JP2024077469A - 安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法 - Google Patents
安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法 Download PDFInfo
- Publication number
- JP2024077469A JP2024077469A JP2022189586A JP2022189586A JP2024077469A JP 2024077469 A JP2024077469 A JP 2024077469A JP 2022189586 A JP2022189586 A JP 2022189586A JP 2022189586 A JP2022189586 A JP 2022189586A JP 2024077469 A JP2024077469 A JP 2024077469A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- image data
- worker
- interlock
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000010801 machine learning Methods 0.000 title claims description 73
- 238000012545 processing Methods 0.000 claims abstract description 132
- 230000008569 process Effects 0.000 claims abstract description 42
- 230000033001 locomotion Effects 0.000 claims description 93
- 238000003860 storage Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 21
- 238000013500 data storage Methods 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 description 145
- 239000000758 substrate Substances 0.000 description 145
- 230000007246 mechanism Effects 0.000 description 104
- 235000012431 wafers Nutrition 0.000 description 98
- 239000012530 fluid Substances 0.000 description 80
- 238000005498 polishing Methods 0.000 description 75
- 230000006870 function Effects 0.000 description 43
- 238000001035 drying Methods 0.000 description 37
- 238000004891 communication Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 20
- 238000012546 transfer Methods 0.000 description 17
- 239000007788 liquid Substances 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 9
- 230000010365 information processing Effects 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000007517 polishing process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 210000000225 synapse Anatomy 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005192 partition Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 235000011089 carbon dioxide Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 239000004677 Nylon Substances 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 239000002270 dispersing agent Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 229920001778 nylon Polymers 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005201 scrubbing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
- H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
- H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
- H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Cleaning Or Drying Semiconductors (AREA)
- Mechanical Treatment Of Semiconductor (AREA)
Abstract
【課題】作業者の安全を適切に確保しつつ、作業者の作業効率を向上させることを可能とする安全支援装置を提供する。【解決手段】安全支援装置5は、所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者Uの安全を支援する。安全支援装置5は、作業者Uが作業者装置6を装着したときに作業者Uの前方に向けて配置される画像撮影部63により撮影された画像データ110を取得する画像データ取得部500と、画像データ取得部500により取得された画像データ110に基づいて、可動部のインターロック状態を示すインターロック情報を生成するインターロック情報生成部501とを備える。【選択図】 図13
Description
本発明は、安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法に関する。
半導体ウェハ等の基板に対して各種の処理を行う基板処理装置では、例えば、作業者の安全を確保するため、所定の可動範囲を有する可動部に対してインターロック機能が設けられている。例えば、特許文献1には、基板処理装置の各モジュールに設けられたカバーの開状態をセンサで検出したとき、そのモジュール(可動部)を停止させるようにインターロックを作動させる基板処理装置が開示されている。
特許文献1に開示された基板処理装置を含む各種の処理装置では、作業者による各種の作業が行われるが、その際、作業者の身体の一部を可動部の可動範囲内に入れた状態で行われる。そのため、処理装置には、上記のようなインターロック機能が必要であるが、例えば、調整作業や保守作業を行う際に、インターロック機能を一時的に無効にすることで作業効率を向上させることができる。しかしながら、インターロック機能を一時的に無効にした場合には、作業者の安全が処理装置により確保されておらず、作業者の安全性の面で問題があった。
本発明は、上記の課題に鑑み、作業者の安全を適切に確保しつつ、作業者の作業効率を向上させることを可能とする安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法を提供することを目的とする。
上記目的を達成するために、本発明の一態様に係る安全支援装置は、
所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して前記可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者の安全を支援する安全支援装置であって、
前記作業者が画像撮影部を備える作業者装置を装着したときに前記作業者の前方に向けて配置される前記画像撮影部により撮影された画像データを取得する画像データ取得部と、
前記画像データ取得部により取得された前記画像データに基づいて、前記可動部のインターロック状態を示すインターロック情報を生成するインターロック情報生成部と、を備える。
所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して前記可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者の安全を支援する安全支援装置であって、
前記作業者が画像撮影部を備える作業者装置を装着したときに前記作業者の前方に向けて配置される前記画像撮影部により撮影された画像データを取得する画像データ取得部と、
前記画像データ取得部により取得された前記画像データに基づいて、前記可動部のインターロック状態を示すインターロック情報を生成するインターロック情報生成部と、を備える。
本発明の一態様に係る安全支援装置によれば、作業者の前方に向けて配置される画像撮影部により撮影された画像データに基づいて、可動部のインターロック状態を示すインターロック情報が生成されるので、作業者と可動部との位置関係に応じて可動部のインターロックを制御することができる。したがって、作業者の安全を適切に確保しつつ、作業者
の作業効率を向上させることができる。
の作業効率を向上させることができる。
上記以外の課題、構成及び効果は、後述する発明を実施するための形態にて明らかにされる。
以下、図面を参照して本発明を実施するための実施形態について説明する。以下では、本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。
図1は、基板処理システム1の一例を示す全体構成図である。本実施形態に係る基板処理システム1は、半導体ウェハ等の基板(以下、「ウェハ」という)Wを研磨流体が供給された研磨パッドに押し付けることでウェハWの表面を平坦に研磨する化学機械研磨処理(以下、「研磨処理」という)、研磨処理後のウェハWに洗浄流体を供給しつつ洗浄具に接触させることでウェハWの表面を洗浄する洗浄処理、洗浄処理後のウェハWの表面を乾燥する乾燥処理等を含む一連の基板処理を管理するシステムとして機能する。
基板処理システム1は、その主要な構成として、基板処理装置2と、データベース装置3と、機械学習装置4と、安全支援装置5と、ユーザ端末装置6とを備える。各装置2~6は、例えば、汎用又は専用のコンピュータ(後述の図8参照)で構成されるとともに、有線又は無線のネットワーク7に接続されて、各種のデータ(図1には一部のデータの送受信を破線の矢印にて図示)を相互に送受信可能に構成される。なお、各装置2~6の数やネットワーク7の接続構成は、図1の例に限られず、適宜変更してもよい。
基板処理装置2は、所定の可動範囲を有する可動部をそれぞれ備える複数のユニットで
構成されて、1又は複数のウェハWに対する一連の基板処理として、例えば、ロ―ド処理、研磨処理、洗浄処理、乾燥処理、アンロード処理等をそれぞれ行う装置である。その際、基板処理装置2は、各ユニットにそれぞれ設定された複数の装置パラメータからなる装置設定情報265と、研磨処理、洗浄処理、乾燥処理の動作状態等を定める基板レシピ情報266とを参照しつつ、各可動部を移動させることで各ユニットを動作させる。
構成されて、1又は複数のウェハWに対する一連の基板処理として、例えば、ロ―ド処理、研磨処理、洗浄処理、乾燥処理、アンロード処理等をそれぞれ行う装置である。その際、基板処理装置2は、各ユニットにそれぞれ設定された複数の装置パラメータからなる装置設定情報265と、研磨処理、洗浄処理、乾燥処理の動作状態等を定める基板レシピ情報266とを参照しつつ、各可動部を移動させることで各ユニットを動作させる。
可動部は、例えば、電力や流体圧を駆動源として、直線移動又は旋回移動可能に構成されて、所定のインターロック条件が成立したときに、可動部の移動を制限するインターロック制御が基板処理装置2により行われる。インターロック条件は、例えば、基板処理装置2が備える各種のインターロックセンサで可動部のインターロック状態を検出したときや、可動部のインターロック状態を示すインターロック情報111を安全支援装置5から受信したときに成立したものと扱われる。なお、インターロック制御としては、駆動源が遮断されない状態で可動部の移動が制限されて、インターロック条件が解消されたときにその移動の制限が解除されてもよいし、駆動源が遮断された状態で可動部の移動が制限されて、インターロック条件が解消され、かつ、駆動源の遮断を解除する操作が行われたときにその移動の制限が解除されてもよい。
基板処理装置2は、インターロック制御下で各可動部を移動させることに応じて、各種のレポートRをデータベース装置3、ユーザ端末装置6等に送信する。各種のレポートRには、例えば、基板処理が行われたときの対象となるウェハWを特定する工程情報、各処理が行われたときの各ユニットの状態を示す装置状態情報、基板処理装置2にて検出されたイベント情報、基板処理装置2に対する作業者Uの操作情報等が含まれる。
データベース装置3は、本生産用のウェハW、処理部材及び処理流体を用いて基板処理が行われたときの履歴に関する生産履歴情報30を管理する装置である。データベース装置3は、基板処理装置2により基板処理が行われたときに、基板処理装置2から各種のレポートRを随時受信し、生産履歴情報30に登録することで、生産履歴情報30には、基板処理に関するレポートRが蓄積される。なお、データベース装置3には、上記の他に、装置設定情報255や基板レシピ情報256が記憶されていてもよく、その場合には、基板処理装置2がこれらの情報を参照するようにしてもよい。
機械学習装置4は、機械学習の学習フェーズの主体として動作する装置である。機械学習装置4は、例えば、複数の学習用データ11に基づいて、安全支援装置5にて用いられる学習モデル10を機械学習により生成する。学習済みの学習モデル10は、ネットワーク7や記録媒体等を介して安全支援装置5に提供される。
安全支援装置5は、機械学習の推論フェーズの主体として動作し、基板処理装置2の作業者Uが、基板処理装置2に対して可動部の可動範囲内に身体の少なくとも一部を入れて所定の作業を行うときに、その作業者Uの安全を支援する装置である。作業者Uの作業としては、例えば、基板処理装置2で使用される消耗品の交換作業、装置設定情報265の調整作業、基板処理装置2で異常が発生したときの異常復旧作業、基板処理装置2の保守作業(予防保守作業を含む)等の各種の作業が挙げられる。
安全支援装置5は、基板処理装置2に対して作業を行う作業者Uに装着されたユーザ端末装置6から画像データ110(詳細は後述する)を随時受信し、その画像データ110を機械学習装置4から提供された学習モデル10に入力することにより、作業者Uが基板処理装置2に対して作業を行うときの可動部のインターロック状態を示すインターロック情報111を生成し、基板処理装置2及びユーザ端末装置6等に随時送信する。
ユーザ端末装置6は、作業者Uが基板処理装置2に対して作業を行う際に使用される作
業者装置である。ユーザ端末装置6は、作業者Uが頭部等に装着可能な携帯型の装置であり、例えば、スマートグラス、透過型のヘッドマウントディスプレイ等のウェアラブル機器で構成される。ユーザ端末装置6は、現実空間を撮影可能な画像撮影部63と、現実空間の対象物にオブジェクト情報112を重畳表示可能な出力部65とを備える。その他の具体的な構成は後述する。
業者装置である。ユーザ端末装置6は、作業者Uが頭部等に装着可能な携帯型の装置であり、例えば、スマートグラス、透過型のヘッドマウントディスプレイ等のウェアラブル機器で構成される。ユーザ端末装置6は、現実空間を撮影可能な画像撮影部63と、現実空間の対象物にオブジェクト情報112を重畳表示可能な出力部65とを備える。その他の具体的な構成は後述する。
画像撮影部63は、所定の解像度(画素数)を有するCMOSセンサやCCDセンサ等のカメラ(イメージセンサ)で構成され、作業者Uがユーザ端末装置6を装着したときに作業者Uの前方に向けて配置される。ユーザ端末装置6は、作業者Uが基板処理装置2に対して作業を行う際に、作業者Uの前方に向けて配置された画像撮影部63により撮影された画像データ110を安全支援装置5に随時送信する。出力部65は、作業者Uがユーザ端末装置6を装着したときに、例えば、作業者Uの片目又は両目の前方に配置される。ユーザ端末装置6は、画像データ110に対するインターロック情報111又はオブジェクト情報112を安全支援装置5から随時受信し、例えば、作業者Uの視野内の現実空間に存在する対象物に重畳するように、インターロック情報111又はオブジェクト情報112を表示する。
(基板処理装置2)
図2は、基板処理装置2の一例を示す平面図である。基板処理装置2は、平面視で略矩形状のハウジング20の内部に、ロード/アンロードユニット21と、研磨ユニット22と、基板搬送ユニット23と、仕上げユニット24と、制御ユニット25とを備えて構成される。ロード/アンロードユニット21と、研磨ユニット22、基板搬送ユニット23及び仕上げユニット24との間は、第1の隔壁200Aにより区画され、基板搬送ユニット23と仕上げユニット24との間は、第2の隔壁200Bにより区画されている。ハウジング20の側壁部分には、作業者Uの作業時に身体の少なくとも一部を内部に入れるために、開閉又は着脱可能なカバーや扉(いずれも不図示)が取り付けられている。
図2は、基板処理装置2の一例を示す平面図である。基板処理装置2は、平面視で略矩形状のハウジング20の内部に、ロード/アンロードユニット21と、研磨ユニット22と、基板搬送ユニット23と、仕上げユニット24と、制御ユニット25とを備えて構成される。ロード/アンロードユニット21と、研磨ユニット22、基板搬送ユニット23及び仕上げユニット24との間は、第1の隔壁200Aにより区画され、基板搬送ユニット23と仕上げユニット24との間は、第2の隔壁200Bにより区画されている。ハウジング20の側壁部分には、作業者Uの作業時に身体の少なくとも一部を内部に入れるために、開閉又は着脱可能なカバーや扉(いずれも不図示)が取り付けられている。
(ロード/アンロードユニット)
ロード/アンロードユニット21は、多数のウェハWを上下方向に収納可能なウェハカセット(FOUP等)が載置される第1乃至第4のフロントロード部210A~210Dと、ウェハカセットに収納されたウェハWの収納方向(上下方向)に沿って上下移動可能な搬送ロボット211と、第1乃至第4のフロントロード部210A~210Dの並び方向(ハウジング20の短手方向)に沿って搬送ロボット211を移動させる水平移動機構部212とを備える。
ロード/アンロードユニット21は、多数のウェハWを上下方向に収納可能なウェハカセット(FOUP等)が載置される第1乃至第4のフロントロード部210A~210Dと、ウェハカセットに収納されたウェハWの収納方向(上下方向)に沿って上下移動可能な搬送ロボット211と、第1乃至第4のフロントロード部210A~210Dの並び方向(ハウジング20の短手方向)に沿って搬送ロボット211を移動させる水平移動機構部212とを備える。
搬送ロボット211は、第1乃至第4のフロントロード部210A~210Dの各々に載置されたウェハカセット、基板搬送ユニット23(具体的に、後述のリフタ232)、仕上げユニット24(具体的に、後述の第1及び第2の乾燥部24E、24F)に対してアクセス可能に構成され、それらの間でウェハWを受け渡すための上下二段のハンド(不図示)を備える。下側ハンドは、処理前のウェハWを受け渡すときに使用され、上側ハンドは、処理後のウェハWを受け渡すときに使用される。基板搬送ユニット23や仕上げユニット24に対するウェハWの受け渡しの際には、第1の隔壁200Aに設けられたシャッタ(不図示)が開閉される。
なお、図2では、可動部としてそれぞれ機能する搬送ロボット211、及び、水平移動機構部212の具体的な構成を省略しているが、例えば、サーボモータ等の交流機器と、リニアガイド、ボールねじ、ギヤ、ベルト、カップリング、軸受等の駆動力伝達機構と、流体圧シリンダ、バルブ等の出力機器と、リニアセンサ、エンコーダセンサ、リミットセンサ、トルクセンサ等の入力機器とを適宜組み合わせて構成される。
(研磨ユニット)
研磨ユニット22は、ウェハWの研磨処理(平坦化)をそれぞれ行う第1乃至第4の研磨部22A~22Dを備える。第1乃至第4の研磨部22A~22Dは、ハウジング20の長手方向に沿って並べられて配置される。
研磨ユニット22は、ウェハWの研磨処理(平坦化)をそれぞれ行う第1乃至第4の研磨部22A~22Dを備える。第1乃至第4の研磨部22A~22Dは、ハウジング20の長手方向に沿って並べられて配置される。
図3は、第1乃至第4の研磨部22A~22Dの一例を示す斜視図である。第1乃至第4の研磨部22A~22Dの基本的な構成や機能は共通する。
第1乃至第4の研磨部22A~22Dの各々は、研磨面を有する研磨パッド2200を回転可能に支持する研磨テーブル(処理部材支持部)220と、ウェハWを回転可能に保持し、かつウェハWを研磨テーブル220上の研磨パッド2200に押圧しながら研磨するためのトップリング(基板保持部)221と、研磨パッド2200に研磨流体を供給する研磨流体供給部222と、ドレッサディスク2230を回転可能に支持するとともにドレッサディスク2230を研磨パッド2200の研磨面に接触させて研磨パッド2200をドレッシングするドレッサ223と、研磨パッド2200にパッド洗浄流体を噴射するアトマイザ224とを備える。
研磨テーブル220は、研磨テーブルシャフト220aにより支持されて、その軸心周りに研磨テーブル220を回転駆動させる回転移動機構部220bと、研磨パッド2200の表面温度を調節する温調機構部220cとを備える。
トップリング221は、上下方向に移動可能なトップリングシャフト221aに支持されて、その軸心周りにトップリング221を回転駆動させる回転移動機構部221cと、トップリング221を上下方向に移動させる上下移動機構部221dと、支持シャフト221bを旋回中心にしてトップリング221を旋回(揺動)移動させる揺動移動機構部221eとを備える。回転移動機構部221c、上下移動機構部221d及び揺動移動機構部221eは、研磨パッド2200とウェハWの被研磨面との相対位置を移動させる基板移動機構部として機能する。
研磨流体供給部222は、研磨パッド2200の研磨面に研磨流体を供給する研磨流体供給ノズル222aと、支持シャフト222bに支持されて、支持シャフト222bを旋回中心にして研磨流体供給ノズル222aを旋回移動させる揺動移動機構部222cと、研磨流体の流量を調節する流量調節部222dと、研磨流体の温度を調節する温調機構部222eとを備える。研磨流体は、研磨液(スラリー)又は純水であり、さらに、薬液を含むものでもよいし、研磨液に分散剤を添加したものでもよい。
ドレッサ223は、上下方向に移動可能なドレッサシャフト223aに支持されて、その軸心周りにドレッサ223を回転駆動させる回転移動機構部223cと、ドレッサ223を上下方向に移動させる上下移動機構部223dと、支持シャフト223bを旋回中心にしてドレッサ223を旋回移動させる揺動移動機構部223eとを備える。
アトマイザ224は、支持シャフト224aに支持されて、支持シャフト224aを旋回中心にしてアトマイザ224を旋回移動させる揺動移動機構部224bと、パッド洗浄流体の流量を調節する流量調節部224cとを備える。パッド洗浄流体は、液体(例えば、純水)と気体(例えば、窒素ガス)の混合流体又は液体(例えば、純水)である。
ウェハWは、トップリング221の下面に吸着保持されて、研磨テーブル220上の所定の研磨位置に移動された後、研磨流体供給ノズル222aから研磨流体が供給された研磨パッド2200の研磨面に対してトップリング221により押圧されることで研磨される。
なお、図3では、可動部としてそれぞれ機能する回転移動機構部220b、221c、223c、上下移動機構部221d、223d、及び、揺動移動機構部221e、222c、223e、224bの具体的な構成を省略しているが、例えば、サーボモータ等の交流機器と、リニアガイド、ボールねじ、ギヤ、ベルト、カップリング、軸受等の駆動力伝達機構と、流体圧シリンダ、バルブ等の出力機器と、リニアセンサ、エンコーダセンサ、リミットセンサ、トルクセンサ等の入力機器とを適宜組み合わせて構成される。図3では、流量調節部222d、224cの具体的な構成を省略しているが、例えば、ポンプ、バルブ、レギュレータ等の流体調節用の出力機器と、流量センサ、圧力センサ、液面センサ、温度センサ、流体濃度センサ、流体物性センサ、流体パーティクルセンサ等の入力機器とを適宜組み合わせて構成される。図3では、温調機構部220c、222eの具体的な構成を省略しているが、例えば、接触式又は非接触式のヒータ等の交流機器と、温度センサ、電流センサ等の入力機器とを適宜組み合わせて構成される。
(基板搬送ユニット)
基板搬送ユニット23は、図2に示すように、第1乃至第4の研磨部22A~22Dの並び方向(ハウジング20の長手方向)に沿って水平移動可能な第1及び第2のリニアトランスポータ230A、230Bと、第1及び第2のリニアトランスポータ230A、230Bの間に配置されたスイングトランスポータ231と、ロード/アンロードユニット21側に配置されたリフタ232と、仕上げユニット24側に配置されたウェハWの仮置き台233とを備える。
基板搬送ユニット23は、図2に示すように、第1乃至第4の研磨部22A~22Dの並び方向(ハウジング20の長手方向)に沿って水平移動可能な第1及び第2のリニアトランスポータ230A、230Bと、第1及び第2のリニアトランスポータ230A、230Bの間に配置されたスイングトランスポータ231と、ロード/アンロードユニット21側に配置されたリフタ232と、仕上げユニット24側に配置されたウェハWの仮置き台233とを備える。
第1のリニアトランスポータ230Aは、第1及び第2の研磨部22A、22Bに隣接して配置されて、4つの搬送位置(ロード/アンロードユニット21側から順に第1乃至第4の搬送位置TP1~TP4とする)の間でウェハWを搬送する機構である。第2の搬送位置TP2は、第1の研磨部22Aに対してウェハWを受け渡す位置であり、第3の搬送位置TP3は、第2の研磨部22Bに対してウェハWを受け渡す位置である。
第2のリニアトランスポータ230Bは、第3及び第4の研磨部22C、22Dに隣接して配置されて、3つの搬送位置(ロード/アンロードユニット21側から順に第5乃至第7の搬送位置TP5~TP7とする)の間でウェハWを搬送する機構である。第6の搬送位置TP6は、第3の研磨部22Cに対してウェハWを受け渡す位置であり、第7の搬送位置TP7は、第4の研磨部22Dに対してウェハWを受け渡す位置である。
スイングトランスポータ231は、第4及び第5の搬送位置TP4、TP5に隣接して配置されるとともに、第4及び第5の搬送位置TP4、TP5の間を移動可能なハンドを有する。スイングトランスポータ231は、第1及び第2のリニアトランスポータ230A、230Bの間でウェハWを受け渡すとともに、仮置き台233にウェハWを仮置きする機構である。リフタ232は、第1の搬送位置TP1に隣接して配置されて、ロード/アンロードユニット21の搬送ロボット211との間でウェハWを受け渡す機構である。ウェハWの受け渡しの際、第1の隔壁200Aに設けられたシャッタ(不図示)が開閉される。
なお、図2では、可動部としてそれぞれ機能する第1及び第2のリニアトランスポータ230A、230B、スイングトランスポータ231、並びに、リフタ232の具体的な構成を省略しているが、例えば、サーボモータ等の交流機器と、リニアガイド、ボールねじ、ギヤ、ベルト、カップリング、軸受等の駆動力伝達機構と、流体圧シリンダ、バルブ等の出力機器と、リニアセンサ、エンコーダセンサ、リミットセンサ、トルクセンサ等の入力機器とを適宜組み合わせて構成される。
(仕上げユニット)
仕上げユニット24は、図2に示すように、ロールスポンジ2400を用いた基板洗浄装置として、上下二段に配置された第1及び第2のロールスポンジ洗浄部24A、24Bと、ペンスポンジ2401を用いた基板洗浄装置として、上下二段に配置された第1及び第2のペンスポンジ洗浄部24C、24Dと、洗浄後のウェハWを乾燥させる基板乾燥装置として、上下二段に配置された第1及び第2の乾燥部24E、24Fと、ウェハWを搬送する第1及び第2の搬送部24G、24Hとを備える。なお、ロールスポンジ洗浄部24A、24B、ペンスポンジ洗浄部24C、24D、乾燥部24E、24F、及び、搬送部24G、24Hの数や配置は、図2の例に限られず、適宜変更してもよい。
仕上げユニット24は、図2に示すように、ロールスポンジ2400を用いた基板洗浄装置として、上下二段に配置された第1及び第2のロールスポンジ洗浄部24A、24Bと、ペンスポンジ2401を用いた基板洗浄装置として、上下二段に配置された第1及び第2のペンスポンジ洗浄部24C、24Dと、洗浄後のウェハWを乾燥させる基板乾燥装置として、上下二段に配置された第1及び第2の乾燥部24E、24Fと、ウェハWを搬送する第1及び第2の搬送部24G、24Hとを備える。なお、ロールスポンジ洗浄部24A、24B、ペンスポンジ洗浄部24C、24D、乾燥部24E、24F、及び、搬送部24G、24Hの数や配置は、図2の例に限られず、適宜変更してもよい。
仕上げユニット24の各部24A~24Hは、それぞれが区画された状態で第1及び第2のリニアトランスポータ230A、230Bに沿って、例えば、第1及び第2のロールスポンジ洗浄部24A、24B、第1の搬送部24G、第1及び第2のペンスポンジ洗浄部24C、24D、第2の搬送部24H、及び、第1及び第2の乾燥部24E、24Fの順(ロード/アンロードユニット21から遠い順)に配置される。仕上げユニット24は、研磨処理後のウェハWに対して、第1及び第2のロールスポンジ洗浄部24A、24Bのいずれかによる一次洗浄処理、第1及び第2のペンスポンジ洗浄部24C、24Dのいずれかによる二次洗浄処理、及び、第1及び第2の乾燥部24E、24Fのいずれかによる乾燥処理を順に行う。なお、仕上げユニット24の各部24A~24Hによる処理の順序は適宜変更してもよいし、処理の一部を省略してもよく、例えば、ロールスポンジ洗浄部24A、24Bによる洗浄処理を省略して、ペンスポンジ洗浄部24C、24Dによる洗浄処理から開始してもよい。また、仕上げユニット24は、ロールスポンジ洗浄部24A、24B、及び、ペンスポンジ洗浄部24C、24Dのいずれかに代えて又は加えて、バフ洗浄部(不図示)を備えることにより、バフ洗浄処理を行うようにしてもよい。さらに、本実施形態では、仕上げユニット24の各部24A~24Hは、ウェハWを水平置きで保持(水平保持)するものであるが、ウェハWを垂直保持又は斜め保持するものでもよい。
ロールスポンジ2400及びペンスポンジ2401は、PVA、ナイロン等の合成樹脂で形成され、多孔質構造を有する。ロールスポンジ2400及びペンスポンジ2401は、ウェハWをスクラブ洗浄するための洗浄具として機能し、第1及び第2のロールスポンジ洗浄部24A、24B、並びに、第1及び第2のペンスポンジ洗浄部24C、24Dに交換可能にそれぞれ取り付けられる。
第1の搬送部24Gは、上下方向に移動可能な第1の搬送ロボット246Aを備える。第1の搬送ロボット246Aは、基板搬送ユニット23の仮置き台233、第1及び第2のロールスポンジ洗浄部24A、24B、並びに、第1及び第2のペンスポンジ洗浄部24C、24Dに対してアクセス可能に構成され、それらの間でウェハWを受け渡すための上下二段のハンドを備える。例えば、下側ハンドは、洗浄前のウェハWを受け渡すときに使用され、上側ハンドは、洗浄後のウェハWを受け渡すときに使用される。仮置き台233に対するウェハWの受け渡しの際には、第2の隔壁200Bに設けられたシャッタ(不図示)が開閉される。
第2の搬送部24Hは、上下方向に移動可能な第2の搬送ロボット246Bを備える。第2の搬送ロボット246Bは、第1及び第2のペンスポンジ洗浄部24C、24D、並びに、第1及び第2の乾燥部24E、24Fに対してアクセス可能に構成され、それらの間でウェハWを受け渡すためのハンドを備える。
図4は、第1及び第2のロールスポンジ洗浄部24A、24Bの一例を示す斜視図である。第1及び第2のロールスポンジ洗浄部24A、24Bの基本的な構成や機能は共通す
る。図4の例では、第1及び第2のロールスポンジ洗浄部24A、24Bは、ウェハWの被洗浄面(表面及び裏面)を挟み込むように、上下に配置された一対のロールスポンジ2400を有する。
る。図4の例では、第1及び第2のロールスポンジ洗浄部24A、24Bは、ウェハWの被洗浄面(表面及び裏面)を挟み込むように、上下に配置された一対のロールスポンジ2400を有する。
第1及び第2のロールスポンジ洗浄部24A、24Bの各々は、ウェハWを保持する基板保持部241と、ウェハWに洗浄流体を供給する洗浄流体供給部242と、ロールスポンジ2400を回転可能に支持するとともにロールスポンジ2400をウェハWに接触させてウェハWを洗浄する基板洗浄部(処理部材支持部)240と、ロールスポンジ2400を洗浄具洗浄流体にて洗浄(セルフクリーニング)する洗浄具洗浄部243とを備える。
基板保持部241は、ウェハWの側縁部の複数個所を保持する基板保持機構部241aと、ウェハWの被洗浄面に垂直な第3の回転軸周りにウェハWを回転させる基板回転機構部241bとを備える。図4の例では、基板保持機構部241aは、4つのローラで構成され、少なくとも1つのローラは、ウェハWの側縁部を保持又は解放するように移動可能に構成される。また、図4の例では、基板回転機構部241bは、2つの駆動ローラで構成され、駆動ローラは、ウェハWを保持する基板保持機構部241aを兼ねている。なお、基板保持部241は、複数のローラで構成される基板保持機構部241aと、少なくとも1つの駆動ローラで構成される基板回転機構部241bとで構成されていてもよい。また、基板保持機構部241aは、ローラに代えてチャックで構成されていてもよい。
洗浄流体供給部242は、ウェハWの被洗浄面に洗浄流体を供給する洗浄流体供給ノズル242aと、洗浄流体供給ノズル242aを旋回移動させる揺動移動機構部242bと、洗浄流体の流量及び圧力を調節する流量調節部242cと、洗浄流体の温度を調節する温調機構部242dとを備える。洗浄流体は、純水(リンス液)及び薬液のいずれでもよく、洗浄流体供給ノズル242aは、図4に示すように、純水用のノズルと、薬液用のノズルとが別々に設けられていてもよい。また、洗浄流体は、液体でもよいし、液体及び気体を混合させた二流体でもよいし、ドライアイスのような固体を含むものでもよい。
基板洗浄部240は、ウェハWの被洗浄面に平行な第1の回転軸周りにロールスポンジ2400を回転させる洗浄具回転機構部240aと、一対のロールスポンジ2400の高さ及び両者の距離を変更するため、一対のロールスポンジ2400の少なくとも一方を上下方向に移動させる上下移動機構部240bと、一対のロールスポンジ2400を水平方向に直線移動させる直線移動機構部240cとを備える。上下移動機構部240b及び直線移動機構部240cは、ロールスポンジ2400とウェハWの被洗浄面との相対位置を移動させる洗浄具移動機構部として機能する。
洗浄具洗浄部243は、ウェハWと干渉しない位置に配置されて、洗浄具洗浄流体を貯留及び排出可能な洗浄具洗浄槽243aと、洗浄具洗浄槽243aに収容されて、ロールスポンジ2400が押し付けられる洗浄具洗浄板243bと、洗浄具洗浄槽243aに供給される洗浄具洗浄流体の流量及び圧力を調節する流量調節部243cと、ロールスポンジ2400の内側を流通し、ロールスポンジ2400の外周面から外部に排出される洗浄具洗浄流体の流量及び圧力を調節する流量調節部243dとを備える。洗浄具洗浄流体は、純水(リンス液)及び薬液のいずれでもよい。
第1及び第2のロールスポンジ洗浄部24A、24Bによる一次洗浄処理では、ウェハWは、基板保持機構部241aにより保持された状態で基板回転機構部241bにより回転される。そして、洗浄流体供給ノズル242aからウェハWの被洗浄面に洗浄流体が供給された状態で、洗浄具回転機構部240aにより軸心周りに回転されたロールスポンジ2400がウェハWの被洗浄面に摺接することでウェハWは洗浄される。その後、基板洗
浄部240が、ロールスポンジ2400を洗浄具洗浄槽243aに移動させて、例えば、ロールスポンジ2400を回転させたり、洗浄具洗浄板243bに押し付けたり、流量調節部243dにより洗浄具洗浄流体をロールスポンジ2400に供給することで、ロールスポンジ2400は洗浄される。
浄部240が、ロールスポンジ2400を洗浄具洗浄槽243aに移動させて、例えば、ロールスポンジ2400を回転させたり、洗浄具洗浄板243bに押し付けたり、流量調節部243dにより洗浄具洗浄流体をロールスポンジ2400に供給することで、ロールスポンジ2400は洗浄される。
図5は、第1及び第2のペンスポンジ洗浄部24C、24Dの一例を示す斜視図である。第1及び第2のペンスポンジ洗浄部24C、24Dの基本的な構成や機能は共通する。
第1及び第2のペンスポンジ洗浄部24C、24Dの各々は、ウェハWを保持する基板保持部241と、ウェハWに洗浄流体を供給する洗浄流体供給部242と、ペンスポンジ2401を回転可能に支持するとともにペンスポンジ2401をウェハWに接触させてウェハWを洗浄する基板洗浄部(処理部材支持部)240と、ペンスポンジ2401を洗浄具洗浄流体にて洗浄(セルフクリーニング)する洗浄具洗浄部243とを備える。以下では、ペンスポンジ洗浄部24C、24Dについて、ロールスポンジ洗浄部24A、24Bと異なる部分を中心に説明する。
基板保持部241は、ウェハWの側縁部の複数個所を保持する基板保持機構部241cと、ウェハWの被洗浄面に垂直な第3の回転軸周りにウェハWを回転させる基板回転機構部241dとを備える。図5の例では、基板保持機構部241cは、4つのローラであり、少なくとも1つのローラは、ウェハWの側縁部を保持又は解放するように移動可能に構成される。また、図5の例では、基板回転機構部241dは、2つの駆動ローラで構成され、基板回転機構部241bを構成する駆動ローラは、ウェハWを保持する基板保持機構部241aを兼ねている。なお、基板保持部241は、複数のローラで構成される基板保持機構部241cと、少なくとも1つの駆動ローラで構成される基板回転機構部241dとで構成されていてもよい。また、基板保持機構部241cは、ローラに代えてチャックで構成されていてもよい。
洗浄流体供給部242は、図4と同様に構成されており、洗浄流体供給ノズル242a、揺動移動機構部242b、流量調節部242c、及び、温調機構部242dを備える。
基板洗浄部240は、ウェハWの被洗浄面に垂直な第2の回転軸周りにペンスポンジ2401を回転させる洗浄具回転機構部240dと、ペンスポンジ2401を上下方向に移動させる上下移動機構部240eと、ペンスポンジ2401を水平方向に旋回移動させる揺動移動機構部240fとを備える。上下移動機構部240e及び揺動移動機構部240fは、ペンスポンジ2401とウェハWの被洗浄面との相対位置を移動させる洗浄具移動機構部として機能する。
洗浄具洗浄部243は、ウェハWと干渉しない位置に配置されて、洗浄具洗浄流体を貯留及び排出可能な洗浄具洗浄槽243eと、洗浄具洗浄槽243eに収容されて、ペンスポンジ2401が押し付けられる洗浄具洗浄板243fと、洗浄具洗浄槽243eに供給される洗浄具洗浄流体の流量及び圧力を調節する流量調節部243gと、ペンスポンジ2401の内側を流通し、ペンスポンジ2401の外表面から外部に排出される洗浄具洗浄流体の流量及び圧力を調節する流量調節部243hとを備える。
第1及び第2のペンスポンジ洗浄部24C、24Dによる二次洗浄処理では、ウェハWは、基板保持機構部241cにより保持された状態で基板回転機構部241dにより回転される。そして、洗浄流体供給ノズル242aからウェハWの被洗浄面に洗浄流体が供給された状態で、洗浄具回転機構部240dにより軸心周りに回転されたペンスポンジ2401がウェハWの被洗浄面に摺接することでウェハWは洗浄される。その後、基板洗浄部240が、ペンスポンジ2401を洗浄具洗浄槽243eに移動させて、例えば、ペンス
ポンジ2401を回転させたり、洗浄具洗浄板243fに押し付けたり、流量調節部243hにより洗浄具洗浄流体をペンスポンジ2401に供給することで、ペンスポンジ2401は洗浄される。
ポンジ2401を回転させたり、洗浄具洗浄板243fに押し付けたり、流量調節部243hにより洗浄具洗浄流体をペンスポンジ2401に供給することで、ペンスポンジ2401は洗浄される。
図6は、第1及び第2の乾燥部24E、24Fの一例を示す斜視図である。第1及び第2の乾燥部24E、24Fの基本的な構成や機能は共通する。
第1及び第2の乾燥部24E、24Fの各々は、ウェハWを保持する基板保持部241と、ウェハWに乾燥流体を供給する乾燥流体供給部245とを備える。
基板保持部241は、ウェハWの側縁部の複数個所を保持する基板保持機構部241eと、ウェハWの被洗浄面に垂直な第3の回転軸周りにウェハWを回転させる基板回転機構部241gとを備える。基板保持機構部241eは、一端を上下方向に移動する上下移動機構部241fに対して水平軸を中心として回動するように設置され、他端をウェハWの周縁部に対して接離可能なチャックで構成される。基板保持機構部241eは、上下移動機構部241fの上下方向への移動に伴い、把持部がウェハWに対して当接又は分離方向に移動する傘機構を構成する。なお、基板保持機構部241eは、チャックに代えてローラで構成されていてもよい。
乾燥流体供給部245は、ウェハWの被洗浄面に乾燥流体を供給する乾燥流体供給ノズル245aと、乾燥流体供給ノズル245aを上下方向に移動させる上下移動機構部245bと、乾燥流体供給ノズル245aを水平方向に旋回移動させる揺動移動機構部245cと、乾燥流体の流量及び圧力を調節する流量調節部245dと、乾燥流体の温度を調節する温調機構部245eとを備える。上下移動機構部245b及び揺動移動機構部245cは、乾燥流体供給ノズル245aとウェハWの被洗浄面との相対位置を移動させる乾燥流体供給ノズル移動機構部として機能する。乾燥流体は、例えば、IPA蒸気及び純水(リンス液)であり、乾燥流体供給ノズル245aは、図6に示すように、IPA蒸気用のノズルと、純水用のノズルとが別々に設けられていてもよい。また、乾燥流体は、液体でもよいし、液体及び気体を混合させた二流体でもよいし、ドライアイスのような固体を含むものでもよい。
第1及び第2の乾燥部24E、24Fによる乾燥処理では、ウェハWは、基板保持機構部241eにより保持された状態で基板回転機構部241gにより回転される。そして、乾燥流体供給ノズル245aからウェハWの被洗浄面に乾燥流体が供給された状態で、乾燥流体供給ノズル245aがウェハWの側縁部側(径方向外側)に移動される。その後、ウェハWは、基板回転機構部241gにより高速回転されることでウェハWが乾燥される。
なお、図4乃至図6では、可動部としてそれぞれ機能する基板保持機構部241a、241c、241e、基板回転機構部241b、241d、241g、上下移動機構部240b、240e、241f、245b、直線移動機構部240c、揺動移動機構部240f、242b、245c、洗浄具回転機構部240a、240dの具体的な構成を省略しているが、例えば、サーボモータ等の交流機器、リニアガイド、ボールねじ、ギヤ、ベルト、カップリング、軸受等の駆動力伝達機構と、流体圧シリンダ、バルブ等の出力機器と、リニアセンサ、エンコーダセンサ、リミットセンサ、トルクセンサ等の入力機器とを適宜組み合わせて構成される。図4乃至図6では、流量調節部243c、243d、243g、243h、245dの具体的な構成を省略しているが、例えば、ポンプ、バルブ、レギュレータ等の流体調節用の須出力機器と、流量センサ、圧力センサ、液面センサ、温度センサ、流体濃度センサ、流体物性センサ、流体パーティクルセンサ等の入力機器とを適宜組み合わせて構成される。図4乃至図6では、温調機構部242d、245eの具体的
な構成を省略しているが、例えば、接触式又は非接触式のヒータ等の交流機器と、温度センサ、電流センサ等の入力機器とを適宜組み合わせて構成される。
な構成を省略しているが、例えば、接触式又は非接触式のヒータ等の交流機器と、温度センサ、電流センサ等の入力機器とを適宜組み合わせて構成される。
(制御ユニット)
図7は、基板処理装置2の一例を示すブロック図である。制御ユニット25は、各ユニット21~24と電気的に接続されて、各ユニット21~24を統括的に制御する制御部として機能する。以下では、研磨ユニット22及び仕上げユニット24の制御系(交流機器、入力機器、出力機器、制御機器)を例にして説明するが、他のユニット21、23も基本的な構成や機能は共通するため、説明を省略する。
図7は、基板処理装置2の一例を示すブロック図である。制御ユニット25は、各ユニット21~24と電気的に接続されて、各ユニット21~24を統括的に制御する制御部として機能する。以下では、研磨ユニット22及び仕上げユニット24の制御系(交流機器、入力機器、出力機器、制御機器)を例にして説明するが、他のユニット21、23も基本的な構成や機能は共通するため、説明を省略する。
研磨ユニット22は、研磨ユニット22が備える各サブユニット(例えば、研磨テーブル220、トップリング221、研磨流体供給部222、ドレッサ223、アトマイザ224等)にそれぞれ配置されて、制御対象となる複数の交流機器227及び出力機器228Bと、各サブユニットの制御に必要なデータ(検出値)を検出する複数の入力機器228Aと、各入力機器228Aの検出値に基づいて交流機器227及び出力機器228Bを制御する制御機器229とを備える。
仕上げユニット24は、仕上げユニット24が備える各サブユニット(例えば、第1及び第2のロールスポンジ洗浄部24A、24B、第1及び第2のペンスポンジ洗浄部24C、24D、第1及び第2の乾燥部24E、24F、第1及び第2の搬送部24G、24H等)にそれぞれ配置されて、制御対象となる複数の交流機器247及び出力機器248Bと、各サブユニットの制御に必要なデータ(検出値)を検出する複数の入力機器248Aと、各入力機器248Aの検出値に基づいて交流機器247及び出力機器248Bの動作を制御する制御機器249とを備える。
制御ユニット25は、制御部250、通信部251、入力部252、出力部253、及び、記憶部254を備える。制御ユニット25は、例えば、汎用又は専用のコンピュータ(後述の図8参照)で構成される。
通信部251は、ネットワーク7に接続され、各種のデータを送受信する通信インターフェースとして機能する。入力部252は、各種の入力操作を受け付けるとともに、出力部253は、表示画面、シグナルタワー点灯、ブザー音を介して各種の情報を出力することで、ユーザインターフェースとして機能する。
記憶部254は、基板処理装置2の動作で使用される各種のプログラム(オペレーティングシステム(OS)、アプリケーションプログラム、ウェブブラウザ等)やデータ(装置設定情報255、基板レシピ情報256等)を記憶する。装置設定情報255及び基板レシピ情報256は、表示画面を介してユーザにより編集可能なデータである。
制御部250は、複数の制御機器219、229、239、249(以下、「制御機器群」という)を介して複数の入力機器218A、228A、238A、248A(以下、「入力機器群」という)の検出値を取得するとともに、複数の交流機器217、227、237、247(以下、「交流機器群」という)、及び、複数の出力機器218B、228B、238B、248B(以下、「出力機器群」という)を連携して動作させることで、一連の基板処理を行う。また、制御部250は、安全支援装置5からインターロック情報111を受信したとき、そのインターロック情報111に基づいてインターロック制御を行う。
(各装置のハードウエア構成)
図8は、コンピュータ900の一例を示すハードウエア構成図である。基板処理装置2
の制御ユニット25、データベース装置3、機械学習装置4、安全支援装置5、及び、ユーザ端末装置6の各々は、汎用又は専用のコンピュータ900により構成される。
図8は、コンピュータ900の一例を示すハードウエア構成図である。基板処理装置2
の制御ユニット25、データベース装置3、機械学習装置4、安全支援装置5、及び、ユーザ端末装置6の各々は、汎用又は専用のコンピュータ900により構成される。
コンピュータ900は、図8に示すように、その主要な構成要素として、バス910、プロセッサ912、メモリ914、入力デバイス916、出力デバイス917、表示デバイス918、ストレージ装置920、通信I/F(インターフェース)部922、外部機器I/F部924、I/O(入出力)デバイスI/F部926、及び、メディア入出力部928を備える。なお、上記の構成要素は、コンピュータ900が使用される用途に応じて適宜省略されてもよい。
プロセッサ912は、1つ又は複数の演算処理装置(CPU(Central Processing Unit)、MPU(Micro-Processing Unit)、DSP(Digital Signal Processor)、GPU(Graphics Processing Unit)、NPU(Neural Processing Unit)等)で構成され、コンピュータ900全体を統括する制御部として動作する。メモリ914は、各種のデータ及びプログラム930を記憶し、例えば、メインメモリとして機能する揮発性メモリ(DRAM、SRAM等)と、不揮発性メモリ(ROM)、フラッシュメモリ等とで構成される。
入力デバイス916は、例えば、キーボード、マウス、テンキー、電子ペン等で構成され、入力部として機能する。出力デバイス917は、例えば、音(音声)出力装置、バイブレーション装置等で構成され、出力部として機能する。表示デバイス918は、例えば、液晶ディスプレイ、有機ELディスプレイ、電子ペーパー、プロジェクタ等で構成され、出力部として機能する。入力デバイス916及び表示デバイス918は、タッチパネルディスプレイのように、一体的に構成されていてもよい。ストレージ装置920は、例えば、HDD、SSD等で構成され、記憶部として機能する。ストレージ装置920は、オペレーティングシステムやプログラム930の実行に必要な各種のデータを記憶する。
通信I/F部922は、インターネットやイントラネット等のネットワーク940(図1のネットワーク7と同じであってもよい)に有線又は無線により接続され、所定の通信規格に従って他のコンピュータとの間でデータの送受信を行う通信部として機能する。外部機器I/F部924は、カメラ、プリンタ、スキャナ、リーダライタ等の外部機器950に有線又は無線により接続され、所定の通信規格に従って外部機器950との間でデータの送受信を行う通信部として機能する。I/OデバイスI/F部926は、各種のセンサ、アクチュエータ等のI/Oデバイス960に接続され、I/Oデバイス960との間で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデータの送受信を行う通信部として機能する。メディア入出力部928は、例えば、DVDドライブ、CDドライブ等のドライブ装置、メモリカードスロット、USBコネクタで構成され、DVD、CD、メモリカード、USBメモリ等のメディア(非一時的な記憶媒体)970に対してデータの読み書きを行う。
上記構成を有するコンピュータ900において、プロセッサ912は、ストレージ装置920に記憶されたプログラム930をメモリ914に呼び出して実行し、バス910を介してコンピュータ900の各部を制御する。なお、プログラム930は、ストレージ装置920に代えて、メモリ914に記憶されていてもよい。プログラム930は、インストール可能なファイル形式又は実行可能なファイル形式でメディア970に記録され、メディア入出力部928を介してコンピュータ900に提供されてもよい。プログラム930は、通信I/F部922を介してネットワーク940経由でダウンロードすることによりコンピュータ900に提供されてもよい。また、コンピュータ900は、プロセッサ912がプログラム930を実行することで実現する各種の機能を、例えば、FPGA(F
ield-Programmable Gate Array)、ASIC(Application Specific Integrated Circuit)等のハードウエアで実現するものでもよい。
ield-Programmable Gate Array)、ASIC(Application Specific Integrated Circuit)等のハードウエアで実現するものでもよい。
コンピュータ900は、例えば、据置型コンピュータや携帯型コンピュータで構成され、任意の形態の電子機器である。コンピュータ900は、クライアント型コンピュータでもよいし、サーバ型コンピュータやクラウド型コンピュータでもよいし、例えば、制御盤、コントローラ(マイコン、プログラマブルロジックコントローラ、シーケンサを含む)等と呼ばれる組込型コンピュータでもよい。コンピュータ900は、各装置2~6以外の装置にも適用されてもよい。
(機械学習装置4)
図9は、機械学習装置4の一例を示すブロック図である。機械学習装置4は、制御部40、通信部41、学習用データ記憶部42、学習済みモデル記憶部43、入力部44、及び、出力部45を備える。
図9は、機械学習装置4の一例を示すブロック図である。機械学習装置4は、制御部40、通信部41、学習用データ記憶部42、学習済みモデル記憶部43、入力部44、及び、出力部45を備える。
制御部40は、学習用データ取得部400及び機械学習部401として機能する。通信部41は、ネットワーク7を介して外部装置(例えば、基板処理装置2、データベース装置3、安全支援装置5、ユーザ端末装置6、三次元モデル装置(不図示)等)と接続され、各種のデータを送受信する通信インターフェースとして機能する。入力部44は、各種の入力操作を受け付けるとともに、出力部45は、表示画面や音声を介して各種の情報を出力することで、ユーザインターフェースとして機能する。
学習用データ取得部400は、入力データしての画像データ110と、出力データとしてのインターロック情報111で構成される学習用データ11を取得する。学習用データ取得部400は、例えば、通信部41及びネットワーク7を介して接続される外部装置と連携して学習用データ11を取得してもよいし、入力部44及び出力部45を介して入力操作を受け付けることにより学習用データ11を取得してもよい。学習用データ11は、教師あり学習における教師データ(トレーニングデータ)、検証データ及びテストデータとして用いられるデータである。また、インターロック情報111は、教師あり学習における正解ラベルとして用いられるデータである。
学習用データ記憶部42は、学習用データ取得部400で取得した学習用データ11を複数組記憶するデータベースである。なお、学習用データ記憶部42を構成するデータベースの具体的な構成は適宜設計すればよい。
機械学習部401は、学習用データ記憶部42に記憶された複数組の学習用データ11を用いて機械学習を実施する。すなわち、機械学習部401は、学習モデル10に学習用データ11を複数組入力し、学習用データ11に含まれる画像データ110とインターロック情報111との相関関係を学習モデル10に学習させることで、学習済みの学習モデル10を生成する。
学習済みモデル記憶部43は、機械学習部401により生成された学習済みの学習モデル10(具体的には、調整済みの重みパラメータ群)を記憶するデータベースである。学習済みモデル記憶部43に記憶された学習済みの学習モデル10は、ネットワーク7や記録媒体等を介して実システム(例えば、安全支援装置5)に提供される。なお、図9では、学習用データ記憶部42と、学習済みモデル記憶部43とが別々の記憶部として示されているが、これらは単一の記憶部で構成されてもよい。
図10は、学習モデル10及び学習用データ11の一例を示す図である。学習モデル1
0の機械学習に用いられる学習用データ11は、画像データ110とインターロック情報111とで構成される。
0の機械学習に用いられる学習用データ11は、画像データ110とインターロック情報111とで構成される。
学習用データ11を構成する画像データ110は、作業者Uがユーザ端末装置6を装着したときに作業者Uの前方に向けて配置される画像撮影部63により撮影されたものである。画像データ110には、例えば、作業者Uが、基板処理装置2に対して可動部の可動範囲内に身体の少なくとも一部を入れながら作業を行うときに撮影されたものであり、基板処理装置2の各部が、撮影位置、撮影角度、撮影範囲等が異なる様々な撮影条件で撮影されたものである。
学習用データ11を構成するインターロック情報111は、インターロック状態として、インターロックオンオフ状態と、インターロック制御範囲との少なくとも1つを含む。インターロックオンオフ状態は、可動部に対する移動許可又は移動禁止を示すものであり、移動許可は、可動部の移動が許可された状態であり、移動禁止は、可動部の移動が禁止された状態である。インターロック制御範囲は、可動範囲に対する可動部の移動許可範囲又は移動禁止範囲を、その可動部の軸座標系(位置や角度)で示すものであり、移動許可範囲は、可動部の移動が許可された範囲であり、移動禁止範囲は、可動部の移動が禁止された範囲である。
なお、インターロック情報111は、特定の単一の可動部に対するインターロック情報111だけを含むものでもよいし、図10に示すように、複数の可動部に対するインターロック情報111を含むものでもよい。インターロック情報111が、複数の可動部に対するインターロック情報111を含む場合には、可動部毎に、インターロックオンオフ状態と、インターロック制御範囲との少なくとも1つを含むようにすればよい。
学習用データ取得部400は、例えば、実生産の基板処理装置2や試験用の基板処理装置2を用いて、ユーザ端末装置6を装着した試験者が、実際の作業者Uが基板処理装置2に対して作業を行うときと同じような位置や姿勢を取ることで、様々な撮影条件で画像撮影部63にて撮影した画像データ110を取得するとともに、その画像データ110を撮影したときの位置や姿勢に対して可動部のインターロック情報111を取得する。インターロック情報111は、試験者が、ユーザ端末装置6を介して入力してもよいし、入力部44及び出力部45を介して入力してもよい。
また、学習用データ取得部400は、例えば、三次元モデル装置により提供される三次元モデルを用いて、基板処理装置2の各部の三次元形状が再現された仮想空間にて作業者Uが特定の位置に存在すると仮定したときに、画像撮影部63で撮影されると想定される仮想空間データを画像データ110として取得するとともに、可動部が可動範囲内で移動すると仮定したときに、可動部が作業者Uと衝突する危険性が高いか否かに基づいて、可動部のインターロック情報111を取得する。
学習モデル10は、例えば、ニューラルネットワークの構造を採用したものであり、入力層100、中間層101、及び、出力層102を備える。各層の間には、各ニューロンをそれぞれ接続するシナプス(不図示)が張られており、各シナプスには、重みがそれぞれ対応付けられている。各シナプスの重みからなる重みパラメータ群が、機械学習により調整される。
入力層100は、入力データとしての画像データ110の各画素に対応する数のニューロンを有し、各画素の画素値が各ニューロンにそれぞれ入力される。出力層102は、出力データとしてのインターロック情報111に対応する数のニューロンを有し、画像データ110に対するインターロック情報111の予測結果(推論結果)が、出力データとし
て出力される。
て出力される。
なお、学習済みモデル記憶部43に記憶される学習モデル10の数は1つに限定されず、例えば、機械学習の手法、基板処理装置2の機構の違い、画像撮影部63の仕様(解像度やイメージセンサの種類)の違い、インターロック情報111に含まれるデータの種類等のように、条件が異なる複数の学習モデルが記憶されてもよい。その場合には、学習用データ記憶部42には、条件が異なる複数の学習モデルにそれぞれ対応するデータ構成を有する複数種類の学習用データが記憶されるようにすればよい。
(機械学習方法)
図11は、機械学習装置4による機械学習方法の一例を示すフローチャートである。
図11は、機械学習装置4による機械学習方法の一例を示すフローチャートである。
まず、ステップS100において、学習用データ取得部400は、機械学習を開始するための事前準備として、所望の数の学習用データ11を取得し、その取得した学習用データ11を学習用データ記憶部42に記憶する。ここで準備する学習用データ11の数については、最終的に得られる学習モデル10に求められる推論精度を考慮して設定すればよい。
次に、ステップS110において、機械学習部401は、機械学習を開始すべく、学習前の学習モデル10を準備する。ここで準備する学習前の学習モデル10は、ニューラルネットワークモデルで構成されており、各シナプスの重みが初期値に設定されている。
次に、ステップS120において、機械学習部401は、学習用データ記憶部42に記憶された複数組の学習用データ11から、例えば、ランダムに1組の学習用データ11を取得する。
次に、ステップS130において、機械学習部401は、1組の学習用データ11に含まれる入力データ(画像データ110)を、準備された学習前(又は学習中)の学習モデル10の入力層100に入力する。その結果、学習モデル10の出力層102から推論結果として出力データ(インターロック情報111)が出力されるが、当該出力データは、学習前(又は学習中)の学習モデル10によって生成されたものである。そのため、学習前(又は学習中)の状態では、推論結果として出力された出力データは、学習用データ11に含まれる正解ラベル(インターロック情報111)とは異なる情報を示す。
次に、ステップS140において、機械学習部401は、ステップS120において取得された1組の学習用データ11に含まれる正解ラベルと、ステップS130において出力層102から推論結果として出力された出力データとを比較し、各シナプスの重みを調整する処理(バックプロパゲーション)を実施することで、機械学習を実施する。これにより、機械学習部401は、入力データと出力データとの相関関係を学習モデル10に学習させる。
次に、ステップS150において、機械学習部401は、所定の学習終了条件が満たされたか否かを、例えば、学習用データ11に含まれる正解ラベルと、推論結果として出力された出力データとに基づく誤差関数の評価値や、学習用データ記憶部42内に記憶された未学習の学習用データ11の残数に基づいて判定する。
ステップS150において、機械学習部401が、学習終了条件が満たされておらず、機械学習を継続すると判定した場合(ステップS150でNo)、ステップS120に戻り、学習中の学習モデル10に対してステップS120~S140の工程を未学習の学習用データ11を用いて複数回実施する。一方、ステップS150において、機械学習部4
01が、学習終了条件が満たされて、機械学習を終了すると判定した場合(ステップS150でYes)、ステップS160に進む。
01が、学習終了条件が満たされて、機械学習を終了すると判定した場合(ステップS150でYes)、ステップS160に進む。
そして、ステップS160において、機械学習部401は、各シナプスに対応付けられた重みを調整することで生成された学習済みの学習モデル10(調整済みの重みパラメータ群)を学習済みモデル記憶部43に記憶し、図11に示す一連の機械学習方法を終了する。機械学習方法において、ステップS100が学習用データ記憶工程、ステップS110~S150が機械学習工程、ステップS160が学習済みモデル記憶工程に相当する。
以上のように、本実施形態に係る機械学習装置4及び機械学習方法によれば、作業者Uがユーザ端末装置6を装着したときに作業者Uの前方に向けて配置される画像撮影部63により撮影された画像データ110から、可動部のインターロック状態を示すインターロック情報111を予測(推論)することが可能な学習モデル10を提供することができる。
(安全支援装置5)
図12は、安全支援装置5の一例を示すブロック図である。図13は、安全支援装置5の一例を示す機能説明図である。安全支援装置5は、制御部50、通信部51、及び、記憶部52を備える。
図12は、安全支援装置5の一例を示すブロック図である。図13は、安全支援装置5の一例を示す機能説明図である。安全支援装置5は、制御部50、通信部51、及び、記憶部52を備える。
制御部50は、画像データ取得部500、インターロック情報生成部501、可動部情報取得部502、オブジェクト情報生成部503及び出力処理部504として機能する。通信部51は、ネットワーク7を介して外部装置(例えば、基板処理装置2、データベース装置3、機械学習装置4、及び、ユーザ端末装置6等)と接続され、各種のデータを送受信する通信インターフェースとして機能する。記憶部52は、安全支援装置5の動作で使用される各種のプログラム(オペレーティングシステムやユーザ端末プログラム等)やデータ(学習モデル10)等を記憶する。
画像データ取得部500は、作業者Uがユーザ端末装置6を装着したときに作業者Uの前方に向けて配置される画像撮影部63により撮影された画像データ110を取得する。本実施形態では、画像データ取得部500は、ユーザ端末装置6から通信部51及びネットワーク7を介して画像データ110を取得(受信)する。
インターロック情報生成部501は、画像データ取得部500により取得された画像データ110に基づいて、インターロック情報111を生成する。本実施形態では、インターロック情報生成部501は、画像データ110とインターロック情報111との相関関係を機械学習させた学習モデル10に、画像データ取得部500により取得された画像データ110を入力することにより、当該画像データ110に対するインターロック情報111を生成する。
記憶部52には、インターロック情報生成部501にて用いられる学習済みの学習モデル10が記憶されている。なお、記憶部52に記憶される学習モデル10の数は1つに限定されず、例えば、機械学習の手法、基板処理装置2の機構の違い、画像撮影部63の仕様(解像度やイメージセンサの種類)の違い、インターロック情報111に含まれるデータの種類等のように、条件が異なる複数の学習済みモデルが記憶され、選択的又は並列的に利用可能としてもよい。記憶部52は、外部コンピュータ(例えば、サーバ型コンピュータやクラウド型コンピュータ)の記憶部で代用されてもよく、その場合には、インターロック情報生成部501及びインターロック情報生成部501は、当該外部コンピュータにアクセスすればよい。
可動部情報取得部502は、画像データ取得部500により取得された画像データ110に基づいて、作業者Uの周囲に存在する可動部の位置を示す可動部情報113を取得する。例えば、可動部情報取得部502は、画像撮影部63で現実空間を撮影したときの画角内に、可動部の特徴点が含まれるか否かを判定し、可動部の特徴点が含まれていることを検知したとき、当該特徴点の位置に基づいて可動部情報113を取得する。特徴点は、例えば、可動部の外形形状や外形色に基づくものでもよいし、可動部に貼付されたシール上の文字や二次元コード等に基づくものでもよい。なお、基板処理装置2の各部の設計図データが記憶部52に記憶されている場合には、可動部情報取得部502は、設計図データを参照し、画像撮影部63で現実空間を撮影したときの撮影範囲に、設計図データにおける可動部の特徴点が含まれていることを検知したとき、当該特徴点に基づいて可動部の空間位置情報を取得するようにしてもよい。
オブジェクト情報生成部503は、インターロック情報生成部501により生成されたインターロック情報111と、可動部情報取得部502により取得された可動部情報113とに基づいて、ユーザ端末装置6が作業者Uに装着されたときに作業者Uの周囲に存在する可動部にインターロック情報111を重畳表示させるためのオブジェクト情報112を生成する。
出力処理部504は、インターロック情報生成部501により生成されたインターロック情報111やオブジェクト情報生成部503により生成されたオブジェクト情報112を出力するための出力処理を行う。例えば、出力処理部504は、インターロック情報111を基板処理装置2やユーザ端末装置6に送信することで、基板処理装置2では、そのインターロック情報111に基づくインターロック制御が行われ、ユーザ端末装置6では、そのインターロック情報111に基づく表示画面や音声が出力される。また、出力処理部504は、オブジェクト情報112をユーザ端末装置6に送信することで、ユーザ端末装置6では、そのオブジェクト情報112に基づく表示画面が出力される。
(ユーザ端末装置6)
図14は、ユーザ端末装置6の一例を示すブロック図である。ユーザ端末装置6は、制御部60、通信部61、記憶部62、画像撮影部63、入力部64、出力部65、及び、センサ群66を備える。
図14は、ユーザ端末装置6の一例を示すブロック図である。ユーザ端末装置6は、制御部60、通信部61、記憶部62、画像撮影部63、入力部64、出力部65、及び、センサ群66を備える。
制御部60は、画像データ送信処理部600、インターロック情報処理部601及びオブジェクト情報処理部602として機能する。通信部61は、ネットワーク7を介して外部装置(例えば、基板処理装置2、データベース装置3、機械学習装置4、及び、安全支援装置5等)と接続され、各種のデータを送受信する通信インターフェースとして機能する。記憶部62は、ユーザ端末装置6の動作で使用される各種のプログラム(オペレーティングシステムやユーザ端末プログラム等)やデータ等を記憶する。画像撮影部63は、現実空間を撮影し、画像データ110を生成する。入力部64は、各種の入力操作を受け付けるとともに、出力部65は、表示画面や音声を介して各種の情報を出力することで、ユーザインターフェースとして機能する。センサ群66は、自装置の加速度、角速度、姿勢等を検出する。
画像データ送信処理部600は、画像撮影部63により所定の撮影周期で撮影された画像データ110を安全支援装置5に通信部61及びネットワーク7を介して随時送信する。
インターロック情報処理部601は、安全支援装置5に送信した画像データ110に対する応答として、安全支援装置5からインターロック情報111を受信し、そのインターロック情報111を、例えば、出力部65による音声や表示画面を介して作業者Uに通知
する。
する。
オブジェクト情報処理部602は、安全支援装置5に送信した画像データ110に対する応答として、安全支援装置5からオブジェクト情報112を受信し、そのオブジェクト情報112に基づいて、作業者Uの周囲に存在する可動部にインターロック情報111を出力部65により重畳表示させることにより、インターロック情報111を作業者Uに通知する。
(安全支援方法)
図15は、基板処理装置2、安全支援装置5及びユーザ端末装置6による安全支援方法の一例を示すフローチャートである。以下では、ユーザ端末装置6を装着した作業者Uが、基板処理装置2の第1の研磨部22Aに取り付けられたカバーを開けて、基板処理装置2に対する作業として、第1の研磨部22Aにおけるトップリング221と、第1のリニアトランスポータ230Aとの間でウェハWを受け渡すための第2の搬送位置TP2を調整する調整作業を行う場合の基板処理装置2、安全支援装置5及びユーザ端末装置6の動作例について説明する。なお、図15に示すフローチャートは、ユーザ端末装置6が、例えば、作業者Uから調整作業の開始を指示する入力操作を受け付けることで画像撮影部63による撮影を開始し、画像撮影部63による撮影周期が経過する度に繰り返し実行される。
図15は、基板処理装置2、安全支援装置5及びユーザ端末装置6による安全支援方法の一例を示すフローチャートである。以下では、ユーザ端末装置6を装着した作業者Uが、基板処理装置2の第1の研磨部22Aに取り付けられたカバーを開けて、基板処理装置2に対する作業として、第1の研磨部22Aにおけるトップリング221と、第1のリニアトランスポータ230Aとの間でウェハWを受け渡すための第2の搬送位置TP2を調整する調整作業を行う場合の基板処理装置2、安全支援装置5及びユーザ端末装置6の動作例について説明する。なお、図15に示すフローチャートは、ユーザ端末装置6が、例えば、作業者Uから調整作業の開始を指示する入力操作を受け付けることで画像撮影部63による撮影を開始し、画像撮影部63による撮影周期が経過する度に繰り返し実行される。
まず、ステップS200において、ユーザ端末装置6の画像撮影部63は、調整作業を行う作業者Uの前方の現実空間を撮影し、画像データ110を生成する。そして、画像データ送信処理部600は、画像撮影部63により撮影された画像データ110を安全支援装置5に送信する。
次に、ステップS210において、安全支援装置5の画像データ取得部500は、ステップS200で送信された画像データ110を受信する。
次に、ステップS220において、インターロック情報生成部501は、ステップS210で取得された画像データ110を入力データとして、学習モデル10に入力することで出力された出力データに基づいて、当該画像データ110に対するインターロック情報111を生成する。そして、ステップS221において、出力処理部504は、ステップS220で生成されたインターロック情報111を出力するための出力処理として、そのインターロック情報111を基板処理装置2に送信する。
次に、ステップS222において、基板処理装置2の制御ユニット25は、ステップS221で送信されたインターロック情報111を受信すると、そのインターロック情報111に基づいて、インターロック制御を行う。なお、ステップS221において、出力処理部504は、インターロック情報111をユーザ端末装置6にも送信してもよく、その場合には、ユーザ端末装置6のインターロック情報処理部601は、そのインターロック情報111を音声や表示画面を介して作業者Uに通知するようにしてもよい。
次に、ステップS230において、可動部情報取得部502は、ステップS210で取得された画像データ110に基づいて、作業者Uの周囲に存在する可動部の位置を示す可動部情報113を取得する。
次に、ステップS231において、オブジェクト情報生成部503は、ステップS220で生成されたインターロック情報111と、ステップS230で取得された可動部情報113とに基づいて、作業者Uの周囲に存在する可動部にインターロック情報111を重畳表示させるためのオブジェクト情報112を生成する。そして、ステップS232にお
いて、出力処理部504は、ステップS231で生成されたオブジェクト情報112を出力するための出力処理として、そのオブジェクト情報112をユーザ端末装置6に送信する。
いて、出力処理部504は、ステップS231で生成されたオブジェクト情報112を出力するための出力処理として、そのオブジェクト情報112をユーザ端末装置6に送信する。
次に、ステップS233において、ユーザ端末装置6のオブジェクト情報処理部602は、ステップS232で送信されたオブジェクト情報112を受信すると、そのオブジェクト情報112に基づいて、現実空間の可動部に対してインターロック情報111を示す仮想オブジェクトをユーザ端末装置6の出力部65に表示する。
図16は、現実空間の可動部にインターロック情報111Aを重畳表示した第1の例を示す図である。図17は、現実空間の可動部にインターロック情報111Bを重畳表示した第2の例を示す図である。以下では、説明の簡略化のため、画像データ110の画角と、作業者Uの視野とが一致するものとして説明するが、画像データ110の画角と、作業者Uの視野とは一致しなくてもよく、いずれか一方が広くてもよい。
図16では、作業者Uが、第1の研磨部22Aのカバーの手前に立って、第1の研磨部22Aのトップリング221まで手が届くような状態であるときに、画像撮影部63により撮影された画像データ110に基づいて生成されたインターロック情報111Aが、仮想オブジェクト120A~122Aとして表示された場合を図示している。
仮想オブジェクト120A、121Aは、画像データ110に撮影された第1の研磨部22Aのトップリング221に対するインターロック情報111Aとして、上下移動機構部221dのインターロックがオン(移動禁止)で、全範囲が移動禁止範囲に設定され、揺動移動機構部221eのインターロックがオン(移動禁止)で、0~60の範囲が移動禁止範囲に設定されたことを示している。仮想オブジェクト122Aは、画像データ110に撮影された第1のリニアトランスポータ230Aに対するインターロック情報111Aとして、第1のリニアトランスポータ230Aのインターロックがオフ(移動許可)で、全範囲が移動許可範囲に設定されたことを示している。
仮想オブジェクト120A~122Aの表示に合わせて、基板処理装置2では、図16に示すように、画像データ110に基づいて生成されたインターロック情報111Aにより、ステップS222にてインターロック制御が行われる。具体的には、画像データ110に撮影された第1の研磨部22Aのトップリング221に対するインターロック制御として、仮想オブジェクト120A~121Aと同様に、上下移動機構部221dの移動は、全範囲で制限され、揺動移動機構部221eの移動は、0~60の範囲で制限される。また、画像データ110に撮影された第1のリニアトランスポータ230Aに対するインターロック制御として、仮想オブジェクト122Aと同様に、第1のリニアトランスポータ230Aの移動は、全範囲で許可される。すなわち、作業者Uが、第1の研磨部22Aのカバーの手前に立って、第1の研磨部22Aのトップリング221まで手が届くような状態では、作業者Uと、第1のリニアトランスポータ230Aとが衝突する危険性がないため、第1のリニアトランスポータ230Aの移動が許可される。
図17では、作業者Uが、第1の研磨部22Aの内部に上半身を乗り入れて、第1のリニアトランスポータ230Aまで手が届くような状態であるときに、画像撮影部63により撮影された画像データ110に基づいて生成されたインターロック情報111Bが、仮想オブジェクト120B~122Bとして表示された場合を図示している。
仮想オブジェクト120B、121Bは、画像データ110に撮影された第1の研磨部22Aのトップリング221に対するインターロック情報111Bとして、上下移動機構部221dのインターロックがオン(移動禁止)で、全範囲が移動禁止範囲に設定され、
揺動移動機構部221eのインターロックがオン(移動禁止)で、0~60の範囲が移動禁止範囲に設定されたことを示している。仮想オブジェクト122Bは、画像データ110に撮影された第1のリニアトランスポータ230Aに対するインターロック情報111Bとして、第1のリニアトランスポータ230Aのインターロックがオン(移動禁止)で、全範囲が移動禁止範囲に設定されたことを示している。
揺動移動機構部221eのインターロックがオン(移動禁止)で、0~60の範囲が移動禁止範囲に設定されたことを示している。仮想オブジェクト122Bは、画像データ110に撮影された第1のリニアトランスポータ230Aに対するインターロック情報111Bとして、第1のリニアトランスポータ230Aのインターロックがオン(移動禁止)で、全範囲が移動禁止範囲に設定されたことを示している。
仮想オブジェクト120B~122Bの表示に合わせて、基板処理装置2では、図17に示すように、画像データ110に基づいて生成されたインターロック情報111Bにより、ステップS222にてインターロック制御が行われる。具体的には、画像データ110に撮影された第1の研磨部22Aのトップリング221に対するインターロック制御として、仮想オブジェクト120B~121Bと同様に、上下移動機構部221dの移動は、全範囲で制限され、揺動移動機構部221eの移動は、0~60の範囲で制限される。また、画像データ110に撮影された第1のリニアトランスポータ230Aに対するインターロック制御として、仮想オブジェクト122Bと同様に、第1のリニアトランスポータ230Aの移動は、全範囲で禁止される。すなわち、作業者Uが、第1の研磨部22Aの内部に上半身を乗り入れて、第1のリニアトランスポータ230Aまで手が届くような状態では、作業者Uと、第1のリニアトランスポータ230Aとが衝突する危険性があるため、第1のリニアトランスポータ230Aの移動が禁止される。
なお、図16及び図17では、インターロック情報111A、111Bが、可動部として、トップリング221の上下移動機構部221d及び揺動移動機構部221eと、第1のリニアトランスポータ230Aとに対するインターロック状態を含む場合について説明したが、他の可動部に対するインターロック状態をさらに含むものでもよい。他の可動部としては、例えば、画像データ110に撮影された可動部、すなわち、作業者Uが装着したユーザ端末装置6の画像撮影部63の画角内に存在する可動部でもよいし、その作業者Uの周囲に存在すると推定される可動部でもよい。
以上のように、基板処理装置2によりインターロック制御が行われるとともに、作業者Uは、出力部65に表示された仮想オブジェクト120A~122A、120B~122Bを視認することにより可動部のインターロック状態を把握することができる。そして、作業者Uの身体の位置や向きが変更されて、画像データ110の撮影条件が変更されることに応じて、インターロック情報111及びオブジェクト情報112を生成する処理が繰り返し行われる。これにより、作業者Uは、基板処理装置2に対して安全に作業を実施することができる。なお、上記の安全支援方法において、ステップS210が画像データ取得工程、ステップS220がインターロック情報生成工程、ステップS230が可動部情報取得工程、ステップS231がオブジェクト情報生成工程に相当する。
本実施形態に係る安全支援装置5及び安全支援方法によれば、ユーザ端末装置6を装着した作業者Uが、基板処理装置2に対して可動部の可動範囲内に身体の少なくとも一部を入れて作業を行うときに、作業者Uの前方に向けて配置される画像撮影部63により撮影された画像データ110に基づいて、可動部のインターロック情報111が生成されるので、作業者Uと可動部との位置関係に応じて可動部のインターロックを制御することができる。したがって、作業者Uの安全を適切に確保しつつ、作業者Uの作業効率を向上させることができる。また、本実施形態に係る安全支援装置5及び安全支援方法によれば、現実空間の可動部に対してインターロック情報111が重畳表示されるので、作業者Uは、可動部のインターロック状態を把握することができる。
(他の実施形態)
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思
想に含まれるものである。
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思
想に含まれるものである。
上記実施形態では、データベース装置3、機械学習装置4、安全支援装置5及びユーザ端末装置6は、別々の装置で構成されたものとして説明したが、それら4つの装置が、単一の装置で構成されていてもよいし、それら4つの装置のうち任意の2つ又は3つの装置が、単一の装置で構成されていてもよい。また、機械学習装置4及び安全支援装置5の少なくとも一方は、基板処理装置2の制御ユニット25又はユーザ端末装置6に組み込まれていてもよい。例えば、ユーザ端末装置6の記憶部62に学習モデル10を記憶し、ユーザ端末装置6の制御部60が、画像データ取得部500、インターロック情報生成部501、可動部情報取得部502及びオブジェクト情報生成部503として機能するようにしてもよい。
上記実施形態では、基板処理装置2が、各ユニット21~24を備えるものとして説明したが、基板処理装置2は、基板処理として、例えば、研磨処理、洗浄処理及び乾燥処理の少なくとも1つを行う処理装置であればよく、研磨処理として、化学機械研磨処理に代えて、物理機械研磨処理でもよい。
上記実施形態では、機械学習装置4、安全支援装置5及びユーザ端末装置6は、基板処理を行う基板処理装置2に適用したものとして説明したが、所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置であれば任意の処理装置に適用してもよい。処理装置としては、基板処理装置2と同様に、ハウジング20にカバーや扉が設けられて、カバーや扉の内側の空間に可動部が配置されるような閉鎖型の装置でもよいし、カバーや扉が設けられることなく、屋内や屋外のような空間に可動部が配置されるような開放型の装置でもよい。
上記実施形態では、機械学習部401による機械学習を実現する学習モデルとして、ニューラルネットワークを採用した場合について説明したが、他の機械学習のモデルを採用してもよい。他の機械学習のモデルとしては、例えば、決定木、回帰木等のツリー型、バギング、ブースティング等のアンサンブル学習、再帰型ニューラルネットワーク、畳み込みニューラルネットワーク、LSTM等のニューラルネット型(ディープラーニングを含
む)、階層型クラスタリング、非階層型クラスタリング、k近傍法、k平均法等のクラス
タリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。
む)、階層型クラスタリング、非階層型クラスタリング、k近傍法、k平均法等のクラス
タリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。
上記実施形態では、安全支援装置5のインターロック情報生成部501は、画像データ取得部500により取得された画像データ110に基づいてインターロック情報111を生成する際、学習済みの学習モデル10を用いる場合について説明したが、他の手法を採用してもよい。他の手法としては、例えば、画像処理に基づくルールベースが挙げられる。すなわち、インターロック情報生成部501は、画像データ取得部500により取得された画像データ110に対して画像処理を行うことにより作業者Uの位置を示す作業者情報を取得し、その取得した作業者情報に基づいて、当該画像データ110に対するインターロック情報111を生成するようにしてもよい。作業者Uの位置は、例えば、基板処理装置2のハウジング20における任意の位置を原点とする絶対的な位置でもよいし、可動部の位置を基準とする可動部からの相対的な位置でもよい。そして、インターロック情報生成部501は、作業者Uと可動部との間の位置関係(距離や高さ)により、可動部が作業者Uに衝突する危険性が高いか否かを判断し、その判断結果に基づいて、インターロック情報111を生成するようにすればよい。その際、インターロック情報生成部501は、判断時点での可動部の位置をさらに考慮し、インターロック情報111を生成するようにしてもよい。可動部の位置は、例えば、可動部情報取得部502が画像データ110に対して画像処理を行うことにより取得してもよいし、基板処理装置2の制御ユニット25
から通信部51及びネットワーク7を介してレポートRを受信することにより取得してもよい。
から通信部51及びネットワーク7を介してレポートRを受信することにより取得してもよい。
上記実施形態では、安全支援装置5が、図15に示すフローチャートに従って動作する場合について説明したが、各ステップの実行順序を適宜変更してもよいし、一部のステップを省略してもよく。例えば、ステップS230~S232は省略されてもよい。
(機械学習プログラム及び安全支援プログラム)
本発明は、機械学習装置4が備える各部としてコンピュータ900を機能させるプログラム(機械学習プログラム)や、機械学習方法が備える各工程をコンピュータ900に実行させるためのプログラム(機械学習プログラム)の態様で提供することもできる。また、本発明は、安全支援装置5やユーザ端末装置6が備える各部としてコンピュータ900を機能させるためのプログラム(安全支援プログラム)や、上記実施形態に係る安全支援方法が備える各工程をコンピュータ900に実行させるためのプログラム(安全支援プログラム)の態様で提供することもできる。
本発明は、機械学習装置4が備える各部としてコンピュータ900を機能させるプログラム(機械学習プログラム)や、機械学習方法が備える各工程をコンピュータ900に実行させるためのプログラム(機械学習プログラム)の態様で提供することもできる。また、本発明は、安全支援装置5やユーザ端末装置6が備える各部としてコンピュータ900を機能させるためのプログラム(安全支援プログラム)や、上記実施形態に係る安全支援方法が備える各工程をコンピュータ900に実行させるためのプログラム(安全支援プログラム)の態様で提供することもできる。
(推論装置、推論方法及び推論プログラム)
本発明は、上記実施形態に係る安全支援装置5(安全支援方法又は安全支援プログラム)の態様によるもののみならず、インターロック情報を推論するために用いられる推論装置(推論方法又は推論プログラム)の態様で提供することもできる。その場合、推論装置(推論方法又は推論プログラム)としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、画像データ110を取得する画像データ処理(画像データ取得工程)と、画像データ取得処理にて画像データを取得すると、当該画像データに基づいて、可動部のインターロック状態を示すインターロック情報111を推論する推論処理(推論工程)とを含む。
本発明は、上記実施形態に係る安全支援装置5(安全支援方法又は安全支援プログラム)の態様によるもののみならず、インターロック情報を推論するために用いられる推論装置(推論方法又は推論プログラム)の態様で提供することもできる。その場合、推論装置(推論方法又は推論プログラム)としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、画像データ110を取得する画像データ処理(画像データ取得工程)と、画像データ取得処理にて画像データを取得すると、当該画像データに基づいて、可動部のインターロック状態を示すインターロック情報111を推論する推論処理(推論工程)とを含む。
推論装置(推論方法又は推論プログラム)の態様で提供することで、安全支援装置を実装する場合に比して簡単に種々の装置への適用が可能となる。推論装置(推論方法又は推論プログラム)がインターロック情報を推論する際、上記実施形態に係る機械学習装置及び機械学習方法により生成された学習済みの学習モデルを用いて、インターロック情報生成部が実施する推論手法を適用してもよいことは、当業者にとって当然に理解され得るものである。
1…基板処理システム、2…基板処理装置、3…データベース装置、
4…機械学習装置、5…安全支援装置、6…ユーザ端末装置(作業者装置)、
7…ネットワーク、10…学習モデル、11…学習用データ
20…ハウジング、21…ロード/アンロードユニット、22…研磨ユニット、
23…基板搬送ユニット、24…仕上げユニット、25…制御ユニット、
40…制御部、41…通信部、42…学習用データ記憶部、
43…学習済みモデル記憶部、44…入力部、45…出力部、
50…制御部、51…通信部、52…記憶部、
60…制御部、61…通信部、62…記憶部、63…画像撮影部、64…入力部、
65…出力部、66…センサ群、
110…画像データ、111、111A、111B…インターロック情報、
112…オブジェクト情報、113…可動部情報、
120A~122A、120B~122B…仮想オブジェクト
400…学習用データ取得部、401…機械学習部、
500…画像データ取得部、501…インターロック情報生成部、
502…可動部情報取得部、503…オブジェクト情報生成部、504…出力処理部、
600…画像データ送信処理部、601…インターロック情報処理部、
602…オブジェクト情報処理部、
900…コンピュータ、U…作業者、W…ウェハ
4…機械学習装置、5…安全支援装置、6…ユーザ端末装置(作業者装置)、
7…ネットワーク、10…学習モデル、11…学習用データ
20…ハウジング、21…ロード/アンロードユニット、22…研磨ユニット、
23…基板搬送ユニット、24…仕上げユニット、25…制御ユニット、
40…制御部、41…通信部、42…学習用データ記憶部、
43…学習済みモデル記憶部、44…入力部、45…出力部、
50…制御部、51…通信部、52…記憶部、
60…制御部、61…通信部、62…記憶部、63…画像撮影部、64…入力部、
65…出力部、66…センサ群、
110…画像データ、111、111A、111B…インターロック情報、
112…オブジェクト情報、113…可動部情報、
120A~122A、120B~122B…仮想オブジェクト
400…学習用データ取得部、401…機械学習部、
500…画像データ取得部、501…インターロック情報生成部、
502…可動部情報取得部、503…オブジェクト情報生成部、504…出力処理部、
600…画像データ送信処理部、601…インターロック情報処理部、
602…オブジェクト情報処理部、
900…コンピュータ、U…作業者、W…ウェハ
Claims (10)
- 所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して前記可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者の安全を支援する安全支援装置であって、
前記作業者が画像撮影部を備える作業者装置を装着したときに前記作業者の前方に向けて配置される前記画像撮影部により撮影された画像データを取得する画像データ取得部と、
前記画像データ取得部により取得された前記画像データに基づいて、前記可動部のインターロック状態を示すインターロック情報を生成するインターロック情報生成部と、を備える、
安全支援装置。 - 前記インターロック情報生成部は、
前記画像データ取得部により取得された前記画像データに対して画像処理を行うことにより前記作業者の位置を示す作業者情報を取得し、その取得した前記作業者情報に基づいて、当該画像データに対する前記インターロック情報を生成する、
請求項1に記載の安全支援装置。 - 前記インターロック情報生成部は、
前記画像データと前記インターロック情報との相関関係を機械学習させた学習モデルに、前記画像データ取得部により取得された前記画像データを入力することにより、当該画像データに対する前記インターロック情報を生成する、
請求項1に記載の安全支援装置。 - 前記画像データ取得部により取得された前記画像データに基づいて、前記作業者の周囲に存在する前記可動部の位置を示す可動部情報を取得する可動部情報取得部と、
前記インターロック情報生成部により生成された前記インターロック情報と、前記可動部情報取得部により取得された前記可動部情報とに基づいて、現実空間の対象物にオブジェクト情報を重畳表示可能な出力部をさらに備える前記作業者装置が前記作業者に装着されたときに前記作業者の周囲に存在する前記可動部に前記インターロック情報を重畳表示させるための前記オブジェクト情報を生成するオブジェクト情報生成部と、をさらに備える、
請求項1に記載の安全支援装置。 - 前記インターロック情報は、前記インターロック状態として、
前記可動部に対する移動許可又は移動禁止を示すインターロックオンオフ状態と、
前記可動範囲に対する前記可動部の移動許可範囲又は移動禁止範囲を示すインターロック制御範囲との少なくとも1つを含む、
請求項1乃至請求項4のいずれか一項に記載の安全支援装置。 - メモリと、プロセッサとを備える推論装置であって、
前記プロセッサは、
所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して前記可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者が画像撮影部を備える作業者装置を装着したときに前記作業者の前方に向けて配置される前記画像撮影部により撮影された画像データを取得する画像データ取得処理と、
前記画像データ取得処理にて前記画像データを取得すると、当該画像データに基づいて、前記可動部のインターロック状態を示すインターロック情報を推論する推論処理と、を実行する、
推論装置。 - 所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して前記可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者が画像撮影部を備える作業者装置を装着したときに前記作業者の前方に向けて配置される前記画像撮影部により撮影された画像データと、前記可動部のインターロック状態を示すインターロック情報とで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、前記画像データと前記インターロック情報との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備える、
機械学習装置。 - 所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して前記可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者の安全を支援する安全支援方法であって、
前記作業者が画像撮影部を備える作業者装置を装着したときに前記作業者の前方に向けて配置される前記画像撮影部により撮影された画像データを取得する画像データ取得工程と、
前記画像データ取得工程により取得された前記画像データに基づいて、前記可動部のインターロック状態を示すインターロック情報を生成するインターロック情報生成工程と、を備える、
安全支援方法。 - メモリと、プロセッサとを備える推論装置により実行される推論方法であって、
前記プロセッサは、
所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して前記可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者が画像撮影部を備える作業者装置を装着したときに前記作業者の前方に向けて配置される前記画像撮影部により撮影された画像データを取得する画像データ取得工程と、
前記画像データ取得工程にて前記画像データを取得すると、当該画像データに基づいて、前記可動部のインターロック状態を示すインターロック情報を推論する推論工程と、を実行する、
推論方法。 - 所定の可動範囲を有する可動部を移動させて所定の処理を行う処理装置に対して前記可動範囲内に身体の少なくとも一部を入れて所定の作業を行う作業者が画像撮影部を備える作業者装置を装着したときに前記作業者の前方に向けて配置される前記画像撮影部により撮影された画像データと、前記可動部のインターロック状態を示すインターロック情報とで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを学習モデルに入力することで、前記画像データと前記インターロック情報との相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備える、
機械学習方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022189586A JP2024077469A (ja) | 2022-11-28 | 2022-11-28 | 安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法 |
PCT/JP2023/037506 WO2024116625A1 (ja) | 2022-11-28 | 2023-10-17 | 安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022189586A JP2024077469A (ja) | 2022-11-28 | 2022-11-28 | 安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024077469A true JP2024077469A (ja) | 2024-06-07 |
Family
ID=91323594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022189586A Pending JP2024077469A (ja) | 2022-11-28 | 2022-11-28 | 安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2024077469A (ja) |
WO (1) | WO2024116625A1 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6501692B2 (ja) * | 2015-10-27 | 2019-04-17 | 東京エレクトロン株式会社 | 注意喚起情報提供システム |
JP2020149140A (ja) * | 2019-03-11 | 2020-09-17 | 株式会社Nttファシリティーズ | 作業支援システム、作業支援方法、及びプログラム |
-
2022
- 2022-11-28 JP JP2022189586A patent/JP2024077469A/ja active Pending
-
2023
- 2023-10-17 WO PCT/JP2023/037506 patent/WO2024116625A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024116625A1 (ja) | 2024-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Calandra et al. | More than a feeling: Learning to grasp and regrasp using vision and touch | |
WO2024116625A1 (ja) | 安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法 | |
US20240062066A1 (en) | Information processing apparatus and machine learning apparatus | |
WO2023189170A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
WO2023112830A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
Lin et al. | Learning Visuotactile Skills with Two Multifingered Hands | |
WO2024024391A1 (ja) | 情報処理装置、機械学習装置、情報処理方法、及び、機械学習方法 | |
WO2024053221A1 (ja) | 情報処理装置、機械学習装置、情報処理方法、及び、機械学習方法 | |
WO2022158060A1 (ja) | 加工面判定装置、加工面判定プログラム、加工面判定方法、加工システム、推論装置、及び、機械学習装置 | |
WO2023149162A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
Xu et al. | Learning-based modular task-oriented grasp stability assessment | |
TW202422416A (zh) | 資訊處理裝置、機械學習裝置、資訊處理方法、及機械學習方法 | |
US20210303757A1 (en) | Semiconductor fabrication process parameter determination using a generative adversarial network | |
WO2023058285A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
WO2023058289A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
WO2023189165A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
TW202347475A (zh) | 資訊處理裝置、推論裝置、機械學習裝置、資訊處理方法、推論方法、及機械學習方法 | |
WO2023153208A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
JP2023127537A (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
TW202348349A (zh) | 資訊處理裝置、推論裝置、機械學習裝置、資訊處理方法、推論方法、及機械學習方法 | |
JP2023116396A (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
JP2023090667A (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
JP7450517B2 (ja) | 加工面判定装置、加工面判定プログラム、加工面判定方法、及び、加工システム | |
WO2024135150A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
Liang et al. | Dreamitate: Real-World Visuomotor Policy Learning via Video Generation |