JP7409269B2 - ポンプ監視装置、真空ポンプ、ポンプ監視方法およびポンプ監視プログラム - Google Patents

Description

本発明は、ポンプ監視装置、真空ポンプ、ポンプ監視方法およびポンプ監視プログラムに関する。

半導体、液晶パネル等の製造におけるドライエッチング、ＣＶＤ（Ｃｈｅｍｉｃａｌ ｖａｐｏｒ ｄｅｐｏｓｉｔｉｏｎ）等の工程は、真空処理されたプロセスチャンバ内で実行される。真空ポンプにより内部のガスが排気されたプロセスチャンバには、プロセスガスが導入される。これにより、プロセスチャンバ内が所定の圧力に維持された状態で、これらの工程が実行される。ドライエッチング、ＣＶＤ等の工程において、プロセスチャンバ内のガスを排気するとき、ガスの排気に伴って真空ポンプ内に反応生成物が堆積することがある。

下記特許文献１は、ポンプ監視装置に関する発明を開示している。このポンプ監視装置は、真空ポンプの電流値の波形データを取得し、実測波形データと基準波形データの一致度に基づいて、真空ポンプの負荷増大による異常を判定している。

特開２０２０－４１４５５号公報

特許文献１の監視ポンプを利用することで、真空ポンプの異常を判定することができる。しかし、真空ポンプに異常が発生したことが判定される仕組みであるため、真空ポンプの保護が間に合わない場合がある。場合によっては、真空排気系システムに障害が発生する場合がある。

本発明の目的は、真空ポンプの異常を予測し、事前に真空ポンプの交換に関する情報をユーザに提示することである。

本発明の一局面に従うポンプ監視装置は、真空ポンプの運転状態を表す物理量の波形データを取得する波形データ取得部と、波形データの特徴量を取得する特徴量取得部と、特徴量に基づいて波形データをクラスタリングする第１機械学習部と、クラスタリングされた波形データの時系列データ群を読み込み、予測波形データを出力する第２機械学習部と、予測波形データに基づき、真空ポンプの交換に関する情報を提示する情報提示部とを備える。

本発明によれば、真空ポンプの異常を予測し、事前に真空ポンプの交換に関する情報をユーザに提示することができる。

本実施の形態に係る真空処理装置の概略図である。 本実施の形態に係る真空ポンプの断面図である。 本実施の形態に係るポンプコントローラおよびポンプ監視装置の機能ブロック図である。 モータ電流値の実測波形データを示す図である。 本実施の形態に係る第１機械学習方法を示すフローチャートである。 本実施の形態に係る第２機械学習方法を示すフローチャートである。 本実施の形態に係るポンプ交換情報提示方法を示すフローチャートである。 本実施の形態に係るポンプ監視装置の構成図である。

次に、添付の図面を参照しながら本発明の実施の形態に係るポンプ監視装置および真空ポンプの構成について説明する。

（１）真空処理装置の構成
図１は、実施の形態におけるポンプ監視装置１６が搭載された真空処理装置１の全体図である。真空処理装置１は、例えば、エッチング処理装置や成膜処理装置である。真空処理装置１は、図１に示すように、プロセスチャンバ１１、バルブ１２、真空ポンプ１３、ポンプコントローラ１４、メインコントローラ１５およびポンプ監視装置１６を備える。

真空ポンプ１３はバルブ１２を介してプロセスチャンバ１１に取り付けられている。ポンプコントローラ１４は、真空ポンプ１３を駆動制御する。ポンプコントローラ１４には、真空ポンプ１３の状態を監視するポンプ監視装置１６が接続されている。なお、図１に示す例では、ポンプ監視装置１６には１台のポンプコントローラ１４が接続されているが、ポンプ監視装置１６が複数台のポンプコントローラ１４に接続され、複数の真空ポンプ１３を監視するようにしても良い。

メインコントローラ１５は、真空ポンプ１３を含む真空処理装置１の全体を制御する。バルブ１２、ポンプコントローラ１４、および、ポンプ監視装置１６は、通信ライン１７を介してメインコントローラ１５に接続されている。ポンプ監視装置１６は、真空ポンプ１３の異常を予測するために、真空ポンプ１３の運転状態を示す物理量を監視している。本明細書におけるポンプ異常の例としては、真空ポンプ１３の内部に堆積する反応生成物の量が許容量を超える場合である。

なお、図１で示す真空処理装置１の構成は一例である。例えば、真空ポンプ１３が、ポンプコントローラ１４およびポンプ監視装置１６を備える構成としてもよい。

（２）真空ポンプの構成
図２は、真空ポンプ１３の構成を示す断面図である。本実施の形態における真空ポンプ１３は磁気軸受式のターボ分子ポンプである。真空ポンプ１３は、ロータシャフト３０、ポンプロータ３１、ロータ翼３３およびロータ円筒部３５を有する回転体３と、ベース２１、ポンプケーシング２２、ステータ翼２３およびステータ２５を有する回転支持部２とを備える。ロータシャフト３０がモータ４３により回転駆動されることにより、回転体３が一体となって回転支持部２に対して回転する。ロータシャフト３０は、軸心３０ａを中心に回転駆動する。

ポンプロータ３１には、上流側にロータ翼３３が複数段形成され、下流側にロータ円筒部３５が形成されている。これらに対応して、固定側には複数段のステータ翼２３と、円筒状のステータ２５とが設けられている。複数のロータ翼３３とステータ翼２３が上下方向の隙間を空けて交互に配列されることにより、ターボポンプＴＰが構成されている。複数のロータ翼３３および複数のステータ翼２３を上下方向に通過する領域によって流路Ｒ１が形成されている。ロータ円筒部３５またはステータ２５のいずれかには図示しないねじ溝が設けられている。ロータ円筒部３５およびステータ２５により、ＨｏｌｗｅｃｋポンプＨＰが構成されている。ロータ円筒部３５およびステータ２５の間に形成された微小な隙間によって流路Ｒ２が形成されている。

ロータシャフト３０は、ベース２１に設けられたラジアル磁気軸受４２ａ，４２ｂとアキシャル磁気軸受４２ｃとによって磁気浮上支持され、モータ４３により回転駆動される。各磁気軸受４２ａ～４２ｃは電磁石および変位センサを備えており、変位センサによりロータシャフト３０の浮上位置が検出される。ロータシャフト３０の回転数は回転数センサ４５により検出される。磁気軸受４２ａ～４２ｃが作動していない場合には、ロータシャフト３０は非常用のメカニカルベアリング４１ａ，４１ｂによって支持される。

ベース２１の上部には、真空ポンプ１３の外形を形成する筒状のポンプケーシング２２が固定されている。ポンプケーシング２２の上端には、吸気口２６が形成されている。吸気口２６は、バルブ１２を介してプロセスチャンバ１１に接続される。ベース２１の排気口２７には排気ポート２８が設けられ、この排気ポート２８に補助ポンプが接続される。ポンプロータ３１が締結されたロータシャフト３０をモータ４３により高速回転すると、吸気口２６側の気体分子は、流路Ｒ１および流路Ｒ２を流れて、排気ポート２８から排気される。

ベース２１には、ヒータ８１、および、冷却水などの冷媒が流れる冷媒配管８２が設けられている。冷媒配管８２には、図示しない冷媒供給配管が接続される。冷媒供給配管に設けられた電磁開閉弁の開閉制御により、冷媒配管８２に供給する冷媒流量が調整される。真空ポンプ１３において反応生成物の堆積しやすいガスが排気される場合、ねじ溝ポンプ部分や下流側のロータ翼３３への生成物堆積を抑制するために、温度調整が行われる。具体的には、ヒータ８１がオン／オフされること、および、冷媒配管８２を流れる冷媒の流量がオン／オフされることにより、例えばステータ固定部付近のベース温度が所定温度となるように温度調整される。

（３）ポンプコントローラおよびポンプ監視装置の構成
図３は、ポンプコントローラ１４およびポンプ監視装置１６の構成を示す機能ブロック図である。図２にも示したように、真空ポンプ１３は、モータ４３、磁気軸受４２ａ，４２ｂ，４２ｃおよび回転数センサ４５を備える。これらモータ４３、磁気軸受４２ａ，４２ｂ，４２ｃおよび回転数センサ４５は、ポンプコントローラ１４によって制御される。ポンプコントローラ１４は、モータ制御部１４１および磁気軸受制御部１４２を備える。

モータ制御部１４１は、回転数センサ４５で検出した回転信号に基づいてロータシャフト３０の回転数を推定し、推定された回転数に基づいてモータ４３を所定目標回転数にフィードバック制御する。ガス流量が大きくなるとポンプロータ３１の負荷が増加するので、モータ４３の回転数が低下する。モータ制御部１４１は、回転数センサ４５で検出された回転数と所定目標回転数との差がゼロとなるようにモータ電流を制御することにより、所定目標回転数（定格回転数）を維持するようにしている。このように、一連のプロセスが行われている状態では、モータ制御部１４１は回転速度を定格回転速度に維持する定常運転制御を行っている。磁気軸受４２ａ～４２ｃは、軸受電磁石と、ロータシャフト３０の浮上位置を検出するための変位センサとを備えている。

ポンプ監視装置１６は、プロセスチャンバ１１に取り付けられた真空ポンプ１３の状態を監視する装置である。ポンプ監視装置１６は、制御部５１、操作部５２、表示部５３、記憶部５４および警報部５５を備える。制御部５１は、波形データ取得部５１１、特徴量取得部５１２、第１機械学習部５１３、第２機械学習部５１４および判定部５１５を備える。操作部５２は、ポンプ監視装置１６に対するユーザ操作を受け付ける。操作部５２は、例えば複数の操作ボタンで構成される。表示部５３は、例えば液晶表示パネルであり、真空ポンプ１３の交換に関する情報を表示する。記憶部５４は、ＲＡＭ（ランダムアクセスメモリー）、ＲＯＭ（リードオンリーメモリー）およびハードディスクなどから構成される。警報部５５は、ポンプ交換時期が到来したときに、アラームを発報する。

ポンプ監視装置１６は、ＣＰＵ（図８参照）を備える。制御部５１は、ＣＰＵが、ＲＡＭなどの記憶部５４をワークメモリとして使用し、記憶部５４に格納されているポンプ監視プログラム（図８参照）を実行することにより実現される。つまり、波形データ取得部５１１、特徴量取得部５１２、第１機械学習部５１３、第２機械学習部５１４および判定部５１５は、記憶部５４に格納されたポンプ監視プログラムが実行されることにより実現される。

本実施の形態では、真空ポンプ１３の運転状態を表す物理量として、真空ポンプ１３のモータ電流値が用いられる。ポンプコントローラ１４のモータ制御部１４１は、モータ電流値を検出する。ポンプ監視装置１６の波形データ取得部５１１は、ポンプコントローラ１４からモータ電流値を取得する。モータ電流値は、予め設定された所定のサンプリング間隔で取得される。波形データ取得部５１１は、取得したモータ電流値に基づいて、モータ電流値の実測波形データを生成する。

（４）プロセスごとの波形データ
図４は、真空処理装置１において同一真空処理プロセス、たとえば複数枚の基板に対してエッチングプロセスを連続して繰り返し行っているときのモータ電流値の実測波形データを示す図である。時刻ｔ１～ｔ２の期間Ｐ１において１枚目の基板に対するプロセスが行われ、時刻ｔ２～ｔ３の期間Ｐ２において２枚目の基板に対するプロセスが行われ、時刻ｔ３～ｔ４の期間Ｐ３において３枚目の基板に対するプロセスが行われる。同一プロセスが繰り返し行われるので、各期間Ｐ１～Ｐ３のモータ電流値の実測波形データは、ほぼ同じ波形になっている。以下では、これら期間Ｐ１～Ｐ３のことをプロセス期間と呼ぶことにする。

時刻ｔ１において、プロセスチャンバ１１に１枚目の基板が搬入され、プロセスチャンバ１１が真空ポンプ１３により排気される。これにより、モータ電流値が急上昇し、時刻ｔ１ａにおいて極大値をとる。続いて、モータ電流値は、時刻ｔ１ａ～ｔ１ｂ間で低下する。続いて、時刻ｔ１ｂにおいて、プロセスガスが導入されてモータ電流値は再び上昇し、時刻ｔ１ｃにおいて高い値となる。時刻ｔ１ｃ～ｔ１ｄ間は、一定のプロセス圧力によりプロセス処理が行われるので、モータ電流値はほぼ一定となる。時刻ｔ１ｄにおいて、１枚目の基板に対するプロセス処理が終了し、プロセスガスの導入が停止される。これにより、モータ電流値は急激に低下し、時刻ｔ１ｅにおいて極小値をとる。その後、モータ電流値は時刻ｔ１ｆおよびｔ１ｇにおいて極大値をとり、時刻ｔ１ｇの極大値から急激に低下し、時刻ｔ２において極小値をとる。この間に１枚目の基板が搬出され、２枚目の基板が搬入される。時刻ｔ２から始まる２枚目の基板に対するプロセス期間Ｐ２、および、時刻ｔ３から始まる３枚目の基板に対するプロセス期間Ｐ３においても、モータ電流値はプロセス期間Ｐ１と同様の変化を示す。

図４において、真空ポンプ１３の回転がスタートされて、ｔ＝ｔ１に最初のプロセスが開始されると仮定する。プロセス期間中、モータ電流値は、複数回の極小値をとるが、時刻ｔ１，ｔ２，ｔ３，ｔ４・・・において最も値の小さな極小値（Ｉ≒Ｉａ）をとる。この極小値Ｉ≒Ｉａは、図４に示すように各プロセス期間の開始時に取得されるので、極小値Ｉ≒Ｉａが３回得られた時点ではプロセス期間２つ分のモータ電流値データがサンプリングされたことになる。

１プロセス期間を時間Δｔとする電流値Ｉ≒Ｉａであるモータ電流値が取得される時間間隔が１プロセス期間の時間Δｔに相当する。したがって、（Ｎ＋１）番目の電流値Ｉ≒Ｉａのサンプリング時刻と１番目の電流値Ｉ≒Ｉａのサンプリング時刻との差分値に１／Ｎを乗算することで、１プロセス期間の時間Δｔが算出される。算出された１プロセス期間の時間Δｔは、記憶部５４に記憶される。

Δｔが算出されると、サンプリングされて記憶部５４に蓄積されたモータ電流値のデータを、１プロセス期間分取得することで、１プロセス分の実測波形データが生成される。

真空処理装置１における一連のプロセス処理が停止されて真空ポンプ１３が停止されるまで、実測波形データの取得処理が繰り返し実行される。そして、１プロセス期間分のモータ電流値が新たに取得される度に、新たな１プロセス期間分の実測波形データが算出され、記憶部５４に蓄積される。

（５）第１機械学習処理
次に、本実施の形態に係る第１機械学習処理について説明する。図５は、波形データ取得部５１１、特徴量取得部５１２および第１機械学習部５１３において実行される第１機械学習処理の学習工程のフローチャートである。図５で示す処理は、記憶部５４に格納されたポンプ監視プログラムが実行されることにより実行される。

ステップＳ１１において、波形データ取得部５１１が実測波形データを読み込む。実測波形データは、図４で示したように、１プロセス期間（Δｔ時間）に対応するモータ電流値のデータである。波形データ取得部５１１は、記憶部５４に記憶されているサンプリングされたモータ電流値のデータから、Δｔ時間分の実測波形データを読み込む。波形データ取得部５１１は、実測波形データと合わせて、実測波形データが取得された時間情報も取得する。時間情報は、実測波形データが取得された真空ポンプ１３の使用開始時点からの運転時間を積算した情報である。

次に、ステップＳ１２において、特徴量取得部５１２が、ステップＳ１１で読み込まれた波形データの特徴量を抽出する。本実施の形態においては、特徴量取得部５１２は、特徴量として実測波形データの分散値を取得する。例えば、１プロセス分の実測波形データがｎ点のサンプリングデータであるとすると、特徴量取得部５１２は、実測波形データのｎ点の値Ｘ１，Ｘ２・・・Ｘｎの分散値を取得する。

次に、ステップＳ１３において、第１機械学習部５１３が特徴量取得部５１２で取得された特徴量に基づき、実測波形データのクラスタリングを行う。第１機械学習部５１３は、ｋ均等法（ｋ－ｍｅａｎｓ法）、ＳＯＭ（Ｓｅｌｆ Ｏｒｇａｎｉｚｉｎｇ Ｍａｐ）などを用いることにより、実測波形データをクラスタリングする。ステップＳ１４において、処理対象である全ての実測波形データについて読み込みが完了したか否かが判定される。全ての実測波形データの読み込みが完了していない場合には、ステップＳ１１に戻り処理を繰り返す。全ての実測波形データの読み込みが完了すると、図５で示す第１機械学習処理を終了する。

このように複数の実測波形データを第１機械学習部５１３により学習させることで、真空ポンプ１３の運転状態を示す物理量であるモータ電流値の実測波形データがクラスタリングされる。学習精度を高めるために、真空ポンプ１３においては様々なプロセスを実行させることにより実測波形データを学習させることが好ましい。また、異なる複数の真空ポンプ１３を利用することで、多数の実測波形データを学習させることが好ましい。

（６）第２機械学習処理
次に、本実施の形態に係る第２機械学習処理について説明する。図６は、第２機械学習部５１４において実行される第２機械学習処理の学習工程のフローチャートである。図６で示す処理は、記憶部５４に格納されたポンプ監視プログラムが実行されることにより実行される。

まず、ステップＳ２１においてクラスタリングされた実測波形データを読み込む。次に、ステップＳ２２において、ステップＳ２１で読み込んだ実測波形データのクラスタリング情報および時間情報を取得する。クラスタリング情報は、第１機械学習部５１３におけるクラスタリングの結果を示す情報である。例えば、各実測波形データにクラスタリング情報としてＩＤが付与される。時間情報は、実測波形データが取得された時間を示す情報である。時間情報は、上述したように、実測波形データが取得された真空ポンプ１３の使用開始時点からの運転時間を積算した情報である。

続いて、ステップＳ２３において、第２機械学習部５１４が、クラスタリング情報および時間情報とともに実測波形データを読み込み、実測波形データの回帰分析を行う。第２機械学習部５１４に読み込まれる実測波形データは、クラスタリングされたグループごとに、時間情報を保持している。つまり、実測波形データは、クラスタリングされたグループごとの時系列データ群である。第２機械学習部５１４は、実測波形データの時系列データ群を読み込んで、クラスタリングされたグループごとに回帰式を得る。ステップＳ２４において、処理対象である全ての実測波形データについて読み込みが完了したか否かが判定される。全ての実測波形データの読み込みが完了していない場合には、ステップＳ２１に戻り処理を繰り返す。全ての実測波形データの読み込みが完了すると、図６で示す第２機械学習処理を終了する。

このように複数の実測波形データを第２機械学習部５１４により学習させることで、真空ポンプ１３の運転状態を示す物理量であるモータ電流値の実測波形データの回帰分析が行われる。学習精度を高めるために、真空ポンプ１３においては様々なプロセスを実行させることにより実測波形データを学習させることが好ましい。また、異なる複数の真空ポンプ１３を利用することで、多数の実測波形データを学習させることが好ましい。

（７）ポンプ交換情報提示処理
次に、本実施の形態に係るポンプ交換情報提示処理について説明する。図７は、波形データ取得部５１１、特徴量取得部５１２、第１機械学習部５１３および第２機械学習部５１４において実行されるポンプ交換情報提示処理のフローチャートである。図７で示す処理は、記憶部５４に格納されたポンプ監視プログラムが実行されることにより実行される。図５および図６の処理によって、第１機械学習部５１３および第２機械学習部５１４の学習が完了した後、図７の処理が実行される。つまり、図７で示す処理は、第１機械学習部５１３および第２機械学習部５１４を学習済みモデルとして利用し、真空ポンプ１３の運転状態の予測を行う処理である。

ステップＳ３１において、波形データ取得部５１１が実測波形データを読み込む。実測波形データは、図４で示したように、１プロセス期間（Δｔ時間）に対応するモータ電流値のデータである。波形データ取得部５１１は、実測波形データと合わせて、実測波形データが取得された時間情報も取得する。次に、ステップＳ３２において、特徴量取得部５１２が、ステップＳ３１で読み込まれた実測波形データの特徴量を抽出する。本実施の形態においては、特徴量取得部５１２は、特徴量として実測波形データの分散値を取得する。

次に、ステップＳ３３において、第１機械学習部５１３が、特徴量取得部５１２において取得された特徴量に基づき、実測波形データのクラスタリングを行う。これにより読み込まれた実測波形データのクラスタリング情報が取得される。

次に、ステップＳ３４においてクラスタリングされた実測波形データを読み込む。このとき、読み込んだ実測波形データのクラスタリング情報および時間情報が合わせて第２機械学習部５１４に入力される。これにより、第２機械学習部５１４が、クラスタリング情報および時間情報とともに実測波形データを読み込み、実測波形データの予測波形データを出力する。例えば、第２機械学習部５１４は、プロセスを１回～ｍ回実行した後の将来のモータ電流値の予測波形データを出力する。つまり、第２機械学習部５１４に読み込まれた実測波形データに基づいて、さらにプロセスを１回実行した後の予測波形データ、２回実行した後の予測波形データ、３回実行した後の予測波形データ・・・ｍ回実行した後の予測波形データが出力される。

次に、ステップＳ３５において、判定部５１５が、予測波形データに基づいて算出される値と閾値と比較し、ポンプ交換推奨情報を取得する。例えば、閾値としては、実測波形データと予測波形データとの電流最大値の差分、電流平均値の差分等を用いることができる。例えば、ｋ（ｋは１以上ｍ以下の整数）回目の予測波形データの電流値の最大値や平均値と、実測波形データの電流値の最大値や平均値との差分が閾値を超えているときに、判定部５１５は、真空ポンプ１３はｋ回目のプロセス実行後にポンプ交換時期が到来すると判定する。あるいは、閾値として、実測波形データと予測波形データとの波形マッチング度を用いることができる。例えば、ｋ（ｋは１以上ｍ以下の整数）回目の予測波形データと実測波形データとの波形マッチング度が閾値を下回るときに、判定部５１５は、真空ポンプ１３はｋ回目のプロセス実行後にポンプ交換時期が到来すると判定する。

判定部５１５は、ｋ回目の予測波形データにおいて真空ポンプ１３の交換時期が到来すると判定すると、表示部５３にポンプ交換の必要性を示す情報を提示する。判定部５１５は、例えば、ポンプ交換推奨情報として、残り使用プロセス回数を提示する。例えばｋ回目の予測波形データにおいて交換時期が到来すると判定された場合には、ｋ回より少ない回数を残り使用回数として提示する。あるいは、判定部５１５は、例えば、ポンプ交換推奨情報として、残り使用時間を提示する。例えばｋ回目の予測波形データにおいて交換時期が来ると判定された場合には、ｋ回のプロセス時間より少ない時間を残り使用時間として提示する。１回のプロセス時間としては、例えばΔｔを用いることができる。様々なプロセスが実行される場合には、Δｔの平均時間を用いてもよい。

判定部５１５は、残り使用回数がゼロ、または、残り使用時間がゼロになる等、真空ポンプ１３が交換必要な状態になったことを判定した場合には、真空ポンプの交換が必要となったことを示す情報を警報部５５に通知する。あるいは、判定部５１５は、残り使用回数が１回等、所定の回数を下回った場合、または、残り使用時間が１０分になる等、所定の時間を下回った場合、交換必要情報を警報部５５に通知してもよい。これにより、警報部５５は、アラームを発報する。また、警報部５５は、真空ポンプ１３の動作を停止する等の保護モードへ移行するよう、メインコントローラ１５に通知する。

（８）請求項の各構成要素と実施の形態の各要素との対応
以下、請求項の各構成要素と実施の形態の各要素との対応の例について説明するが、本発明は下記の例に限定されない。上記の実施の形態では、判定部５１５および表示部５３が情報提示部の例である。また、上記の実施の形態では、実測波形データが波形データの例である。

請求項の各構成要素として、請求項に記載されている構成または機能を有する種々の要素を用いることもできる。

（９）他の実施の形態
上記実施の形態においては、ポンプ交換推奨情報は、ポンプ監視装置１６が備える表示部５３において表示された。他の実施の形態として、ポンプ交換推奨情報を表示する表示部は、ポンプ監視装置１６とは別に設けられていても良い。あるいは、表示部５３を含めてポンプ監視装置１６の全体構成をポンプコントローラ１４に組み込む構成としてもよい。あるいは、メインコントローラ１５の表示部にポンプ交換推奨情報を提示してもよい。あるいは、真空処理装置１に接続されたコンピュータの画面に表示させてもよい。

上記実施の形態では、真空ポンプ１３の運転状態を表す物理量として、真空ポンプ１３のモータ電流値が用いられた。真空ポンプ１３の運転状態を表す物理量としては、他に、真空ポンプ１３の回転数、温度、または、回転軸ぶれ量等を用いることができる。これらの物理量は、真空ポンプ１３に設けられた回転数センサ、温度センサ、または、変位センサ等から取得することができる。

上記実施の形態では、真空ポンプ１３の運転状態を表す物理量の特徴量として、モータ電流値の波形データの分散を用いられた。特徴量としては、他にも、モータ電流値の波形データの波形形状、波形微分値等を用いることができる。物理量として、真空ポンプ１３の回転数、温度、または、回転軸ぶれ量等の他の物理量が用いられる場合には、同様に、それら物理量の波形データの分散、波形形状、または、波形微分値等を用いることができる。

上記実施の形態においては、ポンプ監視プログラムは、記憶部５４に保存されている場合を例に説明した。他の実施の形態として、ポンプ監視プログラムは、記憶媒体ＭＤに保存されて提供されてもよい。図８は、ポンプ監視装置１６の構成図である。ポンプ監視装置１６のＣＰＵは、デバイスインタフェースを介して記憶媒体ＭＤにアクセスし、記憶媒体ＭＤに保存されたポンプ監視プログラムを、記憶部５４に保存するようにしてもよい。あるいは、ＣＰＵは、デバイスインタフェースを介して記憶媒体ＭＤにアクセスし、記憶媒体ＭＤに保存されたポンプ監視プログラムを実行するようにしてもよい。

上記実施の形態において、第２機械学習部５１４が、予測波形データを出力する。例えば、第２機械学習部５１４は、将来のｍ回分の予測波形データを出力する。他の実施の形態として、ポンプ監視装置１６は、実測波形データと予測波形データとを比較する処理を行ってもよい。そして、実測波形データと予測波形データとの差を縮小できるように、第２機械学習部５１４の学習をさらに進めるようにしてもよい。例えば、実測波形データおよび予測波形データとのマッチング度が向上するように、第２機械学習部５１４の学習を進めること等が考えられる。

上記実施の形態においては、実測波形データを第１機械学習部５１３および第２機械学習部５１４で学習させる構成とした。他の実施の形態としては、実測波形データを加工して得られる基準波形データを、学習させる構成としてもよい。例えば、１０プロセス分の実測波形データの同一サンプル時点の電流値の平均値を用いて基準波形データを生成することができる。この基準波形データを複数取得して、第１機械学習部５１３および第２機械学習部５１４で学習させる構成としてもよい。

なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。

（１０）態様
上述した複数の例示的な実施の形態は、以下の態様の具体例であることが当業者により理解される。

（第１項）
本発明の一態様に係るポンプ監視装置は、
真空ポンプの運転状態を表す物理量の波形データを取得する波形データ取得部と、
前記波形データの特徴量を取得する特徴量取得部と、
前記特徴量に基づいて前記波形データをクラスタリングする第１機械学習部と、
前記クラスタリングされた前記波形データの時系列データ群を読み込み、予測波形データを出力する第２機械学習部と、
前記予測波形データに基づき、前記真空ポンプの交換に関する情報を提示する情報提示部と、
を備える。

（第２項）
第１項に記載のポンプ監視装置において、
前記交換に関する情報は、前記真空ポンプの残り使用プロセス回数を含んでもよい。

（第３項）
第１項に記載のポンプ監視装置において、
前記交換に関する情報は、前記真空ポンプの残り使用時間を含んでもよい。

（第４項）
第１項ないし第３項のいずれか一項に記載のポンプ監視装置において、
前記交換に関する情報により、前記真空ポンプの交換が必要な状態であると判定された場合には、アラームを発報する警報部、
をさらに備えてもよい。

（第５項）
第１項ないし第４項のいずれか一項に記載のポンプ監視装置において、
予測波形データと実測波形データを比較し、予測波形データと実測波形データとの差が縮小されるように前記第２機械学習部を学習させてもよい。

（第６項）
本発明の他の態様に係る真空ポンプは、
第１項～第５項のいずれか一項に記載のポンプ監視装置を備える。

（第７項）
本発明の他の態様に係るポンプ監視方法は、
真空ポンプの運転状態を表す物理量の波形データを取得する工程と、
前記波形データの特徴量を取得する工程と、
前記特徴量に基づいて前記波形データをクラスタリングする工程と、
前記クラスタリングされた前記波形データの時系列データ群を読み込み、予測波形データを出力する工程と、
前記予測波形データに基づき、前記真空ポンプの交換に関する情報を提示する工程と、
を含む。

（第８項）
本発明の他の態様に係るポンプ監視プログラムは、
コンピュータに、
真空ポンプの運転状態を表す物理量の波形データを取得する処理、
前記波形データの特徴量を取得する処理、
前記特徴量に基づいて前記波形データをクラスタリングする処理、
前記クラスタリングされた前記波形データの時系列データ群を読み込み、予測波形データを出力する処理、
前記予測波形データに基づき、前記真空ポンプの交換に関する情報を提示する処理、
を実行させる。

１…真空処理装置、１３…真空ポンプ、１４…ポンプコントローラ、１５…メインコントローラ、１６…ポンプ監視装置、５１１…波形データ取得部、５１２…特徴量取得部、５１３…第１機械学習部、５１４…第２機械学習部、５１５…判定部、５３…表示部、５５…警報部

Claims (9)

1. 真空ポンプの運転状態を表す物理量の波形データを取得する波形データ取得部と、
   前記波形データの特徴量を取得する特徴量取得部と、
   前記特徴量に基づいて前記波形データをクラスタリングする第１機械学習部と、
   前記波形データのクラスタリングされたグループごとの時系列データ群を読み込み、将来の予測波形データを出力する第２機械学習部と、
   前記予測波形データに基づき、前記真空ポンプの将来の交換に関する情報を提示する情報提示部と、を備えるポンプ監視装置。
2. 前記交換に関する情報は、前記真空ポンプの残り使用プロセス回数を含む、請求項１に記載のポンプ監視装置。
3. 前記交換に関する情報は、前記真空ポンプの残り使用時間を含む、請求項１に記載のポンプ監視装置。
4. 前記交換に関する情報により、前記真空ポンプの交換が必要な状態であると判定された場合には、アラームを発報する警報部、をさらに備える、請求項１ないし請求項３のいずれか一項に記載のポンプ監視装置。
5. 予測波形データと実測波形データを比較し、予測波形データと実測波形データとの差が縮小されるように前記第２機械学習部を学習させる、請求項１ないし請求項４のいずれか一項に記載のポンプ監視装置。
6. 請求項１～請求項５のいずれか一項に記載のポンプ監視装置を備える真空ポンプ。
7. 前記第２機械学習部は、前記クラスタリングされた前記波形データの時系列データ群を読み込み、プロセスがｍ回実行されるまでの将来の予測波形データを出力し、
   前記情報提示部が提示する情報は、将来、ｋ回（ｋは１以上ｍ以下の整数）のプロセスを実行した後に前記真空ポンプの交換のタイミングが来ることを示す、請求項１に記載のポンプ監視装置。
8. 真空ポンプの運転状態を表す物理量の波形データを取得する工程と、
   前記波形データの特徴量を取得する工程と、
   前記特徴量に基づいて前記波形データをクラスタリングする工程と、
   前記波形データのクラスタリングされたグループごとの時系列データ群を読み込み、将来の予測波形データを出力する工程と、
   前記予測波形データに基づき、前記真空ポンプの将来の交換に関する情報を提示する工程と、を含むポンプ監視方法。
9. コンピュータに、
   真空ポンプの運転状態を表す物理量の波形データを取得する処理、
   前記波形データの特徴量を取得する処理、
   前記特徴量に基づいて前記波形データをクラスタリングする処理、
   前記波形データのクラスタリングされたグループごとの時系列データ群を読み込み、将来の予測波形データを出力する処理、
   前記予測波形データに基づき、前記真空ポンプの将来の交換に関する情報を提示する処理、を実行させるポンプ監視プログラム。

Images