CN116759355A - 一种晶圆传送控制方法及*** - Google Patents
一种晶圆传送控制方法及*** Download PDFInfo
- Publication number
- CN116759355A CN116759355A CN202311041747.7A CN202311041747A CN116759355A CN 116759355 A CN116759355 A CN 116759355A CN 202311041747 A CN202311041747 A CN 202311041747A CN 116759355 A CN116759355 A CN 116759355A
- Authority
- CN
- China
- Prior art keywords
- crown block
- semiconductor processing
- processing equipment
- transfer
- efficiency coefficient
- 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 68
- 230000005540 biological transmission Effects 0.000 title claims abstract description 7
- 239000004065 semiconductor Substances 0.000 claims abstract description 394
- 238000012545 processing Methods 0.000 claims abstract description 279
- 238000012546 transfer Methods 0.000 claims abstract description 182
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims description 193
- 238000004088 simulation Methods 0.000 claims description 52
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000012806 monitoring device Methods 0.000 description 8
- 238000013499 data model Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 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
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- H01L21/67703—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 between different workstations
- H01L21/67733—Overhead conveying
-
- 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
- H01L21/67271—Sorting 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
- H01L21/67005—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
- H01L21/677—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
- H01L21/67703—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 between different workstations
- H01L21/67727—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 between different workstations using a general scheme of a conveying path within a factory
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)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及半导体领域,本发明公开了一种晶圆传送控制方法及***,包括确定T时段内标记为高负荷的半导体加工设备,以及筛选出T时段内与高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备;基于低负荷的最优选半导体加工设备和高负荷的半导体加工设备确定最佳转运轨道路线;获取T+n时段内天车轨道中每个搬运天车的运行状态,筛选出W个空闲状态的搬运天车,对每个空闲状态的搬运天车进行分析,以确定转运天车;基于最佳转运轨道路线控制转运天车,将高负荷的半导体加工设备的半导体加工任务传送至低负荷的最优选半导体加工设备。
Description
技术领域
本发明涉及半导体领域,更具体地说,本发明涉及一种晶圆传送控制方法及***。
背景技术
随着高新技术的不断发展以及市场对电子产品的需求的不断增加,使半导体产业得到快速发展,也使得人们对半导体芯片的需求日益增加,因此如何对半导体芯片增量增产成为当下研究热点;当前,在现代化半导体工厂中,存在多条半导体生产线,在每条生产线中存在多个加工处理环节,且每个环节中均存在有属于本环节加工职能的独立加工处理设备,这些加工环节或加工设备通过天车搬运***实现对半导体加工任务的流水线式衔接;然而,现有的半导体生产线大都独立运行,一旦某条生产线的某个加工环节中的加工处理设备存在任务积压或设备故障等异常情况,就会影响后续加工处理设备的正常加工操作,进而影响整个生产线的运行和生产效率;因此,如何通过提高生产线与生产线之间的联动性,或提高生产线中具有相同生产功能或职能加工处理设备之间的联动性,以提高半导体整体生产效率就变得尤为重要。
目前,现有的晶圆传送控制方法大多针对单一半导体生产线进行设计实现,例如授权公告号为CN113031543B的中国专利公开了一种半导体生产线的控制调度方法及装置,再例如申请公开号为CN113031542A的申请文件公开了一种基于负载均衡的半导体生产线动态调度方法,上述方法虽能提高单条生产线的生产效率,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)生产线之间缺乏联动,导致半导体生产加工资源的分配合理性无法进一步提高,无法让不同半导体生产线之间或让不同半导体生产线中具有相同生产功能或职能加工处理设备之间建立联系,无法实现联动控制,进而难以应对任务积压或设备故障等异常情况;
(2)天车控制和运行模式固定,在任务积压或设备故障等异常情况下,无法筛选出空闲状态的天车,以及无法控制空闲状态的天车对半导体生产任务进行转移,从而难以降低任务积压或设备故障等异常情况带来的影响,进而无法保障或提高半导体生产加工效率。
发明内容
为了克服现有技术的上述缺陷,本发明提供一种晶圆传送控制方法及***。
为实现上述目的,本发明提供如下技术方案:
一种晶圆传送控制方法,所述方法应用于存在M条半导体生产线的车间,M条所述半导体生产线的上方设置有天车轨道,所述天车轨道中存在N个搬运天车,M、N为大于零的正整数集,所述方法包括:
确定T时段内标记为高负荷的半导体加工设备,以及筛选出T时段内与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,T为大于零的正整数集;
基于低负荷的最优选半导体加工设备和高负荷的半导体加工设备确定最佳转运轨道路线;
获取T+n时段内天车轨道中每个搬运天车的运行状态,筛选出W个空闲状态的搬运天车,对每个空闲状态的搬运天车进行分析,以确定转运天车,W、n为大于零的正整数集;
基于最佳转运轨道路线控制转运天车,将高负荷的半导体加工设备的半导体加工任务传送至低负荷的最优选半导体加工设备。
进一步地,确定标记为高负荷的半导体加工设备,包括:
获取每条半导体生产线各个加工环节中半导体加工设备在各个时段内的运行加工数据,将运行加工数据输入预构建数字孪生模型中进行仿真模拟,以获取仿真模拟数据;
基于运行加工数据和仿真模拟数据进行公式化计算,以获取每条半导体生产线的平均效率系数;其计算公式为:;式中:/>为平均效率系数,/>为第j个环节中第i个半导体加工设备的实际处理量,/>第j个环节中第i个半导体加工设备的任务剩余量,/>为第j个环节中第i个半导体加工设备进行任务处理所需的总时长;/>为任务总量,/>为仿真模拟的任务处理时长,/>为半导体加工设备总数,/>为生产环节总数;
设置平均效率系数阈值Vt1和Vt2,Vt1>Vt2,将平均效率系数与平均效率系数阈值进行比较,若平均效率系数大于等于平均效率系数阈值Vt1,则判定对应半导体生产线存在运行异常,并将对应半导体生产线作为第一目标半导体生产线;若平均效率系数小于平均效率系数阈值Vt1,且大于平均效率系数阈值Vt2,则判定对应半导体生产线运行正常;若平均效率系数小于等于平均效率系数阈值Vt2,则判定对应半导体生产线运行效率较低,并将对应半导体生产线作为非目标半导体生产线。
进一步地,确定标记为高负荷的半导体加工设备,还包括:
获取第一目标半导体生产线中每个半导体加工设备的运行效率系数;
计算每个半导体加工设备的运行效率系数与平均效率系数的差值,将每个半导体加工设备的运行效率系数与平均效率系数的差值标记为第一效率系数差;
若第一效率系数差大于等于预设第一效率系数差阈值,则将对应半导体加工设备标记为高负荷的半导体加工设备。
进一步地,筛选出与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,包括:
判断非目标半导体生产线中是否存在高负荷的半导体加工设备,若存在,则将对应非目标半导体生产线作为第一目标半导体生产线,若不存在,则将对应非目标半导体生产线作为第二目标半导体生产线;
获取第二目标半导体生产线中每个半导体加工设备的运行效率系数;
计算每个半导体加工设备的运行效率系数与平均效率系数的差值,将每个半导体加工设备的运行效率系数与平均效率系数的差值标记为第二效率系数差;
若第二效率系数差小于等于预设第二效率系数差阈值,则将对应半导体加工设备标记为低负荷的半导体加工设备,得到Q个低负荷的半导体加工设备,Q为大于零的正整数集;
按照数值从小到大,对小于等于预设第二效率系数差阈值的第二效率系数差进行排序;
将位于第一排序的第二效率系数差对应的低负荷的半导体加工设备作为低负荷的最优选半导体加工设备。
进一步地,确定最佳转运轨道路线,包括:
获取天车轨道的布局图,基于天车轨道的布局图将高负荷的半导体加工设备作为搬运点,以及将低负荷的半导体加工设备作为目的地点;
基于天车轨道的布局图,对搬运点到目的地点进行线路连接,得到L条轨道路线,L为大于零的正整数集;
利用预构建数字孪生模型对每条轨道路线进行模拟,获取每条轨道路线的线路模拟数据,基于所述线路模拟数据计算每条轨道路线的线路评价系数;所述线路模拟数据包括每条轨道路线的长度、每条轨道路线的搬运天车的物料抓取时间、每条轨道路线的搬运天车的移动时间、每条轨道路线的搬运天车的静止时间、每条轨道路线内搬运天车的经过次数;其计算公式为:;式中:/>为线路评价系数,/>为轨道路线的长度,/>为搬运天车的物料抓取时间,/>为搬运天车的移动时间,为搬运天车的静止时间,/>为搬运天车的经过次数,/>和/>为修正因子,;
按数值从大到小,对每条轨道路线的线路评价系数进行排序;
将最大线路评价系数对应的轨道路线作为最佳转运轨道路线。
进一步地,对每个空闲状态的搬运天车进行分析,包括:
获取W个空闲状态的搬运天车的天车基础数据;所述天车基础数据包括搬运天车到搬运点的距离和搬运天车活动范围边界离目的地点的距离;
基于天车基础数据计算天车选择系数,其计算公式为:;式中:Cro为天车选择系数,/>为搬运天车到搬运点的距离,/>为搬运天车活动范围边界离目的地点的距离;
将最小天车选择系数对应的空闲状态的搬运天车作为转运天车。
进一步地,基于最佳转运轨道路线控制转运天车,包括:
a.当基于最佳转运轨道路线控制转运天车时,获取转运天车的相对移动方向,以及获取天车轨道的交叉点;
b.当转运天车的相对移动方向为横向时,判断转运天车正前方是否存在搬运天车,若存在,则将对应搬运天车作为障碍天车A,若不存在,则控制转运天车正常移动;
c.提取预存于数据库中搬运天车的速度,获取障碍天车A到交叉点的距离,以及获取转运天车到交叉点的距离;
d.基于搬运天车的速度、障碍天车A到交叉点的距离和转运天车到交叉点的距离进行计算,分别获取障碍天车A到交叉点的时间T1和转运天车正前方到交叉点的时间T2,基于T1和T2判断是否发生碰撞,若会发生碰撞,则控制转运天车在T2-V时停止,在T2+V时移动;若不会发生碰撞,则按照T2控制转运天车移动,并返回至步骤a;V为大于零的正整数集;
e.当转运天车的相对移动方向为纵向时,判断转运天车左前方或右前方是否存在搬运天车,若存在,则将对应搬运天车作为障碍天车B,若不存在,则控制转运天车正常移动;
f.获取障碍天车B到交叉点的距离,以及获取转运天车到交叉点的距离;
g.基于搬运天车的速度、障碍天车B到交叉点的距离和转运天车到交叉点的距离进行计算,分别获取障碍天车B到交叉点的时间T3和转运天车正前方到交叉点的时间T4,基于T3和T4判断是否发生碰撞,若会发生碰撞,则控制转运天车在T4-J时停止,在T4+J时移动;若不会发生碰撞,则按照T4控制转运天车移动,并返回至步骤a;J为大于零的正整数集;
H.重复上述步骤a~步骤g,直至转运天车抵达至低负荷的最优选半导体加工设备。
进一步地,所述转运天车的相对移动方向根据目的地点确定。
进一步地,基于T1和T2判断是否发生碰撞,包括:计算T1和T2的差值,若T1和T2的差值为零,则判断会发生碰撞;若T1和T2的差值不为零,则判断不会发生碰撞。
一种晶圆传送控制***,包括:
第一确定模块,用于确定T时段内标记为高负荷的半导体加工设备,以及筛选出T时段内与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,T为大于零的正整数集;
第二确定模块,用于基于低负荷的最优选半导体加工设备和高负荷的半导体加工设备确定最佳转运轨道路线;
第三确定模块,用于获取T+n时段内天车轨道中每个搬运天车的运行状态,筛选出W个空闲状态的搬运天车,对每个空闲状态的搬运天车进行分析,以确定转运天车,W、n为大于零的正整数集;
传送及控制模块,用于基于最佳转运轨道路线控制转运天车,将高负荷的半导体加工设备的半导体加工任务传送至低负荷的最优选半导体加工设备。
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一种晶圆传送控制方法。
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一种晶圆传送控制方法。
相比于现有技术,本发明的有益效果在于:
1.本申请公开了一种晶圆传送控制方法及***,通过确定T时段内标记为高负荷的半导体加工设备,以及筛选出T时段内与高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备;基于低负荷的最优选半导体加工设备和高负荷的半导体加工设备确定最佳转运轨道路线;获取T+n时段内天车轨道中每个搬运天车的运行状态,筛选出W个空闲状态的搬运天车,对每个空闲状态的搬运天车进行分析,以确定转运天车;基于最佳转运轨道路线控制转运天车,将高负荷的半导体加工设备的半导体加工任务传送至低负荷的最优选半导体加工设备;基于上述步骤,本发明使生产线之间增加联动,从而有利于对半导体生产加工资源进行高效的合理分配,有利于让不同半导体生产线之间或让不同半导体生产线中具有相同生产功能或职能加工处理设备之间建立联系,进而实现联动控制,有利于应对任务积压或设备故障等异常情况。
2.本申请公开了一种晶圆传送控制方法及***,在确定出高负荷的半导体加工设备、低负荷的最优选半导体加工设备、最佳转运轨道路线和转运天车的基础上,实时获取转运天车的相对移动方向,以及获取天车轨道的交叉点,并根据其进行分析,控制转运天车抵达至低负荷的最优选半导体加工设备;从而打破现有天车控制和运行模式的局限,能在任务积压或设备故障等异常情况下,控制空闲状态的天车对半导体生产任务进行转移,进而有利于降低任务积压或设备故障等异常情况带来的影响,有利于保障或提高半导体生产加工效率。
附图说明
图1为本发明提供的一种晶圆传送控制方法的示意图;
图2为本发明提供的一种晶圆传送控制***的示意图;
图3为本发明提供的天车轨道的局部布局示意图;
图4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一种晶圆传送控制***,包括:
第一确定模块210,用于确定T时段内标记为高负荷的半导体加工设备,以及筛选出T时段内与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,T为大于零的正整数集;
应当事先了解的是:本发明应用于存在若干条半导体生产线的半导体车间,在每个条半导体生产线中均存在至少一个具备相同职能的半导体加工设备;并且在该半导体车间内设置有若干监控设备和若干传感器,若干所述传感器包括但不限于激光传感器、感应传感器和计数器等等,若干所述监控设备和传感器均通过电气和/或无线方式与云服务器远程通信连接,所述云服务器还以无线方式与每个搬运天车通信连接;若干所述监控设备用于监控每条半导体生产线以及每条半导体生产线中每个半导体加工设备的生产活动和运行状态等等,所述搬运天车上安装有激光测距仪和摄像头,所述激光测距仪和摄像头与搬运天车电气连接,或与云服务器远程通信连接;
具体的,确定标记为高负荷的半导体加工设备,包括:
获取每条半导体生产线各个加工环节中半导体加工设备在各个时段内的运行加工数据,将运行加工数据输入预构建数字孪生模型中进行仿真模拟,以获取仿真模拟数据;
需要说明的是:所述各个时段通过人为事先划分得到,例如:假设一天内的每条半导体生产线运行时长为720分钟,若将720分钟划分为24个时段,则每个时段的跨度为30分钟,若将720分钟划分为12个时段,则每个时段的跨度为60分钟,具体划分规则根据存在M条半导体生产线的车间的实际情况确定,对此本发明不作过多限定;
还需要说明的是:所述运行加工数据包括但不限于各个环节中每个半导体加工设备的实际处理量、每个环节中每个半导体加工设备的任务剩余量、每个环节中每个半导体加工设备进行任务处理所需的总时长、任务总量、半导体加工设备总数和生产环节总数等等;所述仿真模拟数据包括但不限于仿真模拟的任务处理时长等等;
应当了解的是:数字孪生模型为存在M条半导体生产线的车间的虚拟仿真模型,所述数字孪生模型包括物理模型、逻辑模型、数据模型和仿真模拟模型,所述数字孪生模型的构建过程为:获取预存于云服务器中数字孪生模型的基础信息,所述基础信息包括但不限于车间内的半导体生产线、半导体加工设备和天车搬运***(包括天车轨道和搬运天车)等的结构参数、几何参数、材料参数、状态参数及边界条件等数据,基于结构参数、几何参数、材料参数、状态参数及边界条件等数据并利用三维建模工具构建物理模型,所述三维建模工具具体为Creoparametric、UGNX或3DMax等中的一种,将物理模型映射到逻辑模型,通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制,并通过逻辑模型将各要素属性和行为反馈到物理模型,实现对物理模型的优化,构建可计算的数据模型,对物理模型、逻辑模型、数据模型和仿真模拟模型进行集成得到数字孪生模型,该数字孪生模型为现有技术,对此不再过多赘述;
还应当了解的是:所述仿真模拟模型用于模拟预测每条半导体生产线仿真模拟的任务处理时长等情况;进一步地,仿真模拟模型具体为线性回归模型、逻辑回归模型、支持向量机或神经网络模型等等中的一种,该仿真模拟模型的构建过程为:获取预存于云服务器中的大量历史数据,所述大量历史数据包括每条半导体生产线的任务总量、每条半导体生产线的半导体加工设备总数、每条半导体生产线的生产环节总数以及每条半导体生产线中每个时段的实际任务处理时长,将大量历史数据划分为训练集和测试集,构建训练网络,将每条半导体生产线中每个时段的任务总量、每条半导体生产线的半导体加工设备总数和每条半导体生产线的生产环节总数作为训练网络的输入,将每条半导体生产线中每个时段的实际任务处理时长作为训练网络的输出,对训练网络进行训练得到初始网络模型,利用测试集对初始网络模型进行验证,以输出满足预设准确率的初始网络模型作为仿真模拟模型;
基于运行加工数据和仿真模拟数据进行公式化计算,以获取每条半导体生产线的平均效率系数;其计算公式为:;式中:/>为平均效率系数,/>为第j个环节中第i个半导体加工设备的实际处理量,/>第j个环节中第i个半导体加工设备的任务剩余量,/>为第j个环节中第i个半导体加工设备进行任务处理所需的总时长;/>为任务总量,/>为仿真模拟的任务处理时长,/>为半导体加工设备总数,/>为生产环节总数;
需要说明的是:,/>为每个半导体加工设备的运行效率系数;所述任务总量预存于云服务器中,基于上文,所述仿真模拟的任务处理时长基于仿真模拟模型模拟得到;
设置平均效率系数阈值Vt1和Vt2,Vt1>Vt2,将平均效率系数与平均效率系数阈值进行比较,若平均效率系数大于等于平均效率系数阈值Vt1,则判定对应半导体生产线存在运行异常,并将对应半导体生产线作为第一目标半导体生产线;若平均效率系数小于平均效率系数阈值Vt1,且大于平均效率系数阈值Vt2,则判定对应半导体生产线运行正常;若平均效率系数小于等于平均效率系数阈值Vt2,则判定对应半导体生产线运行效率较低,并将对应半导体生产线作为非目标半导体生产线;
需要说明的是:对应生产线存在运行异常即表明对应生产线中某个环节存在任务积压或设备故障等异常情况,从而导致生产效率降低;对应生产半导体生产线运行正常即表明其中任一环节不存在任务积压或设备故障等异常情况;对应生产半导体生产线运行效率较低即表明其中任一环节不存在任务积压或设备故障等异常情况,但其设备利用率较低;
还需说明的是:平均效率系数小于等于平均效率系数阈值Vt2,则判定对应半导体生产线运行效率较低,该种情况可能由于第一目标半导体生产线所引起,进一步说明就是,若某一生产环节的半导体加工设备出现任务积压或设备故障等异常情况,即会影响后续环节中半导体加工设备的运行效率,进而导致该半导体生产线出现运行效率较低的情况;
具体的,确定标记为高负荷的半导体加工设备,还包括:
获取第一目标半导体生产线中每个半导体加工设备的运行效率系数;
计算每个半导体加工设备的运行效率系数与平均效率系数的差值,将每个半导体加工设备的运行效率系数与平均效率系数的差值标记为第一效率系数差;
若第一效率系数差大于等于预设第一效率系数差阈值,则将对应半导体加工设备标记为高负荷的半导体加工设备;
具体的,筛选出与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,包括:
判断非目标半导体生产线中是否存在高负荷的半导体加工设备,若存在,则将对应非目标半导体生产线作为第一目标半导体生产线,若不存在,则将对应非目标半导体生产线作为第二目标半导体生产线;
需要说明的是:参照上文,若某一生产环节的半导体加工设备出现任务积压或设备故障等异常情况,即会影响后续环节中半导体加工设备的运行效率,进而导致该半导体生产线出现运行效率较低的情况,因此,该类半导体生产线仍属于第一目标半导体生产线;相反,若非目标半导体生产线中不存在高负荷的半导体加工设备,则将其作为第二目标半导体生产线,通过上述设置,能够区分中有无高负荷的半导体加工设备的半导体生产线,从而有利于为后续确定低负荷的最优选半导体加工设备确立基础,同时有利于促使实现后续半导体生产线之间的联动;
获取第二目标半导体生产线中每个半导体加工设备的运行效率系数;
计算每个半导体加工设备的运行效率系数与平均效率系数的差值,将每个半导体加工设备的运行效率系数与平均效率系数的差值标记为第二效率系数差;
若第二效率系数差小于等于预设第二效率系数差阈值,则将对应半导体加工设备标记为低负荷的半导体加工设备,得到Q个低负荷的半导体加工设备,Q为大于零的正整数集;
按照数值从小到大,对小于等于预设第二效率系数差阈值的第二效率系数差进行排序;
应当理解的是:按照数值从小到大进行排序,即说明第二效率系数差越小,则对应的低负荷的半导体加工设备的运转次数越少,进一步说明就是,第二效率系数差越小,即表明了对应的低负荷的半导体加工设备处于低负荷状态,或可能无限接近或等于无负荷状态;还应当理解的是:若半导体加工设备的运行效率系数大于预设第二效率系数差阈值,且小于预设第一效率系数差阈值,则说明对应的半导体加工设备处于正常负荷状态;
将位于第一排序的第二效率系数差对应的低负荷的半导体加工设备作为低负荷的最优选半导体加工设备;
第二确定模块220,用于基于低负荷的最优选半导体加工设备和高负荷的半导体加工设备确定最佳转运轨道路线;
具体的,确定最佳转运轨道路线,包括:
获取天车轨道的布局图,基于天车轨道的布局图将高负荷的半导体加工设备作为搬运点,以及将低负荷的半导体加工设备作为目的地点;
基于天车轨道的布局图,对搬运点到目的地点进行线路连接,得到L条轨道路线,L为大于零的正整数集;
需要说明的是:所述天车轨道的布局图预存于云服务器中,在天车轨道的布局图中至少包括每段轨道的长度数据、搬运天车的数量数据以及半导体加工设备的区位;
举例说明就是:如图3天车轨道的局部布局图所示,假设A为第一目标半导体生产线中高负荷的半导体加工设备的所在区位,即A为第一目标半导体生产线中的搬运点;B为第二目标半导体生产线中低负荷的最优选半导体加工设备的所在区位,即B为第二目标半导体生产线中的目的地点;假设对搬运点到目的地点进行线路连接,得到L1、L2和L3三条轨道路线,因此,此时L=3,其中:L1包括x1和x2;
利用预构建数字孪生模型对每条轨道路线进行模拟,获取每条轨道路线的线路模拟数据,基于所述线路模拟数据计算每条轨道路线的线路评价系数;所述线路模拟数据包括每条轨道路线的长度、每条轨道路线的搬运天车的物料抓取时间、每条轨道路线的搬运天车的移动时间、每条轨道路线的搬运天车的静止时间、每条轨道路线内搬运天车的经过次数;其计算公式为:;式中:/>为线路评价系数,/>为轨道路线的长度,/>为搬运天车的物料抓取时间(即搬运天车将高负荷的半导体加工设备进行抓取的时间),/>为搬运天车的移动时间,/>为搬运天车的静止时间(所述搬运天车的静止时间是指为避让其他搬运天车而产生的停留时间),/>为搬运天车的经过次数,/>和/>为修正因子,/>;
应当了解的是:线路评价系数越大,说明搬运天车的物料抓取时间越短,搬运天车的移动时间越少,搬运天车的静止时间越短,搬运天车经过轨道路线的次数越少;
按数值从大到小,对每条轨道路线的线路评价系数进行排序;
将最大线路评价系数对应的轨道路线作为最佳转运轨道路线;
第三确定模块230,用于获取T+n时段内天车轨道中每个搬运天车的运行状态,筛选出W个空闲状态的搬运天车,对每个空闲状态的搬运天车进行分析,以确定转运天车,W、n为大于零的正整数集;
需要说明的是:天车轨道中每个搬运天车的运行状态可通过内置于搬运天车的感应传感器感应获知,或通过监控设备拍摄识别获悉,本发明对此不做具体限定,任何可获取搬运天车的运行状态的方式都可作为本发明的应用对象;通过获知每个搬运天车的运行状态,即可确定出W个空闲状态的搬运天车;
具体的,对每个空闲状态的搬运天车进行分析,包括:
获取W个空闲状态的搬运天车的天车基础数据;所述天车基础数据包括搬运天车到搬运点的距离和搬运天车活动范围边界离目的地点的距离;
基于天车基础数据计算天车选择系数,其计算公式为:;式中:Cro为天车选择系数,/>为搬运天车到搬运点的距离,/>为搬运天车活动范围边界离目的地点的距离;
应当了解的是:每个搬运天车都有属于它的活动范围,因此,搬运天车活动范围边界离目的地点的距离是指天车活动范围边界离目的地点的最近距离,即天车活动范围边界离目的地点的最小距离;
将最小天车选择系数对应的空闲状态的搬运天车作为转运天车;
传送及控制模块240,用于基于最佳转运轨道路线控制转运天车,将高负荷的半导体加工设备的半导体加工任务传送至低负荷的最优选半导体加工设备;
具体的,基于最佳转运轨道路线控制转运天车,包括:
a.当基于最佳转运轨道路线控制转运天车时,获取转运天车的相对移动方向,以及获取天车轨道的交叉点;
需要说明的是:所述转运天车的相对移动方向根据目的地点确定,进一步解释就是:如图3,若L1为最佳转运轨道路线,A为搬运点,B为目的地点,且L1包含x1(图中指示的虚线部分)和x2(图中指示的虚线部分)两个部分,当转运天车在x1部分进行移动时,相对B(即目的地点)而言,则为横向移动,因此,则将转运天车在x1部分进行移动时标记为横向,同理,当转运天车在x2部分进行移动时则标记为纵向;
应当了解的是:天车轨道的交叉点,即轨道汇聚点,如图3所示,其中P1、P2和P3,则是在最佳转运轨道路线L1上的三个交叉点;还应当了解的是交叉点的轨道外延设置有反射板,所述反射板用于反射搬运天车发射的激光信号,以实现交叉点测距;
b.当转运天车的相对移动方向为横向时,判断转运天车正前方是否存在搬运天车,若存在,则将对应搬运天车作为障碍天车A,若不存在,则控制转运天车正常移动;
需要说明的是:判断转运天车正前方是否存在搬运天车以及后文判断转运天车左前方或右前方是否存在搬运天车,可通过转运天车搭载激光测距仪实现,也可通过转运天车搭载摄像头,或根据半导体车间内设置的若干监控设备进行拍摄辨别实现;
c.提取预存于数据库中搬运天车的速度,获取障碍天车A到交叉点的距离,以及获取转运天车到交叉点的距离;
应当了解的是:所有搬运天车的速度为固定值,所述搬运天车的速度预存于云服务器中;所述障碍天车A到交叉点的距离可通过激光测距仪实现,也可通过转运天车搭载摄像头和车间监控设备进行拍摄分析实现,该测距部分非本发明重点,任何可实现上述测距目的现有技术都可作为本发明的应用对象;
d.基于搬运天车的速度、障碍天车A到交叉点的距离和转运天车到交叉点的距离进行计算,分别获取障碍天车A到交叉点的时间T1和转运天车正前方到交叉点的时间T2,基于T1和T2判断是否发生碰撞,若会发生碰撞,则控制转运天车在T2-V时停止,在T2+V时移动;若不会发生碰撞,则按照T2控制转运天车移动,并返回至步骤a;V为大于零的正整数集;
应当了解的是:当知道距离和速度,根据距离公式:时间=距离/速度,即可分别获知时间T1和T2;
具体的,基于T1和T2判断是否发生碰撞,包括:计算T1和T2的差值,若T1和T2的差值为零,则判断会发生碰撞;若T1和T2的差值不为零,则判断不会发生碰撞;
针对上述内容进行示例性说明就是:如图3,若基于T1和T2进行判断会发生碰撞时,则控制转运天车在T2-V时停止,此时转运天车将在S1处静止停留,待搬运天车先穿过交叉点P1时,再控制转运天车在T2+V时移动;
应当注意的是:根据***设置以及上述对最佳转运轨道路线选择,不会使搬运天车与转运天车出现相互阻挡的情况;
e.当转运天车的相对移动方向为纵向时,判断转运天车左前方或右前方是否存在搬运天车,若存在,则将对应搬运天车作为障碍天车B,若不存在,则控制转运天车正常移动;
f.获取障碍天车B到交叉点的距离,以及获取转运天车到交叉点的距离;
应当了解的是:障碍天车B到交叉点的距离和转运天车到交叉点的距离的获取,同上述关于障碍天车A的描述,详情参照上文,对此不再过多赘述;
g.基于搬运天车的速度、障碍天车B到交叉点的距离和转运天车到交叉点的距离进行计算,分别获取障碍天车B到交叉点的时间T3和转运天车正前方到交叉点的时间T4,基于T3和T4判断是否发生碰撞,若会发生碰撞,则控制转运天车在T4-J时停止,在T4+J时移动;若不会发生碰撞,则按照T4控制转运天车移动,并返回至步骤a;J为大于零的正整数集;
应当了解的是:T3和T4的获取,同上述关于T1和T2的描述,详情参照上文,对此不再过多赘述;进一步地,基于T3和T4判断是否发生碰撞,包括:计算T3和T4的差值,若T3和T4的差值为零,则判断会发生碰撞;若T3和T4的差值不为零,则判断不会发生碰撞;
针对上述内容进行示例性说明就是:如图3,若基于T3和T4进行判断会发生碰撞时,则控制转运天车在T4-J时停止,此时转运天车将在S2处静止停留,待搬运天车先穿过交叉点P2时,再控制转运天车在T4+J时移动;
H.重复上述步骤a~步骤g,直至转运天车抵达至低负荷的最优选半导体加工设备。
实施例2
请参阅图1所示,本实施例公开提供了一种晶圆传送控制方法,所述方法应用于存在M条半导体生产线的车间,M条所述半导体生产线的上方设置有天车轨道,所述天车轨道中存在N个搬运天车,M、N为大于零的正整数集,所述方法包括:
S110:确定T时段内标记为高负荷的半导体加工设备,以及筛选出T时段内与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,T为大于零的正整数集;
应当事先了解的是:本发明应用于存在若干条半导体生产线的半导体车间,在每个条半导体生产线中均存在至少一个具备相同职能的半导体加工设备;并且在该半导体车间内设置有若干监控设备和若干传感器,若干所述传感器包括但不限于激光传感器、感应传感器和计数器等等,若干所述监控设备和传感器均通过电气和/或无线方式与云服务器远程通信连接,所述云服务器还以无线方式与每个搬运天车通信连接;若干所述监控设备用于监控每条半导体生产线以及每条半导体生产线中每个半导体加工设备的生产活动和运行状态等等,所述搬运天车上安装有激光测距仪和摄像头,所述激光测距仪和摄像头与搬运天车电气连接,或与云服务器远程通信连接;
具体的,确定标记为高负荷的半导体加工设备,包括:
获取每条半导体生产线各个加工环节中半导体加工设备在各个时段内的运行加工数据,将运行加工数据输入预构建数字孪生模型中进行仿真模拟,以获取仿真模拟数据;
需要说明的是:所述各个时段通过人为事先划分得到,例如:假设一天内的每条半导体生产线运行时长为720分钟,若将720分钟划分为24个时段,则每个时段的跨度为30分钟,若将720分钟划分为12个时段,则每个时段的跨度为60分钟,具体划分规则根据存在M条半导体生产线的车间的实际情况确定,对此本发明不作过多限定;
还需要说明的是:所述运行加工数据包括但不限于各个环节中每个半导体加工设备的实际处理量、每个环节中每个半导体加工设备的任务剩余量、每个环节中每个半导体加工设备进行任务处理所需的总时长、任务总量、半导体加工设备总数和生产环节总数等等;所述仿真模拟数据包括但不限于仿真模拟的任务处理时长等等;
应当了解的是:数字孪生模型为存在M条半导体生产线的车间的虚拟仿真模型,所述数字孪生模型包括物理模型、逻辑模型、数据模型和仿真模拟模型,所述数字孪生模型的构建过程为:获取预存于云服务器中数字孪生模型的基础信息,所述基础信息包括但不限于车间内的半导体生产线、半导体加工设备和天车搬运***(包括天车轨道和搬运天车)等的结构参数、几何参数、材料参数、状态参数及边界条件等数据,基于结构参数、几何参数、材料参数、状态参数及边界条件等数据并利用三维建模工具构建物理模型,所述三维建模工具具体为Creoparametric、UGNX或3DMax等中的一种,将物理模型映射到逻辑模型,通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制,并通过逻辑模型将各要素属性和行为反馈到物理模型,实现对物理模型的优化,构建可计算的数据模型,对物理模型、逻辑模型、数据模型和仿真模拟模型进行集成得到数字孪生模型,该数字孪生模型为现有技术,对此不再过多赘述;
还应当了解的是:所述仿真模拟模型用于模拟预测每条半导体生产线仿真模拟的任务处理时长等情况;进一步地,仿真模拟模型具体为线性回归模型、逻辑回归模型、支持向量机或神经网络模型等等中的一种,该仿真模拟模型的构建过程为:获取预存于云服务器中的大量历史数据,所述大量历史数据包括每条半导体生产线的任务总量、每条半导体生产线的半导体加工设备总数、每条半导体生产线的生产环节总数以及每条半导体生产线中每个时段的实际任务处理时长,将大量历史数据划分为训练集和测试集,构建训练网络,将每条半导体生产线中每个时段的任务总量、每条半导体生产线的半导体加工设备总数和每条半导体生产线的生产环节总数作为训练网络的输入,将每条半导体生产线中每个时段的实际任务处理时长作为训练网络的输出,对训练网络进行训练得到初始网络模型,利用测试集对初始网络模型进行验证,以输出满足预设准确率的初始网络模型作为仿真模拟模型;
基于运行加工数据和仿真模拟数据进行公式化计算,以获取每条半导体生产线的平均效率系数;其计算公式为:;式中:/>为平均效率系数,/>为第j个环节中第i个半导体加工设备的实际处理量,/>第j个环节中第i个半导体加工设备的任务剩余量,/>为第j个环节中第i个半导体加工设备进行任务处理所需的总时长;/>为任务总量,/>为仿真模拟的任务处理时长,/>为半导体加工设备总数,/>为生产环节总数;
需要说明的是:,/>为每个半导体加工设备的运行效率系数;所述任务总量预存于云服务器中,基于上文,所述仿真模拟的任务处理时长基于仿真模拟模型模拟得到;
设置平均效率系数阈值Vt1和Vt2,Vt1>Vt2,将平均效率系数与平均效率系数阈值进行比较,若平均效率系数大于等于平均效率系数阈值Vt1,则判定对应半导体生产线存在运行异常,并将对应半导体生产线作为第一目标半导体生产线;若平均效率系数小于平均效率系数阈值Vt1,且大于平均效率系数阈值Vt2,则判定对应半导体生产线运行正常;若平均效率系数小于等于平均效率系数阈值Vt2,则判定对应半导体生产线运行效率较低,并将对应半导体生产线作为非目标半导体生产线;
需要说明的是:对应生产线存在运行异常即表明对应生产线中某个环节存在任务积压或设备故障等异常情况,从而导致生产效率降低;对应生产半导体生产线运行正常即表明其中任一环节不存在任务积压或设备故障等异常情况;对应生产半导体生产线运行效率较低即表明其中任一环节不存在任务积压或设备故障等异常情况,但其设备利用率较低;
还需说明的是:平均效率系数小于等于平均效率系数阈值Vt2,则判定对应半导体生产线运行效率较低,该种情况可能由于第一目标半导体生产线所引起,进一步说明就是,若某一生产环节的半导体加工设备出现任务积压或设备故障等异常情况,即会影响后续环节中半导体加工设备的运行效率,进而导致该半导体生产线出现运行效率较低的情况;
具体的,确定标记为高负荷的半导体加工设备,还包括:
获取第一目标半导体生产线中每个半导体加工设备的运行效率系数;
计算每个半导体加工设备的运行效率系数与平均效率系数的差值,将每个半导体加工设备的运行效率系数与平均效率系数的差值标记为第一效率系数差;
若第一效率系数差大于等于预设第一效率系数差阈值,则将对应半导体加工设备标记为高负荷的半导体加工设备;
具体的,筛选出与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,包括:
判断非目标半导体生产线中是否存在高负荷的半导体加工设备,若存在,则将对应非目标半导体生产线作为第一目标半导体生产线,若不存在,则将对应非目标半导体生产线作为第二目标半导体生产线;
需要说明的是:参照上文,若某一生产环节的半导体加工设备出现任务积压或设备故障等异常情况,即会影响后续环节中半导体加工设备的运行效率,进而导致该半导体生产线出现运行效率较低的情况,因此,该类半导体生产线仍属于第一目标半导体生产线;相反,若非目标半导体生产线中不存在高负荷的半导体加工设备,则将其作为第二目标半导体生产线,通过上述设置,能够区分中有无高负荷的半导体加工设备的半导体生产线,从而有利于为后续确定低负荷的最优选半导体加工设备确立基础,同时有利于促使实现后续半导体生产线之间的联动;
获取第二目标半导体生产线中每个半导体加工设备的运行效率系数;
计算每个半导体加工设备的运行效率系数与平均效率系数的差值,将每个半导体加工设备的运行效率系数与平均效率系数的差值标记为第二效率系数差;
若第二效率系数差小于等于预设第二效率系数差阈值,则将对应半导体加工设备标记为低负荷的半导体加工设备,得到Q个低负荷的半导体加工设备,Q为大于零的正整数集;
按照数值从小到大,对小于等于预设第二效率系数差阈值的第二效率系数差进行排序;
应当理解的是:按照数值从小到大进行排序,即说明第二效率系数差越小,则对应的低负荷的半导体加工设备的运转次数越少,进一步说明就是,第二效率系数差越小,即表明了对应的低负荷的半导体加工设备处于低负荷状态,或可能无限接近或等于无负荷状态;还应当理解的是:若半导体加工设备的运行效率系数大于预设第二效率系数差阈值,且小于预设第一效率系数差阈值,则说明对应的半导体加工设备处于正常负荷状态;
将位于第一排序的第二效率系数差对应的低负荷的半导体加工设备作为低负荷的最优选半导体加工设备;
S120:基于低负荷的最优选半导体加工设备和高负荷的半导体加工设备确定最佳转运轨道路线;
具体的,确定最佳转运轨道路线,包括:
获取天车轨道的布局图,基于天车轨道的布局图将高负荷的半导体加工设备作为搬运点,以及将低负荷的半导体加工设备作为目的地点;
基于天车轨道的布局图,对搬运点到目的地点进行线路连接,得到L条轨道路线,L为大于零的正整数集;
需要说明的是:所述天车轨道的布局图预存于云服务器中,在天车轨道的布局图中至少包括每段轨道的长度数据、搬运天车的数量数据以及半导体加工设备的区位;
举例说明就是:如图3天车轨道的局部布局图所示,假设A为第一目标半导体生产线中高负荷的半导体加工设备的所在区位,即A为第一目标半导体生产线中的搬运点;B为第二目标半导体生产线中低负荷的最优选半导体加工设备的所在区位,即B为第二目标半导体生产线中的目的地点;假设对搬运点到目的地点进行线路连接,得到L1、L2和L3三条轨道路线,因此,此时L=3,其中:L1包括x1和x2;
利用预构建数字孪生模型对每条轨道路线进行模拟,获取每条轨道路线的线路模拟数据,基于所述线路模拟数据计算每条轨道路线的线路评价系数;所述线路模拟数据包括每条轨道路线的长度、每条轨道路线的搬运天车的物料抓取时间、每条轨道路线的搬运天车的移动时间、每条轨道路线的搬运天车的静止时间、每条轨道路线内搬运天车的经过次数;其计算公式为:;式中:/>为线路评价系数,/>为轨道路线的长度,/>为搬运天车的物料抓取时间(即搬运天车将高负荷的半导体加工设备进行抓取的时间),/>为搬运天车的移动时间,/>为搬运天车的静止时间(所述搬运天车的静止时间是指为避让其他搬运天车而产生的停留时间),/>为搬运天车的经过次数,/>和/>为修正因子,/>;
应当了解的是:线路评价系数越大,说明搬运天车的物料抓取时间越短,搬运天车的移动时间越少,搬运天车的静止时间越短,搬运天车经过轨道路线的次数越少;
按数值从大到小,对每条轨道路线的线路评价系数进行排序;
将最大线路评价系数对应的轨道路线作为最佳转运轨道路线;
S130:获取T+n时段内天车轨道中每个搬运天车的运行状态,筛选出W个空闲状态的搬运天车,对每个空闲状态的搬运天车进行分析,以确定转运天车,W、n为大于零的正整数集;
需要说明的是:天车轨道中每个搬运天车的运行状态可通过内置于搬运天车的感应传感器感应获知,或通过监控设备拍摄识别获悉,本发明对此不做具体限定,任何可获取搬运天车的运行状态的方式都可作为本发明的应用对象;通过获知每个搬运天车的运行状态,即可确定出W个空闲状态的搬运天车;
具体的,对每个空闲状态的搬运天车进行分析,包括:
获取W个空闲状态的搬运天车的天车基础数据;所述天车基础数据包括搬运天车到搬运点的距离和搬运天车活动范围边界离目的地点的距离;
基于天车基础数据计算天车选择系数,其计算公式为:;式中:Cro为天车选择系数,/>为搬运天车到搬运点的距离,/>为搬运天车活动范围边界离目的地点的距离;
应当了解的是:每个搬运天车都有属于它的活动范围,因此,搬运天车活动范围边界离目的地点的距离是指天车活动范围边界离目的地点的最近距离,即天车活动范围边界离目的地点的最小距离;
将最小天车选择系数对应的空闲状态的搬运天车作为转运天车;
S140:基于最佳转运轨道路线控制转运天车,将高负荷的半导体加工设备的半导体加工任务传送至低负荷的最优选半导体加工设备;
具体的,基于最佳转运轨道路线控制转运天车,包括:
a.当基于最佳转运轨道路线控制转运天车时,获取转运天车的相对移动方向,以及获取天车轨道的交叉点;
需要说明的是:所述转运天车的相对移动方向根据目的地点确定,进一步解释就是:如图3,若L1为最佳转运轨道路线,A为搬运点,B为目的地点,且L1包含x1(图中指示的虚线部分)和x2(图中指示的实线部分)两个部分,当转运天车在x1部分进行移动时,相对B(即目的地点)而言,则为横向移动,因此,则将转运天车在x1部分进行移动时标记为横向,同理,当转运天车在x2部分进行移动时则标记为纵向;
应当了解的是:天车轨道的交叉点,即轨道汇聚点,如图3所示,其中P1、P2和P3,则是在最佳转运轨道路线L1上的三个交叉点;还应当了解的是交叉点的轨道外延设置有反射板,所述反射板用于反射搬运天车发射的激光信号,以实现交叉点测距;
b.当转运天车的相对移动方向为横向时,判断转运天车正前方是否存在搬运天车,若存在,则将对应搬运天车作为障碍天车A,若不存在,则控制转运天车正常移动;
需要说明的是:判断转运天车正前方是否存在搬运天车以及后文判断转运天车左前方或右前方是否存在搬运天车,可通过转运天车搭载激光测距仪实现,也可通过转运天车搭载摄像头,或根据半导体车间内设置的若干监控设备进行拍摄辨别实现;
c.提取预存于数据库中搬运天车的速度,获取障碍天车A到交叉点的距离,以及获取转运天车到交叉点的距离;
应当了解的是:所有搬运天车的速度为固定值,所述搬运天车的速度预存于云服务器中;所述障碍天车A到交叉点的距离可通过激光测距仪实现,也可通过转运天车搭载摄像头和车间监控设备进行拍摄分析实现,该测距部分非本发明重点,任何可实现上述测距目的现有技术都可作为本发明的应用对象;
d.基于搬运天车的速度、障碍天车A到交叉点的距离和转运天车到交叉点的距离进行计算,分别获取障碍天车A到交叉点的时间T1和转运天车正前方到交叉点的时间T2,基于T1和T2判断是否发生碰撞,若会发生碰撞,则控制转运天车在T2-V时停止,在T2+V时移动;若不会发生碰撞,则按照T2控制转运天车移动,并返回至步骤a;V为大于零的正整数集;
应当了解的是:当知道距离和速度,根据距离公式:时间=距离/速度,即可分别获知时间T1和T2;
具体的,基于T1和T2判断是否发生碰撞,包括:计算T1和T2的差值,若T1和T2的差值为零,则判断会发生碰撞;若T1和T2的差值不为零,则判断不会发生碰撞;
针对上述内容进行示例性说明就是:如图3,若基于T1和T2进行判断会发生碰撞时,则控制转运天车在T2-V时停止,此时转运天车将在S1处静止停留,待搬运天车先穿过交叉点P1时,再控制转运天车在T2+V时移动;
应当注意的是:根据***设置以及上述对最佳转运轨道路线选择,不会使搬运天车与转运天车出现相互阻挡的情况;
e.当转运天车的相对移动方向为纵向时,判断转运天车左前方或右前方是否存在搬运天车,若存在,则将对应搬运天车作为障碍天车B,若不存在,则控制转运天车正常移动;
f.获取障碍天车B到交叉点的距离,以及获取转运天车到交叉点的距离;
应当了解的是:障碍天车B到交叉点的距离和转运天车到交叉点的距离的获取,同上述关于障碍天车A的描述,详情参照上文,对此不再过多赘述;
g.基于搬运天车的速度、障碍天车B到交叉点的距离和转运天车到交叉点的距离进行计算,分别获取障碍天车B到交叉点的时间T3和转运天车正前方到交叉点的时间T4,基于T3和T4判断是否发生碰撞,若会发生碰撞,则控制转运天车在T4-J时停止,在T4+J时移动;若不会发生碰撞,则按照T4控制转运天车移动,并返回至步骤a;J为大于零的正整数集;
应当了解的是:T3和T4的获取,同上述关于T1和T2的描述,基于T3和T4判断是否发生碰撞的内容,同上述基于T1和T2的判断,详情参照上文,对此不再过多赘述;进一步地,基于T3和T4判断是否发生碰撞,包括:计算T3和T4的差值,若T3和T4的差值为零,则判断会发生碰撞;若T3和T4的差值不为零,则判断不会发生碰撞;
针对上述内容进行示例性说明就是:如图3,若基于T3和T4进行判断会发生碰撞时,则控制转运天车在T4-J时停止,此时转运天车将在S2处静止停留,待搬运天车先穿过交叉点P2时,再控制转运天车在T4+J时移动;
H.重复上述步骤a~步骤g,直至转运天车抵达至低负荷的最优选半导体加工设备。
实施例3
请参阅图4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一种晶圆传送控制方法。
由于本实施例所介绍的电子设备为实施本申请实施例中一种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一种晶圆传送控制方法,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一种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,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各方法所提供的任一项所述一种晶圆传送控制方法。
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***、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***、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***,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 (12)
1.一种晶圆传送控制方法,其特征在于,所述方法应用于存在M条半导体生产线的车间,M条所述半导体生产线的上方设置有天车轨道,所述天车轨道中存在N个搬运天车,M、N为大于零的正整数集,所述方法包括:
确定T时段内标记为高负荷的半导体加工设备,以及筛选出T时段内与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,T为大于零的正整数集;
基于低负荷的最优选半导体加工设备和高负荷的半导体加工设备确定最佳转运轨道路线;
获取T+n时段内天车轨道中每个搬运天车的运行状态,筛选出W个空闲状态的搬运天车,对每个空闲状态的搬运天车进行分析,以确定转运天车,W、n为大于零的正整数集;
基于最佳转运轨道路线控制转运天车,将高负荷的半导体加工设备的半导体加工任务传送至低负荷的最优选半导体加工设备。
2.根据权利要求1所述的一种晶圆传送控制方法,其特征在于,确定标记为高负荷的半导体加工设备,包括:
获取每条半导体生产线各个加工环节中半导体加工设备在各个时段内的运行加工数据,将运行加工数据输入预构建数字孪生模型中进行仿真模拟,以获取仿真模拟数据;
基于运行加工数据和仿真模拟数据进行公式化计算,以获取每条半导体生产线的平均效率系数;其计算公式为:;式中:/>为平均效率系数,/>为第j个环节中第i个半导体加工设备的实际处理量,/>第j个环节中第i个半导体加工设备的任务剩余量,/>为第j个环节中第i个半导体加工设备进行任务处理所需的总时长;/>为任务总量,/>为仿真模拟的任务处理时长,/>为半导体加工设备总数,/>为生产环节总数;
设置平均效率系数阈值Vt1和Vt2,Vt1>Vt2,将平均效率系数与平均效率系数阈值进行比较,若平均效率系数大于等于平均效率系数阈值Vt1,则判定对应半导体生产线存在运行异常,并将对应半导体生产线作为第一目标半导体生产线;若平均效率系数小于平均效率系数阈值Vt1,且大于平均效率系数阈值Vt2,则判定对应半导体生产线运行正常;若平均效率系数小于等于平均效率系数阈值Vt2,则判定对应半导体生产线运行效率较低,并将对应半导体生产线作为非目标半导体生产线。
3.根据权利要求2所述的一种晶圆传送控制方法,其特征在于,确定标记为高负荷的半导体加工设备,还包括:
获取第一目标半导体生产线中每个半导体加工设备的运行效率系数;
计算每个半导体加工设备的运行效率系数与平均效率系数的差值,将每个半导体加工设备的运行效率系数与平均效率系数的差值标记为第一效率系数差;
若第一效率系数差大于等于预设第一效率系数差阈值,则将对应半导体加工设备标记为高负荷的半导体加工设备。
4.根据权利要求3所述的一种晶圆传送控制方法,其特征在于,筛选出与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,包括:
判断非目标半导体生产线中是否存在高负荷的半导体加工设备,若存在,则将对应非目标半导体生产线作为第一目标半导体生产线,若不存在,则将对应非目标半导体生产线作为第二目标半导体生产线;
获取第二目标半导体生产线中每个半导体加工设备的运行效率系数;
计算每个半导体加工设备的运行效率系数与平均效率系数的差值,将每个半导体加工设备的运行效率系数与平均效率系数的差值标记为第二效率系数差;
若第二效率系数差小于等于预设第二效率系数差阈值,则将对应半导体加工设备标记为低负荷的半导体加工设备,得到Q个低负荷的半导体加工设备,Q为大于零的正整数集;
按照数值从小到大,对小于等于预设第二效率系数差阈值的第二效率系数差进行排序;
将位于第一排序的第二效率系数差对应的低负荷的半导体加工设备作为低负荷的最优选半导体加工设备。
5.根据权利要求4所述的一种晶圆传送控制方法,其特征在于,确定最佳转运轨道路线,包括:
获取天车轨道的布局图,基于天车轨道的布局图将高负荷的半导体加工设备作为搬运点,以及将低负荷的半导体加工设备作为目的地点;
基于天车轨道的布局图,对搬运点到目的地点进行线路连接,得到L条轨道路线,L为大于零的正整数集;
利用预构建数字孪生模型对每条轨道路线进行模拟,获取每条轨道路线的线路模拟数据,基于所述线路模拟数据计算每条轨道路线的线路评价系数;所述线路模拟数据包括每条轨道路线的长度、每条轨道路线的搬运天车的物料抓取时间、每条轨道路线的搬运天车的移动时间、每条轨道路线的搬运天车的静止时间、每条轨道路线内搬运天车的经过次数;其计算公式为:;式中:/>为线路评价系数,/>为轨道路线的长度,/>为搬运天车的物料抓取时间,/>为搬运天车的移动时间,/>为搬运天车的静止时间,/>为搬运天车的经过次数,/>和/>为修正因子,/>;
按数值从大到小,对每条轨道路线的线路评价系数进行排序;
将最大线路评价系数对应的轨道路线作为最佳转运轨道路线。
6.根据权利要求5所述的一种晶圆传送控制方法,其特征在于,对每个空闲状态的搬运天车进行分析,包括:
获取W个空闲状态的搬运天车的天车基础数据;所述天车基础数据包括搬运天车到搬运点的距离和搬运天车活动范围边界离目的地点的距离;
基于天车基础数据计算天车选择系数,其计算公式为:;式中:Cro为天车选择系数,/>为搬运天车到搬运点的距离,/>为搬运天车活动范围边界离目的地点的距离;
将最小天车选择系数对应的空闲状态的搬运天车作为转运天车。
7.根据权利要求6所述的一种晶圆传送控制方法,其特征在于,基于最佳转运轨道路线控制转运天车,包括:
a.当基于最佳转运轨道路线控制转运天车时,获取转运天车的相对移动方向,以及获取天车轨道的交叉点;
b.当转运天车的相对移动方向为横向时,判断转运天车正前方是否存在搬运天车,若存在,则将对应搬运天车作为障碍天车A,若不存在,则控制转运天车正常移动;
c.提取预存于数据库中搬运天车的速度,获取障碍天车A到交叉点的距离,以及获取转运天车到交叉点的距离;
d.基于搬运天车的速度、障碍天车A到交叉点的距离和转运天车到交叉点的距离进行计算,分别获取障碍天车A到交叉点的时间T1和转运天车正前方到交叉点的时间T2,基于T1和T2判断是否发生碰撞,若会发生碰撞,则控制转运天车在T2-V时停止,在T2+V时移动;若不会发生碰撞,则按照T2控制转运天车移动,并返回至步骤a;V为大于零的正整数集;
e.当转运天车的相对移动方向为纵向时,判断转运天车左前方或右前方是否存在搬运天车,若存在,则将对应搬运天车作为障碍天车B,若不存在,则控制转运天车正常移动;
f.获取障碍天车B到交叉点的距离,以及获取转运天车到交叉点的距离;
g.基于搬运天车的速度、障碍天车B到交叉点的距离和转运天车到交叉点的距离进行计算,分别获取障碍天车B到交叉点的时间T3和转运天车正前方到交叉点的时间T4,基于T3和T4判断是否发生碰撞,若会发生碰撞,则控制转运天车在T4-J时停止,在T4+J时移动;若不会发生碰撞,则按照T4控制转运天车移动,并返回至步骤a;J为大于零的正整数集;
H.重复上述步骤a~步骤g,直至转运天车抵达至低负荷的最优选半导体加工设备。
8.根据权利要求7所述的一种晶圆传送控制方法,其特征在于,所述转运天车的相对移动方向根据目的地点确定。
9.根据权利要求8所述的一种晶圆传送控制方法,其特征在于,基于T1和T2判断是否发生碰撞,包括:计算T1和T2的差值,若T1和T2的差值为零,则判断会发生碰撞;若T1和T2的差值不为零,则判断不会发生碰撞。
10.一种晶圆传送控制***,其特征在于,包括:
第一确定模块,用于确定T时段内标记为高负荷的半导体加工设备,以及筛选出T时段内与所述高负荷的半导体加工设备具备相同职能且标记为低负荷的最优选半导体加工设备,T为大于零的正整数集;
第二确定模块,用于基于低负荷的最优选半导体加工设备和高负荷的半导体加工设备确定最佳转运轨道路线;
第三确定模块,用于获取T+n时段内天车轨道中每个搬运天车的运行状态,筛选出W个空闲状态的搬运天车,对每个空闲状态的搬运天车进行分析,以确定转运天车,W、n为大于零的正整数集;
传送及控制模块,用于基于最佳转运轨道路线控制转运天车,将高负荷的半导体加工设备的半导体加工任务传送至低负荷的最优选半导体加工设备。
11.一种电子设备,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9任一项所述一种晶圆传送控制方法。
12.一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9任一项所述一种晶圆传送控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041747.7A CN116759355B (zh) | 2023-08-18 | 2023-08-18 | 一种晶圆传送控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041747.7A CN116759355B (zh) | 2023-08-18 | 2023-08-18 | 一种晶圆传送控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116759355A true CN116759355A (zh) | 2023-09-15 |
CN116759355B CN116759355B (zh) | 2023-10-24 |
Family
ID=87961309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311041747.7A Active CN116759355B (zh) | 2023-08-18 | 2023-08-18 | 一种晶圆传送控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116759355B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117744909A (zh) * | 2024-02-19 | 2024-03-22 | 华芯(嘉兴)智能装备有限公司 | 天车的漫游控制方法及装置 |
CN118195558A (zh) * | 2024-05-20 | 2024-06-14 | 济宁海富光学科技有限公司 | 一种加工中心设备关联控制*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103848343A (zh) * | 2012-11-29 | 2014-06-11 | 中国科学院沈阳自动化研究所 | 一种面向有道岔变换的搬运***天车运动控制方法 |
WO2019154445A2 (zh) * | 2019-04-11 | 2019-08-15 | 上海快仓智能科技有限公司 | 用于货架阵列的出入库控制方法和搬运*** |
CN116360375A (zh) * | 2023-05-26 | 2023-06-30 | 江苏中超新能源科技有限公司 | 太阳能光伏组件的可重复性制造控制方法及其*** |
-
2023
- 2023-08-18 CN CN202311041747.7A patent/CN116759355B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103848343A (zh) * | 2012-11-29 | 2014-06-11 | 中国科学院沈阳自动化研究所 | 一种面向有道岔变换的搬运***天车运动控制方法 |
WO2019154445A2 (zh) * | 2019-04-11 | 2019-08-15 | 上海快仓智能科技有限公司 | 用于货架阵列的出入库控制方法和搬运*** |
CN116360375A (zh) * | 2023-05-26 | 2023-06-30 | 江苏中超新能源科技有限公司 | 太阳能光伏组件的可重复性制造控制方法及其*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117744909A (zh) * | 2024-02-19 | 2024-03-22 | 华芯(嘉兴)智能装备有限公司 | 天车的漫游控制方法及装置 |
CN117744909B (zh) * | 2024-02-19 | 2024-05-14 | 华芯(嘉兴)智能装备有限公司 | 天车的漫游控制方法及装置 |
CN118195558A (zh) * | 2024-05-20 | 2024-06-14 | 济宁海富光学科技有限公司 | 一种加工中心设备关联控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN116759355B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116759355B (zh) | 一种晶圆传送控制方法及*** | |
CN107742168B (zh) | 一种基于物联技术的生产车间动态瓶颈预测方法 | |
US10068394B2 (en) | Dynamic industrial vehicle measure | |
Wang et al. | Bottlenecks in production networks: An overview | |
CN108550047A (zh) | 交易量的预测方法及装置 | |
WO2020252666A1 (zh) | 工业物联网的边缘计算设备、方法和计算机可读存储介质 | |
Novaes et al. | Dynamic milk-run OEM operations in over-congested traffic conditions | |
CN114666224A (zh) | 业务资源容量动态分配方法、装置、设备及存储介质 | |
JP6601577B2 (ja) | 制御目的関数統合システム、制御目的関数統合方法、および、制御目的関数統合プログラム | |
Ak et al. | Data analytics and uncertainty quantification for energy prediction in manufacturing | |
CN109631905B (zh) | 一种基于动态参考点的nsgaⅲ的路径规划方法 | |
CN114331114A (zh) | 一种管道安全风险智能化监管方法及*** | |
CN111738878B (zh) | 一种桥梁应力检测*** | |
CN109087280A (zh) | 连铸坯质量检测方法、装置、控制设备、服务器及介质 | |
RU2571598C1 (ru) | Виртуальная система управления процессом выпуска однородной продукции предприятия | |
CN114048546A (zh) | 一种基于图卷积网络和无监督域自适应的航空发动机剩余使用寿命预测方法 | |
CN117763555A (zh) | 一种基于区块链的配电网数据安全防护和评估方法 | |
CN117094460A (zh) | 一种基于od数据的多目标旅行商控制方法、***及介质 | |
CN111108738B (zh) | 数据处理设备、数据分析设备、数据处理***和用于处理数据的方法 | |
US12019455B2 (en) | Transport operation control device, transport system, transport operation control method, and recording medium | |
CN105512801A (zh) | 一种输电设备状态评估方法 | |
CN112036599B (zh) | 一种利用模糊神经网络预测轨道质量的方法 | |
Chen | Combining statistical analysis and artificial neural network for classifying jobs and estimating the cycle times in wafer fabrication | |
TW202318283A (zh) | 虛擬領班之派工規劃系統 | |
JP2018147103A (ja) | モデル学習装置、制御量算出装置、及びプログラム |
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 |