JP5957299B2 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents

Description

本発明は、情報処理の技術に関し、特に製造装置の健常性を診断するための情報処理の技術に関する。

近年、半導体デバイスやフラットディスプレイパネル等の製造プロセスにおいて、製品の信頼性や生産性を向上させるために、プロセス障害を検出するＦＤＣ（Fault Detection and Classification）と呼ばれる技術が注目されている。

このＦＤＣは、センサによって検出した製造装置の状態（圧力、温度、流量、電圧等）をサンプリングして得られたデータをプロセスごとに記憶して、このデータを解析的または統計的な手法を用いて処理することによって、製造装置の健常性、すなわち、プロセス障害の有無やその種類を診断するものである（例えば、特許文献１乃至４）。

特開２００４−３５６５１０号公報 特開平８−２０２７７５号公報 特開２００３−１１４７１３号公報 特開２０１１−１１３１９５号公報

しかしながら、製造装置の状態は、故障対応その他メンテナンスによってその直前の状態とは大きく変わってしまう。したがって、プロセスごとに取得されるデータをそのまま解析しても、製造装置の健常性を正しく診断することができるという保証はない。
また、製造装置は、その状態が徐々に変化する（ドリフトする）ものの、ある範囲における特定方向のドリフトは、製造装置の健常性を損なうものではない。したがって、健常性を診断する場合には、正常なドリフト量に応じたデータの取り扱いが必要となる。

本発明の目的は、複雑なメンテナンスやドリフトの影響を考慮して製造装置の健常性を実用的に素早く評価できる診断技術を提供することにある。

上述した目的を達成するために、本発明に係る情報処理装置は、製造装置および前記製造装置を用いた製造プロセスを特定するコンテキストデータと、前記製造プロセスの状態を表す状態データと、前記製造装置に対して行われたメンテナンス作業の履歴を示すメンテナンスデータとを記憶したデータ記憶部と、前記状態データのうち、前記メンテナンス作業から所定の時間的距離を有する前記製造プロセスの状態を表す状態データを抽出する抽出部と、抽出された前記状態データを用いて前記製造装置の健常性に関する指標を演算する演算部とを備えたことを特徴とする。

ここで、前記時間的距離は、メンテナンス作業と製造プロセスとの間の時間を表すデータであってもよいが、時間以外の量、例えば、前記メンテナンス作業後に行われた複数の前記製造プロセスの順番を表すデータであってもよい。

前記演算部は、抽出された前記状態データに対して前記時間的距離に応じた重み付けをして前記製造装置の健常性に関する指標を演算してもよい。

また、前記データ記憶部は、前記時間的距離を前記メンテナンス作業および前記製造プロセスと関連付けて記憶する距離データ記憶部を有し、前記抽出部は、前記距離データ記憶部を参照して、特定種類の前記メンテナンス作業から前記所定の時間的距離を有する前記製造プロセスの状態を表す状態データを抽出してもよい。

また、前記データ記憶部において前記コンテキストデータを含むコンテキストデータファイルと前記状態データを含む状態データファイルとを前記製造プロセスごとに１つのフォルダに格納する記憶制御部をさらに備えてもよい。

また、前記メンテナンス作業から所定の時間的距離を有する前記製造プロセスの状態を表す状態データに基づいて、前記指標の演算に用いるモデルを作成するモデル作成部をさらに備え、前記演算部は、前記抽出部によって抽出された前記状態データと前記モデルとに基づいて前記指標を演算するようにしてもよい。

また、直近のメンテナンス作業より過去のメンテナンス作業後に行われた前記製造プロセスの状態を表す状態データに基づいて作成された前記指標の演算に用いる第１のモデルと、前記直近のメンテナンス作業後に行われた前記製造プロセスの状態を表す状態データを用いて作成された前記指標の演算に用いる第２のモデルとを記憶するモデル記憶部と、前記第１のモデルに基づく前記指標の演算結果と前記第２のモデルに基づく前記指標の演算結果とを比較して、前記第１のモデルに基づく前記指標の演算結果と前記第２のモデルに基づく前記指標の演算結果との差が所定の範囲内のときは、前記第２のモデルに基づく前記指標の演算結果を前記製造装置の健常性に関する指標とし、前記第１のモデルに基づく前記指標の演算結果と前記第２のモデルに基づく前記指標の演算結果との差が所定の範囲外のときは、前記第１のモデルに基づく前記指標の演算結果を前記製造装置の健常性に関する指標とする評価部とをさらに備えていてもよい。
また、第1のモデルは必ずしも一つではなく、候補として二つ以上あって、複数あるメンテナンスの履歴からの距離が、現在と最も類似している部分の状態を表すデータを用いて作成したモデル式から距離をずらした状態を表すデータを用いて作成したモデル式との関係から最も現在の状態に近い状態を抽出する機能を備えていても良いし、現在の状態に最も近い過去のメンテナンスとの距離の状態を表すデータを、複数のメンテナンス分遡って抽出したモデル式を適用する機能を備えていても良い。

また、本発明に係る情報処理方法は、製造装置および前記製造装置を用いた製造プロセスを特定するコンテキストデータと、前記製造プロセスの状態を表す状態データと、前記製造装置に対して行われたメンテナンス作業の履歴を示すメンテナンスデータとを記憶したデータ記憶部と、演算装置とを含むコンピュータが、前記状態データのうち、前記メンテナンス作業から所定の時間的距離を有する前記製造プロセスの状態を表す状態データを抽出するステップと、前記コンピュータが、抽出された前記状態データを用いて前記製造装置の健常性に関する指標を演算するステップとを備えたことを特徴とする。

また、本発明に係る情報処理プログラムは、製造装置および前記製造装置を用いた製造プロセスを特定するコンテキストデータと、前記製造プロセスの状態を表す状態データと、前記製造装置に対して行われたメンテナンス作業の履歴を示すメンテナンスデータとを記憶したデータ記憶部と、演算装置とを含むコンピュータに、前記状態データのうち、前記メンテナンス作業から所定の時間的距離を有する前記製造プロセスの状態を表す状態データを抽出するステップと、抽出された前記状態データを用いて前記製造装置の健常性に関する指標を演算するステップとを実行させることを特徴とする。

本発明によれば、製造装置に対して行われたメンテナンス作業とその後の製造プロセスとの時間的距離別に抽出された状態データを用いて前記製造装置の健常性に関する指標を演算するので、メンテナンス作業やドリフトの影響を考慮して製造装置の健常性を評価することができる。
また、製造装置および前記製造装置を用いた製造プロセスを特定するコンテキストデータと、前記製造プロセスの状態を表す状態データと、前記製造装置に対して行われたメンテナンス作業の履歴を示すメンテナンスデータとをデータ記憶部に記憶させることによって、アクセス速度が律速する様ないわゆるリレーショナルデータベースの使用を極力少なくしたので、製造装置の健常性を、非常に効率的に実用可能な短時間で評価することができる。

図１は、本発明の第１の実施の形態に係る情報処理装置の構成例を示すブロック図である。 図２は、本発明の第１の実施の形態に係る情報処理装置の機能ブロック図である。 図３は、データ記憶部３４０の構成を概念的に示した図である。 図４は、本発明の第１の実施の形態に係る情報処理装置におけるデータ記憶部のデータ構造の一例を示す図である。 図５は、本発明の第１の実施の形態に係る情報処理装置におけるデータ記憶部のデータ構造の一例を説明する図である。 図６は、本発明の第１の実施の形態に係る情報処理装置におけるデータ記憶部のデータ構造の一例を説明する図である。 図７は、本発明の第１の実施の形態に係る情報処理装置におけるメンテナンス情報ファイルの構造の一例を示す図である。 図８Ａは、メンテナンス作業と製造プロセスとの時間的距離の概念を説明する図である。 図８Ｂは、メンテナンス作業と製造プロセスとの時間的距離の概念を説明する図である。 図９は、メンテナンス作業と製造プロセスとの時間的距離を記憶したテーブルの一例を示す図である。 図１０は、第１の本発明の実施の形態に係る情報処理装置の動作を示すフローチャートである。 図１１は、本発明の第２の実施の形態に係る情報処理装置の構成例を示すブロック図である。 図１２Ａは、モデル作成部によるモデル作成の手順の一例を示すフローチャートである。 図１２Ｂは、モデル作成後の判定部による判定手順の一例を示すフローチャートである。 図１３は、本発明の第３の実施の形態に係る情報処理装置の構成例を示すブロック図である。

以下、図面を参照して本発明の実施の形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除する意図はない。また、以下の図面の記載において、同一または類似の構成要素には同一または類似の符号を付して表している。

１．第１の実施の形態
本発明の第１の実施の形態に係る情報処理装置は、製造プロセスの状態を表す状態データをその製造プロセスを特定するコンテキストデータと関連付けて記憶するとともに、メンテナンス作業が行われていた場合には、そのメンテナンス作業の影響を考慮して製造プロセスに用いられた製造装置の健常性に関する指標を演算するものである。

１−１．第１の実施の形態に係る情報処理装置の構成
１−１−１．情報処理装置のハードウェアの構成
図１は、本実施形態に係る情報処理装置の構成例を示すブロック図である。図１において、情報処理装置３は、製造装置１０に取り付けられた１または複数のセンサ１−１〜１−Ｎ（Ｎは１以上の整数）とセンサ用通信ネットワーク（図示せず。）を介して通信可能に接続される。

センサ１−ｉ（ｉ＝１〜Ｎのいずれか）は、例示的には、半導体製造装置等の製造装置１０に取り付けられ、その製造装置の状態に応じた信号を出力する。製造装置の状態の一例としては、圧力、温度、流量、電圧等の物理量が挙げられる。センサ１−ｉが出力した信号は、情報処理装置３に提供される。

情報処理装置３は、センサ１−ｉが出力した信号を受信して処理する。情報処理装置３は、図示しない通信ネットワークに有線あるいは無線で固定的に接続された固定端末でもよいし、通信ネットワークに有線あるいは無線で一時的にアクセス可能な移動端末でもよい。あるいは、情報処理装置３は、半導体製造装置等の機器に備えられた通信インターフェース（図示省略）に接続可能な端末であり、センサ信号を、当該通信インターフェースを介して（通信ネットワークを介さずに）受信できるようにしてもよい。

情報処理装置３は、例示的に、ＣＰＵ（Central Processing Unit）３１、ＲＡＭ（Random Access Memory）３２、ＲＯＭ（Read Only Memory）３３、ハードディスク等の記憶装置３４、１または複数のインターフェース（Ｉ／Ｆ）３５Ａ〜３５Ｄ、ディスプレイ３６、キーボード３７、マウス等のポインティングデバイス３８を備える。

キーボード３７およびポインティングデバイス３８は、半導体製造装置等の機器の管理者が情報処理装置３に情報を入力するために用いられる入力デバイスの一例である。

ディスプレイ３６は、液晶ディスプレイ、ＰＤＰ（プラズマ・ディスプレイ・パネル）、ＨＭＤ（ヘッドマウントディスプレイ）等の表示装置であり、例えばＣＰＵ３１による表示制御の下、ＲＡＭ３２やＲＯＭ３３、記憶装置３４に記憶されているデータを表示する。なお、ディスプレイ３６は、タッチパネル等の情報入力が可能なデバイスを備えていてもよい。

インターフェース３５Ａ〜３５Ｃは、それぞれディスプレイ３６、キーボード３７およびポインティングデバイス３８等の周辺機器（ペリフェラル）を接続するために用いられるインターフェースである。このようなインターフェースには、例示的に、ＵＳＢ、ＩＥＥＥ１３９４、シリアル、パラレル、赤外線、無線等のインターフェースを用いることができる。インターフェース３５Ｄは、情報処理装置３を通信ネットワーク５に接続する通信インターフェースである。

記憶装置３４は、例えばセンサ信号を処理する情報処理プログラムを記憶する。情報処理プログラムは、コンピュータ読取可能な記録媒体に記録された形態で提供することができる。記録媒体には、例えば、ハードディスク、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＢＤ（Blue-ray Disk）、ＲＯＭカートリッジ、バッテリバックアップ付きＲＡＭカートリッジ、フラッシュメモリカートリッジ、不揮発性ＲＡＭカートリッジ等が含まれる。コンピュータの一例である情報処理装置３は当該記録媒体から情報処理プログラムを読み取って記憶装置３４やＲＡＭ３２に転送し格納して用いる。また、情報処理プログラムは、例えば図示しない通信ネットワークを介して情報処理装置３に提供することもできる。

なお、「コンピュータ」とは、ハードウェアとオペレーティングシステム（ＯＳ）とを含む概念であり、ＯＳの制御の下で動作するハードウェアを意味することがある。ハードウェアは、ＣＰＵ等の演算装置と、記録媒体に記録されたプログラムを読み取り可能な読み取り装置とを含むことができる。

情報処理プログラムは、上述のようなコンピュータに、情報処理装置３としての機能を実現させるプログラムコードを含んでいる。その機能の一部はプログラムではなくＯＳによって実現されてもよい。

ＲＯＭ３３は、不揮発性記憶媒体の一例であり、例えば、情報処理装置３が起動する際に、ＣＰＵ３１にマイクロコードを設定したり、各部を初期化したり、記憶装置３４からＯＳ等を起動し、プログラムが実行されるような指示を行ったりするためのプログラムやデータを記憶する。

ＲＡＭ３２は、揮発性記憶媒体の一例であり、ＣＰＵ３１の作業領域（ワークメモリ）を提供する。

ＣＰＵ３１は、演算処理能力を備えたプロセッサの一例である。ＣＰＵ３１は、ＲＯＭ３３や記憶装置３４に記憶されたプログラムやデータ、インターフェース３５Ａ〜３５Ｃを通じて与えられる各種入力情報を作業領域であるＲＡＭ３２に展開し、展開したプログラム等にしたがって動作することにより、コンピュータを情報処理装置３として機能させる。
なお、ＣＰＵ３１の代わりに、ＭＰＵ（Micro Processing Unit）や、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Processor）を用いてもよい。

１−１−２．情報処理装置の機能ブロック
図２に示すように、情報処理装置３の機能は、記憶装置３４に対する各種データの書き込みおよび読み出しを制御する制御部３１０と、記憶装置３４上に構成されて、各種データを記憶するデータ記憶部３４０と、制御部３１０の制御の下でデータ記憶部３４０から所望の条件を満たすデータを抽出する抽出部３５０と、抽出されたデータを用いて所定の演算を行う演算部３６０と、演算部３６０による演算結果を出力する出力部３７０とに大別できる。
上述したように、情報処理プログラムによる制御の下でＣＰＵ３１がＲＡＭ３２、ＲＯＭ３３、記憶装置３４および各種入出力装置と協働することよって、情報処理装置３の制御部３１０、データ記憶部３４０、抽出部３５０、演算部３６０および出力部３７０を実現することができる。

（１）制御部
まず、制御部３１０は、サンプリング処理部３１１と記憶制御部３１２を含む。
サンプリング処理部３１１は、受信したセンサ信号をサンプリングする。サンプリングの期間および周期は、例えば記憶制御部３１２から与えられる。このセンサ信号は、製造プロセスの状態を表す状態データに相当する。
サンプリング周期は、半導体製造装置等の機器の状態（使用状況）を診断するのに足りる十分な短さを有するデータ取得周期である。例えば、特定の処理を実施する期間が３分間であるならば、サンプリング周期は１秒または０．１秒といった、処理の実施期間よりも遙かに短い期間が設定される。
特定の処理の一例としては、機器が半導体製造装置であれば、ウエハーの製造工程における露光処理等の各種製造プロセスが挙げられる。サンプリング処理部３１１でセンサ信号をサンプリングして得られた信号データは、製造プロセスまたはその製造プロセスに用いられている製造装置の状態を表す状態データの一例である。

サンプリング周期は、当該サンプリング期間においてセンサ信号をサンプリングする時間間隔を規定する。本実施形態において当該サンプリング周期は複数のセンサ１−ｉについて共通とすることができる。すなわち、サンプリング処理部３１１は、センサ１−ｉの種類の異同に関わらず、いずれか２以上のセンサ１−ｉのセンサ信号をあるサンプリング期間において同じサンプリング周期でサンプリングすることができる。
以下、本明細書においては、状態データを「サンプリングデータ」ということがある。

記憶制御部３１２は、記憶装置３４の記憶領域を管理し、各種データ、例えば、サンプリング処理部３１１でサンプリングされた信号データ（サンプリングデータ）の記憶装置３４に対するデータの書き込みおよび読み出しを制御して、記憶装置３４上に、後述するデータ記憶部を実現する。記憶装置３４との入出力の制御には、記憶装置３４において、データフォルダやデータファイルを生成、更新、および／または削除する処理が含まれる。このような制御は、例えばＯＳの一機能として備えられるファイルシステム（ＦＳ）を利用して実現することができる。

記憶制御部３１２は、フォルダ制御部３１２ａとファイル制御部３１２ｂと含んでいる。本実施の形態において、データファイルは、ファイル制御部３１２ｂによってセンサ１−ｉの別に生成することができ、それぞれに対応するサンプリングデータが含められる。なお、サンプリングデータのデータファイルを以下「サンプリングデータファイル」と称する。

また、データフォルダは、フォルダ制御部３１２ａによって、製造プロセスごと、すなわち、既述のサンプリング期間（例えば、特定の製造プロセスの実施期間）の別に生成することができる。データフォルダには、その製造プロセス（サンプリング期間）においてセンサ信号をサンプリングして得られた１または複数のサンプリングデータファイルを格納することができる。

（２）データ記憶部
次に、図３および図４を参照して、本実施の形態に係る情報処理装置３のデータ記憶部３４０の一構成例について説明する。
データ記憶部３４０は、製造装置およびこの製造装置を用いた製造プロセスを特定するコンテキストデータと、製造プロセスの状態を表す状態データ（具体的には、サンプリングデータ）と、前記製造装置に対して行われたメンテナンス作業の履歴を示すメンテナンスデータとを記憶している。

（２−１）コンテキストデータ
「コンテキストデータ」は、例えば製造プロセスごとの半導体製造装置等の機器の使用状況を表すデータであり、製造装置１０およびその製造装置１０を用いた製造プロセスを特定するデータである。コンテキストデータは、例えば、生産管理システム２０から取得することができる。本実施の形態においては、コンテキストデータは、コンテキストデータファイル４０１に記憶される。また、状態データ（サンプリングデータ）は、サンプリングデータファイル４０２−１〜４０２−Ｎに記憶される。

本実施の形態においては、図３に示すように、データ記憶部３４０は、コンテキストデータおよび状態データを格納したデータフォルダ３４０−１〜３４０−ｎと、コンテキストデータを管理するコンテキストデータ管理部４００と、サンプリングデータに適用する演算方法を管理する演算方法定義ファイル４０３と、製造装置に対して行われたメンテナンス作業の種別や時期等を記録したメンテナンス情報ファイル４０５とを有する。

（２−２）データフォルダによるコンテキストデータとサンプリングデータの関連付け
本実施の形態に係る情報処理装置３においては、フォルダ制御部３１２ａによって製造プロセスごとにデータフォルダ３４０−１〜３４０−ｎが生成される。
これらデータフォルダ３４０−１〜３４０−ｎは、図３および図４に示すように、それぞれ、製造プロセスごとのコンテキストデータを記録したデータファイル（以下、「コンテキストデータファイル」という。）４０１と、コンテキストデータファイルによって特定される製造プロセス（サンプリング期間）において各センサ１−１〜１−Ｎからのセンサ信号をサンプリングして得られたサンプリングデータをセンサ別にそれぞれ記録したサンプリングデータファイル４０２−１〜４０２−Ｎとを格納している。サンプリングデータファイル４０２−１〜４０２−Ｎには、サンプリングデータとともに、サンプリング周期（Sampling Rate）４１１−１〜４１１−Ｎやサンプリング時刻が格納されている。

すなわち、データ記憶部３４０には１または複数のデータフォルダ３４０−１〜３４０−ｎが記録、保存されており、１つのデータフォルダ３４０−ｊ（ｊ＝１〜ｎのいずれか）には、コンテキストデータファイル４０１と、１または複数のサンプリングデータファイル４０２−ｉを格納することができる。

１つのデータフォルダ３４０−ｊに格納されたコンテキストデータファイル４０１は、このデータフォルダ３４０−ｊと対応付けられた特定の製造プロセスｊを特定するコンテキストデータを記録している。コンテキストデータによって、どの機器でどのようなプロセスがどの期間にわたって実施されるかを識別することができる。
なお、後述するように、製造プロセスごとにデータフォルダ３４０−１〜３４０−ｎに分散して格納されたコンテキストデータファイル４０１は、コンテキストデータ管理部４００によって管理されている。

図４に、コンテキストデータファイル４０１と、サンプリングデータファイル４０２−１〜４０２−Ｎの例を示す。この例では、コンテキストデータファイル４０１は、半導体製造プロセスで用いられるデータ例であり、「ロット番号（Lot Number）」、「機器名（Equipment Name）」、「レシピ名（Recipe Name）」、「チャンバー名（Chamber Name）」、「開始時刻（Start Time）」および「終了時刻（End Time）」等に関する情報を含んでいる。

「機器名」には、半導体製造装置の名称を表すデータがセットされ、「レシピ名」には、半導体製造装置に対する命令、設定およびパラメータ等を含むデータセットの名称を表すデータがセットされ、「チャンバー名」には、当該半導体製造プロセスで用いられるチャンバー（反応処理等を実施する処理槽）の名称を表すデータがセットされる。「開始時刻」および「終了時刻」には、例えば「機器名」、「レシピ名」および「チャンバー名」の各データで特定される半導体製造プロセスの開始時刻および終了時刻を表すデータがそれぞれセットされる。

したがって、コンテキストデータは、「機器名」、「レシピ名」および「チャンバー名」で特定される製造プロセスが「開始時刻」および「終了時刻」で特定される期間にわたって実施されることを示す。本実施形態では、当該期間が、機器の状態を検出（あるいは測定）すべきサンプリング期間（以下「測定期間」ともいう。）の一例に相当する。なお、同じ「機器名」、「レシピ名」および「チャンバー名」を含むコンテキストデータであっても、測定期間が異なれば、それらは異なるコンテキストデータとして扱ってよい。別言すると、測定期間ごとにコンテキストデータが生成されてよい。
なお、典型的には、「機器名」、「レシピ名」は、生産管理システム２０から取得することができ、また、「開始時刻」、「終了時刻」は、プロセスを実施する製造装置１０から取得することができる。

ここで、コンテキストデータには、図４に例示するように、機器に取り付けられているセンサ１−ｉに関する情報（以下「センサ情報」と称する。）４１０を含めることができる。センサ情報４１０の一例としては、センサ１−ｉの種類や名称、数等の情報が挙げられる。既述のサンプリング処理部３１１（図２参照）は、当該コンテキストデータを参照することで、測定期間においてサンプリング周期情報４１１−１〜４１１−Ｎが示す一定周期で、センサ情報４１０によって識別される１または複数のセンサ１−ｉについてのセンサ信号のサンプリングを実施することができる。
一方、サンプリングデータファイル４０２−１〜４０２−Ｎは、センサ＃１〜＃Ｎ毎に、サンプリングレート４１１−１〜４１１−Ｎとサンプリングデータを記憶する。

なお、機器が備えるセンサ１−ｉの種類や名称、数に変更があった場合、当該機器は、例えば既述の制御装置へ変更後のセンサ１−ｉに関する情報を与えることができる。これにより、当該変更以後のコンテキストデータには、制御装置において、最新のセンサ情報４１０をセットすることが可能となる。

また、サンプリング周期情報４１１は、必ずしもコンテキストデータの情報要素でなくても構わない。サンプリング処理部３１１がセンサ信号のサンプリングにあたって参照可能な形態で記憶装置３４等に記憶されていれば足りる。また、例えばセンサ１−ｉの異同やコンテキストデータの異同に関わらず同じサンプリング周期をサンプリング処理部３１１に設定して構わない場合には、サンプリング周期情報４１１の設定、管理を不要にすることもできる。

要するに、データフォルダ３４０−ｊは、上述したようなコンテキストデータごとに生成され、当該コンテキストデータをコンテキストデータファイル４０１の形態で格納する。そして、当該コンテキストデータが示す測定期間においてサンプリング周期情報４１１−１〜４１１−Ｎが示す一定周期でサンプリングされたセンサ１−ｉ別のサンプリングデータファイル４０２−ｉが、当該コンテキストデータファイル４０１の格納フォルダと同じデータフォルダ３４０−ｊに格納される。

別言すると、記憶制御部３１２は、複数のセンサ１−ｉ別のサンプリングデータファイル４０２−ｉをコンテキストデータファイル４０１と関連付けて（論理的にリンクして）記憶装置３４に記憶する。当該「関連付け」は、記憶装置３４において、コンテキストデータファイル４０１と、当該ファイル４０１に関連付けられるセンサ１−ｉ別のサンプリングデータファイル４０２−ｉと、を同じデータフォルダ３４０−ｊに格納することに相当する記憶領域の管理を記憶制御部３１２が実施することで実現できる。

一般的には、センサから取得したデータを処理、記録、管理等する管理システムにおいてセンサの数や種類が変更されたりすると、データの記録（保存）形式等に改変の必要性が生じる等、システムの構造に大きな影響を与えることがある。

これに対し、上述したように、本実施の形態に係る情報処理装置３においては、コンテキストデータごとにデータフォルダ３４０−ｊを生成し、当該コンテキストデータを含むコンテキストデータファイル４０１とセンサ１−ｉ別のサンプリングデータファイル４０２−ｉとをこのデータフォルダ３４０−ｊに格納している。これを換言するならば、コンテキストデータは、製造プロセスと一対一に対応するので、コンテキストデータファイルと状態データを含む状態データファイルとを前記製造プロセスごとに１つのフォルダに格納している。
したがって、センサの数や種類が変更されても、変更後の製造プロセスについてのみコンテキストデータを変更し、このコンテキストデータと関連付けてサンプリングデータを１つのフォルダに格納すればよいので、システムの構造を大きく変更する必要はない。

（２−３）コンテキストデータ管理部
上述したように、製造プロセスごとに生成されたデータフォルダ３４０−１〜３４０−ｎに、コンテキストデータファイル４０１とサンプリングデータファイル４０２−１〜４０２−Ｎを製造プロセスごとに関連付けて分散して格納する。したがって、データ記憶部３４０には、データ記憶部３４０に記憶されているすべてのコンテキストデータを把握するために、コンテキストデータ管理部４００が設けられている（図３、図５参照。）。

図５は、本実施の形態に係る情報処理装置３におけるデータ記憶部３４０のデータ構造を説明する図である。
複数のデータフォルダ３４０−１〜３４０−３にそれぞれ格納されているコンテキストデータファイル４０１には、データフォルダ３４０−１〜３４０−３と対応付けられる製造プロセスを特定する情報（コンテキストデータ）が記録されている。図５は、複数のデータフォルダ３４０−１〜３４０−３に格納されたコンテキストデータファイル４０１に記憶されたコンテキストデータは、コンテキストデータ管理部４００においてコンテキストデータセットとして統一的に管理されている様子を示している。

コンテキストデータを管理するためには、データフォルダ３４０−１〜３４０−ｎに格納されたコンテキストデータファイル４０１と別に、コンテキストデータ管理部４００においてコンテキストデータを保持してもよい。
また、記憶領域をより効率的に使用するためには、例えば、図６に示すように、各コンテキストデータファイル４０１に対してユニークな識別子（例えば、ロット番号（Lot Number）など）を付与し、この識別子と、参照すべきコンテキストデータファイル４０１を特定する情報（例えば、コンテキストデータファイル４０１が記憶されている記憶領域のアドレス等）とを対応付けて記憶してもよい。

（２−４）演算方法定義ファイル
演算方法定義ファイル４０３は、サンプリングデータに適用する演算方法を定義したデータファイルである。この演算は、サンプリングデータ（状態データ）を用いて製造装置の健常性を評価するために用いられる指標を算出するためのものである。指標の例としては、サンプリングデータの特徴量、代表値、平均値、最大値、最小値、平均値、および標準偏差等が挙げられるが、これらはあくまでも例であって、本発明においては、どのような値を指標として採用するかは任意であり、その演算方法も任意に定義してもよい。

演算方法の定義の仕方の一例として、演算方法定義ファイル４０３は、指標を導出するためのモデルを記憶してもよい。そのようなモデルは、例えば、多項式等を含む数式モデルはもちろんのこと、ニューラルネットワーク等を用いたネットワークモデルであってもよい。
製造装置の健常性を評価するために用いられる指標を算出するためのモデルは、メンテナンス作業に近い（メンテナンス作業後すぐの）製造プロセスを重視し、遠い製造プロセスは軽く見るように重み付けしてもよい。具体的な手法としては、指数重み付移動平均（Exponentially Weighted Moving Average: EWMA)を用いて、時間的距離に応じた重み付け演算モデルを構築することができる。

（２−５）メンテナンス情報ファイル
メンテナンス情報ファイル４０５は、製造装置のメンテナンス作業に関する情報を記録したデータファイルである。メンテナンス情報ファイル４０５は、例えば、図７に示すように、メンテナンス作業の識別子（「Maintenance #」）に対してそのメンテナンス作業の種別と実施日時を対応付けて記憶してもよい。
図７に示す例は、２種類のメンテナンス作業Ｍ＃１およびＭ＃２がそれぞれ２回実施されてことを示している。

＜時間的距離＞
ここで、「時間的距離」とは、メンテナンス作業と製造プロセスとの時間的な間隔である。その具体的な例としては、メンテナンス作業と製造プロセスとの間の時間を表すデータ、例えば、物理的な時間で表してもよいし、メンテナンス作業後に行われた複数の製造プロセスの順番を表すデータ、例えば、製造プロセスのバッチ数で表してもよい。
本実施の形態においては、繰り返し行われる各製造プロセスをそれぞれ１バッチとして、ある製造プロセスがメンテナンス作業が完了した後の何バッチ目の製造プロセスかを表すデータ、すなわち、メンテナンス作業後に行われた複数の製造プロセスの順番を表すデータを「時間的距離」とする。
なお、本発明において、「時間的距離」は、メンテナンス作業から製造プロセスまでの経過時間または製造プロセスの回数に応じて単調性を示すものであれば、任意に定義することができる。

メンテナンス作業と製造プロセスとの時間的距離は、メンテナンス作業から製造プロセスまでの時間と、同種のメンテナンス作業の繰り返し回数とから把握することができる。
図８Ａおよび図８Ｂは、メンテナンス作業と製造プロセスとの時間的距離の概念を説明する図である。

まず、図８Ａは、１種類のメンテナンス作業「Ｍ＃１」が製造プロセスの合間に複数回繰り返された場合を表している。図８Ａにおいて、複数回繰り返された製造プロセスには、時系列的にロット番号「１０００」から「１０００＋ｋ＋３」が付されている。一方、「Ｍ＃１」は、製造プロセスの合間に実施されたメンテナンス作業を表し、「Ｍ＃１（１）」および「Ｍ＃１（２）」は、それぞれ、同種のメンテナンス作業「Ｍ＃１」の１回目および２回目の実施を表している。すなわち、図８Ａでは、このメンテナンス作業「Ｍ＃１」が都合２回繰り返されたことを示している。
このとき、メンテナンス作業Ｍ＃１から製造プロセスまでの時間的距離は、各回のメンテナンス作業、すなわち、「Ｍ＃１（１）」および「Ｍ＃１（２）」の後の製造プロセスの順番で表すことができる。具体的には、ロット番号「１００１」の製造プロセスの時間的距離は、１回目のメンテナンス作業「Ｍ＃１（１）」後の順番である「１」、ロット番号「１００２」の製造プロセスの時間的距離は「２」、ロット番号「１０００＋ｋ＋１」の製造プロセスの時間的距離は、２回目のメンテナンス作業「Ｍ＃１（２）」後の順番である「１」となる。
また、１回目のメンテナンス作業「Ｍ＃１（１）」後の製造プロセス（１００１〜１０００＋ｋ）と、２回目のメンテナンス作業「Ｍ＃１（２）」後の製造プロセス（１０００＋ｋ＋１〜１０００＋ｋ＋３）は、メンテナンス作業１回分だけ時間的距離が離れていると考えることができる。

図８Ｂは、２種類のメンテナンス作業「Ｍ＃１」と「Ｍ＃２」とがそれぞれ複数回実施されたことを表している。具体的には、ロット番号「１００１」のプロセスの前に、メンテナンス作業Ｍ＃１の１回目（Ｍ＃１（１））が行われ、ロット番号「１００３」のプロセスの前に、メンテナンス作業Ｍ＃２の１回目（Ｍ＃２（１））が行われ、ロット番号「１０００＋ｋ＋１」のプロセスの前に、メンテナンス作業Ｍ＃１の２回目（Ｍ＃１（２））およびメンテナンス作業Ｍ＃２の２回目（Ｍ＃２（２））が行われている。
このような場合でも、各種のメンテナンス作業と製造プロセスとの時間的距離は、メンテナンス作業から各製造プロセスまでの時間や、メンテナンス作業後の製造プロセスの順番によって表すことができる。
この場合、メンテナンス作業ごとに製造プロセスの時間的距離が把握される。この例においては、ロット番号「１００３」により特定される製造プロセスは、第１のメンテナンス作業Ｍ＃１（１）からの時間的距離は「３」となる一方、第２のメンテナンス作業Ｍ＃２（１）からの時間的距離は「１」となる。これを距離（１００３：Ｍ＃１，Ｍ＃２）＝（３，１）と表してもよい。また、ロット番号「１０００＋ｋ」（ｋは４以上の自然数）の製造プロセスのについては、距離（１０００＋ｋ：Ｍ＃１，Ｍ＃２）＝（ｋ，ｋ−２）となる。

このような時間的距離は、コンテキストデータファイル４０１に含まれる各製造プロセスの「開始時刻（Start Time）」または「終了時刻（End Time）」の値とメンテナンス情報ファイル４０５に含まれる「実施（完了）日時」の値の差分をとり、その差分の大きさに応じて製造プロセスを配列することによって計算することができる。
このようなメンテナンス作業と製造プロセスとの時間的距離は、予め計算して、その結果をコンテキストデータ管理部４００内に設けられた距離データファイル４０６に記憶させておく。
例えば、各製造プロセスと各メンテナンス作業との時間的距離を表すデータ（以下、「時間的距離データ」という。）を、図９に示すように、テーブル形式でデータ記憶部３４０の距離データファイル４０６に記憶させてもよい。
予め計算しておくことによって、後述する健常性に関する指標の計算を効率的に行うことができる。

（３）抽出部
抽出部３５０は、距離データファイル４０６を参照して、データ記憶部３４０に記憶されたサンプリングデータのうち、メンテナンス作業から所定の時間的距離を有する製造プロセスから得られたものを抽出する。
なお、本実施の形態においては、時間的距離データを予め計算しておくものとして説明したが、抽出部３５０がデータの抽出を行う度に時間的距離を計算してもよい。
また、抽出部３５０は、時間的距離の他、メンテナンスの累積回数や、製品の良否に応じてサンプリングデータを抽出することもできる。例えば、同じメンテナンスＭ＃１でも、２回目のＭ＃１（２）以降のサンプリングデータを抽出するようにしてもよいし、コンテキストデータと関連付けて製品検査の結果（合格または不合格）を記憶しておくことによって、合格または不合格だった製品を製造した製造プロセスのサンプリングデータを抽出することもできる。

（４）演算部
演算部３６０は、演算方法定義ファイル４０３に記憶されたモデルを参照し、データ記憶部３４０に記憶されたサンプリングデータを用いて製造装置の健常性に関する指標、例えば、サンプリングデータの特徴量、代表値、平均値、最大値、最小値、平均値、および標準偏差等を演算する。
このような演算部３６０は、一般には、データ記憶部３４０に記憶された任意のサンプリングデータを用いて演算を行うことができるが、本実施の形態においては、さらに、次に述べるように、上述した抽出部３５０によって抽出されたサンプリングデータに対して演算を行う。

１−２．第１の実施の形態に係る情報処理装置の動作
次に、図１０を参照して、情報処理装置３における状態データ（サンプリングデータ）の抽出から演算までの動作の一例を説明する。
まず、抽出動作を開始するにあたっては、抽出条件として、時間的距離の規準となるメンテナンス作業またはメンテナンス作業の種類と、そのメンテナンス作業からの時間的距離を指定する（Ｓ１０）。時間的距離の指定は、特定の種類のメンテナンス作業から数えたときの順序を指定することによって行ってもよいし、順序の範囲を指定してもよい。図８Ａの概念図に基づくならば、例えば、「メンテナンスＭ＃１から３番目の製造プロセス」を指定した場合は、Ｍ＃１（１）から３番目の製造プロセス（ロット番号：１００３）と、Ｍ＃１（２）から３番目の製造プロセス（ロット番号：１０００＋ｋ＋３）が抽出されることになるし、「メンテナンスＭ＃１から１〜３番目の製造プロセス」を指定した場合は、Ｍ＃１（１）から１〜３番目の製造プロセス（ロット番号：１００１〜１００３）と、Ｍ＃１（２）から１〜３番目の製造プロセス（ロット番号：１０００＋ｋ＋１〜１０００＋ｋ＋３）が抽出されることになる。
なお、抽出条件の指定は、例えば、キーボード３７等からマニュアル入力してもよいし、別途、プログラム等によって自動で指定してもよい。

抽出部３５０は、抽出条件が設定されると（Ｓ０１：Ｙｅｓ）、指定されたメンテナンス作業後の各製造プロセスの順序を求める（Ｓ０２）。抽出条件においてメンテナンス作業の種類が指定された場合は、同種の複数のメンテナンス作業のそれぞれからの順序を求める。各メンテナンス作業からの各製造プロセスの順序が距離データファイル４０６に予め記憶されている場合は、抽出部３５０は、距離データファイル４０６に記憶された各製造プロセスの時間的距離データを参照すればよい。

メンテナンス作業後の製造プロセスの順序が得られたら、この順序を参照して抽出条件を満たす製造プロセスを特定し、さらにコンテキストデータ管理部４００を参照して、特定された製造プロセスに対応するデータフォルダ３４０−ｊを特定する（Ｓ０３）。
このデータフォルダ３４０−ｊが特定されたら、このデータフォルダ３４０−ｊに格納されているサンプリングデータファイル４０２−１〜４０２−Ｎからサンプリングデータを読み出して、演算部３６０に出力する（Ｓ０４）。

演算部３６０は、演算方法定義ファイル４０３に記憶されたモデルを参照し、抽出部３５０によって抽出されたサンプリングデータを用いて所定の演算を行い（Ｓ０５）、得られた指標を健常性に関する指標として出力する。得られた指標は、制御部３１０によって、ディスプレイ３６に表示されたり、データ記憶部３４０に記憶される。

したがって、演算部３６０は、データ記憶部３４０に記憶されたサンプリングデータのうち、指定されたメンテナンス作業から所定の時間的距離を有する製造プロセスから得られたもののみを用いて各種指標を演算することができる。その結果、同様の環境下において得られたサンプリングデータのみを用いて指標を演算するので、製造装置の健常性を評価する際に、メンテナンス作業による製造装置の環境の変化の影響を抑えることができる。

なお、本実施の形態においては、コンテキストデータとサンプリングデータとを別々のファイルに格納し、これらを製造プロセスごとに１つのフォルダに格納しているので、各種指標を演算する際のデータ抽出の処理負担、特に、製造プロセスを特定して特定された製造プロセスの状態データを抽出する処理負担を軽減することができる。
しかし、本発明においては、これらのデータを、上述したファイル構成に代えて、他の構成、例えば、リレーショナル・モデルに基づくリレーショナルデータベースに格納してもよい。

２．第２の実施の形態
本発明の第２の実施の形態に係る情報処理装置は、情報処理装置自体が、健常性を評価するために用いられる指標の演算に用いるモデルを、状態データに基づいて作成するものである。

２−１．第２の実施の形態に係る情報処理装置の構成
図１１に、本発明の第２の実施の形態に係る情報処理装置の構成例を示す。なお、以下の説明において、上述した第１の実施の形態に係る情報処理装置と同様の構成要素には、同一の符号を用い、その詳細な説明は省略する。

（１）モデル作成部
（１−１）モデルの作成
本実施の形態に係る情報処理装置は、図１１に示すように、抽出部３５０によって抽出されたサンプリングデータの一部または全部に基づいてモデルを作成するモデル作成部３６１を備えている。このモデル作成部３６１によって作成されたモデルは、データ記憶部３４０のモデル記憶部４０３ａに記憶される。このモデル記憶部４０３ａは、第１の実施の形態に係る情報処理装置における演算方法定義ファイル４０３相当するものである。モデル記憶部４０３ａに記憶されたモデルは、演算部３６０によって参照されて、抽出部３５０によって抽出されたサンプリングデータ（状態データ）から指標を演算するために用いられる。

モデルを作成するにあたっては、例えば、多変量解析やシステム同定の手法を用いて新たなモデルを構築する場合はもちろんのこと、既存のモデルのパラメータを変更することも、「モデルを作成する」ことに含まれる。特に多変量解析の手法は、プロセス障害を検出するＦＤＣを実行する際の複数の健常性の指標を一括して管理するためにも用いることができる。

また、本実施の形態においては、モデル作成部３６１がモデルの作成に用いる状態データは、抽出部３５０によって抽出された、メンテナンス作業から所定の時間的距離を有する製造プロセスの状態を表す状態データである。このようにメンテナンス作業から所定の時間的距離を有する製造プロセスの状態を表す状態データを用いてモデルを作成することによって、メンテナンス作業やドリフトの影響を排除してモデルを作成することができる。

（１−２）モデルの評価と更新
モデルの更新は、データ記憶部３４０のモデル記憶部４０３ａにすでにモデルが記憶されている状態で、モデル作成部３６１において作成した新たなモデルをモデル記憶部４０３ａにすでに記憶されているモデルと置き換える処理である。
モデルの更新に先立って、モデル作成部３６１は、新たに作成したモデルの妥当性の評価を行ってもよい。
モデルの評価は、例えば、演算部３６０に、２種類のモデル、すなわち、すでにモデル記憶部４０３ａに記憶されているモデルと新たに作成したモデルとを用いて、新たなモデルの作成に用いた状態データとは異なる状態データから健常性に関する指標をそれぞれ演算させ、それら差と予め定められた閾値を比較することによって実現することができる。すなわち、２種類のモデルに基づく指標の差が閾値以下であれば、新しいモデルをモデル記憶部４０３ａに記憶させ、すでに記憶されているモデルと置き換える一方、２つの指標の差が閾値を超えている場合は、新しいモデルは採用せず、モデルの更新を見合わせるのである。
なお、２つの指標の差が閾値を超えており、モデルの更新を見合わせる場合は、異なる条件で抽出した状態データを用いて改めてモデルを作成するようにしてもよい。

（２）判定部
判定部３８０は、製造装置の現在の状態を表す状態データから演算部３６０によって演算された健常性に関する指標に基づいて、製造装置に異常がないか否かを判定する機能部である。
このとき演算部３６０が用いるモデルは、モデル記憶部４０３ａに記憶されたモデルである。したがって、上述したモデルの評価を経ている場合は、ここで用いられるモデルは、妥当なものと評価されたモデルである。
判定部３８０は、製造装置の現在の状態を表す状態データから演算部３６０によって演算された健常性に関する指標に基づいて製造装置に異常があると判断される場合は、生産管理システムを通じてオペレータに対しロットの検査の実施および次ロット処理の禁止等の措置をとることを促し、製造装置が正常と判断される場合は、正常と判断されたチャンバにおける次ロット処理やそのチャンバで処理されたロットに対する次工程の開始を許可する。

２−２．第２の実施の形態に係る情報処理装置の動作
２−２−１．状態データの抽出およびモデル作成
図１２Ａにモデル作成部３６１によるモデル作成の手順の一例を示す。
まず、抽出条件が設定されると（Ｓ１１：Ｙｅｓ）、指定されたメンテナンス作業後の各製造プロセスの順序を求め（Ｓ１２）、抽出条件を満たす製造プロセスを特定し、さらにコンテキストデータ管理部４００を参照して、特定された製造プロセスに対応するデータフォルダ３４０−ｊを特定する（Ｓ１３）。

ここで、モデル作成のための抽出としては、次のようなものが例として挙げられる。
・特定のメンテナンス作業または特定種類のメンテナンス作業からの所定の時間的距離を有する製造プロセスを抽出する；
・直近のメンテナンス作業後の製造プロセスを抽出する；
・特定種類のメンテナンス作業について、累積回数が所定数となる過去のメンテナンス作業以降の製造プロセスを抽出する；
・製品検査の結果、合格（または不合格）となった製品を製造した製造プロセスを抽出する。
特に、「特定のメンテナンス作業からの所定の時間的距離を有する製造プロセス」の数や「直近のメンテナンス作業後の製造プロセス」の数が、モデルの作成には少なすぎる場合等には、「累積回数が所定数となる過去のメンテナンス作業以降の製造プロセスを抽出する」という条件に切り替えればよい。
また、これらの条件のうち、複数の条件を組み合わせてもよい。例えば、「累積回数が所定数となる過去のメンテナンス作業以降の製造プロセス」のうち、「製品検査の結果、合格（または不合格）となった製品を製造した製造プロセス」を抽出してもよい。

抽出部３５０は、データフォルダ３４０−ｊが特定されたら、このデータフォルダ３４０−ｊに格納されているサンプリングデータファイル４０２−１〜４０２−Ｎからサンプリングデータを読み出して、モデル作成部３６１に出力する（Ｓ１４）。
モデル作成部３６１は、抽出部３５０によって抽出されたサンプリングデータからモデルを作成する（Ｓ１５）。
２−２−２．モデルの評価および更新
上述のようにして新たなモデルが作成されると、この新たなモデルの作成に用いた状態データとは異なる過去の状態データから、新たなモデルを用いて健常性に関する指標を演算する一方、同じ過去の状態データから、すでにモデル記憶部４０３ａに記憶されているモデルを用いて健常性に関する指標を演算する（Ｓ１６）。
そして、新旧２つのモデルを用いてそれぞれ演算した健常性に関する指標の差が所定の閾値以下であれば（Ｓ１７：Ｙｅｓ）、新たなモデルをモデル記憶部４０３ａに記憶して、モデルを更新する（Ｓ１８）。
一方、これらの指標の差が所定の閾値を超えていれば（Ｓ１７：Ｎｏ）、モデルの作成に用いる状態データを選び直して（Ｓ１３）、再度、モデルの作成を行う（Ｓ１４−Ｓ１５）。

なお、作成されたモデルをデータ記憶部３４０に記憶させるにあたっては、既存のモデルと置き換えるようにしてもよいし、モデル記憶部４０３ａに既存のモデルと併存させて記憶させてもよい。
例えば、モデル作成部３６１は、直近のメンテナンス作業より過去のメンテナンス作業後に行われた製造プロセスの状態を表す状態データに基づいて作成された第１のモデルを、直近のメンテナンス作業後に行われた製造プロセスの状態を表す状態データを用いて更新して第２のモデルを作成してもよい。この場合、指標を演算に用いられるモデルは、製造プロセスが実施されて新しい状態データが得られるたびに、その新しい状態データを用いて更新される。したがって、状態データをｘ、メンテナンス作業後のプロセスの順番（メンテナンス作業からの時間的距離）をｋ、ｋ番目の製造プロセスを表す状態データｘから指標を演算するモデルをｆ（ｘ）ｋとすると、メンテナンス作業が実施された直後から製造プロセスがｋ回目、ｋ＋１、ｋ＋２、、、と進むたびに、モデルは直近のメンテナンス作業後の製造プロセスを表す状態データを考慮して、ｆ（ｘ）ｋ、ｆ（ｘ）ｋ＋１、ｆ（ｘ）ｋ＋２、、、と更新されて、最新の状態に追従する。

また、メンテナンス作業の直後は、直近のコンテクストが存在せず、製造装置の健常性を評価するために用いられる指標を算出するモデルそのものを作成することができない場合がある。このような場合には、過去に行われた同種のメンテナンス作業直後の値を用いてモデルを作成してもよい。このとき、複数回にわたる過去の同種のメンテナンス直後のサンプリングデータを参照する場合は、例えば、過去３回の同種のメンテナンス作業後のデータを用いる場合には、直前のメンテナンス作業直後のデータを50％、その一つ前のデータを30％、さらにひとつ前のデータを20％使用する、といったように、過去にさかのぼるにつれて重みが小さくなるようにしてもよい。
２−２−３．指標に基づく判定
次に、図１２Ｂを参照して、指標に基づく判定の手順を説明する。
モデルが更新されると（図１２Ａ、Ｓ１８）、演算部３６０は、このモデルを用いて現在の製造装置の現在の状態を表す状態データから健常性に関する指標を演算する（Ｓ１９）。判定部３８０は、この健常性に関する指標に基づいて製造装置に異常があるか否かを判断し（Ｓ２０）、製造装置が正常と判断される場合は（Ｓ２０：Ｙｅｓ）、正常と判断されたチャンバにおける次ロット処理やそのチャンバで処理されたロットに対する次工程の開始を許可する（Ｓ２１）。一方、製造装置に異常ありと判断される場合は（Ｓ２０：Ｎｏ）、生産管理システムを通じてオペレータに対しロットの検査の実施および次ロット処理の禁止等の措置をとることを促す（Ｓ２２）。

本実施の形態に係る情報処理装置によれば、メンテナンス作業から所定の時間的距離を有する製造プロセスの状態を表す状態データに基づいてモデルを作成することができるので、メンテナンス作業やドリフトの影響を排除してモデルを作成することができる。
また、新たに作成したモデルと既存のモデルとを、過去の状態データによる健常性の指標の演算結果に基づいて比較することによって、新たに作成したモデルを評価するので、更新されたモデルの妥当性を担保することが可能となる。
また、判定部３８０を設け、現在の状態データに基づく健常性に関する指標に基づいて製造装置の健常性を監視判定することによって、製品の信頼性と生産性の向上を図ることが可能となる。

［第３の実施の形態］
モデルは、必ずしも１つとは限らず、例えば、異なる状態データを抽出したうえでモデルを複数作成し、これらのモデルの中から、製造装置の現状に最も即している指標を与える最適なモデルを決めるようにしてもよい。
本発明の第３の実施の形態は、上述した第２の実施の形態において、複数のモデルを作成し、それらのモデルを評価する機構を有するものである。

図１３に、本発明の第３の実施の形態に係る情報処理装置の構成例を示す。なお、上述した第１および第２の実施の形態に係る情報処理装置と同様の構成要素には、同一の符号を用い、その詳細な説明は省略する。
本実施の形態に係る情報処理装置は、データ記憶部３４０内のモデル記憶部４０３ａに複数のモデルを記憶することができ、さらに、それらのモデルを比較・評価する評価部３９０を備えている。

＜モデルの評価＞
例えば、モデル作成部３６１が、直近のメンテナンス作業より以前の（過去の）メンテナンス作業後に行われた製造プロセスの状態を表す状態データに基づいて第１のモデルを作成した後、直近のメンテナンス作業後に行われた製造プロセスの状態を表す状態データを用いて第２のモデルを作成した場合を考える。
この場合、評価部３９０は、モデル記憶部４０３ａに記憶された第１のモデルに基づく指標の演算結果と第２のモデルに基づく指標の演算結果とを比較して、第１のモデルに基づく指標の演算結果と第２のモデルに基づく指標の演算結果との差が所定の範囲内のときは、第２のモデルに基づく指標の演算結果を製造装置の健常性に関する指標とし、所定の範囲外のときは、第１のモデルに基づく指標の演算結果を製造装置の健常性に関する指標とするようにしてもよい。
また、得られたモデルがその前の状態を表すかどうかを判断するために、多変量解析の手法を用いて、複数あるパラメータの因子負荷量等を算出し、状態が崩れていないかを簡便に判断する等の手法を用いてもよい。
また、メンテナンス作業後、製造プロセスを充分な回数を重ねた後は、それ以前のメンテナンス作業後のサンプリングデータは必ずしも用いなくてもよい。

本発明は、製造プロセスの製造装置の健常性の評価や、製造プロセス障害を検出するＦＤＣに利用可能である。

１−１〜１−Ｎ…センサ、１０…製造装置、２０…生産管理システム、３…情報処理装置、３１…ＣＰＵ、３２…ＲＡＭ、３３…ＲＯＭ、３４…記憶装置、３５Ａ〜３５Ｄ…インターフェース、３６…ディスプレイ、３７…キーボード、３８…ポインティングデバイス、３１０…制御部、３１１…サンプリング処理部、３１２…記憶制御部、３１２ａ…フォルダ制御部、３１２ｂ…ファイル制御部、３４０…データ記憶部、３４０−１〜３４０−ｎ…データフォルダ、３５０…抽出部、３６０…演算部、３６１…モデル作成部、３７０…出力部、３８０…判定部、３９０…評価部、４００…コンテキストデータ管理部、４０３…演算方法定義ファイル、４０３ａ…モデル記憶部、４０５…メンテナンス情報ファイル、４０６…距離データファイル。

Claims (9)

1. 製造装置および前記製造装置を用いた製造プロセスを特定するコンテキストデータと、前記製造プロセスの状態を表す状態データと、前記製造装置に対して行われたメンテナンス作業の履歴を示すメンテナンスデータとを記憶したデータ記憶部と、
   前記状態データのうち、前記メンテナンス作業から所定の時間的距離を有する前記製造プロセスの状態を表す状態データを抽出する抽出部と、
   抽出された前記状態データを用いて前記製造装置の健常性に関する指標を演算する演算部と
   を備えたことを特徴とする情報処理装置。
2. 請求項１に記載された情報処理装置において、
   前記時間的距離は、前記メンテナンス作業後に行われた複数の前記製造プロセスの順番を表すデータである
   ことを特徴とする情報処理装置。
3. 請求項１または２に記載された情報処理装置において、
   前記演算部は、抽出された前記状態データに対して前記時間的距離に応じた重み付けをして前記指標を演算する
   ことを特徴とする情報処理装置。
4. 請求項１乃至３のいずれか１項に記載された情報処理装置において、
   前記データ記憶部は、
   前記時間的距離を前記メンテナンス作業および前記製造プロセスと関連付けて記憶する距離データ記憶部を有し、
   前記抽出部は、
   前記距離データ記憶部を参照して、特定種類の前記メンテナンス作業から前記所定の時間的距離を有する前記製造プロセスの状態を表す状態データを抽出すること
   を特徴とする情報処理装置。
5. 請求項１乃至４のいずれか１項に記載された情報処理装置において、
   前記データ記憶部において前記コンテキストデータを含むコンテキストデータファイルと前記状態データを含む状態データファイルとを前記製造プロセスごとに一つのフォルダに格納する記憶制御部をさらに備える
   ことを特徴とする情報処理装置。
6. 請求項１乃至５のいずれか１項に記載された情報処理装置において、
   前記メンテナンス作業から所定の時間的距離を有する前記製造プロセスの状態を表す状態データに基づいて、前記指標の演算に用いるモデルを作成するモデル作成部をさらに備え、
   前記演算部は、
   前記抽出部によって抽出された前記状態データと前記モデルとに基づいて前記指標を演算する
   ことを特徴とする情報処理装置。
7. 請求項６に記載された情報処理装置において、
   直近のメンテナンス作業より過去のメンテナンス作業後に行われた前記製造プロセスの状態を表す状態データに基づいて作成された前記指標の演算に用いる第１のモデルと、前記直近のメンテナンス作業後に行われた前記製造プロセスの状態を表す状態データを用いて作成された前記指標の演算に用いる第２のモデルとを記憶するモデル記憶部と、
   前記第１のモデルに基づく前記指標の演算結果と前記第２のモデルに基づく前記指標の演算結果とを比較して、前記第１のモデルに基づく前記指標の演算結果と前記第２のモデルに基づく前記指標の演算結果との差が所定の範囲内のときは、前記第２のモデルに基づく前記指標の演算結果を前記製造装置の健常性に関する指標とし、前記第１のモデルに基づく前記指標の演算結果と前記第２のモデルに基づく前記指標の演算結果との差が所定の範囲外のときは、前記第１のモデルに基づく前記指標の演算結果を前記製造装置の健常性に関する指標とする評価部と
   をさらに備えることを特徴とする情報処理装置。
8. 製造装置および前記製造装置を用いた製造プロセスを特定するコンテキストデータと、前記製造プロセスの状態を表す状態データと、前記製造装置に対して行われたメンテナンス作業の履歴を示すメンテナンスデータとを記憶したデータ記憶部と、演算装置とを含むコンピュータが、前記状態データのうち、前記メンテナンス作業から所定の時間的距離を有する前記製造プロセスの状態を表す状態データを抽出するステップと、
   前記コンピュータが、抽出された前記状態データを用いて前記製造装置の健常性に関する指標を演算するステップと
   を備えたことを特徴とする情報処理方法。
9. 製造装置および前記製造装置を用いた製造プロセスを特定するコンテキストデータと、前記製造プロセスの状態を表す状態データと、前記製造装置に対して行われたメンテナンス作業の履歴を示すメンテナンスデータとを記憶したデータ記憶部と、演算装置とを含むコンピュータに、
   前記状態データのうち、前記メンテナンス作業から所定の時間的距離を有する前記製造プロセスの状態を表す状態データを抽出するステップと、
   抽出された前記状態データを用いて前記製造装置の健常性に関する指標を演算するステップと
   を実行させることを特徴とする情報処理プログラム。

Images