JP2012515984A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2012515984A5 JP2012515984A5 JP2011548066A JP2011548066A JP2012515984A5 JP 2012515984 A5 JP2012515984 A5 JP 2012515984A5 JP 2011548066 A JP2011548066 A JP 2011548066A JP 2011548066 A JP2011548066 A JP 2011548066A JP 2012515984 A5 JP2012515984 A5 JP 2012515984A5
- Authority
- JP
- Japan
- Prior art keywords
- data
- value
- multivariate
- controller
- dependent variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Description
(技術分野)
本発明は、概して、製造プロセスのデータ解析および制御に関し、具体的には、多変量モデルを用いて製造プロセスを制御することに関する。
本発明は、概して、製造プロセスのデータ解析および制御に関し、具体的には、多変量モデルを用いて製造プロセスを制御することに関する。
(背景)
多くの産業において、非常に大量のデータセットが製造および研究開発の両方において収集される。製造プロセスは、「バッチ」製造プロセスまたは「連続」製造プロセスに分類されることがある。バッチ製造プロセスでは、生産物を生産するために、開始ステップおよび終了ステップを含む一連のステップが、一連の原材料および/または加工材料について行われる。いくつかのバッチプロセスでは、加工は、1つ以上のプロセスツール(例えば、チャンバまたはコンテナ内のプロセスツール)を含む単一のワークステーション(例えば、チャンバまたはコンテナ)において生じる。バッチ製造プロセスの例は、半導体ウエハ加工(例えば、単一のウエハを加工することによって一組のチップをもたらす)、製剤加工(例えば、プロセスが化学物質または薬剤の一組の中間または最終生産物をもたらす)、または生物工学加工(例えば、プロセスが特定の生物発酵または細胞培養プロセスをもたらす)を含む。連続製造プロセスでは、実質的に途切れることなく、材料が製造、加工、または生産される。連続製造プロセスを採用する産業の例は、例えば、石油化学
産業(例えば、油およびガス)またはフロートガラス産業である。
多くの産業において、非常に大量のデータセットが製造および研究開発の両方において収集される。製造プロセスは、「バッチ」製造プロセスまたは「連続」製造プロセスに分類されることがある。バッチ製造プロセスでは、生産物を生産するために、開始ステップおよび終了ステップを含む一連のステップが、一連の原材料および/または加工材料について行われる。いくつかのバッチプロセスでは、加工は、1つ以上のプロセスツール(例えば、チャンバまたはコンテナ内のプロセスツール)を含む単一のワークステーション(例えば、チャンバまたはコンテナ)において生じる。バッチ製造プロセスの例は、半導体ウエハ加工(例えば、単一のウエハを加工することによって一組のチップをもたらす)、製剤加工(例えば、プロセスが化学物質または薬剤の一組の中間または最終生産物をもたらす)、または生物工学加工(例えば、プロセスが特定の生物発酵または細胞培養プロセスをもたらす)を含む。連続製造プロセスでは、実質的に途切れることなく、材料が製造、加工、または生産される。連続製造プロセスを採用する産業の例は、例えば、石油化学
産業(例えば、油およびガス)またはフロートガラス産業である。
バッチ生産と連続生産との間の1つの違いは、連続製造プロセスについては、投入材料の化学変換が、流動する材料の流れの中で発生する実質的に連続的な反応で行われ、一方、バッチ加工では、化学変換は、例えば、コンテナまたはチャンバの中で離散的に行われることである。
半導体デバイス製造産業では、デバイス製造業者は、より良好および/または高速のプロセスおよびハードウェア構成を設計するために、プロセスツール製造業者に頼ることによって、より厳密な公差のプロセスおよび材料仕様へとどうにか移行している。しかしながら、デバイスの幾何学形状がナノメートル規模に縮小するにつれて、製造プロセスの複雑性が増加し、プロセスおよび材料仕様を満足させることがより困難になる。
現在の半導体製造で使用される一般的なプロセスツールは、一組の数千のプロセス変数によって表すことができる。変数は、概して、製造プロセスの物理的パラメータおよび/または製造プロセスで使用されるツールに関係付けられる。場合によって、これらの数千の変数のうち、数百の変数が動的となる(例えば、製造プロセス中または製造プロセスの間に時間変動する)。動的変数、例えば、ガス流、ガス圧力、送達された電力、電流、電圧、および温度は、例えば、特定の加工レシピ、加工ステップの全体的シーケンスにおける特定のステップまたは一連のステップ、製造プロセス中に発生すエラーおよび故障、または特定のツールあるいはチャンバの使用に基づくパラメータの変化(「ドリフト」と呼ばれる)に基づいて変化する。
同様に、製剤および生物工学生産では、米国食品医薬品局(U.S.Food and
Drug Administration)等の規制機関が、指定品質プロファイルに関して非常に小さい変動を伴う高品質の製品を維持するように、製造プロセスに関する厳格な仕様の順守を要求する。これらの仕様は、プロセス変数のオンライン測定と、例えば、プロセスガスクロマトグラフィ、近赤外分光法、および質量解析法等の付加的な多次元センサ技法とを必要とする。理想的には、製造プロセス中に測定されるデータは、プロセス条件がプロセス仕様にどれだけ近いかに関する指示または情報を提供するように、および仕様からの逸脱を補正するように、リアルタイム解析および/または補正に利用可能である。
Drug Administration)等の規制機関が、指定品質プロファイルに関して非常に小さい変動を伴う高品質の製品を維持するように、製造プロセスに関する厳格な仕様の順守を要求する。これらの仕様は、プロセス変数のオンライン測定と、例えば、プロセスガスクロマトグラフィ、近赤外分光法、および質量解析法等の付加的な多次元センサ技法とを必要とする。理想的には、製造プロセス中に測定されるデータは、プロセス条件がプロセス仕様にどれだけ近いかに関する指示または情報を提供するように、および仕様からの逸脱を補正するように、リアルタイム解析および/または補正に利用可能である。
規制機関はしばしば、プロセスがある「知識空間」内で維持されていることを実証するように製造業者に要求し、その場合、知識空間は、実験および/または機構的知識を通して探索された動作領域を含む。例えば、製剤および生物工学産業では、この概念は、「クオリティバイデザイン(Quality by Design)」または「QbD」として知られている。知識空間はまた、「設計空間」とも呼ばれ得、概して、指定品質基準を満たすように検証された製品を生産してきた動作領域を含む。
プロセス変数は頻繁に、収率または応答変数に関係付けられる。プロセス変数は、変数間の基礎的関係に基づく収率または応答変数の予測因子または指標として考えることができる。プロセスおよび収率変数を示すデータは、リアルタイムまたは後の解析のために、製造プロセス中に測定され、記憶される。
概して、2つの分類のデータが製造プロセスと関連している。通常はX型データ(例えば、Xデータ、X変数、Xセット、または観測レベルデータ)と表される1つの種類のデータは、因数、予測因子、または指標を示す。X型データは、例えば、製造プロセスまたは製造プロセスの結果に関して、予想または予測を行うために使用される。通常はY型データ(例えば、Yデータ、Y変数、Yセット)と表される別の種類のデータは、製造プロ
セスの収率または応答を示す。X型データとY型データとは、概して、関係付けられる。しばしば、X型データとY型データとの間の正確な関係は、不確定であるか、または決定することが困難あるいは不可能である。一部の例において、関係は、種々の技法(例えば、とりわけ、線形近似、二次近似、多項式フィッティング法、指数関数またはべき級数関係、多変量解析法(主成分分析または部分最小二乗解析等))によって、近似またはモデル化することができる。そのような場合において、X型データとY型データとの間の関係は、両方の種類のデータへの変化を観測すること、およびそのような変化が他の一組のデータに引き起こす応答を観測することに基づいて推測することができる。
セスの収率または応答を示す。X型データとY型データとは、概して、関係付けられる。しばしば、X型データとY型データとの間の正確な関係は、不確定であるか、または決定することが困難あるいは不可能である。一部の例において、関係は、種々の技法(例えば、とりわけ、線形近似、二次近似、多項式フィッティング法、指数関数またはべき級数関係、多変量解析法(主成分分析または部分最小二乗解析等))によって、近似またはモデル化することができる。そのような場合において、X型データとY型データとの間の関係は、両方の種類のデータへの変化を観測すること、およびそのような変化が他の一組のデータに引き起こす応答を観測することに基づいて推測することができる。
製造プロセスを解析し、制御するための1つの方法は、「統計的プロセス制御」(「SPC」)または「多変量統計的プロセス制御」(「MSPC」)として知られている。概して、統計的プロセス制御方法は、プロセスが正常に動作しているか否かを決定するために、システムが製造プロセスの多変量ベースの監視を提供する開ループプロセスである。システムは、生産した製品が基準を満たすか否か、プロセスが過去の望ましい動作と一貫して動作するか否か、または他の監視基準を決定するために製造プロセスを監視する。統計的プロセス制御システムが正常な動作からの逸脱を検出すると、アラームが誘起され、操作者またはプロセス技術者に逸脱を信号伝達する。操作者またはプロセス技術者は、アラームを解釈し、逸脱の基礎的原因を決定する。次いで、操作者またはプロセス技術者は、製造プロセスを正常な動作条件に戻すように、手動で是正措置を講じる。SPCまたはMSPCプロセスの1つの欠点は、操作者またはプロセス技術者が問題を診断し、手動で是正ステップを実装するという要件である。
また、既存の統計的プロセス制御方法は、バッチプロセスに適用することがより困難である。バッチ製造プロセスに対する制御は、プロセスを監視すること、およびバッチに対する所望の結果に対応する経路に沿って(例えば、プロセスパラメータを調整することによって)プロセスを維持することを含む。このバッチプロセスに多変量制御策を適用することへのアプローチは、バッチレベルスコア空間を最適化し、次いで、最適化されたスコア空間をもたらすプロセス経路を決定しようとする。
以前のアプローチの欠点は、プロセス技術者がアラームを受信および解釈し、次いで、是正措置を決定および実装することに関連した休止時間である。本明細書で説明される概念は、モデル(例えば、予測モデル)に基づいて製造プロセスを制御する閉ループプロセスを含む。予測モデルは、製造プロセスにおける故障を検出および識別し、望ましい動作パラメータを維持するように製造プロセスを手動で操作または制御するシステムまたは方法に組み込まれる。ここで説明されるモデル予測概念を使用することは、例えば、バッチプロセスの結果を制御または最適化するために、加工中にバッチ経路を調整することによって、バッチプロセスに対する自動制御を可能にする。概念的に、ここで説明されるアプローチは、プロセス監視のほかに多変量制御(例えば、自動制御)の層を追加する。したがって、プロセスにおける潜在的問題を検出および診断することに加えて、ここで説明される方法、システム、およびコントローラは、閉ループプロセスを介して、実質的にリアルタイムで(例えば、プロセスの動作パラメータを修正することによって)是正措置を実装することができ、より高く一貫した品質、より少ない除外または廃棄される材料あるいは最終製品、より少ない休止時間、およびより少ない人為的エラーの機会をもたらす。
「クオリティバイデザイン」の概念は、望ましい一貫した品質を確保するようにプロセス条件を調整する制御方法の使用を推進する。従来のモデルベースの制御方法は、バッチ製造プロセスに好適ではなく、設計空間内にバッチプロセスを制約するように設計されておらず、したがって、これらの制御方法は、設計または知識空間外にある新しい未開の動
作領域の中へ製造プロセスを操作する。ここで説明される概念は、閉ループシステム性能を監視し、それに応じて、許容可能な設計または知識空間に向かって製造プロセスを促すか、または推進する制御措置を提供することによって、例えば、許容モデル空間(例えば、DModXによって測定される)に向かう製造プロセスにおける適切に解析および加重された制約によって、この障害を克服する。ここで説明されるモデル予測概念を使用することは、例えば、バッチプロセスの結果を制御または最適化するために、加工中にバッチ経路を調整することによって、バッチプロセスに対する自動制御を可能にする。
作領域の中へ製造プロセスを操作する。ここで説明される概念は、閉ループシステム性能を監視し、それに応じて、許容可能な設計または知識空間に向かって製造プロセスを促すか、または推進する制御措置を提供することによって、例えば、許容モデル空間(例えば、DModXによって測定される)に向かう製造プロセスにおける適切に解析および加重された制約によって、この障害を克服する。ここで説明されるモデル予測概念を使用することは、例えば、バッチプロセスの結果を制御または最適化するために、加工中にバッチ経路を調整することによって、バッチプロセスに対する自動制御を可能にする。
認識される利点は、バッチレベルスコア空間を最適化し、次いで、最適化された結果を生じるように経路を帰属させることを回避することである。代わりに、説明されるシステムおよび方法は、バッチ加工の完了時に最適化された結果をもたらす一組の操作変数値を決定する。より厳しい制御を達成するために、操作変数および操作変数データが、従属変数および従属変数データと区別される。変数の種類の間の区別は、従属変数経路ならびに多変量(例えば、DModX)統計の解析および決定を容易にする。そのような構成では、多変量(例えば、ホテリングのT2)および/または残差(例えば、DModX)空間における擾乱を、実質的にリアルタイムで拒絶することができる。多変量空間に対して直角の擾乱をもたらす変数変化を拒絶する能力は、スコア空間のみと関連しているデータを解析するシステムには存在しない特徴である。
本明細書で説明されるいくつかの特徴は、当業者にとって明白となるようなさらなる利点を提供する。例えば、多変量統計データが、モデルベースの予測制御構造に埋め込まれる。予測制御構造は、バッチまたは連続製造プロセスについて、製造プロセスおよび製造プロセスの制御と関連している、ある種類のデータおよび統計の期待値を提供することができる。また、連続およびバッチプロセスの観測レベル制御が提供され、(例えば、特定の種類の製造プロセスにとっての多変量モデルのパラメータを適合または構成することによって)バッチプロセスのバッチレベル制御が提供される。(例えば、連続またはバッチ加工に対する)観測レベル制御および(例えば、バッチ加工に対する)バッチレベル制御について、従属変数(および/または操作変数)の将来の値を推定するための多変量方法が、これらの変数の過去、現在、および/または将来の値を計上し、予測された将来の変化の結果に基づいて製造プロセスを適合または調整するために使用される。多変量(例えば、ホテリングのT2またはDModX)統計または値(例えば、スコアまたは偏差値)が、提供および/または予測される。また、従属値の将来の値を推定するための多変量方法も説明する。
付加的な利点は、X型変数をサブセットまたはサブタイプに区分化または分割することに起因する。X型データの1つのサブセットは、操作変数(または操作変数値)として識別され、XMVと表される。X型データの別のサブセットは、従属変数として識別され、XDと表される。操作変数は、概して、例えば、供給温度、化学的濃度、pH、ガス圧力、供給電力、電流、電圧、または加工時間等の、直接制御することができる変数または製造パラメータである。一般に、製造業者は、通常、監視および解析システムにおけるプロセスまたは/およびメモリ制限により、約20未満の操作変数を計上または監視する。約20より多くの操作変数を含むプロセスは、計算上扱いにくくなり得る。従属変数は、概して、センサによって測定され、直接制御することができない変数である。従属変数の実施例は、例えば、チャンバ温度、ガス圧力、温度または圧力勾配、不純物レベル、スペクトルおよび/またはクロマトグラフィプロファイル、およびその他である。加えて、従属変数は、低減したデータセット(例えば、温度差、温度勾配、およびその他等の未加工データから導出された変数)を表すことができる。概して、従属変数は、製造プロセス中に直接調整することができる。従属変数は、例えば、実験的に決定可能および/またはモデル化されてもされなくてもよい、既知の関係または未知の関係を介して、操作変数の値に関係付ける、関連付ける、または依存することができる。
一側面では、本発明は、製造プロセスを制御するためのコンピュータ実装方法に関する。方法は、製造プロセス中に測定される従属変数データを受信するステップを含む。従属変数データは、1つ以上のセンサによって観測される第1の組のプロセスパラメータの値を表している。方法は、複数のプロセスツールからの製造プロセス中に測定される操作変数データを受信するステップと、および予測操作変数データを受信するステップとを含む。操作変数データは、第2の組のプロセスパラメータ(例えば、制御可能な、または制御されたプロセスパラメータ)を表す。方法は、少なくとも受信したデータに基づいて、予測スコア値、多変量統計、または両方のうちの少なくとも1つを決定するステップを含む。方法はまた、少なくとも予測スコア値、多変量統計、または両方に基づいて、製造プロセスの動作パラメータを決定するステップも含む。
いくつかの実施形態では、第2の組のプロセスパラメータ(例えば、操作変数データによって表される)は、製造プロセス中に制御される。第1の組のプロセスパラメータ(例えば、従属変数データによって表される)は、製造プロセス中に直接制御されない。動作パラメータが操作変数の値を含む時に、方法は、複数のプロセスツールに操作変数を提供するステップを含む。方法はまた、操作変数および従属変数の過去または現在の値に基づいて、操作変数の現在または将来の値を修正するステップも含むことができる。
方法いくつかの実施形態は、従属変数データの予測値を受信するステップを特色とする。方法はまた、いくつかの実装では、従属変数データの値を予測するステップも含む。動作パラメータを決定するステップは、コントローラ目的を満たすステップを含むことができる。コントローラ目的を満たすステップの実施例は、製造プロセスのプロセスデータ、収率データ、結果データ、またはこれらの任意の組み合わせの値を関連付ける、動作目的関数を最適化するステップを含む。目的関数は、従属変数データ、操作変数データ、予測スコア値、多変量統計、またはこれらの任意の組み合わせに対する1つ以上の制約を含むことができる。いくつかの実施形態では、1つ以上の制約は、ユーザ指定される。制約は、多変量モデルから逸脱することに対するペナルティと関連付けることができる。
好適なコントローラ目的は、とりわけ、二次関数を含む。そのような実施形態では、コントローラ目的を満たすステップは、目的関数のパラメータを最小化するステップを含む。いくつかの実装は、スコアまたは多変量統計(または複数の統計)の望ましい値を決定するステップを含む。いくつかの実施形態では、方法は、操作変数データの決定された値、従属変数データの過去または現在の値、またはこれらの任意の組み合わせに基づいて、予測従属変数データの値を予測する、従属変数モデルを使用するステップを含む。
いくつかの実施形態では、方法は、第1の組のプロセスパラメータ(例えば、従属変数データによって表される)および第2の組のプロセスパラメータ(例えば、操作変数データによって表される)の将来の値を予測する、スコアモデルを使用するステップを含む。方法は、多変量モデルを用いて、スコアの予測値、1つ以上の多変量統計、または両方を決定するステップを含むことができる。いくつかの実装は、測定された操作および従属変数データと、予測された操作および従属変数データとを受信する多変量モデルを特色とする。
方法で使用するための好適な多変量統計の実施例は、スコア、ホテリングのT2値、DModX値、残差標準偏差値、またはこれらの任意の組み合わせのうちの1つ以上を含む。多変量統計はまた、主成分分析偏差値または部分最小二乗偏差値、あるいは両方も含むことができる。製造プロセスは、連続型またはバッチ型製造プロセスであり得る。
別の側面では、本発明は、連続またはバッチ型製造プロセス用の多変量コントローラに
関する。コントローラは、プロセスツールからの操作変数データおよびセンサからの従属変数データを監視するように、複数のプロセスツールおよび複数のセンサと通信している制御モジュールを含む。制御モジュールは、多変量モデルを含む。従属変数データは、複数のセンサによって観測される第1の組のプロセスパラメータの値を表している。操作変数データは、第2の組のプロセスパラメータ(例えば、制御された、または制御可能なパラメータ)の期待値を表している。コントローラはまた、少なくとも監視された操作変数および従属変数データに基づいて、多変量モデルから、予測収率データ、予測操作変数データ、予測従属変数データ、多変量統計、またはこれらの任意の組み合わせのうちの少なくとも1つを受信するように、ソルバモジュールも含む。ソルバモジュールはまた、複数のプロセスツールに、および少なくとも予測統計データを提供する予測モデルに提供するための操作変数の値も生成する。
関する。コントローラは、プロセスツールからの操作変数データおよびセンサからの従属変数データを監視するように、複数のプロセスツールおよび複数のセンサと通信している制御モジュールを含む。制御モジュールは、多変量モデルを含む。従属変数データは、複数のセンサによって観測される第1の組のプロセスパラメータの値を表している。操作変数データは、第2の組のプロセスパラメータ(例えば、制御された、または制御可能なパラメータ)の期待値を表している。コントローラはまた、少なくとも監視された操作変数および従属変数データに基づいて、多変量モデルから、予測収率データ、予測操作変数データ、予測従属変数データ、多変量統計、またはこれらの任意の組み合わせのうちの少なくとも1つを受信するように、ソルバモジュールも含む。ソルバモジュールはまた、複数のプロセスツールに、および少なくとも予測統計データを提供する予測モデルに提供するための操作変数の値も生成する。
コントローラは、いくつかの実装では、操作変数の生成された値に基づいて、複数のプロセスツールの1つ以上のパラメータを調整する。コントローラによって使用される多変量統計は、スコア、ホテリングのT2値、DModX値、残差標準偏差値、またはこれらの任意の組み合わせのうちの少なくとも1つを含む。いくつかの実施形態では、予測モデルは、1つ以上の多変量統計のソルバモジュールに対する予測値を生成するように、スコアモデルを含む。予測モデルは、予測従属変数値を生成するように、従属変数モデルを含むことができる。予測モデルはまた、製造プロセスからの従属変数の予測値を提供することもできる。いくつかの実装は、制御モジュールおよびソルバモジュールに予測統計データを提供する予測モデルを特色とする。
いくつかの実施形態では、ソルバモジュールは、コントローラ目的に基づいて、操作変数の値を生成する。コントローラ目的は、製造プロセスと関連している二次関数を最適化することができる。いくつかの実装は、例えば、従属変数データ、操作変数データ、予測収率データ、多変量統計(または複数の統計)、またはこれら(あるいはこれらの全て)の何らかの組み合わせに対する1つ以上の制約とともに、コントローラ目的を含む。制約は、ユーザ指定するか、または多変量モデルから逸脱することに対するペナルティと関連付けることができる。いくつかの実施形態では、ソルバモジュールは、条件付き最適化ソルバである。いくつかの構成は、ソルバモジュールを含む制御モジュールを含む。
また、ソルバモジュールは、制御モジュールを含むことができ、またはソルバモジュールおよび制御モジュールの両方は、より大型のモジュール、プロセッサ、またはコンピュータ環境のサブモジュールであり得る。
また、ソルバモジュールは、制御モジュールを含むことができ、またはソルバモジュールおよび制御モジュールの両方は、より大型のモジュール、プロセッサ、またはコンピュータ環境のサブモジュールであり得る。
一般に、別の側面では、本発明は、製造プロセスを制御するためのシステムに関する。システムは、複数のプロセスツールから、一組のプロセスパラメータの期待値を表す操作変数データを収集し、複数のセンサから、複数のセンサによって観測される第2の組のプロセスパラメータの値を表す従属変数データを収集するためのデータ収集手段を含む。システムは、複数のプロセスツールの動作パラメータを決定するためのプロセス制御手段を含む。システムはまた、多変量統計モデルに基づいて、プロセス制御手段に提供する操作変数データの値を決定するように、多変量制御手段も含む。多変量統計モデルは、少なくとも収集した操作変数データおよび従属変数データを受信し、少なくとも受信したデータに基づいて、プロセス制御手段に予測収率値および統計情報を提供する。
いくつかの実施形態では、プロセス制御手段によって決定される動作パラメータは、制御目的を最適化するか、または満たす。
いくつかの実装は、上記の実施形態のうちのいずれかまたはその有益性を特色とする、上記の側面のうちのいずれかを含む。
これらおよび他の特徴は、例示的であり、必ずしも一定の縮尺ではない、以下の説明および図面を参照することによって、より完全に理解されるであろう。概念は、製造プロセス、特に、半導体、製剤、または生物工学製造プロセスに関して本明細書で説明されているが、概念には、付加的な用途、例えば、冶金および鉱業用途、財務データ解析用途、または多数のデータ点あるいは観測を含む他の用途があることが当業者にとって明白となるであろう。
前述および他の目的、特徴、および利点は、類似参照文字が異なる図の全体を通して同じ部品を指す、添付図面で図示されるような、以下の実施形態のより具体的な説明から明白となるであろう。図面は必ずしも一定の縮尺ではなく、代わりに、実施形態の原則を図示することが強調されている。
例えば、本発明は以下の項目を提供する。
(項目1)
製造プロセスを制御するコンピュータ実装方法であって、該方法は、
該製造プロセス中に測定される従属変数データを受信することであって、該従属変数データは、1つ以上のセンサによって観測される第1の組のプロセスパラメータの値を表している、ことと、
複数のプロセスツールから該製造プロセス中に測定される操作変数データ、および第2の組のプロセスパラメータを表している予測操作変数データを受信することと、
少なくとも該受信されたデータに基づいて、予測スコア値、多変量統計量、または両方のうちの少なくとも1つを決定することと、
少なくとも該予測スコア値、該多変量統計量、または両方に基づいて、該製造プロセスの動作パラメータを決定することと
を含む、方法。
(項目2)
操作変数データによって表される上記第2の組のプロセスパラメータは、上記製造プロセス中に制御される、項目1に記載の方法。
(項目3)
従属変数データによって表される上記第1の組のプロセスパラメータは、上記製造プロセス中に直接制御されない、項目2に記載の方法。
(項目4)
上記動作パラメータは、操作変数の値を含み、上記複数のプロセスツールに該操作変数を提供することをさらに含む、項目1に記載の方法。
(項目5)
上記操作変数および上記従属変数の過去または現在の値に基づいて、該操作変数の現在または将来の値を修正することをさらに含む、項目1に記載の方法。
(項目6)
上記従属変数データの予測値を受信することをさらに含む、項目1に記載の方法。
(項目7)
上記従属変数データの値を予測することをさらに含む、項目1に記載の方法。
(項目8)
動作パラメータを決定することは、コントローラ目的を満たすことをさらに含む、項目1に記載の方法。
(項目9)
コントローラ目的を満たすことは、上記製造プロセスのプロセスデータ、収率データ、結果データ、またはそれらの任意の組み合わせの値を関連付ける動作目的関数を最適化することを含む、項目8に記載の方法。
(項目10)
上記目的関数は、上記従属変数データ、上記操作変数データ、上記予測スコア値、上記多変量統計量、またはそれらの任意の組み合わせに対する1つ以上の制約を含む、項目9
に記載の方法。
(項目11)
上記1つ以上の制約は、ユーザ指定される、項目10に記載の方法。
(項目12)
上記1つ以上の制約は、多変量モデルから逸脱することに対するペナルティと関連している、項目10に記載の方法。
(項目13)
上記コントローラ目的は、二次関数であり、上記コントローラ目的を満たすことはさらに、上記目的関数のパラメータを最小化することを含む、項目8に記載の方法。
(項目14)
上記スコアまたは上記多変量統計量の望ましい値を決定することをさらに含む、項目1に記載の方法。
(項目15)
上記操作変数データの決定された値、上記従属変数データの過去または現在の値、またはそれらの任意の組み合わせに基づいて、予測従属変数データの値を予測する従属変数モデルを使用することをさらに含む、項目1に記載の方法。
(項目16)
従属変数データによって表される上記第1の組のプロセスパラメータおよび操作変数データによって表される上記第2の組のプロセスパラメータの将来の値を予測するスコアモデルを使用することをさらに含む、項目1に記載の方法。
(項目17)
多変量モデルによって、上記スコアの予測値、上記多変量統計量、または両方を決定することをさらに含む、項目1に記載の方法。
(項目18)
上記多変量モデルは、測定された操作および従属変数データと、予測された操作および従属変数データとを受信する、項目17に記載の方法。
(項目19)
上記多変量統計量は、少なくともスコア、ホテリングのT2値、DModX値、残差標準偏差値、またはそれらの任意の組み合わせを含む、項目1に記載の方法。
(項目20)
上記多変量統計量は、主成分分析偏差値または部分最小二乗解析偏差値を含む、項目1に記載の方法。
(項目21)
上記製造プロセスは、バッチ型製造プロセスである、項目1に記載の方法。
(項目22)
上記製造プロセスは、連続型製造プロセスである、項目1に記載の方法。
(項目23)
連続型またはバッチ型製造プロセスのための多変量コントローラであって、
複数のプロセスツールおよび複数のセンサと通信して、該プロセスツールからの操作変数データおよび該センサからの従属変数データを監視する制御モジュールであって、該制御モジュールは、多変量モデル、該複数のセンサによって観測される第1の組のプロセスパラメータの値を表している該従属変数データ、および第2の組のプロセスパラメータの期待値を表している該操作変数データを含む制御モジュールと、
ソルバモジュールであって、少なくとも該監視される操作変数および従属変数データに基づいて、該多変量モデルから、予測収率データ、予測操作変数データ、予測従属変数データ、多変量統計量、またはそれらの任意の組み合わせのうちの少なくとも1つを受信し、ならびに、該操作変数の値を生成して、該複数のプロセスツール、および少なくとも予測統計データを提供する予測モデルに提供するソルバモジュールと
を備える、コントローラ。
(項目24)
上記コントローラは、上記操作変数の上記生成された値に基づいて、上記複数のプロセスツールの1つ以上のパラメータを調整する、項目23に記載のコントローラ。
(項目25)
上記多変量統計量は、スコア、ホテリングのT2値、DModX値、残差標準偏差値、またはそれらの任意の組み合わせのうちの少なくとも1つを含む、項目23に記載のコントローラ。
(項目26)
上記予測モデルは、1つ以上の多変量統計量の上記ソルバモジュールのための予測値を生成するスコアモデルを含む、項目25に記載のコントローラ。
(項目27)
上記予測モデルは、予測従属変数値を生成する従属変数モデルを含む、項目23に記載のコントローラ。
(項目28)
上記予測モデルは、上記製造プロセスからの従属変数の予測値を提供する、項目23に記載のコントローラ。
(項目29)
上記予測モデルは、上記制御モジュールおよび上記ソルバモジュールに上記予測統計データを提供する、項目23に記載のコントローラ。
(項目30)
上記ソルバモジュールは、コントローラ目的に基づいて、上記操作変数の値を生成する、項目23に記載のコントローラ。
(項目31)
上記コントローラ目的は、上記製造プロセスと関連している二次関数を最適化する、項目30に記載のコントローラ。
(項目32)
上記コントローラ目的は、上記従属変数データ、上記操作変数データ、上記予測収率データ、上記多変量統計量、またはそれらの任意の組み合わせに対する1つ以上の制約を含む、項目30に記載のコントローラ。
(項目33)
上記1つ以上の制約は、ユーザ指定される、項目32に記載のコントローラ。
(項目34)
上記1つ以上の制約は、上記多変量モデルから逸脱することに対するペナルティと関連している、項目32に記載のコントローラ。
(項目35)
上記ソルバモジュールは、条件付き最適化ソルバである、項目23に記載のコントローラ。
(項目36)
上記制御モジュールは、上記ソルバモジュールを備える、項目23に記載のコントローラ。
(項目37)
製造プロセスを制御するシステムであって、該システムは、
複数のプロセスツールから、一組のプロセスパラメータの期待値を表している操作変数データを収集し、複数のセンサから、該複数のセンサによって観測される第2の組のプロセスパラメータの値を表している従属変数データを収集するデータ収集手段と、
該製造プロセスの該複数のプロセスツールの動作パラメータを決定するプロセス制御手段と、
多変量統計モデルに基づいて、該プロセス制御手段に提供するための該操作変数データの値を決定する多変量制御手段であって、該多変量統計モデルは、少なくとも該収集された操作変数および従属変数データを受信し、少なくとも該受信されたデータに基づいて、該プロセス制御手段に予測収率値および統計情報を提供する、多変量制御手段と
を備える、システム。
(項目38)
上記プロセス制御手段によって決定される上記動作パラメータは、制御目的を最適化するか、または満たす、項目37に記載のシステム。
例えば、本発明は以下の項目を提供する。
(項目1)
製造プロセスを制御するコンピュータ実装方法であって、該方法は、
該製造プロセス中に測定される従属変数データを受信することであって、該従属変数データは、1つ以上のセンサによって観測される第1の組のプロセスパラメータの値を表している、ことと、
複数のプロセスツールから該製造プロセス中に測定される操作変数データ、および第2の組のプロセスパラメータを表している予測操作変数データを受信することと、
少なくとも該受信されたデータに基づいて、予測スコア値、多変量統計量、または両方のうちの少なくとも1つを決定することと、
少なくとも該予測スコア値、該多変量統計量、または両方に基づいて、該製造プロセスの動作パラメータを決定することと
を含む、方法。
(項目2)
操作変数データによって表される上記第2の組のプロセスパラメータは、上記製造プロセス中に制御される、項目1に記載の方法。
(項目3)
従属変数データによって表される上記第1の組のプロセスパラメータは、上記製造プロセス中に直接制御されない、項目2に記載の方法。
(項目4)
上記動作パラメータは、操作変数の値を含み、上記複数のプロセスツールに該操作変数を提供することをさらに含む、項目1に記載の方法。
(項目5)
上記操作変数および上記従属変数の過去または現在の値に基づいて、該操作変数の現在または将来の値を修正することをさらに含む、項目1に記載の方法。
(項目6)
上記従属変数データの予測値を受信することをさらに含む、項目1に記載の方法。
(項目7)
上記従属変数データの値を予測することをさらに含む、項目1に記載の方法。
(項目8)
動作パラメータを決定することは、コントローラ目的を満たすことをさらに含む、項目1に記載の方法。
(項目9)
コントローラ目的を満たすことは、上記製造プロセスのプロセスデータ、収率データ、結果データ、またはそれらの任意の組み合わせの値を関連付ける動作目的関数を最適化することを含む、項目8に記載の方法。
(項目10)
上記目的関数は、上記従属変数データ、上記操作変数データ、上記予測スコア値、上記多変量統計量、またはそれらの任意の組み合わせに対する1つ以上の制約を含む、項目9
に記載の方法。
(項目11)
上記1つ以上の制約は、ユーザ指定される、項目10に記載の方法。
(項目12)
上記1つ以上の制約は、多変量モデルから逸脱することに対するペナルティと関連している、項目10に記載の方法。
(項目13)
上記コントローラ目的は、二次関数であり、上記コントローラ目的を満たすことはさらに、上記目的関数のパラメータを最小化することを含む、項目8に記載の方法。
(項目14)
上記スコアまたは上記多変量統計量の望ましい値を決定することをさらに含む、項目1に記載の方法。
(項目15)
上記操作変数データの決定された値、上記従属変数データの過去または現在の値、またはそれらの任意の組み合わせに基づいて、予測従属変数データの値を予測する従属変数モデルを使用することをさらに含む、項目1に記載の方法。
(項目16)
従属変数データによって表される上記第1の組のプロセスパラメータおよび操作変数データによって表される上記第2の組のプロセスパラメータの将来の値を予測するスコアモデルを使用することをさらに含む、項目1に記載の方法。
(項目17)
多変量モデルによって、上記スコアの予測値、上記多変量統計量、または両方を決定することをさらに含む、項目1に記載の方法。
(項目18)
上記多変量モデルは、測定された操作および従属変数データと、予測された操作および従属変数データとを受信する、項目17に記載の方法。
(項目19)
上記多変量統計量は、少なくともスコア、ホテリングのT2値、DModX値、残差標準偏差値、またはそれらの任意の組み合わせを含む、項目1に記載の方法。
(項目20)
上記多変量統計量は、主成分分析偏差値または部分最小二乗解析偏差値を含む、項目1に記載の方法。
(項目21)
上記製造プロセスは、バッチ型製造プロセスである、項目1に記載の方法。
(項目22)
上記製造プロセスは、連続型製造プロセスである、項目1に記載の方法。
(項目23)
連続型またはバッチ型製造プロセスのための多変量コントローラであって、
複数のプロセスツールおよび複数のセンサと通信して、該プロセスツールからの操作変数データおよび該センサからの従属変数データを監視する制御モジュールであって、該制御モジュールは、多変量モデル、該複数のセンサによって観測される第1の組のプロセスパラメータの値を表している該従属変数データ、および第2の組のプロセスパラメータの期待値を表している該操作変数データを含む制御モジュールと、
ソルバモジュールであって、少なくとも該監視される操作変数および従属変数データに基づいて、該多変量モデルから、予測収率データ、予測操作変数データ、予測従属変数データ、多変量統計量、またはそれらの任意の組み合わせのうちの少なくとも1つを受信し、ならびに、該操作変数の値を生成して、該複数のプロセスツール、および少なくとも予測統計データを提供する予測モデルに提供するソルバモジュールと
を備える、コントローラ。
(項目24)
上記コントローラは、上記操作変数の上記生成された値に基づいて、上記複数のプロセスツールの1つ以上のパラメータを調整する、項目23に記載のコントローラ。
(項目25)
上記多変量統計量は、スコア、ホテリングのT2値、DModX値、残差標準偏差値、またはそれらの任意の組み合わせのうちの少なくとも1つを含む、項目23に記載のコントローラ。
(項目26)
上記予測モデルは、1つ以上の多変量統計量の上記ソルバモジュールのための予測値を生成するスコアモデルを含む、項目25に記載のコントローラ。
(項目27)
上記予測モデルは、予測従属変数値を生成する従属変数モデルを含む、項目23に記載のコントローラ。
(項目28)
上記予測モデルは、上記製造プロセスからの従属変数の予測値を提供する、項目23に記載のコントローラ。
(項目29)
上記予測モデルは、上記制御モジュールおよび上記ソルバモジュールに上記予測統計データを提供する、項目23に記載のコントローラ。
(項目30)
上記ソルバモジュールは、コントローラ目的に基づいて、上記操作変数の値を生成する、項目23に記載のコントローラ。
(項目31)
上記コントローラ目的は、上記製造プロセスと関連している二次関数を最適化する、項目30に記載のコントローラ。
(項目32)
上記コントローラ目的は、上記従属変数データ、上記操作変数データ、上記予測収率データ、上記多変量統計量、またはそれらの任意の組み合わせに対する1つ以上の制約を含む、項目30に記載のコントローラ。
(項目33)
上記1つ以上の制約は、ユーザ指定される、項目32に記載のコントローラ。
(項目34)
上記1つ以上の制約は、上記多変量モデルから逸脱することに対するペナルティと関連している、項目32に記載のコントローラ。
(項目35)
上記ソルバモジュールは、条件付き最適化ソルバである、項目23に記載のコントローラ。
(項目36)
上記制御モジュールは、上記ソルバモジュールを備える、項目23に記載のコントローラ。
(項目37)
製造プロセスを制御するシステムであって、該システムは、
複数のプロセスツールから、一組のプロセスパラメータの期待値を表している操作変数データを収集し、複数のセンサから、該複数のセンサによって観測される第2の組のプロセスパラメータの値を表している従属変数データを収集するデータ収集手段と、
該製造プロセスの該複数のプロセスツールの動作パラメータを決定するプロセス制御手段と、
多変量統計モデルに基づいて、該プロセス制御手段に提供するための該操作変数データの値を決定する多変量制御手段であって、該多変量統計モデルは、少なくとも該収集された操作変数および従属変数データを受信し、少なくとも該受信されたデータに基づいて、該プロセス制御手段に予測収率値および統計情報を提供する、多変量制御手段と
を備える、システム。
(項目38)
上記プロセス制御手段によって決定される上記動作パラメータは、制御目的を最適化するか、または満たす、項目37に記載のシステム。
図1は、プロセッサ105と、ユーザインターフェース110とを含む、例示的なシステム100を図示する。ユーザインターフェース110は、(例えば、制約の値を指定するための)プロセッサ105からの刺激に応じて、コンピュータキーボード、マウス、他の触覚インターフェース、グラフィカルユーザインターフェース、音声入力、またはユーザがプロセッサ105と通信するための他の入出力チャネルを含むことができる。ユーザインターフェース110は、コンピュータモニタ等のディスプレイを含むことができる。プロセッサ105は、加工設備115に連結される。加工設備115は、製造または加工動作を行う。例えば、半導体産業との関連で、加工設備は、ウエハ120に加工機能を行い、加工されたウエハ120’を産出する。ウエハ120および加工されたウエハ120’は、例示にすぎず、バッチ型製造プロセス(例えば、製剤造粒または混合あるいは他の単位加工ステップ、または生物工学発光、細胞培養、あるいは精製プロセス)の任意の投入および/または産出を表すことができる。加工設備115は、例えば、清掃する、精製する、材料を堆積させる、材料または化学物質を混合する、材料または化学物質を溶解させる、材料を除去する、材料を洗浄する、および/または加工設備115内で他の機能を果たすためのツールまたはプロセス(図示せず)を含むことができる。
いくつかの実施形態では、ツールまたはプロセスは、設備115内に複数のステーションまたはユニットを含む。これらの機能は、複数の物理的パラメータ、例えば、とりわけ、ガス圧力、ガス流速、温度、時間、および/または血漿あるいは化学物質もしくは生化学的濃度と関連付けることができる。いくつかの実施形態では、パラメータは、加工後に発生する特定のウエハ120の収率損失である。物理的パラメータは、加工設備115内の変数(例えば、物理的パラメータおよび/またはツール動作条件)に関するデータを含有する複数の出力125を生じるように、監視し、操作することができる。出力125は、データを伝送すること、またはプロセッサ105に、もしくはプロセッサ105内で伝送されることが可能である電気、光、磁気、音響、または他の信号であり得る。出力125は、従属変数データXD、操作変数データXMV、または両方を表すデータを含むことができる。いくつかの実施形態では、出力125は、従属変数データまたは操作変数データとして使用される前に操作されることができる未加工データを提供する。
加工設備115は、データ収集モジュール130によってプロセッサ105に連結される。データ収集モジュール130は、加工設備115から出力125を受信する。いくつかの実施形態では、データ収集モジュール130は、データに、バッファリング、多重化、信号伝達、切替、経路指定、初期化、および他の機能を行い、データをプロセッサ105の他のモジュールへの通信または再伝送のための好適な形式または状態にする。
システム100はまた、コントローラモジュール135も含む。コントローラモジュール135は、例えば、通信リンク140を介して、データ収集モジュール130からデータを受信する。コントローラモジュールは、操作変数データXMVを指定し、複数の出力145を介して、加工設備115およびデータ収集モジュール130に指定された値を伝達する。操作変数データは、特定の加工パラメータ(例えば、温度、ガス流速、圧力、加工時間、およびその他)の設定点値または特定のプロセスツールに対する命令を表すことができる。コントローラモジュール135は、多変量モデル150と、予測モデル155とを含む。多変量モデル150は、従属変数データ(例えば、特定の製造プロセスに対する許容知識空間内のデータ)の望ましい値を生じさせる動作パラメータまたは操作変数の値を決定するために、コントローラモジュール135の他のモジュール(例えば、ソルバモジュール(図示せず))と併せて使用される。予測モデル155は、コントローラモジュール135の他のモジュールと併せて使用するための多変量の統計量、スコア、および変数値を予測するために使用される。
加工設備115内で発生する特定のプロセスは、コントローラモジュール135を介してプロセッサ105によって監視または制御されることができる。コントローラモジュール135は、操作変数データの理想値を、設備115内の加工ツールまたは設備115自体によって使用される値と比較することによって、および従属変数データの理想値を、センサによって測定される値と比較することによって、加工設備115を監視し、制御する。加工設備115内の加工パラメータの実測値は、データ収集モジュール130によって測定され、および/または複数の出力125によってデータ収集モジュール130に伝達される。
システム100はまた、メモリ160も含む。メモリ160は、例えば、後において使用するために、以前に生成された多変量モデル150’および/または以前に生成された予測モデル155’を記憶するために使用することができる。
図2は、多変量モデル205を含むコントローラ200の実施形態を図示するブロック図である。コントローラ200はまた、ソルバモジュール210と、従属変数XDモデル215とを含む。
多変量モデル205は、複数のセンサ(図示せず)からの従属変数データ220を入力として受信する。従属変数データ220は、従属変数モデル215から提供される予測された従属変数値225によって拡張することができる。多変量モデル205はまた、操作変数データの測定値230も受信する。多変量モデル205はまた、ソルバモジュール210から操作変数データ235も受信する。
多変量モデル205は、従属変数データの測定値(220)および予測値(225)ならびに操作変数データの測定値(230)および予測値(例えば、設定点値)(235)を受信する。受信したデータに基づいて、多変量モデル205は、ソルバモジュール210に情報240を提供する。情報240は、例えば、スコアおよび1つ以上の多変量統計量を含むことができる。例えば、スコアは、予測収率スコア(Ypred)であり得る。予測収率スコアYpredは、多変量モデルを伴わない統計的プロセス制御において提供されるスコアと同様である(例えば、予測収率スコアは、主成分分析または部分最小二乗
計算に基づくことができる)。1つ以上の多変量統計量は、ホテリングのT2値またはDModX値を含むことができる。同様に、1つ以上の多変量統計量は、残差標準偏差値、主成分分析スコア、部分最小二乗(潜在構造への投影と呼ばれることもある)スコア、またはここで論議される多変量統計量の任意の組み合わせを含むことができる。いくつかの実施形態では、情報240は、ソルバモジュール210に1つより多い多変量統計量を提供する。多変量統計量は、ソルバモジュール210に制約を提供することができる。
計算に基づくことができる)。1つ以上の多変量統計量は、ホテリングのT2値またはDModX値を含むことができる。同様に、1つ以上の多変量統計量は、残差標準偏差値、主成分分析スコア、部分最小二乗(潜在構造への投影と呼ばれることもある)スコア、またはここで論議される多変量統計量の任意の組み合わせを含むことができる。いくつかの実施形態では、情報240は、ソルバモジュール210に1つより多い多変量統計量を提供する。多変量統計量は、ソルバモジュール210に制約を提供することができる。
多変量モデル205は、例えば、T2またはDModX値をそれぞれ決定するために、主成分分析または部分最小二乗解析を用いて、受信したデータにホテリング計算またはDModX計算を行うことができる。T2値は、以下の式に従って計算することができる。
上記の多変量モデル化の実施例では、上記の式中のx変数は通常、ゼロに等しい平均値(μ0)を通常は有する主成分または部分最小二乗モデルのスコアベクトルである。これらのスコアベクトルは直交するので、行列SおよびS−1は、対角線要素としての各成分スコアベクトルの分散およびそれぞれの逆分散を有する対角行列である。
偏差値は、データの許容近似値(例えば、許容最小二乗適合を提供する線)を提供するk次元空間内の直線(例えば、主成分または部分最小二乗モデル軸)の上への投影として考えることができる。いくつかの実施形態では、第2の偏差値を使用することができる(第1の直線に対して直角の直線上への投影)。一般に、T2値は、正常プロセス動作下で生産される生産物、あるいは従属変数データおよび/または操作変数データの予測値に基づく生産物に対する、製造プロセスの生産物(例えば、ウエハ120’)の製造プロセス変数の加重距離の計算である。T2値の意味を理解するための1つの方法は、幾何学的記述について考察することである。正常製造プロセスは、k次元空間内のデータ点群であり、kは、測定された製造プロセス変数の数である。関連空間はまた、スコアの次元が縮小された空間であり得る。ホテリングのT2値は、正常プロセス条件での変動出力に対して加重された、このデータ群の中心からの新しい出力の二乗距離である。変動はしばしば、データ点群を囲む次元超楕円として示される。一般に、ホテリング型計算は、例えば、特定の点が残りのデータセットに関する異常値(例えば、超楕円外)であるか否かを決定するために使用されることができる。より具体的には、ホテリング計算は、特定の測定パラメータが、観測されているプロセスパラメータに対して数学的モデルによって決定されるときに、その特定の測定パラメータが、アラーム限界外であるか、または知識空間外であるか否かを決定するために使用されることができる。
多変量統計の別の実施例は、DModX計算または残差標準偏差計算である。DModX計算は、好ましい場所(例えば、理想バッチと関連している場所)を表すk次元空間内の場所からの、特定のデータ点の距離を計算することを含む。DModX値は、k次元変数をより低い位数(例えば、位数k未満)の次元変数(例えば、スコア空間)にマップする主成分分析または部分最小二乗解析を使用して計算される。数学的に、DModX値は
、主成分分析または部分最小二乗解析から生じる直交成分(または残差)である。DModX値は、数学的モデルの中の1つ以上の変数(例えば、データ点)に関する値の範囲(例えば、「公差値」)を示すことができる。
、主成分分析または部分最小二乗解析から生じる直交成分(または残差)である。DModX値は、数学的モデルの中の1つ以上の変数(例えば、データ点)に関する値の範囲(例えば、「公差値」)を示すことができる。
ソルバモジュール210はまた、品質、収率、プロセスの変数または多変量の限界あるいは標的についての標的または設定点の値を表す、動作目的値245も受信する。ソルバモジュール210は、受信した情報240および動作目的値245に基づいて、複数のプロセスツール(図示せず)に提供する操作変数値250の値を決定する。決定した操作変数値250はまた、多変量モデル205への入力(例えば、操作変数値235)、および従属変数モデル215への入力255でもある。いくつかの実施形態では、操作変数値250は、測定された操作変数値230(例えば、操作変数の現在の値)とは異なり得る、製造プロセスに対する操作変数の設定点値を表す。
いくつかの実施形態では、ソルバモジュール210は、何らかのコントローラ目的を満たす操作変数値の検索を行う。ソルバモジュール210は、この検索では、多変量モデル205が提供する情報240、および動作目的値245で表される多変量限界によって制約される。いくつかの実施形態では、ユーザは、(例えば、図1のユーザインターフェース115を使用して)ソルバモジュール210に対する付加的な制約を指定する。
従属変数XDモデル215は、多変量モデル205に従属変数データの予測値225を提供する。従属変数モデル215は、種々の方法で従属変数データの予測値を提供することができる。例えば、予測値は、測定された従属変数の経時的な平均値、または従属変数値の経時的な平均経路であり得る。予測値は、何らかの許容値を加えた平均値または経路であり得る(例えば、ΔXD)。
いくつかの実施形態では、従属変数データは、特定の従属変数の値が1つ以上の操作変数の値に機能的に依存するように、操作変数データの関数である(例えば、XD=f(XMV))。関数関係は、既知であるか、または実験的に推測、決定、あるいはモデル化することができる。従属変数データが操作変数データに機能的に関連している実施形態において、コントローラ200は、従属変数期待値からの変動の反復解法であり、それにより、従属変数の所望の値により密接に近づけさせるように、操作変数と関連した動作パラメータの値を調整するために、閉ループプロセスが使用される。
コントローラ200は、従属変数の過去の値(220)または現在の値(225)、あるいは操作変数の過去の値(230)または現在の値(235)に基づいて、操作変数データの現在の値(235)または将来の値(250)の修正を促進する。
操作変数への修正の頻度は、例えば、制御の種類または加工の種類(例えば、バッチ型または連続型)に依存し得る。例えば、バッチプロセスの観測レベル制御(例えば、加工レシピにおける各ステップの制御)について、コントローラ200は、観測レベルスコア(例えば、偏差値)を維持するように、およびDModXの値を維持する(例えば、設計空間制御を維持する)ように、操作変数データによって表される動作パラメータへの比較的頻繁な調整を促進することができる。バッチプロセスのバッチレベル制御(例えば、バッチプロセスの生産物の制御)について、コントローラ200は、動作パラメータへの比較的少ない調整を促進することができる。より少ない調整は、あるスコアまたは多変量統計量(例えば、Ypred、スコア、T2、および/またはDModX)、ならびに収率の所望の値または他の品質結果変数を維持または最適化するように、製造プロセス中の所定の回数に基づいて、または所定の回数に従って、協調させることができる。
図3は、多変量モデル305を組み込むコントローラ300の別の実施形態を図示する
ブロック図である。コントローラ300は、制御モジュール310を含む。制御モジュール310は、多変量モデル305と、制御サブモジュール315とを含む。制御サブモジュール315は、ソルバモジュール320と、スコアモデル325とを含む。コントローラ300は、図2のコントローラ200の簡略版である。いくつかの実施形態では、コントローラ300は、多変量モデル305をDModXの特定の値に制約しない。
ブロック図である。コントローラ300は、制御モジュール310を含む。制御モジュール310は、多変量モデル305と、制御サブモジュール315とを含む。制御サブモジュール315は、ソルバモジュール320と、スコアモデル325とを含む。コントローラ300は、図2のコントローラ200の簡略版である。いくつかの実施形態では、コントローラ300は、多変量モデル305をDModXの特定の値に制約しない。
多変量モデル305は、複数のプロセスツール(図示せず)からの操作変数値330および複数のセンサ(図示せず)からの従属変数値335を受信する。受信したデータに基づいて、多変量モデル305は、情報340を計算し、ソルバモジュール320に提供する。情報340は、例えば、偏差値および予測収率値を含むことができる。予測収率値は、例えば、部分最小二乗計算に基づくことができる。情報340は、スコアモデル325からの予測スコア値350を含むことができる。ソルバモジュール320はまた、収率データの設定点または標的値355も受信する。
受信したデータ(340、355)に基づいて、ソルバモジュール320は、操作変数値360を計算する。計算された操作変数値360は、スコアモデル325および複数のプロセスツール(図示せず)に提供される。操作変数値を計算する際に、ソルバモジュール320は、コントローラ目的を満たす操作変数値の検索を行う。コントローラ目的は、例えば、制約および/またはペナルティを含むことができる。いくつかの実施形態では、コントローラ目的は、二次コントローラ目的である。他の目的関数が当業者にとって明白となるであろう。
スコアモデル325は、例えば、過去および現在の操作変数値に基づいて、予測スコア値を計算し、生成する。スコアモデル325はまた、例えば、調整された操作変数値に起因する将来の推定スコアに基づいて、予測スコア値を生成する。例えば、スコアモデルは、操作変数値の変化(Δti=f(ΔXMVi))ならびにスコア値と予測収率値との間の関係(Ypred=f(t))に基づいて、スコアの変化間の関係を含み、計上することができる。図2のコントローラ200のように、コントローラ300は、後続の加工のために、複数のプロセスツールに操作変数値(例えば、製造プロセスの動作パラメータに対する設定点値)を提供する。
図4は、製造プロセスの動作パラメータを実装するための方法を図示するフローチャート400である。フローチャート400で図示される方法は、例えば、図2のコントローラ200または図3のコントローラ300によって実装することができる。ステップ404では、従属変数データ(XD)が、製造プロセスで使用される複数のセンサから受信される。従属変数データは、バッチ型プロセスまたは連続型プロセスと関連付けることができる。ステップ408では、操作変数データ(XMV)が、例えば、複数のプロセスツールから、予測モデルから、両方から受信される。
受信したデータから、多変量統計量が決定され(ステップ412)、予測変数値(Ypred)を決定することができる(ステップ416)。いくつかの実施形態では、多変量統計量は、多変量モデルによって計算される。そのような統計の実施例は、スコア、ホテリングT2値、DModX値、残差標準偏差値、主成分スコア、部分最小二乗スコア、これらの何らかの組み合わせ、またはこれらの統計の全てを含む。いくつかの実施形態では、統計は、例えば、ユーザ指定制約、公差レベル、または閾値によって制約される。予測変数値は、操作変数の過去、現在、および将来の値、ならびに従属変数の過去および現在の値に基づいて決定することができる(ステップ416)。いくつかの実施形態では、予測変数値は、従属変数の予測された将来の値に基づく。
ステップ420では、一組の動作パラメータが決定される。いくつかの実施形態では、
一組の動作パラメータは、複数のプロセスツールに供給される一組の操作変数データによって表される。操作変数データは、操作可能または制御可能な変数の設定点または標的値であり得る。いくつかの実施形態では、操作変数データは、(例えば、望ましい値に集中するように従属変数を再較正する、または促すための)操作可能または制御可能な変数の設定点または標的値への調整なり得る。動作パラメータ(例えば、操作変数)が決定された(ステップ420)後に、動作パラメータは、例えば、新しい設定点または標的値を複数のプロセスツールに伝達することによって実装される(ステップ424)。プロセスツールは、決定された値に基づいて自動または手動で調整することができる。
一組の動作パラメータは、複数のプロセスツールに供給される一組の操作変数データによって表される。操作変数データは、操作可能または制御可能な変数の設定点または標的値であり得る。いくつかの実施形態では、操作変数データは、(例えば、望ましい値に集中するように従属変数を再較正する、または促すための)操作可能または制御可能な変数の設定点または標的値への調整なり得る。動作パラメータ(例えば、操作変数)が決定された(ステップ420)後に、動作パラメータは、例えば、新しい設定点または標的値を複数のプロセスツールに伝達することによって実装される(ステップ424)。プロセスツールは、決定された値に基づいて自動または手動で調整することができる。
図5は、製造プロセスの動作パラメータを決定するため、および従属変数データの予測値を決定するための方法を図示するフローチャート500である。フローチャート500は、図4のフローチャート400で図示された方法のステップ404および408を含む。具体的には、ステップ404では、従属変数データXDが複数のセンサから受信される。ステップ408では、操作変数データXMVが、例えば、複数のプロセスツールまたは予測あるいは両方から受信される。ステップ504では、従属変数データの予測値が受信される(例えば、従属変数予測モデルから)。受信した従属変数データ、および受信した操作変数データに基づいて、予測変数データ(ステップ508)および多変量統計量(ステップ512)が決定される。
予測プロセス値および多変量統計量は、製造プロセスの動作パラメータを決定する(ステップ516)ために使用される。いくつかの実施形態では、動作パラメータを決定することは、操作変数の値を決定すること、および/または(例えば、複数のプロセスツールの設定点値を調整することによって)実装する複数のプロセスツールに決定された値を提供することを含む。また、予測変数値および1つ以上の多変量統計量は、従属変数データの予測値を決定する(ステップ520)ために使用される。フローチャート500は、ステップ520からの従属変数データの決定された予測値がステップ504で提供される、反復プロセスを表す。いくつかの実施形態では、図2のコントローラ200が、フローチャート500からのステップを行う。
図6は、製造プロセスの動作パラメータを決定および実装するための方法を図示するフローチャート600である。ステップ604において、コントローラが構成される。コントローラ構成の例は、最適化される目的関数の種類のものである。例えば、ステップ608において、コントローラ目的が二次制御関数であるか否かをクエリが決定する。制御目的が二次関数ではない場合、最適化する代替または補関数が選択される(ステップ612)。
二次制御関数がステップ608において選択された場合、処理は、最適化する二次制御関数を示すステップ616へと続く。目的関数Jは、受信したデータ、制約、およびペナルティ値を関連付ける。いくつかの実施形態では、二次目的関数を最適化することは、操作変数データXMVの値に関してJを最小化することを含む。
最適化されるべき目的関数Jは、
YSP=Yデータ値(例えば、収率または品質)の設定点または標的値;
Ypred=Yデータ値の予測値。いくつかの実施形態では、Ypredは、XMV、X
D、およびXKに基づく部分最小二乗モデルまたは他の好適なモデルによって決定される。XKは、YSP、Ypred、XMV、およびXDの既知の過去または現在の値を表し、XMVは、対照のための操作変数の将来の値を表す。例えば、Ypred=fY(XK,XMV,XD)であり、fYはモデル関数である;
θY、θMV、θDModX、θT2、およびθtは、ペナルティ加重である;
EMV=ペナルティ加重θMVを受ける所望の経路からの操作変数の偏差の量に関する関数;EMVの実施例は(XMV,R−XMV)である;
EDModX=ペナルティθDModXを受けるDModX空間の量;
ET2=ペナルティθT2を受けるホテリングT2スコアの量;
Et=ペナルティθtを受けるスコアtの部分;
上記で論議されたように、T2は、モデル超平面内の中心からの多変量系の距離を表す。T2値は、主成分分析または部分最小二乗モデルから導出される関数(fT2)に基づいて、T2=fT2(XK,XMV,XD)として表すことができる。DModXは、モデル超平面内からの多変量系の偏差を表す。DModX値は、主成分分析または部分最小二乗モデルから導出される関数(fDModX)に基づいて、DModX=fDModX(XK,XMV,XD)として表すことができる。t値は、主成分分析または部分最小二乗モデルから導出される関数(fti)に基づいて、ti=fti(XK,XMV,XD)として表すことができ、ここで、tiは、i番目のスコアの値を表す。XDの値は、従属変数の将来の値を表し、XKおよびXMVに関する適切な関数(fXD)に基づいて、例えば、XD=fXD(XK,XMV)である。いくつかの実施形態では、fXDは、有限インパルス応答(FIR)モデルである。関数fXDはまた、自己回帰移動平均モデル(ARMA)であり得る。fXDの他の種類のモデルが、当業者にとって明白となるであろう。
いくつかの実施形態では、目的関数Jは、デフォルト制約を受ける。操作変数データに対するデフォルト制約の例が、以下に示される。
EMV、EDModX、およびET2の値または関数表現は、種々の方法に従って決定することができる。例えば、EX項は、標的または閾値からの距離の二乗和であり得る。具体的な実装が以下で論議されるが、他の実装も可能であることが当業者にとって明白となるであろう。
EMV=ΔXT MV・ΔXMV;ここで、ΔXMVは、特定の加工レシピからのXMVの観測された値の変化または偏差を表すベクトルである;
EMV=ΔXT MV・ΔXMV;ここで、ΔXMVは、特定の加工レシピからのXMVの観測された値の変化または偏差を表すベクトルである;
ステップ620において、データが受信される。データは、例えば、予測従属変数データ、(例えば、複数のプロセスツールからの)測定/受信された従属変数データ、測定または予測操作変数データ、予測変数値、1つ以上の多変量統計量、またはこれらのデータ型の任意の組み合わせを含むことができる。データは、例えば、コントローラ目的を満たす操作変数値を決定するソルバモジュールに対する入力として使用されることができる。
加えて、方法は、(例えば、メモリから、またはユーザインターフェースを介して)1つ以上の制約を取り出すことを含む(ステップ624)。制約は、ユーザ指定することができ、または制約は、デフォルトあるいは閾値であり得る。いくつかの実施形態では、特定の種類のデータが受信されない時に、その種類のデータと関連している制約は使用されない。例えば、予測従属変数データが受信または使用されない場合、予測従属変数データと関連している制約は、例えば、ソルバによって、無効にされ、利用不可能であり、または使用されない。
ステップ628は、選択されたコントローラ目的関数を最適化する過程を含む。好適なコントローラ目的関数の実施例は、目的から反れる動作を罰する、二次関数、線形関数または非線形関数である。例えば、バッチ加工について、制御目的が変化し得て、結果として、適用可能な目的関数も変化し得る。例えば、バッチ加工について、制御目的は、バッチ経路中に(またはバッチ経路の全体を通して)目的を最適化すること、最終バッチ条件(例えば、収率、品質、または成功した加工の他の測定基準)を最適化すること、またはこれらの目的の組み合わせを含むことができる。
いくつかの実施形態では、使用される特定の制約および/またはペナルティ、あるいはペナルティまたは制約に起因する値は、特定の目的に応じて変化し得る。
いくつかの実施形態では、使用される特定の制約および/またはペナルティ、あるいはペナルティまたは制約に起因する値は、特定の目的に応じて変化し得る。
関数がステップ628において最適化された後に、最適化パラメータが決定され、実装される(ステップ632)。例えば、最適化パラメータは、操作変数データに対する一組の値または調整をもたらすことができ、値または調整は、複数のプロセスツールに伝達される。次いで、プロセスツールは、提供された操作変数データに基づいて、手動または自動で更新または確認される。
本明細書で説明される概念は、連続型製造プロセスおよびバッチ型製造プロセスの両方に適用可能である。概して、連続型製造プロセスについて、標的または設定点値に対するプロセス測定値の相関は、正常動作条件中に経時的に激変しない。したがって、連続プロセスについて、多変量モデルを用いて制御を実装することは、t値、T2値、およびDModX値等の、ある多変量統計に対するペナルティを組み込む。これらの多変量統計量に対する値は、XK、XMV、およびXDの値に基づいて決定される。上記で論議されるように、XKは、システムパラメータの既知の過去および現在の値(例えば、XMVおよびXDの過去および現在の値)を表す。XMVの値は、操作変数の将来の値を表し、XDは、従属変数の将来の値を表す。したがって、制御方法およびシステムは、変更または調整が実装される前に、操作変数値および従属変数値に対する動作パラメータの将来の変化の
影響を計上することができる。
影響を計上することができる。
連続型製造プロセスでは、上記で論議されるような有限インパルス応答(FIR)または自己回帰移動平均(ARMA)モデル等の多変量プロセス制御技法を使用して、を使用して、従属変数に対する将来の値(例えば、XD値)を推定または予測することができる。いくつかの実施形態では、システムおよび方法は、方法の閉ループ応答に安定性を提供する、予測範囲を組み込む。予測範囲は、将来の1つより多くの時点における特定の製造システムの条件の推定値を含むことができる。
バッチ型製造プロセスでは、目的関数Jも使用することができる。いくつかの実施形態では、バッチ型製造プロセスについて、使用される多変量モデルの種類、どのようにデータが編成/記憶/処理されるか、およびXDの将来の値の予測は、連続型製造に対する制御とは異なる。例えば、バッチ型製造プロセスを制御するために使用される多変量モデルは、製造プロセスの全体を通して得られるプロセスパラメータの測定値、ならびに初期条件(例えば、原材料)に関するデータおよび最終条件(例えば、品質および/または収率)に関するデータを含む。例えば、連続型製造プロセスは、プロセスが「常時オン」であるため、概して初期または最終条件を組み込まないため、これは連続型製造プロセスとは異なる。
バッチ型プロセスについて、制御措置(例えば、動作パラメータの実装)は、例えば、原材料(例えば、初期条件)に基づいてレシピを調整すること、動作条件の変動または変化に応じた中間プロセス調整、プロセス中の周期的間隔における設定点値の更新、またはこれらの組み合わせを含むことができる。加えて、バッチ型加工について、多変量統計量(例えば、Ypred、DModX、T2、およびスコアt)が、XMV(例えば、操作変数の将来の値)およびXD(従属変数の将来の値)に対する推定入力値に基づいて推定される一方で、XKの値(操作および従属変数の過去および現在の値s)は分かっている。バッチ型プロセスについて、多変量モデルは、(例えば、システムまたはプロセスの動作パラメータを更新することによって)制御措置が実装される前および/または後のバッチ型プロセスの一部分を表す、複数の局部的バッチモデルを含んでもよい。
図7は、コントローラ目的を最適化するように適用される制約を指定するための例示的ユーザインターフェース700である。ユーザインターフェース700は、最適化される目的関数(図示せず)に対する制約を識別する領域704を含む。いくつかの実施形態では、目的関数は、図6に関して上記で論議される目的関数Jである。領域704は、T2制約708、DModX制約712、およびXMV制約716を図示する。他の制約(図示せず)も、ユーザ選好に応じて使用することができる。ユーザインターフェース700は、制約708、712、716、または目的関数の複数のペナルティと関連している値を表示するための複数のフィールド724を識別する、第2の領域720を含む。複数のフィールド724の値のそれぞれは、デフォルト値または(例えば、ユーザインターフェース700を介して)ユーザによって指定される値であり得る。
例えば、第2の領域720は、T2制約708と関連しているaTの値を表示するaTフィールド728を含む。T2制約708は、T2のユーザ指定閾値または臨界値(例えば、95%信頼)に対してT2の測定または計算値を関係付ける。第2の領域720は、DModX制約712と関連しているaDModXの値を表示するaDModXフィールド732を含む。DModX制約712は、DModXのユーザ指定閾値または臨界値(例えば、DModXcrit)に対してDModXの測定または計算値を関係付ける。第2の領域はまた、両方ともXMV制約716と関連している、XMV,minフィールド736aおよびXMV,maxフィールド736bも含む。XMV制約716は、製造プロセスに対するXMVの最小および最大許容値を提供することによってコントローラ目的
を最適化するように、XMV値の決定中に、例えば、ソルバモジュールを制約する。これらの制約は、決定されたXMV値が、例えば、T2またはDModXに、あるいは許容設計空間内に集中することを可能にする。
を最適化するように、XMV値の決定中に、例えば、ソルバモジュールを制約する。これらの制約は、決定されたXMV値が、例えば、T2またはDModXに、あるいは許容設計空間内に集中することを可能にする。
第2の領域720はまた、最適化される目的関数で使用されるペナルティと関連している、フィールド740a−740eも含む。具体的には、第2の領域720は、目的関数におけるY変数と関連しているペナルティ加重を表示する、θYフィールド740aを含む。第2の領域720は、目的関数JにおけるEMV関係と関連しているペナルティ加重を表示するθMVフィールド740bを含む。第2の領域720は、目的関数JにおけるEDModX関係と関連しているペナルティ加重を表示する、θDModXフィールド740cを含む。第2の領域720は、目的関数JにおけるET2関係と関連しているペナルティ加重を表示する、θT2フィールド740dを含む。第2の領域720は、Et関係が使用される時の目的関数JにおけるEt関係と関連しているペナルティ加重を表示する、θtフィールド740eを含む。
ユーザインターフェース700で示されていないが、他の制約も使用することができる。例えば、ユーザまたはシステムは、XMVの変化の最小または最大値(例えば、ΔXMV)を指定することができる。いくつかの実施形態では、ユーザは、ΔXMVのサイズに基づいてペナルティを指定することができる。ユーザは、Ypredの最小または最大値を指定する、および/またはY変数の誤差(例えば、Yerr)のサイズに基づくペナルティを指定することができる。多変量統計量DModXおよび/またはT2と関連しているペナルティまたは制約の他の表現も、当業者にとって明白となるであろう(例えば、ペナルティ値をDModX値のサイズと関連付ける、またはペナルティを最大値または閾値を超えるT2値のサイズと関連付ける)。
上記の技法は、デジタル電子回路で、またはコンピュータハードウェア、ファームウェア、ソフトウェア、あるいはそれらの組み合わせで実装することができる。実装は、コンピュータプログラム製品、例えば、データ処理装置、例えば、プログラマブルプロセッサ、コンピュータ、または複数のコンピュータによって実行するため、あるいはそれらの動作を制御するように、例えば、機械可読記憶デバイスの中の情報担体で明白に具現化される、コンピュータプログラムとしてのものであり得る。コンピュータプログラムは、コンパイラ型またはインタープリタ型言語を含む、任意の形態のプログラミング言語で書くことができ、独立型プログラムとして、またはモジュール、構成要素、サブルーチン、あるいはコンピュータ環境で使用するために好適な他のユニットとしての形態を含む、任意の形態で展開することができる。コンピュータプログラムは、1つのコンピュータ、または1つの場所にある、あるいは複数の場所にわたって分布する複数のコンピュータ上で実行されるように展開し、通信ネットワークによって相互接続することができる。
方法のステップは、入力データを操作し、出力を生成することによって、技術の機能を果たすようにコンピュータプログラムを実行する、1つ以上のプログラマブルプロセッサによって行うことができる。方法のステップはまた、特殊用途論理回路、例えば、FPGA(フィールドプログラマブルゲートアレイ)またはASIC(特定用途向け集積回路)によって行うこともでき、装置をそれらとして実装することができる。モジュールとは、その機能性を実装するコンピュータプログラムおよび/またはプロセッサ/特殊回路の部分を指すことができる。
コンピュータプログラムの実行に好適なプロセッサは、一例として、汎用および専用マイクロプロセッサの両方、および任意の種類のデジタルコンピュータのいずれか1つ以上のプロセッサを含む。概して、プロセッサは、読み出し専用メモリまたはランダムアクセスメモリ、あるいは両方から、命令およびデータを受信する。コンピュータの必須要素は
、命令を実行するためのプロセッサ、ならびに命令およびデータを記憶するための1つ以上のメモリデバイスである。概して、コンピュータはまた、データを記憶するための1つ以上の大容量記憶デバイス、例えば、磁気、光磁気ディスク、または光ディスクを含み、または、そこからデータを受信する、あるいはそこへデータを転送する、もしくは両方を行うように動作可能に連結される。データ伝送および命令はまた、通信ネットワーク上で発生することもできる。コンピュータプログラム命令およびデータを採用するために好適な情報担体は、一例として、半導体メモリデバイス、例えば、EPROM、EEPROM、およびフラッシュメモリデバイス、磁気ディスク、例えば、内部ハードディスクまたは可撤性ディスク、光磁気ディスク、ならびにCD−ROMおよびDVD−ROMディスクを含む、全ての形態の不揮発性メモリを含む。プロセッサおよびメモリは、特殊用途論理回路によって補完するか、またはそれに組み込むことができる。
、命令を実行するためのプロセッサ、ならびに命令およびデータを記憶するための1つ以上のメモリデバイスである。概して、コンピュータはまた、データを記憶するための1つ以上の大容量記憶デバイス、例えば、磁気、光磁気ディスク、または光ディスクを含み、または、そこからデータを受信する、あるいはそこへデータを転送する、もしくは両方を行うように動作可能に連結される。データ伝送および命令はまた、通信ネットワーク上で発生することもできる。コンピュータプログラム命令およびデータを採用するために好適な情報担体は、一例として、半導体メモリデバイス、例えば、EPROM、EEPROM、およびフラッシュメモリデバイス、磁気ディスク、例えば、内部ハードディスクまたは可撤性ディスク、光磁気ディスク、ならびにCD−ROMおよびDVD−ROMディスクを含む、全ての形態の不揮発性メモリを含む。プロセッサおよびメモリは、特殊用途論理回路によって補完するか、またはそれに組み込むことができる。
本明細書で使用されるような「モジュール」および「機能」という用語は、あるタスクを行うソフトウェアまたはハードウェア構成要素を意味するが、それらに限定されない。モジュールは有利に、アドレス可能記憶媒体上に存在するように構成され、かつ1つ以上のプロセッサ上で実行するように構成されてもよい。モジュールは、汎用集積回路(「IC」)、FPGA、またはASICを伴って完全または部分的に実装されてもよい。したがって、モジュールは、一例として、ソフトウェア構成要素、オブジェクト指向ソフトウェア構成要素、クラス構成要素およびタスク構成要素等の構成要素、過程、機能、属性、手順、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、および変数を含んでもよい。構成要素およびモジュールで提供される機能性は、より少ない構成要素およびモジュールに合体されるか、または付加的な構成要素およびモジュールにさらに分離されてもよい。加えて、構成要素およびモジュールは、有利に、コンピュータ、コンピュータサーバ、アプリケーション対応スイッチまたはルータ等のデータ通信インフラストラクチャ機器、または公衆あるいは私設電話交換機もしくは構内電話交換機(「PBX」)等の電気通信インフラストラクチャ機器を含む、多くの異なるプラットフォーム上で実装されてもよい。これらの場合のうちのいずれかで、実装は、選択されたプラットフォームに固有のアプリケーションを書き込むことによって、またはプラットフォームを1つ以上の外部アプリケーションエンジンにインターフェース接続することによって、達成されてもよい。
ユーザとの相互作用を提供するために、上記の技法は、ユーザに情報を表示するための表示デバイス、例えば、CRT(陰極線管)またはLCD(液晶ディスプレイ)モニタと、それによってユーザがコンピュータに入力を提供する(例えば、ユーザインターフェース要素と相互作用する)ことができる、キーボードおよびポインティングデバイス、例えば、マウスまたはトラックボールとを有する、コンピュータ上で実装することができる。ユーザとの相互作用を提供するために、他の種類のデバイスも使用することができ、例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック、例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバックであり得て、ユーザからの入力は、音響、発話、または触覚入力を含む、任意の形態で受信することができる。
上記の技法は、データサーバ、および/またはミドルウェア構成要素、例えば、アプリケーションサーバとしてのバックエンド構成要素、および/またはフロントエンド構成要素、例えば、それを通してユーザが実装例と相互作用することができる、グラフィカルユーザインターフェースおよび/またはウェブブラウザを有する、クライアントコンピュータ、あるいはそのようなバックエンド、ミドルウェア、またはフロントエンド構成要素の任意の組み合わせを含む、分散型コンピュータシステムで実装することができる。システムの構成要素は、デジタルデータ通信の任意の形態または媒体、例えば、通信ネットワー
クによって相互接続することができる。通信チャネルとも呼ばれる、通信ネットワークの実施例は、ローカルエリアネットワーク(「LAN」)および広域ネットワーク(「WAN」)、例えば、インターネットを含み、有線および無線ネットワークの両方を含む。いくつかの実施例では、通信ネットワークは、仮想ローカルエリアネットワーク(「VLAN」)等の仮想ネットワークまたはサブネットワークを特色とすることができる。特に明確に指示がない限り、通信ネットワークはまた、PSTNの全体または一部分、例えば、特定のキャリアによって所有される一部分を含むこともできる。
クによって相互接続することができる。通信チャネルとも呼ばれる、通信ネットワークの実施例は、ローカルエリアネットワーク(「LAN」)および広域ネットワーク(「WAN」)、例えば、インターネットを含み、有線および無線ネットワークの両方を含む。いくつかの実施例では、通信ネットワークは、仮想ローカルエリアネットワーク(「VLAN」)等の仮想ネットワークまたはサブネットワークを特色とすることができる。特に明確に指示がない限り、通信ネットワークはまた、PSTNの全体または一部分、例えば、特定のキャリアによって所有される一部分を含むこともできる。
コンピュータシステムは、クライアントおよびサーバを含むことができる。クライアントおよびサーバは、概して、相互から遠隔にあり、典型的には、通信ネットワークを通して相互作用する。クライアントおよびサーバの関係は、それぞれのコンピュータ上で作動し、相互に対するクライアント・サーバ関係を有する、コンピュータプログラムによって生じる。
種々の実施形態は、1つ以上の通信経路によって通信している、または接続されるものとして図示される。通信経路は、データを転送する特定の媒体に限定されない。情報は、電気、光、音響、物理、熱信号、またはそれらの任意の組み合わせを使用して、通信経路上で伝送することができる。通信経路は、複数の通信チャネル、例えば、データフローのための同じまたは様々な容量の多重化チャネルを含むことができる。
図示したユーザインターフェース特徴のパラメータを構成するために、複数のユーザ入力を使用することができる。そのような入力の実施例は、ボタン、ラジオボタン、アイコン、チェックボックス、コンボボックス、メニュー、テキストボックス、ツールチップ、トグルスイッチ、ボタン、スクロールバー、ツールバー、ステータスバー、ウィンドウ、または、ユーザが本明細書で説明されるモジュールあるいはシステムのうちのいずれかと通信する、および/またはそれにデータを提供することを可能にするためのユーザインターフェースと関連している、他の好適なアイコンあるいはウィジェットを含む。
本発明は、具体的な実施形態を参照して具体的に示され、説明されているが、添付の請求項によって定義されるような本発明の精神および範囲から逸脱することなく、形態および詳細の種々の変更がそれに行われてもよいことが、当業者によって理解されるべきである。
Claims (34)
- 製造プロセスを制御するコンピュータ実装方法であって、該方法は、
従属変数データと該製造プロセスに関連している操作変数データとを受信することであって、該従属変数データは、1つ以上のセンサによって観測され該製造プロセス中に直接制御されない第1の組のプロセスパラメータの値を表しており、該操作変数データは、複数のプロセスツールに関連している第2の組のプロセスパラメータの値を表しており、第1の組のプロセスパラメータは従属変数によって表され、第2の組のプロセスパラメータは操作変数によって表される、ことと、
該製造プロセスの多変量モデルを用いて、少なくとも該従属変数データおよび該操作変数データに基づいて、予測収率スコア、多変量統計量、または両方を決定することと、
該多変量モデルから、少なくとも該予測収率スコア、該多変量統計量、または両方を用いて目的関数を最適化することによって、該製造プロセスの動作パラメータを決定することと
を含み、前記目的関数は、二次関数と、線形関数と、非線形関数とのうちの1つであり、前記目的関数は、前記従属変数データ、前記操作変数データ、前記予測収率スコア、前記多変量統計量、またはそれらの任意の組み合わせに対する1つ以上の制約を含む、方法。 - 操作変数によって表れる前記第2の組のプロセスパラメータは、前記製造プロセス中に制御される、請求項1に記載の方法。
- 前記複数のプロセスツールに動作パラメータを提供することをさらに含み、前記動作パラメータは、操作変数の値を含む、請求項1に記載の方法。
- 操作変数の過去または現在の値と従属変数の過去または現在の値とに基づいて、該操作変数の現在または将来の値を修正することをさらに含む、請求項1に記載の方法。
- 前記従属変数の予測値を受信することをさらに含む、請求項1に記載の方法。
- 前記従属変数の値を予測することをさらに含む、請求項1に記載の方法。
- 動作パラメータを決定することは、コントローラ目的を満たすことをさらに含む、請求項1に記載の方法。
- コントローラ目的を満たすことは、前記製造プロセスのプロセスデータ、収率データ、結果データ、またはそれらの任意の組み合わせを関連付けることによって前記目的関数を最適化することを含む、請求項7に記載の方法。
- 前記1つ以上の制約は、ユーザ指定される、請求項1に記載の方法。
- 前記1つ以上の制約は、前記多変量モデルから逸脱することに対するペナルティと関連している、請求項1に記載の方法。
- 前記コントローラ目的は、二次関数を含む前記目的関数によって表現され、該コントローラ目的を満たすことはさらに、前記目的関数のパラメータを最小化することを含む、請求項7に記載の方法。
- 収率スコアまたは前記多変量統計量の予測値を決定することをさらに含む、請求項1に記載の方法。
- 前記操作変数の決定された値、前記従属変数の過去の値または現在の値、あるいはそれらの任意の組み合わせに基づいて、従属変数の将来の値を予測する従属変数モデルを使用することをさらに含む、請求項1に記載の方法。
- 従属変数によって表される前記第1の組のプロセスパラメータの将来の値と操作変数によって表される前記第2の組のプロセスパラメータの将来の値とを予測するスコアモデルを使用することをさらに含む、請求項1に記載の方法。
- 前記多変量モデルは、測定された操作および従属変数データと、予測された操作および従属変数データとを受信する、請求項1に記載の方法。
- 前記多変量統計量は、少なくともスコア、ホテリングのT2値、DModX値、残差標準偏差値、またはそれらの任意の組み合わせを含む、請求項1に記載の方法。
- 多変量統計量は、主成分分析スコアまたは部分最小二乗スコアを含む、請求項1に記載の方法。
- 前記製造プロセスは、バッチ型製造プロセスである、請求項1に記載の方法。
- 前記製造プロセスは、連続型製造プロセスである、請求項1に記載の方法。
- 連続型製造プロセスまたはバッチ型製造プロセスのための多変量コントローラであって、該コントローラは、
複数のプロセスツールおよび複数のセンサと通信して、該プロセスツールからの操作変数データと該センサからの従属変数データとを監視する制御モジュールであって、該制御モジュールは、少なくとも該操作変数データおよび該従属変数データに基づいて、予測収率データ、多変量統計量、または両方を決定するための多変量モデルを含み、該従属変数データは、該複数のセンサによって観測され該製造プロセス中に直接制御されない第1の組のプロセスパラメータの値を表しており、該操作変数データは、複数のプロセスツールに関連している第2の組のプロセスパラメータの値を表しており、第1の組のプロセスパ
ラメータは従属変数によって表され、第2の組のプロセスパラメータは操作変数によって表される、制御モジュールと、
ソルバモジュールであって、該ソルバモジュールは、i)該多変量モデルから、予測収率データ、多変量統計量、または両方を受信することと、ii)少なくとも予測収率スコア、該多変量統計量、または両方を用いて目的関数を最適化し、該複数のプロセスツールと、少なくとも予測多変量統計データを提供する予測モデルとに提供する操作変数の予測値を生成することとを行い、前記目的関数は、二次関数と、線形関数と、非線形関数とのうちの1つであり、前記目的関数は、前記従属変数データ、前記操作変数データ、前記予測収率データ、前記多変量統計量、またはそれらの任意の組み合わせに対する1つ以上の制約を含む、ソルバモジュールと
を備える、コントローラ。 - 前記コントローラは、生成された前記操作変数の値を用いて、前記操作変数を表す前記複数のプロセスツールの1つ以上のパラメータを調整する、請求項20に記載のコントローラ。
- 前記多変量統計量は、スコア、ホテリングのT2値、DModX値、残差標準偏差値、またはそれらの任意の組み合わせのうちの少なくとも1つを含む、請求項20に記載のコントローラ。
- 前記予測モデルは、1つ以上の多変量統計量の前記ソルバモジュールのための予測値を生成するスコアモデルを含む、請求項22に記載のコントローラ。
- 前記予測モデルは、予測従属変数値を生成する従属変数モデルを含む、請求項20に記載のコントローラ。
- 前記予測モデルは、前記製造プロセスからの従属変数の予測値を提供する、請求項20に記載のコントローラ。
- 前記予測モデルは、前記制御モジュールおよび前記ソルバモジュールに予測統計データを提供する、請求項20に記載のコントローラ。
- 前記ソルバモジュールは、コントローラ目的に基づいて、前記操作変数の値を生成する、請求項20に記載のコントローラ。
- 前記コントローラ目的は、前記製造プロセスと関連している二次関数を含む前記目的関数を最適化する、請求項27に記載のコントローラ。
- 前記コントローラ目的は、前記従属変数データ、前記操作変数データ、前記予測収率データ、前記多変量統計量、またはそれらの任意の組み合わせに対する1つ以上の制約を含む、請求項27に記載のコントローラ。
- 前記1つ以上の制約は、ユーザ指定される、請求項29に記載のコントローラ。
- 前記1つ以上の制約は、前記多変量モデルから逸脱することに対するペナルティと関連している、請求項29に記載のコントローラ。
- 前記ソルバモジュールは、条件付き最適化ソルバである、請求項20に記載のコントローラ。
- 前記制御モジュールは、前記ソルバモジュールを備える、請求項20に記載のコントローラ。
- 製造プロセスを制御するシステムであって、該システムは、
複数のプロセスツールから、第1の組のプロセスパラメータの値を表している操作変数データを収集し、複数のセンサから、該複数のセンサによって観測され該製造プロセス中に直接制御されない第2の組のプロセスパラメータの値を表している従属変数データを収集するデータ収集手段であって、第1の組のプロセスパラメータは従属変数によって表され、第2の組のプロセスパラメータは操作変数によって表されるデータ収集手段と、
該製造プロセスの該複数のプロセスツールの動作パラメータを決定するプロセス制御手段と、
多変量統計モデルに基づいて、該プロセス制御手段に提供する該操作変数データの予測値を決定する多変量制御手段であって、該多変量統計モデルは、少なくとも収集された該操作変数データおよび従属変数データを受信し、該プロセス制御手段に予測収率値および統計情報を提供する、多変量制御手段と
を備え、
該プロセス制御手段は、該多変量制御手段によって決定される少なくとも予測収率値、統計情報または両方を用いて目的関数を最適化することによって動作パラメータを決定するように構成されており、前記目的関数は、二次関数と、線形関数と、非線形関数とのうちの1つであり、前記目的関数は、前記従属変数データ、前記操作変数データ、前記予測収率値、前記多変量統計情報、またはそれらの任意の組み合わせに対する1つ以上の制約を含む、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/358,864 | 2009-01-23 | ||
US12/358,864 US9069345B2 (en) | 2009-01-23 | 2009-01-23 | Controlling a manufacturing process with a multivariate model |
PCT/US2010/021486 WO2010085479A1 (en) | 2009-01-23 | 2010-01-20 | Controlling a manufacturing process with a multivariate model |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012515984A JP2012515984A (ja) | 2012-07-12 |
JP2012515984A5 true JP2012515984A5 (ja) | 2014-09-11 |
Family
ID=42101492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011548066A Pending JP2012515984A (ja) | 2009-01-23 | 2010-01-20 | 多変量モデルによる製造工程の制御 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9069345B2 (ja) |
JP (1) | JP2012515984A (ja) |
KR (1) | KR20110110341A (ja) |
CN (1) | CN102301289A (ja) |
DE (1) | DE112010000703T9 (ja) |
GB (1) | GB2479850A (ja) |
SG (1) | SG173107A1 (ja) |
TW (1) | TW201032009A (ja) |
WO (1) | WO2010085479A1 (ja) |
Families Citing this family (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008137544A1 (en) | 2007-05-02 | 2008-11-13 | Mks Instruments, Inc. | Automated model building and model updating |
US8494798B2 (en) * | 2008-09-02 | 2013-07-23 | Mks Instruments, Inc. | Automated model building and batch model building for a manufacturing process, process monitoring, and fault detection |
US9069345B2 (en) | 2009-01-23 | 2015-06-30 | Mks Instruments, Inc. | Controlling a manufacturing process with a multivariate model |
US9323234B2 (en) * | 2009-06-10 | 2016-04-26 | Fisher-Rosemount Systems, Inc. | Predicted fault analysis |
US10409232B2 (en) * | 2010-03-29 | 2019-09-10 | Siemens Aktiengesellschaft | Engineering tool and method for parameterizing a model-based predictive controller |
US8855804B2 (en) | 2010-11-16 | 2014-10-07 | Mks Instruments, Inc. | Controlling a discrete-type manufacturing process with a multivariate model |
TWI423841B (zh) * | 2011-02-10 | 2014-01-21 | China Steel Corp | Krauss Process Exhaust Gas Analyzer Exceptional Detection Method |
US8716025B2 (en) * | 2011-07-08 | 2014-05-06 | Agilent Technologies, Inc. | Drifting two-dimensional separation with adaption of second dimension gradient to actual first dimension condition |
JP5749596B2 (ja) * | 2011-07-27 | 2015-07-15 | シチズンホールディングス株式会社 | 工作機械用制御装置 |
US20140310230A1 (en) * | 2011-10-17 | 2014-10-16 | Nestec S.A. | Principles and software application to ensure compliance of manufactured nutritional food products to their specifications |
US9541471B2 (en) * | 2012-04-06 | 2017-01-10 | Mks Instruments, Inc. | Multivariate prediction of a batch manufacturing process |
US9429939B2 (en) | 2012-04-06 | 2016-08-30 | Mks Instruments, Inc. | Multivariate monitoring of a batch manufacturing process |
US9008807B2 (en) * | 2012-05-25 | 2015-04-14 | Statistics & Control, Inc. | Method of large scale process optimization and optimal planning based on real time dynamic simulation |
EP2682168A1 (en) | 2012-07-02 | 2014-01-08 | Millipore Corporation | Purification of biological molecules |
US10175661B2 (en) | 2013-02-05 | 2019-01-08 | Yokogawa Corporation Of America | System, method and apparatus for determining properties of product or process streams |
US9417628B2 (en) * | 2013-03-13 | 2016-08-16 | Western Digital Technologies, Inc. | Production failure analysis system |
WO2014147691A1 (ja) * | 2013-03-18 | 2014-09-25 | 富士通株式会社 | 温度管理システム |
CN103426118A (zh) * | 2013-08-05 | 2013-12-04 | 上海华力微电子有限公司 | 一种机台使用情况统计分析系统和方法 |
JP6173851B2 (ja) * | 2013-09-20 | 2017-08-02 | 株式会社日立ハイテクノロジーズ | 分析方法およびプラズマエッチング装置 |
US10235481B2 (en) | 2014-02-05 | 2019-03-19 | Yokogawa Corporation Of America | System and method for online measurement of vapor pressure in hydrocarbon process streams |
JP6158111B2 (ja) * | 2014-02-12 | 2017-07-05 | 東京エレクトロン株式会社 | ガス供給方法及び半導体製造装置 |
CN103869783B (zh) * | 2014-03-18 | 2016-07-13 | 东北大学 | 一种精矿产量在线预测方法 |
US9772625B2 (en) | 2014-05-12 | 2017-09-26 | Deere & Company | Model referenced management and control of a worksite |
US10114348B2 (en) | 2014-05-12 | 2018-10-30 | Deere & Company | Communication system for closed loop control of a worksite |
US9766618B2 (en) * | 2014-08-14 | 2017-09-19 | International Business Machines Corporation | Generating work product plans specifying proportions of constituents to be used in forming a work product |
FR3029624B1 (fr) * | 2014-12-05 | 2019-06-14 | Safran Aircraft Engines | Procede de suivi de la fabrication de pieces base sur l'analyse d'indicateurs statistiques en situation d'allegement de controle |
EP3440518A1 (en) * | 2016-04-04 | 2019-02-13 | Boehringer Ingelheim RCV GmbH & Co KG | Real time monitoring of product purification |
WO2017201086A1 (en) | 2016-05-16 | 2017-11-23 | Jabil Circuit, Inc. | Apparatus, engine, system and method for predictive analytics in a manufacturing system |
US11914349B2 (en) | 2016-05-16 | 2024-02-27 | Jabil Inc. | Apparatus, engine, system and method for predictive analytics in a manufacturing system |
JP7009438B2 (ja) * | 2016-07-07 | 2022-01-25 | アスペン テクノロジー インコーポレイテッド | 時系列パターンモデルを用いて主要パフォーマンス指標(kpi)を監視するコンピュータシステム及び方法 |
CN106206356B (zh) * | 2016-08-31 | 2019-05-31 | 上海华力微电子有限公司 | 提高良率提升缺陷监测效率的方法 |
JP6603260B2 (ja) * | 2017-04-27 | 2019-11-06 | ファナック株式会社 | 数値制御装置 |
DE102017111926A1 (de) | 2017-05-31 | 2018-12-06 | Infineon Technologies Ag | Prozesssteuerschaltung und Verfahren zum Steuern einer Bearbeitungsanordnung |
SG11202001704SA (en) * | 2017-08-30 | 2020-03-30 | Pharmabio Corp | Production device, system, and method |
US10627787B2 (en) * | 2017-11-01 | 2020-04-21 | International Business Machines Corporation | Manufacturing process control based on multi-modality and multi-resolution time series data |
CN110083849A (zh) * | 2018-01-25 | 2019-08-02 | 中芯国际集成电路制造(上海)有限公司 | 半导体制造设备的软测量方法、计算机和计算机可读介质 |
EP3582053B1 (en) * | 2018-02-12 | 2022-03-30 | The Automation Partnership (Cambridge) Limited | Scaling tool |
US11610273B2 (en) | 2018-04-26 | 2023-03-21 | InfinityQS International, Inc. | Enterprise-wide process stream analysis and grading engine with interactive user interface method, system, and computer program product |
US10698392B2 (en) * | 2018-06-22 | 2020-06-30 | Applied Materials, Inc. | Using graphics processing unit for substrate routing and throughput modeling |
JP6549760B1 (ja) | 2018-06-26 | 2019-07-24 | 三菱ケミカルエンジニアリング株式会社 | 生産システム、生産方法、及び制御装置 |
JP6481916B1 (ja) | 2018-06-26 | 2019-03-13 | 三菱ケミカルエンジニアリング株式会社 | 生産システム、生産方法及び制御装置 |
CN112543945A (zh) * | 2018-08-01 | 2021-03-23 | 3M创新有限公司 | 预测建模工具 |
DE102018119171A1 (de) * | 2018-08-07 | 2020-02-13 | Wavelabs Solar Metrology Systems Gmbh | Optoelektronisches Solarzellen-Testsystem für eine inline-Solarzellen-Produktionsanlage und Verfahren zum Optimieren der inline-Produktion von Solarzellen unter Einsatz eines solchen optoelektronischen Solarzellen-Testsystems |
EP3640946A1 (en) * | 2018-10-15 | 2020-04-22 | Sartorius Stedim Data Analytics AB | Multivariate approach for biological cell selection |
EP3938717A4 (en) * | 2019-03-15 | 2022-12-21 | 3M Innovative Properties Company | CONTROL OF A MANUFACTURING PROCESS USING CAUSED MODELS |
US20220178899A1 (en) * | 2019-03-15 | 2022-06-09 | 3M Innovative Properties Company | Manufacturing a biologic pharmaceutical using causal models |
US11181872B1 (en) * | 2019-05-30 | 2021-11-23 | Georgia-Pacific LLC | Systems and processes for optimizing operation of industrial equipment |
US11688487B2 (en) * | 2019-07-31 | 2023-06-27 | X Development Llc | Scalable experimental workflow for parameter estimation |
CN114650879A (zh) | 2019-09-24 | 2022-06-21 | 爱荷华谷类推广协会 | 碳水化合物转化为乙二醇的连续方法 |
US11995036B2 (en) * | 2019-10-11 | 2024-05-28 | Ikigai Labs Inc. | Automated customized modeling of datasets with intuitive user interfaces |
US11542564B2 (en) | 2020-02-20 | 2023-01-03 | Sartorius Stedim Data Analytics Ab | Computer-implemented method, computer program product and hybrid system for cell metabolism state observer |
US11680031B2 (en) | 2020-09-24 | 2023-06-20 | T. EN Process Technology, Inc. | Continuous processes for the selective conversion of aldohexose-yielding carbohydrate to ethylene glycol using low concentrations of retro-aldol catalyst |
US11319269B2 (en) | 2020-09-24 | 2022-05-03 | Iowa Corn Promotion Board | Continuous processes for the selective conversion of aldohexose-yielding carbohydrate to ethylene glycol using low concentrations of retro-aldol catalyst |
CN113641396A (zh) * | 2021-08-16 | 2021-11-12 | 杭州群核信息技术有限公司 | 批量修改参数化模型的方法和装置 |
DE102021131394A1 (de) | 2021-11-30 | 2023-06-01 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Überwachen eines mehrstufigen Herstellungsprozesses eines Bauteils mittels eines Überwachungssystems, Computerprogrammprodukt, computerlesbares Speichermedium sowie Überwachungssystem |
DE102022100379A1 (de) | 2022-01-10 | 2023-07-13 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Überwachen eines mehrstufigen Fertigungsprozesses eines Bauteils mittels eines Überwachungssystems, Computerprogrammprodukt sowie Überwachungssystem |
DE102022102379A1 (de) | 2022-02-02 | 2023-08-03 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betreiben einer Anlage für eine Serienherstellung von Bauteilen, Computerprogramm und Datenträger |
CN116449788A (zh) * | 2023-05-30 | 2023-07-18 | 湖南科技大学 | 一种钢厂铸坯生产过程故障检测与产能优化的方法 |
Family Cites Families (118)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0755529B2 (ja) | 1988-10-29 | 1995-06-14 | 日精樹脂工業株式会社 | 射出成形機の制御方法および装置 |
JPH04105915A (ja) | 1990-08-27 | 1992-04-07 | Nissei Plastics Ind Co | 射出成形機の温度制御方法 |
JPH04119814A (ja) | 1990-09-10 | 1992-04-21 | Nissei Plastics Ind Co | 射出成形機の温度制御方法 |
JPH064266B2 (ja) | 1990-10-18 | 1994-01-19 | 日精樹脂工業株式会社 | 射出成形機の非干渉温度制御方法 |
WO1992014197A1 (en) | 1991-02-08 | 1992-08-20 | Kabushiki Kaisha Toshiba | Model forecasting controller |
JPH04266101A (ja) | 1991-02-20 | 1992-09-22 | Toshiba Corp | 多変数モデル予測制御装置 |
US5469361A (en) | 1991-08-08 | 1995-11-21 | The Board Of Regents Acting For And On Behalf Of The University Of Michigan | Generic cell controlling method and apparatus for computer integrated manufacturing system |
AU4689293A (en) | 1992-07-15 | 1994-02-14 | On-Line Technologies, Inc. | Method and apparatus for monitoring layer processing |
US5408405A (en) | 1993-09-20 | 1995-04-18 | Texas Instruments Incorporated | Multi-variable statistical process controller for discrete manufacturing |
US5479340A (en) * | 1993-09-20 | 1995-12-26 | Sematech, Inc. | Real time control of plasma etch utilizing multivariate statistical analysis |
US5485471A (en) | 1993-10-15 | 1996-01-16 | Mitsubishi Electric Research Laboratories, Inc. | System for testing of digital integrated circuits |
US5544256A (en) | 1993-10-22 | 1996-08-06 | International Business Machines Corporation | Automated defect classification system |
US5442562A (en) | 1993-12-10 | 1995-08-15 | Eastman Kodak Company | Method of controlling a manufacturing process using multivariate analysis |
SE9304246L (sv) | 1993-12-22 | 1995-06-23 | Asea Brown Boveri | Förfarande vid övervakning av multivariata processer |
US5484368A (en) * | 1994-06-30 | 1996-01-16 | Chang; Shao-Ying | Multi-function pull bar |
JP3161921B2 (ja) | 1994-10-27 | 2001-04-25 | ファナック株式会社 | 製品品質影響要因解析方法と装置及び成形条件調整方法、製品良否判別項目選択方法 |
US5786999A (en) | 1995-10-04 | 1998-07-28 | Barber-Colman Company | Combination control for injection molding |
US5710700A (en) | 1995-12-18 | 1998-01-20 | International Business Machines Corporation | Optimizing functional operation in manufacturing control |
JP3609537B2 (ja) | 1996-06-17 | 2005-01-12 | 東芝機械株式会社 | 射出成形機のフィードバック制御装置 |
US6453246B1 (en) | 1996-11-04 | 2002-09-17 | 3-Dimensional Pharmaceuticals, Inc. | System, method, and computer program product for representing proximity data in a multi-dimensional space |
WO1998044839A1 (en) | 1997-04-03 | 1998-10-15 | National Research Council Of Canada | Method of assessing tissue viability using near-infrared spectroscopy |
CH692491A5 (de) | 1997-04-23 | 2002-07-15 | Kk Holding Ag | Verfahren zur Bestimmung des Umschlaltpunktes bei der Herstellung eines Spritzgussteils. |
CH692383A5 (de) | 1997-09-16 | 2002-05-31 | Kk Holding Ag | Verfahren zur Regelung der Heisskanalheizung eines Mehrkavitäten-Spritzgiesswerkzeugs. |
US6153115A (en) | 1997-10-23 | 2000-11-28 | Massachusetts Institute Of Technology | Monitor of plasma processes with multivariate statistical analysis of plasma emission spectra |
US5900633A (en) | 1997-12-15 | 1999-05-04 | On-Line Technologies, Inc | Spectrometric method for analysis of film thickness and composition on a patterned sample |
US5997778A (en) | 1998-04-23 | 1999-12-07 | Van Dorn Demag Corporation | Auto-tuned, adaptive process controlled, injection molding machine |
SE9801949D0 (sv) | 1998-06-02 | 1998-06-02 | Astra Ab | Process control |
DE69921602T2 (de) | 1998-07-21 | 2005-12-01 | Dofasco Inc., Hamilton | Auf einem multivariablen statistischen modell basierendes system zur darstellung des betriebs einer stranggiessanlage und detektion bevorstehender durchbrüche |
US6594620B1 (en) | 1998-08-17 | 2003-07-15 | Aspen Technology, Inc. | Sensor validation apparatus and method |
US6336082B1 (en) | 1999-03-05 | 2002-01-01 | General Electric Company | Method for automatic screening of abnormalities |
US6442445B1 (en) | 1999-03-19 | 2002-08-27 | International Business Machines Corporation, | User configurable multivariate time series reduction tool control method |
US6368883B1 (en) | 1999-08-10 | 2002-04-09 | Advanced Micro Devices, Inc. | Method for identifying and controlling impact of ambient conditions on photolithography processes |
US6975944B1 (en) | 1999-09-28 | 2005-12-13 | Alpha Mos | Method and apparatus for monitoring materials used in electronics |
CN1205685C (zh) * | 1999-11-17 | 2005-06-08 | 尼电源系统公司 | 具有硅基片的燃料电池 |
US6456899B1 (en) | 1999-12-07 | 2002-09-24 | Ut-Battelle, Llc | Context-based automated defect classification system using multiple morphological masks |
AU4733601A (en) | 2000-03-10 | 2001-09-24 | Cyrano Sciences Inc | Control for an industrial process using one or more multidimensional variables |
GB0007063D0 (en) | 2000-03-23 | 2000-05-10 | Simsci Limited | Mulitvariate statistical process monitors |
US6741903B1 (en) | 2000-06-01 | 2004-05-25 | Adavanced Micro Devices, Inc. | Method for relating photolithography overlay target damage and chemical mechanical planarization (CMP) fault detection to CMP tool indentification |
FI20001340A (fi) * | 2000-06-05 | 2002-01-28 | Metso Automation Networks Oy | Menetelmõ prosessinohjausjõrjestelmõssõ ja prosessinohjausjõrjestelmõ |
US6917839B2 (en) | 2000-06-09 | 2005-07-12 | Intellectual Assets Llc | Surveillance system and method having an operating mode partitioned fault classification model |
US6556884B1 (en) | 2000-06-16 | 2003-04-29 | Advanced Micro Devices, Inc. | Method and apparatus for interfacing a statistical process control system with a manufacturing process control framework |
AU2001273306A1 (en) * | 2000-07-05 | 2002-01-14 | Camo, Inc. | Method and system for the dynamic analysis of data |
US7003490B1 (en) | 2000-07-19 | 2006-02-21 | Ge Capital Commercial Finance, Inc. | Multivariate responses using classification and regression trees systems and methods |
AU2001285629A1 (en) | 2000-08-11 | 2002-02-25 | Dofasco Inc. | Desulphurization reagent control method and system |
DE10040731A1 (de) | 2000-08-17 | 2002-03-07 | Teccon S R I | Verfahren zur Durchführung eines automatisierten Produktionsprozesses |
JP2002086533A (ja) | 2000-09-08 | 2002-03-26 | Toshiba Mach Co Ltd | 射出速度パターンの入力設定方法 |
US6868342B2 (en) | 2000-10-13 | 2005-03-15 | The Brigham & Women's Hospital, Inc. | Method and display for multivariate classification |
DE10112126B4 (de) | 2001-03-14 | 2004-03-25 | Priamus System Technologies Ag | Verfahren zum automatischen Balancieren der volumetrischen Füllung von Kavitäten |
JP4170611B2 (ja) | 2001-03-29 | 2008-10-22 | 株式会社東芝 | 半導体集積回路の不良検出方法及び不良検出装置 |
US6983176B2 (en) | 2001-04-11 | 2006-01-03 | Rio Grande Medical Technologies, Inc. | Optically similar reference samples and related methods for multivariate calibration models used in optical spectroscopy |
US7901873B2 (en) | 2001-04-23 | 2011-03-08 | Tcp Innovations Limited | Methods for the diagnosis and treatment of bone disorders |
US20050037515A1 (en) | 2001-04-23 | 2005-02-17 | Nicholson Jeremy Kirk | Methods for analysis of spectral data and their applications osteoporosis |
US7107491B2 (en) | 2001-05-16 | 2006-09-12 | General Electric Company | System, method and computer product for performing automated predictive reliability |
ATE377209T1 (de) * | 2001-05-25 | 2007-11-15 | Parametric Optimization Soluti | Verbesserte prozesssteuerung |
US6839655B2 (en) | 2001-05-25 | 2005-01-04 | University Of Chicago | System for monitoring non-coincident, nonstationary process signals |
US6687620B1 (en) | 2001-08-01 | 2004-02-03 | Sandia Corporation | Augmented classical least squares multivariate spectral analysis |
US6876931B2 (en) | 2001-08-03 | 2005-04-05 | Sensys Medical Inc. | Automatic process for sample selection during multivariate calibration |
US6549864B1 (en) | 2001-08-13 | 2003-04-15 | General Electric Company | Multivariate statistical process analysis systems and methods for the production of melt polycarbonate |
US7072794B2 (en) | 2001-08-28 | 2006-07-04 | Rockefeller University | Statistical methods for multivariate ordinal data which are used for data base driven decision support |
US6718224B2 (en) | 2001-09-17 | 2004-04-06 | Yield Dynamics, Inc. | System and method for estimating error in a manufacturing process |
IL145649A0 (en) | 2001-09-25 | 2002-06-30 | Nira Sciences Ltd | Method and apparatus for real-time dynamic chemical analysis |
US7031800B2 (en) | 2001-09-29 | 2006-04-18 | Van Dorn Demag Corporation | OO control for injection molding machine |
US6682669B2 (en) | 2001-09-29 | 2004-01-27 | Van Dorn Demag Corporation | Model predictive control apparatus and methods for motion and/or pressure control of injection molding machines |
US7043401B2 (en) | 2001-11-13 | 2006-05-09 | Genichi Taguchi | Multivariate data analysis method and uses thereof |
US7035877B2 (en) * | 2001-12-28 | 2006-04-25 | Kimberly-Clark Worldwide, Inc. | Quality management and intelligent manufacturing with labels and smart tags in event-based product manufacturing |
US6721616B1 (en) | 2002-02-27 | 2004-04-13 | Advanced Micro Devices, Inc. | Method and apparatus for determining control actions based on tool health and metrology data |
TWI286785B (en) | 2002-03-29 | 2007-09-11 | Tokyo Electron Ltd | Method for interaction with status and control apparatus |
WO2003085493A2 (en) | 2002-03-29 | 2003-10-16 | Agilent Technologies, Inc. | Method and system for predicting multi-variable outcomes |
TWI328164B (en) | 2002-05-29 | 2010-08-01 | Tokyo Electron Ltd | Method and apparatus for monitoring tool performance |
WO2004003671A1 (en) * | 2002-06-28 | 2004-01-08 | Umetrics Ab | Method and device for monitoring and fault detection in industrial processes |
US6853925B2 (en) | 2002-07-03 | 2005-02-08 | Northwestern University | Gas flow method for detection of local preform defects based on statistical analysis |
WO2004008825A2 (en) | 2002-07-19 | 2004-01-29 | Technic, Inc. | Method and apparatus for real time monitoring of electroplating bath performance and early fault detection |
DE60335268D1 (de) | 2002-08-20 | 2011-01-20 | Tokyo Electron Ltd | Verfahren zum verarbeiten von daten auf der basis des datenkontexts |
US6830939B2 (en) | 2002-08-28 | 2004-12-14 | Verity Instruments, Inc. | System and method for determining endpoint in etch processes using partial least squares discriminant analysis in the time domain of optical emission spectra |
DE10341764B4 (de) | 2002-09-11 | 2019-01-10 | Fisher-Rosemount Systems, Inc. | Integrierte Modell-Vorhersagesteuerung und -Optimierung innerhalb eines Prozesssteuerungssystems |
US20080275587A1 (en) | 2002-09-25 | 2008-11-06 | Advanced Micro Devices, Inc. | Fault detection on a multivariate sub-model |
US20040064357A1 (en) | 2002-09-26 | 2004-04-01 | Hunter Jeffrey D. | System and method for increasing the accuracy of forecasted consumer interest in products and services |
DE10393080T5 (de) | 2002-10-08 | 2005-09-29 | Invensys Systems, Inc., Foxboro | Serviceportal |
US7233884B2 (en) | 2002-10-31 | 2007-06-19 | United Technologies Corporation | Methodology for temporal fault event isolation and identification |
CN1720490B (zh) | 2002-11-15 | 2010-12-08 | 应用材料有限公司 | 用于控制具有多变量输入参数的制造工艺的方法和系统 |
US6885977B2 (en) | 2002-12-20 | 2005-04-26 | Applied Materials, Inc. | System to identify a wafer manufacturing problem and method therefor |
JP2004259894A (ja) | 2003-02-25 | 2004-09-16 | Toshiba Corp | 半導体装置の解析方法、解析システム及びプログラム |
US7138629B2 (en) | 2003-04-22 | 2006-11-21 | Ebara Corporation | Testing apparatus using charged particles and device manufacturing method using the testing apparatus |
US6968253B2 (en) | 2003-05-07 | 2005-11-22 | Kla-Tencor Technologies Corp. | Computer-implemented method and carrier medium configured to generate a set of process parameters for a lithography process |
KR100976648B1 (ko) * | 2003-05-16 | 2010-08-18 | 도쿄엘렉트론가부시키가이샤 | 헬스 인덱스 처리 시스템 및 이를 이용한 방법 |
US7062411B2 (en) | 2003-06-11 | 2006-06-13 | Scientific Systems Research Limited | Method for process control of semiconductor manufacturing equipment |
DE112004001212B4 (de) | 2003-07-03 | 2014-07-24 | Waters Technologies Corp. (N.D.Ges.D. Staates Delaware) | Verfahren für die Analyse von Isotopensignaturen und die Massenanalyse |
US6993404B2 (en) * | 2003-07-11 | 2006-01-31 | Mks Instruments, Inc. | Graphical user interface with process quality indicator |
US7328126B2 (en) * | 2003-09-12 | 2008-02-05 | Tokyo Electron Limited | Method and system of diagnosing a processing system using adaptive multivariate analysis |
US7198964B1 (en) | 2004-02-03 | 2007-04-03 | Advanced Micro Devices, Inc. | Method and apparatus for detecting faults using principal component analysis parameter groupings |
US6980873B2 (en) | 2004-04-23 | 2005-12-27 | Taiwan Semiconductor Manufacturing Company, Ltd. | System and method for real-time fault detection, classification, and correction in a semiconductor manufacturing environment |
US7729789B2 (en) * | 2004-05-04 | 2010-06-01 | Fisher-Rosemount Systems, Inc. | Process plant monitoring based on multivariate statistical analysis and on-line process simulation |
US6967899B1 (en) | 2004-06-09 | 2005-11-22 | The United States Of America As Represented By The Secretary Of The Navy | Method for classifying a random process for data sets in arbitrary dimensions |
US7465417B2 (en) * | 2004-07-19 | 2008-12-16 | Baxter International Inc. | Parametric injection molding system and method |
KR100625168B1 (ko) | 2004-08-23 | 2006-09-20 | 삼성전자주식회사 | 기판에 형성된 패턴의 검사방법 및 이를 수행하기 위한검사장치 |
US7349746B2 (en) | 2004-09-10 | 2008-03-25 | Exxonmobil Research And Engineering Company | System and method for abnormal event detection in the operation of continuous industrial processes |
JP2008514015A (ja) | 2004-09-17 | 2008-05-01 | エム ケー エス インストルメンツ インコーポレーテッド | 半導体プロセスの多変量制御 |
US7624003B2 (en) * | 2005-01-10 | 2009-11-24 | Applied Materials, Inc. | Split-phase chamber modeling for chamber matching and fault detection |
US7477960B2 (en) | 2005-02-16 | 2009-01-13 | Tokyo Electron Limited | Fault detection and classification (FDC) using a run-to-run controller |
JP4499601B2 (ja) | 2005-04-01 | 2010-07-07 | 日精樹脂工業株式会社 | 射出成形機の制御装置 |
US7809450B2 (en) | 2005-07-07 | 2010-10-05 | Mks Instruments, Inc. | Self-correcting multivariate analysis for use in monitoring dynamic parameters in process environments |
US7389773B2 (en) * | 2005-08-18 | 2008-06-24 | Honeywell International Inc. | Emissions sensors for fuel control in engines |
US7657339B1 (en) | 2005-10-14 | 2010-02-02 | GlobalFoundries, Inc. | Product-related feedback for process control |
US7313454B2 (en) | 2005-12-02 | 2007-12-25 | Mks Instruments, Inc. | Method and apparatus for classifying manufacturing outputs |
US7587296B2 (en) | 2006-05-07 | 2009-09-08 | Applied Materials, Inc. | Adaptive multivariate fault detection |
US20080010531A1 (en) | 2006-06-12 | 2008-01-10 | Mks Instruments, Inc. | Classifying faults associated with a manufacturing process |
US8489360B2 (en) | 2006-09-29 | 2013-07-16 | Fisher-Rosemount Systems, Inc. | Multivariate monitoring and diagnostics of process variable data |
US8634940B2 (en) | 2006-10-31 | 2014-01-21 | Rockwell Automation Technologies, Inc. | Model predictive control of a fermentation feed in biofuel production |
US7630786B2 (en) | 2007-03-07 | 2009-12-08 | Mks Instruments, Inc. | Manufacturing process end point detection |
WO2008137544A1 (en) | 2007-05-02 | 2008-11-13 | Mks Instruments, Inc. | Automated model building and model updating |
US20090055140A1 (en) | 2007-08-22 | 2009-02-26 | Mks Instruments, Inc. | Multivariate multiple matrix analysis of analytical and sensory data |
US8244498B2 (en) | 2007-12-21 | 2012-08-14 | Mks Instruments, Inc. | Hierarchically organizing data using a partial least squares analysis (PLS-trees) |
US7622308B2 (en) | 2008-03-07 | 2009-11-24 | Mks Instruments, Inc. | Process control using process data and yield data |
US20090287320A1 (en) * | 2008-05-13 | 2009-11-19 | Macgregor John | System and Method for the Model Predictive Control of Batch Processes using Latent Variable Dynamic Models |
CA2727396C (en) | 2008-06-12 | 2015-12-01 | Metso Automation Inc. | Method and apparatus for reel building and roll runnability in moving web manufacturing |
US8494798B2 (en) | 2008-09-02 | 2013-07-23 | Mks Instruments, Inc. | Automated model building and batch model building for a manufacturing process, process monitoring, and fault detection |
US8594828B2 (en) * | 2008-09-30 | 2013-11-26 | Rockwell Automation Technologies, Inc. | System and method for optimizing a paper manufacturing process |
US9069345B2 (en) | 2009-01-23 | 2015-06-30 | Mks Instruments, Inc. | Controlling a manufacturing process with a multivariate model |
-
2009
- 2009-01-23 US US12/358,864 patent/US9069345B2/en active Active - Reinstated
-
2010
- 2010-01-20 KR KR1020117019454A patent/KR20110110341A/ko not_active Application Discontinuation
- 2010-01-20 GB GB1114405A patent/GB2479850A/en not_active Withdrawn
- 2010-01-20 JP JP2011548066A patent/JP2012515984A/ja active Pending
- 2010-01-20 DE DE112010000703T patent/DE112010000703T9/de not_active Expired - Fee Related
- 2010-01-20 WO PCT/US2010/021486 patent/WO2010085479A1/en active Application Filing
- 2010-01-20 CN CN2010800053511A patent/CN102301289A/zh active Pending
- 2010-01-20 SG SG2011053121A patent/SG173107A1/en unknown
- 2010-01-22 TW TW099101823A patent/TW201032009A/zh unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2012515984A5 (ja) | ||
JP2012515984A (ja) | 多変量モデルによる製造工程の制御 | |
US8855804B2 (en) | Controlling a discrete-type manufacturing process with a multivariate model | |
US9429939B2 (en) | Multivariate monitoring of a batch manufacturing process | |
US8271103B2 (en) | Automated model building and model updating | |
KR101009384B1 (ko) | 처리시스템의 자동 구성 방법 | |
KR100931708B1 (ko) | 제조 시스템에 대한 상태 추정 및 스케쥴링 | |
US9395408B2 (en) | System for wafer quality predictive modeling based on multi-source information with heterogeneous relatedness | |
JP7138621B2 (ja) | Kpi性能分析のための無拘束の従属変数によるmpc | |
US20080010531A1 (en) | Classifying faults associated with a manufacturing process | |
JP2017524205A (ja) | 無線プロセス信号を使用するモデル予測制御 | |
US20140136146A1 (en) | Multivariate prediction of a batch manufacturing process | |
JP2015011722A (ja) | プロセス制御システムにおける非侵入的データ分析 | |
Chien et al. | A novel approach to hedge and compensate the critical dimension variation of the developed-and-etched circuit patterns for yield enhancement in semiconductor manufacturing | |
Wang et al. | Multi-objective monitoring of closed-loop controlled systems using adaptive LASSO | |
KR102541129B1 (ko) | 기계장비의 상태 진단시스템 및 방법 | |
Wang et al. | State estimation for integrated moving average processes in high-mix semiconductor manufacturing | |
CN107615185A (zh) | 用于处置针对模型预测控制器和估计器的设备服务的系统和方法 | |
Pasadyn et al. | Scheduling semiconductor manufacturing processes to enhance system identification | |
Rasoulian | Uncertainty Analysis and Control of Multiscale Process Systems | |
Bleakie | Integrated performance prediction and quality control in manufacturing systems |