CN100476663C - 生产装置的故障诊断方法和故障诊断系统 - Google Patents
生产装置的故障诊断方法和故障诊断系统 Download PDFInfo
- Publication number
- CN100476663C CN100476663C CNB021547599A CN02154759A CN100476663C CN 100476663 C CN100476663 C CN 100476663C CN B021547599 A CNB021547599 A CN B021547599A CN 02154759 A CN02154759 A CN 02154759A CN 100476663 C CN100476663 C CN 100476663C
- Authority
- CN
- China
- Prior art keywords
- process units
- mentioned
- diagnosis
- data
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- General Factory Administration (AREA)
Abstract
生产装置的故障诊断方法和故障诊断系统,可在制造多品种工业制品的情况下自动应对进行故障诊断。包括:被诊断生产装置5;测定被诊断生产装置5的特征量的特征量传感器32~37;驱动控制被诊断生产装置5的实时控制控制器531;根据特征量传感器32~37的输出进行故障实时判定的模块533;将参照生产装置的特征量的数据作为装置信息数据库记录的装置信息存储装置103;包含驱动控制被诊断生产装置5的制造过程序列的方法和负荷试验序列的方法的过程管理信息数据库并向实时控制控制器531输出方法的过程管理信息存储装置102。
Description
技术领域
本发明涉及生产装置的故障诊断技术,尤其涉及从上位作为制造过程来管理生产装置,通过使用网络等控制生产装置的组控制器、CIM进行的故障诊断方法和故障诊断系统。
背景技术
在已有的半导体器件的制造过程中,半导体制造装置的没有预料到的故障使得从故障返回需要的未预料的生产中断引起的,从半导体制造装置的运转率的观点看的制造成本增加,尤其是制造过程中间产生的故降会导致作为被处理衬底的半导体器件的缺陷增多,由于废弃使得成品率降低,直接增大了制造成本。
半导体制造装置中,以故障和寿命为前提进行运营,例如,作为排气泵系统的干式泵和机械增压泵等定期大修或更换。此时由于制造过程中间的闭塞、旋转机构的停止等引起的作为被处理衬底的半导体器件为避免致命的故障,经验上通常相对预想的寿命具有裕度,较早地进行更换。但是,这在维护成本增加这一点上并不合适。
半导体制造装置的故障再现性未必高,偏离平均寿命预测,有时在成膜中间产生故障。
针对上述问题,通过用到装置寿命界限可使维护成本最小化,并且作为防止未预料故障的方式,作为平均寿命以外的预测方式,采用时常监视排气泵系统的温度和消耗电流的值,对其设定阈值,在表示在某设定值以上的温度、电流值时,发出警报,进行排气泵系统的维护等的方式,但太麻烦。这是由于在限定该半导体制造装置的状态下,在某恒定状态使用的情况下,以该恒定状态的温度、电流等的典型值,例如时间平均值为基础来设定阈值,但在对应多品种的半导体器件的生产的情况下,用同一半导体制造装置对应多品种的各自的制造过程,因此要求的过程条件多种多样,有不能惟一决定成为预测半导体制造装置的故障的基准的阈值的问题存在。
如上所述,在对应多品种的工业制品生产的情况下,为用同一生产装置对应多品种工业制品的各自的制造过程,要求的过程条件各种各样,存在不能惟一决定作为预测生产装置的故障的基准的阈值的问题。
发明内容
本发明鉴于上述问题作出,目的是提供一种即便用同一生产装置对应多品种工业制品的各自的制造过程的情况下也可以应对故障诊断的生产装置的故障诊断方法和生产装置的故障诊断系统。
为达到目的,本发明的第一特征主要是一种生产装置的故障诊断方法,包括:(1)对于进行和成为诊断对象的被诊断生产装置相同或类似的处理的参照生产装置进行特征量的时间系列数据的测定,将该测定结果作为装置信息数据库记录在装置信息存储装置中的步骤;(2)读出在过程管理信息存储装置中记录的过程管理信息数据库中记载的方法的步骤;(3)根据该方法驱动控制被诊断生产装置,将特征量的时间系列数据作为试验数据测定,实时输出该试验数据的步骤;(4)对负荷试验数据进行运算处理制作故障诊断数据的步骤;(5)使用该故障诊断数据和装置信息数据库进行被诊断生产装置的故障诊断的步骤。这里,作为被诊断生产装置和参照生产装置,相当于半导体制造装置、化学工厂用制造装置、钢铁厂用制造装置等。尤其,适合于真空排出反应性气体的LPCVD装置和干蚀刻装置、离子注入装置等的半导体制造装置。
根据本发明的第一特征,提供一种故障诊断方法,通过针对每个过程中产生的生产装置的状态的多种变化在生产装置、其成组控制器和管理工场的计算机集成制造puter Integrated Manufacturing:下面叫做CIM)构筑数据库,可提供对应该变化的阈值。或提供一种准确性高的故障诊断方法,不简单地止步于其测定值超出阈值的不能超越判断,通过将从该时间系列数据选择出的时间平均值、标准偏差、自共分散、自相关函数等故障诊断数据用于判断,可更容易觉察到时间系列数据的变化,可从多个测定系统构成的多个时间系列数据的相互共分散和马哈朗诺比斯距离自动进行判别。不将时间序列数据简单取为数据库,通过在制造处理之外自动进行施加特定负荷的处理等进行积极的装置控制,可增大取得的时间系列的变量,通过解析多变量可提高故障诊断的准确性。
本发明的第一特征中,方法例如是负荷试验序列的方法。该负荷试验序列具有施加被诊断生产装置的正常处理条件的5~30倍,例如10倍左右的负荷的时间区域。该负荷是时间轴上台阶函数的负荷或矩形波函数的负荷。
装置信息存储装置中存储多个参照生产装置的测定结果。此时,装置信息存储装置中存储不同的生产线或不同的工场的多个参照生产装置的测定结果。
本发明的第一特征中,对试验数据进行运算处理而做成的故障诊断数据是由特征量的时间系列数据的平均值、标准偏差佱、工程能力指数(Cp)值、评价偏颇的工程能力指数(Cpk)值、上管理界限(UCL)值、下管理界限(LCL)值、对时间的自共分散、对空间的自共分散构成的组中的至少一个。而且,装置信息存储装置中记录由参照生产装置的正常时的特征量的时间系列数据做成的马哈朗诺比斯空间,通过以该马哈朗诺比斯空间为基础计算出特征量的时间系列数据的马哈朗诺比斯距离,进行被诊断生产装置的故障诊断。
本发明的第二特征主要是一种生产装置的故障诊断系统,其特征在于包括:(1)被诊断生产装置;(2)测定该被诊断生产装置的特征量的时间系列数据并实时输出的特征量传感器;(3)实时驱动控制被诊断生产装置的实时控制控制器;(4)实时接收特征量传感器的输出,对该输出实时进行运算处理制作故障诊断数据并实时判断被诊断生产装置的故障的故障实时判定模块;(5)将对进行和被诊断生产装置相同/类似的处理的参照生产装置测定的特征量的数据作为装置信息数据库记录的装置信息存储装置;(6)记录包含驱动控制被诊断生产装置的方法(recipe)的过程管理信息数据库并向实时控制控制器输出方法的过程管理信息存储装置。例如方法包括驱动控制被诊断生产装置的制造过程序列的方法(recipe)和负荷试验序列的方法的至少之一。
根据本发明的第二特征,构筑一种生产装置的故障诊断系统,通过针对每个过程中产生的生产装置的状态的多种变化在生产装置、其成组控制器和管理工场的CIM构筑数据库,可提供对应该变化的阈值。或提供一种准确性高的故障诊断方法,不简单地止步于其测定值超出阈值的不能超越判断,通过将从该时间系列数据选择出的时间平均值、标准偏差、自共分散、自相关函数等特征量用于判断,可更容易觉察到时间系列数据的变化,可从多个测定系统构成的多个时间系列数据的相互共分散和马哈朗诺比斯距离自动进行判别。不将时间序列数据简单取为数据库,通过在制造处理之外自动进行施加特定负荷的处理等进行积极的装置控制,可增大取得的时间系列的变量,通过解析多变量可提高故障诊断的准确性。
本发明的第二特征中,装置信息存储装置中记录由参照生产装置和被诊断生产装置的正常时的特征量的时间系列数据做成的马哈朗诺比斯空间。故障实时判定模块通过从马哈朗诺比斯空间和故障诊断数据算出马哈朗诺比斯距离进行被诊断生产装置的故障诊断。被诊断生产装置包括例如可真空排气的反应室、将该反应室置于减压状态的排气泵系统、向反应室导入反应性气体的气体供给控制系统,特征量传感器测定排气泵系统的特征量的时间系列数据。
附图说明
图1是本发明的第一和第二实施例的生产装置的故障诊断系统的概念图;
图2是说明第一实施例的生产装置的故障诊断方法的流程图;
图3是说明向图2说明的排气泵系统施加负荷的试验序列的方法的流程图;
图4是说明本发明的第一实施例的生产装置的故障诊断方法的流程图(其一);
图5是说明本发明的第一实施例的生产装置的故降诊断方法的流程图(其二);
图6是说明本发明的第一实施例的生产装置的故障诊断方法的流程图(其三);
图7是说明制造过程的成膜序列的方法的流程图。
具体实施方式
下面参考附图详细说明本发明的实施例。
(第一实施例)
作为本发明的第一实施例的生产装置的故障诊断系统,以图1举例说明由半导体制造过程中硅氮化物膜(Si3N4膜)的减压化学气相生长(LPCVD)装置5和控制管理它的CIM装置1构成的系统。如图1所示,该LPCVD装置(被诊断生产装置)5具有作成可真空排气的封闭结构的反应室521,在反应室521的排气侧连接真空配管,真空配管的排气侧连接具有通过水冷进行冷却的冷却板的以捕获固体反应副产物的水冷式捕集器(trap)17。水冷式捕集器17的排气侧连接其他真空配管,该其他真空配管的排气侧连接压力控制阀15。并且,该压力控制阀15的排气侧再连接另一真空配管,该另一真空配管的排气侧连接将排出反应室521内部的气体的机械增压泵18和干式(dry)泵19串联连接构成的排气泵系统。压力控制阀15根据需要分离反应室521和排气泵系统(18,19),调整排气传导性(conductance)。另一方面,反应室521上连接多个气体配管,该气体配管分别连接大流量控制器511,512,513,514,…。通过大流量控制器511,512,513,514,…构成气体供给控制系统7,该气体供给控制系统7从工场侧气体供给系统6供给规定的气体。即,导入反应室521的各种原料气体(源气体)和运载气体通过气体供给控制系统7的大流量控制器511,512,513,514,…控制其流量。并且,气体供给控制系统7控制的原料气体等通过气体配管导入一定减压了的反应室521中。反应室521的内部温度由加热体和温度测定器构成的加热装置522控制。
通过减压CVD法对硅氮化物成膜是在减压下将作为硅源的二氯硅烷(SiH2Cl2)气体经大流量控制器511导入,将作为氮化种的氨(NH3)气体经大流量控制器512导入,将这些气体在800℃左右化学反应,将硅氮化物膜成膜在被处理半导体衬底13上。大流量控制器513控制导入反应室521的氮化气体。800℃的二氯硅烷(SiH2Cl2)气体和氨(NH3)气体的化学反应在生成硅氮化物同时,作为反应副产物产生氯化氨(NH4Cl)气体和氢气(H2)。氢气是气体,由LPCVD装置5中使用的排气泵系统(18,19)排出。另一方面,氯化氨在生成时由于反应炉内是800℃左右的高温以及数百Pa或数百Pa以下的减压而为气体状态。通常,减压LPCVD装置5中,如图1所示,捕获固体反应副产物的水冷式捕集器17设置在LPCVD装置5和排气泵系统(18,19)之间。水冷式捕集器17作用是减少作为副产物的氯化氨附着在压力控制阀15和排气泵系统(18,19)上的量。通过排气泵系统(18,19)的原料气体(源气体)和反应生成气体由排气去除处理装置7去除。排气去除处理装置7通过吸附或化学反应去除从排气泵系统(18,19)排出的有害成分。
反应室521内部的压力由连接反应室521的压力计14测定。作为压力计14可使用电容压力计和皮拉尼真空计等。压力控制阈15连接压力控制系统16,从压力计14测定的压力测定值和从反应室控制系统52指令的设定压力值的差异调整其传导性,使反应室521内部的压力达到设定值,并维持在该设定值。
表示压力控制阀15的调整状态的开口度由LPCVD装置主控制系统53实时输出。或者,在机械增压泵18上安装振动计31、温度计32、电流计33和位于出口部的排气压计34。电流计33测定为旋转机械增压泵18而消耗的电流。振动计31、温度计32、电流计33和排气压计34的测定值输出到LPCVD装置主控制系统53。干式泵19上也同样安装振动计35、温度计36、电流计37。电流计37测定为旋转干式泵19而消耗的电流。振动计35、温度计36、电流计37的测定值输出到LPCVD装置主控制系统53。LPCVD装置主控制系统53具有LPCVD装置实时控制器531和CPU532。LPCVD装置实时控制器531总体控制气体供给控制系统7、加热装置522和压力控制系统16。CPU532具有故障实时判定模块533,故障实时判定模块533实时进行用于故障诊断的计算。故障实时判定模块533作为时间系列数据存储压力计14、压力控制系统16的压力控制阀15的开口度、机械增压泵18上安装的振动计31、温度计32、电流计33和排气压计34以及干式泵(主泵)上安装的振动计35、温度计36、电流计37的输出。并且,故障实时判定模块533实时接收压力控制系统16、振动计31,35、温度计32,36、电流计33,37、排气压计34等的特征量传感器的输出,对这些输出实时进行运算处理制作故障诊断数据。例如,计算特征量的时间系列数据的平均值、标准偏差值、工程能力指数(Cp)值、评价偏颇的工程能力指数(Cpk)值、上管理界限(UCL)值、下管理界限(LCL)值、对时间的自共分散、对空间的自共分散等。这里,工程能力指数Cp在上限规格为Su、下线规格为S1、平均值为x、标准偏差为σ时,根据规格的种类,在两侧规格中,有:
Cp=(Su-S1)/6σ …………….(1)
单侧规格(上限规格)中有:
Cp=(Su-X)/3σ …………….(2)
单侧规格(下限规格)中有:
Cp=(x-S1)/3σ …………….(3)
工程能力指数Cpk利用偏差度k,对两侧规格情况定义如下:
Cpk=(1-k)Cp …………….(4)
K=|(Su+S1)/2-X|/(Su-S1)/2 ….(5)
并且,故障实时判定模块533从这些故障诊断数据实时判别排气泵系统(18,19)是否健全,是否在故障之前。并且,通过该判别向LPCVD装置实时控制器531指示警报或停止序列的启动。
图1所示的LPCVD装置5连接进行多个半导体制造装置的生产管理的CIM装置1,通过该CIM装置1控制动作。CIM装置1至少包含主计算机101、过程管理信息存储装置102和装置信息存储装置103。主计算机101、过程管理信息存储装置102和装置信息存储装置103用总线105连接。在总线105上连接输入输出接口104,经输入输出接口104,LPCVD装置5和CIM装置1交换信息。虽然图中省略了,但实际上经互联网或LAN等的信息网络可彼此连接LPCVD装置5和CIM装置1。过程管理信息存储装置102具有管理被处理半导体衬底13的处理过程条件和成膜方法等过程信息的过程管理数据库。LPCVD装置实时控制器531从过程管理信息存储装置102输入成膜方法、泵负荷用的试验方法,将其进行实时解释,总体控制气体供给控制系统7、加热装置522和压力控制系统16。装置信息存储装置103具有按各成膜条件的各阶段的状态整理记录LPCVD装置5和排气泵系统(18,19)上安装的测定器的输出值得到的装置信息数据库。装置信息存储装置103中记录的测定器的输出数据按位于过程管理信息存储装置102的成膜该制品的相应的膜的条件或类似的条件分类整理并记录。同样从在包含LPCVD装置5的工场内外连接网络的相同参照用半导体制造装置(LPCVD装置)通过各个装置的主控制装置将各个测定器的输出记录在装置信息存储装置103中。故障实时判定模块533得到作为统计特征量的时间平均和标准偏差、自共分散的同时从装置信息存储装置103中存储的马哈朗诺比斯空间(标准空间)得到马哈朗诺比斯距离,对测定值和该特征量构成的多变量实时判别排气泵系统(18,19)是否健全,是否在故障之前。
根据图2所示的流程图说明本发明的第一实施例的生产装置的故障诊断方法。图2所示的流程图表示新导入排气泵系统(18,19)的情况的故障诊断方法。
(1)首先,步骤S101中,操作者将新的机械增压泵18和干式泵19作为新的排气泵系统(18,19)分别安装在LPCVD装置5上。接着在步骤S102中操作者从连接CIM装置1的任意终端输入LPCVD装置5的排气泵系统(18,19)为新物品的信息。
(2)输入为新物品的信息后,在步骤S111中,记录在CIM装置1的装置信息存储装置103中记录的装置信息数据库将LPCVD装置5的迄今为止的排气泵系统(18,19)的累计运转时间复位为零,开始运转时间的累计。
(3)在步骤S112中CIM装置1为调查排气泵系统(18,19)的初始状态,向过程管理信息存储装置102指示进行排气泵系统(18,19)的负荷试验。然后在步骤S113中从过程管理信息存储装置102向LPCVD装置5的LPCVD装置主控制系统53输出4个步骤S1,S2,S3,S4构成的泵负荷试验方法,指示用该方法开始执行。图3用序列图表示出负荷试验的概要。
(4)LPCVD装置主控制系统53在步骤S121中在负荷试验序列的方法的4个步骤S1,S2,S3,S4的每一个中都向LPCVD装置实时控制器531输出。而且,步骤S122中根据输出的负荷试验序列的方法,在各个步骤S1,S2,S3,S4控制气体供给控制系统7、排气泵系统(18,19)和压力控制阀15。
(5)其间,在步骤S131中,振动计31、温度计32、电流计33、振动计35、温度计36、电流计37、排气压计34在各个步骤S1,S2,S3,S4测定,将这些测定值实时连续输出到LPCVD装置主控制系统53的故障实时判定模块533。
(6)各个步骤S1,S2,S3,S4测定的各测定器31,32,…37产生的测定值输入到故障实时判定模块533中后,在步骤S123故障实时判定模块533记录测定值的10秒间的时间系列数据,并且同时算出时间平均、时间分散、自共分散、温度、振动在施加负荷后到稳定之前的时间常数等的特征量。并且,将算出结果输出到装置信息存储装置103。即,除记录的原来的时间系列数据外,还从LPCVD装置主控制系统53向装置信息存储装置103输出算出的特征量,并记录在装置信息存储装置103中。
(7)装置信息存储装置103中,步骤S114中,迄今记录的全部的数据列为多变量,算出规定马哈朗诺比斯空间的分数共分散的逆矩阵。而且,从此次的结果在各个步骤中计算此次的新物品的排气泵系统(18,19)的马哈朗诺比斯距离,全部的步骤中,确认是否健全。同时,包含在健全的群中的情况下,除此次的数据外,另做成马哈朗诺比斯空间。从各个测定值和特征量,即各变量的平均值和标准偏差对平均值有标准偏差值的3倍宽,其上限和下限,即上管理界限(UCL)、下管理界限(LCL)为阈值,超出它们的情况为异常,即计算判断故障的标准。
(8)之后,步骤S114中,开始使用通常的LPCVD装置5,开始通常使用时的制造过程。
图3表示步骤S113指示的4个步骤S1,S2,S3,S4构成的泵负荷试验的方法。
(a)首先,步骤S1中,启动排气泵系统(18,19)。其中,作为反应室521的门控阀的压力控制阀15全开,排气泵系统(18,19)维持10秒的气体不流入状态。
(b)步骤S2中,同样边调整压力控制阀15的开口度边在10秒之内将压力控制阀15直线开口至100%。此时,反应室521从大气压排气到0.1Pa以下,大气流入排气泵系统(18,19)。此时,排气泵系统(18,19)负荷增加,排气泵系统(18,19)振动增大。而且,通过气体压缩等排气泵系统(18,19)温度上升,排气泵系统(18,19)消耗功率增加同时,排气泵系统(18,19)的马达驱动电流也上升。
(c)步骤S3中,反应室521内部的排气完成,没有气密泄漏外的气体流入,作为排气泵系统(18,19)近似步骤S1的状态。
(d)步骤S4中,将10SLM的氮气通过大流量控制器514按台阶函数一气从OSLM流到10SLM。此时,排气泵系统(18,19)10秒内测定振动增大和温度上升。LPCVD装置5中,通常是流入1SLM左右的氨气。即,该步骤S4中,是向排气泵系统(18,19)流入通常的5~30倍,例如10倍左右的气体的等价于加速试验的状况。排气泵系统(18,19)的振动和温度上升增大,提高测定器的实际灵敏度的同时,通过控制对排气泵系统(18,19)施加负荷的方式容易测定从该负荷开始之后到排气泵系统(18,19)稳定为止的时间常数。
用图4~6所示的流程图说明制造过程中通常使用排气泵系统(18,19)的情况下的本发明的第一实施例的生产装置的故障诊断方法。
(1)首先,步骤S201中,使用过程管理信息存储装置102中记录的过程管理数据库,使用LPCVD装置5通过当前的等待矩阵自动指定接着成膜的制品。而且在步骤S202中向LPCVD装置主控制系统53输出其需要的制造过程序列的方法,指示执行方法。
(2)向LPCVD装置主控制系统53输出图7所示的方法。步骤S301中LPCVD装置实时控制器531输入各阶段的方法。并且,LPCVD装置实时控制器531在步骤S301中根据制作过程序列的方法控制LPCVD装置5。
(3)其间,在步骤S401中,振动计31、温度计32、电流计33、振动计35、温度计36、电流计37、排气压计34在图7所示的各个步骤S1,S2,S3,…..S3,S1测定,将这些测定值实时连续输出到LPCVD装置主控制系统53的故障实时判定模块533。
(4)如图7所示,成膜序列中,有开始运转排气泵系统(18,19)时进行的负荷试验的时间和成为与步骤S1,S2,S3相当的同样状态的时间。步骤S303中按与步骤S1,S2,S3相当的状态分类,从各测定值实时算出时间平均值、时间微分值、自共分散等特征量。
(5)另一方面,从过程管理信息存储装置102的过程管理数据库确认制造过程序列中包含与步骤S1,S2,S3相当的状态后,在步骤S203中从装置信息存储装置103中记录的装置信息数据库向LPCVD装置主控制系统53输出包含负荷试验结果的装置信息数据库上的时间平均值和分散共分散。装置信息数据库还在步骤S203中向故障实时判定模块533输出步骤S1,S2,S3中的判断为异常的各个特征量的阈值。
(6)故障实时判定模块533在步骤S304中通过从装置信息数据库提供的平均值和分散共分散的逆矩阵对各测定器31,32,…37输出的测定值和从其算出的特征量构成的多变量算出马哈朗诺比斯距离。
(7)故障实时判定模块533在步骤S305中对各则定器31,32,…37输出的测定值和从其算出的特征量判断在成膜序列的各状态中各变量是否超出作为阈值的UCL和LCL。并且,故障实时判定模块533在步骤S305中实时判断全部变量构成的马哈朗诺比斯距离是否超出例如阈值8。
(8)没有异常的情况下,进行到步骤S207,装置信息存储装置103中记录各变量的值,再计算UCL和LCL以及分散共分散等。负荷试验中没有的成膜步骤中的各测定器31,32,…37的测定值产生的变量也记录为新的数据列,按其成膜条件分类。成膜步骤的变量也与负荷试验的步骤S1到S4同样做成并记录阈值和马哈朗诺比斯空间。并且,进行到步骤S208,开始通常的LPCVD装置的使用。
(9)否则,在步骤S305的判断中,超出阈值的情况下,进行到步骤S501,用警报向操作者通知泵有异常。并且,进行到步骤S205,向过程管理信息存储装置102的过程管理数据库指示初始负荷试验开始。接着在步骤S206中,该制造过程的方法结束后自动向LPCVD装置主控制系统53输出更换泵时进行的图3所示的负荷试验的序列的方法,指示方法有效。然后,在步骤S306中开始负荷试验。开始负荷试验时,在步骤S402中振动计31、温度计32、电流计33、振动计35、温度计36、电流计37、排气压计34在图3所示的各个步骤S1,S2,S3,S4测定,将这些测定值实时连续输出到LPCVD装置主控制系统53的故障实时判定模块533。故障实时判定模块533在步骤S307中按与步骤S1,S2,S3,S4相当的状态分类,实时从各测定值算出时间平均值、时间微分值、自共分散等特征量。而且在步骤S307中通过从装置信息数据库提供的平均值和分散共分散的逆矩阵对各测定器31,32,…37输出的测定值和从其算出的特征量构成的多变量算出马哈朗诺比斯距离。
(10)故障实时判定模块533在步骤S308中对各测定器31,32,…37输出的测定值和从其算出的特征量判断是否超出阈值。并且,故障实时判定模块533在步骤S308中实时判断全部变量构成的马哈朗诺比斯距离是否超出阈值。
(11)否则步骤S308中判断为负荷试验结果超出阈值,则进行到步骤S502,判断排气泵系统(18,19)非常接近故障,向操作者指示更换新的排气泵系统。另一方面,没有异常时,返回初始状态,开始使用通常的LPCVD装置。
上述说明中,仅从叫做LPCVD装置5的特定装置的测定值判断,如果是连接CIM装置1的同种LPCVD装置5,则通过共用其阈值和马哈朗诺比斯空间可补充数据数目的减少。这在和通过不同的CIM装置1控制管理的其他制造公司、工场共用数据方面是有效的。相反,全部数据库的功能设置在LPCVD装置5的内部,不能和其他LPCVD装置5共用数据,但可缩短网络上交接数据需要的时间,因此可进行更灵敏的实时的数据更新或故障判断。
(第二实施例)
作为本发明的第二实施例的生产装置的故障诊断系统,与第一实施例同样,说明图1所示的半导体制造工场中硅氮化物膜的LPCVD装置5和管理它的CIM装置1构成的系统。本发明的第二实施例的生产装置的故障诊断方法说明管理反应室521的排气配管和其水冷式捕集器17的寿命的情况。
LPCVD装置5中,使用氨气和二氯化硅烷的硅氮化物膜的成膜情况下,作为其副产物主要生成氯化氨。氯化氨常温常压下为固体,附着于排气泵系统(18,19)和压力控制阀15而停止旋转,成为产生故障的原因。因此,如图1所示,比排气泵系统(18,19)和压力控制阀15靠反应室521侧上设置水冷式捕集器17。其中,到该水冷式捕集器17闭塞之前捕获氯化氨时,失去排气传导性,产生成膜中需要的低压力不能维持等不恰当情况。为防止这一点,需要进行清洗和更换等维护。但是,与第一实施例同样,通过使用图1记载的故障诊断系统可正确判断水冷式捕集器17更换和清洗等的维护的时间。
用图7所示的制造过程的成膜序列中说明水冷式捕集器17的故障诊断。为对反应室521排气,从最初状态,压力控制阀15的开口度为全封闭状态的0%到100%,由反应室控制系52控制相对时间一次按一定比例打开的所谓的初始排气时,反应室521内部的压力从大气压向真空的变化由压力计14测定。该时间系列数据实时作为时间系列数据输出到LPCVD装置主控制系统53中,通过CPU532计算其时间平均、时间微分值、自共分散等特征量。而且,装置信息存储装置103中记录的装置信息数据库中记录该水冷式捕集器17维护并清洗更换以来的这些特征量。因此,将各个特征量的平均值和从标准偏差相对平均值具有标准偏差的2倍的宽度的控制器极限作为阈值计算,预先从装置信息存储装置103向CPU532输出。CPU532中通过该阈值实时判断水冷式捕集器17的状态是否健全,超出阈值时可产生警报。
图7所示的成膜步骤时,总是在水冷式捕集器17中堆积氯化氨从而恶化其排气传导性时也可能进行本发明的故障诊断,成膜时从大流量控制器511向反应室521导入0.1SLM的二氯硅烷,从大流量控制器512向反应室521导入1SLM的流量的氨气。并且,通过热分解硅氮化膜通过LPCVD反应堆积在被处理半导体衬底13上,而产生的氯化氢和作为原料气体(源气体)的剩余气体的氨气由水冷式捕集器17冷却作为氯化氨堆积下来,其排气通路狭窄,阵低排气传导性。此时,通过压力调整阀15边用压力计14测定反应室521内的压力边调整压力调整阀1的开口度,即调整其排气传导性,将反应室521内维持在规定压力,如100Pa。由于水冷式捕集器17的排气传导性直接串联连接该压力调整阀15的排气传导性,通过水冷式捕集器17的排气传导性的降低,在互相抵消的方向上把压力调整阀15的排气传导性调整到增加的方向上。该压力调整阀15的开口度的变化与各测定器31,32,…37的输出同样输出到LPCVD装置主控制系统53中,由CPU532同样算出特征量。装置信息存储装置103上按各成膜条件分类记录压力调整阀15的开口度的数据。这是由于根据成膜条件其原料气体(源气体)流量不同,反应室521内的消耗量和作为产物的氯化氢气体的产量不同。
装置信息存储装置103中记录的装置信息数据库中计算各条件下的对各变量的阈值,成膜前预先向CPU532的故障实时判定模块533输出该条件下的阈值。故障实时判定模块533中,可实时判断录压力调整阀15的开口度的值是否超出其阈值。不仅开口度的值,在还将时间微分和二次微分以及自共分散作为变量,按多变量处理的情况下,马哈朗诺比斯空间在装置信息存储装置103中记录的装置信息数据库中作成。这也与阈值同样,将该对应成膜条件输出到CPU532,同样实时求出马哈朗诺比斯距离,可用于故障判别。
(其他实施例)
如上所述,虽然本发明根据第一和第二实施例作了记载,但不应理解为将本发明限定于对该公开的部分所作的论述和附图中。显然本领域技术人员能够知晓对所公开的内容进行各种替代得到的实施形式、实施例和运用技术。
在上面所述的第一和第二实施例说明中,举例说明了LPCVD装置,但当然不限于LPCVD装置。例如,可以是干蚀刻装置、离子注入装置等的其他半导体制造装置。并且,还可以是半导体制造装置以外的化学工厂和钢铁厂使用的生产装置(制造装置)。
作为排气泵系统,例示出机械增压泵和干式泵串联连接的排气泵,但可以是机械增压泵和回油泵串联连接的排气泵系统。也适用于仅干式泵或仅回油泵的排气泵系统和涡轮(turbo)分子泵等中。
这样,本发明当然包含这里未记载的各种实施例。因此,本发明的技术范围仅由从上面的说明中妥当地确定的权利要求的范围中的发明特定事项决定。
根据本发明,提供即便用同一生产装置对应多品种的工业制品的制造过程的情况下,也可自动应对故障诊断的生产装置的故障诊断方法和生产装置的故障诊断系统。
Claims (18)
1.一种生产装置的故障诊断方法,其特征在于包括下列步骤:
对于进行与成为诊断对象的被诊断生产装置相同的处理的参照生产装置,进行特征量的时间系列数据的测定,将该测定结果作为装置信息数据库记录在装置信息存储装置中;
读出在过程管理信息存储装置中记录的过程管理信息数据库中记载的负荷试验序列的方法;
根据上述负荷试验序列的方法驱动控制上述被诊断生产装置,将上述特征量的时间系列数据作为负荷试验数据进行测定,实时输出该负荷试验数据;
对上述负荷试验数据进行运算处理制作故障诊断数据;
使用该故障诊断数据和上述装置信息数据库进行上述被诊断生产装置的故障诊断。
2.根据权利要求1所述的生产装置的故障诊断方法,其特征在于上述负荷试验序列的方法与制造过程序列的方法不相同。
3.根据权利要求1或2所述的生产装置的故障诊断方法,其特征在于上述装置信息存储装置中存储多个上述参照生产装置的测定结果。
4.根据权利要求1或2所述的生产装置的故障诊断方法,其特征在于上述装置信息存储装置中存储不同的生产线或不同的工场的多个上述参照生产装置的测定结果。
5.根据权利要求1或2所述的生产装置的故障诊断方法,其特征在于对上述试验数据进行运算处理而做成的故障诊断数据是由上述特征量的时间系列数据的平均值、标准偏差值、工程能力指数(Cp)值、评价偏颇的工程能力指数(Cpk)值、上管理界限(UCL)值、下管理界限(LCL)值、对时间的自共分散、对空间的自共分散构成的组中的至少一个。
6.根据权利要求1或2所述的生产装置的故障诊断方法,其特征在于上述装置信息存储装置中记录由上述参照生产装置的正常时的特征量的时间系列数据做成的马哈朗诺比断空间,通过以该马哈朗诺比斯空间为基础计算出上述参照生产装置正常时的特征量的时间系列数据的马哈朗诺比斯距离,进行上述被诊断生产装置的故障诊断。
7.一种生产装置的故障诊断方法,其特征在于包括下列步骤:
对于进行与成为诊断对象的被诊断生产装置相同的处理的参照生产装置,进行特征量的时间系列数据的测定,将该测定结果作为装置信息数据库记录在装置信息存储装置中;
读出在过程管理信息存储装置中记录的过程管理信息数据库中记载的负荷试验序列的方法,上述负荷试验序列具有施加上述被诊断生产装置的正常处理条件的5~30倍的负荷的时间区域;
根据该负荷试验序列的方法驱动控制上述被诊断生产装置,将上述特征量的时间系列数据作为负荷试验数据进行测定,实时输出该负荷试验数据;
对上述负荷试验数据进行运算处理制作故障诊断数据;
使用该故障诊断数据和上述装置信息数据库进行上述被诊断生产装置的故障诊断。
8.根据权利要求7所述的生产装置的故障诊断方法,其特征在于上述负荷是时间轴上台阶函数的负荷。
9.根据权利要求7所述的生产装置的故障诊断方法,其特征在于上述负荷是时间轴上矩形波函数的负荷。
10.根据权利要求7~9之一所述的生产装置的故障诊断方法,其特征在于上述装置信息存储装置中存储多个上述参照生产装置的测定结果。
11.根据权利要求7~9之一所述的生产装置的故障诊断方法,其特征在于上述装置信息存储装置中存储不同的生产线或不同的工场的多个上述参照生产装置的测定结果。
12.根据权利要求7~9之一所述的生产装置的故障诊断方法,其特征在于对上述试验数据进行运算处理而做成的故障诊断数据是由上述特征量的时间系列数据的平均值、标准偏差值、工程能力指数(Cp)值、评价偏颇的工程能力指数(Cpk)值、上管理界限(UCL)值、下管理界限(LCL)值、对时间的自共分散、对空间的自共分散构成的组中的至少一个。
13.根据权利要求7~9之一所述的生产装置的故障诊断方法,其特征在于上述装置信息存储装置中记录由上述参照生产装置的正常时的特征量的时间系列数据做成的马哈朗诺比斯空间,通过以该马哈朗诺比斯空间为基础计算出上述参照生产装置的正常时的特征量的时间系列数据的马哈朗诺比斯距离,进行上述被诊断生产装置的故障诊断。
14.一种生产装置的故障诊断系统,其特征在于包括:
被诊断生产装置;
测定该被诊断生产装置的特征量的时间系列数据并实时输出的特征量传感器;
实时驱动控制上述被诊断生产装置的实时控制控制器;
实时接收上述特征量传感器的输出,对该输出实时进行运算处理制作故障诊断数据并实时判断上述被诊断生产装置的故障的故障实时判定模块;
将对进行和上述被诊断生产装置相同的处理的参照生产装置测定的特征量的数据作为装置信息数据库记录的装置信息存储装置;
记录包含用于驱动控制上述被诊断生产装置的方法的过程管理信息数据库并向上述实时控制控制器输出上述方法的过程管理信息存储装置,
上述方法包含制造装置的制造过程序列方法和负荷试验序列方法。
15.根据权利要求14所述的生产装置的故障诊断系统,其特征在于上述制造过程序列方法与负荷试验序列方法不相同。
16.根据权利要求14或15所述的生产装置的故障诊断系统,其特征在于上述装置信息存储装置中记录由上述参照生产装置和上述被诊断生产装置的正常时的特征量的时间系列数据做成的马哈朗诺比斯空间。
17.根据权利要求16所述的生产装置的故障诊断系统,其特征在于上述故障实时判定模块通过从上述马哈朗诺比斯空间和上述故障诊断数据算出马哈朗诺比斯距离进行上述被诊断生产装置的故障诊断。
18.根据权利要求14或15所述的生产装置的故障诊断系统,其特征在于上述被诊断生产装置包括可真空排气的反应室、将该反应室置于减压状态的排气泵系统、和向上述反应室导入反应性气体的气体供给控制系统,上述特征量传感器测定上述排气泵系统的特征量的时间系列数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP264278/2001 | 2001-08-31 | ||
JP2001264278A JP4592235B2 (ja) | 2001-08-31 | 2001-08-31 | 生産装置の故障診断方法及び生産装置の故障診断システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1416076A CN1416076A (zh) | 2003-05-07 |
CN100476663C true CN100476663C (zh) | 2009-04-08 |
Family
ID=19090909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB021547599A Expired - Fee Related CN100476663C (zh) | 2001-08-31 | 2002-08-30 | 生产装置的故障诊断方法和故障诊断系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US6909993B2 (zh) |
JP (1) | JP4592235B2 (zh) |
KR (1) | KR100488127B1 (zh) |
CN (1) | CN100476663C (zh) |
TW (1) | TWI224724B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529238A (zh) * | 2019-09-18 | 2021-03-19 | 财团法人工业技术研究院 | 电脑可读取记录介质、数据处理方法及数据处理系统 |
Families Citing this family (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7630861B2 (en) * | 1996-03-28 | 2009-12-08 | Rosemount Inc. | Dedicated process diagnostic device |
JP2003077907A (ja) * | 2001-08-31 | 2003-03-14 | Toshiba Corp | 生産装置の異常停止回避方法及び異常停止回避システム |
JP4149691B2 (ja) * | 2001-08-31 | 2008-09-10 | 株式会社東芝 | 半導体製造装置用回転機の寿命予測方法及び半導体製造装置 |
JP4184638B2 (ja) * | 2001-08-31 | 2008-11-19 | 株式会社東芝 | 半導体製造装置の寿命診断方法 |
US6868760B1 (en) * | 2003-02-12 | 2005-03-22 | Pratt-Read Corporation | Tool locking mechanism |
US7337091B1 (en) * | 2002-10-31 | 2008-02-26 | Advanced Micro Devices, Inc. | Method and apparatus for coordinating fault detection settings and process control changes |
US20050027656A1 (en) * | 2003-02-11 | 2005-02-03 | Tyson Foods, Inc. | A system and method for monitoring facility data |
US7206771B2 (en) * | 2003-11-11 | 2007-04-17 | International Business Machines Corporation | Automated knowledge system for equipment repair based on component failure history |
GB0412623D0 (en) * | 2004-06-07 | 2004-07-07 | Boc Group Plc | Method controlling operation of a semiconductor processing system |
CN101167026B (zh) * | 2005-04-20 | 2011-03-02 | 三菱电机株式会社 | 数据收集装置及网关装置 |
JP6030278B2 (ja) * | 2006-03-16 | 2016-11-24 | アプライド マテリアルズ インコーポレイテッドApplied Materials,Incorporated | 電子デバイス製造システムの操作を改善する方法及び装置 |
US20090175771A1 (en) * | 2006-03-16 | 2009-07-09 | Applied Materials, Inc. | Abatement of effluent gas |
JP5147097B2 (ja) * | 2006-05-09 | 2013-02-20 | 東京エレクトロン株式会社 | サーバ装置、およびプログラム |
JP4780715B2 (ja) * | 2006-08-01 | 2011-09-28 | 東京エレクトロン株式会社 | サーバ装置およびプログラム |
PL2097794T5 (pl) * | 2006-11-03 | 2018-01-31 | Air Prod & Chem | System i sposób monitorowania procesu |
US7661017B2 (en) * | 2007-01-30 | 2010-02-09 | International Business Machines Corporaion | Diagnostic operations within a switched fibre channel arbitrated loop system |
US7917330B2 (en) * | 2007-06-15 | 2011-03-29 | Yokogawa Electric Corporation | Situation analyzing system and situation analyzing method, and batch processing analyzing system and batch processing analyzing method |
US8078303B2 (en) * | 2007-07-03 | 2011-12-13 | Southwire Company | Electronic supervisor |
US8378816B2 (en) * | 2007-07-17 | 2013-02-19 | Clemson University | System and method to assess signal similarity with applications to diagnostics and prognostics |
US8180594B2 (en) * | 2007-09-06 | 2012-05-15 | Asm International, N.V. | System and method for automated customizable error diagnostics |
JP2009080649A (ja) * | 2007-09-26 | 2009-04-16 | Toshiba Corp | 生産品質システム |
JP4791520B2 (ja) * | 2007-11-01 | 2011-10-12 | キヤノンアネルバ株式会社 | クライオポンプ装置、真空処理装置及びクライオポンプ装置の動作方法 |
CN101779171B (zh) * | 2008-02-27 | 2013-03-20 | 三菱重工业株式会社 | 工厂状态监视方法以及工厂状态监视装置 |
JP5416443B2 (ja) * | 2009-03-19 | 2014-02-12 | 大日本スクリーン製造株式会社 | 故障予知システムおよび故障予知方法 |
JP2011060012A (ja) * | 2009-09-10 | 2011-03-24 | Fuji Electric Systems Co Ltd | プラント監視装置およびプラント監視方法 |
TWI388979B (zh) * | 2009-09-18 | 2013-03-11 | Asustek Comp Inc | 電腦系統及監控裝置 |
US9151786B2 (en) | 2010-10-11 | 2015-10-06 | General Electric Company | Systems, methods, and apparatus for detecting shifts in redundant sensor signals |
EP2628058A1 (en) * | 2010-10-11 | 2013-08-21 | General Electric Company | Systems, methods, and apparatus for signal processing- based fault detection, isolation and remediation |
JP2012114157A (ja) * | 2010-11-22 | 2012-06-14 | Toshiba Corp | ドロップレシピ作成方法およびデータベース作成方法 |
JP5468535B2 (ja) * | 2010-12-24 | 2014-04-09 | 株式会社東芝 | 異常検知装置、方法およびその方法をコンピュータに実行させるプログラム |
DE102011086352A1 (de) * | 2011-05-31 | 2012-12-06 | Robert Bosch Gmbh | Verfahren und Diagnosesystem zur Unterstützung der geführten Fehlersuche in technischen Systemen |
JP5284433B2 (ja) * | 2011-09-14 | 2013-09-11 | 株式会社東芝 | プロセス監視・診断・支援装置 |
CN102361014B (zh) * | 2011-10-20 | 2013-08-28 | 上海大学 | 大规模半导体制造过程的状态监控与故障诊断方法 |
US20150293531A1 (en) * | 2012-10-25 | 2015-10-15 | Mitsubishi Hitachi Power Systems, Ltd. | Plant monitoring device, plant monitoring program, and plant monitoring method |
US9417628B2 (en) * | 2013-03-13 | 2016-08-16 | Western Digital Technologies, Inc. | Production failure analysis system |
CN103399546B (zh) * | 2013-07-26 | 2016-06-15 | 杭州和利时自动化有限公司 | 三冗余控制方法及系统 |
CN103543654B (zh) * | 2013-11-14 | 2016-08-17 | 杭州和利时自动化有限公司 | 一种控制三机冗余控制系统停机的方法 |
CN103903408B (zh) * | 2014-04-04 | 2017-07-21 | 内蒙古大唐国际新能源有限公司 | 设备故障侦查预警方法和系统 |
JP6344158B2 (ja) * | 2014-09-01 | 2018-06-20 | 株式会社Ihi | 故障検出装置 |
CN104503436B (zh) * | 2014-12-08 | 2017-06-23 | 浙江大学 | 一种基于随机投影和k近邻的快速故障检测方法 |
WO2016132479A1 (ja) * | 2015-02-18 | 2016-08-25 | 東芝三菱電機産業システム株式会社 | 鉄鋼プラントアラームマネジメント装置 |
JP6353802B2 (ja) * | 2015-03-24 | 2018-07-04 | 東京エレクトロン株式会社 | 処理システム、処理方法、及び、プログラム |
DE102015108851B4 (de) * | 2015-06-03 | 2017-01-05 | Klingelnberg Ag | Verfahren zum Betreiben einer Mehrzahl von Messmaschinen und Gesamtvorrichtung, die mindestens zwei Messmaschinen umfasst |
CN104865959B (zh) * | 2015-06-19 | 2018-03-02 | 长春工业大学 | 一种消防电源控制系统的故障自诊断方法 |
JP6148316B2 (ja) * | 2015-07-31 | 2017-06-14 | ファナック株式会社 | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム |
DE102016008987B4 (de) | 2015-07-31 | 2021-09-16 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
JP6391171B2 (ja) * | 2015-09-07 | 2018-09-19 | 東芝メモリ株式会社 | 半導体製造システムおよびその運転方法 |
JP5973096B1 (ja) * | 2016-01-14 | 2016-08-23 | 三菱日立パワーシステムズ株式会社 | プラント分析装置、プラント分析方法、およびプログラム |
JP6744181B2 (ja) * | 2016-09-26 | 2020-08-19 | 株式会社ニューフレアテクノロジー | 成膜装置及び成膜方法 |
JP6889059B2 (ja) * | 2017-07-19 | 2021-06-18 | 株式会社東芝 | 情報処理装置、情報処理方法及びコンピュータプログラム |
JP7034646B2 (ja) * | 2017-09-25 | 2022-03-14 | 株式会社Screenホールディングス | 異常検知装置、及び異常検知方法 |
US20190162180A1 (en) * | 2017-11-30 | 2019-05-30 | Tornatech Inc. | System and method for detecting failure of a pressure sensor in a fire pump system |
JP6864705B2 (ja) * | 2018-03-29 | 2021-04-28 | 株式会社Kokusai Electric | 基板処理装置、制御システム及び半導体装置の製造方法 |
CN110398930A (zh) * | 2018-04-25 | 2019-11-01 | 深圳市盛孚物业管理股份有限公司 | 一种小区物业设备监控方法和系统 |
US11774306B2 (en) | 2018-06-26 | 2023-10-03 | Applied Materials, Inc. | System and method for maintenance of rotation-lift assembly |
TWI679728B (zh) * | 2018-12-06 | 2019-12-11 | 力成科技股份有限公司 | 調整移動晶片設備的方法及該移動晶片設備 |
JP7223947B2 (ja) * | 2019-06-03 | 2023-02-17 | パナソニックIpマネジメント株式会社 | 製造条件計算装置、製造条件計算方法及び製造条件計算プログラム |
JP7285797B2 (ja) * | 2020-02-28 | 2023-06-02 | 株式会社東芝 | 状態評価システム、状態評価装置及び状態評価方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN85101123A (zh) * | 1985-04-01 | 1987-01-24 | 西屋电器公司 | 诊断的系统和方法 |
CN1140847A (zh) * | 1994-08-23 | 1997-01-22 | 株式会社日立制作所 | 控制系统的诊断解析装置及其方法 |
CN1159233A (zh) * | 1994-11-02 | 1997-09-10 | 西门子公司 | 用于技术设备的过程数据的分析方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0716864B2 (ja) | 1987-04-28 | 1995-03-01 | 株式会社日立製作所 | 製造設備の診断装置 |
JPH0695723A (ja) * | 1991-02-19 | 1994-04-08 | Enshu Ltd | 工作機械のリモート診断方法とその処置 |
JPH0527026A (ja) | 1991-07-16 | 1993-02-05 | Japan Radio Co Ltd | レーダ装置 |
JPH05195980A (ja) * | 1992-01-16 | 1993-08-06 | Hitachi Ltd | 高温・高圧流体を取扱う高速遠心ポンプの予防保全システム |
DE4438854C2 (de) | 1994-11-02 | 1996-12-12 | Siemens Ag | Überwachungssystem für eine technische Anlage |
JPH10116875A (ja) * | 1996-10-08 | 1998-05-06 | Mitsubishi Electric Corp | 半導体製造システム |
JPH10124134A (ja) * | 1996-10-21 | 1998-05-15 | Osaka Gas Co Ltd | 診断システム |
US6000830A (en) * | 1997-04-18 | 1999-12-14 | Tokyo Electron Limited | System for applying recipe of semiconductor manufacturing apparatus |
KR100244781B1 (ko) * | 1997-07-10 | 2000-02-15 | 윤종용 | 고장예측과 자기진단 가능한 스카시 디바이스 및 이 디바이스에 의한 고장예측과 자기진단 방법 |
JP3349455B2 (ja) * | 1998-09-30 | 2002-11-25 | 宮崎沖電気株式会社 | 半導体製造装置のための管理方法および管理システム |
JP2000259222A (ja) * | 1999-03-04 | 2000-09-22 | Hitachi Ltd | 機器監視・予防保全システム |
JP2000269108A (ja) * | 1999-03-15 | 2000-09-29 | Sharp Corp | 半導体製造装置の管理システム |
US6442445B1 (en) * | 1999-03-19 | 2002-08-27 | International Business Machines Corporation, | User configurable multivariate time series reduction tool control method |
US6556949B1 (en) * | 1999-05-18 | 2003-04-29 | Applied Materials, Inc. | Semiconductor processing techniques |
US6480854B1 (en) * | 2000-03-27 | 2002-11-12 | Advanced Micro Devices, Inc. | Method and apparatus for increasing database availability |
-
2001
- 2001-08-31 JP JP2001264278A patent/JP4592235B2/ja not_active Expired - Fee Related
-
2002
- 2002-08-28 US US10/228,960 patent/US6909993B2/en not_active Expired - Fee Related
- 2002-08-30 TW TW091119822A patent/TWI224724B/zh not_active IP Right Cessation
- 2002-08-30 CN CNB021547599A patent/CN100476663C/zh not_active Expired - Fee Related
- 2002-08-31 KR KR10-2002-0052277A patent/KR100488127B1/ko not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN85101123A (zh) * | 1985-04-01 | 1987-01-24 | 西屋电器公司 | 诊断的系统和方法 |
CN1140847A (zh) * | 1994-08-23 | 1997-01-22 | 株式会社日立制作所 | 控制系统的诊断解析装置及其方法 |
CN1159233A (zh) * | 1994-11-02 | 1997-09-10 | 西门子公司 | 用于技术设备的过程数据的分析方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529238A (zh) * | 2019-09-18 | 2021-03-19 | 财团法人工业技术研究院 | 电脑可读取记录介质、数据处理方法及数据处理系统 |
TWI729500B (zh) * | 2019-09-18 | 2021-06-01 | 財團法人工業技術研究院 | 電腦可讀取紀錄媒體、資料處理方法及資料處理系統 |
US11454243B2 (en) | 2019-09-18 | 2022-09-27 | Industrial Technology Research Institute | Artificial intelligence training method for a target model based on the label matrix |
Also Published As
Publication number | Publication date |
---|---|
KR100488127B1 (ko) | 2005-05-06 |
US6909993B2 (en) | 2005-06-21 |
TWI224724B (en) | 2004-12-01 |
JP2003076414A (ja) | 2003-03-14 |
US20030149547A1 (en) | 2003-08-07 |
KR20030019269A (ko) | 2003-03-06 |
JP4592235B2 (ja) | 2010-12-01 |
CN1416076A (zh) | 2003-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100476663C (zh) | 生产装置的故障诊断方法和故障诊断系统 | |
CN100402826C (zh) | 半导体生产装置的异常停止避免方法和异常停止避免系统 | |
US6944572B2 (en) | Apparatus for predicting life of rotary machine and equipment using the same | |
KR100557376B1 (ko) | 회전기의 수명 예측 방법 및 회전기를 갖는 제조 장치 | |
US7444572B2 (en) | Built-in self test for a thermal processing system | |
CN112652556A (zh) | 处理装置、装置管理控制器、处理系统、记录介质、半导体器件的制造方法以及显示方法 | |
US20050107984A1 (en) | Manufacturing apparatus and method for predicting life of rotary machine used in the same | |
US7065469B2 (en) | Manufacturing apparatus and method for predicting life of a manufacturing apparatus which uses a rotary machine | |
JP2001196361A (ja) | プロセス排気ガスモニタ装置及び方法、半導体製造装置、及び半導体製造装置管理システム及び方法 | |
US7165011B1 (en) | Built-in self test for a thermal processing system | |
CN107240564B (zh) | 处理装置、装置管理控制器、以及装置管理方法 | |
KR20180048290A (ko) | 기판 처리 장치, 감시 프로그램 및 반도체 장치의 제조 방법 | |
US7413914B2 (en) | Method and apparatus for manufacturing semiconductor device, method and apparatus for controlling the same, and method and apparatus for simulating manufacturing process of semiconductor device | |
WO2007112180A2 (en) | Semiconductor processing system with wireless sensor network monitoring system incorporated therewith | |
US6821792B1 (en) | Method and apparatus for determining a sampling plan based on process and equipment state information | |
US8266095B2 (en) | Substrate processing system and operation inspecting method | |
US20070255991A1 (en) | Monitoring a thermal processing system | |
CN1275795A (zh) | 用于加工晶片的设备 | |
Kim et al. | Control charts for random and fixed components of variation in the case of fixed wafer locations and measurement positions | |
TWI767326B (zh) | 基板處理裝置、半導體裝置的製造方法、及預兆偵測程式 | |
Collins et al. | Model-based equipment diagnosis | |
CN115080918A (zh) | 统计方法和处理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090408 Termination date: 20120830 |