JP2013526751A5 - - Google Patents

Claims (38)

1. プロセスのモデル構築方法であって、
   前記プロセスを、少なくとも第１処理段と第２処理段とを含む複数の処理段に分解することと、
   各々が前記複数の処理段の各々に対応し、少なくとも前記第１処理段のモデルと第２処理段のモデルとを含む、複数のモデルを開発することと
   を含み、
   各々の処理段に対応する前記モデルが、その処理段の１つ以上の実行からのデータとその処理段の１つ以上の実行に関連する出力品質データとを利用して開発され、各々の処理段に対応する前記モデルが、その処理段に関連する出力品質予想を立てるのに適しており、
   前記第１処理段の前記モデルにより生成される前記出力品質予想を利用して、前記第２処理段の前記モデルを開発する、
   方法。
2. 各々の処理段に対応する前記モデルが、最終段製品品質と最終バッチ製品品質のうちの１つの予想を含む出力品質予想を立てるのに適している、請求項１に記載の方法。
3. その処理段の前記１つ以上の実行に関連する前記出力品質データが、最終段製品品質と最終バッチ製品品質のうちの１つを含む、請求項１又は請求項２に記載の方法。
4. 前記第１処理段に対する前記モデルにより導出された情報が、前記第２処理段の前記モデルに対する初期条件として利用される、請求項１〜請求項３の何れか１項に記載の方法。
5. 前記プロセスが、バッチ処理であり、複数の処理段に対応する複数のモデルを開発することが、複数のバッチを作成するために、複数の前記プロセスの実行の各々の間にデータを収集するデータ収集工程を含み、前記データ収集工程が、各々の前記プロセスの実行の各々の処理段の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項１〜請求項４の何れか１項に記載の方法。
6. 前記プロセスがバッチ処理であり、処理段に対して計測される値が、複数のバッチの各々に対する前記処理段の間に複数の変数の各々に対して計測される複数の値を含む、３次元データ配列を含み、前記複数の処理段の間の複数の時刻の各々で、前記３次元データ配列を、プロセス変数値を含む２次元データ配列に展開することを更に含む、請求項１〜請求項５の何れか１項に記載の方法。
7. 前記プロセスがバッチ処理であり、前記第１処理段の前記モデルにより導出され、前記第２処理段により利用される情報が、前記バッチ処理により生成されるバッチに対する品質予想を含む、請求項１〜請求項６の何れか１項に記載の方法。
8. 前記プロセスが連続処理であり、前記複数の処理段に対応する複数のモデルを開発することが、前記プロセスを実施する間の複数の時間枠の各々の間にデータを収集するデータ収集工程を含み、前記データ収集工程が、各々の時間枠の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項１〜請求項７の何れか１項に記載の方法。
9. 前記プロセスが連続処理であり、処理段に対して計測される値が、前記プロセスを実施する間の複数の時間枠の各々にわたり、複数の変数の各々に対して、前記処理段の間に計測された複数の値を含む、３次元データ配列を含み、前記３次元データ配列を、前記連続処理を実施する間の複数の時間枠の各々でのプロセス変数値を含む、２次元データ配列に展開することを更に含む、請求項１〜請求項８の何れか１項に記載の方法。
10. 複数のモデルを開発することが、処理段の潜在構造モデルへの投影（ＰＬＳ）を構築することを含む、請求項１〜請求項９の何れか１項に記載の方法。
11. 前記第１処理段の前記モデルにより導出され、前記第２処理段の前記モデルにより利用される情報の少なくとも一部分に、忘却因子を加えることを更に含む、請求項１〜請求項１０の何れか１項に記載の方法。
12. プロセスを、少なくとも第１処理段と第２処理段とを含む複数の処理段に分解することと、
    各々が前記複数の処理段の各々に対応し、少なくとも前記第１処理段のモデルと第２処理段のモデルとを含む、複数のモデルを開発することとを含み、
    前記第２処理段の前記モデルは、前記第１処理段の前記モデルにより導出された情報を利用し、
    前記複数のモデルを利用して、前記プロセスのパラメータ値を予想すること
    をさらに含む、プロセスにより作成されるバッチを分析する方法。
13. 前記第１処理段の前記モデルにより導出された前記情報が、前記第１処理段の出力品質予想を含む、請求項１２に記載の方法。
14. 前記第２処理段の前記モデルが、前記第１処理段に対する前記出力品質予想の信頼性測度を更に利用する、請求項１３に記載の方法。
15. 前記信頼性測度が、前記第１処理段に対する前記出力品質予想に関連する信頼区間である、請求項１４に記載の方法。
16. 前記第１処理段の前記モデルと前記第２処理段の前記モデルのうちの少なくとも１つが、ＰＬＳモデルである、請求項１２〜請求項１５の何れか１項に記載の方法。
    
17. プロセスをモデル構築するための機械的に実行可能な命令が保存されている、コンピュータ読出可能媒体であって、前記プロセスが、少なくとも第１処理段と第２処理段とを含む複数の処理段に分割可能であり、前記機械的に実行可能な命令が、
    各々が前記複数の処理段の各々に対応し、少なくとも前記第１処理段のモデルと前記第２処理段のモデルとを含む、複数のモデルを開発するための第１組の命令
    を含み、
    前記第１組の命令が、その処理段の１つ以上の実行からのデータと、その処理段の前記１つ以上の実行に関連する出力品質データとを利用して、各々の処理段に対応する前記モデルを開発し、各々の処理段に対応する前記モデルが、その処理段に関連する出力品質予想を立てるのに適しており、
    前記第１組の命令が、前記第１処理段の前記モデルにより生成される前記出力品質予想を利用して、前記第２処理段の前記モデルを開発する、
    コンピュータ読出可能媒体。
18. 前記プロセスがバッチ処理であり、前記第１組の命令が、複数のバッチを作成するために、複数の前記プロセスの実行の各々の間にデータを収集する命令を含み、前記データの収集が、各々の前記プロセスの実行の各々の処理段の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項１７に記載のコンピュータ読出可能媒体。
19. 前記プロセスがバッチ処理であり、処理段に対して計測される値が、複数のバッチの各々に対する前記処理段の間に複数の変数の各々に対して計測された複数の値を含む、３次元データ配列を含み、前記複数の処理段の間の複数の時刻の各々で、前記３次元データ配列を、プロセス変数値を含む２次元データ配列に展開する命令を更に含む、請求項１７又は請求項１８に記載のコンピュータ読出可能媒体。
20. 前記プロセスがバッチ処理であり、前記第１処理段の前記モデルにより導出され、前記第２処理段により利用される情報が、前記バッチ処理により生成されるバッチに対する品質予想を含む、請求項１７〜請求項１９の何れか１項に記載のコンピュータ読出可能媒体。
21. 前記プロセスが連続プロセスであり、前記第１組の命令が、前記複数の処理段に対して複数のモデルを開発するための命令を含み、前記プロセスを実施する間の複数の時間枠の各々の間にデータを収集する命令を含み、前記データを収集する命令が、各々の時間枠の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項１７〜請求項２０の何れか１項に記載のコンピュータ読出可能媒体。
22. 前記プロセスが連続処理であり、処理段に対して計測される値が、前記プロセスを実施する間の複数の時間枠の各々にわたり、複数の変数の各々に対して、前記処理段の間に計測された複数の値を含む、３次元データ配列を含み、前記第１組の命令が、前記３次元データ配列を、前記連続処理を実施する間の複数の時間枠の各々でのプロセス変数値を含む、２次元データ配列に展開する命令を更に含む、請求項１７〜請求項２１の何れか１項に記載のコンピュータ読出可能媒体。
23. 複数のモデルを開発するための前記第１組の命令が、処理段の潜在構造への投影（ＰＬＳ）モデルを構築する命令を含む、請求項１７〜請求項２２の何れか１項に記載のコンピュータ読出可能媒体。
24. プロセスにより生成されるバッチを分析するための機械的に実行可能な命令が保存されたコンピュータ読出可能媒体であって、前記プロセスが、少なくとも第１処理段と第２処理段とを含む複数の処理段に分割可能であり、前記機械的に実行可能な命令が、
    各々が前記複数の処理段の各々に対応し、少なくとも前記第１処理段のモデルと前記第２処理段のモデルとを含む、複数のモデルを開発するための第１組の命令を含み、
    前記第２処理段の前記モデルは、前記第１処理段の前記モデルにより導出された情報を利用し、
    前記プロセスのパラメータ値を予想するために前記複数のモデルを利用する第２組の命令をさらに含む、コンピュータ読出可能媒体。
25. 前記第１処理段の前記モデルにより導出された前記情報が、前記第１処理段の出力品質予想を含む、請求項２４に記載のコンピュータ読出可能媒体。
26. 前記第２処理段の前記モデルが、前記第１処理段に対する前記出力品質予想の信頼性測度を更に利用する、請求項２５に記載のコンピュータ読出可能媒体。
27. 前記信頼性測度が、前記第１処理段に対する前記出力品質予想に関連する信頼区間である、請求項２６に記載のコンピュータ読出可能媒体。
28. 前記第１処理段の前記モデルと前記第２処理段の前記モデルのうちの少なくとも１つが、ＰＬＳモデルである、請求項２４〜請求項２７の何れか１項に記載のコンピュータ読出可能媒体。
29. 第１処理段と第２処理段とを有するプロセスのモデルを構築する方法であって、
    複数の前記プロセスの実行に対応する系列データ集合を利用して、前記第１処理段のモデルを開発することと、
    前記系列データ集合の少なくとも第１部分を、入力として前記第１処理段の前記モデルに加えて、前記第１処理段の出力品質予想を立てることと、
    前記系列データ集合の少なくとも第２部分と前記第１処理段の前記出力品質予想とを利用して、第２処理段のモデルを開発することと
    を含む、方法。
30. 各々の処理段のモデルを開発することと、前記系列データ集合の少なくとも一部分を入力として各々の処理段の前記モデルに加えて、その処理段の出力品質予想を立てることと、前記系列データ集合の少なくとも一部分と先行する処理段の前記出力品質予想を、前記第１処理段に続く各々の処理段の前記モデルに加えることとを更に含む、請求項２９に記載の方法。
31. 前記第１処理段の前記モデルと前記第２処理段の前記モデルのうちの少なくとも１つが、潜在構造への投影（ＰＬＳ）モデルである、請求項２９又は請求項３０に記載の方法。
32. 第１処理段と第２処理段とを有する多段処理のモデルを利用する方法であって、前記モデルが、前記第１処理段及び前記第２処理段の各々のモデルを含み、
    前記多段処理の第１実行から得られる第１組のデータを前記第１処理段の前記モデルに加えて、前記第１処理段の出力品質予想を立てることと、
    前記多段処理の第２実行から得られる第２組のデータと前記第１処理段の前記出力品質予想とを前記第２処理段の前記モデルに加えることと
    を含む、
    方法。
33. 前記第１処理段の前記出力品質予想の信頼性測度を前記第２処理段の前記モデルに加えることを更に含む、請求項３２に記載の方法。
34. 前記第１処理段の前記モデルと前記第２処理段の前記モデルのうちの少なくとも１つが、主成分分析（ＰＣＡ）モデルである、請求項３２又は請求項３３に記載の方法。
35. 前記第１組のデータが、前記多段処理の実行の前記第１処理段の間に得られるプロセス変数データに対応し、前記第２組のデータが、前記多段処理の前記実行の前記第２処理段の間に得られるプロセス変数データに対応する、請求項３２〜請求項３４の何れか１項に記載の方法。
36. 第１処理段と第２処理段と有するプロセスのモデルを構築するために機械的に実行可能な命令が保存されているコンピュータ読出可能媒体であって、前記機械的に実行可能な命令が、
    複数の前記プロセスの実行に対応する系列データ集合を利用して前記第１処理段のモデルを開発するための第１組の命令と、
    前記系列データ集合の少なくとも第１部分を入力として前記第１処理段の前記モデルに加えて、前記第１処理段の出力品質予想を立てる第２組の命令と、
    前記系列データ集合の少なくとも第２部分と前記第１処理段の前記出力品質予想とを利用して、前記第２処理段のモデルを開発するための第３組の命令と
    を含む、コンピュータ読出可能媒体。
37. 前記第１処理段の前記モデルと前記第２処理段の前記モデルのうちの少なくとも１つが、潜在構造への投影（ＰＬＳ）モデルである、請求項３６に記載のコンピュータ読出可能媒体。
38. 多段処理の第１実行から得られる第１組のデータを前記第１処理段の前記モデルに加えて、前記第１処理段の出力品質予想を立てる第４組の命令と、
    前記多段処理の第２実行から得られる第２組のデータと前記第１処理段の前記出力品質予想とを、前記第２処理段の前記モデルに加える第５組の命令と
    を更に含む、請求項３６又は請求項３７に記載のコンピュータ読出可能媒体。