論文の概要: Tensor-based process control and monitoring for semiconductor
manufacturing with unstable disturbances
- arxiv url: http://arxiv.org/abs/2401.17573v1
- Date: Wed, 31 Jan 2024 03:35:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-01 15:36:55.933472
- Title: Tensor-based process control and monitoring for semiconductor
manufacturing with unstable disturbances
- Title(参考訳): 不安定外乱を有する半導体製造のためのテンソルプロセス制御とモニタリング
- Authors: Yanrong Li, Juan Du, Fugee Tsung, Wei Jiang
- Abstract要約: 本稿では,高次元画像ベースオーバーレイ誤差の複雑な構造に対するプロセス制御とモニタリング手法を提案する。
提案手法は,制限された制御レシピを用いてオーバーレイ誤差を低減することを目的としている。
- 参考スコア(独自算出の注目度): 13.114681056884832
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the development and popularity of sensors installed in manufacturing
systems, complex data are collected during manufacturing processes, which
brings challenges for traditional process control methods. This paper proposes
a novel process control and monitoring method for the complex structure of
high-dimensional image-based overlay errors (modeled in tensor form), which are
collected in semiconductor manufacturing processes. The proposed method aims to
reduce overlay errors using limited control recipes. We first build a
high-dimensional process model and propose different tensor-on-vector
regression algorithms to estimate parameters in the model to alleviate the
curse of dimensionality. Then, based on the estimate of tensor parameters, the
exponentially weighted moving average (EWMA) controller for tensor data is
designed whose stability is theoretically guaranteed. Considering the fact that
low-dimensional control recipes cannot compensate for all high-dimensional
disturbances on the image, control residuals are monitored to prevent
significant drifts of uncontrollable high-dimensional disturbances. Through
extensive simulations and real case studies, the performances of parameter
estimation algorithms and the EWMA controller in tensor space are evaluated.
Compared with existing image-based feedback controllers, the superiority of our
method is verified especially when disturbances are not stable.
- Abstract(参考訳): 製造システムに内蔵されたセンサの開発と普及に伴い、製造プロセス中に複雑なデータが収集され、従来のプロセス制御手法に課題が生じる。
本稿では,半導体製造プロセスで収集される高次元画像ベースオーバーレイエラー(テンソル型モデル化)の複雑な構造に対する新しいプロセス制御とモニタリング手法を提案する。
提案手法は,制限された制御レシピを用いてオーバーレイ誤差を低減することを目的とする。
まず、高次元プロセスモデルを構築し、異なるテンソル・オン・ベクター回帰アルゴリズムを提案し、モデルのパラメータを推定し、次元性の呪いを軽減する。
そして、テンソルパラメータの推定に基づいて、理論上安定性が保証されるテンソルデータに対する指数重み付き移動平均(EWMA)コントローラを設計する。
低次元制御レシピが画像上のすべての高次元外乱を補償できないという事実を考慮すると、制御残差は監視され、制御不能な高次元外乱の大きなドリフトを防止する。
広範囲なシミュレーションと実ケーススタディにより,テンソル空間におけるパラメータ推定アルゴリズムとEWMAコントローラの性能を評価する。
既存の画像ベースフィードバックコントローラと比較して,特に乱れが安定していない場合に,本手法の優位性を検証する。
関連論文リスト
- MFRL-BI: Design of a Model-free Reinforcement Learning Process Control
Scheme by Using Bayesian Inference [5.375049126954924]
プロセス制御方式の設計は、製造システムのばらつきを低減するために品質保証に不可欠である。
本稿では,モデルフリー強化学習(MFRL)手法を提案する。
論文 参考訳(メタデータ) (2023-09-17T08:18:55Z) - Distributed Robust Learning-Based Backstepping Control Aided with
Neurodynamics for Consensus Formation Tracking of Underwater Vessels [14.660236097277638]
本稿では,複数の水中船のコンセンサス生成追跡のための分散ロバスト学習に基づく制御について述べる。
海洋船舶のシステムパラメータは完全に未知であり、モデリングミスマッチ、海洋障害、騒音にさらされていると推定されている。
論文 参考訳(メタデータ) (2023-08-18T05:45:13Z) - AdjointDPM: Adjoint Sensitivity Method for Gradient Backpropagation of Diffusion Probabilistic Models [103.41269503488546]
既存のカスタマイズ方法は、事前訓練された拡散確率モデルをユーザが提供する概念に合わせるために、複数の参照例にアクセスする必要がある。
本論文は、DPMカスタマイズの課題として、生成コンテンツ上で定義された差別化可能な指標が唯一利用可能な監督基準である場合に解決することを目的とする。
本稿では,拡散モデルから新しいサンプルを初めて生成するAdjointDPMを提案する。
次に、随伴感度法を用いて、損失の勾配をモデルのパラメータにバックプロパゲートする。
論文 参考訳(メタデータ) (2023-07-20T09:06:21Z) - Robust Data-Driven Output Feedback Control via Bootstrapped
Multiplicative Noise [1.0312968200748118]
本稿では,データ駆動型出力フィードバック制御アルゴリズムを提案する。
提案手法の主な利点は、システム識別とロバストな制御設計手順の両方が不確実性表現を使用することである。
提案したロバストなデータ駆動型出力フィードバック制御器は,数値実験により,一定の等価な制御器を大幅に上回ることを示す。
論文 参考訳(メタデータ) (2022-05-10T18:47:14Z) - Denoising Diffusion Restoration Models [110.1244240726802]
Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。
DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
論文 参考訳(メタデータ) (2022-01-27T20:19:07Z) - Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。
まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。
次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
論文 参考訳(メタデータ) (2021-11-18T23:21:00Z) - Regret-optimal Estimation and Control [52.28457815067461]
後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。
非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
論文 参考訳(メタデータ) (2021-06-22T23:14:21Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳(メタデータ) (2020-11-14T01:27:32Z) - Guided Policy Search Based Control of a High Dimensional Advanced
Manufacturing Process [1.5469452301122175]
本稿では,加法製造プロセスにおける高次元最適制御問題に対して,GPSに基づく強化学習フレームワークを適用した。
沈着過程の現実的なシミュレーションモデルを用いて,GPSを用いたニューラルネットワークポリシのトレーニングを行う。
トレーニングされたポリシと堆積プロファイルのその場測定に基づくクローズドループ制御を実験的に検証し,有望な性能を示す。
論文 参考訳(メタデータ) (2020-09-12T17:58:50Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳(メタデータ) (2020-03-12T19:56:38Z) - DISCO: Double Likelihood-free Inference Stochastic Control [29.84276469617019]
確率自由推論のためのベイズ統計学における現代シミュレータのパワーと最近の技術を活用することを提案する。
シミュレーションパラメータの後方分布は、システムの潜在的非解析モデルによって伝播される。
実験により、制御器の提案により、古典的な制御やロボット工学のタスクにおいて、優れた性能と堅牢性が得られることが示された。
論文 参考訳(メタデータ) (2020-02-18T05:29:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。