特許 7668420 製造機器の保守の質を向上させるための検証

(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】2025-04-16

(45)【発行日】2025-04-24

(54)【発明の名称】製造機器の保守の質を向上させるための検証

(51)【国際特許分類】

   H01L 21/02 20060101AFI20250417BHJP

   G05B 19/418 20060101ALI20250417BHJP

   G05B 23/02 20060101ALI20250417BHJP

【ＦＩ】

H01L21/02 Z

G05B19/418 Z

G05B23/02 301Z

【請求項の数】 20

(21)【出願番号】P 2024522246

(86)(22)【出願日】2022-10-12

(65)【公表番号】

(43)【公表日】2024-11-19

(86)【国際出願番号】 US2022046464

(87)【国際公開番号】W WO2023064406

(87)【国際公開日】2023-04-20

【審査請求日】2024-06-11

(31)【優先権主張番号】17/500,857

(32)【優先日】2021-10-13

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】390040660

【氏名又は名称】アプライド マテリアルズ インコーポレイテッド

【氏名又は名称原語表記】ＡＰＰＬＩＥＤ ＭＡＴＥＲＩＡＬＳ，ＩＮＣＯＲＰＯＲＡＴＥＤ

【住所又は居所原語表記】３０５０ Ｂｏｗｅｒｓ Ａｖｅｎｕｅ Ｓａｎｔａ Ｃｌａｒａ ＣＡ ９５０５４ Ｕ．Ｓ．Ａ．

(74)【代理人】

【識別番号】100103610

【弁理士】

【氏名又は名称】▲吉▼田 和彦

(74)【代理人】

【識別番号】100109070

【弁理士】

【氏名又は名称】須田 洋之

(74)【代理人】

【識別番号】100119013

【弁理士】

【氏名又は名称】山崎 一夫

(74)【代理人】

【識別番号】100067013

【弁理士】

【氏名又は名称】大塚 文昭

(74)【代理人】

【識別番号】100120525

【弁理士】

【氏名又は名称】近藤 直樹

(74)【代理人】

【識別番号】100139712

【弁理士】

【氏名又は名称】那須 威夫

(74)【代理人】

【識別番号】100141553

【弁理士】

【氏名又は名称】鈴木 信彦

(72)【発明者】

【氏名】ディクシット ターパン トゥーシャー

(72)【発明者】

【氏名】プラカシュ ギャン

(72)【発明者】

【氏名】ディワカー アチュース マダヴ

【審査官】庄司 一隆

(56)【参考文献】

【文献】米国特許出願公開第２０２０／０２５１３６０（ＵＳ，Ａ１）

【文献】特表２０２２－５２３１０１（ＪＰ，Ａ）

【文献】特開２００２－２８９５０６（ＪＰ，Ａ）

【文献】特開２０１８－１９５６０７（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０１Ｌ ２１／０２

Ｇ０５Ｂ １９／４１８

Ｇ０５Ｂ ２３／０２

(57)【特許請求の範囲】

【請求項1】

サーバおよび製造機器を含むシステムであって、前記システムが、
前記製造機器の保守プロセスを開始することであり、前記保守プロセスが、前記製造機器の１つまたは複数の構成要素の保守に関連した複数の保守段階を含む、開始すること、
前記複数の保守段階のうちの第１の保守段階を実行することを指示する第１の命令をユーザデバイスに提供すること、
前記第１の保守段階の第１の実行に由来する第１のデータを受け取ること、
前記第１の保守段階の前記第１の実行は満足のいくものではなかったと判定すること、および
実行する是正処置の指示を表示することを前記ユーザデバイスに実行させること
を行わせるように構成された、システム。

【請求項2】

ユーザデバイスをさらに含み、前記ユーザデバイスが、
前記複数の保守段階のうちの第１の保守段階を実行することを指示する前記第１の命令を受け取ること、
前記第１の保守段階の第１の実行に由来するデータを前記サーバに提供すること、
前記サーバから、前記第１の保守段階の前記第１の実行は満足のいくものではなかったことを指示する検証データを受け取ること、および
前記検証データを考慮して是正処置を実行させること
を行わせるように構成された、請求項１に記載のシステム。

【請求項3】

前記システムがさらに、
前記第１の保守段階の第２の実行に由来する第２のデータを受け取ること、
前記第１の保守段階の前記第２の実行は満足のいくものだったと判定すること、および
前記複数の保守段階のうちの第２の保守段階を実行することを指示する第２の命令を前記ユーザデバイスに提供すること
を行わせるように構成された、請求項１に記載のシステム。

【請求項4】

前記システムがさらに、
前記複数の保守段階のうちの第２の保守段階の第１の実行に由来する第２のデータを受け取ること、
前記第２の保守段階の前記第１の実行は満足のいくものであったと判定すること、および
前記複数の保守段階のうちの第３の保守段階を実行することを指示する第２の命令を前記ユーザデバイスに提供すること
を行わせるように構成された、請求項１に記載のシステム。

【請求項5】

前記第１の保守段階の実行に由来する前記第１のデータが、
前記製造機器に関連したセンサからのセンサデータ、
画像および／もしくはビデオデータ、または
接続された１つもしくは複数の器具からのデータ
のうちの少なくとも１つを含む、請求項１に記載のシステム。

【請求項6】

前記第１の保守段階の前記第１の実行は満足のいくものではなかったと判定することが、前記第１のデータに関連した少なくとも１つの値が少なくとも１つの閾値基準を満たしていないと判定することを含む、請求項１に記載のシステム。

【請求項7】

前記第１の保守段階の前記第１の実行は満足のいくものではなかったと判定することが、
前記第１のデータに基づくデータを物理的現象に基づくモデルに提供すること、および
前記物理的現象に基づくモデルから、前記第１の保守段階の第１の実行は満足のいくものではなかったことの指示を受け取ること
を含む、請求項１に記載のシステム。

【請求項8】

前記第１の保守段階の前記第１の実行は満足のいくものではなかったと判定することが、
前記第１のデータに基づくデータを訓練された機械学習モデルに提供すること、および
前記訓練された機械学習モデルから、前記第１の保守段階の第１の実行は満足のいくものではなかったことの指示を受け取ること
を含む、請求項１に記載のシステム。

【請求項9】

前記システムがさらに、保守プロセスの保守段階または保守プロセスのうちの少なくとも一方の成功を記述するスコアを割り当てるように構成された、請求項１に記載のシステム。

【請求項10】

前記スコアが、前記保守段階または保守プロセスの実行の結果、製造機器が、１つまたは複数の製造機器認定基準を満たす可能性を指示する、請求項９に記載のシステム。

【請求項11】

サーバによって、製造機器の保守プロセスを開始することであり、前記保守プロセスが、前記製造機器の１つまたは複数の構成要素の保守に関連した複数の保守段階を含む、開始すること、
前記複数の保守段階のうちの第１の保守段階を実行することを指示する第１の命令をユーザデバイスに提供すること、
前記第１の保守段階の第１の実行に由来する第１のデータを受け取ること、
前記第１の保守段階の前記第１の実行は満足のいくものではなかったと判定すること、および
是正処置を実行させること
を含む方法。

【請求項12】

前記是正処置が、
ユーザに警報を出すこと、
ユーザに保守命令を提供すること、または
プロセスレシピを更新すること
のうちの少なくとも１つを含む、請求項１１に記載の方法。

【請求項13】

前記第１の保守段階の第２の実行に由来する第２のデータを受け取ること、
前記第１の保守段階の前記第２の実行は満足のいくものだったと判定すること、および
前記複数の保守段階のうちの第２の保守段階を実行することを指示する第２の命令を前記ユーザデバイスに提供すること
をさらに含む、請求項１１に記載の方法。

【請求項14】

前記複数の保守段階のうちの第２の保守段階の第１の実行に由来する第２のデータを受け取ること、
前記第２の保守段階の前記第１の実行は満足のいくものであったと判定すること、および
前記複数の保守段階のうちの第３の保守段階を実行することを指示する第２の命令を前記ユーザデバイスに提供すること
をさらに含む、請求項１１に記載の方法。

【請求項15】

前記第１の保守段階の実行に由来する前記第１のデータが、
前記製造機器に関連したセンサからのセンサデータ、
画像および／もしくはビデオデータ、または
接続された１つもしくは複数の器具からのデータ
のうちの少なくとも１つを含む、請求項１１に記載の方法。

【請求項16】

命令を格納した非一時的機械可読ストレージ媒体であって、前記命令が、実行されたときに、
ユーザデバイスによって、製造機器に関連した保守プロセスの複数の保守段階のうちの第１の保守段階を実行することを指示する第１の命令を受け取ること、
前記第１の保守段階の第１の実行に由来する第１のデータをサーバに提供すること、
前記サーバから、前記第１の保守段階の前記第１の実行は満足のいくものではなかったことを指示する第１の検証データを受け取ること、および
前記第１の検証データを考慮して是正処置を実行させること
を含む操作を、処理デバイスに実行させる、非一時的機械可読ストレージ媒体。

【請求項17】

前記是正処置が、
ユーザに警報を出すこと、
ユーザに保守命令を提供すること、または
プロセスレシピを更新すること
のうちの少なくとも１つを含む、請求項１６に記載の非一時的機械可読ストレージ媒体。

【請求項18】

前記第１の保守段階の第２の実行に由来する第２のデータを前記サーバに提供すること、
前記サーバから、前記第１の保守段階の前記第２の実行は満足のいくものであったことを指示する第２の検証データを受け取ること、および
前記サーバから、前記複数の保守段階のうちの第２の保守段階を実行することを指示する第２の命令を受け取ること
をさらに含む、請求項１６に記載の非一時的機械可読ストレージ媒体。

【請求項19】

前記第１の保守段階の第１の実行に由来する前記第１のデータが、
前記製造機器に関連したセンサからのセンサデータ、
画像および／もしくはビデオデータ、または
接続された１つもしくは複数の器具からのデータ
のうちの少なくとも１つを含む、請求項１６に記載の非一時的機械可読ストレージ媒体。

【請求項20】

前記複数の保守段階のうちの第２の保守段階の第１の実行に由来する第２のデータを前記サーバに提供すること、
前記サーバから、前記第２の保守段階の前記第１の実行は満足のいくものであったことを指示する第２の検証データを受け取ること、および
前記サーバから、前記複数の保守段階のうちの第３の保守段階を実行することを指示する第２の命令を受け取ること
をさらに含む、請求項１６に記載の非一時的機械可読ストレージ媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書は、製造機器の保守プロセスに関する。より詳細には、本明細書は、製造機器の保守の質を向上させるために１つまたは複数の保守操作を検証するためのシステムおよび方法に関する。

【背景技術】

【0002】

処理機器は、多くのタイプの処理システムで使用される。処理機器の例は、エッチングチャンバ、堆積チャンバ、アニールチャンバ、注入チャンバおよび他の同種のものを含む。典型的には、プロセスチャンバ内に半導体ウエハなどの基板が置かれ、基板を処理するためにプロセスチャンバ内の条件が設定および維持される。研磨プロセスなどのいくつかの処理操作は、チャンバに限定されない機器を利用することがある。基板の処理（例えば、多くのウエハ、多くの処理時間など）は、処理機器（製造機器とも呼ばれる）の構成要素を摩耗させる。チャンバなどの製造機器はしばしば、予防保守を実施するために所定の間隔でオフラインにされる。保守プロセスは、多くの保守段階および／または操作を含むことがある。予防保守の実行が満足のいくものであるとき、製造機器は、予定通りに生産に戻ってもよい（例えば基板を処理するために使用されてもよい）。予防保守の実行が満足のいくものではない場合には、利益を産まない予定外の休止期間が生じることがある。

【発明の概要】

【0003】

以下は、本開示のいくつかの態様の基本的理解を提供するための本開示の簡略化された概要である。この概要は、本開示を広範囲に概観したものではない。この概要が、本開示の鍵となる要素もしくは決定的に重要な要素を識別すること、または、この概要が、本開示の特定の実施態様の範囲もしくは特許請求の範囲を限定することは意図されていない。この概要の唯一の目的は、後に示すより詳細な説明に対する前置きとして、本開示のいくつかの着想を簡略化された形で示すことにある。

【0004】

本開示の一態様には、サーバおよび製造機器を含むシステムが記載されており、このシステムは、製造機器の保守プロセスを開始するように構成されている。この保守プロセスはいくつかの保守段階を含む。このシステムはさらに、第１の保守段階を実行することを指示する命令をユーザデバイスに提供するように構成されている。このシステムはさらに、第１の保守段階の実行に由来するデータを受け取るように構成されている。このシステムはさらに、第１の保守段階の実行は満足のいくものではなかったと判定するように構成されている。このシステムはさらに、実行する是正処置（ｃｏｒｒｅｃｔｉｖｅ ａｃｔｉｏｎ）の指示を表示することをユーザデバイスに実行させるように構成されている。

【0005】

本開示の別の態様では、方法が、サーバによって、製造機器の保守プロセスを開始することを含む。この保守プロセスは、製造機器のいくつかの構成要素に関連したいくつかの保守段階を含む。この方法はさらに、保守プロセスの第１の段階を実行することを指示する命令をユーザデバイスに提供することを含む。この方法はさらに、第１の保守段階の実行に由来するデータを受け取ることを含む。この方法はさらに、第１の保守段階の実行は満足のいくものではなかったと判定することを含む。この方法はさらに、是正処置を実行させることを含む。

【0006】

本開示の別の態様では、方法が、ユーザデバイスによって、保守プロセスの第１の保守段階を実行することを指示する命令を受け取ることを含む。この保守プロセスは多くの保守段階を含む。この保守プロセスは製造機器に関連している。この方法はさらに、第１の保守段階の実行に由来するデータをサーバに提供することを含む。この方法はさらに、サーバから、第１の保守段階の実行は満足のいくものではなかったことを指示する検証データを受け取ることを含む。この方法はさらに、この検証データを考慮して是正処置を実行させることを含む。

【0007】

添付図面の図において、本開示は例として示されており、限定するものとしては示されていない。

【図面の簡単な説明】

【0008】

【図1】いくつかの実施形態による例示的なシステム（例示的なシステムアーキテクチャ）を示すブロック図である。

【図2】いくつかの実施形態による、モデルのためのデータセットを生成するのに使用される例示的なデータセット生成器のブロック図である。

【図3】いくつかの実施形態による、出力データ（例えば予測データ）を生成するためのシステムを示すブロック図である。

【図4A-4F】いくつかの実施形態による、予測データの生成に関連した、是正処置を実行させる方法の流れ図である。

【図5】いくつかの実施形態による、保守プロセスを改良するシステムの動作を示す図である。

【図6】いくつかの実施形態による、コンピュータシステムを示すブロック図である。

【発明を実施するための形態】

【0009】

本明細書には、製造機器に関連した保守プロセスの段階を開始および検証するためのシステムを対象とする技術が記載されている。製造機器は、半導体ウエハなどの基板を処理するために使用される。これらの基板の特性は、基板が処理された条件によって制御される。製造機器のさまざまな構成要素が、基板の一貫した処理に寄与する。基板処理（例えばいくつかの基板の処理、基板処理にかかる時間など）の結果、製造機器の構成要素が摩耗する。一貫した基板の生産を維持するため、摩耗した構成要素は定期的に保守されることがある。いくつかの実施形態では、最後の保守事象以降の、ウエハを処理するために製造機器が使用された時間、製造機器が生産に従事していた時間または他の同種のものに基づいて、保守が開始されることがある。いくつかの実施形態では、処理されたウエハの数、機器性能を指示するセンサデータ、完成した基板の計測データなどに基づいて、保守が開始されることがある。

【0010】

いくつかのケースでは、例えば、少数の構成要素を保守する場合、保守する構成要素に容易にアクセス可能である場合などに、保守プロセスが迅速に実行されることがある。いくつかのケースでは、保守プロセスが、製造機器の多くの構成要素に関連した多くの保守段階を含む大規模なものになることがある。いくつかのケースでは、保守プロセスが満足のいくように実行されたこと（あるいは特定の１つもしくは複数の段階またはプロセスが満足のいくように実行されたこと）の検証が制限されることがある。一例では、保守プロセスが、基板を真空下で処理するのに使用した製造チャンバをベントすること（このことが、洗浄手順、パージ手順を実行すること、加熱装置および冷却装置などの構成要素の電源をオフにすることなどを含むことがある）、さまざまな構成要素（例えばプロセスキット、チャンバライナ、リフトピン、チャッキングアセンブリ、バルブ、アクチュエータ、窓、センサなど）を取り外し、かつ／またはそれらのさまざまな構成要素に対して保守を実行すること、およびチャンバを再組み立てすることを含むことがある。保守プロセスが満足のいくように実行されたこと（例えば、保守を実行した結果が仕様を満たす機器であったこと）の検証が、チャンバが再組み立てされるまで実行されないことがある。次いで、チャンバが再び真空まで適正にポンプ減圧されること、チャンバのシーズニングが適正に進むこと、許容可能な基板が生産されることなどを、センサが検証することがある。

【0011】

いくつかのケースでは、保守事象後に（例えば保守プロセスの段階が完了した後に）、製造機器が認定試験（ｑｕａｌｉｆｉｃａｔｉｏｎ ｔｅｓｔ）に合格しない（例えば、製造または処理チャンバが性能メトリック（ｍｅｔｒｉｃ）を満たしていないことが判明する）ことがある。いくつかのケースでは、認定試験に不合格となった後、製造機器は、機器を動作可能な状態（例えば性能メトリックを満たす状態）に戻すために、予定外の休止期間、ことによるとトラブルシューティング、追加の保守などを含む予定外の休止期間に入る。保守プロセスの開始から、保守プロセスの実行は満足のいくものではなかったことの検証を受け取るまでの間に、多くの構成要素に調整、洗浄、交換、保守などが実施されることがある。製造機器が性能メトリックを満たしていないことの原因がどの１つまたは複数の構成要素にあるのか、どの保守段階を繰り返すべきかなどを予測することが難しいことがある。製造プロセス中に導入された問題を是正するために、保守段階を繰り返すことが選択されることがあり、または保守プロセスの全体が繰り返されることもある。このような手法は、機器（例えば製造チャンバ）を動作可能な状態に戻すための実験を含む。実験には、費やされる時間、使用される材料、労働などに関するコストがかかる。さらに、延長された保守事象後に、製造機器が認定試験に再び不合格となることがあり、その場合には、例えば、休止時間がさらに増大し、生産性が低下し、材料が無駄になることがある。これらの問題をさらに悪化させると、製造機器を認定するためのくつかのメトリック（例えば、基板製造チャンバ内で生産された基板の計測値）が保守プロセスの成功を直接に指示しないことがあり（例えば、保守が正しく実行されているにもかかわらず、特定の基板が、実行メトリックを満たさないことがあり）、このようなメトリックを使用して製造機器を認定することは、認定試験が偽陰性であることにより、不必要な休止時間につながりうる。

【0012】

本開示の方法およびデバイスは、従来の手法のこれらの欠陥のうちの少なくともいくつかの欠陥に対処する。本開示は、保守プロセスの段階または操作の成功または失敗の段階ごとの検証を提供するシステムの使用を可能にする。いくつかの実施形態では、本開示のシステムがサーバを含む。いくつかの実施形態では、このシステムがさらにユーザデバイスを含む。いくつかの実施形態では、このシステムがさらに、製造機器（例えば基板処理チャンバ）に関連したセンサ、および接続されたスマート器具を含む。このシステムは、保守プロセスの第１の保守段階を実行することを指示する命令をユーザデバイスに提供するように構成されていてもよい。このシステムはさらに、保守段階の実行を指示する情報をサーバに提供するように構成されていてもよい。このシステムはさらに、保守段階が満足のいくように実行されたかどうかを判定するように構成されていてもよい。このシステムはさらに、保守段階の実行の質を指示する検証通知をユーザデバイスに提供するように構成されていてもよい。

【0013】

いくつかの実施形態では、保守段階が満足のいくように実行されたことを検証することが、処理デバイスが受け取ったデータ値を閾値と比較すること（例えば、チャンバが十分な真空を達成することができることを保証するために、圧力センサ値を閾値と比較すること）を含んでいてもよい。いくつかの実施形態では、保守段階が満足のいくように実行されたことを検証することが、保守段階の実行に由来するデータを物理的現象に基づくモデル（ｐｈｙｓｉｃｓ－ｂａｓｅｄ ｍｏｄｅｌ）に提供すること（例えば、マスフローコントローラの動作をマスフローコントローラのデジタルツインの動作と比較すること）を含んでいてもよい。いくつかの実施形態では、保守段階が正しく実行されたことを検証することが、保守段階の実行に由来するデータを訓練された機械学習モデルに提供することを含んでいてもよい（例えば、静電チャックなどの、保守段階中に洗浄された構成要素のピクチャを、処理のために、訓練された機械学習モデルに提供してもよく、部品が正しく置かれたかどうか、または締め具が適正に使用されたかどうかを判定するために画像を処理してもよい）。いくつかの実施形態では、ユーザデバイスが、保守段階の満足のいく実行の検証に関連した情報をユーザに対して表示するように構成されていてもよい。いくつかの実施形態では、ユーザデバイスがさらに、検証データを考慮して、提案された処置をユーザに対して表示するように構成されていてもよい。いくつかの実施形態では、ユーザデバイスがさらに、１つまたは複数の保守段階または操作が正しく実行されたかどうかを判定する目的に使用可能な情報を集める（例えば製造機器の画像を生成する）ように構成されていてもよい。

【0014】

いくつかの実施形態において、本開示の方法はさらに、サーバによって、製造機器の保守プロセスを開始することを含む。この方法はさらに、保守プロセスの第１の保守段階を実行することを指示する命令をユーザデバイスに提供することを含む。この方法はさらに、第１の保守段階の第１の実行に由来するデータを（例えばサーバコンピューティングデバイスまたはコントローラにおいて）受け取ることを含む。この方法はさらに、第１の保守段階の第１の実行は満足のいくものではなかったと判定することを含む。この方法はさらに、実行する是正処置の指示を表示することをユーザデバイスに実行させることを含む。

【0015】

いくつかの実施形態において、本開示の方法はさらに、ユーザデバイスによって、保守プロセスの第１の保守段階を実行することを指示する命令を受け取ることを含む。この方法はさらに、第１の保守段階の第１の実行に由来するデータをサーバに提供することを含む。この方法はさらに、サーバから、第１の保守段階の実行は満足のいくものではなかったことを指示する検証データを受け取ることを含む。この方法はさらに、この検証データを考慮して是正処置を実行させることを含む。

【0016】

本開示の諸態様の結果、従来の方法に優る技術的利点が得られる。保守プロセスの１つの段階後に保守の質を検証することは、認定テキストに不合格の場合または検証に失敗した場合にダブルチェックする構成要素の数、保守操作の数などを抑制する。さらに、蓄積された知識がサーバに格納されていることがあり、適切な是正処置がユーザデバイスを介してユーザに提供されることがある。このことは、失敗した保守段階のトラブルシューティングの精度および効率を増大させる。

【0017】

図１は、ある種の実施形態による例示的なシステム１００（例示的なシステムアーキテクチャ）を示すブロック図である。システム１００は、ユーザデバイス１２０、製造機器１２４、センサ１２６、計測機器１２８、接続された器具１２９、予測サーバ１１２およびデータストア１４０を含む。予測サーバ１１２は、予測システム１１０の部分であってもよい。予測システム１１０はサーバマシン１７０および１８０をさらに含んでいてもよい。

【0018】

センサ１２６（例えば製造機器１２４に関連したセンサ）は、（例えば製造機器１２４に関連した条件、例えば保守事象の１つの段階中の製造機器１２４に関連した条件を指示する）製造機器１２４に関連したセンサデータ１４２を提供してもよい。センサデータ１４２はさらに、生産中、認定試験中など、保守事象以外の時間中にセンサによって記録されたデータを含んでいてもよい。センサデータ１４２はさらに、製造機器１２４に関連していないセンサからのデータを含んでいてもよい。接続された器具１２９（接続されたツールとも呼ぶ）が、センサデータ１４２に含まれるデータを生成してもよい。接続された器具１２９は、有線または無線接続を介してユーザデバイス１２０および／またはサーバマシン１７０に接続されたツールであってもよい。一実施形態では、接続された器具１２９が電源を含んでいてもよく、また、接続された器具１２９をユーザデバイス１２０および／またはサーバマシン１７０に、Ｂｌｕｅｔｏｏｔｈ接続、Ｗｉ－Ｆｉ接続、Ｚｉｇｂｅｅ接続などの無線接続を介して接続する無線モジュールを含んでいてもよい。例えば、接続されたトルクレンチが、接続されたトルクレンチ内のセンサからの情報であって、その接続されたトルクレンチが１つの構成要素を締め付けたトルクを指示する情報を提供してもよく、接続されたねじ回しが、その接続されたねじ回しがねじを何回転させたかを指示する情報を提供してもよく、他の同種のものを提供してもよい。さらに、センサデータ１４２に含まれるデータをユーザデバイス１２０が生成してもよい。例えば、ユーザデバイス１２０は、画像またはビデオデータを生成する目的に使用可能なカメラを含んでいてもよく、画像またはビデオデータがセンサデータ１４２に含まれていてもよい。センサデータ１４２は例えば、機器の健全性および／または製品の健全性（例えば製品の質）を判定するために使用されてもよい。製造機器１２４は、レシピに従って、または１つの期間にわたってランを実行して、製品を生産してもよい。いくつかの実施形態では、センサデータ１４２が、温度（例えば加熱装置の温度）、間隔（ＳＰ）、圧力、高周波無線周波数（ＨＦＲＦ）、静電チャック（ＥＳＣ）の電圧、電流、流量（例えば１種または数種のガスの流量）、電力、電圧などのうちの１つまたは複数の値を含んでいてもよい。センサデータ１４２は、履歴センサデータ１４４およびカレントセンサデータ１４６を含んでいてもよい。

【0019】

製造機器１２４は、保守データ１５０に基づく保守事象用に構成されていてもよい。保守データ１５０は、ハードウェアパラメータ（例えば製造機器１２４の設定もしく構成要素（例えばサイズ、タイプなど））ならびに／または製造機器のプロセスパラメータ（例えばガス流量、圧力、加熱装置および冷却装置のコントローラなど）など、保守段階のためのパラメータに関連したものであってもよく、あるいは保守段階のためのパラメータを指示するものであってもよい。保守データ１５０はさらに、保守プロセスのさまざまな保守段階または操作のための命令を含んでいてもよい。命令は、文書形式の記述、画像、ビデオ、音、製造機器１２４のパラメータを制御する手段などを含んでいてもよい。保守データ１５０は、保守段階を実行するためのプロセスレシピを含んでいてもよい。保守データは、保守事象、プロセス、段階、操作などの成功を指示するスコアを割り当てるためのメトリックを含んでいてもよい。保守データ１５０は、保守事象、プロセス、段階、操作などの検証、認定などに失敗した場合に実行する命令を含んでいてもよい。命令は、保守のためのいくつかのパラメータに従って製造機器１２４が構成されるようにするために（例えばユーザデバイス１２０を介して）ユーザに提供する命令または製造機器１２４に直接に提供する命令を含んでいてもよい。保守データ１５０は、履歴保守データ１５２および／またはカレント保守データ１５４を含んでいてもよい。保守データ１５０は、保守プロセスのある部分のための製造デバイスに対する入力設定（例えば加熱装置の電力、ガスの流量など）を指示するものであってもよい。センサデータ１４２は、製造機器１２４に関連した保守が実行されている間に提供されたもの（例えば保守プロセスが実行されているときの機器の読み）であってもよい。センサデータ１４２は保守事象ごとに異なっていてもよい。

【0020】

いくつかの実施形態では、センサデータ１４２が（例えばユーザデバイス１２０、予測サーバ１１２、サーバマシン１７０などによって）処理されてもよい。センサデータ１４２の処理は、センサデータ１４２の特徴を生成または決定することを含んでいてもよい。いくつかの実施形態では、この特徴が、センサデータ１４２のパターン（例えば傾き、幅、高さ、ピークなど）、またはセンサデータ１４２からの値の組合せ（例えば電圧と電流から導き出された電力など）である。センサデータ１４２は特徴を含んでいてもよく、その特徴は、信号処理を実行するためおよび／または予測データ１６８を取得するために、ことによると是正処置を実行するために、予測構成要素１１６によって使用されてもよい。是正処置は、ユーザに警報を出すこと、ユーザに保守命令（例えば１つまたは複数の保守操作を実行する命令、保守操作を繰り返す命令など）を提供すること、プロセスレシピ（例えば保守プロセスレシピ）を更新することなどを含んでいてもよい。

【0021】

センサデータ１４２のそれぞれの実例（例えばセット）は、特定の保守事象（例えば製造機器１２４のいくつかの保守段階を含む保守プロセスの実行）、保守のタイプ（例えば製造機器１２４の特定のセット、チャンバのタイプ、設定された保守段階を含むプロセスなど）、または他の同種のものに対応してもよい。保守データ１５０は、同様の特性を有するセットを含んでいてもよい。

【0022】

データストア１４０は、計測機器１２８を使用して集められた計測データ１６９であって、製造機器１２４を使用して処理された製品に関連した計測データ１６９を含んでいてもよい。計測データ１６９は、センサデータ１４２および保守データ１５０と同様の特性を有するセットを含んでいてもよい。データストア１４０は、異なるデータセットを関連付ける情報を格納していてもよい。例えば、複数のデータセットが同じ製品に対応することを指示するデータ（例えば、製品の測定値を表す計測データ１６９、製品を処理するのに使用した製造機器を含む保守事象に関するセンサデータ１４２など）が格納されていてもよい。

【0023】

ユーザデバイス１２０、製造機器１２４、センサ１２６、計測機器１２８、接続された器具１２９、予測サーバ１１２、データストア１４０、サーバマシン１７０およびサーバマシン１８０は、予測データ１６８を生成するために、任意選択で是正処置を実行するためにネットワーク１３０を介して互いに結合されていてもよい。

【0024】

いくつかの実施形態では、ネットワーク１３０が、予測サーバ１１２、データストア１４０および／または他の公衆コンピューティングデバイスへのアクセスをユーザデバイス１２０に提供する公衆ネットワークである。いくつかの実施形態では、ネットワーク１３０が、製造機器１２４、センサ１２６、計測機器１２８、接続された器具１２９、データストア１４０および／または他の専用コンピューティングデバイスへのアクセスをユーザデバイス１２０に提供する専用ネットワークである。ネットワーク１３０は、１つまたは複数のワイドエリアネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、有線ネットワーク（例えばＥｔｈｅｒｎｅｔネットワーク）、無線ネットワーク（例えば８０２．１１ネットワークまたはＷｉ－Ｆｉネットワーク）、セルラーネットワーク（例えばロングタームエボルーション（ＬＴＥ）ネットワーク）、ルータ、ハブ、スイッチ、サーバコンピュータ、クラウドコンピューティングネットワークおよび／またはこれらの組合せを含んでいてもよい。

【0025】

ユーザデバイス１２０は、パーソナルコンピュータ（ＰＣ）、ラップトップ、モバイルフォン、スマートフォン、タブレットコンピュータ、ネットブックコンピュータ、ネットワーク接続されたテレビジョン（「スマートＴＶ」）、ネットワーク接続されたメディアプレーヤ（例えばＢｌｕ－ｒａｙプレーヤ）、セットトップボックス、オーバーザトップ（ＯＴＴ）ストリーミングデバイス、オペレータボックス、ウェアラブルコンピューティングデバイス、拡張／仮想現実デバイスなどのコンピューティングデバイスを含んでいてもよい。いくつかの実施形態では、ユーザデバイス１２０が、ラップトップ、モバイルフォン、スマートフォン、タブレットコンピュータまたはネットブックコンピュータなどのモバイルコンピューティングデバイスである。ユーザデバイス１２０は、１つまたは複数のタイプのセンサデータを集めてもよく（例えば、１つまたは複数の保守操作の後にプロセスチャンバの部分の画像を生成してもよく）、それらのセンサデータを処理のために予測サーバ１１２に送ってもよい。ユーザデバイスは、それに加えて、またはその代わりに、保守段階もしくは操作が成功であった）例えば保守段階に関連したセンサデータが保守判定基準を満たした）のか、または不成功であった（例えば保守段階に関連したセンサデータが保守判定基準を満たさなかった）のかを指示する情報をサーバマシン１７０および／または予測サーバ１１２から受け取ってもよい。

【0026】

ユーザデバイス１２０は、是正処置構成要素１２２を含んでいてもよい。是正処置構成要素１２２は、製造機器１２４の保守操作に関するユーザ入力を（例えば、ユーザデバイス１２０を介して表示されたグラフィカルユーザインタフェース（ＧＵＩ）、ユーザデバイス１２０の音声制御などを介して）受け取ってもよい。いくつかの実施形態では、ユーザが、ユーザデバイス１２０のカメラを利用して、保守操作に関連した構成要素の画像を捕捉する。いくつかの実施形態では、ユーザが、テキスト入力、音声入力、多選択肢選択などを介して保守操作の記述を提供してもよい。いくつかの実施形態では、是正処置構成要素１２２が、保守操作に関するデータを予測システム１１０に送信し、予測システム１１０から出力（例えば予測データ１６８）を受信する。いくつかの実施形態では、是正処置構成要素１２２が、この出力に基づいて是正処置を決定し、その是正処置を実施させる。この是正処置は、ユーザに警報を出すこと、デバイス（例えばユーザデバイス１２０、製造機器１２４のデバイスなど）に命令を提供すること、プロセスレシピ（例えば保守プロセスレシピ）を更新することなどを含んでいてもよい。

【0027】

いくつかの実施形態では、予測システム１１０がさらに予測構成要素１１６を含んでいてもよい。予測構成要素１１６は、データストア１４０、ユーザデバイス１２０などから取り出されたデータ（例えばセンサデータ１４２）を利用して、予測データ１６８を生成してもよい。予測データ１６８は、機器の保守に関連したセンサデータ１４２を考慮した、機器、構成要素などの実行の予測された指示を含んでいてもよい。予測データ１６８は、保守段階、操作、プロセスなどの成功の指示を含んでいてもよい。いくつかの実施形態では、予測構成要素１１６がユーザデバイス１２０に予測データ１６８を提供し、ユーザデバイス１２０が、予測データ１６８を考慮して是正処置を是正処置構成要素１２２を介して実行させる。例えば、是正処置構成要素１２２は、保守操作に関するセンサデータ１４２に基づいてユーザデバイス１２０を介してユーザに保守命令を提供してもよい。いくつかの実施形態では、是正処置構成要素１２２が、製造機器１２４に関連したセンサデータ１４２（例えばカレントセンサデータ１４６）を（例えばデータストア１４０などから）取得し、製造機器１２４に関連したセンサデータ１４２（例えばカレントセンサデータ１４６）を予測システム１１０に提供する。

【0028】

いくつかの実施形態では、是正処置構成要素１２２がセンサデータ１４２をデータストア１４０に格納し、予測サーバ１１２がデータストア１４０からセンサデータ１４２を取り出す。いくつかの実施形態では、予測サーバ１１２が、訓練された機械学習モデル１９０の出力をデータストア１４０に格納してもよく、ユーザデバイス１２０がこの出力をデータストア１４０から取り出してもよい。いくつかの実施形態では、是正処置構成要素１２２が予測システム１１０から是正処置の指示を受け取り、是正処置を実施させる。それぞれのユーザデバイス１２０は、データ（例えば製造機器１２４に関連した指示、製造機器１２４に関連した是正処置など）を生成、調査または編集することのうちの１つまたは複数をユーザが実行することを可能にするオペレーティングシステムを含んでいてもよい。ユーザデバイス１２０はさらに、画像またはビデオデータ、いくつかの実施形態では予測構成要素１１６に供給する画像またはビデオデータを生成するための構成要素を含んでいてもよい。

【0029】

いくつかの実施形態では、予測システム１１０が、保守事象の保守操作に関連したデータを受け取ってもよい。予測システム１１０は、その保守操作に関する検証プロセスの結果を指示する検証データ１６４を生成してもよい。検証データ１６４は、保守操作の合格／不合格の指示、グレードまたはスコアなどを含んでいてもよい。

【0030】

いくつかの実施形態では、計測データ１６９が、製品（例えば、製造機器を使用して生産され、センサによってセンサデータ１４２として記録された保守データ１５０に従って保守された製品）の履歴特性データに対応し、予測データ１６８が、予測された特性データ（例えば製造機器１２４によって生産される製品または製造機器１２４によって生産された製品の予測された特性データ）に関連している。いくつかの実施形態では、予測データ１６８が、製造機器１２４を使用して生産される製品もしくは製造機器１２４を使用して生産された製品の予測された計測データ（例えば仮想計測データ）であり、またはそのような予測された計測データを含む。いくつかの実施形態では、予測データ１６８が、異常（例えば異常な製品、異常な構成要素、異常な製造機器、異常なエネルギー使用量など）の指示および／またはそれらの異常の１つもしくは複数の原因の指示であり、あるいはそれらの指示を含む。いくつかの実施形態では、予測データ１６８が、製造機器１２４、センサ１２６、計測機器１２８または他の同種のもののいくつかの構成要素の時間変化またはドリフトの指示を含む。いくつかの実施形態では、予測データ１６８が、製造機器１２４、センサ１２６、計測機器１２８または他の同種のものの構成要素の寿命の終わりの指示を含む。

【0031】

いくつかの実施形態では、予測データ１６８が、保守プロセスの保守段階の実行が満足のいくように実行されたか否かの指示、例えば、保守プロセスの結果、製造機器１２４が認定試験に合格するか否かの指示、製造機器１２４を使用して処理された製品が保守プロセスの実行後に性能標準を満たすか否かの指示などを含む。

【0032】

性能標準を満たさない機器に帰着する保守事象は、時間、エネルギー、材料、構成要素、欠陥を識別するコストおよび廃棄された欠陥製品などにおいてコスト高となりうる。センサデータ１４２を使用して、保守プロセスの段階または操作、保守プロセスの全体などの成功の予測を生成することにより、保守事象におけるエラーの分離および是正に関連したコストが大幅に低減することがある。システム１００は、失敗した保守事象に関連したトラブルシューティングに関連したコストを回避しかつ／または低減させるという技術的利点を提供することがある。

【0033】

製造機器１２４の構成要素の故障に帰着する保守プロセスを実行することは、休止時間、製品に対する損傷、機器に対する損傷、急遽発注する交換構成要素などにおいてコスト高となりうる。センサデータ１４２（例えば保守事象の実行に関連したデータ）を予測構成要素１１６に入力し、予測構成要素１１６によって出力された予測データ１６８の出力を受け取り、出力された予測データ１６８に基づく処置をとることにより、保守プロセスが完了する前に保守操作を評価してもよい。個々の保守操作のこのような個別評価は、保守プロセスの実行に関する情報の粒度を増大させることができ、保守プロセスに関連した休止時間を短縮することができる。予測データ１６８を使用して、是正処置（例えば、構成要素の交換、処理、洗浄などの予測された運用上の動作保守）を予測データ１６８に基づいて実行することもできる。システム１００は、構成要素の予期しない故障、予定外の休止時間、生産性の損失、機器の予期しない故障、製品廃棄または他の同種のもののうちの１つまたは複数のコストを回避するという技術的利点を有しうる。さらに、実施形態では、（予測データ１６８として記録された）ドリフトしているまたは故障している構成要素を診断するために、予測構成要素１１６が、同じチャンバからの予測データセットを経時的に比較してもよい。構成要素の性能、例えば製造機器１２４、センサ１２６、計測機器１２８および他の同種のものの性能を経時的に監視して、劣化している構成要素の指示を提供してもよい。

【0034】

最適とは言えない保守手順の実行の結果、製造機器が、性能目標に達していない製品を生産することがある。このような最適とは言えない保守手順は、リソース（例えばエネルギー、冷却剤、ガスなど）消費の増大、製品を生産する時間の増大、構成要素故障の増大、欠陥製品量の増大などのコストのかかる結果を有することがある。センサデータ１４２を、（例えば訓練された機械学習モデル１９０を含んでいてもよい）予測構成要素１１６に入力し、予測データ１６８の出力を受け取り、予測データ１６８に基づく是正処置を（例えば予測データ１６８に基づいて）実行することによって、システム１００は１つまたは複数の是正処置を実行してもよい。システム１００によって実行される是正処置は、ユーザに警報を出すこと、ユーザに保守命令を提供すること、プロセスレシピを更新すること、追加の保守をスケジュールに入れることなどを含んでいてもよい。

【0035】

一例では、是正処置が、予測データ１６８に基づいて製造パラメータを更新すること（例えば最適な製造パラメータを設定すること）を含んでいてもよい。保守後の製造機器の状態に従って製造パラメータを更新することによって、システム１００は、最適な製造パラメータ（例えばハードウェアパラメータ、プロセスパラメータ）を使用して、最適とは言えない製造パラメータのコストがかかる結果を回避するという技術的利点を有することができる。

【0036】

いくつかの実施形態では、是正処置が警報（例えば、予測データ１６８が、製品、構成要素または製造機器１２４の異常などの予測された異常を指示している場合に、保守プロセスの１つまたは複数の追加の段階または操作を停止するように、または実行しないように警告する警告）を出すことを含む。一実施形態では、是正処置が、以前に実行した保守操作を繰り返すことを含む。一実施形態では、是正処置が、プロセスチャンバの構成要素を交換することを含む。いくつかの実施形態では、是正処置が、フィードバック制御（例えば、予測データ１６８が異常を指示していることに応答して製造パラメータを変更するフィードバック制御）を提供することを含む。いくつかの実施形態では、是正処置が、訓練された機械学習モデルの出力を考慮して実行されてもよい。いくつかの実施形態では、是正処置を実行することが、１つまたは複数の保守パラメータに対する更新を実行させることを含む。

【0037】

是正処置は、ハードウェア修正（例えば、構成要素を交換すること、ある種の構成要素を使用すること、処理チップを交換すること、ファームウェアを更新することなど）を実行するよう命じるユーザへの命令、保守パラメータ（例えば温度、圧力、流量、レート、電流、電圧、ガス流量、リフト速度など）の更新を製造機器に実行させる命令、接続された１つまたは複数の器具１２９の設定（例えばトルクの設定など）の更新、または他の同種のものを含んでいてもよい。いくつかの実施形態では、是正処置が、保守操作、製品処理操作などのレシピを更新することを含む。

【0038】

予測サーバ１１２、サーバマシン１７０およびサーバマシン１８０はそれぞれ、ラックマウントサーバ、ルータコンピュータ、サーバコンピュータ、パーソナルコンピュータ、メインフレームコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、デスクトップコンピュータ、グラフィクス処理ユニット（ＧＰＵ）、アクセラレータ特定用途向け集積回路（ＡＳＩＣ）（例えばテンソル処理ユニット（ＴＰＵ））などの１つまたは複数のコンピューティングデバイスを含んでいてもよい。

【0039】

予測サーバ１１２は予測構成要素１１６を含んでいてもよい。予測構成要素１１６は、予測データ１６８を生成するために使用されてもよい。いくつかの実施形態では、予測データ１６８が、保守プロセスの保守段階の成功または失敗の指示を含む。いくつかの実施形態では、予測データ１６８が、製造機器１２４の構成要素の老化、劣化などの指示を含む。いくつかの実施形態では、製品の特性を予測するために、予測構成要素１１６が、製造機器１２４を使用した製品の処理中に記録されたセンサデータを組み込んでもよい。

【0040】

いくつかの実施形態では、予測構成要素１１６が、（デジタルツインなどの訓練された機械学習モデルおよび／または物理的現象に基づくモデルであってもよい）１つまたは複数のモデル１９０を含み、訓練されたモデル１９０にセンサデータ１４２が提供される。続く議論ではしばしば単一のモデルに言及し、図１には単一のモデルが示されているが、モデル１９０は、多くの別個のモデル、モデルの集合体などであってもよいことが理解されよう。いくつかの実施形態では、検証が判定されるそれぞれの保守段階がそれ自体の検証モデルを有する。モデル１９０は、保守プロセスの保守段階の成功の検証を指示するデータを（例えば検証データ１６４または予測データ１６８として）出力するように訓練されていてもよい。モデル１９０は、サポートベクターマシン（ＳＶＭ）、放射基底関数（ＲＢＦ）、クラスタ化、教師あり機械学習、半教師あり機械学習、教師なし機械学習、ｋ近傍法アルゴリズム（ｋ－ＮＮ）、直線回帰、ランダムフォレスト、ニューラルネットワーク（例えば人工ニューラルネットワーク）などのうちの１つまたは複数を使用するものであってもよい。いくつかの実施形態では、モデル１９０が、保守段階の実行を指示するセンサデータを入力として受け入れるように構成されている。いくつかの実施形態では、これが、製造機器１２４に関連したセンサ１２６からのセンサデータ１４２、例えば、製造チャンバがベントされたときまたは真空にポンプ減圧されたときの１つまたは複数の圧力センサの追跡データを含んでいてもよい。いくつかの実施形態では、モデル１９０の入力が、画像処理機械学習モデル１９０によって処理する、ユーザデバイス１２０に関連したセンサからのセンサデータ１４２、例えばビデオまたは画像データ、例えば再組み立てされた部品または洗浄された部分の画像を含んでいてもよい。いくつかの実施形態では、モデル１９０に入力として提供されたセンサデータ１４２が、スマートツールなどの接続された器具１２９からのセンサデータ１４２を含んでいてもよい。モデル１９０は、入力データを考慮して保守段階の成功または失敗の指示を提供するように訓練されていてもよい。成功または失敗の指示は、合格／不合格、グレード、スコアまたはレーティングまたは他の同種のものの形態をとってもよい。スコアは、その保守段階を実行した結果、保守機器が１つまたは複数の認定基準を満たす可能性、保守機器が、１つまたは複数の性能メトリックを満たす製品を生産する可能性などの可能性を指示してもよい。

【0041】

いくつかの実施形態では、モデル１９０が、物理的現象に基づく１つまたは複数のモデルを含んでいてもよい。例えば、マスフローコントローラの保守、設置などの成功または失敗の判定は、コントローラに関連したセンサデータを物理的現象に基づくデジタルツインモデルに提供することを含んでいてもよい。機械学習モデルに関して上で論じた特徴の多くは、物理的現象に基づくモデルに、例えば、モデルの数、入力データの性質、入力データの供給源、物理的現象に基づくモデルのターゲット出力などに当てはまることがある。いくつかの実施形態では、検証データ１６４が、単一のセンサ値（または複数のセンサ値）と１つまたは複数の閾値との間の比較（例えば、少なくとも１つのセンサ値が少なくとも１つの閾値基準を満たしていることを見出したこと、少なくとも１つのセンサ値が少なくとも１つの閾値基準を満たしていないことを見出したことなど）を考慮して生成されてもよい。

【0042】

いくつかの実施形態では、検証データ１６４を考慮して処置が実行されてもよい。処置を実行することを命じる命令の生成は、検証データ１６４（例えば合格、不合格、グレードまたはスコアなど）に依存してもよい。いくつかの実施形態では、保守段階が満足のいくように実行された（例えば、実行の合格を検証データが指示している）と判定した後に、例えば、次の保守段階または保守操作に進むよう命じる命令を製造機器１２４に提供してもよく、次の保守段階のための命令（これらの命令は、保守データ１５０としてデータストア１４０に格納されていたものであってもよい）をユーザに対して表示するようユーザデバイス１２０に命令してもよい。それに加えて、またはその代わりに、予測サーバ１１２が、（例えば１つまたは複数の以前の保守操作を再び実行する）是正処置を指示する命令を提供してもよい。

【0043】

いくつかの実施形態では、保守段階の実行が検証に合格しなかったことを検証データ１６４が指示していることを考慮して、処置が実行されてもよい。予測サーバ１１２は、１つの保守段階（または保守段階の部分、複数の保守段階など）を繰り返すよう命じる命令を製造機器１２４に提供してもよく、トラブルシューティング、その保守段階の再開などに関する命令をユーザに提示することをユーザデバイス１２０に実行させてもよい。

【0044】

製造機器１２４の構成要素のドリフト、変化、老化などを検出するために、履歴センサデータ１４４を、カレントセンサデータ１４６および製造データ１５０と組み合わせて使用してもよい。予測構成要素１１６は、これらのデータタイプの組合せおよび比較を使用して、予測データ１６８を生成してもよい。いくつかの実施形態では、予測データ１６８が、製造機器１２４、センサ１２６などの構成要素の寿命を予測するデータを含む。いくつかの実施形態では、予測データ１６８が、ある１つまたは複数の構成要素の性能の変化を反映するための保守プロセスに対する更新を含んでいてもよい。

【0045】

保守段階の検証を提供することは、他の技術にはない技術的利点を提供する。保守プロセスのさまざまな段階が検証標準を満たすことを保証することによって、故障時に調査（例えばトラブルシューティング）する動作の範囲が大幅に狭くなることがあり、その結果、より速いグリーン－グリーンタイム（例えばより短い保守事象）、より高い初回通過速度（例えば、その結果として製造機器１２４が認定試験に合格する保守プロセスのより高い百分率）などにつながることがある。ユーザデバイス１２０とサーバ（例えば予測サーバ１１２）との間の多数の通信事象は、蓄積された保守知識を適当な時期にユーザ（例えば技術者）に直接に提供することを可能にする。このことは、保守プロセスが円滑に進む場合とそうでない場合の両方において詳細な命令をユーザに供給する能力を可能にすることにより、質の高い保守作業を容易にする。予測サーバ１１２は、異なる保守段階（例えば保守プロセスの異なる部分、異なる機器の保守など）に由来するセンサデータ１４２を別々に取り扱うように構成されていてもよい。それぞれの段階に由来するデータの使用は、（例えば、異なるモデルにデータを提供すること、センサデータ１４２の特定のサブセットを使用すること、センサデータと比較するように閾値を調整することなどにより）その段階に対する質の高い検証（例えば正確な予測）を生成するように調整されてもよい。さらに、より強力な予測データ１６８、より影響の大きい是正処置データ１６６などを生成するため、予測サーバ１１２および／またはモデル１９０を経時的に更新してもよい。

【0046】

いくつかの実施形態では、予測構成要素１１４がカレントセンサデータ１４６を受け取り、データのパターンを抽出すること、またはデータを結合して新たな複合データにすることなどの前処理を実行してもよい。次いで予測構成要素１１６は、そのデータを入力としてモデル１９０に提供してもよい。予測構成要素１１６は、モデル１９０から、保守プロセスの保守段階の実行の成功または失敗の指示を受け取ってもよい。次いで、予測構成要素１１６は、是正処置データ１６６を生成してもよく、または失敗した保守段階の検出に応答して是正処置を実行させてもよい。是正処置は、ユーザデバイス１２０に警報を送ることを含んでいてもよい。是正処置はさらに、製造機器１２４の保守パラメータを更新することを含んでいてもよい。是正処置はさらに、チャンバまたは器具のドリフト、老化または故障を指示する予測データ１６８を生成することを含んでいてもよい。

【0047】

データストア１４０は、メモリ（例えばランダムアクセスメモリ）、ドライブ（例えばハードドライブ、フラッシュドライブ）、データベースシステム、またはデータを格納することができる別のタイプの構成要素もしくはデバイスであってもよい。データストア１４０は、複数のコンピューティングデバイス（例えば複数のサーバコンピュータ）にまたがって存在していてもよい複数のストレージ構成要素（例えば複数のドライブまたは複数のデータベース）を含んでいてもよい。データストア１４０は、センサデータ１４２、保守データ１５０、検証データ１６４、是正処置データ１６６、予測データ１６８および計測データ１６９を格納してもよい。センサデータ１４２は、履歴センサデータ１４４およびカレントセンサデータ１４６を含んでいてもよい。センサデータは、保守プロセスの持続時間の全体にわたるセンサデータの時間追跡、データと物理センサとの関連、平均および複合データなどの前処理されたデータ、ならびにセンサ性能を経時的に（すなわち多くの保守プロセスにわたって）指示するデータを含んでいてもよい。計測データ１６９も同様の特徴を含んでいてもよい。保守データ１５０は、履歴保守データ１５２およびカレント保守データ１５４を含んでいてもよい。保守データは、保守プロセスレシピ、保守プロセスに関する機器、ツール、器具、ユーザなどに対する命令、保守プロセス、保守段階などをレーティングするためのメトリック、または他の同種のものを含んでいてもよい。履歴センサデータ１４４および履歴保守データ１５２は、履歴データ（例えば、少なくとも、機械学習モデル１９０および／または物理的現象に基づくモデル１９０を訓練するための部分）であってもよい。カレントセンサデータ１４６は、（例えば是正処置を実行するために）それに対して検証データ１６４を生成するカレントデータ（例えば、少なくとも、履歴データに続いてモデル１９０に入力する部分）であってもよい。計測データ１６９は、生産された基板の計測データ、ならびにそれらの製品に対応するセンサデータ、製造データおよびモデルデータであってもよい。追加の基板を生産するためのプロセスを設計するために計測データ１６９を利用してもよい。予測データ１６８は、保守段階、プロセスなどの成功または失敗の予測を含んでいてもよい。予測データ１６８は、どの計測データが一組の入力パラメータに由来するものであるのかの予測を含んでいてもよい。予測データ１６８はさらに、経時的に老化および故障しているシステム１００の構成要素を指示するデータを含んでいてもよい。

【0048】

いくつかの実施形態では、予測システム１１０がさらに、サーバマシン１７０およびサーバマシン１８０を含む。サーバマシン１７０は、モデル１９０を訓練、確認および／または試験するためのデータセット（例えばデータ入力のセットおよびターゲット出力のセット）を生成することができるデータセット生成器１７２を含む。データセット生成器１７２のいくつかの動作は図２および４Ａに関して下で詳細に説明される。いくつかの実施形態では、データセット生成器１７２が、履歴データ（例えば履歴センサデータ１４４、履歴保守データ１５２）および性能データ（例えば、計測データ１６９、履歴センサにまたは保守データに関連した是正処置の是正処置データ１６６など）を、訓練セット（例えばデータの６０パーセント）、確認セット（例えばデータの２０パーセント）および試験セット（例えばデータの２０パーセント）に分割してもよい。いくつかの実施形態では、予測システム１１０が、特徴の複数のセットを（例えば予測構成要素１１６を介して）生成する。例えば、特徴の第１のセットは、データセット（例えば訓練セット、確認セットおよび試験セット）の各々に対応する（例えばセンサの第１のセット、センサの第１のセットからの値の第１の組合せ、センサの第１のセットからの値の第１のパターンからの）センサデータのタイプの第１のセットに対応していてもよく、特徴の第２のセットは、データセットの各々に対応する（例えば、センサの第１のセットとは異なるセンサの第２のセット、第１の組合せとは異なる値の第２の組合せ、第１のパターンとは異なる第２のパターンからの）センサデータのタイプの第２のセットに対応していてもよい。

【0049】

サーバマシン１８０は、訓練エンジン１８２、確認エンジン１８４、選択エンジン１８５および／または試験エンジン１８６を含む。エンジン（例えば訓練エンジン１８２、確認エンジン１８４、選択エンジン１８５および試験エンジン１８６）は、ハードウェア（例えば回路、専用論理回路、プログラム可能な論理回路、マイクロコード、処理デバイスなど）、ソフトウェア（例えば処理デバイス、汎用コンピュータシステムもしくは専用マシン上で実行される命令）、ファームウェア、マイクロコードまたはこれらの組合せのことを指していることがある。訓練エンジン１８２は、データセット生成器１７２からの訓練セットに関連した特徴の１つまたは複数のセットを使用してモデル１９０を訓練することができるものであってもよい。訓練エンジン１８２は、訓練された複数のモデル１９０を生成してもよく、その場合、それぞれの訓練されたモデル１９０は、訓練セットの特徴の異なるセット（例えばセンサの異なるセットからのセンサデータ）に対応する。例えば、第１の訓練されたモデルは、全ての特徴（例えばＸ１～Ｘ５）を使用して訓練されたものであってもよく、第２の訓練されたモデルは、特徴の第１のサブセット（例えばＸ１、Ｘ２、Ｘ４）を使用して訓練されたものであってもよく、第３の訓練されたモデルは、特徴の第２のサブセット（例えばＸ１、Ｘ３、Ｘ４およびＸ５）を使用して訓練されたものでもよく、特徴の第２のサブセットは、特徴の第１のサブセットと部分的に重なっていてもよい。データセット生成器１７２は、訓練されたモデル（例えば１９０）の出力を受け取り、そのデータを集めて訓練、確認および試験データセットとし、それらのデータセットを使用して第２のモデルを訓練してもよい。

【0050】

確認エンジン１８４は、データセット生成器１７２からの確認セットの特徴の対応するセットを使用して、訓練されたモデル１９０を確認することができるものであってもよい。例えば、訓練セットの特徴の第１のセットを使用して訓練された第１の訓練されたモデル１９０は、確認セットの特徴の第１のセットを使用して確認されてもよい。確認エンジン１８４は、訓練されたモデル１９０の各々の精度を、確認セットの特徴の対応するセットに基づいて決定してもよい。確認エンジン１８４は、閾値精度を満たしていない精度を有する訓練されたモデル１９０を捨ててもよい。いくつかの実施形態では、選択エンジン１８５が、閾値精度を満たしている精度を有する１つまたは複数の訓練されたモデル１９０を選択することができてもよい。いくつかの実施形態では、選択エンジン１８５が、訓練されたモデル１９０のうち最も高い精度を有する訓練されたモデル１９０を選択することができてもよい。

【0051】

試験エンジン１８６は、データセット生成器１７２からの試験セットの特徴の対応するセットを使用して、訓練されたモデル１９０を試験することができるものであってもよい。例えば、訓練セットの特徴の第１のセットを使用して訓練された第１の訓練されたモデル１９０は、試験セットの特徴の第１のセットを使用して試験されてもよい。試験エンジン１８６は、試験セットに基づいて、訓練されたモデルの全てのモデルのうち最も高い精度を有する訓練されたモデル１９０を決定してもよい。

【0052】

機械学習モデルの場合には、モデル１９０が、データ入力および対応するターゲット出力（対応するそれぞれの訓練入力に対する正しい回答）を含む訓練セットを使用して訓練エンジン１８２によって生成されたモデルアーチファクトのことを指すことがある。データ入力をターゲット出力（正しい回答）にマップするデータセット中のパターンを見つけることができ、機械学習モデル１９０には、これらのパターンを捕らえるマッピングが提供される。物理的現象に基づくモデルの場合にはさらに、（例えば、モデルの不正確さ、製造機器１２４の構成要素の製作公差、構成要素の変動する性能、構成要素の老化などを考慮するために）訓練、確認、選択および／または試験が実行されてもよい。物理的現象に基づくモデルの場合には、モデル１９０が、ユーザによって生成されたものであってもよく、モデル１９０は、サーバマシン１８０の動作によって改良される。

【0053】

予測構成要素１１６は、モデル１９０（例えば訓練された機械学習モデル、物理的現象に基づくモデルなど）にカレントセンサデータ１４６を提供してもよく、入力に対してモデル１９０を実行して、１つまたは複数の出力を取得してもよい。予測構成要素１１６は、モデル１９０の出力から予測データ１６８を決定すること（例えば抽出すること）ができてもよく、その出力から、予測データ１６８が、製造機器１２４の保守のための入力データに関連したプロセス、カレントセンサデータ１４６に従って保守された製造機器１２４を使用して生産される製品、構成要素の寿命または老化の指示などの正確な予測子である信頼度を指示する信頼データを決定（例えば抽出）してもよい。予測構成要素１１６または是正処置構成要素１２２は、この信頼データを使用して、製造機器１２４に関連した是正処置を実行させるかどうかを予測データ１６８に基づいて決めてもよい。

【0054】

信頼データは、将来の性能、例えば製造機器１２４の将来の性能の正確な予測を予測データ１６８が指示する信頼度を含んでいてもよく、または指示していてもよい。一例として、予測データ１６８が、保守段階が正しく実行されなかったことを指示することがある。信頼データは、予測データ１６８が、入力データの少なくとも一部分に関連した保守段階の実行をレーティングするための正確な予測であることを指示することがある。一例では、信頼度が、０および１を含む０から１の間の実数であり、ここで、０は、予測データ１６８が正確な予測である信頼がないことを指示し、１は、予測データ１６８が保守段階の結果を正確に予測している絶対的な信頼を指示する。信頼データが、所定の数の実例（例えば実例の百分率、実例の頻度、実例の総数など）に対して閾値レベルよりも低い信頼度を指示していることに応答して、予測構成要素１１６は、モデル１９０を（例えばカレントセンサデータ１４６、カレント保守データ１５４などに基づいて）再訓練させてもよい。

【0055】

限定のためではなく例示の目的上、本開示の態様は、履歴データ（例えば履歴センサデータ１４４、履歴保守データ１５２）を使用して１つまたは複数のモデル１９０を訓練すること、および１つまたは複数の訓練されたモデル１９０にカレントデータ（例えばカレントセンサデータ１４６、カレント保守データ１５４）を入力して、予測データ１６８、検証データ１６４、是正処置データ１６６などを決定することを記述している。他の実施態様では、予測データを決定するのに、（例えば訓練された機械学習モデルを使用せずに）発見的モデルまたはルールに基づくモデルを使用する。予測構成要素１１６は、履歴センサデータ１４４、履歴保守データ１５２および計測データ１６９を監視してもよい。図２のデータ入力２１０に関して説明した情報のうちの任意の情報を発見的モデルまたはルールに基づくモデルで監視してもよく、または他のやり方で使用してもよい。

【0056】

いくつかの実施形態では、ユーザデバイス１２０、予測サーバ１１２、サーバマシン１７０およびサーバマシン１８０の機能が、より少数のマシンによって提供されてもよい。例えば、いくつかの実施形態では、サーバマシン１７０と１８０が単一のマシンに統合されていてもよく、他のいくつかの実施形態では、サーバマシン１７０、サーバマシン１８０および予測サーバ１１２が単一のマシンに統合されていてもよい。いくつかの実施形態では、ユーザデバイス１２０と予測サーバ１１２が単一のマシンに統合されていてもよい。

【0057】

一般に、１つの実施形態において、ユーザデバイス１２０、予測サーバ１１２、サーバマシン１７０およびサーバマシン１８０によって実行されると記述された機能が、他の実施形態では、適切な場合に、予測サーバ１１２上で実行されることもありうる。さらに、特定の構成要素によるものとされる機能が、一緒に動作している異なるまたは複数の構成要素によって実行されることもありうる。例えば、いくつかの実施形態では、予測サーバ１１２が、予測データ１６８に基づいて是正処置を決定してもよい。別の例では、ユーザデバイス１２０が、モデル１９０からの出力に基づいて予測データ１６８を決定してもよい。

【0058】

さらに、一緒に動作している異なるまたは複数の構成要素によって、特定の構成要素の機能を実行することができる。適切なアプリケーションプログラミングインタフェース（ＡＰＩ）を通して、他のシステムまたはデバイスに提供されたサービスとして、予測サーバ１１２、サーバマシン１７０またはサーバマシン１８０のうちの１つまたは複数にアクセスしてもよい。

【0059】

実施形態では、「ユーザ」が単一の個人として表現されることがある。しかしながら、本開示の他の実施形態は、「ユーザ」が、複数のユーザおよび／または自動化された源によって制御された実体であることを包含する。例えば、一群の管理者として統合された個々のユーザの集合を「ユーザ」とみなしてもよい。

【0060】

本開示の実施形態を、データの質の評価、特徴の増強、モデルの評価、仮想計測（ＶＭ）、予測保守（ＰｄＭ）、限界最適化または他の同種のものに適用してもよい。

【0061】

本開示の実施形態は、製造設備（例えば半導体製造設備）において是正処置を実行するために予測データ１６８を生成することに関して論じられているが、実施形態は一般に、さらに、さまざまな段階で検証が実行されることがある段階的プロセスの改良された精度に対して適用されてもよい。

【0062】

図２は、ある種の実施形態による、モデル（例えば図１の機械学習モデル１９０、物理的現象に基づくモデル１９０など）のためのデータセットを生成するのに使用される例示的なデータセット生成器２７２（例えば図１のデータセット生成器１７２）のブロック図である。データセット生成器２７２は、図１のサーバマシン１７０の部分であってもよい。いくつかの実施形態では、図１のシステム１００が複数のモデルを含む。このような場合、それぞれのモデルは、別個のデータセット生成器を有していてもよく、またはモデルがデータセット生成器を共有していてもよい。

【0063】

図２を参照すると、データセット生成器２７２（例えば図１のデータセット生成器１７２）を含むシステム２００は、モデル（例えば図１のモデル１９０）のためのデータセットを生成する。データセット生成器２７２は、さまざまなセンシングデバイスから出力として取り出されたデータを使用してデータセットを生成してもよい。いくつかの実施形態では、データセット生成器２７２が、センシングデバイスからの、ことによると製造機器に関連したセンサ、ユーザデバイスに関連したセンサ、接続された器具に関連したセンサなどを含むセンシングデバイスからの履歴データのサブセットを選択することによって訓練入力を生成する。データセット生成器２７２は、入力データ（例えば図１の検証データ１６４）を生成するのに使用したセンサデータに関連した保守段階の成功の指示から、ターゲット出力を生成してもよい。例えば、検証の指示２３０は、入力として使用されたセンサデータに関連した保守段階が保守プロセスの成功に帰着したか否か、入力データに応答してとられたどのトラブルシューティングまたは是正処置が成功につながったのかなどの分類を含んでいてもよい。

【0064】

ターゲット出力２２０が異なるさまざまなやり方で表現されることは本開示の範囲に含まれる。検証の指示２３０は、合格／不合格、グレードまたはスコアなどを含んでいてもよい。検証の指示２３０は、例えば、次の保守段階に移るよう命じる命令、提案されたトラブルシューティング操作などの、検証に応答してとるべき処置の指示、製品特性の指示、製造機器の動作に対する保守の効果の指示、などを含んでいてもよい。

【0065】

図２を参照すると、いくつかの実施形態では、データセット生成器２７２が、データセット（例えば訓練セット、確認セット、試験セット）を生成し、このデータセットは、１つまたは複数のデータ入力２１０（例えば訓練入力、確認入力、試験入力）を含み、データ入力２１０に対応する１つまたは複数のターゲット出力２２０を含んでもよい。このデータセットはさらに、データ入力２１０をターゲット出力２２０にマップするマッピングデータを含んでいてもよい。データ入力２１０は、「特徴」、「属性」または「情報」と呼ばれることもある。いくつかの実施形態では、データセット生成器２７２が、このデータセットを、図１の訓練エンジン１８２、確認エンジン１８４または試験エンジン１８６に提供してもよく、これらのエンジンで、このデータセットは、図１のモデル１９０を訓練、確認または試験するために使用される。訓練セットを生成するいくつかの実施形態は図４Ａに関してさらに説明される。

【0066】

いくつかの実施形態では、データセット生成器２７２が、第１のモデルを訓練、確認または試験するために、シミュレートされたセンサデータの第１のセット２６２Ａに対応する第１のデータ入力を生成してもよく、データセット生成器２７２が、第２のモデルを訓練、確認または試験するために、シミュレートされたセンサデータの第２のセット２６２Ｂに対応する第２のデータ入力を生成してもよい。

【0067】

いくつかの実施形態では、データセット生成器２７２が、データ入力２１０およびターゲット出力２２０のうちの１つまたは複数に対して操作を実行してもよい。データセット生成器２７２は、データからパターン（傾き、曲率など）を抽出してもよく、データを組み合わせてもよく（平均、特徴生成など）、または、別個のモデルを訓練するために、シミュレートされたセンサをグループ分けしてもよい。

【0068】

モデルを訓練、確認または試験するためのデータ入力２１０およびターゲット出力２２０は、特定の製造チャンバ（例えば特定の半導体ウエハ製造チャンバ）のための情報を含んでいてもよい。データ入力２１０およびターゲット出力２２０は、特定の製造チャンバ設計のための（例えばその設計の全てのチャンバに対して使用される）情報を含んでいてもよい。

【0069】

いくつかの実施形態では、モデルを訓練するのに使用される情報が、製造設備の特定の特性を有する特定のタイプの製造機器（例えば図１の製造機器１２４）からのものであってもよく、この情報によって、特定のグループの製造機器１２４に対する結果を、訓練されたモデルが、その特定のグループの特性を共有している１つまたは複数の構成要素に関連したカレントセンサデータ（例えばカレントセンサデータ１４６）に対する入力に基づいて決定することが可能になってもよい。いくつかの実施形態では、モデルを訓練するのに使用される情報が、２つ以上の製造設備からの構成要素のための情報であってもよく、この情報によって、構成要素に対する結果を、訓練されたモデルが、１つの製造設備からの入力に基づいて決定することが可能になってもよい。いくつかの実施形態では、モデルを訓練するのに使用される情報が、特定の保守プロセス、保守段階などに対する特定の情報であってもよい。

【0070】

いくつかの実施形態では、データセットを生成すること、およびそのデータセットを使用してモデルを訓練、確認または試験することに続いて、そのモデルをさらに訓練、確認もしくは試験し、または（例えば新たなセンサデータ、検証データ、計測データ、保守データなどに基づいて）調整してもよい。

【0071】

図３は、いくつかの実施形態による、出力データ（例えば図１の予測データ１６８および／または検証データ１６４）を生成するためのシステム３００を示すブロック図である。システム３００を使用して、製造機器に関連して予め形成される保守プロセスの保守段階の実行の成功の予測を決定してもよい。システム３００を使用して、保守段階の実行に応答して実行する命令を決定してもよい。

【0072】

図３を参照すると、ブロック３１０で、システム３００（例えば図１の予測システム１１０の構成要素）が、（例えば履歴センサデータから特徴を抽出する）センサデータ３６０および検証データ３６２（例えば履歴保守の検証の指示、履歴保守に関連した是正処置の指示）のデータ分割を（例えば図１のサーバマシン１７０のデータセット生成器１７２を介して）実行して、訓練セット３０２、確認セット３０４および試験セット３０６を生成する。例えば、訓練セットは、センサおよび検証データの６０％であってもよく、確認セットは、センサおよび検証データの２０％であってもよく、試験セットは、センサおよび検証データの２０％であってもよい。

【0073】

ブロック３１２で、システム３００は、訓練セット３０２を使用してモデル訓練を（例えば図１の訓練エンジン１８２を介して）実行する。システム３００は、訓練セット３０２の特徴の複数のセット（例えば訓練セット３０２のセンサのグループを含む特徴の第１のセット、訓練セット３０２のセンサの異なるグループを含む特徴の第２のセットなど）を使用して複数のモデルを訓練してもよい。例えば、システム３００は、訓練セット中の特徴の第１のセットを使用して第１の訓練された機械学習モデルを生成するように、および訓練セット中の特徴の第２のセット（例えば第１の機械学習モデルを訓練するのに使用したデータとは異なるデータ）を使用して第２の訓練された機械学習モデルを生成するように、機械学習モデルを訓練してもよい。いくつかの実施形態では、第１の訓練された機械学習モデルと第２の訓練された機械学習モデルとを結合して、（例えば、単独で、第１または第２の訓練された機械学習モデルよりも優れた予測器であってもよい）第３の訓練された機械学習モデルを生成してもよい。いくつかの実施形態では、モデルを比較する際に使用される特徴のセットが重複していてもよい（例えば、１つのモデルは、シミュレートされたセンサ１～１５を用いて訓練されてもよく、第２のモデルは、シミュレートされたセンサ１０～２０を用いて訓練されてもよい）。いくつかの実施形態では、特徴のさまざまな置換を有するモデルおよびモデルの組合せを含む、数百のモデルが生成されてもよい。

【0074】

ブロック３１４で、システム３００は、確認セット３０４を使用してモデル確認を（例えば図１の確認エンジン１８４を介して）実行する。システム３００は、訓練されたモデルの各々を、確認セット３０４の特徴の対応するセットを使用して確認してもよい。例えば、確認セット３０４は、訓練セット３０２で使用されているセンサのサブセットと同じサブセットを、異なる保守事象に対して使用してもよい。いくつかの実施形態では、システム３００が、ブロック３１２で生成された数百のモデル（例えば、特徴のさまざまな置換を有するモデル、モデルの組合せなど）を確認してもよい。ブロック３１４で、システム３００は、１つまたは複数の訓練されたモデルの各々の精度を（例えばモデル確認を介して）決定してもよく、訓練されたモデルのうちの１つまたは複数のモデルが、閾値精度を満たす精度を有しているかどうかを判定してもよい。訓練されたモデルはいずれも閾値精度を満たす精度を有していないと判定したことに応答して、フローはブロック３１２に戻り、ブロック３１２で、システム３００は、訓練セットの特徴の異なるセットを使用してモデル訓練を実行する。訓練されたモデルのうちの１つまたは複数のモデルが閾値精度を満たす精度を有していると判定したことに応答して、フローはブロック３１６に進む。システム３００は、（例えば確認セットに基づいて）閾値精度よりも低い精度を有する訓練されたモデルを捨ててもよい。

【0075】

ブロック３１６で、システム３００は、モデル選択を（例えば図１の選択エンジン１８５を介して）実行して、閾値精度を満たす１つまたは複数の訓練されたモデルのうちのどのモデルが最も高い精度を有するのか（例えば、ブロック３１４の確認に基づいて、選択されたモデル３０８）を決定する。閾値精度を満たす訓練されたモデルのうちの２つ以上のモデルが同じ精度を有すると判定したことに応答して、フローはブロック３１２に戻ってもよく、ブロック３１２で、システム３００は、モデル訓練を実行して、特徴のさらに改良されたセットに対応するさらに改良された訓練セットを使用して、最も高い精度を有する訓練されたモデルを決定する。

【0076】

ブロック３１８で、システム３００は、試験セット３０６を使用してモデル試験を（例えば図１の試験エンジン１８６を介して）実行して、選択されたモデル３０８を試験する。システム３００は、試験セット中の特徴の第１のセット（例えばシミュレートされたセンサ１～１５）を使用して第１の訓練されたモデルを試験して、（例えば試験セット３０６の特徴の第１のセットに基づいて、）第１の訓練されたモデルは閾値精度を満たしていると判定してもよい。選択されたモデル３０８の精度が閾値精度を満たしていない（例えば、選択されたモデル３０８は、訓練セット３０２および／または確認セット３０４に適合しすぎており、試験セット３０６などの他のデータセットに適用することができない）ことに応答して、フローはブロック３１２に進み、ブロック３１２で、システム３０Ａは、異なる訓練セット、ことによると特徴の異なるセットに対応する異なる訓練セット、または訓練、確認および試験セットに分割された基板の再編成物を使用して、モデル訓練（例えば再訓練）を実行する。試験セット３０６に基づいて、選択されたモデル３０８が閾値精度を満たす精度を有していると判定したことに応答して、フローはブロック３２０に進む。少なくともブロック３１２で、このモデルは、予測を実施するためにセンサデータ中のパターンを学習してもよく、ブロック３１８で、システム３００は、予測を試験するために、残りのデータ（例えば試験セット３０６）にこのモデルを適用してもよい。

【0077】

ブロック３２０で、システム３００は、訓練されたモデル（例えば選択されたモデル３０８）を使用して、カレントセンサデータ３４６（例えば図１のカレントセンサデータ１４６）を受け取り、処置（例えば、図の製造機器１２４に関連した是正処置を実行する、図１のユーザデバイス１２０に警報を出す、など）を実行するために、訓練されたモデルの出力から、予測データ３６６（例えば図１の予測データ１６８）を決定する（例えば抽出する）。

【0078】

いくつかの実施形態では、モデルをさらに訓練するために、追加のデータを供給することによって機械学習モデルを再訓練する。ブロック３１２でカレントセンサデータ３５２を供給してもよい。同様に追加の検証データ３６１を供給してもよい。これらのデータは、本来の訓練の部分ではない入力パラメータ、本来の訓練がまたぐパラメータ空間の外側の入力パラメータの組合せを含むことで、モデルを訓練するために本来、使用されるデータとは異なっていてもよく、または、これらのデータを、チャンバ特定の知識（例えば製作公差範囲、老化構成要素などに起因する理想的なチャンバとの違い）を反映するように更新してもよい。このデータに基づいて、選択されたモデル３０８を再訓練してもよい。

【0079】

いくつかの実施形態では、操作３１０～３２０のうちの１つまたは複数の操作を、さまざまな順序で実行してもよく、かつ／または本明細書に提示および記載されていない他の操作と一緒に実行してもよい。いくつかの実施形態では、操作３１０～３２０のうちの１つまたは複数の操作を実行しなくてもよい。例えば、いくつかの実施形態では、ブロック３１０のデータ分割、ブロック３１４のモデル確認、ブロック３１６のモデル選択、またはブロック３１８のモデル試験のうちの１つまたは複数を実行しなくてもよい。

【0080】

図４Ａ～Ｆは、いくつかの実施形態による、是正処置を実行させるため、および／または保守プロセスの保守段階もしくは操作が成功のうちに実行されたかどうかを判定するための、予測データおよび／または検証データの生成に関連した方法４００Ａ～Ｆの流れ図である。方法４００Ａ～Ｆは、処理論理によって実行されてもよく、処理論理は、ハードウェア（例えば回路、専用論理回路、プログラム可能な論理回路、マイクロコード、処理デバイスなど）、ソフトウェア（例えば処理デバイス、汎用コンピュータシステムもしくは専用マシン上で実行される命令）、ファームウェア、マイクロコードまたはこれらの組合せを含んでいてもよい。いくつかの実施形態では、方法４００Ａ～Ｆが、部分的に図１の予測システム１１０によって実行されてもよい。方法４００Ａは、部分的に、予測システム１１０（例えば図１のサーバマシン１７０およびデータセット生成器１７２、図２のデータセット生成器２７２）によって実行されてもよい。予測システム１１０は、方法４００Ａを使用して、モデル、例えば物理的現象に基づくモデルおよび／または機械学習モデルの訓練、確認または試験のうちの少なくとも１つを本開示の実施形態に従って実行するためのデータセットを生成してもよい。方法４００Ｂは、サーバマシン１８０（例えば訓練エンジン１８２など）によって実行されてもよい。方法４００Ｃは、予測サーバ１１２（例えば予測構成要素１１６）によって実行されてもよい。方法４００Ｄは、ユーザデバイス１２０によって実行されてもよい。方法４００Ｅは、予測システム１１０（例えばサーバマシン１８０）によって実行されてもよい。方法４００Ｆは、予測システム１１０（例えば予測サーバ１１２）によって実行されてもよい。いくつかの実施形態では、非一時的ストレージ媒体が、処理デバイス（例えば予測システム１１０の処理デバイス、サーバマシン１８０の処理デバイス、予測サーバ１１２の処理デバイス、ユーザデバイス１２０の処理デバイスなど）によって実行されたときに、その処理デバイスに、方法４００Ａ～Ｆのうちの１つまたは複数の方法を実行させる命令を格納している。

【0081】

説明を簡単にするために、方法４００Ａ～Ｆは一連の操作として図示および説明される。しかしながら、本開示による操作は、さまざまな順序でおよび／または同時に実行すること、ならびに本明細書に提示および記載されていない他の操作と一緒に実行することができる。さらに、開示された主題による方法４００Ａ～Ｆを実施するのに、図示された全ての操作が実行されるとは限らない。さらに、方法４００Ａ～Ｆが、状態図または事象によって相互に関係する一連の状態として表現されることもありうることを当業者は理解および認識するであろう。

【0082】

図４Ａは、ある種の実施形態による、予測データ（例えば図１の予測データ１６８）を生成するためのモデルのためのデータセットを生成する方法４００Ａの流れ図である。

【0083】

図４Ａを参照すると、いくつかの実施形態では、ブロック４０１で、方法４００Ａを実施する処理論理が、訓練セットＴを初期化して空セットにする。

【0084】

ブロック４０２で、処理論理は、センサデータ（例えば図２のセンサデータ２６２）などを含んでいてもよい第１のデータ入力（例えば第１の訓練入力、第１の確認入力）を生成する。いくつかの実施形態では、（例えば図３に関して説明したように、）この第１のデータ入力が、データのタイプのための特徴の第１のセットを含んでいてもよく、第２のデータ入力が、データのタイプのための特徴の第２のセットを含んでいてもよい。

【0085】

ブロック４０３で、処理論理は、これらのデータ入力のうちの１つまたは複数のデータ入力（例えば第１のデータ入力）に対する第１のターゲット出力を生成する。いくつかの実施形態では、この第１のターゲット出力が、入力センサデータに関連した、保守段階の検証の指示である。いくつかの実施形態では、ターゲット出力が、入力センサデータに関連した製造機器を使用して生産される製品の予測された性能に関連するものであってもよい。

【0086】

ブロック４０４で、処理論理は、入力／出力マッピングを指示するマッピングデータを生成してもよい。この入力／出力マッピング（またはマッピングデータ）は、データ入力（例えば、本明細書に記載されたデータ入力のうちの１つまたは複数のデータ入力）、データ入力に対するターゲット出力、およびデータ入力とターゲット出力との間の関連に関するものであってもよい。

【0087】

いくつかの実施形態では、ブロック４０５で、処理論理が、ブロック４０４で生成されたマッピングデータをデータセットＴに追加する。

【0088】

ブロック４０６で、処理論理は、図１のモデル１９０の訓練、確認および／または試験のうちの少なくとも１つに対してデータセットＴが十分かどうかに基づいて枝分かれする。十分な場合、実行はブロック４０７に進み、十分でない場合、実行はブロック４０２に戻る。いくつかの実施形態では、データセットＴが十分かどうかを、単純に、データセットの中の入力の数に基づいて、いくつかの実施形態では出力にマップされたデータセットの中の入力の数に基づいて判定してもよく、他のいくつかの実施態様では、データセットＴが十分かどうかを、入力の数に加えてまたは入力の数の代わりに、１つまたは複数の他の判定基準（例えばデータ例の多様性、精度などの測度）に基づいて判定してもよいことに留意すべきである。

【0089】

ブロック４０７で、処理論理は、モデル１９０を訓練、確認および／または試験するためにデータセットＴを（例えば図１のサーバマシン１８０に）提供する。いくつかの実施形態では、データセットＴが訓練セットであり、訓練を実行するためにデータセットＴをサーバマシン１８０の訓練エンジン１８２に提供する。いくつかの実施形態では、データセットＴが確認セットであり、確認を実行するためにデータセットＴをサーバマシン１８０の確認エンジン１８４に提供する。いくつかの実施形態では、データセットＴが試験セットであり、試験を実行するためにデータセットＴをサーバマシン１８０の試験エンジン１８６に提供する。次いで、方法４００Ａによって生成されたデータセットを使用して、保守段階の実行を指示するセンサからのデータを入力として受け取り、保守段階の実行の結果（例えば保守の質、生産される製品の質など）を指示するデータを出力として生成してもよい。

【0090】

図４Ｂは、いくつかの実施形態による、保守プロセスを満足のいくように実行することを容易にする、サーバのための方法４００Ｂである。

【0091】

図４Ｂを参照すると、方法４００Ｂのブロック４１０で、サーバの処理論理が保守プロセスを開始する。この保守プロセスは製造機器上で実行される。保守プロセスはいくつかの保守段階または操作を含む。それらの保守段階／操作は、製造機器の１つまたは複数の構成要素に関連している。いくつかの実施形態では、保守プロセスを開始することが、保守プロセスまたは保守段階を開始するようユーザデバイスがユーザに命令することを指示するデータをユーザデバイスに送ることを含む。いくつかの実施形態では、保守プロセスを開始することが、保守プロセスのパラメータを更新する命令を製造機器に送ることを含む。いくつかの実施形態では、製造機器が生産状態にあったある時間数、生産された製品のある数などのトリガに応答して、サーバが保守事象を開始する。いくつかの実施形態では、サーバが、ユーザデバイスからの警報に応答して保守事象を開始する。

【0092】

ブロック４１２で、サーバの処理論理は、保守プロセスの保守段階を実行することを指示する命令をユーザデバイスに提供する。いくつかの実施形態では、サーバがさらに、ユーザデバイスからユーザに出力する保守段階に関連した命令を提供してもよい。それらの命令は、ステップバイステップ保守命令、ピクチャ、ビデオ、音声など、保守段階の実行に関する情報を含んでいてもよい。いくつかの実施形態では、一部または全部の保守段階（例えばチャンバをガスでフラッシュする段階、加熱要素を制御する段階など）がユーザの入力なしで実行されてもよい。いくつかの実施形態では、その代わりに、ユーザの入力を受けて実行されるのではない保守プロセスの段階の間、サーバが製造機器に直接に命令を提供してもよい。いくつかの実施形態では、命令を提供することが、接続された器具に対する設定を提供すること、例えばスマートレンチのトルクを設定することを含んでいてもよい。

【0093】

ブロック４１４で、サーバの処理論理は、保守段階の実行に由来するデータを受け取る。いくつかの実施形態では、受け取ったデータが、製造機器に関連したセンサからのセンサデータを含む。いくつかの実施形態では、受け取ったデータが、ユーザデバイスを介してユーザによって提供されたものである。いくつかの実施形態では、受け取ったデータが、ユーザデバイスによって提供された画像またはビデオデータを含む。例えば、ユーザデバイスはカメラを含んでいてもよい。ユーザは、ユーザデバイスのカメラを、製造機器の１つまたは複数の領域に向けてもよく、それらの領域の画像および／またはビデオを生成してもよい。いくつかの実施形態では、ユーザデバイスが、どの領域の画像を撮影するのかに関する命令をユーザに提供する。いくつかの実施形態では、受け取ったデータが、接続された器具（例えば接続されたスマートトルクレンチ。このツールは、このツールによって達成されるトルクの測度を提供する）によって提供されたデータを含む。いくつかの実施形態では、サーバが、指定されたパラメータに従って保守操作を接続された器具に実行させる命令を、接続された器具に送る。例えば、サーバは、加える最大トルクを指示する命令を送ってもよく、トルクレンチは、指示された最大トルクよりも大きなトルクを加えなくてもよい。

【0094】

ブロック４１６で、サーバの処理論理は操作を実行し、その保守段階の実行は満足のいくものであったかどうかを判定する。この判定を下すのに使用する特定のメトリック、モデル、閾値などは、保守プロセス、保守事象および保守段階間で異なる。いくつかの実施形態では、サーバの処理論理が、保守段階の実行を指示するデータ値を閾値と比較してもよく、（例えば）そのデータ値が閾値よりも大きい場合には、その保守段階は満足のいくようには実行されなかったと判定してもよい（例えば、保守段階が、製造チャンバをポンプ減圧して真空にすることを含んでいてもよく、圧力センサの測定値を閾値と比較して、チャンバが適切なレベルの真空を達成するかどうかを判定してもよい）。

【0095】

いくつかの実施形態では、サーバの処理論理が、保守段階の実行を指示するデータ（ことによると、ユーザデバイス、サーバなどによって前処理されたデータ）を、検証のために物理的現象に基づくモデルに提供してもよい。一例として、製造チャンバ内のガス流量を記述する、物理的現象に基づくデジタルツインモデルを構築してもよい。製造チャンバが大気圧までベントされたときに圧力センサデータを収集してもよい。次いで、センサデータを、製造チャンバを同じように（例えば同じバルブを使用して）ベントすることをモデル化した物理的現象に基づくモデルからのシミュレートされた圧力データと比較してもよい。測定されたセンサデータとシミュレートされたセンサデータとの差は、構成要素のドリフト、老化または故障、センサのドリフトまたは故障などを指示していることがある。いくつかの実施形態では、統計データ（例えば、シミュレートされたいくつかの圧力データの平均、その平均から測定されたセンサデータのデータ点までの標準偏差がどれくらいかなど）を使用してもよい。いくつかの実施形態では、物理的現象に基づくモデルが、どの構成要素、故障などが、シミュレートされたセンサデータと測定されたセンサデータとの間の差に寄与しているのかを予測してもよい。本開示の範囲内において、多くのタイプのセンサ、多くの異なる保守操作、物理的現象に基づく多くのタイプのモデルなどが可能である。

【0096】

いくつかの実施形態では、サーバの処理論理が、検証のために、保守段階の実行を指示するデータを、訓練された機械学習モデルに提供してもよい。訓練された機械学習モデルは、入力として、保守段階の実行を指示するデータを受け取ってもよく、出力として、保守段階の実行は満足のいくものであるか否かを指示する検証を生成してもよい。一例として、ユーザは、保守操作に関連した構成要素の画像を、例えばユーザデバイス（例えば図１のユーザデバイス１２０）のカメラを使用して提供してもよい。いくつかの実施形態では、製造機器の構成要素の画像、ビデオなどを撮影、録画するように、（例えばユーザデバイス１２０のディスプレイを介して）ユーザに命令してもよい。いくつかの実施形態では、保守の前後に構成要素のピクチャを撮影してもよい。その１つまたは複数の画像を、訓練された機械学習モデルに入力として提供してもよく、この訓練された機械学習モデルは、ピクチャを撮影した構成要素に関連した１つまたは複数の保守操作の実行の質を指示するデータ（例えば検証データ）を出力するように構成されている。

【0097】

満足のいく実行の検証は、保守された構成要素が、保守後に正しく動作する可能性が高いと評価されたことを指示していてもよい。満足のいく実行の検証は、ユーザが保守操作を適正に実行したことを指示していてもよい。満足のいく実行の検証は、センサデータが、成功した保守プロセス中に達成されたセンサデータと同様であることを指示していてもよい。

【0098】

保守段階の実行は満足のいくものであったと判定された場合には、保守段階の実行の成功を指示する検証データを生成してもよく（図示せず）、この方法は終了となる。保守段階の実行は満足のいくものではなかったと判定された場合、フローはブロック４１８に進む。ブロック４１８で、サーバの処理論理は是正処置を実行させる。いくつかの実施形態では、この是正処置が、ユーザに警報を出すことを含んでいてもよい。いくつかの実施形態では、この警報が、ユーザデバイスを介してユーザに対して表示する命令を含んでいてもよい。いくつかの実施形態では、この警報が、ユーザが保守プロセスを支援するための命令を含む。いくつかの実施形態では、それらの命令が、保守段階または保守段階の一部分を繰り返すよう命じる命令を含む。いくつかの実施形態では、それら命令が、トラブルシューティング操作を提案する。いくつかの実施形態では、命令が、文書形式の保守命令、ピクチャ、ビデオ、音声などを含んでいてもよい。

【0099】

いくつかの実施形態では、この是正処置が、プロセスレシピを更新することを含んでいてもよい。いくつかの実施形態では、例えばチャンバのドリフト、構成要素の老化などを考慮に入れるように、処理論理が、保守段階の操作の実行を更新してもよい。

【0100】

図４Ｃは、いくつかの実施形態による、保守プロセスを満足のいくように実行することを容易にする、サーバのための拡張された方法４００Ｃを示している。方法４００Ｃの多くの操作が、方法４００Ｂの操作と同様の特徴を有し、例えば、図４Ｂのブロック４１０、４１２、４１４および４１６は、図４Ｃのブロック４２０、４２１、４２２および４２３と同様の特徴を含んでいてもよく、図４Ｂの保守段階および保守段階に由来するデータは、図４Ｃの第１の保守段階および第１の保守段階に由来する第１のデータにマップする。

【0101】

ブロック４２４で、サーバの処理論理が、第１の保守段階を繰り返すことの指示をユーザに対して表示することをユーザデバイスに実行させる。これは、是正処置を実行させる図４Ｂに示した全体的な操作の特別なケースであることがある。

【0102】

ブロック４２５で、サーバの処理論理は、第１の保守段階の第２の実行に由来する第２のデータを受け取る。図４Ｂのブロック４１４に関して論じたとおり、このデータは多くの形態をとってもよい。ブロック４２６で、サーバの処理論理は、第１の保守段階の第２の実行は満足のいくものであったと判定する。これは、例えば、センサデータを閾値と比較し、そのセンサデータが少なくとも１つの閾値基準を満たしていることを見出したことによって、または（製造機器に関連したセンサ、ユーザデバイスに関連したセンサ、接続された器具に関連したセンサなどを含む）センサデータを訓練されたモデル（例えば物理的現象に基づくモデル、機械学習モデルなど）に提供し、その保守段階が満足のいくように実行されたことを検証する出力を受け取ったことによって、判定されてもよい。

【0103】

ブロック４２７で、サーバの処理論理は、保守プロセスの第２の保守段階を実行することを指示する命令をユーザデバイスに提供する。この命令は、第１の保守段階が満足のいくように実行されたことを指示する検証データをサーバが受け取ったことを考慮して提供してもよい。

【0104】

ブロック４２８で、サーバの処理論理は、保守プロセスの第２の保守段階の第１の実行に由来する第３のデータを受け取る。このデータは多くの形態をとってもよく、ブロック４２５で受け取るデータと同様であってもよい。ブロック４２９で、サーバの処理論理は、第２の保守段階の第１の実行は満足のいくものであったと判定する。ブロック４３０で、サーバの処理論理は、保守プロセスの第３の保守段階を実行することを指示する命令をユーザデバイスに提供する。

【0105】

方法４００Ｃは代表的な例であること、および、本開示は、検証操作のこの配置に限定されず、または検証操作の特定のいずれの配置にも限定されないことが理解されよう。例えば、第１の保守段階の第１の実行は検証に合格であってもよく、第２の保守段階の第１の実行は検証に不合格であってもよく、サーバが是正処置の指示を提供してもよい。さらに、いくつかの操作では、サーバが、ユーザデバイスとは異なるデバイス、例えば製造機器、接続された器具などを制御するデバイスに命令を提供してもよく、本開示の範囲に含まれてもよい。

【0106】

図４Ｄは、いくつかの実施形態による、保守段階の実行を容易にする、ユーザデバイスのための方法４００Ｄを示す流れ図である。ユーザデバイスは、スマートフォン、タブレット、ラップトップ、ウェアラブルコンピューティングデバイスなどを含んでいてもよい。ユーザデバイスは、汎用コンピューティングデバイス上で実行される、専用マシン、プログラムまたはアプリケーションなどであってもよい。ユーザデバイスは、製造機器およびサーバと通信するように構成されていてもよい。ユーザデバイスはネットワークを介して通信してもよい。

【0107】

ブロック４４０で、ユーザデバイスの処理論理が、製造機器に関連して、保守プロセスの保守段階を実行することを指示する命令を受け取る。この命令は、ユーザデバイスがユーザに対して表示する資料を伴っていてもよい。この資料は、保守段階の記述、保守段階の実行を記述したピクチャまたはビデオなどを含んでいてもよい。

【0108】

ブロック４４１で、ユーザデバイスの処理論理は、保守段階の実行に由来するデータをサーバに提供する。いくつかの実施形態では、このデータが、製造機器に関連したセンサのセンサ読みを示していてもよい。いくつかの実施形態では、このデータが、画像もしくはビデオデータ、またはユーザによって提供された、保守段階の実行の確認、保守段階の実行の文書形式の記述などの他のデータであってもよい。いくつかの実施形態では、このデータが、接続された器具のセンサからの読みを示していてもよい。いくつかの実施形態では、これらのデータの一部が、ユーザデバイスによって処理されることなくネットワークを介してサーバに提供されてもよい。

【0109】

ブロック４４２で、ユーザデバイスの処理論理は、保守段階の実行が満足のいくものではなかったことを指示する検証データをサーバから受け取る。この検証データは、合格／不合格、グレードもしくはレーティング、または他の同種のものなどの形態をとってもよい。ブロック４４３で、ユーザデバイスは、検証データを考慮して是正処置を実行させる。いくつかの実施形態では、この是正処置が、ユーザに警報を出すことを含む。いくつかの実施形態では、この警報が、実行する追加の保守タスクの指示を含む。いくつかの実施形態では、この是正処置が、製造機器に関連した温度、圧力、流量などを調整すること、または接続された器具に関連した設定を調整することなど、保守プロセスレシピを更新することを含む。

【0110】

破線のボックスによって指示されたブロック４４４～４４９の操作は、保守段階を繰り返すことをデータ処理が指示している場合に実行してもよい。ブロック４４４で、ユーザデバイスの処理論理は、第１の保守段階の第２の実行に由来する第２のデータをサーバに提供する。このデータは、第１の保守段階の第１の実行に由来する第１のデータと同じタイプ／同じ形態のデータであってもよい。ブロック４４５で、ユーザデバイスの処理論理は、保守段階の第２の実行が満足のいくものであったことを指示する第２の検証データをサーバから受け取る。この検証データは、ブロック４４２の検証データと同じ特徴の多くを有していてもよい。

【0111】

ブロック４４６で、ユーザデバイスの処理論理は、保守プロセスの第２の保守段階を実行することを指示する第２の命令をサーバから受け取る。保守プロセスの第２の段階は第１の段階とは異なっており、例えば、異なる操作を含んでいてもよく、製造機器の異なる構成要素が関わっていてもよい。ブロック４４７で、ユーザデバイスの処理論理は、保守プロセスの第２の保守段階の実行に由来するデータをサーバに提供する。このデータは、ブロック４４１のデータと多くの特徴を共有していてもよい。

【0112】

ブロック４４８で、ユーザデバイスは、第２の保守段階の実行に関連した検証データをサーバから受け取る。この検証データは、第２の保守段階の実行が満足のいくものであったことを指示しているとする。ブロック４４９で、ユーザデバイスは、保守プロセスの第３の保守段階を実行することを指示する命令を受け取る。

【0113】

図４Ｃに関する説明と同様に、方法４００Ｄは、本開示の一組の操作の例である。
例えば、本開示の方法は、検証の合格および失敗の特定の順序に限定されず、示された操作と操作の間に他の操作を含んでいてもよい。

【0114】

図４Ｅ～Ｆは、いくつかの実施形態による、機械学習モデルに関する方法４００Ｅおよび４００Ｆを示す流れ図である。方法４００Ｅおよび４００Ｆのいくつかの操作は、物理的現象に基づくモデルにも適宜、適用可能であることがある。

【0115】

図４Ｅは、機械学習モデルを訓練する方法４００Ｅの流れ図を示している。ブロック４５０で、処理論理が、保守プロセスの保守段階の実行を指示するセンサデータを受け取る。この処理論理は、予測データを生成するためのシステム、例えば図１の予測システム１１０の一部分であってもよい。このデータは、訓練データセットとして、例えば図１のデータセット生成器１７２から受け取ってもよい。ブロック４５２で、処理論理は、保守プロセスの保守段階の実行の質を指示するデータを受け取る。受け取るデータは、実行を指示するデータ（例えばセンサデータ）を実行の質を指示するデータと相互に関連付けるデータ（例えば、完成した製品の計測値、グレードまたはスコアなどの質の指示など）を含んでいてもよい。

【0116】

ブロック４５４で、処理論理は、機械学習モデルの訓練を実行させる。この訓練は、保守段階の実行を指示するセンサデータを訓練入力として提供することを含んでいてもよい。この訓練はさらに、保守段階の実行の質を指示するデータをターゲット出力として提供することを含んでいてもよい。その場合、この訓練された機械学習モデルは、保守段階の実行を指示するデータ（例えば、製造機器に関連したセンサ、ユーザデバイスに関連したセンサ、接続されたツールに関連したセンサなどからのセンサデータ）を入力として受け入れるように構成されていてもよい。機械学習モデルの訓練は、訓練エンジン、例えば図１のサーバ１８０の訓練エンジン１８２によって実行されてもよい。

【0117】

図４Ｆは、いくつかの実施形態による、訓練された機械学習モデルを使用する方法４００Ｆの流れ図である。ブロック４６０で、処理論理が、保守プロセスの保守段階の実行を指示するセンサデータを受け取る。ブロック４６２で、処理論理は、このセンサデータを、訓練された機械学習モデルに提供する。いくつかの実施形態では、センサデータのある処理が実行されていてもよく、センサデータを指示するデータが処理論理によって受け取られており、かつ／または処理論理によって訓練されたモデルに提供されてもよい。

【0118】

ブロック４６４で、処理論理は、訓練された機械学習モデルから、保守段階の実行の質を指示する検証データを受け取る。この検証は、合格／不合格（例えば、保守段階の実行は満足のいくものであった／満足のいくものではなかった）、グレードまたはレーティングなどの形態をとってもよい。いくつかの実施形態では、処理論理が、保守段階の実行に関連した追加の情報を受け取ってもよい。訓練された機械学習モデルは、追加情報を例えばセンサデータに基づいて生成するように訓練されてもよく、このモデルは、是正処置、保守する特定の構成要素などを提案してもよい。破線のボックスによって表されたブロック４６６の操作は、訓練された機械学習モデルが、保守段階の実行が満足のいくものではなかったことの指示を提供する場合に実行してもよい。ブロック４６６で、処理論理は、是正処置を実行させる。ブロック４６６の操作は、図３Ｂのブロック４１８の操作と多くの特徴を共有してもよい。

【0119】

図５は、いくつかの実施形態による、保守プロセスを改良するシステム５００の操作を示す図である。システム５００は、関連したさまざまな保守操作が流れ図として示された保守デバイス５０２、ネットワーク５３０（例えば図１のネットワーク１３０）、および検証モジュール５５０（例えば図１の予測システム１１０の部分である１つまたは複数のモデル）を含む。保守デバイス５０２は、製造機器、ユーザデバイス、接続されたツールなどを含んでいてもよい。保守デバイス５０２に関連して示された操作は、予防保守操作などの保守操作の一般化された抽象概念であり、これらの操作は、保守プロセスを実行する例示的な方法を概説するために含まれている。図５に示されたそれぞれの操作は、例えば、多くの別個の操作を含んでいてもよく、この順序で出現しなくてもよく、バラバラにされ、間に他のブロックの操作が挟まっていてもよい。

【0120】

いくつかの実施形態では、保守プロセスが、保守準備５０４のいくつかの操作から始まる。これらの操作は、製造機器を分解するための準備をすること、例えば、内部構成要素へのアクセスを可能にするために製造チャンバを開く準備をすることを対象としていてもよい。保守準備５０４の操作は、洗浄手順を実行すること、製造チャンバの内部をパージすること、加熱装置および冷却装置をオフにすること、チャンバをベントすることなどを含んでいてもよい。製造機器に関連したセンサから、これらの操作の実行を指示するデータを収集してもよい。これらのセンサは例えば、圧力センサ、温度センサ、流量センサなどのオンボードセンサであってもよい。いくつかの実施形態では、保守プロセスの１つの段階の実行後に（例えば保守プロセスの操作のあるサブセットの実行後に）、その段階の実行を指示するデータを、ネットワーク５３０を介して検証モジュール５５０に提供する。検証モジュール５５０は、その保守段階の実行の質を決定してもよい。実行の質は、保守段階の実行を指示するデータを１つまたは複数の閾値と比較し、保守段階の実行を指示するデータを物理的現象に基づくモデルに提供し、物理的現象に基づくモデルから出力を受け取り（さらに、任意選択で、物理的現象に基づくモデルの出力を、閾値などの１つまたは複数の判定基準と比較し）、保守段階の実行を指示するデータを訓練された機械学習モデルに提供し、訓練された機械学習モデルから出力を受け取ることによって、または他の同種のことによって決定してもよい。保守段階の成功の信頼性の高い予測を提供するように、その段階の検証方法を選択および調節してもよい。その段階が満足のいくように実行されたことを検証が指示している場合、検証モジュール５５０は、その保守プロセスが次の段階に進んでもよいことを、ネットワーク５３０を介して指示してもよい。いくつかの実施形態では、保守準備５０４のいくつかの段階または全ての部分に対して検証を逐次的に実行してもよい。保守段階が満足のいくようには実行されなかったことを検証が指示している場合、検証モジュール５５０は、例えばトラブルシューティング操作、保守段階を繰り返す命令などの是正処置の指示を提供してもよい。一実施形態では、保守準備５０４の段階が、乾式洗浄手順、酸素プラズマパージ手順、プロセスチャンバ分離手順（この手順でプロセスチャンバはオフラインにされる）、パージプロセス、リッド加熱装置非活動化手順、ならびに冷却装置および熱交換器非活動化手順、ならびにチャンバベント手順を含む。これらの保守段階の各々の後、固有の試験を実行して、その保守段階が成功のうちに実行されたかどうかを、その段階の前および／またはその段階の最中に収集したセンサデータに基づいて評価してもよい。

【0121】

全ての保守準備段階が成功のうちに完了した後、保守操作は次いで、分解５０６のフェーズに入ってもよい。分解５０６は、製造チャンバリッドを取り外すこと、部品（例えば石英および／またはＳｉＣリング）を取り外すこと、構成要素（例えばチャンバライナ、プロセスキット、リフトピン、シングルリングなど）を取り外すこと、スクリーン（例えばプラズマスクリーン）を取り外すことなどを含んでいてもよい。いくつかの実施形態では、例えば、利用可能なセンサデータがない場合に、また、検証プロセスが煩雑になりすぎることを防ぐために、いくつかの操作が検証を受けなくてもよい。分解５０６のプロセスを検証する場合には、保守準備５０４に関して説明したのと同様に、それらの段階の実行を指示するデータをネットワーク５３０を介して検証モジュール５５０に提供してもよく、検証モジュール５５０がネットワーク５３０を介して検証データを提供してもよい。

【0122】

保守プロセスは次いで保守５０８のフェーズに入ってもよい。保守５０８は、構成要素を洗浄すること（例えば静電チャックを洗浄すること）、構成要素（例えばフローバルブ）を取り外しかつ／または分解すること、構成要素を交換および／または設置すること（例えば、マノメータツリーを設置すること、絶縁リングを設置すること、ＩＥＤ窓を設置すること、ビューポートを設置すること、スリットバルブドアを設置することなど）、部品もしくは構成要素を組み立てることまたは再組み立てすること（例えばリッドおよび／またはリッドアセンブリを組み立てることなどを含んでいてもよい。このフェーズの操作は、検証のためのデータを、接続された器具から、例えば、その使用に関連した特性、例えばトルク、を測定するためのセンサを装備したスマートツールから提供してもよい。再組み立ておよび認定５１０に含まれる保守段階はさらに、上の説明と同様に、ユーザデバイスからデータを提供してもよく、ネットワーク５３０を介して検証データを受け取ってもよい。

【0123】

いくつかの実施形態では、ユーザが、保守５０８の操作の検証のための情報を提供してもよい。ユーザは、ユーザデバイスを介して、保守段階の実行を指示する画像またはビデオデータを提供してもよい。例えば、ユーザは、ユーザデバイスを介してピクチャを生成してもよく、そのピクチャ（例えば洗浄手順の前および／または後の静電チャックアセンブリのピクチャ）を、ネットワーク５３０を介して検証モジュール５５０に提供してもよい。検証モジュール５５０は、それらの画像を、保守段階の実行の質の指示を出力するように構成された訓練された機械学習モデルに提供してもよい。次いで、上の説明と同様に、検証モジュール５５０が、実行の質の指示に基づく検証データをネットワーク５３０を介して提供してもよい。いくつかの保守段階（例えば洗浄段階）に関しては、その保守段階が成功のうちに実行されたかどうかを評価するために画像データが生成および使用される。例えば、訓練された機械学習モデルが、洗浄操作後にチャンバまたは部分が清浄であるか否かを識別してもよい。他の保守段階に関しては、その保守段階が成功のうちに実行されたかどうかを評価するために、接続された器具からのセンサデータ（例えばレンチ、ねじ回しおよび／または他のツールからの器具の読み）が使用される。例えば、器具の読みを閾値と比較して、それらの読みが、ターゲット器具の読みの許容差の範囲内にあるかどうかを判定してもよい。いくつかの保守段階に関しては、保守段階が成功のうちに実行されたかどうかを判定するために、画像とツールからの器具の読みとの組合せが使用される。

【0124】

保守プロセスは次いで、認定５１０のフェーズに入ってもよい。このフェーズの操作も、上の説明と同様に、検証のためのデータを製造機器センサから検証モジュール５５０に提供してもよく、ネットワーク５３０を介して検証データを受け取ってもよい。実施形態において複数の異なる認定段階を実行してもよい。１つの認定段階では、チャンバを、ターゲット圧力（例えば真空）までポンプ減圧する。センサデータは、ターゲット圧力までチャンバをポンプ減圧するのにどのくらいの時間がかかるのかを指示する圧力の読み、および／または経時的な圧力プロファイルを含んでいてもよい。別の認定段階では、冷却装置、熱交換器および／または加熱装置を活動化し、ターゲット温度設定点まで加熱および／または冷却する。センサデータは、（例えば、例えば、ターゲット温度に達するのにどのくらいの時間がかかるのかを指示する）温度の読み、加熱要素の電圧および／または電流の読みなどを含んでいてもよい。別の認定段階では、チャンバ漏れ試験を実行してもよい。この試験は、プロセスチャンバをターゲット圧力までポンプ減圧し、次いで圧力が経時的に上昇している（これは例えば漏れを指示する）かどうかを測定することを含んでいてもよい。別の認定段階では、チャンバシーズニングを実行してもよい。チャンバシーズニングは、プロセスチャンバ内で１つまたは複数のプロセスを実行してチャンバの状態を変化させることを含んでいてもよい。このようなシーズニングプロセスは、例えばチャンバ部品上にコーティングを形成させることがある。全ての認定段階が成功のうちに実行された後、そのプロセスチャンバを製品に対して使用してもよい。

【0125】

図６は、ある種の実施形態によるコンピュータシステム６００を示すブロック図である。いくつかの実施形態では、コンピュータシステム６００が、（例えば、ローカルエリアネットワーク（ＬＡＮ）、イントラネット、エクストラネットまたはインターネットなどのネットワークを介して）他のコンピュータシステムに接続されていてもよい。コンピュータシステム６００は、クライアント－サーバ環境のサーバもしくはクライアントコンピュータの資格で、またはピアツーピアもしくは分散型ネットワーク環境のピアコンピュータとして動作してもよい。コンピュータシステム６００は、パーソナルコンピュータ（ＰＣ）、タブレットＰＣ、セットトップボックス（ＳＴＢ）、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、ウエブアプライアンス、サーバ、ネットワークルータ、スイッチもしくはブリッジ、ウェアラブルコンピューティングデバイス、拡張現実または仮想現実デバイス、またはそのデバイスがとるべき処置を指定する一組の（逐次もしくはそれ以外の）命令を実行することができるデバイスによって提供されたものであってもよい。さらに、用語「コンピュータ」は、一組の（または数組の）命令を個別にまたは共同で実行して、本明細書に記載された方法のうちの１つまたは複数の任意の方法を実行するコンピュータの集合体を含むものとする。

【0126】

追加の態様では、コンピュータシステム６００が、処理デバイス６０２、揮発性メモリ６０４（例えばランダムアクセスメモリ（ＲＡＭ））、不揮発性メモリ６０６（例えばリードオンリーメモリ（ＲＯＭ）または電気的に消去可能なプログラマブルＲＯＭ（ＥＥＰＲＯＭ））、およびデータストレージデバイス６１８を含んでいてもよく、これらはバス６０８を介して互いに通信してもよい。

【0127】

処理デバイス６０２は、汎用プロセッサ（例えば複合命令セットコンピューティング（ＣＩＳＣ）マイクロプロセッサ、縮小命令セットコンピューティング（ＲＩＳＣ）マイクロプロセッサ、超長命令語（ＶＬＩＷ）マイクロプロセッサ、他のタイプの命令セットを実施するマイクロプロセッサ、もしくは命令セットのタイプの組合せを実施するマイクロプロセッサ）、または専門プロセッサ（例えば特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタル信号処理プロセッサ（ＤＳＰ）、もしくはネットワークプロセッサ）などの１つまたは複数のプロセッサによって提供されたものであってもよい。

【0128】

コンピュータシステム６００はさらに、（例えばネットワーク６７４に結合された）ネットワークインターフェースデバイス６２２を含んでいてもよい。コンピュータシステム６００はさらに、ビデオディスプレイユニット６１０（例えばＬＣＤ）、文字数字入力デバイス６１２（例えばキーボード）、カーソル制御デバイス６１４（例えばマウス）、および信号生成デバイス６２０を含んでいてもよい。

【0129】

いくつかの実施態様では、データストレージデバイス６１８が、図１の構成要素（例えば予測構成要素１１４、モデル１９０など）をコード化した命令および本明細書に記載された方法を実施するための命令を含む、本明細書に記載された方法または機能のうちの１つまたは複数の方法または機能をコード化した命令６２６を格納した非一時的コンピュータ可読ストレージ媒体６２４（例えば非一時的機械可読ストレージ媒体）を含んでいてもよい。

【0130】

命令６２６はさらに、コンピュータシステム６００によって命令６２６が実行されている間、揮発性メモリ６０４内および／または処理デバイス６０２内に完全にまたは部分的に存在してもよく、したがって、揮発性メモリ６０４および処理デバイス６０２も機械可読ストレージ媒体を構成することがある。

【0131】

例示のための例では、コンピュータ可読ストレージ媒体６２４が単一の媒体として示されているが、用語「コンピュータ可読ストレージ媒体」は、１組または数組の実行可能命令を格納する単一の媒体または複数の媒体（例えば集中型もしくは分散型データベースならびに／または関連キャッシュおよびサーバ）を含むものとする。用語「コンピュータ可読ストレージ媒体」はさらに、コンピュータが実行するための一組の命令であって、本明細書に記載された方法のうちの１つまたは複数の方法をそのコンピュータに実行させる一組の命令を格納またはコード化することができる任意の有形媒体を含むものとする。用語「コンピュータ可読ストレージ媒体」は、限定はされないが、固体メモリ、光学媒体および磁気媒体を含むものとする。

【0132】

本明細書に記載された方法、構成要素および特徴は、個別ハードウェア構成要素によって実施されてもよく、またはＡＳＩＣ、ＦＰＧＡ、ＤＳＰもしくは同種のデバイスなどの他のハードウェア構成要素の機能に統合されていてもよい。さらに、本明細書に記載された方法、構成要素および特徴は、ファームウェアモジュールによってまたはハードウェアデバイス内の機能回路によって実施されてもよい。さらに、本明細書に記載された方法、構成要素および特徴は、ハードウェアデバイスおよびコンピュータプログラム構成要素の任意の組合せで、またはコンピュータプログラムで実施されてもよい。

【0133】

特段の記載がない限り、「受け取る」、「実行する」、「提供する」、「取得する」、「実行させる」、「アクセスする」、「決定する」、「追加する」、「使用する」、「訓練する」、「開始する」、「実行させる」、「更新する」または他の同種の用語などの用語は、コンピュータシステムによって実行または実施される動作およびプロセスであって、物理的な（電子的な）量として表されたコンピュータシステムレジスタおよびメモリ内のデータを操作し、同様に物理的な量として表された、コンピュータシステムメモリもしくはレジスタ内、または他のそのような情報ストレージ、送信もしくは表示デバイス内の他のデータに変換する動作およびプロセスに関する。さらに、本明細書で使用されている「第１」、「第２」、「第３」、「第４」などの用語は、異なる要素間で区別するための標識としての意味を有し、それらの用語の数的呼称に基づく序数の意味は持たないことがある。

【0134】

本明細書に記載された例はさらに、本明細書に記載された方法を実行するための装置に関する。この装置は、本明細書に記載された方法を実行するために特に構築されたものであってもよく、またはコンピュータシステムに格納されたコンピュータプログラムによって選択的にプログラムされる汎用コンピュータシステムを含んでいてもよい。このようなコンピュータプログラムは、コンピュータ可読の有形のストレージ媒体に格納されていてもよい。

【0135】

本明細書に記載された方法および例示のための例は本来的に、特定のコンピュータまたは他の装置に関係していない。本明細書に記載された教示に従ってさまざまな汎用システムを使用してもよく、または、本明細書に記載された方法および／もしくはそれらの方法の個々の機能、ルーチン、サブルーチンもしくは操作の各々を実行するのには、より専門化された装置を構築することが都合がよいこともある。以上の説明には、これらのさまざまなシステムのための構造の例が示されている。

【0136】

上記の説明は例示のためであることが意図されており、限定するものであることは意図されていない。特定の例示のための例および実施態様に関して本開示を説明してきたが、本開示は、説明された例および実施態様に限定されないことが認識されよう。本開示の範囲は、添付の特許請求の範囲を参照して、そのような特許請求の範囲が権利を与えられる等価物の全範囲と共に決定されるべきである。

【図1】

【図2】

【図3】

【図4A】

【図4B】

【図4C】

【図4D】

【図4E】

【図4F】

【図5】

【図6】