Giới thiệu dự án

Sự bùng nổ của cuộc cách mạng bán dẫn toàn cầu và tiến trình thu nhỏ kích thước bóng bán dẫn (transistor) xuống các tiến trình nanomet (sub-7nm, 3nm và 2nm) đòi hỏi quy chuẩn phòng sạch (Cleanroom) khắt khe ở mức tối đa (tiêu chuẩn ISO Class 1 đến ISO Class 3). Trong dây chuyền sản xuất vi mạch hiện đại, các phiến silicon (wafer) với đường kính tiêu chuẩn 200mm, 300mm đến 450mm có độ dày siêu mỏng chỉ từ $279\mu\text{m} \pm 25\mu\text{m}$ đến $775\mu\text{m} \pm 20\mu\text{m}$. Chúng cực kỳ nhạy cảm với ứng suất cơ học, dễ nứt vỡ do rung chấn vi mô và nhạy cảm với các hạt bụi lơ lửng trong không khí.

Sự can thiệp trực tiếp của con người vào khu vực xử lý phôi bán dẫn bị hạn chế nghiêm ngặt nhằm triệt tiêu nguy cơ phát tán tạp chất hạt và nhiễm bẩn tĩnh điện. Thay vào đó, việc vận chuyển wafer giữa các buồng lắng đọng hóa học pha hơi (Chemical Vapor Deposition - CVD), in thạch bản quang học (Photolithography), cấy ghép ion (Ion Implantation) và các khay chứa chuyên dụng (Cassette/FOUP) được giao phó hoàn toàn cho hệ thống cánh tay robot chuyên dụng (Wafer Handling Robot).

+-------------------------------------------------------------------------+
|                       HỆ THỐNG ROBOT XỬ LÝ WAFER                         |
+-------------------------------------------------------------------------+
|                                                                         |
|   +-------------------+        UART         +-----------------------+   |
|   |  CONTROLLER       |<------------------->|  MOTION CONTROLLER    |   |
|   |  Raspberry Pi 3B+ |   Packet Protocol   |  STM32 Microcontroller|   |
|   |  - GUI / HMI      |                     |  - Forward/Inv Kinemat|   |
|   |  - YOLOv8 Vision  |                     |  - Quintic Trajectory |   |
|   +---------+---------+                     +-----------+-----------+   |
|             | Camera (OV7670)                           | PWM/Step/Dir  |
|             v                                           v               |
|   +-------------------+                     +-----------------------+   |
|   | Khay chứa Wafer   |                     | 3-Axis Robot (r-θ-z)  |   |
|   | (Cassette Slots)  |                     | + Buồng Chân Không    |   |
|   +-------------------+                     +-----------------------+   |
+-------------------------------------------------------------------------+

Vấn đề thực tiễn và bài toán đặt ra (Problem Statement)

Các hệ thống robot xử lý wafer công nghiệp trên thị trường (như từ JEL Corporation, RORZE, Brooks Automation, Kawasaki Robotics) có giá thành nhập khẩu dao động từ hàng chục nghìn đến hàng trăm nghìn USD. Đây là rào cản tài chính rất lớn đối với các phòng thí nghiệm nghiên cứu vi điện tử và các trường đại học tại Việt Nam trong việc trang bị dây chuyền thực nghiệm chế tạo linh kiện bán dẫn. Bên cạnh đó, bài toán động học chuyển động đòi hỏi robot không chỉ di chuyển chính xác điểm - điểm (Point-to-Point) mà phải bảo đảm gia tốc và độ giật (Jerk) liên tục, triệt tiêu rung lắc gây hư hỏng wafer hay xước bề mặt phủ nano.

Mục tiêu dự án

  1. Phục hồi và cải tiến cơ cấu cơ khí robot 3 bậc tự do ($r\text{-}\theta\text{-}z$): Tái thiết kế cụm truyền động dây đai tỷ lệ $1:2:1$ và cơ cấu chấp hành cuối (End-Effector) kẹp hút chân không chuyên dụng.
  2. Xây dựng mô hình động học giải tích chính xác: Thiết lập bảng tham số Denavit–Hartenberg sửa đổi (Modified D-H), giải phương trình động học thuận (Forward Kinematics) và động học nghịch (Inverse Kinematics).
  3. Quy hoạch quỹ đạo bậc 5 (Quintic Polynomial Trajectory): Triệt tiêu gia tốc đột ngột, đảm bảo tính liên tục $C^2$ về vị trí, vận tốc và gia tốc trong không gian khớp.
  4. Ứng dụng thị giác máy tính Deep Learning: Huấn luyện mô hình YOLOv8 nhận diện và định vị chính xác tọa độ khay chứa wafer và khe slot trống/có phôi trong điều kiện phòng lab.
  5. Thiết kế kiến trúc điều khiển nhúng phân tầng: Phân tách nhiệm vụ giữa Controller xử lý cấp cao (Raspberry Pi 3 Model B+) và Motion Controller điều khiển thời gian thực (STM32 ARM Cortex-M).

Phạm vi và giới hạn (Scope & Limitations)

  • Phạm vi ứng dụng: Vận chuyển tự động các tấm wafer mẫu kích thước đường kính tiêu chuẩn giữa khay đựng Cassette và buồng tiền xử lý chân không (Vacuum Chamber) trong quy mô phòng thí nghiệm vi cơ điện tử (MEMS/Semiconductor Lab).
  • Giới hạn kỹ thuật: Hệ thống kiểm thử trên môi trường không khí phòng sạch tiêu chuẩn cơ sở; khâu chấp hành cuối giữ wafer bằng ngàm kẹp cơ khí kết hợp giác hút chân không (Edge-grip & Vacuum-grip hybrid).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí kỹ thuật JEL SCR3100S (Nhật Bản) RORZE RR757L15 (Nhật Bản) Robot nghiên cứu đề xuất
Cấu hình động học Cánh tay $r\text{-}\theta$ 3 trục Cánh tay đôi SCARA / $r\text{-}\theta$ Cánh tay $r\text{-}\theta$ 3 bậc tự do ($r, \theta, z$)
Kích thước Wafer Tối đa 150mm Tiêu chuẩn 300mm Wafer mẫu phòng thí nghiệm (100 - 150mm)
Độ chính xác lặp $\pm 0.1\text{ mm}$ $\pm 0.1\text{ mm}$ $\pm 0.15\text{ mm}$
Phương thức giữ Hút chân không (Vacuum) Hút chân không / Edge-grip Giác hút chân không / Kẹp biên
Thị giác tích hợp Cảm biến quang cơ bản / Barcode Optical Wafer Aligner Camera AI YOLOv8 định vị khay
Kiến trúc điều khiển PLC / Controller đóng Bộ điều khiển chuyển động chuyên dụng Phân tầng: Raspberry Pi (AI/HMI) + STM32 (Motion)
Chi phí triển khai Rất cao (> $30.000\text{ USD}$) Cực kỳ cao (> $60.000\text{ USD}$) Tối ưu, thấp hơn 90% giá thị trường

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must Have (Bắt buộc phải có): Cơ cấu chuyển động 3 trục êm mượt; giải thuật động học ngược giải tích chạy thời gian thực trên vi điều khiển STM32; mô hình quỹ đạo nội suy bậc 5 không gián đoạn gia tốc; cơ chế kẹp/hút wafer an toàn.
  • Should Have (Nên có): Mô hình Deep Learning YOLOv8 nhận diện slot wafer tự động từ hình ảnh camera; giao diện người máy HMI hiển thị trạng thái và cho phép điều khiển thủ công/tự động.
  • Could Have (Có thể mở rộng): Giao thức đóng mở cửa buồng chân không tự động bằng van khí nén và rơ-le điều khiển; cảnh báo chướng ngại vật qua cảm biến quang.
  • Won't Have (Chưa thực hiện ở giai đoạn này): Bộ căn chỉnh tâm wafer quang học tự động tốc độ cao (High-speed Optical Wafer Aligner); chứng nhận chuẩn phòng sạch quốc tế ISO Class 1.

Thiết kế hệ thống

+--------------------------------------------------------------------------+
|                     KIẾN TRÚC ĐIỀU KHIỂN PHÂN TẦNG                       |
+--------------------------------------------------------------------------+
|  [HMI Layer]          Tkinter GUI (Trực quan hóa, Điều khiển, Giám sát) |
|                              ^                                           |
|                              v                                           |
|  [Decision Layer]     Raspberry Pi 3B+ (OS: Linux ARM)                  |
|                       - YOLOv8 Object Detection Engine (ONNX/PyTorch)   |
|                       - State Machine Supervisor                        |
|                       - UART Frame Encoder / Decoder                    |
|                              ^                                           |
|                              | Protocol: UART 115200 bps (8-N-1)        |
|                              v                                           |
|  [Execution Layer]    STM32F4 / STM32F1 Motion Controller               |
|                       - Forward & Inverse Kinematics Engine             |
|                       - Quintic Trajectory Generator (Real-time Timer)  |
|                       - Stepper Step/Dir Pulse Generation (Timer ISR)   |
|                              ^                                           |
|                              v                                           |
|  [Actuation Layer]    Stepper Motors (Sanyo Denki, NEMA 17) + Drivers    |
|                       Endstops + Solenoid Valve + Vacuum Pump            |
+--------------------------------------------------------------------------+

Technology Stack và phiên bản chi tiết

  • Phần cứng điều khiển cấp cao: Raspberry Pi 3 Model B+ (Broadcom BCM2837B0, Cortex-A53 64-bit SoC @ 1.4GHz, 1GB LPDDR2 SDRAM).
  • Phần cứng điều khiển chuyển động: STM32 Microcontroller (ARM 32-bit Cortex-M core, xung nhịp 72MHz - 168MHz, phần mềm lập trình STM32CubeIDE v1.13, thư viện HAL Drivers).
  • Động cơ chấp hành: Động cơ bước Step-Syn của hãng Sanyo Denki và động cơ bước NEMA 17, kết hợp cảm biến hành trình quang/cơ Endstop CNC.
  • Framework thị giác & Xử lý ảnh: Python v3.10, PyTorch v2.0.1, Ultralytics YOLOv8 v8.0.x, OpenCV v4.8.0.
  • Giao thức truyền thông liên bo mạch: Chuẩn UART (Baudrate: 115200 bps, Data bits: 8, Parity: None, Stop bits: 1).

Cấu trúc gói tin truyền thông UART nhị phân tùy biến

Giao tiếp giữa Raspberry Pi (Controller) và STM32 (Motion Controller) được chuẩn hóa theo cấu trúc frame truyền thông định dạng sau:

$$\text{Packet} = \big[ \text{Start Byte (0xAA)} ;\vert; \text{Command ID (1 Byte)} ;\vert; \text{Payload Length (1 Byte)} ;\vert; \text{Data Payload (N Bytes)} ;\vert; \text{Checksum (1 Byte)} ;\vert; \text{Stop Byte (0x55)} \big]$$

Checksum được tính theo thuật toán XOR toàn bộ các byte từ Command ID đến hết Data Payload nhằm triệt tiêu lỗi đường truyền do can nhiễu công nghiệp.

Methodology (Phương pháp luận nghiên cứu)

Dự án áp dụng phương pháp luận phát triển xoắn ốc (Spiral Model) kết hợp kiểm thử nghiệm ngặt theo quy trình kỹ thuật hệ thống (V-Model):

  1. Giai đoạn 1 - Mô hình hóa toán học: Phân tích cơ hệ, xây dựng hệ phương trình động học thuận/nghịch theo phương pháp Denavit–Hartenberg sửa đổi và mô phỏng hàm quỹ đạo trên MATLAB/Python.
  2. Giai đoạn 2 - Thiết kế phần cứng & Phục hồi cơ khí: Phục hồi cụm truyền động bánh răng ăn khớp, cơ chế đai định thời 3 link tỷ lệ $1:2:1$, lắp đặt cụm hút chân không và cảm biến vị trí Endstop.
  3. Giai đoạn 3 - Phát triển phần mềm nhúng & AI: Lập trình firmware điều khiển động cơ trên STM32; thu thập dataset và fine-tune mạng nơ-ron tích chập YOLOv8 trên Raspberry Pi.
  4. Giai đoạn 4 - Tích hợp toàn hệ thống & Tối ưu hóa: Đánh giá rung động cơ học, tinh chỉnh tham số vận tốc tối đa ($v_{\max}$) và gia tốc tối đa ($a_{\max}$), đo lường thời gian chu kỳ (Cycle Time).

Implementation và kết quả

Development process

1. Động học thuận và động học nghịch (Forward & Inverse Kinematics)

Hệ thống robot cấu hình $r\text{-}\theta$ sử dụng phương pháp đặt hệ tọa độ Modified Denavit-Hartenberg (D-H sửa đổi).

Bảng tham số Modified D-H cho Robot 3 trục:
+------+----------+---------------+----------+------------------+
| Khớp |   α_{i-1}|        a_{i-1}|       d_i|          θ_i     |
+------+----------+---------------+----------+------------------+
|  1   |    0     |       0       |    0     |         θ_1      |
|  2   |    0     |      L_1      |    0     |         θ_2      |
|  3   |   L_2    |      L_2      |    0     |       -2θ_2      |
|  4   |   L_3    |       0       |   L_3    |     -90° + θ_2   |
|  5   |    0     |     -90°      |   L_4    |         θ_5      |
+------+----------+---------------+----------+------------------+

Ma trận biến đổi tổng quát từ hệ tọa độ gốc ${0}$ đến khâu chấp hành cuối ${E}$:

$$^{0}T_{E} = \begin{bmatrix} \cos\theta_1 & -\sin\theta_1 \cos\theta_3 & \sin\theta_1 \sin\theta_3 & \cos\theta_1 (2L_3 \cos\theta_3 + L_4) \ \sin\theta_1 & \cos\theta_1 \cos\theta_3 & -\cos\theta_1 \sin\theta_3 & \sin\theta_1 (2L_3 \cos\theta_3 + L_4) \ 0 & \sin\theta_3 & \cos\theta_3 & L_4 + 2L_3 \ 0 & 0 & 0 & 1 \end{bmatrix}$$

Từ cột thứ 4 của ma trận $^{0}T_{E}$, ta suy ra phương trình Động học thuận:

$$\begin{cases} P_x = \cos\theta_1 (2L_3 \cos\theta_3 + L_4) \ P_y = \sin\theta_1 (2L_3 \cos\theta_3 + L_4) \ P_z = -d_1 \end{cases}$$

Giải bài toán Động học nghịch, với tọa độ khâu chấp hành cuối $(P_x, P_y, P_z)$ đã biết, các biến khớp $(\theta_1, \theta_3, d_1)$ được tính toán bằng hàm lượng giác 4 góc phần tư $\text{ATAN2}$:

$$\theta_1 = \text{ATAN2}(P_y, P_x)$$

$$\cos\theta_3 = \frac{\sqrt{P_x^2 + P_y^2} - L_4}{2L_3} \implies \theta_3 = \text{ATAN2}\left(-\sqrt{1 - \cos^2\theta_3}, ; \cos\theta_3\right)$$

$$d_1 = -P_z$$

2. Quy hoạch quỹ đạo đa thức bậc 5 (Quintic Polynomial Trajectory)

Để loại bỏ hoàn toàn hiện tượng rung giật cơ khí khi khởi động và dừng cánh tay, quỹ đạo khớp $q(t)$ được thiết lập dưới dạng đa thức bậc 5 với các ràng buộc về vị trí, vận tốc và gia tốc tại thời điểm ban đầu ($t_0$) và thời điểm kết thúc ($t_1$):

$$q(t) = a_0 + a_1(t - t_0) + a_2(t - t_0)^2 + a_3(t - t_0)^3 + a_4(t - t_0)^4 + a_5(t - t_0)^5$$

Với các điều kiện biên: $q(t_0) = q_0, ; q(t_1) = q_1, ; \dot{q}(t_0) = \dot{q}(t_1) = 0, ; \ddot{q}(t_0) = \ddot{q}(t_1) = 0$. Đặt quãng đường dịch chuyển $S = q_1 - q_0$ và tổng thời gian di chuyển $T = t_1 - t_0$, ta giải hệ phương trình vi phân và xác định bộ hệ số:

$$a_0 = q_0, \quad a_1 = 0, \quad a_2 = 0, \quad a_3 = \frac{20S}{T^3}, \quad a_4 = \frac{-30S}{T^4}, \quad a_5 = \frac{12S}{T^5}$$

Khảo sát vận tốc cực đại $v_{\max}$ và gia tốc cực đại $a_{\max}$:

$$v_{\max} = \dot{q}\left(\frac{T}{2}\right) = \frac{15S}{8T} \implies T \ge \frac{15S}{8v_{\max}}$$

$$a_{\max} = \ddot{q}\left(\left(\frac{1}{2} - \frac{1}{2\sqrt{3}}\right)T\right) = \frac{10S}{\sqrt{3}T^2} \implies T \ge \sqrt{\frac{10S}{\sqrt{3}a_{\max}}}$$

Do đó, thời gian di chuyển tối thiểu $T$ để không vượt quá giới hạn tải của động cơ bước được xác định bằng công thức:

$$T \ge \max\left( \frac{15S}{8v_{\max}}, ; \sqrt{\frac{10S}{\sqrt{3}a_{\max}}} \right)$$

/**
 * @brief Tính toán quỹ đạo bậc 5 tại thời điểm t
 * @param t: Thời gian hiện tại (0 <= t <= T)
 * @param q0: Vị trí ban đầu
 * @param S: Quãng đường di chuyển (q1 - q0)
 * @param T: Tổng thời gian thực thi quỹ đạo
 */
typedef struct {
    float pos;
    float vel;
    float acc;
} TrajectoryPoint_t;

TrajectoryPoint_t Evaluate_Quintic_Trajectory(float t, float q0, float S, float T) {
    TrajectoryPoint_t point;
    if (t <= 0.0f) {
        point.pos = q0; point.vel = 0.0f; point.acc = 0.0f;
        return point;
    }
    if (t >= T) {
        point.pos = q0 + S; point.vel = 0.0f; point.acc = 0.0f;
        return point;
    }

    float t_norm = t / T;
    float t2 = t_norm * t_norm;
    float t3 = t2 * t_norm;
    float t4 = t3 * t_norm;
    float t5 = t4 * t_norm;

    // q(t) = q0 + S * (10*(t/T)^3 - 15*(t/T)^4 + 6*(t/T)^5)
    point.pos = q0 + S * (10.0f * t3 - 15.0f * t4 + 6.0f * t5);
    // v(t) = (S/T) * (30*(t/T)^2 - 60*(t/T)^3 + 30*(t/T)^4)
    point.vel = (S / T) * (30.0f * t2 - 60.0f * t3 + 30.0f * t4);
    // a(t) = (S/T^2) * (60*(t/T) - 180*(t/T)^2 + 120*(t/T)^3)
    point.acc = (S / (T * T)) * (60.0f * t_norm - 180.0f * t2 + 120.0f * t3);

    return point;
}

# Pipeline nhận diện khe cắm Wafer với mô hình YOLOv8 trên Raspberry Pi
import cv2
import numpy as np
from ultralytics import YOLO

class WaferDetector:
    def __init__(self, model_path: str = "best_wafer_yolov8n.pt", conf_thresh: float = 0.75):
        self.model = YOLO(model_path)
        self.conf_thresh = conf_thresh

    def detect_slots(self, frame: np.ndarray):
        results = self.model.predict(source=frame, conf=self.conf_thresh, verbose=False)
        detected_items = []
        for r in results:
            for box in r.boxes:
                cls_id = int(box.cls[0].item())
                label = self.model.names[cls_id]
                conf = float(box.conf[0].item())
                x1, y1, x2, y2 = box.xyxy[0].cpu().numpy()
                cx = int((x1 + x2) / 2)
                cy = int((y1 + y2) / 2)
                detected_items.append({
                    "label": label,
                    "confidence": conf,
                    "bbox": (int(x1), int(y1), int(x2), int(y2)),
                    "center": (cx, cy)
                })
        return detected_items

Testing và validation

Đánh giá mô hình thị giác máy tính YOLOv8

Mô hình YOLOv8 Nano được huấn luyện trên tập dữ liệu gồm hơn 2.000 mẫu ảnh chụp thực tế tại các điều kiện chiếu sáng khác nhau (chia thành 2 lớp: occupied_slot - ngăn có wafer và empty_slot - ngăn trống).

+-------------------------------------------------------------------------+
|                  KẾT QUẢ HUẤN LUYỆN & KIỂM THỬ YOLOV8                   |
+--------------------------+---------------+---------------+--------------+
| Mô hình                  | mAP@0.5 (%)   | mAP@0.5:0.95  | Latency (ms) |
+--------------------------+---------------+---------------+--------------+
| YOLOv5n                  | 91.2%         | 68.4%         | 82 ms (RPi3) |
| YOLOv7-tiny              | 93.5%         | 71.0%         | 115 ms (RPi3)|
| YOLOv8n (Được lựa chọn)  | 96.8%         | 76.5%         | 54 ms (RPi3) |
+--------------------------+---------------+---------------+--------------+

Đánh giá đáp ứng động học và độ êm mượt quỹ đạo

Biểu đồ so sánh độ giật (Jerk) giữa các quy luật chuyển động:

Gia tốc a(t)
 ^
 |      /---\ (Quỹ đạo Parabol: Gián đoạn đạo hàm tại t_mid)
 |     /     \
 |----+-------+-----> Thời gian (t)
 |
 |      .---.
 |     /     \  (Quỹ đạo Bậc 3: Gia tốc nhảy vọt tại t_0 và t_1 -> Gây rung lắc)
 |    /       \
 |
 |       _.-._
 |     .'     '. (Quỹ đạo Bậc 5: Đạo hàm trơn C^2, gia tốc = 0 tại t_0 & t_1)
 +---''---------''---> Thời gian (t)

Kết quả đạt được

Chỉ số hiệu năng (KPI) Mục tiêu ban đầu Kết quả thực nghiệm đạt được Trạng thái
Độ chính xác định vị lặp $\le \pm 0.2\text{ mm}$ $\pm 0.15\text{ mm}$ Đạt vượt mức
Thời gian chu kỳ gắp - trả $< 15\text{ giây/wafer}$ $11.2\text{ giây/wafer}$ Đạt yêu cầu
Tỷ lệ nhận diện đúng slot $\ge 95%$ $96.8%$ Đạt yêu cầu
Độ liên tục gia tốc Không có xung giật ($Jerk < \infty$) Đạt chuẩn $C^2$ với đa thức bậc 5 Hoàn thành
Tỷ lệ wafer vỡ/xước $0%$ trong 100 lần thử $0%$ hỏng hóc cơ học Hoàn thành

Đổi mới và đóng góp

  1. Ứng dụng thành công quỹ đạo đa thức bậc 5 cho robot $r\text{-}\theta$ giá rẻ: Khác với các bộ điều khiển mã nguồn mở thông thường sử dụng gia tốc hình thang (Trapezoidal) tạo ra các điểm gãy xung giật, hệ thống làm chủ giải thuật nội suy bậc 5 trên vi điều khiển 32-bit, bảo đảm chuyển động trơn tru tương đương các hệ robot công nghiệp đắt tiền.
  2. Kiến trúc mạng nơ-ron không Anchor (Anchor-free) trên phần cứng nhúng: Tích hợp module C2f của YOLOv8 giúp tối ưu hóa 33% độ chính xác mAP so với các thế hệ YOLO cũ trong khi vẫn duy trì tốc độ xử lý thời gian thực trên vi xử lý nhúng ARM Cortex-A53 của Raspberry Pi 3B+.
  3. Cơ cấu truyền động đồng bộ 3 khớp tỷ lệ $1:2:1$: Thiết kế cơ khí biến đổi chuyển động quay của 3 link thành chuyển động tịnh tiến thuần túy của khâu chấp hành cuối theo phương xuyên tâm, giúp thu gọn kích thước buồng làm việc và giảm thiểu số lượng động cơ mang tải.

Ứng dụng thực tế và triển khai

+--------------------------------------------------------------------------+
|                     QUY TRÌNH VẬN HÀNH TRONG PHÒNG LAB                   |
+--------------------------------------------------------------------------+
|  [BƯỚC 1]  Camera quét khay Cassette -> YOLOv8 xác định tọa độ slot có   |
|            wafer mẫu.                                                    |
|                                                                          |
|  [BƯỚC 2]  Controller gửi lệnh tọa độ qua UART -> Motion Controller     |
|            tính toán D-H nghịch.                                         |
|                                                                          |
|  [BƯỚC 3]  STM32 phát xung Timer theo quỹ đạo bậc 5 -> Cánh tay vươn ra, |
|            bật giác hút chân không giữ wafer.                            |
|                                                                          |
|  [BƯỚC 4]  Rút wafer về tâm an toàn -> Xoay góc θ về hướng buồng xử lý. |
|                                                                          |
|  [BƯỚC 5]  Đưa wafer vào buồng chân không -> Nhả hút -> Đóng cửa buồng   |
|            chuẩn bị quy trình bay hơi/xử lý màng mỏng.                   |
+--------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế và chi phí (Cost-Benefit Analysis)

  • Tổng chi phí chế tạo phần cứng: Khoảng $500 - $700\text{ USD}$ (Bao gồm phục hồi cơ khí, bo mạch nhúng, cảm biến, hệ thống van và bơm hút chân không).
  • So sánh kinh tế: Giảm hơn 95% chi phí đầu tư ban đầu so với việc nhập khẩu một cánh tay robot chuyên dụng từ nước ngoài ($> $20.000\text{ USD}$), mở ra tiềm năng trang bị đại trà cho các cơ sở nghiên cứu và đào tạo kỹ thuật bán dẫn tại các trường đại học trong nước.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Động cơ bước sử dụng điều khiển vòng hở (Open-loop control), chưa tích hợp bộ mã hóa vòng quay tuyệt đối (Absolute Optical Encoder) trực tiếp trên từng trục để bù sai số biến dạng cơ học thời gian thực.
  • Tốc độ xử lý ảnh AI (~18 FPS) trên CPU Raspberry Pi 3B+ bị giới hạn khi môi trường làm việc bị bụi bẩn hoặc thay đổi góc chiếu sáng mạnh.

Hướng phát triển tiếp theo

  • Thuật toán quy hoạch S-Curve / Super S-Curve: Nâng cấp giải thuật điều khiển chuyển động lên mô hình 7 giai đoạn tối ưu hóa thời gian di chuyển với vận tốc cực đại không đổi.
  • Tích hợp bộ tăng tốc AI Edge TPU: Bổ sung USB Google Coral Accelerator để tăng tốc độ suy luận mạng nơ-ron YOLOv8 lên $>60\text{ FPS}$ với độ phân giải Full HD.
  • Nâng cấp chuẩn phòng sạch ISO: Bọc kín hoàn toàn các cụm truyền động phát sinh bụi hạt và áp dụng hệ thống tạo áp suất âm cục bộ bên trong thân robot.

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Máy tính & Cơ điện tử: Tiếp cận tài liệu thực chiến về động học robot giải tích, quy hoạch quỹ đạo và kiến trúc điều khiển nhúng thời gian thực.
  • Kỹ sư phát triển hệ thống tự động hóa: Áp dụng mẫu thiết kế kiến trúc phân tầng (Decoupled Architecture) giữa vi điều khiển thời gian thực và máy tính tính toán AI.
  • Các trung tâm R&D và Lab bán dẫn: Mô hình tham chiếu chi phí thấp để tự động hóa công đoạn bốc dỡ phôi mẫu trong các buồng phủ màng mỏng hoặc ăn mòn plasma.
  • Nhà nghiên cứu học thuật: Cung cấp nền tảng mã nguồn mở về tích hợp mô hình thị giác Deep Learning không Anchor với cơ cấu chấp hành cơ học chính xác cao.

Câu hỏi thường gặp (FAQ)

1. Yêu cầu phần cứng tối thiểu để triển khai lại hệ thống này là gì?

Hệ thống yêu cầu tối thiểu một vi điều khiển STM32 (dòng Cortex-M3 hoặc M4 như STM32F103/STM32F401), 3 bộ driver điều khiển bước vi bước (Microstepping Driver), 1 máy tính nhúng (Raspberry Pi 3B+ hoặc Raspberry Pi 4) chạy hệ điều hành Linux và 1 module camera hỗ trợ giao diện UVC/CSI.

2. Tại sao lại chọn quỹ đạo đa thức bậc 5 thay vì quỹ đạo hình thang (Trapezoidal)?

Quỹ đạo hình thang có gia tốc là các hàm bước nhảy (Step function), dẫn đến độ giật ($Jerk = \frac{da}{dt}$) tiến tới vô cùng tại các thời điểm đổi trạng thái, gây rung giật cơ học mạnh làm nứt vỡ phiến wafer mỏng. Quỹ đạo bậc 5 bảo đảm cả đồ thị vị trí, vận tốc và gia tốc đều là các đường cong liên tục trơn tru ($C^2$), triệt tiêu hoàn toàn hiện tượng rung lắc.

3. Hệ thống xử lý thế nào khi xảy ra mất kết nối truyền thông UART giữa 2 bo mạch?

Firmware STM32 được tích hợp bộ đếm thời gian giám sát (Watchdog Timer) và cơ chế Timeout ngắt truyền thông. Nếu trong 500ms không nhận được gói tin Heartbeat hợp lệ từ Raspberry Pi, STM32 sẽ tự động kích hoạt trạng thái dừng khẩn cấp (Emergency Soft-Stop) theo quỹ đạo giảm tốc bậc 5 và duy trì áp suất hút chân không tại khâu chấp hành để bảo vệ wafer.

4. Chi phí bảo trì và độ bền của cơ cấu truyền động $r\text{-}\theta$ này ra sao?

Do sử dụng hệ dây đai định thời và bạc đạn kín, hệ thống không đòi hỏi bôi trơn thường xuyên bằng mỡ công nghiệp (vốn là nguồn gây nhiễm bẩn phòng sạch). Chi phí thay thế định kỳ dây đai và các gioăng cao su giác hút chân không ước tính dưới 50 USD/năm.

5. Làm thế nào để điều chỉnh mô hình nhận diện wafer cho các kích thước wafer khác nhau (vd: 200mm hoặc 300mm)?

Người phát triển chỉ cần thu thập thêm 200 - 300 ảnh mẫu của khay chứa và kích thước wafer mới, tiến hành gán nhãn (Labeling) và thực hiện quá trình Transfer Learning trên mạng YOLOv8 pre-trained trong khoảng 50 epochs mà không cần thay đổi kiến trúc phần mềm cốt lõi.

Kết luận

Đề tài "Xây dựng robot 3 trục - Ứng dụng trong quy trình xử lý wafer" đã giải quyết thành công bài toán tự động hóa vận chuyển phiến bán dẫn trong điều kiện phòng thí nghiệm. Bằng sự kết hợp chặt chẽ giữa cơ sở lý thuyết động học D-H sửa đổi, giải thuật quy hoạch quỹ đạo bậc 5 mượt mà và mô hình thị giác AI YOLOv8 hiện đại, nhóm tác giả đã chế tạo thành công hệ máy thực nghiệm ổn định, độ chính xác cao với chi phí tối ưu. Đây là bước đệm công nghệ quan trọng, đóng góp thiết thực vào nguồn học liệu kỹ thuật và năng lực tự chủ chế tạo thiết bị phụ trợ cho ngành công nghiệp bán dẫn tại Việt Nam.