JP7263121B2

JP7263121B2 - DATA COLLECTION METHOD, LEARNING METHOD, DATA COLLECTION SYSTEM AND LEARNING SYSTEM

Info

Publication number: JP7263121B2
Application number: JP2019097648A
Authority: JP
Inventors: 宏昭臼本
Original assignee: Screen Holdings Co Ltd
Current assignee: Screen Holdings Co Ltd
Priority date: 2019-05-24
Filing date: 2019-05-24
Publication date: 2023-04-24
Anticipated expiration: 2039-05-24
Also published as: JP2020194994A

Description

本発明は、様々な装置におけるセンシングデータを用いて、異常発生の予防または検知を行うためのデータ収集方法、学習方法、データ収集システムおよび学習システムに関する。 The present invention relates to a data collection method, learning method, data collection system, and learning system for preventing or detecting anomalies using sensing data from various devices.

様々な装置において、装置を長期使用すると、部品の経年劣化や、粉塵や異物の侵入等の原因によって装置の一部に異常が発生する。また、その他の原因で装置に故障が生じる場合もある。これらのような異常が発生した場合、装置のパフォーマンスの大幅な低下が生じる虞がある。 2. Description of the Related Art In various devices, when the devices are used for a long period of time, an abnormality occurs in a part of the device due to aged deterioration of parts, intrusion of dust or foreign matter, and the like. In addition, failures may occur in the device due to other causes. When such abnormalities occur, the performance of the device may be significantly degraded.

発生した異常の種類によって、異常発生前後における装置の各部の挙動はおおよそ決まったものとなる。 Depending on the type of abnormality that has occurred, the behavior of each part of the device before and after the occurrence of the abnormality is roughly determined.

例えば、特許文献１には、描画対象である基板を移動させつつ、感光材料が塗布された基板の主面に対して空間変調された光を照射してパターンを描画する描画装置が記載されている。特許文献１に記載の描画装置は、基板を水平姿勢で保持するステージと、ステージを移動方向に沿って案内する一対の移動機構（リニアモータおよびガイドレール）とを有している。 For example, Patent Document 1 describes a drawing apparatus that draws a pattern by irradiating a main surface of a substrate coated with a photosensitive material with spatially modulated light while moving the substrate to be drawn. there is The lithography apparatus described in Patent Document 1 has a stage that holds a substrate in a horizontal position, and a pair of moving mechanisms (linear motor and guide rail) that guide the stage along the moving direction.

このような装置において、例えば、ガイドレール周辺に粉塵が蓄積した場合、移動機構において振動が発生する。また、例えば、リニアモータが故障した場合、同様に、移動機構において振動が発生する。いずれの場合にも振動が発生するが、振動の発生する場所や振動の仕方（波形、周波数、大きさ等）が異なる。 In such a device, for example, when dust accumulates around the guide rail, vibration occurs in the moving mechanism. Further, for example, when a linear motor fails, vibrations are similarly generated in the moving mechanism. Vibration occurs in either case, but the place where the vibration occurs and the manner of vibration (waveform, frequency, magnitude, etc.) are different.

これらの例では、生じる現象（振動）は同じであるものの、認知可能な異常の態様（振動の仕方）が異なるため、原因と結果の紐付けを行うことができれば、発生した振動の状態から、異常が生じた箇所を特定することができる。したがって、振動センサの検出データ等のセンシングデータと異常の原因との関係を学習すれば、異常の発生を早期に検出したり、異常の原因を容易に発見したりすることができる。 In these examples, although the phenomenon (vibration) that occurs is the same, the mode of perceivable abnormality (method of vibration) is different. It is possible to identify the location where an abnormality has occurred. Therefore, by learning the relationship between the sensing data such as the detection data of the vibration sensor and the cause of the abnormality, the occurrence of the abnormality can be detected early and the cause of the abnormality can be easily found.

特開２０１６－７２４３４号公報JP 2016-72434 A

しかしながら、経年劣化や故障は滅多に起きないため、異常の発生頻度は非常に低い。したがって、原因と結果の紐付けを行うためのデータを収集するために、データの記録を行うと、異常が発生しない期間の方が異常発生に関わる期間よりも長いため、データの記憶に多くの記憶容量を必要とする。 However, since aging deterioration and failure rarely occur, the frequency of occurrence of abnormalities is very low. Therefore, when data is recorded in order to collect data for linking causes and effects, it takes more time to store data because the period during which no abnormalities occur is longer than the period related to the occurrence of abnormalities. Requires storage capacity.

本発明は、このような事情に鑑みなされたものであり、装置の状態変化に関するセンシングデータを効率よく収集するための技術を提供することを目的とする。 SUMMARY OF THE INVENTION It is an object of the present invention to provide a technology for efficiently collecting sensing data relating to state changes of a device.

上記課題を解決するため、本願の第１発明は、装置の状態を検知したセンシングデータを複数の前記装置から収集し、収集した前記センシングデータに基づいて学習モデルを構築する学習方法であって、複数の前記装置において、ａ）前記装置から入力される複数の前記センシングデータを監視し、前記センシングデータに変化があるか否かを判断する工程と、ｂ）前記工程ａ）において変化があると判断された場合に、所定期間における前記センシングデータを保存する工程と、を行うとともに、複数の前記装置と通信可能な学習部において、ｐ）複数の前記装置から、前記工程ｂ）により保存された前記センシングデータを収集する工程と、ｑ）前記工程ｐ）において収集した前記センシングデータを用いて機械学習を行い、前記学習モデルを構築する工程と、を行い、前記所定期間は、変化発生時点直前の一定期間、前記変化発生時点直後の一定期間、あるいは、前記変化発生時点の前後を含む一定期間のいずれかであり、前記学習モデルは、前記センシングデータを入力とし、エラー発生確率またはエラー発生原因を出力とする。
In order to solve the above problems, the first invention of the present application is a learning method that collects sensing data that detects the state of a device from a plurality of the devices and builds a learning model based on the collected sensing data , In the plurality of devices, a) monitoring the plurality of sensing data input from the devices and determining whether or not there is a change in the sensing data; and b) if there is a change in the step a) a step of storing the sensing data for a predetermined period of time if it is determined, and p) in a learning unit capable of communicating with a plurality of the devices, the data stored in the step b) from the plurality of devices. and q) performing machine learning using the sensing data collected in the step p) to build the learning model, wherein the predetermined period is immediately before the change occurs. , a certain period immediately after the change occurs, or a certain period including before and after the change occurs, and the learning model receives the sensing data as input and calculates the error occurrence probability or Let the cause be the output.

本願の第２発明は、第１発明の学習方法であって、前記工程ａ）において監視する前記センシングデータは、前記工程ａ）において入力される前記センシングデータの種類の一部または全部である。
A second invention of the present application is the learning method of the first invention, wherein the sensing data monitored in the step a) is part or all of the types of the sensing data input in the step a).

本願の第３発明は、第１発明または第２発明の学習方法であって、前記工程ａ）において監視する前記センシングデータは、前記装置の音または振動に関する前記センシングデータを含む。
A third invention of the present application is the learning method according to the first invention or the second invention, wherein the sensing data monitored in the step a) includes the sensing data relating to sound or vibration of the device.

本願の第４発明は、装置の状態変化に関するセンシングデータを収集し、収集した前記センシングデータに基づいて学習モデルを構築する学習システムであって、複数のデータ収集システムと、前記データ収集システムが収集した前記センシングデータに基づいて機械学習を行い、前記学習モデルを構築する学習部と、を有し、前記学習部は、複数の前記データ収集システムとネットワークを介して通信可能であり、前記データ収集システムは、それぞれ、前記装置と、前記装置の状態変化に関するセンシングデータを収集するデータ収集部と、を有し、前記データ収集部は、前記装置から入力された前記センシングデータを監視し、前記センシングデータに所定の変化があるか否かを判断する監視部と、前記監視部が前記所定の変化があると判断した場合に、所定期間における前記センシングデータを保存する記憶部と、を有し、前記所定期間は、変化発生時点直前の一定期間、前記変化発生時点直後の一定期間、あるいは、前記変化発生時点の前後を含む一定期間のいずれかであり、前記学習モデルは、前記センシングデータを入力とし、エラー発生確率またはエラー発生原因を出力とする。
A fourth invention of the present application is a learning system that collects sensing data relating to state changes of a device and builds a learning model based on the collected sensing data, comprising: a plurality of data collection systems; a learning unit that performs machine learning based on the sensing data obtained and constructs the learning model, the learning unit being capable of communicating with a plurality of the data collection systems via a network, and the data collection Each of the systems includes the device and a data collection unit that collects sensing data related to state changes of the device, and the data collection unit monitors the sensing data input from the device and performs the sensing. a monitoring unit that determines whether or not there is a predetermined change in data; and a storage unit that saves the sensing data for a predetermined period when the monitoring unit determines that there is the predetermined change, The predetermined period is any one of a predetermined period immediately before the change occurs, a predetermined period immediately after the change occurs, or a certain period including before and after the change occurs, and the learning model inputs the sensing data. , and the error occurrence probability or the error occurrence cause is output.

本願の第５発明は、第４発明の学習システムであって、前記監視部が監視する前記センシングデータは、前記データ収集部に入力される前記センシングデータの種類の一部または全部である。
A fifth invention of the present application is the learning system according to the fourth invention, wherein the sensing data monitored by the monitoring unit is part or all of the types of sensing data input to the data collecting unit.

本願の第６発明は、第４発明または第５発明の学習システムであって、前記監視部が監視する前記センシングデータは、前記装置の音または振動に関する前記センシングデータを含む。
A sixth invention of the present application is the learning system according to the fourth invention or the fifth invention, wherein the sensing data monitored by the monitoring unit includes the sensing data relating to sound or vibration of the device.

本願の第１発明から第６発明によれば、センシングデータを変化発生時点の前後の所定の記録期間のみ一時的に保存し、当該変化の原因の解明に用いることができる。また、複数の装置と学習部とをネットワークを介して通信可能とすることにより、複数の装置におけるセンシングデータが学習部に集約される。したがって、装置における異常の発生頻度が低い場合であっても、装置の状態変化に関するセンシングデータを効率よく収集することができる。
According to the first to sixth inventions of the present application, the sensing data can be temporarily stored only for a predetermined recording period before and after the change occurs, and can be used to clarify the cause of the change. Further, by enabling communication between the plurality of devices and the learning unit via a network, the sensing data of the plurality of devices are aggregated in the learning unit. Therefore, even if the occurrence frequency of abnormality in the device is low, it is possible to efficiently collect the sensing data regarding the state change of the device.

第１実施形態に係る学習システムの構成を示したブロック図である。1 is a block diagram showing the configuration of a learning system according to a first embodiment; FIG. 第１実施形態に係る描画装置の斜視図である。1 is a perspective view of a drawing device according to a first embodiment; FIG. 第１実施形態に係る描画装置の構成を示した概略上面図である。1 is a schematic top view showing the configuration of a drawing apparatus according to a first embodiment; FIG. 第１実施形態に係る学習システムの電気的接続を示したブロック図である。2 is a block diagram showing electrical connections of the learning system according to the first embodiment; FIG. 第１実施形態に係るデータ収集システムにおける学習処理の流れを示したフローチャートである。4 is a flow chart showing the flow of learning processing in the data collection system according to the first embodiment; 第１実施形態に係る学習装置における学習処理の流れを示したフローチャートである。4 is a flowchart showing the flow of learning processing in the learning device according to the first embodiment;

以下、本発明の実施形態について、図面を参照しつつ説明する。 BEST MODE FOR CARRYING OUT THE INVENTION Hereinafter, embodiments of the present invention will be described with reference to the drawings.

＜１．学習システムの構成＞
本発明の一実施形態に係るデータ収集システム１を有する学習システム２について、図１を参照しつつ説明する。図１は、学習システム２の構成を示したブロック図である。このデータ収集システム１は、各装置３の状態を検知したセンシングデータを収集するためのシステムである。また、学習システム２は、データ収集システム１によって収集したセンシングデータに基づいて学習モデルＭを構築するためのシステムである。 <1. Configuration of learning system>
A learning system 2 having a data collection system 1 according to one embodiment of the present invention will be described with reference to FIG. FIG. 1 is a block diagram showing the configuration of the learning system 2. As shown in FIG. This data collection system 1 is a system for collecting sensing data obtained by detecting the state of each device 3 . Also, the learning system 2 is a system for constructing a learning model M based on the sensing data collected by the data collection system 1 .

学習システム２は、複数の描画装置３と、学習装置４とを有する。本実施形態における描画装置３は、センシングデータを収集する対象としての対象装置の一例である。また、同時に、描画装置３は、対象装置と、後述のデータ収集部３１とを含むデータ収集システム１を構成している。 The learning system 2 has a plurality of drawing devices 3 and a learning device 4 . The drawing device 3 in this embodiment is an example of a target device from which sensing data is collected. At the same time, the drawing device 3 constitutes a data collection system 1 including a target device and a data collection unit 31, which will be described later.

図１に示すように、複数の描画装置３は、複数のセンサ７０と、制御部３０と、通信部３００と、とを有する。 As shown in FIG. 1 , the multiple drawing devices 3 have multiple sensors 70 , a control unit 30 , and a communication unit 300 .

複数のセンサ７０は、描画装置３の各部に設けられ、描画装置３の各部の圧力、加速度、音、振動等の状態をモニタリングするためのセンサである。各センサ７０において検出された検出信号（以下では、「センシングデータ」と称する）は、制御部３０に入力される。 A plurality of sensors 70 are provided in each part of the drawing device 3 and are sensors for monitoring states of pressure, acceleration, sound, vibration, etc. of each part of the drawing device 3 . A detection signal (hereinafter referred to as “sensing data”) detected by each sensor 70 is input to the control unit 30 .

制御部３０は、描画装置３の各部を制御するとともに、各センサ７０が検出した描画装置３の状態変化に関するセンシングデータを収集するデータ収集システムの役割を果たす。制御部３０は、データ収集部３１、エラー検知部３２および動作制御部３３を有する。データ収集部３１は、描画装置３の状態変化に関するセンシングデータを収集する。エラー検知部３２は、センシングデータに基づいてエラー発生確率またはエラー発生原因を出力する。動作制御部３３は、描画装置３の各部を制御する。制御部３０を含めた描画装置３の詳細な構成については、後述する。 The control unit 30 controls each unit of the drawing device 3 and also serves as a data collection system that collects sensing data regarding changes in the state of the drawing device 3 detected by the sensors 70 . The control unit 30 has a data collection unit 31 , an error detection unit 32 and an operation control unit 33 . The data collection unit 31 collects sensing data regarding state changes of the drawing device 3 . The error detection unit 32 outputs an error occurrence probability or an error occurrence cause based on the sensing data. The operation control section 33 controls each section of the drawing device 3 . A detailed configuration of the drawing device 3 including the control unit 30 will be described later.

通信部３００は、制御部３０をインターネット１００と通信する。この学習システム２では、通信部３００は、インターネット１００を介して、制御部３０と学習装置４との間でデータの送受信を行う。 The communication unit 300 communicates the control unit 30 with the Internet 100 . In this learning system 2 , the communication section 300 transmits and receives data between the control section 30 and the learning device 4 via the Internet 100 .

学習装置４は、通信部４１、データ記憶部４２および学習部４３を有する。通信部４１は、インターネット１００を介して複数の描画装置３のそれぞれとデータの送受信を行う。データ記憶部４２は、描画装置３から送信され、通信部４１を介して受信したセンシングデータを一時的に記憶する。学習部４３は、センシングデータに基づいて機械学習を行い、学習モデルＭを構築する。学習装置４の詳細な構成については、後述する。 The learning device 4 has a communication section 41 , a data storage section 42 and a learning section 43 . The communication unit 41 transmits and receives data to and from each of the drawing devices 3 via the Internet 100 . The data storage unit 42 temporarily stores sensing data transmitted from the drawing device 3 and received via the communication unit 41 . The learning unit 43 builds a learning model M by performing machine learning based on the sensing data. A detailed configuration of the learning device 4 will be described later.

＜２．描画装置および学習装置の詳細な構成＞
次に、描画装置３について、図２ないし図５を参照しつつ説明する。図２は、描画装置３の斜視図である。図３は、描画装置３の構成を示した概略上面図である。図４は、描画装置３の制御ブロック図である。 <2. Detailed Configuration of Rendering Device and Learning Device>
Next, the drawing device 3 will be described with reference to FIGS. 2 to 5. FIG. FIG. 2 is a perspective view of the drawing device 3. FIG. FIG. 3 is a schematic top view showing the configuration of the drawing device 3. As shown in FIG. FIG. 4 is a control block diagram of the drawing device 3. As shown in FIG.

描画装置３は、感光材料が表面に塗布された半導体基板やガラス基板等の基板Ｗの表面に対して、空間変調された光を照射してパターンを描画する、直接描画装置である。なお、基板Ｗは、基層のみからなる単層基板であってもよく、基層の少なくとも一方側の表面に機能層が積層された積層基板であってもよい。以下では、描画装置３が積層基板である基板Ｗの表面にパターンを描画する場合について説明する。 The drawing device 3 is a direct drawing device that draws a pattern by irradiating spatially modulated light onto the surface of a substrate W such as a semiconductor substrate or a glass substrate coated with a photosensitive material. The substrate W may be a single-layer substrate consisting only of a base layer, or may be a laminated substrate having a functional layer laminated on at least one surface of the base layer. A case where the drawing device 3 draws a pattern on the surface of the substrate W, which is a laminated substrate, will be described below.

描画装置３は、図１に示すように、基台５１と、ステージ移動機構５２と、フレーム５３と、描画処理部５４と、制御部３０とを有する。 The drawing apparatus 3 includes a base 51, a stage moving mechanism 52, a frame 53, a drawing processing section 54, and a control section 30, as shown in FIG.

基台５１は、ステージ移動機構５２、フレーム５３および描画処理部５４を安定的に保持するための台である。基台５１の下面には、４つの脚部５１１および２つのダンパ５１２が設けられている。なお、図２中、脚部５１１のうち２つと、ダンパ５１２のうちの１つのみが図示されている。脚部５１１およびダンパ５１２の長さは調節可能である。このため、基台５１を水平に設置することができる。 The base 51 is a base for stably holding the stage moving mechanism 52, the frame 53, and the drawing processing unit 54. FIG. Four legs 511 and two dampers 512 are provided on the bottom surface of the base 51 . Note that only two of the legs 511 and one of the dampers 512 are shown in FIG. The lengths of legs 511 and dampers 512 are adjustable. Therefore, the base 51 can be installed horizontally.

ステージ移動機構５２は、基板Ｗを水平姿勢で保持するステージ６０の水平方向（主走査方向および副走査方向）の位置を移動させる装置である。ステージ移動機構５２は、ステージ６０と、ベースプレート６１と、主走査機構６２と、支持プレート６３と、副走査機構６４と、回転機構６５とを有する。 The stage moving mechanism 52 is a device that moves the position of the stage 60 that holds the substrate W in a horizontal posture in the horizontal direction (main scanning direction and sub-scanning direction). The stage moving mechanism 52 has a stage 60 , a base plate 61 , a main scanning mechanism 62 , a support plate 63 , a sub-scanning mechanism 64 and a rotating mechanism 65 .

ステージ６０は、その上面に基板Ｗを載置する。本実施形態のステージ６０は、平板状であり、上面が基板Ｗを保持する保持面となっている。ステージ６０の保持面には、基板Ｗを保持するために、例えば、基板Ｗの端部を保持するチャックピンや、基板Ｗの裏面を吸着保持する真空吸引孔等の保持機構が設けられる。 The stage 60 mounts the substrate W on its upper surface. The stage 60 of this embodiment has a flat plate shape, and the upper surface serves as a holding surface for holding the substrate W. As shown in FIG. In order to hold the substrate W, the holding surface of the stage 60 is provided with holding mechanisms such as chuck pins for holding the edge of the substrate W and vacuum suction holes for holding the rear surface of the substrate W by suction.

ベースプレート６１は、基台５１上において、主走査機構６２によって主走査方向に移動可能に支持されている。主走査機構６２は、一対のリニアモータ６２１と、一対のエアガイド６２２とを有する。 The base plate 61 is supported by a main scanning mechanism 62 on the base 51 so as to be movable in the main scanning direction. The main scanning mechanism 62 has a pair of linear motors 621 and a pair of air guides 622 .

一対のリニアモータ６２１はそれぞれ、固定子６２１ａおよび移動子６２１ｂを有する。固定子６２１ａは、基台５１の上面に敷設され、主走査方向に延びる。２つの固定子６２１ａはそれぞれ、基台５１の副走査方向の両端部付近に配置される。移動子６２１ｂは、エアガイド６２２の後述するエアベアリング６２２ｂを介してベースプレート６１に固定される。これにより、移動子６２１ｂは、ベースプレート６１とともに主走査方向に移動する。 A pair of linear motors 621 each have a stator 621a and a mover 621b. The stator 621a is laid on the upper surface of the base 51 and extends in the main scanning direction. The two stators 621a are arranged near both ends of the base 51 in the sub-scanning direction. The mover 621b is fixed to the base plate 61 via an air bearing 622b of the air guide 622, which will be described later. As a result, the mover 621b moves in the main scanning direction together with the base plate 61. As shown in FIG.

一対のエアガイド６２２はそれぞれ、ガイドレール６２２ａおよびエアベアリング６２２ｂを有する。ガイドレール６２２ａは、基台５１の上面に敷設され、主走査方向に延びる。１対のガイドレール６２２ａはそれぞれ、一対の固定子６２１ａの副走査方向内側に沿って配置される。 A pair of air guides 622 each have a guide rail 622a and an air bearing 622b. The guide rail 622a is laid on the upper surface of the base 51 and extends in the main scanning direction. The pair of guide rails 622a are arranged along the inner sides of the pair of stators 621a in the sub-scanning direction.

一対のエアベアリング６２２ｂはそれぞれ、ベースプレート６１の副走査方向の両端部に固定されている。また、一対の移動子６２１ｂがそれぞれ、一対のエアベアリング６２２ｂに固定されている。エアベアリング６２２ｂは、ガイドレール６２２ａの上方に配置される。エアベアリング６２２ｂの下面には、ガイドレール６２２ａの上面に向かって気体を吐出するためのエア供給孔が設けられている。ステージ移動機構５２の駆動時には、ユーティリティ設備からエアベアリング６２２ｂに常時エアが供給される。これにより、エアベアリング６２２ｂの下面に設けられたエア供給孔からガイドレール６２２ａに向けて加圧気体が供給される。その結果、エアベアリング６２２ｂは、ガイドレール６２２ａ上に非接触で浮上支持される。このような構成により、リニアモータ６２１を動作させると、ベースプレート６１は、エアガイド６２２に非接触で案内された状態で主走査方向に沿って低摩擦で滑らかに移動することができる。 The pair of air bearings 622b are fixed to both ends of the base plate 61 in the sub-scanning direction. A pair of movers 621b are fixed to a pair of air bearings 622b, respectively. The air bearing 622b is arranged above the guide rail 622a. An air supply hole for discharging gas toward the upper surface of the guide rail 622a is provided on the lower surface of the air bearing 622b. When the stage moving mechanism 52 is driven, air is constantly supplied from the utility equipment to the air bearing 622b. As a result, pressurized gas is supplied toward the guide rail 622a from the air supply hole provided on the lower surface of the air bearing 622b. As a result, the air bearing 622b is float-supported on the guide rail 622a without contact. With such a configuration, when the linear motor 621 is operated, the base plate 61 can smoothly move along the main scanning direction with low friction while being guided by the air guide 622 in a non-contact manner.

なお、本実施形態では、移動子６２１ｂおよびエアベアリング６２２ｂはベースプレート６１の側方に配置されているが、本発明はこの限りではない。移動子６２１ｂおよびエアベアリング６２２ｂは、ベースプレート６１の下面に配置されていてもよい。 Although the mover 621b and the air bearing 622b are arranged on the side of the base plate 61 in this embodiment, the present invention is not limited to this. The mover 621 b and the air bearing 622 b may be arranged on the bottom surface of the base plate 61 .

支持プレート６３は、ベースプレート６１上において、副走査機構６４によって副走査方向に移動可能に支持されている。副走査機構６４は、リニアモータ６４１と、一対のガイド６４２とを有する。 The support plate 63 is movably supported in the sub-scanning direction by the sub-scanning mechanism 64 on the base plate 61 . The sub-scanning mechanism 64 has a linear motor 641 and a pair of guides 642 .

リニアモータ６４１は、固定子６４１ａおよび移動子６４１ｂを有する。固定子６４１ａは、ベースプレート６１の上面に敷設され、副走査方向に延びる。固定子６４１ａは、ベースプレート６１の主走査方向の略中央に配置される。移動子６４１ｂは、支持プレート６３の下面に固定され、支持プレート６３とともに副走査方向に移動する。 The linear motor 641 has a stator 641a and a mover 641b. The stator 641a is laid on the upper surface of the base plate 61 and extends in the sub-scanning direction. The stator 641a is arranged substantially in the center of the base plate 61 in the main scanning direction. The mover 641b is fixed to the lower surface of the support plate 63 and moves together with the support plate 63 in the sub-scanning direction.

一対のガイド６４２はそれぞれ、ガイドレール６４２ａおよびボールベアリング６４２ｂを有する。ガイドレール６４２ａは、ベースプレート６１の上面に敷設され、副走査方向に延びる。一対のガイドレール６４２ａは、固定子６４１ａの主走査方向の両側に配置される。一対のボールベアリング６４２ｂは、支持プレート６３の下面に固定される。一対のボールベアリング６４２ｂは、ガイドレール６４２ａに沿って移動可能に配置される。これにより、支持プレート６３がガイドレール６４２ａに沿って副走査方向に案内される。なお、本実施形態のガイド６４２には、ボールベアリングを用いたが、その他のベアリング機構が用いられてもよい。このような構成により、リニアモータ６４１を動作させると、支持プレート６３は、ガイド６４２に案内された状態で副走査方向に沿って移動することができる。 A pair of guides 642 each have a guide rail 642a and a ball bearing 642b. The guide rail 642a is laid on the upper surface of the base plate 61 and extends in the sub-scanning direction. A pair of guide rails 642a are arranged on both sides of the stator 641a in the main scanning direction. A pair of ball bearings 642 b are fixed to the lower surface of the support plate 63 . A pair of ball bearings 642b are movably arranged along the guide rails 642a. As a result, the support plate 63 is guided in the sub-scanning direction along the guide rails 642a. Although ball bearings are used for the guides 642 of this embodiment, other bearing mechanisms may be used. With such a configuration, when the linear motor 641 is operated, the support plate 63 can move along the sub-scanning direction while being guided by the guides 642 .

回転機構６５は、支持プレート６３上にステージ６０を回転可能に支持する。回転機構６５には、例えば、モータが用いられる。 A rotation mechanism 65 rotatably supports the stage 60 on the support plate 63 . A motor, for example, is used for the rotating mechanism 65 .

このように、ステージ６０は、主走査機構６２、副走査機構６４および回転機構６５によって、主走査方向および副走査方向に移動可能であるとともに、その回転角度を調整可能である。 Thus, the stage 60 can be moved in the main scanning direction and the sub-scanning direction by the main scanning mechanism 62, the sub-scanning mechanism 64, and the rotating mechanism 65, and its rotation angle can be adjusted.

フレーム５３は、描画処理部５４を基台５１の上方において保持する。フレーム５３は、２つの脚部５３１と、ヘッド固定部５３２とを有する。２つの脚部５３１はそれぞれ、基台５１の副走査方向の端部から上方へ向かって柱状に延びる。ヘッド固定部５３２は、１つの脚部５３１の上端部同士を副走査方向に繋ぐ。 The frame 53 holds the rendering processing unit 54 above the base 51 . The frame 53 has two leg portions 531 and a head fixing portion 532 . The two leg portions 531 each extend in a columnar shape upward from the end portion of the base 51 in the sub-scanning direction. The head fixing portion 532 connects upper ends of one leg portion 531 to each other in the sub-scanning direction.

図３に示すように、描画処理部５４は、２つの光学ヘッド５４１と、照明光学系５４２と、レーザ発振器５４３と、レーザ駆動部５４４とを有する。２つの光学ヘッド５４１は、ヘッド固定部５３２に固定される。照明光学系５４２、レーザ発振器５４３およびレーザ駆動部５４４は、例えば、フレーム５３のヘッド固定部５３２の内部の空間に収容される。 As shown in FIG. 3 , the drawing processing section 54 has two optical heads 541 , an illumination optical system 542 , a laser oscillator 543 and a laser driving section 544 . Two optical heads 541 are fixed to the head fixing portion 532 . The illumination optical system 542 , the laser oscillator 543 and the laser driving section 544 are housed in a space inside the head fixing section 532 of the frame 53 , for example.

光学ヘッド５４１は、照明光学系５４２を介してレーザ発振器５４３に接続されている。また、レーザ発振器５４３には、レーザ発振器５４３の駆動を行うレーザ駆動部５４４が接続されている。レーザ駆動部５４４を動作させると、レーザ発振器５４３からパルス光が出射され、当該パルス光が照明光学系５４２を介して光学ヘッド５４１の内部に導入される。 The optical head 541 is connected to a laser oscillator 543 via an illumination optical system 542 . A laser driver 544 for driving the laser oscillator 543 is connected to the laser oscillator 543 . When the laser driver 544 is operated, pulsed light is emitted from the laser oscillator 543 and introduced into the optical head 541 via the illumination optical system 542 .

光学ヘッド５４１の内部には、光を空間変調する空間光変調器や、光学ヘッド５４１の内部に導入されたパルス光を空間光変調器を介して基板Ｗの上面に照射する光学系などが設けられている。空間光変調器としては、たとえば、回折格子型の空間光変調器であるＧＬＶ（登録商標：Grating Light Valve）等が採用される。光学ヘッド５４１の内部に導入されたパルス光は、空間光変調器等によって所定のパターン形状に成形された光束として基板Ｗの上面に照射される。これにより、基板Ｗ上のレジスト等の感光層を露光し、基板Ｗの表面にパターンが描画される。 Inside the optical head 541, there are provided a spatial light modulator for spatially modulating light, an optical system for irradiating the upper surface of the substrate W with the pulsed light introduced into the optical head 541 via the spatial light modulator, and the like. It is As the spatial light modulator, for example, GLV (registered trademark: Grating Light Valve), which is a diffraction grating type spatial light modulator, or the like is adopted. The pulsed light introduced into the optical head 541 is irradiated onto the upper surface of the substrate W as a light beam shaped into a predetermined pattern by a spatial light modulator or the like. Thereby, a photosensitive layer such as a resist on the substrate W is exposed, and a pattern is drawn on the surface of the substrate W. FIG.

描画処理を行う際には、光学ヘッド５４１による露光と、ステージ移動機構５２による基板Ｗの移動とを繰り返して行う。具体的には、露光と、露光幅分の基板Ｗの副走査方向の移動とを繰り返して副走査方向に延びる領域の描画を行った後、ステージ移動機構５２が基板Ｗを主走査方向へと移動する。このように、副走査方向に延びる領域の描画と、主走査方向の移動とを繰り返して、基板Ｗの描画領域全体にパターンを形成する。 When performing drawing processing, exposure by the optical head 541 and movement of the substrate W by the stage movement mechanism 52 are repeated. Specifically, exposure and movement of the substrate W in the sub-scanning direction by the exposure width are repeated to draw an area extending in the sub-scanning direction, and then the stage moving mechanism 52 moves the substrate W in the main scanning direction. Moving. In this way, the pattern is formed in the entire drawing area of the substrate W by repeating the drawing of the area extending in the sub-scanning direction and the movement in the main scanning direction.

また、描画装置３は、図４に示すように、描画装置３の各部に設けられ、描画装置３の状態変化に関するセンシングデータを収集する複数のセンサ７０を有する。複数のセンサ７０には、一対の圧力センサ７１、一対のトルク検出センサ７２、一対の加速度センサ７３、音センサ７４および複数の振動センサ７５が含まれる。 4, the drawing device 3 has a plurality of sensors 70 which are provided in each part of the drawing device 3 and collect sensing data relating to changes in the state of the drawing device 3. As shown in FIG. The multiple sensors 70 include a pair of pressure sensors 71 , a pair of torque detection sensors 72 , a pair of acceleration sensors 73 , a sound sensor 74 and multiple vibration sensors 75 .

圧力センサ７１は、ガイドレール６２２ａとエアベアリング６２２ｂとの上下方向の間隙における気圧を計測する。なお、圧力センサ７１は、エアベアリング６２２ｂの内部において気体供給孔付近の気圧を計測するものであってもよい。トルク検出センサ７２は、リニアモータ６２１におけるモータトルクを計測する。加速度センサ７３は、リニアモータ６２１の移動子６２１ｂの加速度を計測する。音センサ７４は、例えば、フレーム５３のヘッド固定部５３２の下面に取り付けられ、描画装置３の周囲における音データを取得する。振動センサ７５は、描画装置３の各部における振動量を計測する。振動センサ７５は、例えば、基台５１の上面と、ベースプレート６１と、フレーム５３のヘッド固定部５３２との３箇所に設けられる。 The pressure sensor 71 measures the air pressure in the vertical gap between the guide rail 622a and the air bearing 622b. The pressure sensor 71 may measure the air pressure near the gas supply hole inside the air bearing 622b. A torque detection sensor 72 measures motor torque in the linear motor 621 . The acceleration sensor 73 measures the acceleration of the moving element 621b of the linear motor 621. FIG. The sound sensor 74 is attached, for example, to the lower surface of the head fixing portion 532 of the frame 53 and acquires sound data around the drawing device 3 . The vibration sensor 75 measures the amount of vibration in each part of the drawing device 3 . The vibration sensors 75 are provided at three locations, for example, the upper surface of the base 51 , the base plate 61 , and the head fixing portion 532 of the frame 53 .

制御部３０は、図２および図４に示すように、描画装置３の各部と電気的に接続される。図２中に概念的に示したように、制御部３０は、ＣＰＵ等の演算処理部３０１、ＲＡＭ等のメモリ３０２、およびハードディスクドライブ等の記憶部３０３を有するコンピュータにより構成されている。制御部３０は、記憶部３０３に記憶されたコンピュータプログラムＰやデータＤを、メモリ３０２に読み出し、当該コンピュータプログラムＰおよびデータＤに基づいて、演算処理部３０１が演算処理を行うことにより、描画装置３内の各部の動作を制御したり、データ収集処理を行ったりする。 The controller 30 is electrically connected to each part of the drawing device 3, as shown in FIGS. As conceptually shown in FIG. 2, the control unit 30 is configured by a computer having an arithmetic processing unit 301 such as a CPU, a memory 302 such as a RAM, and a storage unit 303 such as a hard disk drive. The control unit 30 reads out the computer program P and the data D stored in the storage unit 303 to the memory 302, and the arithmetic processing unit 301 performs arithmetic processing based on the computer program P and the data D, whereby the drawing apparatus It controls the operation of each part in 3 and performs data collection processing.

図１および図４に示すように、制御部３０は、ソフトウェア上で実現される処理部として、データ収集部３１、エラー検知部３２および動作制御部３３を有する。また、制御部３０は、データ入力部３４を備える。データ入力部３４は、各センサ７０からのセンシングデータが入力される入力ポートである。制御部３０の各部は、通信部３００を介して外部とデータの送受信を行うことができる。 As shown in FIGS. 1 and 4, the control unit 30 has a data collection unit 31, an error detection unit 32, and an operation control unit 33 as processing units realized on software. The control unit 30 also includes a data input unit 34 . The data input unit 34 is an input port to which sensing data from each sensor 70 is input. Each unit of the control unit 30 can transmit and receive data to and from the outside via the communication unit 300 .

センサ７０から入力されるセンシングデータには、圧力センサ７１が検出した圧力データＳ７１、トルク検出センサ７２が検出したトルクデータＳ７２、加速度センサ７３が検出した加速度データＳ７３、音センサ７４が検出した音データＳ７４、および振動センサ７５が検出した振動データＳ７５を含む。 The sensing data input from the sensor 70 includes pressure data S71 detected by the pressure sensor 71, torque data S72 detected by the torque detection sensor 72, acceleration data S73 detected by the acceleration sensor 73, and sound data detected by the sound sensor 74. S74 and vibration data S75 detected by the vibration sensor 75 are included.

データ収集部３１は、描画装置３の状態変化に関するセンシングデータを収集する。具体的には、データ収集部３１は、監視部３１１と、記憶部３１２とを有する。データ収集部３１には、データ入力部３４を介して各センサ７０において検出されたセンシングデータが入力される。 The data collection unit 31 collects sensing data regarding state changes of the drawing device 3 . Specifically, the data collection unit 31 has a monitoring unit 311 and a storage unit 312 . Sensing data detected by each sensor 70 is input to the data collection unit 31 via the data input unit 34 .

監視部３１１は、入力されたセンシングデータの少なくとも１つを監視し、監視したデータに所定の変化があるか否かを判断する。本実施形態では、監視部３１１は、音データＳ７４および振動データＳ７５を監視し、変化が発生したか否かを判断する。例えば、監視部３１１は、音データＳ７４に含まれる音の周波数を解析し、通常状態に含まれる周波数以外の周波数成分が所定の閾値よりも大きい場合に異常状態が生じたと判断する。また、監視部３１１は、振動データＳ７５の振動量が所定の閾値よりも大きい場合や、振動データＳ７５において振動量が急に変動した場合などに、変化が発生したと判断する。なお、監視部３１１は、入力されたセンシングデータの一部のみを監視してもよいし、入力されたセンシングデータのすべてを監視してもよい。 The monitoring unit 311 monitors at least one piece of input sensing data and determines whether or not there is a predetermined change in the monitored data. In this embodiment, the monitoring unit 311 monitors the sound data S74 and the vibration data S75 and determines whether or not a change has occurred. For example, the monitoring unit 311 analyzes the frequency of the sound included in the sound data S74, and determines that an abnormal state has occurred when frequency components other than those included in the normal state are greater than a predetermined threshold. In addition, the monitoring unit 311 determines that a change has occurred when the vibration amount of the vibration data S75 is larger than a predetermined threshold, or when the vibration amount of the vibration data S75 suddenly fluctuates. Note that the monitoring unit 311 may monitor only a part of the input sensing data, or may monitor all of the input sensing data.

記憶部３１２は、各センサ７０から入力されたセンシングデータを一定の期間記憶する。ここで、以下では、監視部３１１が変化を発生したと判断した変化発生時点の直前または直後を含む当該一定の期間を、記録期間と称する。本実施形態では、記憶部３１２は、監視部３１１が変化が発生したと判断した変化発生時点の前後を含む一定期間におけるセンシングデータを記憶する。 The storage unit 312 stores sensing data input from each sensor 70 for a certain period of time. Here, hereinafter, the certain period including immediately before or immediately after the time point at which the monitoring unit 311 determines that a change has occurred is referred to as a recording period. In the present embodiment, the storage unit 312 stores sensing data for a certain period of time including before and after the time point at which the monitoring unit 311 determines that a change has occurred.

本実施形態では、記録期間は、変化発生時点の前後を含む一定期間であるが、本発明はこの限りではない。記録期間は、変化発生時点直前の一定期間であってもよいし、変化発生時点直後の一定期間であってもよい。 In the present embodiment, the recording period is a fixed period including before and after the change occurrence point, but the present invention is not limited to this. The recording period may be a fixed period immediately before the change occurs, or may be a fixed period immediately after the change occurs.

記憶部３１２は、通常、一定期間分のセンシングデータを順次更新しながら記憶している。当該一定期間が例えば３０分である場合、記憶部３１２は、現在よりも３０分前の時点から、現在までの３０分間のセンシングデータを、常に更新しながら記憶する。そして、監視部３１１が変化が発生したと判断すると、変化発生前３０分前から変化発生時点までのセンシングデータの更新を停止し、別途、変化発生時点から、変化発生後１０分後までの期間のセンシングデータを記憶する。このようにして、記憶部３１２は、変化発生時点を含む４０分間の記録期間のセンシングデータを記憶する。 The storage unit 312 normally stores sensing data for a certain period of time while sequentially updating the data. If the certain period of time is, for example, 30 minutes, the storage unit 312 stores the sensing data for 30 minutes from 30 minutes before the present to the present while constantly updating them. Then, when the monitoring unit 311 determines that a change has occurred, it stops updating the sensing data from 30 minutes before the change occurs to the time when the change occurs. store the sensing data of In this manner, the storage unit 312 stores sensing data for a recording period of 40 minutes including the point of time when the change occurred.

監視部３１１が変化が発生したと判断した後、記憶部３１２による記録期間のセンシングデータの記憶が完了すると、データ収集部３１は、記録期間のセンシングデータを通信部３００からインターネット１００を介して学習装置４へと送信する。 After the monitoring unit 311 determines that a change has occurred, when the storage unit 312 completes storing the sensing data during the recording period, the data collection unit 31 learns the sensing data during the recording period from the communication unit 300 via the Internet 100. Send to device 4 .

エラー検知部３２は、学習済みの学習モデルＭを有する。エラー検知部３２は、各センサ７０から入力されたセンシングデータを学習モデルＭに入力し、描画装置３の各部に変化が生じる可能性や、変化の生じる可能性のある箇所等を推測する。エラー検知部３２には、インターネット１００および通信部３００を介して、学習装置４において更新された学習モデルＭが入力される。新たな学習モデルＭを受信すると、エラー検知部３２は、学習モデルＭを新たな学習モデルＭに更新する。 The error detection unit 32 has a learning model M that has been trained. The error detection unit 32 inputs the sensing data input from each sensor 70 to the learning model M, and estimates the possibility that each unit of the drawing device 3 will change, and the location where the change may occur. The learning model M updated in the learning device 4 is input to the error detection unit 32 via the Internet 100 and the communication unit 300 . Upon receiving the new learning model M, the error detection unit 32 updates the learning model M to the new learning model M. FIG.

本実施形態では、データ収集対象の装置そのものである描画装置３が、データ収集部３１を有する。このため、描画装置３が、データ収集対象の装置と、データ収集部３１とを有する「データ収集システム１」を構成している。なお、データ収集部３１は、描画装置３および学習装置４のいずれとも別個の装置であってもよい。また、データ収集部３１が、描画装置３とはインターネット１００を介して通信可能な学習装置４と同じコンピュータによって構成されていてもよい。 In this embodiment, the drawing device 3 which is the data collection target device itself has the data collection unit 31 . Therefore, the drawing device 3 constitutes a “data collection system 1 ” having a data collection target device and a data collection unit 31 . Note that the data collection unit 31 may be a separate device from both the drawing device 3 and the learning device 4 . Also, the data collection unit 31 may be configured by the same computer as the learning device 4 that can communicate with the drawing device 3 via the Internet 100 .

続いて、学習装置４の各部の詳細な構成について説明を行う。学習装置４には、通信部４１を介して、描画装置３のデータ収集部３１から、記録期間のセンシングデータが入力される。データ記憶部４２は、入力された記録期間のセンシングデータを一時的に記憶する。 Next, the detailed configuration of each part of the learning device 4 will be described. The sensing data during the recording period is input to the learning device 4 from the data collection unit 31 of the drawing device 3 via the communication unit 41 . The data storage unit 42 temporarily stores the input sensing data for the recording period.

学習部４３は、データ記憶部４２に記憶されたセンシングデータに基づいて、機械学習を行い、学習モデルＭを構築する。学習部４３において学習が完了したセンシングデータについては、データ記憶部４２から順次削除される。学習部４３は、学習装置４に新たなセンシングデータが送信される度に、学習モデルＭに対してさらに機械学習を行わせて、学習モデルＭを更新する。 The learning unit 43 builds a learning model M by performing machine learning based on the sensing data stored in the data storage unit 42 . Sensing data for which learning has been completed in the learning unit 43 is sequentially deleted from the data storage unit 42 . The learning unit 43 updates the learning model M by further performing machine learning on the learning model M each time new sensing data is transmitted to the learning device 4 .

なお、監視部３１１において変化の発生が検知された場合に、オペレータが入力部（図示なし）から制御部３０へと、当該変化の原因を入力してもよい。このようにすれば、後の学習処理において、センシングデータのみの解析では変化の原因を判断するのが困難な場合であっても、変化の原因を明確に特定することができる。 When the monitoring unit 311 detects the occurrence of a change, the operator may input the cause of the change to the control unit 30 from the input unit (not shown). By doing this, even if it is difficult to determine the cause of the change by analyzing only the sensing data in the subsequent learning process, the cause of the change can be clearly specified.

＜３．データ収集および学習の流れ＞
続いて、データ収集処理および学習処理の流れについて、図５および図６を参照しつつ説明する。図５は、本実施形態のデータ収集システム１である描画装置３におけるデータ収集処理の流れを示したフローチャートである。図６は、本実施形態の学習装置４における学習処理の流れを示したフローチャートである。 <3. Flow of data collection and learning>
Next, the flow of data collection processing and learning processing will be described with reference to FIGS. 5 and 6. FIG. FIG. 5 is a flow chart showing the flow of data collection processing in the drawing device 3, which is the data collection system 1 of this embodiment. FIG. 6 is a flow chart showing the flow of learning processing in the learning device 4 of this embodiment.

まず、図５を参照しつつ、描画装置３におけるデータ収集処理の流れを説明する。描画装置３の駆動開始とともに、各センサ７０におけるセンシングが開始される。同時に、データ収集部３１では、記憶部３１２によるセンシングデータの記録および更新が開始されるとともに、監視部３１１によるセンシングデータの監視が開始される（ステップＳＴ１１）。 First, the flow of data collection processing in the drawing device 3 will be described with reference to FIG. Sensing by each sensor 70 is started along with the start of driving of the drawing device 3 . At the same time, in the data collection unit 31, the storage unit 312 starts recording and updating the sensing data, and the monitoring unit 311 starts monitoring the sensing data (step ST11).

そして、監視部３１１は、センシングデータに所定の変化があるか否かを判断する（ステップＳＴ１２）。監視部３１１は、所定の変化がないと判断した場合、ステップＳＴ１２を引き続き行う（ステップＳＴ１２：Ｎｏ）。 Then, the monitoring unit 311 determines whether or not there is a predetermined change in the sensing data (step ST12). When the monitoring unit 311 determines that there is no predetermined change, the step ST12 is continued (step ST12: No).

一方、所定の変化があると判断した場合（ステップＳＴ１２：Ｙｅｓ）、監視部３１１は、予め決められた記録期間が完了するまで、センシングデータの取得および記憶部３１２への記憶を行う（ステップＳＴ１３）。 On the other hand, if it is determined that there is a predetermined change (step ST12: Yes), the monitoring unit 311 acquires sensing data and stores it in the storage unit 312 until the predetermined recording period is completed (step ST13). ).

また、監視部３１１が発見した変化の原因が明確である場合、オペレータによって、当該原因の入力が行われる（ステップＳＴ１４）。なお、当該ステップは省略してもよい。 If the cause of the change found by the monitoring unit 311 is clear, the operator inputs the cause (step ST14). Note that this step may be omitted.

そして最後に、データ収集部３１から通信部３００およびインターネット１００を介して、記録期間のセンシングデータが学習装置４へと送信される（ステップＳＴ１５）。 Finally, the sensing data during the recording period is transmitted from the data collection unit 31 to the learning device 4 via the communication unit 300 and the Internet 100 (step ST15).

次に、図６を参照しつつ、学習装置４における学習処理の流れを説明する。学習装置４には、複数の描画装置３のデータ収集部３１から、不定期にセンシングデータが送信されてくる。学習装置４は、センシングデータを受信すると、まず、データ記憶部４２にセンシングデータを一時的に記憶する（ステップＳＴ２１）。 Next, the flow of learning processing in the learning device 4 will be described with reference to FIG. Sensing data is irregularly transmitted to the learning device 4 from the data collecting units 31 of the plurality of drawing devices 3 . Upon receiving the sensing data, the learning device 4 first temporarily stores the sensing data in the data storage unit 42 (step ST21).

続いて、学習部４３は、データ記憶部４２に記憶されたセンシングデータに基づいて、機械学習を行って、学習モデルＭを構築、あるいは更新する（ステップＳＴ２２）。 Subsequently, the learning unit 43 performs machine learning based on the sensing data stored in the data storage unit 42 to construct or update the learning model M (step ST22).

ステップＳＴ２２における学習モデルＭの構築または更新が完了すると、学習装置４は、インターネット１００を介して通信可能な複数の描画装置３のそれぞれに対して、当該学習モデルＭを送信する（ステップＳＴ２３）。新たな学習モデルＭを受信した各描画装置３は、エラー検知部３２の学習モデルＭを新たなものへと更新する。 When the construction or updating of the learning model M in step ST22 is completed, the learning device 4 transmits the learning model M to each of the drawing devices 3 that can communicate via the Internet 100 (step ST23). Each drawing device 3 that receives the new learning model M updates the learning model M of the error detection unit 32 to a new one.

学習モデルＭの構築および更新のために用いられる機械学習アルゴリズムには、例えば、一層ニューラルネットワークやディープラーニング等を含むニューラルネットワーク、ランダムフォレストや勾配ブースティング等を含む決定木系アルゴリズム、サポートベクトルマシンといった教師あり機械学習アルゴリズムが用いられる。 Machine learning algorithms used for building and updating the learning model M include, for example, neural networks including one-layer neural networks and deep learning, decision tree algorithms including random forests and gradient boosting, and support vector machines. A supervised machine learning algorithm is used.

このように教師あり機械学習アルゴリズムが用いられる場合、教師データとして、変化が発見されたセンシングデータの種類や、オペレータが入力した変化の原因が用いられる。 When a supervised machine learning algorithm is used in this way, the type of sensing data in which a change was detected and the cause of the change input by the operator are used as teacher data.

学習モデルＭは、描画装置３の各センサ７０から検出されたセンシングデータを入力とし、変化が生じる可能性のある箇所や、変化の発生確率を出力とすることが好ましい。例えば、データ収集部３１の監視部３１１で発見される変化が、描画装置３における描画処理に影響を与えるエラーである場合、学習モデルＭの出力は、例えば、エラー発生確率やエラー原因とする。 The learning model M preferably receives sensing data detected by the sensors 70 of the drawing device 3 as input, and preferably outputs locations where changes may occur and the probability of occurrence of changes. For example, if the change detected by the monitoring unit 311 of the data collecting unit 31 is an error that affects the drawing process in the drawing device 3, the output of the learning model M is, for example, the error occurrence probability or the error cause.

上述の通り、描画装置３における経年劣化や故障は滅多に起きないため、異常の発生頻度は非常に低い。したがって、原因と結果の紐付けを行うためのセンシングデータを収集するために、センシングデータの記録を恒常的に行うと、異常が発生しない期間の方が異常発生に関わる期間よりも長いため、データの記憶に多くの記憶容量を必要とする。 As described above, aging deterioration and failure in the drawing apparatus 3 rarely occur, so the frequency of occurrence of abnormality is very low. Therefore, if sensing data is constantly recorded in order to collect sensing data for linking causes and effects, the period during which anomalies do not occur is longer than the period related to the occurrence of anomalies. requires a large amount of storage capacity.

そこで、このデータ収集システム１では、センシングデータを変化発生時点の前後の所定の記録期間のみ一時的に保存し、当該変化の原因の解明に用いることができる。すなわち、描画装置３の状態変化に関するセンシングデータを効率よく収集することができる。 Therefore, in this data collection system 1, the sensing data is temporarily stored only for a predetermined recording period before and after the change occurs, and can be used to clarify the cause of the change. That is, it is possible to efficiently collect the sensing data regarding the state change of the drawing device 3 .

また、この学習システム２では、複数の描画装置３と学習装置４とをネットワークを介して通信可能とすることにより、複数の描画装置３におけるセンシングデータが学習装置４に集約される。したがって、各描画装置３における異常の発生頻度が非常に低い場合であっても、描画装置３の状態変化に関するセンシングデータを効率よく収集することができる。 In addition, in this learning system 2 , sensing data in the plurality of drawing devices 3 are aggregated in the learning device 4 by enabling communication between the plurality of drawing devices 3 and the learning device 4 via a network. Therefore, even if the occurrence frequency of abnormality in each drawing device 3 is very low, it is possible to efficiently collect the sensing data regarding the state change of the drawing device 3 .

＜４．変形例＞
以上、本発明の実施形態について説明したが、本発明は、上記の実施形態に限定されるものではない。 <4. Variation>
Although the embodiments of the present invention have been described above, the present invention is not limited to the above embodiments.

上記の実施形態に係るデータ収集システムおよび学習システムでは、センシングデータを取得する対象装置が描画装置であったが、本発明はこれに限られない。データを収集する対象装置は、例えば、印刷装置、基板や基材等の搬送装置、基材に対して処理液を塗布する塗布装置、または、その他のいかなる装置であってもよい。 In the data collection system and the learning system according to the above-described embodiments, the target device from which sensing data is acquired is the drawing device, but the present invention is not limited to this. A target device for collecting data may be, for example, a printing device, a transfer device for a substrate or a base material, a coating device for applying a treatment liquid to a base material, or any other device.

また、上記の実施形態や変形例に登場した各要素を、矛盾が生じない範囲で、適宜に組み合わせてもよい。 Also, the elements appearing in the above embodiments and modifications may be appropriately combined as long as there is no contradiction.

１データ収集システム
２学習システム
３描画装置
４学習装置
３０制御部
３１データ収集部
４２データ記憶部
４３学習部
７０センサ
７１圧力センサ
７２トルク検出センサ
７３加速度センサ
７４音センサ
７５振動センサ
１００インターネット
３１１監視部
３１２記憶部 1 data collection system 2 learning system 3 drawing device 4 learning device 30 control unit 31 data collection unit 42 data storage unit 43 learning unit 70 sensor 71 pressure sensor 72 torque detection sensor 73 acceleration sensor 74 sound sensor 75 vibration sensor 100 Internet 311 monitoring unit 312 storage unit

Claims

A learning method for collecting sensing data that detects the state of a device from a plurality of the devices and constructing a learning model based on the collected sensing data ,
In a plurality of said devices,
a) monitoring a plurality of the sensing data input from the device and determining whether there is a change in the sensing data;
b) storing the sensing data for a predetermined period of time if it is determined that there is a change in step a);
and
In a learning unit capable of communicating with a plurality of devices,
p) collecting the sensing data stored in step b) from a plurality of the devices;
q) performing machine learning using the sensing data collected in the step p) to build the learning model;
and
The predetermined period is any of a certain period immediately before the change occurrence point, a certain period immediately after the change occurrence point, or a certain period including before and after the change occurrence point,
The learning method, wherein the learning model receives the sensing data as an input and outputs an error occurrence probability or an error cause.

The learning method according to claim 1,
The learning method, wherein the sensing data monitored in the step a) is part or all of the types of the sensing data input in the step a).

The learning method according to claim 1 or claim 2,
The learning method, wherein the sensing data monitored in step a) includes the sensing data relating to sound or vibration of the device.

A learning system that collects sensing data related to state changes of a device and builds a learning model based on the collected sensing data,
a plurality of data collection systems;
a learning unit that performs machine learning based on the sensing data collected by the data collection system and builds the learning model;
has
The learning unit is capable of communicating with a plurality of the data collection systems via a network,
Each of the data collection systems comprises:
the device;
a data collection unit that collects sensing data related to state changes of the device;
has
The data collection unit
a monitoring unit that monitors the sensing data input from the device and determines whether or not there is a predetermined change in the sensing data;
a storage unit that stores the sensing data for a predetermined period when the monitoring unit determines that the predetermined change has occurred;
has
The predetermined period is any of a certain period immediately before the change occurrence point, a certain period immediately after the change occurrence point, or a certain period including before and after the change occurrence point,
A learning system in which the learning model receives the sensing data as an input and outputs an error occurrence probability or an error cause.

A learning system according to claim 4,
The learning system, wherein the sensing data monitored by the monitoring unit is part or all of the types of sensing data input to the data collection unit.

The learning system according to claim 4 or claim 5,
The learning system, wherein the sensing data monitored by the monitoring unit includes the sensing data relating to sound or vibration of the device.