CN1379440A - 根据有关装置的信号诊断其装置故障的装置 - Google Patents

Abstract

从多个传感器输入有关某装置的多个传感器信号。算出该传感器信号的每个组合的识别空间的标量距离。根据该标量距离是否包括在每个该组合的该识别空间的正常范围内,输出每个该组合的多个标志信号。根据每个该组合的该标志信号,判定该装置的故障。

Description

根据有关装置的信号诊断其装置故障的装置

                      前后参照相关申请

本申请根据2001/3/27提出的在先日本专利申请P2001-90585的优先权；在这里参照结合其全部内容。

发明领域

本发明涉及一种通过对来自多个传感器的多个信号进行多变量分析的办法，检测带有传感器的装置和传感器的故障的故障诊断装置。

技术背景

半导体装置的制造装置中，进行故障诊断。故障诊断中，利用多个传感器，观测电流、电压、电力、温度、排气量、声音振动等的多个信号。对这些多个信号施行统计性分析。根据该分析，获得对其制造装置的故障诊断有用的信息。

在多个传感器之中一个以上的传感器，虽然没有故障或断线等的异常，但是有时发生灵敏度异常。从发生了故障的传感器输出的信号变成异常值。根据该异常值，制造装置的诊断结果就变成发生了故障的这样诊断。

实际上制造装置没有故障，因而该诊断是错误诊断。与制造装置的故障频度相比，传感器灵敏度发生异常的频度很大。因此，为了提高故障诊断的可靠性，需要提高传感器灵敏度的稳定性。而且，需要提高传感器的检测精度。

传感器的灵敏度异常时，发现该灵敏度异常的传感器却花费时间。这时，制造装置即使是正常的，也不让制造装置运转。因此，有时发生装置不工作造成的损失。

发明内容

A按照本发明实施例的诊断装置包括：从多个传感器输入有关该装置的多个传感器信号的输入部；

算出该传感器信号的每个组合的识别空间的标量距离的运算部；

根据该标量距离是否包括在每个其组合的该识别空间的正常范围，输出每个该组合的多个标志信号的标志信号输出部；以及

根据每个该组合的该标志信号，判断该装置的故障的判定部。

附图说明

图1是CIM(计算集成制造系统)、排气装置和批处理装置具有第1实施例故障诊断装置的系统构成图。

图2是第1实施例故障诊断装置的构成图。

图3是第1实施例故障诊断装置在正常时诊断方法的流程图。

图4是第1实施例故障诊断装置在诊断时诊断方法的流程图。

图5是说明第1实施例故障诊断装置在诊断时诊断方法的信号处理流图。

图6是第1实施例故障诊断装置的判定数据。

图7是第1实施例故障诊断装置的子集(S1、S2)识别空间、正常范围和标量长的概念图。

图8是说明第1实施例故障诊断装置在诊断时诊断方法的详细信号处理流图。

图9A到9D是说明第2实施例故障诊断装置在诊断时诊断方法的信号处理流图。

图10是说明第1实施例故障诊断装置在诊断时的诊断结果表。

图11是第3实施例故障诊断装置的判定数据。

图12是第4实施例故障诊断装置的判定数据。

图13是第5实施例故障诊断装置的子集(S1、S2)的马哈拉诺比斯(MAHALANOBIS)空间、正常范围和马哈拉诺比斯·达克奇(MAHALANOBIS·DAGUCH)距离的概念图。

图14是说明第5实施例故障诊断装置在诊断时诊断方法的信号处理流图。

图15A到15C是说明第6实施例故障诊断装置在诊断时诊断方法的信号处理流图。

图16是说明第6实施例故障诊断装置在诊断时的诊断结果表。

图17是第7实施例具有故障诊断装置的系统的CIM和批处理装置的构成图。

具体实施方式

将参照附图，说明本发明的各个实施例。应该注意到，对所有附图上同一或相似的部件和构件都加上同一或相似的标号，而且对同一或相似的部件和构件的说明将加以省略或简化。

(第1实施例)

如图1所示，CIM具有第1实施例诊断装置8、5的系统78连接到成批处理装置75和连到成批处理装置75的局域网(LAN)6。CIM的主机7也连到LAN6上。批处理装置75具有可以制造半导体装置并配置传感器21到2n的工作室1。控制器2控制工作室1。诊断装置8诊断工作室1的故障。诊断装置8可进行传感器21到2n的异常检测。排气装置76具有对工作室1进行排气的真空泵3和对真空泵3进行故障诊断的诊断装置5。真空泵3中，配置有传感器11到1n。诊断装置5可对传感器11到1n进行异常检测。批处理装置75也可以是半导体装置的制造装置。诊断装置5检测真空泵3的故障诊断和传感器11、12、…1n的异常。配管4用于排气，连接在工作室1与真空泵3之间。

传感器11到1n和21到2n检测电流、电压、电力、温度、排气量、声音振动、加速度、气体流量等的状态量。成批处理装置75，通过LAN6连接到CIM的主机7。

并且，工作室1的传感器21到2n将有关气体流量等的工作室内部信息的传感器信号62送绐控制器2和诊断装置8。控制器2将控制信号61送给工作室1和真空泵3。真空泵3的传感器11到1n将有关电流、温度等真空泵3信息的传感器信号63送给控制器2和诊断装置5和8。控制器2通过LAN6，把有关工作室1的批处理状况的批处理信息67送给CIM的主机7。控制器2把有关诊断时期可能判断的工作室1处理状况的工艺处理信号64送给诊断装置5和8。诊断装置5通过控制器2和LAN6，将真空泵3为故障的信息65送给CIM的主机7。诊断装置5将传感器11到1n为灵敏度异常的信息66送给CIM的主机7。诊断装置8将工作室1为故障的信息68送给控制器2和CIM的主机7。诊断装置8将传感器21到2n为灵敏度异常的信息69送给CIM的主机7。根据这些信息，借助于CIM的主机7，就可能维持半导体装置批处理的管理和批处理装置的管理。

CIM的系统78具有成批处理装置75和排气装置76。多个传感器11到1n和21到2n输出有关成批处理装置75的多个传感器信号62和63。多个传感器11到1n输出有关排气装置76的多个传感器信号63。

如图2所示，诊断装置5具有：传感器信号输入部51、运算部52、标志信号输出部53、判定部54、故障诊断输出部55、子集·判定数据作成部41、识别空间构成部42、正常范围设定部43、子集记录部44、判定数据记录部45、R式记录部46以及J值记录部47。另外，诊断装置8也具有与诊断装置5同样构成。

传感器信号输入部51输入传感器11到1n来的传感器信号63。传感器信号输入部51从多个传感器11到1n，输入有关装置(真空泵)3的多个传感器信号63。

运算部52根据多个传感器信号63算出标量距离308。运算部52算出传感器信号63的每个组合识别空间306中的标量距离308。该识别空间306也可以是马哈拉诺比斯空间。该标量距离308也可以是马哈拉诺比斯·达克奇距离。

标志信号输出部53对由运算部52算出的标量距离与预定的基准值(J值)进行比较。标志信号输出部53，根据该比较结果，求出表示每个组合算出的标量距离是正常或异常的标志信号80。标志信号输出部53判断标量距离是否包括在每个该组合的该识别空间的正常范围内。标志信号输出部53根据该判断，输出每个该组合的多个标志信号80。

判定部54对所求出的标志信号80进行逻辑分析，判定真空泵3有无故障、传感器有无异常。判定部54根据求出的每个组合的标志信号80，判定传感器11到1n有无异常。判定部54判定装有传感器11到1n的真空泵3有无异常。判定部54根据每个该组合的该标志信号，判定该装置的故障。该判定部54基于判定数据305进行判定。

故障诊断输出部55将真空泵3有无故障、传感器有无异常信息输出到CIM的主机7。故障诊断输出部55输出该真空泵3故障的判定结果。

判定数据作成部41，当真空泵3正常工作时，作成由该多个传感器信号63产生的多个该组合。判定数据作成部41当真空泵3正常工作时，根据每个该组合的多个该标志信号80，作成可以判定该真空泵3故障的判定数据305。根据该判定数据305，由每个该组合的多个该标志信号80可以判定该多个传感器11到1n的异常。该判定数据305记录每个该组合的多个标志信号80的情况，该情况的对照具有可能的对照区域。该判定数据305具有记录与该情况相关联的该真空泵3状态的状态区。该组合由输入部51输入的全部传感器11到1n的所有传感器信号的全体集合和该全体集合的子集构成。另外，组合也不一定由全体集合和实验的子集构成。组合也可以由全体集合和所有的子集的一部分的子集构成。作成的组合记录到子集记录部44内，处于可读出的状态。作成的判定数据记录在判定数据记录部45，并处于可读出的状态。

识别空间构成部42根据真空泵3正常工作时输入的该传感器信号63，构成每个该组合的该识别空间306。该识别空间306可作为R式306表达，所构成的识别空间306记录到R式记录部46内，并处于可读出的状态。

正常范围设定部43在每个组合中根据该识别空间306的分散值σ，设定真空泵3正常工作时该识别空间306的该正常范围307。正常范围307可作为J值表达。所设定的正常范围307记录到J值记录部47内，并处于可读出的状态。

接着，说明有关第1实施例诊断装置5的诊断方法。诊断方法可以区分为作为诊断准备行为的正常时的诊断方法和所谓诊断时的诊断方法。

首先，说明有关正常时的诊断方法。正常时的诊断方法，作为图3的行为S301，如图5所示，真空泵3和传感器11到13正常工作时，传感器信号输入部51从多个传感器11到13，输入有关真空泵3的多个传感器信号s1、s2、s3(63)。

作为行为S302，判定数据作成部41作成由该多个传感器信号s1、s2、s3(63)产生的多个该组合(子集)(s1、s2、s3)(s1、s2)(s1、s3)(s2、s3)(s1)(s2)(s3)304。判定数据作成部41由全集合(s1、s2、s3)，作成全集合(s1、s2、s3)和所有子集(s1、s2)(s1、s3)(s2、s3)(s1)(s2)(s3)。判定数据作成部41根据每个该组合(s1、s2、s3)(s1、s2)(s1、s3)(s2、s3)(s1)(s2)(s3)304的多个标志信号F123、F12、F13、F23、F1、F2、F3(80)，作成可判定真空泵3故障的判定数据305。

根据该判定数据305，由每个该组合(s1、s2、s3)(s1、s2)(s1、s3)(s2、s3)(s1)(s2)(s3)304的多个标志信号F123、F12、F13、F23、F1、F2、F3(80)，就能够判定该多个传感器11到13的异常。该判定数据305中，如图6所示，将每个该组合的多个标志信号F123、F12、F13、F23、F1、F2、F3，连同情况区域81的情况1到8一起记录到对照区域82。连同情况1到8一起对照标志信号F123、F12、F13、F23、F1、F2、F3。该判定数据305具有记录与该情况1到8相关联的真空泵3和传感器11到13的状态的状态区域83。使真空泵3和传感器11到13的状态与对照过的标志信号F123、F12、F13、F23、F1、F2、F3的情况1到8相关联。

作为行为S303，识别空间构成部42根据正常时输入的该传感器信号s1、s2、s3(63)，构成每个该组合(s1、s2、s3)(s1、s2)(s1、s3)(s2、s3)(s1)(s2)(s3)304的该识别空间。组合(s1、s2)的该识别空间AO，如图7所示，可以认为是坐标为s1和s2的平面上的圆。×符号是正常时对每一小时输入的该传感器信号s1、s2值进行绘图的点。设定识别空间AO，使其含有该×符号。具体地说，识别空间构成部42设定表示识别空间AO的R式306的系数。

作为图3的行为S309，正常范围设定部43如图7所示，根据该识别空间AO的×符号的分散值σ，设定该组合(s1、s2)304的该识别空间AO的该正常范围。具体地说，设定成为R式306大小的判定基准的J值12(307)。

其次，说明有关诊断时的诊断方法。诊断时的诊断方法，作为图4的行为S401如图8所示，传感器信号输入部51从传感器11到13，在时间T1，输入关于真空泵3的多个传感器信号s11、s21、s31(63)。传感器信号输入部51顺序地从多个传感器11到13，在时间T1到T6，输入有关真空泵3的多个传感器信号s12到s16、s22到s26、s32到s36(63)。传感器信号输入部51读出多个传感器的输出信息。

作为行为S402，运算部52把在时间T1的传感器信号s11、s21、s31(63)组合在每个子集(s1、s2、s3)(s1、s2)(s1、s3)(s2、s3)(s1)(s2)(s3)304。其它的时间T2到T6的传感器信号s12到s16、s22到s26、s32到s36(63)也可以与时间T1的传感器信号s11、s21、s31(63)同样处理。运算部52从含有读出的全部传感器的集合，作成子集(s11、s21、s31)(s11、s21)(s11、s31)(s21、s31)(s11)(s21)(s31)。作为行为S403，运算部52对每个子集(s11、s21、s31)(s11、s21)(s11、s31)(s21、s31)(s11)(s21)(s31)304，算出在识别空间的标量距离R123(s11、s21、s31)、R12(s11、s21)、R13(s11、s31)、R23(s21、s31)、R1(s11)、R2(s21)、R3(s31)306。具体地说，对每个子集304，将适宜的该多个传感器信号63代入标量距离。运算部52对从上述作成的全部子集选定的多个的每个子集，根据该子集含有的传感器输出信息算出标量距离。

如图7所示，按照在时间T1输入的传感器信号s11、s21，算出标量距离R12(s11、s21)。按照在时间T2输入的传感器信号s12、s22，算出标量距离R12(s12、s22)。按照在时间T3输入的传感器信号s13、s23，算出标量距离R12(s13、s23)。按照在时间T4输入的传感器信号s14、s24，算出标量距离R12(s14、s24)。按照在时间T5输入的传感器信号s15、s25，算出标量距离R12(s15、s25)。按照在时间T6输入的传感器信号s16、s26，算出标量距离R12(s16、s26)。

作为行为S404，标志信号输出部53判断该标量距离R123(s11、s21、s31)、R12(s11、s21)、R13(s11、s31)、R23(s21、s31)、R1(s11)、R2(s21)、R3(s31)306是否包含在每个该组合304的该识别空间AO的正常范围J123、J12、J13、J23、J1、J2、J3。具体地说，对每个子集304，判断该标量距离R123(s11、s21、s31)、R12(s11、s21)、R13(s11、s31)、R23(s21、s31)、R1(s11)、R2(s21)、R3(s31)306的值是否小于正常范围J123、J12、J13、J23、J1、J2、J3的J值307。标志信号输出部53，根据该判断输出每个该组合304的多个标志信号F123、F12、F13、F23、F1、F2、F3(80)。标志信号输出部53比较算出的标量距离与预定的基准值。标志信号输出部53求出每个子集表示正常或异常的标志。该识别空间也可以是马哈拉诺比斯空间。该标量距离也可以是马哈拉诺比斯·达克奇距离。

如图7所示，时间T1的标量距离R12(s11、s21)比正常范围J12要大。标志信号F12为1(异常)。时间T2的标量距离R12(s12、s22)比正常范围J12要大。标志信号F12为1(异常)。时间T3的标量距离R12(s13、s23)比正常范围J12要大。标志信号F12为1(异常)。时间T4的标量距离R12(s14、s24)比正常范围J12要小。标志信号F12为0(正常)。时间T5的标量距离R12(s15、s25)比正常范围J12要小。标志信号F12为0(正常)。时间T6的标量距离R12(s16、s26)比正常范围J12要小。标志信号F12为0(正常)。

作为行为S405，判定部54根据每个该组合的该标志信号F123、F12、F13、F23、F1、F2、F3(80)，判定真空泵3的故障。判定部54确定异常的传感器11到13。判定部54判定真空泵3的正常或异常。判定部54根据图6的判定数据305进行判定。判定部54根据求出的每个该组合的该标志信号F123、F12、F13、F23、F1、F2、F3(80)，判定有无异常传感器。判定部54判定装备传感器11到13的真空泵3有无异常。

判定部54也可以对求出的每个该组合的该标志信号F123、F12、F13、F23、F1、F2、F3(80)施行逻辑分析。也可以根据该逻辑分析进行判定。如图6所示，在情况1，全部的标志信号F123、F12、F13、F23、F1、F2、F3(80)为0。在情况1，真空泵3(P)和全部的传感器11(s1)、传感器12(s2)、传感器13(s3)为正常，输出判定0。

在情况2，标志信号F123、F12、F13、F1为1。标志信号F23、F2、F3为0。在情况2，真空泵3和传感器12和13为正常，其输出判定0。传感器11为异常，输出判定1。

在情况8，标志信号F123、F12、F13、F23、F1、F2、F3(80)为1。在情况2，真空泵3(P)为异常应输出判定0。这是因为全部的传感器11(s1)、传感器12(s2)和传感器13(s3)同时变成异常是非常稀少的。

在情况5，F123、F12、F13、F23、F1、F2为1。只有F3为0。在情况5，真空泵3和传感器13正常应输出判定0。传感器11和12异常应输出判定1。由于标志信号大部分是1(异常)，判定精度有恶化的可能，在情况5，作为真空泵3的判定，也可以发出告警信息。由此，操作人员得到判断真空泵3故障的机会。通过逻辑分析，输出判断信息的精度，作为告警信息。如图6所示，情况5到7是传感器11到13之中的2个同时发生异常的场合，这样的场合非常罕见，因而可以认为由真空泵3本身异常而引起的。作为告警信息输出其意思。

并且，F123、F12、F13、F23、F1、F2为0、F3为1的情况，逻辑上是不存在的。该情况输出判断为诊断装置5本身异常的错误信息。并且，除一个传感器外利用剩余的所有传感器的标志信号组，即只用F12、F13、F23进行判断时，可以避免复杂的判断逻辑。

作为行为S406，故障诊断输出部55输出真空泵3故障的判断结果。故障诊断输出部55输出确定异常传感器的信息。故障诊断输出部55输出真空泵3正常、异常的信息。故障诊断输出部55输出判定后的真空泵3有无异常的信息。故障诊断输出部分5输出异常传感器有无信息。

传感器11、12、…、1n检测真空泵3的传感器信号(输出信息)63输送给诊断装置5。诊断装置5的输入部51输入这些传感器11、12、…、1n发出的传感器信号，并传到运算部52。运算部52由传来的传感器信号算出后述的标量距离。标志信号输出部53根据标量距离与预定的基准值，求出表示传感器11、12、…、1n的每个子集的正常、异常的信号，并送给判定部54。判定部54对每个子集的标志信号施行逻辑处理，进行真空泵3的故障检测或传感器的异常检测。输出部55通过LAN6，把判定部54的判定结果送给CIM的主机7。

真空泵3的状态随温度或气体流量等工作室1的状态而变化。电流、电压、电力、温度、排气量、声音振动、加速度等传感器11到1n的值是真空泵3的二次状态量，因而这些值也随着工作室1的内部状态变化。所以，检测真空泵3异常、或装到真空泵3内的传感器11、12、…、1n的异常时，需要通过控制器2由诊断装置5识别工作室1的工艺处理信息64。

接着，说明有关标量距离R123(s11、s21、s31)、R12(s11、s21)、R13(s11、s31)、R23(s21、s31)、R1(s11)、R2(s21)、R3(s31)306和正常范围J123、J12、J13、J23、J1、J2、J3的值307。为了简单，考虑操作3个传感器11、12、13的传感器信号S1、S2、S3。意味着(s1、s2、s3)全部使用传感器11、12、13的传感器信号s1、s2、s3进行计算。意味着(s1、s2)全部使用传感器11、12的传感器信号s1、s2进行计算。(s2、s3)、(s1、s3)、(s1)、(s2)、(s3)也同样。在图4和5的行为S402到行为S404的多变量解析计算中，例如全部使用传感器11～13的信息进行计算，输出判定算出值的结果。标量距离R123(s1、s2、s3)用式(1)表达。

R123(s1、s2、s3)＝(a1231*s1*s1+a1232*s2*s2+a1233*s3*s3)/M123…(1)

但是，s1、s2、s3因传感器信号的值时刻改变。a1231～a1233和M123为常数。正常状态下的传感器信号s1、s2、s3的场合，标量距离R123(s1、s2、s3)的值几乎等于1。标量距离R123(s1、s2、s3)是个标量。即，在行为S402到行为S404中，对由多个数据中抽出标量施行多变量解析计算。

正常范围J123是标量距离R123(s1、s2、s3)的判定基准值。正常范围J123是预定的常数。正常范围J123的值由考虑正常状态下的传感器信号s1到s3值的离散来决定。标量距离R123(s1、s2、s3)设定为例如，达到超过正常时离散的3σ时的值。

假使标量距离R123(s1、s2、s3)是正常范围J123以下(R123(s1、s2、s3)≤J123)，则标志信号F123为0(F123＝0)。假使标量距离R123(s11、s21、s31)大于正常范围J123(R123(s1、s2、s3)＞J123)，则标志信号F123为1(F123＝1)。

在这里，所谓F123为1，只是表示所谓使用传感器11到13的信息分析获得的结果不是正常值。在这里，表示或是真空泵3为异常、或是任何哪个传感器为异常，是哪个现阶段没有判断出来。

进行同样的过程，决定F12、F13、F23、F1、F2、F3的值。在这里，F12由传感器信号s1和s2求出。并且，F1只用传感器信号s1求出。标量距离R12(s1、s2)用式(2)表达。

R12(s1、s2)＝(a121*s1*s1+a122*s2*s2)/M12…(2)

a121、a122和M12都是常数。正常状态下的传感器信号s1、s2的场合，标量距离R12(s1、s2)的值几乎等于1。

假使标量距离R12(s1、s2)为正常范围J12以下(R12(s1、s2)≤J12)，则标志信号F12为零(F12＝0)。假使标量距离R12(s1、s2)大于正常范围J12(R12(s1、s2)＞J12)，则标志信号F12为1(F12＝1)。标量距离R13(s1、s3)和R23(s2、s3)的场合也同样。

标量距离R1(s1)用式(3)表达。

R1(s1)＝(a11*s1*s1)/M1…(3)

a11和M1是常数。正常状态下的传感器信号s1的场合，标量距离R1(s1)的值几乎等于1。

假使标量距离R1(s1)为正常范围J1以下，(R1(s1)≤J1)，则标志信号F1为零(F1＝0)。假使标量距离R1(s1)大于正常范围J1(R1(s1)＞J1)，则标志信号F1为零(F1＝1)。标量距离R2(s2)和R3(s3)的场合也同样。

按照第1实施例的诊断装置5，没有采用冗余的传感器和冗余传感器的附带电路。按照诊断装置5，利用具有一般灵敏度传感器的简单构成就可以诊断。

按照诊断装置5，可以使用不同种类的传感器。因为使用该不同种类的传感器，可以提高异常传感器的检测灵敏度。而且，可以提高传感器的传感器信号可靠性。以下叙述诊断装置5可以提高传感器检测灵敏度的理由。如图7所示，一般地说，传感器信号s1的正常范围是下限值s1L～上限值s1H。同样，传感器信号s2的正常范围是下限值s2L～上限值s2H。由此，在时间T1，一般地说，可以判断只有传感器信号s1异常。在时间T2，一般地说，可以判断传感器信号s1和s2异常。在时间T3，一般地说，可以判断传感器信号s1和s2正常。另一方面，按照诊断装置5，在时间T3，根据传感器信号s1和s2，可以判断标量距离R12为异常。

在现有传感器的异常检测中，准备多个同类传感器。根据诊断装置5，即使电流、电压、电力、温度、排气量、声音振动、加速度等互相不同的传感器也能检测传感器的异常。根据诊断装置5，不需要同种的冗余传感器。诊断装置5可瞬时判定传感器的异常。发现异常传感器前几乎没有停止真空泵3和装置75的时间。进而，由于诊断装置5判定传感器的异常，因而能够高可靠性判定真空泵3的正常、异常。诊断装置5可以显著提高真空泵3或装置75的故障诊断或寿命诊断的可靠性。

有时真空泵3或装置75断续地反复运转。运转与运转之间的待机状态时，也可以诊断装置75和传感器的故障。假使该状态下传感器如果异常，就能不停止装置修理传感器。传感器没有异常时，可提高装置75的诊断可靠性。

并且，如图1所示，独立构成诊断装置5。也可以将诊断装置5装入半导体装置制造装置75的控制器2内。或者，也可以将诊断装置5装入真空泵3的控制器内。真空泵3的异常信息65或传感器11到1n的异常信息66输送给CIM7的LAN6。异常信息65和66也可以直接显示在显示装置上。

利用用于半导体装置的真空泵的传感器说明诊断装置5。诊断装置5可以使用于采用一般多元传感器的机器的故障诊断、恶化诊断或寿命预测。诊断装置5可以应用于所有的机器、设备、飞机等。

(第2实施例)

第2实施例中，说明有关使用传感器信号s1和s2时的诊断方法。如图9所示，在时间T11、T12、T13、T14，传感器信号s1和s2输出给诊断装置5。横轴表示时间。图9B到图9D的横轴也是相同刻度的时间。纵轴表示信号强度的电流值。在时间T11与T12期间，输出传感器信号s1的传感器出故障。在时间T12与T13期间，配置传感器的装置出故障。在时间T13与T14期间，输出传感器信号s1的传感器恢复。从传感器信号s1可以观察到输出传感器信号s1的传感器出故障和恢复。但是，从传感器信号s1和s2，不可能观察到装置出故障。

图9B的纵轴是标量距离R12(s1、s2)。图9C的纵轴是标量距离R1(s1)。图9D的纵轴是标量距离R2(s2)。标量距离R12(s1、s2)，在时间T12和T13期间超过正常范围J12。标量距离R1(S1)、在时间T12、T13和T14时超过正常范围J1。标量距离R2(s2)，在时间T13和T14期间超过正常范围J2。

如图10所示，每个时间T11到T14，都输出标志信号F12、F1、F2。由此，根据标志信号F2，可以判定装置出故障。根据标志信号F12，可以判定输出传感器信号s1的传感器出故障。

(第3实施例)

第1实施例中，对传感器信号的全部子集求出标量距离或标志信号。通过对全部子集进行处理，提高诊断的再现性。另一方面，子集的个数，随传感器信号的增加而飞快地增加。

因此，第3实施例中，说明有关子集的个数与传感器信号数相等的情况。子集，如图11所示，是由从全体集合(S1、S2、S3)中除去一个传感器信号后利用剩余的全部传感器信号的子集(s1、s2)、(s1、s3)、(s2、s3)构成。可使该子集(s1、s2)、(s1、s3)、(s2、s3)一起发生。因此，提高了诊断再现性。

如图11所示，在情况11，全部的标志信号F12、F13、F23都为0。在情况11就输出真空泵3(P)和全部传感器11(s1)、传感器12(s2)、传感器13(s3)为正常的判定0。

在情况12，标志信号F12、F13都为1，标志信号F23为0。在情况12就输出真空泵3(P)和传感器12和13为正常的判定0。输出传感器11为异常的判定1。这些判定是假定传感器11到13没有2个以上传感器同时变成异常的情况。

在情况15，全部标志信号F12、F13、F23都为1。在情况15，就输出真空泵3(P)为异常的判定1。这是因为全部传感器11(s1)、传感器12(s2)、传感器13(s3)同时2个以上都变成异常的情况是非常稀少的。

(第4实施例)

第4实施例也与第3实施例同样，说明有关子集的个数等于传感器信号数的情况。如图12所示，全体集合(s1、s2、s3、s4)的要素是4个。子集是由全体集合中除去一个传感器信号，使用剩余全部的传感器信号的子集(s1、s2、s3)、(s1、s2、s4)、(s1、s3、s4)、(s2、s3、s4)构成。可使该4个的子集(s1、s2、s3)、(s1、s2、s4)、(s1、s3、s4)、(s2、s3、s4)一起发生。因此，提高了诊断再现性。

如图12所示，在情况21，全部的标志信号F123、F124、F134、F234都为0。在情况21就输出真空泵3(P)和全部的传感器11(s1)、传感器12(s2)、传感器13(s3)和传感器14(s4)为正常的判定0。

在情况22，标志信号F123、F124、F134为1。 F234为0。在情况21就输出真空泵3和传感器12、传感器13和传感器14为正常的判定0。输出传感器11为异常的判定1。这些判定是假定传感器11到14没有2个以上同时变成异常的情况。

在情况26，全部的标志信号F123、F124、F134、F234都为1。在情况26就输出真空泵3(P)为正常的判定0。这是因为全部的传感器11(s1)、传感器12(s2)、传感器13(s3)和传感器14(s4)没有2个以上同时变成异常的情况是非常稀少的。

(第5实施例)

第5实施例中，说明有关识别空间306是马哈拉诺比斯空间的场合。第5实施例中，说明有关标量距离308是马哈拉诺比斯·达克奇距离的场合。第5实施例中，说明有关对第1实施例的诊断方法进行变更的行为。

作为图3的行为S303，识别空间构成部42是根据正常时输入的该传感器信号s1、s2、s3(63)，构成每个该组合(s1、s2、s3)、(S1、S2)、(s1、s3)、(s2、s3)、(s1)、(s2)、(s3)304的该马哈拉诺比斯空间AM。组合(s1、s2)的该马哈拉诺比斯空间AM，如图13所示，可以认为是把坐标设为s1和s2的平面上的椭圆。×符号是正常时对每个1小时输入的该传感器信号s1、s2值进行绘图的点。设定马哈拉诺比斯空间AM使其包含该×符号。具体地说，识别空间构成部42设定表示马哈拉诺比斯空间AM的马哈拉诺比斯·达克奇距离RM的系数。

作为图3的行为S309，如图13所示，正常范围设定部43根据该马哈拉诺比斯空间AM的×符号处的分散值σ，设定该组合(s1、s2)304在该马哈拉诺比斯AM的该正常范围JM12。具体地说，设定将成为马哈拉诺比斯·达克奇距离的大小判定基准的J值JM12。

作为图4的行为S401，如图14所示，传感器信号输入部51在时间T1从多个传感器11到13输入有关真空泵3的多个传感器信号s11、s21、s31。传感器信号输入部51在时间T2到T6从多个传感器11到13依次输入有关真空泵3的多个传感器信号s12到s16、s22到s26、s32到s36。

作为行为S402，运算部52对每个子集(s1、s2、s3)、(s1、s3)、(s2、s3)、(s1)、(s2)、(s3)组合时间T1的传感器信号s11、s21、s31。运算部52从包括读出的全部传感器的集合，作成子集(s11、s21、s31)、(s11、s21)、(S11、S31)、(s21、s31)、(s11)、(s21)、(s31)。

作为行为S403，运算部52对每个子集(s11、s21、s31)、(s11、s31)、(s21、s31)、(s11)、(s21)、(s31)算出在马哈拉诺比斯空间AM的马哈拉诺比斯·达克奇距离RM23(s11、s21、s31)、RM12(s11、s21)、RM12(S12、S21)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)。

如图13所示，根据在时间T1输入的传感器信号s11、s21，算出马哈拉诺比斯·达克奇距离RM12(s11、s21)。根据在时间T2输入的传感器信号s12、s22，算出马哈拉诺比斯·达克奇距离RM12(s12、s22)。根据在时间T3输入的传感器信号s13、s23，算出马哈拉诺比斯·达克奇距离RM12(s13、s23)。根据在时间T4输入的传感器信号s14、s24，算出马哈拉诺比斯·达克奇距离RM12(s14、s24)。根据在时间T5输入的传感器信号s15、s25，算出马哈拉诺比斯·达克奇距离RM12(s15、s25)。根据在时间T6输入的传感器信号s16、s26，算出马哈拉诺比斯·达克奇距离RM12(s16、s26)。

作为行为S404，标志信号输出部53判断该马哈拉诺比斯·达克奇距离RM123(s11、s21、s31)、RM12(s11、s21)、RM13(s11、s31)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)是否包含在每个该组合的该马哈拉诺比斯空间AM的正常范围JM123、JM12、JM13、JM23、JM1、JM2、JM3内。标志信号输出部53根据该判断，输出每个该组合304的多个标志信号FM123、FM12、FM13、FM23、FM1、FM2、FM3。

如图13所示，时间T1的马哈拉诺比斯·达克奇距离RM12(s11、s21)大于正常范围JM12。标志信号FM12为1(异常)。时间T2的马哈拉诺比斯·达克奇距离RM12(s12、s22)大于正常范围JM12。标志信号FM12为1(异常)。时间T3的马哈拉诺比斯·达克奇距离RM12(s13、s23)大于正常范围JM12。标志信号FM12为1(异常)。时间T4的马哈拉诺比斯·达克奇距离RM12(s14、s24)大于正常范围JM12。标志信号FM12为1(异常)。时间T5的马哈拉诺比斯·达克奇距离RM12(s15、s25)大于正常范围JM12。标志信号FM12为1(异常)。时间T6的马哈拉诺比斯·达克奇距离RM12(s16、s26)小于正常范围JM12。标志信号FM12为0(正常)。

如果比较图13和图7，时间T4与T5的标志信号F12的值不同。图13的时间T4与T5的标志信号F12为1(异常)。另一方面，图7的时间T4与T5的标志信号F12为0(正常)。因此，采用马哈拉诺比斯·达克奇距离RM12的诊断方法可以提高异常检测的灵敏度。

在施行从多个数据抽出标量的多变量解析计算之际，求出把预先得到的各传感器正常时基准空间统计量的马哈拉诺比斯空间AM用于标志计算的每个传感器群。求出所求的马哈拉诺比斯空间AM的倒置矩阵。利用该倒置矩阵和由依次收集的传感器信息求出的规一化值，  求出马哈拉诺比斯·达克奇距离RM123(s1、s2、s3)、RM12(s11、s21)、RM13(s11、s31)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)。根据马哈拉诺比斯·达克奇距离RM123(s1、s2、s3)、RM12(s11、s21)、RM13(s11、s31)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)判断传感器有无异常。

即，传感器正常时，算出的马哈拉诺比斯·达克奇距离RM123(s1、s2、s3)、RM12(s11、s21)、RM13(s11、s31)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)的平均为1。随着离开正常状态，马哈拉诺比斯·达克奇距离RM123(s1、s2、s3)、RM12(s11、s21)、RM13(s11、s31)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)变大。经验上，上述距离如果变成4～8左右就要看成异常，但是也可以实验上求出该判断基准。

如果采用马哈拉诺比斯·达克奇距离RM123(s1、s2、s3)、RM12(s11、s21)、RM13(s11、s31)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)，哪个传感器组的判定基准值也可是相同基准。所以，可使用种类不同的传感器。并且，传感器显示的值即使变大，也可以考虑各自传感值的离散。故此，可以使用所有种类的传感器信号。

正常范围JM123、JM12、JM13、JM23、JM1、JM2、JM3是马哈拉诺比斯·达克奇距离RM123(s1、s2、s3)、RM12(s11、s21)、RM13(s11、s31)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)的判定基准值。正常范围JM123、JM12、JM13、JM23、JM1、JM2、JM3的值是预定的常数。正常范围JM123、JM12、JM13、JM23、JM1、JM2、JM3的值要考虑正常状态下的传感器信号s1到s3值的离散来决定。把马哈拉诺比斯·达克奇距离RM123(s1、s2、s3)、RM12(s11、s21)、RM13(s11、s31)、RM23(s21、s31)、RM1(s11)、RM2(s21)、RM3(s31)，设定为例如到达超过正常时离散的3σ时的值。

(第6实施例)

第6实施例中，说明有关识别空间306是马哈拉诺比斯空间的情况。第6实施例中，说明有关标量距离308是马哈拉诺比斯·达克奇距离的情况。第6实施例中，说明有关利用传感器信号s1到s8时的诊断方法。

传感器信号s1到s8，如图15A所示，在时间T21、T22、T23、T24向诊断装置5输出。但是，图15A中省去传感器信号s5到s8。横轴表示时间。图15B和15C的横轴也是相同刻度的时间。纵轴表示传感器信号强度。按时间序列表示真空泵3的电流值、温度等8种传感器值(原数据)。

在时刻70秒，传感器1发生短路故障，在时刻120秒真空泵3出故障，在时刻170秒传感器1的短路故障恢复。在时间T21和T22的期间，输出传感器信号s1的传感器出故障，在时间T22和T23的期间，配置有传感器的装置出故障，在时间T23和T24的期间，输出传感器信号s1的传感器复原。

由图15A可以观察到，从传感器信号s1恢复输出传感器信号s1的传感器的故障。然而，从传感器信号s1到s4，不可能观察到装置出故障。

图15B的纵轴是马哈拉诺比斯·达克奇距离RM(s1、s2、s3、s4、s5、s6、s7、s8)。图15C的纵轴是马哈拉诺比斯·达克奇距离RM(s1、s2、s3、s4、s5、s6、s7、s8)。马哈拉诺比斯·达克奇距离RM(s1、s2、s3、s4、s5、s6、s7、s8)，在时间T22和T23的期间，超过正常范围JM12345678。马哈拉诺比斯·达克奇距离RM(s2、s3、s4、s5、s6、s7、s8)，在时间T23和T24的期间，超过正常范围JM2345678。

如图16所示，每个时间T11到T14，输出标志信号FM(s1、s2、s3、s4、s5、s6、s7、s8)、和FM(s2、s3、s4、s5、s6、s7、s8)。由此，根据FM(s2、s3、s4、s5、s6、s7、s8)，可以判定装置的故障。根据FM(s1、s2、s3、s4、s5、s6、s7、s8)，可以判定输出传感器信号s1的传感器出故障。

将直到时刻20秒的数据作为正常数据，计算用于求出马哈拉诺比斯·达克奇距离的倒置矩阵。为了简单，采用全部的传感器，设计算的倒置矩阵为X0，设除去传感器11根据从传感器12到传感器18的数据计算的倒置矩阵为X1。图15B表示利用全部的传感值计算的标量时刻日历。图15C表示利用除传感器11外的剩余全部传感值计算的标量时刻日历。

即，图15B是预先计算的矩阵倒置矩阵X0和根据从时时刻刻得到的传感器11到18的向量值的积而得到的马哈拉诺比斯·达克奇距离的时刻日历。整体上，在时刻70秒检测到异常，在时刻170秒可以看出恢复正常。详细点看，在真空泵3出故障的120秒的时刻，可以观察到一些马哈拉诺比斯·达克奇距离的变动。并且，详细观察也可以看出，170秒以后也显示与70秒以前不同的值。

然而，通常传感器的异常包括上述这样的短路不良或断开不良、计算机的通信异常等，这些变化的比例非常大。所以，如果发生传感器异常，如图15B所示，作为真空泵3本身的异常来观测，知道上述这样详细观察的微妙变化事实上是不可能的。

图15C由倒置矩阵求出来。这时，传感器11的异常简直无从知晓。在时刻120秒发生的瞬间，只要精确地抽出人们不可能观测的这种微妙的真空泵3变动。这时，把判定基准JM2345678设为10～30的话，就知道确实可以只检出真空泵3的异常。

进而，综合图15B和图15C的结果，在时刻70秒传感器11发生异常，在时刻120秒真空泵3发生异常，在时刻170秒传感器11的异常恢复都是可以理解的。这就是上述这种判定算法的效果。把该判定结果，通过LAN6传给CIM的主机7。或者，在显示装置上显示异常的发生所在或发生·恢复的时刻。

(第7实施例)

第1实施例中，如图1所示，装置75具有诊断装置5和8。在第7实施例中，主机7具有诊断装置73。诊断装置73具有与诊断装置5同样功能。因此，可以减少诊断装置73的个数。主机7根据诊断装置73的诊断结果和传感器11或21的信息，具有进行批处理控制的批处理控制部71。主机7具有传感器信息输入部72。传感器信息输入部72通过LAN6输入工作室内部信息62和传感器信息63。传感器信息输入部72向批处理控制部71和诊断装置73输出工作室内部信息62和传感器信息63。

本发明可以以其它具体的方式实施而不会脱离其构思和主要特征。因此，本实施例可以认为完全如所示而并限于此。所以，本发明的范围是由附属的权利要求书而不是由上述的说明指明，而且对权利要求书含义和等效范围内作出的所有变更都应包括在其中。

Claims (30)

1、一种A诊断装置，其特征是包括：

从多个传感器输入有关某装置的多个传感器信号的输入部；

算出该传感器信号的每个组合的识别空间的标量距离的运算部；

根据该标量距离是否包括在每个该组合的该识别空间的正常范围内，输出每个该组合的多个标志信号的标志信号输出部；以及

根据每个该组合的该标志信号，判定该装置的故障的判定部。

2、根据权利要求1所述的诊断装置，其特征是还包括：

作成由该多个传感器信号产生的多个该组合，根据每个该组合的多个该标志信号，作成可判定该装置故障的判定数据的判定表作成部。

3、根据权利要求1所述的诊断装置，其特征是还包括：

根据正常时输入的该传感器信号，构成每个该组合的该识别空间的识别空间构成部。

4、根据权利要求1所述的诊断装置，其特征是还包括：

根据该识别空间的分散值，设定每个该组合的该识别空间的该正常范围的正常范围设定部。

5、根据权利要求3所述的诊断装置，其特征是还包括：

根据该识别空间的分散值，设定每个该组合的该识别空间的该正常范围的正常范围设定部。

6、根据权利要求1所述的诊断装置，其特征是还包括：

输出该装置的故障判定结果的输出部。

7、根据权利要求2所述的诊断装置，其特征是根据该判定数据，可由每个该组合的多个该标志信号，判定该多个传感器的异常。

8、根据权利要求2所述的诊断装置，其特征是该判定部根据该判定数据进行判定。

9、根据权利要求2所述的诊断装置，其特征是该判定数据具有：

记录每个该组合的多个该标志信号的情况并可对照该情况的对照区域；以及

记录与该情况相关联的该装置状态的状态区域。

10、根据权利要求1所述的诊断装置，其特征是该识别空间是马哈拉诺比斯空间，该标量距离是马哈拉诺比斯·达克奇距离。

11、一种A诊断方法，其特征是包括以下步骤：

从多个传感器，输入有关某装置的多个传感器信号的步骤；

算出该传感器信号的每个组合的识别空间的标量距离的步骤；

根据该标量距离是否包括在每个该组合的该识别空间的正常范围内，输出每个该组合的多个标志信号的步骤；以及

根据每个该组合的该标志信号，判定该装置的故障的步骤。

12、根据权利要求11所述的诊断方法，其特征是还包括：

作成由该多个传感器信号产生的多个该组合的步骤，

根据每个该组合的多个该标志信号，作成可判定该装置故障的判定数据的步骤。

13、根据权利要求11所述的诊断方法，其特征是还包括：

根据正常时输入的该传感器信号，构成每个该组合的该识别空间的步骤。

14、根据权利要求11所述的诊断方法，其特征是还包括：

根据该识别空间的分散值，设定每个该组合的该识别空间的该正常范围的步骤。

15、根据权利要求13所述的诊断装置，其特征是还包括：

根据该识别空间的分散值，设定每个该组合的该识别空间的该正常范围的步骤。

16、根据权利要求11所述的诊断方法，其特征是还包括：

输出该装置的故障的判定结果的步骤。

17、根据权利要求12所述的诊断方法，其特征是根据该判定数据，可由每个该组合的多个该传感器信号，判定该多个传感器的异常。

18、根据权利要求12所述的诊断方法，其特征是该判定是根据该判定数据进行判定的。

19、根据权利要求12所述的诊断方法，其特征是该判定数据具有：

记录每个该组合的多个该标志信号的情况并可对照该情况的对照区域；以及

记录与该情况相关联的该装置状态的状态区域。

20、根据权利要求11所述的诊断方法，其特征是该识别空间是马哈拉诺比斯空间，该标量距离是马哈拉诺比斯·达克奇距离。

21、一种CIM的A系统，其特征是包括：

某装置；

输出有关该装置的多个传感器信号的多个传感器；

输入多个该传感器信号的输入部；

算出该传感器信号的每个组合的识别空间的标量距离的运算部；

根据该标量距离是否包括在每个该组合的该识别空间的正常范围内，输出每个该组合的多个标志信号的标志信号输出部；以及

根据每个该组合的该标志信号，判定该装置的故障的判定部。

22、根据权利要求21所述的CIM系统，其特征是还包括：

作成由该多个传感器信号产生的多个该组合，根据每个该组合的多个该标志信号，作成可判定该装置故障的判定数据的判定表作成部。

23、根据权利要求21所述的CIM系统，其特征是还包括：

根据正常时输入的该传感器信号，构成每个该组合的该识别空间的识别空间构成部。

24、根据权利要求21所述的CIM系统，其特征是还包括：

根据该识别空间的分散值，设定每个该组合的该识别空间的该正常范围的正常范围设定部。

25、根据权利要求23所述的CIM系统，还包括：

根据该识别空间的分散值，设定每个该组合的该识别空间的该正常范围的正常范围设定部。

26、根据权利要求21所述的CIM系统，其特征是还包括：

输出该装置的故障判定结果的输出部。

27、根据权利要求22所述的CIM系统，其特征是根据该判定数据，可由每个该组合的多个该传感器信号，判定该多个传感器的异常。

28、根据权利要求22所述的CIM系统，其特征是该判定部根据该判定数据进行判定。

29、根据权利要求22所述的CIM系统，其特征是该判定数据具有：

记录每个该组合的多个该标志信号的情况并可对照该情况的对照区域；以及

记录与该情况相关联的该装置状态的状态区域。

30、根据权利要求21所述的CIM系统，其特征是该识别空间是马哈拉诺比斯空间，该标量距离是马哈拉诺比斯·达克奇距离。

Images