提供一种预测装置，具有：数据获取部，其获取表示控制对象的设定值的设定值数据、以及表示对上述控制对象进行控制而得到的成果的物理量的物理量数据；预测部，其利用上述设定值数据以及上述物理量数据，对基于用于上述控制对象的控制的设定值而预测上述成果的多个物理量的多个预测值进行计算；评价部，其基于预先规定的基准而对上述多个预测值进行评价；以及输出部，其将根据上述评价的结果而推荐的设定值输出。定值输出。定值输出。
【技术实现步骤摘要】
预测装置、预测方法、记录有预测程序的记录介质及控制装置
[0001]本专利技术涉及预测装置、预测方法、记录有预测程序的记录介质及控制装置。
技术介绍
[0002]专利文献1中记载有“通过对炉周向温度分布进行操作而使得在半导体制造过程的氧化工序中形成于晶圆面上的氧化膜厚实现均匀化的控制方式”。
[0003]专利文献1：日本特开昭61
‑
120427
技术实现思路
[0004]在本专利技术的第1方式中，提供一种预测装置。上述预测装置可以具有数据获取部，该数据获取部获取表示控制对象的设定值的设定值数据、以及表示对上述控制对象进行控制而得到的成果的物理量的物理量数据。上述预测装置可以具有预测部，该预测部利用上述设定值数据以及上述物理量数据，对基于用于上述控制对象的控制的设定值而预测上述成果的多个物理量的多个预测值进行计算。上述预测装置可以具有评价部，该评价部基于预先规定的基准而对上述多个预测值进行评价。上述预测装置可以具有输出部，该输出部将根据上述评价的结果而推荐的设定值输出。
[0005]上述预测部可以利用将上述设定值数据以及上述物理量数据作为学习数据并通过对上述控制对象的设定值和上述成果的物理量的关系进行机器学习而生成的学习模型，对上述多个预测值进行计算。
[0006]上述预测装置还可以具有学习部，该学习部生成上述学习模型。
[0007]上述预测装置还可以具有特征量提取部，该特征量提取部从上述设定值数据以及上述物理量数据提取上述设定值的变化率以及上述物理量的变化率。上述学习部可以生成以上述设定值的变化率为输入、以上述物理量的变化率为输出的上述学习模型。
[0008]上述学习部可以通过高斯过程回归而生成上述学习模型。
[0009]上述预测部可以进一步基于利用通过上述机器学习而处理的概率模型获得的标准偏差，分别对表示上述多个预测值的可靠性的指标进行计算。
[0010]上述输出部可以进一步将上述多个预测值与上述指标一起分别输出。
[0011]上述预测装置还可以具有设定调整部，该设定调整部为了检索使得上述多个预测值全部都满足上述预先规定的基准的设定值而对设定值进行调整。上述输出部可以将上述检索出的设定值作为上述推荐的设定值而输出。
[0012]上述控制对象可以是用于调整对晶圆进行热处理的炉内的温度的加热器，上述成果的物理量可以是在上述晶圆成膜处的膜厚。
[0013]上述预测部可以分别预测在配置于上述炉内的多个晶圆分别成膜处的膜厚。
[0014]在本专利技术的第2方式中，提供一种预测方法。上述预测方法可以具有如下步骤，即，获取表示控制对象的设定值的设定值数据、以及表示对上述控制对象进行控制而得到的成果的物理量的物理量数据。上述预测方法可以具有如下步骤，即，利用上述设定值数据以及
上述物理量数据，对基于用于上述控制对象的控制的设定值而预测上述成果的多个物理量的多个预测值进行计算。上述预测装置可以具有如下步骤，即，基于预先规定的基准而对上述多个预测值进行评价。上述预测装置可以具有如下步骤，即，将根据上述评价的结果而推荐的设定值输出。
[0015]在本专利技术的第3方式中，提供一种对预测程序进行记录的记录介质。上述预测程序可以由计算机执行。上述预测程序可以使上述计算机作为数据获取部而起作用，该数据获取部获取表示控制对象的设定值的设定值数据、以及表示对上述控制对象进行控制而得到的成果的物理量的物理量数据。上述预测程序可以使上述计算机作为预测部而起作用，该预测部利用上述设定值数据以及上述物理量数据，对基于用于上述控制对象的控制的设定值而预测上述成果的多个物理量的多个预测值进行计算。上述预测程序可以使上述计算机作为评价部而起作用，该评价部基于预先规定的基准而对上述多个预测值进行评价。上述预测程序可以使上述计算机作为输出部而起作用，该输出部将根据上述评价的结果而推荐的设定值输出。
[0016]在本专利技术的第4方式中，提供一种控制装置。上述控制装置可以具有数据获取部，该数据获取部获取表示控制对象的设定值的设定值数据、以及表示对上述控制对象进行控制而得到的成果的物理量的物理量数据。上述控制装置可以具有预测部，该预测部利用上述设定值数据以及上述物理量数据，对基于用于上述控制对象的控制的设定值预测上述成果的多个物理量的多个预测值进行计算。上述控制装置可以具有评价部，该评价部基于预先规定的基准而对上述多个预测值进行评价。上述预测装置可以具有输出部，该输出部将根据上述评价的结果而推荐的设定值输出。上述控制装置可以具有控制部，该控制部根据上述推荐的设定值而对上述控制对象进行控制。
[0017]此外，上述专利技术的概要并未举出本专利技术的全部必要特征。另外，上述特征组的子组成要素也能够构成专利技术。
附图说明
[0018]图1将本实施方式所涉及的预测装置100的框图的一个例子与设置有控制对象20的设备10一起示出。
[0019]图2表示作为设备10的具体例的扩散炉200的结构图的一个例子。
[0020]图3表示扩散炉200的维护流程的一个例子。
[0021]图4表示本实施方式所涉及的预测装置100生成学习模型的流程的一个例子。
[0022]图5表示高斯过程回归的示意图的一个例子。
[0023]图6表示本实施方式所涉及的预测装置100对物理量进行预测的流程的一个例子。
[0024]图7表示本实施方式所涉及的预测装置100的预测结果的一个例子。
[0025]图8表示本实施方式所涉及的预测装置100的输出的一个例子。
[0026]图9将本实施方式所涉及的控制装置900的框图的一个例子与设置有控制对象20的设备10一起示出。
[0027]图10表示可以使本专利技术的多个方式全部或一部分实现具体化的计算机9900的例子。
具体实施方式
[0028]下面，通过专利技术的实施方式对本专利技术进行说明，下面的实施方式不对权利要求书所涉及的专利技术进行限定。另外，实施方式中说明的特征的所有组合对于专利技术的解决方法来说并非必不可少。
[0029]图1将本实施方式所涉及的预测装置100的框图的一个例子与设置有控制对象20的设备10一起示出。
[0030]设备10是设置有控制对象20的设施、装置等。可以针对设备10设置1个或多个控制对象20。例如，设备10可以是电子元件、设备、电子电路制造业、金属产品制造业、钢铁业、石油产品、煤炭产品制造业、化学工业、纤维工业、木制品制造业以及调料制造业等各种行业的各种制造过程中使用的各种制造装置。在这种设备10中，对原材料进行加工而制造各种产品。在本实施方式中，将设备10是在对硅等的晶圆(wafer)进行热处理而成膜时使用的扩散炉的情况作为一个例子进行说明。后文中对此进行叙述。
[0031]控制对象20是成为控制的对象的仪器。例如，控制对象20是在设备10的制造过程中对温度、压力、pH、速度以及流量等至少1个物理量进行调整的加热器、阀、泵、风扇、电机本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种预测装置，其中，所述预测装置具有：数据获取部，其获取表示控制对象的设定值的设定值数据、以及表示对所述控制对象进行控制而得到的成果的物理量的物理量数据；预测部，其利用所述设定值数据以及所述物理量数据，对基于用于所述控制对象的控制的设定值而预测所述成果的多个物理量的多个预测值进行计算；评价部，其基于预先规定的基准而对所述多个预测值进行评价；以及输出部，其将根据所述评价的结果而推荐的设定值输出。2.根据权利要求1所述的预测装置，其中，所述预测部利用将所述设定值数据以及所述物理量数据作为学习数据并通过对所述控制对象的设定值和所述成果的物理量的关系进行机器学习而生成的学习模型，对所述多个预测值进行计算。3.根据权利要求2所述的预测装置，其中，所述预测装置还具有生成所述学习模型的学习部。4.根据权利要求3所述的预测装置，其中，所述预测装置还具有特征量提取部，该特征量提取部从所述设定值数据以及所述物理量数据提取所述设定值的变化率以及所述物理量的变化率，所述学习部生成以所述设定值的变化率为输入、以所述物理量的变化率为输出的所述学习模型。5.根据权利要求3或4所述的预测装置，其中，所述学习部通过高斯过程回归而生成所述学习模型。6.根据权利要求2至5中任一项所述的预测装置，其中，所述预测部进一步基于利用通过所述机器学习而处理的概率模型获得的标准偏差，分别对表示所述多个预测值的可靠性的指标进行计算。7.根据权利要求6所述的预测装置，其中，所述输出部进一步将所述多个预测值与所述指标一起分别输出。8.根据权利要求1至7中任一项所述的预测装置，其中，所述预测装置还具有设定调整部，该设定调整部为了检索使得所述多个预测值全部都满足所述预先规定的基准的设定值而对设定值进行调整，所述输出部将所述检索出的设定值作为所述推荐的设定值而输出。9.根据权利要求1...
【专利技术属性】
技术研发人员：石井雅喜，远藤真，宫尾诚，唐泽岭，高见豪，
申请(专利权)人：横河电机株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。