반응형
1️⃣ 왜 버터플라이가 아닌 poppet (대칭식) 은 따로 봐야 할까?
- 대칭 플런저(plate) 가 스트로크 방향 ± 측으로 동시에 열리기 때문에, 초기 개도에서도 유효 유로 면적이 급격히 증가합니다.
- 따라서 C(θ)C(θ) 가 흔히 쓰는 “sin2\sin^2” 버터플라이 모델보다 훨씬 고‑gain·logistic‑shape가 됩니다.
- VAT IC2 컨트롤러는 이를 전제로 “Learn+Adaptive” 알고리즘을 지원해 선형화 테이블을 자동 작성합니다(매뉴얼 2.3.4 Soft‑pump). (vatvalve.vatstatic.com)
2️⃣ 필수 사양 값 (데이터시트)
파라미터 값 출처
최대 컨덕턴스 CmaxC_{\max} | 30 000 L/s (molecular flow) | (ManualsLib) |
최소 컨덕턴스 CminC_{\min} | 0.3 L/s | (ManualsLib) |
유효 스트로크 xmaxx_{\max} | 130 mm | (ManualsLib) |
정격 펌프 속도 SpS_p | 공정마다 상이(예: 1 500 L/s Turbo) | – |
3️⃣ 수학적 모델 설계 흐름
3‑1. 컨덕턴스 모델 C(x)C(x) — logistic + 페널티
- xx : 플런저 이동량(mm) → IC2 “Pos [%] · 1.3” 으로 바로 변환
- x50x_{50} : 50 % 유량이 나오는 위치 ≈ 0.35 xmaxx_{\max} (초기 개도 급격)
- kk : 경사(≈ 0.1 mm⁻¹ 추천)
팁 : IC2 MENU ▶ AUTO‑LEARN 실행 후 내보내는 “valve‑curve.csv”로 x50,kx_{50},k 를 실측 피팅하면 R² > 0.98 달성.
3‑2. 유효 펌핑 속도
3‑3. 압력 식 (가스 유입량 QQ 고정)
- QQ [sccm] → Q_Torr⋅L/s=760 Q60 TstdQ\_{Torr·L/s}= \dfrac{760\,Q}{60\,T_\text{std}}
4️⃣ 현장 캘리브레이션 체크리스트
- 가스 유량 고정 (예: 100 sccm, SF₆).
- IC2 Pos 0 → 100 % 10 % 단계 스텝 → PP 실측 최소 20 포인트.
- Python/Excel로 logistic 피팅 → k,x50k,x_{50} 결정.
- 모델식으로 Ppred(x)P_\text{pred}(x) 계산 → 평균 오차 ±3 % 이하면 승인.
- Feed‑forward 테이블: IC2 “CHARACTERISTIC” 메뉴에 x(Pset)x(P_\text{set}) 역함수 업로드.
5️⃣ 예시 계산
조건
- Q = 100 \text{sccm} ≈ 1.27 \text{Torr·L/s}
- Sp=1 500 L/s S_p = 1 500 \text{L/s}
- k=0.1k = 0.1, x50=46 mmx_{50} = 46 \text{mm}
Pos [%] xx [mm] C(x)C(x) [L/s] PP [Torr]
10 | 13 | 1 217 | 0.0011 |
30 | 39 | 9 245 | 0.00019 |
60 | 78 | 23 945 | 0.00008 |
90 | 117 | 28 990 | 0.00007 |
→ 10 % → 90 % 단 4 초 이내(플런저 속도 1 s/100 mm)로 압력 15× 이상 저감.
6️⃣ 모델 고도화 아이디어
방법 활용 상황
EKF + In‑situ 펌프 열화 추정 | 펌프 베어링 마모로 SpS_p 변할 때 |
Hybrid CNN (압력·APC waveform) | Recipe 간 응답 패턴 실시간 분류 |
Valve friction compensation (IC2 “dynamic gain”) | 1 억 싸이클 이후 stick‑slip 현상 |
7️⃣ 마무리 & 실무 포인트
- 데이터시트 기반 CminC_{\min}, CmaxC_{\max} 를 먼저 넣고,
- IC2 Auto‑Learn 로 실제 곡선을 캡처,
- P=Q(Sp+C)/SpCP = Q(S_p+C)/S_pC 공식에 피팅만 하면 3 ~ 4 스텝으로 완성!
추가 질문이나 코드 샘플이 필요하면 댓글 달아 주세요. 실측 데이터 시트만 있으면 즉시 커스텀 모델을 만들어 드리겠습니다. 😊
반응형