基于数据挖掘的单晶硅等径生长过程“掉苞”预测方法研究
发布时间：2021-01-19 12:03
直拉法单晶硅生长的工艺过程非’常复杂,在单晶炉上需要安装各种传感器对环境参数进行实时采集和监控,确保各环境参数在单晶硅生长过程中能够稳定。等径生长工艺过程是单晶硅生长过程中最重要、耗时最长的环节,对生产中的环境稳定性要求苛刻。本文针对晶盛TDR115P-ZJS型单晶炉等径生长阶段的“掉苞”现象的诊断与预测方法展开研究,达到降低生产过程能耗、原材料损耗的目的,具有理论意义与工程实际应用价值。本文在分析国内外相关文献资料的基础上完成了如下工作:基于单晶炉拉晶过程的传感器及相关过程参数,统计了“掉苞”生长记录的等径过程持续时间分布并得到规律,抽取了原始样本点的集合,并做了相应的数据预处理,用以进行等径过程“掉苞”预测模型的训练;分别针对高斯混合模型和逻辑斯蒂回归相结合的异常样本点检测模型以及随机森林的等径过程“掉苞”判别模型,进行了模型训练和参数优化,并用现场测试数据验证了模型的性能;采用优化后的数据模型通过现场数据进行在线模拟测试,对晶体生长记录进行实时预警判别,正确率达到满意的效果。本文主要内容如下:第一章介绍了直拉法单晶硅生长工艺和等径过程的“掉苞”问题,以及数据挖掘的概念和基本流程。...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：99 页
【学位级别】：硕士
【部分图文】：
图１．１直拉式单晶炉的主要结构??
图１．２直拉法（“切克劳斯基法”）的工艺流程??直拉法单晶硅的生长流程如下所示：??
?绪论??翁??图１．３?＜１００＞晶向正常的硅棒??图１．４“掉苍”的单晶桂晶体??单晶硅在生长过程中，引起单晶硅发生位错的主要原因有固液界面的形状、??熔体内过多的杂质、晶体生长的温场不稳定等诸多因素引起的。影响单晶硅固液??界面形状的主要因素有坩埚的位置、晶体的拉速、坩埚的提升速度、加热器??的功率、水流量、晶转等；而对于熔体中的杂质而言，主要由坩埚温度、坩埚转??速、氩气流量、炉内压力等因素影响；而调整晶转和埚转等参数能够改善单晶硅??生长环境的热场稳定性。??１．３数据挖掘技术??由于信息技术和信息产业的发展，社会中的各行各业已产生了大量数据，而??人们迫切地需要把积累的数据转换为有用的信息和知识。将获取到的信息和知识??应用于生产活动中的各个领域，如工程设计、生产控制、市场分析和科学探索等。??而数据挖掘技术能够帮助人们在企业的大型数据库中，能够自动地分析并挖掘其??中的有用信息，从而更好地产生数据的应用价值。??５??
【参考文献】：
期刊论文
[1]基于高斯混合部件模型的铁路扣件检测[J]. 何彪,李柏林,罗建桥,王开雄. 西南交通大学学报. 2019(03)
[2]基于高斯混合模型的滚动轴承故障诊断[J]. 张雪峰,马静,关崴,赵彦辉,李晓宇. 时代汽车. 2018(12)
[3]基于二次随机森林的不平衡数据分类算法[J]. 刘学,张素伟. 软件. 2016(07)
[4]基于小波分析和随机森林算法的变流器电路故障诊断研究[J]. 李明昆,宋丹妮. 电气技术. 2016(06)
[5]汽车发动机装配线的SPC质量控制系统设计[J]. 王桂英,韩东,庞晓飞,王振伟. 中国农机化学报. 2016(02)
[6]基于混合高斯模型的异常检测算法改进[J]. 李敏,刘轲,罗惠琼,王添杨,赵麒. 计算机应用与软件. 2014(06)
[7]直拉法硅单晶生长中断棱与掉苞问题的探讨[J]. 董建明,张波,刘进,赵科巍,罗晓斌,赵彩霞. 材料导报. 2013(S1)
[8]基于改进的K-means算法的异常检测[J]. 苏巴提,张晓. 软件导刊. 2011(11)
[9]基于改进随机森林的故障诊断方法研究[J]. 庄进发,罗键,彭彦卿,黄春庆,吴长庆. 计算机集成制造系统. 2009(04)
[10]SPC技术在航天产品质量控制上的应用[J]. 沈朝霞,刘剑,贺伟炜,彭伟捷. 制导与引信. 2006(04)
博士论文
[1]直拉式单晶硅生长炉的关键技术研究[D]. 曹建伟.浙江大学 2010
[2]直拉单晶硅的晶体生长及缺陷研究[D]. 田达晰.浙江大学 2010
硕士论文
[1]基于SPC控制的旋转式空调压缩机的测量与装配技术研究[D]. 杨鸣.华东交通大学 2018
[2]基于数据挖掘的针织产品质量控制研究[D]. 刘鹏飞.江南大学 2018
[3]基于数据挖掘的冷连轧过程板形缺陷预测与诊断方法研究[D]. 李昕航.南京航空航天大学 2017
[4]基于模糊聚类与关联分析的备件分类与预测研究[D]. 李国强.西南交通大学 2016
[5]杭州招商银行信用卡客户分类[D]. 余旋.重庆大学 2016
[6]数据挖掘技术在高校教师科研管理中的应用研究[D]. 丁磊.大连海事大学 2016
[7]面向半导体生产线的工件聚类方法研究[D]. 沈阳.北京化工大学 2015
[8]统计过程控制（SPC）在产品质量控制中的应用研究[D]. 刘利.上海交通大学 2014
[9]基于数据挖掘的CSG铸坯质量控制应用研究[D]. 黄俊辉.华南理工大学 2013
[10]商业银行信用风险评价研究[D]. 宋钦华.山东大学 2011
本文编号：2986952
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：99 页
【学位级别】：硕士
【部分图文】：
图１．１直拉式单晶炉的主要结构??
图１．２直拉法（“切克劳斯基法”）的工艺流程??直拉法单晶硅的生长流程如下所示：??
?绪论??翁??图１．３?＜１００＞晶向正常的硅棒??图１．４“掉苍”的单晶桂晶体??单晶硅在生长过程中，引起单晶硅发生位错的主要原因有固液界面的形状、??熔体内过多的杂质、晶体生长的温场不稳定等诸多因素引起的。影响单晶硅固液??界面形状的主要因素有坩埚的位置、晶体的拉速、坩埚的提升速度、加热器??的功率、水流量、晶转等；而对于熔体中的杂质而言，主要由坩埚温度、坩埚转??速、氩气流量、炉内压力等因素影响；而调整晶转和埚转等参数能够改善单晶硅??生长环境的热场稳定性。??１．３数据挖掘技术??由于信息技术和信息产业的发展，社会中的各行各业已产生了大量数据，而??人们迫切地需要把积累的数据转换为有用的信息和知识。将获取到的信息和知识??应用于生产活动中的各个领域，如工程设计、生产控制、市场分析和科学探索等。??而数据挖掘技术能够帮助人们在企业的大型数据库中，能够自动地分析并挖掘其??中的有用信息，从而更好地产生数据的应用价值。??５??
【参考文献】：
期刊论文
[1]基于高斯混合部件模型的铁路扣件检测[J]. 何彪,李柏林,罗建桥,王开雄. 西南交通大学学报. 2019(03)
[2]基于高斯混合模型的滚动轴承故障诊断[J]. 张雪峰,马静,关崴,赵彦辉,李晓宇. 时代汽车. 2018(12)
[3]基于二次随机森林的不平衡数据分类算法[J]. 刘学,张素伟. 软件. 2016(07)
[4]基于小波分析和随机森林算法的变流器电路故障诊断研究[J]. 李明昆,宋丹妮. 电气技术. 2016(06)
[5]汽车发动机装配线的SPC质量控制系统设计[J]. 王桂英,韩东,庞晓飞,王振伟. 中国农机化学报. 2016(02)
[6]基于混合高斯模型的异常检测算法改进[J]. 李敏,刘轲,罗惠琼,王添杨,赵麒. 计算机应用与软件. 2014(06)
[7]直拉法硅单晶生长中断棱与掉苞问题的探讨[J]. 董建明,张波,刘进,赵科巍,罗晓斌,赵彩霞. 材料导报. 2013(S1)
[8]基于改进的K-means算法的异常检测[J]. 苏巴提,张晓. 软件导刊. 2011(11)
[9]基于改进随机森林的故障诊断方法研究[J]. 庄进发,罗键,彭彦卿,黄春庆,吴长庆. 计算机集成制造系统. 2009(04)
[10]SPC技术在航天产品质量控制上的应用[J]. 沈朝霞,刘剑,贺伟炜,彭伟捷. 制导与引信. 2006(04)
博士论文
[1]直拉式单晶硅生长炉的关键技术研究[D]. 曹建伟.浙江大学 2010
[2]直拉单晶硅的晶体生长及缺陷研究[D]. 田达晰.浙江大学 2010
硕士论文
[1]基于SPC控制的旋转式空调压缩机的测量与装配技术研究[D]. 杨鸣.华东交通大学 2018
[2]基于数据挖掘的针织产品质量控制研究[D]. 刘鹏飞.江南大学 2018
[3]基于数据挖掘的冷连轧过程板形缺陷预测与诊断方法研究[D]. 李昕航.南京航空航天大学 2017
[4]基于模糊聚类与关联分析的备件分类与预测研究[D]. 李国强.西南交通大学 2016
[5]杭州招商银行信用卡客户分类[D]. 余旋.重庆大学 2016
[6]数据挖掘技术在高校教师科研管理中的应用研究[D]. 丁磊.大连海事大学 2016
[7]面向半导体生产线的工件聚类方法研究[D]. 沈阳.北京化工大学 2015
[8]统计过程控制（SPC）在产品质量控制中的应用研究[D]. 刘利.上海交通大学 2014
[9]基于数据挖掘的CSG铸坯质量控制应用研究[D]. 黄俊辉.华南理工大学 2013
[10]商业银行信用风险评价研究[D]. 宋钦华.山东大学 2011
本文编号：2986952
本文链接：https://www.wllwen.com/kejilunwen/huaxuehuagong/2986952.html
