KR20200059149A - 반송 유닛의 감시 방법 및 감시 장치와 감시용 모델 - Google Patents

반송 유닛의 감시 방법 및 감시 장치와 감시용 모델 Download PDF

Info

Publication number
KR20200059149A
KR20200059149A KR1020190145183A KR20190145183A KR20200059149A KR 20200059149 A KR20200059149 A KR 20200059149A KR 1020190145183 A KR1020190145183 A KR 1020190145183A KR 20190145183 A KR20190145183 A KR 20190145183A KR 20200059149 A KR20200059149 A KR 20200059149A
Authority
KR
South Korea
Prior art keywords
unit
monitoring
model
value
state
Prior art date
Application number
KR1020190145183A
Other languages
English (en)
Inventor
준노스케 마키
다쿠로 츠츠이
료 아이자와
도모야 우자키
아츠시 오타
Original Assignee
도쿄엘렉트론가부시키가이샤
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 도쿄엘렉트론가부시키가이샤 filed Critical 도쿄엘렉트론가부시키가이샤
Publication of KR20200059149A publication Critical patent/KR20200059149A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G49/00—Conveying systems characterised by their application for specified purposes not otherwise provided for
    • B65G49/05—Conveying systems characterised by their application for specified purposes not otherwise provided for for fragile or damageable materials or articles
    • B65G49/06—Conveying systems characterised by their application for specified purposes not otherwise provided for for fragile or damageable materials or articles for fragile sheets, e.g. glass
    • B65G49/061—Lifting, gripping, or carrying means, for one or more sheets forming independent means of transport, e.g. suction cups, transport frames
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70691—Handling of masks or workpieces
    • G03F7/70733—Handling masks and workpieces, e.g. exchange of workpiece or mask, transport of workpiece or mask
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70691—Handling of masks or workpieces
    • G03F7/70758—Drive means, e.g. actuators, motors for long- or short-stroke modules or fine or coarse driving
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/708—Construction of apparatus, e.g. environment aspects, hygiene aspects or materials
    • G03F7/70975—Assembly, maintenance, transport or storage of apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67259—Position monitoring, e.g. misposition detection or presence detection
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/677—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/677—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations
    • H01L21/67739—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations into and out of processing chamber
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2201/00—Indexing codes relating to handling devices, e.g. conveyors, characterised by the type of product or load being conveyed or handled
    • B65G2201/02—Articles
    • B65G2201/0214—Articles of special size, shape or weigh
    • B65G2201/022—Flat
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/02—Control or detection
    • B65G2203/0266—Control or detection relating to the load carrier(s)

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Epidemiology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)

Abstract

[과제] 반송 유닛의 이상의 예조를 검출한다.
[해결수단] 피반송체를 반송하는 반송 유닛의 감시 방법으로서, 상기 반송 유닛은, 기판 처리 장치에 마련되며, 상기 피반송체를 유지하여 반송하는 반송부와, 상기 반송부를 구동하는 모터를 가지고, 상기 감시 방법은, 상기 모터의 상태의 지표가 되는 값을 상태값으로 하고, 상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델을 관계성 모델로 하였을 때에, 기계 학습에 의해 얻어진 상기 관계성 모델과, 감시 대상의 상기 반송 유닛에 대해서 얻어진 복수 종류의 상기 상태값에 기초하여, 상기 감시 대상의 상기 반송 유닛의 건강도를 산출하는 산출 공정과, 상기 산출 공정에 의해 산출된 상기 건강도에 따라, 상기 감시 대상의 상기 반송 유닛의 상태에 관한 정보를 출력하는 출력 공정을 갖는다.

Description

반송 유닛의 감시 방법 및 감시 장치와 감시용 모델{MONITORING METHOD AND MONITORING APPARATUS OF TRANSFER UNIT, AND MODEL FOR MONITORING}
본 개시는 반송 유닛의 감시 방법 및 감시 장치와 감시용 모델에 관한 것이다.
특허문헌 1은 피반송 부품을 피구동 수단에 탑재하여 반송하는 장치를 개시하고 있다. 이 장치는, 모터의 회전 구동력에 의해 구동측 풀리를 회전시킴으로써, 피구동 수단을 정해진 방향으로 이동하는 구동 수단을 갖는다. 또한, 이 장치는, 피구동 수단의 반송 상태를 감시하는 반송 감시 수단을 갖는다. 반송 감시 수단은, 피구동 수단을 구동하는 데 필요한 모터의 토크값을 검출하고, 검출한 토크값에 기초하여 토크값의 시간에 대한 토크 미분값을 산출하고, 산출한 토크 미분값을 이용하여 반송 상태를 검출한다. 이에 의해, 특허문헌 1에 개시된 장치에서는, 반송 시에 발생한 이상을 검출하고 있다.
특허문헌 1: 일본 특허 공개 제2013-133192호 공보
본 개시에 따른 기술은, 반송 유닛의 이상(異常)의 예조(予兆)를 검출한다.
본 개시의 일양태는, 피반송체를 반송하는 반송 유닛의 감시 방법으로서, 상기 반송 유닛은, 기판 처리 장치에 마련되며, 상기 피반송체를 유지하여 반송하는 반송부와, 상기 반송부를 구동하는 모터를 가지고, 상기 감시 방법은, 상기 모터의 상태의 지표가 되는 값을 상태값으로 하고, 상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델을 관계성 모델로 하였을 때에, 기계 학습에 의해 얻어진 상기 관계성 모델과, 감시 대상의 상기 반송 유닛에 대해서 얻어진 복수 종류의 상기 상태값에 기초하여, 상기 감시 대상의 상기 반송 유닛의 건강도를 산출하는 산출 공정과, 상기 산출 공정에 의해 산출된 상기 건강도에 따라, 상기 감시 대상의 상기 반송 유닛의 상태에 관한 정보를 출력하는 출력 공정을 포함한다.
본 개시에 따르면, 반송 유닛의 이상의 예조를 검출할 수 있다.
도 1은 본 실시형태에 따른 반송 유닛의 감시 장치를 구비하는 감시 시스템(1)의 구성의 개략을 나타내는 블록도이다.
도 2는 반송 유닛의 개략 구성을 나타내는 블록도이다.
도 3은 반송 유닛의 개략 구성을 나타내는 측면도이다.
도 4는 반송 유닛의 개략 구성을 나타내는 평면도이다.
도 5는 서머리 데이터에 부여되어 있는 부속 정보의 일례를 나타내는 도면이다.
도 6은 통계 데이터에 부여되어 있는 부속 정보의 일례를 나타내는 도면이다.
도 7은 고장이 예측되는 부위를 특정하기 위해 이용되는 테이블의 일례를 나타내는 도면이다.
도 8은 감시 장치의 모델 취득부에 있어서의 관계성 모델의 취득 처리의 일례를 설명하기 위한 흐름도이다.
도 9는 감시 장치에 있어서의 감시 처리의 일례를 설명하기 위한 흐름도이다.
예컨대 반도체 디바이스의 제조 프로세스에 있어서의 포토리소그래피 공정에서는, 반도체 웨이퍼(이하, 「웨이퍼」라고 생략하는 경우가 있음) 상에 정해진 레지스트 패턴을 형성하기 위해 일련의 처리가 행해진다. 상기 일련의 처리에는, 레지스트액을 도포하여 레지스트막을 형성하는 도포 처리, 레지스트막을 정해진 패턴으로 노광하는 노광 처리, 노광된 레지스트막에 현상액을 도포하여 현상하는 현상 처리 등이 포함된다. 또한, 상기 일련의 처리는, 웨이퍼를 처리하는 각종 처리 유닛이나 웨이퍼를 반송하는 반송 유닛 등이 마련된 기판 처리 장치 및 그 기판 처리 장치에 인접하여 배치된 노광 장치로 행해지고 있다.
기판 처리 장치에 마련되는 반송 유닛에 관련하여, 특허문헌 1에는, 피반송 부품을 탑재하여 반송하는 피구동 수단의 반송 상태를 감시하는 반송 감시 수단이 개시되어 있다. 이 반송 감시 수단은, 전술한 바와 같이, 피구동 수단을 구동하는 데 필요한 모터의 토크값을 검출하고, 검출한 토크값에 기초하여 토크값의 시간에 대한 토크 미분값을 산출하고, 산출한 토크 미분값을 이용하여 반송 상태를 검출한다. 이에 의해, 반송 시에 발생한 이상을 검출 가능하게 하고 있다.
그러나, 반송 유닛에 있어서 상기 이상이 실제로 발생하면, 그 반송 유닛이 마련된 기판 처리 장치 전체가 정지하기 때문에, 이상이 발생하기 전에 그 발생을 예측하는 것이 요구되고 있고, 바꾸어 말하면, 이상의 예조를 검출하는 것이 요구되고 있다. 이상의 예조를 검출할 수 있으면, 검출 후, 이상의 예조가 검출된 반송 유닛의 부품의 메인터넌스나 교환을 행하고, 계획 외의 장치 정지 시간을 저감시킴으로써, 기판 처리 장치의 가동률을 향상시킬 수 있다.
그래서, 본 개시에 따른 기술은, 반송 유닛의 이상의 예조를 검출한다.
이하, 본 실시형태에 따른 반송 유닛의 감시 방법 및 감시 장치를, 도면을 참조하여 설명한다. 또한, 본 명세서 및 도면에 있어서, 실질적으로 동일한 기능 구성을 갖는 요소에 있어서는, 동일한 부호를 붙임으로써 중복 설명을 생략한다.
도 1은 본 실시형태에 따른 반송 유닛의 감시 장치를 구비하는 감시 시스템(1)의 구성의 개략을 나타내는 블록도이다. 도 2는 반송 유닛의 개략 구성을 나타내는 블록도이다. 도 3 및 도 4는 각각, 반송 유닛의 개략 구성을 나타내는 측면도 및 평면도이다. 도 5는 서머리 데이터에 부여되어 있는 부속 정보의 일례를 나타내는 도면이다. 도 6은 통계 데이터에 부여되어 있는 부속 정보의 일례를 나타내는 도면이다. 도 7은 고장이 예측되는 부위를 특정하기 위해 이용되는 테이블의 일례를 나타내는 도면이다.
감시 시스템(1)은, 도 1에 나타내는 바와 같이, 복수의 처리 장치로서의 기판 처리 장치(21∼2p)(이하, 합쳐서 「기판 처리 장치(2)」라고 칭하는 경우가 있음)와, 감시 장치(3)를 갖는다. 복수의 기판 처리 장치(21∼2p)와, 감시 장치(3)는, 로컬 에어리어 네트워크(LAN)나 인터넷이라고 하는 네트워크를 통해 접속되어 있다. 또한, 이하에서는, 설명의 간략화를 위해, 기판 처리 장치(21∼2p) 중 기판 처리 장치(21)만이 감시 장치(3)의 감시 대상인 것으로 한다. 또한, 설명의 간략화를 위해, 기판 처리 장치(21∼2p)가 갖는 후술하는 반송 유닛 및 반송 아암은 전부 동종류이며 동일한 구조를 갖는 것으로 한다.
기판 처리 장치(21)는, 도포 현상 처리 장치 등의 반도체 제조 장치이다. 기판 처리 장치(21)는, 웨이퍼에 대하여 레지스트막 형성을 위한 도포 처리 등의 각종 처리를 행하는 처리 유닛(211∼21q)과, 처리 장치(21) 내에서 웨이퍼의 반송을 행하는 반송 유닛(221∼22r)을 갖는다. 또한, 처리 장치(21)는, 처리 유닛(211∼21q)(이하, 합쳐서 「처리 유닛(21)」이라고 칭하는 경우가 있음)이나 반송 유닛(221∼22r)(이하, 합쳐서 「반송 유닛(22)」이라고 칭하는 경우가 있음) 등을 제어하는 제어부(23)를 갖는다. 또한, 처리 장치(21)는 각종 정보를 표시하는 표시부(24)를 갖는다.
반송 유닛(221)은, 피반송체로서의 웨이퍼를, 처리 유닛(211∼21q) 사이에서 반송하거나, 웨이퍼를 수용하는 카세트(도시하지 않음)와 처리 유닛(211∼21q) 사이에서 반송하거나 한다.
이 반송 유닛(221)은, 도 2에 나타내는 바와 같이, 웨이퍼를 유지하여 반송하는 반송부로서의 반송 아암(25)과, 모터(26a)의 구동력에 의해 반송 아암(25)을 구동하는 구동부(26)를 갖는다.
반송 아암(25)은, 예컨대, 도 3에 나타내는, 반송 영역의 길이 방향(Y 방향)으로 연신하는 가이드(25a)를 따라 웨이퍼(W)를 반송한다. 반송 아암(25)은, 가이드(25a)를 따라 좌우 방향(Y 방향)으로 이동하는 프레임(25b)과, 프레임(25b)을 따라 높이 방향(Z 방향)으로 이동하는 승강체(25c)를 갖는다. 또한, 반송 아암(25)은, 도 3 및 도 4에 나타내는 바와 같이, 승강체(25c) 상을 회동하는 회동체(25d)와, 웨이퍼(W)를 지지하며, 회동체(25d) 상을 전후 방향(X 방향)으로 이동하는 웨이퍼 지지부(25e)를 갖는다.
구동부(26)는, 도 2에 나타내는 바와 같이, 반송 아암(25)의 축마다, 모터(26a)를 가지고, 예컨대, X축 모터(26ax), Y축 모터(26ay), Y축 모터(26ay), Z축 모터(26az) 및 θ축 모터(26aθ)를 갖는다.
X축 모터(26ax)는, 반송 아암(25)의 X축에 관한 모터이고, 웨이퍼 지지부(25e)를 전후 방향(도 3의 X 방향)으로 이동시키기 위한 것이다.
Y축 모터(26ay)는, 반송 아암(25)의 Y축에 관한 모터이고, 프레임(25b)을 좌우 방향(도 3의 Y 방향)으로 이동시킴으로써, 웨이퍼 지지부(25e)를 Y 방향으로 이동시키기 위한 것이다.
Z축 모터(26az)는, 반송 아암(25)의 Z축에 관한 모터이고, 승강체(25c)를 상하 방향(도 3의 Z 방향)으로 이동시킴으로써, 웨이퍼 지지부(25e)를 Z 방향으로 이동시키기 위한 것이다.
θ축 모터(26aθ)는, 반송 아암(25)의 θ축에 관한 모터이고, 승강체(25c)를 회전시킴으로써, 웨이퍼 지지부(25e)를 회전시키기 위한 것이다.
반송 유닛(222∼22r)의 구성은, 반송 유닛(221)과 동일하기 때문에 그 설명을 생략한다.
제어부(23)는, 예컨대 CPU나 메모리 등을 구비한 컴퓨터에 의해 구성되고, 프로그램 저장부(도시하지 않음)를 가지고 있다. 프로그램 저장부에는, 제어부(23)에 있어서의 각종 처리를 제어하는 프로그램이 저장되어 있다. 또한, 상기 프로그램은, 컴퓨터로 판독 가능한 기억 매체에 기록되어 있던 것으로서, 그 기억 매체로부터 제어부(23)에 인스톨된 것이어도 좋다. 프로그램의 일부 또는 전부는 전용 하드웨어(회로 기판)로 실현하여도 좋다.
제어부(23)는, 도 1에 나타내는 바와 같이, 생데이터 취득부(23a)와, 서머리 데이터 취득부(23b)와, 통계 데이터 취득부(23c)를 갖는다.
생데이터 취득부(23a)는, 반송 유닛(22)에 의한 단위 동작 중에, 각 모터(26a)의 동작에 관한 데이터(이하, 「생데이터」라고 함)를 취득한다. 구체적으로는, 생데이터 취득부(23a)는, 정해진 샘플링주기마다, 생데이터로서, 모터(26a)에 관한 시계열 데이터를 취득한다. 생데이터는, 예컨대, 모터의 토크값(T)의 데이터와, 모터의 토크값(T)의 시간에 대한 미분값(이하, 「토크 미분값」)(Td)의 데이터이다. 생데이터 취득부(23a)에 의한 생데이터의 취득은, 각 반송 아암(25)의 축마다, 즉, 모터(26a)마다 행해진다.
서머리 데이터 취득부(23b)는, 반송 유닛(22)에 의한 단위 동작마다, 그 단위 동작 중에 취득된 생데이터에 대한 특징량 즉 대표값을 포함하는 서머리 데이터를 복수 종류 취득한다. 서머리 데이터에는, 복수 종류의 대표값이 포함된다. 대표값은, 예컨대, 모터(26a)의 최대 토크값(Tmax), 최소 토크값(Tmin), 최대 토크 미분값(Tdmax) 및 최소 토크 미분값(Tdmin)이다. 서머리 데이터 취득부(23b)에 의한 서머리 데이터의 취득은, 각 반송 아암(25)의 축마다, 즉, 모터(26a)마다 행해진다.
서머리 데이터에는, 도 5에 나타내는 바와 같이, 부속 정보로서, 그 서머리 데이터가 얻어졌을 때의 식별 정보가 부여되어 있다. 상기 식별 정보에는, 예컨대, 기판 처리 장치(2)의 식별 정보(ID1), 반송 아암(25)의 식별 정보(ID2), 축의 식별 정보(ID3), 단위 동작의 식별 정보(ID4), 단위 동작 시에 반송 아암(25)이 이동할 때의 그 반송 아암(25)의 가감속도의 식별 정보(ID5)가 포함된다.
통계 데이터 취득부(23c)는, 서머리 데이터 취득부(23b)가 취득한 정해진 기간분(예컨대 일주일분)의 서머리 데이터로부터, 각 모터(26a)의 상태의 지표가 되는 값(이하, 「상태값」이라고 함)을 복수 종류 포함하는 통계 데이터를 취득한다. 통계 데이터에 포함되는 상태값은, 서머리 데이터에 포함되는 대표값 각각의 통계값이다. 통계값은, 예컨대, 평균값, 최대값, 최소값, 표준 편차 또는 최대값과 최소값의 차등이다. 이하에서는, 통계값은 평균값인 것으로 한다.
통계 데이터 취득부(23c)는, 구체적으로는, 각 서머리 데이터에 부여되어 있는 단위 동작의 식별 정보(ID4)에 기초하여, 단위 동작의 종류(이하, 「동작종」이라고 함)마다, 통계 데이터를 취득한다. 단위 동작끼리가 유사하면, 양 단위 동작을 동일한 동작종으로 하여도 좋다. 예컨대, 웨이퍼의 수취를 위해 웨이퍼 지지부(25e)가 X 방향으로 이동되어 처리 유닛(21) 내에 삽입되는 단위 동작과, 웨이퍼의 수취를 위해 처리 유닛(21) 내에서 웨이퍼 지지부(25e)가 Z 방향으로 이동되는 단위 동작은, 동일한 동작종으로 하여도 좋다.
또한, 동작종을 식별하기 위한 정보는, 기억부(도시하지 않음)에 기억되어 있다.
통계 데이터에는, 도 6에 나타내는 바와 같이, 부속 정보로서, 그 통계 데이터가 얻어졌을 때의 식별 정보가 부여되어 있다. 상기 식별 정보에는, 예컨대, 기판 처리 장치(2)의 식별 정보(ID1), 반송 아암(25)의 식별 정보(ID2), 축의 식별 정보(ID3), 단위 동작의 식별 정보(ID4), 단위 동작 시의 반송 아암(25)의 가감속도의 식별 정보(ID5)가 포함된다. 또한, 통계 데이터의 부속 정보에는, 그 통계 데이터에 관한 단위 동작에 대해서 얻어진 서머리 데이터의 수의 정보(IN1)가 포함되어 있다.
통계 데이터 취득부(23c)에 의한 통계 데이터의 취득은, 각 반송 아암(25)의 축마다, 즉, 모터(26a)마다 행해진다. 또한, 통계 데이터 취득부(23c)에 의해 취득된 통계 데이터는, 감시 장치(3)에 송신된다.
표시부(24)는, 액정 패널이나 유기 EL 패널 등으로 구성되는 표시 디바이스이다.
처리 장치(22∼2p)의 구성은, 처리 장치(21)와 동일하기 때문에 그 설명을 생략한다.
감시 장치(3)는, 제어부(31)와, 출력부로서의 통신부(32)를 갖는다.
제어부(31)는, 예컨대 CPU나 메모리 등을 구비한 컴퓨터에 의해 구성되고, 프로그램 저장부(도시하지 않음)를 가지고 있다. 프로그램 저장부에는, 제어부(31)에 있어서의 각종 처리를 제어하는 프로그램이 저장되어 있다. 또한, 상기 프로그램은, 컴퓨터로 판독 가능한 기억 매체에 기록되어 있던 것으로서, 그 기억 매체로부터 제어부(31)에 인스톨된 것이어도 좋다. 프로그램의 일부 또는 전부는 전용 하드웨어(회로 기판)로 실현하여도 좋다.
제어부(31)는, 모델 취득부(31a)와, 산출부(31b)와, 고장 예측 부위 특정부(31c)를 갖는다.
모델 취득부(31a)는, 감시 장치(3)에 의한 감시를 개시하기 전에, 관계성 모델을 기계 학습에 의해 취득한다.
관계성 모델은, 반송 유닛(22)에 대해서 취득되는 복수 종류의 상태값의 관계성을 나타내는 모델이다. 보다 자세하게는, 관계성 모델은, 각 반송 아암(25)의 각 축에 대해서, 즉 각 모터(26a)에 대해서, 단위 동작의 종별마다 복수 종류 취득되는 상태값의 관계성을 나타내는 모델이다.
관계성 모델은, 예컨대, 최대 토크값(Tmax), 최소 토크값(Tmin), 최대 토크 미분값(Tdmax) 및 최소 토크 미분값(Tdmin)을 이용하여, 이하의 식 (1)과 같이 나타낸다.
Tmax=f(Tmin, Tdmax, Tdmin)
Tmin=f(Tmax, Tdmax, Tdmin)
Tdmax=f(Tmax, Tmin, Tdmin)
Tdmin=f(Tmax, Tmin, Tdmax) … 식 (1)
모델 취득부(31a)는, 감시 대상 이외의 기판 처리 장치(22∼2p)로부터, 각 반송 아암(25)의 각 축에 대해서, 동작종마다 취득되는 통계 데이터를 수신한다. 그리고, 수신한 통계 데이터에 기초하여 기계 학습에 의해 상기 관계성 모델을 취득한다. 관계성 모델의 취득에 이용되는 통계 데이터는, 반송 유닛(22)이 정상인 경우에 취득된 데이터, 바꾸어 말하면, 반송 유닛(22)에 고장이 생기지 않은 경우에 취득된 데이터이다.
산출부(31b)는, 모델 취득부(31a)가 취득한 관계성 모델과, 감시 대상의 반송 유닛(22)에 대해서 취득된 통계 데이터에 포함되는 복수 종류의 상태값에 기초하여, 그 감시 대상의 반송 유닛(22)의 건강도를 산출한다. 건강도는, 감시 대상의 반송 유닛(22)에 있어서의 상태값의 관계성의 혼란, 즉, 실제의 관계성의 혼란을 수치화한 것이며, 관계성 모델이 나타내는 관계성에 대한 혼란을 수치화한 것이다.
산출부(31b)는, 구체적으로는, 감시 대상의 반송 유닛(22)의 반송 아암(25)의 축마다, 그 축에 대한 관계성 모델과, 그 축에 대해서 취득된 통계 데이터에 포함되는 복수 종류의 상태값에 기초하여, 그 축의 건강도를 산출한다.
이 건강도의 산출은, 예컨대, 상태값의 종류마다 행해지고, 보다 구체적으로는, 예컨대, 모터(26a)의 최대 토크값(Tmax), 최소 토크값(Tmin), 최대 토크 미분값(Tdmax) 및 최소 토크 미분값(Tdmin) 각각에 대해서 행해진다.
고장 예측 부위 특정부(31c)는, 상태값의 종류마다의 건강도에 기초하여, 감시 대상의 반송 유닛(22)에 있어서 고장이 예측되는 부위를 특정한다. 보다 구체적으로는, 고장 예측 부위 특정부(31c)는, 상태값의 종류마다의 건강도에 기초하여, 그 건강도가 산출된 반송 아암(25)의 축에 관련되는 부위로서 고장이 예측되는 부위(예컨대, 감속기나 풀리, 베어링)를 특정한다. 이 특정에는, 예컨대, 도 7에 나타내는 것과 같은, 테이블(F)이 이용된다. 테이블(F)에는, 반송 아암의 축에 관련되는 부위마다, 그 부위의 고장이 예측되는 경우의, 상태값의 종류마다의 건강도의 조건이 기재되어 있다. 도면 중, 「L」은 건강도가 임계값보다 낮다고 하는 조건을 나타내고, 「H」는 건강도가 임계값보다 높다고 하는 조건을 나타내고 있다.
통신부(32)는, 산출부(31b)에 의해 산출된 건강도에 따라, 감시 대상의 반송 유닛(22)의 상태에 관한 정보를 통신하여 출력한다. 통신부(32)는, 예컨대, 산출부(31b)에 의해 산출된 건강도가 임계값을 넘은 경우, 그 건강도가 얻어진 감시 대상의 반송 아암의 축에 대해서, 이상의 발생이 예지된 것을 통지하는 통지 정보를 전자 메일 등에 의해, 송신한다.
또한, 통신부(32)는, 고장 예측 부위 특정부(31c)에 의해 특정된 고장 예측 부위를 식별하는 식별 정보를 통신에 의해 출력한다.
계속해서, 감시 장치(3)의 모델 취득부(31a)에 있어서의 관계성 모델의 취득 처리의 일례를 설명한다. 도 8은 상기 관계성 모델의 취득 처리의 일례를 설명하기 위한 흐름도이다.
감시 대상의 기판 처리 장치(21)가 감시 시스템(1) 내에 도입되기 전에, 도시하는 바와 같이, 예컨대, 기판 처리 장치(22∼2p)로부터 송신되는 통계 데이터가, 정해진 기간분(예컨대 50주분) 축적될 때까지, 취득된다(단계 S1). 또한, 정해진 기간분의 통계 데이터가 축적되기 전에, 어느 하나의 기판 처리 장치(22∼2p)의 반송 아암(25)에서 이상이 발생한 경우는, 지금까지 축적된 통계 데이터는 삭제되고, 이상으로부터 복귀 후, 재차 처음부터 정해진 기간분의 통계 데이터가 축적된다.
정해진 기간분의 통계 데이터의 축적 후, 관계성 모델의 기계 학습에 이용하는 통계 데이터가, 도 6의 부속 정보를 이용하여, 추출된다(단계 S2). 이 추출에 의해 제외되는 통계 데이터는, 예컨대, 실행되는 빈도가 낮은 단위 동작을 포함하는 동작종에 대한 통계 데이터이다. 또한, 웨이퍼(W)가 통계값 등에 부여하는 영향을 없애기 위해, X축[바꾸어 말하면 X축 모터(26ax)]에 대해서는, 웨이퍼(W)를 유지하고 있을 때의 단위 동작을 포함하는 동작종에 대한 통계 데이터가 제외되도록 하여도 좋다.
또한, 단계 S2에 있어서 도 6의 부속 정보에 기초하여 통계 데이터를 추출하기 위한 추출용 리스트 등의 정보는, 기억부(도시하지 않음)에 기억되어 있다.
계속해서, 각 반송 아암(25)의 축마다, 그 축에 대해서 추출된 통계 데이터로부터, 기계 학습에 의해 비선형인 관계성 모델이 취득된다(단계 S3). 기계 학습의 방법으로서는, 예컨대 유전적 프로그래밍이나 뉴럴 네트워크가 이용된다.
전술한 바와 같이 유전적 프로그래밍 등을 이용한 기계 학습에 의해 비선형의 관계성 모델을 생성하는 경우, 과학습 모델이 생성될 우려가 있다.
따라서, 단계 S3에서는, 예컨대, 먼저, 기계 학습에 의해, 각 반송 아암(25)의 축마다, 복수의 비선형의 관계성 모델이 작성된다. 그리고, 상기 복수의 관계성 모델로부터, 그 관계성 모델의 생성에 이용한 통계 데이터에 대한 재현성이 높고, 보다 심플한(즉 차수가 낮은) 다항식으로 나타내는 관계성 모델이 선택된다. 이 선택은, 예컨대, 관계성 모델에 의해 나타내는 상태값과 그 관계성 모델의 생성에 이용한 실제의 통계 데이터에 포함되는 상태값의 차분의 정보 및 상기 다항식의 차수의 정보에 기초하여 행해진다.
그리고, 각 반송 아암(25)의 축마다, 선택/취득된 관계성 모델에 의한 상태값과, 그 관계성 모델의 학습 즉 생성에 이용된 통계 데이터에 포함되는 상태값의 오차를, 학습 시 오차로서 산출한다(단계 S4). 구체적으로는, 예컨대, 도 6의 식별 정보(ID5)를 이용하여, 단위 동작 시의 가감속도 등으로 단위 동작을 클래스로 나누고, 각 반송 아암(25)의 축마다, 상기 클래스 각각의 학습 시 오차(LErr)를 산출한다. 클래스 각각의 학습 시 오차(LErr)는, 예컨대 상기 상태값의 오차를 상태값의 종류마다 동일 클래스 내에서 평균한 것이다.
또한, 학습 시 오차의 산출 시에 클래스를 식별하기 위해 필요한 클래스 설정 리스트 등의 정보는, 기억부(도시하지 않음)에 기억되어 있다.
계속해서, 감시 장치(3)에 있어서의 감시 처리의 일례를 설명한다. 도 9는 상기 감시 처리의 일례를 설명하기 위한 흐름도이다. 여기서는, 감시 대상의 기판 처리 장치(21)가 감시 시스템(1) 내에 도입되고, 감시 장치(3)는, 관계성 모델을 취득하기 위한 학습 페이즈에 있어서의 관계성 모델의 취득이 완료하여, 감시 페이즈로 이행하는 것으로 한다.
감시 페이즈에서는, 도시하는 바와 같이, 감시 대상의 반송 유닛(22)으로부터, 통계 데이터가 취득되면(단계 S11), 그 통계 데이터 중에서 감시에 이용하는 통계 데이터가 추출된다(단계 S12). 이 추출은, 단계 S2와 동일하게 행해진다. 또한, 설명의 간략화를 위해, 여기서는 하나의 통계 데이터가 취득된 것으로 한다.
계속해서, 추출된 통계 데이터에 대응하는 반송 아암의 축마다, 그 통계 데이터에 포함되는 복수 종류의 상태값과, 그 축에 대한 관계성 모델로부터, 건강도가 산출된다(단계 S13).
건강도의 산출에 있어서, 상태값의 종류마다 관계성 모델에 의해 예측되는 상태값으로부터의 괴리도가 취득된다. 즉, 최대 토크값(Tmax), 최소 토크값(Tmin), 최대 토크 미분값(Tdmax) 및 최소 토크 미분값(Tdmin) 각각의 상태값에 대해서, 관계성 모델로부터의 괴리도(D)가 취득된다.
괴리도의 취득에 있어서, 상태값의 종류마다, 추출된 감시용의 통계 데이터에 포함되는 상태값(Ma)과 관계성 모델로부터 예측되는 상태값(Mp)의 오차인 감시 시 오차(MErr)[=(Ma-Mp)의 절대값]와, 그 감시용의 통계 데이터가 속한 클래스에 대한 학습 시 오차(LErr)가 비교된다. 그리고, 감시 시 오차(MErr)가 학습 시 오차(LErr)에 대하여 작은 경우, 괴리도(D)는 0이 된다. 또한, 감시 시 오차(MErr)가 학습 시 오차(LErr)에 대하여 큰 경우, 괴리도(D)는, 정해진 계산식[예컨대 X(=MErr/LErr)를 변수로 한 시그모이드 함수로 나타내는 계산식]에 기초하여, 0∼1 사이의 값이 주어진다. 또한, 「감시 시 오차(MErr)가 학습 시 오차(LErr)에 대하여 작은 경우」란, 단순히 MErr＜LErr이 되는 경우뿐만 아니라, 정해진 계수(α, β)를 이용하여 나타내는 값을 허용 오차(AErr)(=α*LErr 또는 α*LErr+β)로 하였을 때에, MErr＜AErr+β가 되는 경우 등도 포함한다. 상기 계수(α)는, 예컨대 학습 시의 상태값의 수(샘플수)를 고려하여 샘플수에 따라 작아지도록 1.5∼2 사이에서 정해지고, 상기 계수(β)는, 예컨대 학습 시의 상태값의 변화량 최대값을 고려하여 정해진다. 「감시 시 오차(MErr)가 학습 시 오차(LErr)에 대하여 큰 경우」에 대해서도 동일하다.
괴리도(D)의 계산 후, 상태값의 종류마다, 괴리도(D)에 대한 상기 상태값의 기여도(R)가 산출된다.
그리고, 상태값의 종류마다, 기여도(R)와 괴리도(D)의 곱(R*D)이 산출되고, 그 산출 결과가, 상태값의 종류마다의 건강도(He)(=R*D)가 된다.
계속해서, 상태값의 종류마다의 건강도(He) 중 최대값(HeMAX)과 임계값(예컨대, 0.5)의 비교가 행해진다(단계 S14).
또한, 고장 예측 부위 특정부(31c)에 의해, 상태값의 종류마다의 건강도(He)와, 도 7의 테이블(F)에 기초하여, 고장 부위의 예측이 행해지고, 그 부위가 특정된다(단계 S15).
단계 S14에서의 비교 결과의 출력과, 단계 S15에서의 예측 결과의 출력이, 통신부(32)에 의해 행해진다(단계 S16).
이상과 같이, 본 실시형태에서는, 모터의 상태의 지표가 되는 값을 상태값으로 하였을 때에, 감시 시에 반송 유닛(22)이 있는 축에 대해서 얻어진 복수 종류의 상태값과, 사전에 상기 축에 대해서 기계 학습에 의해 얻어진 관계성 모델로부터 예측되는 상태값으로부터, 상기 축의 건강도를 산출한다. 따라서, 반송 유닛의 상기 축에 대응하는 부분의 이상의 예조를 검출할 수 있다. 또한, 산출한 건강도에 따라, 감시 대상의 반송 유닛의 상태에 관한 정보가 출력되기 때문에, 그 정보에 기초하여 사용자가 메인터넌스 등을 행함으로써, 계획 외의 장치 정지 시간을 저감시킬 수 있어, 기판 처리 장치의 가동률을 향상시킬 수 있다.
또한, 반송 유닛의 이상을 예지하는 방법으로서, 본 실시형태와 다르게, 반송 유닛의 구동부가 갖는 모터의 토크값이나 토크 미분값에 대하여 임계값을 마련하고, 임계값을 기준으로 하여 상기 이상을 예지하는 방법이 생각된다. 그러나, 토크값 등은 동작 패턴에 의존하고, 또한, 토크값 등에는 기차(機差)가 있기 때문에, 전술한 방법으로는 반송 유닛마다 복수의 임계값을 설정하지 않으면 안 되고, 또한, 그 설정은 곤란하다.
그에 대하여, 본 실시형태에서는, 기계 학습에 의해 얻어진 모델에 기초하여 산출된, 복수 종류의 통계값간의 관계성의 혼란을 나타내는 건강도를 지표로 하고 있다. 따라서, 단일의 임계값에 기초하여 이상의 예지를 정확하게 행할 수 있다.
또한, 본 실시형태에서는, 단위 동작 시의 가감속도 등으로 단위 동작을 클래스로 나누어, 학습 시 오차를 클래스마다로 하고 있기 때문에, 보다 정확하게 건강도를 산출할 수 있다.
이상의 예에서는, 모터(26a)의 동작에 관한 데이터는, 토크값 등, 토크에 관한 데이터이지만, 모터(26a)의 위치 편차를 나타내는 펄스에 관한 데이터여도 좋다. 이 경우, 모터(26a)의 동작에 관한 데이터의 대표값은, 예컨대, 단위 동작 종료 후에 모터(26a)가 정정(靜定)할 때까지(위치 편차를 나타내는 펄스가 0이 될 때까지)의 위치 편차의 적산값이다.
또한, 이상의 예에서는, 관계성 모델은, 감시 대상의 반송 유닛(22)을 갖는 기판 처리 장치(21) 이외의 기판 처리 장치(22∼2r)로부터 취득한 통계 데이터에 기초하여 작성하고 있었다.
그러나, 관계성 모델은, 감시 대상의 반송 유닛(22)을 갖는 기판 처리 장치(21)만으로부터 취득한 통계 데이터에 기초하여 작성하여도 좋다.
이 경우는, 기계 학습에 의해 관계성 모델을 생성하는 데 충분한 통계 데이터가 축적되기까지의 최초의 정해진 기간이 경과하고 나서, 감시 장치(3)는 학습 페이즈로부터 감시 페이즈로 이행한다. 이 방법에 따르면, 관계성 모델의 정밀도를 높일 수 있다. 또한, 다른 기판 처리 장치에는 없는, 감시 대상의 반송 유닛(22)이 특수한 종류의 것이어도 관계성 모델을 작성하여 감시할 수 있다.
또한, 관계성 모델은, 감시 대상의 반송 유닛(22)을 갖는 기판 처리 장치(21)를 포함하는 기판 처리 장치(21∼2r)로부터 취득한 통계 데이터에 기초하여 작성하여도 좋다. 이 경우도, 기계 학습에 의해 관계성 모델을 생성하는 데 충분한 통계 데이터가 축적되기까지의 최초의 정해진 기간이 경과하고 나서, 감시 장치(3)는 학습 페이즈로부터 감시 페이즈로 이행한다.
관계성 모델의 작성에 이용하는 통계 데이터에, 감시 대상의 반송 유닛(22)을 갖는 기판 처리 장치(21) 이외의 기판 처리 장치(21∼2r)로부터 취득한 통계 데이터를 포함하는 경우, 관계성 모델을 일단 작성한 후, 이하와 같이 하여도 좋다.
예컨대, 관계성 모델을 일단 작성한 후, 감시 대상의 반송 유닛을 갖는 기판 처리 장치(21)로부터 새롭게 정해진 기간분의 통계 데이터를 취득하고, 그리고, 새롭게 취득한 통계 데이터에 기초하여, 건강도의 산출에 이용하는 학습 시 오차를 산출하여도 좋다. 이에 더하여, 상기 새롭게 취득한 통계 데이터에 기초하여, 일단 작성한 관계성 모델을 파인 튜닝 즉 보정하도록 하여도 좋다. 이에 의해, 이상의 예조를 보다 정확하게 검출할 수 있다. 또한, 보정에는, 유전적 알고리즘을 이용할 수 있다.
또한, 이상의 예에서는, 기판 처리 장치(21∼2p)가 갖는 반송 유닛(22) 및 반송 아암(25)은 전부 동종류이며 동일한 구조를 갖는 것이었다. 반송 유닛(22) 및 반송 아암(25)에 상이한 종류, 상이한 구조를 갖는 것이 포함되는 경우는, 반송 아암(25)의 종류마다, 통계 데이터의 축적이나, 관계성 모델의 생성 등이 행해진다.
이상의 예에서는, 기판 처리 장치(21∼2p)는, 감시 장치(3)에서는 이용되지 않는 동작종의 통계 데이터를 포함하여 취득하고, 감시 장치(3)가, 기판 처리 장치(21∼2p)로부터 취득한 통계 데이터 중에서 관계성 모델의 작성이나 감시에 이용하는 동작종의 통계 데이터를 추출하고 있었다. 이 대신에, 기판 처리 장치(21∼2p)가, 감시 장치에서 이용되는 동작종에 대해서만 통계 데이터를 취득하도록 하고, 감시 장치(3)에 있어서의 통계 데이터의 추출을 생략하도록 하여도 좋다.
또한, 이상의 예에서는, 피반송체로서의 기판은, 반도체 웨이퍼인 것으로 하였지만, 본 개시에 따른 기술에 있어서, 기판은, 플랫 패널 디스플레이, 포토마스크용의 마스크 레티클 등의 용도에 이용되는 기판이어도 좋다. 또한, 이상의 예에서는, 반송 유닛은 기판 처리 장치에 마련하고 있었지만, 본 개시에 따른 기술은, 반송 유닛이 마련되는 다른 장치에도 적용 가능하다.
이번에 개시된 실시형태는 모든 점에서 예시로서 제한적인 것이 아니라고 생각되어야 한다. 상기 실시형태는, 첨부된 청구범위 및 그 주지를 일탈하는 일없이, 여러 가지 형태로 생략, 치환, 변경되어도 좋다.
또한, 이하와 같은 구성도 본 개시의 기술적 범위에 속한다.
(1) 피반송체를 반송하는 반송 유닛의 감시 방법으로서,
상기 반송 유닛은, 기판 처리 장치에 마련되며, 상기 피반송체를 유지하여 반송하는 반송부와, 상기 반송부를 구동하는 모터를 가지고,
상기 감시 방법은,
상기 모터의 상태의 지표가 되는 값을 상태값으로 하고,
상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델을 관계성 모델로 하였을 때에,
기계 학습에 의해 얻어진 상기 관계성 모델과, 감시 대상의 상기 반송 유닛에 대해서 얻어진 복수 종류의 상기 상태값에 기초하여, 상기 감시 대상의 상기 반송 유닛의 건강도를 산출하는 산출 공정과,
상기 산출 공정에 의해 산출된 상기 건강도에 따라, 상기 감시 대상의 상기 반송 유닛의 상태에 관한 정보를 출력하는 출력 공정을 갖는, 반송 유닛의 감시 방법.
상기 (1)에서는, 반송 장치에 대해서 실제로 얻어진 복수 종류의 상태값과, 상기 반송 유닛에 대해서 기계 학습에 의해 얻어진 관계성 모델로부터 예측되는 상태값으로부터, 상기 반송 유닛의 건강도를 산출하고 있다. 따라서, 반송 유닛의 이상의 예조를 검출할 수 있다. 또한, 본 실시형태에서는, 산출한 건강도에 따라, 감시 대상의 반송 유닛의 상태에 관한 정보가 출력된다. 그 때문에, 상기 정보에 기초하여 사용자가 메인터넌스 등을 행함으로써, 계획 외의 장치 정지 시간을 저감시킬 수 있어, 상기 반송 유닛을 갖는 처리 장치의 가동률을 향상시킬 수 있다.
(2) 상기 상태값의 종류는, 상기 모터의 동작에 관한 데이터에 대한 특징량의 종류이고,
상기 상태값은 각각, 상기 특징량의 통계값인, 상기 (1)에 기재된 반송 유닛의 감시 방법.
(3) 상기 상태값의 종류는, 상기 모터의 최대 토크값, 최소 토크값, 토크 미분값 최대값 및 토크 미분값 최소값 중 적어도 어느 2개를 포함하는, 상기 (1) 또는 (2)에 기재된 반송 유닛의 감시 방법.
(4) 상기 감시 대상의 상기 반송 유닛에 대해서 얻어진 상기 복수 종류의 상기 상태값의 관계성을 실제의 관계성으로 하였을 때에,
상기 건강도는, 상기 관계성 모델이 나타내는 관계성에 대한 상기 실제의 관계성의 혼란을 수치화한 것인, 상기 (1)∼(3) 중 어느 하나에 기재된 반송 유닛의 감시 방법.
(5) 상기 건강도는, 상기 감시 대상의 상기 반송 유닛에 있어서의 상기 상태값과, 상기 관계성 모델로부터 예측되는 상기 상태값의 오차에 기초하여, 산출되는, 상기 (1)∼(4) 중 어느 하나에 기재된 반송 유닛의 감시 방법.
(6) 상기 관계성 모델은, 유전적 프로그래밍에 의해 취득된 것인, 상기 (1)∼(5) 중 어느 하나에 기재된 반송 유닛의 감시 방법.
(7) 상기 출력 공정은, 상기 건강도가 임계값을 넘은 경우에, 상기 감시 대상의 상기 반송 유닛에 대해서, 이상의 발생이 예지된 것을 통지하는 통지 정보를 출력하는, 상기 (1)∼(6) 중 어느 하나에 기재된 반송 유닛의 감시 방법.
(8) 상기 출력 공정은, 상기 상태값의 종류마다 산출된 상기 건강도에 기초하여, 상기 감시 대상의 상기 반송 유닛에 있어서 고장이 예측되는 부위를 특정하고, 특정된 부위를 식별하는 정보를 출력하는, 상기 (1)∼(7) 중 어느 하나에 기재된 반송 유닛의 감시 방법.
(9) 상기 관계성 모델을 기계 학습에 의해 취득하는 모델 취득 공정을 갖는, 상기 (1)∼(8) 중 어느 하나에 기재된 반송 유닛의 감시 방법.
(10) 상기 모델 취득 공정은, 상기 감시 대상의 상기 반송 유닛을 갖는 처리 장치로 과거에 취득된 상기 상태값에 기초하여 상기 관계성 모델을 취득하는, 상기 (9)에 기재된 반송 유닛의 감시 방법.
(11) 상기 모델 취득 공정은, 상기 감시 대상의 상기 반송 유닛을 갖는 처리 장치와는 상이한 처리 장치로 과거에 취득된 상기 상태값에 기초하여 상기 관계성 모델을 취득하는, 상기 (9)에 기재된 반송 유닛의 감시 방법.
(12) 상기 모델 취득 공정은,
상기 감시 대상의 상기 반송 유닛을 갖는 처리 장치와는 상이한 처리 장치로 과거에 취득된 상기 상태값에 기초하여 상기 관계성 모델을 취득하는 사전 취득 공정과,
상기 사전 취득 공정에서 얻어진 상기 관계성 모델을, 상기 감시 대상의 상기 반송 유닛을 갖는 처리 장치에 있어서 취득된 상기 상태값에 기초하여 보정하는 보정 공정을 가지고,
상기 산출 공정은, 상기 보정 공정에서 보정된 상기 관계성 모델에 기초하여 상기 건강도를 산출하는, 상기 (9)에 기재된 반송 유닛의 감시 방법.
(13) 상기 (1)∼(12) 중 어느 하나에 기재된 반송 유닛의 감시 방법을 감시 장치에 의해 실행시키도록, 상기 감시 장치를 제어하는 제어부의 컴퓨터 상에서 동작하는 프로그램을 저장한 판독 가능한 컴퓨터 기억 매체.
(14) 피반송체를 반송하는 반송 유닛의 감시 장치로서,
상기 반송 유닛은, 기판 처리 장치에 마련되며, 상기 피반송체를 유지하여 반송하는 반송부와, 상기 반송부를 구동하는 모터를 가지고,
상기 감시 장치는,
상기 모터의 상태의 지표가 되는 값을 상태값으로 하고,
상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델을 관계성 모델로 하였을 때에,
기계 학습에 의해 얻어진 상기 관계성 모델과, 감시 대상의 상기 반송 유닛에 대해서 얻어진 복수 종류의 상기 상태값에 기초하여, 상기 감시 대상의 상기 반송 유닛의 건강도를 산출하는 산출부와,
상기 산출부에 의해 산출된 상기 건강도에 따라, 상기 감시 대상의 상기 반송 유닛의 상태에 관한 정보를 출력하는 출력부를 갖는, 반송 유닛의 감시 장치.
(15) 반송 유닛을 감시하도록 컴퓨터를 기능시키기 위한 감시용 모델로서,
상기 반송 유닛은, 기판 처리 장치에 마련되며, 피반송체를 유지하여 반송하는 반송부와, 상기 반송부를 구동하는 모터를 가지고,
상기 감시용 모델은,
상기 모터의 상태의 지표가 되는 값을 상태값으로 하고,
상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델을 관계성 모델로 하였을 때에,
상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델인 관계성 모델이며, 기계 학습에 의해 얻어지고,
상기 감시용 모델과, 감시 대상의 상기 반송 유닛에 대해서 얻어진 복수 종류의 상기 상태값에 기초하여, 상기 감시 대상의 상기 반송 유닛의 건강도를 산출하고, 상기 산출된 건강도에 따라, 상기 감시 대상의 상기 반송 유닛의 상태에 관한 정보를 출력하기 위해 이용되는, 감시용 모델.

Claims (15)

  1. 피반송체를 반송하는 반송 유닛의 감시 방법으로서,
    상기 반송 유닛은, 기판 처리 장치에 마련되며, 상기 피반송체를 유지하여 반송하는 반송부와, 상기 반송부를 구동하는 모터를 포함하고,
    상기 감시 방법은,
    상기 모터의 상태의 지표가 되는 값을 상태값으로 하고,
    상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델을 관계성 모델로 하였을 때에,
    기계 학습에 의해 얻어진 상기 관계성 모델과, 감시 대상의 상기 반송 유닛에 대해서 얻어진 복수 종류의 상기 상태값에 기초하여, 상기 감시 대상의 상기 반송 유닛의 건강도를 산출하는 산출 공정과,
    상기 산출 공정에 의해 산출된 상기 건강도에 따라, 상기 감시 대상의 상기 반송 유닛의 상태에 관한 정보를 출력하는 출력 공정을 포함하는 것인, 반송 유닛의 감시 방법.
  2. 제1항에 있어서, 상기 상태값의 종류는, 상기 모터의 동작에 관한 데이터에 대한 특징량의 종류이고, 상기 상태값은 각각, 상기 특징량의 통계값인 것인, 반송 유닛의 감시 방법.
  3. 제1항 또는 제2항에 있어서, 상기 상태값의 종류는, 상기 모터의 최대 토크값, 최소 토크값, 토크 미분값 최대값 및 토크 미분값 최소값 중 적어도 어느 2개를 포함하는 것인, 반송 유닛의 감시 방법.
  4. 제1항 또는 제2항에 있어서, 상기 감시 대상의 상기 반송 유닛에 대해서 얻어진 상기 복수 종류의 상기 상태값의 관계성을 실제의 관계성으로 하였을 때에,
    상기 건강도는, 상기 관계성 모델이 나타내는 관계성에 대한 상기 실제의 관계성의 혼란을 수치화한 것인, 반송 유닛의 감시 방법.
  5. 제1항 또는 제2항에 있어서, 상기 건강도는, 상기 감시 대상의 상기 반송 유닛에 있어서의 상기 상태값과, 상기 관계성 모델로부터 예측되는 상기 상태값의 오차에 기초하여 산출되는 것인, 반송 유닛의 감시 방법.
  6. 제1항 또는 제2항에 있어서, 상기 관계성 모델은, 유전적 프로그래밍에 의해 취득된 것인, 반송 유닛의 감시 방법.
  7. 제1항 또는 제2항에 있어서, 상기 출력 공정은, 상기 건강도가 임계값을 넘은 경우에, 상기 감시 대상의 상기 반송 유닛에 대해서, 이상의 발생이 예지된 것을 통지하는 통지 정보를 출력하는 것인, 반송 유닛의 감시 방법.
  8. 제1항 또는 제2항에 있어서, 상기 출력 공정은, 상기 상태값의 종류마다 산출된 상기 건강도에 기초하여, 상기 감시 대상의 상기 반송 유닛에 있어서 고장이 예측되는 부위를 특정하고, 특정된 부위를 식별하는 정보를 출력하는 것인, 반송 유닛의 감시 방법.
  9. 제1항 또는 제2항에 있어서, 상기 관계성 모델을 기계 학습에 의해 취득하는 모델 취득 공정을 포함하는 것인, 반송 유닛의 감시 방법.
  10. 제9항에 있어서, 상기 모델 취득 공정은, 상기 감시 대상의 상기 반송 유닛을 갖는 처리 장치로 과거에 취득된 상기 상태값에 기초하여 상기 관계성 모델을 취득하는 것인, 반송 유닛의 감시 방법.
  11. 제9항에 있어서, 상기 모델 취득 공정은, 상기 감시 대상의 상기 반송 유닛을 갖는 처리 장치와는 상이한 처리 장치로 과거에 취득된 상기 상태값에 기초하여 상기 관계성 모델을 취득하는 것인, 반송 유닛의 감시 방법.
  12. 제9항에 있어서, 상기 모델 취득 공정은,
    상기 감시 대상의 상기 반송 유닛을 갖는 처리 장치와는 상이한 처리 장치로 과거에 취득된 상기 상태값에 기초하여 상기 관계성 모델을 취득하는 사전 취득 공정과,
    상기 사전 취득 공정에서 얻어진 상기 관계성 모델을, 상기 감시 대상의 상기 반송 유닛을 갖는 처리 장치에 있어서 취득된 상기 상태값에 기초하여 보정하는 보정 공정을 포함하고,
    상기 산출 공정은, 상기 보정 공정에서 보정된 상기 관계성 모델에 기초하여 상기 건강도를 산출하는 것인, 반송 유닛의 감시 방법.
  13. 제1항 내지 제12항 중 어느 한 항에 기재된 반송 유닛의 감시 방법을 감시 장치에 의해 실행시키도록, 상기 감시 장치를 제어하는 제어부의 컴퓨터 상에서 동작하는 프로그램을 저장한 컴퓨터 판독 가능한 기억 매체.
  14. 피반송체를 반송하는 반송 유닛의 감시 장치로서,
    상기 반송 유닛은, 기판 처리 장치에 마련되며, 상기 피반송체를 유지하여 반송하는 반송부와, 상기 반송부를 구동하는 모터를 포함하고,
    상기 감시 장치는,
    상기 모터의 상태의 지표가 되는 값을 상태값으로 하고,
    상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델을 관계성 모델로 하였을 때에,
    기계 학습에 의해 얻어진 상기 관계성 모델과, 감시 대상의 상기 반송 유닛에 대해서 얻어지는 복수 종류의 상기 상태값에 기초하여, 상기 감시 대상의 상기 반송 유닛의 건강도를 산출하는 산출부와,
    상기 산출부에 의해 산출된 상기 건강도에 따라, 상기 감시 대상의 상기 반송 유닛의 상태에 관한 정보를 출력하는 출력부를 포함하는 것인, 반송 유닛의 감시 장치.
  15. 반송 유닛을 감시하도록 컴퓨터를 기능시키기 위한 감시용 모델로서,
    상기 반송 유닛은, 기판 처리 장치에 마련되며, 피반송체를 유지하여 반송하는 반송부와, 상기 반송부를 구동하는 모터를 포함하고,
    상기 감시용 모델은,
    상기 모터의 상태의 지표가 되는 값을 상태값으로 하고,
    상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델을 관계성 모델로 하였을 때에,
    상기 반송 유닛에 대해서 취득되는 복수 종류의 상기 상태값의 관계성을 나타내는 모델인 관계성 모델이며, 기계 학습에 의해 얻어지고,
    상기 감시용 모델과, 감시 대상의 상기 반송 유닛에 대해서 얻어진 복수 종류의 상기 상태값에 기초하여, 상기 감시 대상의 상기 반송 유닛의 건강도를 산출하고, 상기 산출된 건강도에 따라, 상기 감시 대상의 상기 반송 유닛의 상태에 관한 정보를 출력하기 위해 이용되는 것인, 감시용 모델.
KR1020190145183A 2018-11-20 2019-11-13 반송 유닛의 감시 방법 및 감시 장치와 감시용 모델 KR20200059149A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2018-217076 2018-11-20
JP2018217076A JP7233201B2 (ja) 2018-11-20 2018-11-20 搬送ユニットの監視方法及び監視装置並びに監視用モデル

Publications (1)

Publication Number Publication Date
KR20200059149A true KR20200059149A (ko) 2020-05-28

Family

ID=70746062

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190145183A KR20200059149A (ko) 2018-11-20 2019-11-13 반송 유닛의 감시 방법 및 감시 장치와 감시용 모델

Country Status (3)

Country Link
JP (1) JP7233201B2 (ko)
KR (1) KR20200059149A (ko)
CN (1) CN111199901A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11348813B2 (en) 2019-01-31 2022-05-31 Applied Materials, Inc. Correcting component failures in ion implant semiconductor manufacturing tool
WO2024053421A1 (ja) * 2022-09-07 2024-03-14 東京エレクトロン株式会社 異常管理方法、管理装置、及び記憶媒体

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013133192A (ja) 2011-12-26 2013-07-08 Tokyo Electron Ltd 搬送装置及び搬送方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI110425B (fi) * 2000-04-12 2003-01-31 Metso Paper Inc Menetelmä kiinnirullaimen toimintavarmuuden parantamiseksi
JP5960029B2 (ja) * 2012-10-31 2016-08-02 住友重機械工業株式会社 異常原因特定システム
JP6809882B2 (ja) * 2016-11-29 2021-01-06 ファナック株式会社 ファンの故障予測を学習する機械学習器、機械学習器を含む装置および機械学習方法
TW201839890A (zh) * 2017-02-13 2018-11-01 日商東京威力科創股份有限公司 搬送裝置﹑搬送方法及記憶媒體
JP2018147443A (ja) * 2017-03-09 2018-09-20 安川情報システム株式会社 故障予知方法、故障予知装置および故障予知プログラム
JP7179444B2 (ja) * 2017-03-29 2022-11-29 三菱重工業株式会社 予兆検知システム及び予兆検知方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013133192A (ja) 2011-12-26 2013-07-08 Tokyo Electron Ltd 搬送装置及び搬送方法

Also Published As

Publication number Publication date
JP7233201B2 (ja) 2023-03-06
JP2020086694A (ja) 2020-06-04
CN111199901A (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
CN110462536B (zh) 对光刻系统进行建模或执行系统的预测性维护的方法和相关联的光刻系统
JP4874678B2 (ja) 半導体製造装置の制御方法、および半導体製造装置の制御システム
KR20200059149A (ko) 반송 유닛의 감시 방법 및 감시 장치와 감시용 모델
JP3559766B2 (ja) 走査露光装置及び走査露光方法並びにデバイスの製造方法
US7742834B2 (en) Management system of semiconductor fabrication apparatus, abnormality factor extraction method of semiconductor fabrication apparatus, and management method of the same
CN113539885A (zh) 信息处理装置、检测方法、基板处理系统及物品的制造方法
WO2008042895A2 (en) Apparatus and method for controller performance monitoring in a process control system
JP6766897B2 (ja) 搬送装置、搬送装置の異常検出方法及び記憶媒体
CN115777085A (zh) 用于调整图案化过程的方法
US6567154B2 (en) Step and scan projection exposure apparatus, maintenance method therefor, and semiconductor device manufacturing method and semiconductor manufacturing factory using the apparatus
TWI832037B (zh) 用來監視監視對象的監視裝置、監視方法、電腦程式及物品製造方法
JP2001006997A (ja) 目合わせ露光装置システム及び目合わせ露光方法
WO2022035708A1 (en) Tool drift compensation with machine learning
CN112904677A (zh) 搬送装置、曝光装置以及物品的制造方法
EP4116888A1 (en) Computer implemented method for diagnosing a system comprising a plurality of modules
WO2023074371A1 (ja) 保守作業通知システム及び保守作業通知方法
EP3910419A1 (en) Methods of modelling systems or performing predictive maintenance of systems, such as lithographic systems and associated lithographic systems
EP4134745A1 (en) A method for modeling measurement data over a substrate area and associated apparatuses
JP4208353B2 (ja) 露光装置および方法
CN116710951A (zh) 生产车间管理系统、作业对策决定方法以及作业对策决定程序
JP2022119373A (ja) 情報処理装置、情報処理方法、及び物品の製造方法
CN116710864A (zh) 生产车间管理系统、作业效果判定方法以及作业效果判定程序
EP4115241A1 (en) Methods of modelling systems for performing predictive maintenance of systems, such as lithographic systems
Leang et al. Application of feed-forward and feedback control to a photolithography sequence
JP2004342951A (ja) 半導体露光工程における露光条件制御方法及び制御システム

Legal Events

Date Code Title Description
A201 Request for examination