针对制造系统中的多变量时间序列数据的预测方法和系统技术方案

一种针对制造系统中的多变量时间序列数据的预测方法和系统。本公开描述了使用多变量时间序列控制制造系统的方法，该方法包括：记录来自制造系统中的一个或多个设备的数据；将所记录的数据作为多个时间序列存储在数据存储装置中，其中每个时间序列具有对应于第一时间的第一所记录的值和对应于时间序列的结束的最终所记录的值；使用贝叶斯模型在第一时间窗口内，在多个时间序列中内插缺失值，其中缺失值落在相应的时间序列的第一时间与结束时间之间；将所内插的值作为预测数据存储在预测存储装置中，其中所内插的值包括每个所内插的值的不确定性。值的不确定性。值的不确定性。

【技术实现步骤摘要】
针对制造系统中的多变量时间序列数据的预测方法和系统

技术介绍

[0001]时间序列是时序数据点的序列。在制造设置中，时间序列可以表示制造装备随时间的内部状态。备选地，时间序列可以跟踪跨工件序列的特定的参数或特性。例如，可以针对多个工件记录特定的物理测量，以形成随时间来记录测量的时间序列。一些时间序列是多变量的，意味着时间序列具有多于一个的时间依赖变量。在多变量时间序列中，变量取决于其自身的过去值并且至少部分地取决于其他变量。例如，特定的制造参数可以取决于其自身的过去值以及来自上游制造过程步骤的参数两者。

技术实现思路

[0002]本公开的实现总体上涉及使用多变量时间序列来控制制造系统的方法。更具体地，本公开的实现涉及预测制造系统中的多变量时间序列数据并且使用所预测的时间序列数据来对制造系统中的参数进行调整的方法和系统。
[0003]在一些实现中，动作包括：记录来自制造系统中的一个或多个设备的数据；将所记录的数据作为多个时间序列存储在数据存储装置中，其中每个时间序列具有对应于第一时间的第一所记录的值和对应于时间序列的结束的最终所记录的值；使用贝叶斯模型在第一时间窗口内，在多个时间序列中内插缺失值，其中缺失值落在相应的时间序列的第一时间与结束时间之间；将所内插的值作为预测数据存储在预测存储装置中，其中所内插的值包括每个所内插的值的不确定性；从数据存储装置加载落在第二时间窗口内的所记录的数据；从预测存储装置加载预测数据，该预测数据落在第二时间窗口内并且针对预测数据没有所记录的数据可用；使用加载的、所记录的数据和预测数据来优化贝叶斯模型的参数；使用贝叶斯模型预测针对时间序列中的每个时间序列的值，针对时间序列加载的、所记录的数据和预测数据不可用；将所预测的值作为预测数据存储在预测存储装置中，其中预测值包括每个预测值的不确定性；以及基于第二时间窗口内的预测数据来调整生成所记录的数据的设备中的一个或多个设备。该方面的其他实现包括被配置为执行在计算机存储器设备上编码的方法的动作的对应的系统、装置、和计算机程序。
[0004]这些和其他实现可以各自任选地包括以下特征中的一个或多个特征：在一些实现中，预测数据被存储为统计分布或密度函数。在一些实现中，预测数据被存储为随机(“stochastic”)样本，并且所加载的预测数据包括：选择随机样本中的随机(“random”)样本。一些实现包括，如果加载的、所记录的数据和预测数据的边缘似然性是易处理的，则计算加载的、所记录的数据和预测数据的边缘似然性；如果加载的、所记录的数据和预测数据的边缘似然性是不易处理的，则计算加载的、所记录的数据和预测数据的条件密度。一些实现包括：针对第二时间窗口内的加载的、所记录的数据点中的每个数据点计算条件概率P(x
i
|X
j≠i
)。一些实现包括：计算成本函数，该成本函数包括参数值范围内的条件密度和计算成本；以及调整参数，以对应于成本函数的最小值。在一些实现中，调整一个或多个设备包括：执行或调度一个或多个设备的维护。在一些实现中，调整一个或多个设备包括：调整一个或多个设备的操作设置。
[0005]应了解，根据本公开的方法可以包括本文所述的方面和特征的任何组合。即，例如，根据本公开的装置和方法不限于本文具体所述的方面和特征的组合，而是还可以包括所提供的方面和特征的任何组合。
[0006]本公开的一个或多个实现的细节在附图和以下描述中阐述。根据说明书，附图和权利要求书，本公开的其他特征和优点将是明显的。
附图说明
[0007]图1描绘了可以执行本公开的实现的示例系统。
[0008]图2描绘了根据本公开的、针对多变量时间序列数据的示例预测系统。
[0009]图3描绘了结合了根据本公开的预测系统的示例制造系统。
[0010]图4是三个时间序列在初始时间点的示意图。
[0011]图5描绘了可以由图2的训练和预测模块执行的示例过程。
[0012]图6A和图6B描绘了在稍后时间点的图4时间序列。
[0013]图7描绘了可以由图2的存储装置模块执行的示例过程。
[0014]图8A、图9A、和图10A描绘了可以由图2的模型维护模块执行的示例过程。
[0015]图8B、图9B、和图10B描绘了在图8A、图9A、和图10A中生成的报告的示例图形表示。
[0016]图11和图12描绘了结合了本公开的预测系统的制造系统的另一示例。
[0017]在各个附图中相同的附图标记和标号表示相同的元素。
具体实施方式
[0018]本公开的实现总体上涉及使用多变量时间序列来控制制造系统的方法。更具体地，本公开的实现涉及预测制造系统中的多变量时间序列数据并且使用所预测的时间序列数据来对制造系统中的参数进行调整的方法和系统。
[0019]在一些实现中，动作包括：记录来自制造系统中的一个或多个设备的数据；将所记录的数据作为多个时间序列存储在数据存储装置中，其中每个时间序列具有对应于第一时间的第一所记录的值和对应于时间序列的结束的最终所记录的值；使用贝叶斯模型在第一时间窗口内，在多个时间序列中内插缺失值，其中缺失值落在相应的时间序列的第一时间与结束时间之间；将所内插的值作为预测数据存储在预测存储装置中，其中所内插的值包括每个所内插的值的不确定性；从数据存储装置加载落在第二时间窗口内的所记录的数据；从预测存储装置中加载预测数据，该预测数据落在第二时间窗口内并且针对预测数据没有所记录的数据可用；使用加载的、所记录的数据和预测数据来优化贝叶斯模型的参数；使用贝叶斯模型预测针对时间序列中的每个时间序列的值，针对时间序列加载的、所记录的数据和预测数据不可用；将所预测的值作为预测数据存储在预测存储装置中，其中预测值包括每个预测值的不确定性；以及基于第二时间窗口内的预测数据来调整生成所记录的数据的设备中的一个或多个设备。该方面的其他实现包括被配置为执行在计算机存储器设备上编码的方法的动作的对应的系统、装置、和计算机程序。
[0020]本文参考示例性制造系统更详细地描述本公开的实现。示例制造系统被用于处理用于制造半导体器件的晶片。例如，半导体设备制造过程被用于制造独立的半导体设备和集成电路芯片。该制造过程包括在半导体晶片上逐渐形成电子电路的一系列自动化步骤。
由于多个步骤，制造过程从开始到结束可能需要数周。然而，预期本公开的实现可以利用任何适当的自动化系统而被实现。
[0021]图1描绘了可以执行本公开的实现的示例系统100。示例系统100包括计算设备102、后端系统108、和网络106。在一些示例中，网络106包括局域网(LAN)、广域网(WAN)、互联网、或其组合，并连接网站、设备(例如，计算设备102)、和后端系统(例如，后端系统108)。在一些示例中，可以通过有线和/或无线通信链路来访问网络106。
[0022]在一些示例中，计算设备102可以包括任何适当类型的计算设备，诸如台式计算机、便携式计算机、手持计算机、平板计算机、个人数字助理(PDA)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种使用多变量时间序列来控制制造系统的方法，所述方法包括：记录来自所述制造系统中的一个或多个设备的数据；将所记录的所述数据作为多个时间序列存储在数据存储装置中，其中每个时间序列具有对应于第一时间的第一所记录的值和对应于所述时间序列的结束的最终所记录的值；使用贝叶斯模型在第一时间窗口内，在所述多个时间序列中内插缺失值，其中所述缺失值落在相应的所述时间序列的所述第一时间与结束时间之间；将所内插的所述值作为预测数据存储在预测存储装置中，其中所内插的所述值包括每个所内插的值的不确定性；从所述数据存储装置加载落在第二时间窗口内的所记录的所述数据；从所述预测存储装置加载预测数据，所述预测数据落在所述第二时间窗口内并且针对所述预测数据没有所记录的数据可用；使用加载的、所记录的所述数据和所述预测数据来优化所述贝叶斯模型的参数；使用所述贝叶斯模型预测针对所述时间序列中的每个时间序列的值，针对所述时间序列加载的、所记录的数据和预测数据不可用；将所预测的所述值作为预测数据存储在所述预测存储装置中，其中所述预测值包括每个预测值的所述不确定性；以及基于所述第二时间窗内的所述预测数据来调整生成所记录的所述数据的所述设备中的一个或多个设备。2.根据权利要求1所述的方法，其中所述预测数被存储为统计分布或密度函数。3.根据权利要求1所述的方法，其中所述预测数据被存储为随机样本，并且加载所述预测数据包括：选择所述随机样本中的随机样本。4.根据权利要求1所述的方法，还包括：如果加载的、所记录的所述数据和所述预测数据的边缘似然性是易处理的，则计算加载的、所记录的所述数据和所述预测数据的所述边缘似然性；以及如果加载的、所记录的所述数据和所述预测数据的所述边缘似然性是不易处理的，则计算加载的、所记录的所述数据和所述预测数据的条件密度。5.根据权利要求1所述的方法，还包括：针对所述第二时间窗口内的加载的、所记录的所述数据点中的每个数据点，计算条件概率P(x
i
|X
j≠i
)。6.根据权利要求1所述的方法，还包括：计算成本函数，所述成本函数包括参数值范围内的所述条件密度和所述计算成本；以及调整所述参数，以对应于所述成本函数的最小值。7.根据权利要求1所述的方法，其中调整所述一个或多个设备包括：执行或调度所述一个或多个设备的维护。8.根据权利要求1所述的方法，其中调整所述一个或多个设备包括：调整所述一个或多个设备的操作设置。9.一种系统，包括：一个或多个处理器；以及
计算机可读存储设备，所述计算机可读存储设备被耦合到所述一个或多个处理器，并且具有被存储在其上的指令，所述指令在由所述一个或多个处理器执行时，使所述一个或多个处理器执行操作，所述操作包括：记录来自所述制造系统中的一个或多个设备的数据；将所记录的所述数据作为多个时间序列存储在数据存储装置中，其中每个时间序列具有对应于第一时间的第一所记录的值和对应于所述时间序列的结束的最终所记录的值；使用贝叶斯模型在第一时间窗口内，在所述多个时间序列中内插缺失值，其中所述缺失值落在相应的所述时间序列的所述第一时间与结束时间之间；将所内插的所述值作为预测数据存储在预测存储装置中，其中所内插的所述值包括每个所内插的值的不确定性；从所述数据存储装置加载落在第二时间窗口内的所记录的所述数据；从所述预测存储装置加载预测数据，所述预测数据落在所述第二时间窗口内并且针对所述预测数据没有所记录的数据可用；使用加载的、所记录的所述数据和所述预测数据来优化所述贝叶斯模型的参数；使用所述贝叶斯模型预测针对所述时间序列中的每个时间序列的值，针对所述...

【专利技术属性】
技术研发人员：村井诚，森贺新，须山敦志，林素明，工藤卓哉，
申请(专利权)人：埃森哲环球解决方案有限公司，
类型：发明
国别省市：