KR20220094740A - 이송 로봇의 이상 진단 장치 및 방법 - Google Patents

이송 로봇의 이상 진단 장치 및 방법 Download PDF

Info

Publication number
KR20220094740A
KR20220094740A KR1020200186271A KR20200186271A KR20220094740A KR 20220094740 A KR20220094740 A KR 20220094740A KR 1020200186271 A KR1020200186271 A KR 1020200186271A KR 20200186271 A KR20200186271 A KR 20200186271A KR 20220094740 A KR20220094740 A KR 20220094740A
Authority
KR
South Korea
Prior art keywords
data
awc
transfer robot
diagnosing
abnormality
Prior art date
Application number
KR1020200186271A
Other languages
English (en)
Other versions
KR102597583B1 (ko
Inventor
김황호
양근화
Original Assignee
세메스 주식회사
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 세메스 주식회사 filed Critical 세메스 주식회사
Priority to KR1020200186271A priority Critical patent/KR102597583B1/ko
Publication of KR20220094740A publication Critical patent/KR20220094740A/ko
Application granted granted Critical
Publication of KR102597583B1 publication Critical patent/KR102597583B1/ko

Links

Images

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1692—Calibration of manipulator
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • 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)
  • Robotics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

기판을 이송하는 이송 로봇의 이상을 진단할 수 있는 장치가 개시된다. 상기 장치는, 상기 이송 로봇의 AWC 데이터를 입력받는 데이터 입력부; 상기 데이터 입력부에서 입력된 AWC 데이터를 분석하는 데이터 분석부; 및 상기 데이터 입력부에서 입력된 제1 데이터 및 상기 데이터 분석부에서 분석된 제2 데이터의 시간별 움직임을 시각적으로 표시할 수 있는 디스플레이부;를 포함할 수 있다.

Description

이송 로봇의 이상 진단 장치 및 방법{DEVICE AND METHOD FOR DIAGNOSING ABNORMALITIES IN TRANSFER ROBOTS}
본 발명은 이송 로봇의 이상 진단 장치 및 방법에 관한 발명이다.
반도체 장치 또는 디스플레이 장치를 제조할 때에는, 사진, 식각, 애싱, 이온주입, 박막증착, 세정 등 다양한 공정이 실시된다. 여기서, 사진공정은 도포, 노광, 그리고 현상 공정을 포함한다. 기판 상에 감광액을 도포하고(즉, 도포 공정), 감광막이 형성된 기판 상에 회로 패턴을 노광하며(즉, 노광 공정), 기판의 노광처리된 영역을 선택적으로 현상한다(즉, 현상 공정).
복수의 공정 과정에서 기판은 이송 로봇을 통해 이송될 수 있다. 이송 로봇이 기판을 이송하는 과정에서 AWC(Auto Wafer Centering) 데이터를 측정할 수 있다. 해당 데이터는 이송 로봇이 기판을 픽 또는 플레이스 할 때의 중심 좌표 값을 나타낸다. 해당 데이터를 이용하여 이송 로봇의 정상 여부를 판단할 수 있다. 기존의 기술에서는, 이송 로봇이 기판을 픽 또는 플레이스 한 위치를 X축, Y축의 2차원의 원형 차트에 보여준다. 도 1은 기존의 이송 로봇의 데이터를 표시하는 디스플레이를 나타내는 도면이다. 도 1을 참조하면, 이송 로봇의 AWC 데이터를 확인할 수는 있으나, 시간의 흐름에 따라 데이터가 어떻게 이동하는지는 파악할 수 없다. 또한 전체 기간 중에서 불량데이터가 어느 시점에 발생했는지 역시 파악하기 어려운 문제점이 있었다.
본 발명은 과거와 현재의 시계열 데이터를 기반하여 향후 상태를 예측하기 위한 이상 진단 장치를 제공하고자 한다.
본 발명이 해결하고자 하는 과제가 상술한 과제로 한정되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 예시에 따른 기판을 이송하는 이송 로봇의 이상을 진단할 수 있는 장치가 개시된다.
상기 장치는, 상기 이송 로봇의 AWC 데이터를 입력받는 데이터 입력부; 상기 데이터 입력부에서 입력된 AWC 데이터를 분석하는 데이터 분석부; 및 상기 데이터 입력부에서 입력된 제1 데이터 및 상기 데이터 분석부에서 분석된 제2 데이터의 시간별 움직임을 시각적으로 표시할 수 있는 디스플레이부;를 포함할 수 있다.
일 예시에 따르면, 상기 데이터 분석부는 상기 AWC 데이터를 분석하여 AWC의 이동 경로를 분석할 수 있다.
일 예시에 따르면, 상기 데이터 분석부는, 상기 AWC 데이터의 X, Y 좌표계 데이터를 극좌표계로 변환할 수 있다.
일 예시에 따르면, 상기 데이터 분석부는, 상기 극좌표계로 변환한 데이터를 단일 예측 모델을 통해 예측값을 산출할 수 있다.
일 예시에 따르면, 상기 단일 예측 모델은 Rolling mean, Rolling std, 선형 회귀 방법, ARIMA (Autoregressive Integrated Moving Average), Exponential Smoothing by Time series patterns, Holt's Method 중 어느 하나를 이용하여 예측값을 산출할 수 있다.
일 예시에 따르면, 상기 단일 예측 모델을 통해 산출한 예측값에, 앙상블 기법을 적용하여 예측값을 최종적으로 결정할 수 있다.
일 예시에 따르면, 상기 디스플레이부는, 상기 제1 데이터 및 상기 제2 데이터를 일정 시간 단위를 기준으로 서로 다른 색상으로 표시할 수 있다.
일 예시에 따르면, 상기 디스플레이부는, 상기 제1 데이터 및 상기 제2 데이터의 X축 및 Y축 좌표의 구간별 산포 정보를 추가적으로 표시할 수 있다.
일 예시에 따르면, 상기 디스플레이부는, 경고를 발생할 수 있는 범위의 AWC의 좌표 영역인 제1 영역과, 알람을 발생할 수 있는 범위의 AWC의 좌표 영역인 제2 영역을 함께 표시할 수 있다.
일 예시에 따르면, 상기 디스플레이부는, 상기 AWC 데이터의 좌표 이동 정보를 화살표로 표시할 수 있다.
본 발명의 다른 일 실시예에 따른, 기판을 이송하는 이송 로봇의 이상을 진단할 수 있는 방법이 개시된다.
상기 방법은, 이송 로봇의 AWC 데이터를 입력받는 단계; 입력받은 AWC 데이터를 기반으로 데이터 분석을 수행하여, AWC 데이터의 미래 위치를 예측하는 단계;를 포함할 수 있다.
일 예시에 따르면, 입력받은 AWC 데이터를 기반으로 데이터 분석을 수행하여, AWC 데이터의 미래 위치를 예측하는 단계;는 상기 AWC 데이터의 X, Y 좌표계 데이터를 극좌표계로 변환하는 단계;를 포함할 수 있다.
일 예시에 따르면, 입력받은 AWC 데이터를 기반으로 데이터 분석을 수행하여, AWC 데이터의 미래 위치를 예측하는 단계;는 상기 극좌표계로 변환한 데이터를 단일 예측 모델을 통해 예측값을 산출하는 단계;를 포함할 수 있다.
일 예시에 따르면, 상기 단일 예측 모델은 Rolling mean, Rolling std, 선형 회귀 방법, ARIMA (Autoregressive Integrated Moving Average), Exponential Smoothing by Time series patterns, Holt's Method 중 어느 하나를 이용하여 예측값을 산출할 수 있다.
일 예시에 따르면, 상기 단일 예측 모델을 통해 산출한 예측값에, 앙상블 기법을 적용하여 예측값을 최종적으로 결정하는 단계;를 더 포함할 수 있다.
일 예시에 따르면, 상기 최종적으로 결정한 예측값과, 입력받은 AWC 데이터의 시간별 움직임을 시각적으로 표시하는 단계;를 더 포함할 수 있다.
일 예시에 따르면, 상기 시각적으로 표시하는 단계는, 상기 최종적으로 결정한 예측값과, 입력받은 AWC 데이터를 일정 시간 단위를 기준으로 서로 다른 색상으로 표시하는 이송 로봇의 이상 진단 방법.
일 예시에 따르면, 상기 시각적으로 표시하는 단계는, 상기 최종적으로 결정한 예측값과, 입력받은 AWC 데이터의 X축 및 Y축 좌표의 구간별 산포 정보를 추가적으로 표시할 수 있다.
일 예시에 따르면, 상기 시각적으로 표시하는 단계는, 경고를 발생할 수 있는 범위의 AWC의 좌표 영역인 제1 영역과, 알람을 발생할 수 있는 범위의 AWC의 좌표 영역인 제2 영역을 함께 표시할 수 있다.
일 예시에 따르면, 이송 로봇의 이상 진단 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체가 개시될 수 있다.
본 발명에 따르면 원형차트와 시간차트간 데이터 처리를 바탕으로, 데이터 변화를 시각화 하여 사용자의 데이터 분석 및 판단 시간을 현저히 줄일 수 있다.
본 발명에 따르면, 향후 상황을 예측하여 이송 로봇 또는 공정 챔버의 현 상태를 진단하여 문제 발생을 사전에 예방하고 관리할 수 있다.
본 발명의 효과가 상술한 효과들로 한정되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 기존의 이송 로봇의 데이터를 표시하는 디스플레이를 나타내는 도면이다.
도 2는 본 발명에 따른 이상 진단 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명에 따른 이상 진단 장치에서의 디스플레이를 나타내는 도면이다.
도 4는 본 발명에 따른 이상 진단 장치에서 데이터를 예측하는 것을 설명하기 위한 그래프이다.
도 5는 본 발명에 따른 이상 진단 장치에서 데이터를 예측하는 것을 설명하기 위한 도면이다.
도 6은 본 발명에 따른 데이터 분석부에서 데이터를 예측하는 과정을 설명하기 위한 도면이다.
도 7은 본 발명에 따른 이상 진단 방법을 나타내는 순서도이다.
본 발명의 다른 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술 되는 실시 예를 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예는 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
만일 정의되지 않더라도, 여기서 사용되는 모든 용어들(기술 혹은 과학 용어들을 포함)은 이 발명이 속한 종래 기술에서 보편적 기술에 의해 일반적으로 수용되는 것과 동일한 의미를 가진다. 일반적인 사전들에 의해 정의된 용어들은 관련된 기술 그리고/혹은 본 출원의 본문에 의미하는 것과 동일한 의미를 갖는 것으로 해석될 수 있고, 그리고 여기서 명확하게 정의된 표현이 아니더라도 개념화되거나 혹은 과도하게 형식적으로 해석되지 않을 것이다.
제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다' 및/또는 이 동사의 다양한 활용형들 예를 들어, '포함', '포함하는', '포함하고', '포함하며' 등은 언급된 조성, 성분, 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 조성, 성분, 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다. 본 명세서에서 '및/또는' 이라는 용어는 나열된 구성들 각각 또는 이들의 다양한 조합을 가리킨다.
본 명세서 전체에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미할 수 있다. 그렇지만 '~부'가 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함할 수 있다. 구성요소와 '~부'에서 제공하는 기능은 복수의 구성요소 및 '~부'들에 의해 분리되어 수행될 수도 있고, 다른 추가적인 구성요소와 통합될 수도 있다.
본 발명은 이송 로봇이 기판을 픽 또는 플레이스 하는 중심점의 좌표 데이터(AWC, 이하에서 AWC로 통칭함)를 분석하여, 이상 상황을 예측하고 이슈 발생을 방지하고자 하는 것을 목적으로 한다. 일 예시에 따르면 본 발명은 기판을 픽 및 플레이스 하는 모든 설비군에 적용할 수 있다. 일 예시에 따르면 에처 설비, 클린 설비, 포토 설비 등에 적용할 수 있다.
본 발명은, 이송 로봇이 기판을 공정 챔버 또는 척에 픽 또는 플레이스 한 중심 좌표 값(AWC)을 기간 별로 클러스터링하여, 시간에 따른 이동 추세 및 산포 분석이 가능하며, 화살표로 표시되는 벡터를 통해 임의의 시점에서 좌표의 이동을 쉽게 확인 가능하다. 일 예시에 따르면 설정하는 기간은 일별, 주별, 월별 등일 수 있다. 또한, 본 발명에 따르면 좌표의 트렌드 예측 알고리즘을 통해 예상 좌표 값을 예측하여 고장 상황 또는 알람 스펙을 벗어나는 이상 상황을 조기 탐지할 수 있다. 이를 통해 이송 로봇 이상 및 척킹/디척킹의 이상을 예측하여 불필요한 로스를 줄이고 설비의 항상성을 유지할 수 있는 효과가 있다.
일 예시에 따르면, 본 발명은 데이터 분석을 통해 이송 로봇 상태를 진단하는 장치 및 그 방법에 관한 것이다. 본 발명에 따른 방법은 과거와 현재의 시계열 데이터를 기반하여 향후 상태를 예측하기 위한 트렌드 예측 알고리즘을 포함한다. 본 발명에 따른 장치는 원형차트와 시간차트간 데이터 처리를 바탕으로, 데이터 변화를 시각화 하여 사용자의 데이터 분석 및 판단 시간을 현저히 줄일 수 있다. 또한 본 발명은 향후 상황을 예측하여 이송 로봇 또는 공정 챔버의 현 상태를 진단하여 문제 발생을 사전에 예방하고 관리할 수 있다.
이하에서 본 발명에 따른 이상 진단 장치의 구성을 도면을 통해 상세하게 설명하도록 한다.
도 2는 본 발명에 따른 이상 진단 장치(10)의 구성을 나타내는 블록도이다.
본 발명에 따른 기판을 이송하는 이송 로봇의 이상을 진단할 수 있는 장치(10)는, 데이터 입력부(100), 데이터 분석부(200) 및 디스플레이부(300)를 포함할 수 있다.
데이터 입력부(100)는 이송 로봇의 AWC 데이터를 입력받을 수 있다. 데이터 입력부(100)는 이송 로봇의 AWC 데이터를 순차적으로 입력받을 수 있다.
데이터 분석부(200)는 데이터 입력부(100)에서 입력된 AWC 데이터를 분석할 수 있다. 일 예시에 따르면, 데이터 분석부(200)는, AWC 데이터를 분석하여 AWC의 이동 경로를 분석할 수 있다. 데이터 분석부(200)는, AWC 데이터의 X, Y 좌표계 데이터를 극좌표계로 변환하고, 극좌표계로 변환한 데이터를 단일 예측 모델을 통해 예측값을 산출할 수 있다. 일 예시에 따르면, 단일 예측 모델은 Rolling mean, Rolling std, 선형 회귀 방법, ARIMA (Autoregressive Integrated Moving Average), Exponential Smoothing by Time series patterns, Holt's Method 중 어느 하나를 이용하여 예측값을 산출할 수 있다. 데이터 분석부(200)는 단일 예측 모델을 통해 산출한 예측값에, 앙상블 기법을 적용하여 예측값을 최종적으로 결정할 수 있다. 본 발명에서는, 데이터 입력부(100)와 데이터 분석부(200)를 통해 이송 로봇의 AWC 데이터를 직접적으로 측정한 값과, AWC 데이터의 예측 값을 도출할 수 있고, 이를 디스플레이부(300)에 표시할 수 있다.
디스플레이부(300)는, 데이터 입력부(100)에서 입력된 제1 데이터 및 데이터 분석부(200)에서 분석된 제2 데이터의 시간별 움직임을 시각적으로 표시할 수 있다. 일 예시에 따르면, 디스플레이부(300)는 제1 데이터 및 제2 데이터를 일정 시간 단위를 기준으로 서로 다른 색상으로 표시할 수 있다. 일 예시에 따르면 월별로, 주별로 구분하여 특정 기간에는 A 색상으로, 다른 특정 기간에는 B 색상으로 표시하는 것이 가능하다. 이를 통해 시간의 흐름에 따라 색상을 상이하게 표시함으로써, 데이터의 흐름을 시각적으로 용이하게 파악할 수 있다.
본 발명에 따른 디스플레이부(300)는, 제1 데이터 및 제2 데이터의 X축 및 Y축 좌표의 구간별 산포 정보를 추가적으로 표시할 수 있다. 또한, 본 발명에 따른 디스플레이부(300)는, 경고를 발생할 수 있는 범위의 AWC의 좌표 영역인 제1 영역과, 알람을 발생할 수 있는 범위의 AWC의 좌표 영역인 제2 영역을 함께 표시할 수 있다. 이를 통해 제1 데이터 및 제2 데이터가 제1 영역에 포함되는지 제2 영역에 포함되는지, 또는 제2 영역을 벗어나는지 여부를 판단할 수 있고, 이를 예측 데이터에도 적용을 함으로써 이상이 발생하기 전에 이상 상황을 진단할 수 있는 효과가 있다. 본 발명에 따른 디스플레이부(300)는, AWC 데이터의 좌표 이동 정보를 화살표로 표시할 수 있다. 본 발명에 따른 디스플레이부(300)는, 디스플레이 장치일 수 있다. 디스플레이부(300)는 입력부를 더 포함하여, 사용자의 입력을 수신하여, 사용자의 입력에 따른 정보를 출력할 수 있다.
이하의 도면을 추가적으로 참조하여, 본 발명에 따른 이상 진단 장치(10)에서의 디스플레이를 설명한다.
도 3은 본 발명에 따른 이상 진단 장치(10)에서의 디스플레이를 나타내는 도면이다. 도 3에 따르면 디스플레이부(300)에서의 디스플레이 되는 예시를 나타내는 도면이다.
본 발명에 따른 디스플레이부(300)에서는, 시간의 흐름에 따라 중심 좌표 데이터(AWC)가 이동하는 추세 및 산포를 확인하기 위한 위치 트랙킹(Position Tracking) 기능을 포함할 수 있다. 이를 통해 AWC 데이터의 이동 위치를 트랙킹 할 수 있다. 도 3을 참조하면, 사용자의 시인성을 높이기 위해 설정된 구간 간격 (일별, 주별, 월별)에 따라 다른 색을 통해 기간별 픽 앤 플레이스(pick and place)의 산포를 확인할 수 있다. 이를 통해 이송 로봇의 이상 상태를 육안으로 분석할 수 있다.
도 3을 참조하면, 월별로 AWC 데이터의 이동 위치를 트랙킹 한 결과가 나타난다. 도 3을 참조하면, 파란색은 2월의 데이터, 주황색은 3월의 데이터, 초록색은 4월의 데이터, 빨간색은 5월의 데이터를 나타낸다. 이미 측정한 제1 데이터를 통해, 데이터가 오른쪽 방향으로 치우치는 것을 확인할 수 있다.
색상으로 표시된 제1 데이터 외에, 점을 중심으로 한 원의 형태로 경로가 표시된 데이터는 제2 데이터이다. 제2 데이터는, 제1 데이터를 기반으로 한 예측 데이터일 수 있다. 이를 통해 예측 데이터의 측정 분포를 예상할 수 있고, 이를 통해 예측 데이터가 어떤 시점에서 제1 영역에 포함되는지 제2 영역에 포함되는지, 혹은 제2 영역을 벗어나는지를 확인할 수 있기 때문에, 미리 이상 진단이 가능하고 이를 예방하는 것도 가능하다,
도 3을 참조하면, 설정한 문턱 값(Tolerance)을 기준으로 “In → Out” 또는 “Out → In”으로 추이가 변경되는 것을 방향성이 있는 화살표로 표현할 수 있다. 즉 이를 통해 이송 로봇의 상태가 설정한 문턱 값(Tolerance)을 기준으로 안정 상태 또는 불안정 상태로 진행되고 있는지 직관적으로 판단할 수 있도록 할 수 있다.
본 발명에서 적용되는 문턱 값 기술(Dynamic Tolerance Technique)은 사용자 친화적(User Friendly) 기능으로써 데이터 통계를 퍼센트화 하여 해당 퍼센트에 따라 가변 문턱 값(Tolerance) 또는 정규 규격을 적용할 수 있다.
본 발명에 따르면 디스플레이부(300)의 UI 내의 단위를 'mm'에서 '%'로, '%'에서 'mm'로 전환할 수 있다. 일 예시에 따르면, 디스플레이부(300)에서 단위를 '%'로 전환하고 문턱 값(Tolerance)을 입력하면 디스플레이부(300)에 표시되는 점이 조정되고, 해당 데이터들 중에 해당 '%'를 기준으로 In, Out 변화상태가 업데이트 될 수 있다. 또한 전체 데이터 중에서 Spec In/Out과 Tolerance In/Out에 해당하는 분포가 디스플레이 될 수도 있다. 즉 이와 같이 다양한 정보들을 디스플레이 하는 것을 통해 기존의 원형차트에서 시간의 흐름에 따른 데이터 변화 방향을 보여줄 수 없었던 문제점을 해결할 수 있고, 픽 또는 플레이스 그룹의 이동 방향 및 산포 변화 등 상태를 파악할 수 있다.
도 4는 본 발명에 따른 이상 진단 장치에서 데이터를 예측하는 것을 설명하기 위한 그래프이다.
본 발명에서는 AWC 데이터의 위치 트랙킹(Position tracking) 뿐 아니라 과거 좌표 값을 기반으로 미래 시점의 좌표 값을 예측하여 문제 상황을 미리 알 수 있는 데이터 분석 및 트렌드 예측 UI 기능을 제안할 수 있다. 일 예시에 따르면 그래프를 통해 추세 예측을 수행할 수 있다. 이는 도 4를 통해 설명될 수 있다. 도 4는 시간에 흐름에 따라 변화하는 특징들에 대한 그래프를 표현한다.
도 4에서 ①은 현재 시점인 ②를 기준으로, 좌측은 과거부터 현재까지의 경향성을 나타내며, 우측은 과거 데이터를 기반으로부터 예측된 현재부터 미래 시점까지의 경향성 및 신뢰 구간(③)을 보여준다. 만약 ③이 경고 또는 알람의 한계선(④)과 만나면, 만나는 시점의 날짜를 이상 발생 예상 시기로 알려줄 수 있다. 이 때, ③의 예측 값 및 신뢰 구간은 X-Y 좌표와 연계되어 도 3에서와 같이 태풍의 예측 구간과 같은 예상 경향성을 표현할 수 있다.
즉 본 발명에 따르면 AWC를 기간 별로, 예를 들면 시간별, 일별, 주별, 월별 등으로 클러스터링 한 후, 시간에 따른 이동 추세(Trend) 및 산포 분석이 직관적으로 가능하다. 또한 본 발명에 따르면 임의 시점의 좌표 이동을 화살표(Vector)를 이용해 방향(θ) 및 이동 거리(R)를 분석하는 것이 가능하다. 또한 AWC의 경향 예측 알고리즘을 통해 예상 좌표를 예측하여 경고 영역인 제1 영역 또는 알람 발생 영역인 제2 영역을 벗어나는 이상 상황을 조기에 탐지할 수 있다.
즉 도 3 내지 도 4에 따르면, AWC의 시간 / 구간 별 분석 및 예측을 위한 UI 기반 직관적 정보 제공이 가능하다. 또한 구간 별 좌표 색상을 달리하여 직관적인 분포를 제공할 수 있다. 그리고, 우측(y), 상단(x) 좌표의 구간별 히스토그램을 통해 산포 정보를 제공할 수 있다. 또한 Spec In/Out에 대한 통계 정보를 제공하여 정량적 분석이 가능하다. 또한, 임의 시점의 좌표 이동을 화살표(vector) 정보로 제공할 수 있다. 본 발명에서는 Spec In → Out 시 AWC 이동 거리 및 방향 직관적 확인이 가능하다. 또한 순간적인 좌표 이동 흐름에 대한 진단이 가능하다. 그리고, AWC 예측 값을 표시하여 이상 예지 및 진단이 가능할 수 있다.
본 발명에서 AWC의 예상 좌표 및 산포 추세 예측은, 원점 좌표의 기준 거리 및 방향 지표 사용으로 예측을 정밀화할 수 있다. 본 발명에서는 입력을 다양화시킬 수 있다. 입력 다양화는 X,Y 좌표를 변환한 거리(R) 및 각도(θ)의 Rolling mean, Rolling STD을 입력할 수 있다. 또한 알고리즘의 효과적인 학습을 위한 데이터 스케일링 작업을 수행할 수도 있다. 또한 본 발명에서는 앙상블 기법의 사용으로 예측을 고도화시킬 수 있다. 본 발명에서는 단일 예측 모델의 결과 값을 결합하여 이를 앙상블 기법으로 처리함으로써, 더욱 정확한 예측 결과를 산출할 수 있다.
도 5는 본 발명에 따른 이상 진단 장치에서 데이터를 예측하는 것을 설명하기 위한 도면이다.
도 5를 참조하면, 본 발명에서는 순간적인 피크가 발생할 경우 화살표를 통해 이동 정보를 제공할 수 있다. 이 때, 선형대수학 기반 화살표의 이동 거리(R) 및 방향(θ) 정보를 제공할 수 있다. 이로써, 보정을 위한 방향 정보 제공, 영역별 부품의 이상을 파악하는 것이 가능하다.
일 예씨에 따르면 도 5의 실시예는 이하와 같은 수식을 통해 이동 정보를 제공할 수 있다.
Figure pat00001
도 6은 본 발명에 따른 데이터 분석부(200)에서 데이터를 예측하는 과정을 설명하기 위한 도면이다.
본 발명에 따르면, 좌표 데이터의 설명력을 높이기 위해 다양한 특징들을 산출할 수 있다. 이를 통해 분석의 오차항을 줄일 수 있다. 주요 특징으로는 원점에서 좌표까지의 거리, 각도, 이동 평균, 이동 표준 편차 등을 사용할 수 있다. 이러한 특징들의 스케일링(scaling)을 통해 예측에 적합하고 강건한 형태로 만들 수 있다. 이 과정에서 좌표 데이터를 극좌표계로 변환할 수 있다. 이와 같이 X, Y 좌표계를 극좌표계로 변환하는 것을 통해 이송 로봇의 중심점에서 어느 정도 거리만큼 떨어져 있는지를 용이하게 확인할 수 있고, 또한 어떤 각도에서 측정되었는지 여부를 용이하게 확인 가능한 효과가 있다.
그 다름 단계로 산출된 특징들을 설명 변수(X)로 하여 경향성을 예측하는 모델들을 통해 예측 값을 산출할 수 잇다. 본 발명에 따르면 경향성을 예측하는 단일 예측 모델로, 널리 알려지고 검증된 선형 회귀 모델, ARIMA 모델, 지수 평활법, Holt 방법 등을 사용하며 추가적으로 통계적 모델, Machine Learning 모델, Deep Learning 모델을 사용할 수 있다.
다음 단계로 단일 예측 모델들의 값들을 종합하여 정합성 높은 단일 예측 값을 산출하기 위해 앙상블 기법을 사용할 수 있다. 앙상블 기법은 서로 부족한 모델의 성능을 보완하고 예측력을 획기적으로 높일 수 있는 장점이 있다. 일 예시에 따르면 앙상블 분석 방식으로 Bagging 방식이나, Boosting 방식을 사용할 수 있다. 일 예시에 따르면 Bagging 방식의 경우 Random Forest를 이용할 수 있고, Boosting 방식의 경우 AdaBoost 또는 Gradient boosting을 이용할 수 있다.
본 발명에 따르면, 특징의 종류 및 단일 예측 모델의 선정은 사용자가 선택할 수도 있고 자동으로 선택하는 것도 가능하다.
본 발명에 따르면 임의 시점의 좌표 이동을 화살표(Vector)를 이용해 방향(
Figure pat00002
) 및 이동 거리(R) 분석을 수행하는 것이 가능하며, AWC 경향성 예측 알고리즘을 통해 예상 좌표를 예측하여 경고가 발생하는 제1 영역이나, 알람이 발생하는 제2 영역을 벗어나는 이상 상황을 조기 탐지하는 것이 가능하다.
도 7은 본 발명에 따른 이상 진단 방법을 나타내는 순서도이다.
본 발명에 따른 기판을 이송하는 이송 로봇의 이상을 진단할 수 있는 방법이 개시된다. 상기 방법에 따르면, 이송 로봇의 AWC 데이터를 입력받는 단계; 및 입력 받은 AWC 데이터를 기반으로 데이터 분석을 수행하여, AWC 데이터의 미래 위치를 예측하는 단계;를 포함할 수 있다. 이 때, 입력받은 AWC 데이터를 기반으로 데이터 분석을 수행하여, AWC 데이터의 미래 위치를 예측하는 단계;는 상기 AWC 데이터의 X, Y 좌표계 데이터를 극좌표계로 변환하는 단계;를 포함할 수 있다. 그 후, 극좌표계로 변환한 데이터를 단일 예측 모델을 통해 예측값을 산출할 수 있으며, 본 발명에서 사용하는 단일 예측 모델은 Rolling mean, Rolling std, 선형 회귀 방법, ARIMA (Autoregressive Integrated Moving Average), Exponential Smoothing by Time series patterns, Holt's Method 중 어느 하나를 이용하여 예측값을 산출할 수 있다. 그 후, 단일 예측 모델을 통해 산출한 예측값에, 앙상블 기법을 적용하여 예측값을 최종적으로 결정할 수 있다. 그리고 나서, 최종적으로 결정한 예측값과, 입력받은 AWC 데이터의 시간별 움직임을 시각적으로 표시할 수 있다. 시각적 표시의 일 예로, 최종적으로 결정한 예측값과, 입력받은 AWC 데이터를 일정 시간 단위를 기준으로 서로 다른 색상으로 표시할 수 있다. 또는, 최종적으로 결정한 예측값과, 입력받은 AWC 데이터의 X축 및 Y축 좌표의 구간별 산포 정보를 추가적으로 표시할 수 있다. 또는, 경고를 발생할 수 있는 범위의 AWC의 좌표 영역인 제1 영역과, 알람을 발생할 수 있는 범위의 AWC의 좌표 영역인 제2 영역을 함께 표시할 수도 있다.
본 발명의 실시예에 따른 방법은 예를 들어 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 컴퓨터로 읽을 수 있는 기록매체는 SRAM(Static RAM), DRAM(Dynamic RAM), SDRAM(Synchronous DRAM) 등과 같은 휘발성 메모리, ROM(Read Only Memory), PROM(Programmable ROM), EPROM(Electrically Programmable ROM),EEPROM(Electrically Erasable and Programmable ROM), 플래시 메모리 장치, PRAM(Phase-change RAM),MRAM(Magnetic RAM), RRAM(Resistive RAM), FRAM(Ferroelectric RAM)과 같은 불휘발성 메모리, 플로피 디스크, 하드 디스크 또는 광학적 판독 매체 예를 들어 시디롬, 디브이디 등과 같은 형태의 저장매체일 수 있으나, 이에 제한되지는 않는다.
본 발명의 일 예시에 따르면, 이송 로봇이 픽을 수행하는 경우와, 플레이스를 수행하는 경우를 각각 나누어서 데이터 처리를 수행할 수도 있다.
이상의 실시 예들은 본 발명의 이해를 돕기 위하여 제시된 것으로, 본 발명의 범위를 제한하지 않으며, 이로부터 다양한 변형 가능한 실시 예들도 본 발명의 범위에 속하는 것임을 이해하여야 한다. 본 발명에서 제공되는 도면은 본 발명의 최적의 실시예를 도시한 것에 불과하다. 본 발명의 기술적 보호범위는 특허청구범위의 기술적 사상에 의해 정해져야 할 것이며, 본 발명의 기술적 보호범위는 특허청구범위의 문언적 기재 그 자체로 한정되는 것이 아니라 실질적으로는 기술적 가치가 균등한 범주의 발명까지 미치는 것임을 이해하여야 한다.
10: 이상 진단 장치
100: 데이터 입력부
200: 데이터 분석부
300: 디스플레이부

Claims (20)

  1. 기판을 이송하는 이송 로봇의 이상을 진단할 수 있는 장치에 있어서,
    상기 이송 로봇의 AWC 데이터를 입력받는 데이터 입력부;
    상기 데이터 입력부에서 입력된 AWC 데이터를 분석하는 데이터 분석부; 및
    상기 데이터 입력부에서 입력된 제1 데이터 및 상기 데이터 분석부에서 분석된 제2 데이터의 시간별 움직임을 시각적으로 표시할 수 있는 디스플레이부; 를 포함하는 이송 로봇의 이상 진단 장치.
  2. 제1항에 있어서,
    상기 데이터 분석부는, 상기 AWC 데이터를 분석하여 AWC의 이동 경로를 분석하는 이송 로봇의 이상 진단 장치.
  3. 제2항에 있어서,
    상기 데이터 분석부는, 상기 AWC 데이터의 X, Y 좌표계 데이터를 극좌표계로 변환하는 이송 로봇의 이상 진단 장치.
  4. 제3항에 있어서,
    상기 데이터 분석부는, 상기 극좌표계로 변환한 데이터를 단일 예측 모델을 통해 예측값을 산출하는 이송 로봇의 이상 진단 장치.
  5. 제4항에 있어서,
    상기 단일 예측 모델은 Rolling mean, Rolling std, 선형 회귀 방법, ARIMA (Autoregressive Integrated Moving Average), Exponential Smoothing by Time series patterns, Holt's Method 중 어느 하나를 이용하여 예측값을 산출하는 이송 로봇의 이상 진단 장치.
  6. 제5항에 있어서,
    상기 단일 예측 모델을 통해 산출한 예측값에, 앙상블 기법을 적용하여 예측값을 최종적으로 결정하는 이송 로봇의 이상 진단 장치.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 디스플레이부는, 상기 제1 데이터 및 상기 제2 데이터를 일정 시간 단위를 기준으로 서로 다른 색상으로 표시하는 이송 로봇의 이상 진단 장치.
  8. 제7항에 있어서,
    상기 디스플레이부는, 상기 제1 데이터 및 상기 제2 데이터의 X축 및 Y축 좌표의 구간별 산포 정보를 추가적으로 표시하는 이송 로봇의 이상 진단 장치.
  9. 제7항에 있어서,
    상기 디스플레이부는, 경고를 발생할 수 있는 범위의 AWC의 좌표 영역인 제1 영역과, 알람을 발생할 수 있는 범위의 AWC의 좌표 영역인 제2 영역을 함께 표시하는 이송 로봇의 이상 진단 장치.
  10. 제7항에 있어서,
    상기 디스플레이부는, 상기 AWC 데이터의 좌표 이동 정보를 화살표로 표시하는 이송 로봇의 이상 진단 장치.
  11. 기판을 이송하는 이송 로봇의 이상을 진단할 수 있는 방법에 있어서,
    이송 로봇의 AWC 데이터를 입력받는 단계;
    입력받은 AWC 데이터를 기반으로 데이터 분석을 수행하여, AWC 데이터의 미래 위치를 예측하는 단계;를 포함하는 이송 로봇의 이상 진단 방법.
  12. 제11항에 있어서,
    입력받은 AWC 데이터를 기반으로 데이터 분석을 수행하여, AWC 데이터의 미래 위치를 예측하는 단계;는
    상기 AWC 데이터의 X, Y 좌표계 데이터를 극좌표계로 변환하는 단계;를 포함하는 이송 로봇의 이상 진단 방법.
  13. 제12항에 있어서,
    입력받은 AWC 데이터를 기반으로 데이터 분석을 수행하여, AWC 데이터의 미래 위치를 예측하는 단계;는
    상기 극좌표계로 변환한 데이터를 단일 예측 모델을 통해 예측값을 산출하는 단계;를 포함하는 이송 로봇의 이상 진단 방법.
  14. 제13항에 있어서,
    상기 단일 예측 모델은 Rolling mean, Rolling std, 선형 회귀 방법, ARIMA (Autoregressive Integrated Moving Average), Exponential Smoothing by Time series patterns, Holt's Method 중 어느 하나를 이용하여 예측값을 산출하는 이송 로봇의 이상 진단 방법.
  15. 제14항에 있어서,
    상기 단일 예측 모델을 통해 산출한 예측값에, 앙상블 기법을 적용하여 예측값을 최종적으로 결정하는 단계;를 더 포함하는 이송 로봇의 이상 진단 방법.
  16. 제15항에 있어서,
    상기 최종적으로 결정한 예측값과, 입력받은 AWC 데이터의 시간별 움직임을 시각적으로 표시하는 단계;를 더 포함하는 이송 로봇의 이상 진단 방법.
  17. 제16항에 있어서,
    상기 시각적으로 표시하는 단계는,
    상기 최종적으로 결정한 예측값과, 입력받은 AWC 데이터를 일정 시간 단위를 기준으로 서로 다른 색상으로 표시하는 이송 로봇의 이상 진단 방법.
  18. 제16항에 있어서,
    상기 시각적으로 표시하는 단계는,
    상기 최종적으로 결정한 예측값과, 입력받은 AWC 데이터의 X축 및 Y축 좌표의 구간별 산포 정보를 추가적으로 표시하는 이송 로봇의 이상 진단 방법.
  19. 제16항에 있어서,
    상기 시각적으로 표시하는 단계는,
    경고를 발생할 수 있는 범위의 AWC의 좌표 영역인 제1 영역과, 알람을 발생할 수 있는 범위의 AWC의 좌표 영역인 제2 영역을 함께 표시하는 이송 로봇의 이상 진단 방법.
  20. 제11항 내지 제19항 중 어느 한 항에 기재된 이송 로봇의 이상 진단 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체.
KR1020200186271A 2020-12-29 2020-12-29 이송 로봇의 이상 진단 장치 및 방법 KR102597583B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200186271A KR102597583B1 (ko) 2020-12-29 2020-12-29 이송 로봇의 이상 진단 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200186271A KR102597583B1 (ko) 2020-12-29 2020-12-29 이송 로봇의 이상 진단 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220094740A true KR20220094740A (ko) 2022-07-06
KR102597583B1 KR102597583B1 (ko) 2023-11-02

Family

ID=82399849

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200186271A KR102597583B1 (ko) 2020-12-29 2020-12-29 이송 로봇의 이상 진단 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102597583B1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100091237A (ko) * 2007-12-27 2010-08-18 가부시키가이샤 알박 반송 로봇의 진단 시스템
KR20110022023A (ko) * 2011-02-15 2011-03-04 주식회사 아토 기판 이송 로봇 및 이를 갖는 기판 처리 시스템 그리고, 이의 티칭 방법
JP2011091072A (ja) * 2009-10-20 2011-05-06 Hitachi High-Tech Control Systems Corp 半導体ウェーハ搬送装置の診断方法
KR20170091512A (ko) * 2016-02-01 2017-08-09 도쿄엘렉트론가부시키가이샤 기판 반송 장치 및 기판 반송 방법
JP2019025618A (ja) * 2017-08-01 2019-02-21 オムロン株式会社 ロボット制御装置、ロボット制御方法及びロボット制御プログラム
KR20200078390A (ko) * 2018-12-21 2020-07-01 캐논 가부시끼가이샤 반송 장치, 기판 처리 장치, 및 물품 제조 방법
KR20200144268A (ko) * 2019-06-18 2020-12-29 블루테크코리아 주식회사 반도체 제조공정 로봇 진단 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100091237A (ko) * 2007-12-27 2010-08-18 가부시키가이샤 알박 반송 로봇의 진단 시스템
JP2011091072A (ja) * 2009-10-20 2011-05-06 Hitachi High-Tech Control Systems Corp 半導体ウェーハ搬送装置の診断方法
KR20110022023A (ko) * 2011-02-15 2011-03-04 주식회사 아토 기판 이송 로봇 및 이를 갖는 기판 처리 시스템 그리고, 이의 티칭 방법
KR20170091512A (ko) * 2016-02-01 2017-08-09 도쿄엘렉트론가부시키가이샤 기판 반송 장치 및 기판 반송 방법
JP2019025618A (ja) * 2017-08-01 2019-02-21 オムロン株式会社 ロボット制御装置、ロボット制御方法及びロボット制御プログラム
KR20200078390A (ko) * 2018-12-21 2020-07-01 캐논 가부시끼가이샤 반송 장치, 기판 처리 장치, 및 물품 제조 방법
KR20200144268A (ko) * 2019-06-18 2020-12-29 블루테크코리아 주식회사 반도체 제조공정 로봇 진단 방법

Also Published As

Publication number Publication date
KR102597583B1 (ko) 2023-11-02

Similar Documents

Publication Publication Date Title
KR102659980B1 (ko) 가상 반도체 디바이스 제조 환경에서 키 파라미터 식별, 프로세스 모델 캘리브레이션 및 변동성 분석을 위한 시스템 및 방법
US11940740B2 (en) Methods and apparatus for obtaining diagnostic information relating to an industrial process
US11719650B2 (en) Method for performing smart semiconductor wafer defect calibration
TWI649650B (zh) 模型化系統或執行諸如微影系統之系統之預測維修的方法及相關聯微影系統
TWI451336B (zh) 預測模型之建模樣本的篩選方法及其電腦程式產品
CN108352336B (zh) 确定样品上所关注图案的一或多个特性
KR20200014938A (ko) 반도체 제조 프로세스에서 딥 러닝을 사용하여 결함 및 임계 치수를 예측하기 위한 시스템 및 방법
US10580673B2 (en) Semiconductor metrology and defect classification using electron microscopy
TWI617816B (zh) 晶圓的可適性電性測試
US10885261B2 (en) Systems and methods of fabricating semiconductor devices
JP2010056554A (ja) 半導体素子の漏洩電流予測方法
JP2008516447A (ja) 利用可能なメトロロジーキャパシティに基づいてメトロロジーサンプリングを動的に調整する方法およびシステム
US20180293334A1 (en) Intelligent caa failure pre-diagnosis method and system for design layout
JP2019106476A (ja) 監視システム、学習装置、学習方法、監視装置及び監視方法
JP2009508355A (ja) サンプリングされなかったワークに関連するデータ表現
US7533313B1 (en) Method and apparatus for identifying outlier data
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
KR102597583B1 (ko) 이송 로봇의 이상 진단 장치 및 방법
KR20240030046A (ko) 이송 로봇의 이상 진단 장치 및 방법
US20240112961A1 (en) Matching pre-processing and post-processing substrate samples
TWI866734B (zh) 虛擬半導體裝置製造環境中之製程窗的最佳化系統及方法
TW202429323A (zh) 虛擬半導體裝置製造環境中之製程窗的最佳化系統及方法
JP2005092406A (ja) 歩留改善情報の提供システムおよび歩留改善方法

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20201229

PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20210607

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20201229

Comment text: Patent Application

PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20230125

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20230801

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20231030

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20231031

End annual number: 3

Start annual number: 1

PG1601 Publication of registration