KR20070093842A - 프로세스 이상 분석 장치와 방법 및 기억매체 - Google Patents

프로세스 이상 분석 장치와 방법 및 기억매체 Download PDF

Info

Publication number
KR20070093842A
KR20070093842A KR1020070024317A KR20070024317A KR20070093842A KR 20070093842 A KR20070093842 A KR 20070093842A KR 1020070024317 A KR1020070024317 A KR 1020070024317A KR 20070024317 A KR20070024317 A KR 20070024317A KR 20070093842 A KR20070093842 A KR 20070093842A
Authority
KR
South Korea
Prior art keywords
abnormality
product
process data
statistics
abnormal
Prior art date
Application number
KR1020070024317A
Other languages
English (en)
Inventor
토시카즈 나카무라
시게루 오바야시
켄이치로 하기와라
요시카즈 아이카와
Original Assignee
오므론 가부시키가이샤
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 오므론 가부시키가이샤 filed Critical 오므론 가부시키가이샤
Publication of KR20070093842A publication Critical patent/KR20070093842A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Manufacturing & Machinery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Factory Administration (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

과제
제품의 이상의 유무의 판정 결과에 대한 신뢰성을 높일 수 있는 프로세스 이상 분석 장치를 제공하는 것.
해결 수단
프로세스 데이터 기억부(21)에 격납된 시계열의 프로세스 데이터로부터 프로세스 특징량을 추출하는 프로세스 데이터 편집부(22)와, 프로세스 특징량으로부터 제조 시스템에서 제조되는 제품 및 제조 장치의 이상 검출을 행하기 위한 이상 분석 룰을 기억하는 이상 분석 룰 데이터 기억부(26)와, 이상 분석 룰에 의해, 프로세스 특징량으로부터 제품 및 제조 장치의 이상의 유무를 판정하는 이상 판정부(24)를 구비한다. 이상 분석 룰에 사용하는 예측 모델로서 부분최소제곱 회귀(PLS) 모델을 사용함과 함께, Q통계량 및 T2통계량을 사용하고, 이상 판정부는, 그 통계량의 값이 설정치 이상인 경우에 제조 장치가 이상이라고 판정하도록 하였다.

Description

프로세스 이상 분석 장치와 방법 및 기억매체{PROCESS ABNORMALITY ANALYZING APPARATUS AND PROCESS ABNORMALITY ANALYZING METHOD AND STORAGE MEDIUM}
도 1은 본 발명이 알맞은 실시 형태인 프로세스 이상 분석 장치를 포함하는 제조 시스템의 한 예를 도시하는 도면.
도 2는 프로세스 이상 분석 장치의 내부 구조의 한 예를 도시하는 도면.
도 3은 프로세스 이상 분석 장치가 처리하는 각종 데이터의 데이터 구조의 한 예를 도시하는 도면.
도 4는 이상 분석 룰 데이터 기억부에 격납되는 룰 데이터의 데이터 구조의 한 예를 도시하는 도면.
도 5는 이상 분석 룰 편집부의 기능을 설명하는 순서도.
도 6은 이상 판정부의 기능을 설명하는 순서도.
도 7은 이상 판정부의 기능을 설명하는 순서도.
도 8은 이상 표시 장치에 표시되는 정보의 한 예를 도시하는 도면.
도 9는 이상 표시 장치에 표시되는 정보의 한 예를 도시하는 도면.
도 10은 이상 표시 장치에 표시되는 정보의 한 예를 도시하는 도면.
도 11은 이상 표시 장치에 표시되는 정보의 한 예를 도시하는 도면.
도 12는 이상 표시 장치에 표시되는 정보의 한 예를 도시하는 도면.
(도면의 주요 부분에 대한 부호의 설명)
20 : 프로세스 이상 분석 장치 21 : 프로세스 데이터 기억부
22 : 프로세스 데이터 편집부 23 : 프로세스 특징량 데이터 기억부
24 : 이상 판정부 24a : 이상 분석부
24b : 이상 프로세스 데이터 보존부 24c : 이상 출력부
24d : 판정 결과 보존부 25 : 이상 분석 룰 편집부
26 : 이상 분석 룰 데이터 기억부 27 : 이상 프로세스 데이터 기억부
28 : 판정 결과 데이터 기억부
기술 분야
본 발명은, 프로세스의 상태에 관련하여 처리되는 제품 및 제조 장치의 이상을 분석하는 프로세스 이상 분석 장치 및 방법 및 프로그램에 관한 것이다.
배경 기술
반도체 액정 패널을 비롯한 각종 제품의 제조 프로세스는, 제품의 제조 수율을 개선하고, 또는 수율이 양호한 상태를 유지하기 위해, 적절히 관리되어야 한다.
반도체 디바이스는, 100공정 이상이나 갖는 반도체 프로세스를 경유하여 제 조되고, 또한, 복수의 복잡한 반도체 제조 장치를 이용하여 제조된다. 그 때문에, 각 제조 장치(프로세스 장치)의 상태를 나타내는 파라미터와 각 제조 장치를 이용하여 제조된 반도체 디바이스의 특성과의 관계가 명확하게는 구하여지지 않는 것이 다수 있다. 한편, 반도체 프로세스는, 제조된 반도체 디바이스의 수율이 좋아지도록, 항상 각 공정을 엄밀하게 관리하여야 한다는 요구도 있다.
이러한 문제를 해결하기 위해, 특허문헌1에 개시된 발명에서는, 프로세스 실행시에 발생하는 다기(多岐)에 걸치는 프로세스 데이터와 처리 결과를 취득하고, 얻어진 프로세스 데이터로부터 최소부분제곱법에 의해 프로세스 데이터와 그 처리 결과의 상관의 모델을 작성한다. 이 모델을 이용하여, 프로세스 실행시에 처리 결과의 예측을 행할 수 있다.
특허문헌1 : 일본 특개2004-281461호 공보
특허문헌1에 개시된 발명에서는, 프로세스 장치가 정상적으로 동작하고, 수집된 프로세스 데이터가 프로세스 장치에서의 프로세스 상태를 정확하게 반영하고 있는 것을 전제로 하고 있다. 따라서, 예를 들면 프로세스 장치에 실장한 센서 등이 고장나 있는 경우, 예측에 사용되는 프로세스 데이터의 신뢰성이 없고, 올바른 예측을 할 수 없다. 마찬가지로, 프로세스를 실행하는 기기에 이상이 생겨 있는 경우도, 모델을 작성한 때의 상황과 다르기 때문에 올바른 예측을 할 수 없다.
본 발명은, 제품의 이상의 유무의 판정 결과에 대한 신뢰성을 높일 수 있는 프로세스 이상 분석 장치 및 방법 및 프로그램을 제공하는 것을 목적으로 한다.
본 발명에 의한 프로세스 이상 분석 장치는, 하나 또는 복수의 제조 장치로 이루어지는 제조 시스템에 있어서, 프로세스 실행시에 시계열로 얻어지는 프로세스 데이터에 의거하여 프로세스의 이상을 제품마다 검출하는 프로세스 이상 분석 장치로서, 프로세스 데이터를 기억하는 프로세스 데이터 기억 수단과, 그 프로세스 데이터 기억 수단에 격납된 프로세스 데이터로부터 프로세스 특징량을 추출하는 프로세스 데이터 편집 수단과, 프로세스 특징량으로부터 제조 시스템에서 제조되는 제품 및 제조 장치의 이상 검출을 행하기 위한 이상 분석 룰을 기억하는 이상 분석 룰 데이터 기억 수단과, 상기 이상 분석 룰에 의해, 프로세스 특징량으로부터 제품 및 제조 장치의 이상의 유무를 판정하는 이상 판정 수단을 구비하고, 이상 분석 룰에 사용하는 제품마다의 프로세스 처리 결과를 예측할 때에 이용하는 예측 모델로서 부분최소제곱 회귀(PLS) 모델을 사용함과 함께, Q통계량 및 또는 T2통계량을 사용하고, 이상 판정 수단은, 그 통계량의 값이 설정치 이상인 경우에 상기 제조 장치가 이상이라고 판정하도록 하였다.
또한, Q통계량 및 또는 T2통계량은, 제품마다 산출되고, Q통계량 및 또는 T2통계량이 미리 지정된 횟수만큼 연속하여 이상이라고 판정된 경우에 상기 제조 장치의 이상을 통지하는 수단을 구비하면 좋다.
또한, 이상 판정 수단은, Q통계량 및 또는 T2통계량에 의해 제조 장치가 정상이라고 판정된 경우에, 제품에 대한 이상의 유무의 예측이 유효하다고 할 수 있 다.
이 경우에, 이상 판정 수단은, 제품에 대한 유효한 예측이, 미리 지정된 횟수만큼 연속하여 이상이라고 판정된 경우에 제품의 이상 예측을 통지하도록 하면 좋다.
본 발명에 관한 프로세스 이상 분석 방법은, 하나 또는 복수의 제조 장치로 이루어지는 제조 시스템에 있어서, 프로세스 실행시에 시계열로 얻어지는 프로세스 데이터에 의거하여 프로세스의 이상을 제품마다 검출하는 프로세스 이상 분석 장치에서의 분석 방법으로서, 상기 시계열의 프로세스 데이터를 취득하여 프로세스 데이터 기억 수단에 격납하는 스텝과, 그 프로세스 데이터 기억 수단에 격납된 프로세스 데이터로부터 프로세스 특징량을 추출하는 스텝과, 그 추출한 프로세스 특징량으로부터 제품 및 제조 장치의 이상의 유무를 판정하는 이상 판정 스텝을 실행하는 것이고, 이상 분석 룰에 사용하는 제품마다의 프로세스 처리 결과를 예측할 때에 이용하는 예측 모델로서 부분최소제곱 회귀(PLS) 모델을 사용함과 함께, Q통계량 및 또는 T2통계량을 사용하고, 이상 판정 스텝은, 그 통계량의 값이 설정치 이상인 경우에 제조 장치가 이상이라고 판정하는 처리를 포함하도록 하였다.
또한, 본 발명에 관한 기억 매체는, 컴퓨터를, 프로세스 데이터 기억 수단에 격납된 시계열의 프로세스 데이터로부터 프로세스 특징량을 추출하는 프로세스 데이터 편집 수단, 이상 분석 룰에 의해, 프로세스 특징량으로부터 제조 시스템에서 제조되는 제품 및 그 제조 시스템을 구축하는 제조 장치의 이상의 유무를 판정하 고, 또한, 이상 분석 룰에 사용하는 제품마다의 프로세스 처리 결과를 예측할 때에 이용하는 예측 모델로서 부분최소제곱 회귀(PLS) 모델을 사용함과 함께, Q통계량 및 또는 T2통계량을 사용하고, 그 통계량의 값이 설정치 이상인 경우에 제조 장치가 이상이라고 판정하는 이상 판정 수단으로서 기능시키도록 한 프로그램을 기억하는 것이다.
여기서, 제조 프로세스에 의해 제조되는 「제품」에는, 반도체, FPD(플랫 패널 디스플레이 : 액정, PDP, EL, FED 등을 이용하는 디스플레이)가 포함된다. 「제품」은, 1장의 반도체 웨이퍼, 1장의 유리 기판과 같은 통상의 계수 단위로 파악된 단위라도 좋고, 이들의 제품의 1로트와 같은 제품의 그룹 단위로 파악되는 단위라도 좋고, 대형판의 유리 기판상에 설정된 영역과 같은 제품의 부분을 단위로 하여도 좋다. 이상 통지 정보의 출력은, 표시 장치에 출력하거나, 메일 송신 등에 의해 통지하거나, 기억 장치에 보존하는 등 각종의 처리를 포함한다. 「제품의 이상」은, 실시 형태에서는 예측치 상태의 이상에 대응하고, 「제조 장치의 이상」은, 실시 형태에서는, 프로세스 상태의 이상에 대응한다. 제조 장치(프로세스 장치)의 이상은, 해당 장치의 프로세스를 실행하기 위한 장치의 고장이나, 해당 장치에 조립된 센서의 이상 등의, 그 제조 장치로부터 얻어진 프로세스 데이터에 이상이 생기는 경우를 포함한다.
본 발명에서는, Q통계량 및 T2통계량에 의한 프로세스 이상 판단과 최소제곱법에 의한 프로세스 결과의 예측과 그 예측치에 의한 이상 판단을 동시에 행하기 때문에, 예측치 및 예측치를 사용하는 이상 판정의 신뢰성이 향상한다. 예측치에 의한 이상 판정이기 때문에, 실시간의 전수 이상 검출이 가능해진다.
또한, 연속한 이상인지 여부의 판단을 행하도록 한 경우, 단발(單發)의 (우연한) 이상을 배제할 수 있다.
발명을 실시하기 위한 최선의 형태
도 1은 본 발명의 알맞은 실시 형태인 프로세스 이상 분석 장치를 포함하는 제조 시스템을 도시한다. 이 제조 시스템은, 프로세스 장치(1), 프로세스 이상 분석 장치(20) 및 이상 표시 장치(2)를 포함한다. 이들의 장치는, 생산 관리 정보보다도 상세한 프로세스 관련 정보를 고속으로 교환하기 위한 장치용 네트워크인 EES(Equipment Engineering System) 네트워크(3)에 의해 상호 접속되어 있다. 도시는 생략되어 있지만, EES 네트워크(3)에는, 프로세스 장치(1)보다 전(前)의 단계, 및 프로세스 장치(1)보다 후의 단계에서 이용되는 다른 프로세스 장치나 검사 장치도 접속되어 있다. 또한, 이 시스템은, MES(Manufacturing Execution System)를 포함하는 생산 관리 시스템(4) 및 이 생산 관리 시스템(4)과 접속된 생산 관리 정보를 전송하는 MES계 네트워크(5)를 포함하고 있다. EES 네트워크(3)와 MES계 네트워크(5)는, 라우터(6)를 통하여 접속되어 있다. MES계 네트워크(5)상에 존재하는 생산 관리 시스템(4)는, 라우터(6)를 경유하여, EES 네트워크(3)상의 각 장치에 액세스할 수 있다.
이 제조 시스템은, 예를 들면, 반도체나 액정 패널을 제조하는 것으로서, 프로세스 장치(1)가 반도체 등을 제조하기 위한 프로세스(웨이퍼에 대한 성막 처리 등)를 실행한다. 반도체 제조 프로세스나 액정 패널 제조 시스템에서는, 처리 대상인 웨이퍼나 유리 기판(이하, 「웨이퍼」)은, 카세트(7) 내에 소정 매수 세트되고, 카세트 단위로 이동됨과 함께, 프로세스 장치(1)에서 소정의 처리가 행하여진다. 하나의 제품을 제조하는 경우, 복수의 프로세스 장치(1)에서 각각 소정의 처리가 실행된다. 그 경우, 프로세스 장치 사이의 이동도, 카세트 단위로 행하여진다. 카세트(7)에 실장된 소정 매수의 웨이퍼가 동일한 로트로 된다.
이 실시 형태의 반도체 제조 시스템에서는, 개개의 웨이퍼마다 관리할 필요로부터, 각 웨이퍼마다 제품 ID가 부여된다. 이 제품 ID는, 예를 들면 로트 ID와, 그 로트 내의 식별 번호를 결합함에 의해, 설정할 수 있다. 즉, 가령 로트 ID가 「0408251」이고, 로트 내에 세트 가능한 매수가 1자릿수라고 하면, 로트 내의 2번째의 유리 기판(로트 내의 식별 번호는 「2」)의 제품 ID는, 아래 1자릿수로 로트 내의 식별 번호를 부가한 「04082512」로 설정할 수 있다.
물론, 태그(7a)에, 로트 ID에 대신하여, 또는 로트 ID와 함께 수납된 모든 웨이퍼에 관한 제품 ID를 기록하여 두고, 프로세스 장치(1)(프로세스 데이터 수집 장치(12))는, 태그(7a)에 격납된 모든 제품 ID를 취득하도록 하여도 좋다. 또한, 카세트(7)에 세트하는 웨이퍼가 1장인 경우에는, 태그(7a)에 기록한 ID가, 그대로 제품 ID로서 사용할 수 있다. 또한, 로트 단위로 해석을 하는 경우에는, 제품 ID의 취득이나, 로트 ID에 의거한 제품 ID의 작성은 불필요하다.
카세트(7)에는, RF-ID(radio frequency identification) 태그(7a)가 부착되어 있다. 태그(7a)는, 프로세스 장치(1)에 연결된 RF-ID 리드 라이트 헤드(8)와의 사이에서 전자 결합을 하고, 비접촉으로 임의의 데이터를 판독기록되는 것이고, 데이터 캐리어라고도 불린다. 태그(7a)에는, 로트 ID(제품 ID의 기초가 되는 로트 ID 또는 제품 ID 자체)와, 전단(前段) 장치의 출고 시각 등의 정보가 격납된다.
프로세스 장치(1)는, MES계 네트워크(5)로부터 라우터(6) 경유로 생산 관리 시스템(4)으로부터 보내져 온 레시피 ID를 취득한다. 프로세스 장치(1)는, 레시피 ID와 실제로 행하는 프로세스와의 대응 테이블 등을 갖고 있고, 취득한 레시피 ID에 응한 프로세스를 실행한다. 프로세스 장치(1)는, 각각의 장치를 식별하기 위한 장치 ID가 설정되어 있다.
프로세스 장치(1)는, 프로세스 데이터 수집 장치(12)를 내장한다. 이 프로세스 데이터 수집 장치(12)는, EES 네트워크(3)에 접속되어 있다. 프로세스 데이터 수집 장치(12)는, 프로세스 장치(1)에서 프로세스가 실행되고 있는 기간중 또는 대기중에, 프로세스 장치(1)의 상태에 관련되는 정보인 프로세스 데이터를 시계열로 수집한다. 프로세스 데이터는, 예를 들면, 프로세스 장치(1)의 동작시의 전압, 전류나, 어떤 프로세스를 실행한 프로세스 장치(1)를 출고하고 나서 다음의 프로세스를 실행하는 프로세스 장치(1)에 투입되기까지의 체류 시간 등이 있다. 또한, 프로세스 장치(1)가 플라즈마 챔버를 구비하고, 웨이퍼에 대해 성막 처리를 하는 장치인 경우, 그 플라즈마 챔버 내의 압력이나, 플라즈마 챔버에 공급하는 가스류 량이나, 웨이퍼 온도나 플라즈마 광량 등이 있다. 프로세스 장치(1)는, 이들의 프로세스 데이터를 검출하기 위한 검출 장치를 구비하고, 그 검출 장치의 출력이, 프로세스 데이터 수집 장치(12)에 주어진다.
프로세스 데이터 수집 장치(12)는, RF-ID 리드 라이트 헤드(8)를 통하여 태그(7a)로부터 판독한 전단 장치의 출고 시각과 현재 웨이퍼가 세트되어 있는 프로세스 장치(1)에의 투입 시각을 수집한다. 이들의 출고 시각과 투입 시각의 차를 취함에 의해, 전단 장치로부터의 체류 시간을 산출할 수 있다. 또한, RF-ID 리드 라이트 헤드(8)는, 필요에 따라 프로세스 장치(1)로부터 웨이퍼를 출고할 때에 출고 시각 등을 태그(7a)에 기록한다.
프로세스 데이터 수집 장치(12)는, 통신 기능을 구비하고 있다. 프로세스 데이터 수집 장치(12)는, 프로세스 장치(1)에서 발생한 모든 프로세스 데이터를 수집하고, 수집한 프로세스 데이터에 제품 ID와 장치 ID를 대응시켜서 EES계 네트워크(3)에 출력한다. 수집하는 데이터의 종류는, 상기한 것으로 한한 것이 아니라, 더욱 많은 정보를 취득하는 것도 방해하지 않는다.
프로세스 이상 분석 장치(20)는, 하드웨어의 관점에서는 일반적인 퍼스널·컴퓨터이고, Windows(등록상표) 등의 오퍼레이팅 시스템상에서 가동하는 어플리케이션·프로그램에 의해, 본 장치의 각 기능이 실현되고 있다.
도 2는 프로세스 이상 분석 장치(20)의 내부 구성을 도시하고 있다. 프로세스 이상 분석 장치(20)는, 프로세스 데이터 수집 장치(12)로부터 보내져 온 프로세스 장치(1)의 프로세스 데이터를 격납하는 프로세스 데이터 기억부(21)와, 프로세스 데이터 기억부(21)에 격납된 각종의 프로세스 데이터로부터 프로세스 특징량을 산출하는 프로세스 데이터 편집부(22)와, 프로세스 데이터 편집부(22)가 산출한 프로세스 특징량을 격납하는 프로세스 특징량 데이터 기억부(23)와, 프로세스 특징량 데이터 기억부(23)에 격납된 프로세스 특징량 데이터에 의거하여 이상의 유무를 판정하는 이상 판정부(24)와, 이상 판정부(24)에서 이상이라고 판정된 웨이퍼에 관한 프로세스 데이터를 기억하는 이상 프로세스 데이터 기억부(27)와, 이상 판정부(24)의 판정 결과를 기억하는 판정 결과 데이터 기억부(28)와, 이상 판정부(24)에서 판정 처리를 행할 때에 사용하는 이상 검출 요인 분석 룰을 기억하는 이상 검출 요인 분석 룰 데이터 기억부(26)와, 그 이상 검출 요인 분석 룰 데이터 기억부(26)에 액세스하여 이상 검출 요인 분석 룰의 추가·변경을 행하는 이상 검출 요인 분석 룰 편집부(25)를 구비하고 있다. 각 기억부는, 프로세스 이상 분석 장치(20)의 외부의 기억 장치(데이터베이스(20a))에 설정하여도 좋고, 내부 기억 장치에 설치하여도 좋다.
도 3의 (a)에 도시하는 바와 같이, 프로세스 데이터 기억부(21)에 격납되는 프로세스 데이터는, 제품 ID와 장치 ID에 관련시켜진다. 프로세스 데이터는, 프로세스 데이터 수집 장치(12)가 수집한 각종의 프로세스 데이터에 더하여, 그 프로세스 데이터를 수집한 일시 정보(일자+시각)도 포함한다. 각 프로세스 장치용의 프로세스 데이터 기억부(21)에는, 제품 ID마다, 일시 정보에 따라 시계열로 프로세스 데이터가 격납된다. 도 1에서는, 하나의 프로세스 장치(1)의 프로세스 데이터가 프로세스 이상 분석 장치(20)에 주어지고, 그 프로세스 데이터에 의거하여 이상 분석을 하는 예를 나타냈지만, 제품이 복수의 프로세스 장치를 경유하고 있는 경우에, 이러한 복수의 프로세스 장치에서 얻어진 프로세스 데이터를 프로세스 이상 분석 장치(20)에 주도록 하여도 좋다. 그 경우, 상기한 각 데이터가 장치의 수만큼 작성 된다.
프로세스 데이터 기억부(21)는, 링 버퍼 등의 일시 기억 수단으로 구성되고, 프로세스 종료 후의 소정의 타이밍에서 프로세스 데이터를 삭제(새로운 프로세스 데이터를 재기록)하도록 하고 있다.
프로세스 데이터 편집부(22)는, 프로세스 데이터 기억부(21)에 격납된 시계열의 프로세스 데이터를 호출하고, 낱장(枚葉)마다의 프로세스 특징량을 산출한다. 프로세스 특징량은, 예를 들면, 동일한 제품 ID에 관한 프로세스 데이터의 피크 값, 총합, 평균치 등의 프로세스 데이터의 값으로부터 산출하는 것으로 한하지 않고, 프로세스 데이터의 값이 설정된 임계치를 초과하고 있는 시간 등의 각종의 것이 있다.
프로세스 데이터 편집부(22)는, 생산 관리 시스템(4)으로부터 출력되는 레시피 ID를 제품 ID 및 장치 ID와 함께 취득한다. 레시피는, 미리 결정된 프로세스 장치에 대한 명령이나 설정, 파라미터의 세트로서, 처리 대상이나 공정, 장치의 차이에 의해 복수 가지며, 생산 관리 시스템(4)에서 관리된다. 각각의 레시피에는, 레시피 ID가 부여된다. 프로세스 장치(1)에서 처리되는 웨이퍼에 대한 레시피는, 장치 ID와 제품 ID와 레시피 ID에 의해 특정된다.
프로세스 데이터 편집부(22)는, 도 3의 (b)에 도시하는 제품 ID와 장치 ID와 레시피 ID의 세트를 이하에 도시하는 순서로 취득한다. 우선, 프로세스 데이터 편집부(22)는, 생산 관리 시스템(MES)(4)에 액세스하고, 분석 대상의 웨이퍼의 제품 ID와, 프로세스 장치(1)를 특정하는 장치 ID를 키로 하여, 대응하는 레시피 ID를 검색한다. 뒤이어, 프로세스 데이터 편집부(22)는, 그 검색한 레시피 ID를 생산 관리 시스템(4)으로부터 직접, 또는, 프로세스 데이터 수집 장치(12) 경유로 취득한다. 프로세스 데이터 수집 장치(12) 경유로 취득하는 경우, 프로세스 데이터 수집 장치(12)는, 진행중의 프로세스의 레시피 ID를 생산 관리 시스템(MES)(4)으로부터 취득하고, 프로세스 장치(1)의 장치 ID와 프로세스 데이터를 아울러서 프로세스 이상 분석 장치(20)에 건네주도록 하여도 좋다.
프로세스 데이터 편집부(22)는, 제품 ID와 장치 ID를 키로 하여, 산출한 프로세스 특징량 데이터와, 취득한 레시피 ID를 결합하고, 그 결합한 데이터를 대응하는 장치 ID용의 프로세스 특징량 데이터 기억부(23)에 격납한다. 따라서, 프로세스 특징량 데이터 기억부(23)의 데이터 구조는, 도 3의 (c)에 도시하는 바와 같이 된다.
이상 검출 요인 분석 룰 편집부(25)는, 모델화 장치(14)나 사람 손에 의한 해석에 의해 얻어진 모델을 취득하고, 이상 분석 룰을 정의하고, 이상 분석 룰 데이터 기억부(26)에 격납한다. 모델화 장치(14)는, 예를 들면 특개2004-186445호 공보에 개시된 데이터마이닝을 이용한 모델화 장치 등을 이용할 수 있다. 여기서 데이터마이닝이란, 대규모 데이터베이스로부터 룰이나 패턴을 추출하는 수법이고, 그 구체적인 수법으로서는, 결정목(決定木) 분석이라고 불리는 수법 및 회귀목 분석이라고 불리는 수법 등이 알려져 있다.
또한 이상 분석 룰 편집부(25)는, 이상 분석 룰에 대응하는 이상 통지 정보도 등록한다. 이로써, 이상 분석 룰 데이터 기억부(26)의 데이터 구조는, 도 4에 도시하는 바와 같이, 각 프로세스 장치의 장치 ID와, 각 프로세스 장치의 레시피 ID와, 이상 분석 룰과, 이상 통지 정보를 관련시킨 테이블 구조로 된다.
이상 통지 정보는, 이상 분석 룰에 의거하여 판정된 결과를 표시하는 이상 표시 장치(2)나, 판정 결과를 통지하는 통지처 등의 출력처를 특정하는 정보와, 구체적인 통지 내용이 있다. 통지처는, 예를 들면, 담당자의 메일 어드레스 등이다. 이상 표시 장치(2)와 통지처의 양쪽을 등록하여도 좋고, 한쪽만을 등록하여도 좋다. 출력처를 복수 마련한 경우, 예를 들면, 판정에 의해 구하여지는 이상의 정도나 이상 개소 등으로 분류하고, 분류에 따라 분배할 수 있다. 이상 표시 장치, 통지처, 통지 내용은, 하나의 분류에 대해, 복수 지정할 수 있다. 이상 분석 룰은, 중선형(重線形) 회귀, PLS 선형 회귀, 결정목, 마하라노비스의 거리, 주성분 분석, 이동 주성분 분석, DISSIM, Q통계량, T2통계량 등의 수법을 조합시켜서 사용할 수 있다.
이 이상 분석 룰은, 프로세스 특징량으로부터 제품의 이상의 유무와, 프로세스 장치 자체의 이상의 유무를 검출하기 위한 룰이다. 제품의 이상의 유무를 예측하기 위한 이상 분석 룰은, 프로세스 특징량에 의거하여 연산 처리하는 이상판정식과, 그 이상판정식에 의해 구한 값(y)이 이상이 생기고 있는지의 여부를 결정하는 판정 조건을 구비하고 있다. 또한, 이상 검출로서, PLS(Partial Least Squares)를 이용함으로써, 이상 요인 분석을 행할 수 있다. 이상 요인 분석은, 이상 요인 데이터를 구하는 것이다. 이상 요인 데이터는, 프로세스 데이터 또는 그 특징량을 나타 내는 명칭과 기여율 데이터를 포함한다.
기여율 데이터는, 그 이상에 대해, 어느 프로세스 데이터나 그 특징량이 어느 정도 영향을 주고 있는지를 나타내는 데이터이다. 기여율 데이터의 수치가 클수록 해당 이상에 대한 영향 정도가 크다, 즉 해당 이상을 초래한 원인일 가능성이 높다고 할 수 있다. 이상 요인 분석에 의해 산출되는 기여율 데이터의 값의 상위 N개(예를 들면, 5개)까지의 기여율 데이터를 포함하는 이상 요인 데이터를 추출한다. 작업원은, 추출된 이상 요인 데이터에 의거하여, 이상이 검출된 때의 대처시에, 어느 프로세스 데이터를 체크하면 좋은지를 알 수 있다.
본 실시 형태에서는, 이상 요인 데이터를 결정하기 위한 기여율을, PLS(Partial Least Squares)법에 의해 얻어진 회귀식에 의해 구하도록 하였다. 이 PLS법에 의해 얻어지는 회귀식을 하기에 표시한다.
y=b0+b1*x1+b2*x2+ …… +b(n-1)*x(n-1)+bn*xn
상기한 식에서, x1, x2, …… xn이 각각 프로세스 특징량이고, b0, b1, b2, …… bn은 계수이다. b1, b2, …… bn는 각 프로세스 특징량의 비중도이다. 상기한 회귀식에 의해 구한 y의 값이 임계치를 넘은 경우에 이상이라고 판정된다.
이 PLS법을 이용하여 각 프로세스 특징량의 기여율을 구하는데는, 이하와 같이 한다. 우선, 각 변수(x1, x2, …… xn)가 모두 평균치를 나타낼 때의 PLS 예측치를 Y라고 한다. 그리고, 실제로 취득한 프로세스 특징량을 각 변수에 대입하여 구한 y와의 차인 y-Y의 크기에 각항이 얼마만큼 기여하였는지를 평가한다. 즉, 각 변수의 평균치를 X1, X2, …… Xn이라고 하면, 상기한 식의 각 항의 값은, 하기와 같이 된다.
b1(x1-X1), b2(x2-X2), ‥‥, bn(xn-Xn)
이와 같이, 평균치와 실측치의 차분에, 다시 계수를 승산한 값을 구한 각 항의 값을, 각 프로세스 특징량의 기여율 데이터로 하였다. 요인 분석을 행한 결과, 어느 프로세스 특징량이 문제인지를 특정할 수 있다.
프로세스 장치의 이상의 유무의 판정은, Q특징량과 T2통계량을 이용한다. 즉, 주성분 분석(Principal Component Analysys : PCA)을 이용하여 관리 한계(정상 공간)를 설정하고, 모델 구축용 데이터(프로세스 특징량 데이터+검사 데이터)를 사용하여 얻어진 값을 참고로 임계치로 한다. 그리고, 운용시(이상 검출시)는 상기 임계치로부터 실시간(낱장마다)으로 프로세스 상태가 정상인지의 여부를 판단한다. 여기서, Q특징량 및 T2통계량은, 각각 하기식에 의해 구하여진다.
[수식 1]
Q 통계량
Figure 112007020095175-PAT00001
T2 통계량
Figure 112007020095175-PAT00002
여기서, tr은, 주성분 분석에 있어서의 제 r 주성분 득점이고, R은, 채용된 주성분의 수이다.
PLS에 관련되는 이상 분석 룰 편집부(25)의 구체적인 처리기능은, 도 5에 도시하는 순서도를 실행하도록 되어 있다. 우선, 이미 수집된 룰 구축용의 프로세스 데이터와 정상/이상을 포함하는 검사 결과 데이터를 PLS법으로 분석하고, 예측 모델을 얻는다(S21). 뒤이어, 동 데이터로부터 통계량(Q, T2)을 산출한다(S22). 그리고, 상기 예측 모델과 통계량(Q, T2)과 이상 판단을 위한 각 임계치를 레시피 ID와 함께 룰로서 등록한다(S23). 또한, 처리 스텝 S21과 S22는, 모델화 장치(14)에서 실행하여도 좋다.
이상 판정부(24)는, 이상 분석부(24a)와, 이상 프로세스 데이터 보존부(24b)와, 이상 출력부(24c)와, 판정 결과 보존부(24d)를 구비하고 있다. 이상 분석부(24a)는, 이상 분석 룰 데이터 기억부(26)에 격납된 이상 검출 요인 분석 룰을 이용하고, 프로세스 특징량 데이터 기억부(23)로부터 판독한 프로세스 특징량에 따라 이상 판정을 행한다.
이 이상 분석부(24a)에서 실행되는 이상 판정은, 이상의 유무와, 이상 요인 분석의 양쪽이다. 이상의 유무는, 프로세스 장치(1)에서 제조되는 제품의 이상의 유무의 예측과, 프로세스 장치 자체의 이상의 유무의 판정의 양쪽을 포함한다.
상술한 바와 같이, 프로세스 장치의 이상의 유무의 판정은, Q특징량과 T2통 계량을 이용하고, Q특징량과 T2통계량의 적어도 한쪽이 임계치를 넘으면, 프로세스 장치의 이상이 있다고 추측할 수 있다. 단, Q특징량, T2통계량이 임계치를 넘은 경우라도, 프로세스 장치 이외의 외부 원인 그 밖의 이유로부터 이상의 값을 나타낼 가능성도 있기 때문에, 본 실시 형태에서는, 프로세스 장치의 이상 발생의 통지는, 이러한 Q특징량이나 T2통계량이 임계치를 넘은 현상이 연속해서 N회 계속된 때에 행하도록 하였다.
이상 프로세스 데이터 보존부(24b)는, 이상 분석부(24a)에서 이상이 검출된 경우에, 그 이상이라고 판정된 웨이퍼에 관한 프로세스 데이터를 프로세스 데이터 기억부(21)로부터 판독함과 함께, 이상 프로세스 데이터로서 이상 프로세스 데이터 기억부(27)에 보존한다. 이때, 이상 판정 결과(y의 값)를 관련시켜서 등록하여도 좋다.
이상 출력부(24c)는, 이상 분석부(24a)에서 이상이 검출된 경우에, 지정된 이상 표시 장치에 대해 이상 메시지를 출력한다. 출력하는 이상 메시지는, 이상 분석 룰 데이터 기억부(26)에 격납되어 있다. 또한, 이상 요인 분석을 행한 경우, 기여율 등의 상세 데이터도 아울러서 출력한다. 또한 이상 출력부(24c)는, 이상 분석부(24a)에서 이상이 검출된 경우에, 지정된 이상 통지처에 대해 지정된 방법으로 이상 메시지를 출력하는 기능도 구비한다. 한 예로서는, 이상 출력부(24c)는, 지정된 어드레스에 대해 메일 송신을 한다. 출력하는 이상 메시지는, 이상 분석 룰 데이터 기억부(26)에 격납되어 있다. 또한, 이상 요인 분석을 행한 경우, 기여율 등 의 상세 데이터도 아울러서 출력하여도 좋다.
판정 결과 보존부(24d)는, 이상 분석부(24a)에서의 이상 판정의 결과를 판정 결과 데이터로서 판정 결과 데이터 기억부(28)에 보존한다. 즉, 이상 판정의 결과는, PLS 예측치나 예측치 기여율, Q, T2통계량 등과 함께 보존되고, 이상 표시 장치 등으로부터 검색할 수 있다. 이 판정 결과 데이터는, 모든 판정 결과를 보존하여도 좋고, 이상이라고 판정된 경우만을 보존하도록 하여도 좋다.
이상 분석부(24a)의 구체적인 처리 기능은, 도 6, 도 7에 도시하는 순서도와 같이 되어 있다. 프로세스 데이터 편집부(22)는, 1낱장분의 제품의 프로세스 데이터를 수집하고(S1), 그 프로세스 데이터로부터 프로세스 특징량을 산출한다(S2). 산출한 프로세스 특징량은, 프로세스 특징량 데이터 기억부(23)에 격납된다.
이상 분석부(24a)는, 프로세스 특징량 데이터 기억부(23)에 액세스하고, 하나의 제품 ID를 키로 하여 1낱장분의 프로세스 특징량 데이터를 추출하고, 그 레시피 ID를 취득한다. 그리고, 이상 분석부(24a)는, 이상 검출 요인 분석 룰 데이터 기억부(26)에 액세스하고, 취득한 레시피 ID에 대응하는 이상 검출 요인 분석 룰을 취득한다(S3).
이상 분석부(24a)는, 취득한 프로세스 특징량과 이상 검출 요인 분석 룰에 의거하여, 프로세스 결과 예측치(y의 값)와 예측치 기여율과 Q통계량과 T2통계량을 산출한다(S4). 이상 분석부(24a)는, Q가 정상 범위인지의 여부를 판단하고(S5), 정상 범위 내인 경우에는 Q의 이상 카운터의 카운트 값을 0으로 리셋하고(S6), 정상 범위 외인 경우에는 Q의 이상 카운터의 카운트 값을 1 증가시킨다(S7). 마찬가지로 이상 분석부(24a)는, T2가 정상 범위인지의 여부를 판단하고(S8), 정상 범위 내인 경우에는 T2의 이상 카운터의 카운트 값을 0으로 리셋하고(S9), 정상 범위 외인 경우에는 T2의 이상 카운터의 카운트 값을 1 증가시킨다(S10).
이상 분석부(24a)는, Q 및 T2의 이상 카운터의 카운트 값이 함께 0인지의 여부를 판단하고(S11), 어느 것이나 0인 경우에는, 프로세스 상태를 정상 상태라고 판정하고(S12), 적어도 한쪽이 0이 아닌 경우에는 프로세스 상태를 이상 상태라고 판정한다(S13).
프로세스 상태가 정상인 경우, 이상 분석부(24a)는, 프로세스 처리 결과 예측치(PLS 예측치 등)가 정상 범위인지의 여부를 판단하고(S15), 정상 범위 내인 경우에는 프로세스 처리 결과 예측치(PLS 예측치 등)의 이상 카운터의 카운트 값을 0으로 리셋하고(S17), 정상 범위 외인 경우에는 프로세스 처리 결과 예측치(PLS 예측치 등)의 이상 카운터의 카운트 값을 1 증가시킨다(S18).
상기한 처리 스텝 S17 또는 S18을 실행 후, 이상 분석부(24a)는, 프로세스 처리 결과 예측치(PLS 예측치 등)의 이상 카운터의 카운트 값이 지정 횟수 미만인지의 여부를 판단하고(S19), 지정 횟수 이상인 경우는, 프로세스 결과 예측치, 예측치 기여율, Q, T2통계량을 통지한다(S20).
한편, 프로세스 상태가 이상인 경우, 이상 분석부(24a)는, Q 또는 T2의 이상 카운터의 카운트 값이 지정 횟수 미만인지의 여부를 판단하고(S14), 지정 횟수 이상인 경우는, 프로세스 상태(중대(重大)) 이상으로 하여 기여율과 함께 통지한다(S15).
이상의 통지는, 미리 설정된 판정 조건에 대응하는 이상 통지 정보에 따라 이상을 통지한다. 구체적으로는, 이상 출력부(24c)가, 미리 설정된 이상 표시 장치(2)에 대해 메시지를 출력하거나, 미리 설정된 이상 통지처에 메일 송신 등에 의해 통지한다. 통지하는 내용은, 이상 분석 룰 데이터 기억부(26)에 격납된 이상 표시 정보와, 레시피 ID에 더하여, 발생 일시 정보나 이상 통지 ID를 부가한다.
이상 통지에 의거하여 이상 표시 장치(2)의 표시 장치에 표시되는 표시예로서는, 도 8에 도시하는 것이 있다. 도 8의 표시 화면에서, 이상 표시 장치(2)는, 제품의 이상 통지를 수신한 경우, 「예측치 상태」의 표시 에어리어의 메시지를 「이상」으로 하고, 프로세스 장치의 이상 통지를 수신한 경우, 「프로세스 상태」의 표시 에어리어의 메시지를 「이상」으로 한다. 또한, 수신한 이상 통지의 이력을 기억하여 두고, 그 이력 정보도 아울러서 표시한다.
또한, 이상 표시 장치(2)는, 도 8에 도시하는 현재의 상태를 나타내는 이상 모니터와 이력 정보의 표시로 한하는 것이 아니라, 도 9에 도시하는 바와 같이 예측치 동향을 표시하거나, 도 10에 도시하는 바와 같이 예측치 고(高)기여율 요인을 표시하거나, 도 11에 도시하는 바와 같이 고기여율의 요인 동향을 표시하거나, 도 12에 도시하는 바와 같이 고기여율 요인의 시계열 생(生)데이터를 표시하는 등, 각종의 표시 형태를 취할 수 있다.
본 발명은, 제조 장치의 이상의 유무와 제품의 이상의 유무의 판정을 동시에 행하기 때문에, 제품의 이상의 유무의 판정 결과에 대한 신뢰성을 높일 수 있다. 특히, 정상적인 프로세스 데이터에 의거하여 제품의 이상의 유무의 판정을 행하면, 이러한 판정 결과에 대한 신뢰성을 보다 높일 수 있다.

Claims (6)

  1. 하나 또는 복수의 제조 장치로 이루어지는 제조 시스템에 있어서, 프로세스 실행시에 시계열로 얻어지는 프로세스 데이터에 의거하여 프로세스의 이상을 제품마다 검출하는 프로세스 이상 분석 장치로서,
    상기 프로세스 데이터를 기억하는 프로세스 데이터 기억 수단과,
    그 프로세스 데이터 기억 수단에 격납된 프로세스 데이터로부터 프로세스 특징량을 추출하는 프로세스 데이터 편집 수단과,
    프로세스 특징량으로부터 상기 제조 시스템에서 제조되는 제품 및 상기 제조 장치의 이상 검출을 행하기 위한 이상 분석 룰을 기억하는 이상 분석 룰 데이터 기억 수단과,
    상기 이상 분석 룰에 의해, 상기 프로세스 특징량으로부터 상기 제품 및 상기 제조 장치의 이상의 유무를 판정하는 이상 판정 수단을 구비하고,
    상기 이상 분석 룰에 사용하는 제품마다의 프로세스 처리 결과를 예측할 때에 이용하는 예측 모델로서 부분최소제곱 회귀 모델을 사용함과 함께, Q통계량 및 또는 T2통계량을 사용하고, 상기 이상 판정 수단은, 그 통계량의 값이 설정치 이상인 경우에 상기 제조 장치가 이상이라고 판정하는 것을 특징으로 하는 프로세스 이상 분석 장치.
  2. 제 1항에 있어서,
    상기 Q통계량 및 또는 T2통계량은, 제품마다 산출되고, 상기 Q통계량 및 또는 T2통계량이 미리 지정된 횟수만큼 연속하여 이상이라고 판정된 경우에 상기 제조 장치의 이상을 통지하는 수단을 구비한 것을 특징으로 하는 프로세스 이상 분석 장치.
  3. 제 1항 또는 제 2항에 있어서,
    상기 이상 판정 수단은, 상기 Q통계량 및 또는 T2통계량에 의해 제조 장치가 정상이라고 판정된 경우에, 상기 제품에 대한 예측이 유효하다고 하는 것을 특징으로 하는 프로세스 이상 분석 장치.
  4. 제 3항에 있어서,
    상기 이상 판정 수단은, 상기 제품에 대한 유효한 예측이, 미리 지정된 횟수만큼 연속하여 이상이라고 판정된 경우에 제품의 이상 예측을 통지하는 것을 특징으로 하는 프로세스 이상 분석 장치.
  5. 하나 또는 복수의 제조 장치로 이루어지는 제조 시스템에 있어서, 프로세스 실행시에 시계열로 얻어지는 프로세스 데이터에 의거하여 프로세스의 이상을 제품마다 검출하는 프로세스 이상 분석 장치에서의 분석 방법으로서,
    상기 프로세스 데이터를 취득하여 프로세스 데이터 기억 수단에 격납하는 스텝과,
    그 프로세스 데이터 기억 수단에 격납된 프로세스 데이터로부터 프로세스 특징량을 추출하는 스텝과,
    그 추출한 프로세스 특징량으로부터 상기 제조 시스템에서 제조되는 제품 및 상기 제조 장치의 이상의 유무를 판정하는 이상 판정 스텝을 실행하는 것이고,
    상기 이상 분석 룰에 사용하는 제품마다의 프로세스 처리 결과를 예측할 때에 이용하는 예측 모델로서 부분최소제곱 회귀 모델을 사용함과 함께, Q통계량 및 또는 T2통계량을 사용하고, 상기 이상 판정 스텝은, 그 통계량의 값이 설정치 이상인 경우에 상기 제조 장치가 이상이라고 판정하는 처리를 포함하는 것을 특징으로 하는 프로세스 이상 분석 방법.
  6. 컴퓨터를,
    프로세스 데이터 기억 수단에 격납된 시계열의 프로세스 데이터로부터 프로세스 특징량을 추출하는 프로세스 데이터 편집 수단,
    이상 분석 룰에 의해, 상기 프로세스 특징량으로부터 제조 시스템에서 제조되는 제품 및 그 제조 시스템을 구축하는 제조 장치의 이상의 유무를 판정하고, 또한, 상기 이상 분석 룰에 사용하는 제품마다의 프로세스 처리 결과를 예측할 때에 이용하는 예측 모델로서 부분최소제곱 회귀 모델을 사용함과 함께, Q통계량 및 또 는 T2통계량을 사용하고, 그 통계량의 값이 설정치 이상인 경우에 상기 제조 장치가 이상이라고 판정하는 이상 판정 수단으로서 기능시키기 위한 프로그램을 기억하는 컴퓨터 판독 가능한 기억 매체.
KR1020070024317A 2006-03-15 2007-03-13 프로세스 이상 분석 장치와 방법 및 기억매체 KR20070093842A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2006-00070932 2006-03-15
JP2006070932A JP2007250748A (ja) 2006-03-15 2006-03-15 プロセス異常分析装置および方法並びにプログラム

Publications (1)

Publication Number Publication Date
KR20070093842A true KR20070093842A (ko) 2007-09-19

Family

ID=38594732

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070024317A KR20070093842A (ko) 2006-03-15 2007-03-13 프로세스 이상 분석 장치와 방법 및 기억매체

Country Status (4)

Country Link
US (1) US20070255442A1 (ko)
JP (1) JP2007250748A (ko)
KR (1) KR20070093842A (ko)
TW (1) TW200745985A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101522385B1 (ko) * 2014-05-02 2015-05-26 연세대학교 산학협력단 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체
CN113722328A (zh) * 2021-09-03 2021-11-30 国网甘肃省电力公司庆阳供电公司 高压开关设备故障的多源时空分析算法

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5067542B2 (ja) * 2007-04-27 2012-11-07 オムロン株式会社 複合情報処理装置、複合情報処理方法、プログラム、および記録媒体
CN101158859B (zh) * 2007-10-29 2011-05-11 中兴通讯股份有限公司 缺陷数据实时采集装置及其方法、生产线实时数据采集系统
JP4976996B2 (ja) * 2007-12-05 2012-07-18 ヤフー株式会社 操作状態監視方法、操作状態監視装置、及びプログラム
JP4911055B2 (ja) * 2008-02-05 2012-04-04 富士電機株式会社 バッチプロセスデータの解析装置およびそれを用いた異常検出／品質推定装置
WO2010040141A2 (en) * 2008-10-03 2010-04-08 Invensys Systems, Inc. Retrieving and navigating through manufacturing data from relational and time-series systems by abstracting the source systems into a set of named entities
JP5510642B2 (ja) * 2010-02-25 2014-06-04 富士電機株式会社 予測・診断モデルの構築装置
JP5855841B2 (ja) 2011-04-01 2016-02-09 株式会社日立国際電気 管理装置
CN102768511B (zh) * 2011-05-05 2014-10-29 北京三博中自科技有限公司 一种流程行业故障事件的原因搜索方法和系统
US9110452B2 (en) * 2011-09-19 2015-08-18 Fisher-Rosemount Systems, Inc. Inferential process modeling, quality prediction and fault detection using multi-stage data segregation
EP2850522B1 (en) * 2012-05-15 2019-07-17 University of Lancaster Anomalous system state identification
CN103095488A (zh) * 2012-12-14 2013-05-08 北京思特奇信息技术股份有限公司 一种自助终端外设硬件状态监控系统及方法
CN103399572B (zh) * 2013-08-01 2016-06-08 北京全路通信信号研究设计院集团有限公司 设备故障检测方法和装置
US9971665B2 (en) * 2014-03-31 2018-05-15 Honeywell International Inc. Subscription methods and systems for component information of a system
CN103926919B (zh) * 2014-04-29 2016-08-17 华东理工大学 基于小波变换和Lasso函数的工业过程故障检测方法
US11378426B2 (en) * 2014-06-20 2022-07-05 Applied Materials, Inc. System and method for monitoring sensor linearity as part of a production process
CN104267668B (zh) * 2014-09-02 2017-05-10 上海交通大学 基于贝叶斯方法的航天阀门零件加工过程故障诊断方法
WO2016088362A1 (ja) 2014-12-05 2016-06-09 日本電気株式会社 システム分析装置、システム分析方法および記憶媒体
CN104731056B (zh) * 2015-01-28 2018-01-05 蓝星（北京）技术中心有限公司 快速判断化工生产装置的运行稳定性的方法
RU2682195C1 (ru) * 2015-05-21 2019-03-15 Ниссан Мотор Ко., Лтд. Устройство диагностики неисправностей и способ диагностики неисправностей
US10599992B1 (en) 2015-09-10 2020-03-24 EMC IP Holding Company LLC Predicting reliability of product and part combinations using machine learning based on shared model
US10175686B2 (en) * 2015-10-14 2019-01-08 Honeywell International Inc. Devices, methods, and systems for a distributed rule based automated fault detection
KR102382820B1 (ko) * 2017-08-09 2022-04-04 삼성에스디에스 주식회사 공정 관리 방법 및 그 장치
JP7034646B2 (ja) * 2017-09-25 2022-03-14 株式会社Ｓｃｒｅｅｎホールディングス 異常検知装置、及び異常検知方法
JP7019364B2 (ja) * 2017-09-29 2022-02-15 エヌ・ティ・ティ・コミュニケーションズ株式会社 監視装置、監視方法、監視プログラム、表示装置、表示方法および表示プログラム
CN108345284B (zh) * 2018-03-06 2020-06-16 宁波大学 一种基于两变量块的质量相关故障检测方法
ES2938488T3 (es) * 2018-06-06 2023-04-11 Siemens Ag Método y dispositivo informático para realizar una búsqueda de intervalo en datos numéricos de series temporales
WO2020159706A1 (en) * 2019-01-28 2020-08-06 Exxonmobil Research And Engineering Company Methods and systems for fault detection and identification
US11093315B2 (en) * 2019-03-22 2021-08-17 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for detecting a fault or a model mismatch
CN109991951B (zh) * 2019-04-28 2020-10-02 齐鲁工业大学 多源故障检测与诊断方法和装置
CN113189967B (zh) * 2021-05-06 2022-05-27 郑州轻工业大学 一种半导体制程批间控制系统的控制性能诊断方法
CN113433907B (zh) * 2021-06-24 2022-05-10 中国航空综合技术研究所 基于可靠性关键特性的航空机电产品设计可靠性控制方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE515570C2 (sv) * 1999-10-05 2001-09-03 Abb Ab Ett datorbaserat förfarande och system för reglering av en industriell process
GB0007063D0 (en) * 2000-03-23 2000-05-10 Simsci Limited Mulitvariate statistical process monitors
WO2002090166A1 (en) * 2001-05-08 2002-11-14 Safetran Systems Corporation Condition monitoring system
US6549864B1 (en) * 2001-08-13 2003-04-15 General Electric Company Multivariate statistical process analysis systems and methods for the production of melt polycarbonate
US7158851B2 (en) * 2003-06-30 2007-01-02 Tokyo Electron Limited Feedforward, feedback wafer to wafer control method for an etch process
US7451003B2 (en) * 2004-03-04 2008-11-11 Falconeer Technologies Llc Method and system of monitoring, sensor validation and predictive fault analysis
US7729789B2 (en) * 2004-05-04 2010-06-01 Fisher-Rosemount Systems, Inc. Process plant monitoring based on multivariate statistical analysis and on-line process simulation
US7349746B2 (en) * 2004-09-10 2008-03-25 Exxonmobil Research And Engineering Company System and method for abnormal event detection in the operation of continuous industrial processes
US7567887B2 (en) * 2004-09-10 2009-07-28 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to fluidized catalytic cracking unit
US7640145B2 (en) * 2005-04-25 2009-12-29 Smartsignal Corporation Automated model configuration and deployment system for equipment health monitoring

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101522385B1 (ko) * 2014-05-02 2015-05-26 연세대학교 산학협력단 반도체 제조 공정에서의 이상 감지 방법, 장치 및 기록매체
CN113722328A (zh) * 2021-09-03 2021-11-30 国网甘肃省电力公司庆阳供电公司 高压开关设备故障的多源时空分析算法
CN113722328B (zh) * 2021-09-03 2023-12-12 国网甘肃省电力公司庆阳供电公司 高压开关设备故障的多源时空分析算法

Also Published As

Publication number Publication date
JP2007250748A (ja) 2007-09-27
TW200745985A (en) 2007-12-16
US20070255442A1 (en) 2007-11-01

Similar Documents

Publication Publication Date Title
KR20070093842A (ko) 프로세스 이상 분석 장치와 방법 및 기억매체
KR100858770B1 (ko) 프로세스 이상 분석 장치 및 프로그램 기록매체
JP2009054843A (ja) プロセス異常検出装置および方法並びにプログラム
KR100867267B1 (ko) 프로세스 이상 분석 장치 및 그 시스템, 프로그램이 기록된 기록 매체 및 방법
JP6443312B2 (ja) 管理システム
KR100525846B1 (ko) 알람관리방법 및 그 장치
JP4911055B2 (ja) バッチプロセスデータの解析装置およびそれを用いた異常検出／品質推定装置
JP4046309B2 (ja) プラント監視装置
US20050159835A1 (en) Device for and method of creating a model for determining relationship between process and quality
JP2008072047A (ja) モデル作成装置並びにプロセス異常分析装置およびそれらの方法並びにプログラム
JP2009020717A (ja) 状態監視方法及び状態監視装置並びにプログラム
EP3869424A1 (en) Equipment failure diagnosis support system and equipment failure diagnosis support method
KR102033810B1 (ko) 기판 처리 장치의 장해 감시 시스템 및 기판 처리 장치의 장해 감시 방법
CN105518654A (zh) 对工具处理数据提供多变量分析的基于k最近邻法与系统
CN104615123B (zh) 基于k近邻的传感器故障隔离方法
TWI756628B (zh) 營運評估裝置、營運評估方法、及程式
KR20140088189A (ko) 시간­기반의 장비 센서 데이터 및 재료­기반의 계측 통계적 프로세스 제어 데이터의 양­방향적 연관 및 그래픽적 획득
JP2010218301A (ja) 異常診断装置、異常診断方法及び異常診断プログラム
WO2019030945A1 (ja) 原因推定方法およびプログラム
JP2005142467A (ja) 半導体デバイスの製造方法および半導体製造システム
JP2012037991A (ja) 予測装置、予測システム及びプログラム
JPH05253797A (ja) ライン異常判定方式
JP2005235130A (ja) 製造・開発情報のデータトレースシステム
JP2005071200A (ja) 製造情報管理プログラム
JP2010267711A (ja) 半導体製造方法、半導体生産管理方法、および、半導体生産管理装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E601 Decision to refuse application