JP7046503B2 - 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム - Google Patents
情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム Download PDFInfo
- Publication number
- JP7046503B2 JP7046503B2 JP2017098691A JP2017098691A JP7046503B2 JP 7046503 B2 JP7046503 B2 JP 7046503B2 JP 2017098691 A JP2017098691 A JP 2017098691A JP 2017098691 A JP2017098691 A JP 2017098691A JP 7046503 B2 JP7046503 B2 JP 7046503B2
- Authority
- JP
- Japan
- Prior art keywords
- vacuum pump
- failure
- data
- failed
- state amount
- 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.)
- Active
Links
Images
Description
本発明は、情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラムに関する。
半導体製造装置では、チャンバー内に真空環境を作り出すことを目的として半導体製造工程に使用されるガスをチャンバー内から排気する真空ポンプが広く使用されている。このような真空ポンプとしては、ルーツ型やスクリュー型のポンプロータを備えた容積式タイプの真空ポンプが知られている。
一般に、容積式の真空ポンプは、ケーシング内に配置された一対のポンプロータと、このポンプロータを回転駆動するためのモータとを備えている。一対のポンプロータ間及びポンプロータとケーシングの内面との間には微小なクリアランスが形成されており、ポンプロータは、ケーシングに非接触で回転するように構成されている。そして、一対のポンプロータが同期しつつ互いに反対方向に回転することにより、ケーシング内の気体が吸入側から吐出側に移送され、吸込口に接続されたチャンバーなどから気体が排気される。
半導体製造工程に使用されるガス、あるいは使用されるガスが化学反応によって生成する物質には、温度が低下すると固形化あるいは液状化する成分が含まれるものがある。通常、上述した真空ポンプは、ガスを移送する過程で圧縮熱が発生するため、運転中の真空ポンプは、ある程度高温となっている。圧縮熱による高温化ではガス中の成分あるいは生成物質の固形化あるいは液状化温度より高くならない場合には、ポンプ本体を外部加熱あるいは流入するガスの加熱により真空ポンプの高温を維持している。上記真空ポンプを用いて上述した成分を含むガスを排気した場合でもガス中の成分あるいは生成物質が固形化又は液状化せずに良好な真空排気が行われる。
しかしながら、上述した真空ポンプの高温化では使用されるガス、あるいは使用されるガスからの生成物資の液状化、固形化を防ぐことができない半導体製造工程がある。この工程での真空ポンプの運転を継続すると、この固形化した生成物（反応生成物）がポンプロータ間やポンプロータとケーシングとの隙間に堆積する。そして、この生成物の堆積が進行すると、真空ポンプの運転中に真空ポンプに過剰な負荷がかかることによって、製造プロセス中に真空ポンプが停止し、製造プロセス中の製品に多大な損害を与えることになる。
そのような損害を防止するために、特許文献１では、モータ電流の積分値もしくは平均値が閾値を超えたときに警報を発生することが開示されている。特許文献２では、真空ポンプの発生するＡＥ（アコースティックエミッション）を検出するＡＥセンサを少なくとも備えたセンサ部からの信号を解析診断することが開示されている。
しかしながら、依然として、製造プロセス中に真空ポンプが停止し製造プロセス中の製品に多大な損害を与える危険性を低減する技術が望まれている。
本発明は、上記問題に鑑みてなされたものであり、製造プロセス中に真空ポンプが停止し製造プロセス中の製品に多大な損害を与える危険性を低減することを可能とする情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラムを提供することを目的とする。
本発明の第１の態様に係る情報処理装置は、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データが記憶されている記憶部を参照して、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、前記記憶部に記憶されている基準データと、を比較し、比較結果を出力する比較部を備える。
この構成によれば、真空ポンプの故障到達の可能性を把握することができるので、製造プロセス中に真空ポンプが停止し製造プロセス中の製品に多大な損害を与える危険性を低減することができる。
本発明の第２の態様に係る情報処理装置は、第１の態様に係る情報処理装置であって、前記比較部は、前記比較した結果、真空ポンプの故障到達の可能性を判定し、判定結果を前記比較結果として出力する。
この構成によれば、真空ポンプの故障到達の可能性が出力されるので、真空ポンプの管理者は、真空ポンプの故障到達の可能性を把握することができる。
本発明の第３の態様に係る情報処理装置は、第２の態様に係る情報処理装置であって、前記記憶部には、真空ポンプの属性と前記基準データとが関連付けられて記憶されており、前記比較部は、前記運転中の真空ポンプの状態量から検出された異常データの傾向と、前記記憶部において当該運転中の真空ポンプの属性に関連付けられて記憶されている基準データとを比較する。
この構成によれば、真空ポンプの属性毎に比較することができるので、故障到達の可能性の判定精度を向上させることができる。
本発明の第４の態様に係る情報処理装置は、第１から３のいずれかの態様に係る情報処理装置であって、前記記憶部には、半導体製造装置の製造工程と前記基準データとが関連付けられて記憶されており、前記比較部は、前記運転中の真空ポンプの状態量から検出された異常データの傾向と、前記記憶部において当該運転中の真空ポンプが接続されている半導体製造装置の現在の製造工程に関連付けられて記憶されている基準データとを比較する。
この構成によれば、半導体製造装置の製造工程毎に比較することができるので、故障到達の可能性の判定精度を向上させることができる。
本発明の第５の態様に係る情報処理装置は、第１から４のいずれかの態様に係る情報処理装置であって、前記比較部は、前記運転中の真空ポンプの状態量に基づく値と、故障した真空ポンプの故障時の状態量に基づく値の統計量とを比較し、比較結果に応じて報知するよう制御する。
この構成によれば、運転中の真空ポンプの状態量が故障した真空ポンプの故障時の状態量に近づいたときに報知することができ、真空ポンプが故障する前に真空ポンプのメンテナンスまたは交換をすることができる。
本発明の第６の態様に係る情報処理装置は、第１から５のいずれかの態様に係る情報処理装置であって、前記比較部は、前記運転中の真空ポンプの状態量の異常発生回数と、故障した真空ポンプの故障時までの状態量の異常発生回数の統計量とを比較し、比較結果に応じて報知するよう制御する。
この構成によれば、運転中の真空ポンプの状態量が故障した真空ポンプの故障時までの異常発生回数に近づいたときに報知することができ、真空ポンプが故障する前に真空ポンプのメンテナンスまたは交換をすることができる。
本発明の第７の態様に係る情報処理装置は、第１から６のいずれかの態様に係る情報処理装置であって、前記比較部は、前記運転中の真空ポンプの状態量の異常発生のインターバルと、故障した真空ポンプの故障前における状態量の異常発生のインターバルの統計量とを比較し、比較結果に応じて報知するよう制御する。
この構成によれば、運転中の真空ポンプの状態量が故障前における状態量の異常発生のインターバルに近づいたときに報知することができ、真空ポンプが故障する前に真空ポンプのメンテナンスまたは交換をすることができる。
本発明の第８の態様に係る情報処理装置は、第５から７のいずれかの態様に係る情報処理装置であって、前記比較部は、前記運転中の真空ポンプが接続された半導体製造装置の製造工程の時間または製造工程の回数に応じて報知するタイミングを変更するよう処理する。
この構成によれば、運転中の真空ポンプが接続された半導体製造装置の製造工程の時間または製造工程の回数に応じて報知するタイミングを変えることができる。このため、運転中の真空ポンプが接続された半導体製造装置の製造工程の時間または成膜プロセスの回数が多いほど故障リスクが高まるが、報知するタイミングを早めることにより、真空ポンプが故障する前に真空ポンプのメンテナンスまたは交換をすることができる。
本発明の第９の態様に係る基準データ決定装置は、故障した真空ポンプの状態量のデータ中に検出された異常データが記憶されている記憶部を参照して、前記異常データの傾向を用いて故障到達の可能性を判定するための基準データを決定する決定部を備える。
この構成によれば、基準データが作成されるので、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と比較する際に、この基準データと比較することで、真空ポンプの故障到達の可能性を判定することができる。
本発明の第１０の態様に係る情報処理装置は、第９の態様に係る情報処理装置であって、前記決定部は、真空ポンプの属性毎に、前記基準データを決定する。
この構成によれば、真空ポンプの属性毎に基準データが作成されるので、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と比較する際に、当該運転中の真空ポンプが属する属性の真空ポンプに対応する基準データと比較することができる。これにより、真空ポンプの故障到達の可能性の判定精度を向上させることができる。
本発明の第１１の態様に係る情報処理装置は、第９または１０の態様に係る情報処理装置であって、前記決定部は、半導体製造装置の製造工程毎に、前記基準データを決定する。
この構成によれば、半導体製造装置の成膜工程毎に基準データが作成されるので、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と比較する際に、当該真空ポンプが接続された半導体製造装置の成膜工程に対応する基準データと比較することができる。これにより、真空ポンプの故障到達の可能性の判定精度を向上させることができる。
本発明の第１２の態様に係る情報処理方法は、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データが記憶されている記憶部を参照して、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、前記記憶部に記憶されている基準データと、を比較し、比較結果を出力する工程を有する。
この構成によれば、真空ポンプの故障到達の可能性を把握することができるので、製造プロセス中に真空ポンプが停止し製造プロセス中の製品に多大な損害を与える危険性を低減することができる。
本発明の第１３の態様に係る基準データ決定方法は、故障した真空ポンプの状態量のデータ中に検出された異常データが記憶されている記憶部を参照して、前記異常データの傾向を用いて故障到達の可能性を判定するための基準データを決定する工程を有する。
この構成によれば、基準データが作成されるので、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と比較する際に、この基準データと比較することで、真空ポンプの故障到達の可能性を判定することができる。
本発明の第１４の態様に係るプログラムは、コンピュータを、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データが記憶されている記憶部を参照して、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、前記記憶部に記憶されている基準データと、を比較し、比較結果を出力する比較部として機能させるためのプログラムである。
この構成によれば、真空ポンプの故障到達の可能性を把握することができるので、製造プロセス中に真空ポンプが停止し製造プロセス中の製品に多大な損害を与える危険性を低減することができる。
本発明の第１５の態様に係るプログラムは、コンピュータを、故障した真空ポンプの状態量のデータ中に検出された異常データが記憶されている記憶部を参照して、前記異常データの傾向を用いて故障到達の可能性を判定するための基準データを決定する決定部として機能させるためのプログラムである。
この構成によれば、基準データが作成されるので、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と比較する際に、この基準データと比較することで、真空ポンプの故障到達の可能性を判定することができる。
本発明の一態様によれば、真空ポンプの故障到達の可能性を把握することができるので、製造プロセス中に真空ポンプが停止し製造プロセス中の製品に多大な損害を与える危険性を低減することができる。
以下、各実施形態について、図面を参照しながら説明する。
（第１の実施形態）
まず、第１の実施形態について説明する。第１の実施形態では、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から抽出された故障到達共通条件が基準データとして情報処理装置５に記憶されていることを前提として説明する。そして、第１の実施形態に係る情報処理装置５は、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、基準データとを比較し、比較結果を出力する。
まず、第１の実施形態について説明する。第１の実施形態では、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から抽出された故障到達共通条件が基準データとして情報処理装置５に記憶されていることを前提として説明する。そして、第１の実施形態に係る情報処理装置５は、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、基準データとを比較し、比較結果を出力する。
図１は、第１の実施形態に係る半導体製造システム１０の概略構成図である。図１に示すように、本実施形態に係る半導体製造システム１０は、半導体製造装置１と、真空ポンプ３と、半導体製造装置１と真空ポンプ３とを繋ぐ配管２と、真空ポンプ３を制御する制御装置４と、情報処理装置５と、情報処理装置５に接続された表示装置６とを備える。半導体製造装置１は、成膜プロセスチャンバ１１と、成膜プロセスチャンバ１１を制御する制御部１２とを備える。成膜プロセスチャンバ１１と真空ポンプ３は、配管２を介して連通しており、真空ポンプ３が運転することによって、成膜プロセスチャンバ１１内の気体（ガス）が排出され略真空にひかれる。成膜プロセスチャンバ１１における成膜の種類としてＣＶＤ（Chemical Vapor Deposition）、ＰＶＤ（Physical Vapor Deposition）、ＡＬＤ（Atomic Layer Deposition）、蒸着、スパッタ成膜がある。
真空ポンプ３は、ルーツ型のロータを備えたものでもよいし、スクリュー型のロータを備えたものでもよい。また真空ポンプ３は、クロー型またはスクロール形の真空ポンプであってもよい。また、真空ポンプ３は、一段のポンプでもよいし、複数段のポンプでもよい。真空ポンプ３の排気側後段には、排気ガス処理装置が接続されている。本実施形態に係る情報処理装置５は、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、基準データとを比較し、比較結果を例えば表示装置６に出力する。
真空ポンプ３は、ルーツ型のロータを備えたものでもよいし、スクリュー型のロータを備えたものでもよい。また真空ポンプ３は、クロー型またはスクロール形の真空ポンプであってもよい。また、真空ポンプ３は、一段のポンプでもよいし、複数段のポンプでもよい。真空ポンプ３の排気側後段には、排気ガス処理装置が接続されている。本実施形態に係る情報処理装置５は、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、基準データとを比較し、比較結果を例えば表示装置６に出力する。
図２は、第１の実施形態に係る真空ポンプ３の概略機能構成図である。図２に示すように、真空ポンプ３は、電源３６と、入力が電源３６と接続されたインバータ３７と、入力がインバータ３７の出力と接続されたモータ３８と、モータ３８の回転軸に連結されたロータ３９とを備える。また真空ポンプ３は、圧力計３５を備える。
インバータ３７は、電源３６から供給された交流電流を周波数変換し、周波数変換して得られた駆動電流をモータ３８に供給する。これにより、この駆動電流によってモータ３８の回転軸が回転し、それに伴ってロータ３９が回転することにより、配管２から吸入されたガスが排出される。このように、配管２からガスが連続して移送されることにより、配管２に接続された成膜プロセスチャンバ１１内のガスが真空排気される。
モータ３８は、モータ３８の回転数を示す回転数信号をインバータ３７に出力する。インバータ３７は例えば、駆動電流の電流実効値と、回転数信号から得られるモータ３８の回転速度を情報処理装置５に供給する。また、圧力計３５によって計測された真空ポンプ３内の圧力値が情報処理装置５に供給される。
図３は、第１の実施形態に係る情報処理装置５の概略構成図である。図３に示すように、情報処理装置５は、入力部５１と、出力部５２と、記憶部５３と、メモリ５４と、演算部５５と、通信部５６を備える。
入力部５１は、インバータ３７及び圧力計３５に接続されており、駆動電流の電流実効値、モータ３８の回転速度、真空ポンプ３内の圧力値が入力部５１に入力される。出力部５２は、演算部５５の指令に従って、情報を含む信号を表示装置６に出力する。記憶部５３には、運転データが格納されている。演算部５５は、ＣＰＵ（Central Processing Unit）５５０、異常データ検出部５５１、比較部５５２及びプログラムが格納されているキャッシュ５５３を有する。
また、記憶部５３には、故障到達の可能性を判定するための基準データが記憶されている。この基準データは、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定されたものである。本実施形態ではその一例として、図４に示すように、記憶部５３には、真空ポンプ３の属性と基準データとが関連付けられて記憶されている。図４は、記憶部５３に記憶されているテーブルＴ１の一例である。テーブルＴ１において、真空ポンプの属性と基準データとの組が格納されている。ここで真空ポンプの属性は、例えば、真空ポンプの種類、機種及び／または当該真空ポンプに接続される半導体製造装置の種類または機種、真空ポンプの製造番号、または真空ポンプを構成するパーツ（部品）のパーツ番号である。
メモリ５４は、一時的に情報を格納する。通信部５６は、外部の端末装置と通信ネットワークを経由して通信する。この通信は有線であっても無線であってもよい。ＣＰＵ５５０は、キャッシュ５５３に保存されたプログラムを読み出して実行する。
異常データ検出部５５１は、運転中の真空ポンプの状態量のデータから、異常データを検出する。ここで異常データは、例えば、区分けした工程毎に定義した正常範囲からの外れ値、工程に関わらないスパイク値、または区分けした工程毎の工程全体の経時的な変化傾向の異常（例えば、瞬間的な外れデータではなく、一定期間の区分区間の全体の増加傾向など）などである。
比較部５５２は、異常データ検出部５５１によって検出された、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、記憶部５３に記憶されている基準データと、を比較し、比較結果を出力する。具体的には例えば、比較部５５２は、比較した結果、真空ポンプの故障到達の可能性を判定し、判定結果を比較結果として出力する。ここで異常データの傾向は、例えば、（１）異常データ発生回数、（２）異常データ発生間隔の時間変化（間隔の減少）、（３）異常データ値の増加または減少傾向、（４）異常発生継続時間または継続時間の時間変化、（５）異常データが発生する工程の傾向（片寄り）、（６）異常が発生する工程の中で（１）～（４）の条件（例えば、ある工程の中で（１）～（４））、または（７）（２）～（４）の組合せ（セット）の発生状況である。なお、比較部５５２における処理はＣＰＵ５５０で演算してもよい。また、比較部５５２は、別途、ＦＰＧＡ（field-programmable gate array）や専用ボードで実現されてもよい。
また上述したように本実施形態では一例として記憶部５３には、真空ポンプの属性と基準データとが関連付けられて記憶されている。比較部５５２は、運転中の真空ポンプ３の状態量から検出された異常データの傾向と、記憶部５３において当該運転中の真空ポンプ３の属性に関連付けられて記憶されている基準データとを比較してもよい。
続いて、図５を用いて第１の実施形態に係る比較処理の流れを説明する。図５は、第１の実施形態に係る比較処理の流れの一例を示すフローチャートである。
（ステップＳ１０１）まず、異常データ検出部５５１は、運転中のポンプの状態量のデータから異常データを検出する。
（ステップＳ１０２）次に、比較部５５２は、異常データの傾向と基準データを比較し、真空ポンプ３の故障到達の可能性を判定する。
（ステップＳ１０３）次に、比較部５５２は、故障到達の可能性の判定結果を比較結果として例えば表示装置６へ出力する。
以下、比較部５５２における比較方法の例について説明する。
（比較方法１）
例えば、基準データとして記憶部５３に閾値が記憶されている場合、比較部５５２は、基準データである閾値と運転中の真空ポンプの異常データ発生回数を比較して判定してもよい。ここで、閾値は例えば、故障した複数の真空ポンプの異常データ発生回数を用いて設定されたものである。具体的には閾値は、故障した真空ポンプの異常データ発生回数の平均値、中央値、最小値、最大値、または代表値などであってもよい。具体的には、比較部５５２は、運転中の真空ポンプの異常データ発生回数が閾値を超えているか否か判定し、閾値を超えている場合に、真空ポンプ３の故障到達の可能性があると判定してもよい。
（比較方法１）
例えば、基準データとして記憶部５３に閾値が記憶されている場合、比較部５５２は、基準データである閾値と運転中の真空ポンプの異常データ発生回数を比較して判定してもよい。ここで、閾値は例えば、故障した複数の真空ポンプの異常データ発生回数を用いて設定されたものである。具体的には閾値は、故障した真空ポンプの異常データ発生回数の平均値、中央値、最小値、最大値、または代表値などであってもよい。具体的には、比較部５５２は、運転中の真空ポンプの異常データ発生回数が閾値を超えているか否か判定し、閾値を超えている場合に、真空ポンプ３の故障到達の可能性があると判定してもよい。
（比較方法２）
例えば、基準データとして記憶部５３に、異常データに関するパラメータ（例えば、状態量、発生回数、発生頻度、発生インターバル）と故障発生確率との複数の組とが記憶されている場合、比較部５５２は、記憶部５３に記憶されている異常データに関するパラメータと運転中の真空ポンプの異常データ発生回数とを比較し、運転中の真空ポンプの異常データ発生回数に記憶部５３において対応付けられた故障発生確率を出力するようにしてもよい。
例えば、基準データとして記憶部５３に、異常データに関するパラメータ（例えば、状態量、発生回数、発生頻度、発生インターバル）と故障発生確率との複数の組とが記憶されている場合、比較部５５２は、記憶部５３に記憶されている異常データに関するパラメータと運転中の真空ポンプの異常データ発生回数とを比較し、運転中の真空ポンプの異常データ発生回数に記憶部５３において対応付けられた故障発生確率を出力するようにしてもよい。
（比較方法３）
例えば、基準データとして記憶部５３に、異常データに関する複数のパラメータ（例えば、状態量、発生回数、発生頻度、発生インターバル）と故障発生確率とが記憶されている場合、比較部５５２は、記憶部５３に記憶されている複数のパラメータと、運転中の真空ポンプの複数のパラメータとを比較し、運転中の真空ポンプの複数のパラメータの組に記憶部５３において対応付けられた故障発生確率を出力してもよい。
例えば、基準データとして記憶部５３に、異常データに関する複数のパラメータ（例えば、状態量、発生回数、発生頻度、発生インターバル）と故障発生確率とが記憶されている場合、比較部５５２は、記憶部５３に記憶されている複数のパラメータと、運転中の真空ポンプの複数のパラメータとを比較し、運転中の真空ポンプの複数のパラメータの組に記憶部５３において対応付けられた故障発生確率を出力してもよい。
（比較方法４）
例えば、基準データとして記憶部５３に、異常データに関するパラメータ（例えば、状態量、発生回数、発生頻度、発生インターバル）に基準値が関連付けられて記憶され、乖離値と異常データに関するパラメータ（例えば、状態量、発生回数、発生頻度、発生インターバル）の組に関連付けられて故障発生確率が基準データとして記憶されている場合を想定する。比較部５５２は、記憶部５３に記憶されている異常データに関するパラメータと運転中の真空ポンプの対応するパラメータを比較し、運転中の真空ポンプの対応するパラメータの基準値からの乖離値（または一致傾向度合）を決定してもよい。そして比較部５５２は、この乖離値と当該異常データに関するパラメータの組に記憶部５３において対応付けられた故障発生確率を出力してもよい。
例えば、基準データとして記憶部５３に、異常データに関するパラメータ（例えば、状態量、発生回数、発生頻度、発生インターバル）に基準値が関連付けられて記憶され、乖離値と異常データに関するパラメータ（例えば、状態量、発生回数、発生頻度、発生インターバル）の組に関連付けられて故障発生確率が基準データとして記憶されている場合を想定する。比較部５５２は、記憶部５３に記憶されている異常データに関するパラメータと運転中の真空ポンプの対応するパラメータを比較し、運転中の真空ポンプの対応するパラメータの基準値からの乖離値（または一致傾向度合）を決定してもよい。そして比較部５５２は、この乖離値と当該異常データに関するパラメータの組に記憶部５３において対応付けられた故障発生確率を出力してもよい。
（ステップＳ１０３）次に、比較部５５２は、故障到達の可能性の判定結果を比較結果（出力データ）として出力する。ここで、比較部５５２は、比較結果（出力データ）を、表示装置６に出力して比較結果（出力データ）が表示装置６に表示するようにしてもよいし、通信部５６から通信ネットワークを経由して比較結果（出力データ）を外部の端末装置へ送信してもよい。
この比較結果（出力データ）には、故障到達可能性を警鐘する警鐘信号、故障到達の可能性が高いことを示す通知信号、故障発生確率などが含まれる。ここで、故障発生確率には例えば、所定の時間内に故障が発生する確率である。
以上、本実施形態に係る情報処理装置５は、比較部５５２を備える。比較部５５２は、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から抽出された故障到達共通条件が基準データとして記憶されている記憶部５３を参照して、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と、記憶部５３に記憶されている基準データと、を比較し、比較結果を出力する。
この構成により、真空ポンプの故障到達の可能性を把握することができるので、製造プロセス中に真空ポンプが停止し製造プロセス中の製品に多大な損害を与える危険性を低減することができる。
なお、記憶部５３には、半導体製造装置の成膜工程（成膜プロセス）と基準データとが関連付けられて記憶されていてもよい。その場合、比較部５５２は、運転中の真空ポンプの状態量から検出された異常データの傾向と、記憶部５３において当該運転中の真空ポンプが接続されている半導体製造装置１の現在の成膜工程に関連付けられて記憶されている基準データとを比較してもよい。この構成により、比較部５５２は、半導体製造装置１の成膜工程毎に基準データと比較することにより、真空ポンプ３の故障到達の可能性を精度良く推定することができるので、製造プロセス中に真空ポンプが停止し製造プロセス中の製品に多大な損害を与える危険性を低減することができる。
なお、上記の例では、記憶部５３には、半導体製造装置の成膜工程（成膜プロセス）と基準データとが関連付けられて記憶されていてもよいとしたが、これに限らず、半導体製造装置の他の製造工程と基準データとが関連付けられて記憶されていてもよい。ここで、成膜工程以外の他の製造工程は、例えばインプラント工程、エッチング工程、アッシング工程、加熱工程等である。この場合、比較部５５２は、運転中の真空ポンプの状態量から検出された異常データの傾向と、記憶部５３において当該運転中の真空ポンプが接続されている半導体製造装置１の現在の製造工程に関連付けられて記憶されている基準データとを比較してもよい。
なお、上記の例では、記憶部５３には、半導体製造装置の成膜工程（成膜プロセス）と基準データとが関連付けられて記憶されていてもよいとしたが、これに限らず、半導体製造装置の他の製造工程と基準データとが関連付けられて記憶されていてもよい。ここで、成膜工程以外の他の製造工程は、例えばインプラント工程、エッチング工程、アッシング工程、加熱工程等である。この場合、比較部５５２は、運転中の真空ポンプの状態量から検出された異常データの傾向と、記憶部５３において当該運転中の真空ポンプが接続されている半導体製造装置１の現在の製造工程に関連付けられて記憶されている基準データとを比較してもよい。
（変形例）
なお、本実施形態では、真空ポンプの製造者などの人が予め、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から故障到達共通条件を基準データとして決定したが、これに限ったものではない。基準データ決定装置２０が、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から注目するパラメータを抽出し、抽出したパラメータに応じた故障到達共通条件を基準データとして設定してもよい。
なお、本実施形態では、真空ポンプの製造者などの人が予め、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から故障到達共通条件を基準データとして決定したが、これに限ったものではない。基準データ決定装置２０が、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から注目するパラメータを抽出し、抽出したパラメータに応じた故障到達共通条件を基準データとして設定してもよい。
以下、基準データ決定装置２０の構成について説明する。例えば、故障した真空ポンプの状態量のデータ中に検出された異常データは、故障した真空ポンプの状態量のデータとともに、当該真空ポンプの製造会社に回収される。ここでは一例として、基準データ決定装置２０は、当該製造会社内に設置されているものとして説明する。
ここで異常データは例えば、区分けした工程毎に定義した正常範囲からの外れ値、工程に関わらないスパイク値、及び／または区分けした工程毎の工程全体の経時的な変化傾向の異常（例えば、瞬間的な外れデータではなく、一定期間の区分区間全体が増加傾向する異常）である。
図６は、第１の実施形態の変形例に係る基準データ決定装置２０の概略構成図である。図６に示すように、基準データ決定装置２０は、入力部２１と、出力部２２と、記憶部２３と、メモリ２４と、ＣＰＵ（Central Processing Unit）を有する演算部２５とを備える。各部はバスによって接続されている。
入力部２１は、操作者の入力を受け付ける。出力部５２は、演算部２５の指令に従って、情報を出力する。記憶部２３は、演算部２５が実行するためのプログラムが格納されている。また、故障した真空ポンプの状態量のデータ中に検出された異常データが回収される毎に、この異常データが操作者による操作によって記憶部２３に追記される。
本実施形態ではその一例として当該真空ポンプの属性と異常データとの組が操作者による操作によって記憶部２３に追記される。ここで上述したように真空ポンプの属性は、例えば、真空ポンプの種類、機種及び／または当該真空ポンプに接続される半導体製造装置の種類または機種である。これにより、図２に示すように、真空ポンプの属性と異常データの組が蓄積されていく。図６は、記憶部２３に記憶されているテーブルＴ２の一例である。テーブルＴ２において、真空ポンプの属性と異常データのファイル名との組が格納されており、異常データ自体も記憶部２３に記憶されている。これにより、演算部２５は、異常データのファイル名から異常データを参照することができる。
メモリ２４は、一時的に情報を格納する。演算部２５は、記憶部２３に保存されたプログラムを読み出して実行する。これにより、演算部は、決定部２５１として機能する。
記憶部２３には、故障した真空ポンプの状態量のデータ中に検出された異常データが記憶されている。決定部２５１は、この記憶部２３を参照して、異常データの傾向を用いて故障到達の可能性を判定するための基準データを決定する。具体的には決定部２５１は、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から、人工知能による学習、例えばディープニューラルネットワーク（deep neural network）を用いた深層学習（ディープラーニング）などを用いて、注目する傾向を決定する。そして、決定部２５１は、抽出された注目する傾向に応じた基準データ（例えば、閾値の値）を設定してもよい。例えば、決定部２５１は、注目するパラメータについて、故障した真空ポンプに共通する条件である故障到達共通条件を基準データとして決定してもよい。
ここで、注目する傾向は、（１）異常データ発生回数、（２）異常データ発生間隔の時間変化（間隔の減少）、（３）異常データ値の増加または減少傾向、（４）異常発生継続時間または継続時間の時間変化、（５）異常データが発生する工程の傾向（片寄り）、（６）異常が発生する工程の中で（１）～（４）の条件（例えば、ある工程の中で（１）～（４））、または（７）（２）～（４）の組合せ（セット）の発生状況である。
基準データは閾値であってもよい。例えば、故障到達共通条件が異常データ発生回数である場合、基準データは閾値である。例えば、故障した真空ポンプについて、異常データ発生回数が１０回あったことが共通している場合、基準データとして１０が設定される。
また基準データは、異常データに関するパラメータ（例えば異常データ発生回数）と故障発生確率との複数の組であってもよい。複数の異常データ発生回数は連続する整数であってもよいし、不連続の整数であってもよい。
また基準データは、異常データに関するパラメータと基準値の組、及び乖離値とこの異常データに関するパラメータの組とこの組に対応付けられた故障発生確率であってもよい。
また基準データは、異常データに関する複数のパラメータとこの複数のパラメータの組に対応付けられた故障発生確率であってもよい。
また基準データは、異常データに関する複数のパラメータとこの複数のパラメータの組に対応付けられた故障発生確率であってもよい。
基準データの抽出処理の一例として、決定部２５１は、真空ポンプの属性毎に、当該基準データを決定してもよい。この構成により、真空ポンプの属性毎に基準データが作成されるので、運転中の真空ポンプの状態量のデータから検出された異常データの傾向と比較する際に、当該運転中の真空ポンプが属する属性の真空ポンプに対応する基準データと比較することができる。これにより、真空ポンプの故障到達の可能性の判定精度を向上させることができる。
続いて、図８を用いて第１の実施形態の変形例に係る基準データの抽出処理の流れを説明する。図８は、第１の実施形態の変形例に係る基準データの抽出処理の一例を示すフローチャートである。
（ステップＳ２０１）まず、故障ポンプの状態量のデータ中に検出された異常データを記憶部２３から読み出す。
（ステップＳ２０２）次に、決定部２５１は、読み出した異常データの傾向から故障到達共通条件を基準データとして抽出する。
（ステップＳ２０３）次に、決定部２５１は、抽出された基準データを記憶部２３に保存する。
なお、決定部２５１は、半導体製造装置の成膜工程毎に、当該基準データを抽出してもよいし、決定部２５１は、真空ポンプの属性と半導体製造装置の成膜工程の組毎に、当該基準データを抽出してもよい。この構成により、半導体製造装置の成膜工程毎に基準データが作成されるので、運転中の真空ポンプ３の状態量のデータから検出された異常データの傾向と比較する際に、当該真空ポンプ３が接続された半導体製造装置１の成膜工程に対応する基準データと比較することができる。これにより、真空ポンプの故障到達の可能性の判定精度を向上させることができる。この場合、決定部２５１が記憶部２３を参照して基準データを抽出できるように、異常データが回収される毎に、真空ポンプの属性、半導体製造装置の成膜工程、及び異常データの組が記憶部２３に追記されていくことが好ましい。
なお、決定部２５１は、半導体製造装置の成膜工程毎に、当該基準データを抽出してもよいとしたが、これに限らず、半導体製造装置の他の製造工程毎に、当該基準データを抽出してもよい。
なお、決定部２５１は、半導体製造装置の成膜工程毎に、当該基準データを抽出してもよいとしたが、これに限らず、半導体製造装置の他の製造工程毎に、当該基準データを抽出してもよい。
なお、本変形例では、基準データ決定装置２０が、故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から注目する傾向を決定し、この傾向に応じた故障到達共通条件を基準データに決定したが、これに限ったものではない。設計者または製造者などの人が、予め故障した真空ポンプの状態量のデータ中に検出された異常データの傾向から注目する傾向（例えば、異常データ発生回数）を設定しておき、基準データ決定装置２０が、設定されたパラメータ（例えば、異常データ発生回数）に応じた基準データ（例えば、閾値の値）を設定してもよい。例えば、故障到達共通条件が異常データ発生回数の場合、基準データ決定装置２０は、複数の異常データにおける異常データ発生回数の統計量（例えば、最小値、中央値、平均値）を閾値の値に設定してもよい。
（報知処理について）
続いて、情報処理装置５の比較部５５２の報知処理の例について、図９～１６を用いて説明する。図９は、ある故障した真空ポンプにおけるモータ３８の電流実効値Ｉと時間との関係の一例を示すグラフである。曲線Ｗ１は、ある故障した真空ポンプにおけるモータ３８の電流実効値Ｉの時間変化である。直線ｆ（ｔ）aveは、正常な真空ポンプにおけるモータ３８の電流実効値Ｉの平均時間変化である。直線ｆ（ｔ）maxは、真空ポンプにおけるモータ３８の電流実効値Ｉの正常範囲の最大値の時間変化である。直線ｆ（ｔ）minは、真空ポンプにおけるモータ３８の電流実効値Ｉの正常範囲の最小値の時間変化である。例えば比較部５５２は、現在運転中のモータ３８の電流実効値Ｉが、ｆ（ｔ）maxを超えた場合、アラートを出すようにする。
続いて、情報処理装置５の比較部５５２の報知処理の例について、図９～１６を用いて説明する。図９は、ある故障した真空ポンプにおけるモータ３８の電流実効値Ｉと時間との関係の一例を示すグラフである。曲線Ｗ１は、ある故障した真空ポンプにおけるモータ３８の電流実効値Ｉの時間変化である。直線ｆ（ｔ）aveは、正常な真空ポンプにおけるモータ３８の電流実効値Ｉの平均時間変化である。直線ｆ（ｔ）maxは、真空ポンプにおけるモータ３８の電流実効値Ｉの正常範囲の最大値の時間変化である。直線ｆ（ｔ）minは、真空ポンプにおけるモータ３８の電流実効値Ｉの正常範囲の最小値の時間変化である。例えば比較部５５２は、現在運転中のモータ３８の電流実効値Ｉが、ｆ（ｔ）maxを超えた場合、アラートを出すようにする。
図９に示すように、故障時の電流実効値をＩbとして、ΔＩを故障時の電流実効値Ｉbから電流実効値の初期値Ｉ0を差分した値（ＩΔ＝Ｉb－Ｉ0）とする。この差分値ΔＩを故障時の電流実効値Ｉbで割って得られるパラメータα（＝ΔＩ／Ｉb）を故障したポンプの運転データを集計したときの、パラメータαの頻度グラフは例えば図１０のように表される。
図１０は、故障した真空ポンプについて集計したときのパラメータαの頻度グラフの一例である。パラメータαの中央値をαC、パラメータαの標準偏差をσ1とする。そのとき、比較部５５２は、運転中の真空ポンプ３のパラメータαが、（αC－３σ1）のときに１回目の警告（アラート）、（αC－２σ1）のときに２回目のアラート、（αC－σ1）のときに３回目のアラートを出す（例えば表示装置６にアラートを表示する）ようにしてもよい。
このように、ポンプ３の運転中において、比較部５５２は、運転中の真空ポンプ３の状態量に基づく値（ここでは一例として運転中のパラメータα）と、故障した真空ポンプの故障時の状態量（ここでは一例として電流実効値）に基づく値（ここでは一例としてパラメータα）の統計量（ここでは一例として、αC－σ1、αC－２σ1、またはαC－３σ1）とを比較し、比較結果に応じて報知するよう制御する。これにより、運転中の真空ポンプ３の状態量が故障した真空ポンプの故障時の状態量に近づいたときに報知することができ、真空ポンプ３が故障する前に真空ポンプ３のメンテナンスまたは交換をすることができる。
図１１は、ある故障した真空ポンプにおけるモータ３８の電流実効値Ｉと時間との関係の他の例を示すグラフである。図１１に示すように、この故障したポンプでは、時刻ｔ1、ｔ2、ｔ3、ｔ4、ｔ5、…、ｔN（Ｎは正の整数）の時に異常が発生しており、故障するまでの異常発生回数はＮ回である。故障した真空ポンプについて故障するまでの異常発生回数を集計したときの、異常発生回数の頻度グラフは例えば図１２Ａのように表される。
図１２Ａは、故障した真空ポンプについて故障するまでの異常発生回数を集計したときの、異常発生回数の頻度グラフの一例である。故障するまでの異常発生回数の平均値をＮm、故障するまでの異常発生回数の標準偏差をσ2とする。そのとき、比較部５５２は、運転中の真空ポンプの異常発生回数が、（Ｎm－３σ2）のときに１回目のアラート、（Ｎm－３σ2）と（Ｎm－２σ2）の間に１回目のメンテナンス警告を出す（例えば表示装置６にアラートを表示する）ようにしてもよい。また、比較部５５２は、（Ｎm－２σ2）のときに２回目のアラート、（Ｎm－２σ2）と（Ｎm－３σ2）の間に２回目のメンテナンス警告を出すようにしてもよい。
ここでメンテナンス警告は例えば、メンテナンスを推奨する旨またはメンテナンス時期である旨である。
このように、比較部５５２は、運転中の真空ポンプの状態量（ここでは一例として電流実効値Ｉ）の異常発生回数と、故障した真空ポンプの故障時までの状態量（ここでは一例として電流実効値Ｉ）の異常発生回数の統計量（ここでは一例として、Ｎm－３σ2、Ｎm－２σ2、Ｎm－σ2）とを比較し、比較結果に応じて報知するよう制御する。これにより、運転中の真空ポンプ３の状態量が故障した真空ポンプの故障時までの異常発生回数に近づいたときに報知することができ、真空ポンプ３が故障する前に真空ポンプのメンテナンスまたは交換をすることができる。
図１２Ｂは、故障した真空ポンプの異常発生回数の統計量の時間変化と、現在運転中のポンプの異常発生回数がプロットされたグラフの一例である。図１２Ｂでは、統計量Ｎm－３σ2、Ｎm－２σ2、Ｎm－σ2それぞれの時間変化が示されている。点Ｐ１１は、運転中の真空ポンプの異常発生回数が始めて統計量Ｎm－３σ2を超えた点である。このように、運転中の真空ポンプの異常発生回数が始めて統計量Ｎm－３σ2を超えた場合に、比較部５５２は、アラートを出してもよい。
図１２Ｂは、故障した真空ポンプの異常発生回数の統計量の時間変化と、現在運転中のポンプの異常発生回数がプロットされたグラフの一例である。図１２Ｂでは、統計量Ｎm－３σ2、Ｎm－２σ2、Ｎm－σ2それぞれの時間変化が示されている。点Ｐ１１は、運転中の真空ポンプの異常発生回数が始めて統計量Ｎm－３σ2を超えた点である。このように、運転中の真空ポンプの異常発生回数が始めて統計量Ｎm－３σ2を超えた場合に、比較部５５２は、アラートを出してもよい。
図１３は、ある故障した真空ポンプにおけるモータ３８の電流実効値Ｉと時間との関係の第３の例を示すグラフである。図１３に示すように、この故障した真空ポンプにおける異常発生のインターバルはＴ１、Ｔ２、Ｔ３である。故障した真空ポンプについて故障直前の所定の期間の異常発生のインターバルＴを集計したときの、異常発生のインターバルＴの頻度グラフは例えば図１４のように表される。故障直前の所定の期間は、例えば故障直前の２００時間（Ｈｏｕｒ）である。
図１４は、故障した真空ポンプについて故障直前の所定の期間の異常発生のインターバルを集計したときの、故障直前の異常発生のインターバルの頻度グラフの一例である。故障直前の異常発生のインターバルＴの中央値をＴC、異常発生のインターバルＴの標準偏差をσ3とする。なお、ここでは一例としてＴCを中央値としたが、中央値ではなく平均値としてもよい。
図１５Ａは、運転中の真空ポンプについての異常発生のインターバルＴの時間変化の一例である。異常発生のインターバルＴは、時間ｔの経過とともに、徐々に短くなる。図１５Ｂは、故障した真空ポンプのインターバルの統計量の時間変化と、現在運転中のポンプの異常発生回数がプロットされたグラフの一例である。図１５Ｂでは、統計量Ｔc＋３σ3、Ｔc＋２σ3、Ｔc＋σ3それぞれの時間変化が示されている。点Ｐ２１は、運転中の真空ポンプのインターバルが始めて統計量Ｔc＋３σ3以下になった点であり、点Ｐ２２は、運転中の真空ポンプのインターバルが始めて統計量Ｔc＋２σ3以下になった点である。このように、比較部５５２は、運転中の真空ポンプの異常発生のインターバルＴが、（Ｔc＋３σ3）以下になったときに１回目のアラート、（Ｔc＋２σ3）以下になったときに２回目のアラートを出す（例えば表示装置６にアラートを表示する）ようにしてもよい。
また、比較部５５２は、運転中の真空ポンプの異常発生のインターバルＴが、（Ｔc＋３σ3）と（Ｔc＋２σ3）の間のタイミング（図１５Ｂ参照）で、メンテナンス警告を出力（例えば表示装置６に表示）するようにしてもよい。メンテナンス警告は例えば、メンテナンスを推奨する旨またはメンテナンス時期である旨である。
なお、ここでは一例として、故障直前の所定の期間に着目して説明したが、これに限らず、故障前の期間であれば、直前でなくてもよい。例えば、故障前４００時間から故障前２００時間の間に着目してもよい。
このように、比較部５５２は、運転中の真空ポンプ３の状態量（ここでは一例として電流実効値Ｉ）の異常発生のインターバルと、故障した真空ポンプの故障前における状態量（ここでは一例として電流実効値Ｉ）の異常発生のインターバルの統計量（ここでは一例として、Ｔc＋３σ3、Ｔc＋２σ3）とを比較し、比較結果に応じて報知するよう制御する。これにより、運転中の真空ポンプ３の状態量が故障前における状態量の異常発生のインターバルに近づいたときに報知することができ、真空ポンプ３が故障する前に真空ポンプ３のメンテナンスまたは交換をすることができる。
なお、比較部５５２は、真空ポンプ３の稼働時間に対する成膜プロセスの時間の比率に応じて、メンテナンスまたは交換時期を早くするようにしてもよい。例えば、比較部５５２は、係数ηを用いて、アラートまたはメンテナンス警告の時期を早くしてもよい。
例えば、比較部５５２は、パラメータαの中央値αc、故障するまでの異常発生回数の平均値をＮm、異常発生のインターバルの中央値Ｔcを、係数ηを使って加減してもよい。例えば、比較部５５２は、パラメータαの中央値αcをαc－η×σ1に補正してもよい。
例えば、比較部５５２は、パラメータαの中央値αc、故障するまでの異常発生回数の平均値をＮm、異常発生のインターバルの中央値Ｔcを、係数ηを使って加減してもよい。例えば、比較部５５２は、パラメータαの中央値αcをαc－η×σ1に補正してもよい。
ここで、係数ηは、影響係数ｋと真空ポンプ３の稼働時間Ｔwに対する成膜プロセスの時間ＴSPの比率Ｌ（＝ＴSP／Ｔw）とを用いて、η＝ｋＬ＝ｋＴSP／Ｔwで表される。ここで、影響係数ｋは成膜プロセスが真空ポンプの故障に与える影響を表し、その初期値は例えば、１．０～２．０の値である。影響係数ｋが、人工知能による学習、例えばディープニューラルネットワーク（deep neural network）を用いた深層学習（ディープラーニング）などによって更新されてもよい。これにより、影響係数ｋが最適化される。あるいは成膜プロセスの期間の選定を、人工知能による学習、例えばディープニューラルネットワーク（deep neural network）を用いた深層学習（ディープラーニング）などによって行ってもよい。その際の学習には、予め人によって抽出された成膜プロセスの期間とセンサ信号の組を教師データセットとして用いてもよい。ここで、センサ信号は、パーティクルセンサ（レーザカウンタ）、マイクロ成膜センサ、または音波／振動センサなどで検知された信号である。ここでマイクロ成膜センサは、固有振動数の変化で増膜をモニタする。これにより、自動で成膜プロセスの期間の選定が選定されるので、自動で成膜プロセスの時間ＴSPが決定される。なお、係数ηの算出時に、成膜プロセスの時間ＴSPの代わりに、成膜プロセスの回数を用いてもよい。
図９、１１、１３の横軸の運転時間にはアイドリング期間も含まれているが、比較部５５２は、図９、１１、１３において、プロセス毎の運転時間に、当該プロセスに対応する係数ηを乗じることにより、運転時間を修正してもよい。図１５Ｃは、モータ３８の電流実効値Ｉと運転時間との関係の第４の例を示すグラフである。図１５Ｃには、プロセスＰＡ、ＰＢ、ＰＣ、ＰＤ、ＰＥが示されており、例えば、プロセスＰＥがアイドリング期間であるものとする。この場合において、例えば、プロセスＰＡ、ＰＢ、ＰＣ、ＰＤ、ＰＥ（各運転時間がｔPA、ｔPB、ｔPC、ｔPD、ｔPE）毎にそれぞれ、係数ηが１．５、１．５、２、２、１が割り当てられている場合に、比較部５５２は、修正運転時間ｔrを計算式ｔr＝１．５ｔPA＋１．５ｔPB＋２ｔPC＋２ｔPD＋ｔPEに従って算出してもよい。上記のように運転時間を修正することにより、負荷が実際に真空ポンプにかかっている時間に換算することができる。
このように、比較部５５２は、運転中の真空ポンプ３が接続された半導体製造装置１の成膜プロセスの時間または成膜プロセスの回数に応じて報知するタイミングを変更するよう処理する。具体的には例えば、比較部５５２は、成膜プロセスの時間または成膜プロセスの回数に応じて運転時間を修正して修正後の運転時間を基準に報知する。この構成によれば、運転中の真空ポンプが接続された半導体製造装置の成膜プロセスの時間または成膜プロセスの回数に応じて報知するタイミングを変えることができる。運転中の真空ポンプ３が接続された半導体製造装置１の成膜プロセスの時間または成膜プロセスの回数が多いほど故障リスクが高まるが、報知するタイミングを早めることにより、真空ポンプ３が故障する前に真空ポンプ３のメンテナンスまたは交換をすることができる。
なお、ここでは比較部５５２は、成膜プロセスの時間または成膜プロセスの回数に応じて報知するタイミングを変更するよう処理したが、成膜プロセスの時間または回数に限らず、アイドリング以外の他の製造工程の時間または回数に応じて、報知するタイミングを変更するよう処理してもよい。
なお、ここでは比較部５５２は、成膜プロセスの時間または成膜プロセスの回数に応じて報知するタイミングを変更するよう処理したが、成膜プロセスの時間または回数に限らず、アイドリング以外の他の製造工程の時間または回数に応じて、報知するタイミングを変更するよう処理してもよい。
比較部５５２は、パーティクルセンサ（レーザカウンタ）のセンサ信号と予め人によって設定された成膜量との教師データを用いて、人工知能による学習、例えばディープニューラルネットワーク（deep neural network）を用いた深層学習（ディープラーニング）などを行ってもよい。これにより、比較部５５２は、運転中のパーティクルセンサ（レーザカウンタ）のセンサ信号から、成膜量を判定し、判定した成膜量を用いて影響係数ｋを更新してもよい。
あるいは、比較部５５２は、マイクロ成膜センサのセンサ信号と予め人によって設定された成膜量との教師データを用いて、人工知能による学習、例えばディープニューラルネットワーク（deep neural network）を用いた深層学習（ディープラーニング）などを行ってもよい。これにより、比較部５５２は、運転中のマイクロ成膜センサのセンサ信号から、成膜量を判定し、判定した成膜量を用いて影響係数ｋを更新してもよい。
あるいは、比較部５５２は、音波／振動センサのセンサ信号と予め人によって設定された成膜量との教師データを用いて、人工知能による学習、例えばディープニューラルネットワーク（deep neural network）を用いた深層学習（ディープラーニング）などを行ってもよい。これにより、比較部５５２は、運転中の音波／振動センサのセンサ信号から、成膜量を判定し、判定した成膜量を用いて影響係数ｋを更新してもよい。
あるいは、比較部５５２は、マイクロ成膜センサのセンサ信号と予め人によって設定された成膜量との教師データを用いて、人工知能による学習、例えばディープニューラルネットワーク（deep neural network）を用いた深層学習（ディープラーニング）などを行ってもよい。これにより、比較部５５２は、運転中のマイクロ成膜センサのセンサ信号から、成膜量を判定し、判定した成膜量を用いて影響係数ｋを更新してもよい。
あるいは、比較部５５２は、音波／振動センサのセンサ信号と予め人によって設定された成膜量との教師データを用いて、人工知能による学習、例えばディープニューラルネットワーク（deep neural network）を用いた深層学習（ディープラーニング）などを行ってもよい。これにより、比較部５５２は、運転中の音波／振動センサのセンサ信号から、成膜量を判定し、判定した成膜量を用いて影響係数ｋを更新してもよい。
（第２の実施形態）
続いて、第２の実施形態について説明する。第２の実施形態では、複数のセンサを用いて、真空ポンプの異常診断、異常予知、及び／または安定制御を実行する。
図１６は、第２の実施形態に係る半導体製造システム１０ｂの概略構成図である。図１と共通する要素には共通の番号を付し、その詳細な説明を省略する。
図１６に示すように、第２の実施形態に係る半導体製造システム１０ｂは、半導体製造装置１と、真空ポンプ３と、半導体製造装置１と真空ポンプ３とを繋ぐ配管２と、真空ポンプ３を制御する制御装置４ｂと、情報処理装置５ｂと、情報処理装置５ｂに接続された管理装置７とを備える。
続いて、第２の実施形態について説明する。第２の実施形態では、複数のセンサを用いて、真空ポンプの異常診断、異常予知、及び／または安定制御を実行する。
図１６は、第２の実施形態に係る半導体製造システム１０ｂの概略構成図である。図１と共通する要素には共通の番号を付し、その詳細な説明を省略する。
図１６に示すように、第２の実施形態に係る半導体製造システム１０ｂは、半導体製造装置１と、真空ポンプ３と、半導体製造装置１と真空ポンプ３とを繋ぐ配管２と、真空ポンプ３を制御する制御装置４ｂと、情報処理装置５ｂと、情報処理装置５ｂに接続された管理装置７とを備える。
第２の実施形態に係る半導体製造システム１０ｂは一例として、更に、加速度センサＳ１～Ｓ３、電流モニタセンサＳ１１、Ｓ１２、及び温度センサＳ２１～Ｓ２６を備える。加速度センサＳ１～Ｓ３は例えば５軸の加速度センサである。このように、半導体製造システム１０ｂは複数のセンサを有する。
制御装置４ｂは、モータ３８を制御する制御部４１と、情報処理装置と通信する通信部４２とを有する。
制御装置４ｂは、モータ３８を制御する制御部４１と、情報処理装置と通信する通信部４２とを有する。
情報処理装置５ｂは、メモリ５４と、演算部５５と、通信部５６とを有する。通信部５６は、制御装置４ｂの通信部４２と通信する。また、通信部５６は、管理装置７と通信する。また通信部５６は、加速度センサＳ１～Ｓ３、電流モニタセンサＳ１１、Ｓ１２、及び温度センサＳ２１～Ｓ２６からセンサデータを受信する。
管理装置７は、情報処理装置５ｂと通信可能である。管理装置７は、ＣＰＵ７１を有する。
管理装置７は、情報処理装置５ｂと通信可能である。管理装置７は、ＣＰＵ７１を有する。
加速度センサＳ１～Ｓ３、電流モニタセンサＳ１１、Ｓ１２、及び温度センサＳ２１～Ｓ２６は、通信機能、例えばWi-Fi（登録商標）またはblue-tooth（登録商標）等を有し、これらのセンサによって検出されたセンサ信号が近くにある通信部４２に集受される。そしてセンサ信号は通信部４２から配線を介して通信部５６に伝達され、必要に応じて演算部５５によりデータ処理され、メモリ５４に保存される。情報処理装置５ｂはゲートウェイ（例えばルーター等）であってもよい。また、情報処理装置５ｂはＡＩ（人工知能）機能を併せもっていてもよい。
複数のセンサを用いることにより、精度の良い管理情報を得ることが可能となる。例えば、ロータの一部が、異物により反力増加した場合、回転速度の変動・ロータ軸の傾き変動・モータ制御電流の変動が発生する。一つの変化だけではなく、回転速度、ロータ軸の傾きとモータ制御電流を同時に比較処理することにより異常変動を確実に精度良くとらえることができる。
加速度センサＳ１～Ｓ３は、ＭＥＭＳ型振動発振器を有していてもよい。広帯域／安価／小型で、基板上に実装されたものを用いると小型で有効である。
また、複数の真空ポンプの運転動作状況をデータとして取得してもよい。
真空ポンプの上流の機器（例えば、半導体製造装置）毎に付属している真空ポンプの運転状況を管理してもよい。半導体製造装置の属性（例えば、機種）毎に、真空ポンプの運転状況及び故障回数・交換部品頻度を比較し、半導体製造装置の属性（例えば、機種）毎故障回数・交換部品頻度を定義することができる。
また、複数の真空ポンプの運転動作状況をデータとして取得してもよい。
真空ポンプの上流の機器（例えば、半導体製造装置）毎に付属している真空ポンプの運転状況を管理してもよい。半導体製造装置の属性（例えば、機種）毎に、真空ポンプの運転状況及び故障回数・交換部品頻度を比較し、半導体製造装置の属性（例えば、機種）毎故障回数・交換部品頻度を定義することができる。
本実施形態では加速度センサを３個設けたが、これに限らず、加速度センサは、２個以下でもよいし、４個以上（例えば１０個以上）設けられてもよい。加速度センサは、真空ポンプのロータ軸の中心から相互に反対方向（例／左右）に２軸ずつ、ロータ軸方向に１軸以上、多段の場合２軸以上設けてもよい。
本実施形態では電流モニタセンサを２個設けたが、これに限らず、電流モニタセンサは、１個でもよいし、３個以上設けられてもよい。電流モニタセンサは、モータ駆動電流変動のデータのロギングのため、モータ駆動電流測定用に取り付けてもよい。モータが複数の場合はその分電流モニタセンサの数が増加してもよい。例えば、２段モータであれば電流モニタセンサを２個以上設けてもよい。
本実施形態では温度センサを６個設けたが、これに限らず、温度センサは、５個以下でもよいし、７個以上設けられてもよい。ロータの多点温度（例えば、中心から相互に反対方向にある位置の温度）、モータの温度、モータ軸の温度、ガス入力部の温度、ガス出力部の温度、ロータ入力部の温度、ロータ出力部の温度を検出してもよい。また真空ポンプが多段の場合は、前段のロータ出力部の温度と、次段の入力部の温度を検出してもよい。
半導体製造システム１０ｂには更に、圧力センサが複数（例えば５個以上）設けられてもよい。圧力センサは、ロータの多点圧力（例えば、中心から相互に反対方向にある位置の圧力）、モータ軸の圧力、ガス入力部の圧力、ガス出力部の圧力、ロータ入力部の圧力、ロータ出力部の圧力を検出してもよい。また真空ポンプが多段の場合、圧力センサは、前段のロータ出力部の圧力と、次段の入力部の圧力を検出してもよい。
半導体製造システム１０ｂには更に、ロータまたはモータ軸の回転センサが設けられていてもよい。例えば、１つのロータと１つのモータの組に対して、回転センサが３個以上設けられていてもよい。ロータとモータが増加すると、その分、回転センサが増加してもよい。センサは、上記の組合せが可能で、半導体製造システム１０ｂにはトータル１０以上のセンサが設けられていてもよい。
（複数のセンサを用いる効果）
複数のセンサを用いることにより、情報処理装置５ｂの演算部５５が以下の処理を実施することが可能である。
複数のセンサを用いることにより、情報処理装置５ｂの演算部５５が以下の処理を実施することが可能である。
多軸の加速度センサを用いた場合に、演算部５５は、その軸における加速度変動の比較、例えば相互に微分波形の比較、ＦＦＴ（Fast Fourier Transform）波形の比較等が可能となる。この例では、演算部５５は、ロータ軸の離れた位置の２軸（ｘ，ｙ）同士の比較、及びロータと並行軸（ｚ）の変動を解析することができる。演算部５５は、離れた位置における２軸同士の比較ができるとその変動ベクトル成分を比較することが可能なので、軸のねじれ、相対的にどちらの方向に過負荷が起こっているか精度良く判定できる。また、演算部５５は、その時間付近のモータ電流の変動を比較することが可能となり、ロータに対する過負荷とそれによるモータの過負荷とその時間帯を特定することが可能となる。
また、演算部５５は、その判定の時間後の経過において、異常動作のセンサ検知が起こった場合にその検知と警報・表示が可能となる。この場合、通常ＳＤ条件として比較データがメモリ５４に登録されており、演算部５５は、それに対する比較を行って判定が可能となる。
なお、後段の管理装置７のＣＰＵ７１がこれらの処理の一部または全部を実施することも可能である。
（第３の実施形態）
続いて、第３の実施形態について説明する。図１７は、第３の実施形態に係る半導体製造システム１０ｃの概略構成図である。図１、１６と共通する要素には共通の番号を付し、その詳細な説明を省略する。図１７に示すように、半導体製造システム１０ｃは、真空ポンプ３－１～３－Ｊ（Ｊは正の整数）、真空ポンプ３－１～３－Ｊを制御する制御装置４ｂ－１～４ｂ－Ｊ、プロセス装置８－１～８－Ｌ（Ｌは正の整数）、情報処理システム９及び管理装置７を備える。
各真空ポンプ３－１～３－Ｊには、第２の実施形態のように複数のセンサ（図示せず）が設けられている。各真空ポンプ３－１～３－Ｊの構成は、第１の実施形態と同様であるので、その説明を省略する。制御装置４ｂ－１～４ｂ－Ｊの構成は、第２の実施形態に係る制御装置４ｂと同様であるので、その説明を省略する。
続いて、第３の実施形態について説明する。図１７は、第３の実施形態に係る半導体製造システム１０ｃの概略構成図である。図１、１６と共通する要素には共通の番号を付し、その詳細な説明を省略する。図１７に示すように、半導体製造システム１０ｃは、真空ポンプ３－１～３－Ｊ（Ｊは正の整数）、真空ポンプ３－１～３－Ｊを制御する制御装置４ｂ－１～４ｂ－Ｊ、プロセス装置８－１～８－Ｌ（Ｌは正の整数）、情報処理システム９及び管理装置７を備える。
各真空ポンプ３－１～３－Ｊには、第２の実施形態のように複数のセンサ（図示せず）が設けられている。各真空ポンプ３－１～３－Ｊの構成は、第１の実施形態と同様であるので、その説明を省略する。制御装置４ｂ－１～４ｂ－Ｊの構成は、第２の実施形態に係る制御装置４ｂと同様であるので、その説明を省略する。
プロセス装置８－１～８－Ｌは、エッチング装置または成膜装置である。プロセス装置８－１は、真空ポンプ３－１、３－２に接続されている。プロセス装置８－２は、真空ポンプ３－３、３－４に接続されている。プロセス装置８－Ｌは、真空ポンプ３－Ｊに接続されている。情報処理システム９は例えば、工場内の機器及び／または情報収集装置（例えば、サーバまたはＰＣ（Personal Computer）を有する。情報処理システム９は、クラウドまたはミニクラウドであってもよい。
複数のセンサからのセンサ信号が制御装置４ｂ－１～４ｂ－Ｊに入力される。制御装置４ｂ－１～４ｂ－Ｊは、このセンサ信号からセンサ値を取得し、センサ値を示すセンサデータを、当該制御装置４ｂ－１～４ｂ－Ｊが接続されたプロセス装置８－１～８－Ｌへ出力する。
更に、各プロセス装置８－１～８－Ｌから情報処理システム９にセンサデータが伝送され、蓄積される。情報処理システム９は、センサデータを処理する。この情報処理システム９は、管理装置７に接続されている。管理装置７は各種の判断の処理を実行し、次段階の動作パラメータを更新する。また、管理装置７はメンテナンスや部品交換時期の更新を行う。これらの更新値は、情報処理システム９を介して各プロセス装置８－１～８－Ｌ及び制御装置４ｂ－１～４ｂ－Ｊにフィードバックされる。各プロセス装置８－１～８－Ｌ及び制御装置４ｂ－１～４ｂ－Ｊは、この動作パラメータに対応した動作を行う。
なお、制御装置４ｂ－１～４ｂ－Ｊの通信部４２は、真空ポンプ３－１～３－Ｊに設置されてもよい。また、制御装置４ｂ－１～４ｂ－Ｊの通信部４２は、外部にコントローラやアダプタの形態で設置されてもよい。
（第４の実施形態）
続いて、第４の実施形態について説明する。図１８は、第４の実施形態に係る半導体製造システム１０ｄの概略構成図である。図１、１６、１７と共通する要素には共通の番号を付し、その詳細な説明を省略する。図１８に示すように、半導体製造システム１０ｄは、半導体製造装置１－１～１－Ｊ（Ｊは正の整数）、真空ポンプ３－１～３－Ｊ、真空ポンプ３－１～３－Ｊを制御する制御装置４ｂ－１～４ｂ－Ｊ、ゲートウェイ４１－１、４１－Ｋ（Ｋは正の整数）、情報処理システム９及び端末装置６２を備える。
続いて、第４の実施形態について説明する。図１８は、第４の実施形態に係る半導体製造システム１０ｄの概略構成図である。図１、１６、１７と共通する要素には共通の番号を付し、その詳細な説明を省略する。図１８に示すように、半導体製造システム１０ｄは、半導体製造装置１－１～１－Ｊ（Ｊは正の整数）、真空ポンプ３－１～３－Ｊ、真空ポンプ３－１～３－Ｊを制御する制御装置４ｂ－１～４ｂ－Ｊ、ゲートウェイ４１－１、４１－Ｋ（Ｋは正の整数）、情報処理システム９及び端末装置６２を備える。
各真空ポンプ３－１～３－Ｊには、第２の実施形態のように複数のセンサ（図示せず）が設けられている。各真空ポンプ３－１～３－Ｊの構成は、第１の実施形態と同様であるので、その説明を省略する。制御装置４ｂ－１～４ｂ－Ｊの構成は、第２の実施形態に係る制御装置４ｂと同様であるので、その説明を省略する。
ゲートウェイ６１－１～６１－Ｋは、制御装置４ｂ－１～４ｂ－Ｊから送信されたセンサ信号、制御信号、ステータス信号等を情報処理システム９に伝送する。ゲートウェイ６１－１～６１－Ｋと制御装置４ｂ－１～４ｂ－Ｊの間は、高速光通信を用いているため、信号伝達速度が速い。これにより、高速で信号の授受を行うことにより、多数のセンサ信号を短時間で収集することができる。
なお、ゲートウェイ６１－１～６１－Ｋは、一部のデータ処理機能を有していてもよい。その場合、ゲートウェイ６１－１～６１－Ｋは、必要なデータ処理を行い、次段階の動作パラメータの更新を行い、該当の制御装置４ｂ－１～４ｂ－Ｊに信号伝達してフィードバックしてもよい。このとき、真空ポンプ３－１～３－Ｊの稼働状態等のステータスデータは情報処理システム９に伝達することが可能となる。情報処理システム９は、半導体製造装置１－１～１－Ｊや真空ポンプ３－１～３－Ｊの稼働状態の管理を判定し、次段階の動作パラメータの変更、ステータスの変更、部品交換またはメンテナンスの時期の更新を行ってもよい。そして、情報処理システム９は、これらの変更まあは更新した情報を端末装置６２に通知してもよい。これにより、端末装置６２の操作者は、動作パラメータの変更、またはステータスの変更を把握することができる。あるいは、端末装置６２の操作者は、更新後の部品交換またはメンテナンスの時期を把握することができる。
ゲートウェイ６１－１～６１－Ｋは、通信用のアダプタ、ルーター、コントローラの機能を併用して有している。また、ゲートウェイ６１－１～６１－Ｋは、情報処理システム９にてデータ蓄積され自動学習により更新されたデータ処理方式を自動的に取り入れ（更新）、必要なデータ群と不要なデータ群の選別を行ったデータセットを作成してもよい。これにより、ゲートウェイ６１－１～６１－Ｋは、自ゲートウェイにおける演算処理効率を向上させることができる。
ゲートウェイ６１－１～６１－Ｋで処理されるデータの一部（時間的に間引いたもの）が情報処理システム９に蓄積される。情報処理システム９は、それを用いて、自動学習用のデータセットを作成し、自動学習により、より効率的で安定な動作パラメータの決定、部品の交換時期の判定、またはメンテナンス時期の判定を行う。データ蓄積数が増加すると（例えば、データ蓄積数が５０００～１００００ケース以上になると）、信頼性の高い、または精度の高い判定を行うことができる。
なお、複数の装置を備える情報処理システムが、第１または第２の実施形態に係る情報処理装置５、５ｂの各処理を、それらの複数の装置で分散して処理してもよい。また第１及び第２の実施形態では制御装置４と情報処理装置５を別々の装置として説明したが、制御装置４が情報処理装置５を備えるように構成してもよい。また第２の実施形態では情報処理装置５ｂと管理装置７を別々の装置として説明したが、情報処理装置５ｂが管理装置７を備えるように構成してもよい。また、各実施形態に係る情報処理装置５、５ｂ、管理装置７、情報処理システム９の各処理を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、プロセッサが実行することにより、本実施形態に係る情報処理装置に係る上述した種々の処理を行ってもよい。
以上、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。
１ 半導体製造装置
２ 配管
３ 真空ポンプ
４ 制御装置
５ 情報処理装置
６ 表示装置
７ 管理装置
８－１、８－２ プロセス装置
９ 情報処理システム
１０、１０ｂ、１０ｃ、１０ｄ 半導体製造システム
１１ 成膜プロセスチャンバ
１２ 制御部
２０ 基準データ決定装置
２１ 入力部
２２ 出力部
２３ 記憶部
２４ メモリ
２５ ＣＰＵ
２５１ 決定部
３１ ブースターポンプ
３２、３４ 配管
３３ メインポンプ
３５ 圧力計
３６ 電源
３７ インバータ
３８ モータ
３９ ロータ
５１ 入力部
５２ 出力部
５３ 記憶部
５４ メモリ
５５ 演算部
５５０ ＣＰＵ（Central Processing Unit）
５５１ 異常データ検出部
５５２ 比較部
５５３ キャッシュ
５６ 通信部
６１－１～６１－Ｋ ゲートウェイ
６２ 端末装置
２ 配管
３ 真空ポンプ
４ 制御装置
５ 情報処理装置
６ 表示装置
７ 管理装置
８－１、８－２ プロセス装置
９ 情報処理システム
１０、１０ｂ、１０ｃ、１０ｄ 半導体製造システム
１１ 成膜プロセスチャンバ
１２ 制御部
２０ 基準データ決定装置
２１ 入力部
２２ 出力部
２３ 記憶部
２４ メモリ
２５ ＣＰＵ
２５１ 決定部
３１ ブースターポンプ
３２、３４ 配管
３３ メインポンプ
３５ 圧力計
３６ 電源
３７ インバータ
３８ モータ
３９ ロータ
５１ 入力部
５２ 出力部
５３ 記憶部
５４ メモリ
５５ 演算部
５５０ ＣＰＵ（Central Processing Unit）
５５１ 異常データ検出部
５５２ 比較部
５５３ キャッシュ
５６ 通信部
６１－１～６１－Ｋ ゲートウェイ
６２ 端末装置
Claims (13)
- 故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして複数の故障した真空ポンプの故障時の状態量から当該状態量の初期値を差分した値に基づくパラメータの統計量が記憶されている記憶部を参照して、比較結果を出力する比較部
を備え、
前記比較部は、前記運転中の真空ポンプの状態量から当該状態量の初期値を差分した値に基づくパラメータと、複数の故障した真空ポンプの故障時の状態量から当該状態量の初期値を差分した値に基づくパラメータの統計量とを比較し、比較結果に応じて報知するよう制御する情報処理装置。 - 故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして故障した真空ポンプが故障するまでの間の状態量の異常発生回数の統計量と運転時間との関係を表す情報が記憶されている記憶部を参照して、比較結果を出力する比較部
を備え、
前記比較部は、前記運転中の真空ポンプの状態量の異常発生回数と、当該運転中の真空ポンプの運転時間に対応する故障した真空ポンプが故障するまでの間の状態量の異常発生回数の統計量とを比較し、比較結果に応じて報知するよう制御する
情報処理装置 - 故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして故障した真空ポンプの故障前の所定の期間における状態量の異常発生のインターバルの統計量と運転時間との関係を表す情報が記憶されている記憶部を参照して、比較結果を出力する比較部
を備え、
前記比較部は、前記運転中の真空ポンプの状態量の異常発生のインターバルと、当該運転中の真空ポンプの運転時間に対応する故障した真空ポンプの故障前の所定の期間における状態量の異常発生のインターバルの統計量とを比較し、比較結果に応じて報知するよう制御する
情報処理装置。 - 前記比較部は、前記比較した結果、真空ポンプの故障到達の可能性を判定し、判定結果を前記比較結果として出力する
請求項１から３のいずれか一項に記載の情報処理装置。 - 前記記憶部には、真空ポンプの属性と前記基準データとが関連付けられて記憶されており、
前記比較部は、前記運転中の真空ポンプの状態量から検出された異常データの傾向と、前記記憶部において当該運転中の真空ポンプの属性に関連付けられて記憶されている基準データとを比較する
請求項１から４のいずれか一項に記載の情報処理装置。 - 前記記憶部には、半導体製造装置の製造工程と前記基準データとが関連付けられて記憶されており、
前記比較部は、前記運転中の真空ポンプの状態量から検出された異常データの傾向と、前記記憶部において当該運転中の真空ポンプが接続されている半導体製造装置の現在の製造工程に関連付けられて記憶されている基準データとを比較する
請求項１から５のいずれか一項に記載の情報処理装置。 - 前記比較部は、前記運転中の真空ポンプが接続された半導体製造装置の製造工程の時間または製造工程の回数に応じて報知するタイミングを変更するよう処理する
請求項１から６のいずれか一項に記載の情報処理装置。 - 故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして複数の故障した真空ポンプの故障時の状態量から当該状態量の初期値を差分した値に基づくパラメータの統計量が記憶されている記憶部を参照して、比較結果を出力する工程を有し、
前記工程において、前記運転中の真空ポンプの状態量から当該状態量の初期値を差分した値に基づくパラメータと、複数の故障した真空ポンプの故障時の状態量から当該状態量の初期値を差分した値に基づくパラメータの統計量とを比較し、比較結果に応じて報知するよう制御する
情報処理方法。 - 故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして故障した真空ポンプが故障するまでの間の状態量の異常発生回数の統計量と運転時間との関係を表す情報が記憶されている記憶部を参照して、比較結果を出力する工程を有し、
前記工程において、前記運転中の真空ポンプの状態量の異常発生回数と、当該運転中の真空ポンプの運転時間に対応する故障した真空ポンプが故障するまでの間の状態量の異常発生回数の統計量とを比較し、比較結果に応じて報知するよう制御する
情報処理方法。 - 故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして故障した真空ポンプの故障前の所定の期間における状態量の異常発生のインターバルの統計量と運転時間との関係を表す情報が記憶されている記憶部を参照して、比較結果を出力する工程を有し、
前記工程において、前記運転中の真空ポンプの状態量の異常発生のインターバルと、当該運転中の真空ポンプの運転時間に対応する故障した真空ポンプの故障前の所定の期間における状態量の異常発生のインターバルの統計量とを比較し、比較結果に応じて報知するよう制御する
情報処理方法。 - コンピュータを、
故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして複数の故障した真空ポンプの故障時の状態量から当該状態量の初期値を差分した値に基づくパラメータの統計量が記憶されている記憶部を参照して、比較結果を出力する比較部として機能させるためのプログラムであって、
前記比較部は、前記運転中の真空ポンプの状態量から当該状態量の初期値を差分した値に基づくパラメータと、複数の故障した真空ポンプの故障時の状態量から当該状態量の初期値を差分した値に基づくパラメータの統計量とを比較し、比較結果に応じて報知するよう制御する
プログラム。 - コンピュータを、
故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして故障した真空ポンプが故障するまでの間の状態量の異常発生回数の統計量と運転時間との関係を表す情報が記憶されている記憶部を参照して、比較結果を出力する比較部として機能させるためのプログラムであって、
前記比較部は、前記運転中の真空ポンプの状態量の異常発生回数と、当該運転中の真空ポンプの運転時間に対応する故障した真空ポンプが故障するまでの間の状態量の異常発生回数の統計量とを比較し、比較結果に応じて報知するよう制御する
プログラム。 - コンピュータを、
故障した真空ポンプの状態量のデータ中に検出された異常データの傾向を用いて決定された、故障到達の可能性を判定するための基準データとして故障した真空ポンプの故障前の所定の期間における状態量の異常発生のインターバルの統計量と運転時間との関係を表す情報が記憶されている記憶部を参照して、比較結果を出力する比較部として機能させるためのプログラムであって、
前記比較部は、前記運転中の真空ポンプの状態量の異常発生のインターバルと、当該運転中の真空ポンプの運転時間に対応する故障した真空ポンプの故障前の所定の期間における状態量の異常発生のインターバルの統計量とを比較し、比較結果に応じて報知するよう制御する
プログラム。
Priority Applications (11)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017098691A JP7046503B2 (ja) | 2017-05-18 | 2017-05-18 | 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム |
| KR1020197016726A KR102518079B1 (ko) | 2017-03-17 | 2018-03-13 | 정보 처리 장치, 정보 처리 시스템, 정보 처리 방법, 프로그램, 기판 처리 장치, 기준 데이터 결정 장치 및 기준 데이터 결정 방법 |
| CN202111445710.1A CN114151343A (zh) | 2017-03-17 | 2018-03-13 | 信息处理装置、信息处理系统、信息处理方法 |
| PCT/JP2018/009681 WO2018168838A1 (ja) | 2017-03-17 | 2018-03-13 | 情報処理装置、情報処理システム、情報処理方法、プログラム、基板処理装置、基準データ決定装置及び基準データ決定方法 |
| US16/467,472 US11946470B2 (en) | 2017-03-17 | 2018-03-13 | Information processing apparatus, information processing system, information processing method, program, substrate processing apparatus, criterion data determination apparatus, and criterion data determination method |
| CN202111448722.XA CN114109799A (zh) | 2017-03-17 | 2018-03-13 | 信息处理装置、信息处理方法 |
| EP18766870.2A EP3597916A4 (en) | 2017-03-17 | 2018-03-13 | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING SYSTEM, INFORMATION PROCESSING PROCESS, PROGRAM, SUBSTRATE PROCESSING DEVICE, BASELINE DATA DETERMINATION DEVICE AND BASELINE DATA DETERMINATION PROCESS |
| CN201880004933.4A CN110050125B (zh) | 2017-03-17 | 2018-03-13 | 信息处理装置、信息处理系统、信息处理方法、基板处理装置 |
| CN202111445458.4A CN114109832B (zh) | 2017-03-17 | 2018-03-13 | 信息处理装置 |
| TW107108845A TWI750349B (zh) | 2017-03-17 | 2018-03-15 | 資訊處理裝置、資訊處理系統、資訊處理方法、電腦可讀取之記錄媒介、基板處理裝置、基準資料決定裝置及基準資料決定方法 |
| US18/508,671 US20240077079A1 (en) | 2017-03-17 | 2023-11-14 | Information processing apparatus, information processing system, information processing method, program, substrate processing apparatus, criterion data determination apparatus, and criterion data determination method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017098691A JP7046503B2 (ja) | 2017-05-18 | 2017-05-18 | 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018193932A JP2018193932A (ja) | 2018-12-06 |
| JP7046503B2 true JP7046503B2 (ja) | 2022-04-04 |
Family
ID=64568952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017098691A Active JP7046503B2 (ja) | 2017-03-17 | 2017-05-18 | 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7046503B2 (ja) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003316428A (ja) | 2002-04-26 | 2003-11-07 | Teijin Seiki Co Ltd | 真空ポンプサービス情報事業システム |
| JP2004150340A (ja) | 2002-10-30 | 2004-05-27 | Mitsubishi Heavy Ind Ltd | ターボ分子ポンプおよびその故障予測方法 |
| JP2008534831A (ja) | 2005-04-08 | 2008-08-28 | 株式会社荏原製作所 | 真空ポンプ故障予知方法、真空ポンプ故障予知システム、及び真空ポンプ集中監視システム |
| WO2014192356A1 (ja) | 2013-05-31 | 2014-12-04 | エドワーズ株式会社 | メンテナンス予測装置とその予測方法 |
| JP2014228887A (ja) | 2013-05-17 | 2014-12-08 | 株式会社東芝 | 稼働データ分析装置およびその方法、ならびにプログラム |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003263475A (ja) * | 2002-03-11 | 2003-09-19 | Hitachi Ltd | ポンプ点検作業支援システム |
| JP4261252B2 (ja) * | 2003-06-17 | 2009-04-30 | 株式会社荏原製作所 | 真空ポンプの故障診断装置及び故障診断方法 |
| JP4232162B2 (ja) * | 2004-12-07 | 2009-03-04 | 三菱電機株式会社 | 圧縮機検査装置 |
| US7653512B2 (en) * | 2004-12-17 | 2010-01-26 | Korea Reserch Institute of Standards and Science | Precision diagnostic method for the failure protection and predictive maintenance of a vacuum pump and a precision diagnostic system therefor |
| JP2012064881A (ja) * | 2010-09-17 | 2012-03-29 | Hitachi Kokusai Electric Inc | 基板処理システム |
| US9765789B2 (en) * | 2013-03-13 | 2017-09-19 | Agilent Technologies, Inc. | Pump testing for predicting lifetime and wear conditions |
| JP2015212594A (ja) * | 2014-05-02 | 2015-11-26 | 三菱電機株式会社 | 圧縮機の劣化診断方法、及びその劣化診断方法を有する冷凍サイクル装置 |
| JP6308977B2 (ja) * | 2015-06-11 | 2018-04-11 | 三菱重工業株式会社 | 油圧機械の診断システム、油圧機械及び風力発電装置並びに油圧機械の診断方法 |
-
2017
- 2017-05-18 JP JP2017098691A patent/JP7046503B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003316428A (ja) | 2002-04-26 | 2003-11-07 | Teijin Seiki Co Ltd | 真空ポンプサービス情報事業システム |
| JP2004150340A (ja) | 2002-10-30 | 2004-05-27 | Mitsubishi Heavy Ind Ltd | ターボ分子ポンプおよびその故障予測方法 |
| JP2008534831A (ja) | 2005-04-08 | 2008-08-28 | 株式会社荏原製作所 | 真空ポンプ故障予知方法、真空ポンプ故障予知システム、及び真空ポンプ集中監視システム |
| JP2014228887A (ja) | 2013-05-17 | 2014-12-08 | 株式会社東芝 | 稼働データ分析装置およびその方法、ならびにプログラム |
| WO2014192356A1 (ja) | 2013-05-31 | 2014-12-04 | エドワーズ株式会社 | メンテナンス予測装置とその予測方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018193932A (ja) | 2018-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102518079B1 (ko) | 정보 처리 장치, 정보 처리 시스템, 정보 처리 방법, 프로그램, 기판 처리 장치, 기준 데이터 결정 장치 및 기준 데이터 결정 방법 | |
| US20240077079A1 (en) | Information processing apparatus, information processing system, information processing method, program, substrate processing apparatus, criterion data determination apparatus, and criterion data determination method | |
| KR102642339B1 (ko) | 제어 장치, 제어 시스템, 제어 방법, 프로그램 및 기계 학습 장치 | |
| JP2017187030A (ja) | 圧縮機サージの検知及び防止装置及びシステム | |
| JP2017142153A (ja) | 寿命予測方法、寿命予測装置、および寿命予測システム | |
| JP2008503811A (ja) | インテリジェント駆動装置 | |
| TWI662424B (zh) | 領先輔助參數的選擇方法以及結合關鍵參數及領先輔助參數進行設備維護預診斷的方法 | |
| WO2009046195A1 (en) | Simplified algorithm for abnormal situation prevention in load following applications | |
| JP6820799B2 (ja) | 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム | |
| JP7046503B2 (ja) | 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム | |
| WO2013048804A2 (en) | Pressure transmitter with diagnostics | |
| WO2019124367A1 (ja) | 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム | |
| US20220342406A1 (en) | Event-Oriented Transmission of Measured Process Values | |
| JP5404699B2 (ja) | ガスタービンの定常状態条件を判定するためのシステム、方法、及び装置 | |
| JP6835757B2 (ja) | 情報処理装置、情報処理システム、情報処理方法、プログラム及び基板処理装置 | |
| JP7172821B2 (ja) | ポンプ監視装置および真空ポンプ | |
| JP6953249B2 (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラム | |
| TWI785608B (zh) | 流體機械及其控制方法 | |
| US11592471B2 (en) | Monitoring systems for industrial machines having dynamically adjustable computational units | |
| JP2003344122A (ja) | 状態監視方法、状態監視システム、状態監視装置、コンピュータプログラム、及び記録媒体 | |
| JP2011100926A (ja) | 基板処理システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181210 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191210 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200207 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200408 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20200825 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201125 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20201125 |
|
| C11 | Written invitation by the commissioner to file amendments |
Free format text: JAPANESE INTERMEDIATE CODE: C11 Effective date: 20201208 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20201225 |
|
| C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210105 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20210226 |
|
| C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20210302 |
|
| C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20210413 |
|
| C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20210831 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211028 |
|
| C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220201 |
|
| C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20220208 |
|
| C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20220308 |
|
| C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20220308 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220323 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7046503 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |