KR20210145769A - 상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체 - Google Patents

상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체 Download PDF

Info

Publication number
KR20210145769A
KR20210145769A KR1020217033354A KR20217033354A KR20210145769A KR 20210145769 A KR20210145769 A KR 20210145769A KR 1020217033354 A KR1020217033354 A KR 1020217033354A KR 20217033354 A KR20217033354 A KR 20217033354A KR 20210145769 A KR20210145769 A KR 20210145769A
Authority
KR
South Korea
Prior art keywords
data
drive mechanism
error
state
unit
Prior art date
Application number
KR1020217033354A
Other languages
English (en)
Inventor
준노스케 마키
마사오미 도요나가
아츠시 오타
모토이 오카다
다쿠로 즈츠이
게이 사노
미츠테루 야노
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 KR20210145769A publication Critical patent/KR20210145769A/ko

Links

Images

Classifications

    • 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
    • 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
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • 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
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • 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
    • H01L21/67742—Mechanical parts of transfer devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)

Abstract

상태 판정 장치는, 기판 처리 장치에 있어서 기판을 보유 지지하면서 동작시키도록 구성된 구동 기구의 상태를 판정한다. 당해 상태 판정 장치는, 구동 기구의 동작 데이터를 취득하도록 구성된 취득부와, 구동 기구의 정상 동작 시에 있어서 취득부에 의해 취득된 동작 데이터에서 유래되는 정상 동작 데이터에 기초하여, 오토 인코더를 사용한 기계 학습을 실행함으로써, 구동 기구의 감시 모델을 생성하도록 구성된 모델 생성부와, 구동 기구의 평가 시에 있어서 취득부에 의해 취득된 동작 데이터에서 유래되는 평가 데이터를 감시 모델에 입력해서 얻어지는 제1 출력 데이터에 기초하여, 구동 기구의 상태를 판정하도록 구성된 제1 판정부를 구비한다.

Description

상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체
본 개시는, 상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
특허문헌 1은, 반도체 웨이퍼 등의 기판을 처리하는 기판 처리 장치에 마련된 기판 반송 기구를 개시하고 있다. 기판 반송 기구는, 기판 처리 장치에서의 다른 모듈간을 이동 가능하게 구성되어 있다. 반송 기구는, 예를 들어 복수의 기판을 수용하는 캐리어로부터 하나의 기판을 취출하여, 처리 모듈에 당해 기판을 반송하도록 캐리어와 처리 모듈의 사이를 이동한다.
일본 특허 공개 제2013-133192호 공보
본 개시는, 기판의 구동 기구의 상태를 간이하면서도 또한 고정밀도로 판정하는 것이 가능한 상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체를 설명한다.
본 개시의 하나의 관점에 따른 상태 판정 장치는, 기판 처리 장치에 있어서 기판을 보유 지지하면서 동작시키도록 구성된 구동 기구의 상태를 판정한다. 당해 상태 판정 장치는, 구동 기구의 동작 데이터를 취득하도록 구성된 취득부와, 구동 기구의 정상 동작 시에 있어서 취득부에 의해 취득된 동작 데이터에서 유래되는 정상 동작 데이터에 기초하여, 오토 인코더를 사용한 기계 학습을 실행함으로써, 구동 기구의 감시 모델을 생성하도록 구성된 모델 생성부와, 구동 기구의 평가 시에 있어서 취득부에 의해 취득된 동작 데이터에서 유래되는 평가 데이터를 감시 모델에 입력해서 얻어지는 제1 출력 데이터에 기초하여, 구동 기구의 상태를 판정하도록 구성된 제1 판정부를 구비한다.
본 개시에 따른 상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체에 의하면, 기판의 구동 기구의 상태를 간이하면서도 또한 고정밀도로 판정하는 것이 가능하게 된다.
도 1은 기판 처리 시스템의 일례를 개략적으로 도시하는 상면도이다.
도 2는 반송 장치의 일례를 개략적으로 도시하는 측면도이다.
도 3은 컨트롤러의 기능적인 구성의 일례를 나타내는 블록도이다.
도 4는 컨트롤러의 하드웨어 구성의 일례를 나타내는 블록도이다.
도 5는 반송 장치의 상태 판정 수순의 일례를 나타내는 흐름도이다.
도 6은 감시 모델의 생성 수순의 일례를 나타내는 흐름도이다.
도 7은 조정부에 의한 취득 데이터의 조정을 설명하기 위한 도면이다.
도 8은 기계 학습에 의해 생성되는 감시 모델을 설명하기 위한 도면이다.
도 9는 기계 학습에 의해 생성되는 감시 모델을 설명하기 위한 도면이다.
도 10은 감시 모델에 포함되는 허용 오차를 설명하기 위한 그래프이다.
도 11의 (a) 및 도 11의 (b)는 허용 오차와 출력값의 사이의 괴리도를 설명하기 위한 도면이다.
도 12는 괴리도의 역치의 설정 방법을 설명하기 위한 그래프이다.
도 13은 반송 장치의 감시 수순의 일례를 나타내는 흐름도이다.
도 14는 감시 모델의 검증 결과의 일례를 나타내는 그래프이다.
도 15는 감시 모델의 검증 결과의 일례를 나타내는 그래프이다.
이하에, 본 개시에 따른 실시 형태의 일례에 대해서, 도면을 참조하면서 보다 상세하게 설명한다. 이하의 설명에서, 동일 요소 또는 동일 기능을 갖는 요소에는 동일 부호를 사용하기로 하고, 중복되는 설명은 생략한다.
[기판 처리 장치]
도 1에 도시되는 기판 처리 시스템(1)은, 웨이퍼(W)에 대하여 기판 처리를 실시하도록 구성된 시스템이다. 기판 처리 시스템(1)은, 기판 처리 장치(2)와, 컨트롤러(60)를 구비한다. 웨이퍼(W)는, 원판상을 나타내도 되고, 원형의 일부가 절결되어 있어도 되고, 다각형 등 원형 이외의 형상을 나타내고 있어도 된다. 웨이퍼(W)는, 예를 들어 반도체 기판, 유리 기판, 마스크 기판, FPD(Flat Panel Display) 기판과 그 밖의 각종 기판이어도 된다. 웨이퍼(W)의 직경은, 예를 들어 200mm 내지 450mm 정도이어도 된다.
도 1에 도시하는 바와 같이, 기판 처리 장치(2)는, 처리 유닛(3A, 3B)과, 반송 장치(10)(구동 기구)를 구비한다. 처리 유닛(3A, 3B)은, 웨이퍼(W)에 대하여 소정의 처리를 실시하도록 구성된 유닛이다. 처리 유닛(3A, 3B)은, 웨이퍼(W)의 표면에 처리액을 공급하는 액 처리 유닛이어도 된다. 처리 유닛(3A, 3B)은, 웨이퍼(W)의 표면에 형성되어 있는 피막을 열처리(가열 또는 냉각)하는 열처리 유닛이어도 된다. 처리 유닛(3A, 3B)은, 서로 공통의 기능을 갖고 있어도 되고, 서로 다른 기능을 갖고 있어도 된다. 도 1에 도시되는 예에서는, 수평 방향에 있어서, 처리 유닛(3A, 3B)은, 화살표 D1 방향(도 1의 좌우 방향)을 따라 나란히 배치되어 있다.
[반송 장치의 상세]
이어서, 도 1 및 도 2를 참조하여, 반송 장치(10)에 대해서 더욱 상세하게 설명한다. 반송 장치(10)는 웨이퍼(W)를 반송하도록 구성되어 있다. 반송 장치(10)는, 예를 들어 처리 유닛(3A)과 처리 유닛(3B)의 사이에서 웨이퍼(W)를 반송해도 된다. 반송 장치(10)는, 기판 처리 장치(2) 내의 다른 유닛으로부터 처리 유닛(3A, 3B)에 웨이퍼(W)를 반송해도 되고, 처리 유닛(3A, 3B)으로부터 다른 유닛에 웨이퍼(W)를 반송해도 된다. 반송 장치(10)는 처리 유닛(3A, 3B)과 대향하도록 배치되어 있어도 된다. 반송 장치(10)는, 구동부(20)와, 보유 지지부(30)를 포함한다.
구동부(20)는, 보유 지지부(30)를 소정의 방향으로 왕복 이동시키도록 구성되어 있다. 구동부(20)는, 예를 들어 도 1에 도시하는 바와 같이, 처리 유닛(3A) 및 처리 유닛(3B)이 배열되는 방향(화살표 D1 방향)에 있어서 보유 지지부(30)를 왕복 이동(동작)시켜도 된다. 구동부(20)는, 하우징(21)과, 직동체(22)와, 가이드 레일(23)과, 풀리(24, 25)와, 벨트(26)와, 모터(27)를 포함한다. 하우징(21)은, 구동부(20)에 포함되는 각 요소를 수용한다. 하우징(21) 중 처리 유닛(3A, 3B)과 대향하는 벽에는, 개구(21a)가 마련되어 있다.
직동체(22)는, 화살표 D2 방향(도 1의 상하 방향)을 따라 연장되는 부재이다. 직동체(22)의 기단부는, 하우징(21) 내에서 가이드 레일(23) 및 벨트(26)에 접속되어 있다. 직동체(22)의 선단부는, 개구(21a)를 통해서 하우징(21) 밖으로 돌출되어 있다. 가이드 레일(23)은, 화살표 D1 방향(하우징(21)의 폭 방향)을 따라 직선상으로 연장되도록 하우징(21) 내에 부설되어 있다. 풀리(24, 25)는 각각, 화살표 D1 방향에서의 하우징(21)의 각 단부에 배치되어 있다. 풀리(24, 25)는 각각, 화살표 D2 방향을 따른 회전축 주위로 회전 가능하게 하우징(21) 내에 마련되어 있다.
벨트(26)는 풀리(24, 25)에 걸쳐져 있다. 벨트(26)는, 예를 들어 타이밍 벨트이어도 된다. 모터(27)는, 회전 토크를 발생시키는 동력원이며, 컨트롤러(60)로부터의 제어 신호에 기초하여 동작하도록 구성되어 있다. 모터(27)는, 예를 들어 서보 모터이어도 된다. 모터(27)는 풀리(25)에 접속되어 있다. 모터(27)에 의한 토크(구동력)가 풀리(25)에 전달되면, 풀리(24, 25)에 걸쳐진 벨트(26)가 화살표 D1 방향을 따라 이동한다. 이에 의해, 직동체(22)도, 가이드 레일(23)을 따라 화살표 D1 방향으로 왕복 이동한다.
보유 지지부(30)는, 반송 대상의 웨이퍼(W)를 보유 지지하도록 구성되어 있다. 예를 들어, 보유 지지부(30)는, 도 1 및 도 2에 도시하는 바와 같이, 베이스(31)와, 회전축(32)과, 구동부(33)와, 암(34)(지지 부재)을 포함한다. 베이스(31)는 직동체(22)의 선단부에 설치되어 있다. 그 때문에, 직동체(22)의 이동에 수반하여, 보유 지지부(30)도 화살표 D1 방향으로 왕복 이동 가능하다.
회전축(32)은, 베이스(31)로부터 상방을 향해서 연직 방향을 따라 연장되어 있다. 회전축(32)은, 컨트롤러(60)로부터의 제어 신호에 기초하여 동작하도록 구성된 모터(도시하지 않음)에 의해 회전 구동된다. 회전축(32)의 상부에는, 구동부(33)가 접속되어 있다. 그 때문에, 회전축(32)이 회전하면, 구동부(33) 및 암(34)이 회전축(32) 주위로 회전한다.
구동부(33)는, 구동부(20)에 의한 보유 지지부(30)의 이동 방향과는 다른 방향으로 암(34)을 왕복 이동시키도록 구성되어 있다. 구동부(33)는, 예를 들어 화살표 D2 방향에 있어서 암(34)을 왕복 이동(동작)시켜도 된다. 구동부(33)가 암(34)을 왕복 이동시킴으로써, 암(34)에 보유 지지되어 있는 웨이퍼(W)가 처리 유닛(3A, 3B)에 대하여 반출입된다. 구동부(33)는, 예를 들어 도 2에 도시하는 바와 같이, 하우징(33a)과, 직동체(33b)와, 풀리(33c, 33d)와, 벨트(33e)와, 모터(33f)를 포함한다. 하우징(33a)은, 구동부(33)에 포함되는 각 요소를 수용한다. 하우징(33a)의 상벽에는, 개구(33g)가 마련되어 있다.
직동체(33b)는 연직 방향을 따라 연장되는 부재이다. 직동체(33b)의 하단부는, 하우징(33a) 내에서 벨트(33e)에 접속되어 있다. 직동체(33b)의 상단부는, 개구(33g)를 통해서 하우징(33a) 밖으로 돌출되어 있다. 풀리(33c, 33d)는 각각, 화살표 D2 방향에서의 하우징(33a)의 각 단부에 배치되어 있다. 풀리(33c, 33d)는 각각, 화살표 D1 방향을 따른 회전축 주위로 회전 가능하게 하우징(33a) 내에 마련되어 있다.
벨트(33e)는 풀리(33c, 33d)에 걸쳐져 있다. 벨트(33e)는 예를 들어 타이밍 벨트이어도 된다. 모터(33f)는, 회전 토크를 발생시키는 동력원이며, 컨트롤러(60)로부터의 제어 신호에 기초하여 동작하도록 구성되어 있다. 모터(33f)는, 예를 들어 서보 모터이어도 된다. 모터(33f)에 의한 토크(구동력)가 풀리(33d)에 전달되면, 풀리(33c, 33d)에 걸쳐진 벨트(33e)가 화살표 D2 방향을 따라 이동한다. 이에 의해, 직동체(33b)도 화살표 D2 방향으로 왕복 이동한다.
암(34)은 웨이퍼(W)의 주연을 둘러쌈과 함께, 웨이퍼(W)의 이면을 지지하도록 구성되어 있다. 암(34)은 직동체(33b)의 선단부에 설치되어 있다. 그 때문에, 직동체(33b)의 이동에 수반하여, 암(34)도 화살표 D2 방향으로 왕복 이동 가능하다. 보유 지지부(30)는, 상하 방향을 따라 겹쳐서 배치된 복수의 암(34)을 포함하고 있어도 된다.
[컨트롤러]
이어서, 도 3 및 도 4를 참조하여 컨트롤러(60)에 대해서 더욱 상세하게 설명한다. 컨트롤러(60)는, 기판 처리 장치(2)를 부분적 또는 전체적으로 제어한다. 컨트롤러(60)는, 도 3에 도시된 바와 같이, 상태 판정부(70)(상태 판정 장치)를 포함한다. 상태 판정부(70)는, 웨이퍼(W)를 보유 지지하면서 동작시키는 반송 장치(10)의 상태를 판정한다. 이하에서는, 상태 판정부(70)에 의해 구동부(33)의 상태(예를 들어, 벨트(33e)의 텐션의 적부)를 판정하는 경우의 예를 설명한다.
상태 판정부(70)는, 기능 모듈로서, 예를 들어 판독부(71)와, 기억부(72)와, 지시부(73)와, 취득부(74)와, 조정부(75)와, 모델 생성부(76)와, 판정부(77)(제1 판정부)와, 판정부(78)(제2 판정부)와, 출력부(79)를 포함한다. 이들 기능 모듈은, 컨트롤러(60)의 기능을 편의상 복수의 모듈로 구획한 것에 지나지 않으며, 컨트롤러(60)를 구성하는 하드웨어가 이러한 모듈로 나뉘어져 있는 것을 반드시 의미하는 것은 아니다. 각 기능 모듈은, 프로그램의 실행에 의해 실현되는 것에 한정되지 않고, 전용의 전기 회로(예를 들어 논리 회로), 또는 이것을 집적한 집적 회로(ASIC: application specific integrated circuit)에 의해 실현되는 것이어도 된다.
판독부(71)는, 컴퓨터 판독 가능한 기록 매체(RM)로부터 프로그램을 판독하는 기능을 갖는다. 기록 매체(RM)는, 웨이퍼(W)의 반송에 수반하는 반송 장치(10) 내의 각 부를 동작시키기 위한 프로그램 및 상태 판정부(70)에 의해 반송 장치(10)의 상태를 판정하기 위한 프로그램을 기록하고 있다. 기록 매체(RM)로서는, 예를 들어 반도체 메모리, 광기록 디스크, 자기 기록 디스크, 광자기 기록 디스크이어도 된다.
기억부(72)는 다양한 데이터를 기억하는 기능을 갖는다. 기억부(72)는, 예를 들어 판독부(71)에서 기록 매체(RM)로부터 판독한 프로그램, 반송 장치(10)의 상태를 판정할 때의 각종 데이터, 반송 장치(10)의 상태에 대한 판정 결과 등을 기억하고 있다.
지시부(73)는, 기억부(72)에 기억되어 있는 반송 장치(10) 내의 각 부를 동작시키는 프로그램에 기초하여, 제어 신호를 송신하는 기능을 갖는다. 구체적으로는, 지시부(73)는, 구동부(33)의 모터(33f)를 구동시킴으로써, 암(34)을 화살표 D2 방향을 따라 이동시키는 제어 신호를 생성한다. 지시부(73)는, 구동부(20)의 모터(27)를 구동시킴으로써, 암(34)을 화살표 D1 방향을 따라 이동시키는 제어 신호를 생성한다.
취득부(74)는, 반송 장치(10)의 동작 데이터를 취득하는 기능을 갖는다. 취득부(74)는, 예를 들어 모터(33f)의 토크 신호를 동작 데이터로서 취득해도 된다. 취득부(74)는, 암(34)의 일 동작마다의 토크 신호를 취득해도 된다. 토크 신호는, 모터(33f)의 토크의 시간 변화(아날로그 신호)로부터 소정의 샘플링 주기로 얻어진 시계열 데이터이어도 된다. 암(34)의 일 동작은, 예를 들어 모터(33f)의 구동에 의해 암(34)이 화살표 D2 방향에 있어서 일 방향으로 이동하는 것이어도 된다. 취득부(74)는, 예를 들어 토크의 시간 변동으로부터 암(34)의 일 동작당 100개 내지 200개 정도의 이산값을 취득해도 된다. 취득부(74)는, 취득한 토크 신호를 조정부(75)에 출력한다.
조정부(75)는, 취득부(74)에 의해 취득된 동작 데이터(토크 신호)의 데이터수를 일정 수로 조정하는 기능을 갖는다. 암(34)의 일 동작에서의 동작 시간은, 동일한 동작이어도 약간 변동하는 경우가 있다. 그 때문에, 취득부(74)에 의해, 일정 샘플링 주기로 토크 신호의 이산값이 얻어지는 경우, 데이터수가, 암(34)의 동작마다 다른 경우가 있다. 조정부(75)는, 암(34)의 동작마다 다른 토크 신호의 데이터수를 일정 수로 조정한다. 조정부(75)는, 예를 들어 토크 신호에 대하여 이산 푸리에 변환(DFT: Discrete Fourier Transform)을 행해서 주파수 데이터를 취득하고, 변환 후의 데이터수가 소정수(예를 들어 128개)로 되도록 당해 주파수 데이터에 대하여 역 이산 푸리에 변환(IDFT: Inverse Discrete Fourier Transform)을 행해도 된다.
토크 신호의 데이터수가 조정됨으로써, 예를 들어 데이터수가 압축된 토크 신호가 생성되어도 된다. 즉, 소정수보다도 많은 데이터수를 갖는 동작 데이터가, 소정수의 데이터수로 압축된 동작 데이터(압축 동작 데이터)로 조정되어도 된다. 조정부(75)는, 데이터수를 조정한 동작 데이터를, 기억부(72) 및 판정부(77)에 출력한다. 조정부(75)는, 다른 방법에 의해 동작 데이터의 데이터수를 조정해도 된다. 조정부(75)는, 예를 들어 동작 데이터의 데이터수가 128개를 초과하는 경우에는, 129개째 이후의 데이터를 제외해도 된다. 조정부(75)는, 데이터수의 압축 대신에, 조정 전의 토크 신호의 데이터수에 대하여 데이터수가 증가하도록 데이터수를 조정해도 된다. 이하에서는, 데이터수를 압축할 경우를 예로 들어 설명한다.
모델 생성부(76)는, 반송 장치(10)에 대한 감시 모델을 생성하는 기능을 갖는다. 상태 판정부(70)에 의한 상태 판정의 대상이 구동부(33)일 경우에는, 모델 생성부(76)는, 구동부(33)의 정상 동작 시에 있어서 취득부(74)가 취득한 동작 데이터(토크 신호)에서 유래되는 정상 동작 데이터에 기초하여, 오토 인코더를 사용한 기계 학습을 실행함으로써 감시 모델을 생성한다. 모델 생성부(76)는, 감시 모델을 생성하면, 당해 감시 모델을 기억부(72)에 출력한다. 정상 동작이란, 구동부(33)의 열화 또는 이상 등이 발생하고 있지 않은 것이 판명되어 있는 상태에서의 구동부(33)의 동작이다. 정상 동작 데이터는, 조정부(75)에 의해 데이터수가 압축된 동작 데이터(압축 동작 데이터)이어도 되고, 취득부(74)에 의해 취득된 동작 데이터이어도 된다. 감시 모델의 생성 방법의 상세에 대해서는 후술한다.
판정부(77)는, 반송 장치(10)의 상태를 판정하는 기능을 갖는다. 판정부(77)는, 반송 장치(10)의 평가 시에 있어서 취득부(74)에 의해 취득된 동작 데이터에서 유래되는 평가 데이터를 감시 모델에 입력해서 얻어지는 출력 데이터(제1 출력 데이터)에 기초하여, 구동 기구의 상태를 판정한다. 평가 시란, 예를 들어 반송 장치(10)의 상태를 오퍼레이터 등이 파악할 수 없는 상태에서, 웨이퍼(W)의 처리가 기판 처리 장치(2)에서 계속해서 행하여지는 때이다. 평가 데이터는, 조정부(75)에 의해 데이터수가 압축된 동작 데이터(압축 동작 데이터)이어도 되고, 취득부(74)에 의해 취득된 동작 데이터이어도 된다. 판정부(77)에 의한 판정 방법에 대해서는 후술한다. 판정부(77)는 판정 결과를 기억부(72)에 출력한다.
판정부(78)는 기억부(72)에 소정 기간 축적되어 있는 판정부(77)에 의한 판정 결과에 기초하여, 반송 장치(10)가 이상 상태에 근접하고 있는 정도를 판정하는 기능을 갖는다. 판정부(78)에 의한 판정 방법에 대해서는 후술한다. 판정부(78)는 판정 결과를 출력부(79)에 출력한다.
출력부(79)는, 판정부(78)에 의한 판정 결과를 출력하는 기능을 갖는다. 출력부(79)는, 예를 들어 컨트롤러(60) 내의 다른 요소에, 판정 결과를 나타내는 신호를 출력해도 되고, 컨트롤러(60) 밖으로, 판정 결과를 나타내는 신호를 출력해도 된다. 출력부(79)는, 판정 결과를 나타내는 신호로서, 반송 장치(10)가 이상 상태에 근접하고 있는 것을 나타내는 신호(이하, 「알람 신호」라고 함)를 출력해도 된다. 컨트롤러(60)는, 알람 신호가 출력된 경우에, 반송 장치(10)에 의한 반송 동작을 일시적으로 정지해도 되고, 기판 처리 장치(2)에서의 웨이퍼(W)에 대한 처리를 일시적으로 정지해도 된다. 혹은, 기판 처리 장치(2)가 통지부(도시하지 않음)를 더 구비하고 있고, 통지부는, 출력부(79)로부터 알람 신호를 수신했을 때, 반송 장치(10)가 이상 상태에 근접하고 있는 것을 오퍼레이터 등에게 통지해도 된다.
컨트롤러(60)의 하드웨어는, 예를 들어 1개 또는 복수의 제어용 컴퓨터에 의해 구성된다. 컨트롤러(60)는, 하드웨어 상의 구성으로서, 예를 들어 도 4에 도시하는 회로(81)를 갖는다. 회로(81)는, 전기 회로 요소(circuitry)로 구성되어 있어도 된다. 회로(81)는 구체적으로는, 프로세서(82)와, 메모리(83)(기억부)와, 스토리지(84)(기억부)와, 입출력 포트(85)를 갖는다. 프로세서(82)는, 메모리(83) 및 스토리지(84)의 적어도 한쪽과 협동해서 프로그램을 실행하여, 입출력 포트(85)를 통한 신호의 입출력을 실행함으로써, 상술한 각 기능 모듈을 구성한다. 입출력 포트(85)는, 프로세서(82), 메모리(83) 및 스토리지(84)와, 기판 처리 장치(2)의 각종 장치(반송 장치(10))의 사이에서 신호의 입출력을 행한다.
본 실시 형태에서는, 기판 처리 시스템(1)은, 하나의 컨트롤러(60)를 구비하고 있지만, 복수의 컨트롤러(60)로 구성되는 컨트롤러군(제어부)을 구비하고 있어도 된다. 기판 처리 시스템(1)이 컨트롤러군을 구비하고 있을 경우에는, 상기 기능 모듈이 각각, 하나의 컨트롤러(60)에 의해 실현되어 있어도 되고, 2개 이상의 컨트롤러(60)의 조합에 의해 실현되어 있어도 된다. 컨트롤러(60)가 복수의 컴퓨터(회로(81))로 구성되어 있는 경우에는, 상기 기능 모듈이 각각, 하나의 컴퓨터(회로(81))에 의해 실현되어 있어도 되고, 2개 이상의 컴퓨터(회로(81))의 조합에 의해 실현되어 있어도 된다. 컨트롤러(60)는, 복수의 프로세서(82)를 갖고 있어도 된다. 이 경우, 상기 기능 모듈이 각각, 1개 또는 복수의 프로세서(82)에 의해 실현되어 있어도 된다.
[상태 판정 방법]
계속해서, 도 5를 참조하여, 반송 장치(10)의 상태를 판정하는 방법을 설명한다.
먼저, 컨트롤러(60)는, 구동부(33)의 정상 동작 시에 있어서의 동작 데이터에 기초하여, 구동부(33)의 감시 모델을 생성한다(도 5의 스텝 S10). 이어서, 컨트롤러(60)는, 생성된 감시 모델을 사용하여, 구동부(33)의 평가 시에 있어서의 동작 데이터에 기초하여, 구동부(33)의 상태를 감시한다(도 5의 스텝 S20). 컨트롤러(60)는, 스텝 S20의 처리를 반복해서 실행해도 된다. 스텝 S10에서의 처리가 행하여지는 단계가 「학습 단계」이며, 스텝 S20에서의 처리가 계속되는 단계가 「감시(평가) 단계」이다.
[감시 모델의 생성 방법]
계속해서, 스텝 S10에서의 감시 모델의 생성 방법에 대해서, 도 6 내지 도 12를 참조하여 더욱 상세하게 설명한다. 이 감시 모델의 생성은, 예를 들어 기판 처리 장치(2)에 의한 웨이퍼(W)의 처리가 행하여지지 않고 있을 때 행하여져도 된다. 또한, 오퍼레이터에 의해 구동부(33)의 상태가 정상이라고 판단되어 있을 때, 감시 모델의 생성이 행하여져도 된다.
먼저, 상태 판정부(70)는, 구동부(33)의 정상 동작 시에 있어서의 동작 데이터를 취득한다(도 6의 스텝 S11). 스텝 S11에서는, 먼저 지시부(73)가 모터(33f)를 제어함으로써, 암(34)에 대하여 화살표 D2 방향을 따라 1회의 동작을 행하게 한다. 이어서, 취득부(74)는, 당해 동작에서의 토크의 시간 변화를 소정의 샘플링 주기로 샘플링해서 얻어지는 토크 신호를 동작 데이터로서 취득한다. 취득부(74)는, 지시부(73)에 의한 모터(33f)에의 전류 명령값에 따라서 얻어지는 토크 신호를 동작 데이터로서 취득해도 되고, 모터(33f)에 마련된 토크 센서의 검출 결과에 따라서 얻어지는 토크 신호를 동작 데이터로서 취득해도 된다. 도 7에는, 취득부(74)에 의해 얻어지는 동작 데이터의 일례가, 동작 데이터(T1)로서 나타내져 있다. 이 예에서는, 동작 데이터(T1)의 데이터수는 136개이다. 즉, 동작 데이터(T1)는, 136개의 이산값에 의해 나타내진다. 취득부(74)는, 취득한 동작 데이터를 조정부(75)에 출력한다.
이어서, 상태 판정부(70)는, 취득부(74)에 의해 취득된 동작 데이터를 조정한다(도 6의 스텝 S12). 스텝 S12에서는, 조정부(75)가 동작 데이터의 데이터수를 일정 수로 조정한다. 조정부(75)는, 예를 들어 동작 데이터에 대하여 이산 푸리에 변환 및 역 이산 푸리에 변환을 행함으로써, 압축 동작 데이터를 생성해도 된다. 도 7에는, 조정부(75)에 의해 생성된 압축 동작 데이터의 일례가, 압축 동작 데이터(T2)로서 나타내진다. 이 예에서는, 동작 데이터(T1)의 136개의 데이터수를, 128개의 데이터수로 조정(압축)함으로써, 압축 동작 데이터(T2)가 생성되어 있다. 횡축의 샘플링 카운트는 시간에 대응하고 있고, 도 7에 도시하는 바와 같이, 압축 동작 데이터(T2)는, 시간축(지면 가로 방향)에 있어서 동작 데이터(T1)를 압축한 것과 같은 파형으로 된다. 조정부(75)는, 생성한 압축 동작 데이터를 기억부(72)에 출력한다. 정상 동작 시에 얻어지는 압축 동작 데이터는, 감시 모델을 생성할 때의 학습용 데이터(정상 동작 데이터)로서 사용된다.
이어서, 상태 판정부(70)는, 조정부(75)에 의해 생성된 정상 동작 데이터의 개수가, 미리 정해진 수(이하, 「수집수」라고 함)에 도달했는지 여부를 판단한다(도 6의 스텝 S13). 정상 동작 데이터의 개수가 수집수에 도달하지 않았다고 판단된 경우(스텝 S13: "아니오"), 상태 판정부(70)는 스텝 S11, S12를 반복한다. 이때, 상태 판정부(70)는, 구동부(33)에 대하여 동일한 동작을 반복해서 행하게 하여, 복수의 정상 동작 데이터를 취득해 나간다. 상태 판정부(70)는, 예를 들어 구동부(33)에서, 처리 유닛(3A)(처리 유닛(3B))에 웨이퍼(W)를 반입시키는 경우의 동작, 또는 처리 유닛(3A)으로부터 웨이퍼(W)를 반출시키는 경우의 동작을 반복해서 행하게 한다.
이에 의해, 복수(예를 들어, 600 내지 1800개)의 정상 동작 데이터가, 학습용 데이터군으로서 기억부(72)에 기억된다. 상태 판정부(70)는, 벨트(33e)의 텐션(진동수)이 서로 다른 값으로 설정된 경우 각각에 대해서, 복수의 학습용 데이터군을 기억부(72)에 기억시켜도 된다. 예를 들어, 학습용 데이터군은, 텐션에 따른 진동수가 140Hz일 경우에 취득된 200 내지 600개의 정상 동작 데이터와, 진동수가 130Hz일 경우에 취득된 200 내지 600개의 정상 동작 데이터와, 진동수가 120Hz일 경우에 취득된 200 내지 600개의 정상 동작 데이터를 포함하고 있어도 된다.
학습용 데이터군에 포함되는 정상 동작 데이터의 수가 수집수에 도달했다고 판단된 경우(스텝 S13: "예"), 상태 판정부(70)는, 축적된 학습용 데이터군에 기초하여 감시 모델(AE)(도 8 참조)을 생성한다(도 6의 스텝 S14). 이 감시 모델(AE)은, 구동부(33)의 특성에 기초한 모델이며, 당해 구동부(33)의 상태를 판정하기 위해서 사용된다. 스텝 S14에서는, 모델 생성부(76)가, 학습용 데이터군 내의 복수의 정상 동작 데이터에 기초하여 기계 학습을 행함으로써, 구동부(33)에 대한 특정 동작에 대한 감시 모델을 생성한다.
모델 생성부(76)는, 뉴럴 네트워크의 일종인 오토 인코더(AutoEncoder)를 사용한 기계 학습에 의해, 학습 데이터군에 포함되는 복수의 정상 토크 신호에 기초하여 감시 모델(AE)을 생성한다. 오토 인코더를 사용한 기계 학습에 의해, 일정 데이터수의 입력 데이터에 대하여, 동일한 데이터수의 출력 데이터가 입력 데이터와 동일값을 출력하는 중간층을 갖는 모델이 생성된다. 이 모델의 중간층에는, 입력 데이터로부터 특징량을 순서대로 차원 압축시켜, 순서대로 복원시켜 나가는 복수의 층이 포함된다. 조정부(75)에 의해 조정되는 데이터수가 예를 들어 128개일 경우, 128개의 데이터가 입력되어, 128개의 출력 데이터가 얻어지는 감시 모델(AE)이 생성된다. 모델 생성부(76)는, 생성한 감시 모델(AE)을 기억부(72)에 출력한다.
도 8은, 정상 동작 데이터(Tin1)가 감시 모델(AE)에 입력된 경우에 얻어지는 출력 데이터의 예를 도시한다. 감시 모델(AE)은 정상 동작 데이터에 기초하여 생성된 것이므로, 감시 모델(AE)에 정상 동작 데이터(Tin1)가 입력되면, 정상 동작 데이터(Tin1)의 파형에 가까운 출력 데이터(Tout1)가 감시 모델(AE)로부터 출력된다. 한편, 도 9는, 구동부(33)가 정상 상태가 아닐 경우의 압축 동작 데이터(Tin2)가 감시 모델(AE)에 입력된 경우에 얻어지는 출력 데이터의 예를 도시한다. 이 경우, 압축 동작 데이터(Tin2)의 파형에 대하여 어긋남이 큰 출력 데이터(Tout2)가 감시 모델(AE)로부터 출력된다. 즉, 구동부(33)가 이상에 근접하고 있을 경우에, 감시 모델(AE)에의 입력 데이터에 대한 감시 모델(AE)로부터의 출력 데이터의 오차(어긋남)가 커지는 것을 이용하여, 구동부(33)의 상태를 판정할 수 있다.
이어서, 상태 판정부(70)(판정부(78))는, 감시 모델(AE)에 있어서 허용 오차(Ea)를 산출한다(도 6의 스텝 S15). 여기서, 감시 모델(AE)은, 정상 동작 데이터에 기초하여 생성되어 있지만, 동일한 정상 동작 데이터가 다시 입력되어도, 입력 데이터와 완전히 일치하는 출력 데이터를 출력하지 않는다. 즉, 정상 동작 데이터가 입력 데이터일 경우에도, 입력 데이터와 출력 데이터의 사이에서, 감시 모델(AE) 자체에 기인한 오차(어긋남)가 생길 수 있다. 이 때문에, 본 실시 형태에서는, 상태 판정부(70)는, 감시 모델(AE) 자체에 기인하는 오차를 허용 오차(Ea)로서 산출한다. 스텝 S15에서는, 먼저, 모델 생성부(76)가, 감시 모델(AE)에, 학습용 데이터군에 포함되는 복수의 정상 동작 데이터 각각을 입력하고, 입력 데이터와 출력 데이터(제2 출력 데이터)의 사이의 차분을 오차(Eb)(제1 오차)로서 산출한다.
도 10은, 오차(Eb)의 계산 결과의 일례를 도시한다. 도 10에서는, 일례로서, 감시 모델(AE)에 입력된 정상 동작 데이터가 10개인 경우에 있어서, 「Tick no」가 111부터 114까지의 오차(Eb)의 계산 결과가 일례로서 도시되어 있다. 여기서, 「Tick no」는, 도 7에 도시되는 샘플링 카운트값에 대응하고 있으며, 예를 들어 「Tick no」가 111일 경우, 제111번째의 데이터를 나타내고 있다. 이하, 「Tick no」가 1 내지 128인 데이터를 각각 「제1 내지 제128 데이터」라고 칭하여 설명한다.
판정부(78)는, 학습용 데이터군에 포함되는 모든 또는 일부의 정상 동작 데이터 각각에 있어서, 제1 내지 제128 데이터에 대한 오차(Eb)를 산출해도 된다. 모델 생성부(76)는, 오차(Eb)에 기초하여, 감시 모델(AE) 자체에 기인하는 허용 오차(Ea)를 산출해도 된다. 모델 생성부(76)는, 파라미터 μ1, σ1을 각각,
μ1: 오차(Eb)의 평균값
σ1: 오차(Eb)의 표준 편차
로 했을 때의, μ1±3σ1의 범위를 허용 오차(Ea)로서 설정해도 된다. 판정부(78)는, 산출한 허용 오차(Ea)를 기억부(72)에 기억한다.
이어서, 컨트롤러(60)는, 괴리도(da)(제1 괴리도)의 역치(Th1)를 산출한다(도 6의 스텝 S16). 괴리도(da)는, 평가 시에 있어서 구동부(33)가 이상 상태에 근접하고 있는 정도를 나타내는 지표이다. 역치(Th1)는, 대상의 구동 기구가 이상 상태에 근접하고 있는 것을 나타낸다. 여기에서는, 괴리도의 산출 방법을 설명한 후에, 괴리도(da)의 역치(Th1)의 산출 방법의 구체예를 설명한다.
스텝 S16에서는, 판정부(77)가, 복수의 정상 동작 데이터 각각에 있어서, 제1 내지 제128 데이터마다, 오차(Eb)와 허용 오차(Ea)의 차분을 보정 오차(Ec)로서 산출한다. 판정부(77)는, 오차(Eb)의 값이 허용 오차(Ea)의 범위에 포함되어 있으면, 보정 오차(Ec)를 0으로 산출해도 된다. 판정부(77)는, 오차(Eb)의 값이 허용 오차(Ea)의 범위 밖이라면, 허용 오차(Ea)의 상한값 또는 하한값과 오차(Eb)의 값의 차분을 보정 오차(Ec)로서 산출해도 된다.
도 11의 (a)는 오차(Eb)와 허용 오차(Ea)의 계산 결과의 일례를 도시한다. 도 11의 (a)에서는, 오차(Eb)의 값이 흑색 원 표시로 나타내지고, 허용 오차(Ea)의 범위가 세로의 실선으로 나타내지고 있다. 도 11의 (a)에 도시되는 예에서, 제7 내지 제9 데이터에서는 오차(Eb)가 허용 오차(Ea)의 범위 밖이며, 제10 내지 제12 데이터에서는 오차(Eb)가 허용 오차(Ea)의 범위 내이다. 도 11의 (b)는 도 11의 (a)에 도시되는 오차(Eb)와 허용 오차(Ea)의 차분(보정 오차(Ec))의 계산 결과를 일례로서 도시한다. 제7 내지 제9 데이터에서는, 오차(Eb)가 허용 오차(Ea)의 범위 밖이므로, 보정 오차(Ec)는 0이 아니다. 한편, 제10 내지 제12 데이터에서는, 오차(Eb)가 허용 오차(Ea)의 범위 내이므로, 보정 오차(Ec)가 0이다.
판정부(77)는, 제1 내지 제128 데이터 각각에 대한 보정 오차(Ec)에 기초하여, 학습용 괴리도(dr)(제2 괴리도)를 산출하는 처리를, 복수의 정상 동작 데이터에 대하여 실시해도 된다. 판정부(77)는, 예를 들어 제1 내지 제128 데이터에 대한 보정 오차(Ec)(오차(Eb)와 허용 오차(Ea)의 차분)의 평균 제곱 오차 평방근(RMSE: Root Mean Squared Error)을 계산해서 얻어지는 값을 학습용 괴리도(dr)로서 산출하는 처리를, 복수의 정상 동작 데이터에 대하여 실시해도 된다. 오차(Eb)와 허용 오차(Ea)에 기초하는 평균 제곱 오차 평방근은, 정상 동작 데이터마다, 제1 내지 제128 데이터 각각의 보정 오차(Ec)를 2승한 값을 평균하여 얻어지는 평균값의 평방근을 계산함으로써 얻어진다.
도 12는, 학습용 데이터군에 대한 괴리도(dr)의 계산 결과의 일례를 도시한다. 도 12에서는, 학습용 괴리도(dr)의 계산 결과가 「상자 수염 그림」으로 도시되어 있다. 도 12에서는, 학습용 데이터군에 기초하는 괴리도(dr)의 계산 결과가 도시되어 있으므로, 4분위 범위를 나타내는 상자가 괴리도(dr)가 0 부근에 그려져 있어, 당해 상자를 육안으로 확인할 수 없는 상태로 되어 있다. 판정부(77)는, 평가 시에 사용하는 괴리도(da)의 역치(Th1)에 대해서, 파라미터 σ2를
σ2: 오차(Eb)와 허용 오차(Ea)의 비교에 기초해서 얻어지는, 허용 오차(Ea)로부터의 학습용 괴리도(dr)의 표준 편차
로 했을 때,
Th1=3σ2
로 역치(Th1)를 산출해도 된다. 판정부(77)는, 당해 역치(Th1)를 기억부(72)에 출력한다.
[반송 장치의 상태 감시 방법]
계속해서, 도 13을 참조하여, 도 5에 도시되는 스텝 S20에서의 구동부(33)의 상태 감시 방법에 대해서 더욱 상세하게 설명한다. 이 구동부(33)의 상태 감시는, 예를 들어 기판 처리 장치(2)에 의해 웨이퍼(W)가 처리되고 있을 때 계속해서 행하여져도 된다.
먼저, 상태 판정부(70)는 구동부(33)의 평가 시에 있어서의 동작 데이터를 취득한다(도 13의 스텝 S21). 스텝 S21에서는, 기판 처리 장치(2)에서의 웨이퍼(W)의 처리에 맞추어, 지시부(73)가, 모터(33f)를 제어함으로써, 암(34)을 화살표 D2 방향을 따라 1회의 동작을 행하게 한다. 이어서, 취득부(74)는, 당해 동작에서의 토크의 시간 변화를 소정의 샘플링 주기로 샘플링해서 얻어지는 토크 신호(평가 토크 신호)를 동작 데이터로서 취득한다. 이 스텝 S21은, 구동부(33)의 상태가 정상인지 여부가 불명확한 점을 제외하고, 스텝 S11과 마찬가지로 행하여진다. 취득부(74)는 취득한 동작 데이터를 조정부(75)에 출력한다.
이어서, 상태 판정부(70)는, 취득부(74)에 의해 취득된 동작 데이터를 조정한다(도 13의 스텝 S22). 스텝 S22에서는, 스텝 S12와 마찬가지로, 조정부(75)가 동작 데이터의 데이터수를 일정 수(예를 들어 128개)로 조정함으로써, 압축 동작 데이터를 생성한다. 조정부(75)는, 생성한 압축 동작 데이터를 판정부(77)에 출력한다. 평가 시에 얻어지는 압축 동작 데이터는, 구동부(33)의 상태를 판정하기 위한 평가용 데이터(평가 데이터)로서 사용된다.
이어서, 상태 판정부(70)는, 조정부(75)에 의해 생성된 평가 데이터에 기초하여 괴리도(da)를 산출한다(도 13의 스텝 S23). 스텝 S23에서는, 판정부(77)가, 기억부(72)에 기억되어 있는 감시 모델(AE)에 기초하여 괴리도(da)를 산출한다. 먼저 판정부(77)는, 예를 들어 평가 데이터를 감시 모델(AE)에 입력함으로써 얻어지는 출력 데이터와, 입력한 평가 데이터의 사이의 오차(Ed)(제2 오차)를 산출해도 된다. 그리고, 판정부(77)는, 오차(Ed)와 감시 모델(AE)의 허용 오차(Ea)를 비교함으로써 괴리도(da)를 산출한다. 이 괴리도(da)는, 스텝 16에서의 괴리도(dr)의 산출과 마찬가지로, 오차(Ed)와 허용 오차(Ea)에 기초하는(오차(Ed)와 허용 오차(Ea)를 비교한) 평균 제곱 오차 평방근을 산출함으로써 구해져도 된다. 오차(Ed)와 허용 오차(Ea)에 기초하는 평균 제곱 오차 평방근은, 평가 데이터마다, 제1 내지 제128 데이터 각각의 오차(Ed)와 허용 오차(Ea)의 차분을 2승한 값을 평균하여 얻어지는 평균값의 평방근을 계산함으로써 얻어진다.
이어서, 상태 판정부(70)는, 산출된 괴리도(da)에 기초하여 대상의 구동 기구의 상태를 판정하는 1차 판정을 행한다(도 13의 스텝 S24). 스텝 S24에서는, 판정부(77)는, 기억부(72)에 기억되어 있는 역치(Th1)를 괴리도(da)가 초과하였는지 여부에 기초하여 대상의 구동 기구의 상태를 판정해도 된다. 판정부(77)는, 괴리도(da)가 역치(Th1)를 초과하였는지 여부의 판정 결과를 기억부(72)에 출력해도 된다.
이어서, 상태 판정부(70)는, 구동부(33)의 감시 개시부터 소정 기간을 경과했는지 여부를 판단한다(도 13의 스텝 S25). 소정 기간이 경과하지 않았다고 판단되었을 경우(스텝 S25: "아니오"), 상태 판정부(70)는 스텝 S21 내지 스텝 S25를 반복한다. 이에 의해, 기억부(72)에는, 괴리도(da)에 기초하는 구동부(33)의 상태의 판정 결과가 소정 기간 축적된 데이터군(이하, 「판정 데이터군」이라고 함)이 기억된다. 기억부(72)는 소정 기간을 기억하고 있어도 되고, 소정 기간은 예를 들어 오퍼레이터에 의해 미리 설정되어 있어도 된다. 소정 기간으로서, 예를 들어 1시간, 수시간, 반일, 1일, 또는 1주일 등이 설정되어도 된다.
소정 기간이 경과했다고 판단된 경우(스텝 S25: "예"), 상태 판정부(70)는, 구동부(33)가 이상 상태에 근접하고 있는 정도를 판정 데이터군에 기초하여 판정하는 2차 판정을 행한다(도 13의 스텝 S26). 스텝 S26에서는, 예를 들어 판정부(78)가, 판정 데이터군 중 괴리도(da)가 역치(Th1)를 초과한 데이터의 비율(이하, 「데이터 비율」이라고 함)에 기초하여, 구동부(33)가 이상 상태에 근접하고 있는 정도를 판정해도 된다. 데이터 비율은, 소정 기간에 있어서, 판정부(77)에 의해 판정된 전체 판정 횟수에 대한, 역치(Th1)를 초과했다고 판단된 판정 결과의 수의 비율이다.
판정부(78)는, 데이터 비율이 미리 정해진 역치(Th2)를 초과하는 경우에, 대상의 구동 기구가 이상 상태에 근접하고 있으면 판정해도 된다. 역치(Th2)는, 오퍼레이터 등에 의해 임의의 값으로 설정되어도 되고, 70％ 내지 100％의 범위 내에서 설정되어도 되고, 80％ 내지 100％의 범위 내에서 설정되어도 되고, 90％ 내지 100％의 범위 내에서 설정되어도 된다. 판정부(78)는, 판정 결과를 출력부(79)에 출력한다.
이어서, 상태 판정부(70)는 판정 결과를 출력한다(도 13의 스텝 S27). 스텝 S27에서는, 출력부(79)는, 예를 들어 판정 결과를 나타내는 신호로서, 대상의 구동 기구가 이상 상태에 근접하고 있는 것을 나타내는 신호(알람 신호)를 출력해도 된다.
[검증 결과]
계속해서, 도 14 및 도 15를 참조하여, 감시 모델을 사용한 반송 기구의 판정에 대한 검증 결과를 설명한다. 도 14는, 구동부(33)의 벨트(33e)가 서로 다른 텐션을 갖는 경우에 있어서, 검증용의 복수(500개)의 정상 동작 데이터에 기초하여, 감시 모델(AE)을 사용해서 괴리도(da)를 산출한 결과를 도시한다.
도 14에 도시되는 예에서는, 반송 기구의 벨트(33e)의 텐션에 따른 진동수를, 140Hz 내지 60Hz의 범위에서 10Hz단위로 변화시킨 경우의 괴리도(da)가 각각 산출되어 있다. 진동수가 작아질수록, 텐션이 저하되어 있는 것을 나타내고 있다. 그리고, 텐션이 저하되어 있을수록, 반송 기구의 벨트(33e)가 열화되어 있는 것을 나타내고 있다. 도 14에서는, 텐션(진동수)마다의 괴리도(da)의 계산 결과의 분포가 상자 수염 그림으로서 도시되어 있다. 도 14에 도시되는 계산 결과로부터, 텐션이 저하될수록, 괴리도(da)의 최댓값이 상승하고 있고, 상자로 나타내지는 4분위 범위에 포함되는 괴리도(da)가 상승하고 있는 것을 알 수 있다.
도 15는, 도 14에 도시되는 괴리도(da)의 검증 결과와 동일한 조건에 있어서, 괴리도(da)가 역치(Th1)를 초과한 비율인 데이터 비율을 도시한다. 도 15에 도시하는 바와 같이, 진동수가 90Hz 이하인 경우, 데이터 비율이 75％ 이상으로 되어 있고, 진동수가 80Hz 이하인 경우, 데이터 비율이 90％ 이상으로 되어 있다. 진동수(텐션)가 낮을수록 구동부(33)가 이상 상태에 근접하고 있으므로, 예를 들어 역치(Th2)를 75％로 설정함으로써, 구동부(33)가 이상 상태에 근접하고 있다고 판정부(78)에 의해 판정할 수 있다. 혹은, 역치(Th2)를 90％로 설정함으로써, 구동부(33)가 이상 상태에 보다 근접하고 있다고 판정부(78)에 의해 판정할 수 있다.
[작용]
이상의 예에 의하면, 반송 장치(10)의 평가 시에 있어서 취득부에 의해 취득된 동작 데이터에서 유래되는 평가 데이터를 감시 모델에 입력해서 얻어지는 출력 데이터에 기초하여, 반송 장치(10)의 상태가 판정된다. 이 경우, 오토 인코더를 사용한 정상 동작 데이터에 기초하는 기계 학습에 의해 생성된 감시 모델에, 정상 동작 데이터가 입력된 경우와, 반송 장치(10)의 이상 동작 시의 동작 데이터가 입력된 경우에, 크게 다른 값이 출력될 수 있다. 그 때문에, 감시 모델로부터의 제1 출력 데이터에 기초하여, 반송 장치(10)의 상태를 간이하면서도 또한 고정밀도로 판정하는 것이 가능하게 된다.
이상의 예에 의하면, 판정부(77)는, 정상 동작 데이터와, 정상 동작 데이터를 감시 모델에 입력해서 얻어지는 출력 데이터의 사이의 오차(Eb)에 기초하여, 허용 오차(Ea)를 취득하는 처리(스텝 S15)를 실행한다. 또한, 판정부(77)는, 평가 데이터와 출력 데이터의 사이의 오차(Ed)를 허용 오차(Ea)와 비교함으로써, 허용 오차(Ea)로부터의 괴리도(da)를 취득하는 처리와, 당해 괴리도(da)에 기초하여 반송 장치(10)의 상태를 판정하는 처리(스텝 S24)를 실행한다.
이 경우, 오토 인코더를 사용한 기계 학습에 의해, 정상 동작 데이터와, 당해 정상 동작 데이터가 입력된 감시 모델로부터의 출력 데이터의 오차가 극히 작아지도록, 당해 감시 모델이 생성된다. 바꾸어 말하면, 반송 장치(10)의 이상 동작 시의 동작 데이터가 당해 감시 모델에 입력되면, 이상 동작 시의 당해 동작 데이터와, 당해 감시 모델로부터의 출력 데이터의 오차가 커진다. 그 때문에, 반송 장치(10)의 상태를 간이하면서도 또한 고정밀도로 판정하는 것이 가능하게 된다.
이상의 예에 의하면, 허용 오차(Ea)는, μ1±3σ1의 범위이다. 이 경우, 정상 동작 데이터에 포함될 수 있는 이상값을 제외한 범위가 허용 오차로 된다. 이러한 허용 오차를 사용해서 오차(Ed)와 비교함으로써, 오차(Ed)에 포함되는 값 중에서 오차로서 큰 것이 고정밀도로 구별된다. 그 때문에, 반송 장치(10)의 이상 동작을 보다 정확하게 판정하는 것이 가능하게 된다.
이상의 예에 의하면, 평가 시의 괴리도(da)는, 평가 시의 오차(Ed)와 허용 오차(Ea)에 기초하여 평균 제곱 오차 평방근을 계산해서 얻어지는 값이다. 이 경우, 당해 괴리도(da)는, 평가 데이터가 전체로서 허용 오차로부터 어느 정도 변동되어 있는지를 나타내게 된다. 이러한 괴리도(da)에 기초하여 반송 장치(10)의 상태를 판정함으로써, 이상 판정의 정확성을 더욱 높이는 것이 가능하게 된다.
이상의 예에 의하면, 평가 시의 괴리도(da)에 기초하여 반송 장치(10)의 상태를 판정하는 것은, 당해 괴리도(da)가 소정의 역치(Th1)를 초과하였는지 여부에 기초하여 판정하는 것을 포함한다. 이 경우, 괴리도(da)를 역치(Th1)와 비교한다는 극히 간이한 방법에 의해, 반송 장치(10)의 상태를 판정하는 것이 가능하게 된다.
이상의 예에 의하면, 역치(Th1)는, 3σ2에 의해 구해지는 값이다. 이러한 역치(Th1)를 사용해서 평가 시의 괴리도(da)와 비교함으로써, 얻어지는 당해 괴리도 중 정상 동작 데이터에 내재할 수 있는 괴리도를 초과하는 것이 고정밀도로 구별된다. 그 때문에, 반송 장치(10)의 이상 동작을 보다 정확하게 판정하는 것이 가능하게 된다.
이상의 예에 의하면, 학습 시의 괴리도(dr)는, 정상 동작 시의 오차(Eb)와 허용 오차(Ea)에 기초하여 평균 제곱 오차 평방근을 계산해서 얻어지는 값이어도 된다. 이 경우, 정상 동작 시의 괴리도(dr)는, 정상 동작 시의 오차(Eb)가 전체로서 허용 오차(Ea)로부터 어느 정도 변동되어 있는지를 나타내게 된다. 이러한 정상 동작 시의 괴리도(dr)에 기초해서 얻어지는 역치(Th1)를 사용해서 반송 장치(10)의 상태를 판정함으로써, 이상 판정의 정확성을 더욱 높이는 것이 가능하게 된다.
이상의 예에 의하면, 평가 시의 괴리도(da)에 기초하는 반송 장치(10)의 상태의 판정 결과가 소정 기간 축적된 데이터군을 기억하는 기억부(72)와, 데이터군 중 괴리도(da)가 소정의 역치(Th1)를 초과한 데이터의 비율에 기초하여, 반송 장치(10)가 이상 상태에 근접하고 있는 정도를 판정하는 판정부(78)를 더 구비할 수 있다. 이 경우, 판정부(78)에 의한 판정 결과에 기초하여, 반송 장치(10)의 메인터넌스 시기를 파악하는 것이 가능하게 된다.
이상의 예에 의하면, 취득부(74)에 의해 취득된 동작 데이터의 데이터수를 일정 수로 조정하는 조정부(75)가 구비된다. 이 경우, 그 후의 데이터 처리를 간편하게 실행하는 것이 가능하게 된다.
이상의 예에 의하면, 반송 장치(10)는, 웨이퍼(W)를 지지하는 암(34)과, 암(34)을 동작시키는 모터(33f)를 포함하고, 취득부(74)는, 모터의 토크 신호를 동작 데이터로서 취득한다. 이 경우, 반송 장치(10)의 동작 데이터로서 용이하게 취득할 수 있는 토크 신호를 사용하여, 반송 장치(10)의 이상 동작을 판정하는 것이 가능하게 된다.
[변형예]
본 명세서에서의 개시는 모든 점에서 예시이며 제한적인 것은 아니라고 생각되어야 한다. 특허 청구 범위 및 그 요지를 일탈하지 않는 범위에서, 이상의 예에 대하여 다양한 생략, 치환, 변경 등이 행하여져도 된다.
(1) 상태 판정부(70)에 의한 상태 판정의 대상은, 반송 장치(10)의 화살표 D1 방향에 있어서 웨이퍼(W)를 반송시키는 보유 지지부(30)이어도 된다. 혹은, 상태 판정의 대상이, 회전축(32)을 구동하는 구동 기구이어도 되고, 암(34)을 상하 방향을 따라 이동시키는 기구이어도 된다.
(2) 상태 판정부(70)는 판정부(78)를 구비하고 있지 않아도 된다. 이 경우, 상태 판정부(70)는, 반송 기구의 일 동작에서의 평가 시의 괴리도(da)에 기초하여, 1차 판정만을 행해도 된다. 상태 판정부(70)는, 1차 판정 결과를 기억부(72)에 기억시켜 두기만 해도 되고, 1차 판정 결과를 출력해도 된다.
(3) 허용 오차(Ea)는, 상술한 예에 한정되지 않는다. 허용 오차(Ea)는, 예를 들어 μ1±2σ1의 범위이어도 되고, μ1±σ1의 범위이어도 되고, μ1±n×σ1의 범위(n은 임의의 수)이어도 된다.
(4) 역치(Th1)는, 상술한 예에 의해 구해지는 값에 한정되지 않는다. 역치(Th1)는, n1×σ2(n1은 임의의 양의 수)에 의해 구해지는 값이어도 된다.
(5) 상태 판정부(70)(상태 판정 장치)는, 컨트롤러(60)와는 별도의 하우징에 수용되어, 컨트롤러(60)와는 별도의 컴퓨터(회로)로서 구성되어도 된다. 상태 판정부(70)는, 기판 처리 장치(2)에 대하여 외부로부터 접속 가능한 컴퓨터 또는 서버 장치에 의해 구성되어 있어도 된다. 이와 같이, 상태 판정부(70)는, 기판 처리 장치(2) 또는 컨트롤러(60)와 일체적으로 구성되어 있을 필요는 없으며, 필요에 따라 유선 또는 무선으로 통신 접속이 가능한 외부 장치로서 실현되어도 된다.
(6) 모델 생성부(76)는, 컨트롤러(60)와는 다른 다른 컨트롤러에 의해 실현되어 있어도 된다. 예를 들어, 기판 처리 장치(2)와는 별체의 서버 장치 등이, 당해 다른 컨트롤러를 구비하고 있어도 된다. 이 경우, 컨트롤러(60)는, 당해 다른 컨트롤러와의 사이에서 네트워크 등의 소정의 통신 방식을 통해서 통신함으로써, 당해 다른 컨트롤러 모델 생성부(76)에서 생성된 감시 모델을 취득해도 된다.
[다른 예]
예 1. 본 개시의 하나의 예에 따른 상태 판정 장치(70)는, 기판 처리 장치(2)에 있어서 기판(W)을 보유 지지하면서 동작시키도록 구성된 구동 기구(10)의 상태를 판정한다. 당해 상태 판정 장치(70)는, 구동 기구(10)의 동작 데이터를 취득하도록 구성된 취득부(74)와, 구동 기구(10)의 정상 동작 시에 있어서 취득부(74)에 의해 취득된 동작 데이터에서 유래되는 정상 동작 데이터에 기초하여, 오토 인코더를 사용한 기계 학습을 실행함으로써, 구동 기구(10)의 감시 모델을 생성하도록 구성된 모델 생성부(76)와, 구동 기구(10)의 평가 시에 있어서 취득부(74)에 의해 취득된 동작 데이터에서 유래되는 평가 데이터를 감시 모델에 입력해서 얻어지는 제1 출력 데이터에 기초하여, 구동 기구(10)의 상태를 판정하도록 구성된 제1 판정부(77)를 구비한다. 이 경우, 오토 인코더를 사용한 정상 동작 데이터에 기초하는 기계 학습에 의해 생성된 감시 모델에, 정상 동작 데이터가 입력된 경우와, 구동 기구의 이상 동작 시의 동작 데이터가 입력된 경우에, 크게 다른 값이 출력될 수 있다. 그 때문에, 감시 모델로부터의 제1 출력 데이터에 기초하여, 구동 기구의 상태를 간이하면서도 또한 고정밀도로 판정하는 것이 가능하게 된다.
예 2. 예 1의 장치에 있어서, 제1 판정부(77)는, 정상 동작 데이터와, 정상 동작 데이터를 감시 모델에 입력해서 얻어지는 제2 출력 데이터의 사이의 제1 오차(Eb)에 기초하여, 허용 오차(Ea)를 취득하는 처리와, 평가 데이터와 제1 출력 데이터의 사이의 제2 오차(Ed)를 허용 오차(Ea)와 비교함으로써, 허용 오차(Ea)로부터의 제1 괴리도(da)를 취득하는 처리와, 제1 괴리도(da)에 기초하여 구동 기구(10)의 상태를 판정하는 처리를 실행해도 된다. 이 경우, 오토 인코더를 사용한 기계 학습에 의해, 정상 동작 데이터와, 당해 정상 동작 데이터가 입력된 감시 모델로부터의 출력 데이터의 오차가 극히 작아지도록, 당해 감시 모델이 생성된다. 바꾸어 말하면, 구동 기구의 이상 동작 시의 동작 데이터가 당해 감시 모델에 입력되면, 이상 동작 시의 당해 동작 데이터와, 당해 감시 모델로부터의 출력 데이터의 오차가 커진다. 그 때문에, 구동 기구의 상태를 간이하면서도 또한 고정밀도로 판정하는 것이 가능하게 된다.
예 3. 예 2의 장치에 있어서, 허용 오차(Ea)는, 파라미터 μ1, σ1을 각각
μ1: 제1 오차(Eb)의 평균값
σ1: 제1 오차(Eb)의 표준 편차
로 했을 때의, μ1±3σ1의 범위이어도 된다. 이 경우, 정상 동작 데이터에 포함될 수 있는 이상값을 제외한 범위가 허용 오차로 된다. 이러한 허용 오차를 사용해서 제2 오차와 비교함으로써, 제2 오차에 포함되는 값 중에서 오차로서 큰 것이 고정밀도로 구별된다. 그 때문에, 구동 기구의 이상 동작을 보다 정확하게 판정하는 것이 가능하게 된다.
예 4. 예 2 또는 예 3의 장치에 있어서, 제1 괴리도는, 제2 오차와 허용 오차에 기초하여 평균 제곱 오차 평방근(RMSE)을 계산해서 얻어지는 값이어도 된다. 이 경우, 제1 괴리도는, 평가 데이터가 전체로서 허용 오차로부터 어느 정도 변동되어 있는지를 나타내게 된다. 이러한 제1 괴리도에 기초하여 구동 기구의 상태를 판정함으로써, 이상 판정의 정확성을 더욱 높이는 것이 가능하게 된다.
예 5. 예 2 내지 예 4의 어느 것의 장치에 있어서, 제1 괴리도(da)에 기초하여 구동 기구(10)의 상태를 판정하는 것은, 제1 괴리도(da)가 소정의 역치(Th1)를 초과하였는지 여부에 기초하여 판정하는 것을 포함하고 있어도 된다. 이 경우, 제1 괴리도를 역치와 비교한다는 극히 간이한 방법에 의해, 구동 기구의 상태를 판정하는 것이 가능하게 된다.
예 6. 예 5의 장치에 있어서, 역치(Th1)는, 파라미터 σ2를
σ2: 제1 오차(Eb)와 허용 오차(Ea)의 비교에 기초해서 얻어지는, 허용 오차(Ea)로부터의 제2 괴리도(dr)의 표준 편차
로 했을 때, 3σ2에 의해 구해지는 값이어도 된다. 이러한 역치를 사용해서 제1 괴리도와 비교함으로써, 얻어지는 제1 괴리도 중 정상 동작 데이터에 내재할 수 있는 괴리도를 초과하는 것이 고정밀도로 구별된다. 그 때문에, 구동 기구의 이상 동작을 보다 정확하게 판정하는 것이 가능하게 된다.
예 7. 예 6의 장치에 있어서 제2 괴리도(dr)는, 제1 오차(Eb)와 허용 오차(Ea)에 기초하여 평균 제곱 오차 평방근(RMSE)을 계산해서 얻어지는 값이어도 된다. 이 경우, 제2 괴리도는, 제1 오차가 전체로서 허용 오차로부터 어느 정도 변동되어 있는지를 나타내게 된다. 이러한 제2 괴리도에 기초해서 얻어지는 역치를 사용해서 구동 기구의 상태를 판정함으로써, 이상 판정의 정확성을 더욱 높이는 것이 가능하게 된다.
예 8. 예 5 내지 예 7의 어느 것의 장치는, 제1 괴리도(da)에 기초하는 구동 기구(10)의 상태의 판정 결과가 소정 기간 축적된 데이터군을 기억하도록 구성된 기억부(72)와, 데이터군 중 제1 괴리도(da)가 소정의 역치(Th1)를 초과한 데이터의 비율에 기초하여, 구동 기구(10)가 이상 상태에 근접하고 있는 정도를 판정하도록 구성된 제2 판정부(78)를 더 구비하고 있어도 된다. 이 경우, 제2 판정부에 의한 판정 결과에 기초하여, 구동 기구의 메인터넌스 시기를 파악하는 것이 가능하게 된다.
예 9. 예 1 내지 예 8의 어느 것의 장치는, 취득부(74)에 의해 취득된 동작 데이터의 데이터수를 일정 수로 조정하도록 구성된 조정부(75)를 더 구비하고, 정상 동작 데이터는, 구동 기구(10)의 정상 동작 시에 있어서 취득부(74)에 의해 취득된 동작 데이터의 데이터수가 조정부(75)에 의해 일정 수로 조정된 데이터이며, 평가 데이터는, 구동 기구(10)의 평가 시에 있어서 취득부(74)에 의해 취득된 동작 데이터의 데이터수가 조정부(75)에 의해 일정 수로 조정된 데이터이어도 된다. 이 경우, 그 후의 데이터 처리를 간편하게 실행하는 것이 가능하게 된다.
예 10. 예 1 내지 예 9의 어느 것의 장치에 있어서, 구동 기구(10)는, 기판(W)을 지지하는 지지 부재(21)와, 지지부를 동작시키는 모터(33f)를 포함하고, 취득부(74)는, 모터(33f)의 토크 신호를 동작 데이터로서 취득하도록 구성되어 있어도 된다. 이 경우, 구동 기구의 동작 데이터로서 용이하게 취득할 수 있는 토크 신호를 사용하여, 구동 기구의 이상 동작을 판정하는 것이 가능하게 된다.
예 11. 본 개시의 다른 예에 따른 상태 판정 방법은, 기판(W)을 보유 지지하면서 동작시키도록 구성된 구동 기구(10)의 정상 동작 시에 있어서의 동작 데이터에서 유래되는 정상 동작 데이터에 기초하여 오토 인코더를 사용한 기계 학습을 실행함으로써, 구동 기구(10)의 감시 모델을 생성하는 것과, 구동 기구(10)의 평가 시에 있어서의 동작 데이터에서 유래되는 평가 데이터를 감시 모델에 입력해서 얻어지는 제1 출력 데이터에 기초하여, 구동 기구의 상태를 판정하는 것을 포함한다. 이 경우, 예 1과 마찬가지의 작용 효과가 얻어진다.
예 12. 본 개시의 다른 예에 따른 컴퓨터 판독 가능한 기록 매체는, 예 11의 방법을 상태 판정 장치(70)에 실행시키기 위한 프로그램을 기록하고 있다. 이 경우, 예 11의 방법과 마찬가지의 작용 효과가 얻어진다. 본 명세서에서, 컴퓨터 판독 가능한 기록 매체에는, 일시적이지 않은 유형의 매체(non-transitory computer recording medium)(예를 들어, 각종 주기억 장치 또는 보조 기억 장치)나, 전파 신호(transitory computer recording medium)(예를 들어, 네트워크를 통해서 제공 가능한 데이터 신호)가 포함된다.
2: 기판 처리 장치 10: 반송 장치
33: 구동부 34: 암
60: 컨트롤러 70: 상태 판정부
74: 취득부 75: 조정부
76: 모델 생성부 77, 78: 판정부

Claims (12)

  1. 기판 처리 장치에 있어서 기판을 보유 지지하면서 동작시키도록 구성된 구동 기구의 상태를 판정하는 상태 판정 장치이며,
    상기 구동 기구의 동작 데이터를 취득하도록 구성된 취득부와,
    상기 구동 기구의 정상 동작 시에 있어서 상기 취득부에 의해 취득된 상기 동작 데이터에서 유래되는 정상 동작 데이터에 기초하여, 오토 인코더를 사용한 기계 학습을 실행함으로써, 상기 구동 기구의 감시 모델을 생성하도록 구성된 모델 생성부와,
    상기 구동 기구의 평가 시에 있어서 상기 취득부에 의해 취득된 상기 동작 데이터에서 유래되는 평가 데이터를 상기 감시 모델에 입력해서 얻어지는 제1 출력 데이터에 기초하여, 상기 구동 기구의 상태를 판정하도록 구성된 제1 판정부를 구비하는, 상태 판정 장치.
  2. 제1항에 있어서, 상기 제1 판정부는,
    상기 정상 동작 데이터와, 상기 정상 동작 데이터를 상기 감시 모델에 입력해서 얻어지는 제2 출력 데이터의 사이의 제1 오차에 기초하여, 허용 오차를 취득하는 처리와,
    상기 평가 데이터와 상기 제1 출력 데이터의 사이의 제2 오차를 상기 허용 오차와 비교함으로써, 상기 허용 오차로부터의 제1 괴리도를 취득하는 처리와,
    상기 제1 괴리도에 기초하여 상기 구동 기구의 상태를 판정하는 처리를 실행하는, 장치.
  3. 제2항에 있어서, 상기 허용 오차는, 파라미터 μ1, σ1을 각각
    μ1: 상기 제1 오차의 평균값
    σ1: 상기 제1 오차의 표준 편차
    로 했을 때의, μ1±3σ1의 범위인, 장치.
  4. 제2항 또는 제3항에 있어서, 상기 제1 괴리도는, 상기 제2 오차와 상기 허용 오차에 기초하여 평균 제곱 오차 평방근(RMSE)을 계산해서 얻어지는 값인, 장치.
  5. 제2항 내지 제4항 중 어느 한 항에 있어서, 상기 제1 괴리도에 기초하여 상기 구동 기구의 상태를 판정하는 것은, 상기 제1 괴리도가 소정의 역치를 초과하였는지 여부에 기초하여 판정하는 것을 포함하는, 장치.
  6. 제5항에 있어서, 상기 역치는, 파라미터 σ2를
    σ2: 상기 제1 오차와 상기 허용 오차의 비교에 기초해서 얻어지는, 상기 허용 오차로부터의 제2 괴리도의 표준 편차
    로 했을 때, 3σ2에 의해 구해지는 값인, 장치.
  7. 제6항에 있어서, 상기 제2 괴리도는, 상기 제1 오차와 상기 허용 오차에 기초하여 평균 제곱 오차 평방근(RMSE)을 계산해서 얻어지는 값인, 장치.
  8. 제5항 내지 제7항 중 어느 한 항에 있어서, 상기 제1 괴리도에 기초하는 상기 구동 기구의 상태의 판정 결과가 소정 기간 축적된 데이터군을 기억하도록 구성된 기억부와,
    상기 데이터군 중 상기 제1 괴리도가 상기 역치를 초과한 데이터의 비율에 기초하여, 상기 구동 기구가 이상 상태에 근접하고 있는 정도를 판정하도록 구성된 제2 판정부를 더 구비하는, 장치.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서, 상기 취득부에 의해 취득된 상기 동작 데이터의 데이터수를 일정 수로 조정하도록 구성된 조정부를 더 구비하고,
    상기 정상 동작 데이터는, 상기 구동 기구의 정상 동작 시에 있어서 상기 취득부에 의해 취득된 상기 동작 데이터의 데이터수가 상기 조정부에 의해 일정 수로 조정된 데이터이며,
    상기 평가 데이터는, 상기 구동 기구의 평가 시에 있어서 상기 취득부에 의해 취득된 상기 동작 데이터의 데이터수가 상기 조정부에 의해 일정 수로 조정된 데이터인, 장치.
  10. 제1항 내지 제9항 중 어느 한 항에 있어서, 상기 구동 기구는,
    상기 기판을 지지하는 지지 부재와,
    상기 지지 부재를 동작시키는 모터를 포함하고,
    상기 취득부는, 상기 모터의 토크 신호를 상기 동작 데이터로서 취득하도록 구성되어 있는, 장치.
  11. 기판을 보유 지지하면서 동작시키도록 구성된 구동 기구의 정상 동작 시에 있어서의 동작 데이터에서 유래되는 정상 동작 데이터에 기초하여 오토 인코더를 사용한 기계 학습을 실행함으로써, 상기 구동 기구의 감시 모델을 생성하는 것과,
    상기 구동 기구의 평가 시에 있어서의 동작 데이터에서 유래되는 평가 데이터를 상기 감시 모델에 입력해서 얻어지는 제1 출력 데이터에 기초하여, 상기 구동 기구의 상태를 판정하는 것을 포함하는, 상태 판정 방법.
  12. 제11항에 기재된 상태 판정 방법을 기판 처리 장치의 구동 기구에 실행시키기 위한 프로그램을 기록한, 컴퓨터 판독 가능한 기록 매체.
KR1020217033354A 2019-03-26 2020-03-18 상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체 KR20210145769A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019058391 2019-03-26
JPJP-P-2019-058391 2019-03-26
PCT/JP2020/012127 WO2020196195A1 (ja) 2019-03-26 2020-03-18 状態判定装置、状態判定方法及びコンピュータ読み取り可能な記録媒体

Publications (1)

Publication Number Publication Date
KR20210145769A true KR20210145769A (ko) 2021-12-02

Family

ID=72611862

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217033354A KR20210145769A (ko) 2019-03-26 2020-03-18 상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체

Country Status (5)

Country Link
US (1) US20220223443A1 (ko)
JP (1) JP7179159B2 (ko)
KR (1) KR20210145769A (ko)
CN (1) CN113614664B (ko)
WO (1) WO2020196195A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7465243B2 (ja) * 2021-06-28 2024-04-10 日本電子株式会社 ステージ装置および電子ビーム描画装置
WO2024024633A1 (ja) * 2022-07-25 2024-02-01 東京エレクトロン株式会社 情報処理方法、コンピュータプログラム及び情報処理装置

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 (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2570095Y2 (ja) * 1992-02-25 1998-04-28 株式会社島津製作所 駆動装置
JPH09274535A (ja) * 1996-04-04 1997-10-21 Ricoh Co Ltd ペン型入力装置
JP4032045B2 (ja) * 2004-08-13 2008-01-16 新キャタピラー三菱株式会社 データ処理方法及びデータ処理装置、並びに診断方法及び診断装置
JP2008097363A (ja) * 2006-10-12 2008-04-24 Okuma Corp 異常診断方法及びその装置
WO2013105164A1 (ja) * 2012-01-13 2013-07-18 日本電気株式会社 異常信号判定装置、異常信号判定方法、および異常信号判定プログラム
JP5910428B2 (ja) * 2012-09-13 2016-04-27 オムロン株式会社 監視装置、監視方法、プログラムおよび記録媒体
US20170284386A1 (en) * 2015-03-19 2017-10-05 Mitsubishi Heavy Industries, Ltd. Condition monitoring device and condition monitoring method for extracted-gas compression system, and extracted-gas compression system
JP6888251B2 (ja) * 2016-07-15 2021-06-16 富士電機株式会社 制御装置、駆動装置、制御方法、及び制御プログラム
JP6896432B2 (ja) * 2017-01-11 2021-06-30 株式会社Ｙｅ Ｄｉｇｉｔａｌ 故障予知方法、故障予知装置および故障予知プログラム
JP2018116545A (ja) * 2017-01-19 2018-07-26 オムロン株式会社 予測モデル作成装置、生産設備監視システム、及び生産設備監視方法
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
JP6564799B2 (ja) * 2017-03-03 2019-08-21 日本電信電話株式会社 閾値決定装置、閾値決定方法及びプログラム
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
JP2018156151A (ja) * 2017-03-15 2018-10-04 ファナック株式会社 異常検知装置及び機械学習装置
JP7017861B2 (ja) * 2017-03-23 2022-02-09 株式会社日立製作所 異常検知システムおよび異常検知方法
DE102018000579A1 (de) * 2018-01-24 2018-07-12 Daimler Ag Überwachen einer Funktionsbereitschaft eines elektrischen Gerätes

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
WO2020196195A1 (ja) 2020-10-01
CN113614664B (zh) 2024-05-17
CN113614664A (zh) 2021-11-05
US20220223443A1 (en) 2022-07-14
JP7179159B2 (ja) 2022-11-28
JPWO2020196195A1 (ko) 2020-10-01

Similar Documents

Publication Publication Date Title
KR20210145769A (ko) 상태 판정 장치, 상태 판정 방법 및 컴퓨터 판독 가능한 기록 매체
ES2841407T3 (es) Procedimiento para realizar una monitorización de diagnóstico por vibración de una máquina
US20200287497A1 (en) Abnormality determination system, motor control apparatus, and abnormality determination apparatus
US11226607B2 (en) Abnormality determination system, data transmitter-receptor, motor controller, and method for determining abnormality
JP2018136765A (ja) データ収集装置及びデータ収集プログラム
US20170074589A1 (en) System and Method for Facilitating the Maintenance of an Industrial Furnace
US7783369B2 (en) Remote maintenance system
CN108923128A (zh) 一种基站天线的电调方法及设备
US11807464B2 (en) Method and system of fault prediction in a packaging machine
US11787057B2 (en) Diagnostic system, diagnosing method, and program
CN111512170B (zh) 电力转换装置、使用它的旋转电机系统及其诊断方法
CN102892281B (zh) 电子部件安装装置
JPWO2019003261A1 (ja) 電子部品装着機
CN104362067B (zh) 控制限制环位置的直接驱动装置及其方法
JP2021027639A (ja) 診断装置および電動アクチュエータ
JP6824593B2 (ja) ステージ装置及び複合ステージの制御装置
JP6327065B2 (ja) 振動検出装置及び振動検出方法
CN110850809A (zh) 机台检测系统及检测方法
JP2020040137A (ja) 異常判定装置及び異常判定方法
WO2022236368A1 (en) Sensor system
CN114070135A (zh) 伺服马达装置、控制方法
US20200033844A1 (en) Processing apparatus and processing method for processing portion
JP2021027606A (ja) モータの診断装置および電動アクチュエータ
CN111123098A (zh) 用于电力驱动装置的异常检测系统和方法
ES2930363T3 (es) Determinación de al menos un índice de un proceso de conformación en una servoprensa