JP7637579B2 - レーザ照射装置、情報処理方法、及びプログラム - Google Patents

レーザ照射装置、情報処理方法、及びプログラム Download PDF

Info

Publication number
JP7637579B2
JP7637579B2 JP2021109202A JP2021109202A JP7637579B2 JP 7637579 B2 JP7637579 B2 JP 7637579B2 JP 2021109202 A JP2021109202 A JP 2021109202A JP 2021109202 A JP2021109202 A JP 2021109202A JP 7637579 B2 JP7637579 B2 JP 7637579B2
Authority
JP
Japan
Prior art keywords
time
vacuum pump
vacuum
laser light
failure
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
Application number
JP2021109202A
Other languages
English (en)
Other versions
JP2023006547A (ja
Inventor
賢一 大森
佑三郎 太田
玲 松下
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JSW Aktina System Co Ltd
Original Assignee
JSW Aktina System Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JSW Aktina System Co Ltd filed Critical JSW Aktina System Co Ltd
Priority to JP2021109202A priority Critical patent/JP7637579B2/ja
Priority to US17/749,445 priority patent/US12479050B2/en
Priority to TW111120617A priority patent/TW202304089A/zh
Priority to CN202210697407.9A priority patent/CN115548837A/zh
Publication of JP2023006547A publication Critical patent/JP2023006547A/ja
Priority to JP2025006423A priority patent/JP2025061413A/ja
Application granted granted Critical
Publication of JP7637579B2 publication Critical patent/JP7637579B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70—Auxiliary operations or equipment
    • B23K26/702—Auxiliary equipment
    • B23K26/705—Beam measuring device
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/06—Shaping the laser beam, e.g. by masks or multi-focusing
    • B23K26/062—Shaping the laser beam, e.g. by masks or multi-focusing by direct control of the laser beam
    • B23K26/0622—Shaping the laser beam, e.g. by masks or multi-focusing by direct control of the laser beam by shaping pulses
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01S—DEVICES USING THE PROCESS OF LIGHT AMPLIFICATION BY STIMULATED EMISSION OF RADIATION [LASER] TO AMPLIFY OR GENERATE LIGHT; DEVICES USING STIMULATED EMISSION OF ELECTROMAGNETIC RADIATION IN WAVE RANGES OTHER THAN OPTICAL
    • H01S3/00—Lasers, i.e. devices using stimulated emission of electromagnetic radiation in the infrared, visible or ultraviolet wave range
    • H01S3/0014—Monitoring arrangements not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/351—Working by laser beam, e.g. welding, cutting or boring for trimming or tuning of electrical components
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/352—Working by laser beam, e.g. welding, cutting or boring for surface treatment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70—Auxiliary operations or equipment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70—Auxiliary operations or equipment
    • B23K26/702—Auxiliary equipment
    • B23K26/707—Auxiliary equipment for monitoring laser beam transmission optics
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/006—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to using of neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/02104—Forming layers
    • H01L21/02365—Forming inorganic semiconducting materials on a substrate
    • H01L21/02518—Deposited layers
    • H01L21/02521—Materials
    • H01L21/02524—Group 14 semiconducting materials
    • H01L21/02532—Silicon, silicon germanium, germanium
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/02104—Forming layers
    • H01L21/02365—Forming inorganic semiconducting materials on a substrate
    • H01L21/02518—Deposited layers
    • H01L21/02587—Structure
    • H01L21/0259—Microstructure
    • H01L21/02595—Microstructure polycrystalline
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/02104—Forming layers
    • H01L21/02365—Forming inorganic semiconducting materials on a substrate
    • H01L21/02656—Special treatments
    • H01L21/02664—Aftertreatments
    • H01L21/02667—Crystallisation or recrystallisation of non-monocrystalline semiconductor materials, e.g. regrowth
    • H01L21/02675—Crystallisation or recrystallisation of non-monocrystalline semiconductor materials, e.g. regrowth using laser beams
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/26—Bombardment with radiation
    • H01L21/263—Bombardment with radiation with high-energy radiation
    • H01L21/268—Bombardment with radiation with high-energy radiation using electromagnetic radiation, e.g. laser radiation
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/324—Thermal treatment for modifying the properties of semiconductor bodies, e.g. annealing, sintering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Mechanical Engineering (AREA)
  • Plasma & Fusion (AREA)
  • General Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Electromagnetism (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Thin Film Transistor (AREA)
  • Recrystallisation Techniques (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Optical Recording Or Reproduction (AREA)
  • Manufacturing Optical Record Carriers (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
  • Laser Beam Processing (AREA)

Description

本発明は、レーザ照射装置、情報処理方法、及びプログラムに関する。
多結晶シリコン薄膜を形成するためのレーザアニール装置が知られている（例えば、特許文献１）。特許文献１に記載のレーザアニール装置は、レーザ光パルスの波形を整形する波形整形装置を含み、当該波形整形装置によってライン状に成形されたレーザ光がアモルファスシリコン膜に照射されることにより、多結晶シリコン薄膜が形成される。
特開２０１２－１５５４５号公報
しかしながら、特許文献１のレーザアニール装置は、当該レーザアニール装置に含まれる各種部品の故障予測に関する点について考慮されていない。
本発明は、斯かる事情に鑑みてなされたものであり、レーザ照射装置に含まれる部品の故障予測を効率的に行うことができるレーザ照射装置等を提供することを目的とする。
本態様に係るレーザ照射装置は、レーザ光源を備えるレーザ照射装置であって、前記レーザ光源による基板の加工を行うにあたり用いられる可動部品の故障予測を行う故障予測部を備え、前記故障予測部は、前記可動部品を可動した際の物理量を取得し、取得した物理量に基づき、前記可動部品の故障時期を導出する。
本態様に係る情報処理方法は、レーザ照射装置に備えられたレーザ光源による基板の加工を行うにあたり用いられる可動部品の故障予測を行うコンピュータに、（Ａ）前記可動部品を可動した際の物理量を取得し、（Ｂ）取得した物理量に基づき、前記可動部品の故障時期を導出する処理を実行させる。
本態様に係るプログラムは、レーザ照射装置に備えられたレーザ光源による基板の加工を行うにあたり用いられる可動部品の故障予測を行うコンピュータに、（Ａ）前記可動部品を可動した際の物理量を取得し、（Ｂ）取得した物理量に基づき、前記可動部品の故障時期を導出する処理を実行させる。
本発明によれば、レーザ照射装置に含まれる部品の故障予測を効率的に行うレーザ照射装置等を提供することができる。
実施形態１に係るレーザアニール装置の構成例を示す図である。 レーザアニール装置に含まれる制御装置の構成例を示す図である。 真空ポンプ用学習モデルの一例を示す説明図である。 制御部による処理手順の一例を示すフローチャートである。 実施形態２（各種可動部品）に係るレーザアニール装置の構成例を示す図である。 制御部による処理手順の一例を示すフローチャートである。 制御部による処理手順（コールドヘッド）の一例を示すフローチャートである。 制御部による処理手順（Ｈｅコンプレッサー）の一例を示すフローチャートである。 制御部による処理手順（ダイアフラムポンプ）の一例を示すフローチャートである。 実施形態３（特徴量学習モデル）に係る特徴量学習モデルの一例を示す説明図である。 可動部品の管理画面の一例を説明する図である。 その他の実施形態（半導体装置の製造方法）に係る半導体装置の製造方法を示す工程断面図である。 その他の実施形態（半導体装置の製造方法）に係る半導体装置の製造方法を示す工程断面図である。 その他の実施形態（半導体装置の製造方法）に係る半導体装置の製造方法を示す工程断面図である。 その他の実施形態（半導体装置の製造方法）に係る半導体装置の製造方法を示す工程断面図である。 その他の実施形態（半導体装置の製造方法）に係る半導体装置の製造方法を示す工程断面図である。
（実施形態１）
以下、本発明の実施の形態について説明する。図１は、実施形態１に係るレーザアニール装置１の構成例を示す図である。図２は、レーザアニール装置１に含まれる制御装置９の構成例を示す図である。レーザアニール装置１（レーザ照射装置）は、例えば、低温ポリシリコン(LTPS:Low Temperature Poly-Silicon)膜を形成するエキシマレーザアニール（ELA:Excimer laser Anneal）装置である。
レーザアニール装置１は、レーザ光を基板８上に形成されたシリコン膜に照射する。これにより、非晶質のシリコン膜（アモルファスシリコン膜:ａ－Ｓｉ膜）を多結晶のシリコン膜（ポリシリコン膜：ｐ－Ｓｉ膜）に変換することができる。基板８は、例えば、ガラス基板などの透明基板である。
本実施形態における図示のとおり、ＸＹＺ三次元直交座標系において、Ｚ方向は、鉛直方向となり、基板８に垂直な方向である。ＸＹ平面は、基板８のシリコン膜が形成された面と平行な平面である。例えば、Ｘ方向は、矩形状の基板８の長手方向となり、Ｙ方向は基板８の短手方向となる。Ｚ軸を中心に０°から９０°に回転可能なΘ軸ステージ７１を使用する場合、Ｘ方向は基板８の短手方向となり、Ｙ方向は基板８の長手方向となりうる。
レーザアニール装置１は、アニール光学系１１、レーザ照射室７、及び制御装置９を備える。レーザ照射室７は、ベース７２と、ベース７２上に配置されたステージ７１とを収容する。レーザアニール装置１において、ステージ７１により基板８を＋Ｘ方向に搬送しながら、シリコン膜２０１にレーザ光が照射される。
アニール光学系１１は、基板８に形成されたアモルファスシリコン膜を結晶化し、ポリシリコン膜に変換するためのレーザ光を生成し、当該アモルファスシリコン膜に照射するための光学系である。アニール光学系１１は、第１レーザ光源２１及び第２レーザ光源２２を含むレーザ光源２、第１アッテネータ３１、第２アッテネータ３２、合成光学系５、ビーム整形光学系６、落射ミラー６１、及びプロジェクションレンズ６５を含み、複数のレーザ光を合成したレーザ光を出射する光学系である。
レーザ光源２は、第１レーザ光源２１及び第２レーザ光源２２を含み、複数のレーザ光源２により構成される。本実施形態においては、第１レーザ光源２１及び第２レーザ光源２２による２台構成としているが、これは一例であり、当該２台構成に限定されるものではない。レーザ光源２は、単一のレーザ光源２、又は３台以上のレーザ光源２により構成されるものであってもよい。
第１レーザ光源２１及び第２レーザ光源２２は、アモルファスシリコン膜（被処理体）に照射するためのレーザ光として、パルスレーザ光を発生させるレーザ発生装置である。発生させるレーザ光は、基板８上の非結晶膜を結晶化して結晶化膜を形成するためのレーザ光であり、例えば、中心波長３０８ｎｍのエキシマレーザ光等のガスレーザ光である。
第１レーザ光源２１及び第２レーザ光源２２には、チャンバ内にキセノン等のガスが封入されると共に、２枚の共振器ミラーがガスを挟んで対向するように配置されている。一方の共振器ミラーは、全ての光を反射する全反射ミラーであり、他方の共振器ミラーは、一部の光を透過する部分反射ミラーである。ガスによって励起されたガス光が共振器ミラーの間で反射を繰り返し、増幅された光が共振器ミラーからレーザ光として放出される。例えば、第１レーザ光源２１及び第２レーザ光源２２は、パルス状のレーザ光を、５００Ｈｚから６００Ｈｚの周期で繰り返し放出する。第１レーザ光源２１は、レーザ光を第１アッテネータ３１に向けて出射する。第２レーザ光源２２は、レーザ光を第２アッテネータ３２に向けて出射する。
第１アッテネータ３１及び第２アッテネータ３２は、入射されたレーザ光を減衰して、所定のエネルギー密度に調整する。これらアッテネータは、特性として、入射されたレーザ光に対し、出射するレーザ光の比率を示す透過率を有し、当該透過率は、制御装置９からの信号に基づき可変となるように構成されている。
第１アッテネータ３１は、第１レーザ光源２１から合成光学系５に至る光路の途中に設けられている。第２アッテネータ３２は、第２レーザ光源２２から合成光学系５に至る光路の途中に設けられている。第１アッテネータ３１は、第１レーザ光源２１が出射したレーザ光を透過率に応じて、減衰する。第２アッテネータ３２は、第２レーザ光源２２が出射したレーザ光を透過率に応じて、減衰する。
第１アッテネータ３１及び第２アッテネータ３２のそれぞれの出射側には、第１偏光比制御ユニット４１及び第２偏光比制御ユニット４２が配置されている。第１偏光比制御ユニット４１及び第２偏光比制御ユニット４２は、例えば１／２波長板（λ／２板）及び偏光ビームスプリッタにて構成され、入射されたレーザ光のＰ偏波とＳ偏波との偏光比を変更する。
第１偏光比制御ユニット４１は、第１アッテネータ３１から出射されたレーザ光の偏光比を変更する。第２偏光比制御ユニット４２は、第２アッテネータ３２から出射されたレーザ光の偏光比を変更する。第１偏光比制御ユニット４１及び第２偏光比制御ユニット４２は、制御装置９から出力された制御信号に基づき、それぞれの偏光比を変更（可変）するように構成されている。
合成光学系５は、例えばビームスプリッタなどを有しており、第１レーザ光源２１から出射されたレーザと、第２レーザ光源２２から出射されたレーザ光とを合成する。合成光学系５と、第１レーザ光源２１及び第２レーザ光源２２との間の光路には、第１アッテネータ３１及び第２アッテネータ３２が配置されているため、第１アッテネータ３１から出射されたレーザと、第２アッテネータ３２から出射されたレーザ光とが、合成光学系５に入射され、当該合成光学系５により、これらレーザ光が合成される。
光軸と直交する平面視において、第１レーザ光源２１からのレーザ光と、第２レーザ光源２２からのレーザ光とが重複する。合成光学系５によって、第１レーザ光源２１からのレーザ光及び、第２レーザ光源２２からのレーザ光は、空間的に重複して同軸となることにより、合成されたレーザ光となる。合成光学系５によって合成されたレーザ光は、ビーム整形光学系６に入射される。
ビーム整形光学系６には合成光学系５によって合成されたレーザ光が入射され、当該ビーム整形光学系６は、入射されたレーザ光（合成されたレーザ光）を整形して、シリコン膜への照射に適したビーム形状のレーザ光を生成する。ビーム整形光学系６は、Ｙ方向に沿ったライン状のラインビームを生成する。
ビーム整形光学系６は、例えば、レンズアレイから構成されるホモジナイザによって、１つのビームを複数のビームに分割（Ｚ方向に並んだ複数のラインビーム）する。複数のビームに分割後、コンデンサーレンズによって合成することでラインビーム状にすることができる。ビーム整形光学系６は、生成（整形）したライン状のレーザ光を落射ミラー６１に出射する。
落射ミラー６１は、Ｙ方向に延びる矩形状の反射ミラーであり、ビーム整形光学系６が生成した複数のラインビームであるレーザ光を反射する。落射ミラー６１は、例えば、ダイクロイックミラーであり、一部の光を透過する部分反射ミラーである。落射ミラー６１は、ライン状のレーザ光を反射させて反射光を生成すると共に、当該ライン状のレーザ光一部を透過させて透過光を生成する。落射ミラー６１は、反射光であるレーザ光を基板８のシリコン膜に照射し、透過光でレーザ光を、例えばバイプラナ光電管等のパルス計測器へ出射する。
プロジェクションレンズ６５は、基板の上方に配置されている。プロジェクションレンズ６５は、レーザ光を基板、すなわち、シリコン膜に投射するための複数のレンズを有している。プロジェクションレンズ６５は、レーザ光を基板に集光している。基板８上において、レーザ光がＹ方向に沿ったライン状の照射領域を形成する。すなわち、基板８上において、レーザ光は、Ｙ方向を長手方向とするラインビームとなっている。また、＋Ｘ方向に基板８を搬送しながら、レーザ光がシリコン膜に照射される。これにより、Ｙ方向における照射領域の長さを幅とする帯状の領域にレーザ光を照射することができる。
落射ミラー６１に照射されるラインビーム状のレーザ光は、短軸幅が広がったビーム形状となり、すなわちコンデンサーレンズから出射された以降、当該短軸幅が多少広がり、崩れた形状となっている。落射ミラー６１によって反射されたレーザ光は、プロジェクションレンズ６５を通過することによって、短軸幅が１／５程度のラインビーム状のレーザ光に整形される。
制御装置９は、レーザアニール装置１の全体的又は統合的な制御又は管理を行うパソコン又はサーバ装置等の情報処理装置である。制御装置９は、制御部９１、記憶部９２、通信部９３及び入出力Ｉ／Ｆ９４を含み、当該通信部９３又は入出力Ｉ／Ｆ９４を介して、レーザ光源２又はアニール光学系１１における各光学系を制御する制御デバイス（他の制御装置）と通信可能に接続されている。制御装置９は、レーザアニール装置１に含まれるパルス計測器、光検出器等の各種計測装置と通信可能に接続されており、これら各種計測装置から出力された計測データに基づき、レーザ光源２又はアニール光学系１１に対する種々の制御を行う。
制御部９１は、一又は複数のＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）等、計時機能を備えた演算処理装置を有し、記憶部９２に記憶されたプログラムＰ（プログラム製品）を読み出して実行することにより、種々の情報処理及び、レーザ光源２又はアニール光学系１１に含まれる各光学系に対する制御処理等を行う。
記憶部９２は、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等の揮発性記憶領域及び、ＥＥＰＲＯＭ又はハードディスク等の不揮発性記憶領域を含む。記憶部９２には、プログラムＰ（プログラム製品）及び処理時に参照するデータが予め記憶してある。記憶部９２に記憶されたプログラムＰは、制御部９１が読み取り可能な記録媒体９２０から読み出されたプログラムＰ（プログラム製品）を記憶したものであってもよい。また、図示しない通信網に接続されている図示しない外部コンピュータからプログラムＰ（プログラム製品）をダウンロードし、記憶部９２に記憶させたものであってもよい。記憶部９２には、後述する真空ポンプ用学習モデル９２１等、学習モデルの実態ファイルが記憶されている。当該学習モデルの実態ファイルは、プログラムＰ（プログラム製品）に含まれるモジュールとして構成されるものであってもよい。
通信部９３は、例えばイーサネット（登録商標）の規格に準拠した通信モジュール又は通信インターフェイスであり、当該通信部９３にはイーサネットケーブルが接続される。通信部９３は、当該イーサネットケーブル等の有線である場合に限定されず、例えばWi-Fi（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の狭域無線通信モジュール、又は４Ｇ、５Ｇ等の広域無線通信モジュール等の無線通信に対応した通信インターフェイスであってもよい。
入出力Ｉ／Ｆ９４は、例えばＲＳ２３２Ｃ又はＵＳＢ等の通信規格に準拠した通信インターフェイスである。入出力Ｉ／Ｆ９４には、キーボード等の入力装置、又は液晶ディスプレイ等の表示装置９４１が接続される。
第１レーザ光源２１及び第２レーザ光源２２のそれぞれのチャンバは、例えばガス配管を介して真空ポンプ（第１真空ポンプ１０１、第２真空ポンプ１０２）と連通（接続）されている。すなわち、第１レーザ光源２１のチャンバには第１真空ポンプ１０１が接続され、第２レーザ光源２２のチャンバには第２真空ポンプ１０２が接続されている。
第１レーザ光源２１及び第２レーザ光源２２のチャンバに封入されているキセノン等のガスは、レーザ光を出射する際の励起によって劣化し、ガスライフに応じた定期的な交換（全入れ替え）作業が必要となる。当該ガス交換を行うにあたり、第１真空ポンプ１０１及び第２真空ポンプ１０２は、それぞれに連通されている第１レーザ光源２１及び第２レーザ光源２２のチャンバ内のガスを吸引（真空引き）し、これらチャンバ内を所定の圧力以下となる真空状態にする。
第１レーザ光源２１及び第２レーザ光源２２のそれぞれのチャンバ内には、圧力センサー１１３が設けられている。これら圧力センサー１１３は、通信線等により制御装置９と通信可能に接続されており、当該チャンバ内の圧力値を検出し、制御装置９に出力する。詳細は後述するが、制御装置９は、第１レーザ光源２１及び第２レーザ光源２２のそれぞれのチャンバ内に設けられたそれぞれの圧力センサー１１３が出力した圧力値により、これらチャンバ内が真空状態に至った時点を取得することができる。制御装置９は、これらチャンバ内のガスの吸引（真空引き）を開始した時点から、真空状態に至った時点までの経過時間を真空到達時間として取得する。
第１真空ポンプ１０１及び第２真空ポンプ１０２には、温度センサー１１１及び振動センサー１１２が設けられている。これら温度センサー１１１及び振動センサー１１２は、第１真空ポンプ１０１等の可動部品を可動した際の物理量を検出する検出部に相当する。温度センサー１１１は、例えばサーミスタ等により構成され、第１真空ポンプ１０１及び第２真空ポンプ１０２のそれぞれの外殻に設けられ、第１真空ポンプ１０１及び第２真空ポンプ１０２の外殻の表面温度を検出する。これら温度センサー１１１は、圧力センサー１１３と同様に通信線等により制御装置９と通信可能に接続されており、検出した温度を制御装置９に出力する。
振動センサー１１２は、例えば圧電素子等により構成され、第１真空ポンプ１０１及び第２真空ポンプ１０２のそれぞれの外殻に設けられ、第１真空ポンプ１０１及び第２真空ポンプ１０２の振動数を検出する。これら振動センサー１１２は、圧力センサー１１３と同様に通信線等により制御装置９と通信可能に接続されており、検出した振動数を制御装置９に出力する。
第１真空ポンプ１０１及び第２真空ポンプ１０２のそれぞれに設けられている温度センサー１１１及び振動センサー１１２は、真空引きが行われている期間、すなわちチャンバ内のガスの吸引（真空引き）を開始した時点から、真空状態に至る時点までの間、所定のサンプリング周期にて、温度及び振動数を検出し、制御装置９に出力する。これにより、制御装置９は、真空引きが行われている期間、すなわち真空到達時間における第１真空ポンプ１０１及び第２真空ポンプ１０２のそれぞれ温度及び振動数を時系列データとして取得することができる。
制御装置９は、取得した真空到達時間、当該真空到達時間における温度及び振動数の時系列データと、真空引きを行った日時等の時刻情報とを関連付け、例えばテーブル形式の可動履歴データとして記憶部９２に記憶するものであってもよい。制御装置９は、複数回行われた各真空引きの真空到達時間を合計することにより、第１真空ポンプ１０１及び第２真空ポンプ１０２それぞれの積算運転時間を算出するものであってもよい。
図３は、真空ポンプ用学習モデル９２１の一例を示す説明図である。制御装置９の制御部９１は、訓練データを用いてニューラルネットワークを学習させ、真空ポンプを可動した際の振動及び温度等の物理量、真空到達時間、及び現時点までの真空ポンプの積算可動時間を入力した場合、真空ポンプの故障までの時間を出力する真空ポンプ用学習モデル９２１を生成する。
本実施形態において、上述のとおり真空ポンプは第１真空ポンプ１０１及び第２真空ポンプ１０２から成る２台構成であるが、以下の説明では第１真空ポンプ１０１を適用した例にて説明する。当該真空ポンプ用学習モデル９２１は、第１真空ポンプ１０１及び第２真空ポンプ１０２のいずれにも適用できるモデルであることは、言うまでもない。
当該訓練データは、第１真空ポンプ１０１の振動及び温度等の物理量、真空到達時間、及び積算可動時間を含む問題データと、第１真空ポンプ１０１の故障までの時間を含む回答データから構成され、制御装置９の記憶部９２に記憶されている。これら訓練データの元データは、例えば複数のレーザアニール装置１にて行われたガス交換の実績データを集約することにより、生成することができる。
訓練データを用いて学習されたニューラルネットワーク（真空ポンプ用学習モデル９２１）は、人工知能ソフトウェアの一部であるプログラムモジュールとして利用が想定される。真空ポンプ用学習モデル９２１は、制御装置９にて用いられるものであり、このように演算処理能力を有するこのように演算処理能力を有する制御装置９にて実行されることにより、ニューラルネットワークシステムが構成される。
真空ポンプ用学習モデル９２１は、ＤＮＮ（Deep Neural Network）にて構成され、第１真空ポンプ１０１の振動及び温度等の物理量、真空到達時間、及び積算可動時間の入力を受け付ける入力層と、当該物理量等の特徴量を抽出する中間層と、第１真空ポンプ１０１の故障までの時間を出力とする出力層とを有する。
入力層は、振動（振動数データ）及び温度（温度データ）等の物理量、真空到達時間、及び積算可動時間の入力を受け付ける複数のニューロンを有し、入力された値を中間層に受け渡す。中間層は、ReLu関数又はシグモイド関数等の活性化関数を用いて定義され、入力されたそれぞれの値の特徴量を抽出する複数のニューロンを有し、抽出した特徴量を出力層に受け渡す。当該活性化関数の重みづけ係数及びバイアス値等のパラメータは、誤差逆伝播法を用いて最適化される。出力層は、例えば全結合層により構成され、中間層から出力された特徴量に基づいて、故障までの時間を出力する。
真空ポンプ用学習モデル９２１に入力される振動数データ及び温度データは、第１真空ポンプ１０１の運転開始から真空状態に至るまでの間（真空引き期間）に、温度センサー１１１及び振動センサー１１２から時系列に取得した複数の温度及び振動数を含む配列形式又は行列形式のデータであってもよい。又は、真空ポンプ用学習モデル９２１に入力される振動数データは、真空引き期間にて取得した複数の振動数の平均値（平均振動数）、又最高値（最高振動数）であってもよい。同様に、真空ポンプ用学習モデル９２１に入力される温度データは、真空引き期間にて取得した複数の温度の平均値（平均温度）、又最高値（最高温度）であってもよい。
訓練データは、第１真空ポンプ１０１が正常時のデータのみならず、故障時のデータを含むものであってもよい。故障時のデータとして含まれる問題データは、第１真空ポンプ１０１が故障している際の振動及び温度等の物理量、真空到達時間、及び積算可動時間の少なくともいずれか１つを含み、回答データとなる故障までの時間は０を示す。訓練データは、例えば新品に交換直後、最初の真空引き行った際の第１真空ポンプ１０１のデータを含むものであってもよい。当該最初の真空引きにて検出した温度及び振動数等の物理量を問題データとした場合、当該問題データにラベル付けされる回答データ（故障までの時間）は、例えば、第１真空ポンプ１０１の製品仕様上にて定められている保証運転時間であってもよい。
このように訓練データに、故障までの時間が０であることがラベル付けされた故障時のデータ（振動、温度又は真空到達時間等）を含ませて真空ポンプ用学習モデル９２１を学習させることにより、真空ポンプ用学習モデル９２１を用いて第１真空ポンプ１０１の故障判定を行うことができる。すなわち、真空ポンプ用学習モデル９２１が、故障までの時間を０として出力した場合、第１真空ポンプ１０１は故障していると判定することができる。
本実施形態では、真空ポンプ用学習モデル９２１に入力されるデータは、振動（振動数データ）及び温度（温度データ）等の物理量、真空到達時間、及び積算可動時間としたが、これに限定されない。真空ポンプ用学習モデル９２１に入力されるデータは、振動（振動数データ）、温度（温度データ）、真空到達時間及び積算可動時間のいずれか１つのデータ又は、任意のデータの組み合わせによるものであってもよい。
本実施形態では、真空ポンプ用学習モデル９２１は、ＤＮＮであるとしたがこれに限定されず、ＤＮＮ以外のニューラルネットワーク、トランスフォーマー、ＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ（Long-short term model）、ＣＮＮ、ＳＶＭ（Support Vector Machine）、ベイジアンネットワーク、線形回帰、回帰木、重回帰、ランダムフォレスト、アンサンブルなど、他の学習アルゴリズムで構築された学習モデルであってよい。
当該ＤＮＮ以外を用いる一例として、制御装置９の制御部９１は、取得した今回の物理量及び過去の複数の物理量に基づき、例えば回帰分析等を行うことにより、故障予測線を導出するものであってもよい。この場合、当該故障予測線は、機械学習により生成される真空ポンプ用学習モデル９２１に相当する。
制御装置９の制御部９１は、例えば、故障予測線を直線（線形近似）にて導出する場合、取得した今回の物理量及び過去の複数の物理量に基づき最小二乗法を用いるものであってもよい。又は、制御部９１は、対数近似曲線、多項式近似曲線、累乗近似曲線又は指数近似曲線等の種々方法を用いて、故障予測線を導出するものであってもよい。当該故障予測線をグラフ化した場合、横軸は経過時間を示し、縦軸は、物理量又は当該物理量を例えば主成分分析又は次元圧縮等して抽出した特徴量であってもよい。
制御装置９の制御部９１は、導出した故障予測線において定義される物理量（特徴量）の範囲において、可動部品である第１真空ポンプ１０１の故障が想定される故障閾値を設定する。すなわち、制御装置９の制御部９１は、取得した第１真空ポンプ１０１（可動部品）の物理量が当該故障閾値に到達した場合、当該第１真空ポンプ１０１が故障すると予測し、現時点から当該故障閾値に到達するまでの期間を故障までの時間として算出するものであってもよい。
制御装置９の制御部９１は、記憶部９２に記憶されている真空ポンプ用学習モデル９２１を用いることにより、真空引きを行った際の第１真空ポンプ１０１の振動及び温度等の物理量、真空到達時間、及び積算可動時間に基づき、第１真空ポンプ１０１の故障までの時間を予測（導出）する故障予測部として機能する。当該故障予測部として機能する制御装置９の制御部９１は、現時点の日時に、導出した故障までの時間及び計画停止期間等を加算することにより、予想される故障時期を導出し、導出した故障時期を例えば表示装置９４１、又は通信部９３を介してレーザアニール装置１の管理者等の携帯端末に出力（送信）する。
レーザアニール装置１に含まれる制御装置９が真空ポンプ用学習モデル９２１を生成するとしたが、これに限定されず、真空ポンプ用学習モデル９２１は、当該制御装置９以外となるクラウドサーバ等の外部のサーバ装置等によって、学習及び生成されるものであってもよい。真空ポンプ用学習モデル９２１は、制御装置９にて用いられるものとしたが、これに限定されず、制御装置９は、通信部９３を介して、例えばインターネット等に接続されるクラウドサーバ等と通信し、当該クラウドサーバに実装された真空ポンプ用学習モデル９２１によって出力された故障までの時間を取得するものであってもよい。
図４は、制御部９１による処理手順の一例を示すフローチャートである。レーザアニール装置１に含まれる制御装置９の制御部９１は、例えば入出力に接続されるキーボード等による操作者の操作を受付け、当該受け付けた操作に基づき、以下の処理を行う。
制御装置９の制御部９１は、第１真空ポンプ１０１及び第２真空ポンプ１０２の物理情報等を取得する（Ｓ１００）。制御装置９の制御部９１は、第１真空ポンプ１０１及び第２真空ポンプ１０２が真空引きを行っている際、それぞれに設けられた温度センサー１１１及び振動センサー１１２から出力された温度及び振動数等の物理量を取得する。
制御装置９の制御部９１は、取得した温度及び振動数に基づき、第１真空ポンプ１０１及び第２真空ポンプ１０２それぞれの温度データ及び振動数データを生成する。これら温度データ及び振動数データは、時系列に取得した複数の温度及び振動数による配列形式等のデータ、又は真空引き期間にて取得した複数の振動数及び温度の平均値又は最高値であってもよい。
制御装置９の制御部９１は、圧力センサー１１３から出力された圧力に基づき、第１真空ポンプ１０１及び第２真空ポンプ１０２のチャンバ内のガスの吸引（真空引き）を開始した時点から、真空状態に至った時点までの経過時間を真空到達時間として算出する。制御装置９の制御部９１は、記憶部９２を参照し、現時点までの第１真空ポンプ１０１及び第２真空ポンプ１０２のそれぞれの真空到達時間を合計することにより、それぞれの積算運転時間を算出する。これら処理を行うことにより、制御装置９の制御部９１は、第１真空ポンプ１０１及び第２真空ポンプ１０２それぞれの温度データ、振動数データ、真空到達時間及び積算運転時間を取得する。
制御装置９の制御部９１は、第１真空ポンプ１０１の物理情報等を真空ポンプ用学習モデル９２１に入力することにより、第１真空ポンプ１０１の故障までの時間を導出する（Ｓ１０１）。制御装置９の制御部９１は、第１真空ポンプ１０１の温度データ、振動数データ、真空到達時間及び積算運転時間を真空ポンプ用学習モデル９２１に入力し、真空ポンプ用学習モデル９２１が出力した故障までの時間を取得する。
制御装置９の制御部９１は、故障までの時間が０であるか否かを判定する（Ｓ１０２）。上述のとおり、真空ポンプ用学習モデル９２１は、故障時の物理量等を含めた訓練データにより学習されているため、真空ポンプ用学習モデル９２１から出力された値が０（故障までの時間が０）である場合は、第１真空ポンプ１０１は故障中であると推定されたことを意味する。制御装置９の制御部９１は、真空ポンプ用学習モデル９２１が出力した値が０（故障までの時間が０）であるか否かを判定する。
故障までの時間が０である場合（Ｓ１０２：ＹＥＳ）、制御装置９の制御部９１は、第１真空ポンプ１０１が故障状態である旨を示す報知信号を生成する（Ｓ１０３）。故障までの時間が０である場合、制御装置９の制御部９１は、第１真空ポンプ１０１は故障中であると判定し、第１真空ポンプ１０１が故障状態である旨を示す報知信号を生成し、当該報知信号を表示装置９４１等に出力する。
故障までの時間が０でない場合（Ｓ１０２：ＮＯ）、制御装置９の制御部９１は、故障までの時間に基づき、第１真空ポンプ１０１の故障時期を算出する（Ｓ１０４）。故障までの時間が０でない場合、制御装置９の制御部９１は、第１真空ポンプ１０１は正常である判定し、現時点の日時に、真空ポンプ用学習モデル９２１が出力した故障までの時間及び計画停止期間等を加算することにより、予想される故障時期を導出する。
制御装置９の制御部９１は、算出した故障時期を出力する（Ｓ１０５）。制御装置９の制御部９１は、当該故障時期を例えば表示装置９４１、又は通信部９３を介してレーザアニール装置１の管理者等の携帯端末に出力（送信）する。
制御装置９の制御部９１は、第２真空ポンプ１０２の物理情報等を真空ポンプ用学習モデル９２１に入力することにより、故障までの時間を導出する（Ｓ１０６）。
制御装置９の制御部９１は、故障までの時間が０であるか否かを判定する（Ｓ１０７）。
故障までの時間が０である場合（Ｓ１０７：ＹＥＳ）、制御装置９の制御部９１は、第２真空ポンプ１０２が故障状態である旨を示す報知信号を生成する（Ｓ１０８）。
故障までの時間が０でない場合（Ｓ１０７：ＮＯ）、制御装置９の制御部９１は、故障までの時間に基づき、第２真空ポンプ１０２の故障時期を算出する（Ｓ１０９）。
制御装置９の制御部９１は、算出した故障時期を出力する（Ｓ１１０）。制御装置９の制御部９１は、第２真空ポンプ１０２の温度データ、振動数データ、真空到達時間及び積算運転時間を用いて、第１真空ポンプ１０１に関する処理（Ｓ１０１からＳ１０５）と同様に、第２真空ポンプ１０２に関する処理（Ｓ１０６からＳ１１０）を行う。
制御装置９の制御部９１は、例えばマルチスレッド又は、複数のサブプロセスによるマルチプロセスを用いて、第１真空ポンプ１０１に関する処理（Ｓ１０１からＳ１０５）と、第２真空ポンプ１０２に関する処理（Ｓ１０６からＳ１１０）とを並行して行う（並行処理）ものであってもよい。
本実施形態によれば、レーザアニール装置１（レーザ照射装置）に含まれる制御装置９の制御部９１（故障予測部）は、真空ポンプ（第１真空ポンプ１０１、第２真空ポンプ１０２）を可動した際に発生する振動、及び当該真空ポンプの温度等の物理量（測定値）を、真空ポンプに設けられた温度センサー１１１及び振動センサー１１２から取得する。制御装置９は、これら真空ポンプの振動及び温度等の物理量に基づき真空ポンプの故障時期を導出するため、レーザアニール装置１に含まれる部品の故障予測を効率的に行うことができる。制御装置９は、当該故障時期を、例えば表示装置９４１に出力することにより、レーザアニール装置１の管理者に対し適切な時期に保守を行うことを喚起させ、当該レーザアニール装置１のダウンタイム（稼動停止期間）を抑制（削減）することができる。
本実施形態によれば、真空ポンプを可動した際の振動及び温度等の物理量に加え、真空ポンプがガスの吸入を開始してからチャンバ内が真空状態となるまでの真空到達時間を当該物理量と組み合わせた情報に基づき、真空ポンプの故障時期を導出するため、当該故障時期の推定精度を向上させることができる。
本実施形態によれば、真空ポンプを可動した際の振動及び温度等の物理量、真空到達時間、及び現時点までの真空ポンプの積算可動時間を入力した場合に真空ポンプの故障までの時間を出力する学習モデルを用いることにより、故障までの時間を効率的に導出（取得）することができる。制御装置９（故障予測部）は、真空ポンプを可動した時点の日時に当該故障までの時間及び計画停止期間等を加算して、真空ポンプ故障時期を効率的に算出することができる。
本実施形態によれば、制御装置９（故障予測部）は、複数のレーザ光源２（第１レーザ光源２１、第２レーザ光源２２）それぞれに対応する各真空ポンプ（第１真空ポンプ１０１、第２真空ポンプ１０２）の物理量及び真空到達時間それぞれに基づき、当該複数の真空ポンプ（第１真空ポンプ１０１、第２真空ポンプ１０２）それぞれの故障時期を導出する。これにより、レーザ照射装置が複数のレーザ光源２及び真空ポンプを備えるものであっても、これら真空ポンプ（第１真空ポンプ１０１、第２真空ポンプ１０２）の故障時期を個別に導出することができる。
図５は、実施形態２（各種可動部品）に係るレーザアニール装置１の構成例を示す図である。実施形態２に係るレーザアニール装置１は、可動部品として、第１真空ポンプ１０１及び第２真空ポンプ１０２に加え、コールドヘッド１０３、Ｈｅコンプレッサー１０４及びダイアフラムポンプ１０５を備える。なお、コールドヘッド１０３等は、第１真空ポンプ１０１及び第２真空ポンプ１０２と同様に、第１レーザ光源２１及び第２レーザ光源２２のそれぞれに対応して、別個のコールドヘッド１０３（第１コールドヘッド及び第２コールドヘッド）により構成されるものであってもよい。
レーザアニール装置１には、真空引きをしてチャンバから吸入したガスの不純物を除去するためのフィルタを冷却する冷凍機が備えられており、当該冷凍機には、可動部品としてコールドヘッド１０３及びＨｅコンプレッサー１０４が含まれる。コールドヘッド１０３は、シリンダと、シリンダ内で往復動しヘリウム等の冷媒ガスを膨張させ冷熱を発生させるディスプレーサと、シリンダの先端に設けられて、発生した冷熱を被冷却物に伝達する冷熱伝達部材とを備えている。Ｈｅコンプレッサー１０４は、冷媒ガスとなるヘリウム（Ｈｅ）を圧縮する圧縮機であり、圧縮したヘリウムをコールドヘッド１０３に供給する。ダイアフラムポンプ１０５は、レーザガス（チャンバに封入されているキセノン等のガス）を、コールドヘッド１０３等を含む冷凍機に循環させる。
これら可動部品であるコールドヘッド１０３、Ｈｅコンプレッサー１０４及びダイアフラムポンプ１０５には、第１真空ポンプ１０１等と同様に温度センサー１１１及び振動センサー１１２が設けられている。コールドヘッド１０３、Ｈｅコンプレッサー１０４及びダイアフラムポンプ１０５に設けられているそれぞれの温度センサー１１１及び振動センサー１１２は、実施形態１と同様に通信線等により制御装置９と通信可能に接続されており、検出した温度及び振動数等の物理量を制御装置９に出力する。
制御装置９の制御部９１は、コールドヘッド１０３、Ｈｅコンプレッサー１０４及びダイアフラムポンプ１０５に設けられているそれぞれの温度センサー１１１及び振動センサー１１２から取得した温度及び振動数を、実施形態１の第１真空ポンプ１０１等の温度及び振動数と同様に、例えばテーブル形式にて記憶部９２に記憶する。制御装置９の記憶部９２には、これらコールドヘッド１０３、Ｈｅコンプレッサー１０４及びダイアフラムポンプ１０５の積算運転時間が、実施形態１の第１真空ポンプ１０１等の積算運転時間と同様に記憶されている。
制御装置９の制御部９１は、それぞれの温度センサー１１１及び振動センサー１１２にて検出された温度及び振動数を取得し、又は記憶部９２に記憶されているこれら温度、振動数及び積算運転時間を参照する。これにより、制御装置９の制御部９１は、コールドヘッド１０３、Ｈｅコンプレッサー１０４及びダイアフラムポンプ１０５の可動時における温度、振動数及び積算運転時間を取得することができる。
実施形態２の制御装置９の記憶部９２には、真空ポンプ用学習モデル９２１に加え、コールドヘッド用学習モデル９２２、Ｈｅコンプレッサー用学習モデル９２３及びダイアフラムポンプ用学習モデル９２４の実態ファイルが記憶されている。コールドヘッド用学習モデル９２２、Ｈｅコンプレッサー用学習モデル９２３及びダイアフラムポンプ用学習モデル９２４は、実施形態１の真空ポンプ用学習モデル９２１と同様にＤＮＮ等により構成されている。
コールドヘッド用学習モデル９２２は、コールドヘッド１０３の振動及び温度等の物理量と積算可動時間とが入力された場合にコールドヘッド１０３の故障までの時間を出力する。制御装置９の制御部９１は、コールドヘッド用学習モデル９２２を用いることにより、コールドヘッド１０３の故障判定及び、故障までの時間を導出することができる。
Ｈｅコンプレッサー用学習モデル９２３は、Ｈｅコンプレッサー１０４の振動及び温度等の物理量と積算可動時間とが入力された場合にＨｅコンプレッサー１０４の故障までの時間を出力する。制御装置９の制御部９１は、Ｈｅコンプレッサー用学習モデル９２３を用いることにより、Ｈｅコンプレッサー１０４の故障判定及び、故障までの時間を導出することができる。
ダイアフラムポンプ用学習モデル９２４は、ダイアフラムポンプ１０５の振動及び温度等の物理量と積算可動時間とが入力された場合にダイアフラムポンプ１０５の故障までの時間を出力する。制御装置９の制御部９１は、ダイアフラムポンプ用学習モデル９２４を用いることにより、ダイアフラムポンプ１０５の故障判定及び、故障までの時間を導出することができる。
図６は、制御部９１による処理手順の一例を示すフローチャートである。図７は、制御部９１による処理手順（コールドヘッド１０３）の一例を示すフローチャートである。図８は、制御部９１による処理手順（Ｈｅコンプレッサー１０４）の一例を示すフローチャートである。図９は、制御部９１による処理手順（ダイアフラムポンプ１０５）の一例を示すフローチャートである。レーザアニール装置１に含まれる制御装置９の制御部９１は、例えば入出力に接続されるキーボード等による操作者の操作を受付け、当該受け付けた操作に基づき、以下の処理を行う。
制御装置９の制御部９１は、真空ポンプに関する処理を行う（Ｓ２１）。当該真空ポンプに関する処理は、例えば、サブルーチン化された処理として、実施形態１と同様に図４にて示されるフローにより行われる。制御装置９の制御部９１は、真空ポンプに関する処理に関し、実施形態１にて説明した一連の処理（Ｓ１００からＳ１１０）と同様の処理を行う。
制御装置９の制御部９１は、コールドヘッド１０３に関する処理を行う（Ｓ２２）。当該コールドヘッド１０３に関する処理は、例えば、サブルーチン化された処理として、図７にて示される以下のフローにより行われる。
制御装置９の制御部９１は、コールドヘッド１０３の物理情報等を取得する（Ｓ２２０）。制御装置９の制御部９１は、コールドヘッド１０３の温度センサー１１１及び振動センサー１１２にて検出された温度及び振動数を取得し、又は記憶部９２を参照することにより、コールドヘッド１０３の可動時における温度及び振動数と、積算運転時間とを取得する。
制御装置９の制御部９１は、コールドヘッド１０３の物理情報等をコールドヘッド用学習モデル９２２に入力することにより、コールドヘッド１０３の故障までの時間を導出する（Ｓ２２１）。制御装置９の制御部９１は、取得したコールドヘッド１０３の温度、振動数及び積算運転時間をコールドヘッド用学習モデル９２２に入力して、コールドヘッド１０３の故障までの時間を導出する。
制御装置９の制御部９１は、故障までの時間が０であるか否かを判定する（Ｓ２２２）。故障までの時間が０である場合（Ｓ２２２：ＹＥＳ）、制御装置９の制御部９１は、コールドヘッド１０３が故障状態である旨を示す報知信号を生成する（Ｓ２２３）。制御装置９の制御部９１は、コールドヘッド用学習モデル９２２が出力した値が０である場合、コールドヘッド１０３は故障している判定し、コールドヘッド１０３が故障状態である旨を示す報知信号を生成し、表示装置９４１等に出力する。
故障までの時間が０でない場合（Ｓ２２２：ＮＯ）、制御装置９の制御部９１は、故障までの時間に基づき、コールドヘッド１０３の故障時期を算出する（Ｓ２２４）。制御装置９の制御部９１は、算出した故障時期を出力する（Ｓ２２５）。故障までの時間が０でない場合、制御装置９の制御部９１は、コールドヘッド１０３は正常である判定し、現時点（コールドヘッド１０３の可動時）の日時に、コールドヘッド用学習モデル９２２が出力した故障までの時間及び計画停止期間等を加算することにより、予想される故障時期を導出し、表示装置９４１等に出力する。
制御装置９の制御部９１は、Ｈｅコンプレッサー１０４に関する処理を行う（Ｓ２３）。当該Ｈｅコンプレッサー１０４に関する処理は、例えば、サブルーチン化された処理として、図８にて示される以下のフローにより行われる。
制御装置９の制御部９１は、Ｈｅコンプレッサー１０４の物理情報等を取得する（Ｓ２３０）。制御装置９の制御部９１は、Ｈｅコンプレッサー１０４の温度センサー１１１及び振動センサー１１２にて検出された温度及び振動数を取得し、又は記憶部９２を参照することにより、Ｈｅコンプレッサー１０４の可動時における温度及び振動数と、積算運転時間とを取得する。
制御装置９の制御部９１は、Ｈｅコンプレッサー１０４の物理情報等をＨｅコンプレッサー用学習モデル９２３に入力することにより、Ｈｅコンプレッサー１０４の故障までの時間を導出する（Ｓ２３１）。制御装置９の制御部９１は、取得したＨｅコンプレッサー１０４の温度、振動数及び積算運転時間をＨｅコンプレッサー用学習モデル９２３に入力して、Ｈｅコンプレッサー１０４の故障までの時間を導出する。
制御装置９の制御部９１は、故障までの時間が０であるか否かを判定する（Ｓ２３２）。故障までの時間が０である場合（Ｓ２３２：ＹＥＳ）、制御装置９の制御部９１は、Ｈｅコンプレッサー１０４が故障状態である旨を示す報知信号を生成する（Ｓ２３３）。制御装置９の制御部９１は、Ｈｅコンプレッサー用学習モデル９２３が出力した値が０である場合、Ｈｅコンプレッサー１０４は故障している判定し、Ｈｅコンプレッサー１０４が故障状態である旨を示す報知信号を生成し、表示装置９４１等に出力する。
故障までの時間が０でない場合（Ｓ２３２：ＮＯ）、制御装置９の制御部９１は、故障までの時間に基づき、Ｈｅコンプレッサー１０４の故障時期を算出する（Ｓ２３４）。制御装置９の制御部９１は、算出した故障時期を出力する（Ｓ２３５）。故障までの時間が０でない場合、制御装置９の制御部９１は、Ｈｅコンプレッサー１０４は正常である判定し、現時点（Ｈｅコンプレッサー１０４の可動時）の日時に、Ｈｅコンプレッサー用学習モデル９２３が出力した故障までの時間及び計画停止期間等を加算することにより、予想される故障時期を導出し、表示装置９４１等に出力する。
制御装置９の制御部９１は、ダイアフラムポンプ１０５に関する処理を行う（Ｓ２４）。当該ダイアフラムポンプ１０５に関する処理は、例えば、サブルーチン化された処理として、図９にて示される以下のフローにより行われる。
制御装置９の制御部９１は、ダイアフラムポンプ１０５の物理情報等を取得する（Ｓ２４０）。制御装置９の制御部９１は、ダイアフラムポンプ１０５の温度センサー１１１及び振動センサー１１２にて検出された温度及び振動数を取得し、又は記憶部９２を参照することにより、ダイアフラムポンプ１０５の可動時における温度及び振動数と、積算運転時間とを取得する。
制御装置９の制御部９１は、ダイアフラムポンプ１０５の物理情報等をダイアフラムポンプ用学習モデル９２４に入力することにより、ダイアフラムポンプ１０５の故障までの時間を導出する（Ｓ２４１）。制御装置９の制御部９１は、取得したダイアフラムポンプ１０５の温度、振動数及び積算運転時間をダイアフラムポンプ用学習モデル９２４に入力して、ダイアフラムポンプ１０５の故障までの時間を導出する。
制御装置９の制御部９１は、故障までの時間が０であるか否かを判定する（Ｓ２４２）。故障までの時間が０である場合（Ｓ２４２：ＹＥＳ）、制御装置９の制御部９１は、ダイアフラムポンプ１０５が故障状態である旨を示す報知信号を生成する（Ｓ２４３）。制御装置９の制御部９１は、ダイアフラムポンプ用学習モデル９２４が出力した値が０である場合、ダイアフラムポンプ１０５は故障している判定し、ダイアフラムポンプ１０５が故障状態である旨を示す報知信号を生成し、表示装置９４１等に出力する。
故障までの時間が０でない場合（Ｓ２４２：ＮＯ）、制御装置９の制御部９１は、故障までの時間に基づき、ダイアフラムポンプ１０５の故障時期を算出する（Ｓ２４４）。制御装置９の制御部９１は、算出した故障時期を出力する（Ｓ２４５）。故障までの時間が０でない場合、制御装置９の制御部９１は、ダイアフラムポンプ１０５は正常である判定し、現時点（ダイアフラムポンプ１０５の可動時）の日時に、ダイアフラムポンプ用学習モデル９２４が出力した故障までの時間及び計画停止期間等を加算することにより、予想される故障時期を導出し、表示装置９４１等に出力する。
本実施形態によれば、可動部品は、真空ポンプ、ダイアフラムポンプ１０５、ヘリウムコンプレッサー及びコールドヘッド１０３の少なくともいずれか１つ含むため、これら各種の可動部品に対する個々の故障予測を効率的に行うことができる。制御装置９の制御部９１は、それぞれの駆動部品に対応するＳ２１からＳ２４までのそれぞれの処理をマルチプロセス等により並行して行うものであってもよい。レーザアニール装置１に含まれる複数の可動部品それぞれに対し、故障までの時間の導出に関する処理を並行して行うことにより、処理時間の短縮を図ることができる。
（実施形態３）
図１０は、実施形態３（特徴量学習モデル９２５）に係る特徴量学習モデル９２５の一例を示す説明図である。実施形態３の制御装置９の制御部９１（故障予測部）は、第１真空ポンプ１０１等の可動部品の振動数、温度、真空到達時間及び積算運転時間から導出した特徴量を、特徴量学習モデル９２５に入力する。制御装置９の制御部９１は、振動数、温度、真空到達時間及び積算運転時間を例えば主成分分析又は次元圧縮することにより、特徴量を導出する。
特徴量学習モデル９２５は、入力された特徴量に基づき、当該入力された特徴量よりも以降の特徴量（次点の特徴量）を推測（出力）する。すなわち、特徴量学習モデル９２５を用いることにより、過去から現時点までの時系列となる複数の特徴量に基づき、これ以降（将来）の特徴量を導出（推測）することができる。制御装置９の制御部９１（故障予測部）は、特徴量学習モデル９２５が推測（出力）した将来の特徴量の値と、予め定められている閾値（故障に至る特徴量の値）とを比較することにより、第１真空ポンプ１０１等の可動部品の故障までの時間を導出することができる。
制御装置９の制御部９１は、時系列による複数の特徴量を問題データとし、将来における複数の時点における特徴量を回答データとする訓練データに基づき学習することで、時系列による複数の特徴量を入力とし、将来における複数の時点における特徴量出力とするニューラルネットワーク（特徴量学習モデル９２５）を構築（生成）する。
特徴量学習モデル９２５の入力層は、時系列による複数の特徴量を受け付ける単数又は複数のニューロンを有し、入力された特徴量夫々を中間層に受け渡す。中間層は、複数のニューロンを含む自己回帰層を含む。自己回帰層は、例えばＬＳＴＭ(Long Short Term Memory／長期短期記憶)モデルとして実装されるものであり、このような自己回帰層を含むニューラルネットワークは、ＲＮＮ（再帰型ニューラルネットワーク）と称される。中間層は、時系列に沿って順次に入力された複数の特徴量夫々による変化量を出力する。出力層は、将来における複数の時点における特徴量を一又は複数のニューロンを有し、中間層から出力された複数の特徴量夫々による変化量に基づき、将来における複数の時点における特徴量を出力する。このようなＲＮＮに対する学習は、例えばＢＰＴＴ（Backpropagation Through Time／通時的逆伝播）アルゴリズムを用いて行われる。
訓練データは、配列形式で保存されているものであってもよい。訓練データを配列形式とする場合、例えば、配列番号の０から４（ｔ－４からｔ）までの要素夫々の値を問題データとし、配列番号の５から７（ｔ＋１からｔ＋３）までの要素夫々の値を回答データとするものであってもよい。入力層から入力された時系列となる問題データ（ｔ－２、ｔ－１、ｔ）はＬＳＴＭ（自己回帰層）に順次に受け渡され、ＬＳＴＭ（自己回帰層）は出力値を出力層及び、自身の層に出力することにより、時間的な変化及び順序を含む系列情報を処理することができる。
本実施形態において、特徴量学習モデル９２５の入力及び出力は、振動数等を主成分分析等した特徴量としたがこれに限定されず、振動数、温度、真空到達時間及び積算運転時間のそれぞれ値を、特徴量学習モデル９２５への入力等するものであってもよい。
図１１は、可動部品の管理画面の一例を説明する図である。制御装置９の制御部９１は、特徴量学習モデル９２５から出力された将来における複数の時点における特徴量を取得し、取得した特徴量を用いて、本実施形態にて一例として示される管理画面（画面データ）を生成し、例えば表示装置９４１等に出力する。
可動部品の管理画面は、各可動部品の物理量等をリスト形式で示すリスト表示エリア、特徴量の推移をグラフ形式で表示する特徴量推移表示エリア、及び保守作業に関するアドバイスを表示する保守作業アドバイス表示エリアを含む。
リスト表示エリアには、対象となる可動部品（第１真空ポンプ１０１、第２真空ポンプ１０２等）の現時点における振動（振動数データ）及び温度（温度データ）等の物理量、真空到達時間、積算可動時間、特徴量値、故障までの時間、計画停止期間、及び補用部品在庫が表示される。振動（振動数データ）及び温度（温度データ）等の物理量、真空到達時間及び積算可動時間は、実施形態１と同様に温度センサー１１１等の検出部からの検出結果、及び制御装置９の記憶部９２に記憶されている事項に基づき表示される。特徴量値は、振動数、温度、真空到達時間及び積算運転時間を例えば主成分分析又は次元圧縮することにより導出された特徴量の値である。
故障までの時間は、特徴量学習モデル９２５から出力された将来における複数の時点における特徴量の内、閾値（故障に至る特徴量の値）に達する際の経過時間と、現時点までの経過時間との差異により算出された時間である。計画停止期間は、レーザアニール装置１の運転計画及び保守点検計画に基づき、対象となる可動部品に対し計画的に可動停止が予定される期間である。故障時期は、現時点の日時に対し、故障までの時間及び計画停止期間を加算した時期であり、対象となる可動部品の故障が想定される時期である。
特徴量推移表示エリアには、対象となる可動部品ごとの特徴量の推移がグラフ形式にて表示される。当該グラフの縦軸は、特徴量の値を示す。横軸は、経過時間を示すものであり、すなわち第１真空ポンプ１０１等の可動部品の可動時間を示す。可動時間（積算運転時間／真空引きの実施回数）が増加するに応じて、特徴量の値は増加傾向となり、当該特徴量の値が閾値（故障に至る特徴量の値）に達した際、可動部品は故障する可能性が高いと予想される。線図にて示されるポイント（〇で表記）は、導出された特徴量を示す。隣り合う２つのポイント（〇で表記）間の長さは、第１真空ポンプ１０１等の可動部品における１回の運転時間を示すものとなる。当該ポイントにて示される経過時間は、当該特徴量を導出した際の積算運転時間となる。
上述のとおり、制御装置９の制御部９１は、振動数、温度、真空到達時間及び積算運転時間を例えば主成分分析又は次元圧縮することにより、特徴量を導出する。特徴量学習モデル９２５に、過去から現時点までの時系列となる複数の特徴量を特徴量学習モデル９２５に入力することにより、現時点の特徴量以降、すなわち入力された時系列の特徴量のうちの最後の特徴量に対し、次点となる１つ以上の特徴量（将来の特徴量）を出力することができる。更に、当該出力した次点以降の特徴量を含めた時系列の複数の特徴量を、特徴量学習モデル９２５に再帰的に入力することにより、これ以降の特徴量についても出力（予想）することができる。これにより、特徴量の増加傾向を把握し、現時点から、予め設定された閾値（故障に至る特徴量の値）に到達するまでの時間を算出することにより、故障までの時間を導出することができる。
当該閾値は、例えば、レーザアニール装置１の管理者等による操作によって動的に変更できるものであってもよい。制御装置９の制御部９１は、管理者等による閾値の変更を受付け、閾値が変更された場合、変更後の閾値に基づき故障までの時間を再計算する。制御装置９の制御部９１は、現時点の日時に故障までの時間を加算することにより、故障時期を算出する。又は、制御装置９の制御部９１は、現時点の日時に、故障までの時間及び計画停止時間を加算することにより、故障時期を算出するものであってもよい。
保守作業アドバイス表示エリアには、対象となる可動部品の故障までの時間又は故障時期等に基づき、生成されたアドバイス文が表示される。制御装置９の制御部９１は、例えば記憶部９２に記憶されている状態（故障までの時間又は故障時期等）及び行動（アドバイス）が関連付けられたテーブルを参照することにより、現時点における可動部品の故障までの時間等に対するアドバイスを生成するものであってもよい。
（その他の実施形態）
図１２、図１３、図１４、図１５及び図１６は、その他の実施形態（半導体装置の製造方法）に係る半導体装置の製造方法を示す工程断面図である。その他の実施の形態として、上記実施の形態に係るレーザアニール装置１を用いた半導体装置の製造方法について説明する。以下の半導体装置の製造方法のうち、非晶質の半導体膜を結晶化させる工程において、実施の形態１から４に係るレーザアニール装置１を用いたアニール処理を実施している。
半導体装置は、ＴＦＴ（Thin Film Transistor）を備える半導体装置であり、この場合は、アモルファスシリコン膜８４にレーザ光を照射して結晶化し、ポリシリコン膜８５を形成することができる。ポリシリコン膜８５は、ＴＦＴのソース領域、チャネル領域、ドレイン領域を有する半導体層として用いられる。
上記で説明した実施の形態に係るレーザアニール装置１は、ＴＦＴアレイ基板の製造に好適である。以下、ＴＦＴを有する半導体装置の製造方法について説明する。
まず、図１２に示すように、ガラス基板８１（基板８）の上に、ゲート電極８２を形成する。ゲート電極８２は、例えば、アルミニウムなどを含む金属薄膜を用いることができる。次に、図１３に示すように、ゲート電極８２の上に、ゲート絶縁膜８３を形成する。ゲート絶縁膜８３は、ゲート電極８２を覆うように形成される。その後、図１４に示すように、ゲート絶縁膜８３の上に、アモルファスシリコン膜８４を形成する。アモルファスシリコン膜８４は、ゲート絶縁膜８３を介して、ゲート電極８２と重複するように配置されている。
ゲート絶縁膜８３は、窒化シリコン膜（ＳｉＮｘ）、酸化シリコン膜（ＳｉＯ２膜）、又はこれらの積層膜等などである。具体的には、ＣＶＤ（Chemical Vapor Deposition）法により、ゲート絶縁膜８３とアモルファスシリコン膜８４とを連続成膜する。アモルファスシリコン膜８４付のガラス基板８１がレーザアニール装置１（レーザ照射装置）における半導体膜となる。
そして、図１５に示すように、上記で説明したレーザアニール装置１を用いてアモルファスシリコン膜８４にレーザ光Ｌ３を照射してアモルファスシリコン膜８４を結晶化させて、ポリシリコン膜８５を形成する。これにより、シリコンが結晶化したポリシリコン膜８５がゲート絶縁膜８３上に形成される。
その後、図１６に示すように、ポリシリコン膜８５の上に層間絶縁膜８６、ソース電極８７ａ、及びドレイン電極８７ｂを形成する。層間絶縁膜８６、ソース電極８７ａ、及びドレイン電極８７ｂは、一般的なフォトリソグラフィー法や成膜法を用いて形成することができる。これ以降の製造工程については、最終的に製造するデバイスによって異なるので説明を省略する。
上記で説明した半導体装置の製造方法を用いることで、多結晶半導体膜を含むＴＦＴを備える半導体装置を製造することができる。このような半導体装置は、有機ＥＬ（Electro Luminescence）ディスプレイなどの高精細ディスプレイの制御用に好適である。上記のようにポリシリコン膜８５のムラを抑制することで、表示特性の優れた表示用装置を高い生産性で製造することができる。
これら一連の加工工程を行うにあたり、レーザアニール装置１に含まれる真空ポンプ等の可動部品は、当該可動部品を可動させる際に取得した物理量等に基づき、実施形態１等にて開示されている処理によって故障時期が予測される。予測された故障時期に応じて、これら可動部品の点検又は交換等の保守作業を行うことができ、これによりレーザアニール装置１のダウンタイムを削減し、レーザアニール装置１の稼働率を向上させることができる。
なお、本開示は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、において、アモルファスシリコン膜８４にレーザ光を照射してポリシリコン膜８５を形成する例に限らず、アモルファスシリコン膜８４にレーザ光を照射してマイクロクリスタルシリコン膜を形成してもよい。また、シリコン膜以外の非晶質膜にレーザ光を照射して、結晶化膜を形成してもよい。
今回開示された実施の形態は全ての点で例示であって、制限的なものではないと考えられるべきである。各実施例にて記載されている技術的特徴は互いに組み合わせることができ、本発明の範囲は、特許請求の範囲内での全ての変更及び特許請求の範囲と均等の範囲が含まれることが意図される。
１ レーザアニール装置（レーザ照射装置）
１１ アニール光学系
２ レーザ光源
２１ 第１レーザ光源
２２ 第２レーザ光源
３１ 第１アッテネータ
３２ 第２アッテネータ
４１ 第１偏光比制御ユニット
４２ 第２偏光比制御ユニット
５ 合成光学系
６ ビーム整形光学系
６１ 落射ミラー
６５ プロジェクションレンズ
７ レーザ照射室
７１ ステージ
７２ ベース
８ 基板
９ 制御装置
９１ 制御部（故障予測部）
９２ 記憶部
９２０ 記録媒体
Ｐ プログラム（プログラム製品）
９２１ 真空ポンプ用学習モデル
９２２ コールドヘッド用学習モデル
９２３ Ｈｅコンプレッサー用学習モデル
９２４ ダイアフラムポンプ用学習モデル
９２５ 特徴量学習モデル
９３ 通信部
９４ 入出力Ｉ／Ｆ
９４１ 表示装置
１０１ 第１真空ポンプ
１０２ 第２真空ポンプ
１０３ コールドヘッド
１０４ Ｈｅコンプレッサー
１０５ ダイアフラムポンプ
１１１ 温度センサー
１１２ 振動センサー
１１３ 圧力センサー
８１ ガラス基板
８２ ゲート電極
８３ ゲート絶縁膜
８４ アモルファスシリコン膜
８５ ポリシリコン膜
８６ 層間絶縁膜
８７ａ ソース電極
８７ｂ ドレイン電極

Claims (8)

  1. レーザ光源を備えるレーザ照射装置であって、
    前記レーザ光源による基板の加工を行うにあたり用いられる可動部品の故障予測を行う故障予測部を備え、
    前記故障予測部は、
    前記可動部品を可動した際の物理量を取得し、
    取得した物理量に基づき、前記可動部品の故障時期を導出し、
    前記可動部品は、前記レーザ光源のチャンバ内に封入されたガスを吸入する真空ポンプであり、
    前記故障予測部は、
    前記真空ポンプがガスの吸入を開始してから前記チャンバ内が真空状態となるまでの真空到達時間を取得し、
    取得した物理量及び真空到達時間に基づき、前記真空ポンプの故障時期を導出する
    レーザ照射装置。
  2. 前記可動部品には、前記可動部品を可動した際の物理量を検出する検出部が設けられており、
    前記検出部は、温度センサー及び振動センサーの少なくともいずれか１つ含み、
    前記故障予測部は、前記検出部から、前記可動部品を可動した際の物理量を取得する
    請求項１に記載のレーザ照射装置。
  3. 前記故障予測部は、
    前記可動部品を可動した際の物理量を入力した場合に該可動部品の故障までの時間を出力する学習モデルに、取得した物理量を入力することによって、前記可動部品の故障時期を導出する
    請求項１又は請求項２に記載のレーザ照射装置。
  4. 前記故障予測部は、
    前記可動部品の積算可動時間を取得し、
    取得した積算可動時間及び物理量に基づき、前記可動部品の故障時期を導出する
    請求項１から請求項３のいずれか１項に記載のレーザ照射装置。
  5. 前記レーザ照射装置は、複数の前記レーザ光源、及び複数の前記レーザ光源それぞれに対応する複数の前記真空ポンプを備え、
    前記故障予測部は、
    複数の前記真空ポンプそれぞれの物理量及び真空到達時間を取得し、
    取得した物理量及び真空到達時間それぞれに基づき、複数の前記真空ポンプそれぞれの故障時期を導出する
    請求項１から請求項４のいずれか１項に記載のレーザ照射装置。
  6. 前記可動部品は、ダイアフラムポンプ、ヘリウムコンプレッサー及びコールドヘッドの少なくともいずれか１つ含む
    請求項１から請求項５のいずれか１項に記載のレーザ照射装置。
  7. レーザ照射装置に備えられたレーザ光源による基板の加工を行うにあたり用いられる可動部品の故障予測を行うコンピュータに、
    （Ａ）前記可動部品を可動した際の物理量を取得し、
    （Ｂ）取得した物理量に基づき、前記可動部品の故障時期を導出し、
    前記可動部品は、前記レーザ光源のチャンバ内に封入されたガスを吸入する真空ポンプであり、
    前記真空ポンプがガスの吸入を開始してから前記チャンバ内が真空状態となるまでの真空到達時間を取得し、
    取得した物理量及び真空到達時間に基づき、前記真空ポンプの故障時期を導出する
    処理を実行させる情報処理方法。
  8. レーザ照射装置に備えられたレーザ光源による基板の加工を行うにあたり用いられる可動部品の故障予測を行うコンピュータに、
    （Ａ）前記可動部品を可動した際の物理量を取得し、
    （Ｂ）取得した物理量に基づき、前記可動部品の故障時期を導出し、
    前記可動部品は、前記レーザ光源のチャンバ内に封入されたガスを吸入する真空ポンプであり、
    前記真空ポンプがガスの吸入を開始してから前記チャンバ内が真空状態となるまでの真空到達時間を取得し、
    取得した物理量及び真空到達時間に基づき、前記真空ポンプの故障時期を導出する
    処理を実行させるプログラム。
JP2021109202A 2021-06-30 2021-06-30 レーザ照射装置、情報処理方法、及びプログラム Active JP7637579B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2021109202A JP7637579B2 (ja) 2021-06-30 2021-06-30 レーザ照射装置、情報処理方法、及びプログラム
US17/749,445 US12479050B2 (en) 2021-06-30 2022-05-20 Laser irradiation apparatus, information processing method, and recording medium recording program to be readable
TW111120617A TW202304089A (zh) 2021-06-30 2022-06-02 雷射照射裝置、資訊處理方法和可讀取地記錄有程式的記錄介質
CN202210697407.9A CN115548837A (zh) 2021-06-30 2022-06-20 激光照射装置、信息处理方法和可读取地记录有程序的记录介质
JP2025006423A JP2025061413A (ja) 2021-06-30 2025-01-16 レーザ照射装置、情報処理方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021109202A JP7637579B2 (ja) 2021-06-30 2021-06-30 レーザ照射装置、情報処理方法、及びプログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2025006423A Division JP2025061413A (ja) 2021-06-30 2025-01-16 レーザ照射装置、情報処理方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2023006547A JP2023006547A (ja) 2023-01-18
JP7637579B2 true JP7637579B2 (ja) 2025-02-28

Family

ID=84723751

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2021109202A Active JP7637579B2 (ja) 2021-06-30 2021-06-30 レーザ照射装置、情報処理方法、及びプログラム
JP2025006423A Pending JP2025061413A (ja) 2021-06-30 2025-01-16 レーザ照射装置、情報処理方法、及びプログラム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2025006423A Pending JP2025061413A (ja) 2021-06-30 2025-01-16 レーザ照射装置、情報処理方法、及びプログラム

Country Status (4)

Country Link
US (1) US12479050B2 (ja)
JP (2) JP7637579B2 (ja)
CN (1) CN115548837A (ja)
TW (1) TW202304089A (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7637579B2 (ja) * 2021-06-30 2025-02-28 Ｊｓｗアクティナシステム株式会社 レーザ照射装置、情報処理方法、及びプログラム
US12306595B1 (en) * 2023-12-26 2025-05-20 Dongguan Pepper Gray Technology Co., Ltd. Laser packaging system and intelligent heat dissipation method thereof
CN117458261B (zh) * 2023-12-26 2024-04-16 东莞市湃泊科技有限公司 激光器封装系统及其智能散热方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008300351A (ja) 2007-05-16 2008-12-11 Xtreme Technologies Gmbh プラズマベースのｅｕｖ放射線源用のガスカーテンを生成する装置
US20120209569A1 (en) 2009-06-26 2012-08-16 Adixen Vacuum Products Method for predicting a failure in the rotation of the rotor of a vacuum pump and associated pumping device
US20150292082A1 (en) 2014-04-15 2015-10-15 Hitachi Kokusai Electric Inc. Substrate processing apparatus, non-transitory computer-readable recording medium thereof and semiconductor manufacturing method by employing thereof

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05190956A (ja) 1992-01-08 1993-07-30 Toshiba Corp ガスレ−ザ装置
US5261793A (en) * 1992-08-05 1993-11-16 The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services Miniature mechanical vacuum pump
JPH0666280A (ja) 1992-08-20 1994-03-08 Mitsubishi Electric Corp 真空装置
JP3901758B2 (ja) * 1994-11-29 2007-04-04 株式会社半導体エネルギー研究所 液晶表示装置の作製方法
US6008101A (en) * 1994-11-29 1999-12-28 Semiconductor Energy Laboratory Co., Ltd. Laser processing method of semiconductor device
JPH10135196A (ja) * 1996-10-30 1998-05-22 Matsushita Electric Ind Co Ltd 真空薄膜堆積装置
JPH11199207A (ja) * 1997-12-29 1999-07-27 Agency Of Ind Science & Technol オゾンビーム発生方法及び装置
JP3692106B2 (ja) * 2002-09-27 2005-09-07 株式会社東芝 製造装置及び回転機の寿命予測方法
EP1836576B1 (en) * 2004-12-17 2012-02-01 Korea Research Institute of Standards and Science A precision diagnostic method for the failure protection and predictive maintenance of a vacuum pump and a precision diagnostic system therefor
US9104650B2 (en) * 2005-07-11 2015-08-11 Brooks Automation, Inc. Intelligent condition monitoring and fault diagnostic system for preventative maintenance
US8282360B2 (en) * 2009-07-07 2012-10-09 Aldo Di Leo Pneumatically operated reciprocating pump
JP5141809B2 (ja) 2011-09-16 2013-02-13 住友電気工業株式会社 半導体レーザ
US9675756B2 (en) * 2011-12-21 2017-06-13 Deka Products Limited Partnership Apparatus for infusing fluid
CA2880659C (en) * 2012-08-09 2018-10-09 Wgm Technologies Inc. Swing chamber pump (scp)
US11188065B2 (en) * 2017-09-23 2021-11-30 Nanoprecise Sci Corp. System and method for automated fault diagnosis and prognosis for rotating equipment
JP7134725B2 (ja) 2018-06-11 2022-09-12 キヤノン株式会社 型を用いて基板上の組成物を成形する成形装置、および物品の製造方法
JP7278138B2 (ja) 2019-04-18 2023-05-19 キヤノン株式会社 基板処理装置、物品製造方法、基板処理方法、基板処理システム、管理装置、およびプログラム
JP7637579B2 (ja) * 2021-06-30 2025-02-28 Ｊｓｗアクティナシステム株式会社 レーザ照射装置、情報処理方法、及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008300351A (ja) 2007-05-16 2008-12-11 Xtreme Technologies Gmbh プラズマベースのｅｕｖ放射線源用のガスカーテンを生成する装置
US20120209569A1 (en) 2009-06-26 2012-08-16 Adixen Vacuum Products Method for predicting a failure in the rotation of the rotor of a vacuum pump and associated pumping device
JP2012530875A (ja) 2009-06-26 2012-12-06 アデイクセン・バキユーム・プロダクト 真空ポンプのロータの回転の故障を予測する方法および関連ポンプ装置
US20150292082A1 (en) 2014-04-15 2015-10-15 Hitachi Kokusai Electric Inc. Substrate processing apparatus, non-transitory computer-readable recording medium thereof and semiconductor manufacturing method by employing thereof
JP2015209561A (ja) 2014-04-25 2015-11-24 株式会社日立国際電気 基板処理装置、半導体装置の製造方法、プログラムおよび記録媒体

Also Published As

Publication number Publication date
US20230001518A1 (en) 2023-01-05
JP2025061413A (ja) 2025-04-10
US12479050B2 (en) 2025-11-25
CN115548837A (zh) 2022-12-30
JP2023006547A (ja) 2023-01-18
TW202304089A (zh) 2023-01-16

Similar Documents

Publication Publication Date Title
JP2025061413A (ja) レーザ照射装置、情報処理方法、及びプログラム
CN107199397B (zh) 机器学习装置、激光加工系统以及机器学习方法
CN109420859B (zh) 机器学习装置、机器学习系统以及机器学习方法
JP7428667B2 (ja) 機械学習方法、消耗品管理装置、及びコンピュータ可読媒体
TWI525407B (zh) 用於自主學習和自主改進半導體製造工具之方法和系統
TWI524189B (zh) 用以偵測工具性能劣化及不匹配之方法及系統以及相關電腦程式產品及裝置
US20190061062A1 (en) Machine learning device, machine learning system, and machine learning method
JP7637595B2 (ja) レーザ照射装置、情報処理方法、プログラム、及び学習モデルの生成方法
US20160126457A1 (en) Laser crystallization system, laser crystallization method, and method of fabricating display device
US12372815B2 (en) Laser irradiation apparatus, laser irradiation method, and recording medium recording program to be readable
JPH0423373A (ja) レーザ制御装置
CN114556531B (zh) 激光处理装置及激光监测方法
TW202244633A (zh) 用於半導體微影中之光源模組的維護
US20230006408A1 (en) Laser Irradiation Apparatus, Laser Irradiation Method, and Recording Medium Recording Program to be Readable
JP2023027639A (ja) レーザ照射装置、情報処理方法、プログラム、及び学習モデルの生成方法
CN118176078A (zh) 激光剥离装置、信息处理方法及程序
JP4880548B2 (ja) シリコン半導体薄膜の結晶性評価装置及び方法
CN107275185A (zh) 激光退火装置及其退火工艺
US20240112911A1 (en) Laser crystallization apparatus and laser crystallization method
WO2024261841A1 (ja) 制御装置、レーザ加工システム、およびレーザ加工方法
JP4323550B2 (ja) レーザ装置
JP2007123639A (ja) 分子線エピタキシャル装置の制御装置、分子線エピタキシャル装置、分子線エピタキシャル装置の制御方法、分子線エピタキシャル装置制御プログラム、およびコンピュータ読み取り可能な記録媒体

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20220225

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240206

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20241129

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20241203

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20250116

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20250128

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20250217

R150 Certificate of patent or registration of utility model

Ref document number: 7637579

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150