[发明专利]用于检测工具性能降级和失配的方法和系统

说明书

相关申请的交叉引用

本申请是2008年3月8日提交的题为“AUTONOMOUS BIOLOGICALLY BASED LEARNING TOOL(自主的基于生物学的学习工具)”的共同待批的美国专利申请S/N.12/044,958的部分继续申请。本申请还涉及2008年3月8日提交的题为“AUTONOMOUS ADAPTIVE SEMICONDUCTOR MANUFACTURING(自主的自适应半导体制造)”的共同待批的美国专利申请S/N.12/044,959。这些申请的全部内容通过引用结合于此。

技术背景

技术进步已经造成了日益复杂的过程驱动自动化设备。用于实现特定目标或执行特定高度技术性过程的工具系统通常可以包括用于实现该目标或成功地执行该过程的多个功能元件，以及收集数据以监视该设备的操作的各个传感器。这样的自动化设备可以生成大量数据。数据可包括与产品或作为特定任务的一部分执行的服务相关的大量信息，但它还可包括与该过程本身的执行相关的相当大的日志信息。

尽管现代电子存储技术可以承受得起保留不断增长的数据量，但对该累积数据的利用仍然远非最优。对所收集的信息进行检查和解释一般需要人类干预，并且尽管有了计算能力方面的进步(如多核处理器、大规模并行平台和处理器网格)以及计算范例方面的进步(如面向对象的程序设计、模块化代码重用、基于web的应用程序和更新近的量子计算)，但对所收集的数据的处理仍然是在其中操作该数据的非自主的静态程序性企业方案。更重要的是，在非自主数据处理中，数据不能驱动分析过程本身。作为这样的数据处理范例的结果，自动化设备在高度技术性过程期间生成的数据之间存在的许多丰富关系可能被忽视了，除非设计了特定分析并且该特定分析集中于特定类型的关系。更重要的是，可源于由该设备中的不同单元生成的不同数据之间的多个相互关系且可以确定复杂自动化工具或机器的最优性能的新生现象仍然可能被忽视。

此外，与机器中执行的过程相关联的数据和变量之间的各种相关性可递送与工具或机器集合的实际操作性能相关的大量信息。应该理解，特定校准相关性可在工具集合的合成操作期间形成，而不同生产相关性可作为生产模式中操作的结果形成。相关性中的不同可由工具的演变或调节(如磨损，操作故障(如在规定条件外使用仪器)等)引起。在过程中监视一个或多个仪器的性能的常规系统和方法通常使用不能捕获并利用这种生产相关性的数据。

发明内容

以下提供了本发明的简化概述以提供对本发明的某些方面的基本理解。这一概述不是本发明的广泛概览。它并不旨在标识本发明的关键或重要元素，也不旨在描绘本发明的范围。其唯一目的是以简化的形式呈现本发明的一些概念，作为后面给出的更加详细的描述的序言。

提供了一种自主的基于生物学的学习工具系统和一种该工具系统用来学习和分析性能降级和失配的方法。该自主的基于生物学的学习工具系统包括(i)执行例如半导体制造任务等特定任务或者诸如氧化蚀刻或离子注入等工艺并生成反映该工艺和工具性能的数据的一个或多个工具系统，这些工具系统或者是单独的系统，或者是分层部署的群组和集团系统，(ii)接收数据并打包该数据以供进一步使用的交互管理器，以及(iii)基于生物学习原理的自主学习系统；该学习是通过在语义网络集合中散布激活概念来实现的。该自主学习系统包括可从一组三个功能块中递归地定义的功能结构：存储器平台、处理平台、以及知识通信网络，通过该知识通信网络在存储器和处理平台之间以及在该工具系统和外部动作者(例如，计算机或人主体)之间传递信息。存储器平台包括存储器分层结构，包括用于接收数据印象和相关联的学习指令的情节存储器、用于知识发展的短期存储器、以及存储知识从而将该知识投放到语义网络中的长期存储器。处理平台中的功能单元操作存储在存储器平台中的信息，从而促进学习。这样的构件块和相关联的功能是受生物结构和人脑的行为来启发的。