WO2024080293A1

WO2024080293A1 - 情報処理方法、コンピュータプログラム及び情報処理装置

Info

Publication number: WO2024080293A1
Application number: PCT/JP2023/036834
Authority: WO
Inventors: 友貴哉斉藤; 圭佐野
Original assignee: 東京エレクトロン株式会社
Priority date: 2022-10-14
Filing date: 2023-10-11
Publication date: 2024-04-18

Abstract

基準装置との機差を補正して対象装置の制御等を行うことが期待できる情報処理方法、コンピュータプログラム及び情報処理装置を提供する。　情報処理装置が、対象装置のセンサ値を取得し、取得した前記対象装置のセンサ値をセンサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得し、取得した前記基準装置のセンサ値を所望の目標値と共に制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得し、取得した前記基準装置の制御入力値を制御入力値変換モデルへ入力して、前記制御入力値変換モデルが出力する前記対象装置の制御入力値を取得し、取得した前記対象装置の制御入力値を基に前記対象装置を制御する。

Description

情報処理方法、コンピュータプログラム及び情報処理装置

　本開示は、情報処理方法、コンピュータプログラム及び情報処理装置に関する。

　特許文献１においては、基板処理装置に含まれる複数の処理容器にて同一の処理条件でテスト用基板を処理したときに各処理容器において入出力したセンサデータから生成したセンサデータの推定モデルを用いて、センサデータのセンサ理想値からのずれが許容範囲になるように各処理容器の装置パラメータを調整する基盤処理方法が提案されている。この基盤処理方法では、製品基板がいずれかの処理容器に搬送された場合、調整された装置パラメータに基づいて、製品基板が搬送された処理容器において入出力するセンサデータを調整しながら製品基板を処理する。

特開２０１９－１１４６９５号公報

　本開示は、基準装置との機差を補正して対象装置の制御等を行うことが期待できる情報処理方法、コンピュータプログラム及び情報処理装置を提供する。

　一実施形態に係る情報処理方法は、情報処理装置が、対象装置のセンサ値を取得し、取得した前記対象装置のセンサ値を、前記対象装置のセンサ値を入力として受け付けて基準装置のセンサ値を出力するよう機械学習がなされたセンサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得し、取得した前記基準装置のセンサ値を所望の目標値と共に、目標値及び前記基準装置のセンサ値を入力として受け付けて前記基準装置の制御入力値を出力するよう機械学習がなされた制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得し、取得した前記基準装置の制御入力値を、前記基準装置の制御入力値を入力として受け付けて前記対象装置の制御入力値を出力するよう機械学習がなされた制御入力値変換モデルへ入力して、前記制御入力値変換モデルが出力する前記対象装置の制御入力値を取得し、取得した前記対象装置の制御入力値を基に前記対象装置を制御する。

　本開示によれば、基準装置との機差を補正して対象装置の制御等を行うことが期待できる。

実施の形態１に係る情報処理システムの一例を説明するための模式図である。本実施の形態に係る情報処理装置の一構成例を示すブロック図である。特性値推定モデルの一構成例を示す模式図である。学習用データの一構成例を示す模式図である。制御入力値決定モデルの一構成例を示す模式図である。センサ値制御入力値関係モデルの一構成例を示す模式図である。センサ値変換モデルの一構成例を示す模式図である。制御入力値変換モデルの一構成例を示す模式図である。情報処理装置が行う基板処理装置の監視を説明するための模式図である。情報処理装置が行う基板処理装置の制御を説明するための模式図である。本実施の形態に係る情報処理装置が行う学習モデル生成処理の手順の一例を示すフローチャートである。本実施の形態に係る情報処理装置が行う学習モデル生成処理の手順の一例を示すフローチャートである。本実施の形態に係る情報処理装置が行う基板処理装置の監視及び制御処理の手順の一例を示すフローチャートである。本実施の形態に係る情報処理装置が行う基板処理装置の監視及び制御処理の手順の一例を示すフローチャートである。実施の形態２に係る制御入力値決定モデルの一構成例を示す模式図である。情報処理装置が行う基準基板処理装置の制御を説明するための模式図である。情報処理装置が行う対象基板処理装置の制御を説明するための模式図である。

　本開示の実施形態に係る情報処理システムの具体例を、以下に図面を参照しつつ説明する。なお、本開示はこれらの例示に限定されるものではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

＜システム概要＞
　図１は、実施の形態１に係る情報処理システムの一例を説明するための模式図である。本実施の形態に係る情報処理システムは、基板処理装置及び情報処理装置を備えて構成されている。基板処理装置は、例えばＣＶＤ（Chemical Vapor Deposition）、スパッタリング又はエッチング等の基盤処理のための種々の処理を行う装置であって、半導体製造装置又はディスプレイパネルを製造するフラットパネルディスプレイ（FPD）製造装置等であってよい。情報処理装置は、基板処理装置の動作の監視及び制御等を行う装置である。情報処理装置は、例えば基板処理装置が備える複数のセンサから得られるセンサ値を取得し、取得したセンサ値に基づいて基板処理装置に対する制御入力値を決定する。情報処理装置は、決定した制御入力値を情報処理装置が基板処理装置へ入力することで、基板処理装置に基板処理を実行させる。

　図１においては、基板処理装置として基準基板処理装置（基準装置）１０１Ａ及び対象基板処理装置（対象装置）１０１Ｂの２つが示され、情報処理装置として情報処理装置１Ａ及び情報処理装置１Ｂの２つが示されている。基準基板処理装置１０１Ａの監視及び制御等を情報処理装置１Ａが行い、対象基板処理装置１０１Ｂの監視及び制御等を情報処理装置１Ｂが行う。基準基板処理装置１０１Ａは、例えば既に稼働して正常に動作している基板処理装置である。これに対して対象基板処理装置１０１Ｂは、基本的には基準基板処理装置１０１Ａと同じ構成の装置であるが、例えば新規に制作又は購入等がなされて基板処理工場等に新たに追加された装置である。基準基板処理装置１０１Ａ及び対象基板処理装置１０１Ｂは基本的に同じ構成の装置である。情報処理装置１Ａ及び１Ｂは、得られたセンサ値を基に同じ演算処理を行って制御入力値を決定し、決定した制御入力値を基準基板処理装置１０１Ａ及び対象基板処理装置１０１Ｂへ入力することで、同じ処理結果が得られることが期待される。

　しかしながら、同じ構成の装置であっても、例えばセンサ値を出力する各センサの個体差又は制御入力値に応じて基板処理を実施する処理機構の個体差等が存在し得る。このため同じセンサ値に対して同じ制御入力値を入力したとしても、基準基板処理装置１０１Ａと対象基板処理装置１０１Ｂとで同じ処理結果が得られるとは限らない。本実施の形態に係る情報処理システムは、このような基準基板処理装置１０１Ａと対象基板処理装置１０１Ｂとの機差を埋めることを支援するシステムである。

　なお本例では、基準基板処理装置１０１Ａ及び対象基板処理装置１０１Ｂを別の装置としているが、これに限るものではない。例えば基板処理装置に対してセンサの交換、処理機構の交換、又は、装置のメンテナンス等の作業が行われることにより、これらの作業の前後で基板処理装置の動作等に変化が生じる場合があり得る。このような場合、メンテナンス等の作業前の基板処理装置を基準基板処理装置１０１Ａとみなし、作業後の基板処理装置を対象基板処理装置１０１Ｂとみなすことができる。この場合には、情報処理装置１Ａ及び１Ｂは実質的に同じ装置であってよい。また、基準基板処理装置１０１Ａ及び対象基板処理装置１０１Ｂが別の装置であっても、１つの情報処理装置が複数の基板処理装置の監視及び制御等を行う場合には、情報処理装置１Ａ及び１Ｂは同じ装置であってよい。

　本実施の形態に係る情報処理装置１Ａは、予め機械学習がなされた学習モデルを用いて、基準基板処理装置１０１Ａの監視及び制御等を行う。このため情報処理装置１Ａは、特性値推定モデル２０１及び制御入力値決定モデル２０２を備えている。特性値推定モデル２０１は、基準基板処理装置１０１Ａのセンサから得られるセンサ値及び基準基板処理装置１０１Ａに対して入力した制御入力値に基づいて、基準基板処理装置１０１Ａが処理した基板の特性を推定する学習モデルである。情報処理装置１Ａは、特性値推定モデル２０１を利用して基準基板処理装置１０１Ａが処理する基板の特性値を推定し、例えば推定結果を表示して情報を提供し、又は、推定結果から異常が検出された場合に装置を停止するなどの処理を行うことができる。

　制御入力値決定モデル２０２は、基準基板処理装置１０１Ａが処理する基板の目標特性値（目標値）と、基準基板処理装置１０１Ａのセンサから得られるセンサ値とに基づいて、基準基板処理装置１０１Ａに対して入力すべき制御入力値を決定する学習モデルである。情報処理装置１Ａは、制御入力値決定モデル２０２が決定した制御入力値を基準基板処理装置１０１Ａへ入力することで、目標特性値を満たす基板の処理を行うことが期待できる。

　なお特性値は、基板処理装置が処理した基板を特性値測定装置１０２にて測定することで得られる情報である。例えば基板処理装置がエッチングを行う場合、エッチングによって形成された穴の深さなどの測定値が特性値となり得る。特性値は、どのような値であってもよい。また目標特性値は、基板処理装置が処理する基板に関して要求される特性値であり、処理された基板を特性値測定装置１０２にて測定して得られた特性値が目標特性値又はそれに近い値となることが求められる。

　特性値推定モデル２０１及び制御入力値決定モデル２０２を生成するために、情報処理装置１Ａは、基準基板処理装置１０１Ａに所定の基板処理を実施させる。情報処理装置１Ａは、その際に基準基板処理装置１０１Ａから得られるセンサ値と、基準基板処理装置１０１Ａに対して入力した制御入力値と、処理された基板を特性値測定装置１０２にて測定して得られる特性値とを対応付けたデータを収集する。情報処理装置１Ａは、センサ値、制御入力値及び特性値を対応付けたデータを用いて機械学習の処理を行うことにより、特性値推定モデル２０１及び制御入力値決定モデル２０２を生成することができる。

　また情報処理装置１Ａは、特性値推定モデル２０１及び制御入力値決定モデル２０２を生成する際に、センサ値制御入力値関係モデル２０３を生成する。センサ値制御入力値関係モデル２０３は、基準基板処理装置１０１Ａから得られる複数のセンサ値と基準基板処理装置１０１Ａへ入力する複数の制御入力値との関係を学習した学習モデルである。即ちセンサ値制御入力値関係モデル２０３は、例えば複数のセンサ値及び制御入力値のうちのいずれか１つ値が欠損した場合に、この欠損値を補完する値を推定する学習モデルである。センサ値制御入力値関係モデル２０３は、情報処理装置１Ａが基準基板処理装置１０１Ａの監視及び制御等を行う際に用いられる学習モデルではなく、上述のように基準基板処理装置１０１Ａと対象基板処理装置１０１Ｂとの機差を埋めるために、情報処理装置１Ａから情報処理装置１Ｂへ提供される学習モデルである。センサ値制御入力値関係モデル２０３は、特性値推定モデル２０１及び制御入力値決定モデル２０２を生成する際に用いられるデータに含まれるセンサ値及び制御入力値のデータを用いて機械学習により生成される。

　本実施の形態に係る情報処理システムでは、基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａにて生成されたこれらの学習モデルを、対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂが利用する。上述のように特性値推定モデル２０１及び制御入力値決定モデル２０２は、基準基板処理装置１０１Ａから得られた情報を基に生成されている。特性値推定モデル２０１は基準基板処理装置１０１Ａのセンサ値及び制御入力値から特性値を推定する学習モデルであり、制御入力値決定モデル２０２は基準基板処理装置１０１Ａのセンサ値から制御入力値を決定する学習モデルである。このため、基準基板処理装置１０１Ａとは機差がある対象基板処理装置１０１Ｂにてこれらの学習モデルをそのまま用いて監視及び制御等を行うことはできない、又は、行っても十分な精度等が得られない。

　そこで本実施の形態に係る情報処理システムでは、情報処理装置１Ｂが、センサ値変換モデル２０４及び制御入力値変換モデル２０５を生成して利用することで、対象基板処理装置１０１Ｂと基準基板処理装置１０１Ａとの機差を埋め、特性値推定モデル２０１及び制御入力値決定モデル２０２を用いた監視及び制御等を行うことを可能としている。センサ値変換モデル２０４は、対象基板処理装置１０１Ｂから得られたセンサ値を、基準基板処理装置１０１Ａから得られるセンサ値へ変換する学習モデルである。制御入力値変換モデル２０５は、基準基板処理装置１０１Ａへ入力する制御入力値を、対象基板処理装置１０１Ｂへ入力する制御入力値へ変換する学習モデルである。

　センサ値変換モデル２０４及び制御入力値変換モデル２０５を生成するために、情報処理装置１Ｂは、対象基板処理装置１０１Ｂに所定の基板処理を実施させる。情報処理装置１Ｂは、その際に対象基板処理装置１０１Ｂから得られるセンサ値と、対象基板処理装置１０１Ｂに対して入力した制御入力値とを対応付けたデータを収集する。情報処理装置１Ｂは、センサ値及び制御入力値を対応付けたデータと、情報処理装置１Ａから与えられたセンサ値制御入力値関係モデル２０３とを用いて機械学習の処理を行うことにより、センサ値変換モデル２０４及び制御入力値変換モデル２０５を生成することができる。

　なお本実施の形態においては、これらの学習モデルを生成する処理、いわゆる機械学習の処理を情報処理装置１Ａ及び１Ｂが行うものとするが、これに限るものではない。機械学習の処理は情報処理装置１Ａ及び１Ｂ以外の装置、例えば演算処理能力の高いサーバ装置等にて行われてもよい。この場合に情報処理装置１Ａ及び１Ｂは、機械学習に必要な情報の収集を行い、収集した情報をサーバ装置等へ送信し、この情報を基に生成された学習モデルをサーバ装置等から取得する。

＜装置構成＞
　図２は、本実施の形態に係る情報処理装置の一構成例を示すブロック図である。本実施の形態に係る情報処理システムにおいて、各情報処理装置は、基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａ又は対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂのいずれにもなり得る。以下においては、情報処理装置１Ａとしての処理及び情報処理装置１Ｂの処理を共に行うことが可能な装置を情報処理装置１と呼び、この情報処理装置１の構成を説明する。また基準基板処理装置１０１Ａ及び対象基板処理装置１０１Ｂは略同じ構成の装置であり、区別する必要がない場合には、単に基板処理装置１０１と呼んで説明を行う。

　本実施の形態に係る情報処理装置１は、処理部１１、記憶部（ストレージ）１２、通信部１３、表示部１４及び操作部１５等を備えて構成されている。なお本実施の形態においては、１つの情報処理装置１にて処理が行われるものとして説明を行うが、情報処理装置１の処理を複数の装置が分散して行ってもよい。

　処理部１１は、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）又は量子プロセッサ等の演算処理装置、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等を用いて構成されている。処理部１１は、記憶部１２に記憶されたプログラム１２ａを読み出して実行することにより、基板処理装置１０１の監視及び制御等の処理、並びに、これらの処理に必要な学習モデルを生成する処理等の種々の処理を行う。

　記憶部１２は、例えばハードディスク等の大容量の記憶装置を用いて構成されている。記憶部１２は、処理部１１が実行する各種のプログラム、及び、処理部１１の処理に必要な各種のデータを記憶する。本実施の形態において記憶部１２は、処理部１１が実行するプログラム１２ａを記憶する。また記憶部１２には、上述の複数の学習モデルに関する情報を記憶するモデル情報記憶部１２ｂと、これらの学習モデルを生成する機械学習に用いる学習用データを記憶する学習用データ記憶部１２ｃとが設けられている。

　本実施の形態においてプログラム（コンピュータプログラム、プログラム製品）１２ａは、メモリカード又は光ディスク等の記録媒体９９に記録された態様で提供され、情報処理装置１は記録媒体９９からプログラム１２ａを読み出して記憶部１２に記憶する。ただし、プログラム１２ａは、例えば情報処理装置１の製造段階において記憶部１２に書き込まれてもよい。また例えばプログラム１２ａは、遠隔のサーバ装置等が配信するものを情報処理装置１が通信にて取得してもよい。例えばプログラム１２ａは、記録媒体９９に記録されたものを書込装置が読み出して情報処理装置１の記憶部１２に書き込んでもよい。プログラム１２ａは、ネットワークを介した配信の態様で提供されてもよく、記録媒体９９に記録された態様で提供されてもよい。

　記憶部１２のモデル情報記憶部１２ｂは、上述の特性値推定モデル２０１、制御入力値決定モデル２０２、センサ値制御入力値関係モデル２０３、センサ値変換モデル２０４及び制御入力値変換モデル２０５等の学習モデルに関する情報を記憶する。学習モデルに関する情報には、例えば学習モデルがどのような構成であるかを示す構成情報、及び、学習モデルの内部のパラメータの値等の情報が含まれ得る。基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａの場合、モデル情報記憶部１２ｂには、少なくとも特性値推定モデル２０１、制御入力値決定モデル２０２及びセンサ値制御入力値関係モデル２０３の情報が記憶される。対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂの場合、特性値推定モデル２０１、制御入力値決定モデル２０２、センサ値制御入力値関係モデル２０３、センサ値変換モデル２０４及び制御入力値変換モデル２０５の情報が記憶される。

　記憶部１２の学習用データ記憶部１２ｃは、上述の学習モデルを生成する機械学習の処理に必要な学習用データを記憶する。基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａの場合、基準基板処理装置１０１Ａのセンサによるセンサ値、基準基板処理装置１０１Ａへ入力した制御入力値、及び、基準基板処理装置１０１Ａが処理した基板を特性値測定装置１０２にて測定した特性値を対応付けたデータが、学習用データ記憶部１２ｃに学習用データとして記憶される。対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂの場合、対象基板処理装置１０１Ｂのセンサによるセンサ値、及び、対象基板処理装置１０１Ｂへ入力した制御入力値を対応付けたデータが、学習用データ記憶部１２ｃに学習用データとして記憶される。

　通信部１３は、ＬＡＮ（Local Area Network）、インターネット又は携帯電話通信網等を含む有線又は無線のネットワークＮを介して、種々の装置との間で通信を行う。通信部１３は、例えばトランシーバのＩＣ等を用いて構成され得る。本実施の形態において通信部１３は、基板処理装置１０１、特性値測定装置１０２及び他の情報処理装置１等との間で通信を行う。通信部１３は、処理部１１から与えられたデータを他の装置へ送信すると共に、他の装置から受信したデータを処理部１１へ与える。

　表示部１４は、液晶ディスプレイ等を用いて構成されており、処理部１１の処理に基づいて種々の画像及び文字等を表示する。表示部１４は、基板処理装置１０１の動作に関する各種の情報、例えば特性値推定モデル２０１が推定した特性値に関する情報等を表示する。操作部１５は、ユーザの操作を受け付け、受け付けた操作を処理部１１へ通知する。例えば操作部１５は、機械式のボタン又は表示部１４の表面に設けられたタッチパネル等の入力デバイスによりユーザの操作を受け付ける。また例えば操作部１５は、マウス及びキーボード等の入力デバイスであってよく、これらの入力デバイスは情報処理装置１に対して取り外すことが可能な構成であってもよい。

　なお記憶部１２は、情報処理装置１に接続された外部記憶装置であってよい。また情報処理装置１は、複数のコンピュータを含んで構成されるマルチコンピュータであってよく、ソフトウェアによって仮想的に構築された仮想マシンであってもよい。また情報処理装置１は、上記の構成に限定されず、例えば表示部１４及び操作部１５等を備えていなくてもよい。

　また本実施の形態に係る情報処理装置１には、記憶部１２に記憶されたプログラム１２ａを処理部１１が読み出して実行することにより、情報取得部１１ａ、モデル生成部１１ｂ、特性値推定部１１ｃ、制御処理部１１ｄ及び表示処理部１１ｅ等が、ソフトウェア的な機能部として処理部１１に実現される。

　情報取得部１１ａは、通信部１３にて基板処理装置１０１との通信を行うことにより、基板処理装置１０１が備える複数のセンサが検知した各種のセンサ値、例えば温度又は圧力等の値を取得する。また情報取得部１１ａは、取得したセンサ値に対して基板処理装置１０１へ入力する複数の制御入力値、例えばアクチュエータの駆動量又は印加する電圧値等の値を取得する。また基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａの場合、情報取得部１１ａは、通信部１３にて特性値測定装置１０２との通信を行うことにより、特性値測定装置１０２が測定した基板の特性値を取得する。情報取得部１１ａは、取得したこれらの情報を対応付けて学習用データとし、学習用データ記憶部１２ｃに記憶する。

　モデル生成部１１ｂは、学習用データ記憶部１２ｃに記憶された学習用データを用いた機械学習の処理を行うことにより、上述の各学習モデルを生成する処理を行う。本実施の形態において各学習モデルは、例えばニューラルネットワーク、ＳＶＭ（Support Vector Machine）又はランダムフォレスト等の種々の構成の学習モデルが採用され得る。また各学習モデルは時系列的な情報を扱うものであってよく、この場合にはＲＮＮ（Recurrent Neural Network）又はＬＳＴＭ（Long Short Term Memory）等の構成の学習モデルが採用されてもよい。なおこれらの学習モデルの構造及び機械学習による学習モデルの生成方法等は、既存の技術であるため、本実施の形態においては詳細な説明を省略する。なお基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａの場合、モデル生成部１１ｂは、特性値推定モデル２０１、制御入力値決定モデル２０２及びセンサ値制御入力値関係モデル２０３を生成する。また対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂの場合、モデル生成部１１ｂは、センサ値変換モデル２０４及び制御入力値変換モデル２０５を生成する。

　特性値推定部１１ｃは、基板処理装置１０１が基板処理を行っている際に、モデル情報記憶部１２ｂに記憶された特性値推定モデル２０１及び制御入力値決定モデル２０２を用いて、基板処理装置１０１が処理する基板の特性値を推定する処理を行う。特性値推定部１１ｃは、基板処理装置１０１から取得したセンサ値と目標特性値とを制御入力値決定モデル２０２へ入力し、制御入力値決定モデル２０２が出力する制御入力値を取得し、センサ値及び制御入力値を特性値推定モデル２０１へ入力し、特性値推定モデル２０１が出力する特性値を取得する。特性値推定部１１ｃは、例えば特性値推定モデル２０１から取得した特性値と所定の閾値との比較を行って、基板処理装置１０１が処理している基板が目標特性値を満たすか否かを判定することができる。

　ただし、対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂの場合、対象基板処理装置１０１Ｂから取得したセンサ値を直接的に特性値推定モデル２０１及び制御入力値決定モデル２０２へ入力することはできない。情報処理装置１Ｂの特性値推定部１１ｃは、対象基板処理装置１０１Ｂから取得したセンサ値をセンサ値変換モデル２０４へ入力し、センサ値変換モデル２０４が出力する基準基板処理装置１０１Ａのセンサ値を取得し、このセンサ値を特性値推定モデル２０１及び制御入力値決定モデル２０２へ入力する。

　制御処理部１１ｄは、基板処理装置１０１から得られるセンサ値を基に、モデル情報記憶部１２ｂに記憶された制御入力値決定モデル２０２を用いて制御入力値を決定し、決定した制御入力値を基板処理装置１０１へ入力することで、基板処理装置１０１が行う基板処理を制御する。制御処理部１１ｄは、基板処理装置１０１から取得したセンサ値と、基板処理装置１０１が処理する基板の目標特性値とを制御入力値決定モデル２０２へ入力し、制御入力値決定モデル２０２が出力する制御入力値を取得する。制御処理部１１ｄは、取得した制御入力値を基板処理装置１０１へ入力し、基板処理装置１０１に目標特性値を満たす基板の処理を行わせる。

　ただし、対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂの場合、対象基板処理装置１０１Ｂから取得したセンサ値を直接的に制御入力値決定モデル２０２へ入力することはできない。情報処理装置１Ｂの制御処理部１１ｄは、対象基板処理装置１０１Ｂから取得したセンサ値をセンサ値変換モデル２０４へ入力し、センサ値変換モデル２０４が出力する基準基板処理装置１０１Ａのセンサ値を取得し、このセンサ値を制御入力値決定モデル２０２へ入力する。また同様に、対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂの場合、制御入力値決定モデル２０２が出力した制御入力値を対象基板処理装置１０１Ｂへ直接的に入力することはできない。情報処理装置１Ｂの制御処理部１１ｄは、制御入力値決定モデル２０２から取得した制御入力値を制御入力値変換モデル２０５へ入力し、制御入力値変換モデル２０５が出力する制御入力値を取得し、この制御入力値を対象基板処理装置１０１Ｂへ入力する。

　表示処理部１１ｅは、種々の情報を表示部１４に表示する処理を行う。表示処理部１１ｅは、例えば特性値推定部１１ｃによる特性値の推定結果を表示する。表示処理部１１ｅは、例えば基板処理装置１０１が処理する基板について推定された特性値が目標特性値を満たさないと判定された場合に、その旨を通知する警告メッセージ等を表示部１４に表示することができる。なお表示処理部１１ｅは、特性値の推定結果以外の種々の情報、例えば基板処理装置１０１が実施している基板処理の進捗状況、又は、基板処理装置１０１から取得したセンサ値の変化を示すグラフ等の情報を表示してよい。

＜学習モデルの構成及び生成方法＞
　本実施の形態に係る情報システムにおいて生成及び利用される５つの学習モデルについて説明する。なお以下に示す例では、基板処理装置１０１から取得するセンサ値を５個、基板処理装置１０１へ入力する制御入力値を３個、特性値測定装置１０２にて測定される特性値を１個としている。これは説明を簡略化することを目的としたものであり、センサ値、制御入力値及び特性値の個数は、上記の個数に限定されず、任意の個数であってよい。

　図３は、特性値推定モデル２０１の一構成例を示す模式図である。本実施の形態に係る特性値推定モデル２０１は、基準基板処理装置１０１Ａに関する５個のセンサ値１～５と、基準基板処理装置１０１Ａへ入力する３個の制御入力値１～３とを入力として受け付けて、基準基板処理装置１０１Ａが処理する基板の特性値の推定結果を出力する。情報処理装置１は、特性値推定モデル２０１が出力する特性値を基に、基板処理装置１０１が処理している基板の特性値が目標特性値を満たすものであるか否かを判断することができる。

　特性値推定モデル２０１の生成は、基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａにて行われる。情報処理装置１Ａは、特性値推定モデル２０１を生成する機械学習の処理を行うために、予め学習用データの収集を行う。図４は、学習用データの一構成例を示す模式図である。情報処理装置１Ａは、基準基板処理装置１０１Ａにて基板処理を行い、このときに基準基板処理装置１０１Ａのセンサからセンサ値１～５を取得し、このセンサ値１～５に応じて基準基板処理装置１０１Ａへ入力した制御入力値１～３を取得し、取得したセンサ値１～５及び制御入力値１～３を対応付けて記憶する。なお情報処理装置１Ａは、センサ値１～５及び制御入力値１～３の取得を所定周期で繰り返し行ってよく、学習用データ記憶部１２ｃにはセンサ値１～５及び制御入力値１～３の時系列の情報が記憶されてよい。

　また基準基板処理装置１０１Ａによる処理の終了後、処理された基板を特性値測定装置１０２が測定して得られた特性値を情報処理装置１Ａが取得し、取得した特性値をこの基盤を処理している際に取得したセンサ値１～５及び制御入力値１～３に対応付けて記憶する。情報処理装置１Ａがセンサ値１～５及び制御入力値１～３の取得を繰り返し行っている場合、複数組のセンサ値１～５及び制御入力値１～３に対して共通の特性値が対応付けて記憶され得る。

　情報処理装置１Ａは、例えば８入力１出力の構成の学習モデルに対して、学習用データ記憶部１２ｃに記憶された学習用データに含まれるセンサ値１～５及び制御入力値１～３を入力情報（説明変数）とし、特性値を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行う。これにより情報処理装置１Ａは、学習モデルの内部のパラメータを決定し、特性値推定モデル２０１を生成することができる。

　図５は、制御入力値決定モデル２０２の一構成例を示す模式図である。本実施の形態に係る制御入力値決定モデル２０２は、基準基板処理装置１０１Ａに関する５個のセンサ値１～５と、基準基板処理装置１０１Ａが処理する基板に関する目標特性値とを入力として受け付けて、基準基板処理装置１０１Ａへ入力すべき３個の制御入力値１～３を出力する。目標特性値は、基板処理装置１０１による基板処理の開始前に予め決定され、情報処理装置１の記憶部１２等に記憶される。

　制御入力値決定モデル２０２の生成は、基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａにて行われる。情報処理装置１Ａは、特性値推定モデル２０１の生成に用いた学習用データと同じデータを利用して、制御入力値決定モデル２０２の生成を行うことができる。情報処理装置１Ａは、例えば６入力３出力の構成の学習モデルに対して、学習用データ記憶部１２ｃに記憶された学習用データに含まれるセンサ値１～５及び特性値を入力情報（説明変数）とし、制御入力値１～３を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行う。これにより情報処理装置１Ａは、学習モデルの内部のパラメータを決定し、制御入力値決定モデル２０２を生成することができる。

　図６は、センサ値制御入力値関係モデル２０３の一構成例を示す模式図である。本実施の形態に係る情報処理システムでは、センサ値及び制御入力値の合計個数（本例では５＋３＝８個）のセンサ値制御入力値関係モデル２０３が生成される。図６にはこれら８個のセンサ値制御入力値関係モデル２０３のうちの２個の構成例が示されており、残りの６個については図示を省略している。

　本実施の形態に係るセンサ値制御入力値関係モデル２０３は、センサ値１～５及び制御入力値１～３のうちの１個の値を他の７個の値から推測する（補完する）学習モデルである。図６の１番目に示されたセンサ値制御入力値関係モデル２０３は、基準基板処理装置１０１Ａに関するセンサ値２～５及び制御入力値１～３を入力として受け付けて、基準基板処理装置１０１Ａに関するセンサ値１を出力する。また図６の２番目に示されたセンサ値制御入力値関係モデル２０３は、基準基板処理装置１０１Ａに関するセンサ値１，３～５及び制御入力値１～３を入力として受け付けて、基準基板処理装置１０１Ａに関するセンサ値２を出力する。同様にして、センサ値３を出力するセンサ値制御入力値関係モデル２０３、センサ値４を出力するセンサ値制御入力値関係モデル２０３、…、制御入力値３を出力するセンサ値制御入力値関係モデル２０３が存在する。

　各センサ値制御入力値関係モデル２０３の生成は、基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａにて行われる。情報処理装置１Ａは、特性値推定モデル２０１の生成に用いた学習用データと同じデータを利用して、センサ値制御入力値関係モデル２０３の生成を行うことができる。情報処理装置１Ａは、例えば７入力１出力の構成の学習モデルに対して、学習用データ記憶部１２ｃに記憶された学習用データに含まれるセンサ値１～５及び制御入力値１～３のいずれか１つを出力情報（目的変数、正解値）とし、残りの７つを入力情報（説明変数）として、いわゆる教師ありの機械学習の処理を行う。これにより情報処理装置１Ａは、学習モデルの内部のパラメータを決定し、センサ値制御入力値関係モデル２０３を生成することができる。情報処理装置１Ａは、入力情報及び出力情報の対応を入れ替えて同様の機械学習の処理を行うことにより、８種類のセンサ値制御入力値関係モデル２０３を生成する。

　図７は、センサ値変換モデル２０４の一構成例を示す模式図である。本実施の形態に係るセンサ値変換モデル２０４は、対象基板処理装置１０１Ｂに関するセンサ値１～５を入力として受け付けて、基準基板処理装置１０１Ａに関するセンサ値１～５を出力する。また図８は、制御入力値変換モデル２０５の一構成例を示す模式図である。本実施の形態に係る制御入力値変換モデル２０５は、基準基板処理装置１０１Ａに関する制御入力値１～３を入力として受け付けて、対象基板処理装置１０１Ｂに関する制御入力値１～３を出力する。

　本実施の形態に係るセンサ値変換モデル２０４及び制御入力値変換モデル２０５の生成は、対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂにて行われる。情報処理装置１Ｂは、センサ値変換モデル２０４及び制御入力値変換モデル２０５を生成する機械学習の処理を行うために、予め学習用データの収集を行う。情報処理装置１Ｂは、対象基板処理装置１０１Ｂにて所定の基板処理、例えばデータ収集用に設定又は手順等が定められた試運転などの基板処理を実施する。情報処理装置１Ｂは、このときに対象基板処理装置１０１Ｂのセンサからセンサ値１～５を取得し、このセンサ値１～５に応じて対象基板処理装置１０１Ｂへ入力した制御入力値１～３を取得する。情報処理装置１Ｂは、取得したセンサ値１～５及び制御入力値１～３を対応付けて学習用データとして記憶する。なおセンサ値変換モデル２０４及び制御入力値変換モデル２０５の生成に用いられる学習用データには、上記のセンサ値１～５及び制御入力値１～３を含み、特性値は含まなくてよい。このため対象基板処理装置１０１Ｂが処理した基板に対する特性値測定装置１０２を用いた特性値の測定は行われなくてよい。情報処理装置１Ｂは、収集したセンサ値１～５及び制御入力値１～３を対応付けた学習用データと、情報処理装置１Ａが生成したセンサ値制御入力値関係モデル２０３とを用いて、センサ値変換モデル２０４及び制御入力値変換モデル２０５を生成する。

　情報処理装置１Ａは、対象基板処理装置１０１Ｂから収集した学習用データに含まれるセンサ値１～５及び制御入力値１～３を読み出す。情報処理装置１Ａは、例えば図６の上段に示した構成のセンサ値制御入力値関係モデル２０３に対してセンサ値２～５及び制御入力値１～３を入力し、センサ値制御入力値関係モデル２０３が出力するセンサ値１を取得する。情報処理装置１Ａは、センサ値制御入力値関係モデル２０３が出力するセンサ値１を、対象基板処理装置１０１Ｂのセンサ値１に対応する基準基板処理装置１０１Ａのセンサ値１とする。同様にして、情報処理装置１Ｂは、対象基板処理装置１０１Ｂのセンサ値２～５及び制御入力値１～３に対応する基準基板処理装置１０１Ａのセンサ値２～５及び制御入力値１～３をセンサ値制御入力値関係モデル２０３から取得する。これにより情報処理装置１Ａは、対象基板処理装置１０１Ｂのセンサ値１～５及び制御入力値１～３にそれぞれ対応する基準基板処理装置１０１Ａのセンサ値１～５及び制御入力値１～３を取得することができる。

　情報処理装置１Ａは、例えば５入力５出力の構成の学習モデルに対して、学習用データに含まれる対象基板処理装置１０１Ｂのセンサ値１～５を入力情報（説明変数）とし、センサ値制御入力値関係モデル２０３から取得した基準基板処理装置１０１Ａのセンサ値１～５を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行う。これにより情報処理装置１Ａは、学習モデルの内部のパラメータを決定し、センサ値変換モデル２０４を生成する。また情報処理装置１Ａは、例えば３入力３出力の構成の学習モデルに対して、学習用データに含まれる対象基板処理装置１０１Ｂの制御入力値１～３を入力情報（説明変数）とし、センサ値制御入力値関係モデル２０３から取得した基準基板処理装置１０１Ａの制御入力値１～３を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行う。これにより情報処理装置１Ａは、学習モデルの内部のパラメータを決定し、制御入力値変換モデル２０５を生成する。

＜学習モデルの利用＞
　情報処理装置１は、上述の方法で生成された特性値推定モデル２０１、制御入力値決定モデル２０２、センサ値変換モデル２０４及び制御入力値変換モデル２０５を利用して、基板処理装置１０１の監視及び制御等を行う。図９は、情報処理装置１が行う基板処理装置１０１の監視を説明するための模式図である。図９の上段には情報処理装置１Ａが基準基板処理装置１０１Ａの監視を行う場合を示し、図９の下段には情報処理装置１Ｂが対象基板処理装置１０１Ｂの監視を行う場合を示している。

　図９上段に示すように、情報処理装置１Ａは、基準基板処理装置１０１Ａから取得したセンサ値と、処理する基板の目標特性値とを制御入力値決定モデル２０２へ入力し、制御入力値決定モデル２０２が出力する制御入力値を取得する。情報処理装置１Ａは、基準基板処理装置１０１Ａから取得したセンサ値と、制御入力値決定モデル２０２から取得した制御入力値とを特性値推定モデル２０１へ入力し、特性値推定モデル２０１が出力する特性値を取得する。情報処理装置１Ａは、例えば特性値推定モデル２０１により推定された特性値が所定範囲内であるか否かを判定し、特性値が所定範囲外である場合に異常が生じた旨を通知する。

　図９下段に示すように、情報処理装置１Ｂは、対象基板処理装置１０１Ｂから取得したセンサ値をセンサ値変換モデル２０４へ入力し、センサ値変換モデル２０４が出力するセンサ値、即ち基準基板処理装置１０１Ａのものへ変換されたセンサ値を取得する。情報処理装置１Ｂは、センサ値変換モデル２０４から取得したセンサ値と、処理する基板の目標特性値とを制御入力値決定モデル２０２へ入力し、制御入力値決定モデル２０２が出力する制御入力値を取得する。情報処理装置１Ｂは、センサ値変換モデル２０４から取得したセンサ値と、制御入力値決定モデル２０２から取得した制御入力値とを特性値推定モデル２０１へ入力し、特性値推定モデル２０１が出力する特性値を取得する。情報処理装置１Ｂは、例えば特性値推定モデル２０１により推定された特性値が所定範囲内であるか否かを判定し、特性値が所定範囲外である場合に異常が生じた旨を通知する。

　図１０は、情報処理装置１が行う基板処理装置１０１の制御を説明するための模式図である。図１０の上段には情報処理装置１Ａが基準基板処理装置１０１Ａの制御を行う場合を示し、図１０の下段には情報処理装置１Ｂが対象基板処理装置１０１Ｂの制御を行う場合を示している。

　図１０上段に示すように、情報処理装置１Ａは、基準基板処理装置１０１Ａから取得したセンサ値と、処理する基板の目標特性値とを制御入力値決定モデル２０２へ入力し、制御入力値決定モデル２０２が出力する制御入力値を取得する。情報処理装置１Ａは、制御入力値決定モデル２０２から取得した制御入力値を基準基板処理装置１０１Ａへ入力することによって、目標特性値に応じた基板の処理を基準基板処理装置１０１Ａに実施させる。

　図１０下段に示すように、情報処理装置１Ｂは、対象基板処理装置１０１Ｂから取得したセンサ値をセンサ値変換モデル２０４へ入力し、センサ値変換モデル２０４が出力するセンサ値、即ち基準基板処理装置１０１Ａのものへ変換されたセンサ値を取得する。情報処理装置１Ｂは、センサ値変換モデル２０４から取得したセンサ値と、処理する基板の目標特性値とを制御入力値決定モデル２０２へ入力し、制御入力値決定モデル２０２が出力する制御入力値を取得する。情報処理装置１Ｂは、制御入力値決定モデル２０２から取得した制御入力値を制御入力値変換モデル２０５へ入力し、制御入力値変換モデル２０５が出力する制御入力値、即ち対象基板処理装置１０１Ｂのものに変換された制御入力値を取得する。情報処理装置１Ｂは、制御入力値変換モデル２０５から取得した制御入力値を対象基板処理装置１０１Ｂへ入力することによって、目標特性値に応じた基板の処理を対象基板処理装置１０１Ｂに実施させる。

　このように情報処理装置１Ｂは、センサ値変換モデル２０４及び制御入力値変換モデル２０５を介在させることによって、基準基板処理装置１０１Ａの監視及び制御等を行うために生成された特性値推定モデル２０１及び制御入力値決定モデル２０２を利用して、対象基板処理装置１０１Ｂの監視及び制御等を行うことができる。

＜フローチャート＞
　図１１は、本実施の形態に係る情報処理装置１Ａが行う学習モデル生成処理の手順の一例を示すフローチャートである。本実施の形態に係る情報処理装置１Ａは、例えば正常に動作することが確認されている基準基板処理装置１０１Ａにて所定の基板処理、例えばデータ収集用に設定又は手順等が定められた試運転などの基板処理を実施し、機械学習のためのデータ収集を行う。情報処理装置１Ａの処理部１１の情報取得部１１ａは、通信部１３にて基準基板処理装置１０１Ａとの通信を行い、基準基板処理装置１０１Ａに設けられた一又は複数のセンサが検出したセンサ値を取得する（ステップＳ１）。情報取得部１１ａは、ステップＳ１にて取得したセンサ値に対して基準基板処理装置１０１Ａへ入力した制御入力値を取得する（ステップＳ２）。また情報取得部１１ａは、基準基板処理装置１０１Ａが処理した基板を特性値測定装置１０２が測定して得られる特性値を、通信部１３にて特性値測定装置１０２との通信を行うことで取得する（ステップＳ３）。

　情報取得部１１ａは、ステップＳ１にて取得したセンサ値、ステップＳ２にて取得した制御入力値及びステップＳ３にて取得した特性値を対応付けて学習用データとして学習用データ記憶部１２ｃに記憶する（ステップＳ４）。情報取得部１１ａは、例えば機械学習の実施に十分なデータが収集できたか否かに基づき、学習用データの収集を完了するか否かを判定する（ステップＳ５）。学習用データの収集を完了しない場合（Ｓ５：ＮＯ）、情報取得部１１ａは、ステップＳ１へ処理を戻し、学習用データの収集を継続して行う。学習用データの収集を完了する場合（Ｓ５：ＹＥＳ）、情報取得部１１ａは、ステップＳ６へ処理を進める。

　処理部１１のモデル生成部１１ｂは、学習用データ記憶部１２ｃに記憶された学習用データを読み出す（ステップＳ６）。モデル生成部１１ｂは、ステップＳ６にて読み出した学習用データに含まれるセンサ値及び制御入力値を入力情報（説明変数）とし、対応する特性値を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行うことで、特性値推定モデル２０１を生成する（ステップＳ７）。モデル生成部１１ｂは、学習用データに含まれるセンサ値及び特性値を入力情報（説明変数）とし、対応する制御入力値を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行うことで、制御入力値決定モデル２０２を生成する（ステップＳ８）。

　モデル生成部１１ｂは、学習用データに含まれる複数のセンサ値及び制御入力値のいずれか１つを出力情報（目的変数、正解値）とし、残りのセンサ値及び制御入力値を入力情報（説明変数）として、いわゆる教師ありの機械学習の処理を行う。これによりモデル生成部１１ｂは、出力情報とした１つのセンサ値又は制御入力値についてのセンサ値制御入力値関係モデル２０３を生成する。モデル生成部１１ｂは、入力情報及び出力情報の対応を入れ替えて同様の機械学習の処理を行うことにより、センサ値又は制御入力値の各値についてセンサ値制御入力値関係モデル２０３を生成する（ステップＳ９）。

　モデル生成部１１ｂは、ステップＳ７にて生成した特性値推定モデル２０１、ステップＳ８にて生成した制御入力値決定モデル２０２、及び、ステップＳ９にて生成した複数のセンサ値制御入力値関係モデル２０３に関する情報、例えば学習モデルの構成に関する情報及び機械学習により決定されたパラメータ等の情報をモデル情報記憶部１２ｂに記憶して（ステップＳ１０）、処理を終了する。

　図１２は、本実施の形態に係る情報処理装置１Ｂが行う学習モデル生成処理の手順の一例を示すフローチャートである。本実施の形態に係る情報処理装置１Ｂは、例えば基板処理工場に新たに導入された対象基板処理装置１０１Ｂにて所定の基板処理、例えばデータ収集用に設定又は手順等が定められた試運転などの基板処理を実施し、機械学習のためのデータ収集を行う。情報処理装置１Ｂの処理部１１の情報取得部１１ａは、通信部１３にて対象基板処理装置１０１Ｂとの通信を行い、対象基板処理装置１０１Ｂに設けられた一又は複数のセンサが検出したセンサ値を取得する（ステップＳ２１）。情報取得部１１ａは、ステップＳ２１にて取得したセンサ値に対して対象基板処理装置１０１Ｂへ入力した制御入力値を取得する（ステップＳ２２）。

　情報取得部１１ａは、ステップＳ２１にて取得したセンサ値及びステップＳ２２にて取得した制御入力値を対応付けて学習用データとして学習用データ記憶部１２ｃに記憶する（ステップＳ２３）。情報取得部１１ａは、例えば機械学習の実施に十分なデータが収集できたか否かに基づき、学習用データの収集を完了するか否かを判定する（ステップＳ２４）。学習用データの収集を完了しない場合（Ｓ２４：ＮＯ）、情報取得部１１ａは、ステップＳ２１へ処理を戻し、学習用データの収集を継続して行う。学習用データの収集を完了する場合（Ｓ２４：ＹＥＳ）、情報取得部１１ａは、ステップＳ２５へ処理を進める。

　処理部１１のモデル生成部１１ｂは、例えば通信部１３にて情報処理装置１Ａとの通信を行うことにより、又は、例えば記録媒体を介した情報の授受を行うことにより、情報処理装置１Ａが生成した特性値推定モデル２０１、制御入力値決定モデル２０２及びセンサ値制御入力値関係モデル２０３に関する情報を取得して（ステップＳ２５）、モデル情報記憶部１２ｂに記憶する。モデル生成部１１ｂは、モデル情報記憶部１２ｂに記憶されたセンサ値制御入力値関係モデル２０３を読み出す（ステップＳ２６）。モデル生成部１１ｂは、学習用データ記憶部１２ｃに記憶された学習用データに含まれる対象基板処理装置１０１Ｂのセンサ値及び制御入力値と、ステップＳ２６にて読み出したセンサ値制御入力値関係モデル２０３とを基に、基準基板処理装置１０１Ａのセンサ値及び制御入力値を生成する（ステップＳ２７）。

　モデル生成部１１ｂは、学習用データに含まれる対象基板処理装置１０１Ｂのセンサ値を入力情報（説明変数）とし、ステップＳ２７にてセンサ値制御入力値関係モデル２０３から取得した基準基板処理装置１０１Ａのセンサ値を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行う。これによりモデル生成部１１ｂは、センサ値変換モデル２０４を生成する（ステップＳ２８）。またモデル生成部１１ｂは、学習用データに含まれる対象基板処理装置１０１Ｂの制御入力値を入力情報（説明変数）とし、ステップＳ２７にてセンサ値制御入力値関係モデル２０３から取得した基準基板処理装置１０１Ａの制御入力値を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行う。これによりモデル生成部１１ｂは、制御入力値変換モデル２０５を生成する（ステップＳ２９）。

　モデル生成部１１ｂは、ステップＳ２８にて生成したセンサ値変換モデル２０４、及び、ステップＳ２９にて生成した制御入力値変換モデル２０５に関する情報、例えば学習モデルの構成に関する情報及び機械学習により決定されたパラメータ等の情報をモデル情報記憶部１２ｂに記憶して（ステップＳ３０）、処理を終了する。

　図１３及び図１４は、本実施の形態に係る情報処理装置１が行う基板処理装置１０１の監視及び制御処理の手順の一例を示すフローチャートである。本実施の形態に係る情報処理装置１の処理部１１の情報取得部１１ａは、通信部１３にて基板処理装置１０１との通信を行い、基板処理装置１０１に設けられた一又は複数のセンサが検出したセンサ値を取得する（ステップＳ４１）。情報取得部１１ａは、ステップＳ４１にて取得したセンサ値について、対象基板処理装置１０１Ｂのセンサ値から基準基板処理装置１０１Ａのセンサ値への変換が必要であるか否かを判定する（ステップＳ４２）。

　例えば、本実施の形態に係る情報処理システムにおいては、情報処理装置１が基準基板処理装置１０１Ａの監視及び制御を行う情報処理装置１Ａ又は対象基板処理装置１０１Ｂの監視及び制御を行う情報処理装置１Ｂのいずれであるかを示す設定情報が予めユーザ等により入力され記憶部１２等に記憶されている。情報取得部１１ａは、この設定情報を読み出して自身が情報処理装置１Ａ又は情報処理装置１Ｂのいずれであるかを判定することにより、センサ値の変換の要否を判定することができる。情報取得部１１ａは、自身が対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂであり、センサ値の変換が必要であると判定した場合（Ｓ４２：ＹＥＳ）、モデル情報記憶部１２ｂに記憶されたセンサ値変換モデル２０４を用いて、ステップＳ４１にて取得した対象基板処理装置１０１Ｂのセンサ値を基準基板処理装置１０１Ａのセンサ値へ変換し（ステップＳ４３）、ステップＳ４４へ処理を進める。情報取得部１１ａは、自身が基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａであり、センサ値の変換が必要ではないと判定した場合（Ｓ４２：ＮＯ）、ステップＳ４４へ処理を進める。

　処理部１１の制御処理部１１ｄは、ステップＳ４１にて取得したセンサ値又はこれをステップＳ４３にて変換したセンサ値と、基板処理装置１０１が処理する基板の目標特性値とを、モデル情報記憶部１２ｂに記憶された制御入力値決定モデル２０２へ入力する。そして制御処理部１１ｄは、制御入力値決定モデル２０２が出力する制御入力値を取得することで、センサ値及び目標特性値に応じた制御入力値を決定する（ステップＳ４４）。なお目標特性値は、予めユーザ等により入力され、設定情報として記憶部１２に記憶されている。

　処理部１１の特性値推定部１１ｃは、ステップＳ４１にて取得したセンサ値又はこれをステップＳ４３にて変換したセンサ値と、ステップＳ４４にて決定した制御入力値とを、モデル情報記憶部１２ｂに記憶された特性値推定モデル２０１へ入力する。特性値推定部１１ｃは、特性値推定モデル２０１が出力する特性値を取得することにより、基板処理装置１０１が処理する基板の特性値を推定する（ステップＳ４５）。特性値推定部１１ｃは、ステップＳ４５にて推定した特性値に基づき、例えばこの特性値が閾値を超えるか否か等を判断することにより、基板処理装置１０１が実施する基板処理に関する異常の有無を判定する（ステップＳ４６）。異常ありと判定した場合（Ｓ４６：ＹＥＳ）、処理部１１の表示処理部１１ｅは、例えば異常の発生を通知するメッセージ等を表示部１２４に表示することにより、ユーザへ異常を通知する（ステップＳ４７）。制御処理部１１ｄは、異常が生じた基板処理を停止して（ステップＳ４８）、処理を終了する。

　推定した特性値に基づいて異常なしと判定した場合（Ｓ４６：ＮＯ）、制御処理部１１ｄは、ステップＳ４４にて決定した制御入力値について、基準基板処理装置１０１Ａの制御入力値から対象基板処理装置１０１Ｂの制御入力値への変換が必要であるか否かを判定する（ステップＳ４９）。上述のように本実施の形態に係る情報処理システムにおいては、情報処理装置１が基準基板処理装置１０１Ａの監視及び制御を行う情報処理装置１Ａ又は対象基板処理装置１０１Ｂの監視及び制御を行う情報処理装置１Ｂのいずれであるかを示す設定情報が記憶部１２等に記憶されている。制御処理部１１ｄは、この設定情報を読み出して自身が情報処理装置１Ａ又は情報処理装置１Ｂのいずれであるかを判定することにより、制御入力値の変換の要否を判定することができる。

　制御処理部１１ｄは、自身が対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１Ｂであり、制御入力値の変換が必要であると判定した場合（Ｓ４９：ＹＥＳ）、モデル情報記憶部１２ｂに記憶された制御入力値変換モデル２０５を用いて、ステップＳ４４にて取得した基準基板処理装置１０１Ａの制御入力値を対象基板処理装置１０１Ｂの制御入力値へ変換し（ステップＳ５０）、ステップＳ５１へ処理を進める。制御処理部１１ｄは、自身が基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａであり、制御入力値の変換が必要ではないと判定した場合（Ｓ４９：ＮＯ）、ステップＳ５１へ処理を進める。

　制御処理部１１ｄは、ステップＳ４４にて決定した制御入力値又はこれをステップＳ５０にて変換した制御入力値を、基板処理装置１０１へ入力する（ステップＳ５１）。これにより制御処理部１１ｄは、基板処理装置１０１による基板処理を制御することができる。制御処理部１１ｄは、基板処理装置１０１による基板の処理が完了したか否かを判定する（ステップＳ５２）。基板の処理を完了していない場合（Ｓ５２：ＮＯ）、制御処理部１１ｄは、ステップＳ４１へ処理を戻し、上述の処理を繰り返し行う。基板の処理を完了した場合（Ｓ５２：ＹＥＳ）、制御処理部１１ｄは、基板処理装置１０１の監視及び制御等の処理を終了する。

＜まとめ＞
　以上の構成の本実施の形態に係る情報処理システムでは、情報処理装置１が対象基板処理装置１０１Ｂのセンサ値を取得する。情報処理装置１は、取得した対象基板処理装置１０１Ｂのセンサ値を、対象基板処理装置１０１Ｂのセンサ値を入力として受け付けて基準基板処理装置１０１Ａのセンサ値を出力するよう機械学習がなされたセンサ値変換モデル２０４へ入力する。情報処理装置１は、センサ値変換モデル２０４が出力する基準基板処理装置１０１Ａのセンサ値を取得する。情報処理装置１は、取得した基準基板処理装置１０１Ａのセンサ値を所望の目標特性値（目標値）と共に、目標特性値及び基準基板処理装置１０１Ａのセンサ値を入力として受け付けて基準基板処理装置１０１Ａの制御入力値を出力するよう機械学習がなされた制御入力値決定モデル２０２へ入力する。情報処理装置１は、制御入力値決定モデル２０２が出力する基準基板処理装置１０１Ａの制御入力値を取得する。情報処理装置１は、取得した基準基板処理装置１０１Ａの制御入力値を、基準基板処理装置１０１Ａの制御入力値を入力として受け付けて対象基板処理装置１０１Ｂの制御入力値を出力するよう機械学習がなされた制御入力値変換モデル２０５へ入力する。情報処理装置１は、制御入力値変換モデル２０５が出力する対象基板処理装置１０１Ｂの制御入力値を取得する。情報処理装置１は、取得した制御入力値を基に対象基板処理装置１０１Ｂを制御する。

　これにより本実施の形態に係る情報処理システムでは、対象基板処理装置１０１Ｂを制御する情報処理装置１が、基準基板処理装置１０１Ａのために生成された制御入力値決定モデル２０２を用いて、対象基板処理装置１０１Ｂを制御することができる。よって本実施の形態に係る情報処理システムは、基準基板処理装置１０１Ａとの機差をセンサ値変換モデル２０４及び制御入力値変換モデル２０５を利用して補正し、対象基板処理装置１０１Ｂを制御することが期待できる。

　また本実施の形態に係る情報処理システムでは、情報処理装置１が対象基板処理装置１０１Ｂのセンサ値及び制御入力値を対応付けた学習用データを取得する。情報処理装置１は、基準基板処理装置１０１Ａに関して予め生成されたセンサ値制御入力値関係モデル２０３と取得した学習用データとを基に、対象基板処理装置１０１Ｂのセンサ値及び制御入力値に対応する基準基板処理装置１０１Ａのセンサ値及び制御入力値を取得する。センサ値制御入力値関係モデル２０３は、複数のセンサ値及び制御入力値のうちの一部を入力として受け付けて、この一部に含まれない基準基板処理装置１０１Ａのセンサ値又は制御入力値を出力するよう機械学習がなされた学習モデルである。情報処理装置１は、対象基板処理装置１０１Ｂのセンサ値及び基準基板処理装置１０１Ａのセンサ値に基づく機械学習によりセンサ値変換モデル２０４を生成する。また情報処理装置１は、対象基板処理装置１０１Ｂの制御入力値及び基準基板処理装置１０１Ａの制御入力値に基づく機械学習により制御入力値変換モデル２０５を生成する。

　また本実施の形態に係る情報処理システムでは、基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１が、基準基板処理装置１０１Ａのセンサ値及び制御入力値を対応付けた学習用データを取得する。情報処理装置１は、学習用データを用いた機械学習によりセンサ値制御入力値関係モデル２０３を生成する。

　これらにより本実施の形態に係る情報処理システムは、基準基板処理装置１０１Ａに関するセンサ値制御入力値関係モデル２０３を用いて、対象基板処理装置１０１Ｂの監視及び制御等を行う情報処理装置１がセンサ値変換モデル２０４及び制御入力値変換モデル２０５を生成して利用することが可能となる。

　また本実施の形態に係る情報処理システムでは、基準基板処理装置１０１Ａに関するセンサ値、制御入力値及び特性値を対応付けた学習用データを情報処理装置１が取得し、この学習用データを用いた機械学習により制御入力値決定モデル２０２を生成する。また情報処理装置１は、この学習用データを用いて、基準基板処理装置１０１Ａのセンサ値及び制御入力値を入力として受け付けて基準基板処理装置１０１Ａの特性値を出力する特性値推定モデルを生成する。これらの学習モデルを利用することにより、情報処理装置１は、基準基板処理装置１０１Ａの監視及び制御等を行うことができる。またこれらの学習モデルと上述のセンサ値変換モデル２０４及び制御入力値変換モデル２０５を組み合わせることにより、情報処理装置１は、対象基板処理装置１０１Ｂの監視及び制御等を行うことができる。

　また本実施の形態に係る情報処理システムでは、情報処理装置１が、対象基板処理装置１０１Ｂのセンサ値を取得し、取得したセンサ値をセンサ値変換モデル２０４へ入力して、センサ値変換モデル２０４が出力する基準基板処理装置１０１Ａのセンサ値を取得する。情報処理装置１は、取得した基準基板処理装置１０１Ａのセンサ値を所望の目標特性値と共に制御入力値決定モデル２０２へ入力して、制御入力値決定モデル２０２が出力する基準基板処理装置１０１Ａの制御入力値を取得する。情報処理装置１は、基準基板処理装置１０１Ａのセンサ値及び制御入力値を特性値推定モデル２０１へ入力して、特性値推定モデル２０１が出力する基準基板処理装置１０１Ａの特性値を取得する。情報処理装置１は、取得した特性値に関する情報、例えば特性値に基づく異常有無の判定結果などを出力する。

　これにより本実施の形態に係る情報処理システムでは、対象基板処理装置１０１Ｂを制御する情報処理装置１が、基準基板処理装置１０１Ａのために生成された特性値推定モデル２０１を用いて、対象基板処理装置１０１Ｂの異常有無等を監視することができる。よって本実施の形態に係る情報処理システムは、基準基板処理装置１０１Ａとの機差をセンサ値変換モデル２０４及び制御入力値変換モデル２０５を利用して補正し、対象基板処理装置１０１Ｂを監視することが期待できる。

＜実施の形態２＞
　図１５は、実施の形態２に係る制御入力値決定モデル２２２の一構成例を示す模式図である。上述の制御入力値決定モデル２０２は、基準基板処理装置１０１Ａに関するセンサ値１～５及び目標特性値を入力として受け付けて、基準基板処理装置１０１Ａへ入力すべき制御入力値１～３を出力する構成であった（図５参照）。制御入力値決定モデルが入力として受け付ける目標値は、この目標特性値に限らない。実施の形態２に係る制御入力値決定モデル２２２は、基準基板処理装置１０１Ａに関するセンサ値１～５と、これらセンサ値１～５の目標値である目標センサ値１～５とを入力として受け付けて、基準基板処理装置１０１Ａへ入力すべき制御入力値１～３を出力する構成である。

　実施の形態２に係る情報処理装置１は、制御入力値決定モデル２０２に代えて又は制御入力値決定モデル２０２と共に、図１５に示した構成の制御入力値決定モデル２２２を備える。実施の形態２に係る情報処理装置１Ａは、制御入力値決定モデル２２２を用いたフィードバック制御を行うことにより、基準基板処理装置１０１Ａが出力するセンサ値が目標センサ値となるように、基板処理を行わせることができる。

　実施の形態２に係る制御入力値決定モデル２２２の生成は、例えば基準基板処理装置１０１Ａの監視及び制御等を行う情報処理装置１Ａにて行われる。情報処理装置１Ａは、例えば基準基板処理装置１０１Ａにて基板処理を行い、このときの目標センサ値と、基準基板処理装置１０１Ａへ入力した制御入力値と、基準基板処理装置１０１Ａのセンサから取得したセンサ値とを対応付けた学習用データを学習用データ記憶部１２ｃに記憶して蓄積する。情報処理装置１Ａは、学習用データに含まれるセンサ値及び目標センサ値を入力情報（説明変数）とし、制御入力値を出力情報（目的変数、正解値）として、いわゆる教師ありの機械学習の処理を行うことにより、制御入力値決定モデル２２２を生成することができる。

　図１６は、情報処理装置１Ａが行う基準基板処理装置１０１Ａの制御を説明するための模式図である。情報処理装置１Ａは、基準基板処理装置１０１Ａから取得したセンサ値と、センサの目標値となる目標センサ値とを制御入力値決定モデル２２２へ入力し、制御入力値決定モデル２２２が出力する制御入力値を取得する。情報処理装置１Ａは、制御入力値決定モデル２２２から取得した制御入力値を基準基板処理装置１０１Ａへ入力することによって、目標センサ値に応じた基板処理を基準基板処理装置１０１Ａに実施させ、このときの基準基板処理装置１０１Ａのセンサ値を取得する。

　情報処理装置１Ａは、取得したセンサ値をフィードバックして制御入力値決定モデル２２２へ入力する。このときに情報処理装置１Ａは、以前と同じ目標センサ値を制御入力値決定モデル２２２へ入力する。情報処理装置１Ａは、制御入力値決定モデル２２２が出力する制御入力値を取得して基準基板処理装置１０１Ａへ入力し、基準基板処理装置１０１Ａが出力するセンサ値を取得する。情報処理装置１Ａがこの処理サイクルを繰り返し行うことによって、基準基板処理装置１０１Ａが出力するセンサ値を目標センサ値に近づけることができる。

　図１７は、情報処理装置１Ｂが行う対象基板処理装置１０１Ｂの制御を説明するための模式図である。情報処理装置１Ｂは、対象基板処理装置１０１Ｂから取得したセンサ値をセンサ値変換モデル２０４へ入力し、センサ値変換モデル２０４が出力する基準基板処理装置１０１Ａのセンサ値を取得する。情報処理装置１Ｂは、センサ値変換モデル２０４から取得した基準基板処理装置１０１Ａのセンサ値と、センサの目標値となる目標センサ値とを制御入力値決定モデル２２２へ入力し、制御入力値決定モデル２２２が出力する基準基板処理装置１０１Ａのための制御入力値を取得する。情報処理装置１Ｂは、取得した基準基板処理装置１０１Ａのための制御入力値を制御入力値変換モデル２０５へ入力し、制御入力値変換モデル２０５が出力する対象基板処理装置１０１Ｂのための制御入力値を取得する。情報処理装置１Ｂは、制御入力値変換モデル２０５から取得した制御入力値を対象基板処理装置１０１Ｂへ入力することによって、目標センサ値に応じた基板処理を対象基板処理装置１０１Ｂに実施させ、このときの対象基板処理装置１０１Ｂのセンサ値を取得する。

　情報処理装置１Ｂがこの処理サイクルを繰り返し行うことによって、対象基板処理装置１０１Ｂが出力するセンサ値を目標センサ値に近づけることができる。また情報処理装置１Ｂは、センサ値変換モデル２０４及び制御入力値変換モデル２０５を用いることによって、基準基板処理装置１０１Ａを制御するために生成された制御入力値決定モデル２２２を用いて、対象基板処理装置１０１Ｂの制御を行うことができる。

　なお、実施の形態２に係る情報処理システムのその他の構成は、実施の形態１に係る情報処理システムと同様であるため、同様の箇所には同じ符号を付し、詳細な説明を省略する。

　今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本開示の範囲は、上記した意味ではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

　各実施形態に記載した事項は相互に組み合わせることが可能である。また、請求の範囲に記載した独立請求項及び従属請求項は、引用形式に関わらず全てのあらゆる組み合わせにおいて、相互に組み合わせることが可能である。さらに、請求の範囲には他の２以上のクレームを引用するクレームを記載する形式（マルチクレーム形式）を用いているが、これに限るものではない。マルチクレームを少なくとも１つ引用するマルチクレーム（マルチマルチクレーム）を記載する形式を用いて記載してもよい。

　１，１Ａ，１Ｂ　情報処理装置（コンピュータ）
　１１　処理部
　１１ａ　情報取得部
　１１ｂ　モデル生成部
　１１ｃ　特性値推定部
　１１ｄ　制御処理部
　１１ｅ　表示処理部
　１２　記憶部
　１２ａ　プログラム（コンピュータプログラム）
　１２ｂ　モデル情報記憶部
　１２ｃ　学習用データ記憶部
　１３　通信部
　１４　表示部
　１５　操作部
　１０１　基板処理装置
　１０１Ａ　基準基板処理装置（基準装置）
　１０１Ｂ　対象基板処理装置（対象装置）
　２０１　特性値推定モデル
　２０２　制御入力値決定モデル
　２０３　センサ値制御入力値関係モデル
　２０４　センサ値変換モデル
　２０５　制御入力値変換モデル

Claims

　情報処理装置が、
　対象装置のセンサ値を取得し、
　取得した前記対象装置のセンサ値を、前記対象装置のセンサ値を入力として受け付けて基準装置のセンサ値を出力するよう機械学習がなされたセンサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得し、
　取得した前記基準装置のセンサ値を所望の目標値と共に、目標値及び前記基準装置のセンサ値を入力として受け付けて前記基準装置の制御入力値を出力するよう機械学習がなされた制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得し、
　取得した前記基準装置の制御入力値を、前記基準装置の制御入力値を入力として受け付けて前記対象装置の制御入力値を出力するよう機械学習がなされた制御入力値変換モデルへ入力して、前記制御入力値変換モデルが出力する前記対象装置の制御入力値を取得し、
　取得した前記対象装置の制御入力値を基に前記対象装置を制御する
　情報処理方法。
　前記対象装置についてセンサ値及び制御入力値を対応付けた学習用データを取得し、
　複数のセンサ値及び制御入力値のうちの一部を入力として受け付けて前記一部に含まれない前記基準装置のセンサ値又は制御入力値を出力するよう機械学習がなされたセンサ値制御入力値関係モデルと、取得した前記学習用データとを基に、前記学習用データに含まれる前記対象装置のセンサ値及び制御入力値に対応する前記基準装置のセンサ値及び制御入力値を取得し、
　前記学習用データに含まれるセンサ値及び取得した前記基準装置のセンサ値に基づく機械学習により前記センサ値変換モデルを生成し、
　前記学習用データに含まれる制御入力値及び取得した前記基準装置の制御入力値に基づく機械学習により前記制御入力値変換モデルを生成する、
　請求項１に記載の情報処理方法。
　前記基準装置についてセンサ値及び制御入力値を対応付けた学習用データを取得し、
　取得した前記学習用データを用いた機械学習により前記センサ値制御入力値関係モデルを生成する、
　請求項２に記載の情報処理方法。
　前記基準装置についてセンサ値、制御入力値及び特性値を対応付けた学習用データを取得し、
　取得した前記学習用データに基づいて前記制御入力値決定モデルを生成する、
　請求項１に記載の情報処理方法。
　取得した前記学習用データに基づいて、前記基準装置のセンサ値及び制御入力値を入力として受け付けて前記基準装置の特性値を出力する特性値推定モデルを生成する、
　請求項４に記載の情報処理方法。
　対象装置のセンサ値を取得し、
　取得した前記対象装置のセンサ値を前記センサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得し、
　取得した前記基準装置のセンサ値を所望の目標値と共に前記制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得し、
　取得した前記基準装置のセンサ値及び制御入力値を前記特性値推定モデルへ入力して、前記特性値推定モデルが出力する前記基準装置の特性値を取得し、
　取得した前記特性値に関する情報を出力する、
　請求項５に記載の情報処理方法。
　取得した前記特性値を基に異常の有無を判定し、
　判定した異常の有無に関する情報を出力する、
　請求項６に記載の情報処理方法。
　情報処理装置が、
　対象装置のセンサ値を取得し、
　取得した前記対象装置のセンサ値を、前記対象装置のセンサ値を入力として受け付けて基準装置のセンサ値を出力するよう機械学習がなされたセンサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得し、
　取得した前記基準装置のセンサ値を所望の目標値と共に、目標値及び前記基準装置のセンサ値を入力として受け付けて前記基準装置の制御入力値を出力するよう機械学習がなされた制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得し、
　取得した前記基準装置のセンサ値及び制御入力値を、前記基準装置のセンサ値及び制御入力値を入力として受け付けて前記基準装置の特性値を出力するよう機械学習がなされた特性値推定モデルへ入力して、前記特性値推定モデルが出力する前記基準装置の特性値を取得し、
　取得した前記基準装置の特性値に関する情報を出力する、
　情報処理方法。
　コンピュータに、
　対象装置のセンサ値を取得し、
　取得した前記対象装置のセンサ値を、前記対象装置のセンサ値を入力として受け付けて基準装置のセンサ値を出力するよう機械学習がなされたセンサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得し、
　取得した前記基準装置のセンサ値を所望の目標値と共に、目標値及び前記基準装置のセンサ値を入力として受け付けて前記基準装置の制御入力値を出力するよう機械学習がなされた制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得し、
　取得した前記基準装置の制御入力値を、前記基準装置の制御入力値を入力として受け付けて前記対象装置の制御入力値を出力するよう機械学習がなされた制御入力値変換モデルへ入力して、前記制御入力値変換モデルが出力する前記対象装置の制御入力値を取得し、
　取得した前記対象装置の制御入力値を基に前記対象装置を制御する
　処理を実行させる、コンピュータプログラム。
　コンピュータに、
　対象装置のセンサ値を取得し、
　取得した前記対象装置のセンサ値を、前記対象装置のセンサ値を入力として受け付けて基準装置のセンサ値を出力するよう機械学習がなされたセンサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得し、
　取得した前記基準装置のセンサ値を所望の目標値と共に、目標値及び前記基準装置のセンサ値を入力として受け付けて前記基準装置の制御入力値を出力するよう機械学習がなされた制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得し、
　取得した前記基準装置のセンサ値及び制御入力値を、前記基準装置のセンサ値及び制御入力値を入力として受け付けて前記基準装置の特性値を出力するよう機械学習がなされた特性値推定モデルへ入力して、前記特性値推定モデルが出力する前記基準装置の特性値を取得し、
　取得した前記基準装置の特性値に関する情報を出力する
　処理を実行させる、コンピュータプログラム。
　処理部を備える情報処理装置であって、
　対象装置のセンサ値を取得する第１の取得部と、
　取得した前記対象装置のセンサ値を、前記対象装置のセンサ値を入力として受け付けて基準装置のセンサ値を出力するよう機械学習がなされたセンサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得する第２の取得部と、
　取得した前記基準装置のセンサ値を所望の目標値と共に、目標値及び前記基準装置のセンサ値を入力として受け付けて前記基準装置の制御入力値を出力するよう機械学習がなされた制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得する第３の取得部と、
　取得した前記基準装置の制御入力値を、前記基準装置の制御入力値を入力として受け付けて前記対象装置の制御入力値を出力するよう機械学習がなされた制御入力値変換モデルへ入力して、前記制御入力値変換モデルが出力する前記対象装置の制御入力値を取得する第４の取得部と、
　取得した前記対象装置の制御入力値を基に前記対象装置を制御する制御処理部と
　を備える、情報処理装置。
　処理部を備える情報処理装置であって、
　前記処理部は、
　対象装置のセンサ値を取得する第１の取得部と、
　取得した前記対象装置のセンサ値を、前記対象装置のセンサ値を入力として受け付けて基準装置のセンサ値を出力するよう機械学習がなされたセンサ値変換モデルへ入力して、前記センサ値変換モデルが出力する前記基準装置のセンサ値を取得する第２の取得部と、
　取得した前記基準装置のセンサ値を所望の目標値と共に、目標値及び前記基準装置のセンサ値を入力として受け付けて前記基準装置の制御入力値を出力するよう機械学習がなされた制御入力値決定モデルへ入力して、前記制御入力値決定モデルが出力する前記基準装置の制御入力値を取得する第３の取得部と、
　取得した前記基準装置のセンサ値及び制御入力値を、前記基準装置のセンサ値及び制御入力値を入力として受け付けて前記基準装置の特性値を出力するよう機械学習がなされた特性値推定モデルへ入力して、前記特性値推定モデルが出力する前記基準装置の特性値を取得する第４の取得部と、
　取得した前記基準装置の特性値に関する情報を出力する出力部と
　を備える、情報処理装置。