使用机器学习的改进流体分配过程控制以及实现它的系统的制作方法

使用机器学习的改进流体分配过程控制以及实现它的系统
1.相关申请的交叉引用
2.本技术要求2020年2月20日提交的美国临时专利申请第62/978,966号的优先权，其公开内容在此通过引用以其整体并入。
技术领域
3.本公开主要涉及流体材料的喷射，特别涉及使用机器学习的改进流体分配过程控制的系统和方法。


背景技术：

4.喷射阀用于电子封装组件以及其它过程，以将粘性或流体材料的微小的点或液滴、流和/或不连续体积喷射到基板上。对于喷射流体材料的喷射阀存在许多应用，诸如关于底部填充材料、包封材料、表面安装粘合剂、焊膏、导电粘合剂、阻焊材料、助焊剂、热化合物等那些应用。
[0005]“喷射阀”或“喷射装置”是从喷射装置喷出或“喷射”材料的液滴、流和/或不连续体积以落在基板上的装置，其中，液滴、流和/或不连续体积在与基板接触之前可能从喷射装置的喷嘴脱离。因而，在这种类型的喷射装置中，材料的液滴、流和/或不连续体积可能“在飞行中”分配在喷射装置与基板之间，并且不与喷射装置或基板接触，至少对于喷射装置与基板之间的一部分距离如此。
[0006]
喷射装置还可以指这样的装置，其喷射材料的液滴、流和/或不连续体积，使得材料的液滴、流和/或不连续体积同时与喷嘴和基板接触。流体的动量可以是将流体从喷嘴运输到基板的主要因素，以及引起材料的液滴、流和/或不连续体积与喷嘴分离的主要机制。在这种情况下，材料被输送到基板上，而不取决于材料的液滴、流和/或不连续体积对基板的粘附，以将材料的液滴、流或不连续体积拉离喷射装置的喷嘴。
[0007]
然而，分配装置(包括喷射装置或类似装置)的操作可能会带来各种挑战。例如，部分分配的材料可能无法与喷嘴完全断开，导致材料在喷嘴处或其它地方不期望地积聚。这种积聚可能会对喷嘴的后续分配产生负面影响。作为另一示例，有缺陷地分配的材料体积可能导致基板上出现不期望的“卫星”(即，围绕材料的主要体积的较小体积的材料)。此外，操作条件和/或特定分配应用本身可能因地点而异，并且因测试环境与生产环境而异。因而，设定配置(settings profile)可能在测试环境中获得可接受的结果，但一旦在生产中实现就会导致许多缺陷。
[0008]
在本公开中解决了这些和其它缺点。


技术实现要素：

[0009]
本文公开了用于使用机器学习和/或人工智能的改进流体分配过程控制的系统和方法。机器学习可以包括使用任何采用机器学习算法的各种机器学习工具，包括神经网络，诸如深度神经网络(dnn)。机器学习工具的其它示例包括但不限于：xgboost、卷积机器学习
工具(cnn)、支持向量机(svm)、多元线性回归、随机森林、adaboost、人工机器学习工具(ann)：“常规”机器学习工具、决策树(dt)、朴素贝叶斯、k最近邻(knn)、隐马尔可夫模型(hmm)、控制论和大脑模拟、符号、认知模拟、基于逻辑、反逻辑、基于知识，子符号、具身智能、计算智能和软计算等。机器学习可以利用特征向量过程、分类过程、分组过程、分类过程、回归过程、分析过程、匹配过程、训练过程、诊断过程等。
[0010]
存在如下所述的本公开的各种代表性示例或实施例。
[0011]
将分配体积的图像和参数输入到机器学习工具中以用于闭环控制
[0012]
在一个示例方法中，打开和关闭分配装置的阀以根据分配装置的操作参数的第一值来从分配装置的喷嘴分配一部分粘性流体。捕捉该一部分粘性流体的一个或多个图像。将该一部分粘性流体的该一个或多个图像和操作参数的第一值输入到机器学习工具，以确定该一部分粘性流体的分类。基于该一部分粘性流体的分类确定操作参数的第二值。根据该操作参数的第二值分配第二部分粘性流体。
[0013]
将来自传感器的分配体积的特性和参数输入到机器学习工具中，从而用于闭环控制
[0014]
在另一示例方法中，打开和关闭分配装置的阀以根据分配装置的操作参数的第一值来从分配装置的喷嘴分配一部分粘性流体。基于来自传感器的数据确定从分配装置分配的该一部分粘性流体的特性。将该一部分粘性流体的特性和操作参数的第一值输入到机器学习工具，以确定该一部分粘性流体的分类。基于该一部分粘性流体的分类确定操作参数的第二值。根据该操作参数的第二值分配第二部分粘性流体。
[0015]
向分配体积的图像指配质量级以训练机器学习工具，从而用于闭环控制
[0016]
在另一方法中，打开和关闭分配装置的阀以根据分配装置的操作参数的第一值来从分配装置的喷嘴分配一部分粘性流体。由机器学习工具捕捉该一部分粘性流体的一个或多个图像。根据质量分类系统，为每个图像指配质量级，以训练机器学习工具，从而将质量级与图像相关联。取决于指配给图像的质量级，经训练的机器学习工具可以控制系统以根据操作参数的第二值分配第二部分粘性流体。
[0017]
向分配体积的图像指配质量级，并记录产生该分配体积的操作参数以训练机器学习工具，从而用于闭环控制
[0018]
在又另一方法中，打开和关闭分配装置的阀以根据分配装置的操作参数的第一值来从分配装置的喷嘴分配一部分粘性流体。由机器学习工具捕捉该一部分粘性流体的一个或多个图像。根据质量分类系统，为每个图像指配质量级，以训练机器学习工具，从而将质量级与图像相关联。操作参数的第一值也被用于训练机器学习工具，从而将质量级与参数相关联。
[0019]
所述的任何技术的实施方式可以包括被存储在计算机可读存储装置上的方法或过程、设备、装置、机器、系统或指令。特定实施方式的细节在下面的附图和描述中阐述。通过以下描述，包括附图和权利要求，其它特征将是显而易见的。
附图说明
[0020]
包含在本说明书中并构成本说明书一部分的附图示出了实施例并且与说明书一起用于解释方法和系统的原理：
[0021]
图1a示出了根据本公开的实施例的示例分配系统；
[0022]
图1b示出了能够与图1a的分配系统一起使用并根据本公开的实施例的示例分配组件的截面图；
[0023]
图1c示出了根据本公开的实施例的图1b的分配系统的压电驱动模块的截面图；
[0024]
图2示出了根据本公开的实施例的示例分配校准站；
[0025]
图3示出了根据本公开的实施例的示例分配校准站；
[0026]
图4示出了根据本公开的实施例的示例分配校准站；
[0027]
图5示出了根据本公开的实施例的用于训练机器学习工具的一种方法的示例流程图；
[0028]
图6示出了根据本公开的实施例的用于训练机器学习工具的简化实验；
[0029]
图7示出了根据本公开的实施例的用于在生产中使用经训练的机器学习工具的一种方法的示例流程图；
[0030]
图8示出了根据本公开的实施例的示例流程图；
[0031]
图9a示出了根据本公开的实施例的在分配期间的飞行中流体的示例性图像；
[0032]
图9b示出了根据本公开的实施例的在分配期间的飞行中流体的另一示例性图像；
[0033]
图9c示出了根据本公开的实施例的在分配期间的飞行中流体的又另一示例性图像；
[0034]
图10a示出了根据本公开的实施例的在分配期间的飞行中流体的又另一示例性图像；
[0035]
图10b示出了根据本公开的实施例的在分配期间的飞行中流体的又另一示例性图像；
[0036]
图10c示出了根据本公开的实施例的在分配期间的飞行中流体的又另一示例性图像；以及
[0037]
图11示出了根据本公开的另一实施例的在分配期间的飞行中流体的示例性图像(示出了边界框)。
[0038]
现在将参考附图详细地描述本公开的各方面，其中，相同的附图标记始终指代相同的元件，除非另有说明。
具体实施方式
[0039]
本公开的系统和方法涉及使用机器学习工具的改进流体分配过程控制。在示例中，一种分配系统可以包括分配装置，该分配装置被构造成分配流体体积，诸如粘性流体。例如，粘性流体可以包括粘合剂。根据本公开的一种方法，一种机器学习工具可以被配置成基于流体体积的一个或多个飞行中图像的输入以及用于分配流体体积的操作参数(例如，阀针速度或冲程长度)的第一值来确定分配的流体体积的分类(例如，无缺陷分类或各种类型的缺陷分类)。分类可以包括基板上分类。基板上分类可以是基板上分配的流体的分类。例如，分类可以涵盖分配的流体不在基板上正确位置的缺陷(错位缺陷)。另一示例是卫星缺陷。卫星缺陷可以是这样一种缺陷，其中，分配的流体体积的小部分断开从而在基板上的目标分配区域之外形成小沉积物的飞溅。不是基板上的分类的分类的示例是积聚缺陷。积聚缺陷是这样一种缺陷，其中，在分配阀喷嘴的喷嘴上存在分配材料的积聚。例如，基于将
流体体积分类为包括这些缺陷之一，可以确定操作参数的第二值。根据操作参数的第二值，可以随后(尽管不一定紧随其后)分配另一流体体积。
[0040]
闭环过程控制可以通过上述步骤的多次类似迭代来实现。机器学习工具通常输出一个或多个候选分类中的每一个的概率(例如，卫星缺陷分类适用的概率为90％，积聚缺陷分类适用的概率为10％)。可以识别概率趋势以确定将会需要修复缺陷的预测时间。
[0041]
飞行中样本流体体积的一个或多个图像可以包括对训练中机器学习工具的输入。在该示例中，“训练中机器学习工具”是这样一种机器学习工具，其正在接受训练以将飞行中图像与缺陷分类相关联。
[0042]
图1a示出了可以包括机柜12和分配组件14的示例分配系统10。分配组件14可以包括分配喷嘴16，该分配喷嘴16具有阀，以选择性地将受控量的流体或粘性材料分配到位于机柜12的生产区域26上的基板18(例如，电路板或其它客户产品)上。分配喷嘴16可以在分配组件14静止时执行分配操作(即，打开和关闭分配组件14的阀)，包括分配流体体积的连续流和/或流体体积的不连续系列。另外或可替选地，分配喷嘴16可以在分配组件14移动时执行分配操作(即，打开和关闭分配组件14的阀)，包括分配流体体积的连续流和/或流体体积的不连续系列。
[0043]
分配组件14也可以包括相机20和高度传感器21。相机20可以实现为仰视相机、俯视相机、高速相机等。分配喷嘴16可以是针式分配器、喷雾分配器、喷射分配器和/或适合将流体或粘性材料(诸如粘合剂、环氧树脂、焊膏等)从流体材料储液器23分配到基板18上的任何其它装置。分配组件14可以耦接到定位器25，该定位器25被构造成选择性地将分配组件14定位在机柜12的生产区域26和服务站28(即，服务区域)上方。定位器25可以是包括独立可控的x轴和y轴驱动器的三轴定位器，其中该x轴和y轴驱动器被构造成在生产区域26和/或服务站28上方的水平平面中移动分配组件14，并调整分配组件14和/或分配喷嘴16相对于生产区域26和/或服务站28的表面的高度。由此，定位器25可以为分配组件14提供基本垂直的三轴运动。尽管分配组件14在所示实施例中被示为通过z轴驱动器34耦接到x-y定位器，但是本领域技术人员应理解，可以使用其它机构来定位分配组件14。
[0044]
分配系统10还可以包括控制器36，该控制器36可以安装在机柜12中或者可以是远程的。控制器36可以被配置成提供对分配系统10的整体控制，诸如协调分配组件14的运动、致动分配喷嘴16和/或致动服务站28的部件。控制器36可以包括处理器、存储器和输入/输出(i/o)接口。处理器可以包括一个或多个装置，该一个或多个装置选自微处理器、微控制器、数字信号处理器、微型计算机、中央处理单元、现场可编程门阵列、可编程逻辑器件、状态机、逻辑电路、模拟电路、数字电路和/或基于存储在存储器中的操作指令来操纵信号(模拟或数字)的任何其它装置。存储器可以是单个存储器装置或多个存储器装置，包括但不限于只读存储器(rom)、随机存取存储器(ram)、易失性存储器、非易失性存储器、静态随机存取存储器(sram)、动态随机存取存储器(dram)、闪存、高速缓存和/或能够存储数字信息的任何其它装置。存储器还可以包括大容量存储装置(未示出)，诸如硬盘驱动器、光驱、磁带驱动器、非易失性固态装置和/或能够存储数字信息的任何其它装置。处理器可以在驻留在存储器中的操作系统的控制下操作。
[0045]
用户接口38和/或控制面板40可以通信连接到控制器36以允许系统操作者与控制器36交互。用户接口38可以包括视频监视器、字母数字显示器、触摸屏、扬声器和/或能够向
系统操作者提供信息的任何其它合适的音频和/或视觉指示器。控制面板40可以包括能够接受来自操作者的命令和/或输入的一个或多个输入装置，诸如字母数字键盘、指点装置、小键盘、按钮、控制旋钮、麦克风、触摸屏等。以这种方式，用户接口38和/或控制面板40可以实现系统功能的手动发起和/或控制，例如在设置、校准、检查、清洁、操作等期间。
[0046]
图1b示出了示例分配组件200，该分配组件200可以实现图1a的分配组件14。分配组件200可以包括：流体模块212，该流体模块212具有流体连接接口220；阀元件214；压电驱动模块216；可移动针或驱动销236，该可移动针或驱动销236与压电驱动模块216耦接；以及外盖板(未示出)，该外盖板容纳压电驱动模块216。然而，压电驱动模块216可以使用其它类型的驱动技术来实现。分配组件200可以作为喷射分配器操作，其间歇地将流体材料的体积喷射到基板上并且可以在喷射流体材料的体积时相对于基板移动。可以操作分配组件200，使得流体材料的一系列喷射体积可以作为一排间隔隔开的材料点沉积在基板上。分配组件200所针对的基板可以支撑各种表面安装的电子部件，这需要快速地以非接触方式喷射流体材料的微小体积并且精确放置以将流体材料沉积在基板上的目标位置。
[0047]
流体模块212可以包括与流体连接接口220连通的喷嘴228、流体模块主体230、流体室238等。流体模块主体230的第一段或部分可以包括：流体入口242；和通路247，该通路247将流体入口242耦接成与流体室238流体连通。流体导管(未示出)可以从流体源(例如，加压流体源)延伸到流体入口242，以用于将流体模块212与包含在流体源内部的流体材料流体连通并且用于将处于压力下的流体材料从流体源供应到流体连接接口220。在该实施例中，流体导管通常是一段管道，其将流体源的出口与流体连接接口220直接连接，而无需任何介入结构。在一个实施例中，流体连接接口220包括鲁尔接头。
[0048]
流体模块主体230的第二部分245可以被构造成支撑喷嘴228。定心件246可以将喷嘴228中的流体出口248与延伸穿过流体模块主体230的第二部分245的通路250对齐。阀座252被设置在流体入口242与流体出口248之间。阀座252可以具有开口256，该开口256与流体出口248流体连通。定心件246将喷嘴228中的流体出口248、流体模块主体230的第二部分245中的通路250以及阀座252中的开口256保持同心对齐。
[0049]
分配组件200可以进一步包括可移动元件260的壁262形式的撞击板。沿周边接触可移动元件260的偏压元件268可以被构造成将轴向弹簧力施加到可移动元件260上。
[0050]
密封环264可以用于在插入件263与可移动元件260的外部之间实现密封接合。可移动元件260在密封环或o形环264下方的部分限定了流体室238的边界的一部分。可移动元件260可以包括阀元件214。阀元件214位于流体室238内部的可移动元件260的壁262与阀座252之间的位置处。
[0051]
驱动销236可以穿过流体模块主体230的第三部分232中的孔266突出。驱动销236的末端234可以位于可移动元件260的壁262附近并且位于壁262的与阀元件214相对的一侧上。当阀元件214暴露于流体室238内部所含的流体材料时，包含驱动销236的孔266可以与流体室238中的流体材料隔离，使得驱动销236不被流体材料润湿。结果，模块化喷射装置210的构造可以省略常规的流体密封件，这些常规的流体密封件允许驱动销236的动力运动，同时将用于驱动销236的驱动或致动机构(例如，压电驱动模块216)与流体室238中的流体材料隔离。
[0052]
驱动销236可以与阀元件214间接耦接并且可以作为压电驱动模块216或其它驱动
模块的部件来操作。驱动销236和阀元件214可以共同协作以通过从模块化喷射装置210喷射来分配流体材料。当驱动销236移动以使阀元件214接触阀座252时，驱动销236的末端234可以通过撞击可移动元件260的壁262以将其力和动量传递到壁262来像锤子的操作一样操作，这继而导致阀元件214快速撞击阀座252并从喷射装置喷射材料的液滴、流和/或不连续体积。具体地，不与驱动销236直接连接的阀元件214可以被构造成通过由被致动的驱动销236的末端234施加到可移动元件260的壁262上的脉冲而移动成接触阀座252。结果，驱动销236被致动，并且一定体积的流体材料从流体室238中喷射出来，而驱动销236的任何部分(包括但不限于末端234)都不被喷射的流体材料润湿。当驱动销236与壁262之间的接触被去除时，由偏压元件268施加的轴向弹簧力起作用以使阀元件214和可移动元件260在与驱动销236的纵向轴线对齐的方向上远离阀座252移动。驱动销236和阀元件214的每个往复循环都喷射流体材料的液滴、流或不连续体积。重复该循环以视需要喷射流体材料的连续液滴。
[0053]
阀元件214的面对阀座252的表面可以具有曲率以匹配阀座252的环绕开口254的表面形状。由于形状匹配，所以当阀元件214在喷射期间与阀座252具有接触关系时，临时形成流体密封。在阀元件214运动期间流体密封的建立阻止流体材料从流体室238流过阀座252。
[0054]
图1c示出了压电驱动模块216的详图。压电驱动模块216可以用于致动流体模块212的阀元件214。压电驱动模块216可以根据来自控制器(例如，图1a的控制器36)的控制信号来操作。在本实施例中，压电驱动模块216包括压电叠层292a和292b(统称为压电叠层292)、柱塞293和非对称挠曲部294。非对称挠曲部294可以是致动器主体274的一体部分，并且可以包括将非对称挠曲部294连接到柱塞293的耦接元件297。可以实现弹簧296以将弹簧力施加到柱塞293和压电叠层292a、292b，从而保持它们处于压缩状态。
[0055]
柱塞293可以用作将压电叠层292与非对称挠曲部294连接的机械接口。弹簧296可以在组件中被压缩，使得由弹簧296产生的弹簧力在压电叠层292上施加恒定负载，该恒定负载预加载压电叠层292。可由金属构成的非对称挠曲部294具有臂295，该臂295与驱动销236的与驱动销236末端234相对的端部物理固定。非对称挠曲部294用作机械放大器，其可以将压电叠层292的相对小的位移转换成驱动销236的有用位移，该有用位移显著大于压电叠层292的位移。
[0056]
压电驱动模块216的压电叠层292可以是由多层压电陶瓷层组成的层压板，该多层压电陶瓷层与本领域常规的多层导体层交替。来自弹簧296的弹簧力将压电叠层292的层压层保持在稳定的压缩状态。压电叠层292中的导体与驱动器电路电耦接，该驱动电路以本领域公知的方式用脉宽调制、频率调制或它们的组合来供应限流输出信号。当从驱动器电路298周期性地供电时，建立改变压电叠层292中的压电陶瓷层尺寸的电场。
[0057]
压电叠层292所经历的尺寸变化(该尺寸变化由非对称挠曲部294机械放大)使驱动销236在平行于其纵向轴线的方向上线性移动。当压电叠层292的压电陶瓷层膨胀时，弹簧296被膨胀力压缩，并且非对称挠曲部294围绕固定的枢轴轴线枢转，从而引起驱动销236的末端234向上移动并远离可移动元件260的壁262。这允许偏压元件268将阀元件214远离阀座252移动。当去除致动力并且允许压电叠层292的压电陶瓷层收缩时，弹簧296膨胀并且非对称挠曲部294枢转以向下移动驱动销236，使得末端234移动以接触壁262，致使阀元件
214接触阀座252并喷射材料的液滴、流和/或不连续体积。因而，在断电状态下，压电驱动模块216将阀保持在常闭位置。在正常操作中，当压电叠层292a、292b被通电和断电以移动驱动销236的末端234与可移动元件260的壁262接触和脱离接触以快速地喷射材料液滴时，非对称挠曲部294围绕固定枢轴轴线在相反方向上间歇地摇动。
[0058]
图2示出了示例服务站28，该服务站28被构造成捕捉从分配喷嘴16(未示出，参见图1a)分配的流体体积的一个或多个图像和/或测量从分配喷嘴16分配的流体体积的特性以及其它功能。如图所示，服务站28可以包括平台，该平台支撑位置校准站50、触摸传感器站52、吹洗站、称重站、分配校准站58等等中的一个或多个。
[0059]
位置校准站50可以被构造成校准分配喷嘴16的x/y位置。例如，位置校准站50可以提供固定的参考点，该固定的参考点可以由向控制器36产生信号的相机20和/或高度传感器21捕捉。然后，控制器36可以基于所述信号校准相机和/或高度传感器21的x/y位置。
[0060]
触摸传感器站52可以被构造成校准分配喷嘴16的z位置。例如，分配喷嘴16可以朝向触摸传感器站52降低，直至触摸传感器站52的压力敏感区域开始感测到接触。基于分配喷嘴16的初始接触，触摸传感器站52产生信号并传送到控制器36。然后，控制器36可以校准分配喷嘴16的z位置。
[0061]
吹洗站54可以被构造成从分配喷嘴16去除废料。例如，吹洗站54可以包括真空源，该真空源被构造成产生负压以从分配喷嘴的表面抽吸流体或粘性材料和/或清洁材料。被真空抽吸的材料可以沉积在位于平台48下方的储液器(未示出)中。
[0062]
称重站56可以被构造成校准分配系统10的材料。例如，称重站56可以包括秤、称重传感器、力换能器、应变计等，它们被构造成接收并称重来自分配器的一个或多个液滴。然后，秤可以产生指示重量的信号，所述信号被传输到控制器36。基于材料的重量，控制器36可以校准由分配喷嘴16沉积的材料。
[0063]
分配校准站58可以被配置成在从分配喷嘴16分配一定量的流体时，捕捉流体量的一个或多个图像。流体量可以被识别为或称为流体体积、流体大小、流体重量、流体形状和/或正被分配流体的其它物理特性。在整个本技术中，流体量可能被称为流体体积，但应理解，流体量可以通过不同的物理属性来识别，诸如上文列出的任何物理属性，并且所引用的流体体积是对流体量的描述，不一定将离散量的体积赋予参考。另外或可替选地，分配校准站58可以被配置成在从分配喷嘴16分配流体量时测量流体量的一个或多个特性，诸如速度、宽度、直径、长度、形状或方向性。因此，分配校准站58可以包括成像组件62和用于捕获和固位样本流体量的容器64。当流体量在分配喷嘴16与容器64之间处于飞行时，成像组件62可以捕捉流体量的一个或多个图像。在一些方面，成像组件62可以在流体量仍然与分配喷嘴16接触时捕捉流体量的一个或多个图像。在一些方面，成像组件62可以在流体量已经沉积到合适的基板上之后捕捉流体量的一个或多个图像。由分配校准站58测量的图像和/或其它特性可以被传输到控制器36以进一步处理，诸如被输入到机器学习工具以调整分配系统10(包括分配组件14)的一个或多个操作参数。
[0064]
在图2中所示的实施例中，成像组件62包括光源66和与光源66对置对准的光传感器组件68。光传感器组件68可以包括例如相机。相机可以包括一个或多个透镜、快门、电荷耦接装置(ccd)等。光源66可以间歇地频闪或投射光束，穿过所分配的流体体积的飞行路径。光源66可以被定位成使得光束垂直于所分配的流体体积的飞行路径。光传感器组件68
可以相对于光源66定位，以在流体体积穿过来自光源66的光束时捕捉流体体积的图像或其它表示。虽然在光源和光传感器组件配对方面描述了本实施例的成像组件62，但是成像组件62不受此限制，可以使用其它类型的设备来测量或确定流体体积的特性。也不必使用成像设备或技术本身来测量或确定流体体积特性。
[0065]
在其它实施例中，成像组件62可以包括多配对的光源66和光传感器组件68。例如，成像组件62可以包括布置中的第一配对和第二配对，其中，第一配对的光束垂直于第二配对的光束。
[0066]
成像组件62可以进一步包括一个或多个成角度的反射镜，这可以允许服务站28内的成像组件62和容器64布置的设计灵活性。光源66、光传感器组件68或者两者都可以通过一个或多个反射镜将来自光源66的光束重新定向而垂直地定位在服务站28内。例如，成像组件62可以包括：第一反射镜70，该第一反射镜70与光源66相关联；和第二反射镜72，该第二反射镜72与光传感器组件68相关联。第一反射镜70可以相对于光源66定位，使得来自光源66的光束被反射通过所分配的流体体积的行进路径。第二反射镜72可以被定位成将光束反射到光传感器组件68。
[0067]
在操作中，关于分配校准站58，分配系统10可以选择性地以生产模式或服务模式操作。在生产模式下，分配组件14可以被定位在生产区域26上方并且紧邻(例如，直接在其上方)基板18。在该位置中，分配组件14可以将流体分配到基板18的表面上。分配组件14可以进一步将流体分配到连续基板18的表面上。
[0068]
在服务模式下，生产模式的分配操作被暂停，并且分配组件14被定位成紧邻服务站28，特别是紧邻分配校准站58。例如，服务模式可以以预设间隔或响应于手动操作者输入来发起。在服务模式下，可以执行闭环分配过程控制或其部分。在闭环分配过程控制或其部分完成之后，分配系统10可以重新进入生产模式并将分配组件14定位在基板18上方以处理所述基板18。另外或可替选地，闭环分配过程控制或其部分可以在生产模式下执行。因而，分配校准站58或其部分，诸如成像组件62，可以定位在生产区域26中，以便在流体体积被分配在基板18上时捕捉流体体积的图像(或以其它方式测量流体体积的各种特性)。在一些方面，分配校准站58或其部分可以另外或可替选地在流体体积已经被分配到基板18上之后捕捉流体体积的图像。
[0069]
图3示出了示例分配校准站358的至少一部分以及具有分配喷嘴316的分配组件314的侧视图。分配校准站358包括成像组件362和对应的容器364。分配校准站358可以包括表面376。分配校准站358、成像组件362、容器364、分配组件314以及分配喷嘴316在一些方面可以分别与图1a和图2的分配校准站58、成像组件62、容器64、分配组件14以及分配喷嘴16类似。
[0070]
分配校准站358可以包括成像组件362，该成像组件362包括光源366和光传感器组件368。光传感器组件368可以包括相机。发光二极管(led)380可以产生光束378，该光束378由光源366投射。光传感器组件368和光源366可以被布置成与从分配组件314的分配喷嘴316分配的流体体积374的飞行路径对置对齐。第一成角度反射镜370沿水平方向反射来自光源366的光束378。在光束378至少部分地穿过流体体积374之后，第二成角度反射镜372将水平的光束378沿垂直方向反射到光传感器组件368。
[0071]
光传感器组件368可以在流体体积374被分配时捕捉其一个或多个图像。在一些方
面，光传感器组件368可以使用例如图像拼接来捕捉包括流体体积374的超过一个表示的合成图像。光束378可以包括来自光源366的间歇性系列或频闪光。间歇性或频闪光束可以允许光传感器组件368在流体体积374穿过光束378时捕捉流体体积374的多个表示。流体体积374的这样的多个表示可以促进确定例如流体体积374的方向性或流体体积374的速度。在一些方面，光束378可以表示来自光源366的光的连续投射。在这种情况下，高速视频捕捉系统可以用于在流体体积374穿过连续光流时捕捉流体体积374的图像。
[0072]
虽然分配校准站358被描述为具有在垂直定向上的光源366和光传感器组件368，但是可以设想光源366和光传感器组件368中的一个或多个可以水平地定向。光源366和/或光传感器组件368的这种水平定向可以消除对第一和第二反射镜370、372中的一个或多个的需要。
[0073]
图4示出了根据实施例的示例分配校准站458的侧视图。分配校准站458可以构造有处于垂直布置的两个光传感器组件/光源对，而不是图2和图3中所示的单个光传感器组件/光源配置。此外，分配校准站458被实现为在所分配的流体体积被分配到基板上而不是图2和图3中所示的容器中时捕捉其图像。因此，分配校准站458包括分配组件414，该分配组件414具有分配喷嘴416，该分配喷嘴416被构造成将流体体积474施加到基板488。被施加到基板488的流体体积474可以被称为流体沉积物475。飞行中的流体体积474在几个渐进实例中以虚线表示示出。
[0074]
第一光传感器组件468a(例如，相机)可以经由来自对置的第一光源466a的光束478捕捉流体体积474的图像。飞行中流体体积474的图像可以另外或可替选地由第二光传感器组件468b连同第二光源(未示出)捕捉。第一光传感器组件468a/第一光源466a对和第二光传感器组件468b/第二光源对可以以彼此垂直的关系定位。由第一光传感器组件468a和第二光传感器组件468b捕捉的图像可以都与特定流体体积474相关联并且可以都独立地提供给控制器以进行处理。另外或可替选地，由第一光传感器组件468a和第二光传感器组件468b捕捉的图像可以形成流体体积474的合成图像或其它表示，并且由控制器用于处理。例如，可以生成三维模型。
[0075]
在一个方面，分配校准站458可以被实现为以服务模式使用。例如，分配校准站458可以在图1a和图2的服务站28中实现。因此，基板488可以包括样本基板，该样本基板位于分配校准站458的表面476上，以接收流体体积474。基板488可以是类似类型的(例如，印刷电路板)，如在生产区域26和/或在生产模式下存在的类型。基板488可以被构造成以类似于传送带的方式移动，但不一定是连续运动。基板488可以由柔性材料制成，诸如纸制品或柔性塑料，并且从样本基板的卷筒进给中进给。
[0076]
在另一方面，分配校准站458可以实现为以生产模式使用。例如，分配校准站458可以在图1a的生产区域26中实现。因而，基板488可以包括生产基板。这样的基板可以由操作者或自动化机构(诸如机器人臂)放置在生产区域。另外或可替选地，生产基板可以是在分配喷嘴416下方输送的一个或一系列基板，以各自接收一个或多个流体体积474。分配校准站458可以为每个流体体积捕捉图像，或者可以捕捉流体体积子集的图像(例如，以预定的时间间隔)。
[0077]
在图4中进一步示出了基板488上的流体沉积物475的一个或多个“卫星”492的示例。卫星可能是由于飞行中的流体体积474对基板488的冲击而形成的小的空中液滴490的
结果。除非上下文另有明确指示，否则尽管与流体沉积物475不严格邻接，但空中液滴490和卫星492仍可以被认为是流体沉积物475的一部分。
[0078]
机器学习工具的训练
[0079]
图5示出了可以用于训练机器学习工具510的流程图500，该机器学习工具510被配置成确定所分配的流体量，例如，分配装置(例如，图1a的带有分配喷嘴16的分配组件14)所分配的流体体积的分类(缺陷或其它)。分配数据502可以响应于分配流体、在分配流体之前或同时收集。分配数据502可以包括流体图像504和/或一个或多个操作参数506。如图5中所示，分配一定体积的流体，并且收集流体体积图像504。在优选实施例中，图像是分配体积从分配装置喷嘴行进到基板时的飞行中图像(例如，如图9a至图10c中所示)。也可以收集与分配体积相关联的操作参数506。下面将详细讨论操作参数506。在一定体积的流体被分配并落在基板上之后，操作者通过观察作为基板上所分配的体积的一部分的卫星或喷嘴上的积聚来查看在那些条件下分配该体积或分配的一组体积的结果，并将分类524指配给所分配的体积。分配数据502(包括与分配体积相关联的图像504和参数506)以及被指配给所分配的体积的分类524，然后被输入到机器学习工具510中，以训练机器学习工具从而将该缺陷分类524与图像504和参数506相关联。然后分配另一体积并且重复训练循环。循环不断重复，直至机器学习工具510已经被训练，从而将各种类型的图像504和用于分配与图像相关联的体积的参数506与由图像504所指示的缺陷分类524相关联。
[0080]
每个训练循环进一步训练或更新机器学习工具510。因而，对机器学习工具510的进一步更新可以基于附加分配的流体体积的附加飞行中图像504的输入和分配那些流体体积时的操作参数506，以及已经由操作者确定的分配体积的对应分类524。然而，应理解，虽然上述过程描述了利用所分配流体的飞行中图像来训练机器学习工具510，但是可以实现利用在分配过程不同阶段的分配流体图像的类似过程500，诸如当流体在飞行中并且仍然附着在分配喷嘴上时，当流体在飞行中并且与分配喷嘴分离且处于分配喷嘴和基板之间时，当流体与基板接触时，或分配的另一阶段。
[0081]
分配体积的飞行中图像
[0082]
如上所述，图像504和参数506可以包括分配数据502。如上所述，图像504优选地是飞行中流体体积图像504。流体体积图像504可以已经由图2的光传感器组件68(例如，成像组件62)、图3的光传感器组件368，或者图4的第一光传感器组件468a和/或第二光传感器组件468b捕捉。一个或多个流体体积图像504可以与单个流体体积相关联。例如，第一光传感器组件468a和第二光传感器组件468b各自可以提供特定流体体积的图像。另外或可替选地，流体体积图像504可以包括描绘流体体积的两个或更多个表示的合成图像。此外，流体体积图像504可以包括流体体积的三维模型或其它表示。
[0083]
在图9a至图10c中描绘了示例性图像504。图9a至图10c示出了在分配阶段期间的飞行中流体。图9a至图10c描绘了与不同分配结果相关联的各种图像。例如，图9a中所示的流体分配引起流体在分配喷嘴上积聚；图9b中所示的流体分配引起流体的优选施加；并且图9c中所示的流体分配引起在基板上形成卫星。应明白，图9a至图9c中描绘的三个图像是示例性的，无意限制本公开。在图10a至图10c中描绘了另一组示例性图像504，其中，不同分配阶段期间的飞行中的分配流体与图9a至图9c中所示的不同分配阶段期间的飞行中的分配流体不同。图10a至图10c描绘了飞行中流体的图像，这些图像比图9a至图9c中描绘的流
体离喷嘴更远。与图9a至图9c类似，图10a、图10b和图10c描绘了分别引起在分配喷嘴上积聚流体、流体的优选施加以及在基板上形成卫星的流体分配。
[0084]
流体体积图像504通常包括对象流体体积在其处于在分配装置喷嘴与基板之间飞行中的侧视图。在整个说明书中使用的“飞行中”可以指已经与喷嘴断开接触但尚未接触基板的分配的流体体积。“飞行中”还可以指尚未与喷嘴断开接触的分配的流体体积，因而可以描述与喷嘴接触但未与基板接触的流体体积。“飞行中”可以进一步指开始接触基板但仍保持与喷嘴接触的分配的流体体积，诸如当流体的伸长线而不是点沉积在基板上时。
[0085]
流体体积图像504可以经过预输入处理，这可以增强图像作为机器学习工具510的输入的有用性。例如，流体体积图像504可以被处理以识别(例如，经由边界框和标签)流体体积图像504的各种部分。例如，参考如图11，流体体积图像504的一部分可以被识别为描绘流体体积的部分504a，而流体体积图像504的另一部分可以被识别为描绘喷嘴的部分504b，从而促进分析流体体积本身。流体体积图像504的已识别部分504a或504b可以被相应地标记，诸如经由图像的元数据标记，或经由可见的文本或图形标签504c在图像本身内标记。此外，流体体积图像504可以被裁剪，以去除流体体积图像504的至少一些未描绘流体体积的部分，例如，去除描绘喷嘴的部分504b。
[0086]
与分配体积相关联的操作参数
[0087]
样本分配数据502优选地包括如上所述的一个或多个操作参数506，这些操作参数与从其中分配流体体积的分配阀相关联。操作参数506可以是图1a的分配组件14或分配系统10的其它部件(包括图1b和图1c的示例分配组件200)的那些操作参数。示例操作参数506包括被构造成接合阀座以分配流体体积的阀针、阀杆和/或其它可移动元件(例如，图1b的阀元件214)的速度和/或冲程长度。在一些方面，操作参数506可以包括环境温度、正被分配的流体的温度(例如，正被分配的流体的温度、飞行中的流体的温度，和/或沉积到基板上时的流体的温度)、基板温度等。示例操作参数506还可以与致动配置(actuation profile)有关，诸如致动正时、致动器(例如，图1c的压电驱动模块216、图1b的驱动销236等)的冲程长度，和/或其它致动参数。其它示例操作参数506可以包括分配喷嘴和阀的打开速度、关闭速度、打开时间等。示例操作参数506包括分配喷嘴和阀打开和关闭的频率(即，分配流体体积的频率)、流体被提供给分配装置时的流体压力，以及分配喷嘴的温度。操作参数506可以与分配装置的移动有关，特别是在分配流体体积时，包括分配装置在分配时的放置、速度和方向性。操作参数506还可以与硬件构造有关，包括阀针、阀杆或被构造成接合阀座以分配流体体积的其它可移动元件的大小，以及喷嘴的大小(例如，喷嘴的出口开口的直径)。其它操作参数506可以与流体本身的特性有关，包括密度、粘度、固体类型和固体含量。此外，操作参数506可以包括流体和/或分配系统10的一个或多个物理特性。
[0088]
样本分配数据
[0089]
样本分配数据502可以包括如上所述的图像504和/或参数506，并且可以包括可以用作机器学习工具510的输入的各种其它类型的数据。例如，沉积的(例如，基板上的)流体体积的重量可以被包括在样本分配数据502中。秤或类似的测量装置可以被分别并入在图2、图3和图4的分配校准站58、358或458中，从而测量沉积的流体体积的重量。流体体积的各种其它特性可以被包括在样本分配数据502中。例如，流体体积图像504可以被处理，从而至少在某种程度上确定流体体积的一个或多个特性，并且那些确定的特性可以被输入到机器
学习工具510。在一些方面，从流体体积图像504确定的所述一个或多个特性和流体体积图像504可以都被输入到机器学习工具510。在其它方面，从流体体积图像504确定的特性可以被输入到机器学习工具510，但流体体积图像504本身不被输入。可以被包括在样本分配数据502中的示例流体体积特性为速度、宽度、直径、长度、形状、方向性、点速度、流宽度、点形状、点质量(dot mass)、点体积、喷嘴清洁度、损坏检查、盒识别、点大小、积聚检测、卫星计数、放置精度、点度量、距离内值、距离间值、二维聚类、三维聚类等。
[0090]
用于机器学习工具的简化训练实验(图6)
[0091]
如图6中所示，可以进行简化实验600，其中，分别为与分配体积a、b和c相关联的设定sa、sb和sc中的每一个捕捉分配体积a、b和c的图像ia、ib和ic组。在该实验中，设定sa可以是慢销速度，设定sb可以是快销速度，设定sc可以是中等销速度。销速度是针阀元件214向下移动以接触图1b中的阀座252从而从阀喷出或喷射分配的体积时的速度。
[0092]
在该实验中，对于分配体积a、b和c中的每一个，操作者查看基板上的分配体积或分配体积组，并确定喷嘴上是否有分配材料的积聚。然后，操作者为分配体积指配质量评级，诸如q1、q2和q3。在机器学习术语中，q1、q2和q3是分类系统的分类。例如，分类系统的这些质量评级可能是：q1指示在基板上产生的卫星，q2指示喷嘴上的材料积聚，q3指示没有卫星或积聚的良好分配。
[0093]
例如：
[0094]
对于分配体积a，操作者可以指配质量分类q2，然后将其与图像ia和设定sa相关联。应注意，分类q2与喷嘴上存在材料积聚的分配结果有关，而设定sa与慢销速度有关。因此，系统将被训练成将图像中所示的喷嘴上的材料积聚与慢销速度相关联。
[0095]
对于分配体积b，操作者可以指配质量分类q1，然后将其与图像ib和设定sb相关联。分类q1是指在基板上产生卫星的分配结果，设定sb是指快销速度。因此，系统将被训练成将图像中所示的基板上产生的卫星与快销速度相关联。
[0096]
对于分配体积c，操作者可以指配质量分类q3，然后将其与图像ic和设定sc相关联。分类q3指示良好分配(即，没有缺陷)，而设定sc是指中等销速度。因此，在该简化示例中，系统将被训练成将如图像中所示的没有卫星和喷嘴上的积聚的流体分配与中等销速度相关联。
[0097]
参考图9a至图9c中的示例性描绘并关于上述实验600，图9a可以例如被分类为q2，描绘了分配的材料在喷嘴上的积聚。图9b可以被分类为q3，指示没有缺陷的良好分配(即，没有卫星和喷嘴上的积聚)。图9c可以被分类为q1，描绘了导致在基板上形成卫星的图像。示例性的图10a、图10b和图10c可以被类似地分别分类为q2、q3和q1。应理解，图9a至图10c是示例性的，无意限制上述实验600的应用。
[0098]
对机器学习工具510的输入可以包括多个不同类型的输入，或者不同的输入节点。例如，一个输入节点可以包括流体体积图像504。输入节点可以包括流体体积图像504的一部分，而不是流体体积的完整捕捉图像。在一方面，输入节点可以包括与流体体积图像504相关联的元数据。这样的元数据可以识别流体体积图像504的某些部分，包括流体体积本身和/或图像内的喷嘴。元数据可以包括流体体积图像504的识别部分的标签。机器学习工具510的输入节点还可以包括操作参数506。输入节点还可以包括流体体积的其它特性，诸如重量、速度、宽度、直径、长度、形状和方向性。
[0099]
由机器学习工具510预测的缺陷分类可以被表征为工具510的分类输出520，如前所述的那样。分类输出520通常可以包括流体体积(例如，在流体体积图像504中表示的流体体积)的分类。分类输出520可以实现为机器学习工具510的输出层。输出层可以包括一个或多个输出节点。每个输出节点可以对应于候选(即，潜在)流体体积分类。在一方面，分类输出520可以包括多个分类(例如，指示多个输出节点)。每个分类可以指示该分类的概率。因而，分类输出520可以限定流体体积的潜在分类的概率分布(例如，类别分布)。在其它方面，分类输出520可以包括单个分类(例如，识别单个输出节点)。单个分类也可以指示分类的概率。分类输出520中的单个分类可以是所述多个输出节点的候选分类中概率最高的分类。
[0100]
分类可以指示流体体积的缺陷或其它特性。例如，分类可以指示积聚缺陷、卫星缺陷、错位缺陷、液体体积(量)缺陷、形状缺陷或尺寸缺陷。积聚缺陷可以指示流体体积受到喷嘴处的积聚流体的负面影响，导致喷嘴处流体积聚，或两者。卫星缺陷可以指示流体体积与基板上的卫星流体体积相关联(例如，引起)。错位缺陷可以指示流体体积在基板上错位。液体体积(量)缺陷可以指示沉积在基板上的流体体积的体积(量，例如，毫升或微升)在体积公差之外。形状缺陷可以指示所沉积流体体积的形状在形状公差之外，诸如关于两个或更多个尺寸的比例。尺寸缺陷可以指示沉积在基板上的流体体积的一个或多个尺寸在尺寸公差之外。例如，基板上的所得的流体点可能具有高于或低于直径公差的直径，或者流体线可能具有高于或低于线宽公差的宽度。在一些方面，分类可以指示反映两个或更多个缺陷的复合缺陷，诸如错位和积聚缺陷两者。分类也可以指示没有缺陷。即，无缺陷分类可以指示流体体积在指定公差内沉积在基板上。
[0101]
分类可以进一步与分配系统的一个或多个操作参数506相关联。这样的操作参数506可以是至少部分地导致相关联缺陷或与相关联缺陷相关的操作参数。因而，分类可以包括缺陷和一个或多个操作参数506。例如，分类可以指示卫星缺陷和阀针速度操作参数。在这种分类中指示的卫星缺陷可以是特定类型的卫星缺陷或表现出例如已知至少部分地由高阀针速度引起的某些特点。第二分类可以指示卫星缺陷和阀打开时间操作参数。该第二卫星缺陷可以是至少部分地由阀打开时间过长或过短引起或与其相关的卫星缺陷。
[0102]
分类可以又进一步与流体体积的一个或多个特性相关联，诸如在流体体积图像504中识别的那些特性中的一个或多个。这样的特性可能至少部分地导致与分类中指示的相关联缺陷，或与这些相关联缺陷相关。因而，分类可以包括流体体积的缺陷和流体体积的一个或多个特性(以及上述的一个或多个操作参数)。例如，分类可以指示错位缺陷和飞行中流体体积的已知与错位缺陷相关的方向性特性。第二示例分类也可以指示错位缺陷，但作为代替指示飞行中流体体积的已知与错位缺陷相关的速度特性。因而，机器学习工具510的输出节点可以涵盖一个或多个缺陷、一个或多个操作参数、以及流体体积的一个或多个特性(以及无缺陷情况)的各种组合和子组合。
[0103]
进一步参考图5，图5示出了用于训练机器学习工具的过程，可以修改该过程以包括使用缺陷分类524的先前构建的或已知示例的图像。训练分类524可以通过分析(手动和/或自动)沉积在基板上的流体体积的图像来确定。例如，可以对具有沉积的对象流体体积以及其它沉积的流体体积(诸如其它训练迭代的那些)的基板的顶视图图像执行图像分析。图像分析可以识别，例如，基板上的卫星的存在、任何形状错误或尺寸错误的流体体积沉积物以及任何错位的流体体积沉积物。训练可以包括将机器学习工具510产生的分类输出520与
在被提供给机器学习工具510的图像中展示的已知缺陷分类524进行比较。比较可以关于分类输出520的单个分类，诸如概率最高的分类。
[0104]
已知缺陷分类524与分类输出520的比较可以产生可被量化的误差。误差可以用作通常反映机器学习工具510是否被充分“训练”以用于预期用途的量度。例如，误差可能在可接受界限外，指示机器学习工具510没有充分训练用于预期用途。
[0105]
基于误差，可以做出修正机器学习工具510的确定，优选地使得修正的(第二)机器学习工具被配置成确定比机器学习工具510的先前迭代更准确的分类输出520。是否修正机器学习工具510和/或执行附加的训练迭代可以基于阈值或阈值范围来确定。例如，可以将误差与阈值或阈值范围进行比较。如果误差满足阈值或阈值范围，则机器学习工具510可以被认为是可接受的，以用作被接受的机器学习工具510。相反，如果误差不满足阈值或阈值范围，则可以执行附加的训练迭代。
[0106]
在修正后的第二机器学习工具的附加训练迭代中，第二流体体积的样本分配数据502可以作为输入提供给修正后的第二机器学习工具。基于第二流体体积的输入样本分配数据502，修正后的第二机器学习工具可以确定第二流体体积的第二分类输出(例如，分类输出520的进一步实例)。基于来自训练分类524的第二流体体积的已知分类，可以确定第二误差。可以鉴于第二流体体积的已知分类来评估第二误差，从而确定是否应执行进一步的训练迭代或者是否应采用经修正的第二机器学习工具作为被接受的机器学习工具510。
[0107]
在实施例中，机器学习工具510的训练迭代可以被执行预定次数。因此，在确定每次迭代的误差之后执行进一步的训练迭代，直至达到预定数量。可以向修正后的机器学习工具510提供附加的样本分配数据和对应的已知训练分类以进行下一轮训练迭代，除了每次迭代的误差将被评估以确定最新的修正后的机器学习工具是否正在可接受地执行。最后，将第三组样本分配数据和对应的已知训练分类提供给最终版本的机器学习工具，以验证最终版本的性能。不基于第三组样品分配数据对机器学习工具进行进一步修正。
[0108]
经训练的机器学习工具的使用
[0109]
如图7中所示，在生产中使用机器学习工具510的闭环过程始于分配装置的阀被打开和关闭，以从分配装置的喷嘴分配一部分粘性流体。如上所述，拍摄飞行中的分配体积(以及可能的分配喷嘴)的图像504。另外，与分配体积相关联的操作参数506被收集在系统中。这些图像和参数被输入到机器学习工具510中，并且用于基于先前使用图5中所示的过程完成的机器训练来预测分配体积的缺陷分类524。预测的缺陷分类包括分类输出520。例如，分类输出520可能有90％的概率是分配体积属于q1分类(卫星缺陷)，以及10％的概率是分配体积属于q3分类(无缺陷)。在下一步骤中，基于由机器学习工具提供的分类输出520适当地调整分配系统的参数，以产生调整后的操作参数540。在这种情况下，例如，因为有90％的机会是卫星缺陷，并且由于机器学习工具已经被教导将高销速度(即，高阀针速度)与卫星缺陷相关联，因此将会调整影响阀针速度的参数以降低阀针速度。然后使用调整后的参数540分配材料的新体积，并且循环自身重复。以这种方式，机器学习工具510可以在生产中用于自动纠正基于先前赋予机器学习工具510的训练而检测到的缺陷。
[0110]
更详细地，提供指示一个或多个分配的流体体积的分配数据502(包括飞行中流体体积图像504、操作参数506和/或其它相关联数据)。与流体体积相关联的分配数据502被输入到机器学习工具510，以确定指示流体体积的分类(例如，缺陷，如果有的话)的分类输出
520。基于(输入)分配系统操作参数和(输出)分配的流体体积特性之间的各种已知关系和缺陷(输入/输出关系)以及分类输出520，调整(经调整的操作参数540)分配系统的一个或多个操作参数(即，所述操作参数的值)。在经调整的操作参数540下，分配第二流体体积。第二流体体积反映在新的分配数据502中，诸如飞行中的第二流体体积的图像和操作参数，包括经调整的操作参数540，第二流体体积是根据该操作参数540而分配的。第二流体体积的分配数据502可以是闭环控制的进一步迭代等的基础。
[0111]
分配数据502可以指示由分配装置(例如，图1a的具有分配喷嘴16的分配组件14)分配的一个或多个流体体积。与分配数据502相关联的流体体积可以是在生产环境和/或在生产模式下分配在基板上的流体体积。另外或可替选地，与分配数据502相关联的流体体积可以是在服务站处或在服务模式下分配的流体体积。流体体积可以在分配平台的服务站处分配，该服务站与平台的工作区域相邻，其中在该工作区域处材料在生产中被分配到基板上。在服务站处，可以将材料分配在基板上或容器中。分配数据502通常可以指示流体体积在其被沉积在基板上之前的多个方面。例如，分配数据502可以排除流体体积的基板上图像。分配数据502还可以包括或排除流体体积的基板上特性，诸如基板上尺寸、形状、重量、卫星和放置。
[0112]
分配数据502可以包括飞行中的流体体积图像504。流体体积图像504可能已经由图2的光传感器组件68(例如，成像组件62)、图3的光传感器组件368或图4的第一光传感器组件468a和/或第二光传感器组件468b捕捉。流体体积图像504可以包括对象流体体积在其飞行到基板时的一个或多个图像。例如，对象流体体积的流体体积图像504可以包括由第一相机捕捉的第一图像和由第二相机从不同角度捕捉的第二图像。作为另一示例，对象流体体积的流体体积图像504可以包括具有在不同时间间隔下的流体体积的两个或更多个表示的合成图像。
[0113]
流体体积图像504可以经历预处理以确定流体体积的附加数据和/或增强流体体积图像504的有用性。例如，包含流体体积的图像部分可以被识别并因此标记(例如，在图像中或作为元数据)。包含喷嘴的图像部分可以被识别并因此标记(例如，在图像内或作为元数据)。作为另一示例，可以从图像中裁剪出不包含流体体积或喷嘴的图像的至少一些部分。
[0114]
分配数据502可以包括操作参数506，对象流体体积(和/或其它流体体积)是根据该操作参数506而分配的。操作参数506可以是图1a的分配系统10的分配组件14或其它部件(包括图1b和图1c的示例分配组件200)的那些操作参数。
[0115]
示例操作参数506包括被构造成接合阀座以分配流体体积的阀针、阀杆或其它可移动元件(例如，图1b的阀元件214)的速度和/或冲程长度。示例操作参数506还可以与致动配置有关，诸如致动正时、致动器的冲程长度(例如，图1c的压电驱动模块216、图1b的驱动销236等)，和/或其它致动参数。其它示例操作参数506包括分配喷嘴和阀的打开速度、关闭速度和打开时间。示例操作参数506包括分配喷嘴和阀打开和关闭的频率(即，分配流体体积的频率)、流体被提供给分配装置时的流体压力，以及分配喷嘴的温度。操作参数506还可以与硬件构造有关，包括阀针、阀杆或被构造成接合阀座以分配流体体积的其它可移动元件的大小，以及喷嘴的大小(例如，喷嘴的出口开口的直径)。其它操作参数506可以与流体本身的特性有关，包括密度、流变性、粘度、固体类型和固体含量等等。
[0116]
分配数据502可以进一步包括其它数据，诸如流体体积在飞行中的一个或多个特性。流体体积的这样的飞行中特性可以基于流体体积的一个或多个流体体积图像504来确定。流体体积的特性可以包括速度、宽度、直径、长度、形状和方向性。除了流体体积图像504之外或代替流体体积图像504，流体体积的飞行中特性可以作为输入提供给机器学习工具510。
[0117]
机器学习工具510可以接收对象流体体积的分配数据502的至少一部分作为输入。机器学习工具510可以包括由关于图5所述的训练过程产生的图5的被接受的机器学习工具510。机器学习工具510的输入层的输入节点可以包括对象流体体积的分配数据502的至少一部分。因此，输入节点可以包括对象流体体积的一个或多个流体体积图像504、分配对象流体体积所根据的一个或多个操作参数506以及其它数据，诸如将流体体积图像504的某些部分标记为流体体积和/或喷嘴的图像元数据。机器学习工具510的输入节点还可以包括对象流体体积的一个或多个飞行中特性。
[0118]
基于对象流体体积的输入分配数据502，机器学习工具510确定对象流体体积的分类输出520。分类输出520可以包括对象流体体积的一个或多个分类。例如，分类可以指示沉积的对象流体体积的基板上缺陷，诸如卫星缺陷、错位缺陷、液体体积(量)缺陷、形状缺陷或尺寸缺陷，以及积聚缺陷。分类还可以指示与所指示的缺陷分类相关联(例如，引起和/或相关)的一个或多个操作参数。分类还可以指示与所指示的缺陷分类相关联(例如，引起和/或相关)的对象流体体积的一个或多个飞行中特性。
[0119]
分类输出520可以包括多个分类。该多个分类可以包括对象流体体积的多个候选分类。每个候选分类可以指示对象流体体积属于该候选分类的概率。因而，分类输出520可以包括对象流体体积的候选分类的概率分布(例如，类别分布)。分类输出520可以包括所述多个候选分类的子集。例如，分类输出520可以包括概率满足阈值概率的候选分类。分类输出520可以包括单个分类。该单个分类可以是具有最高概率的候选分类。分类输出520还可以指示对象流体体积引起(或将具有)流体体积在基板上可接受的沉积物：“无缺陷”分类。也就是说，沉积的对象流体体积的基板上特性(或其投影)全部在可接受的公差范围内。
[0120]
基于分类输出520和输入/输出关系来确定一个或多个经调整的操作参数540。输入/输出关系表示分配系统的一个或多个操作参数(分配系统的“输入”)与流体体积的一个或多个飞行中或基板上特性(分配系统的“输出”)之间的一个或多个函数关系。在输入/输出关系中表示的这样的特性可以包括流体体积的缺陷，特别是一旦沉积到基板上的流体体积的缺陷(例如，卫星缺陷、错位缺陷、液体体积(量)缺陷、形状缺陷或尺寸缺陷)或积聚缺陷。例如，输入/输出关系可以指示对操作参数的特定改变对所得的分配的流体体积的一个或多个特性的影响。相反，输入/输出关系可以指示可以被实施以实现一个或多个流体体积特性的分配系统的一个或多个操作参数(或对其的改变)。输入/输出关系可以被实现为一个或多个函数，诸如数学函数。
[0121]
输入/输出关系可以包括分配系统的一个或多个操作参数与流体体积的一个或多个特性之间的多元关系。例如，输入/输出关系可以包括两个或更多个操作参数与一个或多个流体体积特性之间的关系。输入/输出关系可以包括一个或多个操作参数与两个或更多个流体体积特性之间的关系。输入/输出关系可以包括两个或更多个操作参数与两个或更多个流体体积特性之间的关系。此外，输入/输出关系可以包括一个或多个操作参数与一个
或多个其它操作参数之间的关系(例如，阀杆/阀针速度与喷嘴开口宽度之间的关系)。又进一步，输入/输出关系可以包括一个或多个流体体积特性与一个或多个其它流体体积特性之间的关系(例如，体积缺陷与卫星缺陷之间的关系、积聚缺陷与错位缺陷之间的关系，或者飞行中速度特性与形状缺陷之间的关系)。
[0122]
应注意，经调整的操作参数540本身可以与用于分配对象流体体积的操作参数(例如，操作参数506)不同。因而，“经调整的”操作参数540可能根本不代表任何调整。例如，分类输出520可以指示流体体积的“无缺陷”分类。因此，闭环分配过程控制可以确定分配系统应按原样进行操作，而不是对分配系统的操作参数实施一项或多项改变。
[0123]
经调整的操作参数540可以应用于分配一个或多个附加的流体体积(由元素650表示)。也就是说，可以使用经调整的操作参数540来分配一个或多个附加的流体体积。可以执行图7的流程图的一个或多个附加的迭代以使用机器学习工具510来实现分配系统的闭环控制。例如，可以根据初始经调整的操作参数540来分配第二体积的流体。可以基于第二分配的流体体积来确定附加分配数据502。可以将表示第二流体体积的附加分配数据的至少一部分输入到机器学习工具510，以确定第二流体体积的对应分类输出520。基于第二流体体积的分类输出和输入/输出关系，可以确定第二一个或多个经调整的操作参数540。那些经调整的操作参数继而可以用于分配第三流体体积。第三流体体积的分配数据502可以被输入到机器学习工具510，以确定对应的分类输出520，等等。第一、第二和第三流体体积不必是连续的流体体积。相反，闭环分配过程控制的迭代可以被以各种散布间隔(例如，关于时间或流体体积)执行。
[0124]
通过使用本文所述的闭环分配系统控制可以实现若干益处。这些益处可以在很大程度上无需大量操作者干预或手动重新校准而实现。作为一个示例益处，分配过程控制和作为所得的经调整操作参数可以根据执行分配操作的实际条件来确定，而不是根据在例如制造商的校准或测试设施中的那些条件来确定。例如，生产设施处的温度或湿度可能与校准或测试设施的温度或湿度不同。另外，分配系统可以按假定的操作时间表(例如，每天的默认操作小时数)校准，而实际操作时间表可能不同。此外，本文所述的闭环分配过程控制提供了在各种变化下的控制适应性。例如，分配系统可能会在设施的建筑物之间移动，引起操作环境发生各种变化。一年中的季节也可能引起操作环境发生变化。新的操作时间表可能要求增加或减少每天的操作时间。分配系统可以应用于需要各种调整(例如，流体体积在基板上的大小和位置)的不同制造或组装过程。与手动重新校准过程不同，闭环分配过程控制可以确定由上述任何变化引起的任何缺陷，并在一次或多次迭代中自动调整操作参数以优选地消除或最小化此类缺陷。
[0125]
图8示出了使用机器学习工具以操作分配装置从而分配流体(例如，粘性流体)体积的闭环分配过程控制的方法700的流程图。这样的分配装置可以包括图1a的分配系统10，一般地或更具体地是图1a的分配组件14。流体体积一旦沉积到基板上(或者如果在容器而不是基板的情况下将会已经沉积到基板上)可以形成点或线。在分配装置和喷嘴的移动期间可能发生多个流体体积的分配(例如，喷嘴阀打开和关闭)，并且多个流体体积可能是不连续的。另外或可替选地，基板可以相对于分配装置和喷嘴移动。
[0126]
在步骤702处，分配装置根据分配装置的操作参数的第一值来分配流体部分或体积(例如，粘性流体的一定体积)。分配流体部分或体积可以包括打开和关闭分配装置的喷
嘴的阀，以从喷嘴分配流体体积。操作参数可以包括例如阀杆/阀针速度、阀杆/阀针冲程长度、致动正时、致动冲程长度、喷嘴阀打开速度、喷嘴阀关闭速度、喷嘴阀打开时间、喷嘴阀开关频率、分配频率、流体压力、喷嘴温度、阀针/阀杆大小、喷嘴开口宽度、分配装置放置、分配期间的分配装置移动速度或者分配期间的分配装置方向性。关于图7的操作参数506和分配数据502进一步描述分配装置的操作参数。
[0127]
在步骤704处，捕捉流体的一个或多个图像。该一个或多个图像可以是流体体积在从喷嘴在飞行中时的侧视图图像。例如，该一个或多个图像可以被相机捕捉。该一个或多个图像可以被图2的光传感器组件68(例如，成像组件62)、图3的光传感器组件368，或者图4的第一光传感器组件468a和/或第二光传感器组件468b捕捉。该一个或多个图像可以包括图5或图7的流体体积图像504。如上所述，该一个或多个图像可以被处理以识别图像的对应于流体的一部分和/或图像的对应于喷嘴的一部分。这些部分可以在图像内被识别为图像的元数据，或其它形式的数据(例如，图7的分配数据502)。该一个或多个图像可以被裁剪以消除所捕捉的一个或多个图像中未示出流体体积的至少一些部分。
[0128]
另外或可替选地，可以确定流体的一个或多个特性。流体的部分或体积的所述一个或多个特性可以是流体体积的飞行中特性。可以基于所述一个或多个图像来确定流体体积的所述一个或多个特性。这样的特性可以包括流体体积的速度、宽度、直径、长度、形状或方向性。
[0129]
在步骤706处，流体体积的所述一个或多个图像被输入到机器学习工具(例如，图7的机器学习工具510)。操作参数的第一值也可以与所述一个或多个图像一起提供给机器学习工具。基于向机器学习工具输入所述一个或多个图像和操作参数的第一值，确定流体体积的分类(例如，图7的分类输出520)。例如，机器学习工具可以确定分类。
[0130]
流体体积的分类可以指示流体体积的特性。例如，分类可以指示流体体积的缺陷。缺陷可以是基板上缺陷，诸如卫星缺陷、错位缺陷、液体体积(量)缺陷、形状缺陷或尺寸缺陷。缺陷可以是另一类型的缺陷，诸如积聚缺陷。由分类指示的流体体积的特性可以另外或可替选地是流体体积的飞行中特性，诸如速度、宽度、直径、长度、形状或方向性。分类可以指示一个或多个缺陷(基板上或积聚)和一个或多个飞行中特性两者。因而，例如，分类可以指示流体体积遭受与速度(一般的速度或流体体积的比速度)相关的形状缺陷。另外或可替选地，分类可以指示一个或多个缺陷以及一个或多个操作参数两者，包括上述操作参数(一般的操作参数或其第一值)。例如，分类可指示流体体积遭受与喷嘴阀打开时间(一般的喷嘴阀打开时间或分配流体体积所根据的实际喷嘴阀打开时间)相关的错位缺陷。
[0131]
流体体积的分类可以包括流体体积的特性的概率。流体体积的分类可以基于流体体积的两个或更多个候选分类。该两个或更多个候选分类可以对应于机器学习工具的输出层的输出节点。该两个或更多个候选分类中的每一个可以包括流体体积的特性的概率。流体体积的分类可以包括具有最大概率的候选分类。分类可以基于该两个或更多个候选分类的概率分布。
[0132]
在步骤708处，基于流体体积的分类确定操作参数的第二值(例如，经调整的操作参数540)。操作参数的第二值可以与操作参数的第一值相同或不同。操作参数的第二值可以进一步基于操作参数与分类所指示的流体体积的特性(例如，缺陷)之间的一个或多个已知关系(输入/输出关系)。例如，该一个或多个已知关系可以包括分类中所指示的尺寸缺陷
与用于分配流体体积的阀杆速度操作参数之间的关系。此外，该一个或多个关系可以指示阀杆速度从当前第一值的降低对应于尺寸缺陷的概率降低。因而，可以为操作参数的第二值确定减小的阀杆速度操作参数。
[0133]
确定操作参数的第二值可以基于流体体积的特性(由分类指示)与范围的比较。所述范围可以包括阈值范围，其中，阈值范围之外的值被认为是关于该特性(或相关联的特性或特性集)的缺陷。例如，超出范围的基板上尺寸可以指示基板上的形状缺陷，并且可以相应地确定操作参数的第二值。相反，分类所指示的流体体积的特性可以在阈值范围的边界内，因而，操作参数的第二值可以被确定为等于操作参数的第一值(即，没有变化)
[0134]
在一方面，分配装置的第二操作参数可以用于确定流体体积的分类。也就是说，分配装置的第二操作参数的第一值可以被输入到机器学习工具。进一步基于将第二操作参数的第一值输入到机器学习工具来确定分类。分类可以进一步指示第二操作参数。例如，分类可以指示与阀杆速度(第一操作参数)和阀杆冲程长度(第二操作参数)相关的错位缺陷。
[0135]
在一方面，可以确定流体体积的第二特性。第二特性可以被确定为流体体积分类的一部分，即，分类指示流体体积的第一特性和第二特性两者。另外或可替选地，可以独立地确定第二特性，诸如经由对飞行中流体体积的一个或多个图像的分析。第二特性可以包括流体体积的飞行中特性。第二特性可以包括流体体积的方向性、尺寸、形状、液体体积或速度中的至少一个。操作参数的第二值可以进一步基于流体体积的第二特性。
[0136]
操作参数与流体体积的特性之间的所述一个或多个已知关系可以包括操作参数、第二操作参数、流体体积的特性或流体体积的第二特性中的至少两个之间的多元关系。操作参数的第二值可以进一步基于所述多元关系。
[0137]
在步骤710处，分配装置根据操作参数的第二值分配第二流体体积。分配第二流体体积可以包括打开和关闭分配系统的喷嘴的阀。可以将第二流体体积分配到与第一流体体积相同的基板或不同的基板。可以从第一流体体积以预定间隔(例如，关于所分配的流体体积的时间或数量)分配第二流体体积。
[0138]
为了促进闭环分配过程控制，可以捕捉第二流体体积的一个或多个图像和/或可以确定第二流体体积的一个或多个飞行中特性。第二流体体积的所述一个或多个图像和/或第二流体体积的所述一个或多个飞行中特性可以被输入到机器学习工具以确定第二流体体积的分类(例如，缺陷和/或其它特性)。基于第二流体体积的分类以及操作参数与第二流体体积的缺陷和/或其它特性之间的已知关系，可以确定操作参数的第三值。可以以与操作参数的第一和第二值类似的方式使用操作参数的第三值继续闭环分配过程控制。如果分类指示“无缺陷”分类，则闭环控制可以终止。可替选地，闭环控制可以继续，但是使用相同的操作参数值来分配随后的流体体积。闭环控制的继续可能是期望的，其中，以规则的间隔执行循环的迭代以继续监视并纠正分配操作。
[0139]
在一方面，闭环分配过程控制的至少一部分可以用于确定分配装置的至少一个部件的预计故障时间。另外或可替选地，预测的故障时间可以针对整个分配装置。分配装置的所述至少一个部件可以与用作机器学习工具的输入的操作参数相关联。所述至少一个部件可以与由机器学习工具确定的分类(和/或其特性)相关联。例如，阀针和/或阀座的磨损可能与液体体积(量)缺陷有关。在闭环控制的多次迭代中，可以跟踪分类的概率。可以识别所述多次迭代的概率趋势，并且该趋势可以用于确定所述至少一个部件的预测的故障时间。
[0140]
使用阀针和/或阀座的上述示例，阀针和/或阀座的磨损可能防止两者之间形成完全密封。随着这种磨损的发展，每个分配流体体积的液体体积(量)可能同样下降。随着分配的流体体积的液体体积随时间下降，所捕捉的图像反映液体体积缺陷(由分类指示)的概率可能上升。由液体体积缺陷的概率所展现的趋势可以被识别并形成预测的故障时间的基础。预测的故障时间可以用于阀针、阀座、阀针和阀座两者、包括阀针和/或阀座的喷嘴，或者分配装置。
[0141]
本领域技术人员应理解，本文公开的系统和方法可以经由计算装置来实现，计算装置可以包括但不限于一个或多个处理器、系统存储器，和将包括处理器的各种系统部件耦接到系统存储器的系统总线。在多个处理器的情况下，系统可以利用并行计算。
[0142]
出于说明的目的，应用程序和其它可执行程序部件(诸如操作系统)在本文中被示为离散块，但是应认识到此类程序和部件在不同时间驻留在计算装置的不同存储部件中，并且由计算机的数据处理器执行。服务软件的实现可以被存储在某种形式的计算机可读介质上或通过其传输。所公开的任何方法都可以通过体现在计算机可读介质上的计算机可读指令来执行。计算机可读介质可以是计算机可以访问的任何可用介质。作为示例而非意在限制，计算机可读介质可以包括“计算机存储介质”和“通信介质”。“计算机存储介质”包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。示例性的计算机存储介质包括但不限于ram、rom、eeprom、闪存或其它存储技术、cd-rom、数字多功能磁盘(dvd)或其它光存储、磁盒、磁带、磁盘存储或其它磁存储装置，或任何其它可以用于存储期望信息并可由计算机访问的介质。应用程序等和/或存储介质可以至少部分地在远程系统处实现。
[0143]
除非上下文另有明确规定，否则在说明书和所附权利要求中使用的单数形式“一”、“一个”和“该”包括复数指示物。范围在本文中可能表达为从“约”一个特定值，和/或到“约”另一特定值。当表达这样的范围时，另一实施例包括从一个特定值和/或到另一特定值。类似地，当值被表达为近似值时，通过使用先行词“约”，应理解，特定值形成另一实施例。应进一步理解，每个范围的端点关于另一端点和独立于另一端点都是重要的。
[0144]
除非本文另有说明，否则本文中值范围的列举仅旨在用作单独引用落入范围内的每个单独值的速记方法，并且每个单独的值都被并入说明书中，就好像它在本文中被单独列举一样。
[0145]
在本说明书的整个描述和权利要求书中，词语“包括
…”
和词语的变体，诸如“包括
…”
和“包含
…”
意指“包括但不限于
…”
，并且无意排除例如其它部件、整体或步骤。“示例性的”是指
“…
的示例”，无意传达对优选或理想实施例的指示。“诸如”不是用于限制性意义，而是用于解释目的。
[0146]
公开了可以用于执行公开的方法和系统的部件。这些和其它部件在本文中公开，并且应理解，当公开这些部件的组合、子集、相互作用、组等时，虽然可能未明确公开对这些内容的每个各种单独和集体组合和排列的具体引用，但是对于所有方法和系统，每一个都在本文中被具体考虑和描述。这适用于本技术的所有方面，包括但不限于公开方法中的步骤。因而，如果存在可以执行的多种附加步骤，则应理解，这些附加步骤中的每一个都可以通过所公开方法的任何具体实施例或实施例的组合来执行。
[0147]
除非另有明确说明，否则绝无意将本文阐述的任何方法解释为要求其步骤以具体
顺序执行。因而，如果方法权利要求实际上并未叙述其步骤所遵循的顺序，或者在权利要求或描述中没有另外具体说明步骤将被限制为具体顺序，则绝无意在任何方面推断顺序。这适用于任何可能的非明确解释基础，包括：与步骤或操作流程布置有关的逻辑问题；源自语法组织或标点符号的简单含义；说明书中描述的实施例的数量或类型。
[0148]
对于本领域的技术人员来说显而易见的是，在不脱离范围或精神的情况下可以进行各种修改和变化。通过考虑本文公开的说明书和实践，其它实施例对于本领域技术人员将是显而易见的。有意将说明书和示例仅视为示例性的，真实范围和精神由所附权利要求指示。