本发明涉及半导体器件清洗,尤其是涉及一种半导体器件全自动超声波清洗方法及系统。
背景技术:
1、半导体行业是高科技制造领域,涉及到半导体器件的设计、制造和应用。半导体器件是电子设备中至关重要的组成部分,包括集成电路芯片、晶体管、二极管、光电半导体器件等。半导体行业的发展对于现代科技和信息技术的进步至关重要。而在半导体器件的制造过程中,清洗是一个关键的环节。半导体器件在制造过程中会接触到各种污染物,如灰尘、油脂、化学残留物等,这些污染物可能会对半导体器件的性能和可靠性产生负面影响。因此,清洗工艺被广泛应用于半导体器件的生产过程中。
2、半导体清洗通常使用特定的清洗方法和设备,以满足半导体工业的高要求。包括一些常见的半导体清洗方法:1、化学清洗,是最常见的半导体清洗方法之一,使用化学溶液或溶剂来去除表面的有机和无机污染物。2、气体清洗,常用于去除表面的有机污染物,其中一种常见的气体清洗方法是等离子体清洗,利用等离子体的化学反应和物理作用去除表面有机物。3、超声波清洗,在半导体行业也被广泛使用。它利用超声波的高频振动产生的微小气泡和液流动力,去除表面的污染物和微小颗粒。超声波清洗可以有效地清洗半导体器件的细微结构和微小孔隙。
3、其中,超声波清洗能够在半导体微小的间隙和表面细纹中产生液流动力,有效清除半导体器件表面的污垢和微小颗粒,因此能够彻底去除难以到达的区域的污染物,提高清洗效果,且对半导体器件敏感性较高的材料和微细结构尤为重要,因此超声波清洗可适用于半导体器件的清洗。
4、超声波清洗是一种利用超声波振动产生的微小气泡在液体中形成、扩大和破裂的作用原理,对物体表面进行清洗的技术。
5、超声波清洗的工作原理是通过超声波发生器产生高频声波,将能量转化为超声波振动,然后通过传导介质(一般是水或清洗溶液)将超声波传递到待清洗的物体表面。当超声波波传递到物体表面时,会在液体中形成微小气泡,这些气泡会不断扩大和破裂,产生剧烈的冲击波和涡流,从而将附着在物体表面的污垢、油脂、灰尘等物质击落和分散。
6、然而,超声波清洗技术在半导体行业的应用中仍存在一些不足之处,需要进一步改进优化。首先,清洗效果可能受到半导体器件形状和材料的限制。复杂形状的半导体器件或具有多个孔隙的半导体器件可能难以完全清洗。其次,清洗液的选择和使用也是一个关键因素。不同材料和污染物需要使用不同的清洗液,因此需要进行适当的清洗液选择和优化。此外,超声波清洗设备的设计和操作参数的调整也需要进一步改进,以提高清洗效率和一致性。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种半导体器件全自动超声波清洗方法及系统。
2、第一方面,本发明提供了一种半导体器件全自动超声波清洗方法,其特征在于,该方法包括以下步骤:
3、s1、获取待清洗半导体器件的属性信息,并存入属性与清洗规则的关联数据库;
4、s2、利用规则推理算法构建清洗规则匹配模型,输入属性信息,匹配并输出清洗规则,包括超声波清洗设备的清洗参数与清洗液的配置参数;
5、s3、按照清洗参数与配置参数驱动超声波清洗设备对待清洗半导体器件进行常规清洗,并利用物联网监测设备实时获取清洗进程数据;
6、s4、设定清洗监测周期,依据清洗进程数据跟随监测周期的变化对常规清洗效果进行评估,并动态调整超声波清洗设备的参数;
7、s5、按照周期性动态调整后参数驱动超声波清洗设备进行深度清洗,直至待清洗半导体器件的清洗效果满足清洗要求,停止清洗;
8、s6、收集与记录超声波清洗设备、待清洗半导体器件在清洗过程中的清洗参数,并按照属性信息存入关联数据库中的对应存储位置。
9、在其中一个实施例中,利用规则推理算法构建清洗规则匹配模型,输入属性信息,匹配并输出清洗规则包括以下步骤:
10、s21、采集超声波清洗设备清洗不同属性信息半导体器件的历史清洗记录;
11、s22、提取历史清洗记录中的属性信息建立属性数据库,并提取对应的清洗参数与配置参数,分别建立设备匹配数据库与清洗液匹配数据库;
12、s23、输入当前待清洗半导体器件的属性信息,利用属性推理方法,通过加权临近算法与相似度检测算法搜索与该属性信息相匹配的清洗规则;
13、s24、利用基于规则推理算法对清洗规则进行修正,输出满足当前待清洗半导体器件进行超声波清洗的清洗参数与配置参数。
14、在其中一个实施例中,输入当前待清洗半导体器件的属性信息,利用属性推理方法,通过加权临近算法与相似度检测算法搜索与该属性信息相匹配的清洗规则包括以下步骤:
15、s231、将当前待清洗半导体器件的属性信息进行预处理,提取与划分该属性信息中不同类型的半导体器件属性,并分别赋予各自对应的权重值;
16、s232、若属性信息中的半导体器件属性类型为简单枚举型,利用直接算法计算该半导体器件属性与属性数据库中对应半导体器件属性的相似度,公式为:
17、;
18、式中, x i表示属性数据库中第 i个历史清洗记录中的属性信息, j表示属性信息中的第 j个半导体器件属性, y表示输入的当前待清洗半导体器件的属性信息, x i表示当前待清洗半导体器件的属性信息中第 j个半导体器件属性的值, y ij表示第 i个历史清洗记录中的属性信息中第 j个半导体器件属性的值;
19、s233、若属性信息中的半导体器件属性类型为有序枚举型,利用差值算法计算该半导体器件属性与属性数据库中对应半导体器件属性的相似度,公式为:
20、;
21、式中, c j表示属性信息中的第 j个半导体器件属性的有序枚举参数值;
22、s234、依据属性信息中每个半导体器件属性的权重值及相似度值计算当前待清洗半导体器件与属性数据库中属性信息的相似度,公式为:
23、;
24、式中,表示属性信息中的第 j个半导体器件属性的权重值, n表示属性信息中半导体器件属性的数量;
25、s235、在属性数据库中搜索与当前待清洗半导体器件的属性信息相似度最高的历史清洗记录,并提取匹配数据库与清洗液匹配数据库中对应的清洗参数与配置参数,作为当前待清洗半导体器件的清洗规则。
26、在其中一个实施例中,将当前待清洗半导体器件的属性信息进行预处理,提取与划分该属性信息中不同类型的半导体器件属性,并分别赋予各自对应的权重值包括以下步骤:
27、s2311、将属性信息中的各个半导体器件属性进行标准化处理;
28、s2312、按照半导体器件属性表示的数值类型,将属性信息中的半导体器件属性划分为简单枚举型与有序枚举型;
29、s2313、计算各个半导体器件属性的信息熵值,若半导体器件属性的信息熵值越小,则该半导体器件属性的权重值越大,若半导体器件属性的信息熵值越大,则该半导体器件属性的权重值越小;
30、s2314、依据属性信息中每个半导体器件属性的信息熵值大小,确定每个半导体器件属性各自的权重值。
31、在其中一个实施例中,属性信息中的半导体器件属性包括半导体材质属性、易碎属性、尺寸属性、形状属性、污渍类型属性及污渍程度属性,清洗参数包括超声波频率参数、超声波功率参数、清洗时间参数及温度控制参数,配置参数包括清洗液类型参数、清洗液配方参数及清洗液循环参数。
32、在其中一个实施例中,利用基于规则推理算法对清洗规则进行修正,输出满足当前待清洗半导体器件进行超声波清洗的清洗参数与配置参数包括以下步骤:
33、s241、采集超声波清洗领域的清洗知识库构建清洗规则库;
34、s242、利用基于规则推理算法对当前待清洗半导体器件的清洗规则进行修正,依据修正结果,输出最终的超声波设备的清洗规则,作为满足当前待清洗半导体器件进行超声波清洗的清洗参数与配置参数。
35、在其中一个实施例中,按照清洗参数与配置参数驱动超声波清洗设备对待清洗半导体器件进行常规清洗,并利用物联网监测设备实时获取清洗进程数据包括以下步骤:
36、s31、按照修正后的清洗规则配置超声波清洗设备初始运行需要的清洗参数与配置参数,在驱动运行后对待清洗半导体器件进行常规清洗;
37、s32、在超声波清洗设备与清洗槽中配置基于物联网实现数据通信与数据传输的监测设备,对待清洗半导体器件的清洗过程、超声波清洗设备及清洗液的状态进行实时监测,获取清洗进程数据;
38、其中,清洗进程数据包括清洗温度、半导体器件表面洁净度、半导体器件表面光泽度、污渍清除率、清洗液状态及超声波设备状态。
39、在其中一个实施例中,设定清洗监测周期,依据清洗进程数据跟随监测周期的变化对常规清洗效果进行评估,并动态调整超声波清洗设备的参数包括以下步骤:
40、s41、依据修正后的清洗规则制定对待清洗半导体器件的清洗计划;
41、s42、将清洗计划划分为多个监测周期,并获取清洗计划在每个监测周期时超声波清洗设备与待清洗半导体器件的计划清洗进度;
42、s43、将处于同一个监测周期内的计划清洗进度与清洗进程数据进行对比,并计算当前监测周期时的清洗评分;
43、s44、根据清洗进程数据中每一项评估指标的对比数值及评分结果,判断当前对待清洗半导体器件的清洗是否符合预设标准,若评分结果不满足预设阈值,则针对不满足对比阈值的对比数值对应的评估指标进行标定,并动态调整该评估指标对应的清洗参数或配置参数,若评分结果满足预设阈值,则表明待清洗半导体器件处于合理清洗状态。
44、在其中一个实施例中,将处于同一个监测周期内的计划清洗进度与清洗进程数据进行对比,并计算当前监测周期时的清洗评分包括以下步骤:
45、s431、选取同一个监测周期时间节点时,计划清洗进度与清洗进程数据中相同的评价指标的数值,分别为计算数值与实际数值;
46、s432、向清洗进程数据中的每个评价指标赋予各自的权重值,利用综合评分数据模型计算单个监测周期内的清洗评分,公式为:
47、;
48、式中, p t表示待清洗半导体器件在第 t个监测周期时的清洗评分, m表示清洗进程数据中的评价指标的数量,表示第 a个评价指标的权重值, s表示清洗进程数据中的评价指标, q表示计划清洗进度中的评价指标。
49、第二方面,本发明还提供了一种半导体器件全自动超声波清洗系统,该系统包括:
50、清洗数据库模块,用于提供属性数据库、设备匹配数据与清洗液匹配数据库实现不同参数历史清洗记录的存储,同时提供关联数据库实现超声波清洗设备、待清洗半导体器件及清洗液实际清洗过程与调整过程参数数据;
51、清洗规则匹配模块,用于利用规则推理算法构建清洗规则匹配模型,输入属性信息,匹配并输出清洗规则,制定超声波清洗的实际运行参数;
52、物联网监测模块,用于提供超声波清洗设备清洗过程实时监测、数据同步与共享,实现超声波清洗过程动态调度与统一管理;
53、动态调整清洗模块,用于按照周期性动态调整后参数驱动超声波清洗设备进行深度清洗,直至待清洗半导体器件的清洗效果满足清洗要求;
54、超声波清洗模块,用于提供超声波清洗设备及清洗环境。
55、本发明的有益效果:
56、1、该半导体器件全自动超声波清洗方法及系统,通过基于半导体器件属性信息的实行超声波清洗规则全自动匹配与修正,减少与避免人工手动数据录入与参数选择,可以显著提高清洗效率、清洗质量和一致性,降低人为误差;利用物联网监测体系实现超声波清洗设备与清洗状态实时监测与反馈,通过数据分析和优化实现持续动态调整,进而有助于最大程度的提升清洗过程的效率和质量,满足工业场景中对高效、可靠清洗的需求;此外,在实现参数清洗优化与设备动态调整的前提下,利用超声波清洗能够有效提高半导体器件的清洗效果,达到清洗与防护的功能目的。
57、2、该半导体器件全自动超声波清洗方法及系统,通过获取待清洗半导体器件的属性信息并存入数据库,利用规则推理算法构建清洗规则匹配模型,可以根据输入的属性信息精确匹配适用的清洗规则,包括超声波清洗设备的清洗参数与清洗液的配置参数,可根据不同半导体器件的属性特征,提供个性化的清洗方案,确保清洗效果最佳,通过匹配和输出清洗规则,针对不同属性的待清洗半导体器件提供最适合的清洗参数和清洗液配置参数,从而优化清洗质量和效率。确保清洗过程更加精准和高效,提高了清洗的一致性和可靠性。
58、3、该半导体器件全自动超声波清洗方法及系统,通过设定清洗监测周期并根据清洗进程数据动态调整超声波清洗设备的参数,在常规清洗过程中实时评估清洗效果,及时发现和纠正可能存在的问题,从而提高清洗的准确性和一致性;通过周期性的动态调整参数,确保超声波清洗设备的工作状态与待清洗半导体器件的需求相匹配,最大程度地提升清洗效果;直到待清洗半导体器件的清洗效果满足要求,自动停止清洗,避免过度清洗或清洗不足,有助于优化清洗质量、提高清洗效率,并提供可靠的自动化清洗解决方案。