JP2020047078A - データ処理方法、データ処理装置、およびデータ処理プログラム - Google Patents
データ処理方法、データ処理装置、およびデータ処理プログラム Download PDFInfo
- Publication number
- JP2020047078A JP2020047078A JP2018176258A JP2018176258A JP2020047078A JP 2020047078 A JP2020047078 A JP 2020047078A JP 2018176258 A JP2018176258 A JP 2018176258A JP 2018176258 A JP2018176258 A JP 2018176258A JP 2020047078 A JP2020047078 A JP 2020047078A
- Authority
- JP
- Japan
- Prior art keywords
- evaluation value
- data
- processing
- unit
- distribution
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 374
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 440
- 238000009826 distribution Methods 0.000 claims abstract description 360
- 230000005856 abnormality Effects 0.000 claims abstract description 194
- 238000004364 calculation method Methods 0.000 claims abstract description 50
- 239000000758 substrate Substances 0.000 claims description 100
- 238000000034 method Methods 0.000 claims description 64
- 230000008569 process Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 9
- 238000004148 unit process Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 abstract description 17
- 238000012986 modification Methods 0.000 description 36
- 230000004048 modification Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 24
- 238000013528 artificial neural network Methods 0.000 description 16
- 238000012546 transfer Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000032683 aging Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
新たに得られた単位処理データに含まれる時系列データについての評価値を算出する異常度判定用評価値算出ステップと、
過去の各時系列データを評価することによって得られた評価値の値ごとの度数を表す評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づいて、前記新たに得られた単位処理データに含まれる時系列データの異常度の判定を行う異常度判定ステップと
を含むことを特徴とする。
前記異常度判定ステップでの異常度の判定に用いるための閾値を前記評価値分布に対して設定する閾値設定ステップを更に含むことを特徴とする。
前記評価値分布は、標準化が施された評価値に基づいて作成されており、
前記閾値設定ステップでは、前記評価値分布の生成元のデータの標準偏差に基づいて閾値が設定されることを特徴とする。
前記閾値設定ステップでは、前記評価値分布に対して3つの閾値が設定され、
前記異常度判定ステップでは、前記新たに得られた単位処理データに含まれる各時系列データの異常度が、4つのレベルのうちのいずれかに判定されることを特徴とする。
前記異常度判定ステップでは、複数の評価値分布を用いて異常度の判定が行われることを特徴とする。
前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
前記複数の評価値分布のうちの1つは、前記基板処理装置が初期状態である時に得られた時系列データについての評価値に基づいて作成されていることを特徴とする。
前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
前記複数の評価値分布のうちの1つは、直近のレシピの実行によって得られた時系列データについての評価値に基づいて作成されていることを特徴とする。
前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
前記異常度判定ステップでは、前記複数の評価値分布として、前記基板処理装置が初期状態である時に得られた時系列データについての評価値に基づいて作成された第1の評価値分布と直近のレシピの実行によって得られた時系列データについての評価値に基づいて作成された第2の評価値分布とが用いられることを特徴とする。
前記異常度判定ステップで行われた判定の結果表示に関する設定を行う結果表示設定ステップと、
前記結果表示設定ステップで行われた設定に基づいて異常度の判定結果を所定の画面上に表示する判定結果表示ステップと
を更に含み、
前記異常度判定ステップでは、前記第1の評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づく判定の結果である第1の判定結果と、前記第2の評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づく判定の結果である第2の判定結果とが得られ、
前記結果表示設定ステップでは、前記判定結果表示ステップで前記第1の判定結果および前記第2の判定結果のいずれを表示するのかの設定が行われることを特徴とする。
前記異常度判定ステップで行われた判定の結果表示に関する設定を行う結果表示設定ステップと、
前記結果表示設定ステップで行われた設定に基づいて異常度の判定結果を所定の画面上に表示する判定結果表示ステップと
を更に含み、
前記異常度判定ステップでは、前記第1の評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づく判定の結果である第1の判定結果と、前記第2の評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づく判定の結果である第2の判定結果とが得られ、
前記結果表示設定ステップでは、前記判定結果表示ステップで前記第1の判定結果を表示するか否かおよび前記判定結果表示ステップで前記第2の判定結果を表示するか否かの設定が行われることを特徴とする。
前記評価値分布を更新する評価値分布更新ステップを更に含むことを特徴とする。
前記単位処理は、複数の処理ユニットを有する基板処理装置で1枚の基板に対して1つのレシピとして実行される処理であって、
前記評価値分布更新ステップは、
各時系列データについての評価値に基づいて処理ユニット毎に評価値のばらつきを算出するばらつき算出ステップと、
前記ばらつき算出ステップで算出されたばらつきのうち最も小さいばらつきが得られた処理ユニットを指定する処理ユニット指定ステップと、
前記処理ユニット指定ステップで指定された処理ユニットに対応する単位処理データを前記複数の単位処理データから抽出する単位処理データ抽出ステップと、
前記単位処理データ抽出ステップで抽出された単位処理データである被抽出単位処理データに含まれる各時系列データについての評価値を算出する分布更新用評価値算出ステップと、
前記分布更新用評価値算出ステップで算出された各時系列データについての評価値に基づいて、更新後の評価値分布を時系列データの種類ごとに作成する評価値分布作成ステップと
を含むことを特徴とする。
前記単位処理は、複数の処理ユニットを有する基板処理装置で1枚の基板に対して1つのレシピとして実行される処理であって、
前記評価値分布更新ステップは、
各時系列データについての評価値に基づいて処理ユニット毎に評価値の平均値およびばらつきを算出する統計値算出ステップと、
前記統計値算出ステップで算出された平均値およびばらつきを考慮して処理ユニットを指定する処理ユニット指定ステップと、
前記処理ユニット指定ステップで指定された処理ユニットに対応する単位処理データを前記複数の単位処理データから抽出する単位処理データ抽出ステップと、
前記単位処理データ抽出ステップで抽出された単位処理データである被抽出単位処理データに含まれる各時系列データについての評価値を算出する分布更新用評価値算出ステップと、
前記分布更新用評価値算出ステップで算出された各時系列データについての評価値に基づいて、更新後の評価値分布を時系列データの種類ごとに作成する評価値分布作成ステップと
を含むことを特徴とする。
前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
前記基板処理装置でレシピが実行される都度、前記評価値分布更新ステップが実行されることを特徴とする。
前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
レシピの内容に変更があったときに、前記評価値分布更新ステップが実行されることを特徴とする。
前記複数種類の時系列データは、複数のパラメータについての時系列データであって、
前記評価値分布は、パラメータごとに設けられており、
前記評価値分布更新ステップでは、内容に変更のあるパラメータに対応する評価値分布のみが更新されることを特徴とする
前記評価値分布更新ステップでは、レシピの内容の変更に伴って追加されたパラメータに対応する評価値分布がすでに蓄積されている評価値のデータに基づいて作成されることを特徴とする。
前記評価値分布更新ステップでは、外部から指定されたパラメータに対応する評価値分布が再作成されることを特徴とする。
前記単位処理は、複数の処理ユニットを有する基板処理装置で1枚の基板に対して1つのレシピとして実行される処理であって、
前記評価値分布更新ステップでは、それぞれが評価値分布と教師データとしての点数とからなる複数の学習データを用いて予め学習が行われている学習器に前記複数の処理ユニットに対応する複数の評価値分布が入力され、当該複数の評価値分布のうち前記学習器から出力された点数が最も良い評価値分布が更新後の評価値分布に定められることを特徴とする。
新たに得られた単位処理データに含まれる時系列データについての評価値を算出する異常度判定用評価値算出部と、
過去の各時系列データを評価することによって得られた評価値の値ごとの度数を表す評価値分布と前記評価値算出部によって算出された評価値とに基づいて、前記新たに得られた単位処理データに含まれる時系列データの異常度の判定を行う異常度判定部と
を備えることを特徴とする。
単位処理で得られる複数種類の時系列データを単位処理データとして複数の単位処理データを処理するデータ処理装置に含まれるコンピュータに、
新たに得られた単位処理データに含まれる時系列データについての評価値を算出する異常度判定用評価値算出ステップと、
過去の各時系列データを評価することによって得られた評価値の値ごとの度数を表す評価値分布と前記評価値算出ステップで算出された評価値とに基づいて、前記新たに得られた単位処理データに含まれる時系列データの異常度の判定を行う異常度判定ステップと
を実行させる。
<1.1 全体構成>
図1は、本発明の第1の実施形態に係るデータ処理システム(基板処理装置用のデータ処理システム)の全体構成を示すブロック図である。このデータ処理システムは、データ処理装置100と基板処理装置200とによって構成されている。データ処理装置100と基板処理装置200とは通信回線300によって互いに接続されている。
本実施形態においては、各時系列データについての異常判定を行うために、評価値算出部120で求められた評価値の値ごとの度数を表す評価値分布が用いられる。この評価値分布について、図6を参照しつつ詳しく説明する。
符号33を付した部分以外の部分:異常度はレベル1(L1)またはレベル2(L2)
符号33を付した部分:異常度はレベル3(L3)またはレベル4(L4)
上記のような判定結果が得られると、ユーザーは、緊急性の高い突発的な異常の発生を把握することが可能となる。
「初期分布を用いた判定の結果が正常」かつ「最新分布を用いた判定の結果が正常」:異常は発生していない。
「初期分布を用いた判定の結果が異常」かつ「最新分布を用いた判定の結果が正常」:経年劣化が生じている。
「初期分布を用いた判定の結果が異常」かつ「最新分布を用いた判定の結果が異常」:突発的な異常が発生している。
次に、時系列データを用いた異常検出の処理手順について説明する。これに関し、上述のように本実施形態においては2つの評価値分布5(初期分布5aおよび最新分布5b)が用いられる。初期分布5aについては、後述するスコアリングに関する各種設定が行われる際に作成される。最新分布5bについては、このデータ処理システムで異常検出の運用がなされている期間中、例えば、毎日1回、最新の1000個の単位処理データに含まれる時系列データを用いて作成される。そこで、以下、初期分布5aの作成手順と運用段階での手順とに分けて、処理手順の説明を行う。
図9を参照しつつ、初期分布5aの作成手順について説明する。なお、ここでは、ある程度の数の時系列データが既に蓄積されているものと仮定する。まず、ユーザーによって、初期分布5aの作成元となる2以上の単位処理データの選択が行われる(ステップS100)。ステップS100では、データ処理装置100の表示部14に例えば図10に示すような単位処理データ選択画面600が表示される。単位処理データ選択画面600には、開始時点入力ボックス61と終了時点入力ボックス62と処理ユニット指定ボックス63とレシピ指定ボックス64と抽出データ表示領域65と確定ボタン66とが含まれている。開始時点入力ボックス61と終了時点入力ボックス62とは日時の指定が可能なリストボックスであって、処理ユニット指定ボックス63とレシピ指定ボックス64とは複数の項目から1以上の項目の選択が可能なリストボックスである。ユーザーは、開始時点入力ボックス61と終了時点入力ボックス62とで期間を指定し、処理ユニット指定ボックス63で処理ユニットを指定し、レシピ指定ボックス64でレシピを指定する。これにより、指定された条件に該当する単位処理データの一覧が抽出データ表示領域65に表示される。ユーザーは、抽出データ表示領域65に表示された単位処理データの一部または全てを選択した状態で確定ボタン66を押下する。これにより、初期分布5aの作成元となる単位処理データが確定する。
図11を参照しつつ、時系列データを用いた異常検出についての運用段階での手順を説明する。なお、図9に示した手順により既に初期分布5aは作成されているものと仮定する。
本実施形態によれば、基板処理装置200でレシピが実行されることによって得られた時系列データについての評価値が算出される。そして、その評価値に対して統計的な標準化が施され、標準化後の評価値の分布を表す評価値分布5が作成される。このようにして評価値分布5が作成されている状況下、レシピの実行によって新しく時系列データが生成されると、当該時系列データに関し、評価値分布5上における評価値(詳しくは、スコアリングによって得られた評価値の標準化後の値)の位置に基づいて異常度が決定される。これに関し、評価値分布5は標準化されたデータに基づいて作成された分布であるので、異常判定の際の閾値を標準偏差に基づいて自動的に決定することができる。すなわち、ユーザーによる煩雑な作業を要することなく、異常判定を行うための閾値を客観的に設定することが可能となる。また、このように閾値の設定を客観的なものとすることによって、安定した精度で時系列データの異常判定を行うことが可能となる。以上のように、本実施形態によれば、時系列データを用いた異常検出をユーザーによる煩雑な作業を要することなく従来よりも精度良く行うことが可能となる。
以下、上記第1の実施形態の変形例について説明する。
上記第1の実施形態においては、異常判定の結果表示に関して、第1の判定結果および第2の判定結果のいずれか一方を一度に表示することが可能となっていた。しかしながら、本発明はこれに限定されず、第1の判定結果および第2の判定結果の双方を一度に表示することが可能であっても良い。
上記第1の実施形態においては、異常判定の際に2つの評価値分布5が用いられていた。しかしながら、本発明はこれに限定されず、3つ以上の評価値分布5を用いて異常判定が行われても良い。そこで、一例として4つの評価値分布5を用いて異常判定を行う例を説明する。なお、ここでは、説明の便宜上、対象の時系列データを生成した処理ユニット222を「対象処理ユニット」といい、基板処理装置200に含まれる複数個の処理ユニット222のうち最も動作が安定している処理ユニット222を「基準処理ユニット」という。
<2.1 概要および全体構成など>
上記第1の実施形態(変形例を含む)においては、異常判定の際に複数の評価値分布5が用いられていた。しかしながら、本発明はこれに限定されず、1つの評価値分布5のみを用いて異常判定が行われるようにしても良い。そこで、各時系列データについての異常判定を行うために1つの評価値分布5のみが用いられる例を本発明の第2の実施形態として説明する。
図18を参照しつつ、時系列データを用いた異常検出の本実施形態における処理手順について説明する。なお、この処理の開始前にある程度の数の時系列データが既に蓄積されているものと仮定する。
次に、評価値分布5の更新について説明する。基板処理装置200でレシピが実行されることによって得られる単位処理データには、複数のパラメータについての時系列データが含まれている(図4参照)。上記第1の実施形態と同様、本実施形態においても、そのパラメータ毎(すなわち、時系列データの種類毎)に評価値分布5が作成される。ところで、基板処理装置200では、レシピの内容に変更が施されることがある。レシピの内容に変更があると、その変更の前後で、レシピの実行によって得られる時系列データの中身が異なるものとなる。このとき、仮にレシピの変更後に得られた時系列データの異常判定をレシピの変更前に作成された評価値分布5を用いて行うと、当該異常判定の結果として正しい結果が得られないおそれがある。そこで、本実施形態においては、レシピの内容に変更があったときに評価値分布5の更新が行われる。なお、レシピの内容に変更があった直後には変更後の内容に基づく時系列データが蓄積されていないため、評価値分布5の更新は変更後の内容に基づく時系列データがある程度蓄積されてから行われることが好ましい。
変更前:パラメータA、パラメータB、パラメータC、パラメータD
変更後:パラメータA、パラメータC、パラメータD、パラメータE
なお、パラメータAおよびパラメータDについては時系列データの中身に変化はなく、パラメータCについては時系列データの中身に変化があると仮定する。
本実施形態においても、上記第1の実施形態と同様、基板処理装置200でレシピが実行されることによって得られた時系列データについての評価値が算出され、標準化後の評価値の分布を表す評価値分布5が作成される。そして、その評価値分布5を用いて時系列データの異常度が決定される。ここで、評価値分布5は標準化されたデータに基づいて作成された分布であるので、異常判定の際の閾値を標準偏差に基づいて自動的に決定することができる。すなわち、ユーザーによる煩雑な作業を要することなく、異常判定を行うための閾値を客観的に設定することが可能となる。また、このように閾値の設定を客観的なものとすることによって、安定した精度で時系列データの異常判定を行うことが可能となる。以上のように、上記第1の実施形態と同様、時系列データを用いた異常検出をユーザーによる煩雑な作業を要することなく従来よりも精度良く行うことが可能となる。
以下、上記第2の実施形態の変形例について説明する。
上記第2の実施形態においては、レシピの内容に変更があったときに評価値分布5が更新されていた。しかしながら、本発明はこれに限定されず、スコアリングが実行される都度、評価値分布5が更新されるようにしても良い。
上記第2の実施形態においては、更新後の評価値分布5の作成元の単位処理データに関して特に限定はされていなかった。しかしながら、本発明はこれに限定されず、更新後の評価値分布5の作成が指定された処理ユニット222での処理で得られた単位処理データに基づいて行われるようにしても良い。
上記第2の実施形態においては、更新後の評価値分布5は新規で評価値分布5を作成する際と同様の手順(図9参照)によって作成されていた。しかしながら、本発明はこれに限定されず、AI(人工知能)の技術を用いて更新後の評価値分布5を定めるようにしても良い。そこで、以下、図26〜図28を参照しつつ、評価値分布5の更新にAIの技術を用いる手法について説明する。なお、本変形例では全ての処理ユニット222に共通の評価値分布5がパラメータ毎に用意されるものと仮定する。また、以下では、1つのパラメータについての評価値分布5に着目する。
上記で説明した各実施形態や各変形例を矛盾を生ずることなく適宜に組み合わせた構成も、本発明の趣旨に反しない限り本発明の範囲に含まれる。
5a…初期分布
5b…最新分布
100…データ処理装置
110…単位処理データ選択部
120…評価値算出部
130…評価値分布作成部
140…評価値分布更新部
150…異常度判定部
160…データ記憶部
161…データ処理プログラム
200…基板処理装置
222…処理ユニット
Claims (21)
- 単位処理で得られる複数種類の時系列データを単位処理データとして複数の単位処理データを処理するデータ処理方法であって、
新たに得られた単位処理データに含まれる時系列データについての評価値を算出する異常度判定用評価値算出ステップと、
過去の各時系列データを評価することによって得られた評価値の値ごとの度数を表す評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づいて、前記新たに得られた単位処理データに含まれる時系列データの異常度の判定を行う異常度判定ステップと
を含むことを特徴とする、データ処理方法。 - 前記異常度判定ステップでの異常度の判定に用いるための閾値を前記評価値分布に対して設定する閾値設定ステップを更に含むことを特徴とする、請求項1に記載のデータ処理方法。
- 前記評価値分布は、標準化が施された評価値に基づいて作成されており、
前記閾値設定ステップでは、前記評価値分布の生成元のデータの標準偏差に基づいて閾値が設定されることを特徴とする、請求項2に記載のデータ処理方法。 - 前記閾値設定ステップでは、前記評価値分布に対して3つの閾値が設定され、
前記異常度判定ステップでは、前記新たに得られた単位処理データに含まれる各時系列データの異常度が、4つのレベルのうちのいずれかに判定されることを特徴とする、請求項3に記載のデータ処理方法。 - 前記異常度判定ステップでは、複数の評価値分布を用いて異常度の判定が行われることを特徴とする、請求項1に記載のデータ処理方法。
- 前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
前記複数の評価値分布のうちの1つは、前記基板処理装置が初期状態である時に得られた時系列データについての評価値に基づいて作成されていることを特徴とする、請求項5に記載のデータ処理方法。 - 前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
前記複数の評価値分布のうちの1つは、直近のレシピの実行によって得られた時系列データについての評価値に基づいて作成されていることを特徴とする、請求項5に記載のデータ処理方法。 - 前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
前記異常度判定ステップでは、前記複数の評価値分布として、前記基板処理装置が初期状態である時に得られた時系列データについての評価値に基づいて作成された第1の評価値分布と直近のレシピの実行によって得られた時系列データについての評価値に基づいて作成された第2の評価値分布とが用いられることを特徴とする、請求項5に記載のデータ処理方法。 - 前記異常度判定ステップで行われた判定の結果表示に関する設定を行う結果表示設定ステップと、
前記結果表示設定ステップで行われた設定に基づいて異常度の判定結果を所定の画面上に表示する判定結果表示ステップと
を更に含み、
前記異常度判定ステップでは、前記第1の評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づく判定の結果である第1の判定結果と、前記第2の評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づく判定の結果である第2の判定結果とが得られ、
前記結果表示設定ステップでは、前記判定結果表示ステップで前記第1の判定結果および前記第2の判定結果のいずれを表示するのかの設定が行われることを特徴とする、請求項8に記載のデータ処理方法。 - 前記異常度判定ステップで行われた判定の結果表示に関する設定を行う結果表示設定ステップと、
前記結果表示設定ステップで行われた設定に基づいて異常度の判定結果を所定の画面上に表示する判定結果表示ステップと
を更に含み、
前記異常度判定ステップでは、前記第1の評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づく判定の結果である第1の判定結果と、前記第2の評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づく判定の結果である第2の判定結果とが得られ、
前記結果表示設定ステップでは、前記判定結果表示ステップで前記第1の判定結果を表示するか否かおよび前記判定結果表示ステップで前記第2の判定結果を表示するか否かの設定が行われることを特徴とする、請求項8に記載のデータ処理方法。 - 前記評価値分布を更新する評価値分布更新ステップを更に含むことを特徴とする、請求項1に記載のデータ処理方法。
- 前記単位処理は、複数の処理ユニットを有する基板処理装置で1枚の基板に対して1つのレシピとして実行される処理であって、
前記評価値分布更新ステップは、
各時系列データについての評価値に基づいて処理ユニット毎に評価値のばらつきを算出するばらつき算出ステップと、
前記ばらつき算出ステップで算出されたばらつきのうち最も小さいばらつきが得られた処理ユニットを指定する処理ユニット指定ステップと、
前記処理ユニット指定ステップで指定された処理ユニットに対応する単位処理データを前記複数の単位処理データから抽出する単位処理データ抽出ステップと、
前記単位処理データ抽出ステップで抽出された単位処理データである被抽出単位処理データに含まれる各時系列データについての評価値を算出する分布更新用評価値算出ステップと、
前記分布更新用評価値算出ステップで算出された各時系列データについての評価値に基づいて、更新後の評価値分布を時系列データの種類ごとに作成する評価値分布作成ステップと
を含むことを特徴とする、請求項11に記載のデータ処理方法。 - 前記単位処理は、複数の処理ユニットを有する基板処理装置で1枚の基板に対して1つのレシピとして実行される処理であって、
前記評価値分布更新ステップは、
各時系列データについての評価値に基づいて処理ユニット毎に評価値の平均値およびばらつきを算出する統計値算出ステップと、
前記統計値算出ステップで算出された平均値およびばらつきを考慮して処理ユニットを指定する処理ユニット指定ステップと、
前記処理ユニット指定ステップで指定された処理ユニットに対応する単位処理データを前記複数の単位処理データから抽出する単位処理データ抽出ステップと、
前記単位処理データ抽出ステップで抽出された単位処理データである被抽出単位処理データに含まれる各時系列データについての評価値を算出する分布更新用評価値算出ステップと、
前記分布更新用評価値算出ステップで算出された各時系列データについての評価値に基づいて、更新後の評価値分布を時系列データの種類ごとに作成する評価値分布作成ステップと
を含むことを特徴とする、請求項11に記載のデータ処理方法。 - 前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
前記基板処理装置でレシピが実行される都度、前記評価値分布更新ステップが実行されることを特徴とする、請求項11に記載のデータ処理方法。 - 前記複数の単位処理データは、基板処理装置でレシピが実行されることによって得られるデータであって、
レシピの内容に変更があったときに、前記評価値分布更新ステップが実行されることを特徴とする、請求項11に記載のデータ処理方法。 - 前記複数種類の時系列データは、複数のパラメータについての時系列データであって、
前記評価値分布は、パラメータごとに設けられており、
前記評価値分布更新ステップでは、内容に変更のあるパラメータに対応する評価値分布のみが更新されることを特徴とする、請求項15に記載のデータ処理方法。 - 前記評価値分布更新ステップでは、レシピの内容の変更に伴って追加されたパラメータに対応する評価値分布がすでに蓄積されている評価値のデータに基づいて作成されることを特徴とする、請求項16に記載のデータ処理方法。
- 前記評価値分布更新ステップでは、外部から指定されたパラメータに対応する評価値分布が再作成されることを特徴とする、請求項16に記載のデータ処理方法。
- 前記単位処理は、複数の処理ユニットを有する基板処理装置で1枚の基板に対して1つのレシピとして実行される処理であって、
前記評価値分布更新ステップでは、それぞれが評価値分布と教師データとしての点数とからなる複数の学習データを用いて予め学習が行われている学習器に前記複数の処理ユニットに対応する複数の評価値分布が入力され、当該複数の評価値分布のうち前記学習器から出力された点数が最も良い評価値分布が更新後の評価値分布に定められることを特徴とする、請求項11に記載のデータ処理方法。 - 単位処理で得られる複数種類の時系列データを単位処理データとして複数の単位処理データを処理するデータ処理装置であって、
新たに得られた単位処理データに含まれる時系列データについての評価値を算出する異常度判定用評価値算出部と、
過去の各時系列データを評価することによって得られた評価値の値ごとの度数を表す評価値分布と前記異常度判定用評価値算出部によって算出された評価値とに基づいて、前記新たに得られた単位処理データに含まれる時系列データの異常度の判定を行う異常度判定部と
を備えることを特徴とする、データ処理装置。 - 単位処理で得られる複数種類の時系列データを単位処理データとして複数の単位処理データを処理するデータ処理装置に含まれるコンピュータに、
新たに得られた単位処理データに含まれる時系列データについての評価値を算出する異常度判定用評価値算出ステップと、
過去の各時系列データを評価することによって得られた評価値の値ごとの度数を表す評価値分布と前記異常度判定用評価値算出ステップで算出された評価値とに基づいて、前記新たに得られた単位処理データに含まれる時系列データの異常度の判定を行う異常度判定ステップと
を実行させるためのデータ処理プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018176258A JP7214417B2 (ja) | 2018-09-20 | 2018-09-20 | データ処理方法およびデータ処理プログラム |
JP2023005924A JP2023052477A (ja) | 2018-09-20 | 2023-01-18 | データ処理方法およびデータ処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018176258A JP7214417B2 (ja) | 2018-09-20 | 2018-09-20 | データ処理方法およびデータ処理プログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023005924A Division JP2023052477A (ja) | 2018-09-20 | 2023-01-18 | データ処理方法およびデータ処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020047078A true JP2020047078A (ja) | 2020-03-26 |
JP7214417B2 JP7214417B2 (ja) | 2023-01-30 |
Family
ID=69901548
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018176258A Active JP7214417B2 (ja) | 2018-09-20 | 2018-09-20 | データ処理方法およびデータ処理プログラム |
JP2023005924A Pending JP2023052477A (ja) | 2018-09-20 | 2023-01-18 | データ処理方法およびデータ処理プログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023005924A Pending JP2023052477A (ja) | 2018-09-20 | 2023-01-18 | データ処理方法およびデータ処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7214417B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7041776B1 (ja) | 2021-06-30 | 2022-03-24 | 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、基板処理装置のプロセス判定方法、学習モデルの生成方法及びプログラム |
CN117370917A (zh) * | 2023-12-07 | 2024-01-09 | 城光(湖南)节能环保服务股份有限公司 | 一种城市智慧路灯寿命预测方法及系统 |
JP7454467B2 (ja) | 2020-08-03 | 2024-03-22 | 株式会社荏原製作所 | 基板処理システム、基板処理システムの制御装置及び基板処理システムの運転方法 |
CN117786371A (zh) * | 2024-02-27 | 2024-03-29 | 聊城市检验检测中心 | 一种温度监测数据优化预测分析方法及系统 |
JP7510864B2 (ja) | 2020-12-11 | 2024-07-04 | 東京エレクトロン株式会社 | 評価方法及び評価装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007052699A1 (ja) * | 2005-11-04 | 2007-05-10 | Nikon Corporation | 解析装置、処理装置、測定装置、露光装置、基板処理システム、解析方法及びプログラム |
JP2008226006A (ja) * | 2007-03-14 | 2008-09-25 | Omron Corp | 設備機器診断装置およびプログラム |
JP2010282541A (ja) * | 2009-06-08 | 2010-12-16 | Toppan Printing Co Ltd | 装置データの自動基準波形作成方法及び不良情報の予測方法 |
JP2010283000A (ja) * | 2009-06-02 | 2010-12-16 | Renesas Electronics Corp | 半導体製造における装置異常の予兆検知方法 |
JP2013061853A (ja) * | 2011-09-14 | 2013-04-04 | Toshiba Corp | プロセス監視・診断・支援装置 |
WO2013121493A1 (ja) * | 2012-02-17 | 2013-08-22 | シャープ株式会社 | 半導体処理システム、半導体装置の製造方法、装置データ収集方法、制御プログラムおよび可読記憶媒体 |
JP2014070944A (ja) * | 2012-09-28 | 2014-04-21 | Dainippon Screen Mfg Co Ltd | 教師データ検証装置、教師データ作成装置、画像分類装置、教師データ検証方法、教師データ作成方法および画像分類方法 |
JP2017112212A (ja) * | 2015-12-16 | 2017-06-22 | 株式会社荏原製作所 | 基板処理装置およびその品質保証方法 |
WO2017122292A1 (ja) * | 2016-01-13 | 2017-07-20 | 三菱電機株式会社 | 運転状態分類装置 |
JP2018041217A (ja) * | 2016-09-06 | 2018-03-15 | 東京エレクトロン株式会社 | 異常検知方法及び半導体製造装置 |
-
2018
- 2018-09-20 JP JP2018176258A patent/JP7214417B2/ja active Active
-
2023
- 2023-01-18 JP JP2023005924A patent/JP2023052477A/ja active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007052699A1 (ja) * | 2005-11-04 | 2007-05-10 | Nikon Corporation | 解析装置、処理装置、測定装置、露光装置、基板処理システム、解析方法及びプログラム |
JP2008226006A (ja) * | 2007-03-14 | 2008-09-25 | Omron Corp | 設備機器診断装置およびプログラム |
JP2010283000A (ja) * | 2009-06-02 | 2010-12-16 | Renesas Electronics Corp | 半導体製造における装置異常の予兆検知方法 |
JP2010282541A (ja) * | 2009-06-08 | 2010-12-16 | Toppan Printing Co Ltd | 装置データの自動基準波形作成方法及び不良情報の予測方法 |
JP2013061853A (ja) * | 2011-09-14 | 2013-04-04 | Toshiba Corp | プロセス監視・診断・支援装置 |
WO2013121493A1 (ja) * | 2012-02-17 | 2013-08-22 | シャープ株式会社 | 半導体処理システム、半導体装置の製造方法、装置データ収集方法、制御プログラムおよび可読記憶媒体 |
JP2014070944A (ja) * | 2012-09-28 | 2014-04-21 | Dainippon Screen Mfg Co Ltd | 教師データ検証装置、教師データ作成装置、画像分類装置、教師データ検証方法、教師データ作成方法および画像分類方法 |
JP2017112212A (ja) * | 2015-12-16 | 2017-06-22 | 株式会社荏原製作所 | 基板処理装置およびその品質保証方法 |
WO2017122292A1 (ja) * | 2016-01-13 | 2017-07-20 | 三菱電機株式会社 | 運転状態分類装置 |
JP2018041217A (ja) * | 2016-09-06 | 2018-03-15 | 東京エレクトロン株式会社 | 異常検知方法及び半導体製造装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7454467B2 (ja) | 2020-08-03 | 2024-03-22 | 株式会社荏原製作所 | 基板処理システム、基板処理システムの制御装置及び基板処理システムの運転方法 |
JP7510864B2 (ja) | 2020-12-11 | 2024-07-04 | 東京エレクトロン株式会社 | 評価方法及び評価装置 |
JP7041776B1 (ja) | 2021-06-30 | 2022-03-24 | 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、基板処理装置のプロセス判定方法、学習モデルの生成方法及びプログラム |
JP2023006341A (ja) * | 2021-06-30 | 2023-01-18 | 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、基板処理装置のプロセス判定方法、学習モデルの生成方法及びプログラム |
CN117370917A (zh) * | 2023-12-07 | 2024-01-09 | 城光(湖南)节能环保服务股份有限公司 | 一种城市智慧路灯寿命预测方法及系统 |
CN117370917B (zh) * | 2023-12-07 | 2024-02-23 | 城光(湖南)节能环保服务股份有限公司 | 一种城市智慧路灯寿命预测方法及系统 |
CN117786371A (zh) * | 2024-02-27 | 2024-03-29 | 聊城市检验检测中心 | 一种温度监测数据优化预测分析方法及系统 |
CN117786371B (zh) * | 2024-02-27 | 2024-05-10 | 聊城市检验检测中心 | 一种温度监测数据优化预测分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP7214417B2 (ja) | 2023-01-30 |
JP2023052477A (ja) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020047078A (ja) | データ処理方法、データ処理装置、およびデータ処理プログラム | |
JP2020047847A (ja) | データ処理方法、データ処理装置、およびデータ処理プログラム | |
WO2016042774A1 (en) | Bias estimation apparatus and method and failure diagnosis apparatus and method | |
JP2012226511A (ja) | 歩留まり予測システムおよび歩留まり予測プログラム | |
KR102280390B1 (ko) | 데이터 처리 방법, 데이터 처리 장치, 데이터 처리 시스템, 및 데이터 처리 프로그램을 저장한 컴퓨터 판독 가능한 기록 매체 | |
JP6767203B2 (ja) | 保守支援装置、保守支援方法およびコンピュータプログラム | |
KR102242640B1 (ko) | 데이터 처리 방법, 데이터 처리 장치, 데이터 처리 시스템, 및 데이터 처리 프로그램 | |
US8793106B2 (en) | Continuous prediction of expected chip performance throughout the production lifecycle | |
US11054801B2 (en) | Data processing method, data processing apparatus, data processing system, and recording medium having recorded therein data processing program | |
JP2019140193A (ja) | データ処理方法、データ処理装置、および、データ処理プログラム | |
KR20210108934A (ko) | 데이터 처리 방법, 데이터 처리 장치, 데이터 처리 시스템, 및 데이터 처리 프로그램 | |
JP6448745B2 (ja) | バイアス推定装置、その方法およびプログラム | |
JP2007164346A (ja) | 決定木変更方法、異常性判定方法およびプログラム | |
US11762562B2 (en) | Performance analysis apparatus and performance analysis method | |
JP2010102462A (ja) | 障害推定装置、方法及びプログラム | |
TW202247082A (zh) | 運用人工智慧之巨量資料分析平台及其運作方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210618 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220418 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220705 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221208 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230118 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7214417 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |