特表2024-544816 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

▶ アプライド　マテリアルズ　インコーポレイテッドの特許一覧

特表2024-544816半導体製造のための環境効率監視・探査プラットフォーム

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3
4A
4B
4C
4D
4E
5
6
7A
7B
7C
8
9A
9B
9C
10A-Left
10A-Middle
10A-Right
10B-Left
10B-Middle
10B-Right
10C-Left
10C-Right
10D-Left
10D-Middle
10D-Right
10E-Left
10E-Middle
10E-Right
11

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-12-05

(54)【発明の名称】半導体製造のための環境効率監視・探査プラットフォーム

(51)【国際特許分類】

H01L 21/02 20060101AFI20241128BHJP

【ＦＩ】

H01L21/02 Z

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024504517

(86)(22)【出願日】2022-12-05

(85)【翻訳文提出日】2024-03-13

(86)【国際出願番号】 US2022051859

(87)【国際公開番号】W WO2023107398

(87)【国際公開日】2023-06-15

(31)【優先権主張番号】17/548,334

(32)【優先日】2021-12-10

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【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】ＡＰＰＬＩＥＤＭＡＴＥＲＩＡＬＳ，ＩＮＣＯＲＰＯＲＡＴＥＤ

【住所又は居所原語表記】３０５０ＢｏｗｅｒｓＡｖｅｎｕｅＳａｎｔａＣｌａｒａＣＡ９５０５４Ｕ．Ｓ．Ａ．

(74)【代理人】

【識別番号】110002077

【氏名又は名称】園田・小林弁理士法人

(72)【発明者】

【氏名】モラディアン，アラ

(72)【発明者】

【氏名】ケルカール，ウメシュマドハヴ

(72)【発明者】

【氏名】ネヴィル，エリザベス

(72)【発明者】

【氏名】トレホ，オルランド

(72)【発明者】

【氏名】メイロヴィッヒ，セルゲイ

(72)【発明者】

【氏名】シャー，カルティックビー．

(72)【発明者】

【氏名】カー，シュレヤススレーシュ

(57)【要約】

半導体製造のための環境効率監視・探査プラットフォームを対象とする技術。１つの方法は、処理デバイスによって、製造設備の第１の構成を有し、１つまたは複数のプロセス手順に従って動作する、基板製造システムの更新を示す第１のデータを受信することを含む。本方法は、処理デバイスによって、デジタルレプリカとともに第１のデータを使用して、環境資源データを決定することをさらに含む。デジタルレプリカは、基板製造システムのデジタル複製を含む。環境資源使用量データは、更新を組み込んだ基板製造システムによって１つまたは複数のプロセス手順を実施することに対応する環境資源消費を示す。本方法は、処理デバイスによって、グラフィカルユーザインターフェース（ＧＵＩ）上の表示のために環境資源使用量データを提供することをさらに含む。
【選択図】図３

【特許請求の範囲】

【請求項1】

処理デバイスによって、製造設備の第１の構成を含み、１つまたは複数のプロセス手順に従って動作する、基板製造システムの更新を示す第１のデータを受信することと、
前記処理デバイスによって、デジタルレプリカとともに前記第１のデータを使用して、環境資源使用量データを決定することであって、前記デジタルレプリカが、前記基板製造システムのデジタル複製を含み、前記環境資源使用量データが、前記更新を組み込んだ前記基板製造システムによって前記１つまたは複数のプロセス手順を実施することに対応する環境資源消費を示す、環境資源使用量データを決定することと、
前記処理デバイスによって、グラフィカルユーザインターフェース（ＧＵＩ）上の表示のために前記環境資源使用量データを提供することと
を含む、方法。

【請求項2】

前記更新が、第１のハードウェアサブシステムデバイスを、前記第１のハードウェアサブシステムデバイスとは異なる１つまたは複数の動作仕様を有する第２のハードウェアサブシステムデバイスと交換することを含む、請求項１に記載の方法。

【請求項3】

前記更新が、製造設備の前記第１の構成を製造設備の第２の構成に変えることを含む、請求項１に記載の方法。

【請求項4】

前記更新が、前記基板製造システムの物理的アセットのスケジュールされた動作モードを変えることを含み、前記スケジュールされた動作モードが、低減電力モードまたはアイドル状態を含む、請求項１に記載の方法。

【請求項5】

前記更新が、前記基板製造システムのサポートアセットのスケジュールされた動作モードを共有動作モードに変えることを含み、前記共有動作モードにおいて動作する前記サポートアセットが、前記１つまたは複数のプロセス手順を行う前記基板製造システムの複数の物理的アセットについてのサポート機能の実行を交互に行う、請求項１に記載の方法。

【請求項6】

前記デジタルレプリカが、前記基板製造システムの１つまたは複数の物理的アセットの物理学ベースのモデルを含む、請求項１に記載の方法。

【請求項7】

前記物理学ベースのモデルが、基板プロセスチャンバのサイズおよび形状寸法と前記環境資源消費との間の関係を示し、前記更新が、前記基板プロセスチャンバの前記サイズまたは前記形状寸法のうちの少なくとも１つへの修正に関連する、請求項６に記載の方法。

【請求項8】

前記物理学ベースのモデルが、前記基板製造システム内で使用されるガスのタイプと前記環境資源消費との間の関係を示し、前記更新が、第１のガスの、第２のガスへの修正に関連し、前記第１のガスと前記第２のガスとが、パージガス、反応性ガス、またはエッチャントガスのうちの少なくとも１つを含む、請求項６に記載の方法。

【請求項9】

前記物理学ベースのモデルが、前記基板製造システムからの熱抽出手順のうちの少なくとも１つと前記環境資源消費との間の関係を示し、前記更新が、排熱デバイス、ガス軽減デバイス、水冷却デバイス、または通気構造のうちの少なくとも１つへの修正に関連する、請求項６に記載の方法。

【請求項10】

前記環境資源使用量データを決定することが、
製造設備の選択の複数のツールについての環境資源消費メトリックを算出することと、
前記環境資源使用量データを決定するために、前記複数のツールについての前記環境資源消費メトリックを集計することと
を含む、請求項１に記載の方法。

【請求項11】

前記デジタルレプリカを使用して、前記１つまたは複数のプロセス手順を実施することに対応する環境資源消費を示す第２の環境資源使用量データを決定することと、
前記環境資源使用量データと前記第２の環境資源使用量データとの間の比較に基づいて、前記更新の環境効率影響を示す値を決定することと
をさらに含む、請求項１に記載の方法。

【請求項12】

前記基板製造システムが処理チャンバを備え、前記物理学ベースのモデルが、
前記処理チャンバに入る１つまたは複数のガスと、
前記処理チャンバ内に配設された基板上で生じる１つまたは複数の反応と、
前記１つまたは複数のガスと前記基板上で生じる前記１つまたは複数の反応との間の１つまたは複数の関係と
を示し、
前記更新が、前記１つまたは複数のガスの流れへの修正に対応し、
前記環境資源消費が、軽減を通して失われた前記１つまたは複数のガスの１つまたは複数の量を示す、
請求項６に記載の方法。

【請求項13】

前記環境資源使用量データが、前記１つまたは複数のプロセス手順を実施する前記基板製造システムに関連するエネルギー消費、ガス消費、または水消費のうちの少なくとも１つを含む、請求項１に記載の方法。

【請求項14】

前記環境資源使用量データを使用して、前記更新を組み込んだ前記製造システムに関連するカーボンフットプリントデータを決定すること
をさらに含む、請求項１に記載の方法。

【請求項15】

メモリと、
前記メモリに結合された、処理デバイスとを備える、システムであって、前記処理デバイスが、
製造設備の第１の構成を含み、１つまたは複数のプロセス手順に従って動作する、基板製造システムの更新を示す第１のデータを受信することと、
デジタルレプリカとともに前記第１のデータを使用して、環境資源使用量データを決定することであって、前記デジタルレプリカが、前記基板製造システムのデジタル複製を含み、前記環境資源使用量データが、前記更新を組み込んだ前記基板製造システムによって前記１つまたは複数のプロセス手順を実施することに対応する環境資源消費を示す、環境資源使用量データを決定することと、
グラフィカルユーザインターフェース（ＧＵＩ）上の表示のために前記環境資源使用量データを提供することと
を行う、システム。

【請求項16】

前記デジタルレプリカが、前記基板製造システム内で使用されるガスのタイプと前記環境資源消費との間の関係を示す物理学ベースのモデルを含み、前記更新が、第１のガスの、第２のガスへの修正に関連し、前記第１のガスと前記第２のガスとが、パージガス、反応性ガス、またはエッチャントガスのうちの少なくとも１つを含む、請求項１５に記載のシステム。

【請求項17】

前記デジタルレプリカが、前記基板製造システムからの熱抽出手順のうちの少なくとも１つと前記環境資源消費との間の関係を示す物理学ベースのモデルを含み、前記更新が、排熱デバイス、ガス軽減デバイス、水冷却デバイス、または通気構造のうちの少なくとも１つへの修正に関連する、請求項１５に記載のシステム。

【請求項18】

前記環境資源使用量データが、前記１つまたは複数のプロセス手順を実施する前記基板製造システムに関連するエネルギー消費、ガス消費、水消費、またはカーボンフットプリントインジケータのうちの少なくとも１つを含む、請求項１５に記載のシステム。

【請求項19】

命令を備える非一時的機械可読ストレージ媒体であって、前記命令は、処理デバイスによって実行されたとき、前記処理デバイスに、
製造設備の第１の構成を含み、１つまたは複数のプロセス手順に従って動作する、基板製造システムの更新を示す第１のデータを受信することと、
デジタルレプリカとともに前記第１のデータを使用して、環境資源使用量データを決定することであって、前記デジタルレプリカが、前記基板製造システムのデジタル複製を含み、前記環境資源使用量データが、前記更新を組み込んだ前記基板製造システムによって前記１つまたは複数のプロセス手順を実施することに対応する環境資源消費を示す、環境資源使用量データを決定することと、
グラフィカルユーザインターフェース（ＧＵＩ）上の表示のために前記環境資源使用量データを提供することと
を行わせる、非一時的機械可読ストレージ媒体。

【請求項20】

前記環境資源使用量データが、前記１つまたは複数のプロセス手順を実施する前記基板製造システムに関連するエネルギー消費、ガス消費、水消費、またはカーボンフットプリントインジケータのうちの少なくとも１つを含む、請求項１９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、一般に、半導体製造設備の環境影響に関する。より詳細には、本明細書は、半導体製造プロセスおよびこの製造プロセスに関連する機能を実施する半導体製造設備の環境効率（ｅｃｏｌｏｇｉｃａｌｅｆｆｉｃｉｅｎｃｙ／ｅｃｏ－ｅｆｆｉｃｉｅｎｃｙ）を監視すること、その修正を識別すること、およびその最適化を実施することに関する。

【背景技術】

【0002】

電子デバイスに対する継続した需要は、半導体ウエハに対するますますより大きな需要を求める。これらのウエハを生産するための製造の増加は、資源利用および環境的に損害を与える廃棄物の作成の形態で環境にかなりの負担をかける。したがって、ウエハ製造および製造一般のより環境に優しく、環境的に責任を持てる方法に対する需要が増加している。ウエハ処理がエネルギー集約型であることを前提として、半導体産業の成長をその環境影響から切り離すことに価値がある。増大するチップ需要および増加するチップ複雑さは、環境的に影響を及ぼす資源消費を増加させている。

【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。本概要は本開示の広範な概観ではない。本概要は、本開示の特定の実装形態の範囲または特許請求の範囲を定めるものではない。その唯一の目的は、後で提示されるより詳細な説明の前置きとして、本開示のいくつかの概念を簡略化された形式で提示することである。

【0004】

半導体製造のための環境効率監視・探査プラットフォームを対象とする技術が説明される。いくつかの実施形態では、多数のプロセス方策および製造ハードウェア構成の環境効率を監視および探査することのフレキシビリティおよび容易さを提供する、センサデータ、物理学、モデル、アルゴリズム、およびユーザインターフェース（ＵＩ）を活用することによって、材料エンジニアリング仕様と環境効率仕様の両方を満たす、技術者開発プロセスおよび負担を支援することが可能なエンジニアリングプラットフォームが説明される。１つの方法は、処理デバイスによって、製造設備の第１の構成を有し、１つまたは複数のプロセス手順に従って動作する、基板製造システムの更新を示す第１のデータを受信することを含む。本方法は、処理デバイスによって、デジタルレプリカとともに第１のデータを使用して、環境資源データを決定することをさらに含む。デジタルレプリカは、基板製造システムのデジタル複製を含む。環境資源使用量データは、更新を組み込んだ基板製造システムによって１つまたは複数のプロセス手順を実施することに対応する環境資源消費を示す。本方法は、処理デバイスによって、グラフィカルユーザインターフェース（ＧＵＩ）上の表示のために環境資源使用量データを提供することをさらに含む。

【0005】

例示的な実施形態では、更新は、第１のハードウェアサブシステムデバイスを、第１のハードウェアサブシステムデバイスとは異なる１つまたは複数の動作仕様を有する第２のハードウェアサブシステムデバイスと交換することを含む。たとえば、第１のハードウェアサブシステムデバイスは、特に、ヒータ、冷却モジュール、ガス注入などのアイテムを含み得る。例示的な実施形態では、更新は、製造設備の第１の構成を製造設備の第２の構成に変えることを含む。例示的な実施形態では、更新は、基板製造システムの物理的アセットのスケジュールされた動作モードを変えることを含み、スケジュールされた動作モードは、低減電力モードを含む。例示的な実施形態では、更新は、基板製造システムのサポートアセットのスケジュールされた動作モードまたはハードウェア構成を、共有能力において動作するように変えることを含む。たとえば、共有能力において動作するサポートアセットは、１つまたは複数のプロセス手順を行う基板製造システムの複数の物理的アセットについてのサポート機能の実行を交互に行う。

【0006】

例示的な実施形態では、デジタルレプリカは、基板製造システムの１つまたは複数の物理的アセットの物理学ベースのモデルを含む。物理学ベースのモデルは、基板プロセスチャンバのサイズおよび形状寸法と環境資源消費との間の関係を示し得る。更新は、基板処理チャンバのサイズまたは形状寸法のうちの少なくとも１つへの修正に関連し得る。物理学ベースのモデルは、基板製造システム内で使用されるパージガスのタイプと環境資源消費との間の関係を示し得る。更新は、システムをパージするために使用されるガスのタイプおよび量を修正することによって環境資源消費がどのように変更されるかに関連し得る。たとえば、特定の資源消費更新は、使用されるパージガスを、窒素などの第１のパージガスからクリーンドライエア（ＣＤＡ）に変更することによって、環境資源消費がどのように影響を受けるかを含み得る。物理学ベースのモデルは、基板製造システムからの熱抽出手順のうちの少なくとも１つと環境資源消費との間の関係を示し得る。更新は、排熱デバイス、ガス軽減デバイス（ｇａｓａｂａｔｅｍｅｎｔｄｅｖｉｃｅ）、水冷却デバイス、または通気構造のうちの少なくとも１つへの修正に関連し得る。

【0007】

本開示の態様および実装形態は、限定ではなく例として態様および実装形態を示すことが意図された、以下で与えられる詳細な説明から、および添付の図面から、より十分に理解されよう。

【図面の簡単な説明】

【0008】

【図1】本開示の実装形態が動作し得る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】本開示の実装形態が動作し得る環境効率持続可能性システムアーキテクチャを示すブロック図である。

【図3】製造プロセスを監視、持続、および／または最適化するための例示的な方法論のフロー図である。

【図4A】本開示のいくつかの実装形態による、例示的なデジタルレプリカを示す図である。

【図4B】本開示のいくつかの実装形態による、例示的なデジタルレプリカを示す図である。

【図4C】本開示のいくつかの実装形態による、例示的なデジタルレプリカを示す図である。

【図4D】本開示のいくつかの実装形態による、例示的なデジタルレプリカを示す図である。

【図4E】本開示のいくつかの実装形態による、例示的なデジタルレプリカを示す図である。

【図5】本開示のいくつかの実装形態による、プロセスパラメータ値窓の例示的な説明を示す図である。

【図6】本開示のいくつかの実装形態による、製造プロセスへの修正と、生じた、環境効率への影響とを探査するための方法の説明を示す図である。

【図7A】本開示のいくつかの実装形態による、製造プロセスへの修正を識別することに関連する方法のフロー図である。

【図7B】本開示のいくつかの実装形態による、製造プロセスへの修正を識別することに関連する方法のフロー図である。

【図7C】本開示のいくつかの実装形態による、製造プロセスへの修正を識別することに関連する方法のフロー図である。

【図8】本開示のいくつかの実装形態による、製造プロセスへの修正を識別するための方法の説明を示す図である。

【図9A】いくつかの実施形態による、例示的な環境資源消費報告を示す図である。

【図9B】いくつかの実施形態による、例示的な環境資源消費報告を示す図である。

【図9C】いくつかの実施形態による、例示的な環境資源消費報告を示す図である。

【図10A-Left】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10A-Middle】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10A-Right】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10B-Left】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10B-Middle】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10B-Right】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10C-Left】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10C-Right】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10D-Left】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10D-Middle】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10D-Right】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10E-Left】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10E-Middle】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図10E-Right】いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）の様々なビューを示す図である。

【図11】本開示の１つまたは複数の態様に従って動作する、例示的なコンピューティングデバイスのブロック図である。

【発明を実施するための形態】

【0009】

環境効率（ｅｃｏｌｏｇｉｃａｌ－ｅｆｆｉｃｉｅｎｃｙ／ｅｃｏ－ｅｆｆｉｃｉｅｎｃｙ）特性評価は、製造ツールのツール影響環境効率の使用中の特定の製造ツールに関連する入力（たとえば、資源、利用など）のレベルがどのくらい異なるかを決定するために使用される複雑な技法である。環境効率特性評価は、単位当たり（または単位時間当たり）の環境効率を最大限にし、有害な環境影響を最小限にする製造ツールを開発するのを助けるために、製造ツールの開発中に有益であり得る。環境効率特性評価は、ツール開発後にも有益であり得るが、ツールは、どのツールが動作しているかに従って特定のパラメータを考慮してツールの単位当たりの環境効率特徴を微調整するように動作可能である。

【0010】

本明細書で説明される実施形態は、製造ツールの環境効率特性評価を、そのツールの設計、開発、および製造プロセス全体にわたって系統的に実施するためのシステムを提供する。いくつかの実施形態では、多数のプロセス方策および製造ハードウェア構成の環境効率を監視および探査することのフレキシビリティおよび容易さを提供する、センサデータ、物理学、モデル、アルゴリズム、およびユーザインターフェース（ＵＩ）を活用することによって、材料エンジニアリング仕様と環境効率仕様の両方を満たす、技術者開発プロセスおよび負担を支援することが可能なエンジニアリングプラットフォームが説明される。実施形態は、複数のプロセス（たとえば、半導体デバイス（たとえば、メモリ、論理、集積回路（ＩＣ））当たりの累積消費）の環境効率特性評価および最適化の統合をさらに提供する。実施形態は、環境資源消費および／または環境影響（たとえば、デバイス、ダイ、ウエハ単位当たりなど）を低減するために修正および／または最適化をさらに決定するために、製造プロセスおよび／または製造設備に関連するデジタルレプリカを用いた環境効率特性評価を使用することをさらに提供する。実施形態は、（たとえば、物理的試験および経験的結果を必要とすることなしに）デジタルレプリカを使用して、製造システム修正および生じた環境効率影響を探査するためのプラットフォームをさらに提供する。

【0011】

いくつかの実施形態では、環境効率は、単位当たりで計算される。典型的には、単位当たりの環境効率は、製造ツール開発プロセスにおいては考慮されない。追加的に、製造ツールが使用中である間（たとえば、ツールがウエハ生産のために使用される間）、そのツールに関する設定を調節するために単位当たりの環境効率を特徴付けることは面倒で複雑なプロセスであり得る。さらに、以前の解決策は、人間の特別な環境効率訓練、ならびに環境効率特性評価分析のための専門的な技術者および分析者を使用していた。本開示の実施形態は、単位当たりでの環境効率特性評価のための改善された方法、システム、およびソフトウェアを提供する。これらの方法、システム、およびソフトウェアは、特別な環境効率訓練を受けていない個人によって使用され得る。

【0012】

一実施形態では、環境効率特性評価は、ウエハ製造設備の設計ステージおよび動作ステージの間を含む、製造設備ライフサイクルのすべてのステージにおいてソフトウェアツールによって実施され得る。環境効率は、設備生産の単位当たり（たとえば、ウエハ当たり、または製造されるデバイス当たり）に消費される環境資源（たとえば、電気エネルギー、水、ガスなど）の量を含み得る。環境効率はまた、設備生産の単位当たりに生成される環境影響（たとえば、ＣＯ２放出、重金属廃棄物など）の量として特徴付けられ得る。

【0013】

単位が製造ツールによって動作される任意の測定可能な量（たとえば、基板（ウエハ）、ダイ、面積（ｃｍ２）、時間期間、デバイスなど）である単位当たり分析は、環境効率のより精密な特性評価を可能にする。「単位当たり」での環境効率は、生産される単位当たりの資源使用量および環境影響の正確な決定を可能にし、値の尺度として容易に操作され得る。たとえば、特定の製造ツールが、ウエハ通過当たり１．０～２．０ｋＷｈの電気エネルギーウエハ通過当たり環境効率レーティングを有する（他の実施形態では、環境効率レーティングは、ウエハ通過当たり０．５ｋＷｈ未満であり、最高２０ｋＷｈであり、さらには２０ｋＷｈよりも大きいことがある）と決定され得、これは、製造ツールによって動作される各ウエハが、たとえば、ウエハ通過当たり１．０～２．０ｋＷｈの電気エネルギーを使用し得ることを示す。他の実施形態では、様々な他の量の電気エネルギーが使用され得る。ウエハ通過当たりで環境効率を決定することは、年間ウエハスループットにおけるばらつきに起因して異なる年間電気エネルギー消費値を有する他の製造ツールとの容易な比較を可能にする。一実施形態では、環境効率はまた、ウエハ当たりの環境効率特性評価をウエハ当たりのデバイスの数で割ることによって、デバイス当たりで決定され得る。

【0014】

設備製造の早期設計ステージの間に環境効率特性評価を実施することは、設計者が最小限のコストで、より良好でより環境効率の高い設計選択をすることを可能にする。環境効率は、製造設備の設計ステージにおいて早期に操作および改善され得る。設計プロセスにおける早期の環境効率特性評価は、より良好でより環境に優しい構成要素選択、サブシステム設計、システム統合、プロセス設計、プロセス材料選択、およびシステム構成を可能にし得る。

【0015】

ツールのための開発プロセスにおけるいかなる時にも、技術者は、そのツールの構成を変え得、これは、そのツールのための環境効率モデルの変更を引き起こし得る。構成に対する変更、および生じた、環境効率モデルに対する変更は、データベースに記憶され得る。一実施形態では、設計者は、環境効率に関連する変更がなされたとき、製造設備設計の更新をリアルタイムで目にし得る。設計者は、所望の用途のために所望の環境効率をもつ設備または副構成要素を選択し得る。さらに、環境効率（たとえば、単位当たりの環境効率）は、副構成要素のための既知の環境効率特性評価（たとえば、単位当たりの環境効率特性評価）に基づいて製造設備について計算され得る。副構成要素についてのそのような既知の環境効率特性評価は、データベースに記憶され得る。別の実施形態では、環境効率は、製造設備の副構成要素の各々についての製造設備ベースの組み合わされたユーティリティおよび利用データについて計算され得る。

【0016】

構成要素および副構成要素は、比較および対比され得る。環境効率モデルが特定の設備または副構成要素のためにまだ存在していない場合、設計者は、その設備に関して環境効率分析を実施し、生じた環境効率モデルをデータベースに記憶し得る。設計者らは、開発中の設備の様々なバージョンを保存するための選択肢を有し得、各バージョンが、関連する環境効率モデルを有する。このやり方では、バージョニングは追跡可能であり、環境効率は、所望の環境効率を有する設備設計バージョンを決定することによって最適化され得る。いくつかの実施形態では、構成要素および副構成要素間の比較は、複数のチャンバマッチングを有する複数のデバイス間のチャンバとチャンバのマッチングへの、パターン、問題、および／または見解を決定するために使用され得る。構成要素および副構成要素またはバージョン間のそのような比較および対比の結果として、全体的な環境効率性能、カーボンフットプリントなどの消費節約が報告され得る。

【0017】

製造設備およびサブシステムは、時々、様々な用途で使用され、各用途がそれ自体の環境効率を有する。そのような状況では、同じ設備または副構成要素が異なる条件下で使用されるための複数の環境効率特性評価がデータベースに記憶され得る。設計者がデータベースから適切な設備を選択したとき、設計者は、各々がそれ自体の環境効率特性評価をもつ設備についての様々な用途を提示され得る。設計者は、適切な用途にマッチするように設備のパラメータを修正し、環境効率特性評価を実施し、結果をデータベースに戻して記憶し得る。

【0018】

別の実施形態では、環境効率特性評価は、動作中、製造設備自体に対して実施され得る。製造設備は、設備の利用およびユーティリティ使用データなどのリアルタイム変数にアクセスし、そのリアルタイム変数を環境効率モデルにおいて使用し得る。この実施形態では、製造設備は、製造設備の現在の動作条件を考慮して環境効率を最大限にするために設備に関する設定を微調整し得る。設備に対する環境効率特性評価は、理論上の、平均の、または予想される変数条件を使用して設計された製造設備の環境効率を微調整するのに有益であり得る。

【0019】

いくつかの実施形態では、環境効率特性評価は、デジタルレプリカを使用して決定され得る。製造プロセス、または製造プロセスの第１の製造プロセスの製造動作を実施するための製造設備のうちの１つを含む選択が、デジタルレプリカに入力され得る。デジタルレプリカは、製造プロセスおよび／または製造設備の物理学ベースのモデルを含み得る。物理学ベースのモデルは、モジュール／サブシステム消費が、完全に物理学ベースのモデルまたは低減次数モデル（たとえば、赤外ベースのランプ加熱サブシステムなどのサブシステムが開発される前に概念化されたランプ加熱変動）を使用して推定される仮定のシナリオを可能にし得る。いくつかの実施形態では、デジタルレプリカは、製造プロセスまたは製造設備の物理条件（たとえば、ガスが排気（ｅｘｈａｕｓｔ）および／またはフォアラインから出ることによって行われる加熱損失、エネルギー消費など）を決定するために、統計モデルなどの他のモデルを含み得る。

【0020】

いくつかの実施形態では、環境効率特性評価は、複数の製造プロセスに統合され得る。たとえば、デバイスまたはプロセス構成要素当たりの累積消費が、累積環境効率をまとめるために様々なデバイスおよびプロセスにわたって計算され得る。追加的または代替的に、複数の製造設備にわたって共有される設備などの補助またはサポート設備（たとえば、副製造設備）設備が特徴付けられ得る。たとえば、ポンプ、軽減（ａｂａｔｅｍｅｎｔ）、ヒータジャケット、ろ過システムなどのデバイスおよび／または設備、あるいは基板を直接的に処理するために使用されない他のデバイスも同様に環境効率について監視され、特徴付けられ得る。

【0021】

いくつかの実施形態では、製造プロセス（たとえば、プロセスのサブセットまたは複数のプロセス）への修正は、環境資源使用量データまたは環境効率特性評価に基づいて決定され得る。たとえば、環境資源使用量データは、機械学習モデルへの入力として使用され得る。機械学習モデルからの１つまたは複数の出力が取得され得、それらは、製造プロセスへの修正、およびいくつかの実施形態では、修正がしきい値条件を満たすという信頼性のレベルを示す。製造プロセスへの修正は、製造プロセスの選択の環境効率を改善すること（たとえば、環境資源消費および／または環境影響を低減すること）に関連し得る。

【0022】

いくつかの実施形態では、製造プロセスへの１つまたは複数の修正を決定することは、製造プロセスのための最適化手順に関連し得る。本システムおよび／または方法論は、所定の環境最適化要件を満たすように、製造プロセスに適用するための複数の修正を決定し得る。たとえば、地方条例は、いくつかの資源（たとえば、電力、水など）の使用量のレベルに対して制限を課すか、または異なる報酬メカニズムによってより低い消費実践への動機づけを行い得る。本明細書で説明される環境効率システムおよび方法論（たとえば、監視特徴としてのリアルタイムダッシュボード）は、準拠の証拠として必要な報告を準備するために容易に使用され得、環境効率最適化特徴は、製造システムのための節約を実現するために使用され得る。

【0023】

いくつかの実施形態では、準拠報告は、半導体製造設備のためのエネルギー、電気、および生産保全のための半導体施設システムガイドライン（ＳＥＭＩＳ２３－０８１３）において公表される半導体製造装置材料協会（ＳＥＭＩ）などの一般に認められたコードおよび／または規格に基づく報告を含み得る。たとえば、ＳＥＭＩＳ２３－０８１３は、重要なユーティリティのエネルギー変換因子（ＥＣＦ）（たとえば、流量単位当たりのエネルギー消費）を提供する。ＥＣＦは、ユーティリティのエネルギー消費を推定し得、半導体製造施設におけるエネルギー節約を推定するために使用される。

【0024】

いくつかの実施形態では、環境効率は、たとえば、エネルギー消費、（水素、窒素、薄膜のエッチングまたは堆積のために使用される化学物質、ＣＤＡ（クリーンドライエア）などの）ガス消費、および／または（プロセス冷却水（ＰＣＷ）、脱イオン水（ＤＩＷ）、および超純水（ＵＰＷ）などの）水消費など、資源消費に基づく。しかしながら、いくつかの実施形態では、環境効率は、製造設備に関連する構成要素のライフサイクルデータに基づく。たとえば、環境効率特性評価に関連する環境資源消費および／または環境影響は、製造設備の消耗部品の交換手順または維持手順に関連し得る。修正は、製造設備の消耗部品の維持手順に関連し得る。

【0025】

いくつかの実施形態では、製造プロセスを特徴付けること、および最適化することは、方策ビルダ方法論を含み得る。方策ビルダ方法論は、個々の製造ステップの資源消費および／または環境影響を、方策生成および／または修正プロセスの一部として動的に計算することを含み得る。ユーザは、処理ステップを実施するためにプロセスステップおよび／または製造設備の様々な組合せ、部分的組合せ、および／または順序付けを追加、削除、および／または修正することが可能であり得る。修正された方策は、修正された方策の環境効率を決定するために分析され得る。プロセスを実施することは、たとえば、ウエハを処理すること、ウエハを輸送すること、プロセスステップを可能にする補助／サポート設備、および／または製造プロセスに関連する他の機能を含み得る。

【0026】

いくつかの実施形態では、製造設備の第１の構成を有し、１つまたは複数のプロセス手順に従って動作する、基板製造システムの更新が受信される。更新は、環境資源データを決定するためにデジタルレプリカとともに使用され得る。デジタルレプリカは、基板製造システムのデジタル複製を含み得る。環境資源使用量データは、上記で説明されたように、更新を組み込んだ基板製造システムによって１つまたは複数のプロセス手順を実施することに対応する環境資源消費を示し得る。環境資源使用量データは、グラフィカルユーザインターフェース（ＧＵＩ）上の表示のために提供され得る。

【0027】

いくつかの実施形態では、製造システムの更新は、第１のハードウェアサブシステムデバイスを、第１のハードウェアサブシステムデバイスとは異なる１つまたは複数の動作仕様を有する第２のハードウェアサブシステムデバイスと交換することを含み得る。例示的な実施形態では、製造システムの更新は、製造設備の第１の構成を製造設備の第２の構成に変えることを含み得る。例示的な実施形態では、製造システムの更新は、基板製造システムの物理的アセットのスケジュールされた動作モードを変えることを含み得、スケジュールされた動作モードは、低減電力モードを含む。例示的な実施形態では、更新は、基板製造システムのサポートアセットのスケジュールされた動作モードを共有動作モードに変えることを含み、共有動作モードにおいて動作するサポートアセットは、１つまたは複数のプロセス手順を行う基板製造システムの複数の物理的アセットについてのサポート機能の実行を交互に行う。

【0028】

前に説明されたように、デジタルレプリカは、基板製造システムの１つまたは複数の物理的アセットの物理学ベースのモデルを含み得る。物理学ベースのモデルは、基板プロセスチャンバのサイズおよび形状寸法と環境資源消費との間の関係を示し得る。更新は、基板処理チャンバのサイズまたは形状寸法のうちの少なくとも１つへの修正に関連し得る。物理学ベースのモデルは、基板製造システム内で使用されるパージガスのタイプと環境資源消費との間の関係を示し得る。更新は、システムをパージするために使用されるガスのタイプおよび量を修正することによって環境資源消費がどのように変更されるかに関連し得る。たとえば、特定の資源消費更新は、使用されるパージガスを、窒素などの第１のパージガスからクリーンドライエア（ＣＤＡ）に変更することによって、環境資源消費がどのように影響を受けるかを含み得る。物理学ベースのモデルは、基板製造システムからの熱抽出手順のうちの少なくとも１つと環境資源消費との間の関係を示し得る。更新は、排熱デバイス、ガス軽減デバイス、水冷却デバイス、または通気構造のうちの少なくとも１つへの修正に関連し得る。

【0029】

図１は、本開示の実装形態が動作し得る例示的なシステムアーキテクチャ１００を示すブロック図である。図１に示されているように、システムアーキテクチャ１００は、製造システム１０２、データストア１１２、サーバ１２０、クライアントデバイス１５０、および／または機械学習システム１７０を含む。機械学習システム１７０は、サーバ１２０の一部であり得る。いくつかの実施形態では、機械学習システム１７０の１つまたは複数の構成要素は、完全にまたは部分的にクライアントデバイス１５０に統合され得る。製造システム１０２、データストア１１２、サーバ１２０、クライアントデバイス１５０、および機械学習システム１７０は、各々、サーバコンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、ノートブックコンピュータ、パーソナルデジタルアシスタント（ＰＤＡ）、モバイル通信デバイス、セルフォン、ハンドヘルドコンピュータ、または同様のコンピューティングデバイスを含む、１つまたは複数のコンピューティングデバイスによってホストされ得る。本明細書で使用されるサーバは、サーバを指し得るが、エッジコンピューティングデバイス、オンプレミスサーバ、クラウドなどをも含み得る。

【0030】

製造システム１０２、データストア１１２、サーバ１２０、クライアントデバイス１５０、および機械学習システム１７０は、（たとえば、本明細書に説明される方法論を実施するために）ネットワークを介して互いに結合され得る。いくつかの実施形態では、ネットワーク１６０は、互いへのアクセスおよび他のプライベートで利用可能なコンピューティングデバイスへのアクセスをシステムアーキテクチャ１００の各要素に提供するプライベートネットワークである。ネットワーク１６０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）、ワイヤネットワーク（たとえば、イーサネットネットワーク）、ワイヤレスネットワーク（たとえば、８０２．１１ネットワークまたはＷｉ－Ｆｉネットワーク）、セルラネットワーク（たとえば、ロングタームエボリューション（ＬＴＥ）ネットワーク）、クラウドネットワーク、クラウドサービス、ルータ、ハブ、スイッチ、サーバコンピュータ、および／またはそれらの任意の組合せを含み得る。代替的または追加的に、システムアーキテクチャ１００の要素のいずれかは、一緒に統合され得るか、またはさもなければネットワーク１６０の使用なしに結合され得る。

【0031】

クライアントデバイス１５０は、任意の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、タブレットコンピュータ、ネットブックコンピュータ、ネットワーク接続テレビジョン（「スマートＴＶ」）、ネットワーク接続メディアプレイヤ（たとえば、ブルーレイプレイヤ）、セットトップボックス、オーバーザトップ（ＯＯＴ）ストリーミングデバイス、オペレータボックスなどであり得るか、またはこれを含み得る。クライアントデバイス１５０は、ブラウザ１５２、アプリケーション１５４、ならびに／または、説明されるような、およびシステムアーキテクチャ１００の他のシステムによって実施されるような、他のツールを含み得る。いくつかの実施形態では、クライアントデバイス１５０は、製造システム１０２、データストア１１２、サーバ１２０、および／または機械学習システム１７０にアクセスすることと、１つまたは複数の環境資源消費（たとえば、環境資源消費）および／または環境影響を含む環境効率の指示、ならびに／あるいは本明細書で説明されるような、システムアーキテクチャ１００の処理の様々なステージにおける様々なプロセスツール（たとえば、構成要素統合ツール１２２、デジタルレプリカツール１２４、最適化ツール１２６、方策ビルダツール１２８、資源消費ツール１３０など）の入力および出力を通信すること（たとえば、送信および／または受信すること）とが可能であり得る。

【0032】

図１に示されているように、製造システム１０２は、機械設備１０４、設備コントローラ１０６、プロセス方策１０８、およびセンサ１１０を含む。機械設備１０４は、イオン注入装置、エッチングリアクタ（たとえば、処理チャンバ）、フォトリソグラフィデバイス、（たとえば、化学気相堆積（ＣＶＤ）、物理的気相堆積（ＰＶＤ）、イオン支援堆積（ＩＡＤ）などを実施するための）堆積デバイスの任意の組合せ、または製造デバイスの任意の他の組合せであり得る。

【0033】

製造方策または製造プロセス命令とも呼ばれるプロセス方策１０８は、指定の順序で適用されたとき、製造されたサンプル（たとえば、所定の性質を有する、または所定の仕様を満たす基板またはウエハ）を作成するプロセス実装形態を伴う機械動作の順序付けを含む。いくつかの実施形態では、プロセス方策は、データストアに記憶されるか、あるいは、代替的または追加的に、製造プロセスのステップまたは動作を示すデータの表を生成するような様式で記憶される。各ステップは、所与のプロセスステップの既知の環境効率を記憶し得る。代替的または追加的に、各プロセスステップは、プロセスステップによって必要とされる物理条件（たとえば、ターゲット圧力、温度、排気、エネルギースループットなど）を示すパラメータを記憶し得る。

【0034】

設備コントローラ１０６は、プロセス方策１０８のステップを行うことが可能なソフトウェアおよび／またはハードウェア構成要素を含み得る。設備コントローラ１０６は、センサ１１０を通して製造プロセスを監視し得る。センサ１１０は、プロセス基準が満たされているかどうかを決定するためにプロセスパラメータを測定し得る。プロセス基準は、（たとえば、図５に関連して説明されるような）プロセスパラメータ値窓に関連し得る。センサ１１０は、消費（たとえば、電力、電流など）を（明示的に、または消費の尺度として）測定するために使用され得る様々なセンサを含み得る。センサ１１０は、物理センサ、モノのインターネット（ＩｏＴ）、および／または仮想センサ（たとえば、物理センサではないが、パラメータ値を推定するモデルに基づく仮想測定値に基づくセンサ）を含み得る。

【0035】

追加的または代替的に、設備コントローラ１０６は、様々なプロセスステップの資源消費（たとえば、排気、エネルギー消費、プロセス原料消費など）を測定することによって、環境効率を監視し得る。いくつかの実施形態では、設備コントローラ１０６は、関連する機械設備１０４の環境効率を決定する。設備コントローラ１０６はまた、現在の製造条件を踏まえて設備１０４の環境効率を最適化するように、（たとえば、プロセス方策１０８への決定された修正を含む）決定された環境効率モデルに基づいて製造設備１０４に関連する設定を調節し得る。

【0036】

一実施形態では、設備コントローラ１０６は、メインメモリ（たとえば、読取り専用メモリ（ＲＯＭ）、フラッシュメモリ、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）など）、および／または２次メモリ（たとえば、ディスクドライブ（ｄｒｉｖｅ）などのデータストアデバイス（たとえば、データストア１１２またはクラウドデータ））を含み得る。メインメモリおよび／または２次メモリは、様々なタイプの製造プロセス（たとえば、プロセス方策１０８）を実施するための命令を記憶し得る。

【0037】

一実施形態では、設備コントローラ１０６は、製造設備１０４に関連する第１のユーティリティ使用データおよび製造設備１０４に関連する第１の利用データに基づいて、製造設備１０４に関連する実際の環境効率特性評価を決定し得る。第１のユーティリティ使用データおよび第１の利用データは、たとえば、設備コントローラ１０６によって決定され得る。別の実施形態では、第１のユーティリティ使用データおよび第１の利用データは、外部ソース（たとえば、サーバ１２０、クラウドサービス、および／またはクラウドデータストア）から受信される。設備コントローラ１０６は、実際の環境効率特性評価を、製造設備１０４に関連する第１の環境効率特性評価（たとえば、第１の推定環境効率特性評価）と比較し得る。環境効率特性評価は、動作している製造設備１０４に関連する実際の値とは異なる使用および利用データ値が第１の環境効率特性評価を算出するために使用されたとき、異なり得る。

【0038】

一実施形態では、設備コントローラ１０６は、第１の環境効率特性評価が、実際の環境効率特性評価よりも環境効率が高いことを決定し得、これは、環境効率のために製造設備１０４をより良好に最適化するために製造設備１０４に関する設定を調節することが可能であり得ることを示す。いくつかの実施形態では、製造設備１０４は、環境効率をより良好に最適化するために副構成要素設定を制御および調節し得る。

【0039】

設備コントローラ１０６はまた、実際の使用データ、実際の利用データ、および環境効率特性評価に基づいて、実際の使用データまたは実際の利用データが第１の環境効率特性評価に関連する使用データおよび利用データと同じでないことを決定し得る。これは、公称または推定データ値が、第１の環境効率特性評価を決定するために使用され、異なる実際の記録されたデータ値が、製造設備１０４が動作している間に使用されるとき、当てはまり得る。そのようなシナリオでは、製造設備１０４に関連する１つまたは複数の設定に対する調節は、製造設備の環境効率を最適化するのに有益であり得る。

【0040】

データストア１１２は、メモリ（たとえば、ランダムアクセスメモリ）、ドライブ（たとえば、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、あるいはクラウドサーバおよび／またはプロセッサによって提供されるストアなど、データを記憶することが可能な別のタイプの構成要素またはデバイスであり得る。データストア１１２は、１つまたは複数の履歴センサデータを記憶し得る。データストア１１２は、（たとえば、履歴および／または現在の環境効率データを含む）１つまたは複数の環境効率データ１１４、（たとえば、履歴および／または現在のセンサおよびプロセス方策データ１１６を含む）センサおよびプロセス方策データ１１６、（たとえば、履歴および／または現在の修正および最適化データ１１８を含む）修正および最適化データ、ならびにデジタルレプリカデータ１１９を記憶し得る。センサおよびプロセス方策データ１１６は、重複する製造設備上で複数のプロセスを実施するために、様々なプロセスステップ、プロセスパラメータ窓、代替のプロセスステップ、プロセスキューイング命令などを含み得る。センサおよびプロセス方策データ１１６は、様々なプロセスステップ、方策などにわたる環境効率を追跡するために、環境効率データ１１４とリンクされ得るか、またはさもなければこれに関連し得る。修正および最適化データ１１８は、（個々のプロセスステップ、または複数のプロセス方策のまとまりを含む）以前のプロセス方策に対して行われた履歴修正、および修正から生じた関連する環境効率変更を含み得る。

【0041】

環境効率データ１１４は、環境効率特性評価において使用される様々な消費資源を含み得る。一実施形態では、環境効率データ１１４は、水使用量、放出、電気エネルギー使用量、およびそれらの任意の組合せのうちの１つまたは複数を組み込む。他の実施形態では、環境効率データ１１４は、ガス使用量、重金属使用量、および富栄養化ポテンシャルなどの他のカテゴリーについての資源消費を含み得る。

【0042】

デジタルレプリカデータ１１９は、デジタルレプリカに関連するデータを含み得る。デジタルレプリカデータ１１９は、デジタルツインに関連するデータを含み得る。本明細書で使用されるデジタルツインは、製造設備１０４など、物理的アセットのデジタルレプリカを含み得る。デジタルツインは、製造プロセスの各ステージにおける物理的アセットの特徴を含み、特徴は、限定はしないが、座標軸次元、重み特徴、材料特徴（たとえば、密度、表面粗さ）、電気的特徴（たとえば、導電率）、光学的特徴（たとえば、反射率）などを含む。

【0043】

前に説明されたように、デジタルレプリカは、基板製造システムの１つまたは複数の物理的アセットの物理学ベースのモデルを含み得る。デジタルレプリカデータ１１９は、物理学ベースのモデルの１つまたは複数の態様に関連する関係、パラメータ、仕様などをカプセル化し得る。たとえば、物理学ベースのモデルは、基板プロセスチャンバのサイズおよび形状寸法と環境資源消費との間の関係を示し得る。更新は、基板処理チャンバのサイズまたは形状寸法のうちの少なくとも１つへの修正に関連し得る。物理学ベースのモデルは、基板製造システム内で使用されるパージガスのタイプと環境資源消費との間の関係を示し得る。更新は、システムをパージするために使用されるガスのタイプおよび量を修正することによって環境資源消費がどのように変更されるかに関連し得る。たとえば、特定の資源消費更新は、使用されるパージガスを、窒素などの第１のパージガスからクリーンドライエア（ＣＤＡ）に変更することによって、環境資源消費がどのように影響を受けるかを含み得る。物理学ベースのモデルは、基板製造システムからの熱抽出手順のうちの少なくとも１つと環境資源消費との間の関係を示し得る。更新は、排熱デバイス、ガス軽減デバイス、水冷却デバイス、または通気構造のうちの少なくとも１つへの修正に関連し得る。

【0044】

サーバ１２０は、構成要素統合ツール１２２、デジタルレプリカツール１２４、最適化ツール１２６、方策ビルダツール１２８、資源消費ツール１３０、および／または探査ツールを含み得る。構成要素統合ツール１２２は、デバイス当たり（たとえば、個々の製造設備当たり）の累積消費を決定し得る。サーバ１２０の様々なツールは、本明細書で説明されるように、各々の機能を行うために互いの間でデータを通信し得る。

【0045】

構成要素統合ツール１２２は、製造データ（たとえば、方策、方策の選択、製造設備、方策間および方策内プロセスなど）を受信し、データの様々な区分にわたって環境効率分析を実施し得る。いくつかの実施形態では、構成要素統合ツール１２２は、個々のプロセス方策から複数のプロセスステップにわたって環境効率特性評価を決定し得る。たとえば、構成要素統合ツール１２２は、開始から終了までチップ製造プロセスのすべてのステップにわたって環境効率特性評価を決定し得る。たとえば、各製造ステップは、各々が、環境効率特性評価と、一緒に、共同環境効率特性評価とを有する、１つまたは複数の製造ステップ（たとえば、数百個の製造ステップ）を含み得る。別の例では、プロセスの選択は、製造プロセスステップのサブセットの環境効率を決定するために使用され得る。

【0046】

別の実施形態では、構成要素統合ツール１２２は、方策間プロセスの環境効率特性評価を実施し得る。たとえば、環境効率特性評価は、複数の異なる製造プロセス（たとえば、プロセス方策１０８）からの複数の異なるプロセスステップを実施する（たとえば、製造システム１０２の）製造デバイスに関連し得る。別の例では、様々なプロセスステップ（たとえば、方策内または方策間）の順序付けは、全体的な環境効率に影響を及ぼし得る。構成要素統合ツール１２２は、製造デバイスのシステムおよび／またはプロセスのシーケンスにわたって全体的な環境効率特性評価を実施し得る。たとえば、構成要素統合ツール１２２は、同様の機能を実施する副構成要素（たとえば、複数の処理チャンバ）間で環境効率比較を実施し得る。

【0047】

例示的な例では、各プロセスステップは、エピタキシャル堆積またはエッチングなど、処理チャンバによって行われ得る。これらの各々は、プロセス方策を使用して行われる。エピタキシャル堆積などのプロセスを実施するための多くの異なるプロセス方策があり得る。たとえば、プロセス方策は、１）チャンバをパージする、２）ポンピングする、３）ガスを流入する、４）チャンバを加熱するなど、複数のステップを含み得る。これらのステップは、１つまたは複数のプロセス方策に関連し得る。

【0048】

別の実施形態では、構成要素統合ツール１２２は、補助設備の環境効率を含む環境効率特性評価を実施し得る。補助設備は、製造のために直接的には使用されないが、様々なプロセス方策を行うことを支援する設備を含み得る。たとえば、補助設備は、様々な製造デバイス間でウエハを移動させるように設計された基板輸送システムを含み得る。別の例では、補助設備は、ヒートシンク、共有の排気口、電力供給システムなどを含み得る。構成要素統合ツール１２２は、補助デバイス資源消費を考慮し、補助デバイス資源消費と製造資源消費とを組み合わせて、プロセス方策（たとえば、サブセットまたは全方策）または方策（たとえば、サブセットまたは全方策）の組合せについての資源消費を決定し得る。

【0049】

別の実施形態では、構成要素統合ツール１２２は、プロセスまたは方策のシーケンスを考慮する環境効率特性評価を実施し得る。たとえば、プロセスステップＡ、それに続いてプロセスステップＢを実施することは、第１の資源消費を生じ得る一方、プロセスステップＢ、それに続いてプロセスステップＡを実施することは、第１の資源消費とは異なる第２の資源消費を生じ得る。構成要素統合ツール１２２は、複数の機械設備および／またはプロセスステップにわたって環境効率を統合し、プロセス方策（たとえば、サブセットまたは全方策）または方策（たとえば、サブセットまたは全方策）の組合せのためのプロセスステップのシーケンスを考慮する。

【0050】

いくつかの実施形態では、プロセスステップの各々のために異なる製造設備がある。たとえば、ウエハ上の膜は、複数の層を有し得る。第１の機械は、第１の動作（たとえば、堆積）を実施し得、第２の機械は、第２の動作（たとえば、エッチング）を実施し得、第３の機械は、第３の動作（たとえば、堆積）を実施し得るなどである。構成要素統合ツール１２２は、複数の機械にわたる複数の処理ステップを追跡してデータ保管報告を生成するように資源消費トラッカーに命令し得る。前に述べたように、消費報告は、開始から終了までのウエハの寿命を含む、処理方策の選択のために描写され得る。

【0051】

いくつかの実施形態では、構成要素統合ツール１２２は、チャンバとチャンバの環境資源消費比較を実施し得る。構成要素統合ツールは、２つのチャンバ間の環境効率の差についての論拠を示す１つまたは複数の物理的データを提供するために、デジタルレプリカツール１２４を活用し得る。

【0052】

デジタルレプリカツール１２４は、製造システム１０２および／またはクライアントデバイス１５０から製造データを受信し、その製造データに関連するデジタルレプリカを生成する。製造データは、機械設備１０４およびプロセス方策１０８へのプロセスステップの選択を含み得る。デジタルレプリカツール１２４は、製造システムの物理システムアーキテクチャまたは（たとえば、クライアントデバイス１５０上でユーザによって生成された）仮想入力されたシステムのデジタルツインを生成する。

【0053】

デジタルレプリカツール１２４によって生成されるデジタルレプリカは、物理学モデル、統計モデル、および／またはハイブリッドモデルのうちの１つを含み得る。物理学モデルは、入力された製造データの物理条件（たとえば、排気温度、電力供給要件、および／または環境資源消費に関連する物理学環境を示す他の条件）を推定するように設計された物理学ベースの制約および制御アルゴリズムを含み得る。たとえば、ユーザは、クライアントデバイス１５０上でプロセス方策を作成し得る。プロセス方策は、プロセスまたは方策のためのパラメータおよび機械設備を特定のやり方で使用するための命令を含み得る。デジタルレプリカツール１２４は、この製造データをとり、システムの物理制約（たとえば、動作温度、圧力、排気パラメータなど）を決定する。たとえば、物理学モデルは、チャンバのハードウェア構成（たとえば、タイプＡの設備材料を使用するか、タイプＢの設備材料を使用するか）および／または方策パラメータに基づいてシステムの物理条件を識別し得る。別の例では、物理条件は、水、空気、ならびに／または暖房、換気、および空調（ＨＶＡＣ）設備への熱損失に影響を及ぼす関連機械設備部品から決定され得る。デジタルレプリカツール１２４は、受信された製造データの環境効率特性評価を予測するために他のツール（たとえば、構成要素統合ツール１２２および／または資源消費ツール１３０）と協働し得る。デジタルレプリカツール１２４は、製造設備１０４によってプロセス方策を実施することから経験的データを受信することなく、製造プロセスおよび製造設備の選択の環境効率を予測し得るということを留意されたい。したがって、製造設備のデジタルレプリカは、実際に特定の設備設計を構築することまたは特定のプロセス方策を実行することなく、設備設計および／またはプロセス方策の環境効率を予測するために使用され得る。

【0054】

いくつかの実施形態では、デジタルレプリカツール１２４は、デジタルツインに関連して動作し得る。本明細書で使用されるデジタルツインは、製造された部品など、物理的アセットのデジタルレプリカである。デジタルツインは、製造プロセスの各ステージにおける物理学アセットの特徴を含み、特徴は、限定はしないが、特に、座標軸次元、重み特徴、材料特徴（たとえば、密度、表面粗さ）、電気的特徴（たとえば、導電率）、光学的特徴（たとえば、反射率）を含む。

【0055】

いくつかの実施形態では、デジタルレプリカツール１２４によって使用される物理モデルは、流体流モデリング、ガス流および／または消費モデリング、化学ベースモデリング、熱伝達モデリング、電気エネルギー消費モデリング、プラズマモデリングなどを含み得る。図４Ａ～図４Ｅは、デジタルレプリカツール１２４によって活用され得る様々な物理学ベースのモデルを概説する。

【0056】

いくつかの実施形態では、デジタルレプリカツール１２４は、統計モデリングを用いて製造データの環境効率を予測し得る。統計モデルは、製造データを検証、予測、および／または変換するために統計動作を使用して、以前に処理された履歴環境効率データ（たとえば、環境効率データ１１４）に基づいて製造データを処理するために使用され得る。いくつかの実施形態では、統計モデルは、データについての制御限界を決定し、それらの制御限界に基づいてデータを多かれ少なかれ信頼できるものとして識別するために、統計プロセス制御（ＳＰＣ）分析を使用して生成される。いくつかの実施形態では、統計モデルは、単変量および／または多変量データ分析に関連する。たとえば、様々なパラメータが、統計プロセス（たとえば、範囲、最小、最大、四分位数、分散、標準偏差など）を通してパターンおよび相関を決定するために統計モデルを使用して分析され得る。別の例では、複数の変数間の関係は、回帰分析、経路分析、因子分析、多変量統計プロセス制御（ＭＣＳＰＣ）、および／または多変量分散分析（ＭＡＮＯＶＡ）を使用して確認され得る。

【0057】

最適化ツール１２６は、プロセス方策１０８および機械設備１０４の選択を受信し得、環境効率を改善する（たとえば、資源消費、資源コスト消費、および／または環境影響（たとえば、大気に入るガスまたは微粒子核種）を低減する）ために選択への修正を識別し得る。最適化ツール１２６は、機械学習モデル（たとえば、機械学習システム１７０のモデル１９０）の使用を組み込み得る。機械学習モデルは、プロセス方策および／または機械設備の選択を入力として受信し、製造システム１０２によって実施されるときにその選択の全体的な環境効率を改善する、選択への１つまたは複数の修正を決定し得る。いくつかの実施形態では、機械学習モデルは、訓練のために合成製造データを生成するためのデジタルレプリカツールを使用し得る。代替的または追加的に、機械学習モデルは、機械学習モデルを訓練するために履歴データ（たとえば、環境効率データ１１４、センサおよびプロセス方策データ１１６、ならびに／または修正および最適化データ１１８）を使用し得る。

【0058】

最適化ツール１２６によって識別される修正は、プロセスステップを変えること、プロセスの順序を変更すること、１つの機械設備によって実施されるパラメータを変えること、第１のプロセス方策と第２のプロセス方策との相互作用（たとえば、順序、同時動作、遅延時間など）を変えることなどを含み得る。いくつかの実施形態では、最適化ツール１２６は、最適化を直接的に実施するために命令を製造システム１０２に送り得る。しかしながら、他の実施形態では、最適化ツールは、オペレータが操作するためにグラフィカルユーザインターフェース（ＧＵＩ）上に修正を表示し得る。たとえば、デジタルレプリカツール１２４は、ブラウザ１５２および／またはアプリケーション１５４における表示のために、１つまたは複数の修正をクライアントデバイス１５０に送り得る。

【0059】

いくつかの実施形態では、最適化ツール１２６は、デジタルレプリカツール１２４によって生成されたデジタルツインモデルのハイパーパラメータを調節し得る。後の実施形態において説明されるように、最適化ツール１２６は、シミュレートされた修正をデジタルレプリカに対して実行し、デジタルレプリカから出力された環境効率結果を評価することによって、強化学習および／または深層学習を組み込み得る。

【0060】

いくつかの実施形態では、最適化ツール１２６は、環境効率特性評価、および環境資源の１つまたは複数のタイプを優先させる最適化を実施し得る。たとえば、前に説明されたように、環境効率特性評価は、水使用量、ガス使用量、エネルギー使用量などの様々な資源消費に基づき得る。最適化ツール１２６は、第１の資源消費（たとえば、水使用量）を第２の資源消費（たとえば、ガス使用量）よりも優先させる最適化を実施し得る。いくつかの実施形態では、最適化ツール１２６は、重み付けされた優先システムを使用する最適化を実施し得る。たとえば、環境効率を最適化し、および／または製造プロセスへの環境効率修正を識別するとき、１つまたは複数の資源消費は、関連する単位当たりの資源消費のための最適化優先を示す重みを割り当てられ得る。

【0061】

方策ビルダツール１２８は、製造プロセスおよび／または機械設備の選択を受信し、仮想製造プロセスおよび／または設備選択に対する各追加、削除、および／または修正後に、ステップごとに動的に環境効率を決定および予測し得る。方策ビルダツール１２８は、製造方策が更新されたとき、決定された環境効率を動的に更新するために、他のツール（たとえば、構成要素統合ツール１２２、デジタルレプリカツール１２４、最適化ツール１２６、および資源消費ツール１３０）を使用することができる。たとえば、ユーザは、製造方策を作成し得る。方策ビルダツール１２８は、プロセス方策の現在の反復の現在の環境効率を出力し得る。方策ビルダツール１２８は、プロセス方策を更新した現在の反復への修正を受信し得る。方策ビルダツール１２８は、更新された環境効率特性評価を出力し得る。

【0062】

いくつかの実施形態では、方策ビルダツール１２８および最適化ツール１２６は、１つまたは複数の方策を他のものよりも環境効率的であるものとして識別するために使用され得る。たとえば、方策ビルダツール１２８は、プロセスツールに関連する最もエネルギー効率的な方策のうちの１つまたは複数（たとえば、上位３つ）の、ＧＵＩ（たとえば、クライアントデバイス１５０）上での提示を引き起こすか、またはさもなければ行い得る。方策ビルダツール１２８は、デジタルレプリカツール１２４を使用して、１つまたは複数のエネルギー効率的な方策が、なぜ対応する高い環境効率においてよく機能しているかについての論拠を示す詳細を提供し得る。

【0063】

資源消費ツール１３０は、様々な資源消費を追跡し得る。たとえば、前に述べたように、環境特性評価は、エネルギー消費、ガス放出、水使用量などのより幅広い資源に基づき得る。しかしながら、資源消費ツール１３０は、資源消費をより具体的に追跡することができる。いくつかの実施形態では、プロセス方策および／または製造設備の選択は、資源消費ツール１３０によって受信される。資源消費ツール１３０は、製造設備および／またはプロセス方策の選択に関連する構成要素のライフサイクルデータを決定することができる。たとえば、製造設備は、使用によりすり減り、いくつかの事例では、交換および／または構成要素を修理することなどの是正処置を必要とする。この是正処置はまた、環境消費（たとえば、是正処置を実施すべき資源消費）に関連する。資源消費ツール１３０は、構成要素寿命データを個々に追跡し、実施されるべき予期される将来の是正処置に基づいて単位当たりの環境資源消費および／または環境影響を提供し得る。

【0064】

いくつかの実施形態では、環境資源消費は、様々な内訳（ｂｒｅａｋｄｏｗｎ）にわたって監視、追跡、および／またはさもなければ決定され得る。いくつかの実施形態では、資源消費ツール１３０は、エネルギー、ガスおよび水消費のライブ監視を実施し得る。資源消費ツール１３０は、（たとえば、ウエハ当たり、一日当たり、一週間当たり、一年当たりなどの）チャンバの総電気、ガス、および水消費を計算することを含む、チャンバレベル消費を決定し得る。資源消費ツール１３０は、（たとえば、一日当たり、一週間当たり、一年当たりなどの）ツールの総電気、ガス、および水消費を決定することを含む、ツールレベル消費を決定し得る。資源消費ツール１３０は、（たとえば、ウエハ当たり、一日当たり、一週間当たり、一年当たりなどの）個々のガス消費の分割（ｂｒｅａｋｕｐ）を計算することを含む、個々のガス消費を決定し得る。資源消費ツール１３０は、チャンバおよびツールレベルのエネルギー、ガス、および水消費を含む、標準報告を生成し得る。

【0065】

いくつかの実施形態では、資源消費ツール１３０は、（たとえば、一日当たり、一週間当たり、一年当たりなどの）すべての副製造構成要素の総電気、ガス、および水消費を決定し得る。資源消費ツールは、対応するチャンバおよび／またはツール上で実行される任意の方策の総電気、ガス、および水消費を含む、方策レベル消費を決定し得る。資源消費ツールは、チャンバ中のすべてのエネルギー消費構成要素についてのエネルギー消費の分割を含む、構成要素レベル消費を決定し得る。資源消費ツール１３０は、オンデマンドのカスタマイズされた情報を決定することを含むオンデマンドのカスタマイズされた報告と、オンデマンドでのカスタマイズされた環境効率報告とを実施し得る。資源消費ツール１３０は、異なる方策についてのエネルギー消費、および／エネルギー節約を定量化することを含む時点と、方策最適化を使用する（たとえば、最適化ツール１２６を使用する）エネルギー節約機会との間の比較を実施し得る。

【0066】

探査ツール１３２は、製造設備１０４の１つまたは複数の更新の影響を決定する際に、デジタルレプリカツール１２４と通信し得る。探査ツール１３２は、基板製造システム（たとえば、製造設備１０４）のデジタル複製を含むデジタルレプリカを生成するために、デジタルレプリカツール１２４を活用し得る。探査ツールは、製造設備の更新を受信し、ユーザが、特に、使用される設備の様々な代替配置、設備の構成、設備性能に関連するプロセスパラメータを探査することを可能にし得る。探査ツール１３２は、本明細書で説明されるように更新を組み込んだ基板製造システムによって１つまたは複数のプロセス手順を実施することに対応する環境資源使用量データを決定するために、資源消費ツール１３０を用い得る。環境資源使用量データは、グラフィカルユーザインターフェース（ＧＵＩ）上の（たとえば、クライアントデバイス１５０上の）表示のために提供され得る。

【0067】

【0068】

いくつかの実施形態では、デジタルツインは、製造プロセスステップに関連するいくつかの消耗品の寿命を推定するために使用され得る。寿命データは、寿命持続時間を推定し、予測された寿命に応答してとられるべき次の矯正ステップを予測するために使用され得る。たとえば、寿命データは、交換部品注文についてサプライチェーンに事前対応的に通知することによって、最適化された環境効率性能を維持するために使用され得る。

【0069】

いくつかの実施形態では、サーバの他のツールによって決定される環境資源使用量データは、第１の製造設備の消耗部品の交換手順または維持手順のうちの一方に関連する環境資源消費および／または環境影響を含み得る。いくつかの実施形態では、最適化ツール１２６は、機械設備（たとえば、機械設備１０４）の構成要素に関連する補正された処置を実施することを含み得る製造プロセスへの修正を決定し得る。

【0070】

探査ツール１３２は、製造システムに関連する所有コスト分析を実施し得る。所有コスト分析は、システムを所有し、および／または動作させるための総コストを計算するために、製造システムのインターワーキングへの包括的な分析を含み得る。探査ツール１３２は、顧客が特定の製造手順を実施するためのコストを計算し得る。探査ツール１３２は、ウエハコスト、システムによって使用されるガスに対応するコスト、使用されているツールに関連するコスト（たとえば、寿命低下データ）、および製造システムによって１つまたは複数のプロセス手順を実施するための電気を決定し得る。所有コストは、単位当たり（たとえば、ウエハ当たり）で計算され得る。

【0071】

いくつかの実施形態では、機械学習システム１７０は、サーバマシン１７２、サーバマシン１８０、および／またはサーバマシン１９２をさらに含む。サーバマシン１７２は、機械学習モデル１９０を訓練、検証、および／または試験するためにデータセット（たとえば、データ入力のセットおよびターゲット出力のセット）を生成することが可能なデータセットジェネレータ１７４を含む。データセットジェネレータ１７４のいくつかの動作は、図７Ａ～図７Ｃに関して以下で詳細に説明される。

【0072】

サーバマシン１８０は、訓練エンジン１８２、検証エンジン１８４、および／または試験エンジン１８６を含む。エンジン（たとえば、訓練エンジン１８２、検証エンジン１８４、および／または試験エンジン１８６）は、ハードウェア（たとえば、回路、専用論理、プログラマブル論理、マイクロコード、処理デバイスなど）、（処理デバイス、汎用コンピュータシステム、または専用マシン上で実行される命令などの）ソフトウェア、ファームウェア、マイクロコード、またはそれらの組合せを指し得る。訓練エンジン１８２は、データセットジェネレータ１７４からの訓練セットに関連する特徴の１つまたは複数のセットを使用して機械学習モデル１９０を訓練することが可能であり得る。訓練エンジン１８２は、１つまたは複数の訓練された機械学習モデル１９０を生成し得、各訓練された機械学習モデル１９０は、訓練セットの特徴の個別セットおよび／または訓練セットのラベルの個別セットに基づいて訓練され得る。たとえば、第１の訓練された機械学習モデルは、デジタルレプリカツール１２４によって出力される資源消費データを使用して訓練されていることがあり、第２の訓練された機械学習モデルは、履歴環境効率データ（たとえば、環境効率データ１１４）を使用して訓練されていることがある、などである。

【0073】

検証エンジン１８４は、データセットジェネレータ１７４からの検証セットを使用して、訓練された機械学習モデル１９０を検証することが可能であり得る。試験エンジン１８６は、データセットジェネレータ１７４からの試験セットを使用して、訓練された機械学習モデル１９０を試験することが可能であり得る。

【0074】

（１つまたは複数の）機械学習モデル１９０は、データ入力、およびいくつかの実施形態では、対応するターゲット出力（たとえば、それぞれの訓練入力のための正しい回答）を含む訓練セットを使用して訓練エンジン１８２によって作成される１つまたは複数の訓練された機械学習モデルを指し得る。データ入力をクラスタ化する、および／またはデータ入力をターゲット出力（正しい回答）にマッピングするデータセット中のパターンが発見され得、機械学習モデル１９０は、これらのパターンを捕捉する、マッピングを提供される、および／またはマッピングを学習する。（１つまたは複数の）機械学習モデル１９０は、人工ニューラルネットワーク、深層ニューラルネットワーク、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク（たとえば、長短期メモリ（ＬＳＴＭ）ネットワーク、ｃｏｎｖＬＳＴＭネットワークなど）、および／または他のタイプのニューラルネットワークを含み得る。機械学習モデル１９０は、追加的または代替的に、線形回帰、ガウス回帰、ランダムフォレスト、サポートベクトルマシンなどのうちの１つまたは複数を使用するものなど、他のタイプの機械学習モデルを含み得る。

【0075】

修正識別構成要素１９４は、現在のデータを訓練された機械学習モデル１９０に提供し得、入力に対して訓練された機械学習モデル１９０を実行して、１つまたは複数の出力を取得し得る。修正識別構成要素１９４は、訓練された機械学習モデル１９０の出力から、決定を行うことおよび／または動作を実施することが可能であり得る。ＭＬモデル出力は、ＭＬモデル出力（たとえば、修正および最適化パラメータ）が、適用されると製造プロセスおよび／または製造設備の選択の全体的な環境効率を改善する修正に対応するという信頼性のレベルを示す信頼性データを含み得る。修正識別構成要素１９４は、いくつかの実施形態では、ＭＬモデル出力に基づいてプロセス方策修正を実施し得る。修正識別構成要素１９４は、サーバ１２０の１つまたは複数のツールにＭＬモデル出力を提供し得る。

【0076】

信頼性データは、ＭＬモデル出力が正しい（たとえば、ＭＬモデル出力が訓練データアイテムに関連する既知のラベルに対応する）という信頼性のレベルを含み得るか、またはこれを示し得る。一例では、信頼性のレベルは、両端値を含む０から１の間の実数であり、０は、ＭＬモデル出力が正しいという信頼性がないことを示し、１は、ＭＬモデル出力が正しいという絶対的な信頼性を示す。信頼性データが、所定の数のインスタンス（たとえば、インスタンスのパーセンテージ、インスタンスの頻度、インスタンスの総数など）についてしきい値レベルを下回る信頼性のレベルを示すことに応答して、サーバ１２０は、訓練された機械学習モデル１９０が再訓練されることを引き起こし得る。

【0077】

限定ではなく説明の目的のために、本開示の態様は、プロセス方策データを使用し、製造プロセスおよび／または製造設備の現在の選択を訓練された機械学習モデルに入力して、ＭＬモデル出力（特定の資源消費のターゲット環境効率などのプロセス修正および最適化パラメータ）を決定する機械学習モデルの訓練を説明する。他の実装形態では、発見的モデルまたはルールベースのモデルが、（たとえば、訓練された機械学習モデルを使用せずに）出力を決定するために使用される。

【0078】

いくつかの実施形態では、製造システム１０２、クライアントデバイス１５０、機械学習システム１７０、データストア１１２、および／またはサーバ１２０の機能は、より少ない数のマシンによって提供され得る。たとえば、いくつかの実施形態では、サーバマシン１７２および１８０が、単一マシンに統合され得る一方、いくつかの他の実施形態では、サーバマシン１７２、サーバマシン１８０、およびサーバマシン１９２が、単一マシンに統合され得る。いくつかの実施形態では、サーバ１２０、製造システム１０２、およびクライアントデバイス１５０が、単一マシンに統合され得る。

【0079】

一般に、一実施形態では製造システム１０２、クライアントデバイス１５０、および／または機械学習システム１７０によって実施されるものとして説明される機能は、適切な場合、他の実施形態では、サーバ１２０上でも実施され得る。加えて、特定の構成要素に帰属する機能性は、一緒に動作する異なるまたは複数の構成要素によって実施され得る。たとえば、いくつかの実施形態では、サーバ１２０は、製造データを受信し、機械学習動作を実施し得る。別の例では、クライアントデバイス１５０は、訓練された機械学習モデルからの出力に基づいて製造データ処理を実施し得る。

【0080】

加えて、特定の構成要素の機能は、一緒に動作する異なるまたは複数の構成要素によって実施され得る。サーバ１２０、製造システム１０２、または機械学習システム１７０のうちの１つまたは複数は、適切なアプリケーションプログラミングインターフェース（ＡＰＩ）を通して他のシステムまたはデバイスに提供されるサービスとしてアクセスされ得る。

【0081】

実施形態では、「ユーザ」が、単一の個人として表され得る。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／または自動ソースによって制御されるエンティティであることを包含する。たとえば、管理者のグループとしてフェデレーションされた（ｆｅｄｅｒａｔｅｄ）個人ユーザのセットが、「ユーザ」とみなされ得る。

【0082】

図２は、本開示の実装形態が動作し得る環境効率持続可能性システムアーキテクチャ２００を示すブロック図である。システムアーキテクチャ２００は、１つまたは複数の副構成要素２０４（たとえば、処理チャンバ）をもつ処理ツール２０２の選択を含む。システムアーキテクチャは、１つまたは複数の副構成要素をサポートする、電源、ポンプ、空気流、冷却剤流など、サポート設備をさらに含み得る。前に説明されたように、処理ツール２０２は、基板を処理するために使用される様々な製造ツールを含む。線２０６において、センサは、製造データ（たとえば、エネルギー消費センサデータ、ガスおよび水消費データなど）を測定し、コモングラウンドアーキテクチャ２０８に送信する。コモングラウンドアーキテクチャ２０８は、製造プロセスステップを行い、プロセスパラメータ（たとえば、臨界プロセスパラメータ、機械設備診断パラメータ、または製造プロセスを別途示すパラメータ）を管理するように構成された１つまたは複数の制御アルゴリズムを含み得る。

【0083】

コモングラウンドアーキテクチャ２０８は、センサデータを（たとえば、ワイヤードセンサ、および／またはモノのインターネット（ＩＯＴ）センサなどのワイヤレスセンサから）データ管理アルゴリズム（たとえば、積分アルゴリズム２１０）に送信し得る。積分アルゴリズム２１０は、処理ツール２０２から受信された製造データをパースして、環境効率特性評価を実施するためのデータの一部分を選択し得る。積分アルゴリズム２１０は、製造プロセスステップおよび／または製造設備の選択に対して累積環境効率特性評価を実施するためにデータを引き出す。選択されたデータは、処理ツール２０２の（たとえば、各副構成要素２０４の）物理条件を決定するために物理学ベースのモデル２１４に関連して使用され得る。データは、（たとえば、線２１８において）搭載シーケンサおよび／またはプランナからの、あるいはオペレータからのスケジューリング情報と組み合わせられ得る。スケジューリング情報は、次の方策、ツールアイドル状態、保守などを示すデータを含み得る。いくつかの実施形態では、本明細書で説明される１つまたは複数のデータおよび／またはモデルは、製造中央スケジューラネットワークまたはソフトウェアシステム、あるいは製造実行システムのうちの１つまたは複数において統合され得る。

【0084】

スケジューリングデータと組み合わせられた製造データの選択は、物理学ベースのモデル２１４に入力される。いくつかの実施形態では、物理学ベースのモデルは、機構モデルである。機構モデルは、データ結合の物理／機構表現を決定するために、製造データの個々のデータ点およびスケジューリング情報の仕組み、ならびに個々のデータ点が結合される様式を調査する。いくつかの実施形態では、機構モデルは、資源消費の予測を決定するためにデータを処理することを含み得る。たとえば、機構モデルは、製造データを処理して、資源消費（たとえば、水、エネルギー、ガスなど）予測および／または環境影響（たとえば、大気に入るガスまたは微粒子核種）を決定し得る。機構モデルは、履歴製造データを使用して生成され得、後に、予測を決定するために現在のデータに対して使用され得る。

【0085】

いくつかの実施形態では、（１つまたは複数の）物理学ベースのモデル２１４は、熱力学、流体力学、エネルギー保全、気体法則、機械システム、エネルギー保全、輸送、および供給などの様々な物理学関係を組み込み得る。たとえば、処理ツールは、冷却プロセスを実施するために製造設備デバイスの一部への冷却水流を含み得る。物理学モデルは、生の製造データを、その環境効率について特徴付けられ得るシステムプロセスデータに変換するためのモデルを決定するために、流体機構を熱伝達と組み合わせ得る。いくつかの実施形態では、物理学モデルは、しきい値資源消費条件が満たされているかどうかを決定するために使用され得る。同じ例によると、物理学モデルは、副構成要素内の流体の流量、および熱伝達率を決定するために使用され得る。この熱伝達率がしきい値を下回る場合、追加のエネルギーが、排気のために失われ得る。したがって、物理学モデルは、所望のレベルの環境効率を維持するために流体流量が所望の流量レベルを下回って動作していることを決定することができる。（１つまたは複数の）物理学ベースのモデル２１４に関する追加の詳細が、図４Ａ～図４Ｅに関連して説明される。

【0086】

いくつかの実施形態では、（１つまたは複数の）物理学ベースのモデル２１４は、補助または周辺設備動作資源消費を組み込む。たとえば、制御アルゴリズムを処理ツール２０２に（たとえば、コモングラウンドアーキテクチャ２０８を使用して）提供するために処理デバイスに電力供給するエネルギー消費。補助設備は、製造設備に近接して配設されないことがあり、また単一の製造プロセスに直接的に関連しないことがあるが、（１つまたは複数の）物理学ベースのモデル２１４を使用する様々な製造プロセスステップ（または個々の製造プロセス）への寄与として割り当てられ得る。

【0087】

いくつかの実施形態では、物理学モデルの使用に加えて、またはこれと代替的に、統計モデルが、製造データに対して使用される。統計モデルは、製造データを検証、予測、および／または変換するために、統計動作に基づいてデータを処理するために使用され得る。いくつかの実施形態では、統計モデルは、データについての制御限界を決定し、それらの制御限界に基づいてデータを多かれ少なかれ信頼できるものとして識別するために、統計プロセス制御（ＳＰＣ）分析を使用して生成される。いくつかの実施形態では、統計モデルは、単変量および／または多変量データ分析に関連する。たとえば、様々なパラメータが、統計プロセス（たとえば、範囲、最小、最大、四分位数、分散、標準偏差など）を通してパターンおよび相関を決定するために統計モデルを使用して分析され得る。別の例では、複数の変数間の関係は、回帰分析、経路分析、因子分析、多変量統計プロセス制御（ＭＣＳＰＣ）、および／または多変量分散分析（ＭＡＮＯＶＡ）を使用して確認され得る。

【0088】

いくつかの実施形態では、システムアーキテクチャ２００は、適応型最適化アルゴリズム２１６を含む。適応型最適化アルゴリズム２１６は、製造プロセスおよび／または関連プロセスを実施する製造設備の選択への修正を決定するために、（１つまたは複数の）物理学ベースのモデル２１４と協働する。いくつかの実施形態では、適応型最適化アルゴリズムは、（たとえば、線２２４において）ソフトウェアを制御するために自動最適化コマンドを出力する。他の実施形態では、適応型最適化アルゴリズムは、（たとえば、線２２０において）性能を最適化するためにオペレータに提案を出力し得る。いくつかの実施形態では、適応型最適化アルゴリズムは、（たとえば、線２２２において）ハードウェア構成要素に向けた自動最適化コマンドを出力する。

【0089】

いくつかの実施形態では、適応型最適化アルゴリズム２１６は、製造プロセスおよび／または製造設備への修正を決定するために機械学習モデルを使用する。機械学習モデルは、（たとえば、方法７００Ａ～Ｃを使用して訓練および実行される）訓練された機械学習モデルであり得る。さらなる実施形態において説明されるように、機械学習モデルは、入力として受信される製造プロセスおよび／または設備への修正を識別するために物理学ベースのモデルとともに動作し得る。

【0090】

システムアーキテクチャ２００は、総合ダッシュボードＧＵＩ２１２を含み得る。総合ダッシュボードＧＵＩは、関連製造データ（たとえば、センサデータ、機械設備診断、機械設備ステータス、製造プロセスステータスなど）を表示するように設計され得る。いくつかの実施形態では、総合ダッシュボードＧＵＩは、ユーザからの入力を受信するための方法を含む。たとえば、ユーザは、方策を生成するために製造データを（たとえば、方策ビルダツール１２８を使用して）入力し得る。この追加の製造データは、（１つまたは複数の）物理学ベースのモデルおよび適応型最適化アルゴリズム２１６のうちの１つまたは複数への入力として使用され得る。実施形態では、ダッシュボードは、フリートビューと、ツールビューと、設備ビューと、対応する環境資源消費を示す図表を用いて様々なデータを示すシステム概略図とを含む。図１０Ａ～図１０Ｅは、総合ダッシュボードＧＵＩ２１２に関係するさらなる特徴、態様、および／または詳細を説明する。

【0091】

図３は、製造プロセスを監視、持続、および／または最適化するための例示的な方法論３００のフロー図を示す。例示的な方法論は、２つの部分：第１に、機械学習モデルを訓練すること３２４、および第２に、製造プロセスを実装すること３０４に分けられ得る。例示的な方法論３００は、一実施形態では、機械学習モデル３０２、ツールソフトウェア３０６、ツールハードウェア３０８、および物理学モデル３１２を含む。

【0092】

いくつかの実施形態では、機械学習モデルは、製造プロセスおよび／または製造設備の選択を受信すること、ならびに環境効率を改善する（たとえば、資源消費を低減する）ために製造プロセスおよび／または製造設備への１つまたは複数の修正を出力することである。いくつかの実施形態では、物理学モデル３１２は、シミュレートされた訓練／検証データ３２０を（たとえば、方法７００Ａを使用して）生成するために使用される。受信されたシミュレートされた訓練／検証データ３２０に応答して、機械学習モデル３０２は、物理学モデル３１２に返され、検証され得るシミュレートされた修正３１８を生成する。機械学習モデル３０２は、様々なシミュレートされたおよび／または実際の訓練／検証データ３２０に対して訓練される。一旦訓練されると、機械学習モデル３０２は、システムによって実施されるべき経験的な製造システムおよび／またはプロセス方策の選択を受信し得る。機械学習モデル３０２は、ツールソフトウェア３０６を実装する設備コントローラ（たとえば、設備コントローラ１０６）に製造プロセス命令および／または修正３０４を出力する。これらの修正は、環境効率を改善し得る。ツールソフトウェア３０６は、製造プロセス命令３１４をツールハードウェア３０８に提供する。ツールハードウェア３０８は、製造プロセスを実施する。ツールハードウェアは、ツールソフトウェア３０６を実装する設備コントローラにセンサデータを報告するセンサを含む。

【0093】

いくつかの実施形態では、設備コントローラは、ツールハードウェアの１つまたは複数の物理条件を、しきい値条件に違反するものとして識別する。（たとえば、高温、過圧、ガス漏れ、電力不足など）。設備コントローラは、（たとえば、機械学習モデル３０２からの出力に基づいて）違反しているしきい値条件を是正するために製造プロセス命令を修正し得る。

【0094】

ツールハードウェア３０８を含む製造システムは、経験的な訓練／検証３１０を物理学モデル３１２に報告する。次いで、物理学モデルは、更新され得、機械学習モデルのさらなる訓練のために使用され得るシミュレートされた訓練／検証データ３２０を生成および更新し得る。

【0095】

いくつかの実施形態では、（１つまたは複数の）物理学モデル３１２は、シミュレートされた訓練／検証データを生成するが、他の実施形態では、（１つまたは複数の）物理学モデルは、製造プロセスへの修正を出力する。そのような実施形態では、機械学習モデルは、製造プロセスをさらに最適化するための修正を識別するためにハイパーパラメータ（たとえば、製造データパラメータ）を調整する最適化モデルとして使用され得る。たとえば、製造プロセスは、物理学モデル３１２への入力として使用され得る。機械学習モデルは、次いで、製造プロセスに対する可能な変更（すなわち、ハイパーパラメータ）を識別するために物理学モデル３１２の出力を処理し得る。識別された変更は、物理学モデルに対して実行されて、対応する更新された環境効率を決定し得る。これは、設備設計および／または方策設計を微調整するために反復プロセスにおいて繰り返され得る。一例では、最適化モデルは、ブロイデンフレッチャーゴールドファーブシャンノ（ＢＦＧＳ）アルゴリズムのインスタンス、共役勾配（ＣＧ）アルゴリズム、ネルダーミードアルゴリズムのインスタンス、および／またはモデル予測制御（ＭＰＣ）アルゴリズムを使用して生成および／または実装され得る。

【0096】

図４Ａ～図４Ｅは、本開示のいくつかの実装形態による、例示的なデジタルレプリカ４００Ａ～Ｅを示す。デジタルレプリカ４００は、製造システムの選択のデジタルツインを含み得、たとえば、同じチャンバ、弁、ガス供給線、材料、チャンバ構成要素などを含む製造システムのデジタル複製を含み得る。デジタルレプリカ４００は、製造設備処理データ（たとえば、センサデータ）４０４Ａ～Ｃおよびプロセス方策４０４Ｄを入力として受信し、製造システムの物理条件４０６を出力することができる。いくつかの実施形態では、デジタルレプリカ４００は、熱力学、流体力学、エネルギー保全、気体法則、機械システム、エネルギー保全、輸送、および供給などの様々な物理学関係を組み込むことができる物理学ベースのモデルを含む。

【0097】

たとえば、図４Ａに見られるように、デジタルレプリカ４００Ａは、第１のガス４０４Ａの第１のガス流、第２のガス４０４Ｂの第２のガス流、および第３のガス４０４Ｃの第３のガス流、ならびに第１のプロセス方策４０４Ｄを入力として受信する。デジタルレプリカは、ガス流による、チャンバから出るエネルギーの量を推定するために物理学ベースのモデルを使用する。たとえば、このモデルは、排気の温度および排気を通る総エネルギー流を決定する。別の例では、同じデジタルレプリカ４００が、チャンバの異なるハードウェア構成（たとえば、第１の線タイプＡを使用するのか、第２の線タイプＢを使用するのか）などの環境効率最適化修正を出力し得る。デジタルレプリカは、水、空気、およびＨＶＡＣへの熱損失に影響を及ぼすシステムの関連部分を識別し、エネルギー保全を改善するために、提案された最適化を識別し得る。

【0098】

いくつかの実施形態では、デジタルレプリカ４００Ａは、製造システム全体にわたって１つまたは複数の場所において使用されるガスを含んでいる１つまたは複数のガスパネルまたはガスボックスについての排気を決定することを含むことができる。たとえば、各ガスボックスは、（たとえば、毒素が製造施設、または製造システムの望ましくないロケーションに入らないようにするために）ガス線の漏れまたはより一般的には誤動作の場合などにガスを効果的に排出するために、負圧を用いた専用の排気を使用し得る。デジタルレプリカは、ガスボックスのガスの可能なタイプおよび体積に関する情報を活用するデジタルツインの一部であり、ガスを適切に処分する（たとえば、漏れを排出する）ために必要とされる排気流の調節を決定し得る。排出流量は、排気圧力および流れを考慮して決定され得る。排出流は、最小安全しきい値および／または規格を維持しながら環境効率を最適化するような、関連するパラメータの決定を含み得る。

【0099】

いくつかの実施形態では、デジタルレプリカ４００Ａは、プロセスチャンバ内の加熱に基づいて、排気の温度と、排気を通る総エネルギー流とを示し得る。たとえば、プロセスチャンバは、基板プロセス手順中に基板ペデスタルなどの１つまたは複数のプロセス設備を含み得る。チャンバ内からの過剰熱は、排気を通して軽減され得る。ペデスタルの動作は、排気を通して失われる熱を低減するために変えられ得る。加熱要素と、ペデスタル内のまたは基板とペデスタルとの間のガスまたは液体冷却剤などの冷却媒体を循環させることによって過剰熱を除去する冷却要素との両方を含む、基板をサポートするためのペデスタルなどの熱伝達アセンブリにおける熱伝達を制御するために報告されたいくつかの方法がある。プロセス中に、設定された範囲を超えて基板温度が増加したとき、加熱要素はオフにされ、冷却要素はアクティブにされて、過剰熱を除去し、それにより温度を制御する。このプロセスに関連する１つまたは複数のパラメータは、どのくらいの過剰熱が排気を通して失われたかを決定するために、デジタルレプリカ４００Ａへの入力として使用され得る。

【0100】

いくつかの実施形態では、デジタルレプリカ４００Ａは、エネルギー流、および／あるいは、失われた前駆体または軽減もしくはスクラバシステムから出た反応の副産物を含む、化学物質を示し得る。たとえば、電子材料、デバイス、製品、太陽電池およびメモリ物品（以下「電子デバイス」）の製造からのガス流出物（ｅｆｆｌｕｅｎｔ）ストリームは、多種多様な化合物、有機化合物、酸化剤、フォトレジストおよび他の試薬の分解産物、ならびに、望ましくは流出物ストリームがプロセス施設から大気に排出される前に流出物ストリームから除去され得る他のガスおよび浮遊微粒子を伴い得る。

【0101】

軽減されるべき流出物ストリームは、電子デバイス製造プロセスによって生成された核種、および／または電子デバイス製造プロセスに供給され、化学的変質なしにプロセスチャンバを通過した核種を含み得る。本明細書で使用される「電子製造プロセス」という用語は、電子デバイスの製造におけるすべての処理および単位動作、ならびに、電子デバイスおよび／またはＬＣＤ製造施設において使用されるかまたはそれによって生産された材料の扱いまたは処理を伴うすべての動作、ならびに、アクティブ製造（例は、プロセス設備の調整、動作の準備において化学物質供給線をパージすること、プロセスツールチャンバのエッチング洗浄、電子デバイスおよび／またはＬＣＤ製造施設によって生産された流出物からの毒性のもしくは危険なガスの軽減などを含む）を伴わない電子デバイスおよび／またはＬＣＤ製造施設に関して行われるすべての動作を含むと広く解釈されるものとする。

【0102】

いくつかの実施形態では、デジタルレプリカ４００Ａは、漏れているガスの、または洗浄手順の一部としての排気流を考慮する。たとえば、ガスは、アセットの寿命を増加させるために、製品の性能を改善するために、または実施するために準備しタスクを与えた異なる機能について製品を準備するためになど、製造アセットから定期的にフラッシュされ得る。デジタルレプリカ４００は、このパージ手順を実施することに関連する環境消費（たとえば、エネルギー消費、ガス消費）を決定し得る。たとえば、デジタルレプリカ４００Ａは、システムをフラッシュする（たとえば、システム内の動的ガス移動を維持するために、常にシステムにガス流を提供する）ために使用されるエネルギーおよび／またはガス消費を示し得る。デジタルレプリカ４００Ａは、処理システム内の１つまたは複数のガス流量（たとえば、パージガス）を調節することによってエネルギーおよび／またはガス消費がどのように変えられるかを示し得る。

【0103】

いくつかの実施形態では、デジタルレプリカ４００Ａは、プロセス方策４０８Ａを活用し、どんなガスが処理チャンバに入っているか、処理チャンバ内に配設された基板上でどんな反応が生じているか、基板反応とともにガスのどんな利用が生じるかを決定し得る。デジタルレプリカ４００Ａは、基板の表面上で反応が生じた後にどんなガスがどんな量で残っているかをさらに決定し得る。デジタルレプリカ４００Ａは、軽減を通して失われたガスの量およびタイプをさらに決定し得る。デジタルレプリカ４００Ａは、それのどんな最終副産物が軽減されるかと、最終副産物が環境に対して及ぼす全体的な影響とをさらに決定し得る。

【0104】

いくつかの実施形態では、１つまたは複数の基板処理手順は、ターゲットプロセス結果条件を満たす基板を処理するために処理チャンバへのおよび／または処理チャンバからの一貫したガス流を必要とし得る。基板処理システムは、チャンバへの空気流をオン／オフにすることからの過渡空気流を低減するために、１つまたは複数の、排出口への流れ（ｆｌｏｗ－ｔｏ－ｖｅｎｔ）－チャンバへの流れ（ｆｌｏｗ－ｔｏ－ｃｈａｍｂｅｒ）遷移を実施することによって、定常ガス流手順を行い得る。たとえば、第１のガス流が初期化および排出され得、ガス流が安定すると、排出された空気をチャンバに向けることによって、ガスの定常流がプロセスチャンバに提供され得る。デジタルレプリカ４００Ａは、このプロセスの結果としてのガス消費（たとえば、排出を通して失われたガス）を決定し得る。たとえば、デジタルレプリカは、遷移時間と、ガスの流れを初期化または終了することの過渡期間中にガスを排出することを通して失われたガスの量とを識別し得る。デジタルレプリカは、ガスの排出とガスをチャンバに向けることとの間の遷移に対する最適化を決定し得る。遷移時間を最適化することは、ガスが定常状態に達した時間を識別しながら、排出を通して失われるガスを低減し得る。いくつかの実施形態では、ガス流の遷移カデンス（ｃａｄｅｎｃｅ）は、プロセス結果要件に基づいて決定され得る。たとえば、ガス流遷移時間は、対応するプロセスチャンバ内のプロセス結果に悪影響を及ぼさない流量を含むように決定（たとえば、最適化）され得る。

【0105】

図４Ｂは、製造システムの物理的アセットの１つまたは複数の動作状態に関連する環境効率データを決定することに関連するデジタルレプリカ４００Ｂを示す。図４Ｂに示されているように、デジタルレプリカ４００Ｂは、製造システムの物理的アセットの１つまたは複数の動作状態に関連するデータを受信し得る。たとえば、デジタルレプリカ４００Ｂは、低減電力データ４０２Ｂと、スリープモードデータ４０４Ｂと、共有動作モードデータ４０６Ｂと、デジタルレプリカ４００Ｂによって表される製造システムによって実施される１つまたは複数の処理手順を示すプロセス方策データ４０８Ｂとを受信し得る。

【0106】

１つまたは複数の物理的アセットが動作時間およびアイドル時間中に様々な動作状態において動作するとき、エネルギー節約が生じ得る。たとえば、製造プロセスの異なるステップにおいて、サブファブ設備の様々な要素は、必要でないことがあり、したがって、要素がどのくらいすぐに必要とされる可能性があるかに依存して、スリープ状態、アイドル状態、休止状態、またはオフ状態に入れられ得る。電力節約低電力状態の例は、アイドル状態、スリープ状態、および休止状態を含む。３つの電力節約状態間の主な差は、持続時間およびエネルギー消費である。スリープまたは休止など、より深いレベルのアイドルモードエネルギー節約は、製造プロセスの品質または歩留まりに影響を及ぼすことなしにフル生産を達成するためにエネルギー節約モードから回復するのに、より長い時間期間を必要とする。最もよく知られている方法（ＢＫＭ：ｂｅｓｔｋｎｏｗｎｍｅｔｈｏｄ）温度および圧力への、プロセスチャンバおよび関連するサブファブ設備の回復は、サブファブ設備およびプロセスチャンバの電力節約状態に関連するＢＫＭチャンバ条件からの逸脱の程度に応じて、数秒、数分、または数時間を要し得る。アイドル状態は典型的には数秒間持続し、スリープ状態は典型的には数分間持続し、休止状態は典型的には数時間持続する。

【0107】

デジタルレプリカ４００Ｂは、製造システムの物理的アセットの１つまたは複数の動作／電力状態を識別し、所与のシナリオ（たとえば、システムハードウェアアーキテクチャ、サブシステムハードウェアアーキテクチャ、プロセスの１つまたは複数のプロセス方策、いくつかのスケジュールされたプロセスを実施することなど）においてその電力状態を使用することの影響を決定し得る。たとえば、デジタルレプリカ４００Ｂは、製造システムに対して（１つまたは複数の）電力調節を実際に実施する前に、アイドルまたはフル電力または変調について、そのような電力状態およびシナリオのその影響を決定する、デジタルツインの一部であり得る。

【0108】

プロセスツールと、関連する製造システムサブファブとは、動作必要に基づいて様々な異なる電力構成を有し得る。たとえば、製造動作を完了した後に運転停止動作を実施するために、様々な空気流および軽減システムがフル能力において動作している間にプロセスツールが「オフ」状態にある、電力構成が存在し得る。本出願では、「低電力構成」という用語は、プロセスツールおよび／または製造システムサブファブの１つまたは複数の要素が、１つまたは複数のコントローラによって、特定のプロセス方策ステップ中のエネルギー消費の異なるレベルなど、電力節約モードにおいて、あるいは、上記で説明されたアイドル、スリープ、および休止状態、またはオフ状態など、動作の非生産アイドルモードにおいて動作するように命令される、任意の状態を指す。

【0109】

いくつかの実施形態では、１つまたは複数のサポートアセットが、２つ以上の他の物理的アセットにサポート機能性を提供し得る。たとえば、２つのプロセスチャンバのポンピングは、単一のポンプによって実施され得る。２つの物理的アセット間で動作を交互に行うためにサポートアセットを活用することは、エネルギーと全体的な環境コストとを低減し得る。

【0110】

デジタルレプリカ４００Ｂは、１つまたは複数の対応する動作モードにおいて動作する１つまたは複数の物理的アセットに関連する環境資源消費データ４１０Ｂを識別し得る。デジタルレプリカ４００Ｂは、１つまたは複数の物理的アセットが、対応するツールがアイドル状態、または物理的アセットの需要が低い状態を経験する期間中に、低減電力状態、スリープモード状態、休止状態、および／または共有動作モードデータを活用することを推奨することによって、環境消費コストの低減のための推奨を提供し得る。

【0111】

図４Ｃは、製造システムの物理的アセットの１つまたは複数の設計に関連する環境効率データを決定することに関連するデジタルレプリカ４００Ｃを示す。デジタルレプリカ４００Ｃは、環境資源消費データ４１０Ｃを決定するために、アセット形状寸法データ４０２Ｃと、アセット交換データ４０４Ｃと、アセット構成データ４０６Ｃと、プロセス方策４０８Ｃとのうちのいずれか１つまたは複数を入力として受信し得る。

【0112】

アセット形状寸法データ４０２Ｃは、製造システムの１つまたは複数の物理的アセットの１つまたは複数のサイズ、形状、および寸法を示し得る。たとえば、基板処理チャンバは、第１の幾何学的レイアウトを示す仕様を含み得る。処理チャンバの幾何学的レイアウト（たとえば、サイズ、寸法、全体的な形状、ペデスタルのロケーション、プラズマ源から基板までの距離など）は、性能を改善するために変えられ得る。しかしながら、処理チャンバの幾何学的レイアウトを変えることは、環境資源要件に影響を及ぼし得る。たとえば、より大きい体積のチャンバを真空にすることは、概して、より小さい体積のチャンバを真空にするよりも資源集約型である。別の例では、より密なクレビスをもつチャンバを洗浄することは、より大きい量のパージガスを必要とし得る。これらの幾何学的考慮事項の多くは、製造システムの１つまたは複数の処理を実施するための環境資源消費に影響を及ぼす。デジタルレプリカ４００Ｃは、アセット形状寸法の選択および／またはアセット形状寸法の更新を受信し、その選択および／または更新に対応する、対応する環境資源消費データを決定し得る。

【0113】

アセット交換データ４０４Ｃは、製造システムの１つまたは複数の物理的アセットの変更（たとえば、交換）を示す。アセット交換データ４０４Ｃは、古いアセットおよび新しいアセットの１つまたは複数の動作パラメータを含み得る。たとえば、動作仕様（たとえば、ポンプ速度、ポンプ負荷、エネルギー要件など）をもつ古いポンプは、新しい動作仕様をもつ新しいポンプと交換され得る。デジタルレプリカ４００Ｃは、１つまたは複数の物理的アセットの交換に関連するデータを受信し、交換に関連する環境資源消費の効果的な更新を決定し得る。いくつかの実施形態では、アセット交換は、製造システムをサポートする、および／または場合によっては製造システムに関係する、製造システムの、電源、ヒータ、ガス流デバイス、流体流デバイス、プラズマ源などのプロセスチャンバの要素、基板処理設備、真空密封設備、計測学設備、システムセンサ、処理デバイスなど、他の物理的アセットを含み得る。

【0114】

アセット構成データ４０６Ｃは、製造システムの１つまたは複数のアセットの１つまたは複数の構成を示す。アセット構成データ４０６Ｃは、製造システム内の変更がどのように下流プロセスに影響を及ぼし得るかを示す。たとえば、ヒータが変更された場合、デジタルレプリカ４００Ｃは、他のシステムが製造システムの他のサブシステムの変更を補償することを必要とし得る、基板処理（たとえば、ウエハエッチング）効率への影響を決定し得る。別の例では、製造システムは、排気のために失われる熱および環境効率を低減するために、処理チャンバ内に絶縁および／または熱シールドを追加することによって、修正され得る。絶縁および／または熱シールドの追加は、処理チャンバ内の基板の処理に影響を及ぼし得、更新された環境資源コストを生じ得る。デジタルレプリカ４００Ｃは、システムに対する変更を受信し、上流および／または下流プロセスおよび／または手順への影響による環境資源更新を決定する。

【0115】

上述のように、製造システムのサブシステムは、ファクタの中でも、ハードウェア、動作規格、処理手順に応じて、環境資源を動的に消費し得る。前に説明されたのと同様の、サブシステムに対する変更（たとえば、アセット交換、動作状態変更、システム構成更新など）は、サブシステムが１つまたは複数の動作を変えることを生じ得、これは、関連する環境影響の更新を生じ得る。１つまたは複数の変えられた動作は、他の結合されたサブシステムの環境資源消費に影響を及ぼし得る（たとえば、環境資源消費を増加または減少させ得る）。たとえば、互いに近接して配設された複数のＲＦデバイスは、性能に悪影響を及ぼし得、プロセスは、製造プロセスを実施するためにより大きい量の資源（たとえば、エネルギー）を必要とし得る。デジタルレプリカ４００Ｃは、第１のシステムの変更に基づいて第２のシステムの環境資源消費を決定し得る。デジタルレプリカ４００Ｃは、サブシステム結合（たとえば、別のサブシステムによるサブシステムに対する環境効率および環境資源消費の影響）を定量化し得る。

【0116】

図４Ｄは、製造システムの物理的アセットの予防保守（ＰＭ）および／または洗浄を実施することに関連する環境効率データを決定することに関連するデジタルレプリカ４００Ｄを示す。図４Ｄに示されているように、デジタルレプリカ４００Ｄは、パージガスデータ４０２Ｄと、洗浄プロセスデータ４０４Ｄと、予防保守データ４０６Ｄと、チャンバ回復データ４０７Ｄと、プロセス方策４０８Ｄとを受信すること、および環境資源消費４１０Ｄを含み得る。

【0117】

基板処理は、回路設計に従って、半導体、たとえば、シリコンウエハ中の電気回路を生産する一連のプロセスを含み得る。これらのプロセスは、一連のチャンバにおいて行われ得る。現代の半導体製造施設の成功した動作は、ウエハ中に電気回路を形成する過程においてあるチャンバから別のチャンバに移動されるべきウエハの定常ストリームを容易にすることを目的とし得る。多くの基板手順を実施するプロセスにおいて、処理チャンバの条件は、処理された基板の価値を下げ、処理された基板が、所望の条件またはプロセス結果（たとえば、臨界寸法、プロセス均一性、厚さ寸法など）を満たすことができないことを生じ得る。

【0118】

洗浄プロセスデータ４０４Ｄは、洗浄持続時間、頻度、および／またはエッチャント流など、洗浄プロセスに関連する１つまたは複数のパラメータを示し得る。洗浄プロセスは、洗浄手順を行うために活用される洗浄材料、前駆体、エッチャント、および／または他の物質など、いくつかの環境資源を利用し得る。たとえば、洗浄手順は、将来の基板のプロセス結果がしきい値条件（たとえば、プロセス均一性、臨界寸法など）を満たすように（たとえば、ある量の処理されたウエハの後に）あるカデンスまたは頻度で実施され得る。プロセスチャンバ洗浄の頻度は、チャンバによって処理された基板が、依然として、しきい値条件（たとえば、最小プロセス結果要件）を満たすようにこの洗浄頻度スケジュールの下で動作することを生じる洗浄頻度を識別するように、調節（たとえば、最適化）され得る。たとえば、洗浄手順を行うために活用される洗浄材料、前駆体、エッチャント、および／または他の物質など、環境資源を節約するマルチウエハ洗浄手順が実施され得る。デジタルレプリカ４００Ｄは、洗浄データを受信し、洗浄持続時間、頻度、使用される洗浄剤の量などの更新など、洗浄最適化を決定し得る。

【0119】

予防保守データ４０６Ｄは、製造システムの１つまたは複数の物理的アセットに関連する１つまたは複数の予防保守手順のタイプ、頻度、持続時間などのうちの１つまたは複数を示す。予防保守手順（たとえば、チャンバ洗浄）は、しばしば、処理チャンバの状態を基板処理生産モード（たとえば、基板の大量処理）に入るのに好適な状態に戻すためのチャンバ回復プロセスの一部として使用される。生産モードのためにチャンバを準備する（たとえば、チャンバを「温める」）ために、予防保守手順の後にしばしば回復手順が使用される。

【0120】

チャンバ回復データ４０７Ｄは、製造システムの１つまたは複数の物理的アセットに関連する１つまたは複数のチャンバ回復手順のタイプ、頻度、持続時間などのうちの１つまたは複数を示す。従来採用される一般的な回復手順は、処理チャンバをシーズニングすることである。チャンバシーズニングは、生産基板プロセスに好適であるチャンバ条件を復元する（たとえば、チャンバの壁を被覆すること）ように一連の基板（たとえば、ブランクシリコンウエハ）を処理すること（たとえば、チャンバにおいて処理された基板が所望のしきい値基準を満たすプロセス結果を有すること）を含む手順である。チャンバシーズニングの後に、チャンバは、処理チャンバの状態を復元するために予防保守およびさらなるチャンバシーズニングの別のラウンドが必要とされるかまたはさもなければ推奨されるまで、ある時間期間の間、生産モードにおいて動作し得る。

【0121】

パージガスデータ４０２Ｄは、パージガスのタイプ、量、頻度、流量、洗浄持続時間を示し得る。デジタルレプリカ４００Ｄは、採用されたパージガスに関係する１つまたは複数の動作パラメータを変えることの影響を決定し得る。たとえば、デジタルレプリカ４００Ｄは、Ｈ_２、Ｎ_２、クリーンドライエア（ＣＤＡ）などの代替パージガスタイプを使用するパージ手順に切り替えることに基づいて、環境資源消費の更新を決定し得る。

【0122】

図４Ｅは、製造システムの物理的アセットの１つまたは複数の動作状態に関連する環境効率データを決定することに関連するデジタルレプリカ４００Ｅを示す。図４Ｅに示されているように、デジタルレプリカ４００Ｅは、環境資源消費データ４１０Ｅを決定するために、冷却剤ループ構成データ４０２Ｅ、プロセス冷却水（ＰＣＷ）データ４０４Ｅ、周囲空気データ４０６Ｅ、および／またはプロセス方策４０８Ｅを受信することを含み得る。

【0123】

基板処理において利用されるプロセスチャンバは、典型的には、プロセス中におよびプロセスが実施された後に繰り返し加熱および冷却されるいくつかの内部構成要素を備える。いくつかの事例では、たとえば、プロセスがプロセスチャンバにおいて実施された後にルーチンサービスまたは保守が必要とされるとき、構成要素は、ほぼ室温まで冷却される。たとえば、冷却剤チャネルを有するプロセスチャンバシャワーヘッドなど、温度制御された構成要素では、典型的な動作温度（たとえば、約摂氏９０度）から構成要素を冷却するために、構成要素を加熱する熱源が遮断され得、構成要素から熱を抽出するために冷却剤が冷却剤チャネルを通して流される。

【0124】

冷却剤ループ構成データ４０２Ｅは、製造システムの１つまたは複数の物理的アセットから熱を抽出するように構成された１つまたは複数の冷却剤ループの１つまたは複数の形状寸法を示す。１つまたは複数の冷却剤ループは、並列に動作し、複数のループに物理的アセットの共通領域を冷却させ得る。１つまたは複数の冷却剤ループは、互いに直列の複数の物理的アセットを冷却し得る。プロセス冷却水（ＰＣＷ）データ４０４Ｅは、冷却剤（たとえば、プロセス冷却水（ＰＣＷ））のタイプ、流量、温度など、冷却剤物質の１つまたは複数のパラメータを示す。デジタルレプリカは、１つまたは複数の冷却剤ループを活用する製造システムの環境内でエネルギーがどこに伝達されるかを示す熱流モデルを含み得る。デジタルレプリカ４００Ｅは、熱を冷却ループに向ける物理的アセット（たとえば、チャンバ、チャンバ壁、チャンバシステム）の修正と、熱を冷却ループに向けることによって節約される関連する環境効率とを識別し得る。デジタルレプリカ４００Ｅは、ＰＣＷ変調が生じるとき、プロセス結果の影響をさらに決定し得る。ＰＣＷ変調は、製造システムの物理的アセット内の熱交換を変えるために冷却ループ内の流量を変えることを伴い得る。

【0125】

いくつかの実施形態では、デジタルレプリカ４００Ｅは、プロセス冷却ループ構成に関連する環境効率を分析および決定するデジタルツインの一部であり得る。たとえば、冷却ループへの修正は、サイズ、流量、形状寸法、およびルーピング構成の調節を含み得る。デジタルレプリカ４００Ｅは、冷却剤流についての並列ループから直列ループへの調節に基づいて、環境効率データの更新を決定し得る。たとえば、デジタルレプリカ４００Ｅは、様々な冷却ループ構成および／または様々な冷却ループ構成の更新に基づいて、システムの全体的な消費およびカーボンフットプリントを決定し得る。

【0126】

周囲空気データ４０８Ｅは、周囲空気を通して逃げる熱伝達を示す。周囲空気データ４０８Ｅは、周囲空気による熱損失および／またはエネルギー損失を決定するために活用され得る。周囲空気データ４０８Ｅは、製造システムの外部の熱損失をさらに示し得るが、環境において製造システムをサポートする。たとえば、周囲空気データ４０８Ｅは、ラボラトリシステムなど、製造システムの周囲の環境内の熱の流れを示し得、その熱流は、製造システムを含んでいる環境をサポートする暖房、換気、および空調（ＨＶＡＣユニット）の流量およびプロセス負荷によって示される。いくつかの実施形態では、デジタルレプリカ４００Ｅは、チャンバ内でプロセスを実施するためにチャンバに適用されたエネルギーと、チャンバ壁を通る放射を通して失われたエネルギーとを決定することができる。

【0127】

図５は、本開示のいくつかの実装形態による、製造プロセスステップのための動作パラメータ制限５００の例示的な説明である。様々な製造プロセスステップは、満足されるとしきい値条件（たとえば、最低品質条件）を満たす結果を得る対応するパラメータのセットに対して、プロセスパラメータ窓５１０または値のセット（たとえば、値の組合せ）を示す動作パラメータ制限５００を含み得る。たとえば、プロセスパラメータ窓５１０は、第１のパラメータ５０２（たとえば、第１のガスの第１の流量）および第２のパラメータ５０４（たとえば、ガスの温度）を含み得る。製造プロセスを実施し、しきい値条件（たとえば、最低品質規格、統計プロセス制御（ＳＰＣ）限界、仕様制限など）を満たすために、しきい値条件を満たす可能性の高い製品を生じるパラメータ値組合せを識別するプロセスパラメータ値窓５１０が決定される。図５に示されているように、プロセスパラメータ窓５１０は、第１のパラメータ５０２に対する下限５０６Ａおよび上限５０６Ａならびに第２のパラメータに対する下限５０８Ｂおよび上限５０８Ａを含む。

【0128】

製造プロセスシステムによって（たとえば、適応型最適化アルゴリズム２１６および／または物理学ベースのモデル２１４を使用して）識別される最適化は、環境最適化されたプロセスパラメータ窓５１２の外側のプロセスパラメータ値と比較して低減された量の資源を製造動作に消費させる、プロセスパラメータ窓５１０内の環境最適化されたプロセスパラメータ窓５１２を決定することを含み得る。

【0129】

図５は、２つのパラメータ５０２、５０４のみに依存した簡略化されたプロセスパラメータ窓５１０および環境最適化されたプロセスパラメータ窓５１２を示すことに留意されたい。プロセスパラメータ窓５１０および環境最適化されたプロセスパラメータ窓５１２の両方が単純な矩形を形成する。プロセスパラメータ窓は、３つ以上のパラメータを含み得、より多様なパラメータ依存を含むことができる。たとえば、パラメータ間の非線形の、物理学ベースの、統計的な、および／または経験的な関係は、非線形のプロセスパラメータ窓および環境最適化されたプロセスパラメータ窓を引き起こし得る。

【0130】

図６～図８は、本開示のいくつかの実装形態による、製造プロセスの環境資源消費および／または環境影響に関連して機械学習モデルを訓練および／または使用することに関係する例示的な方法６００～８００を示すフロー図を示す。説明の簡略性のため、方法６００、７００Ａ～Ｃは、一連の行為として示され、説明される。しかしながら、本開示に従う行為は、様々な順序で、および／または同時に、ならびに本明細書で提示および説明されない他の行為を伴って、生じ得る。さらに、示された行為のすべてが、開示された主題に従う方法６００～８００を実施するために実施されるとは限らない。加えて、当業者は、方法６００～８００が、代替的に、状態図またはイベントを介して一連の相関状態として表され得ることを理解および諒解するであろう。

【0131】

図６は、本開示のいくつかの実装形態による、製造プロセスへの修正と、生じた、環境効率への影響とを探査するための方法の説明である。

【0132】

ブロック６０１において、処理論理は、製造設備の第１の構成を含み、１つまたは複数のプロセス手順に従って動作する、基板製造システムの更新を示す第１のデータを受信する。

【0133】

ブロック６０２において、処理論理は、デジタルレプリカとともに第１のデータを使用して、環境資源使用量データを決定する。デジタルレプリカは、基板製造システムのデジタル複製を含む。環境資源使用量データは、更新を組み込んだ基板製造システムによって１つまたは複数のプロセス手順を実施することに対応する環境資源消費を示す。

【0134】

いくつかの実施形態では、更新は、第１のハードウェアサブシステムデバイスを、第１のハードウェアサブシステムデバイスとは異なる１つまたは複数の動作仕様を有する第２のハードウェアサブシステムデバイスと交換することを含む。例示的な実施形態では、更新は、製造設備の第１の構成を製造設備の第２の構成に変えることを含む。例示的な実施形態では、更新は、基板製造システムの物理的アセットのスケジュールされた動作モードを変えることを含み、スケジュールされた動作モードは、低減電力モードを含む。例示的な実施形態では、更新は、基板製造システムのサポートアセットのスケジュールされた動作モードを共有動作モードに変えることを含み、共有動作モードにおいて動作するサポートアセットは、１つまたは複数のプロセス手順を行う基板製造システムの複数の物理的アセットについてのサポート機能の実行を交互に行う。

【0135】

いくつかの実施形態では、デジタルレプリカは、基板製造システムの１つまたは複数の物理的アセットの物理学ベースのモデルを含む。物理学ベースのモデルは、基板プロセスチャンバのサイズおよび形状寸法と環境資源消費との間の関係を示し得る。更新は、基板処理チャンバのサイズまたは形状寸法のうちの少なくとも１つへの修正に関連し得る。物理学ベースのモデルは、基板製造システム内で使用されるパージガスのタイプと環境資源消費との間の関係を示し得る。更新は、システムをパージするために使用されるガスのタイプおよび量を修正することによって環境資源消費がどのように変更されるかに関連し得る。たとえば、特定の資源消費更新は、使用されるパージガスを、窒素などの第１のパージガスからクリーンドライエア（ＣＤＡ）に変更することによって、環境資源消費がどのように影響を受けるかを含み得る。物理学ベースのモデルは、基板製造システムからの熱抽出手順のうちの少なくとも１つと環境資源消費との間の関係を示し得る。更新は、排熱デバイス、ガス軽減デバイス、水冷却デバイス、または通気構造のうちの少なくとも１つへの修正に関連し得る。

【0136】

ブロック６０３において、処理論理は、グラフィカルユーザインターフェース（ＧＵＩ）上の表示のために環境資源使用量データを提供する。

【0137】

図７Ａ～図７Ｃは、本開示のいくつかの実装形態による、製造プロセスへの修正を識別することに関連する方法７００Ａ～Ｃのフロー図である。方法７００Ａ～Ｃは、ハードウェア（たとえば、回路、専用論理、プログラマブル論理、マイクロコード、処理デバイスなど）、（処理デバイス、汎用コンピュータシステム、または専用マシン上で実行される命令などの）ソフトウェア、ファームウェア、マイクロコード、またはそれらの組合せを含み得る処理論理によって実施され得る。いくつかの実施形態では、方法７００Ａは、部分的に、機械学習システム１７０（たとえば、サーバマシン１７２、データセットジェネレータ１７４など）によって実施され得る。機械学習システム１７０は、本開示の実施形態に従って、機械学習モデルを訓練、検証、または試験することのうちの少なくとも１つを行うために方法７００Ａを使用し得る。いくつかの実施形態では、方法７００Ａの１つまたは複数の動作は、サーバマシン１７２のデータセットジェネレータ１７４によって実施され得る。いくつかの実施形態では、方法７００Ｂ～Ｃは、部分的に、機械学習システム１７０（たとえば、サーバマシン１７２、サーバマシン１８０、およびサーバマシン１９２など）によって実施され得る。機械学習システム１７０は、本開示の実施形態に従って、機械学習モデルを訓練するために方法７００Ｂを使用し得る。機械学習システム１７０は、本開示の実施形態に従って、訓練された機械学習モデルを使用するために方法７００Ｃを使用し得る。いくつかの実施形態では、方法７００Ｂ～Ｃの１つまたは複数の動作は、機械学習システム１７０の修正識別構成要素１９４によって実施され得る。図１～図６のうちの１つまたは複数に関して説明された構成要素が、図７Ａ～図７Ｃの態様を示すために使用され得ることに留意されたい。いくつかの実施形態では、非一時的ストレージ媒体が、（たとえば、機械学習システム１７０の）処理デバイスによって実行されたとき、処理デバイスに方法７００Ａ～Ｃを実施させる命令を記憶する。

【0138】

説明の簡略性のために、方法７００Ａ～Ｃは、一連の行為として示され、説明される。しかしながら、本開示に従う行為は、様々な順序で、同時に、ストア当たりの複数のインスタンスと並行して、および／または本明細書で提示および説明されない他の行為を伴って、生じ得る。さらに、示された行為のすべてが、開示された主題に従って方法７００Ａ～Ｃを実施するために実施されるとは限らない。加えて、当業者は、方法７００Ａ～Ｃが、代替的に、状態図またはイベントを介して一連の相関状態として表され得ることを理解および諒解するであろう。

【0139】

図７Ａを参照すると、方法７００Ａは、製造プロセスおよび／または製造設備の選択を処理して入力への修正を識別するための機械学習モデルのためのデータセットを生成することに関連する。

【0140】

ブロック７０２において、方法７００Ａを実装する処理論理は、訓練セットＴを空のセットに初期化する。

【0141】

ブロック７０４において、処理論理は、製造プロセスおよび製造設備の選択を含む第１のデータ入力（たとえば、第１の訓練入力、第１の検証入力）を生成する。

【0142】

いくつかの実施形態では、ブロック７０６において、処理論理は、データ入力（たとえば、第１のデータ入力）のうちの１つまたは複数のための第１のターゲット出力を生成する。第１のターゲット出力は、たとえば、製造プロセスおよび／または製造設備への修正であり得る。処理論理は、製造プロセスおよび／または製造設備の入力選択に基づいてターゲット出力を生成し得る。

【0143】

ブロック７０８において、処理論理は、任意選択的に、入力／出力マッピングを示すマッピングデータを生成する。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（たとえば、本明細書で説明されるデータ入力のうちの１つまたは複数）、データ入力のためのターゲット出力（たとえば、ターゲット出力は出力データを識別する）、（１つまたは複数の）データ入力とターゲット出力との間の関連付けを指し得る。処理論理は、たとえば、機械学習モデルの１つまたは複数の層におけるノードのための重みを更新するために勾配降下および逆伝搬を実施し得る。

【0144】

ブロック７１０において、処理論理は、ブロック７０４において生成されるデータ入力および／またはブロック７０８において生成されるマッピングデータをデータセットＴに追加する。

【0145】

ブロック７１２において、処理論理は、データセットＴが機械学習モデル１９０を訓練、検証、および／または試験することのうちの少なくとも１つのために十分であるかどうかに基づいて、分岐する。十分である場合、実行はブロック７１４に進み、そうでなければ、ブロック７０４に戻って継続する。いくつかの実施形態では、データセットＴの充足性は、単純にデータセット中の入力／出力マッピングの数に基づいて決定され得るが、いくつかの他の実装形態では、データセットＴの充足性は、入力／出力マッピングの数に加えて、またはその代わりに、１つまたは複数の他の基準（たとえば、データ例の多様性、正確性の尺度など）に基づいて決定され得る。

【0146】

ブロック７１４において、処理論理は、機械学習モデル１９０を訓練、検証、および／または試験するためにデータセットＴを（たとえば、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は、訓練セットであり、訓練を実施するためにサーバマシン１８０の訓練エンジン１８２に提供される。いくつかの実施形態では、データセットＴは、検証セットであり、検証を実施するためにサーバマシン１８０の検証エンジン１８４に提供される。いくつかの実施形態では、データセットＴは、試験セットであり、試験を実施するためにサーバマシン１８０の試験エンジン１８６に提供される。ニューラルネットワークの場合、たとえば、所与の入力／出力マッピングの入力値（たとえば、データ入力に関連する数値）は、ニューラルネットワークに入力され、入力／出力マッピングの出力値（たとえば、ターゲット出力に関連する数値）は、ニューラルネットワークの出力ノードに記憶される。ニューラルネットワークにおける接続重みは、次いで、学習アルゴリズム（たとえば、逆伝搬など）に従って調節され、この手順は、データセットＴ中の他の入力／出力マッピングについて繰り返される。ブロック７１４の後に、機械学習モデル（たとえば、機械学習モデル１９０）は、サーバマシン１８０の訓練エンジン１８２を使用して訓練されるか、サーバマシン１８０の検証エンジン１８４を使用して検証されるか、またはサーバマシン１８０の試験エンジン１８６を使用して試験されるかの少なくとも１つであり得る。訓練された機械学習モデルは、サーバ１２０手順（たとえば、構成要素統合ツール１２２、デジタルレプリカツール１２４、最適化ツール１２６、方策ビルダツール１２８、および／または資源消費ツール１３０）によるさらなる使用のための出力データを生成するために、（機械学習システム１７０の）修正識別構成要素１９４によって実装され得る。

【0147】

図７Ｂを参照すると、方法７００Ｂは、環境効率を改善する製造プロセスおよび／または製造設備への修正を決定するための機械学習モデルを訓練することに関連する。

【0148】

ブロック７２０において、処理論理は、製造プロセスまたは製造設備の選択を受信する。

【0149】

いくつかの実施形態では、ブロック７２２において、処理論理は、製造プロセスへの修正に対応するラベルを識別する。いくつかの実施形態では、ラベルは、製造設備部品および／または製造プロセスへの修正、ならびに環境資源消費および／または環境影響における関連する低減を示す。

【0150】

ブロック７２４において、処理論理は、製造プロセスデータを含むデータ入力（たとえば、およびラベルを含むターゲット出力）を使用して機械学習モデルを訓練して、環境資源消費および／または環境影響を低減するために製造プロセスに適用され得る出力（たとえば、修正）を生成するように構成された訓練された機械学習モデルを生成する。

【0151】

いくつかの実施形態では、機械学習モデルは、教師なし学習を使用して、訓練された機械学習モデルを生成するために（たとえば、データをクラスタ化するために）、データ入力に基づいて（たとえば、ターゲット出力なしで）訓練される。いくつかの実施形態では、機械学習モデルは、教師あり学習を使用して、訓練された機械学習モデルを生成するために、データ入力およびターゲット出力に基づいて訓練される。

【0152】

図７Ｃを参照すると、方法７００Ｃは、環境効率を改善する（たとえば、最適化する）（たとえば、環境資源消費および／または環境影響を低減する）ために、製造プロセスおよび／または製造設備への修正を決定するための機械学習モデルを使用することに関連する。

【0153】

ブロック７４０において、処理論理は、現在の製造プロセスデータを受信する。ブロック７４２において、処理論理は、現在のデータ（たとえば、製造プロセスデータ）を訓練された機械学習モデルに提供する。訓練された機械学習モデルは、方法７００Ｂによって訓練され得る。

【0154】

ブロック７４４において、処理論理は、訓練された機械学習モデルから、１つまたは複数の出力を取得する。いくつかの実施形態では、出力は、実装されたとき、製造プロセスおよび／または製造設備の環境効率を改善する、製造プロセスおよび／または製造設備への修正を含む。ブロック７４６において、処理論理は、（１つまたは複数の）出力に基づいて、製造プロセスへの１つまたは複数の製造プロセス修正の適用を引き起こす。

【0155】

図８は、本開示のいくつかの実装形態による、製造プロセスへの修正を識別するための方法８００の例示的な説明である。方法８００は、ハードウェア（回路、専用論理など）、（汎用コンピュータシステムまたは専用マシン上で実行されるものなどの）ソフトウェア、またはそれらの任意の組合せを含み得る処理論理によって実施される。一実装形態では、本方法は、図１のサーバ１２０および訓練された機械学習モデル１９０を使用して実施されるが、いくつかの他の実装形態では、図６の１つまたは複数のブロックは、図に示されていない１つまたは複数の他のマシンによって実施され得る。

【0156】

方法８００は、第１の製造プロセス、または第１の製造プロセスの製造動作を実施するための第１の製造設備のうちの少なくとも１つの選択を受信することを含み、環境効率を改善する（資源消費および／または環境影響を低減する）ために修正および／または最適化を識別し得る。製造プロセスは、製造システム（たとえば、図１の製造システム１０２）に関連し得る。

【0157】

ブロック８０１において、処理論理は、第１の製造プロセス、または第１の製造プロセスの製造動作を実施するための第１の製造設備（たとえば、図２のツール２０２および副構成要素２０４）のうちの少なくとも１つの第１の選択を受信する。

【0158】

ブロック８０２において、処理論理は、第１の選択を第１の製造設備のデジタルレプリカ（たとえば、図４Ａ～図４Ｅのデジタルレプリカ４００Ａ～Ｅ）に入力する。いくつかの実施形態では、デジタルレプリカは、物理学ベースのモデル（たとえば、図２の物理学ベースのモデル２１４）を含み得る。

【0159】

ブロック８０３において、処理論理は、第１の製造プロセスの物理条件に基づいて第１の製造設備上で実行される第１の製造プロセスの第１の環境資源消費および／または環境影響を示す環境資源使用量データを決定する。いくつかの実施形態では、環境資源使用量データは、第１の製造プロセスの製造動作を実施するための第１の製造設備に関連するエネルギー消費、ガス消費、または水消費のうちの少なくとも１つを含む。

【0160】

いくつかの実施形態では、処理論理は、環境資源使用量データを機械学習モデルへの入力として使用する。処理論理は、機械学習モデルの１つまたは複数の出力を取得することをさらに含み、１つまたは複数の出力が、修正を示す。いくつかの実施形態では、機械学習モデルの１つまたは複数の出力は、修正が、実施されたとき、製造プロセスの第１の環境資源消費および／または環境影響を低減するという信頼性のレベルをさらに示し得る。処理論理は、修正についての信頼性のレベルがしきい値条件を満足することをさらに決定する。

【0161】

いくつかの実施形態では、第１の環境資源消費および／または環境影響は、第１の製造設備の消耗部品の交換手順または維持手順のうちの１つに関連する環境資源消費および／または環境影響を含む。

【0162】

いくつかの実施形態では、環境資源使用量データは、製造設備に関連する構成要素のライフサイクルデータを含む。修正は、構成要素に関連する是正処置を実施することをさらに含み得る。

【0163】

ブロック８０４において、処理論理は、第１の製造設備上で実行される第１の製造プロセスの環境資源消費および／または環境影響（たとえば、単位当たりの資源消費）を低減する第１の製造プロセスへの修正を決定する。いくつかの実施形態では、修正は、製造プロセスステップおよび／または製造設備処理パラメータのうちの１つまたは複数を変えることを含む。いくつかの実施形態では、第１の製造プロセスの製造動作を実施するための第１の製造設備のエネルギー消費、ガス消費、または水消費のうちの１つまたは複数の優先最適化。

【0164】

ブロック８０５において、処理論理は、任意選択的に、製造プロセスへの修正を適用する。ブロック８０６において、処理論理は、任意選択的に、グラフィカルユーザインターフェース（ＧＵＩ）による表示のために修正を提供する。いくつかの実施形態では、複数の修正が、グラフィカルユーザインターフェース（ＧＵＩ）上での提示のために（たとえば、システムオペレータなどのユーザへの提示のために）決定および提供される。いくつかの実施形態では、修正は、信頼性のレベルによるランク順序でユーザに提示される。いくつかの実施形態では、修正は、各規範行動に関連する信頼性レベルを表す視覚インジケータを伴ってユーザに提示される。たとえば、最も高い信頼性レベルをもつ１つまたは複数の修正は、第１の色（たとえば、緑または金）で示され得、しきい値レベルに近い信頼性レベルをもつ１つまたは複数の修正は、第２の色（たとえば、黄または銀）で示され得る。いくつかの実施形態では、修正は、関連する信頼性レベルに基づいて階層またはグループ中に置かれ得る。

【0165】

いくつかの実施形態では、処理論理は、環境資源使用量データに基づいて、第１の選択が環境効率のしきい値を満足することができないことをさらに決定し得る。処理論理は、第１の選択が環境効率のしきい値を満足することができないことを決定することに応答して第１の選択の最適化をさらに実施し得る。第１の選択の最適化を実施することは、適用されたとき、環境効率のしきい値を満足する更新された環境効率を生じる第１の選択への１つまたは複数の修正を識別することを含む。

【0166】

いくつかの実施形態では、処理論理は、さらに、第２の製造プロセスにおいて第２の製造動作を実施するための製造設備の第２の選択を受信することになる。本処理は、製造設備の第２の選択に関連する１つまたは複数のセンサから、第２の製造動作に関連する第２のセンサデータを受信し得る。処理論理は、デジタルレプリカをさらに更新して、更新されたデジタルレプリカを生成し得、更新されたデジタルレプリカは、製造設備の第１および第２の選択に関連する。処理論理は、デジタルレプリカから、第１の選択および第２の選択の環境資源消費および／または環境影響（たとえば、単位当たりの消費および／または影響）を示す集計環境資源データを含む１つまたは複数の出力をさらに取得し得る。

【0167】

図９Ａ～図９Ｃは、いくつかの実施形態による、例示的な環境資源消費報告を示す。図９Ａは、プロセスチャンバの構成要素など、第１のサブレベル物体による寄与を示す環境資源消費報告９００Ａを示す。たとえば、報告内で発見される寄与構成要素のうちの１つまたは複数は、特に、ソースＲＦ、ターボポンプ、ウォールＨＸ、カソード冷却装置、ＤＣ電力、ＥＳＣヒータ、フォアラインヒータ、ガスパネル、リッドヒータ、粗引きポンプのうちの１つまたは複数による電力消費を含み得る。

【0168】

図９Ｂは、レベルツール分析に対応する環境資源消費報告９００Ｂを示す。たとえば、プロセスツールは、様々なプロセスチャンバなど、様々な構成要素を含み得る。副構成要素の個々の寄与は、報告９００Ｂへのエントリまたはカテゴリーとして報告９００Ａから集計され得る。

【0169】

図９Ｃは、フリートレベル分析に対応する環境資源消費報告９００Ｃを示す。フリートの各プロセスツールは、カートにおいて表される識別されたおよび対応する寄与であり得る。たとえば、報告９００Ｂにおいて示されているツールレベル寄与は、報告９００Ｃへのエントリまたはカテゴリーとして集計され、使用され得る。

【0170】

図１０Ａ～図１０Ｅは、いくつかの実施形態による、総合環境資源消費ダッシュボードグラフィカルユーザインターフェース（ＧＵＩ）１０００Ａ～Ｅの様々なビューを示す。

【0171】

図１０Ａは、総合環境資源消費ダッシュボードＧＵＩ１０００Ａ、環境資源消費データのツールレベルビューを示す。図１０Ａに示されているように、ＧＵＩ１００Ａは、システム図１００２を含む。システム図は、１つまたは複数のプロセスツールの概略図またはマッピングを含み得る。システム図１００２は、システム内のもう１つのプロセスツールのための識別情報を含み得る。ＧＵＩ１０００Ａは、電気消費内訳１００４およびガス消費内訳１００６を含む。電気消費内訳１００４は、識別されたシステム（たとえば、システム図１００２）の副構成要素の１つまたは複数の電気消費寄与を示す。副構成要素は、ポンプ、電源、ＨＶＡＣ、ガス流、ヒータ、冷却器などのアイテムを含み得る。

【0172】

ガス消費内訳１００６は、電気消費内訳１００４に類似しており、識別されたシステムの１つまたは複数の副構成要素に帰属するガス消費または損失を提供する。ＧＵＩ１０００Ａは、システムの電気消費および／またはシステムのガス消費の時間的に分布された表現を含み得る。たとえば、７日間電気消費履歴１００８が、ＧＵＩ１０００Ａによって示され得る。図１０Ａに示されているように、ＧＵＩ１０００Ａは軽減データ１０１０を含む。軽減データ１０１０は、システムから軽減された核種の１つまたは複数の含有量および／または品質の内訳を提供する。

【0173】

図１０Ａに示されているように、ＧＵＩ１０００Ａは、ＧＵＩ１０００Ｂ～Ｅによって提示されるビューなど、異なるビューにユーザを導くナビゲーションペイン１０１０（たとえば、対話可能なボタン）を含み得る。

【0174】

図１０Ｂは、総合環境資源消費ダッシュボードＧＵＩ１０００Ｂ、環境資源消費データの一日ごとの累積ビューを示す。図１０Ｂに示されているように、ＧＵＩ１０００Ｂは、一日ごとの電気消費内訳１０２０を含む。一日ごとの電気消費内訳は、所与のデータに関して使用される電気と日々の電気消費に関連する様々な統計的尺度とを示し得る。一日ごとの電気消費は、システムの様々なデバイスに帰属する電気消費の内訳を示すグラフィックを示すことによってなど、一日当たりの総電気消費をより粒度の細かいデータに分解し得る。

【0175】

図１０Ｂに示されているように、ＧＵＩ１０００Ｂは、一日ごとのガス消費内訳１０２２を含む。一日ごとのガス消費内訳は、所与のデータに関して使用されるまたは失われるガスと日々のガス消費に関連する様々な統計的尺度とを示し得る。一日ごとのガス消費は、システムの様々なデバイスに帰属するガス消費の内訳を示すグラフィックを示すことによってなど、一日当たりの総ガス消費をより粒度の細かいデータに分解し得る。ＧＵＩ１０００Ｂは、システムの電気消費および／またはシステムのガス消費の時間的に分布された表現を含み得る。たとえば、７日間電気消費履歴１０２４が、ＧＵＩ１０００Ｂによって示され得る。図１０Ｂに示されているように、ＧＵＩ１０００Ｂは、ユーザが（たとえば、環境効率データの異なる表現をもつ）ＧＵＩの異なるビューにアクセスすることを可能にするナビゲーションペイン１０２６（たとえば、対話可能なボタン）を含み得る。

【0176】

図１０Ｃは、総合環境資源消費ダッシュボードＧＵＩ１０００Ｃ、環境資源消費データの方策ビューを示す。図１０Ｃに示されているように、ＧＵＩ１０００Ｃは、方策当たり電気消費１０４０を示し得る。方策当たり電気消費１０４０は、１つまたは複数の識別されたプロセス方策を実行することに帰属する電気コストを示し得る。方策当たり電気消費は、対応する方策が実施される回数を示す１つまたは複数の量をさらに示し得る。図１０Ｃに示されているように、ＧＵＩ１０００Ｃは、方策当たりガス消費１０４０を示し得る。方策当たりガス消費１０４０は、１つまたは複数の識別されたプロセス方策を実行することに帰属するガス使用量またはガス損失を示し得る。方策当たり電気消費は、対応する方策が実施される回数を示す１つまたは複数の量をさらに示し得る。図１０Ｃに示されているように、ＧＵＩ１０００Ｃは、ユーザが（たとえば、環境効率データの異なる表現をもつ）ＧＵＩの異なるビューにアクセスすることを可能にするナビゲーションペイン１０４４（たとえば、対話可能なボタン）を含み得る。

【0177】

図１０Ｄは、総合環境資源消費ダッシュボードＧＵＩ１０００Ｄ、環境資源消費データのウエハ当たりビューを示す。図１０Ｄに示されているように、ＧＵＩ１０００Ｄは、ウエハ当たり電気消費１０６０を示し得る。ウエハ当たり電気消費１０６０は、個々のウエハについてのプロセス手順を実施することに帰属する電気コストを示し得る。図１０Ｄに示されているように、ＧＵＩ１０００Ｄは、ウエハ当たりガス消費１０６２を示し得る。ウエハ当たりガス消費１０６２は、個々のウエハについてのプロセス手順を実施することに帰属する電気コストを示し得る。ＧＵＩ１０００Ｄは、システムのウエハ当たり電気消費および／またはシステムのウエハ当たりガス消費の時間的に分布された表現を含み得る。たとえば、７日間電気消費履歴１０６４が、ＧＵＩ１０００Ｄによって示され得る。図１０Ｄに示されているように、ＧＵＩ１０００Ｄは、ユーザが（たとえば、環境効率データの異なる表現をもつ）ＧＵＩの異なるビューにアクセスすることを可能にするナビゲーションペイン１０６６（たとえば、対話可能なボタン）を含み得る。

【0178】

図１０Ｅは、総合環境資源消費ダッシュボードＧＵＩ１０００Ｅ、環境資源消費データのフリートレベルビューを示す。図１０Ｅに示されているように、ＧＵＩ１０００Ｅは、フリートデータ１０８０を示す。フリートデータ１０８０は、システム識別情報（ＩＤ）、ロケーションＩＤ、時間データを示す。フリートデータ１０８０は、識別されたフリート内のツールのリストを含み得る。図１０Ｅに示されているように、ＧＵＩ１０００Ｅは、フリート内のツールの電気消費内訳１０８２を含む。ＧＵＩ１０００Ｅは、フリートのツール間のガス消費内訳１０８４を含み得る。ＧＵＩ１０００Ｅは、ツールのフリートの電気消費および／またはツールのフリートの消費の時間的に分布された表現を含み得る。たとえば、７日間電気消費履歴１０８６が、ＧＵＩ１０００Ｅによって示され得る。図１０Ｅに示されているように、ＧＵＩ１０００Ｅは、ユーザが（たとえば、環境効率データの異なる表現をもつ）ＧＵＩの異なるビューにアクセスすることを可能にするナビゲーションペイン１０８８（たとえば、対話可能なボタン）を含み得る。

【0179】

図１１は、本開示の１つまたは複数の態様に従って動作する、例示的なコンピューティングデバイスのブロック図を示す。様々な例示的な例では、コンピューティングデバイス１１００の様々な構成要素は、図１に示されているクライアントデバイス１５０、サーバ１２０、データストア１１２、および機械学習システム１７０の様々な構成要素を表し得る。

【0180】

例示的なコンピューティングデバイス１１００は、（たとえば、クラウド環境、クラウド技術、および／またはエッジコンピューティングを使用して）ＬＡＮ、イントラネット、エクストラネット、および／またはインターネットにおける他のコンピュータデバイスに接続され得る。コンピューティングデバイス１１００は、クライアント－サーバネットワーク環境におけるサーバの能力において動作し得る。コンピューティングデバイス１１００は、パーソナルコンピュータ（ＰＣ）、セットトップボックス（ＳＴＢ）、サーバ、ネットワークルータ、スイッチまたはブリッジ、あるいはそのデバイスによってとられるべき行動を指定する命令のセット（連続したまたはそれ以外）を実行することが可能な任意のデバイスであり得る。さらに、単一の例示的なコンピューティングデバイスのみが示されるが、「コンピュータ」という用語はまた、本明細書で説明される方法のうちのいずれか１つまたは複数を実施するために命令のセット（または複数のセット）を個々にまたは一緒に実行するコンピュータの任意の集合を含むと解釈されるものとする。

【0181】

例示的なコンピューティングデバイス１１００は、（プロセッサまたはＣＰＵとも呼ばれる）処理デバイス１１０２、メインメモリ１１０４（たとえば、読取り専用メモリ（ＲＯＭ）、フラッシュメモリ、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）などのダイナミックランダムアクセスメモリ（ＤＲＡＭ）など）、スタティックメモリ１１０６（たとえば、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）など）、および２次メモリ（たとえば、データストレージデバイス１１１８）を含み得、これらはバス１１３０を介して互いと通信し得る。

【0182】

処理デバイス１１０２は、マイクロプロセッサ、中央処理ユニットなど、１つまたは複数の汎用処理デバイスを表す。より詳細には、処理デバイス１１０２は、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、他の命令セットを実装するプロセッサ、または命令セットの組合せを実装するプロセッサであり得る。処理デバイス１１０２はまた、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）、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサなど、１つまたは複数の専用処理デバイスであり得る。本開示の１つまたは複数の態様によれば、処理デバイス１１０２は、図６～図８に示されている方法６００～８００を実装する命令を実行するように構成され得る。

【0183】

例示的なコンピューティングデバイス１１００は、ネットワーク１１２０に通信可能に結合され得るネットワークインターフェースデバイス１１０８をさらに備え得る。例示的なコンピューティングデバイス１１００は、ビデオディスプレイ１１１０（たとえば、液晶ディスプレイ（ＬＣＤ）、タッチスクリーン、または陰極線管（ＣＲＴ））、英数字入力デバイス１１１２（たとえば、キーボード）、カーソル制御デバイス１１１４（たとえば、マウス）、および音響信号生成デバイス１１１６（たとえば、スピーカー）をさらに備え得る。

【0184】

データストレージデバイス１１１８は、実行可能な命令１１２２の１つまたは複数のセットが記憶された機械可読ストレージ媒体（または、より詳細には、非一時的機械可読ストレージ媒体）１１２８を含み得る。たとえば、データストレージは、オンプレミスの、またはクラウドストレージ環境などのリモートの物理ストレージであり得る。本開示の１つまたは複数の態様によれば、実行可能な命令１１２２は、図６～図８に示されている方法６００～８００を実行することに関連する実行可能な命令を含み得る。

【0185】

実行可能な命令１１２２はまた、例示的なコンピューティングデバイス１１００による実行可能な命令１１２２の実行中に、メインメモリ１１０４内におよび／または処理デバイス１１０２内に完全にまたは少なくとも部分的に存在し得、メインメモリ１１０４および処理デバイス１１０２は、コンピュータ可読ストレージ媒体をも構成する。実行可能な命令１１２２は、さらに、ネットワークインターフェースデバイス１１０８を介してネットワーク上で送信または受信され得る。

【0186】

コンピュータ可読ストレージ媒体１１２８は、図１１では単一の媒体として示されているが、「コンピュータ可読ストレージ媒体」という用語は、動作命令の１つまたは複数のセットを記憶する単一の媒体または複数の媒体（たとえば、集中型または分散型データベース、ならびに／あるいは関連するキャッシュおよびサーバ）を含むと解釈されるべきである。「コンピュータ可読ストレージ媒体」という用語はまた、本明細書で説明される方法のうちのいずれか１つまたは複数を機械に実施させる、機械による実行のための命令のセットを記憶または符号化することが可能である任意の媒体を含むと解釈されるものとする。「コンピュータ可読ストレージ媒体」という用語は、したがって、限定はしないが、固体メモリと、光および磁気媒体とを含むと解釈されるものとする。

【0187】

上記の詳細な説明のいくつかの部分は、コンピュータメモリ内のデータビットに対する動作のアルゴリズムおよび記号表現に関して提示された。これらのアルゴリズム説明および表現は、データ処理技術分野の当業者が、他の当業者に自身の仕事の本質を最も効果的に伝えるために使用される手段である。アルゴリズムは、ここでは、および一般的には、所望の結果をもたらすステップの自己矛盾のないシーケンスであると考えられる。ステップは、物理量の物理操作を必要とするものである。通常、ただし必ずしもそうであるとは限らないが、これらの量は、記憶され、伝達され、組み合わせられ、比較され、場合によっては操作されることが可能な電気信号または磁気信号の形態をとる。場合によっては、主に広く使用されているという理由から、これらの信号を、ビット、値、要素、シンボル、文字、項、数などと呼ぶことが好都合であることが判明している。

【0188】

しかしながら、これらの用語および同様の用語はすべて適切な物理量に関連し、これらの量に適用される好都合なラベルにすぎないことを念頭に置くべきである。別段に明記されていない限り、以下の説明から明らかなように、説明全体にわたって、「識別すること」、「決定すること」、「記憶すること」、「調節すること」、「引き起こすこと」、「返すこと」、「比較すること」、「作成すること」、「停止すること」、「ロードすること」、「コピーすること」、「投げること」、「交換すること」、「実施すること」などの用語を利用する説明は、コンピュータシステムまたは同様の電子コンピューティングデバイスの行動およびプロセスを指し、これは、コンピュータシステムのレジスタおよびメモリ内の物理（電子）量として表されるデータを操作し、そのデータを、コンピュータシステムメモリまたはレジスタ、あるいは他のそのような情報ストレージ、送信またはディスプレイデバイス内の物理量として同様に表される他のデータに変換することが諒解される。

【0189】

本開示の例はまた、本明細書で説明される方法を実施するための装置に関する。この装置は、必要な目的のために特別に構築され得るか、または、この装置は、コンピュータシステムに記憶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であり得る。そのようなコンピュータプログラムは、限定はしないが、光ディスクと、コンパクトディスク読取り専用メモリ（ＣＤ－ＲＯＭ）と、光磁気ディスクとを含む任意のタイプのディスク、読取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、消去可能プログラマブル読取り専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読取り専用メモリ（ＥＥＰＲＯＭ）、磁気ディスクストレージ媒体、光ストレージ媒体、フラッシュメモリデバイス、他のタイプの機械アクセス可能ストレージ媒体、または電子命令を記憶するのに好適な任意のタイプの媒体など、コンピュータ可読ストレージ媒体に記憶され得、これらは各々、コンピュータシステムバスに結合される。

【0190】

本明細書で提示される方法およびディスプレイは、本質的に、任意の特定のコンピュータまたは他の装置に関係しない。様々な汎用システムが、本明細書の教示によるプログラムとともに使用され得るか、または様々な汎用システムは、必要な方法ステップを実施するためにより専門的な装置を構築するのに好都合であると判明することがある。様々なこれらのシステムのための必要な構造は、以下の説明において記載されるように見える。加えて、本開示の範囲は、特定のプログラミング言語に限定されない。様々なプログラミング言語が、本開示の教示を実装するために使用され得ることが諒解されよう。

【0191】

上記の説明は、例示的なものであり、限定的なものではないことを理解されたい。多くの他の実装例は、上記の説明を読み、理解すると、当業者には明らかであろう。本開示は特定の例について説明するが、本開示のシステムおよび方法は、本明細書で説明された例に限定されないが、添付の特許請求の範囲内で修正を加えて実施され得ることを認識されよう。したがって、本明細書および図面は、限定的な意味ではなく例示的な意味で考慮されるべきである。したがって、本開示の範囲は、添付の特許請求の範囲を参照しながら、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ともに、決定されるべきである。

【図1】