方法以及用于执行该方法的代码段和控制装置与流程

1.不同的实施例涉及一种方法以及用于执行该方法的代码段和控制装置。


背景技术：

2.涂层过程通常可以用于将层涂敷到基底上。涂层过程例如可以借助物理气相沉积、如阴极雾化(所谓的溅射)进行。阴极雾化的修正方案例如是所谓的反应溅射和反应磁控溅射。在反应溅射中，一方面使用工作气体(例如氩ar)来雾化阴极(靶材)，此时工作气体没有进入沉积在基底上的层，另一方面则加入至少一种反应气体，经雾化的靶材(也称为涂层材料)与该反应气体发生化学反应，从而使反应产物沉积在基底上。
3.溅射时，可以由此用一个层对基底涂层，即，将溅射装置带入到工作点(也称为运行点)和/或保持在这个工作点中，在该工作点中获得了具有所需特性的层。工作点可以确定溅射装置的一组运行参数，运行参数的交织会影响所述层的特性。
4.与没有反应气体的、通常明显能相对稳定地运行(例如没有其它调节机制或仅需很小干预)的溅射相反的是，反应气体下的溅射(也称为反应磁控溅射)需要相应的调节技术和调节装备以掌控运行参数的复杂的相互影响。在一些涂层材料中，这种相互影响尤为敏感，因为例如一方面仅在化学计量的狭窄的范围内达到了期望的层的特性，并且另一方面，反应动态经常是不稳定的(例如是双稳态的)。不稳定的反应动态可能例如倾向于自动离开期望的工作点和/或在两种自行产生的(稳定的)反应模式之间摇摆。
5.然而掌控反应动态变得越来越难，涂层过程越复杂，这个涂层过程与其它涂层过程的相互影响就越多并且可接受的波动就越小。例如可能必需的是，每个涂层过程同时掌控多个调节参量和多个调整参量并且在此遭遇多个干扰参量。这些参量直观地生成了一个多维状态空间，随着彼此独立的维度的数量越来越多，该多维状态空间通过分析途径越来越难以访问。又有通过实验途径很难解密的高度的隐晦相互影响，因而几乎无法简化这个状态空间。
6.在高生产率的涂层设备中，可以例如连续相继地进行多个相同的涂层过程，从而更快地和/或用更厚的层对基底进行涂层。若应当减少空间需求，那么可以减少在涂层过程之间的气体分离。气体分离越少，涂层过程相互影响就可能越多，因而它们的调节回路互为干扰参量地相互影响，这使得尽管有调节，仍难以掌控反应动态。
7.在最为简单的情况下，通过为每个调节参量使用单独的调节回路来应对这种复杂性。这些单独的调节回路完全独立于彼此地工作，这就是说，它们的输入和输出在状态空间中产生了彼此不相交的超曲面。这种解决方案直观地将状态空间分解为单个更易于掌控的二维子空间并且因此可以很方便地识别到，多个调节回路彼此间的输入/输出完全独立于彼此。因此所有与过程相关的相互影响都被作为干扰参量加以处理，因而多个调节回路可能会相互对抗地工作，这就是说试图补偿它们的互相影响。
8.这种单独的调节回路可以用可编程逻辑控制装置(sps)实现，其可能甚至可以实施多个这样的调节回路。为此使用的所谓的pid调节器(比例-积分-微分调节器)借助p调节
元件(比例调节元件)、i调节元件(积分调节元件)和d调节元件(微分调节元件)反馈调节偏差。然而各个调节元件的配置经常通过试验完成并且常常需要稳固的经验值。
9.作为备选方案，可以通过添加限制状态空间或简单地合并多个自由度的边界条件来应对这种复杂性。


技术实现要素：

10.根据不同的实施方式清楚地认识到，这些传统的设计方案是不准确的和/或易于控制过度或控制不足。与此相对，根据不同的实施方案还提供了一种方法、一种控制装置和代码段，它们例如通过使调节变得更为准确、更不易于控制过度/控制不足、需要更少的计算功率并且能更为简单地(例如自动地)校准而改进了对一个或多于一个的涂层过程的调节。借助所述方法、所述控制装置和所述代码段例如来实施和/或校准相应的调节器。
11.根据不同的实施方式，基于反应式涂层过程的(具有多个调节参量的)同一组彼此并行地检测的调节参量来驱控多个调整元件，借助调整元件供应同一涂层过程。所提供的调节器将作为输入参量的多维的向量(其向量分量具有或者至少(例如明确地)代表调节参量)映射到作为输出参量的多维的向量(其向量分量具有或者至少(例如明确地)代表控制参量)上。这样求出的控制参量中的每个控制参量然后被输送给来自一组调整元件(借助调整元件供应涂层过程)的相应的调整元件，因而借助该组调整元件来影响涂层过程。这明显使得在驱控每个调整元件时考虑到了每个调节参量或者考虑到了多个调节参量彼此相互影响。
12.根据不同的实施方式，提供一种方法、一种控制装置和代码段，它们例如借助用于自动校准调节器的方法在一个或多个基于真空的(例如反应式的)溅射过程中提供对一个调节参量(siso，即单进单出)或多个调节参量(mimo，即多进多出)、如过程电压和/或总压力的调节，因而可以自动设定调节器。
13.这样提供的调节器可以例如用于调节一组涂层过程(也称为过程组)，其中，考虑到了这些涂层过程彼此间的耦合(verkopplung)，例如在相邻腔室中的气流和可能的振荡效应(aufschwineffekt)。另一方面是集成了每个真空腔的总压力的调节器。
14.此外，所提供的调节器例如通过下列方式还更为易于拓展，即，将这个调节器扩展到另外的输入参量，例如扩展到一个工作气体和两个反应气体，和/或扩展到更多的涂层过程。
15.可以、但不是强制性必须地借助仅一个调节器硬件(例如具有仅一个电源)为一组涂层过程在多个处理室中实施所提供的调节器。在此，根据不同的实施方式考虑到了多个涂层过程彼此间的耦合。可以在没有专业知识的情况下自动校准，其中，所产生的调节器的动态在此可能是稳健和有效的。调节器例如通过扩展到附加的反应气体或者引入状态观察器是面向未来的或者是能扩展的。
16.为一个或多于一个的真空室或者为每个真空室所执行的涂层过程清楚地提供受控系统(regelstrecke)的模型(也称为受控系统模型)。在受控系统模型的基础上，借助在系统性的单个实验的框架中对一个或多于一个的阶跃响应(例如一系列阶跃响应)的检测并且借助数值方法来计算pi输出调节器的调节器矩阵并且借助相应的调节器硬件进行实施。具有预设的参数的自动调谐算法可以借助自动化的实验和数值方法在考虑到硬件循环
时间的情况下提供了一种稳健的和有效的调节器。
附图说明
17.根据不同的实施方式，在附图中
18.图1在示意性流程图中示出了根据不同的实施方式的方法；
19.图2至4在示意性调节图中分别示出了根据不同的实施方式的方法；
20.图5在详细的示意图中示出了根据不同的实施方式的方法；
21.图6在详细的示意性结构图中示出了根据不同的实施方式的方法的实施；
22.图7在详细的示意图中示出了根据不同的实施方式的受控系统；
23.图8至12分别在详细的示意性结构图中示出了根据不同的实施方式的不同等级的模型；
24.图13在示意性流程图中示出了根据不同的实施方式的方法；
25.图14在示意图中示出了按照根据不同的实施方式的方法的时间顺序；
26.图15a和图15b分别在不同的结构图中阐明了根据不同的实施方式的过程组；
27.图16a和图16b分别在不同的调节图中阐明对根据不同的实施方式的过程组的调节；
28.图18在示意性结构图中示出了根据不同的实施方式的模型生成器；
29.图17、19和20分别在示意性流程图中示出了根据不同的实施方式的方法；
30.图21在不同的示意图中示出了根据不同的实施方式的借助所述方法进行调节的涂层过程的多个参量；并且
31.图22和23分别在示意性网络图中示出了根据不同的实施方式的模型生成器。
具体实施方式
32.在接下来的详细的说明书中参考了附图，附图形成了这个说明书的一部分并且在附图中示出了特殊的实施方式以进行阐明，可以在这些特殊的实施方式中实行本发明。就此而言，参照所说明的附图的方位来使用方向术语，如“上”、“下”、“前”、“后”、“前方”、“后方”等。因为所述实施方式的部件可以沿多个不同的方位定位，所以方向术语用于阐明并且不是限制性的。当然，也可以使用其它实施方式并且可以采取结构的或逻辑的改变，而不会偏离本发明的保护范围。当然。在此所说明的不同的示例性的实施方式的特征可以相互组合，只要没有特意另行说明。接下来的详细的说明书因此并不是限制性的，并且通过所附权利要求限定了本发明的保护范围。
33.在本说明书的范畴内，使用术语“连接(verbunden)”、“联接(angeschlossen)”以及“耦合(gekoppelt)”来说明直接的和间接的连接(例如欧姆的和/或能导电的，例如能导电的连接)、直接或间接的联接以及直接或间接的耦合。在附图中，只要适宜，就为相同或相似的元件配设相同的附图标记。
34.根据不同的实施方式，术语“经耦合”或“耦合”可以从(例如机械的、静液压的、热的和/或电的)例如直接的或间接的连接和/或相互影响的意义来理解。多个元件可以例如沿着相互影响链相互耦合，沿着所述相互影响链可以传递相互影响(例如信号)。两个相互耦合的元件可以例如彼此交换相互影响，例如机械的、静液压的、热的和/或电的相互影响。
根据不同的实施方式，“经接合”可以从机械的(例如实体的或物理的)耦合的意义上来理解，例如借助直接的实体的接触。接合器可以设置用于传递机械的相互影响(例如力、转矩等)。
35.控制可以理解为是对系统的刻意影响。在此，系统的瞬时状态(也称为实际状态)可以按照预定(也称为额定状态)加以改变。调节可以理解为控制，其中，额外对抗系统由于干扰引起的状态变化。控制可以明显具有向前取向的受控系统(steuerstrecke)并且因此明显实施流程控制，所述流程控制将输入参量(例如预定值)转成输出参量。但受控系统也可以是调节回路的一部分，因而实施调节。调节与纯粹向前取向的流程控制相反地具有输出参量对输入参量的连续的影响，所述影响由调节回路促成(也称为反馈)。系统的状态(也称为工作点)可以由系统的一个或多于一个的调节参量代表，该调节参量的实际值代表了系统的实际状态并且其额定值(也称为主导值)代表了系统的额定状态。在调节时，将系统的实际状态(例如基于测量求出)与系统的额定状态相比较并且所述一个或多于一个的调节参量借助一个或多于一个的相应的调整参量或在使用一个或多于一个的调整参量的情况下被这样影响，使得系统的实际状态与额定状态的偏差最小化。
36.有待调节的系统可以例如具有一个或多于一个的涂层过程。系统的状态因此可以代表系统的每个涂层过程的状态，反之亦然。每个涂层过程的实际状态可以借助测量元件(例如具有一个或多于一个的传感器)加以检测。每个调节参量可以使用一个或多于一个的传感器，传感器设置用于，检测代表了调节参量的或者是调节参量的参量(也称为测量参量)。
37.传感器(也称为探测器)可以理解为变换器，其设置用于，(例如定性地或定量地)检测其周围环境的与传感器类型对应的特性作为测量参量，例如物理特性、化学特性和/或材料特性。测量参量是借助传感器进行测量的物理参量。视传感器的有待测量的周围环境的复杂性而定，传感器可以设置用于，仅能区分测量参量的两种状态(也称为测量开关)、能区分测量参量的多于两种的状态或者定量地检测测量参量。定量检测的测量参量的一个例子例如是流体流动速率(例如流量)，它的实际状态可以借助传感器作为值加以检测。
38.传感器可以是测量链的一部分，测量链具有相应的基础设施(例如具有处理器、存储介质和/或总线系统等)。测量链可以设置用于，驱控相应的传感器(例如气体传感器、压力传感器和/或电压传感器)、处理作为输入参量的传感器的所检测到的测量参量并且基于此提供电信号作为输出参量，电信号代表了输入参量。测量链可以例如借助控制装置实施。
39.根据不同的实施方式，可以提供多参量调节，其共同地并且相互关联地调节一个涂层过程或者多个(例如n个)涂层过程构成的一个过程组(其中，例如n＞1、n＞5，或者n＞10)。多个涂层过程可以例如在其涂层材料、其反应气体和/或其涂层装置的类型上(例如热或雾化地)协调一致。根据不同的实施方式，所述或者每个涂层过程可以设置用于对至少一个基底(这就是说一个基底或多个基底)涂层。
40.接下来还参考反应式涂层过程，在反应式涂层过程中发生了化学反应。涂层过程中的一个或多于一个的涂层过程例如可以具有反应式溅射过程，为反应式溅射过程供应一种或多于一种的反应气体(例如m种反应气体)，反应气体随与靶材的化合传入，化合物沉积在基底上(其中，例如m＝1、m＞1或者m＞2)。可以理解的是，涂层过程不必一定是反应式的。代表了反应式涂层过程中在化学反应中所参与的材料的参量，在非反应式涂层过程中可以
代表没有参与化学反应的相应的其它的材料。据此，针对反应式涂层过程所作的说明相似地也适用于非反应式涂层过程。
41.根据不同的实施方式，参考物理气相沉积(pvd)作为示例性的涂层过程，例如具有溅射过程。可以理解的是，针对pvd所作的说明类似地也可以适用于化学气相沉积(cvd)。与cvd不同的是，在pvd中，先将固体材料转为气相(也称为气态相或蒸气)并且借助这种气相形成一个层。靶材的气相在pvd中可选能与反应气体化学反应成一种化合物，该化合物被带入到所述层中或者形成了这个层。因此在pvd的化学反应中，两种或两种以上的材料合并成了所述化合物。
42.在化学气相沉积中，气态的初始化合物(也称为前体或离析物)分裂成至少两种反应产物，反应产物中的至少一种反应产物被带入到层中并且可选(例如借助泵)从涂层过程中抽出一种反应产物作为过剩物。cvd可选可以借助等离子体完成，前体在等离子体中分裂。
43.等离子体可以借助工作气体形成。根据不同的实施方式，工作气体可以具有气态的材料，该气态的材料是惰性的，换句话说，该气态材料仅参与很少的或甚至不参与化学反应。工作气体可以例如由所使用的靶材定义并且与这种靶材相匹配。工作气体可以具有一种气体或气体混合物，其与靶材不会反应成固体材料。工作气体可以例如具有一种稀有气体(例如氦气、氖气、氩气、氪气、氙气、氡气)或多种稀有气体。等离子体可以由工作气体形成，其例如主要促成靶材的雾化。若使用反应气体，那么这种反应气体可以具有比工作气体更高的化学反应性，例如就靶材而言。换句话说，经雾化的靶材比起与工作气体一起(例如当靶材与工作气体发生化学反应时)可以更快地与反应气体一起发生反应(这就是说每单位时间形成更多的反应产物)。反应气体和工作气体例如可以借助气体输送装置共同地或分开地作为过程气体(例如作为气体混合物)进行输送。
44.反应气体可以具有气态的材料，该气态的材料与靶材(例如与经雾化的靶材)发生反应和/或可以借助化学反应进入到沉积的层中。若例如使用可以形成氮化物(例如氮化铝)的靶材或者若靶材的氮化物应当沉积，那么反应气体可以具有氮或由氮形成。若例如使用可以形成氧化物(例如氧化铝)的靶材或者若靶材的氧化物应当沉积，那么反应气体可以具有氧或由氧形成。反应气体可以例如具有由多种气体构成气体混合物(反应气体混合物)或者由其形成，所述多种气体与靶材和/或沉积的层发生反应，例如氧和氮，例如当应当沉积氮氧化物时(例如氮氧化铝)。反应气体混合物可以例如主要具有(这就是说大于50％)氧，例如用于沉积氧化物或氮氧化物。针对反应气体的示例有：分子氧、分子氮、氧化氮、氧、碳氧化物、硫化氢、甲烷、气态的碳氢化合物、分子氟、分子氯、臭氧或其它的气态的材料。
45.反应式溅射过程可以表明，靶材借助工作气体加以溅射(雾化)并且与所输送的反应气体形成了一种化合物(换句话说反应产物)，例如金属化合物或半金属化合物，其例如可以沉积到基底上。
46.涂层过程就其反应动态而言基本可以分成两种类型，即稳定类型的涂层过程(也称为稳定的涂层过程)和不稳定类型的涂层过程(也称为不稳定的涂层过程)。在稳定的涂层过程中，调节参量响应于涂层过程从参考状态的同样的偏转始终占据同样的实际状态。换句话说，调节参量的实际状态(也称为实际调节参量)是参考状态和偏转强度的函数。在不稳定的涂层过程中，调节参量的实际状态响应于从参考状态的偏差要么取决于另外的影
响因子，如涂层过程的先前发生的事或者偏转沿哪条轨迹进行，要么调节参量始终占据来自相同的最终数量的状态的实际状态(也称为稳定的工作点)，与偏转或参考状态无关。
47.接下来参考一种方法，其具有对一个或多于一个的调整元件的驱控。在上下文中同样参考一种控制装置或者代码段。控制装置可以设置用于实施一种或多于一种的在此文中说明的方法。为此，控制装置可以具有处理器，处理器设置用于实施相应的方法。处理器例如可以设置用于，输出相应的指令。处理器可以备选或附加地设置用于，接收和处理相应的指令。这些指令可以例如借助储存在非易失的数据存储器上的代码段实施。代码段例如可以具有这样的指令，当由处理器实施这些指令时，指令促使处理器执行所述方法中的其中一种方法。
48.术语“控制装置”可以理解为是任意类型的实施逻辑的实体，其例如可以具有电路连接和/或处理器，其可以例如运行储存在存储介质中、固件中或它们的组合中的软件并且可以基于此发出指示。控制装置可以例如借助代码段(例如软件)进行配置。控制装置可以例如具有可编程逻辑控制装置(sps)或者由其形成。
49.根据不同的实施方式，数据存储器(更为普遍地也称为存储介质)可以是一种非易失的数据存储器。数据存储器可以例如具有硬盘和/或至少一个半导体存储器(如只读存储器、随机存取存储器和/或闪存)或由其形成。只读存储器可以例如是一种可擦除可编程的只读存储器(也称为eprom)。随机存取存储器可以是非易失的随机存取存储器(也可以称为nvram，即“non-volatile random access memory非易失性随机访问存储器”)。例如可以在数据存储器中储存下列中的一项或更多项：代表所述方法的代码段、一个或多于一个的调节元件、一个或多于一个的调谐参数、一个或多于一个的模型参数、一个或多于一个的校准参数。
50.术语“处理器”可以指的是任意类型允许处理数据或信号的实体。数据或信号可以例如根据由处理器实施的至少一个(这就是说一个或多于一个)特殊功能进行处理。处理器可以具有模拟电路、数字电路、混合信号电路、逻辑电路、微处理器、中央处理单元(cpu)、图形处理单元(gpu)、数字信号处理器(dsp)、可编程门装置(fpga)、集成电路或者它们的任意组合，或者由其形成。接下来要更为详细地说明的相应的功能的任意其它方式的实施方案，也可以理解为处理器或逻辑电路，例如虚拟处理器(或虚拟机)或例如借助网络相互连接的大量分散的处理器也被任意在空间中分布和/或具有实施相应功能的任意部分(例如在处理器之间分配计算负载)。同样的说明通常也适于用于实施相应功能的不同地实施的逻辑。当然，可以由处理器通过一个或多个由处理器实行的特定功能来实施(例如实现)一个或多个在本文中详细说明的方法步骤。
[0051]“调节器”在本文中可以指的是处理器，其实施用于调节的功能，例如通过使这个处理器将有关涂层过程的实际状态的说明转成用于调节涂层过程的信号。借助信号可以例如驱控一个或多于一个的调整元件，借助调整元件来供应涂层过程。处理器可以例如借助调节模型(例如通过软件)设置成调节器或者至少部分硬接线地提供用于调节的功能。控制装置可以例如具有设置成调节器的处理器。调节器和调节模型例如指的是用于执行调节的相同的功能的实施方案，其中，调节器指的是物理的实施方案并且调节模型指的是逻辑的实施方案。因此可以理解的是，针对调节器所作的阐释类似地也可以适用于调节模型，反之亦然。
[0052]
术语“调整元件”(例如具有致动器或执行器)可以指的是变换器，其作为对驱控调整元件的响应设置用于影响过程的(例如涂层过程)或装置的状态。调整元件可以将输送给这个调整元件的信号(所谓的驱控)转化成机械的运动或者诸如压力或温度之类的物理参量的改变。机电的调整元件可以例如设置用于，响应所述驱控地将电能转为机械能(例如通过运动)。
[0053]
调整元件可以设置用于，影响由调整元件提供的涂层过程的一个或多于一个的调节参量的实际状态。所述影响可以是直接的或者是间接的。调整参量和调节参量可以例如彼此不同。调节参量可以相应地是一个或多于一个的调整参量的函数。
[0054]
调整元件可以例如改变作为调整参量的电压(借助电压可以供应等离子体)，因而由此改变了作为调节参量的雾化速率。调整元件可以例如改变作为调整参量的气体的流入速率，因而由此可以改变作为调节参量的压力。调整元件可以例如改变作为调整参量的工作气体的流入速率，因而由此可以改变作为调节参量的雾化速率。调整元件可以例如改变作为调整参量的反应气体的流入速率，因而由此改变了作为调节参量的化学成分。
[0055]
针对调整元件的部件的示例有：电压源(如果存在)、阀(例如泵装置和/或气体输送装置)、马达(例如阀或泵)等。电压源可以例如设置用于，根据驱控产生一个或多于一个的电压并且将电压输送给涂层过程。泵装置可以例如设置用于，根据驱控泵出一种或多于一种的气体并且因此将气体从涂层过程抽走。气体输送装置可以例如设置用于，根据驱控将一种或多于一种的气体输送给涂层过程。
[0056]
接下来还探讨数学关系和不同的参量(例如输入参量和/或输出参量)，其中，使用下列标记：
[0057]
·
简单的符号(例如x、y、...)代表标量参量；
[0058]
·
加下划线的符号(例如x、y、...)代表了向量参量；
[0059]
·
粗体符号x、y、...代表矩阵；
[0060]
·
带波浪的符号代表了绝对参量(例如诸如过程电压这样的测量参量)；
[0061]
·
没有波浪的符号(例如u)在绝对参量的上下文中代表了与常数的差；
[0062]
·
在符号上方有一横的符号(例如)代表常数；
[0063]
·
大括号中的符号或完整的表达式(例如{x}、{x y、...)仅为完整起见而一起记录，不过可以忽略(这就是说从相应的关系中删除)。
[0064]
接下来记录了更易于理解的向量书写方式的数学关系和不同的参量。用类似的方式将张量以更易于理解的一维的或二维的书写方式记录为示例性的映射(例如作为矩阵)。可以理解的是，所阐释的关系、映射和参量也能转入其它的数学空间或者在这些数学空间中记录，例如借助相应的变换。
[0065]
在本文中，原型的、例如过程的(例如涂层过程的)基于数据的(例如数字的和/或虚拟的)代表可以理解为模型。为了形成模型(所谓的建模，这就是说原型映射到模型上)，可以抽象化、参数化和/或简化原型。模型可以例如具有有关原型的实体信息(例如长度、间距、重量、体积、成分等)、运动相关的信息(例如位置、方位、运动方向、加速度、运动速度等)、逻辑的信息(链接、顺序、耦合、相互关系、相关性等)、时间相关的信息(例如时间、总持
续时间、频率、周期持续时间等)和/或功能信息(例如电流强度、效果、综合特征曲线或特征曲线、工作点空间、力、自由度等)。
[0066]
图1在示意性流程图中示出了根据不同的实施方式的方法100。方法100可以用于调节(例如反应式)涂层过程，例如过程组的每个涂层过程。
[0067]
方法100具有：在101中，基于反应式涂层过程的一组多个彼此并行地检测的调节参量驱控第一调整元件，借助该第一调整元件供应涂层过程；并且在103中，基于反应式涂层过程的所述一组多个检测到的调节参量驱控第二调整元件，借助第二调整元件供应涂层过程。
[0068]
根据不同的实施方式，所述一组多个彼此并行地检测的调节参量针对每个经驱控的调整元件具有至少一个(这就是说一个或多于一个)调节参量。所述一组多个彼此并行地检测到的调节参量备选或附加地在每个涂层过程可以具有至少两个调节参量。
[0069]
可以在驱控第一调整元件时考虑到例如所述一组多个彼此并行地检测的调节参量中的多个调节参量(例如每个调节参量)。可以例如在驱控第二调整元件时考虑到所述一组多个彼此并行地检测到的调节参量中的多个调节参量(例如每个调节参量)。
[0070]
可以(在时间上)彼此并行地检测调节参量。每个调节参量例如可以借助一个或多于一个的传感器反复检测，例如根据定义了检测的重复的周期。对不同的调节参量的检测可以、但不是必须在同一周期内进行。可以例如同时或也彼此错开地检测这些调节参量。重复检测调节参量可以在时间上彼此并行地进行，例如在彼此重叠的相应的时间段内进行。
[0071]
时间上并行地检测的调节参量可以例如、但不是必须同时进行检测。若没有同时检测这些调节参量，那么至少在一个处在两个直接连续相继的事件之间时间段内检测这些调节参量。两个直接连续相继的事件中的每一个事件可以例如具有：驱控第一调整元件和/或驱控第二调整元件。
[0072]
作为对调节参量的检测的结果，获得了对调节参量的实际状态的说明。可以在驱控第一调整元件和第二调整元件时考虑到这样检测的所述一组实际状态(例如实际压力和实际电压)。换句话说，在驱控第一调整元件时考虑到的相同的调节参量(例如它们的实际状态)也可以在驱控第二调整元件时被考虑到。
[0073]
对第一调整元件的驱控101和对第二调整元件的驱控103可以借助调节模型(也称为调节算法)完成，调节模型将所述一组多个彼此并行地检测的调节参量(例如它们的实际状态)映射到第一控制参量和第二控制参量上。
[0074]
在本文中，为了简化理解而参考一种调节器，该调节器实施调节模型的功能。可以理解的是，可以借助调节模型来配置调节器提供的所述功能。但还可以理解的是，调节模型也可以与方法100的执行分开地例如储存在数据存储器上或者进行确定，如稍后更为准确地阐释的那样。
[0075]
第一控制参量可以为了驱控而输送给第一调整元件并且第二控制参量可以为了驱控而输送给第二调整元件。控制参量指的是调整元件的输入参量并且可以例如借助(例如电)信号(例如模拟地或数字地)传输。调节器可以借助控制装置和/或借助代码段实施。
[0076]
调节器可以例如设置用于，将多维的调节向量(其向量分量说明了互相检测到的调节参量(例如调节参量的实际状态))映射到多维的控制向量上(该控制向量的向量分量
说明了多个控制参量)。调节器可以具有至少一个(这就是说一个或多于一个)调节元件，调节元件实施所述映射或这种映射的至少一部分。
[0077]
例如可以使用涂层过程的调整元件的一个参量(例如位置)作为涂层过程的控制参量，借助其可以用介质(电能、材料、热能等)供应(例如输送给涂层过程和/或从涂层过程抽走)涂层过程(也称为介质供应)。例如可以为了调节所述或每个涂层过程而使用涂层过程的下列参量中的一个或多于一个的参量作为涂层过程的调整参量：用于供应涂层过程的电参量、过程气体(具有工作气体和/或反应气体)的温度、过程气体的流入(例如流入速率和/或流入分布)(例如流入的空间分布)、工作气体的流入(例如流入速率和/或流入分布)(例如流入的空间分布)、反应气体的流入(例如流入速率和/或流入分布)(例如流入的空间分布)、基底的运输速度、涂层材料的排放速率。电参量可以例如具有：电功率、电流(其例如穿流等离子体)、电压(其例如在等离子体上施加)。
[0078]
例如可以使用涂层过程的参量或其结果作为涂层过程的调节参量，其响应于介质供应地产生。例如可以为了调节所述或每个涂层过程而使用涂层过程的下列参量中的一个或多于一个的参量作为涂层过程的调节参量：过程气体的压力(和/或其空间分布)、工作气体的部分压力(和/或其空间分布)；一种或多于一种的反应气体的部分压力(和/或其空间分布)、反应产物的特性(例如化学成分)、电压(其例如施加在等离子体上)、电流(其例如输送给等离子体)。
[0079]
涂层过程的一些参量可以在一些配置中用作调整参量并且在其它配置中用作调节参量。调整参量和调节参量的实际的选择因此取决于涂层过程和供应基础设施的配置并且可以与相应的过程相匹配。用于供应等离子体的电压例如可以用作调整参量并且等离子体所接收的电流可以用作调节参量，或者正好相反。等离子体所接收的功率例如可以用作调节参量并且用于供应等离子体的气体流入可以用作调整参量，或者正好相反。
[0080]
借助方法100加以调节的所述或每个涂层过程，可以例如是稳定的或不稳定的(例如双稳态的)。换句话说，涂层过程可以具有至少两个稳定的工作点(例如氧化的工作点和金属的工作点)和在两个稳定的工作点之间的过渡区。调节然后可以以如下方式例如根据平衡调节进行，即，将每个涂层过程保持在稳定的反应模式之间的不稳定的反应模式中。
[0081]
此外，可选可以驱控运输装置，借助运输装置可以将基底输送给涂层过程，基底借助涂层过程进行涂层。
[0082]
图2在示意性调节图200中说明了根据不同的实施方式的方法100。
[0083]
接下来为了更为简单的理解而参考调节回路的每个实例的两个示例性的元件(用1和2编号)，例如参考两个调整元件、两个调节参量、两个调整参量、两个控制参量等。可以理解的是，针对两个示例性的元件所作的说明类似地也可以适用于所述实例的多于两个的元件。
[0084]
涂层过程201可以借助多个调整元件供应，例如借助第一调整元件(调整元件1)和第二调整元件(调整元件2)。多个调整元件中的每个调整元件可以设置用于，例如基于输送给调整元件的控制参量影响涂层过程201的调整参量。第一调整元件可以影响涂层过程201的第一调整参量。第二调整元件可以影响涂层过程201的第二调整参量。调整参量是所使用的调整元件的输出参量，借助其可以有针对性地介入受控系统。调整参量的瞬态值(也称为调整参量的实际状态)是所谓的调整值。
[0085]
借助调整元件的供应可以表明，比如(例如将一种或多于一种的材料)输送给涂层过程201和/或从涂层过程抽出，其中，输送和/或抽出可能通过调整元件受到影响。例如可以将一种材料输送给涂层过程。在所述情况下，调整元件可以例如影响速率(这就是说每单位时间的量)，用所述速率来输送材料(也称为输送速率)。例如可以从涂层过程抽出一种材料。在所述情况下，调整元件可以例如影响速率(这就是说每单位时间的量)，用所述速率来抽出材料(也称为抽出速率)。
[0086]
若材料例如在标准条件下是气态的，那么输送速率或抽出速率可以是气体流动速率(也称为流动速率)(输送速率然后也称为流入速率)。调整元件然后可以例如具有阀，借助该阀影响流动速率。调整元件可以备选或附加地例如具有泵，借助泵影响抽出速率。
[0087]
若材料例如在标准条件下是固态的，那么输送速率可以是雾化速率或蒸发速率。调整元件然后可以例如具有电源，借助电源影响输送速率。输送给雾化或蒸发的电功率，可以例如借助电源加以改变。不过雾化速率也可以借助工作气体的输送速率加以影响。
[0088]
在本文中，还参考作为示例性的供应速率的流入速率或者参考作为示例性的供应的相应的气体流(简称为流)。可以理解的是，所阐释的内容相类似地也可以适用于其它的供应速率或其它的供应。
[0089]
涂层过程201还可以具有至少两个(这就是说两个或多于两个的)调节参量。在所述至少两个调节参量中，可以彼此并行地、例如定时地和/或重复地检测一组调节参量，例如第一调节参量和第二调节参量。换句话说，彼此并行地检测所述一组调节参量的每个调节参量的实际状态211a、211b。由此可以得出(例如定时的)信息流，该信息流说明了所述一组调节参量的实际状态211a、211b。
[0090]
涂层过程201的将所述调整参量转为两个调节参量的那一部分，也称为受控系统(regelstrecke)。受控系统因此指的是调节回路的这样一部分，该部分的输出参量具有一个或多于一个的有待调节的物理参量(调节参量)，调节器应当借助调整参量影响所述物理的参量。针对调节参量的例子有：温度、压力、功率、电流、电压、化学成分、涂层速率、空间位置等。
[0091]
多个调节参量例如在代表了这些调节参量的材料上可以彼此不同。每个调节参量可以例如代表所述材料在涂层过程中的存在(例如量)。
[0092]
第一调节参量可以例如代表一种气体、例如工作气体或反应气体，例如该气体的部分压力。第二调节参量可以例如代表另一种气体、例如工作气体或反应气体，例如该气体的部分压力。
[0093]
第二调节参量备选可以代表速率，靶材用所述速率从固态转为气态(例如称为雾化速率或蒸发速率)。针对这种第二调节参量的例子有电参量，借助电参量供应等离子体。针对所述电参量的示例有：电压(例如施加在等离子体上)、电功率(例如供应给等离子体的电功率)、电流(例如供应给等离子体的电流)。
[0094]
受控系统可以理解为是涂层过程201的相互影响链，该涂层过程的链节经常仅部分可以分析说明或者甚至无法通过实验访问。受控系统的每个输出参量，这就是说每个调节参量，可以借助测量元件(例如具有一个或多于一个的传感器)检测。受控系统的每个输入参量，这就是说每个调整参量，可以借助调整元件进行调整。测量元件和调整元件因此形成了在受控系统和调节回路的反馈系统之间的接口。
[0095]
在数学上可以将受控系统视作多维的传递系统，如之后还要更为准确地说明的那样。受控系统可以从调整参量的多维的空间再次传递到调节参量的多维的空间中，这也称为mimo受控系统(mimo＝“多输入多输出系统”)。传递系统可以具有线性的和/或非线性的行为。线性的传递系统(例如线性的时间不变的系统)可以通过微分方程(dgl)、通过传递函数、通过数值的时间离散的方法(差分方程)和/或在状态空间中说明。为此可以例如确定受控系统的一个模型。
[0096]
涂层过程201可以例如这样设置，使得第一调整参量影响第一调节参量和/或第二调节参量。涂层过程201可以例如这样设置，使得第二调整参量影响第一调节参量和/或第二调节参量。
[0097]
涂层过程201备选或附加地可以这样设置，使得第一调节参量和/或第二调节参量相互影响，例如是彼此的函数。所述一组多个彼此并行地检测的调节参量的调节参量例如可以彼此相互影响。
[0098]
所述一组彼此平行地检测的调节参量的每个调节参量的实际状态211a、211b因此可以转为多个控制参量213，例如借助具有至少一个(这就是说一个或多于一个)调节元件的调节器203。调节器203可以例如借助控制装置实施。多个控制参量213中，第一控制参量输送给第一调整元件，以便驱控第一调整元件。换句话说，第一调整元件可以借助第一控制参量进行驱控。多个控制参量213中，第二控制参量可以输送给第二调整元件。换句话说，第二调整元件可以借助第二控制参量进行驱控。
[0099]
调节器203可以这样设置，使得所述一组彼此并行检测的调节参量的每个调节参量的实际状态211a、211b转为第一控制参量。调节器203可以这样设置，使得所述一组彼此并行检测的调节参量的每个调节参量的实际状态211a、211b转为第二控制参量。
[0100]
为了检测各个调节参量，可以例如提供涂层过程的可控制性和可观察性。调节器203可以例如实施受控系统的数学模型(例如线性的dgl系统，必要时由线性化提供)。
[0101]
根据不同的实施方式，可以(例如借助调节器203)反馈所有对涂层过程重要的动态的参量或者使用状态观察器。根据不同的实施方式，可以(例如借助调节器203)为了更好的动态特性而反馈调节差偏差、实施紧凑的和统一的数学公式。
[0102]
与简单的pid调节相比，调节器203可以设置用于，调节mimo受控系统，其中，也考虑到了受控系统的不同的输入参量之间和/或受控系统内的耦合。
[0103]
下文从数学上阐释了上文所说明的方法的示例性的实施方案。基本的相互影响的在此所使用的数学公式可以理解为是示例。为了更为简单的理解，代表了调节回路的每个实例的上文所说明的元件的参量，被表达为向量。不过可以理解的是，取代向量空间的是，任意其它的数学空间也可能适用于说明基本的相互影响。更为普遍而言，可以使用也能转为线性方程组的张量和运算符。
[0104]
在下面的例子中，在状态空间中或者借助形式为一阶线性dgl系统的状态空间模型来说明受控系统。与此对应地涉及内部的系统状态x(t)(也称为状态向量)、输出向量y(t)和驱动向量u(t)(也称为输入向量)。输出向量y(t)代表了受控系统的每个调节参量的实际状态并且可以借助一个或多于一个的传感器进行检测。输入向量u(t)代表了受控系统的每个调整参量的实际状态并且可以借助一个或多于一个的调整元件(也称为执行器)加以影响。
[0105]
倘若受控系统更好地借助非线性的dgl系统说明，那么可以围绕dgl系统(dgl系统例如说明了涂层过程)的兴趣点(例如称为工作点的代表)进行线性化，所述兴趣点例如可以代表涂层过程的真实的工作点。线性化然后将调节器203限制在状态空间的一个子空间中。不过这可能足够了，因为调节器203设置用于将系统状态保持在这个子空间中，这就是说，防止系统状态离开所述子空间。可以理解的是，如果需要的话，也可以部分线性化和定义更为复杂的受控系统。针对线性的dgl系统所作的说明类似地也可以适用于线性化的受控系统。
[0106]
例如可以借助泰勒展开式、例如一阶泰勒展开式进行dgl系统的一般的线性化，该泰勒展开式如下：
[0107][0108][0109]
带有模型项(a，b，c)和d，它们可以写为：
[0110][0111]
并且带有与工作点的偏差x(t)和u(t)，这可以通过
[0112][0113][0114]
表达。
[0115]
受控系统的模型可以例如具有一个或多于一个的模型项，例如两个或两个以上、例如三个或三个以上的模型项(a，b，c)。可以理解的是，在本文中所说明的具有三个模型项的模型是示例性的并且基本的相互关系也可以不同地表达。例如也可以使用多于三个或少于三个的模型项。例如可以借助到更高维度的空间的变换来例如合并两个或两个以上的模型项。例如可以借助到两个低维度的空间的变换来例如拆分一个模型项。
[0116]
关于(用于渐进稳定的涂层过程的)输出向量的隐含预定的工作点定义了差并且通常通过未知的关系给定，但通常可以为此进行直接测量。
[0117]
这样来选择工作点，使得受控系统处于均衡，这通过：
[0118][0119]
表达，其中，和是常数，并且促使与工作点的偏差x可以动态地通过一致的dgl系统描述，即根据关系：
[0120][0121]
当调节参量的时间变化基本上为零和/或经过了预定义的时间段、例如响应于偏
转的多倍的半值时间时，受控系统近似处于平衡。换句话说，对阶跃响应的检测可以表明，一旦满足标准，就在调整参量的多个额定状态之间(离散地)转换。当调节参量的实际状态的变化速率满足预定义的标准时，例如当所述变化速率低于预定义的阈值时，就可以例如满足所述标准。更为普遍而言，阶跃响应使得调整参量的额定状态(也称为额定调整参量、例如预定参量)是调节参量的变化速率的非连续函数。
[0122]
综合起来，这产生了针对受控系统在相应地确定的工作点和上的偏差x(t)、y(t)和u(t)的近似模型：
[0123][0124]
和
[0125][0126]
受控系统可以基于此表达如下：
[0127][0128]
y(t)＝cx(t) du(t){ fd(t)}
[0129]
带有系统矩阵a、输入矩阵b、输出矩阵c、透射矩阵d、干扰矩阵e、f和干扰参量d(t)。如之前阐释的那样，作为矩阵的表达式仅是示例，其基于矩阵的更为直观的二维性应当便于理解。如之前所阐释的那样，在大括号中的表达({ ed(t)}和{ fd(t)})仅为了完整性而一同记录，但接下来可以忽略。
[0130]
用于系统状态和输出向量的运动方程然后可以表达为：
[0131][0132][0133]
在接下来的观察中，例如当输入向量没有通道(durchgang)或者在所观察的受控系统中对输出向量没有即时影响时，设d＝0。
[0134]
针对渐进稳定的涂层过程，可以借助静态矩阵描述用于恒定不变的输入u(t)＝u的输出的最终值，静态矩阵如下：
[0135]ks
＝{d}-ca-1b[0136]
然后ksu＝y(∞)。
[0137]
系统状态x(t)在状态调节的范畴内通过驱动向量
[0138]
u(t)＝-kx(t)
[0139]
借助反馈的调节元件k(例如至少一个调节器矩阵)反馈，这与作为状态反馈的名称相关联。涂层过程的可观察性和可控制性方便了所述进程。反馈的调节元件k明显影响了特征值并且因此影响了总系统的(这就是说调节回路的)动态。
[0140]
反馈的调节元件k可以例如具有一个或多于一个的调节元件，例如两个或多于两
个的调节元件，例如三个或多于三个的调节元件，如稍后还将更为准确地说明的那样。可以理解的是，反馈的调节元件k是示例性的并且基础的相互关系也可以被不同地表达。相同的说明也适用于本文中说明的其它调节元件。
[0141]
例如也可以使用多于三个或少于三个的调节元件。可以例如借助到更高维度的空间的变换来例如合并两个或两个以上的调节元件。可以例如借助到两个低维度的空间的变换来例如拆分一个调节元件。
[0142]
反馈的调节元件k可以借助实验的和/或数值的过程确定，如稍后还将更为准确地说明的那样。
[0143]
图3在详细的示意性调节图300中阐明了根据不同的实施方式的方法100，其阐明了带有预滤器的状态反馈。
[0144]
预滤器v可以实施额定值或额定状态w(t)的接通，这可以写为：
[0145]
u(t)＝-kx(t) vw(t)
[0146]
这促成了静态的预控并且确保了相应的额定值序列。dgl系统的齐次解例如导致x(t
→
∞)＝0。额定值接通通过dgl系统的特称解提供了过渡x(t
→
∞)＝w，而不会改变调节回路的动态或特征值。
[0147]
调节回路(这就是说具有受控系统和调节器)然后可以表达如下：
[0148][0149]
借助预滤器的预控可以表明，不能或几乎不能抑制干扰或参数偏差。作为预控的备选方案或者除了预控外，也可以使用状态反馈中的更为灵活的pi部分。为此可以将例如表达为
[0150][0151]
的用于调节偏差的向量作为附加的变量引入到运动方程中。这样扩展的dgl系统也可以表达成积分系统，其例如可以写为：
[0152][0153]
y(t)＝(c 0)x(t)
[0154][0155][0156]
新的变量显然可以用作额定值偏差的积分仪并且在调节器中借助作为调节元件的积分放大器ki反馈，这可以写为：
[0157]
u(t)＝-kx(t)-kixr(t)
[0158]
附加的p部分(但也可以删去)可以改进调节回路的动态特性并且将设计自由引入到调节器中。附加的p部分(如果存在的话)可选促成了静态预控的效果，这可以写为：
[0159]
u(t)＝-kx(t)-k
p
(cx(t)-w)-kixr(t)
[0160]
所述设计然后用经扩展的系统矩阵ai、经扩展的输入矩阵bi和经扩展的输出矩阵ci完成。
[0161]
图4在(用于pi输出调节的)详细的示意性调节图400中阐明了根据不同的实施方式的方法100，该图阐明了调节回路，该调节回路具有i扩展的控制段和输出反馈(并且可选不具有输出的直接的反馈)。
[0162]
到输出调节器的过渡(注意y(t)＝cx(t)))明显方便了调节器的实施和技术实现。当受控系统明显是良性的时，这就是说，就可控制性和可观察性而言的预定义的标准均得到满足并且c是可逆的时，到输出调节器的这种过渡是可能的。
[0163]
在此，然后可以直接反馈输出向量y(t)(例如，代替系统状态x(t))，这可以写为：
[0164]
u(t)＝-kyy(t)-k
p
(y(t)-w)-kixr(t)
[0165]
反馈的调节元件k(例如反馈矩阵)可选可以直接与输出向量的反馈的调节元件ky结合，例如根据关系式ky＝kc-1
。
[0166]
经相应拓展的调节元件k
integral
(例如调节矩阵)直接包含了调节元件ky、k
p
和ki，这可以写为：
[0167][0168]
其中
[0169]
k1＝(ky k
p
)c，和
[0170]
k2＝ki[0171]
作为经扩展的系统的调节元件的状态反馈k
integral
可以借助数值算法(例如借助极点配置(polzuweisung)或线性二次型调节器)确定。
[0172]
调节元件ky和k
p
(例如调节器矩阵)的自由度可以用于修正调节器。部分ky在渐进稳定的涂层过程的情况下例如可以这样选择，使其完全确定了稳态中的输入。i部分的累积的调节偏差xr然后仅还调整干扰和参数偏差并且在最优情况下甚至可以让它们消失。
[0173]
下列关系可以用于针对w＝常数(例如在稳态中)计算ky：
[0174]
a)
[0175]
b)
[0176]
c)u(∞)＝-kyy(∞)-k
p
(y(∞)-w)-kixr(∞)＝-kyw
[0177]
b)和c)的比较提供了：
[0178]ky
＝b-1
ac-1
[0179]kp
、ki可以基于k1、k2确定，例如借助
[0180]kp
＝k1c-1
ꢀꢀky
，ki＝k2[0181]
在此处要注意的是，这个选择与等效。
[0182]
接下来讨论调节元件(例如以调节器矩阵的形式)的确定，其中，所述说明又可以理解为是示例性的实施方案。
[0183]
图5在示意图500中阐明了根据不同的实施方式借助方法100进行调节的涂层过程的特征值，其中，在复杂的向量空间内示出了特征值的范围。
[0184]
接下来阐释极点配置作为数值确定调节元件的第一个例子。
[0185]
极点配置可以基于受控系统的模型，例如具有模型项(a，b，c)。
[0186]
受控系统的模型可以例如实施围绕工作点的线性化，如上文所说明的那样。预定特征值并且因此预定调节回路的动态。所有本征函数的叠加然后直观地描述了调节回路的动态。特征值的虚部(im)产生了振荡，实部(re)则产生了衰减(例如负的实部)或增长(例如正的实部)。
[0187]
特征值以共轭对数给出并且可以例如选择实数和负数(对应于没有振荡的稳定化动态)。这可以例如仅涉及极点配置的应用。特征值的数值取决于调节回路的期望的动态(例如通过调整参量的物理上/技术上合理的走向变化快速达到额定值)。可以更为简单地借助模拟确定合理的特征值以进行预定。可以额外使用一种或多于一种的数值算法来预定极点(并且因此确定调节回路的反馈矩阵)，例如借助python、scipy或扩展有系统控制工具箱的matlab。
[0188]
若用于极点预定的特征值(例如由于缺乏经验而)难以预测，则可以优化线性二次型调节器(也称为lqr优化)，如接下来所说明的那样。
[0189]
作为数值确定调节元件的第二个例子，接下来阐释lqr优化(lqr＝“linear-quadratic regulator线性二次型调节器”)。
[0190]
lqr优化可以基于受控系统的一个模型(a，b，c)。在lqr优化中，明显基于优化问题的解决求出了尽可能最优的调节。为此，通过最小化二次质量泛函数
[0191][0192]
确定了用于调节回路的反馈u(t)＝-kx(t)的反馈的调节元件k。这对应了黎卡提方程的解。受控系统运行进入静止位置x＝0越快，那么泛函数的第一被加数x
t
(t)qx(t)提供的数值就越少。第二被加数u
t
(t)ru(t)直观地考虑到了驱动向量u(t)的消耗，驱动向量被用于恰当地驱动系统。对称的半正定加权矩阵q和对称的正定加权矩阵r在此确定了质量要求和闭环调节回路变现如何。
[0193]
但加权矩阵q和r的选择可能极为高要求。q的示例性的、但简单和合理的选择可以表达为
[0194]
q＝c
tqyc[0195]
其中，qy＝diag(q1，
…
，qn)，
[0196]
因为这被表达为关于输出向量y的分量的变化过程的质量泛函数，这可以写为：
[0197][0198]
用于优化的边缘条件可以例如具有：在尽可能快速达到输出参量的额定值时调整参量不会有小的变化。
[0199]
为此，可以使用一种或多于一种的数值算法用于lqr优化(并且因此用于求出调节回路的反馈矩阵)，所述算法包含在不同的编程语言中，例如包含在扩展有库scipy的python中或matlab 系统控制工具箱中。用于lqr优化的数值算法可以例如借助lqr函数lqr(
″
argumenl
″
)调用，该函数返回实参的lqr优化的结果。然后得出了k＝lqr(q，r，a，b)。
[0200]
可选可以取代系统矩阵a地在时间连续的lqr算法中使用表达a-α1(也称为借助因子α的位移或称为移位)，这然后可以写为：
[0201]
k＝lqr(q，r，a-α1，b)
[0202]
这使得要求特征值与虚轴有间距，因而改进了稳定性。移位的这种做法可以例如类似地同样应用于扫描系统。
[0203]
作为实验地求出调节元件的第一个例子，接下来阐释静态的调节元件(也称为静态元件)的求出(例如形式为静态矩阵)。
[0204]
不一定需要受控系统的模型(a，b，c)来实验地求出调节元件。相反，就确保额定值序列并且就稳定性来实验地求出至少一个调节元件。动态行为仅能受到不准确的影响或甚至不受影响。
[0205]
引入两个参数(也称为调谐参数)来确定至少一个调节元件并且实验地求出所述参数的值。这在渐进稳定的涂层过程的情形下明显可以特别良好地完成。若不存在这一点，那么在稳态下输出的所产生的最终值很难或甚至无法测量。
[0206]
静态元件ks通过多个单次实验获得。为此可以规定用于受控系统的恒定不变的、线性独立的输入向量ui，其中，在涂层过程稳后化测量输出向量yi(t＝∞)。为此，预定义了时间t
meas
(也称为稳定化时间)，在涂层装置结束这个时间之后才被认为是稳定的，这就是说yi(t＝t
meas
)≈yi(t＝∞)。输入向量和输出向量接下来借助矩阵
[0207]
u＝(u
1 u2ꢀ…ꢀ
un)和
[0208]
y＝(y1(∞) y2(∞)
ꢀ…ꢀyn
(∞))
[0209]
在形式上为了简化书写而合并。在最为简单的情况下，可以为每个变化ui将输入向量的仅一个分量设置成不等于零，这此外还适用于自动校准的应用(例如借助所谓的自动调谐算法)，自动校准稍后还将更为准确地说明。静态元件然后可以基于输入向量和输出向量求出，例如根据关系：
[0210]ks
＝yu-1
[0211]
基于静态元件(例如其逆)可以求出一个或多于一个的调节元件(例如形式为调节器矩阵)，例如根据下列关系中的一个或多于一个：
[0212][0213]
其带有因子(也称为调谐因子)a和b。明显可以用很小的调谐因子开始，以便简化进程。可以提高调谐因子，以便加速稳定化，只要涂层过程还具有稳定性储备并且不振荡。
[0214]
接下来可以基于一个或多于一个的调节元件形成pi输出调节器。
[0215]
如之前针对pi输出调节、即针对ky的选择所阐释的那样，可以取代ky＝0地也在此设置
[0216][0217]
这促使，在方法100开始时(例如在调节偏差的积分设置为零时)，输入在开始时没有同样设置为零，而是在明显合理的状态下开始。
[0218]
图6在详细的示意性结构图中阐明了根据不同的实施方式的方法的实施600，其中，借助所述结构图接下来还阐释离散化(在此示例性地针对离散的pi输出调节器示出)。
[0219]
调节器的离散化使得能考虑到一个或多于一个的扫描效果，例如考虑到，时间离散地求出调节参量的实际状态(这就是说，用重复频率确定)。
[0220]
在此，可以使用输入的矩形的(部分恒定不变的)特性来为系统状态的时间进化获取离散的映射。以如下方式来进行离散化，即，将时间连续的向量和y(t)例如根据下列关系转为时间离散的向量xk和yk：
[0221][0222]
其中，k是整数。
[0223]
时间连续的向量和y(t)到时间离散的向量xk和yk的具体的转化在此基于扫描时间t的值。扫描时间t说明了直接连续相继的时间点的时间间隔，在所述时间点中，检测涂层过程的一个或多于一个的调节参量，这就是说，在所述时间点时扫描涂层过程。
[0224]
在使用驱动向量u(t)的部分恒定不变的函数的情况下，从对连续的dgl系统的解析解得出了在时间离散的动态受控系统的模型项(例如形式为模型矩阵)之间的关系，所述关系可以写为：
[0225][0226]
矩阵指数函数的计算可以例如借助对角化a＝s diag(λ1，...，λn)s-1
完成。时间离散的模型项(例如形式为模型矩阵)可以表达为：
[0227]
[0228][0229]
直观而言，矩阵指数和积分的数值的转换在这种形式中简单得多。在最后行中的表达例如可以更为简单地实现或者完全通过软件实现。
[0230]
针对时间离散的积分系统的扩展可以表达为：
[0231][0232]
其中，调节偏差x
r，k 1
＝x
r，k
y
k-wk直接被累积。用于时间离散地扫描涂层过程的状态调节器的设计(也称为时间离散的受控系统)与时间连续的受控系统一致，因为：
[0233]
·
一个或多个极点预定算法可以既用于时间连续的受控系统也用于时间离散的受控系统，因为按照λd＝e
λt
，扫描系统的极点与时间连续的受控系统的极点相关；并且
[0234]
·
用于扫描系统的一个或多个lqr算法是已知的，不过不必与时间连续的受控系统的lqr算法一致。
[0235]
就时间离散的pi输出调节器确定而言，要指出的是，ky偏离针对时间连续的受控系统的上述pi输出调节，因为：
[0236]
a)y
∞
＝cy
∞
＝w
[0237]
b)
[0238]
c)u
∞
＝-kyy
∞-k
p
(y
∞-w)-kix
r，∞
＝-kyw
[0239]
按照b)和c)的比较以及关于k1、k2的其余的调节元件得出：
[0240][0241]kp
＝k1c-1-ky和
[0242]ki
＝k2[0243]
为了使用lqr算法，要指出的是，在解时间连续的或时间离散的黎卡提方程时存在区别，所述区别可以在数值上实现或使用相应的库时被观察到。此外，预定的稳定度α的应用与时间连续的受控系统相比有所不同。接下来与时间连续的受控系统类似地阐释到时间离散的受控系统的推广。
[0244]
引入新的参量，即
[0245][0246][0247]
为了让质量泛函数现在假定一个最终的值，最初的参量xk和uk可以比e-αt
下降得更
快。为此，从现有的扫描中确定了针对新引入的参量的合适的时间离散的扫描。时间离散的状态向量
[0248]
x
k|1
＝adxk bduk[0249]
与e
αkt
的相乘提供了
[0250][0251]
并且提及了
[0252][0253]
用lqr(q，r，ade
αt
，bde
αt
)取代lqr(q，r，ad，bd)调用lqr函数，然后就与时间连续的受控系统类似地提供了对所要求的稳定度的考虑。
[0254]
更普遍而言，根据不同的实施方式，借助所述方法提供的是，对时间连续的受控系统建模，该时间连续的受控系统例如考虑到了预定义的稳定度。这实现了一种更为稳健的调节器。
[0255]
图7在详细的示意图中阐明了根据不同的实施方式的受控系统700，接下来借助所述图还阐释受控系统的示例性的模型(也简称为过程模型)。
[0256]
所述示例性的过程模型可以便于，获得用于确定一个或多于一个的调节元件的起点和/或执行数值的模拟。接下来借助具有溅射过程的示例性的涂层过程来阐释示例性的过程模型。
[0257]
溅射过程可以具有：借助等离子体将材料(也称为靶材)雾化(所谓的溅射)。借助经雾化的靶材可以在基底上形成一个层。换句话说，溅射过程表明，借助雾化将输送用于形成层的材料(靶材)从固相转为气相。
[0258]
可以理解的是，溅射过程仅是物理气相沉积(pvd)的示例，并且针对溅射过程所作的描述可以类似地适用于其它类型的pvd，此时固体材料以其它方式转为气态材料。针对此的例子有：电子束蒸发、热蒸发、电弧蒸发、分子束外延、离子镀。
[0259]
例如可以执行多个涂层过程，多个涂层过程中的每个涂层过程均在基底上沉积至少一个层并且应当根据方法100进行调节。所述多个涂层过程中的一个或多于一个的涂层过程可以例如具有溅射过程。直接连续相继的涂层过程(也称为直接相邻的涂层过程)例如通过这些气体的相互交换可选可以彼此相互影响。
[0260]
状态向量x、输入向量u和输出向量y借助代表了受控系统的模型项(a，b，c)互相转化。与向量类似的是，用于接下来的阐释的模型项(a，b，c)被记录为向量空间的元素。所阐释的内容当然可以类似地适用于其它记录。
[0261]
状态向量x、输入向量u和输出向量y的结合可以具有下列形式(也称为模型形式)：
[0262]
和
[0263]
y(t)＝cx(t) {du(t)}
[0264]
a指的是系统矩阵，b指的是输入矩阵，并且c指的是输出矩阵。运算符d在这个模型形式中被略去，但可选也可以考虑到。
[0265]
输入向量u代表了涂层过程的调整参量的实际状态，输出向量y代表了涂层过程的调节参量的实际状态，并且状态向量x代表了涂层过程的相互影响链的实际状态(这就是说受控系统)，其将输入向量u转为输出向量y。
[0266]
为了简化理解，向量分量接下来用r和p标注。指数r和p直观地代表了，用什么来供应涂层过程。p例如可以代表第一种气体，例如其流入速率(例如标准体积流量)，用该流入速率来供应涂层过程。第一种气体可以例如具有工作气体或者由其形成。相应的第一调整元件然后可以例如具有第一阀，借助该第一阀影响第一种气体的流入速率。第一额定控制参量然后可以借助第一控制信号传递，第一控制信号输送给所述阀。工作气体可以例如具有氩或其它稀有气体或者由其形成。
[0267]
r可以例如代表第二种气体，例如其流入速率(例如标准体积流量)，用该流入速率来供应涂层过程。第二种气体可以例如具有反应气体或者由其形成。相应的第二调整元件然后可以例如具有第二阀，借助第二阀来影响第二种气体的流入速率。第二额定控制参量然后可以借助第二控制信号传递，第二控制信号输送给第二阀。反应气体可以例如具有分子氧(o2)、分子氮(n2)或o2和n2的混合物或者由其形成。
[0268]
可以理解的是，所述说明类似地也可以适用于多于两种的气体和/或用来供应涂层过程的其它气态的材料。气态材料例如也可以具有经雾化的靶材(例如转为气相的靶材)，因而会影响雾化速率。相应的调整元件然后可以例如具有电压供应，借助调整元件可以向等离子体供应电能。
[0269]
接下来在近似法中将气体量模型用于内部的状态向量并且将彼此脱开的气体贮存器用于各种气体类型。可以理解的是，相应的数学描述是示例性的并且是为了简化理解而选用的。当然也可以实现对近似法的其它的数学描述。
[0270]
状态向量x、输入向量u和输出向量y可以就有待确定的工作点进行定义。工作点越是接近额定工作区域(例如参考状态)，那么通过近似模型造成的损失就越小。为了简化阐释，接下来先阐释作为示例性的过程模型(也作为单室模型或单涂层过程模型)的(n＝1)模型，其紧接着作为示例性的过程模型系统性地扩展到n模型，这就是说n室模型或n涂层过程。
[0271]
图8在详细的示意性结构图中根据不同的实施方式阐明了(n＝1)模型800作为示例性的过程模型。(n＝1)模型800可以代表正好一个涂层过程，该涂层过程借助第一调整元件801a和第二调整元件801b供应、在真空室802(也称为过程室)内执行并且对基底102进行涂层。涂层过程的第一调节参量的实际状态211a可以借助第一传感器803a检测。涂层过程的第二调节参量的实际状态211b可以借助第二传感器803b检测。
[0272]
根据不同的实施方式，借助其来执行涂层过程的真空设备，可以具有真空室壳体，在真空室壳体中可以产生和/或获得真空。对基底102的涂层根据不同的实施方式可以在真空或者真空室壳体中完成。真空室壳体为此可以例如设置成气密的、防尘的和/或真空密封的。真空室壳体可以具有一个或多个真空室，其中，每个涂层过程可以在单独的真空室中执行，但并不是必需的。例如也可以在同一个真空室中执行两个或两个以上的涂层过程或者承受至少相同的过程气氛和/或相同的压力。
[0273]
此外，所述或者每个真空室802都可以与泵系统(具有至少一个粗真空泵和可选具有至少一个高真空泵)耦合，泵系统可以提供一个或多于一个的(例如第一或第二的)调整
元件，或多于一个的(例如第一或第二)调整元件，。泵系统可以设置用于，从真空室、例如从在该真空室内执行的涂层过程抽出气体，因而可以在该真空室中提供真空(这就是说压力小于0.3bar)，例如在约1mbar至约10-3
mbar(换句话说高真空)范围内的压力或比之更小的压力，例如在约10-3
mbar至约10-7
mbar(换句话说高度真空)范围内的压力或比之更小的压力、例如小于高度真空的压力，例如小于约10-7
mbar的压力(换句话说超高真空)。
[0274]
此外，所述或每个真空室802均可以与气体输入系统耦合，气体输入系统可以提供一个或多于一个的(例如第一或第二)调整元件，用所述调整元件来供应涂层过程。借助气体输入系统可以向真空室802、例如在该真空室内执行的涂层过程输送一种或多于一种的气体以在其内形成过程气氛。视有待执行的涂层过程而定，过程气氛可以具有相应的成分和/或相应的压力。针对有待输入的气体的例子可以具有：工作气体(例如惰性气体)和反应气体。涂层过程所承受的压力，可以由气体的平衡形成，气体可以借助气体输送系统输送并且借助泵系统抽出，这就是说，用气体来供应涂层过程。
[0275]
此外，可以在所述或每个真空室802中布置一个涂层装置，该涂层装置可以提供一个或多于一个的(例如第一或第二)调整元件，用所述调整元件来供应涂层过程。借助涂层过程可以向真空室802、例如在该真空室内执行的涂层过程输送一种或多于一种的靶材以形成涂层。涂层装置可以例如具有溅射装置或者由其形成。
[0276]
在第一种示例性的实施方案中，(n＝1)模型800考虑到了过程电压(用过程电压供应涂层过程)作为示例性的第一调节参量和涂层过程所承受的总压力作为示例性的第二调节参量。借助过程电压可以例如向涂层装置供应电功率。过程电压可以例如影响，靶材以哪种速率转为气态(例如蒸发或雾化)。
[0277]
在第二种示例性的实施方案中，(n＝1)模型800考虑到了工作气体到涂层过程的输送作为示例性的第一调整参量和反应气体到涂层过程的输送作为示例性的第二调整参量。
[0278]
在第三种示例性的实施方案中，(n＝1)模型800考虑到了在过程室802中对作为第一调节参量的过程电压u的和作为第二调节参量的总压力p的并行调节以及用作为调整参量的向涂层过程供应工作气体和反应气体。
[0279]
通常也还可以考虑到一个或多于一个的附加的调节参量，例如通过将状态向量x、输入向量u和输出向量y扩展了一个维度。每个调节参量可以例如可以使用一个气体进入阀(例如反应气体入口)作为调整元件和一个或多于一个的传感器，传感器设置用于，确定在多种气体(例如反应气体)之间的比例(例如就其部分压力和/或流入速率而言)。
[0280]
状态向量x代表了所使用的气体类型的气体量在未知的工作点上的差，这可以写为：
[0281][0282]
输出向量y代表了所检测到的过程特征参量(也称为调节参量)在定义的工作点上的差，这可以写为：
[0283]
其中
[0284]
工作点和
[0285]
测量参量
[0286]
接下来阐释(n＝1)模型中输出矩阵c的示例性的实施方案。示例性的实施方案推导出了解析平面，其中，也可以使用其它处理办法，例如通过其它的解析方法或模型参数的拟合。
[0287]
气体量到部分压力的换算借助因子c
p
完成，该因子在理想的气体下与体积相关并且与温度相关。若因子c
p
可选与气体类型相关，那么可以分别使用单独的因子和部分压力差相加成总压力差，这可以写为：
[0288][0289]
气体的部分压力变化主要引起成比例的、与气体类型相关的电压变化的近似关系，可以写为：
[0290][0291]
其中，和在此是比例因子。这可以合并成：
[0292][0293]
输出矩阵c可以基于此表达为：
[0294][0295]
接下来在(n＝1)模型中阐释输入向量u的可能的实施方案。输入向量u例如代表了到真空室802内的材料流(例如气流)，这就是说输送给涂层过程的材料流，作为与相应的初始流(这可以是参考状态下的材料流)的差，这由此表达：
[0296][0297]
接下来阐释(n＝1)模型中输入矩阵b的可能的实施方案。输入向量u代表每单位时间的气体量，因此可以写为：
[0298][0299]
是对角矩阵。标准单位的使用(例如每分钟标准立方厘米，这就是说以sccm使b的实施方案与设备无关并且在国际上都能理解)。针对气体类型(例如反应气体或工作气体)就可以写为：
[0300][0301]
带有恒定不变的气体流ν。系数b仅考虑到了时间单位的换算并且可选可以被标准化或略去。在过程模型的框架内，时间可以例如以秒说明(sccm变成了每秒标准立方厘米，这就是说变成了sccs)，因而b＝1/60。然后可以写为：
[0302][0303]
接下来阐释(n＝1)模型中系统矩阵a的可能的实施方案。用于工作气体和反应气体的气体贮存器首先没有彼此相互影响或至多可以忽略地相互影响这样的近似关系，可以表达为对焦矩阵，例如表达为：
[0304][0305]
其中，正的参数a
loc
代表了气体量通过涂层过程的分解和泵出(这就是说气体的抽出)。
[0306]
此处要指出的是，作为输送给涂层过程的材料的备选或者除了输送给涂层过程的材料外，可以考虑到从涂层过程抽出的材料。因此基于在输送和抽出之间的平衡形成了提供给涂层过程的材料量。这种平衡在本文中更为普遍地称为供应。换句话说，用材料供应涂层过程表明，将材料输送给涂层过程和/或从涂层过程抽出。输送和抽出可以例如借助作为调整元件的阀设置。
[0307]
对角的系统矩阵a导致解耦为单独的微分方程，用于每种气体类型的dgl然后可以表达为：
[0308][0309]
并且对恒定不变的流入u(t)＝u解析求解，这然后可以写为：
[0310][0311]
由此直接得出了关于气体类型的动态的总压力变化δp(t)，这可以表达为：δp(t)＝c
p
x(t)。
[0312]
为了确定模型项，可以利用这种关系的结构。输入向量的偏转导致了涂层过程的状态的可以检测到的偏转。输入向量的示例性的阶跃形的偏转可以表达为：
[0313][0314]
用在时间点t＝0、δp(0)＝c
p
x(0)＝0上的稳态的解在阶跃形的偏转之后产生了压差δp(∞)。未知的分解系数
[0315]
[0316]
可以借助由压力信号能确定的关于δp(∞)的半值时间τ实验地确定。基于分解系数a
loc
可以确定关于所观察的气体的压力的换算因子，例如根据关系：
[0317][0318]
类似地可以基于在过程电压中产生的差δu(∞)，例如根据关系
[0319][0320]
确定有关电压的换算因子。
[0321]
(n＝1)模型接下来扩展为(n＝2)模型(也称为双室模型或双涂层过程模型)。
[0322]
图9在详细的示意性结构图中阐明了根据不同的实施方式的作为示例性的过程模型的(n＝2)模型900。(n＝2)模型900可以代表多个涂层过程，这些涂层过程中的每个涂层过程(例如第n个涂层过程)借助第一调整元件801a、901a和第二调整元件801b、901b供应、在一个真空室802内(也称为过程室)执行，并且对基底102涂层。
[0323]
彼此直接相邻的涂层过程可以例如以如下方式彼此相互影响，即，这些气体穿过开口902(也称为基底转移开口)交换，基底穿过所述开口在两个真空室802之间运输。
[0324]
接下来，指数1涉及第一涂层过程或其内执行第一涂层过程的第一真空室。与之类似，指数2涉及第二涂层过程或其内执行第二涂层过程的第二真空室。
[0325]
(n＝1)模型套用到(n＝2)模型表明，借助系统矩阵考虑到了两个涂层过程之间的相互影响。
[0326]
状态向量x可以首先表达为：
[0327][0328]
与之类似，输出向量y可以表达为：
[0329][0330]
其中工作点和
[0331]
测量参量
[0332]
输出矩阵c然后可以表达为：
[0333][0334]
输出矩阵c的占据值零的项，在上面两行中直观地代表了，在一个真空室中的部分压力或气体量不会影响在直接相邻的真空室中的过程电压。占据值零的项在下两行中类似地直观地代表了，在所述一个真空室中的部分压力或气体量不会影响所述直接相邻的真空室的总压力。那么合起来写就是：
[0335][0336]
输入向量u然后可以表达为：
[0337][0338]
输入矩阵b然后可以表达为：
[0339][0340]
接下来阐释在(n＝2)模型中系统矩阵a的可能的实施方案。系统矩阵a作为第一系统分量代表了两个涂层过程的每个涂层过程的或者在两个真空室802的每个真空室内的动
态。系统矩阵a作为第二系统分量额外代表了在两个涂层过程或真空室802之间的相互影响。
[0341]
两个系统分量原则上彼此叠加。在第一近似法中，第一系统分量和第二系统分量可以叠加，这在线性化的情形下甚至是精确的。这可以表达为：
[0342]
a＝a
local
a
exchange
[0343]alocal
明确考虑到了在涂层过程内的相互影响链，这就是说，局部明确(在诸如单室模型时的一个室内)。有效参数和整体上考虑到了通过例如所述涂层过程的泵出和气体消耗并且还考虑到了通过相邻的涂层过程的边缘效应。
[0344]alocal
可以表达为：
[0345][0346]aexchange
考虑到了两个涂层过程之间或两个真空室之间的相互影响。a
exchange
可以理解为是考虑相互影响的示例性的实施方案，这就是说，对相互影响的这些考虑也可以不同地进行。在所有调节元件中备选或附加地考虑到了在多个涂层过程之间的相互影响。
[0347]
气体(例如持久的气体流)从第一涂层过程到第二涂层过程的交换或者反过来的交换可以表达为：
[0348][0349]
带有导值导值明显考虑到了气体的交换进行得有多好，并且考虑到了不同的气体以及不同的方向。占据零的项则明显考虑到，一种类型的气体(也称为气体类型)的气体流仅引起了同一种类型的气体的部分压力的变化并且不会影响其它类型的气体的部分压力。
[0350]
这可以紧凑地表达为：
[0351][0352]
图10在详细的示意性结构图1000中阐明了根据不同的实施方式的(n＝2)模型900，在该模型中示出了系统矩阵a的分量。(n＝2)模型接下来扩展为(n＝3)模型(也称为三
室模型或三涂层过程模型)。
[0353]
图11在两个详细的示意性结构图中阐明了根据不同的实施方式的(n＝3)模型1100作为示例性的过程模型，在该模型中又示出了系统矩阵a的分量。
[0354]
在(n＝2)模型套用到(n＝3)模型时，不必考虑附加的影响/相互影响。不过系统矩阵的形式发生了轻微的改变，因为由毗邻两个其它的涂层过程的涂层过程可以进行与两个其它涂层过程的每个涂层过程的气体交换。
[0355]
相应地扩展后的状态向量、扩展后的输出向量、扩展后的输入向量、扩展后的输入矩阵和扩展后的输出矩阵，然后可以与之前类似地表达为：
[0356][0357][0358]
其中工作点和测量参量
[0359]
其中，
[0360][0361]
并且
[0362][0363][0364]
接下来阐释(n＝3)模型中系统矩阵a的示例性的实施方案，所述实施方案考虑到了动态和涂层过程之间的相互影响。这又具有形式：
[0365]
a＝a
local
a
exchange
[0366]alocal
同样可以扩展，这可以表达为：
[0367][0368]alocal
的矩阵分量在上面的结构图中阐明。
[0369]aexchange
考虑到了气体从第i个真空室(也称为室i)到相邻的真空室i-1和i 1的气体流和反过来的气体流，
[0370][0371]
在此，a
exchange
可选可以考虑到，如何在列举的例子中阐释，仅进行了彼此直接相邻的涂层过程的相互影响(也称为最近邻相互影响)，这就是说，明显气体流没有跳过真空室。
[0372]aexchange
的矩阵分量在下方的结构图中阐明。
[0373]
系统矩阵a然后可以紧凑地表达为：
[0374][0375]
过程模型能以相同的方式扩展到n模型，n模型考虑到了多于三个的涂层过程或多于三个的真空室，例如数量为n的涂层过程或真空室，如下文中阐释的那样。
[0376]
图12在详细的示意性结构图中根据不同的实施方式阐明了n模型1200作为示例性的过程模型。
[0377]
为了将(n＝3)模型常规化，接下来对每个涂层过程或其内执行涂层过程的真空室编号。基底明显借助n个(例如三个、四个、五个、六个或六个以上的)涂层过程进行涂层，这些涂层过程中的第n个涂层过程在基底上沉积第n个层(在第(n-1)个层上方)，其中，1≤n≤n。涂层过程的数量n可以是四或四以上，例如五或五以上，例如十或十以上，例如20或20以上、例如30或30以上。
[0378]
考虑到了之前的相互影响，因而仅矩阵/向量的维度根据涂层过程的数量渐增。
[0379]
状态向量、输出向量、输入向量、输入矩阵和输出矩阵然后可以表达为：
[0380][0381][0382]
其中工作点和测量参量
[0383]
其中，
[0384][0385]
并且
[0386][0387]
b＝diag(b，...，b)
[0388]
接下来阐释n模型中系统矩阵a的可能的实施方案，可能的实施方案考虑到了涂层过程之间的动态和相互影响。用块式书写方法可以将系统矩阵a表达为：
[0389][0390]
其中，块矩阵a
p
的矩阵分量可以表达为：
[0391][0392]
并且块矩阵ar的矩阵分量可以表达为：
[0393][0394]
表达δ
i，j
指的是所谓的克罗内克δ函数，其满足如下关系：
[0395][0396]
图13在示意性流程图中根据不同的实施方式阐明了方法1300。方法100可以用于校准(例如反应式)涂层过程。方法1300则可以用于校准执行一个或多于一个的反应式涂层过程的过程组。
[0397]
方法1300具有：在1301中，当驱控(例如正好一个)第一调整元件(借助该第一调整元件供应涂层过程)时，第一次确定涂层过程的第一调节参量和第二调节参量对涂层过程从参考状态偏转的响应。换句话说，在第一次确定时，借助对第一调整元件(借助第一调整元件供应涂层过程)的驱控促成所述偏转。
[0398]
方法1300具有：在1303中，当驱控(正好一个)第二调整元件(借助该第二调整元件供应涂层过程)时，第二次确定涂层过程的第一调节参量和第二调节参量对涂层过程从参考状态偏转的响应。换句话说，在第二次确定时，借助对第二调整元件(借助第二调整元件供应涂层过程)的驱控促成所述偏转。
[0399]
参考状态可以表明，第一调节参量具有第一状态并且第二调节参量具有第二状态。显然确定了涂层过程从同一参考状态偏转。涂层过程的偏转可以理解为是涂层过程对形式为对第一或第二调整元件的驱控的外部刺激的响应。
[0400]
涂层过程是否处在参考状态中，可以例如借助对第一调节参量和第二调节参量的检测确定。可以以类似的方式借助对第一调节参量和第二调节参量的检测确定第一调节参量和第二调节参量的响应。
[0401]
涂层过程从参考状态偏转可以例如阶跃地进行(其中，所述响应然后被称为阶跃
响应)。为此，第一调整参量和/或第二调整参量可以阶跃地改变。可以理解的是，本文中针对示例性的阶跃响应的阐释也可以类似地适用于涂层过程从参考状态出来的其它(例如不那么阶跃地和/或循环地)偏转。
[0402]
阶跃响应显然代表了对涂层过程的两种说明，即响应的半值时间和响应的收敛值。
[0403]
第一次确定和第二次确定可以例如前后相继地进行。这在例如多个调节参量彼此相互影响时方便了检测作为响应的相应的偏转。
[0404]
方法1300可选可以表明，基于第一调节参量的响应和第二调节参量的响应确定过程模型和/或调节模型。调节模型可以例如基于过程模型确定或者直接从所确定的响应确定。
[0405]
借助调节模型又可以执行方法100。例如可以借助方法1300形成和/或更新输送给方法100的调节模型。
[0406]
方法1300方便了确定用于一个或多于一个的涂层过程的调节模型，例如调节模型的一个或多于一个的元件(也称为调节元件)。
[0407]
例如当不存在一个或多于一个的涂层过程的准确的过程模型时，例如可以完全或部分借助实验确定例如形式为模型矩阵的模型项(a，b，c)。方法1300备选或附加地可以至少部分被自动化(例如半自动化)，因而不一定必须要高素质和/或经验丰富的专业人士在场。方法1300显然十分稳健并且因此对操作者极为友好，即使操作者犯了小错误或者不准确或者操作者对一个或一个以上的操作过程的基本的相互影响知之甚少。
[0408]
这当然也适用于高素质的和/或经验丰富的专业人士，例如当一个或一个以上的涂层过程的高度复杂性使得难以猜出调节模型的参数时，或者当基于测量数据(例如借助单纯形算法)的平衡计算由于大量自由度/参数而非常不稳定和/或不可靠时。
[0409]
方法1300明显达到的是，用尽可能少的所测得的信息就可以接近过程模型(也称为(a，b，c)模型)或者将其用作自动调谐算法。
[0410]
选择在本文中说明的过程模型例如达到的是，可以立即预定义b并且因此仅还确定a和c。从测量数据实验性地确定ks与所存在的模型抽象构成的组合，可以用于从测量数据确定针对c的近似值并且从ks紧接着直接确定a，例如不必让用户介入。
[0411]
接下来阐释方法1300的示例性的实施方案。
[0412]
图14在示意图1400中阐明了根据方法1300的时间顺序，在该图中关于时间t示出了输入向量u(t)的分量、例如其实际状态和输出向量的分量、例如其实际状态。
[0413]
为了更为简单的理解，还再一次参考了之前所阐释的关系，该关系参考了调节元件ky、k
p
和ki并且设置成输入向量：
[0414]
u(t)＝-kyy(t)-k
p
(y(t)-w)-kixr(t)
[0415]
可以理解的是，三个调节元件ky、k
p
和ki是示例性的并且基本的相互关系也可以有不同的表达。例如也可以使用多于三个或少于三个的调节元件。例如可以借助到更高维度的空间的变换来合并两个或两个以上的调节元件。例如可以借助到低维度空间的变化拆分一个调节元件。例如可以作为输出反馈ky的备选方案或者除了输出反馈ky之外使用状态反馈k。
[0416]
方法1300表明，在每个阶段1401、1405、1409中，例如借助对至少一个调整元件(例如第一调整元件和/或第二调整元件)的驱控(借助调整元件来供应涂层过程)，将涂层过程带入参考状态。对至少一个调整元件的驱控可以例如经调节地进行，例如直至实际输出向量满足预定义的标准。
[0417]
当实际输出向量基本上对应额定输出向量(其对应作为参考状态的额定工作点)，这就是说尽可能偏离其很小时，例如可以满足预定义的标准。
[0418]
额定工作点可以例如借助将流入速率发置成每种输送给涂层过程的材料的调整参量完成，因而实际输出向量被隐晦地设定。这可以例如基于额定工作点附近的滞后数据完成。
[0419]
接下来阐释一些参数(也称为校准参数)，根据这些参数可以执行方法1300。参数明显定义了处理例行程序，例如测量持续时间、测量频率、偏转强度等。
[0420]
可以将稳定时间t
meas
和针对δt
meas
的值预定义为示例性的校准参数。t
meas
用于，在实验内/时间窗口内达到最终值或者返回到工作点，其中，传感器定时地间隔δt
meas
地被读取。换句话说，以频率1/δt
meas
提供测量数据。示例性的值可以表明：t
meas
＝90s，δt
meas
＝200ms。
[0421]
可以将稳定时间t
meas
的百分比预定义成示例性的校准参数，在所述稳定时间内，对在时间窗口t
meas
的最后部分内所检测到的测量数据求平均。求平均是可选的并且可以例如实施用于平衡系统性和/或随机波动的测量值(例如在靶转动时的电压)。示例性的值可以表明：
[0422]
将关于输入u的针对调整值(例如针对工作气体υ
p
和反应气体vr)的阶跃高度s预定义为示例性的校准参数。阶跃高度可以例如尽可能小(因此可以确定良好的线性的模型)，但促成了输出向量的可测量的变化(例如，抑制测量安全性、靶旋转等)。示例性的值可以表明：υ
p
＝100sccm，υr＝100sccm。
[0423]
可以将用于积分系统的针对输入的权r和针对输出的权q预定义为示例性的校准参数。这些示例性的校准参数可以用于在之后为了时间离散的lqr算法确定q和r。基于在稳定时间t
meas
结束后或者在内接收的测量数据，可选可以标准化各个输入和输出。在所述情况下，可以为多个涂层过程预定义基本上一致的权重因子r和q。示例性的值可以表明：r
p
＝10，rr＝10，qu＝1，q
p
＝1，
[0424]
可以将用于时间离散的lqr算法(如果使用的话)的稳定边缘α用作示例性的校准参数。示例性的值可以表明：α＝0.1，α＝0.2。
[0425]
方法1300表明，在阶段1403中，借助对第一调整元件(借助第一调整元件供应涂层过程)的驱控将涂层过程从参考状态偏转；并且在阶段1407中借助对第二调整元件(借助第二调整元件供应涂层过程)的驱控将涂层过程从参考状态偏转。
[0426]
方法1300表明，在阶段1403、1407的每个阶段中，例如通过检测第一调节参量和/
或第二调节参量的时间变化检测涂层过程对偏转的响应。可选可以在参考状态下检测每个涂层过程的实际状态，例如在阶段1401、1405、1409的每个阶段中。例如可以使用一个或一个以上的传感器用于检测每个彼此并行地检测的调节参量的实际状态。
[0427]
例如可以执行(例如自动化的)测量，所述测量表明，以固定的周期δt
meas
检测并且紧接着储存测量数据。
[0428]
接下来阐释示例性的实施方案，该实施方案使用流入速率作为调整参量。若涂层过程在参考状态中，那么检测例如针对一种或一种以上用来供应涂层过程的材料(例如气体)的实际流入速率可选可以在记录测量数据之前结束稳定时间。测量数据可以例如具有时间戳tk并且代表输入向量uk的实际状态和/或输出向量yk的实际状态。对最终值的检测(随着相应的阶段的结束)作为输出向量得出了针对经设定的实际流入速率的工作点
[0429]
在每个阶段1403、1407中，输入向量可以阶跃地关于流入速率发生改变并且可以等待所述稳定时间。在结束稳定时间之后可以记录测量数据。每个阶段1403、1407明显对应针对输入向量uk的相应的向量分量的单个实验。
[0430]
在每个阶段1405、1409中，流入速率又可以被带入到参考状态中(这就是说在阶段1405之前)。
[0431]
若应当校准多个彼此相邻的涂层过程，那么可以为涂层过程中的每个涂层过程执行阶段1401至1409的序列(也称为校准序列)。校准序列可以例如具有每个有待校准的调节参量或每个有待校准的调整元件至少两个阶段，至少两个阶段中的一个阶段表明占据参考状态并且另一个阶段表明从参考状态偏转。
[0432]
若用于第一涂层过程的校准序列1401至1409结束，那么为第二涂层过程(这就是前后相继)，之后则为可选的第三涂层过程等等执行校准序列1401至1409。例如每个涂层过程中过程气体的流入速率发生了改变，之后反应气体的流入速率发生改变，并且之后随着下一个涂层过程继续，直至为每个涂层过程执行校准序列1401至1409。可以将测量数据例如储存在文件中(例如调节器校准文件)或数据库中。测量数据(例如具有所检测到的时间系列)当然也可以以其它方式储存例如以用于紧接着的或稍后的继续使用。
[0433]
基于作为涂层过程的响应的输入矩阵u＝(u
1 u
2 ... un)和输出矩阵y＝(y1(∞) y2(∞) ... yn(∞))可以确定系统矩阵，例如根据关系：
[0434]ks
＝yu-1
[0435]
接下来阐释用于确定受控系统的模型的示例性的实施方案。首先可以确定(例如接近)模型项c。
[0436]
对模型项c的确定可以表明，为每个涂层过程确定压力系数和电压系数的近似值。所述近似法可以在使用时进行，即，关于工作点(在平衡状态下)每个涂层过程使用仅一个流入速率(例如针对相应的真空室)。换句话说，在忽略自动反馈的情况下(在相邻室中并且然后流回的气体)使用(n＝1)模型。单个实验的信号变化曲线可选可以被平滑和/或内插。借助用于搜索零的数值方法可以确定关于所产生的总压力的半值时间，相应的涂层过程承受所述总压力(例如在真空室中)。根据上述所解释的(n＝1)模型可以特定于输入分量地确定系数。
[0437]
确定模型项c还可以表明，各个分量的系数被概括到了矩阵c中。
[0438]
接下来阐释用于确定静态项ks的示例性的实施方案。可以如上文针对实验性地确定至少一个调节元件所阐释那样来确定静态项ks。由单个实验可以直接确定静态项(例如有关工作点近似值)。要指出的是，在此同样讨论了与额定工作点的差，这就是说
[0439]
接下来阐释用于数值地确定模型项a的可能的实施方案。受控系统的模型可以通过结构设计如上文阐释的那样提供一致的静态项，这就是说，可以直接使用静态项来确定模型项a的近似值，例如根据上文阐释的关系：
[0440]ks
＝-ca-1b[0441]
当已经独立于设备地确定了b(例如针对(n＝1)模型所阐释的那样)时，可以直接确定a＝-bk
s-1
c。作为结果现在可以为工作点确定受控系统的模型的模型项(a，b，c)。
[0442]
可选可以基于sps循环时间完成受控系统的离散化。如之前针对离散化(参看图6)所阐释的那样，可以基于连续的受控系统和循环时间确定从一个循环到紧接着的下一个循环的时间离散的模型(ad，bd，c)。用于借助对角化确定矩阵指数函数和积分的指导说明同样用于阐释之前的离散化。
[0443]
接下来阐释用于确定至少一个调节元件的示例性的实施方案。
[0444]
确定至少一个调节元件可以表明，为时间离散的lqr算法确定权重矩阵q和r。为了平衡压力和电压的数值的数量级中的差异和不同的涂层过程之间的差异，可以使用标准化。倘若人们将上文所阐释的输出权重因子合并到向量q中，那么人们借助标准化从测量数据获得了一个权重矩阵，其可以写为：
[0445][0446]
由对角的权重矩阵qy现在可以为lqr算法选择q＝c
t
qyc。由用于上文所阐释的输入的权重因子和为单个实验所设定的流入速率(也称为流量)可以直接形成对角的矩阵：
[0447][0448]
确定至少一个调节元件可以表明，借助lqr算法确定调节元件k
integral
。为此可以例如使用时间离散的矩阵-黎卡提方程的数值解，其能通过数值库访问。
[0449]
确定至少一个调节元件可以表明，调节元件k
integral
被分解成了多个调节元件。多个调节元件可以表明：
[0450][0451]kp
＝k1c-1-ky，
[0452]ki
＝k2[0453]
可以如上文针对图表400和针对离散化所阐释的那样将k
integral
＝(k
1 k2)分解成多个调节元件。
[0454]
这样确定的多个调节元件可以例如输送给sps并且由这个sps加以处理。sps可以基于多个调节元件然后执行方法100。所述一组多个彼此并行地检测的调节参量例如可以映射到第一控制参量和第二控制参量上。
[0455]
接下来说明可选可以使用的另外的方面。
[0456]
第一个方面可以表明，各个输入借助至少一个极限(这就是说具有上限和/或下限)加以限制：
[0457][0458]
这使得能平衡由数值问题、操作误差或测量技术中的误差引起的可能出现的困难复杂或者至少减少它们的影响。
[0459]
若应当求出处在区间外的流量，那么可以将相应的分量ui设置到最为接近的极限。该至少一个极限明显有利于，使涂层过程不在极为不利的条件下进行或甚至取消。基于所述至少一个极限也可以例如确定，例如在分量ui在较长的时间内设置到极限时，在调节涂层过程时是否应当减小所谓的积分器饱和。接下来阐释积分器饱和的减少。
[0460]
在向调节器给定一个不能起动的额定工作点并且这个额定工作点建立了调节偏差的巨大的积分(所谓的饱和)的情况下，当又预定了可达到的工作点时(例如具有一个或一个以上的额定值)，这个巨大的积分才可以再次减小。期望的调节器行为然后明显在稍后再次设置。下文中阐释了用于抑制这种影响的两个示例性的实施方案。
[0461]
用于抑制这些影响的第一个实施方案可以表明，暂停额定值差的累积。若调节器不应获得没法达到的工作点，那么这个调节器可以推进到计算出的输入分量ui的一个或多个极限。在假设输入占优势地作用到配属于这个输入的输出时(例如工作气体影响总压力或者反应气体影响涂层过程的过程电压)，可能承受相关的额定值差的积分/累积。一旦调节器又确定了在有效区间内的输入，那么可以继续积分，其中，在这种情况下不必减少饱和。
[0462]
用于抑制这种影响的第二个实施方案可以表明，完成累积的额定值差的复位(也称为重置)。这种措施不需要有关涂层过程的另外的信息。第二种实施方案可以表明，确定合适的标准，该标准定义了重置的时间点。因为有待计算出的输入(例如图表400)的巨大份额通过输出反馈借助ky传入，所以累积的调节偏差在固定的时间点上可以简单地设置到值零(也称为重置)。因为累积的调节偏差基本上应当抑制模型偏差和干扰参量，所以在这种重置后简单地重新调节所述方法，而不应对输入u的变化曲线造成强烈影响。
[0463]
第二个方面可以表明，涂层过程是一种不稳定的涂层过程(例如在沉积sio
x
时)。不稳定的涂层过程在调节参量响应调整参量的变化中具有滞后，这使确定对涂层过程从参考状态偏转的响应变得困难。不稳定的涂层过程可以例如倾向于，自动离开额定工作点和/或在两个自动产生的(稳定的)工作点之间摇摆(也称为双稳态的)。涂层过程例如可以在两个双稳态的工作点的其中一个工作点中倾斜并且卡在那里。
[0464]
双稳态行为大多由反应动态中的正反馈引起，它通过本身稳定了一些工作点。在反应溅射中，溅射阴极例如可以与作为反应气体的氧气发生反应，这使其表面更能抵抗等离子体并且由此阻止雾化(也称为靶中毒)。由此可能消耗更少的氧气，这导致了氧的剩余，氧的剩余又进而更强烈地氧化涂层材料的表面。反应气体的减少减少了它的剩余，从而减
少了溅射阴极的氧化。这加速了涂层材料的雾化并且因此也增加了反应气体的消耗，直到其剩余减少并且反应动态自动地向溅射阴极的金属表面倾斜。不过如果需要尚未完全反应的反应产物，则需要在稳定的工作点之间在不稳定的工作点中进行溅射过程(也称为平衡调节)。
[0465]
若涂层过程是不稳定的涂层过程，那么可以基于两个在不同的过程气体流中记录的滞后曲线确定过程模型。这可以表明，由多个滞后确定c。主信息然后可以根据针对单个实验的阶跃响应的记录插在压力曲线中。电压能以如下方式综合地产生，即，由压力和来自c的系数评估这个电压。然后能以上述方式加以处理所检测到的压力和人工产生的电压测量值。
[0466]
第二个方面可以表明，借助机器学习(例如多层学习-所谓的“deep learning深度学习”)确定调节模型的近似值，如之后还将更为准确地说明的那样。可以使用涂层过程的模拟的测量数据作为机器学习的输入参量并且使用基于模拟的过程模型作为机器学习的输出参量。模拟的测量数据可选还可以进行噪声处理(verrauschen)，这使机器学习的结果更为稳健。测量数据的噪声处理可以理解为是示例，其较为简单地模仿了一个或多于一个的真实作用的干扰参量(明显是干扰性的环境影响)。诸如测量技术的噪声或电压波动之类的干扰参量例如可以基于旋转的靶进行模仿。
[0467]
更为普遍而言，分别代表(模型化)涂层过程的(例如内部的和/或外部的)干扰参量的一个或多于一个的干扰元件可以与模拟的测量数据叠加。因此模型被刺激以抑制和/或忽视这些干扰参量，因而模型变得更为稳健。
[0468]
接下来阐明示例性的过程组，所述方法100和/或所述方法1300可以应用于所述过程组。
[0469]
图15a和15b分别在不同的结构图1500a、1500b中根据不同的实施方式阐明了过程组1500。
[0470]
过程组1500可以执行多个(例如反应式)涂层过程，例如两个或多于两个的涂层过程(例如三个、四个、五个、六个或六个以上)。过程组1500为此可以具有多个涂层区域104a、104b、
…
、104k，其中，在每个涂层区域104a、104b、
…
、104k中可以进行正好一个涂层过程304a、304b、
…
、304k(有待调节的涂层过程201)。
[0471]
每个涂层区域104a、104b、
…
、104k可以具有相应的涂层装置114a、114b、
…
、114k以在涂层区域内执行相应的涂层过程。每个涂层区域104a、104b、
…
、104k可以借助(例如正好)一个真空室提供。一个或多于一个的真空室可以借助真空室壳体提供。在一个真空室壳体中的多个真空室也可以称为隔间。
[0472]
真空室可以例如借助所谓的室壁彼此分离，因而这些真空室在真空技术上至少部分(尽管很小)、例如部分或完全地彼此气体分离。例如可以调节多个独立于彼此的或者彼此不关联的涂层过程，例如以便节省调节器硬件。不过气体分离可以这样小，使得多个涂层过程相互交换气体(也称为气体交换)。气体可以例如可以从第二涂层区域104b穿过第一涂层区域104a地流到第一泵送区域106a。
[0473]
每个涂层装置114a、114b、
…
、114k可以根据不同的实施方式设置用于对至少一个基底102(这就是说一个或多于一个的基底102)涂层，基底例如穿过相应的涂层区域运输111。涂层装置例如可以设置用于提供气态的涂层材料(材料蒸汽)，气态的涂层材料例如可
以沉积在至少一个基底102上以形成层。涂层装置可以具有下列中的至少一项：溅射装置或热蒸发装置(例如激光束蒸发器、电弧蒸发器、电子束蒸发器和/或热蒸发器)。溅射装置可以设置用于借助等离子体雾化涂层材料(也称为溅射)。热蒸发装置可以设置用于借助热能蒸发涂层材料。
[0474]
可以将至少一种反应气体输送给反应式涂层过程，所发射的(例如雾化的)涂层材料与该反应气体发生化学反应，因而反应产物沉积在基底102上。
[0475]
例如可以将相同的工作气体和/或反应气体输送给过程组1500的多于一个的(例如每个)涂层过程。多于一个的(例如每个)涂层过程可以例如备选或附加地使用相同的涂层材料。
[0476]
过程组1500还可以具有两个泵送区域106a、106b，在泵送区域之间布置有多个涂层区域104a、104b、
…
、104k。可以从两个泵送区域106a、106b中的每一个泵送区域抽出气体，例如多于每个涂层区域104a、104b、
…
、104k。根据不同的实施方式，过程组1500可以具有泵装置814(具有至少一个高真空泵)。泵装置814可以设置用于，从至少两个泵送区域106a、106b和可选至少一个(例如每个)涂层区域104a、104b、
…
、104k抽出气体(例如通过反应气体的反应而变得稀薄的过程气体)，因而在每个区域中可以提供一个真空(这就是说压力小于0.3bar)和/或在约10-3
毫巴(mbar)至约10-7
mbar范围内的压力(换句话说高真空)或者小于高真空、例如小于约10-7
mbar的压力(换句话说超高真空)。
[0477]
借助泵装置814可以从每个涂层过程中抽出一种或多于一种的气体、例如过程气氛的一部分。为此可以在每个涂层过程304a、304b、
…
、304k处施加相应的抽吸功率la、lb、
…
、lk，用该抽吸功率来进行抽出。
[0478]
此外，可以这样来设置过程组1500，使得可以调整或调节在多个涂层区域104a、104b、
…
、104k的每个涂层区域中的真空条件(过程条件)(例如过程压力、过程温度、过程气体的化学成分等)，例如在借助每个涂层过程相应的两个或两个以上的调整元件(第一和第二调整元件)执行涂层过程期间(例如根据额定工作点)。
[0479]
根据不同的实施方式，过程组1500可以具有气体供应装置702。借助气体供应装置702可以向至少一个(例如每个)涂层区域104a、104b、
…
、104k输送工作气体以在所述区域中形成过程气氛。过程压力可以由过程气体的平衡形成，过程气体借助气体供应装置702输送并且借助泵装置814抽出。
[0480]
借助气体供应装置702可以向每个涂层过程输送一种或多于一种的气体，例如过程气氛，在过程气氛中进行所述涂层过程。为此，可以在每个涂层过程304a、304b、
…
、304k处施加相应的流入速率(例如标准体积流量)fa、fb、
…
、fk，用该流入速率来进行输送。
[0481]
为了将过程组1500设计得尽可能紧凑，涂层区域104a、104b、
…
、104k可选可以直接彼此毗邻或没有提供处于其间的泵送区域106a、106b。这可以导致，涂层区域104a、104b、
…
、104k彼此交换更多的气体。
[0482]
例如可以在两个彼此直接相邻的涂层区域之间施加比在两个彼此直接相邻的涂层区域的每个涂层区域处更少的泵送功率(或甚至不施加)。
[0483]
因此基底102的涂层可以具有多个层，这些层中的每个层借助多个涂层过程304a、304b中的每个涂层过程形成。每个层例如可以具有涂层材料并且可选具有反应气体的组成部分，例如这些反应气体的反应产物。
[0484]
可以例如借助方法100调节过程组1500、例如每个涂层过程，涂层过程借助过程组1500执行。
[0485]
图16a和图16b分别在不同的调节图中根据不同的实施方式阐明了对过程组1600a、1600b的调节。涂层过程的有待控制或有待调节的参量306(也称为调节参量)可以例如是压力和/或气体成分，相应的涂层过程例如在涂层区域104a、104b内使用所述气体成分，在涂层区域中进行涂层过程。
[0486]
根据不同的实施方式，可以使用物理参量作为参量，物理参量代表了物理实体(例如物体、过程或状态)的能定量检测的特性(例如描述这个特性和/或与这个特性关联)。它们的状态可选可以与时间t和/或地点相关，例如过程气体的成分和/或压力。
[0487]
调节参量306可以具有实际状态，实际状态由测量元件304进行检测。测量元件304可以将所检测到的实际状态作为第一输入参量303(也称为反馈参量303)输送给调节器203(也称为反馈303)。更为普遍而言，反馈参量303也可以是向量，视所检测的调节参量的数量而定。此外，可以将额定状态316作为第二输入参量(也称为预定参量316)输送给调节器203，例如额定压力。更为普遍而言，预定参量316也可以是向量，视预定的数量而定。
[0488]
调节器203可以将反馈参量与预定参量316相比较并且基于比较的结果驱控301调整元件302。调整元件801a、801b可以例如是气体供应装置702和/或泵装置814的阀的调整驱动器，其导引具有反应气体的标准体积流量。调整元件801a、801b可以被这样驱控，使得调节参量306的额定状态与实际状态的偏差(也称为调节偏差)最小化。
[0489]
被改变以影响调节参量的参量，被称为调整参量。调整参量的瞬时值是调整值(例如阀的位置)。
[0490]
通常可以使用不同的调整参量来影响同一调节参量。气体的压力例如可以作为调节参量以如下方式受到影响，即，改变所输送的和/或所抽出的气体的标准体积流量或者改变气体的温度。标准体积流量又可以通过下列方式改变，即，阀至少部分(这就是说部分或完全)被打开或关闭。气体同样可以被压缩和/或放松，以便改变其压力。就阀而言，调整参量例如可以是调整驱动器的位置或者输送给这个调整驱动器的电压和/或频率。用于调整参量的另一个示例是阀的打开状态。在气动的调整驱动器中，到调整驱动器上的气动的压力例如被用作调整参量。
[0491]
过程组1600a例如可以执行多个涂层过程，涂层过程中的每个涂层过程借助调节器203加以调节，如在调节图中阐明的那样。过程组1600a同样可以具有控制装置228，其实施调节器203。
[0492]
例如可以为多个涂层过程304a、304b的每个涂层过程检测实际工作点(也称为组-实际工作点iag)，由该实际工作点确定各个有待设定的调整值。
[0493]
图17在示意性流程图中根据不同的实施方式阐明方法1700。
[0494]
方法1700可以表明，在1701中，模拟至少一个(这就是说一个或多于一个的涂层过程)涂层过程。模拟1701所述或每个涂层过程可以例如借助一个或多于一个的涂层过程的模型1602(也称为模拟模型)进行。模拟模型1602可以代表至少一个涂层过程，例如过程组和/或设备(也称为过程设备或真空设备)，借助其执行至少一个涂层过程。
[0495]
方法1700可以例如具有，基于设备的物理结构提供、例如确定模拟模型1602。
[0496]
模拟模型1602可以例如考虑到了下列中的一项或多于一项：
[0497]-设备的或设备的部件的实体信息(这就是说，实体架构，这就是说其结构)，例如真空室(真空室的体积)、调整元件，涂层装置、传感器、设备的动力链等，借助实体信息执行至少一个涂层过程；
[0498]-有关设备或其部件的综合特征曲线的信息(例如一条或多于一条的特征线)，例如自由度、在电流、电压和/或压力之间的相互关系；
[0499]-设备的或设备的部件的逻辑架构，例如设备的各个部件(例如调整元件)彼此间的相互影响和/或逻辑耦合；
[0500]-设备的具体的或潜在可用的配置(例如哪个部件是活跃的或非活跃的或者可以在其间转换)；
[0501]-受控系统的参数，例如控制参量或调节参量、各个调整元件的输入参量或各个传感器的输出参量；
[0502]-设备的坐标系，例如设备的各个调整元件的彼此堆叠的子坐标系，各个分坐标系的原点、分坐标系的最终位置；
[0503]-设备的允许的运行参数或其极限，例如运行温度、流入速率、压力、抽吸功率等。
[0504]
模拟模型可以例如是基于对象的模型或者可以是另外明确表达的模型。模拟模型可以例如具有至少一个涂层过程的或部件(借助所述部件执行、例如供应至少一个涂层过程)的正式表达式。模拟模型可以具有在涂层过程和涂层过程的相应的空间性信息之间的多个关联并且可选将相应的参量配设给涂层过程，所述相应的参量被输送给涂层过程和/或从涂层过程提取，制约、阻碍、有利于或结束这个涂层过程。此外，模拟模型可以具有过程逻辑，过程逻辑将多个涂层过程逻辑上相互关联，和/或过程逻辑实施涂层过程的流程(例如流程计划)，根据该流程来执行每个涂层过程或所述涂层。
[0505]
模拟模型可以例如基于有关至少一个涂层过程的明确的信息形成。明确的信息可以例如表明，涂层过程经由什么来驱控和/或这个涂层过程如何相互影响。模拟模型可以例如具有和过程模型至少相同的输入参量和输出参量，或者同样代表了所述受控系统。
[0506]
不过与过程模型不同的是，模拟模型不必基于纯粹的数学描述，而是可以基于分级描述，例如分级的数据库模型。分级排列的对象然后可以用作模型项。不过同样可以使用模拟模型，模拟模型具有一个或多于一个的上述模型项(a，b，c)，例如系统矩阵a、输入矩阵b、输出矩阵c、和/或透射矩阵d。不过同样可以使用模拟模型，模拟模型具有上述调节元件中的一个或一个以上作为模型项，例如ky、k
p
和/或ki。
[0507]
作为另外的示例性的可行方案，模拟模型或模拟模型的经模拟的结果轨迹可以从实际存在的问题中映射表征性的附加的效果，例如测量技术的信号噪声或过程电压中基于涂层过程的旋转的靶引起的正弦形的波动。模拟模型可以例如具有数学上非线性的描述(例如滞后模型)，其围绕兴趣点(例如对应合适的工作点)线性化，以便获得受控系统模型(例如(a、b、c)模型)。
[0508]
模拟1701的结果(也称为模拟结果)可以与此对应地具有至少一个涂层过程的模拟数据1604。模拟数据可以例如明显具有综合产生的测量数据，测量数据代表了至少一个涂层过程的行为。
[0509]
模拟数据可以具有模拟模型的输出参量和/或输入参量。模拟数据可以例如将输入参量的和输出参量的值彼此分配，它们能被模拟模型线性地转为彼此。
[0510]
模拟模型的输入参量可以例如具有控制参量和/或调整参量。模拟模型的输出参量可以例如具有至少一个涂层过程的(例如能测量的)物理参量，例如至少一个涂层过程的至少一个在本文中说明的调节参量。
[0511]
方法1700可以表明，在1703中，基于模拟结果、例如基于模拟数据1604训练模型生成器1606。换句话说，训练数据可以至少具有模拟数据1604。
[0512]
对模型生成器的训练可以例如借助人工神经网络(knn)进行。
[0513]
人工神经网络(knn)可以用传统的训练方法、例如所谓的反向传播方法训练。训练数据备选或附加地可以借助数学优化和/或机器学习方法加以优化。在训练中，根据各期望的输入参数来选择训练向量，如模拟数据、模拟模型的相关的配置等。要指出的是，无论是包含在knn的输入数据中的参数还是包含在knn的输出向量中的参数，均与应用强烈相关或与过程强烈相关并且被相应地选择。
[0514]
在本文中还涉及到了人工神经网络(knn)。当作为knn的备选或除了knn之外还使用其它可训练的算法作为模型生成器时，例如支持向量机(也称为support-vector-maschine)或长短期记忆(也称为long-short-term-memory或lstm)时，所作的说明类似地也可能适用。knn可以具有多个节点(明显是人工神经元)和连接网络(连接到节点的分配)。在knn中显然可以与生物神经元类似地模仿信息获取和信息处理的过程。这通过数量取决于给定条件的隐藏神经元层和传输信号的激活函数实现。
[0515]
模型生成器的拓扑描述了连接网络的结构，这就是说，有多少个节点分布在多少个层上和它们彼此如何连接。多个节点例如可以布置在一个接一个的层中，其第一层形成了模型生成器的输入端并且其最后一层形成了模型生成器的输出端。最后的层被称为输出层，该层的输出在连接网络外也看得到。处于其之前的层则相应地称为隐藏层。在使用图像的情况下，人工神经元可以表示为节点并且它们的连接可以表示为边。模型生成器在这种情况下例如是带有标准化节点的有向图。
[0516]
在构建模型生成器之后，首先要训练这个模型生成器(也称为训练阶段或训练)，在训练中，模型生成器适应要训练的工作方式(显然是“学习”)。为此向模型生成器输送数据(训练数据)，模型生成器在此基础上学习模仿期望的工作方式。模型生成器的适当的输出在此加强了所学到的东西(这就是说通过连接网络的特定的信号路径)，而不恰当的输出则会削弱信号路径。以这种方式逐渐通过连接网络形成那些最佳地描述了期望的工作方式的路径。
[0517]
在训练阶段中，可以进行以下一个或多个过程：修正连接网络(例如创建或删除连接)；改变节点的权重；修正节点的属性(例如阈值)；修正节点的数量；修正激活、传播和/或输出函数。
[0518]
在训练模型生成器(例如knn)中，根据各期望的输入参数来选出训练数据。在一个例子中，传入的训练数据(也称为输入数据)具有模拟数据1604，针对这些模拟数据，模拟模型、例如模拟模型的架构是已知的。在这种情况下训练模型生成器1606基于一组模拟数据来确定产生这些模拟数据的模拟模型。
[0519]
作为模拟数据的备选或者除了模拟数据之外，训练数据可选具有经过滤的模拟数据。为此可以使用滤波器，将模拟数据输送给滤波器并且该滤波器输出经过滤的模拟数据。针对滤波器的示例有：噪声滤波器(其设置用于向输送给该噪声滤波器的数据添加噪声)或
者频率滤波器(其设置用于，根据数据的频率过滤输送给该频率滤波器的数据)。
[0520]
添加噪声可以例如以如下方式进行，即，将模拟数据的每个数据点p映射到了经过滤的模拟数据的数据点p
′
上，例如根据关系p
′
＝f(p,zr)，其中，zr指的是随机数，例如来自区间[0,1]。随机数可以例如借助随机数生成器确定，例如单独针对每个数据点。例如可以根据关系
[0521]
f(p,zr)＝p 0,1
·
p
·
(zr–
0,5)
[0522]
确定f(p,zr)。
[0523]
这个关系显然产生了数据点的10％的散射。
[0524]
更为普遍而言，滤波器可以设置用于，扩大模拟数据的方差(例如标准偏差)，例如明显对这个方差进行噪声处理。这使得模拟数据变得与真实数据更为相似并且因此改进了经训练的模型生成器的稳健性。
[0525]
图18在示意性结构图1800中根据不同的实施方式阐明了模型生成器1606，模型生成器例如根据方法1700形成和/或借助控制装置实施。模型生成器1606可以借助人工神经网络(knn)设置。knn可以例如设置成卷积的神经网络或反馈的神经网络。当然也可以使用不同设置的模型生成器1606，其提供相应的函数。
[0526]
有待训练的模型生成器1606，例如其knn，可以具有多个层(“layer”层)，例如至少一个输入层1801(“input layer”输入层)、至少一个输出层1807(“regression layer”回归层，也称为结束层)和处于这些层之间的一个或多于一个的处理层1803、1805。输入层1801可以例如具有模拟数据或测量数据的时间序列的维度。时间序列可以例如具有针对时间指数的维度和针对点的属性(例如信号样本)的维度。示例性的实施方案表明，作为点的属性，考虑到了时间戳、在所述时间点上设定的流量和/或在所述时间点上检测到的测量值。示例性的实施方案表明，作为点的属性，考虑到了时间点/时间戳(或者与最后记录的点的时间差)、执行器的当前设定的输入和/或当前的测量值。
[0527]
若卷积的神经网络用作模型生成器1606，那么所述一个或多于一个的处理层可以具有至少一个卷积层1803(“convolutional layer”卷积层)和/或至少一个中间层1805(“fully connected layer”完全连接层)。在至少一个卷积层1803和至少一个中间层1805(也称为完全连接的层)之间可选可以连接有捆绑层(“pooling layer”池化层)(未示出)。
[0528]
卷积层1803的每个节点的活跃度可以借助离散卷积计算。每个节点的离散卷积可以从激活函数转为节点的输出。例如可以使用relu函数作为激活函数。在人工神经网络或训练方法的背景下，relu函数(也称为rectifier函数、整流器函数或者也简称为relu)是激活函数，其基本上定义为其自变量的正数部分。
[0529]
多个参数控制每个卷积层1803的输出的规模(也称为输出体积)，例如参数滤波器数量(“depth”深度)、步幅(“stride”步幅)和填充(“padding”填充或“null-padding”零填充)。
[0530]
若将模型生成器1606用作反馈的神经网络，那么多个处理层的节点可以相互连接，例如朝着相同的或之前的处理层的方向。在直接反馈时，神经元的本身的输出端用作另外的输入端。间接的反馈将一个神经元的输出端与一个或多于一个的之前的处理层的神经元连接起来。侧面的反馈将一个神经元的输出端与同一处理层的另一个神经元连接起来。反馈神经网络的例子有：elman网络、jordan网络、hopfield网络和完全互连的神经网络。反
馈神经网络可以例如借助误差反馈(也称为反向传播或反向传播)或另一种监督学习方法来进行训练。这使得能基于针对传入的训练数据已知的目标数据向神经网络提供反馈。
[0531]
据此，训练数据、例如训练数据的目标数据可以具有有关模拟模型、例如有关模拟模型的模型项和/或其配置的一个或多于一个的说明。训练数据、例如训练数据的目标数据，可以例如具有模拟模型的模型项、例如模型项的配置。
[0532]
反向传播可以具有：向模型生成器1606输送输入数据；将模型生成器1606的相关的输出数据与目标数据相比较，例如以便确定输出数据与目标数据的偏差；将有关比较的结果的说明、例如有关输出数据与目标数据的偏差的说明输送给模型生成器1606。在此，神经元连接的权重根据它们对偏差的影响发生改变，例如这样改变，使得在重新输送输入数据时，促成了输出数据与期望的目标数据的接近。
[0533]
模拟数据作为传入的训练数据可以例如是多维的，例如借助相应的张量代表。张量可以在第一维度中例如每个涂层过程参考第一控制参量，在第二维度中例如每个涂层过程参考第二控制参量，在第三维度中例如每个涂层过程参考第一调节参量，在第四维度中例如每个涂层过程参考第二调节参量。
[0534]
每个处理层1803、1805的节点可以对应传入的训练数据的维度也多维地布置。
[0535]
knn的网络结构的一个示例性的实施方案表明，借助一个或多个卷积的层进行预处理，将输入时间行列的经卷积的代表输送给一个或多个经堆叠的层，经堆叠的层例如设置用于处理任意时间序列，例如lstm层(lstm“长短期记忆”)或tcn层(tcn“时域卷积网络”)。可以紧接处理时间序列的层地设置一个或多个密集的层，通入一个或多个所谓的回归层(“regression layer”回归层)，回归层设置用于评估相应的模型参数。在knn末端处的最后的密集的层可选可以不配设任何激活函数并且用作所谓的回归层。
[0536]
最后的密集的层可以为此例如分支成多个密集的层，以便能提供knn的不同的输出。示例性的实施方案表明，knn的输出具有工作点和与之相关的模型矩阵(a，b，c)或者它们针对扫描系统的当量。模型生成器可选可以具有多个knn，以便确定模型的仅一部分(例如仅一个工作点或模型矩阵的一部分或者每个模型矩阵的一个knn)。
[0537]
备选或附加地可以借助市面上能买到的knn或基于开源的knn来处理时间序列，例如借助google的所谓的transformer网络。
[0538]
在tcn层中已经可以集成对抗过度配合的措施。
[0539]
分别在图22和23中借助knn根据不同的实施方式2200、2300示出了模型生成器的示例性的实施方案。第一个问号代表了数据组的指数，第二个问号代表了时间序列的长度。knn例如设置用于处理任意长度的时间序列，例如每个时间序列100个点或200个点。
[0540]
图19在示意性流程图中阐明了根据不同的实施方式的方法1900。如之前所说明的那样，可以进行模拟和训练，区别是，重复模拟，例如重复wd次(wd是自然数)。模拟的重复的相应的运行用w标注，这就是说，指数w＝1说明了模拟的第一次运行，指数w＝2说明了模拟的第二次运行等。
[0541]
连续相继地进行的运行(w＝1至w＝wd)彼此间的区别在于模拟模型1602的配置。换句话说，在模拟1701的每一次运行之后，例如以如下方式重新配置1901模拟模型1602，即，改变模拟模型1602的一个或多于一个的模型项。模拟模型1602在第一运行中的配置然
后是第一种配置(a，b，c)1、模拟模型1602在第二运行中的配置然后是第二配置(a，b，c)2，等等。
[0542]
每个运行的因此获得的模拟数据1604可以添加1903给数据组sdw。
[0543]
所有(w＝1至w＝wd)运行的结果可以具有数据组sdw，数据组说明第w个运行中的模拟模型1602的配置(a，b，c)w和第w个运行的模拟数据1604。在第w个运行中的模拟模型1602的配置(a，b，c)w可以例如说明第w个运行中模拟模型1602的一组模型项，例如其配置。当然也可以使用关于此的其它说明，即，在第w个运行中模拟模型1602处于哪种配置。
[0544]
每个数据组sdw然后可以添加1905给训练数据1905。训练数据1905然后具有数量为wd的数据组sdw，这些数据组中，每个数据组sdw可以用于训练模型生成器1606。
[0545]
运行的数量wd越多，模型生成器1606基本上可以变得更好。数量wd可以例如为2或比2更大、例如是5或比5更大、例如是10或比10更大、例如是20或比20更大、例如是50或比50更大、例如是100或比100更大、例如是200或比200更大。
[0546]
图20在示意性流程图中根据不同的实施方式阐明了方法2000。若训练结束，这就是说模型生成器1606完成训练，那么可以基于此来确定调节器。
[0547]
完成训练的模型生成器1606然后设置用于，将测量数据转为目标数据，目标数据在训练时使用，这就是说，确定用于训练模型生成器1602的目标数据。接下来涉及示例性的情形，即，将上述模型项(a，b，c)作为目标数据用于训练模型生成器1606。在所述情况下，经训练的模型生成器1606设置用于，确定过程模型或所述过程模型的至少组成部分、即这种情况下的模型项。可以理解的是，关于模型项(a，b，c)作为目标数据的阐释类似地也可以适用于其它目标数据，例如当调节器或调节器的组成部分、例如调节元件用作目标数据时。
[0548]
方法2000可以表明，在2001中，为每个涂层过程确定针对涂层过程从参考状态偏离的响应(例如第一调节参量和/或第二调节参量)。偏转能以如下方式进行，即驱控(例如正好)第一调整元件(借助第一调整元件供应涂层过程)和/或驱控(例如正好)第二调整元件(借助第二调整元件供应涂层过程)。
[0549]
原则上可以如之前所说明的那样例如借助阶跃响应确定响应。阶跃响应可以例如为稳定的涂层过程提供良好的结果。涂层过程的阶跃响应明显代表了稳定的涂层过程的两种说明，即响应的半值时间和响应的收敛值。
[0550]
不过在不稳定的涂层过程的情况下，阶跃响应可能不那么有说服力。这显然是因为涂层过程的响应不仅或仅很少取决于参考状态或偏转，或者由于不稳定性而需要已经完成的调节器用于可靠地设定参考状态或基于此进行偏转。这例如适用于具有滞后的反应式溅射过程，如在图表2011、306中示例性所示那样。在图表中，关于调整参量2011(例如气体流入)绘制调节参量306(例如电压)。在下文中参考示例性的滞后作为不稳定行为的代表，其中，可以理解的是，所阐释的内容也可以适用于其它类型的不稳定的涂层过程。
[0551]
若在校准时现有的调节器不足(例如在设备第一次运行时)或根本不存在，则可以用不连续地工作的调节器(也称为多点调节器)、例如两点调节器来替代这种调节器。一旦满足标准，多点控制器就可以在调整参量的多个额定状态之间(离散地)切换。当调节参量的实际状态满足预定义的标准时，例如当调节参量的实际状态离开预定义的区间[f1,f2]时，这就是说超过阈值f1或低于阈值f2时，例如可以满足所述标准。当然，也可以取代所述区间地使用仅一个阈值，例如在变化速率这样大，使得调节参量的实际状态的幅度在调节
器的反应时间内就足够时。
[0552]
更为普遍而言，多点调节器使得调整参量的额定状态是调节参量的实际状态相对一个或多于一个的阈值的位置的不连续函数，例如考虑到调节参量的实际状态达到或经过了(例如超过/低于)哪个阈值。
[0553]
这也可以清楚地理解为阶跃响应，不过由此没有触发到参考状态的返回，即，变化速率低于预定义的阈值，而是与变化速率无关并且与调节参量的实际状态相对一个或多于一个阈值的位置有关。
[0554]
可以例如这样设置两点调节器，使得当调节参量的实际状态小于预定义的区间[f1,f2]时，调整参量的额定状态扩大，例如扩大到第一额定参考状态u1，并且当调节参量的实际状态大于预定义的区间[f1,f2]时，调整参量的额定状态变小，例如变小到第二额定参考状态u2。
[0555]
这实现了调整变量的额定状态在第一额定参考状态u1和第二额定参考状态u2之间的反复切换。
[0556]
作为对此的响应，调节参量的实际状态在区间[f1，f2]的极限f1和f2之间摆动。由调节参量的实际状态和调整参量的实际状态构成的相应的对可以处在轨迹2005上。
[0557]
如果用于涂层过程的稍后的运行的额定工作点处在滞后范围内，那么第一额定参考状态u1和第二额定参考状态u2例如可以布置在被滞后包围的面中。这使得相应的轨迹2005处在涂层过程的不稳定区域(也称为过渡区域)中，涂层过程在之后的操作中保持在该不稳定区域中。
[0558]
根据不同的实施方式，上文所说明的涂层过程例如从f1时的参考状态到f2时的偏转的状态的重复偏转，通过驱控仅一个调整元件完成。若应当彼此并行地驱控多个调整元件，那么每个调整元件可以单独地借助不连续工作的调节器进行驱控，调节器具有调节参量中的其中一个调节器的实际状态作为输入参量。例如可以基于第一调节参量的实际状态驱控第一调整元件并且基于第二调节参量的实际状态驱控第二调整元件。在此可以在状态空间的多维子空间遍历混沌的轨迹2005。
[0559]
备选可以通过前后相继地完成多个运行来分段地(显然“逐片地”)遍历状态空间，其中，在每一次运行中，仅驱控第一调整元件，第二调整元件则保持不变并且第二调整元件在运行之间逐步改变。
[0560]
响应的确定的结果可以具有涂层过程的一系列或多于一系列2005的所确定的实际状态，涂层过程的这些实际状态中的每个实际状态例如分别具有由调整参量的实际状态和调节参量的实际状态构成的对。
[0561]
原则上能以这种方式前后相继地遍历每个涂层过程的状态空间。若彼此并行地遍历多个涂层过程，那么这使得涂层过程的每一系列2005实际状态不仅是涂层过程本身的相互影响链的函数(参看a
local
)，而且也是涂层过程之间的相互影响的函数(参看a
exchange
)。
[0562]
方法2000可以表明，在2003中，基于一个或多于一个的涂层过程的测量数据(这就是说所检测到的数据)借助模型生成器1606确定调节模型2020。测量数据例如具有涂层过程的一系列或多于一系列2005的所检测到的实际状态并且可以输送给模型生成器1606。涂层过程的每个检测到的实际状态可以例如分别具有由调整参量的检测到的实际状态(实际调整参量)和调节参量的检测到的实际状态(实际调节参量)构成的对。
[0563]
模型发生器1606例如可以设置用于，基于测量数据输出过程模型(例如(n＝1)模型、(n＝2)模型、(n＝3)模型或更为通用的n模型)或至少该过程模型的模型项(a，b，c)。在所述情况下，可以基于模型项(a，b，c)确定调节模型2020或至少该调节模型的调节元件ky、k
p
和/或ki，如之前所述那样，例如根据关系：
[0564]ky
＝b-1
a c-1
[0565]kp
＝k1c-1-ky[0566]ki
＝k2[0567]
可以理解的是，关于模型项(a，b，c)的所阐释的内容作为目标数据也类似地可以适用于其它目标数据，例如当调节元件ky、k
p
和/或ki或者其它调节元件用作目标数据时。若模型生成器1606例如设置用于输出调节模型或至少该调节模型的调节元件ky、k
p
和/或ki时，通过过程模型的中间步骤就不一定是必需的。
[0568]
接下来阐释示例性的实施方案，所述实施方案具有模拟。为了训练合适的机器学习算法，可以使用已知的由测量顺序和受控系统模型构成的对(例如监督学习，即“supervised learning”)。测量顺序综合地借助数值模拟获取。为此例如借助随机数据生成合适的模拟模型(例如针对有滞后的溅射过程的线性模型或公知的模型)并且计算合适的测量顺序(例如基于两点调节器)。综合生成的测量顺序作为模拟的结果受到另外的随机数据或由实践公知的效应的噪声干扰，以便更好地模拟真实的测量值顺序并且使机器学习算法能更为稳健地对抗测量噪声、靶转动等。
[0569]
在多个耦合的溅射过程的情况下(多参量系统)，总体上可以同时运行每个过程的各一个两点调节器，以便获取合适的测量顺序。为了更好地检测串扰效应，可以针对每个过程系统性地改变两点调节器的额定值。相应地扩展模拟模型，以便能相应地训练合适的机器学习算法。
[0570]
在每个涂层过程有附加的输入参量(例如用于调节总压力的过程气体)的情况下，这些输入参量在两点调节器运行期间可以发生改变，以便同样检测它们的影响。模拟模型和机器学习算法在此也作相应调整。
[0571]
图21在不同的示意图中根据不同的实施方式2100阐明了借助方法100加以调节的涂层过程的多个参量，在所述示意图中示出了关于时间t的相应的参量。涂层过程的输出参量(例如测量参量)用y1和y2代表。涂层过程的输入参量(例如涂层过程的控制参量)用u1和u2代表。涂层过程的输出参量示出作为借助两点调节器调节的(也称为经两点调节的)测量顺序(虚线)以及估计的模型的后模拟的轨迹(实线)。
[0572]
y1例如可以代表过程电压并且y2可以代表压力。示出了输出参量(这就是说输出参量的值)与总共记录的测量顺序的相应的平均值(在此处在0)的偏差。涂层过程的第一输出参量y1借助涂层过程的第一输入参量u2两点调节，如之前针对两点调节器所阐释的那样。涂层过程的第二输入参量u1则系统性地阶跃地改变了三次。
[0573]
借助方法100可以例如实施自动的调节器调整。
[0574]
在此所说明的方法1300在示例性的实施方案中具有：借助两点调节器调节一个或多个溅射过程；时间分辨地在两点调节器的第一次稳定之后检测测量数据/测量顺序，可选系统性地改变一个或多个溅射过程的额定值或附加的输入参量；借助机器学习算法处理测量顺序，机器学习算法在状态空间表达中输出过程模型(也称为受控系统模型)；借助过程
模型确定调节器参数(也称为调节元件)。
[0575]
在本文中阐释了调节模型2020的不同的实施方案(例如具有一个或多于一个的涂层过程的模型)。可以理解的是，调节模型2020不必一定需要过程模型。调节模型2020例如可以作为过程模型的备选或除了过程模型之外具有具体的调节器参数或由其形成。模型生成器例如可以训练用于，确定(例如估计)调节器参数作为一个或多于一个的涂层过程的模型。
[0576]
在本文中阐释了方法的不同的实施方案。可以理解的是，所述或每个方法同样可以设置用于，借助每个涂层过程仅一个调整元件例如调节每个涂层过程，或者借助每个涂层过程各一个调整元件来调节一组涂层过程。
[0577]
接下来说明涉及到之前所说明的内容和在附图中所示的内容的不同的例子。
[0578]
例1是用于调节(例如反应式)涂层过程的方法，借助该方法对基底涂层，所述方法具有：基于(例如反应式)涂层过程的一组多个彼此并行地检测的调节参量(这些调节参量中的每个调节参量在驱控第一调整元件时均考虑到)并且可选基于调节模型驱控第一调整元件(借助第一调整元件供应涂层过程)；基于(例如反应式)涂层过程的所述一组多个检测到的调节参量(这些调节参量中的每个条件参量在驱控第二调整元件时均考虑到)并且可选基于调节模型驱控第二调整元件(借助第二调整元件供应涂层过程)。
[0579]
例2是一种用于调节(例如反应式)涂层过程的方法，借助该方法对基底涂层，所述方法具有：基于(例如反应式)涂层过程的一组多个彼此并行地检测的调节参量并且可选基于调节模型驱控第一调整元件(借助第一调整元件供应涂层过程)；基于(例如反应式)涂层过程的所述一组多个检测到的调节参量并且可选基于调节模型驱控第二调整元件(借助第二调整元件供应涂层过程)；其中，所述一组多个彼此并行地检测的调节参量的调节参量可选彼此相互影响。
[0580]
例3是根据例1或2的方法，其中，第一调整元件设置用于，用第一种材料供应涂层过程(例如将第一种材料输送给涂层过程和/或将第一种材料从涂层过程抽出)，其中，第二调整元件设置用于，用不同于第一种材料的第二种材料(例如气体或经雾化的材料)感应涂层过程(例如将第二种材料输送给涂层过程和/或将第二种材料从涂层过程抽出)。
[0581]
例4是根据例1至3中任一个所述的方法，其中，第一调整元件和/或第二调整元件设置用于，用材料(例如反应气体流量或雾化速率)供应涂层过程(例如输送给这个涂层过程和/或从这个涂层过程抽出)，该材料例如借助涂层过程的反应由涂层过程消耗(例如装入在一个层中)。
[0582]
例5是根据例1至4中任一个所述的方法，其中，所述一组多个彼此并行地检测的调节参量的调节参量彼此不同，例如在它们所代表的材料(气体或经雾化的材料)上不同。
[0583]
例6是根据例1至5中任一个所述的方法，其中，所述一组多个彼此并行地检测的调节参量中：第一调节参量代表了涂层过程的第一气体压力(例如第一气体部分压力)；和/或第二调节参量代表了涂层过程的第二气体压力(例如第二气体部分压力)或涂层过程的电参量。
[0584]
例7是根据例1至6中任一个所述的方法，其中，所述一组多个彼此并行地检测的调节参量中的调节参量相互影响。
[0585]
例8是根据例1至7中任一个所述的方法，其中，涂层过程在真空中进行。
[0586]
例9是根据例1至8中任一个所述的方法，其中，驱控第一调整元件和驱控第二调整元件彼此结合(例如借助调节模型实施)，例如作为(例如反应式)涂层过程的所述一组多个检测到的调节参量的函数(这就是说，它们彼此间的结合是(例如反应式)涂层过程的所述一组多个检测到的调节参量的函数)。
[0587]
例10是根据例1至9中任一个所述的方法，其中，驱控第一调整元件来影响所述一组多个彼此并行地检测的调节参量的每个调节参量(例如借助调节模型反馈)；和/或其中，驱控第二调整元件来影响所述一组多个彼此并行地检测的调节参量的每个调节参量(例如借助调节模型反馈)。
[0588]
例11是根据例1至10中任一个所述的方法，其中，在使用一个或多于一个的调节元件的情况下(例如借助调节模型)驱控第一调整元件和第二调整元件，调整元件中的每个调整元件实施下列中的一项或多于一项：所述一组多个彼此并行地检测的调节参量的每个调节参量影响第一调整元件的控制参量；和/或(可选)所述一组多个彼此并行地检测的调节参量的每个调节参量影响第二调整元件的控制参量(例如，影响可能会消失，即使考虑到了这个影响)；和/或将第一调整元件的控制参量和第二调整元件的控制参量结合。
[0589]
例12是根据例1至11中任一个所述的方法，其中，在使用一个或多于一个的调节元件的情况下(例如ki、k
p
、ky)驱控第一调整元件和第二调整元件，驱控考虑到了所述涂层过程与附加的涂层过程的相互影响(例如a
exchange
)，借助附加的涂层过程(例如毗邻所述涂层过程地)对基底涂层和/或附加的涂层过程接在所述涂层过程之前或之后。
[0590]
例13是根据例1至12中任一个所述的方法，其中，彼此并行地驱控第一调整元件和第二调整元件。
[0591]
例14是根据例1至13中任一个所述的方法，还具有：确定一个或多于一个的调节元件(例如借助调节模型实施)，调节元件中的每个调节元件实施下列中的一项或多于一项：所述一组多个彼此并行地检测的调节参量的每个调节参量影响第一调整元件的控制参量；和/或(可选)所述一组多个彼此并行地检测的调节参量的每个调节参量影响第二调整元件的控制参量(例如，影响可能小时，即使考虑到了这个影响)；和/或将第一调整元件的控制参量与第二调整元件的控制参量结合。
[0592]
例15是用于调节多个涂层过程的方法，多个涂层过程中的每个涂层过程设置用于，将层沉积在基底上，该方法具有：借助根据例1至14中任一个所述的方法调节多个涂层过程的每个涂层过程，其中，多个涂层过程可选具有三个或三个以上的涂层过程，其中，多个涂层过程的每个涂层过程的调节可选彼此结合(例如借助调节元件实施)。
[0593]
例16是用于校准(例如反应式)涂层过程的方法，借助涂层过程对基底涂层，该方法具有：当驱控(例如正好)一个第一调整元件(借助该第一调整元件供应涂层过程)时，第一次确定涂层过程的第一调节参量和第二调节参量对涂层过程从参考状态偏转的响应(换句话说，偏转借助对第一调整元件的驱控促成，借助第一调整元件供应涂层过程)；当驱控(例如正好)一个第二调整元件(借助该第二调整元件供应涂层过程)时，第二次确定涂层过程的第一调节参量和第二调节参量对涂层过程从参考状态偏转的响应；其中，第一次确定和第二次确定可选前后相继地进行；其中，多个调节参量可选彼此相互影响；所述方法可选还具有：基于第一调节参量的响应和/或第二调节参量的响应确定调节模型(例如在根据例1至15中任一个所述的方法中的调节模型)，其中，调节模型例如设置用于，确定用于在根据
例1至15中任一个所述的方法中驱控的说明(例如控制参量)；所述方法可选还具有：储存第一次确定和/或第二次确定的结果。
[0594]
例17是根据例16的方法，还具有：确定一个或多于一个的调节元件(例如借助调节模型实施)，调节元件中的每个调节元件实施下列中的一项或多于一项：多个调节参量中的每个调节参量影响第一调整元件的控制参量；和/或(可选)多个调节参量中的每个调节参量影响第二调整元件的控制参量(例如，影响可能消失，即使考虑到了这个影响)；和/或将第一调整元件的控制参量和第二调整元件的控制参量结合。
[0595]
例18是用于提供模型生成器的方法，该方法具有：模拟一个或多于一个的涂层过程(例如基于所述一个或都一个的涂层过程的模型)；基于模拟的结果训练模型生成器(所述结果例如用作训练的输入数据)，其中，模型生成器例如训练用于，将模拟的结果影响到对一个或多于一个的涂层过程或模型的说明上；和/或其中，模型生成器例如训练用于，确定一个或多于一个的涂层过程的(例如用于调节的)模型。
[0596]
例19是根据例18的方法，其中，对模型生成器的训练还基于对所述一个或多于一个的涂层过程的模型的说明(说明例如用作训练的目标数据)。
[0597]
例20是根据例18或19的方法，其中，模型具有一个或多于一个的模型项，其中，对模型生成器的训练还基于一个或多于一个的模型项(模型项例如用作训练的目标数据)。
[0598]
例21是根据例18至20中任一个所述的方法，其中，模拟的结果具有用于驱控一个或多于一个的涂层过程的模拟的说明和/或用于一个或多于一个的涂层过程对驱控一个或多于一个的涂层过程作出反应的模拟的说明。
[0599]
例22是根据例18至21中任一个所述的方法，其中，模拟的结果说明了所述一个或多于一个的涂层过程的模型的配置。
[0600]
例23是根据例18至22中任一个所述的方法，其中，模拟具有：将模型(例如模型的一个或多于一个的模型项)从第一种配置重新配置到第二种配置；其中，对模型生成器的训练基于在第一种配置和第二种配置时的模拟的结果。
[0601]
例24是根据例18至23中任一个所述的方法，其中，模拟具有：将模型一次或多次重新配置成多个不同的配置；其中，对模型生成器的训练基于在多个配置的每个配置下模拟的结果。
[0602]
例25是根据例18至24中任一个所述的方法，其中，重新配置具有：添加或移除一个涂层过程，模型代表了该涂层过程；改变在至少两个涂层过程之间的相互影响，模型代表了所述相互影响；改变材料，用该材料来供应涂层过程；和/或改变一个或多于一个的涂层过程的工作点。
[0603]
例26是根据例18至25中任一个所述的方法，还具有：(例如借助噪声滤波器)对模拟的结果滤波；其中，对模型生成器的训练基于滤波的结果；其中，滤波器例如增加了模拟的结果的方差(例如标准偏差)和/或实施随机数生成器。
[0604]
例27是根据例18至26中任一个所述的方法，其中，模拟具有，例如当驱控一个或多于一个的涂层过程的一个或多于一个的调整元件时，模拟一个或多于一个的涂层过程对驱控一个或多于一个的涂层过程的响应。
[0605]
例28是根据例18至27中任一个所述的方法，其中，模型生成器设置用于，例如当驱控一个或多于一个的涂层过程的一个或多于一个的模拟的调整元件时，基于一个或多于一
个的涂层过程对驱控(例如考虑到了一个或多于一个的调整参量和/或一个或多于一个的调节参量)一个或多于一个的涂层过程的响应来确定一个或多于一个的涂层过程的过程模型或所述过程模型的至少组成部分。
[0606]
例29是根据例18至28中任一个所述的方法，还具有：借助模型生成器基于一个或多于一个的涂层过程的所检测到的数据(也称为测量数据)确定过程模型和/或调节模型(例如在根据例1至15中任一个所述的方法中的调节模型)；其中，测量数据可选代表了从参考状态(例如重复)偏转；其中，调节模型可选例如设置用于，确定用于在根据例1至15中任一个所述的方法中驱控的说明；其中，例如当驱控这个涂层过程时，测量数据可选具有一个或多于一个的涂层过程的实际状态的说明。
[0607]
例30是根据例29的方法，还具有：例如在根据例1至15中任一个所述的方法中借助调节模型调节一个或多于一个的涂层过程。
[0608]
例31是用于校准涂层过程的方法，借助涂层过程对基底涂层，该方法具有：当驱控至少一个(这就是说一个或多于一个的)调节元件(借助该调节元件供应涂层过程)时，确定涂层过程对涂层过程从参考状态的至少一个偏转的响应(例如第一调节参量和/或第二调节参量)；基于响应和基于经训练的模型生成器(响应例如输送给该模型生成器或者该模型生成器设置用于处理响应)确定调节模型；其中，多个调节参量可选彼此相互影响；其中，至少一个偏转可选具有前后相继地执行的从参考状态的多个偏转。
[0609]
例32是根据例1至31中任一个所述的方法，该方法经计算机支持地执行。
[0610]
例33是一种控制装置，其设置用于(例如其处理器设置用于)，执行根据例1至32中任一个所述的方法。
[0611]
例34是根据例33的控制装置，其中，控制装置设置用于，在使用一个或多于一个的调节元件(例如其实际状态)的情况下驱控至少一个调整元件(例如第一调整元件和第二调整元件)，借助至少一个调整元件来供应涂层过程。
[0612]
例35是代码段，代码段具有指令，指令设置用于，当由处理器执行所述指令时，使处理器执行根据例1至32中任一个所述的方法。
[0613]
例36是非易失的数据存储器，其具有根据例35所述的代码段和/或借助该非易失的数据存储器来设置根据例33的控制装置。
[0614]
例37是至少一个(例如建模的)涂层过程的用于训练模型生成器的模拟数据用于确定至少一个涂层过程的模型的应用。