一种半导体洁净室污染物智能监测与闭环控制系统及方法与流程
本发明涉及半导体制造与环境监测,尤其涉及一种用于半导体洁净室内挥发性有机物(vocs)及空气分子污染物(amc)的实时监测,具体为一种半导体洁净室污染物智能监测与闭环控制系统及方法。
背景技术:
1、当前半导体洁净室的环境监测体系主要采用两种传统技术:一是部署于关键区域的固定点位传感器,二是人工采集样本后送至实验室的离线分析,其中,固定点位传感器虽能提供连续数据,但其覆盖范围有限,存在大量监测盲区,无法捕捉洁净室全域、尤其是生产设备内部及气流死角的动态污染事件;而离线采样分析流程繁琐,从采样、送检到出具报告往往耗时数小时甚至数天,响应极其滞后,无法为生产过程中的突发污染提供即时预警。
2、现有采用有相应监测技术来解决上述问题,但由于技术局限性导致了一系列严峻问题:首先,传统的监测技术无法对污染事件进行精准溯源,当传感器报警时,工程师只能凭借经验在偌大的厂房内进行地毯式排查,效率低下且准确性差,大量生产机器被迫停机等待,造成巨大产能损失;更为关键的是,随着半导体工艺迈进3nm及以下更先进节点,其对环境中的挥发性有机物(vocs)和金属污染物浓度的要求已攀升至ppb(十亿分之一)甚至ppt(万亿分之一)的极致水平,现有技术的检测精度、响应速度和溯源能力已无法满足这一苛刻需求,致使一些微小且瞬时的污染无法被及时发现和遏制,成为影响产品良率的关键因素。
技术实现思路
1、针对上述问题,本发明提供了一种半导体洁净室污染物智能监测与闭环控制系统及方法,其能够实现全域、实时、精准溯源并能自动控制的智能化监测。
2、本发明采用如下技术方案,一种半导体洁净室污染物智能监测与闭环控制系统,包括:移动监测单元,用于在半导体洁净室内按照预设巡检路径或调度指令进行移动巡检,并实时采集半导体洁净室内挥发性有机物及空气分子污染物的质谱监测数据;
3、数据感知与传输单元,与所述移动监测单元连接,用于接收所述移动监测单元采集的所述监测数据,并将所述监测数据实时传输至智能分析单元;
4、智能分析单元,与所述数据感知与传输单元连接,用于对接收的所述监测数据进行融合分析、污染诊断、污染溯源及污染预测分析,生成污染事件对应的控制决策;
5、主动控制单元,分别与所述移动监测单元及所述智能分析单元连接,用于根据所述智能分析单元生成的所述控制决策控制所述移动监测单元及洁净室环境控制设备执行相应控制操作,并完成污染事件闭环管理。
6、进一步地,所述移动监测单元包括智能小车及安装于所述智能小车上的质谱仪监测系统;所述智能小车采用的洁净型agv平台;
7、所述质谱仪监测系统,通过减震平台安装于所述智能小车上,用于对挥发性有机物及空气分子污染物进行实时质谱数据采集;
8、进一步地,所述智能分析单元包括数据融合模块、污染诊断模块、污染溯源模块、预测分析模块;
9、所述数据融合模块,用于将所述移动监测单元采集的监测数据进行融合处理;
10、所述污染诊断模块,用于根据融合数据,获得污染的类型和污染程度;
11、所述污染溯源模块,采用gnn图神经网络进行污染溯源,定位污染位置;
12、所述预测分析模块,采用lstm神经网络预测污染物浓度变化趋势;
13、一种半导体洁净室污染物智能监测与闭环控制方法,包括以下步骤:
14、s1、通过智能小车搭载的质谱仪监测系统,实时采集洁净室内的污染物数据;
15、s2、判断污染物浓度是否异常,若异常,则返回步骤s1,若正常,则通过数据感知与传输单元,将采集到的数据传输至智能分析单元;
16、s3、智能分析单元接收并融合污染物数据,对污染事件进行实时诊断与溯源分析,输出污染源的位置坐标和成分信息,并根据预测的污染物扩散趋势获得决策指令;
17、s4、主动控制单元接收智能分析单元输出的决策指令,并执行相应的控制操作,包括控制智能小车移动确认、对洁净室进行控制调节或上报维修信息;随后返回步骤s1,形成完整的闭环控制。
18、进一步地,在所述步骤s3中,智能分析单元采用gnn图神经网络进行污染溯源,定位污染位置,包括以下步骤:
19、s3.1、构建洁净室的图结构:g = (v,e);
20、其中,v为生产设备节点;
21、e为边;且任意两个节点之间的空间欧氏距离小于r,则建立一条边;
22、r为预设影响半径;
23、s3.2、将质谱仪浓度数据进行特征融合更新:hv(l+1)= σ( σu∈n(v)αvu(l)w(l)hu(l));
24、其中,n(v)是节点v的邻居节点;
25、w(l) 是在第l图层可训练的权重矩阵;
26、σ 是激活函数;
27、αvu(l)是注意力系数,表示在第l图层消息传递中,节点u 对节点v 的重要性;
28、是节点u在第l图层的特征向量;
29、hv(l+1)是节点v在第l+1图层的特征向量;
30、s3.3、根据公式获得每个设备节点的污染源概率得分:
31、pd=softmax (mlp (hv(final)));
32、其中,hv(final)是节点v的最终嵌入向量;
33、mlp是一个多层感知机,输出是一个标量,表示该节点为污染源的概率;
34、s3.4、取污染源概率得分pd最大的节点,随后查询该节点在构建图时预存的物理坐标,即为污染源位置;
35、进一步地,获得注意力系数αvu,包括以下计算步骤:
36、首先,获得未归一化的注意力分数 evu:
37、evu= leakyrelu (at[whv||whu]);
38、其中,at是可训练的注意力权重转置向量;
39、whv是节点v的线性变换结果;
40、whu是节点u的线性变换结果;
41、leakyrelu是激活函数;
42、||表示向量拼接;
43、然后,在节点v的所有邻居节点u上进行softmax归一化:
44、αvu=exp(evu)/ σu∈n(v)exp(evu);
45、进一步地,预测污染物浓度扩散趋势,包括以下实现步骤:
46、步骤一、获取当前时刻前t个时间步内,每个节点v的浓度序列ct;
47、步骤二、采用双层堆叠lstm网络,获取128维隐藏层状态:
48、ht=lstm(xt,ht-1,ct-1);
49、其中, xt为采样时刻t的输入特征向量;
50、步骤三、获取未来设定时间段内各节点v的预测浓度序列:
51、;
52、其中,是lstm网络输出的未来第δ秒的voc浓度值;
53、wout是可训练参数,用于将128维隐藏状态ht映射为单个数;
54、ht是t个时间步结束后lstm网络输出的最终128 维隐藏状态;
55、b是可训练标量参数,用于调整预测浓度的基准值;
56、步骤四、根据预测浓度序列,获得每个时刻预测浓度峰值所在位置,连接成轨迹即为预测的扩散路径,各节点浓度随时间变化即为浓度变化趋势;
57、进一步地,获得浓度变化趋势,具体为:
58、根据公式获得斜率:k =;
59、δ:取值1~30;
60、:所有30个δ的平均值;
61、:lstm网络输出的未来第δ秒的voc浓度值;
62、:30个预测浓度的算术平均值;
63、若斜率大于0,则表示浓度呈上升趋势,若斜率小于0,则表示浓度呈下降趋势;
64、进一步地,根据浓度变化趋势生成决策指令,包括:
65、若污染源位于敏感设备相邻位置处,且voc浓度值,则符合ⅰ级紧急,对洁净室建立正压气幕隔离;
66、若污染源位置已定位,则符合ⅱ级预警,对洁净室提升污染区风机过滤风速;
67、若voc浓度值,但污染源位置无法定位,则符合ⅲ级监控,对洁净室不作调整,继续溯源。
68、本发明还提供一种电子设备,包括处理器、存储器及存储于所述存储器中的计算机程序,所述处理器执行所述计算机程序时,实现上述半导体洁净室污染物智能监测与闭环控制方法。
69、本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述半导体洁净室污染物智能监测与闭环控制方法。
70、与现有技术相比,本发明至少具有如下有益效果:
71、(1)本发明采用智能小车搭载质谱仪监测系统进行移动巡检,实现洁净室污染物动态监测,相较于固定监测方式,能够扩大监测覆盖范围,减少监测盲区,提高污染物空间监测能力;
72、(2)本发明采用gnn图神经网络建立洁净室设备空间拓扑关系,并结合实时监测数据进行污染溯源,可实现污染源定位,提高污染事件排查效率,为设备维护提供依据;
73、(3)本发明采用lstm长短期记忆网络对污染物浓度时序数据进行预测,可提前获得污染物浓度变化趋势,为洁净室污染控制提供预测信息,提高污染事件响应的主动性;
74、(4)本发明通过智能分析单元与主动控制单元协同工作,实现污染监测、污染分析、污染决策及污染控制的闭环管理,提高洁净室污染事件处理效率及自动化管理水平;
75、(5)本发明采用安装于智能小车上的质谱仪监测系统,并结合减震平台,可降低移动振动及采样吸附对检测结果的影响,提高移动监测过程中监测数据的稳定性及实时性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com