KR20150101203A - 설비 직결형 실시간 모니터링 고장 시기 예측 진단장치 및 그에 따른 고장예측 진단방법 - Google Patents

Abstract

본 발명은 부품들의 일방적 예방정비에 따른 부품들의 교체나 낭비를 막을 수 있는 설비 직결형 실시간 모니터링 고장시기 예측 진단장치를 개시한다. 그러한 장치는, 해당 설비의 부품 동작 상태를 감지하는 적어도 2 이상의 센서들; 상기 센서들로부터 각기 제공되는 센싱 신호를 처리하여 디지털 센싱 데이터를 생성하는 센서 입력 처리부; 상기 디지털 센싱 데이터 중 상기 해당 설비의 레시피 상에서 상호 연동되는 부품들에서 얻어진 데이터를 세팅값에 대한 오차와 에러 설정값으로 실시간 모니터링 예측 주기마다 비교 분석하여 부품 고장시기 예측 정보가 포함된 예측 진단 데이터를 생성하는 제어부; 및 상기 제어부와 외부 간의 통신이 수행되도록 하며 상기 예측 진단 데이터를 외부로 전송하는 통신부를 포함한다.

Description

설비 직결형 실시간 모니터링 고장 시기 예측 진단장치 및 그에 따른 고장예측 진단방법{Direct connected type of real time monitoring trouble prediction diagnosis apparatus in equipment and thereof trouble diagnosis prediction method}

본 발명은 반도체 소자등을 제조하는 설비 분야에 관한 것으로, 특히 설비와 직결되어 설비를 구성하는 부품들의 고장발생 가능 시기를 예측 진단할 수 있는 설비 직결형 실시간 모니터링 고장 시기 예측 진단장치 및 그에 따른 고장예측 진단방법에 관한 것이다.

산업 제조 설비들은 다양하고 복잡한 부품들로 구성되어 있다. 그러한 부품들의 이상을 검출하고 고장예측을 진단하는 기능은 매우 중요하다.

예를 들어, 반도체 처리 설비들은 정기적인 모니터닝을 필요로 한다. 처리 조건들은, 바람직하지 않은 결과들을 생성하는 중요한 프로세스 파라미터들의 매우 사소한 변화들을 가지고, 시간에 따라 변한다. 작은 변화들은 에칭 가스의 조성 또는 압력, 프로세스 챔버, 또는 웨이퍼 온도에 있어 쉽게 발생할 수 있다. 많은 경우에서, 처리 특성의 저하를 반영하는 프로세스 데이터의 변화들은 단순히 디스플레이된 프로세스 데이터를 참조하여서는 검출될 수 없다. 프로세스의 비정상성(abnormalities)및 특성 열화를 조기에 검출하는 것은 어렵다.

통상 반도체 공정은 진공 챔버 내에서 수행되며, 반도체 기판을 챔버 내에 안착시킨 후 안착된 기판의 상부에 플라즈마를 발생시켜 기판에 박막을 형성하거나 식각을 수행한다. 기판의 공정이 진행되는 동안 반도체 장치를 구성하고 있는 부품, 예컨대, 매스 플로우 컨트롤러(MFC, Mass Flow Controller), RF 소스(Radio Frequency Source), 바이어스 파워(Bias Power),압력 제어 밸브(CKD) 등에 이상이 생길 경우 챔버내 압력, 온도, 가스 주입량, 플라즈마의 상태는 변하게 되며, 이로 인해 증착 또는 식각 특성이 달라지게 만드는 문제점을 발생시킨다. 이를 해결하기 위해, 별도의 인-시튜(In-Situ) 진단 기구를 두어 플라즈마를 감시하고 있지만, 고장원인은 제공하지 못한다. 다른 방식으로는 부품의 전기적 신호와 인-시튜 상호간의 관계를 신경망으로 모델링하여 고장원인을 진단하는 방식이 있다. 이 경우 값비싼 인-시튜 시스템의 장착이 요구되고, 특정 고장예측 패턴을 미리 발생시켜야 하는 어려움이 있으며, 이로 인해 사전에 알려지지 않은 고장일 경우 그 고장원인을 제공하지 못한다.

한편, 다수의 플라즈마 장비에서 수집되는 부품 센서정보를 원격지의 호스트를 통해 하나의 처리장소에서 수집하여 처리할 경우, 방대한 양의 센서 정보를 수집하고 전달하는데 상당한 시간이 소요되며, 방대한 양의 센서 정보로 인해 고장예측진단을 위한 알고리즘이 복잡해져, 고장예측 진단의 정확도를 떨어뜨리는 문제점이 야기된다.

현재 반도체 생산 장비들에서 각종 센서정보를 활용하여 사용자가 판단 할 수 있는 정보를 제공하는 장비들도 있다. 가장 보편적으로 사용되어지는 것이 FDS,EES와 같은 시스템으로 이들은 각종 센서들의 세부적인 값을 표현하는 방식 보다는 대략적인 정보만을 제공하고 있어 사용자의 감각이나 그 능력에 따라 상태를 판단하고 검증 할 수 있다. 또한 이들 시스템들은 각종 센서들의 정보를 제공함에 있어 실제 정확한 값을 표현하는 것이 아니라 그 센서에서 제공하는 정보를 사용자에게 정확하게 전달하는 것이 아닌 이들 시스템이 받아들일수 있는 정보로 가공하여 사용자에게 제공함으로 실제 어떠한 상태인지 정확하게 인지 할 수가 없다.

예를 들어 유량 센서의 경우 이들 센서를 생산 제공하는 업체에서 배포한 자료에 보면 이들이 제공하는 정보는 0-5V라고 표현되어져 있다. 이럴 경우 기존의 정보를 사용자에게 전달하는 FDS,EES의 경우 유량 제어기로 부터 공급받은 전압정보를 이 유량 제어기를 생산하는 업체에서 제공한 자료인 0-5V 영역으로 제한하여 사용자에게 전달하게 된다.하지만 실제 이들 유량 제어기의 경우 정확하게 0-5V만의 정보를 제공하는 것이 아닌 -전압과 허용 전압 범위인 5V를 넘어서는 정보도 발생하게 된다. 이렇듯 기존 시스템의 경우 이들 유량 제어기가 마이너스(-)값을 가지고 있지만 실제 사용자에게 전달하는 값은 OV의 정보를 전달 하게 됨으로 실제 유량 제어기는 문제가 있지만 사용자는 이를 인지 할 수 없다는 것이다. 이는 - 값만이 아닌 +값의 경우도 이와 동일하다.

이렇듯 기존 시스템은 실제 센서에서 제공되는 정보를 사용자에게 그대로 전달 할 수 없어 반도체 생산과 같은 정밀한 시스템에서 생산 시스템의 특성을 동일하게 유지 할 수가 없게 되어져 있어 단 하나의 공정에서는 문제가 발생하지 않지만 여러 단계를 거친 이후의 반도체에서 그 불량이 발생하게 됨으로 그 손실이 클 수 있다.

본 발명이 해결하고자 하는 기술적 과제는 설비와 직결되어 설비를 구성하는 부품들의 고장 발생 가능 시기를 정확히 예측하여 반도체 제조 설비가 특정 부품의 이상으로 인해 가동중 급작스런 정지가 발생하지 않도록 하기 위하여 각 구성 부품들의 현재 상태와 지난 과거 상태를 실시간 감지 비교 분석하여 해당 부품의 고장이 발생할 수 있는 시기를 사용자에게 전달하는 설비 직결형 실시간 모니터링 고장시기 예측 진단장치를 제공함에 있다.

상기한 기술적 과제를 해결하기 위한 본 발명의 실시 예적 일 양상에 따라, 설비 직결형 실시간 모니터링 고장예측 진단장치는,

해당 설비의 부품 동작 상태를 감지하는 적어도 2 이상의 센서들;

상기 센서들로부터 각기 제공되는 센싱 신호를 처리하여 디지털 센싱 데이터를 생성하는 센서 입력 처리부;

상기 디지털 센싱 데이터 중 상기 해당 설비의 레시피 상에서 상호 연동되는 부품들에서 얻어진 데이터를 세팅값에 대한 오차와 에러 설정값으로 실시간 모니터링 예측 주기마다 비교 분석하여 부품고장 예측 정보가 포함된 예측 진단 데이터를 생성하는 제어부; 및

상기 제어부와 외부 간의 통신이 수행되도록 하며 상기 예측 진단 데이터를 외부로 전송하는 통신부를 포함한다.

본 발명의 실시 예적 일 양상에 따라, 설비 직결형 실시간 모니터링 고장예측 진단방법은,

해당 설비의 부품 동작 상태를 감지하는 적어도 2 이상의 센서들로부터 각기 제공되는 센싱 신호를 처리하여 디지털 센싱 데이터를 생성하고;

상기 디지털 센싱 데이터 중 상기 해당 설비의 레시피 상에서 상호 연동되는 부품들에서 얻어진 데이터를 세팅값에 대한 오차와 에러 설정값으로 실시간 모니터링 예측 주기마다 비교 분석하여 부품고장 예측 정보가 포함된 예측 진단 데이터를 생성하고;

상기 예측 진단 데이터를 상기 해당 설비의 근방에서 디스플레이하거나 외부로 전송한다.

상기한 바와 같은 본 발명의 설비 직결형 실시간 모니터링 고장예측 진단장치에 따르면, 설비를 구성하는 부품들의 고장 발생 가능 시기를 정확히 예측하여 사용자에게 전달함으로 정상 적인 장비 가동중 급작스런 정지로 인해 가공되어지던 반도체 웨이퍼의 손실을 막을 수 있고 시스템의 정비주기를 예고하고 정비시 각각의 구성부품의 교환 필요 여부를 사용자에게 전달함으로 정비비용의 감소와 정비시간을 단축 할 수 있는 이점이 있다.

도 1은 본 발명의 실시 예에 따른 설비 직결형 실시간 모니터링 고장 시기 예측 진단장치의 구성 블록도.
도 2는 도 1중 센서 입력 처리부의 예시적 세부 구성블록도.
도 3은 본 발명에 따른 실시간 모니터링 고장 시기 예측 진단 플로우챠트.
도 4a 내지 도 4c는 도 3의 예측 알고리즘에 이용되는 예시적 활용 도면들.
도 5a 및 도 5b는 도 3의 예측 알고리즘에 이용되는 다른 예시적 활용 도면들.
도 6은 본 발명이 적용되는 설비에 장착되는 부품들의 설치 예시도.
도 7은 본 발명에 따른 전원 이상 검출시의 플로우챠트.
도 8은 본 발명에 따른 입력 커넥터 연결 및 부품 교환 동작의 플로우챠트.
도 9는 본 발명에 따른 튜닝 및 캘리브레이션의 제어동작 플로우챠트.
도 10은 본 발명에 따른 동일 부품의 비교 분석 제어동작 플로우챠트.
도 11은 도 10에 사용되는 신호 파형도.
도 12는 본 발명에 따른 해당 채널 상태정보 제공의 동작 플로우챠트.

위와 같은 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은, 이해의 편의를 제공할 의도 이외에는 다른 의도 없이, 개시된 내용이 보다 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.

본 명세서에서, 어떤 소자 또는 라인들이 대상 소자 블록에 연결된다 라고 언급된 경우에 그것은 직접적인 연결뿐만 아니라 어떤 다른 소자를 통해 대상 소자 블록에 간접적으로 연결된 의미까지도 포함한다.

또한, 각 도면에서 제시된 동일 또는 유사한 참조 부호는 동일 또는 유사한 구성 요소를 가급적 나타내고 있다. 일부 도면들에 있어서, 소자 및 라인들의 연결관계는 기술적 내용의 효과적인 설명을 위해 나타나 있을 뿐, 타의 소자나 기능블록들이 더 구비될 수 있다.

여기에 설명되고 예시되는 각 실시 예는 그것의 상보적인 실시 예도 포함될 수 있으며, 반도체 제조 설비 등에 장착되는 입출력 밸브나 가스유량 제어기 등의 기본적 동작과 내부의 메카니즘 세부는 본 발명의 요지를 모호하지 않도록 하기 위해 상세히 설명되지 않음을 유의(note)하라.

먼저, 도 1은 본 발명의 실시 예에 따른 설비 직결형 실시간 모니터링 고장시기 예측 진단장치의 구성 블록도이다.

도 1을 참조하면, 설비 직결형 실시간 모니터링 고장시기 예측 진단장치는 디스플레이부(30), 전원부(40), 보조전원부(42), 메모리부(50), 센서입력 처리부(80), 제어부(100), 통신부(110)를 포함할 수 있다.

상기 제어부(100)는 CPU(102),GPU(104), 및 메모리(106)를 포함할 수 있다.

상기 CPU(102)에 의해 운영 체제의 커널영역에서 동작하는 응용 프로그램이 수행될 수 있다. 상기 GPU(104)는 상기 CPU(102)의 제어하에 그래픽 데이터를 전용으로 처리할 수 있다. 상기 GPU(104)는 프로그램인 디바이스 드라이버의 실행에 의해 그래픽 데이터를 처리한다. 상기 메모리(106)는 DRAM 등과 같은 휘발성 메모리 또는 플래시 메모리 등과 같은 불휘발성 메모리로 구성될 수 있으며, 상기 제어부(100)의 메인 메모리로서 기능한다.

상기 디스플레이부(30)에는 사용자 터치 입력을 수신하는 터치부(32)가 연결될 수 있다. 상기 터치부(32)는 감압식 또는 정전식으로 사용자 입력을 감지할 수 있다.

상기 전원부(40)는 교류전원 혹은 직류전원을 입력단(Pin)으로 수신한다. 상기 입력단(Pin)에 교류전원이 수신되는 경우에 상기 전원부(40)는 교류전원을 직류전원으로 변환하고 변환된 출력 전압을 일정한 전압으로 레귤레이팅하는 동작을 수행할 수 있다. 상기 입력단(Pin)에 직류전원이 수신되는 경우에 상기 전원부(40)는 수신된 직류 전압을 내부의 필요한 전압레벨로 컨버팅하는 동작을 수행할 수 있다.

보조 전원부(42)는 상기 전원부(40)로부터 제공되는 전원을 받아 충전하는 역할을 수행할 수 있다. 즉, 상기 보조 전원부(42)는 파워 백업을 위한 수단으로서 슈퍼 캡 혹은 리차지블 배터리로 구현될 수 있다. 예를 들어 파워 다운이나 정전 시 스위치(44)의 클로즈에 의해 상기 보조 전원부(42)의 전원이 상기 제어부(100)에 제공될 수 있다. 비록 도면에서 라인(L50)을 통해 전원이 상기 제어부(100)에 인가되는 것만이 도시되어있으나, 도 1의 각 기능 블록들 예를 들어 통신부(110), 디스플레이부(30), 센서 입력 처리부(80) 등에도 인가될 수 있다.

센서입력 처리부(80)는 복수의 센서입력부들(81,82,83)을 구비할 수 있다. 복수의 센서입력부들(81,82,83)은 해당 설비의 부품 동작 상태를 감지하는 센서들과 각기 대응적으로 연결될 수 있다. 예를 들어, 제1 센서 입력(S1)은 센서입력부(81)에 인가되고, 제2 센서 입력(S2)은 센서입력부(82)에 인가되며, 제3 센서 입력(S3)은 센서입력부(83)에 인가될 수 있다. 그러나 이는 예시적인 것에 불과하며, 하나의 센서입력부에는 복수의 센서 입력들이 인가될 수도 있다.

상기 센서 입력 처리부(80)는 센서들로부터 각기 제공되는 센싱 신호를 처리하여 디지털 센싱 데이터를 생성한다. 여기서 센싱 신호는 아나로그 전압 신호일 수 있으며, 이를 샘플링하고 양자화함에 의해 상기 디지털 센싱 데이터가 생성될 수 있다.

상기 제어부(100)는 라인(L10)을 통해 상기 디지털 센싱 데이터를 수신한다.

상기 제어부(100)는 상기 디지털 센싱 데이터 중 상기 해당 설비의 레시피 상에서 상호 연동되는 부품들에서 얻어진 데이터를 세팅값에 대한 오차와 에러 설정값으로 실시간 모니터링 예측 주기마다 비교 분석하여 부품고장 예측 정보가 포함된 예측 진단 데이터를 생성한다.

상기 통신부(110)는 상기 제어부(100)와 외부 간의 통신이 수행되도록 하며 상기 고장예측 진단 데이터를 라인(L40)을 통해 수신하여 외부로 전송한다. 상기 외부에는 호스트나 서버가 위치될 수 있다.

디스플레이부(30)는 라인(L20)을 통해 상기 제어부(100)와 연결된다. 상기 디스플레이부(30)는 터치부(32)를 통해 수신되는 사용자 입력 데이터를 상기 제어부(100)로 전달하거나, 상기 제어부(100)로부터 인가되는 디스플레이 데이터를 화면상에 표시한다.

메모리부(50)는 라인(L30)을 통해 상기 제어부(100)와 연결되어 데이터 통신을 수행할 수 있다.

도 1의 실시간 모니터링 고장시기 예측 진단장치는 설비 직결형으로 설치된다. 즉, 상기 설비가 반도체 제조 장치인 경우에 현장에 바로 위치된 장치의 각종 센서들에 상기 센서 입력 처리부(80)가 연결되고, 고장시기 예측 진단장치는 상기 반도체 제조 장치가 위치된 근방에 설치될 수 있다. 따라서, 현장의 작업자나 관리자는 상기 실시간 모니터링 고장시기 예측 진단장치의 고장예측 진단 데이터를 확인 시에 곧바로 조치를 할 수 있다.

도 2는 도 1중 센서 입력 처리부의 예시적 세부 구성블록도이다.

도 2를 참조하면, 센서 입력 처리부는, 센싱 신호(SI)에 대하여 ESD 보호나 서지 보호를 수행하기 위한 정전방전 보호/서지 보호부(80-1), 센싱 신호(SI)에 대하여 신호 무결성을 위해 임피던스 매칭을 수행하는 하이임피던스 매칭기(80-2), 설정된 증폭율로 상기 센싱 신호(SI)의 레벨을 증폭하는 복수의 증폭기들(80-3,80-4), 상기 증폭된 센싱 신호(SI)를 디지털 센싱 데이터로 변환하는 A/D 변환기(50-5), 파워 입력(PI)을 수신하여 플러그 인 플레이 수행을 행하는 플러그 인 플레이(80-6), 정전압을 제공하는 복수의 레귤레이터들(80-7,80-8), 및 상기 디지털 센싱 데이터를 출력하는 신호 변환기(80-9)를 포함할 수 있다.

도 3은 본 발명에 따른 실시간 모니터링 고장예측 진단 플로우챠트이다.

먼저, S300 단계에서 초기화를 수행한 도 1의 제어부(100)는 S301 단계에서 고장예측 진단모드인지를 체크한다. 고장예측 진단모드인 경우에 S302 단계에서 설정타임동안 부품의 센싱 신호를 측정하여 기준값을 설정한다. 상기 기준 값은 세팅값에 대한 오차를 판정하기 위해 사용된다.

S303 단계에서 샘플링 타임 경과인지를 체크하여 경과이면 디지털 센싱 데이터를 리드한다.

S304 단계에서 현재의 센싱 데이터와 상기 기준 값을 비교한다. S305 단계에서 오차를 추출하여 단위 예측 진단 데이터(예측 시간 데이터)를 생성한다.

S306 단계에서 오차 누적 값, 경과타임 실시간 관리, 및 허용 오차 관리를 수행하여 예측 진단 데이터를 생성한다.

S307 단계에서 정비 및 교환 주기를 알리는 고장시기 예측 진단 데이터를 생성한다.

결국, S302 단계 내지 S307 단계를 수행함에 의해, 부품 고장시기 예측 정보가 포함된 예측 진단 데이터가 생성된다. 고장을 예측하는 상기 예측 진단 데이터는 상기 디지털 센싱 데이터 중 상기 해당 설비의 레시피 상에서 상호 연동되는 부품들에서 얻어진 데이터를 세팅값에 대한 오차와 에러 설정값으로 실시간 모니터링 예측 주기마다 비교 분석함에 의해 얻어진 것이다.

S308 단계에서, 고장시기 예측 진단 데이터는 화면에 디스플레이되거나 통신부(110)로 제공된다. 상기 통신부(110)는 상기 고장시기 예측 진단 데이터를 외부로 전송한다.

설비나 장비의 사고발생 가능시간을 예측하면, 에러사고, 부품결함사고 등이 방지되면 생산성이 향상된다. 또한 예방정비(PM : Preventive Maintenance) 주기 시 불필요한 고가의 센서 및 제어기기 부품들의 교환이 최소화된다. 따라서, 정비 비용의 감소로 인한 원가절감의 효과가 얻어진다.

본 발명의 경우에, 실제 불량 및 문제발생 가능 시점까지의 시간 예측은, 실시간 정보의 모니터링을 통해서 SET값(지령값)과 ACT(출력값)과의 오차 정보를 저장 관리하여 단위시간 및 SET값의 변화시점 마다 발생하는 오차율, 오차변화의 증가폭, 기울기현상 등을 판단함에 의해 이루어진다.

종래의 모니터링 시스템들의 경우에는 시스템 운영 이후 저장된 방대한 데이터 중에서 필요로 하는 일부 정보 만을 사용자가 추출한다. 사용자는 그 추출된 정보를 그래프화하여 대략적인 정비 주기를 유추한다. 그러므로 사용자의 관리정보, 설비경험 등 주관적이고 통상적인 정보나 현상을 바탕에 의해 고장예측이 진단되어 신뢰성이 저하되었다. 또한 반도체 제조 장비의 부품들의 특성들 중에서 여러 가스의 혼합 운용에 의해 특정 이물질이 발생됨에 따라 각종 부품의 특성이 변화될 수 있다. 한편, 반대로 특정한 가스의 사용으로 인해 이들 이물질이 제거되는 경우도 있다. 결국, 종래에는 이런 비 정상적인 장비 내부적인 요인을 정확히 인지하기 어렵게 된다.

본 발명의 경우에는 각종 부품의 상태를 실시간으로 모니터링하고 분석을 통한 오차의 변화여부가 정확하게 판단된다. 이러한 운용관리에 따라 특정 부품의 수명이 짧아질 수도 길어질 수도 있는 내부적인 상황까지도 정확히 인지 할 수 있게 된다. 경험 및 주관적인 판단에 따라 사용 가능한 부품들이 교환되어 버리면 불필요한 정비시간의 증가와 불필요한 정비 비용이 발생되므로, 내부적인 상황까지 정확히 인식하는 기능은 매우 중요하다.

본 발명에 따르면, 각종 센서들의 SET값 및 ACT값의 오차 증가율을 감지하여 실제 문제가 발생할 수 있는 시간을 알려줄 수 있다. 계획된 정비 (PM : Preventive Maintenance) 주기 시에도 이 정보를 활용하여 교환해야 할 품목인지 정비해야 할 품목인지 아니면 아직은 사용해도 되는 품목인지가 확인되어진다.

도 4a 내지 도 4c는 도 3의 예측 알고리즘에 이용되는 예시적 활용 도면들이다.

고장시기 예측 진단의 제1 방법은 각종 센서들의 지령 값(set값)과 출력값(ACT값)의 차이와 시스템에 설정된 에러 값 범위를 이용해서 교환 및 정비 주기를 예측한다.

기본적으로 각종센서들의 값의 변동이 발생한 지점에서 일정시간 지연 후 데이터를 측정하여 그 오차 값을 저장한다. 예를 들어, 센서 값의 지령 값(센서에 연결된 부품에 인가되는 구동 명령값, 예 온/오프 신호)의 변화가 없는 경우에 측정 단위는 10분단위이고 1시간 마다 평균값을 산출한다. 한편, 센서 값의 지령 값이 변화하는 것도 단계별로 측정해서 1시간 단위로 평균값을 산출한다. 측정은 각각의 센서의 지령 값과 출력 값이 된다. 평균값 사용의 경우에, 지령 값과 출력 값은 10분 단위이든 지령 값의 변화가 생기는 타임마다 읽던 125개의 데이터를 누적하고 이를 평균을 낸 후 또다시 측정 평균을 낸다. 1시간이 되면 이것을 또다시 평균을 내서 저장하게 된다. 이 때 두 값의 차이를 초기 기준값 ref로 저장하여 관리한다. 두번째, 세 번째 역시 이와 동일한 방법을 사용하여 정보를 저장 관리한다.

두 개 이상의 값이 저장되게 되면 이 정보를 이용하여 예측 알고리즘을 시행한다. 예측 알고리즘은 도 4a에서 도시된 바와 같은 타임 스케쥴에 따라 동작하게 된다.

도 4b는 단위 구간별 고장예측 진단의 그래프를 보여준다. 도면에서 가로축은 시간이고 세로축은 시간단위의 장비의 가동 시간을 나타낸다.

도 4a에서 에러 설정 값은 1%로 가정하였다. 기준값 REF 구간 및 평균 산출은 다음과 같다.

시간의 단위 구간 동안 225초 단위로 16번의 평균을 작성한다. 225초 내에서도 20초 간격으로 8번 평균을 생성한다. 1개의 값을 산출 (REF값)한다. 만약 225초의 단위 시간 내에서 셋 값의 10%이상의 변화가 없다면 225초 마다 한번씩 평균을 낸다. 셋 값이 10%이상 변화하였다면 225초가 되지 않았다고 하더라도 5초이후에 평균을 작성하고 225초의 한주기는 도래하지 않았지만 1주기로 인정한다. 이때 한 시간 동안 셋 값의 변화가 많아서 16번이 완료가 되었다면 남은 시간 동안은 스킵 시킨다.

고장시기 예측 진단 플로우가 시작되면 1시간 동안 센싱 신호의 값을 측정하여 생성된 에러 값을 기준 값으로 설정한다. 도 4a의 1H 에서 생성된 기준 값은 관리를 위한 CNT1 값으로서 저장된다. 이후 두 번째 값이 2H에서 생성되면 첫 번째 값과 비교하여 또다시 변화된 값을 생성하게 된다. 이로 인해 생성된 두 번째 값과 기준이 되는 REF 값의 차를 이용하여 기울기를 구하여 도 4b에서 보여지는 바와 같이 예측 시간을 생성한다. 도 4b에서 그래프 G1은 상기 CNT1 의 기준 값에 대한 예측 고장 시간을 계산한다. 한편, 시점 t2에서 보여지는 바와 같이, 2시간 동안 0.1%의 값이 변화되었고 에러 설정 값이 1% 로 주어 졌다면 20시간 후에는 에러가 발생할 수 있다는 예정시간이 G2와 같이 얻어질 수 있다.

이후 또다시 3번째 데이터가 나오게 되면 이 역시 기준 값과 비교하는데 3시간 동안 0.2%가 변했기 때문에 15시간이라는 예측 값을 그래프 G3에서와 같이 구할 수 있다. 기본적으로 구동 횟수와 에러 값 그리고 오차 등 3가지 값을 동시에 이용하여 예측하는 것이 가능함을 알 수 있다. 만약 5번째 측정 후 기준 값에서 0.3%의 값이 변했다면 6시간 동안 0.2%가 변했으므로 30시간이라는 예측시간이 얻어지게 된다. 한편, G4에서 G5로 변화되는 것을 통해 알 수 있듯이 지속적으로 증가하다가도 기본적으로 내부적 환경변화에 추종할 수 있는 예측 기능이 수행된다.

고장 예측 시기 진단의 제2방법은 지속적인 헌팅 탐지를 통해 정비 및 교환주기를 예측하는 것이다.

각종 센서들이나 부품은 주어지는 지령값(목표값)을 기준으로 내부적으로 제어를 통해서 목표값을 추종하게 되는데 이때 정상적인 센서의 경우 내부적으로 모든 시스템이 안정화 되어져 있기에 실제 제어 상태의 출력값은 DC에 가깝다.

하지만 비정상적인 센서의 경우 목표값 추종에 있어서 제어값이 과도하게 변화하거나 바운스와 같은 출력값이 요동치는 현상이 발생하는데 이런 헌팅되는 양과 주기를 이용해서 시스템의 비정상적인 문제점과 수명을 추종 할 수가 있다.

기본적으로 각종 센서의 지령값(목표값)을 기준으로 설정된 에러값과 출력 제어값을 비교하여 사용하게 되는데 이때 출력값의 요동치는 폭과 일정시간 동안 발생하는 횟수를 카운터 하여 이를 통해 진단하도록 한다.

정상적인 가동 상태에서 첫번째 헌팅이 발생하고 (이때 헌팅이라고 판단하는 기준은 10초이상 지속될 경우-여기서 헌팅을 판단하는 시간은 본 발명을 설명하고자 하기 위한 예시값이다)정상화 되었다면 이때의 시간 정보와 헌팅의 값을 저장한다. 이후 두번째 헌팅이 발생하였다면 이들 정보를 또 다시 저장하여 첫번째와 두번째 헌팅이 발생한 지점까지의 시간을 계산하고 이를 통해서 첫번째 예측 시간을 얻는다. 이후 또다시 세번째 헌팅이 발생하였다면 첫번째와 세번째까지의 시간을 또 다시 연산하여 변경된 추종시간을 얻어낼 수 있다.

상기 제2 방법에 따른 예측 알고리즘은 도 4c에서의 타임 테이블에 따라 동작하게 된다. 도 4c는 시간당 12번 이상 헌팅이 발생할 경우 경보 발생을 기준으로 예를 든 것이다. 만약 헌팅이 2분 이상 지속되는 경우는 고장이 이미 난 것이므로 예측 알고리즘을 별도로 이용하지 않는다.

시스템이 시작되면 첫번째 헌팅이 발생할 때 까지 모니터링을 하게 된다.

1시간 후 첫번째 헌팅이 발생하였다고 한다면 이때의 시간 정보와 전압폭 및 에러폭을 저장 관리하여야 한다. 이후 두 번째 헌팅이 발생하면 이도 첫번째와 동일하게 저장을 하게 된다. 그리고 헌팅발생 횟수를 카운터 하여 저장하게 된다. 저장된 정보를 이용하여 헌팅 횟수와 시스템이 시작되고 발생된 시점까지의 시간을 이용 예측하게 된다. 만약 도 4c 같이 헌팅이 발생하였다면 시스템이 시작되고 2시간 이후에 첫번째 헌팅(C1)이 발생되고, 3시간 지난 후 두번의 헌팅(C2)이 발생된 셈이다. 그러므로 전체 3시간 동안 2번 헌팅이 발생되었고 첫번째 발생 빈도에 비해서 30%의 발생빈도가 증가되었으므로, 시간당 30%가 증가된 기울기를 얻을 수 있다. 이를 기준으로 시간당 30%의 증가가 지속적으로 발생한다고 한다면 시간당 12번이 발생할 수 있는 고장 예측 진단시간은 대략 10시간이 될 것이다. 이러한 방식으로 고장 예측 시간을 유추를 하고 만약 그 증가율이 감소하게 된다면 감소한 증가율을 기준으로 유추값을 새로 설정하게 된다. 환경변화에 추종할 수 있는 알고리즘이기 때문이다.

고장 예측 시기 진단의 제3방법은 제1방법과는 달리 지령값과 출력값의 오차를 감시하는 방법이 아닌 지령값이 일정할 경우 센서들이나 부품들의 출력 전압 증가분을 지속적으로 분석 탐지를 행하여 정비 및 교환주기를 예측하는 것이다.

도 5a 및 도 5b는 상기 제3 방법에 이용되는 예시적 활용 도면들이다. 각종 부품이나 센서들은 주어지는 지령값을 기준으로 제어되므로 지령값을 추종하게 된다. 즉,정상적인 부품이나 센서의 경우 내부적으로 모든 시스템이 안정화 되어져 있기에 실제 제어 상태의 출력값은 DC에 가까우며 그 오차는 생산 업체들에서 제공하는 오차범위 내이다. 또한 그 오차율이 0과 같거나 지령값보다 작은 값 즉 마이너스(-)오차를 가지게 된다.

예를 들의 가스 유량 제어기(MFC)의 경우 지령값에 따라 내부의 유량 밸브가 제어되어 가스가 목표량으로 배출된다. 만약, 내부 배관에 이물질이 발생되었다면 가스 유량 제어기는 지령값을 추종하기 위하여 밸브을 보다 많이 열어 가스를 배출하게 된다. 이로 인해 출력값 은 증가하게 될 것이다.

이와 같이 지령값이 일정하게 유지되는 동안은 고장시기 예측 진단의 제 3방법이 활용될 수 있다.

시스템이 가동되어지고 특정 밸브 신호들과 지령값이 변경되었다면 (100mv이상 10초간 유지) 이 시점을 제 3방법의 시작점으로서 도 5a의 시점 t1에서 기록한다. 이때 이 시작점을 기록하는 것은 반도체 장비가 일련의 해당 공정을 무한 반복하는 장비이므로 다음의 재 가동 시에도 동일한 시점에서 또 다시 고장시기 예측 진단의 제3방법을 활용하기 위해서이다. 즉, 이전단계에서 발생한 예측정보를 재 가동시에 다시 활용하기 위함이다.

제3 방법에서는 지령값과 출력값의 차를 구하는 것이 아니라 출력값만이 저장된다. 이때 첫번째 출력값의 생성은 고장시기 예측 진단의 제 1방법과 같이 ref값을 구하는 방식을 그대로 사용할 수 있다.도 5b의 그래프 G10은 상기 ref 값을 가리킨다. 예를 들어, 10초의 지연시간을 가지고 100번 이상의 출력 값을 센싱하여 그 평균값을 ref로서 저장할 수 있다.

이러한 방법으로 첫번째 값이 생성되어지고 나서지령값이 변화되지 않았다면 일정한 시간 간격으로 출력값을 여러 번 측정하여 평균치를 저장하게 된다. 이런 방식으로 지령값이 변화하지 않았다면 무한 반복하게 된다. 여기서 지령값을 제어하고자 하는 목표값을 의미한다.

여기서 2개 이상의 데이터가 생성되었다면 첫번째 생성된 출력값의 ref와 최근 생성된 2번째 데이터의 차를 이용하여 증가분을 도 5b의 그래프 G11에서와 같이 저장하게 된다.

이 증가분의 값을 %로 변환하여 저장하게 되고 이후 기 설정된 에러 한계(1%로 가정)와 비교하여 첫번째 발생한 예측 정보가 1시간 동안 0.1%의 출력값이 증가하였다면 10시간이후에 에러 한계를 벗어 날수 있다는 예측 시기 정보를 계산할 수 있다. 이런 방식으로 세 번째, 네번째 정보가 발생되면 첫번째 출력값의 ref와 그 차를 비교하여 또 다른 예측 시기 정보를 계산 할 수 있다.

제 3방법이 수행되어지다가 지령값이 변화하고 각종 밸브 및 신호들이 변화했다면 이 방법의 수행은 중단 되어지게 된다. 도 5a에서 시점 t2와 시점 t3 사이의 구간은 상기 제3 방법의 수행이 중단되는 구간을 의미한다.

이후 제 3방법의 시작점에 해당하는 각종 밸브 및 지령값이 도래하면 이 방법을 전단계에 수행되어져 왔던 것에 이어서 진행하게 된다.

이런 방법으로 지속적으로 감시를 하게 되면 가스 유량 제어기의 내부 배관의 이물질의 증가분이 감지될 수 있다. 따라서, 이 방법에 의하면 부품이나 배관의 정비 및 세정 주기를 예측 할 수 있다.도 6은 본 발명이 적용되는 설비에 장착되는 부품들의 설치 예시도이다.

도 6을 참조하면, 반도체 제조 장비의 설치 부품들의 예시가 간략히 도식적으로 보여진다.

도 6내에서 가스 입력밸브 2와 가스 출력밸브 10 사이에는 가스 유량 제어기인 MFC 6이 설치된다. 가스 입력밸브 4와 가스 출력밸브 12 사이에는 가스 유량 제어기인 MFC 8이 설치된다. 반도체 웨이퍼를 처리하기 위한 챔버를 가진 노(furnace) 14에 연장된 배관 16에 설치된 압력 밸브 24는 압력 밸브 제어기 22에 의해 콘트롤되고 제1,2 압력센서들 18,20은 상기 1,2 센서들에 대응된다.

도 7은 본 발명에 따른 전원 이상 검출시의 플로우챠트 이다.

도 7을 참조하면, S120 단계에서 전원 이상이 검출되면 S121 단계에서 보조 전원부가 구동된다. 상기 보조 전원부가 구동되는 동안에 S122 단계에서 메모리(106)에 저장된 각종 데이터 및 고장예측 진단 데이터는 통신부(110)를 통해 호스트로 전송된다. 또한, S123 단계에서 상기 데이터는 데이터 백업을 위해 내부의 불휘발성 메모리 예컨대 플래시 메모리 혹은 SSD 나 HDD 와 같은 외부 저장 메모리에 저장된다.

S124 단계에서 설정된 오프 타임이 경과되었는 지를 체크하여 경과 시에는 S125 단계에서의 파워 오프 모드로 진입한다.

이와 같이 정전 시 시스템의 유지 및 장비 셧다운 상태 기록이 소멸없이 유지된다. 순간 정전 및 전원 계통의 사고로 인해 모든 시스템이 다운되는 현상이 발생하여도 일정시간 동안 본 발명의 장치에서 전원을 유지할 수 있다. 따라서, 반도체 장비의 정지된 상태의 원인 및 당시의 각종 정보를 저장 관리할 수 있게 된다. 사고 발생시 시스템이 어떠한 상황으로 진행 및 전개되었는지를 판단할 수 있는 정보가 획득된다. 정전 및 전원 사고 발생시 일반적인 장치의 경우 모든 정보 전송이 동시에 차단되어져 셧다운 상태에서 어떠한 비 정상적인 상태가 유지되어 있는지 파악하기 힘들다. 그러한 경우에 초기 시스템의 복구에 애로 사항이 발생될 수 있다. 초기 복구 시간을 최소화 하기 위해서 본 발명의 경우에는 도 13의 동작 수행이 행해진다. 따라서, 전원 상태를 탐지하여 정전 및 전원 이상 상태를 확인하고 이 신호가 감지되면 감지된 시점의 시간 정보를 기록하고 모든 부품류의 센싱 정보를 설정된 타임 내에서 저장하게 된다.

도 8은 본 발명에 따른 입력 커넥터 연결 및 부품 교환 동작의 플로우챠트 이다.

도 8을 참조하면, S130 단계에서 입력 커넥터에 부품이 연결되면 S131 단계에서 채널 서치가 수행되고, S132 단계에서 연결 채널 정보가 디스플레이된다. S133 단계에서 연결정보를 저장한다. S134 단계에서 입력 커넥터에 연결된 부품이 오프되었는 지를 체크한다. 부품 오프의 경우에 S135 단계에서 부품 교환의 여부를 체크하여 아니면 S136 단계에서 해당 커넥터의 전원 에러로 판정한다. 부품 교환의 경우에는 S137 단계에서 부품 셋팅인지가 체크되고, 셋팅이 아니면 S138 단계에서 기존 셋팅값을 유지한다.

부품의 셋팅인 경우에 S139 단계에서 교환 내역 정보 저장 및 기존 셋팅값의 초기화 수행이 일어난다.

S139 단계가 수행되면 S140 단계에서 부품 셋팅 화면이 디스플레이되고 셋팅 입력을 받아 투입된 부품에 대한 셋팅이 수행된다.

도 8의 경우에는 부품 연결의 자동 탐지, 이상 판단, 및 부품 교환 내역 관리기능의 수행을 위한 제어흐름도이다. 각종 센서의 연결 시 어떠한 입력 커넥터에 연결되어지면 기존의 경우 해당 채널이 몇 번인지 이것이 무엇인지를 사용자가 확인해야 한다. 그러나 본 발명에서는 센서 및 기타 장치가 연결되면 몇 번 채널에 연결되었는지를 시스템에서 자동으로 탐지하여 사용자에게 전달한다.

따라서, 접속불량(에러) 및 설치(set-up)시간이 최소화될 수 있다. 특정 부품의 교환 여부를 체크하여 그 내역을 저장 관리함에 의해 시스템의 전체적인 상황을 사용자에게 제공할 수 있다. 부품의 교환인지 부품의 이상 발생인지를 판단하기 위해 부품 교환여부를 사용에게 확인토록 하고, 특정 시간 동안 사용자 확인이 없으면 장비의 전체 이상 경보가 발생되고, 사용자 확인이 있는 경우에는 정상정비 로 간주하여 해당 부품의 교환일자 및 시간을 자동으로 저장한다. 시스템 초기 설치 시 설정된 셋팅 값을 초기화하여 교체된 부품에 대한 초기 설정 값을 다시 저장한다.

도 9는 본 발명에 따른 튜닝 및 캘리브레이션의 제어동작 플로우챠트 이다.

도 9를 참조하면, S1400 단계에서 초기 시험 데이터의 저장 후에 S1410 단계에서 튜닝 및 캘리브레이션을 위한 변경 정보의 저장이 수행된다. S1420 단계에서 비교 및 오차 표시가 수행되고, S1430 단계에서 보정위치가 제공된다.

장비가 최초 완전히 설치된 이후 첫 번째 가동상태에서 각종 부품류의 각종 정보가 저장되고 또한 지령 값등의 변화 시 해당 정보가 저장된다. 이후에 튜닝 및 캘리브레이션시의 사용을 위해 그러한 변경정보가 데이터화되어 저장된다.

캘리브레이션 명령이 수행되면 해당 부품의 표준 데이터를 화면상에 표시하고 실제 측정되는 출력값을 표준 데이터 화면위에 디스플레이 하여 오차정보를 확인하게 된다. 측정정보와의 차이를 일정한 시간 단위로 비교 분석하여 오차 정보를 사용자에게 전달하게 된다. 사용자는 이들 정보를 이용하여 부품류의 튜닝에서 어떤 곳을 보정해야 하는 지 확인 할 수 있게 되면 이를 반복적으로 수행함으로써 정확한 보정이 가능하다.

도 10은 본 발명에 따른 동일 부품의 비교 분석 제어동작 플로우챠트이다,

도 10을 참조하면, 생산 장비 내에서 동일한 부품류의 특성 오차를 최소화 하기 위해서 서로 비교 분석할 수 있는 기능이 S1430 단계에서 진입된다. 이에 따라, 생산장비의 전체 시스템의 오차를 최소화하여 장비의 성능을 항상 최적화 할 수 있다.

사용자에 의해서 동일한 부품 류의 상태를 상호 비교할 수 있게 하기 위해서 수행하는 방법이 채용된다. 비교 대상의 부품들이 선택이 되면 비교 분석에 필요한 분석용 화면으로 전환하게 되고 비교 분석 알고리즘이 수행되게 된다. 일정시간 자동으로 분석 프로그램이 수행되게 되면 이후 2개 이상의 채널 정보를 연산 정리하여 채널간 오차율, 과도 현상에서의 제어 속도의 차이 등 다양한 정보가 S1510 단계에서 추출된다. S1520 단계를 통해 오차 정보가 디스플레이된다. 이 기능을 이용함으로 장비 설치시나 교환 후 그리고 주기적인 정비 시에도 동일 부품 류들의 상태를 정확하게 비교 분석할 수가 있게 되어 장비 성능 향상에 기여 할 수 있다.

도 11은 도 10에 사용되는 신호 파형도이다.

도면을 참조하면 가로축은 시간을 세로축은 전압을 가리킨다. 그래프 P10은 제1 부품에 관련된 센싱 출력이다. 그래프 P20은 상기 제1 부품과 비교되는 제2 부품에 관련된 센싱 출력이다. 같은 종류의 A.B부품에 지령값을 3.2V에서 0V로 변화시켰지만 각각의 부품들간에 반응하는 시간이 서로 다른 것을 알 수 있다.

동일한 부품을 선택하고 지령값의 변화시나 특정 신호 입력시 반응하는 출력 값을 동시에 측정 할 수 있어 사용자가 각각의 부품들간의 차이점을 진단할 수 있다. 이를 토대로 각 부품들의 오차를 최소화 하는 관리가 시스템 단위로 수행될 수 있다.

도 12는 본 발명에 따른 해당 채널 상태정보 제공의 동작 플로우챠트 이다.

사용자가 현장에서 곧바로 각종 부품류의 정보를 보지 못하고 원격으로 전송된 정보만을 호스트를 통해 확인하는 경우에 운영이 바람직하지 못하고 정비 시간이 증가될 수 있다. 도 17에서는 해당 부품류의 정보가 확인될 수 있도록 저장된 정보를 추출하는 기능을 제공한다. 따라서, 현장에서도 기본적인 정보를 사용자에게 직접적으로 제공하여 장비의 운영 및 정비 시간을 최소화 시킬 수 있다.

S1710 단계에서, 사용자가 해당 부품의 정보를 요청하였는 지를 체크하고, S1720 단계에서, 해당 부품의 데이터를 전체 데이터에서 추출하여 해당 채널의 정보만을 확인 할 수 있게 데이터를 리드한다. S1730 단계에서, 데이터 변환 및 화면 출력을 포맷화한 다음, S1740 단계에서, 각종 오류 정보, 오차율 정보, 및 시간 등을 포함한 교환주기와 같은 상태 정보를 화면 상에 디스플레이한다.

한편, 본 발명의 실시 예에서는 다음과 같은 기능들이 추가적으로 제공될 수 있다.

발생된 에러 및 교환된 부품 리스트의 정보를 저장관리함으로 사용자가 보다 편리하게 볼 수 있도록 통계적으로 변환하는 기능이 추가될 수 있다. 이에 따르면 사용자에게 좀더 정확하고 편리한 정보 검색 및 판단 정보를 제공할 수 있다.

한편, 시스템이 초기화 되거나 구동되면 현재 시스템의 초기값을 확인 설정하게 되고 현재 상태정보를 내부 임시 저장소 1에 저장한다. 내부 임시 저장소 1의 저장용량을 초과하게 되면 내부 임시 저장소 2로 전환하여 다시 저장을 하게 된다.

여기서, 임시 저장소는 대용량 하드디스크 드라이버나 SSD로 구현될 수 있다. 하드웨어적으로 제한적인 저장소의 용량의 한계를 극복하면서 문제 발생시 특정 영역 범위의 정보를 소멸없이 추출하는 것이 필요하기 때문이다. 임시저장소에 저장되는 정보와 함께 이상 전압이나 특정 문제가 발생하였다고 판단할 경우 발생된 시간 정보 및 날짜 정보를 확인하고 그 시점에서 부터 이전의 1분 그리고 이후의 1분에 대한 정보를 외부 저장소에 저장을 하게 된다. 이때 A의 부품에서 이상이 감지될 경우에 A 부품의 데이터만 저장하는 것이 아니다. 왜냐하면, 반도체 생산 장비 및 시스템단위의 장비들의 경우 단순히 1개의 부품에서 에러가 감지되었다고 하여 에러가 감지된 부품만의 문제가 아니다. 결국, 모든 부품들이 연동되어져 운전되게 됨으로 에러가 감지된 부품만을 의심 할 수가 없다. 이와 같이 에러가 감지된 부품이외에 상호 연동되는 모든 부품의 정보를 저장하게 함으로 실제 어느 부품이 어떻게 동작되었는지를 확인 할 수 있다. 또한 통신부를 통해 호스트가 연결되어 있다면 이상이 발생된 시간 정보를 추가적으로 전송함에 의해, 원격으로 장비의 상태를 모니터링 하는 시스템에서도 어떤 시점에서 문제가 발생하였는지를 정확히 판단 할 수 있다.

또한 통신부를 통해 호스트가 연결되어 있다면 예측 정보를추가적으로 전송함에 의해, 원격으로 부품의 상태 정보와 정비 예측 시간을 모니터링이 가능함으로 어떤 시점에서 문제가 발생하였는지를 정확히 판단 할 수 있다.

이상에서와 같이 도면과 명세서를 통해 최적 실시 예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 예를 들어, 사안이 다른 경우에 본 발명의 기술적 사상을 벗어남이 없이, 장치의 내부 구성이나 세부적 구조 및 형태를 다양하게 변경 및 변형할 수 있을 것이다.

80: 센서입력 처리부
100: 제어부
110: 통신부

Claims (11)

1. 해당 설비의 부품 동작 상태를 감지하는 적어도 2 이상의 센서들;
   상기 센서들로부터 각기 제공되는 센싱 신호를 처리하여 디지털 센싱 데이터를 생성하는 센서 입력 처리부;
   상기 디지털 센싱 데이터 중 상기 해당 설비의 레시피 상에서 상호 연동되는 부품들에서 얻어진 데이터를 세팅값에 대한 오차와 에러 설정값으로 실시간 모니터링 예측 주기마다 비교 분석하여 부품고장 예측 정보가 포함된 예측 진단 데이터를 생성하는 제어부; 및
   상기 제어부와 외부 간의 통신이 수행되도록 하며 상기 예측 진단 데이터를 외부로 전송하는 통신부를 포함하는 설비 직결형 실시간 모니터링 고장예측 진단장치.
   
2. 제1항에 있어서, 상기 제어부는,
   설정 타임동안 센싱 세팅값과 상기 센싱 신호의 센싱 출력값 간의 오차를 구하여 기준값을 설정하고;
   이후 제1 샘플링 타임 주기가 되면 제2 센싱 출력값을 리드하여 상기 기준값과의 제1 차이 값을 산출하고, 에러 설정 값에서 상기 산출된 제1 차이 값을 감산하여 에러 비율을 구한 후 제1 샘플링 타임 주기에서 예측되는 제1 에러 예측 시간을 생성하고;
   상기 제1 샘플링 타임 주기 이후의 제2 샘플링 타임 주기가 되면 제3 센싱 출력값을 리드하여 상기 기준값과의 제2 차이 값을 산출하고, 상기 에러 설정 값에서 상기 산출된 제2 차이 값을 감산하여 에러 비율을 구한 후 제2 샘플링 타임 주기에서 예측되는 제2 에러 예측 시간을 생성하고;
   상기 제2 샘플링 타임 주기 이후 제n(n은 3이상의 자연수)샘플링 타임 주기가 되면 제n 센싱 출력값을 리드하여 상기 기준값과의 제n 차이 값을 산출하고, 상기 에러 설정 값에서 상기 산출된 제n 차이 값을 감산하여 에러 비율을 구한 후 제n 샘플링 타임 주기에서 예측되는 제n 에러 예측 시간을 생성하고;
   상기 생성된 예러 예측 시간이 사전 경보 타임에 도달 시 상기 에러 예측 진단 데이터를 표시하거나 경보하는,
   설비 직결형 실시간 모니터링 고장시기 예측 진단장치.
   
3. 제1항에 있어서, 상기 해당 설비는 반도체 제조 장비, LCD 제조 장비, 태양광 장비 중 적어도 하나인 설비 직결형 실시간 모니터링 고장시기 예측 진단장치.
   
4. 제1항에 있어서, 상기 실시간 모니터링 주기는 1초당 수회 내지 수백회 이상인 설비 직결형 실시간 모니터링 고장시기 예측 진단장치.
   
5. 제1항에 있어서, 상기 통신부는 외부의 호스트와 연결되어 상기 해당 설비로 정전 및 비정상적인 전원이 유입 시 설비 셧다운 상태 데이터를 상기 호스트로 전송하는 설비 직결형 실시간 모니터링 고장시기 예측 진단장치.
   
6. 해당 설비의 부품 동작 상태를 감지하는 적어도 2 이상의 센서들로부터 각기 제공되는 센싱 신호를 처리하여 디지털 센싱 데이터를 생성하고;
   상기 디지털 센싱 데이터 중 상기 해당 설비의 레시피 상에서 상호 연동되는 부품들에서 얻어진 데이터를 세팅값에 대한 오차와 에러 설정값으로 실시간 모니터링 예측 주기마다 비교 분석하여 부품고장 시기예측 정보가 포함된 예측 진단 데이터를 생성하고;
   상기 예측 진단 데이터를 상기 해당 설비의 근방에서 디스플레이하거나 외부로 전송하는 설비 직결형 실시간 모니터링 고장시기 예측 진단방법.
   
7. 제6항에 있어서, 상기 해당 설비는 반도체 제조를 위한 부품들과 연결된 센서들을 포함하는 설비 직결형 실시간 모니터링 고장시기 예측 진단방법.
   
8. 제6항에 있어서, 상기 실시간 모니터링 예측 주기는 1초당 수회 내지 수백회 이상이며 상기 오차와 에러 설정값은 평균값으로서 측정되는 설비 직결형 실시간 모니터링 고장시기 예측 진단방법.
   
9. 제6항에 있어서, 상기 예측 진단 데이터의 생성은 주어진 에러 설정값 하에서 센서들의 지령값과 출력값의 차이를 이용하여 기울기를 구함에 의해 생성되는 설비 직결형 실시간 모니터링 고장시기 예측 진단방법.
   
10. 제6항에 있어서, 상기 예측 진단 데이터의 생성은 주어진 에러 설정값 하에서 센서들의 지령값과 출력값의 헌팅 횟수를 카운팅하여 발생빈도를 구함에 의해 생성되는 설비 직결형 실시간 모니터링 고장시기 예측 진단방법.
    
11. 제6항에 있어서, 상기 해당 설비가 일정한 지령값으로 제어되는 상태에서, 상기 예측 진단 데이터의 생성은 상기 센싱 데이터의 출력 증가분을 지속적으로 분석 및 탐지함에 생성되는 설비 직결형 실시간 모니터링 고장시기 예측 진단방법.
    

Images