CN117316819A - 半导体制造装置、故障预知方法、存储介质及管理系统 - Google Patents

半导体制造装置、故障预知方法、存储介质及管理系统 Download PDF

Info

Publication number
CN117316819A
CN117316819A CN202311261098.1A CN202311261098A CN117316819A CN 117316819 A CN117316819 A CN 117316819A CN 202311261098 A CN202311261098 A CN 202311261098A CN 117316819 A CN117316819 A CN 117316819A
Authority
CN
China
Prior art keywords
time
failure
feature amounts
semiconductor manufacturing
manufacturing apparatus
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.)
Pending
Application number
CN202311261098.1A
Other languages
English (en)
Inventor
藤方淳平
荒木裕二
佐藤天星
小泉龙也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ebara Corp
Original Assignee
Ebara Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ebara Corp filed Critical Ebara Corp
Publication of CN117316819A publication Critical patent/CN117316819A/zh
Pending legal-status Critical Current

Links

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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D3/00—Electroplating: Baths therefor
    • C25D3/02—Electroplating: Baths therefor from solutions
    • C25D3/12—Electroplating: Baths therefor from solutions of nickel or cobalt
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D7/00—Electroplating characterised by the article coated
    • C25D7/12—Semiconductors
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/058—Safety, monitoring
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • 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
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67028—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like
    • H01L21/6704—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing
    • H01L21/67057—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing with the semiconductor substrates being dipped in baths or vessels
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67063—Apparatus for fluid treatment for etching
    • H01L21/67075—Apparatus for fluid treatment for etching for wet etching
    • H01L21/67086—Apparatus for fluid treatment for etching for wet etching with the semiconductor substrates being dipped in baths or vessels
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67207—Apparatus for manufacturing or treating in a plurality of work-stations comprising a chamber adapted to a particular process
    • H01L21/6723—Apparatus for manufacturing or treating in a plurality of work-stations comprising a chamber adapted to a particular process comprising at least one plating chamber
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/677—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations
    • H01L21/67739—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations into and out of processing chamber
    • H01L21/67751—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations into and out of processing chamber vertical transfer of a single workpiece
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/683—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping
    • H01L21/687—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
    • H01L21/68707—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a robot blade, or gripped by a gripper for conveyance
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D17/00—Constructional parts, or assemblies thereof, of cells for electrolytic coating
    • C25D17/001—Apparatus specially adapted for electrolytic coating of wafers, e.g. semiconductors or solar cells
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D17/00—Constructional parts, or assemblies thereof, of cells for electrolytic coating
    • C25D17/02—Tanks; Installations therefor
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D17/00—Constructional parts, or assemblies thereof, of cells for electrolytic coating
    • C25D17/10—Electrodes, e.g. composition, counter electrode
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D21/00—Processes for servicing or operating cells for electrolytic coating
    • C25D21/06—Filtering particles other than ions
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D21/00—Processes for servicing or operating cells for electrolytic coating
    • C25D21/10—Agitating of electrolytes; Moving of racks
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D21/00—Processes for servicing or operating cells for electrolytic coating
    • C25D21/12—Process control or regulation
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2602—Wafer processing
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Electrochemistry (AREA)
  • Materials Engineering (AREA)
  • Robotics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
  • Electroplating Methods And Accessories (AREA)
  • Chemically Coating (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明提供半导体制造装置、故障预知方法、存储介质及管理系统，能够提高半导体制造装置的故障预知精度。半导体制造装置具备：第一装置；一个或多个传感器，检测表示第一装置的状态的物理量；第一算出电路，根据所检测出的物理量算出第一装置的一个或多个特征量；以及故障预知电路，将由第一算出电路算出的一个或多个特征量与直至第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定多个模型数据中的与所算出的一个或多个特征量的差为最小的模型数据，根据在该模型数据中与所算出的一个或多个特征量的差成为最小的时刻与故障时刻的差算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。

Description

半导体制造装置、故障预知方法、存储介质及管理系统
本申请是下述专利申请的分案申请：
申请号：201810301919.2
申请日：2018年4月4日
发明名称：半导体制造装置、故障预知方法及存储介质
技术领域
本发明涉及半导体制造装置、半导体制造装置的故障预知方法以及半导体制造装置的故障预知程序。
背景技术
以往，进行在半导体晶片、印刷基板等基板的表面形成布线、凸部(突起状电极)等的处理。作为形成该布线以及凸部等的方法，已知有电镀法。在进行电镀的镀敷装置，包括多个由马达驱动的机构。已知这样的马达伴随着与镀敷装置的使用相伴的年久老化等，马达负荷率增加。在马达负荷率超过容许值的情况下，马达出现错误而变得无法动作。由于这种情况在装置的通常工作中突然产生，所以在此之后的装置变得不能工作，镀敷处理中的基板成为废料。
作为镀敷装置的例子，有例如记载于专利文献1的装置。在该镀敷装置中，为了在镀敷槽10中向基板W供给充分的离子，将搅拌镀敷液的桨与基板W相邻而配置。桨通过马达44的动力而往复运动。如果马达44因故障等而停止，则桨的驱动被停止，镀敷处理中的基板成为废料。除了桨以外，作为在镀敷装置中由马达驱动的机构，有运输机的行走·升降轴、用于锁定基板装卸部中的基板保持件的旋转轴等。
另外，在传感器中也存在由于产生长期的使用而引起的传感器灵敏度的劣化、位置偏移，从而产生突发的错误检测的情况。产生传感器的错误检测而产生错误时，在此之后的装置变得不能工作，镀敷处理中的基板成为废料。
在这样的镀敷装置以外的、例如、CVD装置、研磨或者磨削装置、切割装置、密封装置这样的半导体制造装置中，也使用马达、传感器。于是，设于这些半导体制造装置的马达或传感器在基板的处理中突发性地故障或产生错误时，变得不能进行装置的运转/工作，由此，根据情况也存在处理中的基板成为废料、或者装置的工作效率变差的担忧。
现有技术文献
专利文献
专利文献1：日本专利第5184308号说明书
专利文献2：日本特开2016-127069号公报
专利文献3：日本特开2014-169475号公报
发明内容
本发明的目的是解决上述课题的至少一部分。
根据本发明的一方式，提供一种半导体制造装置。该半导体制造装置具备：第一装置；一个或多个传感器，检测表示所述第一装置的状态的物理量；第一算出电路，根据所检测出的所述物理量算出所述第一装置的一个或多个特征量；以及故障预知电路，将由所述第一算出电路算出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，来决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据，根据在该模型数据中与所算出的所述一个或多个特征量的差成为最小的时刻与故障时刻的差来算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。第一算出电路以及故障预知电路能够由执行上述处理的程序和执行该程序的计算机构成。另外，第一算出电路以及故障预知电路也可以由ASIC、PLC等面向特定用途的集成电路等专用的硬件构成。第一算出电路以及故障预知电路也可以将它们功能分割为多个装置(多个计算机、多个特定用途的硬件或者一个或多个计算机和一个或多个特定用途的硬件的组合)来实现。
根据本发明的一方式，提供一种半导体制造装置。该半导体制造装置具备：第一装置；一个或多个传感器，检测表示所述第一装置的状态的物理量；第一算出电路，根据所检测出的所述物理量算出所述第一装置的一个或多个特征量；以及故障预知电路，对由所述第一算出电路算出的一个或多个特征量的时间变化进行监视，在所述一个或多个特征量与正常时的特征量的乖离率增加的时间超过第一时间的情况、和/或所述一个或多个特征量与正常时的特征量的乖离率每单位时间进行增减的次数超过第一次数的情况下，停止新的基板的接收。
根据本发明的一方式，提供一种半导体制造装置的故障预知方法，其包括：测表示所述半导体制造装置所包括的第一装置的状态的一个或多个特征量；将计测出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据；以及根据在该模型数据中与所计测出的所述一个或多个特征量的差成为最小的时刻与故障时刻的差算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。
根据本发明的一方式，提供一种半导体制造装置的故障预知方法，其包括：对所述半导体制造装置所包括的第一装置的一个或多个特征量的时间变化进行监视；以及在所述一个或多个特征量与正常时的特征量的乖离率增加的时间超过第一时间的情况、或者所述一个或多个特征量与正常时的特征量的乖离率每单位时间进行增减的次数超过第一次数的情况下，停止新的基板的接收。
根据本发明的一方式，提供一种存储介质，存储有用于使计算机执行半导体制造装置的故障预知方法的程序，所述程序用于使计算机执行：计测表示所述半导体制造装置所包括的第一装置的状态的一个或多个特征量；将计测出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据；以及根据在该模型数据中与所计测出的所述一个或多个特征量的差成为最小的时刻与故障时刻的差算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。
根据本发明的一方式，提供一种存储介质，存储用于使计算机执行半导体制造装置的故障预知方法的程序，所述程序用于使计算机执行：对所述半导体制造装置所包括的第一装置的一个或多个特征量的时间变化进行监视；以及在所述一个或多个特征量与正常时的特征量的乖离率增加的时间超过第一时间的情况、或者所述一个或多个特征量与正常时的特征量的乖离率每单位时间进行增减的次数超过第一次数的情况下，停止新的基板的接收。
根据本发明的一方式，提供一种管理系统，是设置于半导体工场的半导体制造装置的第一装置的管理系统，所述第一装置是马达、桨装置、驱动桨的马达或者传感器中的任一方，所述管理系统执行上述的半导体制造装置的故障预知方法，在通过所述故障预知方法算出的所述第一装置的故障预测时间、乖离率增加的时间和所述乖离率每单位时间进行增减的次数中的至少一方达到所述规定的阈值、所述第一时间或者所述第一次数前，生成所述第一装置的订货指令信号，从所述半导体工场向支持中心发送订货指令信号。
附图说明
图1是本发明的一实施方式所涉及的镀敷装置的整体配置图。
图2是示出具备桨装置的镀敷单元的纵向切断侧视图。
图3是示出图2所示的镀敷单元的桨的俯视图。
图4是图3的A-A剖视图。
图5是将桨驱动装置与镀敷单元一起示出的纵向切断主视图。
图6是说明桨的传动轴的多个部位中的位移的获取的说明图。
图7是马达负荷率的测定例。
图8是马达负荷率的测定例的光谱。
图9是说明峰值的平均值、标准偏差的概略图。
图10是某故障事件中的特征量的时间变化数据的一例。
图11是第一实施方式所涉及的故障检测处理的流程图。
图12是第二实施方式所涉及的故障检测处理的流程图。
图13是特征量的时间变化的计测例。
图14是第三实施方式所涉及的故障检测处理的流程图。
图15是说明机械手所进行的基板的握持的检测说明图。
图16是传感器输出信号的时序图。
图17是第四实施方式所涉及的故障检测处理的流程图。
图18是第五实施方式所涉及的故障检测处理的流程图。
图19是第六实施方式所涉及的故障检测处理的流程图。
图20是基板装卸部中的基板保持件装卸装置的概略侧视图。
图21是运输机以及升降机构的概略图。
图22是示出具备多个半导体制造装置的半导体工场中的各设备的故障预知方法的一实施方式的示意图。
符号说明
10…槽
11…基板保持件
14…泵
16…液供给路
18…桨
19…桨驱动装置
20…恒温组件
22…过滤器
26…阳极
28…阳极保持件
30…电源
34…调控板
36…夹具
38…传动轴
40…传动轴保持部
42…驱动部
44…马达
46…控制部
50…镀覆单元
51…溢流槽
61…加速度传感器
62…麦克风
63…温度传感器
64…位移传感器
100…盒
102…盒式工作台
104…调准器
106…旋转式脱水机
1-106…卡盘爪
120…基板装卸部
122…基板输送装置
123…机械手
123…爪部
124…储料器
129…传感器
125…驱动装置
126…预湿槽
128…预浸槽
132…吹风槽
140…基板保持件输送装置
142…第一运输机
144…第二运输机
150…轨道
152…载置板
175…控制器
180…桨装置
18a…长孔
18b…格子部
300…基板保持件装卸装置
302…轴
304…圆盘
306…圆盘
312…马达
34A…筒状部
34B…凸缘部
50A…液供给口
123a…爪部
130a…第一清洗槽
130b…第二清洗槽
170A…卸载部
170B…处理部
175B…存储器
175C…控制部
310a…保持件锁定销
1-1000，2-1000…半导体制造装置
1-175，2-175…控制器
1-190，2-190…计算机
1001…半导体工场服务器
1002…支持中心。
具体实施方式
(镀敷装置)
图1是本发明的一实施方式所涉及的镀敷装置的整体配置图。如图1所示，该镀敷装置1具备：装载/卸载部170A，在基板保持件11装载作为半导体晶片等的被镀敷体的基板W(参照图2)，或者从基板保持件11卸载基板W；以及镀敷处理部170B，对基板W进行处理。
装载/卸载部170A具有：两台盒式工作台102；使基板W的定向平面(orientationflat)、槽口等位置与规定的方向对齐的调准器104；使镀敷处理后的基板W高速旋转而干燥的旋转式脱水机106。盒式工作台102装配收纳有半导体晶片等的基板W的盒100。在旋转式脱水机106的附近设置有载置基板保持件11而进行基板W的装卸的基板装卸部(安装台)120。在盒式工作台102、调准器104、旋转式脱水机106、基板装卸部120这些组件中央配置有由在这些组件间输送基板W的输送用机器人构成的基板输送装置122。
基板装卸部120具备沿着轨道150在横向上滑动自如的平板状的载置板152。两个基板保持件11以水平状态并列地载置在该载置板152，一个基板保持件11与基板输送装置122之间进行基板W的交接后，载置板152在横向上滑动，另一个基板保持件11与基板输送装置122之间进行基板W的交接。
此外，在本申请中“基板”中，不只包括半导体基板、玻璃基板、印刷电路基板(印刷基板)，还包括磁性记录介质、磁性记录传感器、反射镜、光学元件或微小机械元件、或者局部制作的集成电路。另外，形状不限于圆形状，还可以是例如角形状。
镀敷装置1的处理部170B具有储料器124、预湿槽126、预浸槽128、第一清洗槽130a、吹风槽132、第二清洗槽130b、镀敷槽10。在储料器(或者，也称为储料器容器设置部)124中，进行基板保持件11的保管以及暂时临时放置。在预湿槽126中，基板W浸泡于纯水中。在预浸槽128中，形成于基板W的表面的晶种层等的导电层的表面的氧化膜被蚀刻除去。在第一清洗槽130a中，预先浸泡后的基板W与基板保持件11一起通过清洗液(纯水等)清洗。在吹风槽132中，进行清洗后的基板W的排液。在第二清洗槽130b中，镀敷后的基板W与基板保持件11一起通过清洗液清洗。储料器124、预湿槽126、预浸槽128、第一清洗槽130a、吹风槽132、第二清洗槽130b以及镀敷槽10按该顺序配置。此外，该镀敷装置1的处理部170B的结构是一例，镀敷装置1的处理部170B的结构没有限定，也可以采用其他结构。
镀敷槽10具有例如具备溢流槽51的多个镀敷单元(组件)50。各镀敷单元50在内部收纳一个基板W，在保持在内部的镀敷液中浸泡基板W从而在基板W表面进行铜、金、银、焊锡、镀镍等的镀敷处理。
在此，镀敷液的种类没有特别限定，可根据用途使用各种镀敷液。例如，在铜镀敷工序的情况下，通常，在镀敷液中包含：用于将氯作为中间物吸附在铜表面的抑制剂(表面活性剂等)；用于促进凹部镀敷的促进剂(有机硫黄化合物等)；以及用于抑制促进剂的析出促进效果并提高膜厚的平坦性的被称为平滑剂(四级铵盐等)的化学品种。
作为镀敷液，也可以使用含有用于在具有Cu布线的基板W的表面形成金属膜的CoWB(钴·钨·硼)、CoWP(钴·钨·磷)等的镀敷液。另外，为了防止Cu在绝缘膜中扩散，也可以使用用于在形成Cu布线前形成设于基板W的表面和基板W的凹部的表面的阻挡膜的镀敷液、例如含有CoWB或Ta(钽)的镀敷液。
镀敷装置1具有采用了例如线性马达方式的基板保持件输送装置140，该基板保持件输送装置140位于这些各设备(储料器124、预湿槽126、预浸槽128、第一清洗槽130a、吹风槽132、第二清洗槽130b、镀敷槽10，基板装卸部120)的侧方，在这些各设备之间还将基板保持件11与基板W一起输送。该基板保持件输送装置140具有第一运输机142、第二运输机144。第一运输机142构成为在基板装卸部120、储料器124、预湿槽126、预浸槽128、第一清洗槽130a以及吹风槽132之间输送基板W。第二运输机144构成为在第一清洗槽130a、第二清洗槽130b、吹风槽132以及镀敷槽10之间输送基板W。在其他实施方式中，第一运输机142以及第二运输机144也可以在其他组合的组件之间输送基板W。在其他实施方式中，镀敷装置1也可以构成为仅具备第一运输机142以及第二运输机144中任一方。
在各镀敷单元50配置有搅拌镀敷单元50内的镀敷液的桨装置180。桨装置180具备作为搅拌镀敷液的搅拌棒的桨18、以及配置于溢流槽51的两侧而驱动桨18的桨驱动装置19。
包括多个以上那样构成的镀敷处理装置的镀敷处理系统具有构成为控制上述各部的控制器175。控制器175具有存储了规定的程序的存储器175B、执行存储器175B的程序的CPU(中央处理单元：Central Processing Unit)175A、以及通过CPU175A执行程序而实现的控制部175C。控制部175C的一部分也可以由ASIC、PLC等的面向特定用途集成电路等专用的硬件构成。控制部175C能够进行例如基板输送装置122的输送控制、基板保持件输送装置140的输送控制、镀敷槽10中的镀敷电流以及镀敷时间的控制以及配置于各镀敷单元50的调控板34的开口径以及阳极掩模(未图示)的开口径的控制、各部的故障预知处理等。另外，控制器175构成为能够与将镀敷装置1以及其他关联装置统一控制的未图示的上位控制器进行通信，能够在与上位控制器所具有的数据库之间进行数据的交换。在此，构成存储器175B的存储介质存储有各种的设定数据、后述的镀敷处理程序等各种的程序。作为存储介质，能够使用由计算机能够读取的ROM、RAM等存储器、硬盘、CD-ROM、DVD-ROM、软盘等盘状存储介质等公知的介质。
(镀敷单元)
图2是示出具备桨装置的镀敷单元的纵向切断侧视图。图3是示出图2所示的镀敷单元的桨的俯视图。图4是图3的A-A剖视图。
如这些图所示，镀敷单元50在内部具有镀敷液Q，在镀敷单元50的上方外周具备接住从镀敷单元50的边缘溢出的镀敷液Q的溢流槽51。在溢流槽51的底部连接有具备泵14的镀敷液供给路16的一端，镀敷液供给路16的另一端与设于镀敷单元50的底部的镀敷液供给口50A连接。由此，积存在溢流槽51内的镀敷液Q伴随着泵14的驱动而回流到镀敷单元50内。在镀敷液供给路16中安装有位于泵14的下游侧且调节镀敷液Q的温度的恒温组件20和过滤并除去镀敷液内的异物的过滤器22。
在镀敷装置具备基板保持件11，该基板保持件11将基板(被镀敷体)W保持为装卸自如，使基板W以铅直状态浸泡在镀敷单元50内的镀敷液Q。在镀敷单元50内，在与由基板保持件11保持且浸泡在镀敷液Q中的基板W相对的位置，阳极26配置为被阳极保持件28保持而浸泡在镀敷液Q中。作为阳极26，在该例子中，使用含磷铜。基板W和阳极26经由镀敷电源30电连接，在基板W与阳极26之间流过电流而在基板W的表面形成有镀敷膜(铜膜)。
在配置为由基板保持件11保持且浸泡在镀敷液Q中的基板W与阳极26之间，配置有与基板W的表面平行地往复运动而搅拌镀敷液Q的桨18。桨18通过桨驱动装置19(图5)而驱动。由此，通过使用桨18搅拌镀敷液Q，能够将充分的铜离子向基板W的表面均匀地供给。进而，在桨18与阳极26之间，配置有由用于使遍及基板W的整个表面的电位分布更均匀的电介质构成的调控板34。调控板34由筒状部34A、配置在筒状部34A的周围的矩形状的轮廓的凸缘部34B构成，作为材质，使用作为电介质的聚氯乙烯。调控板34以筒状部34A的顶端处于基板侧、凸缘部34B处于阳极侧的方式配置在镀敷单元50内。筒状部34A具有能够充分限制电场的扩大的开口的大小、以及沿着轴心的长度。凸缘部34B设置为遮蔽在阳极26与基板W之间形成的电场。
如图3以及图4所示，桨18由板厚为t的一定的矩形板状构件构成，通过在内部平行地设置多个长孔18a，构成为具有在铅直方向上延伸的多个格子部18b。桨18的材质是对例如钛实施特氟龙(注册商标)涂覆而成的。桨18的垂直方向的长度L1以及长孔18a的长度方向的尺寸L2设定为比基板W的垂直方向的尺寸充分大。另外，桨18的横向的长度H设定为与桨18的往复运动的振幅(行程St)对应的长度比基板W的横向的尺寸充分大。
优选的是，长孔18a的宽度以及数量优选以在格子部18b具有必要的刚性的范围内尽可能地使格子部18b变细的方式确定，使得长孔18a与长孔18a之间的格子部18b有效地搅拌镀敷液，使镀敷液有效地穿过长孔18a。另外，在桨18的往复运动的两端附近，桨18的移动速度变慢，或者在进行瞬间的停止时，为了使在基板W上形成电场的阴影(电场不会波及，或电场的阴影少的部位)的影响变少，将桨18的格子部18b设置得细也是有利的。
在该例子中，如图4所示，以各格子部18b的横截面成为长方形的方式将长孔18a垂直地开口。此外，各格子部18b的横截面的形状不限于长方形，能够设为任意的形状。也可以对格子部18b的横截面的四角实施倒角，另外，也可以以格子部18b的横截面成为平行四边形的方式对格子部18b赋予角度。
图5是将桨驱动装置与镀敷单元一起示出的纵向切断主视图。
桨18通过固定于桨18的上端的夹具36，固定于沿水平方向延伸的传动轴38。传动轴38被传动轴保持部40保持并且能够沿左右滑动。传动轴38的端部与使桨18沿左右直线往复运动的桨驱动装置19连结。桨驱动装置19具备马达44、通过曲轴机构(未图示)将马达44的旋转转换为传动轴38的直线往复运动的驱动部42。在该例中，具备通过控制桨驱动装置19的马达44的旋转速度来控制桨18的移动速度的控制部46。此外，驱动部42的机构不仅是曲轴机构，也可以是其他旋转直动转换机构。例如，也可以通过滚珠丝杠将伺服马达的旋转转换为传动轴的直线往复运动。另外，也可以代替马达44以及驱动部42，通过线性马达使传动轴直线往复运动。控制部46也可以是与控制器175不同的控制装置，也可以作为控制器175的功能的一部分实现。在控制部46或者控制器175中，故障预知的程序被执行。
(故障预知处理)
接着，叙述桨驱动装置19的马达44的故障预知的处理。故障预知的处理通过控制器175、控制部46、或者设于其他镀敷装置内部或者外部的计算机来执行。此外，也可以是分割故障预知的处理，从而将多个控制器、控制部和/或计算机组合来执行。另外，故障预知的处理也可以使用ASIC、PLC等面向特定用途的集成电路等专用的硬件执行，也可以使用专用的硬件执行一部分的处理。
图6是说明桨的传动轴的多个部位中的位移的获取的说明图。图7是马达负荷率的测定例。图8是马达负荷率的测定例的光谱。图9是说明峰值的平均值、标准偏差的概略图。
(物理量的检测)
桨装置180的故障预知通过连续地获取与桨装置180相关的各种(一个或者多个)的物理量来执行。物理量包括马达44的负荷率、马达44的振动、马达44的声音、马达44的温度以及传动轴38的位移中的至少一个。马达的负荷率通过来自包括在马达44的马达驱动器(未图示)的输出值来获取。马达的振动通过安装于马达44的壳体的加速度传感器61来获取。马达的声音通过设于马达44的壳体或者马达44的附近的麦克风62来获取。此外，优选通过未图示的A/D转换器将麦克风62的输出转换为数字信号。A/D转换器内置于麦克风62或设于麦克风62的外部(例如，控制部46)。马达的温度通过设于马达44的壳体或者马达44的附近的温度传感器63来获取。传动轴38的位移如图6所示，通过沿着传动轴38的长度方向设置于多个部位的多个位移传感器64来获取。位移传感器64能够采用例如光学地检测直至传动轴38的规定的部位为止的距离的光学传感器。各位移传感器64检测其设置位置处的传动轴38的上下方向的位移。即，检测与传动轴38的长度方向正交的方向上的传动轴38的位移。这些物理量在桨装置180的运转中始终连续地获取。
(特征量的计算)
接着，根据与桨装置180相关的物理量计算以下的特征量。特征量示出装置的状态，并且是根据与装置相关的物理量本身或者物理量算出的值。
马达的负荷率根据例如如图7所示的测定的负荷率波形，将波形振幅、渐近线的倾斜、频率光谱的峰值、总体值(总体平均值，所有值的平均)、波形峰值分布的平均值、波形峰值分布的标准偏差中的至少一个计算为特征量。波形振幅例如计算为负荷率波形的上下的峰值的差(图7)。渐近线的倾斜例如设为通过最小二乘法等计算负荷率的测定值而得到的渐近线的倾斜(图7)。频率光谱的峰值计算为使用高速傅里叶变换等将负荷率波形进行频率转换后的光谱中的峰值(图8)。总体值(总体平均值)计算为将频率光谱值在整体上平均后得到的值(图8)。波形峰值分布的平均值计算为负荷率波形的峰值的平均值(图9)。波形峰值分布的标准偏差计算为负荷率波形的峰值的标准偏差(图9)。也可以代替负荷率波形的峰值的平均值、标准偏差或者除了负荷率波形的峰值的平均值、标准偏差以外，求出频率光谱的峰值的平均值、标准偏差。
对于马达的振动，也与上述的马达的负荷率的情况同样地，根据测定出的振动波形，将波形振幅、渐近线的倾斜、频率光谱的峰值、频率光谱的总体值(总体平均值)、波形峰值分布的平均值、波形峰值分布的标准偏差中的至少一个计算为特征量。在这种情况下，振动波形、振动波形的频率光谱以及振动波形的峰值(和/或频率光谱的峰值)能够分别与图7、图8、图9同样地求出。
对于马达的声音，也与上述的马达的负荷率的情况同样地，根据测定出的振动波形，将波形振幅、渐近线的倾斜、频率光谱的峰值、频率光谱的总体值(总体平均值)、波形峰分布的平均值、波形峰值分布的标准偏差中的至少一个计算为特征量。在这种情况下，音波形、音波形的频率光谱以及音波形的峰值(和/或频率光谱的峰值)能够分别与图7、图8、图9同样地求出。
对于马达的温度，能够将测定出的温度值本身以及温度值的时间变化的倾斜中的至少一个计算为特征量。
对于传动轴38的位移，将位移振幅、位移速度、位移加速度、相邻的位置的位移差(传动轴倾斜)中的至少一个计算为特征量。通过使用这些特征量，能够检测摆动中的传动轴38的振动、歪斜，从而捕捉故障的预兆。
将所述的特征量设为向量，定义为X＝{x1，x2，x3，…}。例如，关于马达负荷率，波形振幅定义为x1，渐近线的倾斜定义为x2，频率光谱的峰值定义为x3，总体值(总体平均值)定义为x4，波形峰值分布的平均值定义为x5，波形峰值分布的标准偏差定义为x6。
(支持向量机所进行的学习)
另外，使用所述特征量通过支持向量机进行机械学习。此外，支持向量机能够构成为通过例如控制器175、控制部46和/或其他计算机(镀敷装置的内部或者外部)执行的程序。
支持向量机中的机械学习如下进行。
(1)分别准备多个正常时的特征量的样本和故障时的特征量的样本，分别定义为正常数据集合、故障数据集合。
(2)定义的正常数据集合、故障数据集合设为训练样本，通过由支持向量机进行的学习来生成识别器。识别器作为计算机中被执行的程序而生成。
(正常异常判定)
在桨装置180的运转中，通过由支持向量机生成的识别器来判定新计测的特征量。判定的结果是，在判定为特征量(桨装置的动作状态)异常的情况下，使故障(Fault)或者警告(Warning)的警报产生。此外，在本说明书中，“故障”是指，定义为结构设备(装置)的一部分或者全部破损，功能损坏的状态。“异常”是指，成为功能与正常时相比劣化、或者损坏的状态。即，在“异常”的状态下，也包括“故障”的状态。此外，在本实施方式中，也使用作为接近故障的状况中间故障(Middle Fault)这样的概念。此外，也可以代替由支持向量机生成的识别器，使用来自正常数据集合的马氏距离来判定正常或异常。
(故障预测时间的算出)
将在所述支持向量机所进行的学习中记载的故障时的特征量的样本以及此时的波形数据式按每个故障事件预先向数据库录入。即，按每个故障事件(或者故障的类型)，将从正常状态至故障状态为止的特征量的经时变化录入为故障模型(故障模型数据)。作为异常部位(故障的类型)、故障的例子，有传动轴38的变形/破损、传动轴38的轴承(传动轴保持部40)的破损、马达44的故障、连结部故障等。连结部的故障包括作为桨18与传动轴38的连结部的夹具36的故障、传动轴38与驱动部42的连结部的故障、马达44与驱动部42的连结部的故障等。该数据库能够存储于控制器175、控制部46、设于其他计算机的存储器或者其他存储器。另外，关于该故障数据，使用时间数列解析特征量的变化，该数据也预先一起录入。图10是某故障事件中的特征量的时间变化数据的一例。
在上述的正常异常判定中，在判定为特征量异常的情况下，基于[数学式1]计算录入到数据库的全部故障模型数据的各时刻下的特征量向量与判定对象的当前的数据的特征量向量的差(乖离率)。乖离率能够设为例如马氏距离。
【数学式1】
乖离率
在此，xk表示判定对象的当前的数据的特征量，k表示特征量的种类。xk也称为特征量k。另外，xmk[t]表示故障模型m的时刻t下的特征量k。在该例中，k、m设为自然数。
将与判定对象的当前的数据的特征量向量的乖离率最小的故障模型数据判定为可能性最高的异常产生部位(故障模型)。此外，提取多个乖离率相对小的故障模型数据，将可能性高的异常产生部位判定为多个。另外，在判定出的故障模型中，例如，使用图10的时间变化数据，计算从与判定对象的当前的数据的乖离率成为最小的时刻t1和故障产生时刻tf的差值(tf-t1)到故障为止的预测时间(故障预测时间)。
此外，在图10中乖离率为同值的点有多个的情况下，选择到故障为止的预测时间最小的点。另外，在判定出的故障模型数据包含多个特征量的情况下，选择基于各特征量的到故障为止的预测时间中最小的预测时间。另外，在提取多个故障模型数据的情况下，选择到故障为止的预测时间最小的故障模型数据。
如果到故障为止的预测时间小于下限时间，则产生中间故障(Middle Fault)而不接收新的基板，如果到故障为止的预测时间为下限时间以上，则产生警告(Warning)并继续生产。下限时间能够设为例如，在一块基板的镀敷处理时间上具有规定的富裕的时间、或者在对于送入镀敷装置的全部基板能够完成镀敷处理的时间上具有规定的富裕的时间。
另外，在提取多个乖离率相对小的故障模型数据，将可能性高的异常产生部位判定为多个的情况下，也可以选择各个故障模型数据中的到故障为止的预测时间中最小的数据，将其用于基于下限时间的判定。
在此，到故障为止的预测时间是以在多个故障模型数据之间在同时间内装置以同程度的累计次数进行动作的情况为前提的，在累计动作次数较大不同的情况下使用时间进行判定的情况不一定妥当。因此，也可以代替到故障为止的预测时间，而将到故障为止的预测累计动作次数设为判定对象。在这种情况下，故障模型数据(图10)的横轴代替经过时间而设为累计动作次数。采用预测时间或者预测累计动作次数中的哪个需要考虑如上所述直至故障位置的动作状况。在使用累计动作次数的情况下有能够反映装置的动作状况的优点，在使用预测时间的情况下，有容易对比预备品准备以及更换准备所需的时间的优点，但也可以考虑除了动作状况、预备品准备以及更换准备所需的时间以外的状况来选择妥当的判断基准。
(流程图)
图11是第一实施方式所涉及的故障检测处理的流程图。
在步骤S10中，从各种传感器获取与桨装置相关的物理量。例如，物理量包括例如马达44的负荷率、马达44的振动、马达44的声音、马达44的温度以及传动轴38的位移。
在步骤S11中，根据各物理量的波形计算特征量，生成特征量向量。
在步骤S12、S13中，通过由支持向量机生成的识别器，来判定所计测的特征量是正常还是异常。此外，也可以代替由支持向量机生成的识别器，使用来自正常数据集合的马氏距离来判定正常或异常。
由步骤S12、S13进行的判定的结果是，在计测的特征量是正常的情况下，继续生产(步骤S14)。另一方面，在计测的特征量是异常的情况下，处理进入到步骤S15。
在步骤S15中，将计测的特征量与故障数据库的各故障模型的数据比对，来确定乖离率最小的故障模型数据。另外，使用该故障模型的时间数列数据的解析结果(图10)，计算到故障为止的预测时间(tf-t1)。此外，也可以提取多个乖离率相对小的故障模型数据，将可能性高的异常产生部位判定为多个。
另外，在图10中乖离率为同值的点有多个的情况下，选择到故障为止的预测时间最小的点。另外，在判定出的故障模型数据包括多个特征量的情况下，选择基于各特征量的到故障为止的预测时间中最小的预测时间。另外，在提取多个故障模型数据的情况下，选择到故障为止的预测时间最小的故障模型数据。
在步骤S16中，判定预测时间是否在下限时间以上。如果预测时间在下限时间以上，则处理进入步骤S17。此外，在步骤S15中，在提取了多个故障模型数据的情况下，也可以选择在各个到故障为止的预测时间中最小的预测时间，将其用于下限时间判定。此外，如上所述，也可以代替到故障为止的预测时间，而将到故障为止的预测累计动作次数设为判定对象。在这种情况下，代替步骤S15、S16的“预测时间”，而算出“预测累计动作次数”(S15)，与预先设定的下限次数进行比较(S16)。
在步骤S17中，产生警告(Warning)。警告(Warning)通过向显示器的显示、警报音等来实施。在这种情况下，镀敷装置中的生产继续(步骤S18)。
在步骤S16中，如果判定为预测时间小于下限时间，则产生中间故障(MiddleFault)的警报(步骤S19)。中间故障(Middle Fault)的警报通过向显示器的显示、警报音等来实施。
在这种情况下，在使用包括获取了成为判定对象的特征量的物理量的传感器在内的组件的区域(该例子中，镀敷单元50)不投入新的镀敷前的基板而继续生产(步骤S20)。于是，在不再有要生产的基板的时刻，使镀敷装置的工作停止(步骤S21)，对出现中间故障(Middle Fault)的警报的组件进行维护(步骤S22)。
此外，在该例子中，根据预测时间是否在下限时间以上，来产生警告(Warning)、中间故障(Middle Fault)的两个等级的警报，但也可以产生三个等级以上的警报。例如，在预测时间小于第二下限时间(<上述的下限时间)的情况下，也可以产生故障(Fault)的警报，立刻停止装置。
另外，也可以随时更新支持向量机的判定基准。例如，对出现中间故障(MiddleFault)的组件进行维护后的结果是，实际上在该组件没有异常情况下，也可以更新支持向量机的判定基准。另外，也可以以其他定时(定期、不定期)更新。作为支持向量机的判定基准的更新方法，例如，能够通过对正常数据集合、故障数据集合的各数据重新修改、削除、或者新获取等来更新。
(第二实施方式)
(流程图)
图12是第二实施方式所涉及的故障检测处理的流程图。在本实施方式中，不进行支持向量机所进行的机械学习(图11的S12)。在图12的流程图中，除了图11的S12、S13的处理被置换为S32、S33的处理以外，与第一实施方式的流程图相同。
在步骤S30中，从各种传感器获取与桨装置相关的物理量。例如，物理量包括例如马达44的负荷率、马达44的振动、马达44的声音、马达44的温度以及传动轴38的位移。
在步骤S31中，根据各物理量的波形计算特征量，生成特征量向量。
在步骤S32、S33中，将计测的特征量与预先准备的正常数据集合、故障数据集合比对，检索计测的特征量和乖离率最小的数据集合(正常数据集合、故障数据集合)。对于该乖离率的计算，能够使用例如马氏距离。其结果是，在与计测的特征量的乖离率最小的数据集合是正常数据集合的情况下，继续生产(步骤S34)。另一方面，在与计测的特征量的乖离率最小的数据集合是故障数据集合的情况下，处理进入步骤S35。
在步骤S35中，确定乖离率最小的故障模型。具体而言，选择在步骤S32、S33中乖离率设为最小的故障模型。另外，使用该故障模型的时间数列数据的解析结果(图10)，计算到故障为止的预测时间(tf-t1)。
在步骤S36中，判定预测时间是否在下限时间以上。如果预测时间在下限时间以上，处理进入步骤S37。此外，如上所述，也可以代替到故障为止的预测时间，将到故障为止的预测累计动作次数设为判定对象。在这种情况下，代替步骤S35、S36的“预测时间”，算出“预测累计动作次数”(S35)，与预先设定的下限次数进行比较(S36)。
在步骤S37中，产生警告(Warning)。警告(Warning)通过向显示器的显示、警报音等来实施。在这种情况下，镀敷装置中的生产继续(步骤S38)。
在步骤S36中，如果判定为预测时间小于下限时间，则产生中间故障(MiddleFault)的警报(步骤S39)。中间故障(Middle Fault)的警报通过向显示器的显示、警报音等来实施。
在这种情况下，在使用包括获取了成为判定对象的特征量的物理量的传感器的组件的区域(该例子中，镀敷单元50)不投入新的镀敷前的基板而继续生产(步骤S40)。于是，在不再有生产的基板的时刻，使镀敷装置的工作停止(步骤S41)，对出现中间故障(MiddleFault)的警报的组件进行维护(步骤S42)。
此外，该例子中，根据预测时间是否在下限时间以上，产生警告(Warning)、中间故障(Middle Fault)的两个等级的警报，但也可以产生三个等级以上的警报。例如，在预测时间小于第二下限时间的情况下，也可以产生故障(Fault)的警报，立刻停止装置。
另外，也可以随时更新判定基准(S36的下限时间)。对出现中间故障(MiddleFault)的组件进行维护后的结果是，实际上在该组件没有异常情况下，也可以更新判定基准(S36的下限时间)。也可以以其他定时(定期、不定期)更新。作为判定基准(S36的下限时间)的更新方法，例如，能够通过对正常数据集合、故障数据集合的各数据重新修改、削除、或者新获取等来更新。
(第三实施方式)
在上述实施方式中，基于与预先录入的多个故障模型的比较，决定故障部位、到故障为止的预测时间，但在本实施方式中，根据与特征量的正常数据集合的乖离率的变化来进行故障预知。
图13是特征量的时间变化的计测例。在该图中，横轴表述运转时间，纵轴表述特征量。在本实施方式中，计测的特征量与正常时的特征量乖离，在该乖离率处于增加倾向的情况下判定为异常。具体而言，将正常时的特征量的样本以及此时的波形数据式设为正常数据集合，预先录入至数据库。于是，计算录入到数据库的全部正常数据的特征量向量与判定对象的现在数据的特征量向量的乖离率。在检测到该乖离率处于增加倾向时，该继续时间超过上限时间的情况下，产生中间故障(Middle Fault)的警报，在继续时间小于上限值的情况下，做出警告(Warning)。此外，在乖离率反复离散式急剧的增加和减少的情况下，也可以代替继续时间，对于乖离率增加频率，应用上限值(上限频率)。例如，在乖离率增加频率超过上限频率的情况下产生中间故障(Middle Fault)的警报，在乖离率增加频率小于上限频率的情况下，做出警告(Warning)。此外，乖离率处于增加倾向的检测能够通过以某时间间隔将乖离率的值以移动平均进行近似并且进行监视来检测。例如，求出最小二乘法的倾斜，如果基于最小二乘法的倾斜是正则判定为增加。另外，也可以在有多个正常数据的情况下，在与全部正常数据的乖离率处于增加倾向的继续时间(或者乖离率增加频率)超过上限值的情况或者与全部正常数据的乖离率增加频率超过上限值的情况下，产生中间故障的警报。
图14是第三实施方式所涉及的故障检测处理的流程图。
在步骤S50中，从各种传感器获取与桨装置相关的物理量。例如，物理量包括例如马达44的负荷率、马达44的振动、马达44的声音、马达44的温度以及传动轴38的位移。
在步骤S51中，根据各物理量的波形计算特征量，生成特征量向量。
在步骤S52中，将计测的特征量(特征量向量)与预先准备的正常数据集合比对，计算计测的特征量与正常数据集合的乖离率和/或乖离率的增减率。
在步骤S53中，判定与计测的特征量的正常数据集合的乖离率(或者，乖离率的增减率)是否在预先设定的上限值以上。在判定为乖离率(或者，乖离率的增减率)小于上限值的情况下，继续生产(步骤S54)。另一方面，在判定为乖离率(或者，乖离率的增减率)在上限值以上的情况下，处理进入步骤S55。
在步骤S55中，基于乖离率的增减率的时间变化，判定乖离率增加(乖离率处于增加倾向)的继续时间是否小于上限时间。在判定为乖离率增加的继续时间小于上限时间的情况下，处理进入步骤S56。此外，在有多个正常数据的情况下，也可以判定与全部正常数据的乖离率(或者，乖离率的增减率)处于增加倾向继续时间是否小于上限时间。
在步骤S56中，产生警告(Warning)。警告(Warning)通过向显示器的显示、警报音等来实施。在这种情况下，镀敷装置中的生产继续(步骤S57)。
在步骤S55中，如果判定为乖离率增加的继续时间在上限时间以上，则产生中间故障(Middle Fault)的警报(步骤S58)。中间故障(Middle Fault)的警报通过向显示器的显示、警报音等来实施。
在这种情况下，在使用包括获取了成为判定对象的特征量的物理量的传感器的组件的区域(该例子中，镀敷单元50)不投入新的镀敷前的基板而继续生产(步骤S59)。于是，在不再有要生产的基板的时刻，使镀敷装置的工作停止(步骤S60)，对出现中间故障(Middle Fault)的警报的组件进行维护(步骤S61)。
此外，该例子中，根据乖离率增大的继续时间是否在上限值时间以上，产生警告(Warning)、中间故障(Middle Fault)的两个等级的警报，但也可以产生三个等级以上的警报。例如，在乖离率增大的继续时间是第二上限值时间(>上述的上限值时间)以上的情况下，也可以产生故障(Fault)的警报，立刻停止装置。
另外，也可以随时更新乖离率的上限值(S53)以及上限时间(S55)。例如，对出现中间故障(Middle Fault)的组件进行维护后的结果是，实际上在该组件没有异常情况下，也可以更新乖离率的上限值(S53)以及上限时间(S55)。另外，也可以以其他定时(定期、不定期)更新。
作为乖离率的上限值(S53)设定和更新的方法的例子，能够根据多个正常数据样本算出的特征量的分布假定为标准分布而计算标准偏差(σ)值，设定基于σ值(或2～3σ值)的上限值。具体而言，能够使用根据多个正常数据样本算出的各个特征量平均值和与(平均±σ)对应的特征量的值，算出与平均值对应的(平均±σ)值的乖离率(数学式1)，将其设定为上限值。此外，能够在每天新获取的正常数据样本的基础上，从累计的正常数据样本集合更新上限值。
(第四实施方式)
图15是说明机械手所进行的基板的握持的检测的说明图。图16是传感器输出信号的时序图。
机械手123是例如基板输送装置122的输送机器人的机械手。该机械手123通过包括马达等的驱动装置125，进行回旋/直线移动、上下移动以及握持动作。机械手123具备检测对基板W握持的情况的传感器129(例如，光学传感器)，在机械手123夹持基板W时(图15(c))，产生检测信号来作为传感器输出信号(图16)。基板W的握持是通过机械手123的两个爪部123a夹持基板W来进行的。爪部123a通过气缸、马达等的动力而被驱动为相互接近分离。
在通过机械手123进行基板W的握持的情况下，首先，机械手123在基板W的上方移动(图15(a))。接着，机械手123在该两个爪部123a打开的状态下直至基板W位于两个爪部123a之间为止，进行下降(图15(b))。之后，机械手123的爪部123a以相互接近的方式移动从而夹持并握持基板W(图15(c))。此时，通过传感器129，检测基板W的握持。
在此，参照图16的同时说明传感器129是正常的情况和异常的情况的输出信号的特性。在该图中，横轴是时间，纵轴是传感器输出信号。时刻t0是根据向驱动机械手123的爪部123a的气缸、马达等的动力源的驱动信号识别的爪部123a所进行的基板W的握持的定时。该驱动信号通过例如控制器175来掌握。
在传感器129是正常的情况下，如图16中的曲线I所示，在时刻t0，机械手123a的爪部123握持基板W，与此同时，从传感器129也输出检测信号。在传感器129产生异常的情况下，如曲线II所示在来自传感器129的检测信号产生抖动，或者如曲线III所示产生检测信号的时刻t1晚于时刻t0。此外，传感器的异常包括传感器的灵敏度劣化以及调整不良，在传感器的灵敏度劣化或者调整不良的情况下判定为异常。
以下，说明传感器的故障预知的处理。首先，将传感器129的动作波形(图16)限定在传感器动作时而获取(物理量的检测)。接着，根据传感器动作波形，将传感器ON延迟时间、抖动ON/OFF次数、ON/OFF持续时间中的至少一个计算为特征量(特征量的计算)。在此，将传感器所进行的检测信号的产生表述为传感器ON。传感器ON延迟时间是与图16中的t0-t1相当的时间。抖动ON/OFF次数表示如图16的曲线II那样传感器输出信号稳定为ON为止切换为OFF的次数。ON/OFF持续时间是如图16的曲线II那样传感器输出信号反复ON/OFF的时间。
(支持向量机所进行的学习)
另外，使用上述特征量(传感器ON延迟时间、抖动ON/OFF次数、ON/OFF持续时间中的至少一个)通过支持向量机进行机械学习。此外，支持向量机能够构成为通过例如控制器175、控制部46和/或其他计算机(镀敷装置的内部或者外部)执行的程序。
支持向量机中的机械学习如下进行。
(1)分别准备多个正常时的特征量的样本、故障时的特征量的样本，并分别定义为正常数据集合、故障数据集合。
(2)将定义的正常数据集合、故障数据集合作为训练样本，通过在支持向量机的学习而生成识别器。识别器作为计算机中执行的程序来生成。
(正常异常判定)
机械手123的握持动作时中，通过在支持向量机生成的识别器来判定新计测的特征量。判定的结果是，在判定为特征量(传感器129的动作状态)是异常的情况下，使故障(Fault)或者警告(Warning)的警报产生。此外，本说明书中，“故障”是指，定义为结构设备(装置)的一部分或者全部破损，功能损坏的状态。“异常”是指，成为功能与正常时相比劣化、或者损坏的状态。即，在“异常”的状态下，也包括“故障”的状态。此外，在本实施方式中，也使用作为接近故障的状况的中间故障(Middle Fault)这样的概念。此外，也可以代替由支持向量机生成的识别器，使用来自正常数据集合的马氏距离来判定正常或异常。
(故障预测时间的算出)
将在上述支持向量机所进行的学习中记载的故障时的特征量的样本以及此时的波形数据式按每个故障事件预先向数据库录入。即，按每个故障事件(或者故障的类型)，从正常状态至故障状态为止的特征量的经时变化录入为故障模型(故障模型数据)。该数据库能够存储于控制器175、控制部46、设于其他计算机的存储器或者其他存储器。另外，关于该故障数据，使用使用时间数列解析特征量的变化，该数据(参照图10)也一起录入。
在上述的正常异常判定中，在特征量被判定为异常的情况下，基于前述的[数学式1]计算录入到数据库的全部故障模型数据的各时刻的特征量向量与判定对象的当前的数据的特征量向量的差(乖离率)。乖离率能够设为例如马氏距离。
将与判定对象的当前的数据的特征量向量的乖离率最小的故障模型数据判定为可能性最高的异常产生部位(故障模型)。此外，也可以提取多个乖离率相对小的故障模型数据，将可能性高的异常产生部位判定为多个。另外，在判定出的故障模型中，例如，使用图10的时间变化数据，根据与判定对象的当前的数据的乖离率成为最小的时刻t1和故障产生时刻tf的差值(tf-t1)来计算到故障为止的预测时间。
此外，在图10中乖离率为同值的点存在多个的情况下，选择到故障为止的预测时间最小的点。另外，在判定出的故障模型数据包括多个特征量的情况下，选择基于各特征量的到故障为止的预测时间中的最小的预测时间。另外，在提取了多个故障模型数据的情况下，选择到故障为止的预测时间最小的故障模型数据。
如果到故障为止的预测时间小于下限时间，则产生中间故障(Middle Fault)而不接收新的基板，如果到故障为止的预测时间在下限时间以上，则产生警告(Warning)并继续生产。下限时间能够设为例如，在一块基板的镀敷处理时间上具有规定的富裕的时间、或者在对于送入镀敷装置的全部基板能够完成镀敷处理的时间上具有规定的富裕的时间。另外，在提取多个乖离率相对小的故障模型数据并将可能性高的异常产生部位判定为多个的情况下，也可以选择各个故障模型数据中的到故障为止的预测时间中最小的数据。此外，如上所述，也可以代替到故障为止的预测时间或者除了故障为止的预测时间以外，计算到故障为止的预测累计动作次数，通知预测时间和/或预测累计动作次数。
(流程图)
图17是第四实施方式所涉及的故障检测处理的流程图。
在步骤S70中，将传感器的动作波形限定在传感器动作时而获取。
在步骤S71中，根据传感器的动作波形，将传感器ON延迟时间、抖动ON/OFF次数、ON/OFF持续时间中的至少一个计算为特征量，生成特征量向量。
在步骤S72、S73中，根据由支持向量机生成的识别器，判定计测出的特征量是正常还是异常。此外，也可以代替由支持向量机生成的识别器，使用来自正常数据集合的马氏距离判定正常或异常。
在步骤S72、S73所进行的判定的结果是计测出的特征量为正常的情况下，继续生产(步骤S74)。另一方面，在计测出的特征量为异常的情况下，处理进入步骤S75。
在步骤S75中，产生中间故障(Middle Fault)警报，处理进入步骤S76。中间故障(Middle Fault)的警报通过向显示器的显示、警报音等来实施。
在步骤S76中，将计测出的特征量与预先录入到故障数据库的各故障模型的数据比对，确定乖离率最小的故障模型。此外，也可以提取多个乖离率相对小的故障模型数据，将可能性高的异常产生部位判定为多个。另外，使用该故障模型的时间数列数据的解析结果(图10)，计算到故障为止的预测时间并进行通知。预测时间的通知通过向显示器的显示、以音声的通知来进行。在图10中乖离率为同值的点有多个的情况下，选择到故障为止的预测时间最小的点。另外，在判定出的故障模型数据包括多个特征量的情况下，选择基于各特征量的到故障为止的预测时间中最小的预测时间。另外，在提取多个故障模型数据的情况下，选择到故障为止的预测时间最小的故障模型数据。此外，也可以代替到故障为止的预测时间或者除了故障为止的预测时间以外，计算到故障为止的预测累计动作次数，通知预测时间和/或预测累计动作次数。
另外，在使用包括获取了成为判定对象的特征量的物理量的传感器的组件的区域(该例子中，基板输送装置122)不投入新的镀敷前的基板而继续生产(步骤S77)。于是，在不再有要生产的基板的时刻，使镀敷装置的工作停止(步骤S78)，对出现中间故障(MiddleFault)的警报的组件进行维护(步骤S79)。
此外，在此，列举出镀敷装置的基板输送装置122的机械手的传感器，但也能够应用其他机械手的传感器、机器人以外的任意的传感器。
(第五实施方式)
(流程图)
图18是第五实施方式所涉及的故障检测处理的流程图。
在步骤S90中，将传感器的动作波形限定在传感器动作时而获取。
在步骤S91中，根据传感器的动作波形，传感器ON延迟时间、抖动ON/OFF次数、ON/OFF持续时间中的至少一个计算为特征量，生成特征量向量。
在步骤S92中，将计测出的特征量与预先准备的正常数据集合、故障数据集合比对，检索计测出的特征量和乖离率最小的数据集合(正常数据集合、故障数据集合)。对于该乖离率的计算，能够使用例如马氏距离。确定乖离率最小的故障数据集合(故障部位)，使用该故障模型的时间数列数据的解析结果(图10)，计算到故障为止的预测时间(tf-t1)。
在步骤S93中，在乖离率最小的数据集合是正常数据集合的情况下，继续生产(步骤S94)。另一方面，在乖离率最小的数据集合是故障数据集合的情况下，处理进入步骤S95。
在步骤S95中，判定在步骤S92算出的到故障为止的预测时间是否在下限时间以上。在预测时间在下限时间以上的情况下，产生警告(Warning)(步骤S96)，继续生产(步骤S97)。
另一方面，在步骤S95中，如果预测时间小于下限时间，产生中间故障(MiddleFault)的警报(步骤S98)。此外，如上所述，也可以代替到故障为止的预测时间，将到故障为止的预测累计动作次数设为判定对象。在这种情况下，代替步骤S92、S95的“预测时间”，算出“预测累计动作次数”(S92)，与预先设定的下限次数进行比较(S95)。中间故障(MiddleFault)的警报通过向显示器的显示、警报音等来实施。
在这种情况下，在使用包括该传感器的组件的区域(该例子中，基板输送装置122)，不投入新的镀敷前的基板而继续生产(步骤S99)。于是，在不再有要生产的基板的时刻，使镀敷装置的工作停止(步骤S100)，对出现中间故障(Middle Fault)的警报的组件进行维护(步骤S101)。
此外，在该例子中，根据预测时间是否在下限时间以上，产生警告(Warning)、中间故障(Middle Fault)的两个等级的警报，但也可以产生三个等级以上的警报。例如，在预测时间小于第二下限时间(<上述的下限时间)的情况下，也可以产生故障(Fault)的警报，立刻停止装置。
另外，也可以随时更新判定基准(S95的下限时间)。例如，对出现中间故障(MiddleFault)的组件进行维护后的结果是，实际上在该组件没有异常情况下，也可以更新判定基准(S95的下限时间)。另外，也可以以其他定时(定期、不定期)更新。作为判定基准(S95的下限时间)的更新方法，例如，能够通过对正常数据集合、故障数据集合的各数据重新修改、削除、或者新获取等来更新。
(第六实施方式)
图19是第六实施方式所涉及的故障检测处理的流程图。
在步骤S110中，将传感器的动作波形限定在传感器动作时而获取。
在步骤S111中，根据传感器的动作波形，将传感器ON延迟时间、抖动ON/OFF次数、ON/OFF持续时间中的至少一个计算为特征量，生成特征量向量。
在步骤S112中，将计测出的特征量(特征量向量)与预先准备的正常数据集合比对，计算计测出的特征量与正常数据集合的乖离率、和/或乖离率的增减率。
在步骤S113中，判定与计测的特征量的正常数据集合的乖离率(或者，乖离率的增减率)是否在预先设定的上限值以上。在判定为乖离率(或者，乖离率的增减率)小于上限值的情况下，继续生产(步骤S114)。另一方面，在判定为乖离率(或者，乖离率的增减率)是上限值以上的情况下，处理进入步骤S115。
在步骤S115中，基于乖离率的增减率的时间变化，判定乖离率增加(乖离率处于增加倾向)的继续时间是否小于上限时间。在乖离率增加的继续时间小于上限时间的情况下，处理进入步骤S116。此外，在正常数据有多个的情况下，也可以判定与全部正常数据的乖离率(或者，乖离率的增减率)处于增加倾向的继续时间是否小于上限时间。
在步骤S116中，产生警告(Warning)。警告(Warning)通过向显示器的显示、警报音等来实施。在这种情况下，镀敷装置中的生产继续(步骤S117)。
在步骤S115中，如果判定为乖离率增加的继续时间在上限时间以上，则产生中间故障(Middle Fault)的警报(步骤S118)。中间故障(Middle Fault)的警报通过向显示器的显示、警报音等来实施。
在这种情况下，在使用包括传感器的组件的区域(该例子中，基板输送装置122)，不投入新的镀敷前的基板而继续生产(步骤S119)。于是，在不再有要生产的基板的时刻，使镀敷装置的工作停止(步骤S120)，对出现中间故障(Middle Fault)的警报的组件进行维护(步骤S121)。
此外，该例子中，根据乖离率增大的继续时间是否在上限值时间以上，产生警告(Warning)、中间故障(Middle Fault)的两个等级的警报，但也可以产生三个等级以上的警报。例如，在乖离率增大的继续时间是第二上限值时间(>上述的上限值时间)以上的情况下，也可以产生故障(Fault)的警报，立刻停止装置。
另外，在第三实施方式中也可以如上所述随时更新乖离率的上限值(S113)以及上限时间(S115)。
(其他实施方式)
在上述实施方式中，将故障检测处理应用于镀敷装置的桨装置180，但上述实施方式也能够应用于镀敷装置以及其他半导体制造装置的各部的结构(包括驱动部、传感器)。例如，也能够应用于图1的基板装卸部(安装台)120中包括的马达、传感器、驱动基板保持件输送装置140等运输机的致动器的马达。作为基板装卸部120的例子，有日本特开2016-127069号公报所记载的例子。作为运输机的例子，有日本特开2014-169475号公报所记载的例子。
图20是基板装卸部120中的基板保持件装卸装置300的概略侧视图。基板保持件装卸装置300是如下装置：在基板保持件11的第一保持构件(未图示)载置基板的状态下，使第二保持构件(未图示)与第一保持构件锁定，用于使基板保持在基板保持件11。基板保持件装卸装置300具有：构成为在轴向上能够移动且能够旋转的轴302；固定于轴302的圆盘304；固定于圆盘304的下表面的直径比圆盘304大的圆盘306。在圆盘306的下表面，设置有用于使设于基板保持件11的第二保持构件的环状的按压部(未图示)旋转的多个保持件锁定销310a、310b。轴302借助马达312旋转，从而保持件锁定销310a，310b旋转，基板保持件11的第二保持构件的环状的按压部旋转，第二保持构件的按压部与第二保持构件的夹持器卡合，其结果是，第一以及第二保持构件被锁定。上述各实施方式的故障预知处理能够应用于该基板保持件装卸装置300的马达312。另外，上述各实施方式的故障预知处理也能够应用于使轴302轴向移动的直动机构、在基板装卸部120中包括的各种传感器。
图21是运输机以及升降机构的概略图。在第一运输机142连结或安装有未图示的行走用的致动器以及升降用的致动器。第一运输机142通过这些致动器在镀敷槽内水平移动，使臂1-104升降。致动器由例如马达以及滚珠丝杠等旋转直动转换机构构成。上述各实施方式的故障预知处理能够应用于使这样的运输机移动的致动器。另外，第一运输机142如图21所示具备臂1-104，在臂1-104设有握持机构1-110。握持机构1-110具有：从前后方向夹住基板保持件11的手动杆1-92而握持基板保持件11的一对卡盘爪1-106；使该卡盘爪1-106在相互近接以及分离的方向上移动的致动器1-108。上述各实施方式的故障预知处理能够应用于这样的致动器1-108。
在第一清洗槽130a设置有具有在槽的两侧竖立设置的一对致动器1-112的固定升降机1-114。沿着致动器升降的升降臂1-116与各致动器1-112连结。升降臂1-116通过内置于致动器1-112的马达以及滚珠丝杠等的旋转直动机构而上下移动。在该升降臂1-116固定有在上方开口的纵向切截面矩形状的支撑台1-118。保持基板W的基板保持件11通过该保持件吊架的第一阶梯部1-90插入支撑台1-118而被固定升降机1-114支撑。而且，基板保持件11通过致动器1-112升降。上述各实施方式的故障预知处理能够应用于这样的致动器1-112。此外，其他组件(预湿槽126、预浸槽128、吹风槽132、第二清洗槽130b)也可具备同样的机构。
图22是示出具备多个半导体制造装置的半导体工场中的各个半导体制造装置的马达·传感器等各设备的故障预知方法的一实施方式的示意图。
半导体制造装置是例如镀敷装置(上述)、研磨装置、其他半导体制造装置。图22示例出两台半导体制造装置1-1000、2-1000。半导体制造装置的数量也可以是1台，也可以是3台以上。半导体制造装置1-1000、2-1000具备与上述的控制器175同样的控制器1-175、2-175。
在本实施方式中，半导体制造装置1-1000、2-1000的运输机、安装台等的马达、传感器发出的上述的信号被发送到控制器1-175、2-175，在控制器1-175、2-175或者计算机1-190、2-190中，进行传感器、马达等各设备的故障检测。另外，每隔规定时间间隔或者始终地向控制器1-175、2-175发送半导体制造装置自身的动作数据(传感器测常数据、伺服马达的负荷数据等)。控制部175C的一部分也可以由ASIC、PLC等面向特定用途的集成电路等专用的硬件构成。控制器1-175、2-175通过从上述的动作数据提取特征量数据，转换为容易解析的数据。由此，能够作为压缩数据容量，之后预测半导体制造装置的故障发挥功能。而且，控制器1-175、2-175配置于半导体制造装置内或者半导体制造装置的附近。
或者，也可以在该控制器1-175、2-175中，在转换为容易解析的数据后，将转换后的数据逐次或者定期地从控制器1-175、2-175经由有线或者无线(例如LAN)向半导体工场服务器1001发送。或者，控制器1-175、2-175也可以经由具备一般的的通信设备的计算机1-190、2-190和与计算机1-190、2-190连接的云服务器(未图示)，以无线通信与半导体工场服务器1001连接。此外，也可以在半导体工场服务器1001中，基于从控制器或者计算机接收到的数据，预测半导体制造装置1-1000、2-1000的传感器、马达等各设备的故障。
另外，也可以基于算出的半导体制造装置1-1000、2-1000的传感器、马达等各设备的故障预测时期，而从操作员向半导体制造装置厂商的支持中心1002发出直接指令。或者，也可以以相对于算出的半导体制造装置的传感器、马达等各设备的故障预测时刻而成为规定的期间前的时刻为触发时刻，使预测到故障的马达、传感器等部件的订货指令从半导体工场服务器1001向半导体制造装置厂商的支持中心1002自动发送，从而使需要的件数预先配送到半导体工场的仓库内。即，也可以使用上述的半导体制造装置1-1000、2-1000的传感器、马达等各设备的故障预知方法，算出马达、桨装置、驱动桨的马达、或者传感器这样的各装置·部件的故障预测时间，基于该算出的故障预测时间，在规定的时间到来前(例如，一周前等)预先生成这些各装置·部件的订货指令信号，从半导体工场向支持中心1002发送订货指令信号。订货指令信号在控制器1-175，2-175或者半导体工场服务器1001中生成。由此，能够预先在半导体工场以需要的定时储备需要的设备的更换部件。能够防止因等待各设备的到货这样的情况而对半导体制造装置的工作产生妨碍。
作为与图22不同的其他实施方式，也可以在上述的控制器1-175、2-175中，在转换为容易解析的数据后，将该转换后的数据经由控制器1-175、2-175和计算机1-190、2-190，逐次或者定期地经由半导体工场服务器1001或者直接地，发送给半导体制造装置厂商的支持中心1002。此外，也可以在半导体制造装置厂商的支持中心1002中，基于接收到的数据，预测半导体制造装置1-1000、2-1000的传感器、马达等各设备的故障。
此外，这些仅是例示，上述实施方式的故障预知处理能够应用于除了半导体制造装置以外的装置中包括的驱动部、传感器等的故障预知。
根据上述实施方式，至少掌握以下的技术的思想。
[1]根据方式1，提供一种半导体制造装置。该半导体制造装置具备：第一装置；一个或多个传感器，检测表示所述第一装置的状态的物理量；第一算出电路，根据所检测出的所述物理量算出所述第一装置的一个或多个特征量；以及故障预知电路，将由所述第一算出电路算出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据，根据在该模型数据中与所算出的所述一个或多个特征量的差成为最小的时刻与故障时刻的差来算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。第一算出电路以及故障预知电路能够由执行上述处理的程序和执行该程序的计算机构成。另外，第一算出电路以及故障预知电路也可以由ASIC、PLC等面向特定用途的集成电路等专用的硬件构成。第一算出电路以及故障预知电路也可以将它们的功能分割为多个装置(多个计算机、多个特定用途的硬件或者一个或多个计算机和一个或多个特定用途的硬件的组合)来实现。
根据方式1，将直至第一装置发生故障为止的第一装置的一个或多个特征量的经时变化的多个模型数据与计测出的一个或多个特征量进行比较，因此能够确定异常产生部位(异常的种类)，进而，知晓与故障时刻的一个或多个特征量对应的当前的第一装置的状态(一个或多个特征量)，因此能够算出到故障为止的预测时间。即，能够确定异常产生部位(异常的种类)以及到故障为止的预测时间。
另外，在预测时间小于规定的阈值的情况下，停止新的基板的接收，因此能够防止在基板的处理中第一装置发生故障。
此外，如果预测时间的阈值设定为大于一块基板的处理时间，则能够防止在基板的处理中第一装置发生故障。
[2]根据方式2，在方式1的半导体制造装置中，还具备识别电路，该识别电路通过基于所述第一装置的正常时的一个或多个特征量的集合和所述第一装置的异常时的一个或多个特征量的集合的机械学习而生成，通过所述识别电路，对计测的所述第一装置的一个或多个特征量进行评价，对所述第一装置的正常或异常进行判定，在由所述识别电路判定为异常的情况下，执行所述故障预知电路的处理。该识别电路能够由例如进行机械学习的程序和执行该程序的计算机构成。在其他例子中，识别电路也能够由ASIC、PLC等面向特定用途的集成电路等专用的硬件构成。另外，也可以将识别电路的功能分割为多个装置(多个计算机、多个特定用途的硬件或者一个或多个计算机和一个或多个特定用途的硬件的组合)来实现。
根据方式2，通过识别电路判定第一装置的正常或异常，在判定为异常的情况下执行故障预知电路的处理，因此能够提高异常判定的精度。另外，能够将故障预知电路的处理限定在由识别电路判定为异常时，因此能够减少故障预知电路的处理。
[3]根据方式3，在方式2的半导体制造装置中，通过更新所述正常时的一个或多个特征量的集合和/或所述异常时的一个或多个特征量的集合而更新所述识别电路的判定基准。
根据方式3，通过更新识别电路的判定基准，能够维持和/或提高故障预知的精度。
[4]根据方式4，在方式1至3中的任一半导体制造装置中，还具备生成直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据的模型数据生成电路。
根据方式4，能够在半导体制造装置中生成多个模型数据，而不使用外部的装置。
[5]根据方式5，在方式1至4中的任一半导体制造装置中，所述第一装置是马达，所述物理量包括所述马达的负荷率、振动、声音和温度中的至少一个。
根据方式5，在半导体制造装置所包括的马达产生异常的情况下，能够高精度地求出到故障为止的预测时间。
[6]根据方式6，在方式5的半导体制造装置中，所述特征量包括所述负荷率、所述振动、所述声音的波形振幅、渐近线的倾斜、频率光谱、总体值(总体平均值，所有值的平均)、波形峰值分布的平均值和标准偏差中的至少一个。
根据方式6，通过适当选择或组合与马达相关的特征量，能够适当进行马达的异常的检测以及到故障为止的时间的算出。
[7]根据方式7，在方式5或者6的半导体制造装置中，所述第一装置是桨装置，所述特征量包括桨的传动轴的位移振幅、位移速度、位移加速度和倾斜中的至少一个。
根据方式7，通过适当选择或组合与桨装置相关的特征量，能够适当进行马达的异常的检测以及到故障为止的时间的算出。
[8]根据方式8，在方式1至4中的任一半导体制造装置中，所述第一装置是传感器，所述特征量包括所述传感器的检测延迟时间、抖动次数和抖动持续时间中的至少一个。
根据方式8，通过适当选择或组合与传感器相关的特征量，能够适当进行传感器的异常的检测以及到故障为止的时间的算出。
[9]根据方式9，提供一种半导体制造装置。该半导体制造装置具备：第一装置；一个或多个传感器，检测表示所述第一装置的状态的物理量；第一算出电路，根据所检测出的所述物理量算出所述第一装置的一个或多个特征量；以及故障预知电路，对由所述第一算出电路算出的一个或多个特征量的时间变化进行监视，在所述一个或多个特征量与正常时的特征量的乖离率增加的时间超过第一时间的情况和/或所述一个或多个特征量与正常时的特征量的乖离率每单位时间进行增减的次数超过第一次数的情况下，停止新的基板的接收。
根据方式9，在第一装置的特征量与正常时的特征量的乖离率增加的时间超过第一时间的情况和/或每单位时间的增减的次数超过第一次数的情况下，停止新的基板的接收。因此，能够通过监视特征量的时间变化，进行故障的预知，而不必预先生成故障的模型数据。
[10]根据方式10，在方式9的半导体制造装置中，还具备识别电路，该识别电路基于所述第一装置的正常时的一个或多个特征量的集合，对计测出的所述第一装置的一个或多个特征量进行评价，从而对所述第一装置的正常或异常进行判定，在由所述识别电路判定为异常的情况下，执行所述故障预知电路的处理。该识别电路能够由例如规定的程序和执行该程序的计算机构成。在其他例子中，识别电路也能够由ASIC、PLC等面向特定用途的集成电路等专用的硬件构成。另外，也可以将识别电路的功能分割为多个装置(多个计算机、多个特定用途的硬件或者一个或多个计算机和一个或多个特定用途的硬件的组合)来实现。
根据方式10，通过识别电路判定第一装置的正常或异常，在判定为异常的情况下执行故障预知电路的处理，因此能够提高异常判定的精度。另外，能够将故障预知电路的处理限定在由识别电路判定为异常时，因此能够减少故障预知电路的处理。
[11]根据方式11，在方式10记载的半导体制造装置中，通过追加正常时的一个或多个特征量的集合且累计的正常时的一个或多个特征量的集合而更新所述识别电路的判定基准。
根据方式11，能够追加每天新获取的正常数据，基于累计的正常数据的集合，更新识别电路的判定基准。由此，能够维持和/或提高故障预知的精度。
[12]根据方式12，在方式9至11中的半导体制造装置中，所述第一装置是马达，所述物理量包括所述马达的负荷率、振动、声音和温度中的至少一个。
根据方式12，能够适当进行半导体制造装置所包括的马达的故障预知。
[13]根据方式13，在方式12的半导体制造装置中，所述特征量包括所述负荷率、所述振动、所述声音的波形振幅、渐近线的倾斜、频率光谱、总体值、波形峰值分布的平均值和标准偏差中的至少一个。
根据方式13，能够通过适当选择或组合马达相关的特征量，适当进行马达的故障预知。
[14]根据方式14，在方式12或者13的半导体制造装置中，所述第一装置是驱动桨的马达，所述特征量包括所述桨的传动轴的位移振幅、位移速度、位移加速度和倾斜中的至少一个。
根据方式14，能够通过适当选择或组合与桨装置相关的特征量，适当进行桨装置的故障预知。
[15]根据方式15，在方式9至11中的任一半导体制造装置中，所述第一装置是传感器，所述特征量包括所述传感器的检测延迟时间、抖动次数和抖动持续时间中的至少一个。
根据方式15，能够通过适当选择或组合与传感器相关的特征量，适当进行传感器的故障预知。
[16]根据方式16，提供一种半导体制造装置的故障预知方法。该故障预知方法包括：计测表示所述半导体制造装置所包括的第一装置的状态的一个或多个特征量；将计测出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据；以及根据在该模型数据中与计测出的所述一个或多个特征量的差成为最小的时刻与故障时刻的差算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。根据方式16，实现与方式1同样的作用效果。
[17]根据方式17，提供一种半导体制造装置的故障预知方法。该故障预知方法包括：对所述半导体制造装置所包括的第一装置的一个或多个特征量的时间变化进行监视；以及在所述一个或多个特征量与正常时的特征量的乖离率增加的时间超过第一时间的情况或者所述一个或多个特征量与正常时的特征量的乖离率每单位时间进行增减的次数超过第一次数的情况下，停止新的基板的接收。根据方式17，实现与方式9同样的作用效果。
[18]根据方式18，提供一种存储介质，存储有用于使计算机执行半导体制造装置的故障预知方法的程序。该程序包括：计测表示所述半导体制造装置所包括的第一装置的状态的一个或多个特征量；将计测出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据；根据在该模型数据中与所述计测的一个或多个特征量的差成为最小的时刻与故障时刻的差算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。根据方式18，实现与方式1同样的作用效果。
[19]根据方式19，提供一种存储介质，存储用于使计算机执行半导体制造装置的故障预知方法的程序。该程序包括：对所述半导体制造装置所包括的第一装置的一个或多个特征量的时间变化进行监视；以及在所述一个或多个特征量与正常时的特征量的乖离率增加的时间超过第一时间的情况或者所述一个或多个特征量与正常时的特征量的乖离率每单位时间进行增减的次数超过第一次数的情况下，停止新的基板的接收。根据方式19，实现与方式9同样的作用效果。
[20]根据方式20，提供一种设置于半导体工场的半导体制造装置的第一装置的管理系统。在该管理系统中，所述第一装置是马达、桨装置、驱动桨的马达或者传感器中的任一方。管理系统执行方式16或者17所述的半导体制造装置的故障预知方法，在通过所述故障预知方法算出的所述第一装置的故障预测时间、所述乖离率增加的时间和所述乖离率每单位时间进行增减的次数中的至少一方达到所述规定的阈值、所述第一时间或者所述第一次数前，生成所述第一装置的订货指令信号，从所述半导体工场向支持中心发送订货指令信号。
根据方式20，能够预先在半导体工场在必要的定时储备必要的设备的更换部件。能够防止因等待各设备的到货这样的情况而对半导体制造装置的工作产生妨碍。
以上，能够基于几个例子说明了本发明的实施方式，但上述的发明的实施方式是为了容易理解本发明而说明的，并非限定本发明。当然，在不脱离该主要思想的前提下，本发明能够进行变更、改良，并且本发明包括其均等物。另外，在能够解决上述课题的至少一部分的范围或者实现效果的至少一部分的范围内，可进行发明所要保护的范围以及说明书记载的各结构要素的任意的组合或者省略。
本申请主张基于2017年4月5日申请的日本专利申请号2017-075435号的优先权。包括2017年4月5日申请的日本专利申请号2017-075435号的说明书、发明所要保护的范围、附图以及摘要的全部公开内容通过参照作为整体引入到本申请。
包括日本专利第5184308号说明书(专利文献1)、日本特开2016-127069号公报(专利文献2)、日本特开2014-169475号公报(专利文献3)的说明书、发明所要保护的范围、附图以及摘要的全部公开通过参照作为整体引入到本申请。

Claims (11)

1.一种半导体制造装置，其特征在于，具备：
第一装置；
一个或多个传感器，检测表示所述第一装置的状态的物理量；
第一算出电路，根据所检测出的所述物理量算出所述第一装置的一个或多个特征量；以及
故障预知电路，将由所述第一算出电路算出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据，根据在该模型数据中与所算出的所述一个或多个特征量的差成为最小的时刻与故障时刻的差算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。
2.根据权利要求1所述的半导体制造装置，其特征在于，
还具备识别电路，该识别电路通过基于所述第一装置的正常时的一个或多个特征量的集合和所述第一装置的异常时的一个或多个特征量的集合的机械学习而生成，
通过所述识别电路，对计测出的所述第一装置的一个或多个特征量进行评价，对所述第一装置的正常或异常进行判定，
在由所述识别电路判定为异常的情况下，执行所述故障预知电路的处理。
3.根据权利要求2所述的半导体制造装置，其特征在于，
通过更新所述正常时的一个或多个特征量的集合和/或所述异常时的一个或多个特征量的集合而更新所述识别电路的判定基准。
4.根据权利要求1至3中任一项所述的半导体制造装置，其特征在于，
还具备模型数据生成电路，该模型数据生成电路生成直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据。
5.根据权利要求1至3中任一项所述的半导体制造装置，其特征在于，
所述第一装置是马达，
所述物理量包括所述马达的负荷率、振动、声音和温度中的至少一个。
6.根据权利要求5所述的半导体制造装置，其特征在于，
所述特征量包括所述负荷率、所述振动、所述声音的波形振幅、渐近线的倾斜、频率光谱、总体值、波形峰值分布的平均值和标准偏差中的至少一个。
7.根据权利要求5所述的半导体制造装置，其特征在于，
所述第一装置是桨装置，
所述特征量包括桨的传动轴的位移振幅、位移速度、位移加速度和倾斜中的至少一个。
8.根据权利要求1至3中任一项所述的半导体制造装置，其特征在于，
所述第一装置是传感器，
所述特征量包括所述传感器的检测延迟时间、抖动次数和抖动持续时间中的至少一个。
9.一种半导体制造装置的故障预知方法，其特征在于，包括：
计测表示所述半导体制造装置所包括的第一装置的状态的一个或多个特征量；
将计测出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据；以及
根据在该模型数据中与所计测出的所述一个或多个特征量的差成为最小的时刻与故障时刻的差算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。
10.一种存储介质，存储有用于使计算机执行半导体制造装置的故障预知方法的程序，其特征在于，
所述程序用于使计算机执行：
计测表示所述半导体制造装置所包括的第一装置的状态的一个或多个特征量；
将计测出的一个或多个特征量与直至所述第一装置发生故障为止的一个或多个特征量的经时变化的多个模型数据进行比较，决定所述多个模型数据中的与所算出的所述一个或多个特征量的差为最小的模型数据；以及
根据在该模型数据中与所计测出的所述一个或多个特征量的差成为最小的时刻与故障时刻的差算出故障预测时间，在故障预测时间小于规定的阈值的情况下，停止新的基板的接收。
11.一种管理系统，是设置于半导体工场的半导体制造装置的第一装置的管理系统，其特征在于，
所述第一装置是马达、桨装置、驱动桨的马达或者传感器中的任一方，
所述管理系统执行权利要求9所述的半导体制造装置的故障预知方法，
在通过所述故障预知方法算出的所述第一装置的故障预测时间达到所述规定的阈值前，生成所述第一装置的订货指令信号，从所述半导体工场向支持中心发送订货指令信号。
CN202311261098.1A 2017-04-05 2018-04-04 半导体制造装置、故障预知方法、存储介质及管理系统 Pending CN117316819A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017075436A JP6860406B2 (ja) 2017-04-05 2017-04-05 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム
JP2017-075436 2017-04-05
CN201810301919.2A CN108695211B (zh) 2017-04-05 2018-04-04 半导体制造装置、故障预知方法及存储介质

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201810301919.2A Division CN108695211B (zh) 2017-04-05 2018-04-04 半导体制造装置、故障预知方法及存储介质

Publications (1)

Publication Number Publication Date
CN117316819A true CN117316819A (zh) 2023-12-29

Family

ID=63711807

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202311261098.1A Pending CN117316819A (zh) 2017-04-05 2018-04-04 半导体制造装置、故障预知方法、存储介质及管理系统
CN201810301919.2A Active CN108695211B (zh) 2017-04-05 2018-04-04 半导体制造装置、故障预知方法及存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201810301919.2A Active CN108695211B (zh) 2017-04-05 2018-04-04 半导体制造装置、故障预知方法及存储介质

Country Status (5)

Country Link
US (2) US11315812B2 (zh)
JP (2) JP6860406B2 (zh)
KR (2) KR102481268B1 (zh)
CN (2) CN117316819A (zh)
TW (1) TWI765001B (zh)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018168873A1 (ja) * 2017-03-17 2018-09-20 株式会社フジキン 流体制御機器の動作分析システム、方法、及びコンピュータプログラム
JP6860406B2 (ja) * 2017-04-05 2021-04-14 株式会社荏原製作所 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム
KR102103143B1 (ko) * 2018-03-14 2020-04-22 (주)아이티공간 구동부의 정밀 예지 보전방법
KR102126040B1 (ko) * 2018-09-10 2020-06-24 주식회사 쌤빛 반도체 제조 장치의 예지 보전 방법
CN109506892A (zh) * 2018-09-30 2019-03-22 惠科股份有限公司 一种显示面板的检测方法和检测装置
US20200125995A1 (en) * 2018-10-19 2020-04-23 International Business Machines Corporation Machine learning with segment-aligned multisensor trace data
TWI829807B (zh) * 2018-11-30 2024-01-21 日商東京威力科創股份有限公司 製造製程之假想測定裝置、假想測定方法及假想測定程式
JP7100571B2 (ja) * 2018-12-13 2022-07-13 株式会社荏原製作所 めっき可能な基板の枚数を予測する予測モデルを構築する方法、不具合を引き起こす構成部材を予想するための選択モデルを構築する方法、およびめっき可能な基板の枚数を予測する方法
DE102019102492A1 (de) * 2019-01-31 2020-08-06 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zur Bearbeitung von Wafern
US11348813B2 (en) * 2019-01-31 2022-05-31 Applied Materials, Inc. Correcting component failures in ion implant semiconductor manufacturing tool
JP6696059B1 (ja) * 2019-03-04 2020-05-20 Ｓｐｐテクノロジーズ株式会社 基板処理装置のプロセス判定装置、基板処理システム及び基板処理装置のプロセス判定方法
WO2020194534A1 (ja) * 2019-03-26 2020-10-01 東芝三菱電機産業システム株式会社 異常判定支援装置
WO2020194597A1 (ja) * 2019-03-27 2020-10-01 日産自動車株式会社 異常検知装置、及び異常検知方法
CN112306012A (zh) * 2019-07-31 2021-02-02 竹陞科技股份有限公司 工厂管理系统及控制系统
WO2021019760A1 (ja) * 2019-08-01 2021-02-04 三菱電機株式会社 異常診断方法、異常診断装置および異常診断プログラム
CN110780646B (zh) * 2019-09-21 2021-11-26 苏州浪潮智能科技有限公司 一种基于mes系统的内存质量预警方法
JP7313252B2 (ja) 2019-10-08 2023-07-24 東京エレクトロン株式会社 リーク測定システム、半導体製造システム及びリーク測定方法
TWI728535B (zh) * 2019-10-31 2021-05-21 國立勤益科技大學 監控系統與其方法
CN112903001A (zh) * 2019-12-03 2021-06-04 财团法人纺织产业综合研究所 织物定型机的操作方法
JP2021174349A (ja) * 2020-04-28 2021-11-01 キヤノン株式会社 情報処理装置、表示制御方法、プログラム、基板処理システム、及び物品の製造方法
DE102020114408A1 (de) * 2020-05-28 2021-12-02 Bürkert Werke GmbH & Co. KG Diagnoseverfahren für ein Prozessventil, Diagnosemodul und Prozessventil
CA3182555A1 (en) * 2020-06-15 2021-12-23 Yutaka Matsui Mechanical property measuring apparatus, mechanical property measuring method, substance manufacturing equipment, substance management method, and substance manufacturing method
US20230251226A1 (en) * 2020-06-15 2023-08-10 Jfe Steel Corporation Mechanical property measuring apparatus, mechanical property measuring method, substance manufacturing equipment, substance management method, and substance manufacturing method
US12020961B2 (en) 2020-06-22 2024-06-25 Lavorro, Inc. Automated assistance in a semiconductor manufacturing environment
KR20230042041A (ko) * 2020-07-23 2023-03-27 피디에프 솔루션즈, 인코포레이티드 공정 트레이스로부터의 장비 고장 모드의 예측
US11200137B1 (en) * 2020-08-20 2021-12-14 Hitachi, Ltd. System and methods for failure occurrence prediction and failure duration estimation
US20220222524A1 (en) * 2021-01-12 2022-07-14 Ebara Corporation Method for determining optimal number of submodules for use in semiconductor manufacturing apparatus including substrate processing module including plurality of submodules, and semiconductor manufacturing apparatus
JP7515423B2 (ja) * 2021-01-22 2024-07-12 東京エレクトロン株式会社 プラズマ処理装置の異常検知方法及びプラズマ処理装置
KR20220138953A (ko) * 2021-04-07 2022-10-14 세메스 주식회사 기판 처리 장치
WO2023003916A1 (en) * 2021-07-20 2023-01-26 Lavorro, Inc. Improved mean time between failure of semiconductor-fabrication equipment using data analytics with natural-language processing
EP4374233A1 (en) * 2021-07-20 2024-05-29 Lavorro, Inc. Virtual assistant architecture with enhanced queries and context-specific results for semiconductor-manufacturing equipment
JP2023023394A (ja) * 2021-08-05 2023-02-16 株式会社荏原製作所 基板支持装置、洗浄装置、基板の回転速度を算出する装置ならびに方法、および機械学習装置
CN113760194B (zh) 2021-09-09 2024-03-12 合肥兆芯电子有限公司 存储器温度控制方法及存储器温度控制系统
WO2023053161A1 (ja) * 2021-09-28 2023-04-06 日本電気株式会社 装置管理システム、予兆保全システム、装置管理方法、及び記録媒体
JP2023069447A (ja) 2021-11-05 2023-05-18 株式会社荏原製作所 めっき装置及びめっき方法
TW202429230A (zh) * 2022-09-07 2024-07-16 日商東京威力科創股份有限公司 異常管理方法、管理裝置、及記憶媒體
CN115235676B (zh) * 2022-09-26 2022-12-09 山东济矿鲁能煤电股份有限公司阳城煤矿 一种矿井液压支架压力异常自动报警方法

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5908463A (en) * 1995-02-25 1999-06-01 Honda Giken Kogyo Kabushiki Kaisha Fuel metering control system for internal combustion engine
KR100200480B1 (ko) * 1995-12-21 1999-10-01 윤종용 불량 분석 피드백에 의한 반도체 제조공정 제어방법
JP3504130B2 (ja) * 1997-12-01 2004-03-08 株式会社東芝 周期信号ドライブ装置
JP2000124094A (ja) * 1998-10-20 2000-04-28 Dainippon Screen Mfg Co Ltd 基板処理装置およびその故障予測方法
US7133807B2 (en) * 2001-01-22 2006-11-07 Tokyo Electron Limited Apparatus productivity improving system and its method
JP2002363793A (ja) * 2001-06-01 2002-12-18 Ebara Corp 基板ホルダ及びめっき装置
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
JP2003331076A (ja) * 2002-05-10 2003-11-21 Hitachi Ltd 設備保全システム
JP4265982B2 (ja) * 2004-02-25 2009-05-20 三菱電機株式会社 機器診断装置、冷凍サイクル装置、冷凍サイクル監視システム
TWI269990B (en) * 2005-02-04 2007-01-01 Univ Nat Cheng Kung Quality prognostics system and method for manufacturing processes with generic embedded devices
US7630843B2 (en) * 2006-09-21 2009-12-08 Intel Corporation Method, apparatus, and system for power source failure prediction
JP4886461B2 (ja) 2006-10-12 2012-02-29 パナソニック電工Ｓｕｎｘ株式会社 異常監視装置
JP5184308B2 (ja) 2007-12-04 2013-04-17 株式会社荏原製作所 めっき装置及びめっき方法
US8177944B2 (en) 2007-12-04 2012-05-15 Ebara Corporation Plating apparatus and plating method
US8396582B2 (en) * 2008-03-08 2013-03-12 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
US8078552B2 (en) * 2008-03-08 2011-12-13 Tokyo Electron Limited Autonomous adaptive system and method for improving semiconductor manufacturing quality
IT1396742B1 (it) * 2009-12-04 2012-12-14 By Dental S R L Dispositivo endodontico.
JP5427107B2 (ja) * 2010-05-20 2014-02-26 株式会社日立製作所 監視診断装置および監視診断方法
JP5081999B1 (ja) * 2011-06-22 2012-11-28 株式会社日立エンジニアリング・アンド・サービス 異常予兆診断結果の表示方法
JP5808605B2 (ja) * 2011-08-17 2015-11-10 株式会社日立製作所 異常検知・診断方法、および異常検知・診断システム
JP6184713B2 (ja) * 2012-05-23 2017-08-23 株式会社Ｓｃｒｅｅｎホールディングス パーティクル測定方法および熱処理装置
JP5988740B2 (ja) * 2012-07-13 2016-09-07 日立建機株式会社 稼働機械の保守管理装置
JP6077886B2 (ja) 2013-03-04 2017-02-08 株式会社荏原製作所 めっき装置
US9329932B2 (en) * 2014-04-25 2016-05-03 Freescale Semiconductor, Inc. Imminent read failure detection based upon unacceptable wear for NVM cells
JP5771317B1 (ja) * 2014-08-26 2015-08-26 株式会社日立パワーソリューションズ 異常診断装置及び異常診断方法
US10403056B2 (en) * 2014-12-08 2019-09-03 Nec Corporation Aging profiling engine for physical systems
JP6335777B2 (ja) 2014-12-26 2018-05-30 株式会社荏原製作所 基板ホルダ、基板ホルダで基板を保持する方法、及びめっき装置
JP2017129917A (ja) * 2016-01-18 2017-07-27 富士通株式会社 異常検知方法、異常検知装置および異常検知プログラム
EP3508833B1 (en) * 2016-09-02 2024-07-17 Hitachi, Ltd. Diagnostic device, diagnostic method, and diagnostic program
JP6903976B2 (ja) * 2017-03-22 2021-07-14 オムロン株式会社 制御システム
JP6860406B2 (ja) * 2017-04-05 2021-04-14 株式会社荏原製作所 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム

Also Published As

Publication number Publication date
US20220181180A1 (en) 2022-06-09
JP7093442B2 (ja) 2022-06-29
US20180294174A1 (en) 2018-10-11
JP6860406B2 (ja) 2021-04-14
KR102605237B1 (ko) 2023-11-27
JP2021102817A (ja) 2021-07-15
JP2018178157A (ja) 2018-11-15
CN108695211A (zh) 2018-10-23
CN108695211B (zh) 2023-10-20
TW201842428A (zh) 2018-12-01
KR102481268B1 (ko) 2022-12-26
KR20230006786A (ko) 2023-01-11
TWI765001B (zh) 2022-05-21
US11315812B2 (en) 2022-04-26
KR20180113156A (ko) 2018-10-15

Similar Documents

Publication Publication Date Title
CN108695211B (zh) 半导体制造装置、故障预知方法及存储介质
KR100804714B1 (ko) 도금장치 및 방법
KR102383922B1 (ko) 기판 유지 부재, 기판 처리 장치, 기판 처리 장치의 제어 방법, 프로그램을 저장한 기억 매체
JP6756540B2 (ja) めっき装置、めっき装置の制御方法、及び、めっき装置の制御方法をコンピュータに実行させるためのプログラムを格納した記憶媒体
KR102508032B1 (ko) 도금 장치 및 시스템
KR102563631B1 (ko) 도금 장치
CN117500960B (zh) 镀覆装置
JP5749302B2 (ja) めっき方法
JP5385669B2 (ja) めっき方法及びめっき装置
CN110387574B (zh) 电解液中化学浓度的控制方法及半导体设备
CN108346599B (zh) 用于电化学处理半导体基底的方法和装置及装置维修方法
KR20190138579A (ko) 도금 방법, 도금 장치, 및 한계 전류 밀도를 추정하는 방법
CN110408982B (zh) 检查方法、检查装置以及具备该检查装置的电镀装置
US20230203702A1 (en) Plating apparatus, control method for plating apparatus and nonvolatile storage medium storing program
JP7373684B1 (ja) めっき装置
KR102723780B1 (ko) 검사 방법, 검사 장치 및 이것을 구비한 도금 장치
TW202323597A (zh) 鍍覆裝置及鍍覆方法
KR102558706B1 (ko) 도금 장치, 및 도금 방법
CN118331523A (zh) 半导体制造装置中的信息显示方法及计算机程序
JP2005281720A (ja) 湿式処理方法及び装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination