ツールプロセスデータの多変量解析を提供するためのk近傍法に基づく方法及びシステム

著者らは特許

G05B23/02 - 電気式試験または監視

の所有者の特許 JP2016528655:

アプライド マテリアルズ インコーポレイテッドApplied Materials,Incorporated

 

サーバコンピュータシステムは、レシピを実行する第1のツールの基準フィンガープリントを作成する。基準フィンガープリントを作成するために、サーバコンピュータシステムは、パラメータ内で機能する第1のツールに関する基準データを用いる。基準フィンガープリントは、ターゲットベースライン及びターゲットベースラインに基づいた許容可能な範囲を含む。サーバコンピュータシステムは、サンプルデータと基準フィンガープリントとの比較に基づいて、当該レシピを実行している第2のツールに関連するサンプルデータが、パラメータ内で機能しているか否かを決定する。第2のツールは第1のツールであるか、又は第1のツールと同じタイプの他のツールであり得る。サーバコンピュータシステムは、サンプルデータと基準フィンガープリントとの比較に基づき、第2のツールの分類を、システム又はユーザのうちの少なくとも一方に供給する。分類は、第2のツールがパラメータ内で機能しているか否かを示す。
【選択図】図5

 

 

本開示の実装形態はツールプロセスデータの解析に関し、より詳細には、k近傍法に基づく方法を用いてツールプロセスデータの多変量解析を提供することに関する。
半導体産業において、レシピ(方策)を実行(run)する様々なツールについて大量のセンサデータが存在する。典型的に、センサ情報は生データであり、プロセス技術者などのユーザにとっては一般的には有用でない場合がある。大量のデータは管理が難しいことが多い。生データをユーザにとって意味のあるデータに変換すべく、PCA(主成分解析)などの統計的アプローチをとるソリューションもある。しかしながら、バッチ処理における非線形性、持続期間が変動する処理ステップなどのユニークな特性を半導体プロセスが有することにより、PCAに基づくソリューションには何らかの困難が生じる。
本開示は、添付図面を用い、非限定的な例としてのみ記載されており、図面においては同様の要素が類似の参照符号で示されている。本開示における「ある(an)」又は「一(one)」実装に対する言及は必ずしも同じ実装に対してではなく、そのような言及は、少なくとも一の、を意味することに留意されたい。
ツール解析モジュールを用いたシステムを示すブロック図である。 ツール解析モジュールの一実装のブロック図である。 様々な実装による、基準フィンガープリントを含むグラフィカルユーザインターフェースの一例である。 様々な実装による、複数のラン(run)のプロセスインデックスと基準フィンガープリントとの比較を含むグラフィカルユーザインターフェースの一例である。 k近傍法に基づく解析を用いて基準フィンガープリントを作成する方法の一実装を示す。 様々な実装による、距離行列の一例及び近傍ベクトルの一例を示す。 k近傍法に基づく解析をツールプロセスデータに対して実行する方法の一実装を示す。 様々な実装による、チャンバにおけるレシピのランのセンサの寄与データを含むグラフィカルユーザインターフェースの一例を示す。 様々な実装による、本開示に記載のツール解析モジュールの動作のうちの一又は複数を実行し得るコンピューティングデバイスの一例のブロック図である。
本開示の実装は、ツールプロセスデータに対してk近傍法に基づく解析を実行する方法及びシステムを対象とする。簡潔さと単純さを期して、本開示の全体に亘り、ツールの一例としてチャンバが用いられている。本開示の実装は、k最近傍(kNN)アルゴリズムを改変して、例えばチャンバのマッチング及び処理チャンバの制御のためのデータ解析を支援する。サーバコンピュータシステムが、チャンバにおけるレシピの複数のランのデータ、及びそれらランの複数のセンサのデータを収集し、各ランを表す単一の値(以下「プロセスインデックス」という)を作成することができる。プロセスインデックスは、チャンバにおけるレシピのランが、同じチャンバにおける及び/又は同じタイプのチャンバにおける既知の良好なレシピのランに対してどのように比較(compare)されるかという指標である。プロセスインデックスはまた、既知の良好なランにセンサがどのように関連しているかも表す。プロセスインデックスを用いて、何れのセンサがチャンバマッチングの問題を引き起こしているかを決定できる。
サーバコンピュータシステムは、レシピを実行しているツール(例えば、チャンバ)についての基準フィンガープリントを作成することができる。サーバは、期待通りに(例えば、そのレシピの実行に関連するパラメータ内で)機能しているツールに関する基準データを用いて、ターゲットベースラインと、基準データからのターゲットベースラインに基づいた一又は複数の許容可能な範囲とを作成することができる。ターゲットベースラインと、一又は複数の許容可能な範囲とが、基準フィンガープリントを構成することができる。サーバコンピュータシステムは、サンプルデータと基準フィンガープリントとの比較に基づき、同じツール又は同じタイプの他のツールであって同じレシピを実行しているツールに関連するサンプルデータが、ツールが期待通りに(例えば、パラメータ内で)機能していることを示すか否かを、決定することができる。サーバコンピュータシステムは、サンプルデータと基準フィンガープリントとの比較に基づき、解析されているツールの分類をシステム又はユーザに供給することができる。分類は、解析されているツール/レシピの組み合わせが平常どおりに動作しているか否かを示すことができる。
図1は、製造システムデータソース(例えば、製造実行システム(MES)101)、一又は複数のツール(例えば、チャンバ109)、及び、例えば、ネットワーク120を介して通信する解析サーバ105を含む、製造システム100を示すブロック図である。ネットワーク120は、ローカルエリアネットワーク(LAN)、無線ネットワーク、モバイル通信ネットワーク、インターネットなどの広域ネットワーク(WAN)、又は類似の通信システムであり得る。
MES101、解析サーバ105、及びツール解析モジュール107は、サーバコンピュータ、ゲートウェイコンピュータ、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、PDA(携帯情報端末)、モバイル通信デバイス、携帯電話、スマートフォン、ハンドヘルドコンピュータ、又は類似のコンピューティングデバイスを含む任意のタイプのコンピューティングデバイスによって個別にホストされ得る。代替的に、MES101、解析サーバ105、及びツール解析モジュール107の任意の組み合わせが、サーバコンピュータ、ゲートウェイコンピュータ、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、PDA(携帯情報端末)、モバイル通信デバイス、携帯電話、スマートフォン、ハンドヘルドコンピュータ、又は類似のコンピューティングデバイスを含む単一のコンピューティングデバイスにホストされてもよい。
解析サーバ105は、チャンバ109に関するデータを収集及び解析することができる。一実装で、解析サーバ105はファクトリシステムデータソース(例えば、MES101、ERP(企業資源計画)システムなど)に連結されて、ロットデータ及び設備(例えば、チャンバ)データなどを受信する。一実装では、解析サーバ105がチャンバ109からデータをダイレクトに受信する。期待通りに機能しているチャンバ109を表す基準データ、及び、チャンバ109のレシピの実行のリアルタイムデータを用いて、チャンバ109が特定のレシピの実行について期待されているパフォーマンスから偏移しているか否かを決定するために、解析サーバ105はツール解析モジュール107を含み得る。
ツール解析モジュール107は、所与のレシピについて期待通りに機能しているチャンバからのデータを用いて、当該所与のレシピについての当該チャンバの基準フィンガープリントを作成することができる。ツール解析モジュール107は、当該レシピを実行しているチャンバにおけるサンプルデータ、及び、当該レシピを実行している他のチャンバにおけるサンプルデータを、基準フィンガープリントと比較して、当該チャンバのパフォーマンス及び/又はその健全性を評価することができる。基準フィンガープリントと比較して、当該所与のレシピを実行しているチャンバが期待通りに機能していない場合、ツール解析モジュール107は、当該チャンバの、当該チャンバにおけるランの及び/又は当該チャンバのセンサの、何れのセンサ及び/又はレシピ属性が、任意の偏移に寄与しているかを示す追加のデータを供給することができる。一実装では、ツール解析モジュール107が、基準フィンガープリントのパラメータから偏移しているチャンバ109を「ノーマルでない(not normal)」又は「アブノーマル」として分類し、基準フィンガープリントのパラメータ内にあるチャンバ109を「ノーマル」と分類する。一実装では、ツール解析モジュール107が、分類の度合を決定する。例えば、ツール解析モジュール107が、アブノーマルであるチャンバを、チャンバのサンプルデータの基準フィンガープリントからの偏移の大きさに依存して、「高」「中」「低」と更に分類してもよい。ツール解析モジュール107は、チャンバ分類(例えば、ノーマル、ノーマルでない、高、中、低など)を、ユーザ(例えば、プロセス技術者、システム技術者、生産技術者、システム管理者など)及び/又はシステム(例えば、維持管理システムなど)に供給することができる。
図2は、ツール解析モジュール200の一実装のブロック図である。ツール解析モジュール200は、図1のツール解析モジュール107と同じであり得る。ツール解析モジュール200は、フィンガープリントサブモジュール205、解析サブモジュール210、通知サブモジュール215、及びユーザインターフェース(UI)サブモジュール220を含み得る。
ツール解析モジュール200は、一又は複数のデータストア250に連結され得る。データストア250は固定記憶装置であり得る。固定記憶装置は、ローカル記憶装置又はリモート記憶装置であり得る。固定記憶装置は、磁気記憶装置、光学記憶装置、ソリッドステート記憶装置、電子記憶装置(メインメモリ)、又は類似の記憶装置であり得る。固定記憶装置はモノリシックデバイス、又は分散されたデバイスのセットであり得る。本明細書で使用する「セット」の語は、任意の正の整数のアイテムを表す。
データストア250は、一又は複数のツール(例えば、チャンバ)についてのツールデータ251を記憶することができる。ツールデータ251は、対応するツールにおいて実行されているレシピ、及び、対応するツールのセンサを表すデータを含み得る。ツールデータ251は、当該ツール(例えば、チャンバ)及び/又は製造所内のシステム(例えば、MES)によって提供され得る。
フィンガープリントサブモジュール205は、改変されたk近傍アルゴリズムを用いて、チャンバ及び/又は特定のレシピを実行しているチャンバタイプに対応する基準フィンガープリント255を作成することができる。フィンガープリントサブモジュール205は、同じタイプのチャンバにおける特定のレシピの実行の「良好な」ランに対応するツールデータ251のサブセットを特定することができる。以下、「良好な」ラン又は「ノーマルな」ランとは、チャンバにおいて期待通りに(例えば、期待されたパラメータ内で)機能する特定のレシピのランを表す。以下、「悪い」ラン又は「アブノーマルな」ランは、チャンバにおいて期待通りに機能しない(例えば、期待されたパラメータ内にない)特定のレシピのランを表す。フィンガープリントサブモジュール205は、良好なランのツールデータ251を、基準データ253として用いることができる。基準データ253は、チャンバ識別子、チャンバタイプ、レシピ識別子、チャンバにおけるランの数、ラン識別子、センサ識別子、センサのセンサデータなどを含み得るが、これらに限定されない。基準データ253はデータストア250内に記憶され得る。データストア250は、フィンガープリントサブモジュール205が基準フィンガープリント255の作成に用いるべき良好なランの数を特定するコンフィギュレーションデータ261を記憶し得る。例えば、コンフィギュレーションデータ261は、50の良好なランからのデータが、基準フィンガープリント255の作成に用いられるべきであると指定し得る。コンフィギュレーションデータ261は、コンフィギュラブルであり得、ユーザ(例えば、システム管理者、プロセス技術者など)により設定され得る。
フィンガープリントサブモジュール205は、ターゲットベースライン、及び、基準データ253からのターゲットベースラインに関する一又は複数の範囲を計算し得る。ターゲットベースラインと、ターゲットベースラインに関する一又は複数の範囲とが、基準フィンガープリント255を構成し得る。基準フィンガープリント255は、同じタイプのチャンバに使用され得る。基準フィンガープリントの作成の一実装を、図5との組み合わせでより詳細に後述する。
図3は、様々な実装による、基準フィンガープリント310を含むグラフィカルユーザインターフェース(GUI)300の一例を示す。基準フィンガープリント310は、ターゲットベースライン325の値(例えば、値2.8)と、一又は複数の許容可能な範囲(例えば、範囲1(320)及び範囲2(315))とを含む。ターゲットベースライン及び範囲の決定の一実装は、図5との組み合わせでより詳細に後述される。一実装では、サンプルがターゲットベースライン325の範囲(例えば、範囲1(320)及び範囲2(315))内にある場合、当該サンプルはノーマルであると分類される。以下、「サンプル」又は「サンプルラン」はチャンバにおける特定のレシピのランを表す。ここで、期待されているパフォーマンスに関連して当該ランがノーマルランであるか又はアブノーマルランであるかは未知である。一実装では、範囲1(320)はターゲットベースライン325について3シグマ(3標準偏差)であり、範囲2(315)はターゲットベースライン325について6シグマ(6標準偏差)である。GUI300は、基準フィンガープリント310の作成に用いられるラン330を表すx軸を含むことができる。例えば、基準データ253は50の良好なランについてのデータを含み得る。GUI300は、解析されるデータと基準フィンガープリントとの間の距離を(例えば、基準までの距離を単位305で)表すy軸を含むことができる。
図2に戻ると、データストア250は、一又は複数のサンプル(サンプルラン)についてのサンプルデータ257を記憶することができる。サンプルデータ257は、チャンバ識別子、チャンバタイプ、レシピ識別子、ラン識別子、センサ識別子、センサのセンサデータなどを含み得るが、これらに限定されない。
解析サブモジュール210は、特定のランのサンプルデータ257を用いて、対応するランのセンサの示度を表すサンプルベクトルSを作成することができる。サンプルベクトルSは、m個の要素を有する行ベクトルであり得、ここで、各要素は特定のランのセンサ示度に対応する。解析サブモジュール210は、サンプルベクトルSを用いてサンプルランのプロセスインデックスを決定することができる。サンプルランのプロセスインデックス決定の一実装は、図7との組み合わせでより詳細に後述される。解析サブモジュール210は、サンプルランのプロセスインデックスをターゲットベースライン及び基準フィンガープリント255の範囲と比較し、当該サンプルについてのサンプルデータ257が、サンプルデータ257に対応する特定のチャンバ/レシピの組み合わせを、ノーマルとして分類するか又はアブノーマルとして分類するかを、決定することができる。特定のチャンバ/レシピの組み合わせについてのサンプルランをノーマルとして分類するか又はアブノーマルとして分類するかを決定する一実装は、図7との組み合わせで後述される。
ユーザインターフェース(UI)サブモジュール220は、複数のランのプロセスインデックスと基準フィンガープリント255との比較を含むユーザインターフェース202を提供することができる。ユーザインターフェース202は、グラフィカルユーザインターフェース(GUI)であり得る。
図4は、様々な実装による、複数のランのプロセスインデックスと基準フィンガープリントとの比較を含むグラフィカルユーザインターフェースの一例である。基準フィンガープリントは、ターゲットベースライン420の値(例えば、7)、第1の範囲415(例えば、3シグマ帯)、及び第2の範囲410(例えば、6シグマ帯)を含み得る。GUI400は、サンプルランのプロセスインデックスを表すデータ点406を含み得る。一実装では、あるサンプルが、対応するプロセスインデックス(例えば、データ点)がターゲットベースライン420の範囲410、415内にある場合にはノーマルであると分類され、対応するプロセスインデックス(例えば、データ点)がターゲットベースライン420の範囲410、415内にない場合にはアブノーマルであると分類される。例えば、サンプルラン48のプロセスインデックスを表すデータ点405が基準フィンガープリントについての許容可能な範囲410、415の外にある場合、ラン48はアブノーマルであると分類され得る。ラン48についてのデータが更に解析され、許容可能な範囲410、415の外にあるラン48に、何れのセンサが寄与しているかを決定することができる。別の例では、サンプルラン49についてのプロセスインデックスを表すデータ点407が基準フィンガープリントについての許容可能な範囲410、415内にあるが、6シグマ帯内にある。ラン49についてのデータが更に解析されて、6シグマ帯内にあるラン49に、何れのセンサが寄与しているかが決定され得る。
図2に戻ると、通知サブモジュール215は、対応するチャンバ/レシピ組み合わせについてのサンプルデータ257がノーマルであるかアブノーマルであるかを示す分類通知を供給することができる。通知サブモジュール215は、ユーザインターフェース202を介して、メッセージを介して、及びネットワークなどを介して、分類通知を供給することができる。通知サブモジュール215は、例えば、ユーザ(例えば、プロセス技術者,生産技術者,システム技術者,システム管理者)に、及び/又はシステム(例えば、レポートシステム,スケジューラなど)に、分類通知を供給することができる。
一実装では、ツール解析モジュール200が、センサ及び/又は処理ステップによるデータをグループ化する。例えば、ツール解析モジュール200は、センサによって及び/又は処理ステップによって、ツールデータ251をグループ化し得る。別の例では、ツール解析モジュール200が、センサによって及び/又は処理ステップによって、基準データ253をグループ化し得る。別の例では、ツール解析モジュール200が、センサによって及び/又は処理ステップによって、サンプルデータ257をグループ化し得る。別の例では、ツール解析モジュール200が、センサによって及び/又は処理ステップによって、任意のデータの組み合わせをグループ化し得る。データをグループ化することにより、ツール解析モジュール200は、アブノーマルであるとの分類が、すべての処理ステップの1つのセンサに起因するのか、1つのステップのみに起因するのか、又は種々のステップの種々のセンサに起因するのかを決定することができる。一実装では、ツール解析モジュール200がデータのパレート分布を決定する。例えば、基準フィンガープリントのパラメータから外れたデータを有する多くのラン及び/又はセンサが存在する場合、ツール解析モジュール200は、基準フィンガープリントのパラメータから外れたデータを有するラン及び/又はセンサのサブセット(例えば、上位10、上位20など)を特定することができる。パレート分布は、当該サブセットが、1つのセンサが原因で基準フィンガープリントのパラメータから外れていることを特定し得る。
図5は、k近傍法に基づく解析を用いて基準フィンガープリントを作成する方法の一実装を示す。方法00は、ハードウェア(例えば、電気回路、専用論理、プログラマブル論理、マイクロコード等)、ソフトウェア(例えば、処理装置上で実行される命令)、又はこれらの組み合わせを備え得る処理論理によって実施され得る。一実装では、方法500が、図1のサーバ105中のツール解析モジュール107によって実行される。
ブロック501で、サーバは、所与のレシピを実行しているツール(例えば、チャンバ)についての基準行列Rを作成する。基準行列Rは、複数の良好なランについてのデータを含む基準データから作成され得る。基準行列Rはn個の行×m個の列を含み得、nは基準データ中の良好なランの数であり、mは対応するランについてセンサの数である。

基準行列R中の各行(ラン)について、サーバは、対応するランのセンサ示度を表すよう、行がベクトルSを表すようにすることができる。ベクトルSはm個の要素を含む行ベクトルであり得、各要素は特定のランのセンサ示度に対応している。
ベクトルS=[rz,1 … rz,m] ステートメント2
式中、zはランの数であり、zは1〜nであり、m=センサであり、Sは基準行列R中の行である。
ブロック503で、基準行列R中の各行について、サーバは、基準セット中の各センサの基準データの平均及び標準偏差に基づいて、正規化されたSベクトル及び正規化された基準行列Rを計算する。
ブロック505で、正規化されたR行列中の各行について、サーバは、正規化されたSベクトルを用いて距離行列Dを作成し、ブロック507で、距離行列Dを用いて近傍ベクトルNを作成する。

図6は、様々な実装による距離行列D609の一例及び近傍ベクトルN615の一例を示す。距離行列D609は、n個の行×m個の列の行列であり得る。距離行列D609中の各行は、ラン(例えば、ラン1(601)、ラン2(603)、ラン3(605)、ラン4(607)を表すことができ、距離行列D609中の各列は、センサ(例えば、センサ1(611)、センサ2(613))を表すことができる。距離行列D609中の各要素は、ベクトルS中の対応する要素と基準行列Rとの間の距離を示す距離単位(例えば、距離単位617、距離単位619)を表すことができる。一実装では、距離行列D609中の各要素(例えば、距離単位617、距離単位619)が、ベクトルS中の対応する要素と基準行列Rとの間の二乗距離である。例えば、ラン1(601)のセンサ1(611)の距離単位617が、ゼロの値を有し得、これはラン1中のセンサ1が基準行列R中の対応する要素からゼロ単位離れていることを示す。別の例では、ラン1(601)のセンサ2(613)の距離単位619が1の値を有し得、これはラン1中のセンサ2が基準行列R中の対応する要素から1単位離れていることを示す。近傍ベクトルNはn要素の列ベクトルであり得、ここで、各要素は対応する距離行列D中の行の和である。
図5に戻ると、ブロック509で、サーバはk最近傍値(例えば、k=3)を用いて、Nベクトル中のk番目に小さい値(最近傍値)を特定し、基準データ中の各サンプルについての値のkベクトルを作成する。サーバは、特定された最近傍値をkベクトルとしてデータストア中に記憶することができる。サーバは、近傍ベクトルN中の要素を最小値から最大値までソートすることにより、最近傍値を特定できる。例えば、図6中の近傍ベクトルN615[1,2,1,3]は、[1,1,2,3]として記憶され得る。サーバは、ソートされた近傍ベクトルN中のkの位置に対応する値を、k番目に小さい値(最近傍値)として決定できる。例えば、k=3について、サーバは、「2」が第3の位置(例えば、k=3)にあり、k番目に小さい値(最近傍値)であることを決定する。サーバは基準データ中の各サンプルについての値のkベクトルを作成する。kベクトルは、基準データ中のその他のランの対応するセンサに、すべてのセンサがどのように関連しているかを表すことができる。サーバによって用いられるべきk値(例えば、k=3)は、コンフィギュレーションデータ内で指定され得る。
ブロック511で、サーバは、kベクトルの平均を、センサのm次元分布にマッチさせるよう、任意のサンプルのターゲットベースラインとして決定する。基準フィンガープリントの定義にターゲットベースラインが用いられる。ブロック513で、サーバは、基準フィンガープリントの一又は複数の許容可能な範囲を規定するために、kベクトルの一又は複数の閾値(例えば、一又は複数の標準偏差)を決定する。ブロック515で、サーバは、基準フィンガープリントをターゲットベースライン及び閾値として規定する。
図7は、k近傍法に基づく解析をツールプロセスデータに対して実行する方法700の一実装のフロー図である。方法700は、ハードウェア(例えば、電気回路、専用論理、プログラマブル論理、マイクロコード等)、ソフトウェア(例えば、処理装置上で実行される命令)、又はこれらの組み合わせを備え得る処理論理によって実施され得る。一実装では、方法700が、図1のサーバ105中のツール解析モジュール107によって実行される。
ブロック701で、サーバは、チャンバにおけるレシピの複数のサンプルランのサンプルデータを特定する。サンプルランはチャンバにおける特定のレシピのランであって、当該ランがノーマルランであるか又はアブノーマルランであるかは未知である。サンプルデータは、GUIを介したユーザセレクションの入力に基づくことができる。例えば、ユーザが、解析されるべきレシピXYZの、チャンバXにおける最後の50のラン(例えば、ラン1〜ラン50)を選択し得る。サンプルデータは、ツール解析モジュールに連結されたデータストア内に記憶され得る。方法700、又は方法700の一もしくは複数の部分が反復性であり得る。反復の数は、解析されるべきサンプルランの数に基づき得る。
ブロック703で、サーバは、サンプルデータのプロセスインデックスを決定する。サーバは、対応するサンプルランのセンサ示度を表すためのサンプルベクトルSを作成するために、サンプルデータを用いることができる。サンプルベクトルSは、m個の要素を含む行ベクトルであり得、各要素は、特定のサンプルランのセンサ示度に対応している。
サンプルベクトルS=[s … s] ステートメント4
式中、m=センサであり、Sは解析対称のサンプルランである。
サーバは、基準行列Rに対して、正規化されたサンプルベクトルSを計算することができる。サーバは、サンプルランの距離行列Dを作成するために、正規化されたサンプルベクトルSを用いすることができる。距離行列Dはn行×m列の行列であり得、ここで、各要素は、サンプルベクトルS中の対応する要素と基準行列Rとの間の二乗距離である。距離行列D中の各行がサンプルランである。距離行列D中の各列はセンサである。サーバは、近傍ベクトルNを計算するために距離行列Dを用いることができる。近傍ベクトルNはn要素の列ベクトルであり得、各要素は対応する距離行列D中の行の和である。サーバは、Nベクトル中のk番目に小さい値(最近傍値)を特定するためにk値(例えば、k=3)を用いることができる。Nベクトル中のk番目に小さい値(最近傍値)は、当該所与のレシピのチャンバのプロセスインデックスである。サーバによって用いられるべきk値(例えば、k=3)は、ツール解析モジュールに連結されたデータストア内に記憶されているコンフィギュレーションデータ中で指定され得る。
ブロック705で、サーバは、チャンバ/レシピの組み合わせについてのサンプルデータのプロセスインデックスが基準フィンガープリントのパラメータ内にあるか否かを決定する。ブロック707で、プロセスインデックスが基準フィンガープリントのパラメータ内にある場合、サーバは、当該チャンバ/レシピの組み合わせについてのサンプルデータをノーマルとして分類し、ブロック711で当該分類を、例えば、ユーザ(例えば、プロセス技術者、生産技術者、システム技術者、システム管理者)及び/又はシステム(例えば、報告システム、スケジューラなど)に供給する。
プロセスインデックスが基準フィンガープリントのパラメータ内にない場合(ブロック705)、ブロック709で、サーバは当該チャンバ/レシピの組み合わせについてのサンプルデータをアブノーマルとして分類し、ブロック711で当該分類を、例えば、システム及び/又はユーザに供給する。サーバは当該分類を、GUIを通じて、メッセージ及びネットワークなどを介して供給し得る。システム及び/又はユーザは当該分類を、例えば、チャンバの維持管理、チャンバマッチング、処理チャンバ制御などに用いることができる。
ブロック713で、サーバは、プロセスインデックスが基準フィンガープリントのパラメータ内にない理由を特定するための追加のデータを供給するか否かを決定する。サーバが追加のデータを供給するべきである場合、サーバはブロック715で、追加のデータを供給する。例えば、サーバは、チャンバにおける特定のランについての追加の情報を受信するためにグラフィカルユーザインターフェース(GUI)を介してユーザ入力を受信し得、サーバは、当該ランに関連するセンサ及び処理ステップについてのデータをGUI中で供給し得る。追加のデータは、例えば、特定のランについてのセンサの寄与データを含み得るがこれに限定されない。
図8は、様々な実装による、チャンバにおけるレシピのランのセンサの寄与データを含むグラフィカルユーザインターフェースの一例を示す。ツール解析モジュールは、チャンバにおけるレシピのランのセンサの寄与ベクトルCを作成することができる。GUI800は、棒グラフとして示されている、特定のチャンバ/レシピの組み合わせについてのラン48の寄与ベクトルCを含む。寄与ベクトルCはm要素の行ベクトルであり得、各ランの各要素は各センサの寄与因子である。
C=[c … c
式中、m=センサ ステートメント5
例えば、センサ1(例えば、図6のセンサ1(611))についての4つの基準ラン(例えば、図6のラン601、603、605、607)が存在し得る。一実施例で、図6は、正規化された基準行列Rに対する、未知の正規化されたサンプルベクトルSについての距離行列D609を含み得る。寄与ベクトルは、距離行列D609中の各列を考慮しk番目に小さい値を見つけることにより、計算され得る。列1中のセンサ1の寄与ベクトルC=[c … c]はc1=[0,1,1,2]であり得、c2=[0,1,1,1]であり得る。ツール解析モジュールは、寄与ベクトルC中の要素を最小値から最大値までソートすることができる。k=3であると仮定すると、C=[1,1]であり、これは未知のサンプル中のセンサ1(611)が基準セットから1単位離れており、センサ2(613)が基準セットから1単位離れていることを示している。近傍ベクトルNはあるサンプルが基準フィンガープリントから何単位であるかを表すことができ、寄与ベクトルCは、近傍ベクトルNの基準フィンガープリントからの任意の偏移を引き起こしている因子を表すことができる。
図8に戻ると、GUI800は、特定のランのセンサを表すx軸を含み得る。例えば、x軸は、ラン48のセンサデータ815を表し得る。GUI800は、解析されるべきデータと基準フィンガープリントとの間の距離を表すy軸810を含み得る。ツール解析モジュールは、寄与ベクトルCを計算するために距離行列Dを用いることができる。例えば、最大寄与タイプ、要素寄与タイプ、及びk番目要素寄与タイプを含むがこれらに限定されない複数のタイプの寄与ベクトルCが存在し得る。
k番目要素寄与タイプについて、ベクトルC中の各要素は、対応するセンサの寄与である。1以下である距離値は、当該センサが、基準フィンガープリント内にあるサンプルデータに寄与していることを示し得る。1よりも大きいが2以下である距離値は、当該センサを更に検査及び/又は監視するよう警告をトリガし得る。2よりも大きい距離値は、当該センサが基準フィンガープリント内にないサンプルデータに寄与している可能性があることを示し得る。例えば、距離値805が2よりも大きく、対応するセンサが、基準フィンガープリントのパラメータ内にないサンプルデータに寄与していることを示すことができる。一実装では、値が大きくなればなるほど、センサと基準フィンガープリントとの間の差が大きくなる。
図9は、様々な実装による本開示に記載のツール解析モジュールの動作のうちの一又は複数を実行し得るコンピューティングデバイスの一例のブロック図である。一実装では、コンピューティングデバイスが、図2のツール解析モジュール200をホスティングしているコンピューティングデバイスに相当する。計算装置900には、本明細書に記載される一又は複数の任意の方法を当該マシンに実施させるための命令セットが含まれる。代替的な実装では、当該マシンがLAN、イントラネット、エクストラネット、又はインターネット中の他のマシンに接続され(例えば、ネットワーク接続され)得る。当該マシンは、クライアントとサーバ間のネットワーク環境において、サーバマシンとして動作し得る。当該マシンは、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、スイッチ又はブリッジ、又は当該マシンによって行われるべき動作を指定する(順次の又はその他の)命令セットを実行することができるいかなるマシンであってもよい。更に、単一のマシンのみを示したが、「マシン」という語はまた、本明細書に記載される一又は複数の任意の方法を実施するために、命令セット(又は複数の命令セット)を独立して、又は連帯して実行するマシンの任意の集合体を含むと理解すべきである。
例示のコンピュータデバイス900には、バス930を介して互いに通信し合う、処理システム(例えば、処理装置902)、メインメモリ904(例えば、読み出し専用メモリ(ROM)、フラッシュメモリ、例えば同期DRAM(SDRAM)等のダイナミックランダムアクセスメモリ(DRAM))、スタティックメモリ906(例えば、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)等)、及びデータストレージ装置918が含まれる。
処理装置902は、マイクロプロセッサ、中央処理装置等の一又は複数の汎用処理装置を表している。更に具体的には、処理装置902は、複雑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、又はその他の命令セットを実行するプロセッサ又は命令セットの組み合わせを実行するプロセッサであってよい。処理装置902は、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等の一又は複数の特殊用途処理装置であってもよい。処理装置902は、本明細書に記載される動作及びステップを実施するためのツール解析モジュール200を実行するように構成される。
コンピューティングデバイス900は更に、ネットワークインターフェース装置908を含み得る。コンピューティングデバイス900は、ビデオディスプレイ装置910(例えば、液晶ディスプレイ(LCD)又は陰極線管(CRT))、英数字入力装置912(例えば、キーボード)、カーソル制御装置914(例えば、マウス)、及び信号生成装置916(例えば、スピーカー)を含むこともできる。
データストレージ装置918は、本明細書に記載される一又は複数の任意の方法又は機能を具現化する一又は複数の命令セット(例えば、ツール解析モジュール200の命令)が記憶される、コンピュータ可読記憶媒体928を含み得る。ツール解析モジュール200はまた、完全に又は少なくとも部分的に、コンピューティングデバイス900によって実行される間、メインメモリ904内、及び/又は処理装置902内に存在してもよく、メインメモリ904と処理装置902は、コンピュータ可読媒体も構成する。ツール解析モジュール200は更に、ネットワークインターフェース装置908を介して、ネットワーク920上で送信又は受信され得る。
実装例において、コンピュータ可読記憶媒体928を単一の媒体として示したが、「コンピュータ可読記憶媒体」という語は、一又は複数の命令セットを記憶する単一の媒体、又は複数の媒体(例えば、集中データベース、又は分散データベース、及び/又は関連キャッシュ及びサーバ)を含むと理解すべきである。「コンピュータ可読記憶媒体」という語は、マシンによって実行される命令セットを記憶する、符号化する、又は伝達することができ、本開示の一又は複数の方法をマシンに実施させる任意の媒体を含むとも理解すべきである。「コンピュータ可読記憶媒体」という語は従って、非限定的に、固体メモリ、光媒体、及び磁気媒体を含むと理解すべきである。
上述の記載では多くの詳細事項が述べられている。しかしながら、そのような具体的な詳細事項なしに本開示の実装が実施され得ることは、本開示からの利益を享受する当業者には明らかであろう。本開示を不明瞭にしないよう、周知の構造やデバイスが、詳細にではなくブロック図の形態で示されている場合もある。
詳細な記載のうちのある部分は、コンピュータメモリ内のデータビット上の動作のアルゴリズム及び表象という観点から表されている。これらのアルゴリズム的記述と表現は、本発明の内容を他の当業者に最も効果的に伝えるために、データ処理分野の当業者によって使用される手段である。本明細書の、また一般的なアルゴリズムは、結果に至る複数のオペレーションの一連の自己無撞着シーケンスとして考慮される。これらのオペレーションは、物量の物理的操作を用いるオペレーションである。必ずしもではないが通常は、これらの物量は、記憶、転送、組み合わせ、比較、又はその他の方法で操作され得る電気又は磁気信号の形態である。これらの信号は、ビット、値、要素、記号、文字、用語、数字等で表されることが、主に共通使用の理由で便利であることが証明されている。
しかしながら、これら全ての用語、及び類似の用語は、適切な物量に関連付けられており、これらの物量に適用された単なる便宜上のラベルであることを留意しておくべきである。上記の説明で明らかであるように、特段の指示のない限り、本明細書全体において、「作成する」、「決定する」、「供給する」、「特定する」、「規定する」等の用語を用いた説明は、コンピュータシステムのレジスタ及びメモリ内の物量(例えば、電気量)として表されるデータを操作して、コンピュータシステムのメモリ又はレジスタ、又はその他の上記情報の記憶、送信、又はディスプレイ装置内の物量として同様に表される他のデータに変換するコンピュータシステム、又は同様の電子計算装置の動作及び処理を表すと認識される。
本開示の実装はまた、本開示に記載の動作を実施するための装置にも関連している。この装置は、要求される目的のために特別に構築され得、又はコンピュータに記憶されたコンピュータプログラムによって、選択的に作動する又は再構成される汎用コンピュータを備え得る。上記コンピュータプログラムは、コンピュータ可読記憶媒体、例えば非限定的に、光ディスク、CD−ROM、及び光磁気ディスクを含む任意の種類のディスク、読み出し専用メモリ(ROM)、ランダムアクセスメモリ(RAM)、EPROM、EEPROM、磁気又は光カード、または電子命令を記憶するのに適切な任意の種類の媒体に記憶され得る。
上記の説明は、限定ではなく例示を意図するものであることを理解されたい。上記記載を読み理解することで、多くの他の実装が当業者にとって明らかであろう。従って、本開示の範囲は、添付の特許請求の範囲が権利付与される均等物の完全な範囲と共に、それら特許請求の範囲を参照して決定されるべきである。




  1. レシピの実行に関連するパラメータ内で機能している第1のツールに関する基準データと、前記基準データから決定された複数の最近傍値とを用いて、前記レシピを実行している前記第1のツールの基準フィンガープリントを作成することであって、前記基準フィンガープリントは、ターゲットベースラインと、前記ターゲットベースラインに基づいた一又は複数の許容可能な範囲とを含む、作成すること、
    前記レシピを実行している第2のツールに関連するサンプルデータが、前記パラメータ内で機能しているか否かを、前記サンプルデータと前記基準フィンガープリントとの比較に基づいて決定することであって、前記第2のツールは、前記第1のツールであるか又は前記第1のツールと同じタイプの別のツールである、決定すること、並びに
    前記サンプルデータと前記基準フィンガープリントとの前記比較に基づいて、前記第2のツールの分類を、システム又はユーザのうちの少なくとも一方に供給することであって、前記分類は、前記第2のツールが前記パラメータ内で機能しているか否かを示す、供給すること
    を含む、方法。

  2. 前記サンプルデータと前記基準フィンガープリントとの間の一又は複数の偏差を特定すること、
    前記一又は複数の偏差に基づいて、前記第2のツールが前記パラメータ内で機能していないと決定すること、並びに
    前記第2のツールが前記パラメータ内で機能していないことの原因を特定するための追加のデータを供給すること
    を更に含む、請求項1に記載の方法。

  3. 前記追加のデータは、前記第2のツールの複数のセンサの寄与を表す寄与データを含む、請求項2に記載の方法。

  4. 前記サンプルデータが前記基準フィンガープリント内にある場合、前記分類がノーマルであり、前記サンプルデータが前記基準フィンガープリント内にない場合、前記分類がアブノーマルである、請求項1に記載の方法。

  5. 前記基準フィンガープリントを作成することが、
    前記基準データを用いて前記複数の最近傍値のベクトルを作成することであって、前記ベクトルは、前記レシピについての前記第1のツールの複数のセンサのパフォーマンスを示す、作成すること、
    前記ベクトルからターゲット値を決定することであって、前記ターゲット値は、前記複数のセンサの期待されているパフォーマンスを表す、決定すること、
    前記ターゲット値に基づいて、前記複数のセンサの前記期待されているパフォーマンスの一又は複数の許容可能な範囲を決定すること、並びに
    前記ターゲット値及び前記一又は複数の許容可能な範囲として、前記基準フィンガープリントを規定すること
    を含む、請求項1に記載の方法。

  6. 前記ターゲット値を決定することが、
    前記ベクトル中の前記複数の最近傍値の平均を決定すること
    を含む、請求項5に記載の方法。

  7. 前記一又は複数の許容可能な範囲を決定することが、
    前記ターゲット値から、一又は複数の標準偏差を決定すること
    を含む、請求項5に記載の方法。

  8. メモリ、並びに
    前記メモリに連結された処理装置であって、
    レシピの実行に関連するパラメータ内で機能している第1のツールに関する基準データと、前記基準データから決定された複数の最近傍値とを用いて、前記レシピを実行している前記第1のツールの基準フィンガープリントを作成することであって、前記基準フィンガープリントは、ターゲットベースラインと、前記ターゲットベースラインに基づく一又は複数の許容可能な範囲とを含む、作成すること、
    前記レシピを実行している第2のツールに関連するサンプルデータが、前記パラメータ内で機能しているか否かを、前記サンプルデータと前記基準フィンガープリントとの比較に基づいて決定することであって、前記第2のツールは、前記第1のツールであるか又は前記第1のツールと同じタイプの別のツールである、決定すること、並びに
    前記サンプルデータと前記基準フィンガープリントとの前記比較に基づいて、前記第2のツールの分類を、システム又はユーザのうちの少なくとも一方に供給することであって、前記分類は、前記第2のツールが前記パラメータ内で機能しているか否かを示す、供給すること
    のための処理装置
    を含む、システム。

  9. 前記処理装置が、更に
    前記サンプルデータと前記基準フィンガープリントとの間の一又は複数の偏差を特定すること、
    前記一又は複数の偏差に基づいて、前記第2のツールが前記パラメータ内で機能していないと決定すること、並びに
    前記第2のツールが前記パラメータ内で機能していないことの原因を特定するための追加のデータを供給することであって、前記追加のデータは、前記第2のツールの複数のセンサの寄与を表す寄与データを含む、供給すること
    のためのものである、請求項8に記載のシステム。

  10. 前記サンプルデータが前記基準フィンガープリント内にある場合、前記分類はノーマルであり、前記サンプルデータが前記基準フィンガープリント内にない場合、前記分類がアブノーマルである、請求項8に記載のシステム。

  11. 前記基準フィンガープリントを作成することは、前記処理装置が、
    前記基準データを用いて前記複数の最近傍値のベクトルを作成することであって、前記ベクトルは、前記レシピについての前記第1のツールの複数のセンサのパフォーマンスを示す、作成すること、
    前記ベクトルからターゲット値を決定することであって、前記ターゲット値は、前記複数のセンサの期待されているパフォーマンスを表す、決定すること、
    前記ターゲット値に基づいて、前記複数のセンサの前記期待されているパフォーマンスの一又は複数の許容可能な範囲を決定すること、並びに
    前記ターゲット値及び前記一又は複数の許容可能な範囲として、前記基準フィンガープリントを規定すること
    を含む、請求項8に記載のシステム。

  12. 処理装置によって実行されると、前記処理装置に、下記:
    レシピの実行に関連するパラメータ内で機能している第1のツールに関する基準データと、前記基準データから決定された複数の最近傍値とを用いて、前記レシピを実行している前記第1のツールの基準フィンガープリントを、前記処理装置によって作成することであって、前記基準フィンガープリントは、ターゲットベースラインと、前記ターゲットベースラインに基づく一又は複数の許容可能な範囲とを含む、作成すること、
    前記レシピを実行している第2のツールに関連するサンプルデータが、前記パラメータ内で機能しているか否かを、前記サンプルデータと前記基準フィンガープリントとの比較に基づいて決定することであって、前記第2のツールは、前記第1のツールであるか又は前記第1のツールと同じタイプの別のツールである、決定すること、並びに
    前記サンプルデータと前記基準フィンガープリントとの前記比較に基づいて、前記第2のツールの分類を、システム又はユーザのうちの少なくとも一方に供給することであって、前記分類は、前記第2のツールが前記パラメータ内で機能しているか否かを示す、供給すること
    を含む動作を実施させる命令を含む、非一時的コンピュータ可読記憶媒体。

  13. 前記動作が、
    前記サンプルデータと前記基準フィンガープリントとの間の一又は複数の偏差を特定すること、
    前記一又は複数の偏差に基づいて、前記第2のツールが前記パラメータ内で機能していないと決定すること、並びに
    前記第2のツールが前記パラメータ内で機能していないことの原因を特定するための追加のデータを供給すること
    を更に含む、請求項12に記載の非一時的コンピュータ可読記憶媒体。

  14. 前記サンプルデータが前記基準フィンガープリント内にある場合、前記分類がノーマルであり、前記サンプルデータが前記基準フィンガープリント内にない場合、前記分類がアブノーマルである、請求項12に記載の非一時的コンピュータ可読記憶媒体。

  15. 前記基準フィンガープリントを作成することが、
    前記基準データを用いて前記複数の最近傍値のベクトルを作成することであって、前記ベクトルは、前記レシピについての前記第1のツールの複数のセンサのパフォーマンスを示す、作成すること、
    前記ベクトルからターゲット値を決定することであって、前記ターゲット値は、前記複数のセンサの期待されているパフォーマンスを表す、決定すること、
    前記ターゲット値に基づいて、前記複数のセンサの前記期待されているパフォーマンスの一又は複数の許容可能な範囲を決定すること、並びに
    前記ターゲット値及び前記一又は複数の許容可能な範囲として、前記基準フィンガープリントを規定すること、
    を含む、請求項12に記載の非一時的コンピュータ可読記憶媒体。

 

 

Patent trol of patentswamp
類似の特許
車両のための方法 // JP2016528416
本発明は、車両の一部のためのモデルを提供する方法であって、少なくとも一つの作動状態を選択する段階、前記車両の部分について少なくとも一つの可能性がある故障タイプを選択する段階、前記少なくとも一つの可能性がある故障タイプが発生している間の前記少なくとも一つの作動状態について車両部分の性能をシミュレートする段階、各シミュレーションについて前記車両部分の性能の表示を生じさせ、各表示を少なくとも一つの作動パラメータ値と関連付ける段階、及び前記少なくとも一つの表示を記憶する段階、を含む。
【選択図】図6
関連する装置情報をエネルギー装置(2)に提供するシステム(1)であって、エネルギー装置(2)の出力ユニット(2E)によって出力される動的に生成されたコードが、ユーザの携帯端末(3)によって取り込まれ、その取り込まれた動的に生成されたコードの復号化が携帯端末(3)の復号化ユニット(3D)によって成功した後、携帯端末(3)が、コンテキストデータで特定されるコンテキストに関連するエネルギー装置(2)の装置情報データを提供するサーバー(6)と接続を確立する、システム。
【選択図】図1
流体式の工学的システムを制御するためのシステム及び方法を開示する。当該システム及び方法は、モデル出力を生成するためのモデルプロセッサを含み得るが、モデルプロセッサは、モデルプロセッサの動的状態を設定するための設定状態モジュールを含み、動的状態は、モデル動作モードに基づいて開ループモデルに入力される。システムは、アクチュエータをモデル出力の関数として方向付けるためと、制御デバイスが劣化状態で動作しているかどうかを決定するためとの制御法則を含み得る。モデルプロセッサは、モデルの推定された状態を、開ループモデルの先行状態モデル出力及び現行状態モデルに基づいて決定するための推定状態モジュールをさらに含み得る。
プロセスプラント中の圧力調整器のための診断のシステム及び方法が提供される。診断装置は、圧力調整器に動作可能に連結されたプロセッサと、プロセッサに動作可能に連結されたメモリと、圧力調整器の吸気弁、圧力調整器の排気弁、及びプロセッサに動作可能に連結されたセンサとを含む。診断モジュールは、メモリに記憶され、プロセッサによって実行されたときに、診断ツールをユーザインターフェースに提示する。
流体式の工学的システムを制御するためのシステムおよび方法を開示する。当該システムおよび方法は、モデル出力を生成するためのモデルプロセッサを含み得るが、モデルプロセッサは、モデルプロセッサの動的状態を設定するための設定状態モジュールを含み、動的状態は、モデル動作モードに基づいて開ループモデルに入力される。モデルプロセッサは、モデルの推定された状態を、開ループモデルの先行状態モデル出力および現行状態モデルに基づいて決定するための推定状態モジュールをさらに含み得るが、推定状態モジュールは、現行状態モデルと関連付けられた推定器利得を決定して、推定器利得を応用して、モデルの推定された状態を決定する。
粘着剤組成物 // JP2016522854
本出願は、粘着剤組成物に関する。本出願の粘着剤組成物は、耐久信頼性だけでなく、粘着力の経時変化が少なくて、界面密着力に優れた粘着剤を提供することができる。上記粘着剤組成物は、例えば偏光板などの光学部材に適用された後、界面密着力に優れ、粘着物性の経時変化なしに優れた耐久信頼性が維持される効果を示すことができる。
プロセス変数に関連するトレンドを表示する装置。本開示の実施形態は、プロセスプラントのプロセス変数に関連するプロセストレンドを表示する装置に関連する。本装置は、縦軸内の行における横軸内の画素の数を有するディスプレイと、複数のデータ点を横軸内の画素の数で割って第1の値を得るために使用される計算器とを有する。ディスプレイは、画素の対応する列内の線の数において複数のデータ点を表示するためにさらに使用され、線の数は、前記第1の値の半分である。これは有利なことに、オペレータがトレンドの重要な情報を保持するグラフの形状を理解するのをさらに可能にする。
開示された新規なウレタンアクリラートは、少なくとも(A)ジオール成分、(B)アクリル性不飽和を有する成分、および(C)イソシアナート成分を含む原料組成物の反応生成物である。成分(A)は、少なくとも1種のアルコキシル化2,4,8,10−テトラオキサスピロ[5.5]ウンデカン−3,9−ジアルカノールを含む。成分(B)は、少なくとも1種のヒドロキシアルキルアクリラート、ヒドロキシアルキルメタクリラートおよび/またはヒドロキシアルキルメチルアクリラートを含み、および/または、アクリル酸、メタクリル酸および/またはメチルアクリル酸および/またはその酸の対応するアルキルエステルを含む。成分(C)は、少なくとも1種のジまたはポリイソシアナート、またはその誘導体を含む。
流体を用いたエンジニアリングシステムを制御するシステムおよび方法が開示される。システムおよび方法には、モデル出力を生成するモデル処理装置が含まれてもよく、また、モデル処理装置には、モデル処理装置の動的状態を設定する設定状態モジュールが含まれ、動的状態は、モデル動作モードに基づいてオープンループモデルに入力される。モデル処理装置は、オープンループモデルの前の状態のモデル出力および現状のモデルに基づいてモデルの推定状態を決定する推定状態モジュールをさらに含んでもよい。推定状態モジュールは、モデルの推定状態を決定するためにオンライン線形化およびゲイン算出(441)を用いて推定器ゲインを決定する。
流体ベースの工学システムを制御するためのシステムおよび方法が開示される。本システムおよび方法は、モデル出力を生成するためのモデルプロセッサを含み得、モデルプロセッサは、モデルプロセッサの動的状態を設定するための設定状態モジュールを含み、動的状態は、モデル動作モードに基づいて開ループモデルに入力される。本モデルプロセッサは、モデル入力を処理し、かつモデル動作モードを設定するための入力オブジェクトを含み得、モデル入力が制御デバイスの開始動作と関連付けられたデータ範囲内にある場合、モデル動作モードは、開始モードにある。本モデルプロセッサは、開ループモデルの以前の状態モデル出力および現在の状態モデルに基づいてモデルの推定状態を決定するための推定状態モジュールをさらに含み得る。
To top