人员:林坚王彭吴国明王栋梁
申请(专利权)人:泓浒苏州半导体科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1