JP2024108309A - データ処理方法および生産装置 - Google Patents

Abstract

【課題】デバイスのリソースを節約しつつ、時系列データを処理できる技術を提供する。【解決手段】マイコン２０は、時系列データＤ１の最新のデータ値をメモリ２２に記憶させるとともに、過去の一部のデータ値をメモリ２２から削除する。これにより、時系列データＤ１の全てのデータ値をメモリ２２に記憶させる場合よりも、メモリ２２のリソースを節約できる。また、マイコン２０は、時系列データＤ１の波形全体に基づいて特徴量を算出するのではなく、メモリ２２に記憶された所定数のデータ値に基づいて、特徴量を算出する。これにより、プロセッサ２１のリソースを節約できる。【選択図】図１

Description

本発明は、プロセッサおよびメモリを有するデバイスにより時系列データを処理する技術に関する。

従来、生産装置には、多数のセンサが搭載されている。これらのセンサは、対象物の状態を示す検出値を、微小な時間間隔で出力する。すなわち、センサの出力信号は、複数の検出値で構成される時系列データとなっている。生産装置の制御部は、センサから得られる時系列データに基づいて、対象物の状態が正常であるか否かを判定する。

センサを有する従来の生産装置については、例えば、特許文献１に記載されている。

国際公開第２０１９／２４４２０３号公報

生産装置は、装置全体を統括的に制御するコンピュータ（中央処理部）とは別に、各センサの近傍に専用のマイコン（マイクロコントローラ）を備えている場合がある。この場合、センサの出力信号は、マイコンで処理される。これにより、中央処理部の演算負担が軽減され、生産装置の処理を効率よく行うことができる。

しかしながら、マイコンは、中央処理部としてのコンピュータと比べて、メモリやプロセッサ等のリソースが小さい。このため、センサから出力される時系列データのサイズが大きい場合には、マイコンにおいて当該時系列データの全体を記憶して処理することが困難となる場合がある。

特に、近年の生産装置では、センサから出力される時系列データのサイズが大きくなる一方で、対象物の状態を遅延なく監視することが、ますます重要となっている。

本発明は、このような事情に鑑みなされたものであり、デバイスのリソースを節約しつつ、時系列データを処理できる技術を提供することを目的とする。

上記課題を解決するため、本願の第１発明は、プロセッサおよびメモリを有するデバイスにより時系列データを処理するデータ処理方法であって、ａ）前記時系列データの最新のデータ値を前記メモリに記憶させるとともに、過去の一部のデータ値を前記メモリから削除する工程と、ｂ）所定の条件を満たすタイミングか否かを判定する工程と、ｃ）前記工程ｂ）において前記所定の条件を満たすタイミングであると判定された場合に、前記メモリに記憶された複数のデータ値に基づいて、特徴量を算出する工程と、ｄ）前記工程ｃ）により算出された前記特徴量を、前記メモリに記憶させる工程と、を有する。

本願の第２発明は、第１発明のデータ処理方法であって、ｅ）前記特徴量に基づいて異常の有無を判定する工程をさらに有する。

本願の第３発明は、第１発明または第２発明のデータ処理方法であって、前記時系列データは、ノズルからの処理液の吐出流量を示すデータであり、前記時系列データは、前記データ値が次第に増加する立ち上がり段階と、前記データ値が略一定となる安定段階と、前記データ値が次第に低下する立ち下がり段階と、を有し、前記特徴量は、前記立ち上がり段階の時間と、前記立ち上がり段階と前記安定段階との間における前記データ値のオーバーシュート量と、前記安定段階における前記データ値の変動量と、前記立ち下がり段階の時間と、のうちの少なくとも１つを含む。

本願の第４発明は、第１発明または第２発明のデータ処理方法であって、前記時系列データは、第１方向に搬送すべき対象物の前記第１方向に直交する第２方向の加速度を示すデータであり、前記特徴量は、前記対象物の前記第２方向の加速度の最大値と、前記対象物の前記第２方向の加速度の最小値と、のうちの少なくとも１つを含む。

本願の第５発明は、プロセッサおよびメモリを有するデバイスにより時系列データを処理するデータ処理方法であって、ａ）前記時系列データの最新のデータ値を前記メモリに記憶させるとともに、過去の一部のデータ値を前記メモリから削除する工程と、ｂ）前記メモリに記憶された複数のデータ値に基づいて、特徴量を算出する工程と、ｃ）前記工程ｂ）により算出された前記特徴量を、前記メモリに記憶させる工程と、を有し、前記工程ａ）では、ｍを自然数として、前記メモリに記憶されるデータ値の間隔が２^ｍ番間隔となるように、データ値を削除する。

本願の第６発明は、第５発明のデータ処理方法であって、ｄ）前記特徴量に基づいて異常の有無を判定する工程をさらに有する。

本願の第７発明は、時系列データを出力するセンサと、前記センサと電気的に接続されたマイコンと、前記マイコンと電気的に接続された中央処理部と、を備えた生産装置であって、前記マイコンは、ａ）前記時系列データの最新のデータ値をメモリに記憶させるとともに、過去の一部のデータ値を前記メモリから削除する工程と、ｂ）所定の条件を満たすタイミングか否かを判定する工程と、ｃ）前記工程ｂ）において前記所定の条件を満たすタイミングであると判定された場合に、前記メモリに記憶された複数のデータ値に基づいて、特徴量を算出する工程と、ｄ）前記工程ｃ）により算出された前記特徴量を、前記メモリに記憶させる工程と、を実行する。

本願の第８発明は、時系列データを出力するセンサと、前記センサと電気的に接続されたマイコンと、前記マイコンと電気的に接続された中央処理部と、を備えた生産装置であって、前記マイコンは、ａ）前記時系列データの最新のデータ値をメモリに記憶させるとともに、過去の一部のデータ値を前記メモリから削除する工程と、ｂ）前記メモリに記憶された複数のデータ値に基づいて、特徴量を算出する工程と、ｃ）前記工程ｂ）により算出された前記特徴量を、前記メモリに記憶させる工程と、を実行し、前記工程ａ）では、ｍを自然数として、前記メモリに記憶されるデータ値の間隔が２^ｍ番間隔となるように、検出値を削除する。

本願の第１発明から第６発明によれば、デバイスは、時系列データの最新のデータ値をメモリに記憶させるとともに、過去の一部のデータ値をメモリから削除する。これにより、時系列データの全てのデータ値をメモリに記憶させる場合よりも、メモリのリソースを節約できる。

また、本願の第１発明から第６発明によれば、デバイスは、時系列データの波形全体に基づいて特徴量を算出するのではなく、メモリに記憶された所定数のデータ値に基づいて、特徴量を算出する。これにより、プロセッサのリソースを節約できる。

特に、本願の第１発明によれば、デバイスは、最新のデータ値が入力されるたびに特徴量を算出するのではなく、所定の条件を満たすタイミングにおいてのみ、特徴量を算出する。これにより、プロセッサのリソースをより節約できる。

また、本願の第５発明によれば、デバイスは、メモリに記憶されるデータ値の間隔が２^ｍ番間隔となるように、データ値を削除する。このように、メモリに記憶されるデータ値を間引くように削除すれば、メモリのリソースを節約しつつ、長期のデータ値に基づいて、特徴量を算出できる。

また、本願の第２発明または第６発明によれば、デバイスのリソースを節約しつつ、異常の有無を判定できる。

また、本願の第７発明または第８発明によれば、マイコンは、時系列データの最新のデータ値をメモリに記憶させるとともに、過去の一部のデータ値をメモリから削除する。これにより、時系列データの全てのデータ値をメモリに記憶させる場合よりも、メモリのリソースを節約できる。

また、本願の第７発明または第８発明によれば、マイコンは、時系列データの波形全体に基づいて特徴量を算出するのではなく、メモリに記憶された所定数のデータ値に基づいて、特徴量を算出する。これにより、プロセッサのリソースを節約できる。

特に、本願の第７発明によれば、マイコンは、最新のデータ値が入力されるたびに特徴量を算出するのではなく、所定の条件を満たすタイミングにおいてのみ、特徴量を算出する。これにより、プロセッサのリソースをより節約できる。

また、本願の第８発明によれば、マイコンは、メモリに記憶されるデータ値の間隔が２^ｍ番間隔となるように、データ値を削除する。このように、メモリに記憶されるデータ値を間引くように削除すれば、メモリのリソースを節約しつつ、長期のデータ値に基づいて、特徴量を算出できる。

データ処理方法が実行される生産装置の構成を示した図である。 時系列データの第１の処理手順を示したフローチャートである。 時系列データの例を示した図である。 メモリに記憶される検出値の例を示した図である。 時系列データの第２の処理手順を示したフローチャートである。 図４とは異なる方法でメモリから検出値を削除する例を示した図である。 液吐出装置の構成を示した図である。 ノズルから処理液を吐出するときに、流量計から出力される時系列データの例を示すグラフである。 搬送装置の構成を示した図である。

以下、本発明の実施形態について、図面を参照しつつ説明する。

＜１．生産装置の構成＞
図１は、本発明の一実施形態に係るデータ処理方法が実行される生産装置１の構成を示した図である。生産装置１は、例えば、半導体ウェハ、フラットパネルディスプレイ用基板、プリント基板等の基板を処理する基板処理装置である。ただし、生産装置１は、基板以外の被処理物を処理する装置であってもよい。また、生産装置１は、紙などの基材に印刷を行う印刷装置であってもよい。また、生産装置１は、被処理物の検査のみを行う装置であってもよい。

図１に示すように、生産装置１は、複数のセンサ１０と、複数のマイコン２０と、中央処理部３０とを有する。

センサ１０は、生産装置１内の対象物の状態を検出する検出器である。対象物の状態とは、例えば、対象物の位置、速度、加速度、温度、圧力、流量などである。センサ１０は、対象物の状態を、微小な時間間隔で検出する。これにより、対象物の状態を示す検出値（データ値）が、微小な時間間隔で並んだ時系列データＤ１が得られる。センサ１０は、得られた時系列データＤ１を、マイコン２０へ出力する。

マイコン（マイクロコントローラ）２０は、センサ１０から出力される時系列データＤ１を処理するデバイスである。マイコン２０は、センサ１０と電気的に接続されている。図１に示すように、マイコン２０は、ＣＰＵ等のプロセッサ２１とメモリ２２とを有する。プロセッサ２１は、メモリ２２に記憶されたプログラムに従って、時系列データＤ１を処理することにより、対象物の状態が正常であるか否かを判定する。そして、マイコン２０は、対象物の状態を示す判定結果Ｄ２を、中央処理部３０へ出力する。

中央処理部３０は、生産装置１の全体を統括的に制御するコンピュータである。中央処理部３０は、複数のマイコン２０と電気的に接続されている。中央処理部３０は、ＣＰＵ等のプロセッサ３１と、ＲＡＭ等のメモリ３２と、ハードディスクドライブ等の記憶部３３とを有する。プロセッサ３１は、記憶部３３に記憶されたプログラムに従って動作する。中央処理部３０は、マイコン２０から判定結果Ｄ２を受信する。そして、判定結果Ｄ２に基づいて、生産装置１内の各部の動作を制御したり、アラートを出力したりする。

上記のように、図１の生産装置１では、中央処理部３０とは別に、各センサ１０に対して専用のマイコン２０が設けられている。これにより、中央処理部３０の演算負担が軽減され、生産装置１の処理を効率よく行うことができる。また、対象物の異常を、迅速に検知することができる。

ただし、マイコン２０のリソースは、中央処理部３０のリソースよりも小さい。すなわち、マイコン２０のプロセッサ２１は、中央処理部３０のプロセッサ３１よりも処理能力が低い。また、マイコン２０のメモリ２２は、中央処理部３０のメモリ３２および記憶部３３よりも、記憶容量が小さい。このため、マイコン２０では、センサ１０から出力される全ての時系列データＤ１を、そのまま記憶して処理することが難しい。そこで、本実施形態のマイコン２０は、リソースを節約しつつ時系列データＤ１を処理する。

＜２．マイコンにおける時系列データの処理＞
＜２－１．第１の処理手順＞
図２は、時系列データＤ１の処理手順の一例（第１の処理手順）を示したフローチャートである。マイコン２０は、センサ１０から検出値を受信するたびに、図２の処理を実行する。

図２に示すように、マイコン２０は、まず、センサ１０から最新の検出値ｖ（ｎ）を取得する（ステップＳ１）。そして、マイコン２０は、取得した検出値ｖ（ｎ）をメモリ２２に記憶させる（ステップＳ２）。

図３は、時系列データＤ１の例を示した図である。図３に示すように、時系列データＤ１は、複数の検出値ｖ（１），ｖ（２），ｖ（３），…，ｖ（ｎ）が、微小な時間間隔で並んだデータである。図４は、メモリ２２に記憶される検出値の例を示した図である。図４に示すように、メモリ２２には、所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）のみがキューとして記憶される。図４の例では、メモリ２２に１０個の検出値ｖ（ｎ－９）～ｖ（ｎ）が記憶されている。ただし、メモリ２２に記憶される検出値ｖの数は、図４の例に限定されるものではない。

ステップＳ１において、最新の検出値ｖ（ｎ）が入力されると、マイコン２０は、ステップＳ２において、当該検出値ｖ（ｎ）をメモリ２２に記憶させて、最古の検出値ｖ（ｎ－１０）をメモリ２２から削除する。これにより、メモリ２２には、常に所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）のみが記憶される。

最新の検出値ｖ（ｎ）がメモリ２２に記憶されると、次に、マイコン２０は、メモリ２２に記憶された所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）に基づいて、特徴量Ｆ（ｎ）を算出する（ステップＳ３）。特徴量Ｆ（ｎ）は、例えば、所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）の最大値、最小値、中央値、平均値、標準偏差、回帰係数などである。ただし、特徴量Ｆ（ｎ）は、上記の例に限定されるものではなく、尖度、傾度、四分位数、外れ値の数などであってもよい。マイコン２０は、少なくとも１種類の特徴量Ｆ（ｎ）を算出する。

マイコン２０は、算出された特徴量Ｆ（ｎ）を、メモリ２２に記憶させる（ステップＳ４）。そして、マイコン２０は、特徴量Ｆ（ｎ）に基づいて、対象物の状態が正常か否か（異常の有無）を判定する（ステップＳ５）。例えば、マイコン２０は、特徴量Ｆ（ｎ）が、予め設定された閾値よりも大きい場合または小さい場合に、対象物の状態が異常であると判定する。

また、マイコン２０は、特徴量Ｆ（ｎ）を入力変数とし、対象物の状態（正常または異常）を出力変数とする機械学習モデルを有していてもよい。その場合、マイコン２０は、ステップＳ５において、機械学習モデルに特徴量Ｆ（ｎ）を入力する。そうすると、機械学習モデルから、対象物の状態が出力される。マイコン２０は、機械学習モデルの当該出力値を判定結果Ｄ２としてもよい。

なお、機械学習の手法として、ｋ近傍法、One-class SVM、One-class NNなどを利用してもよい。

このように、マイコン２０は、時系列データＤ１の全ての検出値をメモリ２２に記憶させるのではなく、所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）と特徴量Ｆ（ｎ）のみを、メモリ２２に記憶させる。これにより、メモリ２２のリソースを節約することができる。

また、マイコン２０は、時系列データＤ１の波形全体に基づいて特徴量Ｆ（ｎ）を算出するのではなく、メモリ２２に記憶された所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）のみに基づいて特徴量Ｆ（ｎ）を算出する。これにより、プロセッサ２１のリソースも節約することができる。

したがって、リソースが小さいマイコン２０において、リアルタイムに対象物の状態を検知することができる。

＜２－２．第２の処理手順＞
図５は、時系列データＤ１の処理手順の他の例（第２の処理手順）を示したフローチャートである。マイコン２０は、センサ１０から検出値を受信するたびに、図５の処理を実行する。

図５の例では、マイコン２０は、まず、センサ１０から最新の検出値ｖ（ｎ）を取得する（ステップＳ１）。そして、マイコン２０は、取得した検出値ｖ（ｎ）をメモリ２２に記憶させる（ステップＳ２）。ここでは、マイコン２０は、上記の第１の処理手順と同様に、最新の検出値ｖ（ｎ）をメモリ２２に記憶させて、最古の検出値ｖ（ｎ－１０）をメモリ２２から削除する。これにより、メモリ２２には、常に所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）のみが記憶される。

最新の検出値ｖ（ｎ）がメモリ２２に記憶されると、次に、マイコン２０は、現時刻が、特徴量Ｆ（ｎ）を算出すべきタイミングか否かを判定する（ステップＳａ）。すなわち、マイコン２０は、現時刻が、所定の条件を満たすタイミングか否かを判定する。所定の条件は、例えば、現時刻が、予め設定された算出開始時刻と算出終了時刻との間であること、とされる。ただし、特徴量Ｆ（ｎ）を算出すべきタイミングは、他の条件により決定してもよい。

現時刻が特徴量Ｆ（ｎ）を算出すべきタイミングでないと判定された場合（ステップＳａ：Ｎｏ）、マイコン２０は、後述するステップＳ３～Ｓ５の処理を省略して、第２の処理手順を終了する。

一方、現時刻が特徴量Ｆ（ｎ）を算出すべきタイミングであると判定された場合（ステップＳａ：Ｙｅｓ）、マイコン２０は、メモリ２２に記憶された所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）に基づいて、特徴量Ｆ（ｎ）を算出する（ステップＳ３）。特徴量Ｆ（ｎ）は、例えば、所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）の最大値、最小値、中央値、平均値、標準偏差、回帰係数などである。ただし、特徴量Ｆ（ｎ）は、上記の例に限定されるものではなく、尖度、傾度、四分位数、外れ値の数などであってもよい。マイコン２０は、少なくとも１種類の特徴量Ｆ（ｎ）を算出する。

マイコン２０は、算出された特徴量Ｆ（ｎ）を、メモリ２２に記憶させる（ステップＳ４）。そして、マイコン２０は、特徴量Ｆ（ｎ）に基づいて、対象物の状態が正常か否か（異常の有無）を判定する（ステップＳ５）。例えば、マイコン２０は、特徴量Ｆ（ｎ）が、予め設定された閾値よりも大きい場合または小さい場合に、対象物の状態が異常であると判定する。

また、マイコン２０は、特徴量Ｆ（ｎ）を入力変数とし、対象物の状態（正常または異常）を出力変数とする機械学習モデルを有していてもよい。その場合、マイコン２０は、ステップＳ５において、機械学習モデルに特徴量Ｆ（ｎ）を入力する。そうすると、機械学習モデルから、対象物の状態が出力される。マイコン２０は、機械学習モデルの当該出力値を判定結果Ｄ２としてもよい。

なお、機械学習の手法として、ｋ近傍法、One-class SVM、One-class NNなどを利用してもよい。

この第２の処理手順においても、マイコン２０は、時系列データＤ１の全ての検出値をメモリ２２に記憶させるのではなく、所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）と特徴量Ｆ（ｎ）のみを、メモリ２２に記憶させる。これにより、メモリ２２のリソースを節約することができる。

また、マイコン２０は、時系列データＤ１の波形全体に基づいて特徴量Ｆ（ｎ）を算出するのではなく、メモリ２２に記憶された所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）のみに基づいて特徴量Ｆ（ｎ）を算出する。これにより、プロセッサ２１のリソースも節約することができる。

さらに、この第２の処理手順では、最新の検出値ｖ（ｎ）が入力されるたびに特徴量Ｆ（ｎ）を算出するのではなく、所定の条件を満たすタイミングにおいてのみ、特徴量Ｆ（ｎ）を算出する。これにより、最新の検出値ｖ（ｎ）が入力されるたびに特徴量Ｆ（ｎ）を毎回算出する場合よりも、プロセッサ２１のリソースを、より節約できる。

したがって、リソースが小さいマイコン２０において、リアルタイムに対象物の状態を検知することができる。

＜２－３．検出値の記憶・削除について＞
上記の第１の処理手順または第２の処理手順では、マイコン２０は、図４のように、最新の検出値ｖ（ｎ）が入力されたときに、最新の検出値ｖ（ｎ）をメモリ２２に記憶させるとともに、最古の検出値ｖ（ｎ－１０）をメモリ２２から削除していた。この場合、メモリ２２には、常に直近の所定数の検出値ｖ（ｎ－９）～ｖ（ｎ）が記憶される。ただし、ステップＳ２では、他の方法でメモリ２２から検出値ｖを削除してもよい。

図６は、図４とは異なる方法でメモリ２２から検出値ｖを削除する例を示した図である。図６の例では、マイコン２０は、最新の検出値ｖ（ｎ）が入力されたときに、最古の検出値ｖ（１）を残し、他の検出値ｖを間引くように削除していく。

具体的には、まず、ｐを自然数として、時系列データＤ１の２×ｐ番目に相当する検出値ｖを、小さいものから順に削除する（図６の（ａ）～（ｄ））。すなわち、まず、検出値ｖ（２）を削除し（図６（ａ））、次に検出値ｖ（４）を削除し（図６（ｂ））、次に検出値ｖ（６）を削除し（図６（ｃ））、次に検出値ｖ（８）を削除する（図６（ｄ））。そうすると、図６（ｅ）のように、メモリ２２には、時系列データＤ１の２×ｐ－１番目に相当する検出値ｖのみが残る。すなわち、メモリ２２に記憶される検出値ｖの間隔は、２番間隔となる。

メモリ２２に２×ｐ番目に相当する検出値ｖが無くなると、次に、マイコン２０は、４×ｐ－１番目に相当する検出値ｖを、小さいものから順に削除する（図６の（ｅ）以降）。これにより、メモリ２２に記憶される検出値ｖの間隔を、４番間隔とする。

このように、図６の例では、ｍを自然数として、メモリ２２に記憶される検出値の間隔が、２^ｍ番間隔となるように、検出値ｖを削除する。すなわち、最古の検出値ｖ（１）を削除するのではなく、メモリ２２に記憶される検出値ｖを間引くように削除する。これにより、メモリ２２のリソースを節約しつつ、長期の検出値ｖに基づいて、特徴量Ｆ（ｎ）を算出することができる。したがって、対象物の状態が正常であるか否かの判定において、長期の検出値の傾向を反映させることができる。

＜２－４．特徴量の記憶・削除について＞
上記の第１の処理手順または第２の処理手順では、マイコン２０は、算出した特徴量Ｆ（ｎ）をメモリ２２に記憶させる。このとき、マイコン２０は、メモリ２２に記憶された特徴量Ｆ（ｎ）を上書きすることにより、最新の特徴量Ｆ（ｎ）のみをメモリ２２に記憶させてもよい。あるいは、マイコン２０は、過去に算出された特徴量Ｆ（ｎ）を、全てメモリ２２に記憶させてもよい。

また、対象物の状態を判定するために、一定期間の特徴量Ｆ（ｎ）が必要である場合、マイコン２０は、最新の特徴量Ｆ（ｎ）をメモリ２２に記憶させるとともに、最古の特徴量Ｆ（ｎ）をメモリ２２から削除することにより、常に所定数の特徴量Ｆ（ｎ）がメモリ２２に記憶されるようにしてもよい。

また、図６の検出値と同様に、ｍを自然数として、メモリ２２に記憶される特徴量Ｆ（ｎ）の間隔が、２^ｍ番間隔となるように、検出値を削除してもよい。このように、メモリ２２に記憶される特徴量Ｆ（ｎ）を間引くように削除すれば、メモリ２２のリソースを節約しつつ、長期の特徴量に基づいて、対象物の状態を判定することができる。

＜２－５．液吐出装置への適用例＞
図７は、上述した生産装置１の一例である液吐出装置４０の構成を示した図である。この液吐出装置４０は、被処理物９の表面に処理液Ｌを吐出する装置である。被処理物９は、例えば、半導体ウェハ、フラットパネルディスプレイ用基板、プリント基板、工業部品、印刷用の基材などであるが、これらに限定されるものではない。処理液Ｌは、例えば、レジスト液、現像液、洗浄液、インクなどであるが、これらに限定されるものではない。

図７に示すように、液吐出装置４０は、処理液供給源４１、ポンプ４２、圧力制御バルブ４３、流量計１０、流量制御バルブ４４、ノズル４５、バルブコントローラ４６、制御用マイコン４７、状態判定用マイコン２０、および中央処理部３０を備えている。

処理液供給源４１とノズル４５とは、配管４８により接続されている。ポンプ４２、圧力制御バルブ４３、流量計１０、および流量制御バルブ４４は、配管４８上に設けられている。ポンプ４２を動作させると、処理液供給源４１から配管４８を通ってノズル４５へ、処理液Ｌが供給される。そして、ノズル４５から被処理物９の表面へ向けて、処理液Ｌが吐出される。

圧力制御バルブ４３は、ノズル４５へ供給される処理液Ｌの圧力を制御するためのバルブである。流量計１０は、配管４８を流れる処理液Ｌの流量（流速）を検出するセンサである。流量計１０は、図１の生産装置１におけるセンサ１０に相当する。流量計１０は、処理液Ｌの流量を、微小な時間間隔で検出する。これにより、ノズル４５からの処理液Ｌの吐出流量を示す検出値（データ値）が、微小な時間間隔で並んだ時系列データＤ１が得られる。流量計１０は、得られた時系列データＤ１を、制御用マイコン４７および状態判定用マイコン２０へ出力する。

図８は、ノズル４５から処理液Ｌを吐出するときに、流量計１０から出力される時系列データＤ１の例を示すグラフである。図８のように、処理液Ｌの吐出流量を示す時系列データＤ１は、略台形状の波形となる。すなわち、時系列データＤ１は、立ち上がり段階Ｄ１１、安定段階Ｄ１２、および立ち下がり段階Ｄ１３を有する。立ち上がり段階Ｄ１１では、吐出流量を示す検出値が次第に増加する。安定段階Ｄ１２では、吐出流量を示す検出値が略一定となる。立ち下がり段階Ｄ１３では、吐出流量を示す検出値が次第に低下する。

流量制御バルブ４４は、ノズル４５へ供給される処理液Ｌの流量を制御するためのバルブである。バルブコントローラ４６は、流量制御バルブ４４の開度を調節する。制御用マイコン４７は、流量計１０およびバルブコントローラ４６と、電気的に接続されている。制御用マイコン４７は、流量計１０から出力される検出値に基づいて、バルブコントローラ４６を動作させることにより、流量制御バルブ４４の開度を調節する。これにより、配管４８を流れる処理液Ｌの流量が、フィードバック制御される。

状態判定用マイコン２０は、流量計１０と電気的に接続されている。状態判定用マイコン２０は、図１の生産装置１におけるマイコン２０に相当する。状態判定用マイコン２０は、ＣＰＵ等のプロセッサ２１とメモリ２２とを有する。プロセッサ２１は、メモリ２２に記憶されたプログラムに従って、時系列データＤ１を処理することにより、処理液Ｌの流量が正常であるか否かを判定する。そして、状態判定用マイコン２０は、処理液Ｌの流量が正常であるか否かを示す判定結果Ｄ２を、中央処理部３０へ出力する。

中央処理部３０は、液吐出装置４０の全体を統括的に制御するコンピュータである。中央処理部３０は、状態判定用マイコン２０と電気的に接続されている。中央処理部３０は、図１の生産装置１における中央処理部３０に相当する。中央処理部３０は、ＣＰＵ等のプロセッサ３１と、ＲＡＭ等のメモリ３２と、ハードディスクドライブ等の記憶部３３とを有する。プロセッサ３１は、記憶部３３に記憶されたプログラムに従って動作する。中央処理部３０は、状態判定用マイコン２０から判定結果Ｄ２を受信する。そして、中央処理部３０は、判定結果Ｄ２に基づいて、液吐出装置４０内の各部の動作を制御したり、アラートを出力したりする。

上記のように、図７の液吐出装置４０では、中央処理部３０とは別に、流量計１０から出力される時系列データＤ１を処理する状態判定用マイコン２０が設けられている。これにより、中央処理部３０の演算負担が軽減される。また、処理液Ｌの流量の異常を、迅速に検知することができる。

ただし、状態判定用マイコン２０のリソースは、中央処理部３０のリソースよりも小さい。すなわち、状態判定用マイコン２０のプロセッサ２１は、中央処理部３０のプロセッサ３１よりも処理能力が低い。また、状態判定用マイコン２０のメモリ２２は、中央処理部３０のメモリ３２および記憶部３３よりも、記憶容量が小さい。このため、状態判定用マイコン２０は、上述した第２の処理手順と同様の処理を行うことにより、リソースを節約しつつ時系列データＤ１を処理する。

その際、状態判定用マイコン２０は、ステップＳ３において、例えば、以下の特徴量Ｆａ～Ｆｄのうちの少なくともいずれか１つを算出する。
Ｆａ＝立ち上がり段階Ｄ１１の時間
Ｆｂ＝立ち上がり段階Ｄ１１と安定段階Ｄ１２との間におけるデータ値のオーバーシュート量
Ｆｃ＝安定段階Ｄ１２におけるデータ値の変動量
Ｆｄ＝立ち下がり段階Ｄ１３の時間

また、ステップＳａでは、状態判定用マイコン２０は、これらの特徴量Ｆａ～Ｆｄを適切に算出できるタイミングであるか否かを判定する。

状態判定用マイコン２０は、算出された特徴量Ｆａ～Ｆｄを、メモリ２２に記憶させる。そして、状態判定用マイコン２０は、特徴量Ｆａ～Ｆｄに基づいて、処理液Ｌの吐出流量が正常か否か（異常の有無）を判定する。例えば、状態判定用マイコン２０は、特徴量Ｆ（ｎ）が、予め設定された閾値よりも大きい場合または小さい場合に、処理液Ｌの吐出流量が異常であると判定する。

また、状態判定用マイコン２０は、最新の特徴量Ｆ（ｎ）を、過去の特徴量Ｆ（ｎ）と比較することにより、処理液Ｌの吐出流量が正常であるか否かを判定してもよい。また、状態判定用マイコン２０は、機械学習モデルを利用して、処理液Ｌの吐出流量が正常か否かを判定してもよい。

＜２－６．搬送装置への適用例＞
図９は、上述した生産装置１の他の例である搬送装置５０の構成を示した図である。この搬送装置５０は、被処理物９を第１方向に搬送する装置である。被処理物９は、例えば、半導体ウェハ、フラットパネルディスプレイ用基板、プリント基板、工業部品、印刷用の基材などであるが、これらに限定されるものではない。

図９に示すように、搬送装置５０は、ステージ５１、搬送機構５２、加速度センサ１０、モータコントローラ５３、制御用マイコン５４、状態判定用マイコン２０、および中央処理部３０を備えている。

被処理物９は、ステージ５１上に載置される。搬送機構５２は、モータ（回転モータまたはリニアモータ）を有する。搬送機構５２は、モータから出力される動力により、ステージ５１を第１方向へ搬送する。搬送機構５２は、ステージ５１を第１方向に搬送するものであるが、レールの歪みや取付誤差等により、ステージ５１が、第１方向に直交する第２方向に僅かに位置ずれする場合がある。

加速度センサ１０は、ステージ５１に取り付けられている。加速度センサ１０は、ステージ５１の第１方向および第２方向の加速度を検出するセンサである。加速度センサ１０は、図１の生産装置１におけるセンサ１０に相当する。加速度センサ１０は、ステージ５１の第１方向および第２方向の加速度を、微小な時間間隔で検出する。これにより、ステージ５１の第１方向および第２方向の加速度を示す検出値（データ値）が、微小な時間間隔で並んだ時系列データＤ１が得られる。加速度センサ１０は、得られた時系列データＤ１を、制御用マイコン５４および状態判定用マイコン２０へ出力する。

モータコントローラ５３は、搬送機構５２に含まれるモータの動作を制御する。制御用マイコン５４は、加速度センサ１０およびモータコントローラ５３と、電気的に接続されている。制御用マイコン５４は、加速度センサ１０から出力される第１方向の加速度に基づいて、モータコントローラ５３を動作させることにより、モータの動作を制御する。これにより、ステージ５１の第１方向の加速度がフィードバック制御される。

状態判定用マイコン２０は、加速度センサ１０と電気的に接続されている。状態判定用マイコン２０は、図１の生産装置１におけるマイコン２０に相当する。状態判定用マイコン２０は、ＣＰＵ等のプロセッサ２１とメモリ２２とを有する。プロセッサ２１は、メモリ２２に記憶されたプログラムに従って、時系列データＤ１を処理する。具体的には、プロセッサ２１は、加速度センサ１０から出力される時系列データＤ１のうち、第２方向の加速度を示す検出値を処理する。これにより、ステージ５１の第２方向の加速度が、正常であるか否かを判定する。そして、状態判定用マイコン２０は、ステージ５１の第２方向の加速度が正常であるか否かを示す判定結果Ｄ２を、中央処理部３０へ出力する。

中央処理部３０は、搬送装置５０の全体を統括的に制御するコンピュータである。中央処理部３０は、状態判定用マイコン２０と電気的に接続されている。中央処理部３０は、図１の生産装置１における中央処理部３０に相当する。中央処理部３０は、ＣＰＵ等のプロセッサ３１と、ＲＡＭ等のメモリ３２と、ハードディスクドライブ等の記憶部３３とを有する。プロセッサ３１は、記憶部３３に記憶されたプログラムに従って動作する。中央処理部３０は、状態判定用マイコン２０から判定結果Ｄ２を受信する。そして、中央処理部３０は、判定結果Ｄ２に基づいて、搬送装置５０内の各部の動作を制御したり、アラートを出力したりする。

上記のように、図９の搬送装置５０では、中央処理部３０とは別に、加速度センサ１０から出力される時系列データＤ１を処理する状態判定用マイコン２０が設けられている。これにより、中央処理部３０の演算負担が軽減される。また、ステージ５１の搬送状態を、迅速に検知することができる。

ただし、状態判定用マイコン２０のリソースは、中央処理部３０のリソースよりも小さい。すなわち、状態判定用マイコン２０のプロセッサ２１は、中央処理部３０のプロセッサ３１よりも処理能力が低い。また、状態判定用マイコン２０のメモリ２２は、中央処理部３０のメモリ３２および記憶部３３よりも、記憶容量が小さい。このため、状態判定用マイコン２０は、上述した第２の処理手順と同様の処理を行うことにより、リソースを節約しつつ時系列データＤ１を処理する。

その際、状態判定用マイコン２０は、ステップＳａにおいて、第２方向の加速度を示す検出値が０付近の所定範囲から外れた場合に、特徴量Ｆ（ｎ）を算出すべきタイミングであると判定する。そして、状態判定用マイコン２０は、ステップＳ３において、例えば、以下の特徴量Ｆmax，Ｆminのうちの少なくともいずれか１つを算出する。
Ｆmax＝ステージ５１の第２方向の加速度の最大値
Ｆmin＝ステージ５１の第２方向の加速度の最小値

状態判定用マイコン２０は、算出された特徴量Ｆmax，Ｆminを、メモリ２２に記憶させる。そして、状態判定用マイコン２０は、特徴量Ｆmax，Ｆminに基づいて、ステージ５１の第２方向の加速度が正常か否か（異常の有無）を判定する。例えば、状態判定用マイコン２０は、特徴量Ｆmaxが、予め設定された第１閾値（正の値）よりも大きい場合、または、特徴量Ｆminが、予め設定された第２閾値（負の値）よりも小さい場合に、ステージ５１の第２方向の加速度が異常であると判定する。

また、状態判定用マイコン２０は、最新の特徴量Ｆ（ｎ）を、過去の特徴量Ｆ（ｎ）と比較することにより、ステージ５１の第２方向の加速度が正常であるか否かを判定してもよい。また、状態判定用マイコン２０は、機械学習モデルを利用して、ステージ５１の第２方向の加速度が正常か否かを判定してもよい。

＜３．変形例＞
以上、本発明の一実施形態について説明したが、本発明は、上記の実施形態に限定されるものではない。

上記の実施形態では、時系列データが、センサの検出値により構成されていた。しかしながら、時系列データは、必ずしもセンサの検出値により構成されるものでなくてもよい。時系列データは、時間の経過とともに変化し得る複数のデータ値で構成されるものであればよい。

上記のステップＳ２において、メモリからデータ値を削除する方法は、図４または図６の方法に限られない。マイコンは、最新の検出値が入力されたときに、過去の一部の検出値をメモリから削除すればよい。

また、上記の実施形態や変形例に登場した各要素を、矛盾が生じない範囲で、適宜に組み合わせてもよい。

１ 生産装置
９ 被処理物
１０ センサ（流量計，加速度センサ）
２０ マイコン（状態判定用マイコン）
２１ プロセッサ
２２ メモリ
３０ 中央処理部
４０ 液吐出装置
４１ 処理液供給源
４２ ポンプ
４３ 圧力制御バルブ
４４ 流量制御バルブ
４５ ノズル
４６ バルブコントローラ
４７ 制御用マイコン
４８ 配管
５０ 搬送装置
５１ ステージ
５２ 搬送機構
５３ モータコントローラ
５４ 制御用マイコン
Ｄ１ 時系列データ
Ｄ１１ 立ち上がり段階
Ｄ１２ 安定段階
Ｄ１３ 立ち下がり段階
Ｄ２ 判定結果
Ｆ 特徴量
ｖ 検出値
Ｌ 処理液

Claims (8)

1. プロセッサおよびメモリを有するデバイスにより時系列データを処理するデータ処理方法であって、
   ａ）前記時系列データの最新のデータ値を前記メモリに記憶させるとともに、過去の一部のデータ値を前記メモリから削除する工程と、
   ｂ）所定の条件を満たすタイミングか否かを判定する工程と、
   ｃ）前記工程ｂ）において前記所定の条件を満たすタイミングであると判定された場合に、前記メモリに記憶された複数のデータ値に基づいて、特徴量を算出する工程と、
   ｄ）前記工程ｃ）により算出された前記特徴量を、前記メモリに記憶させる工程と、
   を有する、データ処理方法。
2. 請求項１に記載のデータ処理方法であって、
   ｅ）前記特徴量に基づいて異常の有無を判定する工程
   をさらに有する、データ処理方法。
3. 請求項１または請求項２に記載のデータ処理方法であって、
   前記時系列データは、ノズルからの処理液の吐出流量を示すデータであり、
   前記時系列データは、
   前記データ値が次第に増加する立ち上がり段階と、
   前記データ値が略一定となる安定段階と、
   前記データ値が次第に低下する立ち下がり段階と、
   を有し、
   前記特徴量は、
   前記立ち上がり段階の時間と、
   前記立ち上がり段階と前記安定段階との間における前記データ値のオーバーシュート量と、
   前記安定段階における前記データ値の変動量と、
   前記立ち下がり段階の時間と、
   のうちの少なくとも１つを含む、データ処理方法。
4. 請求項１または請求項２に記載のデータ処理方法であって、
   前記時系列データは、第１方向に搬送すべき対象物の前記第１方向に直交する第２方向の加速度を示すデータであり、
   前記特徴量は、
   前記対象物の前記第２方向の加速度の最大値と、
   前記対象物の前記第２方向の加速度の最小値と、
   のうちの少なくとも１つを含む、データ処理方法。
5. プロセッサおよびメモリを有するデバイスにより時系列データを処理するデータ処理方法であって、
   ａ）前記時系列データの最新のデータ値を前記メモリに記憶させるとともに、過去の一部のデータ値を前記メモリから削除する工程と、
   ｂ）前記メモリに記憶された複数のデータ値に基づいて、特徴量を算出する工程と、
   ｃ）前記工程ｂ）により算出された前記特徴量を、前記メモリに記憶させる工程と、
   を有し、
   前記工程ａ）では、ｍを自然数として、前記メモリに記憶されるデータ値の間隔が２^ｍ番間隔となるように、データ値を削除する、データ処理方法。
6. 請求項５に記載のデータ処理方法であって、
   ｄ）前記特徴量に基づいて異常の有無を判定する工程
   をさらに有する、データ処理方法。
7. 時系列データを出力するセンサと、
   前記センサと電気的に接続されたマイコンと、
   前記マイコンと電気的に接続された中央処理部と、
   を備えた生産装置であって、
   前記マイコンは、
   ａ）前記時系列データの最新のデータ値をメモリに記憶させるとともに、過去の一部のデータ値を前記メモリから削除する工程と、
   ｂ）所定の条件を満たすタイミングか否かを判定する工程と、
   ｃ）前記工程ｂ）において前記所定の条件を満たすタイミングであると判定された場合に、前記メモリに記憶された複数のデータ値に基づいて、特徴量を算出する工程と、
   ｄ）前記工程ｃ）により算出された前記特徴量を、前記メモリに記憶させる工程と、
   を実行する、生産装置。
8. 時系列データを出力するセンサと、
   前記センサと電気的に接続されたマイコンと、
   前記マイコンと電気的に接続された中央処理部と、
   を備えた生産装置であって、
   前記マイコンは、
   ａ）前記時系列データの最新のデータ値をメモリに記憶させるとともに、過去の一部のデータ値を前記メモリから削除する工程と、
   ｂ）前記メモリに記憶された複数のデータ値に基づいて、特徴量を算出する工程と、
   ｃ）前記工程ｂ）により算出された前記特徴量を、前記メモリに記憶させる工程と、
   を実行し、
   前記工程ａ）では、ｍを自然数として、前記メモリに記憶されるデータ値の間隔が２^ｍ番間隔となるように、検出値を削除する、生産装置。

Images