知財求人 - 知財ポータルサイト「IP Force」
▶ インターナショナル・ビジネス・マシーンズ・コーポレーションの特許一覧
特許7491651オン・ウェーハ測定を予測するための多段ＬＳＴＭを用いたツール制御
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-05-20
(45)【発行日】2024-05-28
(54)【発明の名称】オン・ウェーハ測定を予測するための多段ＬＳＴＭを用いたツール制御
(51)【国際特許分類】
H01L 21/66 20060101AFI20240521BHJP
G06N 3/04 20230101ALI20240521BHJP
G05B 13/02 20060101ALI20240521BHJP
H01L 21/02 20060101ALI20240521BHJP
【ＦＩ】
H01L21/66 Z
G06N3/04
G05B13/02 L
H01L21/02 Z
【請求項の数】
9
(21)【出願番号】P 2022521521
(86)(22)【出願日】2020-09-09
(65)【公表番号】
(43)【公表日】2023-01-10
(86)【国際出願番号】 IB2020058381
(87)【国際公開番号】W WO2021069984
(87)【国際公開日】2021-04-15
【審査請求日】2023-02-24
(31)【優先権主張番号】16/596,732
(32)【優先日】2019-10-08
(33)【優先権主張国・地域又は機関】US
(73)【特許権者】
【識別番号】390009531
【氏名又は名称】インターナショナル・ビジネス・マシーンズ・コーポレーション
【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ
【住所又は居所原語表記】Ｎｅｗ Ｏｒｃｈａｒｄ Ｒｏａｄ， Ａｒｍｏｎｋ， Ｎｅｗ Ｙｏｒｋ １０５０４， Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ
(74)【代理人】
【識別番号】100112690
【弁理士】
【氏名又は名称】太佐 種一
(72)【発明者】
【氏名】ファン、ティエン、ズン
(72)【発明者】
【氏名】ベースマン、ロバート
(72)【発明者】
【氏名】ムラリダ、ラマチャンドラン
(72)【発明者】
【氏名】ティプー、ファテー
(72)【発明者】
【氏名】グェン、ナム
【審査官】庄司 一隆
(56)【参考文献】
【文献】特開平０６－３４８６７９（ＪＰ，Ａ）
【文献】米国特許第０５４６７８８３（ＵＳ，Ａ）
【文献】特開２００６－０２４１９５（ＪＰ，Ａ）
【文献】特表２００５－５３６８８７（ＪＰ，Ａ）
【文献】米国特許出願公開第２００４／００４０００１（ＵＳ，Ａ１）
【文献】特表２００６－５０６８００（ＪＰ，Ａ）
【文献】国際公開第０３／０８１６６３（ＷＯ，Ａ２）
【文献】特開２００６－１５７０２９（ＪＰ，Ａ）
【文献】特開２００５－１５０３４０（ＪＰ，Ａ）
【文献】特開２０１９－０４７１００（ＪＰ，Ａ）
【文献】特開２００４－１５７０２９（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｈ０１Ｌ ２１／６６
Ｇ０６Ｎ ３／０４
Ｇ０５Ｂ １３／０２
Ｈ０１Ｌ ２１／０２
(57)【特許請求の範囲】
【請求項1】
製造工程の現行の工程ステップの間に製造工程をリアルタイムで制御する方法であって、前記製造工程の以前の製品に関して得られた履歴的な工程後測定値を取得すること、
前記現行の工程ステップを以前に反復していた間に以前のワークピースに関して得られた履歴的な工程中測定値を取得すること、
ニューラル・ネットワークを訓練して少なくとも１つの前記履歴的な工程後測定値を予測することであって、対応する前記履歴的な工程中測定値に応答して、および前記予測される少なくとも１つの前記履歴的な工程後測定値に先立つ前記履歴的な工程後測定値のサブセットに応答して、予測すること、
前記現行の工程ステップの間に現在のワークピースに関する現在の工程中測定値を取得すること、
前記現在の工程中測定値および前記履歴的な工程後測定値を入力として前記ニューラル・ネットワークに与えることによって、前記現在のワークピースに対する未来の工程後測定値を予測すること、ならびに
前記未来の工程後測定値の予測に応答して、前記製造工程の少なくとも１つの制御可能な変数を調整すること
を含む方法。
【請求項2】
前記ニューラル・ネットワークは、前記現在の工程中測定値を入力として得て前記未来の工程後測定値のナイーブ予測を出力として生じる第１の長・短期記憶層を含む、請求項１に記載の方法。
【請求項3】
前記ニューラル・ネットワークは、履歴的な工程後測定値および前記工程後測定値の前記ナイーブ予測を入力として得て前記未来の工程後測定値の情報に基づいた予測を出力として生じる第２の長・短期記憶層を含む、請求項２に記載の方法。
【請求項4】
前記ナイーブ予測は、第１のナイーブ予測を含み、前記ニューラル・ネットワークは、前記現在のワークピースに関する前記現行の工程ステップに先立つ過去の工程ステップから工程中測定値を入力として得て前記未来の工程後測定値の第２のナイーブ予測を出力として生じる第２の長・短期記憶層を含む、請求項２に記載の方法。
【請求項5】
前記ニューラル・ネットワークは、前記第１のナイーブ予測、前記第２のナイーブ予測、および履歴的な工程後測定値を入力として得て前記未来の工程後測定値の情報に基づいた予測を出力として生じる第３の長・短期記憶層を含む、請求項４に記載の方法。
【請求項6】
前記少なくとも１つの制御可能な変数を調整することは、少なくとも１つの工程中測定値を繰り返し取得すること、および前記未来の工程後測定値を予測することを含む、請求項１に記載の方法。
【請求項7】
前記少なくとも１つの制御可能な変数を調整することは、前記少なくとも１つの制御可能な変数に対する前記未来の工程後測定値についての経験誤差関数と整合する前記少なくとも１つの制御可能な変数を変更することを含む、請求項６に記載の方法。
【請求項8】
コンピュータによって実行された際に、前記製造工程の現行の工程ステップの間に製造工程をリアルタイムで制御するための請求項１から７のいずれかに記載される方法を前記コンピュータに推進させる、コンピュータ実行可能な命令を具現化する、非一時的なコンピュータ可読媒体。
【請求項9】
コンピュータ実行可能な命令を具現化するメモリと前記メモリに結合されており、前記製造工程の現行の工程ステップの間に製造工程をリアルタイムで制御するための請求項１から７のいずれかに記載される方法を推進するように前記コンピュータ実行可能な命令によって動作する、少なくとも１つのプロセッサと
を含む工程制御システム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、電気、電子、およびコンピュータ技術に関し、より具体的には、半導体デバイスの製造に関する。
【背景技術】
【0002】
半導体製造では、プロセス・ツールを制御するためにオン・ウェーハ測定が重要である。このような測定は、異なるツールから届くトレース・センサ・データのような物理的変数に依存する。しかし、鍵となる測定は、ウェーハが完全に製作された後にしか行うことができない。事後のウェーハ厚さに寄与する鍵となる状態の変数の測定を含む、工程中センサ・ネットワークからの観察は、センサ・ノイズ、材料中の固有の変動、機械的ノイズなど、偶然性の変動に起因する確率的なプロセスである。オン・ウェーハ測定を信頼性高く予測すること（すなわち、現在達成可能なものよりも精密かつ正確な方法で、確率的ノイズを遮るウェーハ厚さの実際の値に近似すること）は、重要な難題である。
【0003】
時系列データをモデル化するためのいくつかの深層学習モデルがある。しかし、これらを半導体の問題に対して効率的に適用することはできなかった。例えば、ＡＲＭＡＸ、動的線形モデル、拡張カルマンフィルタなどの時系列データの状態の識別および予測のための統計モデルに関する文献は大量にある。以前の統計モデルの大部分は、線形化またはガウス分布仮定に基づく。
【発明の概要】
【0004】
本発明の原理は、オン・ウェーハ測定を予測するための多段ＬＳＴＭを用いたツール制御のための技術を提供する。一態様では、製造工程の現行の工程ステップの間に製造工程をリアルタイムで制御するための例示的な方法は、その製造工程の以前の製品に関して得られる履歴的な工程後測定値を取得すること、および現行の工程ステップを以前に反復していた間に以前のワークピースに関して得られた履歴的な工程中測定値を取得することを含む。（本方法はまた、履歴的な工程後測定値および関連付けられた履歴的な工程中測定値から得られるデータを訓練することによって、ニューラル・ネットワークを訓練することも含む。）そして、本方法は、現行の工程ステップの間に現在のワークピースに関する現在の工程中測定値を取得することと、現在の工程中測定値および履歴的な工程後測定値を入力としてニューラル・ネットワークに与えることによって、現在のワークピースについて未来の工程後測定値を予測することと、未来の工程後測定値の予測に応答して、製造工程の少なくとも１つの制御可能な変数を調整することとを含む。
【0005】
本発明またはその要素の１つまたは複数の実施形態は、指示された方法ステップを推進するためのコンピュータ使用可能なプログラム・コードを有するコンピュータ可読記憶媒体を含むコンピュータ・プログラム製品の形態で実装することができる。さらに、本発明またはその要素の１つまたは複数の実施形態は、コンピュータ実行可能命令を具現化するメモリを含むシステム(または装置)の形態で実装することができ、少なくとも１つのプロセッサが、メモリに結合され、例示的な方法ステップを推進するための命令によって動作する。さらに別の態様では、本発明またはその要素の1つまたは複数の実施形態は、本明細書に記載される方法ステップの１つまたは複数を行うための手段の形態で実装することができ、この手段は、（ｉ）ハードウェアモジュール、（ｉｉ）有形コンピュータ可読記憶媒体（または複数のそのような媒体）に格納され、ハードウェア・プロセッサ上で実装されるソフトウェア・モジュール、または（ｉｉｉ）（ｉ）および（ｉｉ）の組合せを含むことができ、（ｉ）～（ｉｉｉ）のいずれかは、本明細書に記載される特定の技術を実装する。
【0006】
本明細書に用いられる際に、アクションを「推進する」は、アクションを実施するか、アクションを容易にするか、アクションを実行するのを助けるか、またはアクションを実施させることを含む。このように、一例として、限定するものではないが、１つのプロセッサ上で実行する命令が、遠隔プロセッサ上で実行される命令によって行われるアクションを、実施されるアクションを引き起こすかまたは補助するために適切なデータまたはコマンドを送ることによって推進する可能性がある。疑義を避けるため、行為者がアクションを実施する以外のアクションを推進する場合には、やはりアクションは、あるエンティティまたはエンティティの組合せによって実施される。
【0007】
以上の観点から、本発明の技術は、実質的に有益な技術的効果を提供することができる。例えば、１つまたは複数の実施形態は、以下のうち１つまたは複数を提供する。
【0008】
ウェーハ製作中のウェーハ厚さまたは抵抗率を信頼性高く予測し、それによって、完成ウェーハの厚さをリアルタイムで調整する工程中ツール制御を可能とすること。
【0009】
製造工程中にリアルタイムで工程後測定値を信頼性高く予測し、それによって、工程後測定値を調整する工程中ツール制御を可能にすること。
【0010】
工程後測定値の信頼性の高い予測に応答してリアルタイムで工程を調整する能力に基づいて、ウェーハ厚さと他の工程後測定値との一貫性を向上させてウェーハを製作し、それゆえ結果として、従来技術と比較してさらに高品質のウェーハとさらに高品質の集積回路とをもたらすこと。
【0011】
本発明のこれらおよび他の特徴および利点は、添付図面に関連して読まれるものとなるその例示的な実施形態の以下の詳細な説明から明らかになってゆくものとなろう。
【図面の簡単な説明】
【0012】
【図1】例示的な実施形態が適用可能な例示的な製造工程フローを概略的に示す図である。
【図2】例示的な実施形態による制御工程をフローチャートで示す図である。
【図3】例示的な実施形態によるニューラル・ネットワークを概略的に示す図である。
【図6】例示的な実施形態によるニューラル・ネットワークを概略的に示す図である。
【図7】例示的な実施形態によるニューラル・ネットワークを概略的に示す図である。
【図8】確率分布の一例を示す図である。
【図9】例示的な実施形態による制御工程を概略的に示す図である。
【図10】本発明の１つまたは複数の態様もしくは要素またはその両方を実装するのに有用であり得るコンピュータ・システムを示す図である。
【発明を実施するための形態】
【0013】
１つまたは複数の実施形態は、履歴的なウェーハ測定値および工程中センサ・データを活用することによって工程後オン・ウェーハ測定値を予測するための、半導体製造における使用のための予測モデルに関する。例示的な工程中センサ・データは、温度、圧力、プラズマ流速、電流、および電圧を含む。１つまたは複数の実施形態では、基礎となるモデルは、混合ガウス確率分布から予測を標本抽出することのできる確率論的な多段長短期記憶（ＬＳＴＭ）システムである。工程中の工程後測定値を予測することにより、本発明の実施形態は、他の変数に関連する工程中信号に応答して工程後測定値を調整するリアルタイムのツール制御を可能にする。
【0014】
本発明の態様は、工程後測定値に対する深層学習ベースの予測モデルを開発することを含む。１つまたは複数の実施形態では、予測モデルは、現行の工程の反復について工程後測定値を予測するために、多層ＬＳＴＭアーキテクチャを介して工程中センサ・データを工程後測定値の履歴と組み合わせる。１つまたは複数の実施形態では、予測モデルは、ＬＳＴＭネットワークの出力を条件付き混合ガウスとしてモデル化する。
【0015】
１つまたは複数の実施形態では、予測モデルは、確率分布の予測のための無作為標本抽出法（例えば、モンテカルロ標本抽出）を採用し、次いで、予測された確率密度関数を工程制御システムまたは制御アクションのための制御オペレータに送信する。１つまたは複数の実施形態では、制御アクションは、最も確からしい予測測定値を最適化することに基づいて、１つまたは複数の工程パラメータを調整することを含む。例示的な工程パラメータ（制御可能な変数）としては、堆積工程の持続時間、堆積温度、プラズマ流速、プラズマ発生器の電圧または電流が挙げられる。
【0016】
図面を参照すると、図１は、半導体ウェーハのための例示的な製造工程フロー１００を示す。この例示的なシステムが半導体ウェーハを製作するが、実施形態は、他の製造システムにも同様に適用可能であり、その非限定的な例としては、鋼またはアルミニウム圧延機、自動化化学プロセスプラントなどがある。
【0017】
例示的な製造工程フロー１００は、コンポーネント・アセンブリＬＬＡ、ＬＬＢ、Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、１、２、３、４、および５を含む装置内で行われる。コンポーネント・アセンブリの具体的な機能は、本発明の１つまたは複数の実施形態の範囲内では重要ではないが、工程フロー１００は、コンポーネント・アセンブリＬＬＡにおいて行われるステップｓ１と、次いでコンポーネント・アセンブリＦにおいて行われるステップｓ２とを含むことに注目すべきである。また、コンポーネント・アセンブリＢのステップｓ３と、コンポーネント・アセンブリ２のステップｓ４と、コンポーネント・アセンブリＡのステップｓ５とが含まれている。ステップｓ５の後、完成ウェーハは工程フローを離れ、工程中測定値が取得される。様々な工程の間に、工程中測定値が取得される。工程後測定値の非限定的な例はウェーハ抵抗率である。工程中測定値の非限定的な例はプラズマ電圧、電流、温度、および圧力、ならびに材料の堆積またはエッチング中の経過時間である。
【0018】
図２は、例示的な実施形態による制御工程２００をフローチャートで示す図である。工程ｓ１・・・ｓ５のそれぞれの間に、工程中測定値を２０２で取得し、それらの工程中測定値に基づいて２０４で工程後測定値を予測する。２０６では、工程後測定値の予測に応答して、この予測と工程後測定値の目標値との間の誤差分を減少させるように現在の工程ステップの少なくとも１つの制御可能な変数を調整する。
【0019】
図３は、例示的な実施形態による、単一の工程ステップのための工程中センサ信号から工程後測定値または目標変数を予測するために使用されるニューラル・ネットワーク３００を概略的に示す。例えば、この単一の工程ステップは、化学的気相蒸着であってもよい。ニューラル・ネットワーク３００は、工程中センサ信号ｘ１、・・・ｘ１０、・・・ｘＭ（時系列的であっても同時的であってもよい）を受け取る第１のＬＳＴＭ層３０２を内蔵し、工程後の標的変数のナイーブ予測ｙｔ’を生じる。なお、図面は、１０個以上の工程中センサ信号を示しているが、１つまたは複数の実施形態は、１０個未満の工程中センサ信号でも同等に機能する。また、ネットワーク３００は、現行の予測ｙｔ’とともに、目標変数ｙｔ－Ｌ・・・ｙｔ－１の履歴的な測定値を受け取る第２のＬＳＴＭ層３０４を含む。任意選択的に、第２のＬＳＴＭ層３０４はまた、予測の履歴ｙ’ｔ－Ｌ・・・ｙ’ｔ－１を受け取る。第２のＬＳＴＭ層３０４は、その出力を全結合層（ＦＣＮ）３０６に渡し、ＦＣＮは、測定値の履歴を考慮した条件付き混合ガウス確率分布として情報に基づいた予測ｙ’’’ｔを生じる。
【0020】
図４は、図３のニューラル・ネットワーク３００がどのように訓練されているかを概要４００として示す図である。第１のＬＳＴＭ層３０２について、履歴的な工程中測定値Ｘｉ（すなわち、ｘ１、・・・ｘ１０、・・・ｘＭ）を入力として提供し、一方で、履歴的な工程後測定値ｙｉを所望の出力として提供する。第２のＬＳＴＭ層３０４およびＦＣＮ３０６を訓練するために、履歴的な工程後測定値ｙｔ－Ｌ・・・ｙｉ－１および履歴的な工程後予測ｙｉ’（第１のＬＳＴＭ層３０２から）を入力として提供するとともに、履歴的な工程後測定値ｙｉを所望の出力とする。１つまたは複数の実施形態では、ＬＳＴＭおよびＦＣＮの重みが各時間ステップで予測ｙｔ’と実測値ｙｔとの間に許容可能なレベルの誤差（誤差分）を生じる値に収束するまで、時間ステップｉがｔ－Ｌからｔ－１に繰り返し走るのと同時に、第１および第２のＬＳＴＭ層３０２、３０４を併せて訓練する。非限定的な例として、許容誤差は、目標変数に対するエンドユーザの製造公差に依存して、６％、３％、１％、０．５％、または０．０１％であってもよい。
【0021】
図５は、図４の概要と一致する方法５００をフローチャートで示す。５０２では、履歴的な工程後測定値Ｙを取得する。５０４では、履歴的な工程中測定値ｘ１、・・・ｘ１０・・・ｘＭを取得する。５０６では、履歴的な工程後測定値ｙｔ－Ｌ、・・・ｙｔ－１を目標値として用いて、履歴的な工程中測定値Ｘに関しニューラル・ネットワークの第１のＬＳＴＭ層を訓練し、同時に、最新の履歴的な工程後測定値ｙｔを目標値として用いて、履歴的な工程後測定値と工程後測定値の履歴的な予測ｙ’ｔに関しニューラル・ネットワークの第２のＬＳＴＭ層を訓練する。
【0022】
図６は、例示的な実施形態による、複数の工程ステップのための工程中センサ信号から工程後測定値または目標変数を予測するために使用されるさらに複雑なニューラル・ネットワーク６００を概略的に示す。図６は、例示的な実施形態による、複数の工程ステップのための工程中センサ信号から工程後測定値または目標変数を予測するために使用されるさらに複雑なニューラル・ネットワーク６００を概略的に示す。例えば、第１の工程ステップをプラズマ蒸着とすることができ、第２の工程ステップを原子層堆積とすることができる。ニューラル・ネットワーク６００は、第１の工程からセンサ信号ｘ１・・・ｘ１０・・・ｘＭを受信する第１のＬＳＴＭ層６０２と、第１の工程により相前後して走る第２の工程からセンサ信号ｚ１・・・ｚ１０・・・ｚＳを受け取る第２のＬＳＴＭ層６０３とを内蔵する。なお、図面は第２の工程からの１０個以上のセンサ信号を示しているが、１つまたは複数の実施形態は、１０個未満の工程中センサ信号により同等に機能的である。ＬＳＴＭ層６０２、６０３のそれぞれは、目標変数に対しそれぞれの予測ｙｔ’、ｙｔ”を生じる。予測ｙｔ’およびｙｔ”は第３のＬＳＴＭ層６０４に入力され、第３のＬＳＴＭ層６０４はまた、目標変数測定値ｙｔ－Ｌ・・・ｙｔ－１の履歴を入力とする。第３のＬＳＴＭ層６０４は、その出力を全結合層６０６に通過させ、全結合層６０６は、条件付き混合ガウス確率分布として最終的な予測ｙ’’’ｔを生成する。
【0023】
ニューラル・ネットワーク６００は、例えば、ニューラル・ネットワーク３００と同様に訓練される。
【0024】
図７は、例示的な実施形態による、工程の外部の信号Ｕと組み合わされた単一の工程ステップのための工程中センサ信号ｘ１・・・ｘ１０・・・ｘＭから工程後測定値または目標変数を予測するために使用される、概略的な別のニューラル・ネットワーク７００を示す。例えば、外部信号を工程ステップに入るウェーハの限界寸法とすることができつつ、工程ステップをリソグラフィとすることができる。ニューラル・ネットワーク７００は、第１のＬＳＴＭ層３０２と、第２のＬＳＴＭ層３０４と、全結合層（ＦＣＮ）（７０６）とを含む。ニューラル・ネットワーク７００は、ＦＣＮ７０６が第２のＬＳＴＭ層３０４の出力のみならず外部信号に対する値Ｕをも入力として受け取るように構成される点で、ニューラル・ネットワーク３００とは異なる。
【0025】
ニューラル・ネットワーク７００は、例えば、ニューラル・ネットワーク３００または６００と同様に訓練される。さらに、ＦＣＮ３０６は、履歴的な測定ｙｉを所望の出力として、外部信号値Ｕおよび履歴的な予測ｙ’ｉを入力として訓練される。
【0026】
このように、１つまたは複数の実施形態は、工程中センサ・データＸとの組合せで、目標変数の履歴的な測定値から目標変数Ｙの分布を学習する。
Yt = g (Xt, yt-1, yt-2,…., yt-L)
Yt = g (Xt, yt-1, yt-2,…., yt-L)
【0027】
このような実施形態は、Ｙｔの条件付き分布
P(Yt | Xt, yt-1, yt-2,…., yt-L),
を以下の混合ガウスとしてモデル化する。
P(Yt | Xt, yt-1, yt-2,…., yt-L),
を以下の混合ガウスとしてモデル化する。
【0028】
【数1】
【0029】
図８は、例示的な混合ガウス確率分布８００を実線で示す。破線は、単一のガウス分布８０２、８０４、８０６を示す。混合ガウス８００は、３つの単一のガウシアンから構成される。
【0030】
図９は、例示的な実施形態に従って実装される制御工程９００の概観を概略的に示す。図１の製造工程フロー１００から、リアルタイムで（図２の２０２のように）工程中測定値ｘ１・・・ｘＭを得る。深層学習モデル（例えば、ニューラル・ネットワーク３００、６００、または７００）を工程中測定値に適用して、工程後測定値（目標変数）の予測ｙ’’’ｔを生じる（図２の２０４のように）。予測ｙ’’’ｔは、目標変数が所望の値に近づくように、製造工程フロー１００をリアルタイムで（図２の２０６のように）調整する制御システム９０２に供給される。１つまたは複数の実施形態では、制御システム９０２は、工程後測定値の変化をもたらすことが経験的に実証された工程パラメータを調整してもよい。例えば、工程パラメータは、工程パラメータに対する１つまたは複数の工程中測定値についての経験誤差関数に従って調整されてもよい。あるいは、工程パラメータは、工程パラメータに対する工程後測定値についての経験誤差関数に従って調整されてもよい。１つまたは複数の実施形態では、工程パラメータに新たな調整を結果として生じ得る新たな予測を得るために、さらに別の工程中測定値が得られてもよく、学習モデル３００、６００、または７００が再度適用されてもよい。１つまたは複数の実施形態では、工程パラメータの調整のために制御システム９０２を動作させる際に、人間の熟練者が関与してもよい。
【0031】
このように、本発明の実施形態によって生じた予測に基づいて、製造工程オペレータは、工程の結果が所望の仕様に適合しそうか否かの理解を強めることができる。工程の結果が仕様に適合しそうにない場合には、本発明の実施形態により、工程オペレータが工程をリアルタイムで（すなわち、工程が進行している間に）調整することが可能になる。
【0032】
以上の考察を考慮すると、概して、本発明の一態様による、製造工程の現在の工程ステップ中に製造工程をリアルタイムで制御するための例示的な方法は、５０２ではその製造工程の以前の製品で取得された履歴的な工程後測定値Ｙを取得すること、５０４では現行の工程ステップを以前に反復していた間に以前のワークピースに関して得られた履歴的な工程中測定値Ｘを取得すること、５０６ではニューラル・ネットワークを訓練して少なくとも１つの履歴的な工程後測定値を予測することであって、対応する履歴的な工程中測定値に応答して、および予測される少なくとも１つの履歴的な工程後測定値に先立つ履歴的な工程後測定値のサブセットに応答して、予測すること、２０２では現行の工程ステップの間に現在のワークピースに関する現在の工程中測定値を取得すること、２０４では現在の工程中測定値および履歴的な工程後測定値を入力としてニューラル・ネットワークに与えることによって、現在のワークピースに対する未来の工程後測定値を予測すること、ならびに２０６では未来の工程後測定値の予測に応答して、製造工程の少なくとも１つの制御可能な変数を調整することを含む。
【0033】
１つまたは複数の実施形態では、ニューラル・ネットワークは、現在の工程ステップからの工程中測定値Ｘを入力として得て未来の工程後測定値の（第１の）ナイーブ予測ｙ’ｔを出力として生じる、第１の長・短期記憶層３０２を含んでいる。さらに、ニューラル・ネットワークは、履歴的な工程後測定値ｙｔ－Ｌ、・・・ｙｔ－１および工程後測定値の（第１の）ナイーブ予測ｙ’ｔを入力として得て、情報に基づいた未来の工程後測定値予測ｙ’’’ｔを出力として生じる、第２の長・短期記憶層３０４を含むことがある。あるいは、ニューラル・ネットワークは、過去の工程ステップから工程中測定値ｚ１・・・ｚ１０・・・ｚＳを入力として得て、未来の工程後測定値の第２のナイーブ予測ｙ’’ｔを出力として生じる、第２の長・短期記憶層６０３を含むことがある。１つまたは複数の実施形態では、ニューラル・ネットワークは、第１のナイーブ予測、第２のナイーブ予測、および履歴的な工程後測定値を入力として得て、情報に基づいた未来の工程後測定値予測ｙ’’’ｔを出力として生じる、第３の長・短期記憶層６０４を含むことがある。
【0034】
１つまたは複数の実施形態では、少なくとも１つの制御可能変数を調整することは、少なくとも１つの工程中測定値を繰り返し取得すること、および未来の工程後測定値を予測することを含む。例えば、工程ステップの実装中にステップ２０２・・・２０６を繰り返してもよい。少なくとも１つの制御可能な変数を調整することは、少なくとも１つの制御可能な変数に対する工程後測定値についての経験誤差関数と整合する少なくとも１つの制御可能な変数を変更することを含む。
【0035】
本発明の１つまたは複数の実施形態またはその要素は、メモリとメモリに結合されており例示的な方法ステップを推進するように動作する少なくとも１つのプロセッサとを含む装置の形態で、または、コンピュータによって実行されるとコンピュータに例示的な方法ステップを推進させる、コンピュータ実行可能な命令を具現化する非一時的なコンピュータ可読媒体の形態で、実装することができる。
【0036】
図１０は、本発明の１つまたは複数の態様もしくは要素またはその両方を実装するのに有用であり得る工程制御システム１０を示す図である。製造工程制御システム１０では、多数の他の汎用または専用のコンピューティング・システム環境または構成で動作するコンピュータ・システム／サーバ１２がある。コンピュータ・システム／サーバ１２と共に使用するのに適し得る周知のコンピューティング・システム、環境、もしくは構成、またはそれらの組合せの例としては、以下に限定されないが、パーソナル・コンピュータ・システム、サーバ・コンピュータ・システム、シン・クライアント、シック・クライアント、ハンドヘルドまたはラップトップ・デバイス、マルチプロセッサ・システム、マイクロプロセッサベース・システム、セット・トップ・ボックス、プログラマブル・コンシューマ・エレクトロニクス、ネットワークＰＣ、ミニコンピュータ・システム、メインフレーム・コンピュータ・システム、および前記システムまたはデバイスのいずれかを含む分散型クラウド・コンピューティング環境などが挙げられる。
【0037】
コンピュータ・システム／サーバ１２は、コンピュータ・システムによって実行されるコンピュータ・システム実行可能な命令、例えばプログラム・モジュールなどの一般的なコンテキストで記述されてもよい。一般に、プログラム・モジュールは、特定のタスクを実行するかまたは特定の抽象的なデータタイプを実装するルーチン、プログラム、オブジェクト、コンポーネント、ロジック、データ構造などを含む。コンピュータ・システム／サーバ１２は、通信ネットワークを介してリンクされた遠隔処理デバイスによってタスクが実行される分散型クラウド・コンピューティング環境で実践されてもよい。分散型クラウド・コンピューティング環境では、プログラム・モジュールは、メモリ・ストレージ・デバイスを含むローカルおよびリモートの両方のコンピュータ・システム記憶媒体に位置していてもよい。
【0038】
図１０に示すように、製造工程制御システム１０におけるコンピュータ・システム／サーバ１２は、汎用コンピューティング・デバイスの形態で示されている。コンピュータ・システム／サーバ１２のコンポーネントは、１つまたは複数のプロセッサまたは処理ユニット１６と、システム・メモリ２８と、システム・メモリ２８を含む様々なシステム・コンポーネントをプロセッサ１６に結合するバス１８とを含むが、これらに限定されない。
【0039】
バス１８は、メモリバスまたはメモリコントローラと、周辺バスと、加速グラフィックス・ポートと、種々のバス・アーキテクチャのうちいずれかを使用するプロセッサまたはローカル・バスとを含む、いくつかのタイプのバス構造のいずれか１つまたは複数を表す。例として、および限定なく、このようなアーキテクチャとしては、業界標準アーキテクチャ（ＩＳＡ）バス、マイクロチャネル・アーキテクチャ（ＭＣＡ）バス、拡張ＩＳＡ（ＥＩＳＡ）バス、ビデオ・エレクトロニクス規格協会（ＶＥＳＡ）ローカル・バス、および周辺コンポーネント相互接続（ＰＣＩ）バスが挙げられる。
【0040】
コンピュータ・システム／サーバ１２は、典型的には、種々のコンピュータ・システム可読媒体を含む。このような媒体は、コンピュータ・システム／サーバ１２によってアクセス可能な任意の利用可能な媒体であってもよく、揮発性媒体と不揮発性媒体との両方、取り外し可能な媒体と取り外し不能な媒体との両方を含む。
【0041】
システム・メモリ２８は、ランダム・アクセス・メモリ（ＲＡＭ）３０もしくはキャッシュ・メモリ３２またはその両方などの揮発性メモリの形態のコンピュータ・システム可読媒体を含むことができる。コンピュータ・システム／サーバ１２は、さらに、他の取り外し可能／不能な揮発性／不揮発性のコンピュータ・システム記憶媒体を含むことができる。一例に過ぎないが、記憶システム３４を、取り外し不能な不揮発性磁気媒体（図示せず、典型的には「ハード・ドライブ」と呼ばれる）からの読み出しおよびそれへの書き込みのために提供することができる。図示されていないが、取り外し可能な不揮発性の磁気ディスク（例えば、「フロッピー・ディスク」）、およびＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、または他の光学ディスクなどの取り外し可能な不揮発性光学ディスクから読み出すかまたはそれに書き込むための光学ディスクドライブを提供することができる。このような場合、それぞれを、１つまたは複数のデータ媒体インターフェースによってバス１８に接続することができる。下記にさらに図示し記載するように、メモリ２８は、本発明の実施形態の機能を実行するように構成されている一連の（例えば、少なくとも１つの）プログラム・モジュールを有する少なくとも１つのプログラム製品を含むことがある。
【0042】
プログラム／ユーティリティ４０は、一連の（少なくとも１つの）プログラム・モジュール４２を有し、一例としてメモリ２８に格納されてもよく、限定はないが同様にオペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データに格納されてもよい。オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データまたはそれらのいくつかの組合せのそれぞれは、ネットワーキング環境の実装を含んでいてもよい。プログラム・モジュール４２は、概して、本明細書に記載される本発明の実施形態の機能もしくは方法論またはその両方を実施する。
【0043】
コンピュータ・システム／サーバ１２はまた、キーボード、ポインティング・デバイス、ディスプレイ２４などの１つもしくは複数の外部デバイス１４と、ユーザがコンピュータ・システム／サーバ１２と対話することを可能にする１つもしくは複数のデバイスと、またはコンピュータ・システム／サーバ１２が半導体ｆａｂツール・チャンバ・コントローラのような１つまたは複数の他のコンピューティング・デバイスと通信することを可能にする任意のデバイス（例えば、ネットワーク・カード、モデムなど）と、またはそれらの組合せと、通信することもできる。このような通信は、入力／出力（Ｉ／Ｏ）インターフェース２２を介して起こり得る。さらに、コンピュータ・システム／サーバ１２は、ローカル・エリア・ネットワーク（ＬＡＮ）、一般広域ネットワーク（ＷＡＮ）、もしくは公衆ネットワーク（例えば、インターネット）、またはそれらの組合せなどの１つまたは複数のネットワークと、ネットワーク・アダプタ２０を介して通信することができる。図示のように、ネットワーク・アダプタ２０は、バス１８を介してコンピュータ・システム／サーバ１２の他のコンポーネントと通信する。示されていないが、他のハードウェアもしくはソフトウェアまたはその両方のコンポーネントを、コンピュータ・システム／サーバ１２と併せて使用することができることを理解するべきである。例としては、以下に限定されないが、マイクロコード、デバイス・ドライバ、冗長処理ユニット、および外部ディスク・ドライブ・アレイ、ＲＡＩＤシステム、テープ・ドライブ、およびデータ・アーカイブ・ストレージ・システムなどが挙げられる。一部の例では、工程制御も、ネットワーク・アダプタ２０を介して起こり得る。
【0044】
ゆえに、１つまたは複数の実施形態は、汎用コンピュータまたはワークステーション上で実行されるソフトウェアを利用することができる。図１０を参照すると、このような実装は、例えば、プロセッサ１６と、メモリ２８と、ディスプレイ２４およびキーボード、ポインティング・デバイスなどの外部装置１４に対する入力／出力インターフェース２２とを採用する可能性がある。本明細書に用いられる際の用語「プロセッサ」は、例えば、ＣＰＵ（中央処理装置）もしくは他の形式の処理回路またはその両方を含む任意の処理デバイスを含むことを意図されている。さらに、用語「プロセッサ」は、１つを超える個々のプロセッサを指し得る。用語「メモリ」は、プロセッサまたはＣＰＵに関連付けられたメモリ、例えば、ＲＡＭ（ランダム・アクセス・メモリ）３０、ＲＯＭ（リード・オンリ・メモリ）、固定メモリ・デバイス（例えば、ハード・ドライブ３４）、取り外し可能なメモリ・デバイス（例えば、ディスケット）、フラッシュ・メモリなどを含むことが意図されている。さらに、本明細書に用いられる際の語句「入力／出力インターフェース」は、例えば、処理ユニット（例えばマウス）にデータを入力するための１つまたは複数の機構との、および処理ユニット（例えばプリンタ）に関連付けられた結果を提供するための１つまたは複数の機構とのインターフェースを意図されている。プロセッサ１６、メモリ２８、および入力／出力インターフェース２２は、例えば、データ処理ユニット１２の一部としてバス１８を介して相互接続することができる。適切な相互接続、例えばバス１８を介した接続は、コンピュータ・ネットワークとのインターフェースに提供することができるネットワーク・カードなどのネットワーク・インターフェース２０に、および適切な媒体とのインターフェースに提供することができるディスケットまたはＣＤ－ＲＯＭドライブなどのメディア・インターフェースに、提供することもできる。
【0045】
したがって、本明細書に記載されるように、本発明の方法論を実行するための命令またはコードを含むコンピュータ・ソフトウェアは、１つまたは複数の関連するメモリ・デバイス（例えば、ＲＯＭ、固定または取り外し可能なメモリ）を格納することができ、利用する準備ができた際には、一部または全体に（例えば、ＲＡＭ内に）ロードされてＣＰＵによって実装される。このようなソフトウェアには、ファームウェア、常駐ソフトウェア、マイクロコードなどが含まれるが、これらに限定されない。
【0046】
プログラム・コードを格納もしく実行またはその両方とするのに適したデータ処理システムは、システムバス１８を通じてメモリ要素２８に直接または間接的に結合された少なくとも１つのプロセッサ１６を含むものとなる。メモリ要素は、プログラム・コードの実際の実装中に採用されるローカル・メモリと、バルク・ストレージと、実装中にバルク・ストレージからコードが読み出されなければならない回数を減少させるために少なくともいくつかのプログラム・コードの一時的なストレージを提供するキャッシュ・メモリ３２とを含むことができる。
【0047】
入力／出力またはＩ／Ｏデバイス（キーボード、ディスプレイ、ポインティング・デバイスなどを含むがこれらに限定されない）は、直接的にまたは介在するＩ／Ｏコントローラを介してのどちらかで、システムに結合することができる。
【0048】
ネットワーク・アダプタ２０はまた、データ処理システムが介在するプライベート・ネットワークまたは公衆ネットワークを介して他のデータ処理システムまたは遠隔プリンタまたはストレージ・デバイスに結合されてゆくことが可能になるように、システムに結合されてもよい。モデム、ケーブル・モデム、およびイーサネット・カードは、ごく少数の現行で利用可能なタイプのネットワーク・アダプタである。
【0049】
特許請求の範囲を含めて、本明細書に用いられる際に、「サーバ」は、サーバ・プログラムを実行する物理的データ処理システム（例えば、図１０に示すシステム１２）を含む。このような物理サーバは、ディスプレイおよびキーボードを含んでいてもいなくてもよいことが理解されよう。
【0050】
１つまたは複数の実施形態は、クラウドまたは仮想マシン環境のコンテキストにおいて少なくとも部分的に実装され得るが、これは例示的かつ非限定的である。
【0051】
本明細書に記載の任意の方法が、コンピュータ可読記憶媒体上に具現化された別個のソフトウェア・モジュールを含むシステムを提供する追加のステップを含むことができることに留意するべきである。すなわち、モジュールは、例えば、ブロック図に図示されているかもしくは本明細書に記載されているかまたはその両方である適切な要素のいずれかまたは全てを含むことができ、一例としてかつ限定はないが、記載されているモジュール／ブロックもしくはサブモジュール／サブブロックまたはそれらの組合せのうち１つまたはいくつかまたは全てを含むことができる。この方法ステップは、次いで、上述されるように、システムの別個のソフトウェア・モジュールもしくはサブモジュールまたはその両方を使用して実施することができ、１６などの１つまたは複数のハードウェア・プロセッサ上で実行され得る。さらに、コンピュータ・プログラム製品は、別個のソフトウェア・モジュールを有するシステムの提供を含む本明細書に記載の１つまたは複数の方法ステップを実施するよう実装されるように適合されたコードを有する、コンピュータ可読記憶媒体を含むことができる。
【0052】
例示的なシステムおよび製品の詳細
【0053】
本発明は、任意の可能な技術的詳細レベルの統合におけるシステム、方法、もしくはコンピュータ・プログラム製品、またはそれらの組合せであり得る。コンピュータ・プログラム製品は、プロセッサに本発明の態様を行わせるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読記憶媒体（または複数の媒体）を含んでいてもよい。
【0054】
コンピュータ可読記憶媒体は、命令実行デバイスによる使用のための命令を保持および格納することができる有形デバイスとすることができる。コンピュータ可読記憶媒体は、以下に限定されないが、例えば、電子記憶デバイス、磁気記憶デバイス、光記憶デバイス、電磁記憶デバイス、半導体記憶デバイス、または前述の任意の適した組合せとしてよい。コンピュータ可読記憶媒体のより具体的な例の非網羅的な一覧としては、ポータブル・コンピュータ・ディスケット、ハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読出し専用メモリ（ＲＯＭ）、消去可能なプログラム可能な読出し専用メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読出し専用メモリ（ＣＤ－ＲＯＭ）、デジタル汎用ディスク（ＤＶＤ）、メモリ・スティック、フロッピー・ディスク、機械的に符号化されたデバイス、例えば、命令を上に記録したパンチ・カードまたは溝内の隆起構造など、および前述の任意の適切な組合せが挙げられる。コンピュータ可読記憶媒体は、本明細書で使用される際に、それ自体が電波または他の自由に伝搬する電磁波、導波管または他の伝送媒体（例えば、光ファイバ・ケーブルを通る光パルス）を伝搬する電磁波、またはワイヤを介して伝送される電気信号などの一時的な信号であるものと解釈されるべきではない。
【0055】
本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から各演算／処理デバイスに、またはネットワーク、例えば、インターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、もしくは無線ネットワーク、またはそれらの組合せを介して外部コンピュータまたは外部記憶装置に、ダウンロードすることができる。ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、もしくはエッジ・サーバ、またはそれらの組合せを含むことができる。各演算／処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、各演算／処理デバイス内のコンピュータ可読記憶媒体に格納するためにコンピュータ可読プログラム命令を送る。
【0056】
本発明の動作を実施するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セット・アーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路のための構成データ、または１つもしくは複数のプログラミング言語の任意の組み合わせで書かれたソースコードもしくはオブジェクトコードのいずれかとしてよく、プログラミング言語としては、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語と、および「Ｃ」プログラミング言語または同様のプログラミング言語などの手続き型プログラミング言語が挙げられる。コンピュータ可読プログラム命令は、ユーザのコンピュータ上で全体的に、ユーザのコンピュータ上で部分的に、スタンドアロン・ソフトウェア・パッケージとして、ユーザのコンピュータ上で部分的にかつリモート・コンピュータ上に部分的に、またはリモート・コンピュータ上で部分的にもしくはリモート・コンピュータ上で全体的に、実行してもよい。後者のシナリオでは、リモート・コンピュータが、ローカル・エリア・ネットワーク（ＬＡＮ）または広域ネットワーク（ＷＡＮ）を含めた任意のタイプのネットワークを介してユーザのコンピュータに接続されていてもよいし、または接続が、外部コンピュータに（例えば、インターネットサービスプロバイダを用いてインターネットを介して）なされていてもよい。いくつかの実施形態では、例えば、プログラム可能なロジック回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラム可能なロジックアレイ（ＰＬＡ）を含めた電子回路は、本発明の態様を実施するために、コンピュータ可読プログラム命令の状態情報によって、コンピュータ可読プログラム命令を実行してもよい。
【0057】
本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品のフローチャート図もしくはブロック図またはその両方を参照して本明細書に説明される。フローチャート図もしくはブロック図またはその両方の各ブロック、ならびにフローチャート図もしくはブロック図またはその両方におけるブロックの組合せは、コンピュータ可読プログラム命令によって実装できることが理解されよう。
【0058】
これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ、または他のプログラム可能なデータ処理装置のプロセッサに提供されて、コンピュータまたは他のプログラム可能なデータ処理装置のプロセッサを介して実行される命令がフローチャートもしくはブロック図またはその両方の１つまたは複数のブロックにおいて指定された機能／動作を実装する手段を生成するように、機械を生成し得る。これらのコンピュータ可読プログラム命令はまた、コンピュータ、プログラム可能なデータ処理装置、もしくは他のデバイス、またはそれらの組合せを特定の方法で機能させることのできるコンピュータ可読記憶媒体に格納されてもよく、ゆえに、命令を中に格納したコンピュータ可読記憶媒体は、フローチャートもしくはブロック図またはその両方の１つまたは複数のブロックにおいて指定された機能／動作の態様を実装する命令を含む、製品を含み得る。
【0059】
コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラム可能な装置、または他のデバイス上で実行される命令がフローチャートもしくはブロック図またはその両方の１つまたは複数のブロックにおいて指定された機能／動作を実装するように、コンピュータ、他のプログラム可能なデータ処理装置、または他のデバイス上にロードされて、一連の動作ステップをコンピュータ、他のプログラマブル装置、または他のデバイス上で実施させて、コンピュータ実装プロセスを生じる。
【0060】
図中のフローチャートおよびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実施形態のアーキテクチャ、機能性、および動作を説明する。この点に関して、フローチャートまたはブロック図の各ブロックは、指定されたロジック機能を実装するための１つまたは複数の実行可能な命令を含む、命令のモジュール、セグメント、または部分を表すことがある。いくつかの代替的な実施形態では、ブロックに記載された機能は、図に記載された順序の外に生じ得る。例えば、連続して示される２つのブロックが、実際には、実質的に同時に実行されてもよいし、またはブロックが、関与する機能性に応じて、逆の順序で実行されてもよい。また、ブロック図もしくはフローチャート図またはその両方の各ブロック、ならびにブロック図もしくはフローチャート図またはその両方におけるブロックの組合せは、指定された機能もしくは動作を実行するか、または専用ハードウェアとコンピュータ命令との組合せを実施する、専用ハードウェアベースのシステムによって実装できることに留意されたい。
【0061】
本発明の様々な実施形態の説明が、例示のために提示されてきたが、網羅的であること、または開示された実施形態に限定されることを意図するものではない。記載された実施形態の範囲から逸脱することなく、多くの修正および変形が当業者には明らかになるであろう。本明細書で使用される用語は、実施形態の原理、実用的な適用、もしくは市場で発見された技術を超える技術的な改善を最も良く説明するために、または本明細書に開示された実施形態を他の当業者が理解することを可能にするように選択されたものである。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
