TWI653585B - 用於在預測系統中最佳化獲利的方法及裝置 - Google Patents

用於在預測系統中最佳化獲利的方法及裝置 Download PDF

Info

Publication number
TWI653585B
TWI653585B TW103125126A TW103125126A TWI653585B TW I653585 B TWI653585 B TW I653585B TW 103125126 A TW103125126 A TW 103125126A TW 103125126 A TW103125126 A TW 103125126A TW I653585 B TWI653585 B TW I653585B
Authority
TW
Taiwan
Prior art keywords
cost
roc
computer
threshold
event
Prior art date
Application number
TW103125126A
Other languages
English (en)
Other versions
TW201510885A (zh
Inventor
莫尼詹姆斯Ｒ
Original Assignee
應用材料股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 應用材料股份有限公司 filed Critical 應用材料股份有限公司
Publication of TW201510885A publication Critical patent/TW201510885A/zh
Application granted granted Critical
Publication of TWI653585B publication Critical patent/TWI653585B/zh

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Factory Administration (AREA)
  • Drying Of Semiconductors (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)

Abstract

本文揭示用於形成決定何時執行維護事件之方法及裝置的技術。本技術包含決定假陽性之第一成本及漏失真陽性之第二成本。為事件之發生決定預測模型之接收操作特徵(ROC)。從事件之發生的預測模型產生殘存函數。基於第一成本及第二成本決定ROC上的操作區域。從ROC決定閾值，且該閾值應用於殘存函數及預測水平。基於該閾值觸發維護事件。

Description

用於在預測系統中最佳化獲利的方法及裝置
本發明大體係關於計算機科學及，更特定言之，本發明係關於預測在製造中的非排程事件。
經濟領域的傳統細分分為原料(諸如食物及鐵)的擷取及生產；原料轉換為中間材料或商品，諸如電腦、車輛及衣服；以及為消費者(諸如法律或銀行)供應服務。至少前兩個領域依賴於生產或製造進入市場之商品的機器。時間及材料為增加進入市場之商品的成本的主要考慮因素。此等因素增加來源於缺陷導致的廢料及在用於生產設備的製造及維護兩者中花費的時間。
減少廢料及在生產商品上花費的時間直接影響到製造成本及讓工業及類似消費者受益。在生產商品上花費的時間可包括用於維護設備的排程停機時間，或響應製造設備或製程或元件中非預期或未預見之故障的非排程停機時間。非排程停機時間為所有製造中丟失收入的主要原因。習知地，生產商已定期維護以減少與磨耗設備有關的材料缺陷及由於 設備故障導致的非排程停機時間。後者可能導致丟失生產力及使生產力變動範圍更廣；降低品質及使產品品質變動範圍更廣；較高的更換件存貨成本；較高的修理人力資源成本、產品廢料；及對設備及設備元件高成本的損壞。
隨著面對較大晶圓及較小特徵尺寸而對降低成本、改良品質及減少可變性的持續壓力，奈米製造業已開始進行從操作之反應範例至操作之預測範例的轉型。國際半導體技術發展路線圖引用預測性能力諸如預測性維護(PdM)作為併入生產之關鍵技術，認為PdM為減少非排程停機時間、維持高品質及降低成本之關鍵部分。預測性維護(亦稱為預測及預防維護(PPM))係使設備狀態資訊與維護資訊相關之技術，以預測維護事件之需要，該等維護事件將在節省停機時間排程情況下減少非排程停機時間或降低排程停機時間之頻率。
預測技術(包括PdM、預測性排程、預測良率及虛擬測量)有效實施的主要障礙是保證由技術提供之益處的一些水平將大於操作成本的能力。第1圖為柱狀圖/折線圖100的混合，該圖圖示預測及預防維護之成本效益180。圖100圖示用於執行預防維護的習知方法110及進取方法120之成本180。習知方法110的成本180比進取方法120具有更大的排程停機時間104、更小的生產102及更短的非排程停機時間106。習知方法110之成本118小於進取方法120(即使在較大生產102下)之成本128。因此，藉由排程停機時間104避免非排程停機時間106之成本118將大於與較大生產102 及較長非排程停機時間106有關之成本128。要進一步減少成本138，在發生非排程停機時間106之前，藉由預測非排程停機時間106可決定用於新的及改良的方法130之適當平衡。
因此，需要一種改良的方法用於決定在非排程停機時間實際發生之前可決定何時發生非排程停機時間，以用於實質上減少相關成本。
本文揭示用於形成決定何時執行維護事件之方法及裝置的技術。本技術包含決定假陽性之第一成本及漏失真陽性之第二成本。為事件之發生決定預測模型之接收操作特徵(ROC)。從用於事件之發生的預測模型產生殘存函數。基於第一成本及第二成本決定ROC上的操作區域。從ROC可決定閾值，且該閾值可應用於殘存函數。基於該閾值可觸發維護事件。
100‧‧‧柱狀圖/折線圖
102‧‧‧生產
104‧‧‧停機時間
106‧‧‧非排程停機時間
110‧‧‧習知方法
118‧‧‧成本
120‧‧‧進取方法
128‧‧‧成本
130‧‧‧方法
138‧‧‧成本
180‧‧‧成本
200‧‧‧PdM系統
202‧‧‧CPU
204‧‧‧系統記憶體
205‧‧‧記憶體橋接器
206‧‧‧軟體應用程式
207‧‧‧I/O橋接器
208‧‧‧使用者輸入裝置
210‧‧‧顯示裝置
212‧‧‧顯示處理器
214‧‧‧系統磁碟
216‧‧‧開關
218‧‧‧網路配接器
220‧‧‧附加卡
221‧‧‧附加卡
240‧‧‧區域網路
270‧‧‧處理設備
300‧‧‧處理腔室
302‧‧‧腔室主體
304‧‧‧壁
306‧‧‧底部
308‧‧‧蓋
310‧‧‧泵送埠
312‧‧‧氣體分配盤
314‧‧‧入口埠
316‧‧‧射頻電源
318‧‧‧匹配電路
320‧‧‧電漿施用器
322‧‧‧電漿
324‧‧‧內部體積
325‧‧‧支撐基架
326‧‧‧基板支撐組件
328‧‧‧基架基座
330‧‧‧冷卻基座
331‧‧‧安裝表面
332‧‧‧靜電夾盤
333‧‧‧工件表面
334‧‧‧基板
336‧‧‧夾持電極
338‧‧‧夾持電源
344‧‧‧傳熱流體源
348‧‧‧控制器
350‧‧‧介電主體
354‧‧‧電阻加熱器
356‧‧‧電源
360‧‧‧導管
370‧‧‧加熱器組件
372‧‧‧中央處理單元
374‧‧‧記憶體
380‧‧‧設備板材
382‧‧‧RF過濾器
384‧‧‧RF過濾器
400‧‧‧方法
410‧‧‧步驟
420‧‧‧步驟
430‧‧‧步驟
440‧‧‧步驟
450‧‧‧步驟
460‧‧‧步驟
510‧‧‧假陽性預測(FPP)
520‧‧‧真陽性預測(TPP)
530‧‧‧ROC曲線
540‧‧‧ROC曲線
560‧‧‧ROC曲線
562‧‧‧斜率
564‧‧‧豎直高度
566‧‧‧水平長度
570‧‧‧最佳點
572‧‧‧高斜率區域
574‧‧‧低斜率區域
602‧‧‧當前時間點
608‧‧‧未來時間點
610‧‧‧殘存函數
612‧‧‧右方向
614‧‧‧左方向
620‧‧‧時間線
630‧‧‧點
640‧‧‧閾值時間
650‧‧‧故障
700‧‧‧預測水平
702‧‧‧實際資料
704‧‧‧預測值
710‧‧‧健康指示器
720‧‧‧時間軸
722‧‧‧停機時間
724‧‧‧閾值/警報值
726‧‧‧下半部分
728‧‧‧上半部分
740‧‧‧不確定性
742‧‧‧停機時間預測
750‧‧‧預測錐形
以上簡短總結之本發明的更詳細的描述可以參閱實施例之方式描述，其中一部分實施例在附加圖式中圖示，以便可詳細瞭解上文所述之本發明之特徵。然而應注意，附加圖示僅圖示本發明之典型實施例，且因為本發明承認其他同等有效之實施例，所以該等圖式並不欲視為本發明之範疇的限制。
第1圖為柱狀圖/折線圖100的混合，該圖圖示預測及預防維護之成本效益。
第2圖為系統之方塊圖，該系統經設置以實施本發 明之一或更多個態樣。
第3圖為處理腔室之橫截面示意圖，在該處理腔室中可實施本發明之一或更多個態樣。
第4圖圖示用於計算成本以決定何時執行維護事件之方法。
第5圖圖示複數個接收操作特徵(ROC)曲線，該等曲線與第3圖中處理腔室之腔室元件的ROC疊加。
第6圖圖示第5圖之腔室元件的殘存函數。
第7圖圖示預測水平，該預測水平隨時間以不確定性猜測腔室元件的健康度。
為便於理解，相同元件符號儘可能用於指定諸圖共有之相同元件。可設想，一個實施例之元件及特徵可有利地併入其他實施例而無需進一步的敘述。
然而，應注意，附圖僅圖示本揭示案之示例性實施例，且因為本揭示案承認其他同等有效之實施例，所以該等圖式並不欲視為本揭示案之範疇的限制。
本文之實施例將設備成本及成本比率聯繫至預測模型接收操作特徵(ROC)曲線。基於用於提供錯誤預測及遺漏預測之比較消費者成本決定曲線上操作的最佳點；例如PdM可能比較排程停機時間、非排程停機時間及沒有任何工具錯誤時的停機時間的成本。此等成本及成本比率在製程與製程之間、消費者與消費者之間且甚至隨時間變化而不同。一個實施例允許根據需要計算及重新計算操作最佳點，以最 佳化經營利潤。
PdM系統解決了調諧預測系統符合與目標工具關聯之操作成本函數的問題。因此，PdM系統最大化了潛在益處且最小化了與預測系統部署有關的風險。PdM系統亦可提供額外的益處，諸如減少廢料比率同時增加品質，增加產量及工廠生產能力(亦即生產力)，致能更有效地即時管理備用腔室元件，此舉降低成本且釋放倉庫空間，且減少對設備及設備元件之成本高昂的損壞。
如一般技術者之一者將瞭解，本發明之態樣可體現為系統、方法或電腦程式產品。因此，本發明之態樣可採取以下形式：完全的硬體實施例、完全的軟體實施例(包括韌體、常駐軟體、微代碼等)或組合軟體及硬體態樣之實施例，在本文中該實施例可稱為「電路」、「模組」或「系統」。此外，本發明之態樣可採取電腦程式產品之形式，該電腦程式產品包含在一或更多個電腦可讀媒體中，該等電腦可讀媒體之上已包含電腦可讀程式碼。
一或更多個電腦可讀媒體之任一組合可用於儲存程式產品，在執行該程式產品時，該程式產品經設置以執行用於排程預防性維護事件之方法。電腦可讀媒體可為電腦可讀信號媒體或電腦可讀儲存媒體。例如，電腦可讀儲存媒體可為但不僅限於電子、磁、光學、電磁、紅外線或半導體系統、設備或裝置或前述之任何適當的組合。電腦可讀儲存媒體之更多特定實例(非窮舉清單)將包括下列裝置：可攜式電腦磁片、硬碟、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、 可抹除可程式化唯讀記憶體(EPROM或快閃記憶體)、光纖、可攜式光碟唯讀記憶體(CD-ROM)、光學儲存裝置、磁性儲存裝置或前述內容之任何適當的組合。在此文件之上下文中，電腦可讀儲存媒體可為任何有形媒體，該有形媒體可包含或儲存由指令執行系統、設備或裝置使用或與指令執行系統、設備或裝置有關之程式。
電腦可讀信號媒體可包括傳播資料信號，其中電腦可讀程式碼包含在傳播資料信號中，例如在基頻中或作為載波之部分。該傳播信號可採取各種形式之任一者，包括但不僅限於電磁、光學、無線電或以上各者之任何適當的組合。電腦可讀信號媒體可為任何電腦可讀媒體，該電腦可讀媒體不為電腦可讀儲存媒體，且可通訊、傳播或傳送程式，以供指令執行系統、設備或裝置使用或以與指令執行系統、設備或裝置有關。
可使用任何適當媒體傳輸電腦可讀媒體上包含之程式碼，該任何適當媒體包括但不僅限於無線、纜線、光纜、RF等或以上所述之任何適當之組合。
可用一或更多個程式設計語言之任何組合編寫用於執行本發明之態樣之操作之電腦程式碼，該等程式設計語言包括：物件導向程式設計語言(JAVATM、SMALLTALKTM、C++或類似程式語言)及習知的程序程式設計語言(諸如「C」程式設計語言)或類似的程式設計語言。可完全在使用者電腦上執行程式碼，在使用者電腦上部分地執行程式碼，程式碼可作為獨立套裝軟體在使用者電腦上部分地執行、在遠端 電腦上部分地執行或完全在遠端電腦或伺服器上執行。在後者的方案中，遠端電腦可經由任何類型之網路連接至使用者之電腦，該任何類型之網路包括區域網路(LAN)或廣域網路(WAN)或可與外部電腦建立連接(例如，經由使用網際網路服務提供商提供的網際網路建立)。
亦可在電腦、其他可程式化資料處理設備或其他裝置上載入電腦程式指令，以引起在電腦、其他可程式化設備或其他裝置上執行一系列操作步驟，以生產電腦實施製程，以使得在電腦或另一可程式化設備上執行之指令提供用於實施功能/操作之製程，該等功能/操作在流程圖及/或方塊圖方塊中指定。
經由雲端計算基礎結構可將本發明之實施例提供至最終使用者。雲端計算代表經由網路之作為服務的可擴縮計算資源的供應。更正式而言，可將雲端計算定義為計算能力，該計算能力在計算資源與計算資源之底層技術架構(例如伺服器、儲存器、網路)之間提供抽象，致能對可配置計算資源之共享池方便的請求式(on-demand)網路存取，其中在最小管理努力或服務提供者交互作用的情況下可快速供應及釋放該共享池。因此，雲端計算允許使用者存取「雲端」中的虛擬計算資源(例如儲存器、資料、應用程式及甚至完全虛擬化之計算系統)，而無需考慮用於提供該等計算資源之底層實體系統(或彼等系統之位置)。
通常，基於按使用次數付費將雲端計算資源提供至使用者，其中使用者僅支付實際使用之計算資源(例如使用 者消耗之儲存空間的量或由使用者實例化之虛擬化系統的數目)。使用者可在任何時候及從任何地方經由網際網路存取常駐於雲端中的資源。在本發明之上下文中，使用者可存取雲端中可用之應用程式(例如預測維護系統)或相關資料。例如，可在雲端中之計算系統上執行預測維護系統引擎。在該種情況下，預測維修系統在雲端中之儲存位置處維持空間及非空間資料。此舉允許使用者從附接至網路(該網路連接至雲端，例如網際網路)的任何計算系統中存取此資訊。
第2圖圖示PdM系統200之一個架構，在該架構中可實施本發明之實施例。此圖絕不限制或意欲限制本發明之範疇。PdM系統200可為個人電腦、工業處理器、個人數位助理、行動電話、行動裝置或適合於實施本發明之一或更多個實施例之任何其他裝置。
如圖所示，PdM系統200包括中央處理單元(CPU)202及系統記憶體204，系統記憶體204經由可包括記憶體橋接器205之匯流排路徑通訊。CPU 202包括一或更多個處理核心，且在操作中，CPU 202為PdM系統200之主控處理器，控制及協調其他系統組件之操作。系統記憶體204儲存由CPU 202使用之軟體應用程式206及資料。CPU 202執行軟體應用程式，且視需要執行作業系統。記憶體橋接器205可為例如北橋晶片，記憶體橋接器205經由匯流排或另一通訊路徑(例如HyperTransport鏈路)連接至I/O(輸入/輸出)橋接器207。I/O橋接器207可為例如南橋晶片，I/O橋接器207接收來自一或更多個使用者輸入裝置208(例如鍵盤、滑鼠、控制桿、 數控板(digitizer tablet)、觸控板、觸控螢幕、靜態或視訊攝影機、動作感測器及/或麥克風)之使用者輸入，且將該輸入經由記憶體橋接器205轉送至CPU 202。
顯示處理器212經由匯流排或另一通訊路徑(例如PCI Express、加速圖形埠或HyperTransport鏈路)耦接至記憶體橋接器205；在一個實施例中顯示處理器212為包括至少一個圖形處理單元(GPU)及圖形記憶體的圖形子系統。圖形記憶體包括用於為輸出圖像之每一像素儲存像素資料之顯示記憶體(例如畫框緩衝器)。圖形記憶體可與同一裝置整合作為GPU，圖形記憶體可與GPU連接作為獨立裝置，及/或圖形記憶體可在系統記憶體204內實施。
顯示處理器212定期將像素遞送至顯示裝置(例如基於螢幕或習知的CRT、電漿、OLED、SED或LCD的監控器或電視)。此外，顯示處理器212可將像素輸出至錄影機，該錄影機經調試以將電腦產生之影像複製於感光膠片上。顯示處理器212可提供具有類比或數位信號之顯示裝置210。
系統磁碟214亦可連接至I/O橋接器207，且可經設置以儲存內容及應用程式及資料(諸如資料庫程式館215)，以供CPU 202及顯示處理器212使用。系統磁碟214為應用程式及資料提供非揮發性儲存，且可包括固定和抽取式硬磁碟驅動機、快閃記憶體裝置、及CD-ROM、DVD-ROM、藍光光碟、HD-DVD或其他磁、光學或固態儲存裝置。
開關216提供I/O橋接器207及其他元件(諸如網路配接器218及多種附加卡220及221)之間的連接。網路配 接器218允許PdM系統200經由電子通訊網絡與其他系統通訊，且網路配接器218可包括經由區域網路240及廣域網路(諸如網際網路)之有線或無線通訊。
包括USB或其他埠連接、膠片記錄裝置及類似裝置之其他元件(未圖示)亦可連接至I/O橋接器207。例如，從CPU 202、系統記憶體204或系統磁碟214提供之指令及/或資料可操作處理設備270。使用任何適當之協定可實施第2圖中互連各個元件之通訊路徑，該等協定諸如PCI(周邊組件互連)、快速周邊組件互連(PCI-E)、AGP(加速圖形埠)、HyperTransport或任何其他匯流排或點到點通訊協定，及在不同裝置之間的連接可使用不同協定，如在此項技術中已知。
處理設備270可為一或更多個半導體、太陽能、平板或LED處理工具。例如，處理設備270可為蝕刻腔室、化學氣相沉積腔室、物理氣相沉積腔室、佈植腔室、退火腔室、電漿處理腔室或另一處理腔室，該腔室可單獨使用或與一或更多個其他腔室連用。
在一個實施例中，顯示處理器212合併經最佳化用於執行數學操作(包括例如數學共處理器)之電路，且可額外地組成圖形處理單元(GPU)。在另一實施例中，顯示處理器212合併經最佳化用於通用處理之電路。在另一實施例中，顯示處理器212可與一或更多個其他系統元件整合以形成晶片上系統(SoC)，該等系統元件諸如記憶體橋接器205、CPU 202、及I/O橋接器207。在進一步實施例中，省去顯示處理器212，且由CPU 202執行之軟體執行顯示處理器212 之功能。
像素資料可直接從CPU 202提供至顯示處理器212。在本發明之一些實施例中，將表示預測分析之指令及/或資料經由網絡配接器218或系統磁碟214提供至伺服器電腦組，每一組類似於PdM系統200。該等伺服器使用所提供之用於分析的指令可對資料之子集執行操作。可將此等操作之結果以數位格式儲存至電腦可讀媒體上，且視需要返回PdM系統200用於其他分析或顯示。同樣地，可將資料輸出至其他系統用於顯示，可將資料儲存在系統磁碟214上之資料庫程式館215中，或以數位格式將資料儲存在電腦可讀媒體上。
替代地，CPU 202為顯示處理器212提供定義所要之輸出圖像的資料及/或指令，顯示處理器212從資料及/或指令產生一或更多個輸出圖像之像素資料，包括以立體圖像對之間之偏移為特徵及/或調整立體圖像對之間的偏移。定義所要之輸出圖像的資料及/或指令可儲存在系統記憶體204中或顯示處理器212內之圖形記憶體中。
CPU 202及/或顯示處理器212可採取此項技術中已知的任何數學的、功能或技術，以從所提供之資料及指令形成一或更多個結果(包括使設備狀態資訊與維護資訊相關的預測分析)，以預測對維護事件的需要。
應瞭解本文圖示之系統為說明性的，且變化及修改是有可能的。可按需修改連接拓撲，包括橋接器之數目及配置。例如，在一些實施例中，系統記憶體204直接連接至CPU 202，而不是經由橋接器連接，且其他裝置經由記憶體橋接器205及CPU 202與系統記憶體204通訊。在其他替代拓撲中，顯示處理器212連接至I/O橋接器207或直接連接至CPU 202，而不是連接至記憶體橋接器205。在其他實施例中，I/O橋接器207及記憶體橋接器205可整合至單一晶片中。本文顯示之特定元件為可選的；例如可能支持任何數量的附加卡或周邊裝置。在一些實施例中，處理設備270可能直接連接至I/O橋接器207。在一些實施例，消除開關216，且網絡配接器218及附加卡220、221直接連接至I/O橋接器207。
本發明之多種實施例可作為程式產品實施，以供電腦系統使用。程式產品之程式定義實施例(包括本文描述之方法)之功能，且多種電腦可讀儲存媒體上可含有該程式。說明性電腦可讀儲存媒體包括但不僅限於：(i)非可寫儲存媒體(例如，位於電腦內部之唯讀記憶體裝置，諸如由CD-ROM驅動器可讀之CD-ROM碟、快閃記憶體、ROM晶片或任何類型之固態非揮發性半導體記憶體)，可將資訊永久地儲存在該非可寫儲存媒體上；以及(ii)可寫儲存媒體(例如位於磁片驅動器內之軟碟或任何類別之固態隨機存取半導體記憶體)，可將可變資訊儲存在該可寫媒體上。
PdM系統可經設置以操作一PdM系統，該PdM系統同等適用於具有與製程停機時間或中斷(可受益於用於預測性排程之改良方法)關聯成本之製造、生產或其他操作。可受益於預測性排程之一個實例應用為在處理腔室中製造基板。
第3圖為處理腔室300之橫截面示意圖，在該處理腔室中可實施本發明之一或更多個態樣。處理腔室300可為電漿處理腔室、退火腔室、物理氣相沉積腔室、化學氣相沉積腔室及離子植入腔室以及用於基板之其他製造系統。在製造系統中縮減非排程停機時間及減短排程停機時間實質上減少了製造缺陷、製造停機時間及製造成本，同時實質上增加製造良率及品質。
處理腔室300包括接地腔室主體302。腔室主體302包括壁304、底部306及蓋308，以上各者封閉內部體積324。基板支撐組件326安置於內部體積324中，且在處理期間將基板334支撐於基板支撐組件326上。
處理腔室300之壁304包括開口(未圖示)，經由該開口，可以機器人將基板334移送至內部體積324中及從內部體積324移出。泵送埠310在壁304之一者或腔室主體302之底部306中形成，且泵送埠310流動地連接至泵送系統(未圖示)。泵送系統用於維持處理腔室300之內部體積324內部的真空環境，同時移除處理副產物。
氣體分配盤312經由穿過腔室主體302之蓋308或壁304之至少一者形成之一或更多個入口埠314將處理及/或其他氣體提供至處理腔室300之內部體積324。由氣體分配盤312提供之處理氣體在內部體積324內部經活化以形成電漿322，電漿322用於處理安置於基板支撐組件326上之基板334。藉由來自電漿施用器320之電感耦合至處理氣體的RF功率可活化處理氣體，電漿施用器320安置於腔室主體302 之外部。在第3圖描繪之實施例中，電漿施用器320為經由匹配電路318耦接至射頻電源316之同軸線圈對。
控制器348耦接至處理腔室300以控制處理腔室300之操作及基板334之處理。控制器348可為任何形式之通用資料處理系統之一者，該通用資料處理系統可用於工業設置，以控制多種子處理器及子控制器。一般而言，除了其他常見元件，控制器348還包括與記憶體374通訊之中央處理單元(CPU)372，及輸入/輸出(I/O)電路376。控制器348之CPU執行軟件指令，例如，引起處理腔室將蝕刻劑氣體混合物(亦即處理氣體)引入內部體積324，藉由應用來自電漿施用器320之RF功率由處理氣體形成電漿322，且蝕刻基板334上之材料層。
基板支撐組件326大體包括至少一個基板支撐件332。基板支撐件332可為真空夾盤、靜電夾盤、基座或另一工件支撐表面。在第3圖之實施例中，基板支撐件332為靜電夾盤，且在以下將描述為靜電夾盤332。基板支撐組件326可額外地包括加熱器組件370及冷卻基座330。或者，可將冷卻基座與基板支撐組件326分隔開。可將基板支撐組件326可移除地耦接至支撐基架325。將支撐基架325(可包括基架基座328及設備板材380)安裝至腔室主體302。可定期地從支撐基架325移除基板支撐組件326，以允許整修基板支撐組件326之一或更多個元件。
設備板材380經設置以容納複數個驅動機構，該複數個驅動機構經設置以升起及降下複數個升舉銷。此外，設 備板材380經設置以容納來自靜電夾盤332及冷卻基座330之複數個流體連接。設備板材380亦經設置以容納來自靜電夾盤332及加熱器組件370之複數個電連接。可在基板支撐組件326外部或內部施行無數連接，同時設備板材380提供用於連接至個別終端之介面。
靜電夾盤332具有安裝表面331及與安裝表面331相對之工件表面333。靜電夾盤332大體包括嵌入介電主體350內之夾持電極336。夾持電極336可經設置作為單極或雙極電極，或另一適當的佈置。夾持電極336經由RF過濾器382耦接至夾持電源338，夾持電源338提供RF或DC功率以將基板334靜電固持於介電主體350之上表面。RF過濾器382防止用於在處理腔室300內形成電漿322之RF功率損壞電氣設備或在腔室外部存在電氣危險。介電主體350可由陶瓷材料製成，該陶瓷材料諸如AIN或Al2O3。或者，介電主體350可由聚合物製成，該聚合物諸如聚醯亞胺、聚醚醚酮、聚芳基醚酮及類似聚合物。
靜電夾盤332之工件表面333可能包括氣體通道(未圖示)，用於將背部傳熱氣體提供至在基板334與靜電夾盤332之工件表面333之間界定之間隙空間。靜電夾盤332亦可包括用於容納升舉銷之升舉銷孔(兩者均未圖示)，用於將基板334升起至靜電夾盤332之工件表面333之上，以促進機器人移送至處理腔室300中及從處理腔室300移出。可能需要定期地修整工件表面333，以維持基板334製造的品質及一致性，該基板在處理期間安置於工件表面333之上。
溫控冷卻基座330耦接至傳熱流體源344。傳熱流體源344提供傳熱流體，諸如液體、氣體或以上各者之組合，該傳熱流體源經由安置於冷卻基座330中之一或更多個導管360循環。流動穿過相鄰導管360之流體可經分離以致能對靜電夾盤332與冷卻基座330之不同區域之間之熱傳遞的局部控制，此舉輔助控制基板334之橫向溫度分佈。
流體分配器可流體地耦接至傳熱流體源344之出口與溫控冷卻基座330之間。流體分配器操作以控制提供至導管360的傳熱流體量。流體分配器可安置於處理腔室300之外部，基板支撐組件326之內，基架基座328之內或另一適當的位置。
加熱器組件370可包括嵌入主體352中之一或更多個主要電阻加熱器354。可提供主電阻加熱器354以將基板支撐組件326的溫度提高至用於進行腔室製程之溫度。主電阻加熱器354經由RF過濾器384耦接至主加熱器電源356。電源356可將900瓦特或更高功率提供至主電阻加熱器354。控制器348可控制主加熱器電源356之操作，主加熱器電源356大體經設置以將基板334加熱至約預定溫度。在一個實施例中，主電阻加熱器354包括複數個橫向隔開加熱區域，其中控制器348使得相對於位於一或更多個其他區域之主電阻加熱器354能夠有偏好地加熱主電阻加熱器354之一個區域。例如，可將主電阻加熱器354同心地佈置在複數個隔開的加熱區域中。
在一個實施例中，一或更多個主電阻加熱器354可 在靜電夾盤332中形成。在無加熱器組件370及將靜電夾盤332直接安置於冷卻基座330之上的情況下，可形成基板支撐組件326。
靜電夾盤332可能包括用於將溫度反饋資訊提供至控制器348之一或更多個熱電偶(未圖示)，用於控制由主加熱器電源356施加至主電阻加熱器354之功率，且用於控制處理腔室300中其他元件之間之冷卻基座330的操作。
在一個實施例中，處理腔室300參與製造複數個基板334，此舉產生腔室元件上之磨耗及/或污染。腔室元件之磨耗及/或污染可能導致基板334不合規格或不適合其他操作。使處理腔室300離線以替換及修理磨耗及/或污染之腔室元件，然後將處理腔室300恢復連線。在啟動期間，在使得處理腔室300連線後，檢測在處理腔室300中處理之基板是否有缺陷以移除該等缺陷，隨後穩定製造製程。
在一個實施例中，PdM系統200決定處理腔室300之靜電夾盤332可能比原本預期保持更長的安全操作時間。較長時間的操作延遲定期維護，同時不影響非排程停機時間，允許製造商利用額外的生產時間及工廠生產能力，該工廠生產能力合計達且超過一百萬美元。使用感測器及預測技術，PdM系統200能夠顯示處理腔室300之部分具有比預期更長的使用壽命。
在另一實施例中，PdM系統200能夠預測可歸因於處理腔室300之靜電夾盤332周圍之滲漏的故障類型。在該種情況下，特定的修理工具包用於整修夾盤且可能要求特定 的人力資源。PdM系統200能夠提供1000個晶圓之故障的提前警告。根據該資訊，處理腔室300之使用者可進行以下操作：(1)排程維護以最小化產量破壞；(2)避免與未預見的靜電夾盤故障(由於滲漏導致)有關的任何晶圓廢料；(3)減少由於靜電夾盤洩露故障引起的良率退化及損失；(4)排程修理或替代套組存貨及人力資源，導致減少存貨及人力資源成本且減少平均修復時間；(5)以及藉由消除診斷故障所需之時間減少平均修復時間，以決定根本原因及所需的相關修理。
在第4圖中展示(capture)PdM系統200之預測技術。第4圖圖示一種用於決定何時執行維護事件的方法。將連同第5圖及第6圖討論第4圖揭示之方法400。第5圖圖示複數個接收操作特徵(ROC)曲線，該等曲線與第3圖中處理腔室之腔室元件的ROC曲線疊加。第6圖圖示第5圖之ROC曲線中描繪之腔室元件的殘存函數。
在步驟410中，決定假陽性之第一成本及漏失之真陽性的第二成本。在無需我們指定之修理時，預測維護系統中的假陽性指示可指示使工具、製程、生產停止，或使其他設備停止。製程所有者可提供與假陽性指示有關之成本。預測維護系統中的真陽性指示正確地預測維護事件的時間。當系統中斷之元件或部分磨耗或引起生產過程中的不一致時，「漏失」真陽性預測可能導致非排程時間。製程所有者亦可提供與漏失真陽性預測有關之成本。一些製程所有者可能不願發佈成本費用或可能甚至不知道這些費用。然而，可實際 上使用第一成本及第二成本之比率，以維持製程/企業作業之機密性。
在步驟420中，為事件之發生決定預測模型之接收操作特徵(ROC)。為與一或更多個維護事件有關之故障類型的預測決定預測模型。藉由描繪真陽性預測(TPP)形成ROC，亦即，實際總陽性預測中真陽性預測對假陽性預測(FPP)之分數(亦即，實際總陽性預測中需要維護的假陽性預測之分數)。ROC圖示FPP與TPP之間之平衡。
第5圖圖示若干(ROC)曲線。在Y軸上描繪真陽性預測(TPP)520，且在x軸上描繪假陽性預測(FPP)510。藉由ROC曲線530描繪100%準確的預測率。在完全準確之ROC曲線方案(亦即ROC曲線530)中，維護事件發生之全部的陽性預測為真，亦即準確。同樣地，由ROC曲線540描繪100%不準確的預測率。完全不準確之ROC曲線的方案(亦即ROC曲線540)中維護事件之發生之全部的陽性預測為假，亦即錯誤的或不準確的。因此，藉由計算曲線下方之面積可決定預測能力比較之度量。面積為零(諸如ROC曲線540之面積)指示較差的預測能力。面積為1(諸如ROC曲線530之面積)指示卓越的預測能力。ROC曲線之面積通常可約大於零且約小於一。例如，ROC曲線560用於腔室元件，且該曲線下之面積約為0.97。曲線下之面積等於事件發生之真陽性預測的概率。穿過圖形中心之對角線580為「硬幣反面」準確度。ROC曲線應常駐於對角線580之上通常為真。然而，位於對角線之上的ROC曲線量為財務狀況的函數。因此，在 某些情況下，即使高於對角線580一點亦可提供益處，且不同應用之間的益處不同。
當無需將事件添加至運轉成本時，FPP不一定要求維護事件。例如，FPP可能要求關閉處理設備以替換磨耗及/或污染元件，該元件實際上仍在規格界限內(或原本在未來預測的故障時間處的規格界限內)，且原本在無顯著損害的情況下可繼續在處理設備中使用該元件超過預測的故障時間。因此，存在一種成本，該成本與檢測(可能替換)以及重新開始處理設備之不必要的停機時間有關。ROC曲線下之面積越大，較少之FPP越少。同樣地，漏失TPP導致非排程停機時間，且導致相關之成本。
在步驟430中，從事件發生的預測模型決定殘存函數(參見第6圖)。殘存函數610係未來潛在發生之停機事件的概率函數。殘存函數610捕獲系統將繼續存在超過給定時間之概率。此與剩餘使用壽命(RUL)有關。藉由平均值分析、真值分析、Monty Carlo分析或藉由其他適當之手段可決定RUL。然而，殘存函數集中在隨時間增長之故障的概率，而不是決定該RUL。第7圖中圖示RUL之替代圖。
第6圖圖示與第5圖圖示之ROC曲線560有關之腔室元件的殘存函數610。殘存函數610映射一組預測(諸如沿殘存函數610之點630)到時間線620上，該組預測可能與系統故障有關。亦即，殘存函數610捕獲系統將存在超過指定時間(亦即預測之非排程停機時間)之概率。殘存函數610自當前時間點602處開始且描繪故障650之概率至未來時間 點608。殘存函數610可為曲線、直線、對稱的或不對稱的等等其他表示。
向右方向612或左方向614移動用於預測之閾值時間640改變假陽性對漏失真陽性的比率。當閾值時間640向左614移動時真陽性預測比率上升且假陽性比率上升。同樣地，當閾值640時間向右612移動時真陽性預測比率降低，且假陽性比率降低。
在步驟440中，基於最佳的或所要的預測時間或在所要之預測時間範圍內的最佳預測決定ROC及ROC上的操作區域。藉由如在ROC曲線560(第5圖)上所示之假陽性及漏失真陽性之相對成本的匯合決定操作區域。在操作區域中操作最小化風險同時最大化預測維護系統之益處。例如，沿ROC曲線560，高斜率區域572(其中斜率接近於無限)具有假陽性之高成本，同時低斜率區域574(其中斜率接近於零)具有漏失真陽性之高成本。
假陽性之成本及漏失真陽性之成本(兩者均較早決定)用於設置在其中進行操作的可接受之範圍。此外，假陽性成本與漏失真陽性成本之間進取的取捨可能偏移可接受範圍以與業務考慮一致。從使用者決定之最小淨益處決定ROC上的操作範圍，且必須根據ROC中預測之事件類型的每一停機時間提供該操作範圍。在ROC上TPP頻率益處減FPP成本大於所需之最小淨益處的每一點在可接受之操作範圍內。注意，ROC上可能沒有點在可接受之操作範圍內。在該種情況下，PdM系統不能用PdM系統之當前形式提供所需之 最小的淨益處。該解決方案僅在可改良ROC時可用。此舉可經由以下方法達成，該等方法包括(1)模型增強，(2)將所需的預測時間或時間範圍改變至一時間或時間範圍，該時間或時間範圍提供更佳的預測模型，(3)減少所需的最小淨益處。
在步驟450中，從ROC決定閾值時間640，且將閾值時間640應用於殘存函數610。使用非排程停機時間、排程停機時間之成本、使工具或製程停止之成本之消費者資料及使該等資料與ROC曲線相比較導出閾值時間640。隨後，閾值時間640決定應在何時停止工具或製程以用於維護。吾人可設置預測之「進取性」以獲取假陽性與漏失真陽性之間的平衡。
例如，可一起獲取目標停機事件的非排程停機時間的相對成本($UDT)及目標停機事件之排程停機時間之相對成本($SDT)。當存在真陽性預測之益處時，$UDT大體大於$SDT。當工具沒有問題時，工具/製程之停機時間的成本($NWDT)為假陽性預測之成本。當工具/製程之停機時間的成本($NWDT)沒有問題時，可為離線之工具、機器或製程之成本決定比率(R1)：將$NWDT除以非排程停機時間之成本($UDT)與排程停機時間之成本($SDT)之間的差值，亦即，R1=$NWDT/($UDT-$SDT)。該比率假定$UDT大於$SDT。因此，可藉由與無誤停機時間有關的$NWDT成本除以與非排程事件發生有關之$UDT成本及與排程事件發生有關之$SDT成本之差值的比率(R1)計算相對成本。
或者，基於可用資訊可計算($UDT-$SDT)-$NWDT。經計算，最佳點570位於ROC曲線560之上，其中($UDT-$SDT)×TPP-$NWDT×FPP經最大化。最佳點570為假陽性至漏失陽性與停機時間選項之成本效益具有最佳一致性的平衡。若ROC曲線560具有連續及單調的一階導數，則最佳點570的值實質上可類似於ROC之導數(斜率)562等於比率R1。
ROC曲線560之斜率562是豎直高度564之變化比水平長度566之變化。當斜率約等於比率R1時，斜率562可用於決定殘存函數610之閾值時間640或警報值。斜率562為ROC曲線(第5圖中的560)的一階導數，且可使用一些平滑決定斜率562。平滑函數可應用於ROC曲線560，以決定斜率562。藉由將平滑函數應用至ROC，可形成經平滑之ROC。可將斜率562假定為從無窮移動至零的單調函數，且可應用篩選獲取平滑的曲線。經平滑的ROC可具有連續且單調遞減的一階導數(斜率562)。基於第一成本、第二成本、成本比率以及平滑之ROC的一階導數，在ROC曲線560上決定最佳點570。
閾值時間640由殘存函數610上之點決定，該點對應於ROC上經計算之點，亦即比率R1等於ROC曲線560之一階導數(斜率562)的點。基於非排程事件發生和排程事件發生之間的成本分析，可進一步調整閾值時間640。移動至預測停機時間概率函數的左側或右側改變假陽性與漏失真陽性之比率。向增加非排程事件之發生的方向調整閾值，減少漏 失真陽性和假陽性。因此，為未來事件決定沿殘存函數610之點630，其中，比率R1實質上等於在最佳點570處ROC曲線560的一階導數，且閾值或觸發點經設置為彼最佳點570。
在步驟460中，基於以上決定之閾值觸發維護事件。此外，可使閾值對系統中動態或實時改變敏感。可合併靈敏度分析，此舉引起預測次數的微調及/或益處評估的微調。使用故障偵測決定殘存函數中的當前狀態，可基於當前狀態修改觸發點或閾值。
第7圖圖示預測水平700，預測水平700隨時間線720以不確定性740猜測腔室或腔室元件的健康度。健康指示器710繪出腔室或腔室元件的健康度。健康指示器710可具有實際資料702，表示經過時間及預測資料604，表示沿時間線720之未來點。沿複數個預測值704可能有與時間線720中各點關聯的不確定性740，然而無實際資料702之不確定性(亦即過去)。亦即，不確定性740開始於健康指示器710的預測值704的開始處。隨著預測進一步移動至未來，亦即當預測接近計劃預防維護時，不確定性740可能增加。在圖中，不確定性740顯示為在健康指示器710之預測值704上方及下方的陰影部分。因此，可為事件之發生決定不確定性740。
預測錐形750係表示此不確定性740之一種方法。另一種方法是概率分佈函數。預測中的不確定性知識可用於進一步將閾值724根據財務環境最佳化。預測錐形750不可 能永遠對稱，且下半部分726上的錯誤成本可能大於上半部分728上的錯誤成本，或反之亦然。例如，若處於預測錐形750下半部分726中的實際信號成本(低於平均預測值704)遠大於處於上半部分728中的成本，則應降低閾值724以獲得更優化的解決方案。在一個實施例及評估方法(諸如蒙地卡羅模擬)中，該評估方法用於評估益處及橫跨預測錐形750之垂直延伸的發生概率或與預測關聯之概率分佈函數，以決定預測錐形750中最佳垂直置放或對應於PdM應用之財務益處的概率函數。使用未來預測器的預期值及未來一系列之可能值連同此等值之概率的指示導出預測水平700、最佳點570及閾值724。
停機時間預測742之範圍可與預測閾值/警報值724關聯。在停機時間預測742之範圍內，基於真陽性預測之關聯成本(預測之非排程停機時間722之左側)及假陽性預測之關聯成本(預測之非排程停機時間722之右側)可決定預測之非排程停機時間722。將預測之非排程停機時間722向右或向左移動沿時間線720調整排程停機時間，但也影響以上討論之關聯成本。
維護資料品質問題、資料之正確性、事件之發生的數目、來自干擾(諸如其他停機時間事件)之干涉及配方變化均可影響ROC、殘存函數及成本函數之計算。然而，可為消費者決定預測系統之實際益處。從殘存函數上選擇之停機時間推薦，可決定假陽性比率(FPR)以及漏失真陽性比率(MTPR=1-TPR)。可為不具有排程維護之事件決定益處。例 如，在預測性維護之前，每年的成本等於每年停機時間之平均數×$UDT；以及在預測性維護之後，每年的益處等於每年停機時間之平均數乘以{TRP×($UDT-$SDT)-FPR×$NWDT}。
因此，PdM系統有利地減少了廢料比率同時增加品質，減少了整體停機時間及平均修復時間，增加了產量及工廠生產能力(亦即生產力)，致能備用腔室元件之更有效的即時管理，此舉降低成本且釋放倉庫空間，且減少設備及設備元件成本高昂的損壞。
以上實例集中在預測性維護，然而應瞭解，該等實例亦可應用於預測性排程、預測良率及預測測量(虛擬度量學、VM)以及其他預測技術。一般製程可應用於另一預測域，然而目標及方法可取決於該域輕微至顯著地變化。
例如，預測性排程類似於預測性維護。在預測性排程中，殘存函數將用於預測未來排程中變化的需要。成本函數將權衡假陽性之成本(無需排程變化，但做出排程改變)及漏失真陽性(需要排程變化，但不作出排程變化)。在此預測策略中可能有多個類型之決定及決定成本。
在使用預測性良率之另一實例中，可將操作作為低良率系統之預測，諸如使工具或生產線停止。若是如此，將以與預測性維護同樣之方式進行計算。在使用預測性測量(虛擬測量、VM)之另一實例中，VM可用於觸發真實測量之使用至成本比較，預測性系統可使用損失產量對潛在損失良率。
因此，預測及避免非排程停機時間的益處將超過與PdM系統之偶發的漏失預測關聯之成本，該等偶發的漏失預 測導致不必要的排程停機時間。將頻繁及成本高昂的非排程維護事件轉換為排程維護事件。將按照時間或元件數排程之定期維護事件轉換為排程增加可用時間及降低可消耗物之成本的事件。
儘管以上內容針對本揭示案之實施例，在不脫離本揭示案之基本範疇的情況下，可設計本揭示案之其他及另外的實施例，且本揭示案之範疇由以下申請專利範圍決定。

Claims (30)

  1. 一種用於決定何時執行維護事件之電腦實施方法，該方法包含以下步驟：決定假陽性之一第一成本及漏失真陽性之一第二成本；決定用於一或更多個維護事件發生的一預測模型之一接收操作特徵(ROC)；從一事件之發生的該預測模型產生一殘存函數；基於該第一成本及該第二成本決定該ROC上之一操作區域；從該ROC、該操作區域及一最佳點決定一閾值，及將該閾值應用於該殘存函數及預測水平；以及基於該閾值觸發一維護事件。
  2. 如請求項1所述之電腦實施方法，其中為與該一或更多個維護事件關聯之一故障之一預測決定該預測模型。
  3. 如請求項2所述之電腦實施方法，該方法進一步包含以下步驟：決定一經平滑之ROC，該平滑之ROC藉由將一平滑函數應用至該ROC形成，該經平滑之ROC具有一連續且單調遞減的一一階導數，且其中基於該第一成本、該第二成本、該經平滑之ROC的一成本比率及一導數決定該最佳點。
  4. 如請求項3所述之電腦實施方法，其中使用未來一預測器之一預期值及未來一可能值範圍連同此等值之一概率的一指示導出該預測水平、該最佳點及該閾值。
  5. 如請求項3所述之電腦實施方法，該方法進一步包含以下步驟：決定該維護事件發生之一不確定性。
  6. 如請求項5所述之電腦實施方法，該方法進一步包含以下步驟：基於一非排程事件之發生及一排程事件之發生之間的一成本分析調整該閾值。
  7. 如請求項6所述之電腦實施方法，其中該成本分析包含：計算該第一成本除以該第二成本之一比率。
  8. 如請求項7所述之電腦實施方法，其中該第一成本為與無誤停機時間關聯之一$NWDT成本，及該第二成本為與該非排程事件發生關聯之一$UDT成本與和該排程事件發生關聯之一$SDT成本之間的一差異。
  9. 如請求項7所述之電腦實施方法，該方法進一步包含以下步驟：沿未來事件之該殘存函數決定一點，其中該比率實質上等於該經平滑之ROC的一一階導數；以及對該點設置該觸發。
  10. 如請求項1所述之電腦實施方法，該方法進一步包含以下步驟：使用故障偵測以決定該殘存函數中一當前狀態；以及基於該當前狀態修改該觸發。
  11. 一種儲存一程式之電腦可讀儲存媒體，其中，當由一處理器執行該程式時，該電腦可讀儲存媒體執行用於決定何時執行維護事件之一操作，該操作包含：決定假陽性之一第一成本及漏失真陽性之一第二成本；決定用於一或更多個維護事件發生的一預測模型之一接收操作特徵(ROC)；從一事件之發生的該預測模型產生一殘存函數；基於該第一成本及該第二成本決定該ROC上之一操作區域；從該ROC、該操作區域及一最佳點決定一閾值，及將該閾值應用於該殘存函數及預測水平；以及基於該閾值觸發一維護事件。
  12. 如請求項11所述之電腦可讀儲存媒體，其中為與該一或更多個維護事件關聯之一故障之一預測決定該預測模型。
  13. 如請求項12所述之電腦可讀儲存媒體，該電腦可讀儲存媒體進一步包含：決定一經平滑之ROC，該經平滑之ROC藉由將一平滑函數應用至該ROC形成，該經平滑之ROC具有一連續且單調遞減的一一階導數，且其中基於該第一成本、該第二成本、該經平滑之ROC的一成本比率及一導數決定該最佳點。
  14. 如請求項13所述之電腦可讀儲存媒體，其中使用未來一預測器之一預期值及未來一可能值範圍連同此等值之一概率的一指示導出該預測水平、該最佳點及該閾值。
  15. 如請求項13所述之電腦可讀儲存媒體，該電腦可讀儲存媒體進一步包含：決定該維護事件發生之一不確定性。
  16. 如請求項15所述之電腦可讀儲存媒體，該電腦可讀儲存媒體進一步包含：基於一非排程事件之發生及一排程事件之發生之間的一成本分析調整該閾值。
  17. 如請求項16所述之電腦可讀儲存媒體，其中該成本分析包含：計算該第一成本除以該第二成本之一比率。
  18. 如請求項17所述之電腦可讀儲存媒體，其中該第一成本為與無誤停機時間關聯之一$NWDT成本，及該第二成本為與該非排程事件發生關聯之一$UDT成本與和該排程發生時間關聯之一$SDT成本之間的一差異。
  19. 如請求項17所述之電腦可讀儲存媒體，該電腦可讀儲存媒體進一步包含：沿未來事件之該殘存函數決定一點，其中該比率實質上等於該經平滑之ROC的一第一階導數；以及對該點設置該觸發。
  20. 如請求項11所述之電腦可讀儲存媒體，該電腦可讀儲存媒體進一步包含：使用故障偵測以決定該殘存函數中一當前狀態；以及基於該當前狀態修改該觸發。
  21. 一種系統，該系統包含：一處理器；以及一記憶體，其中該記憶體包括一應用程式，該應用程式經設置以執行用於決定何時執行維護事件之一操作，該操作包含：決定假陽性之一第一成本及漏失真陽性之一第二成本；決定用於一或更多個維護事件發生的一預測模型之一接收操作特徵(ROC)；從一事件之發生的該預測模型產生一殘存函數；基於該第一成本及該第二成本決定該ROC上之一操作區域；從該ROC、該操作區域及一最佳點決定一閾值，及將該閾值應用於該殘存函數及預測水平；以及基於該閾值觸發一維護事件。
  22. 如請求項21所述之系統，其中為與該一或更多個維護事件關聯之一故障之一預測決定該預測模型。
  23. 如請求項22所述之系統，該系統進一步包含：決定一經平滑之ROC，該平滑之ROC藉由將一平滑函數應用至該ROC形成，該經平滑之ROC具有一連續且單調遞減的一一階導數，且其中基於該第一成本、該第二成本、該經平滑之ROC的一成本比率及一導數決定該最佳點。
  24. 如請求項23所述之系統，其中使用未來一預測器之一預期值及未來一可能值範圍連同此等值之一概率的一指示導出該預測水平、該最佳點及該閾值。
  25. 如請求項23所述之系統，該系統進一步包含：決定該維護事件發生之一不確定性。
  26. 如請求項25所述之系統，該系統進一步包含：基於一非排程事件之發生及一排程事件之發生之間的一成本分析調整該閾值。
  27. 如請求項26所述之系統，其中該成本分析包含：計算該第一成本除以該第二成本之一比率。
  28. 如請求項27所述之系統，其中該第一成本為與無誤停機時間關聯之一$NWDT成本，及該第二成本為與該非排程事件發生有關聯一$UDT成本與和該排程事件發生關聯之一$SDT成本之間的一差異。
  29. 如請求項27所述之系統，該系統進一步包含：沿未來事件之該殘存函數決定一點，其中該比率實質上等於該經平滑之ROC的一一階導數；以及對該點設置該觸發。
  30. 如請求項21所述之系統，該系統進一步包含：使用故障偵測以決定該殘存函數中一當前狀態；以及基於該當前狀態修改該觸發。
TW103125126A 2013-08-05 2014-07-22 用於在預測系統中最佳化獲利的方法及裝置 TWI653585B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201361862258P 2013-08-05 2013-08-05
US61/862,258 2013-08-05

Publications (2)

Publication Number Publication Date
TW201510885A TW201510885A (zh) 2015-03-16
TWI653585B true TWI653585B (zh) 2019-03-11

Family

ID=52428607

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103125126A TWI653585B (zh) 2013-08-05 2014-07-22 用於在預測系統中最佳化獲利的方法及裝置

Country Status (3)

Country Link
US (2) US9582828B2 (zh)
KR (1) KR102219726B1 (zh)
TW (1) TWI653585B (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI653585B (zh) * 2013-08-05 2019-03-11 應用材料股份有限公司 用於在預測系統中最佳化獲利的方法及裝置
US10776706B2 (en) * 2016-02-25 2020-09-15 Honeywell International Inc. Cost-driven system and method for predictive equipment failure detection
US11225824B2 (en) 2016-05-03 2022-01-18 Assa Abloy Entrance Systems Ab Control systems for operation of loading dock equipment, and associated methods of manufacture and use
US11305953B2 (en) 2016-05-03 2022-04-19 Assa Abloy Entrance Systems Ab Control systems for operation of loading dock equipment, and associated methods of manufacture and use
US10541939B2 (en) * 2017-08-15 2020-01-21 Google Llc Systems and methods for provision of a guaranteed batch
US10937637B2 (en) * 2017-08-31 2021-03-02 Applied Materials, Inc. Determining susceptor service life in a plasma processing chamber
JP7213637B2 (ja) * 2018-08-07 2023-01-27 日鉄テックスエンジ株式会社 整備管理装置、整備管理方法及びプログラム
US10936768B2 (en) * 2018-10-15 2021-03-02 Aible, Inc. Interface for visualizing and improving model performance
US10586164B1 (en) 2018-10-15 2020-03-10 AIble Inc. Interface for visualizing and improving model performance
US10878386B2 (en) * 2018-11-26 2020-12-29 Assa Abloy Entrance Systems Ab Systems and methods for automated dock station servicing
US10494205B1 (en) 2018-12-06 2019-12-03 Assa Abloy Entrance Systems Ab Remote loading dock authorization systems and methods
CN109451352A (zh) * 2018-12-11 2019-03-08 北京奇艺世纪科技有限公司 一种视频播放流量预测方法及装置
US11182688B2 (en) * 2019-01-30 2021-11-23 International Business Machines Corporation Producing a formulation based on prior distributions of a number of ingredients used in the formulation
US11232368B2 (en) * 2019-02-20 2022-01-25 Accenture Global Solutions Limited System for predicting equipment failure events and optimizing manufacturing operations
JP7249170B2 (ja) * 2019-02-28 2023-03-30 三菱重工業株式会社 保守計画立案支援装置、保守計画立案支援方法、およびプログラム
JP7181555B2 (ja) * 2019-04-05 2022-12-01 ｉ Ｓｍａｒｔ Ｔｅｃｈｎｏｌｏｇｉｅｓ株式会社 生産効率向上支援システム
US11262747B2 (en) 2019-06-11 2022-03-01 Assa Abloy Entrance Systems Ab Vehicle identification and guidance systems and associated methods
JP6956147B2 (ja) * 2019-07-23 2021-10-27 株式会社Ｋｏｋｕｓａｉ Ｅｌｅｃｔｒｉｃ 半導体装置の製造方法、基板処理装置およびプログラム
KR20230036384A (ko) 2021-09-07 2023-03-14 현대자동차주식회사 이상 탐지 시스템 및 그의 임계치 설정 방법
CN114743252B (zh) * 2022-06-10 2022-09-16 中汽研汽车检验中心（天津）有限公司 用于头部模型的特征点筛选方法、设备和存储介质
CN118070980B (zh) * 2024-04-18 2024-09-10 苏州康代智能科技股份有限公司 基于ai的pcb或半导体多工序生产设备组合优化方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2001069417A2 (en) * 2000-03-17 2001-09-20 Siemens Aktiengesellschaft Plant maintenance technology architecture
US8655698B2 (en) * 2000-10-17 2014-02-18 Accenture Global Services Limited Performance-based logistics for aerospace and defense programs
US7124059B2 (en) * 2000-10-17 2006-10-17 Accenture Global Services Gmbh Managing maintenance for an item of equipment
WO2002070751A1 (en) 2001-03-02 2002-09-12 University Of Pittsburgh Of The Commonwealth System Of Higher Education Pcr method
TW579424B (en) * 2001-07-09 2004-03-11 Shell Int Research Vibration analysis for predictive maintenance in machinery
TWI265437B (en) 2005-01-18 2006-11-01 Univ Nat Cheng Kung Predictive maintenance system with generic embedded devices
US8620714B2 (en) * 2006-11-28 2013-12-31 The Boeing Company Prognostic condition assessment decision aid
US7349825B1 (en) * 2006-11-28 2008-03-25 The Boeing Company System health operations analysis model
WO2010006048A2 (en) 2008-07-08 2010-01-14 Source Precision Medicine, Inc. Gene expression profiling for predicting the survivability of prostate cancer subjects
US8660875B2 (en) * 2009-11-02 2014-02-25 Applied Materials, Inc. Automated corrective and predictive maintenance system
US8560106B2 (en) * 2010-11-30 2013-10-15 Applied Materials, Inc. Predictive maintenance for third party support equipment
SG189505A1 (en) 2011-01-13 2013-05-31 Ind Tech Res Inst Biomarkers for recurrence prediction of colorectal cancer
CA2867048A1 (en) * 2011-03-14 2012-09-20 Intium Energy Limited Vibration detection system, apparatus and method
TWI653585B (zh) * 2013-08-05 2019-03-11 應用材料股份有限公司 用於在預測系統中最佳化獲利的方法及裝置

Also Published As

Publication number Publication date
US20150039552A1 (en) 2015-02-05
KR102219726B1 (ko) 2021-02-24
US10620620B2 (en) 2020-04-14
US9582828B2 (en) 2017-02-28
TW201510885A (zh) 2015-03-16
US20170139408A1 (en) 2017-05-18
KR20150016907A (ko) 2015-02-13

Similar Documents

Publication Publication Date Title
TWI653585B (zh) 用於在預測系統中最佳化獲利的方法及裝置
TWI509550B (zh) 在虛擬量測中使用適應性預測演算法及決定何時使用適應性預測演算法之方法及設備
US20180247798A1 (en) System Implementing Machine Learning in Complex Multivariate Wafer Processing Equipment
JP2022519348A (ja) 半導体製造装置ツールにおけるニューラルネットワークを用いたチャンバ整合化
US20230195061A1 (en) Manufacturing equipment parts quality management system
WO2023120488A1 (ja) プログラム、情報処理方法、情報処理装置及びモデルの生成方法
US20240012393A1 (en) Sustainability monitoring platform with sensor support
TWI849053B (zh) 用於遠端電漿源維修之系統和方法以及相關的電腦可讀取儲存媒體
US10937637B2 (en) Determining susceptor service life in a plasma processing chamber
US11637043B2 (en) Analyzing in-plane distortion
US20230185268A1 (en) Eco-efficiency monitoring and exploration platform for semiconductor manufacturing
US20240152675A1 (en) Determining substrate characteristics by virtual substrate measurement
US20240210916A1 (en) Machine and deep learning techniques for predicting ecological efficiency in substrate processing
TW202333257A (zh) 將基板支座特性化以建構數位雙生
US20240087135A1 (en) Clog detection via image analytics
US20230195074A1 (en) Diagnostic methods for substrate manufacturing chambers using physics-based models
KR20240049266A (ko) 물리지식기반 압축 감지를 이용한 기판 근처의 컨디션들의 가상 측정