TW201842428A - 半導體製造裝置、半導體製造裝置之故障預測方法、及半導體製造之故障預測程序 - Google Patents

半導體製造裝置、半導體製造裝置之故障預測方法、及半導體製造之故障預測程序 Download PDF

Info

Publication number
TW201842428A
TW201842428A TW107108544A TW107108544A TW201842428A TW 201842428 A TW201842428 A TW 201842428A TW 107108544 A TW107108544 A TW 107108544A TW 107108544 A TW107108544 A TW 107108544A TW 201842428 A TW201842428 A TW 201842428A
Authority
TW
Taiwan
Prior art keywords
time
semiconductor manufacturing
failure
manufacturing apparatus
feature
Prior art date
Application number
TW107108544A
Other languages
English (en)
Other versions
TWI765001B (zh
Inventor
藤方淳平
荒木裕二
佐藤天星
小泉竜也
Original Assignee
日商荏原製作所股份有限公司
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 日商荏原製作所股份有限公司 filed Critical 日商荏原製作所股份有限公司
Publication of TW201842428A publication Critical patent/TW201842428A/zh
Application granted granted Critical
Publication of TWI765001B publication Critical patent/TWI765001B/zh

Links

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
    • 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
    • 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
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D17/00—Constructional parts, or assemblies thereof, of cells for electrolytic coating
    • C25D17/001—Apparatus specially adapted for electrolytic coating of wafers, e.g. semiconductors or solar cells
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D21/00—Processes for servicing or operating cells for electrolytic coating
    • C25D21/10—Agitating of electrolytes; Moving of racks
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D21/00—Processes for servicing or operating cells for electrolytic coating
    • C25D21/12—Process control or regulation
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D3/00—Electroplating: Baths therefor
    • C25D3/02—Electroplating: Baths therefor from solutions
    • C25D3/12—Electroplating: Baths therefor from solutions of nickel or cobalt
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D7/00—Electroplating characterised by the article coated
    • C25D7/12—Semiconductors
    • 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/058—Safety, monitoring
    • 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]
    • G05B19/41875—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 quality surveillance of production
    • 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
    • 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
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • 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
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • 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
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67028—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like
    • H01L21/6704—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing
    • H01L21/67057—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing with the semiconductor substrates being dipped in baths or vessels
    • 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
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67063—Apparatus for fluid treatment for etching
    • H01L21/67075—Apparatus for fluid treatment for etching for wet etching
    • H01L21/67086—Apparatus for fluid treatment for etching for wet etching with the semiconductor substrates being dipped in baths or vessels
    • 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
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67207—Apparatus for manufacturing or treating in a plurality of work-stations comprising a chamber adapted to a particular process
    • H01L21/6723—Apparatus for manufacturing or treating in a plurality of work-stations comprising a chamber adapted to a particular process comprising at least one plating chamber
    • 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
    • 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
    • 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
    • H01L21/67751—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 vertical transfer of a single workpiece
    • 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
    • H01L21/683—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 supporting or gripping
    • H01L21/687—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 supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
    • H01L21/68707—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 supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a robot blade, or gripped by a gripper for conveyance
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D17/00—Constructional parts, or assemblies thereof, of cells for electrolytic coating
    • C25D17/02—Tanks; Installations therefor
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D17/00—Constructional parts, or assemblies thereof, of cells for electrolytic coating
    • C25D17/10—Electrodes, e.g. composition, counter electrode
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
    • C25D21/00—Processes for servicing or operating cells for electrolytic coating
    • C25D21/06—Filtering particles other than ions
    • 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
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2602—Wafer processing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Robotics (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
  • Electroplating Methods And Accessories (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Chemically Coating (AREA)

Abstract

預測為提高半導體製造裝置的故障預測精度。半導體製造裝置包含：一第一裝置；一個或多個感測器，檢測表示該第一裝置的狀態物理量；一第一計算電路，根據所檢測出的物理量計算該第一裝置的一個或多個特徵量；以及一故障預測電路，將由第一計算電路計算的一個或多個特徵量與直至第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料進行比較，決定多個模型資料中的與所計算的一個或多個特徵量的差為最小的模型資料，根據在該模型資料中與所計算的一個或多個特徵量的差成為最小的時刻與故障時刻的差計算故障預測時間，在故障預測時間小於預定的閾值的情況下，停止一新基板的接收。

Description

半導體製造裝置、半導體製造裝置之故障預測方法、及半導體製造之故障預測程序
本發明係關於半導體製造裝置、半導體製造裝置的故障預測方法以及半導體製造裝置的故障預測程式。
以往，進行在半導體晶片、印刷基板等基板的表面形成佈線、凸部(突起狀電極)等的處理。作為形成該佈線以及凸部等的方法，已知有鍍覆法。在進行鍍覆的鍍覆裝置，包括多個由馬達驅動的機構。已知這樣的馬達伴隨著與鍍覆裝置的使用相伴的年久老化等，馬達負荷率增加。在馬達負荷率超過容許值的情況下，馬達出現錯誤而變得無法動作。由於這種情況在裝置的通常工作中突然產生，所以在此之後的裝置變得不能工作，鍍覆處理中的基板成為廢料。
作為鍍覆裝置的例子，有例如記載於專利文獻1的裝置。在該鍍覆裝置中，為了在鍍覆槽10中向基板W供給充分的離子，將攪拌鍍覆液的槳與基板W相鄰而配置。槳通過馬達44的動力而往復運動。如果馬達44因故障等而停止，則槳的驅動被停止，鍍覆處理 中的基板成為廢料。除了漿以外，作為在鍍覆裝置中由馬達驅動的機構，有運輸機的行走、升降軸、用於鎖定基板裝卸部中的基板固持件的旋轉軸等。
另外，在感測器中也存在由於產生長期的使用而引起的感測器靈敏度的劣化、位置偏移，從而產生突發的錯誤檢測的情況。產生感測器的錯誤檢測而產生錯誤時，在此之後的裝置變得不能工作，鍍覆處理中的基板成為廢料。在這樣的鍍覆裝置以外的、例如、CVD裝置、研磨或者磨削裝置、切割裝置、密封裝置這樣的半導體製造裝置中，也使用馬達、感測器。於是，設於這些半導體製造裝置的馬達或感測器在基板的處理中突發性地故障或產生錯誤時，變得不能進行裝置的運轉/工作，由此，根據情況也存在處理中的基板成為廢料、或者裝置的工作效率變差的擔憂。
[現有技術文獻]
[專利文獻]
專利文獻1：日本專利第5184308號說明書。
專利文獻2：日本特開2016-127069號公報。
專利文獻3：日本特開2014-169475號公報。
本發明的目的是解決上述課題的至少一部分。
根據本發明的一方式，提供一種半導體製造裝置。該半導體製造裝置具備：第一裝置；一個或多個感測器，檢測表示所述第一裝置的狀態物理量；第一計算電路，根據所檢測出的所述物理量 計算所述第一裝置的一個或多個特徵量；以及故障預測電路，將由所述第一計算電路計算的一個或多個特徵量與直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料進行比較，來決定所述多個模型資料中的與所計算的所述一個或多個特徵量的差為最小的模型資料，根據在該模型資料中與所計算的所述一個或多個特徵量的差成為最小的時刻與故障時刻的差來計算故障預測時間，在故障預測時間小於預定的閾值的情況下，停止新的基板的接收。第一計算電路以及故障預測電路能夠由執行上述處理的程式和執行該程式的計算機構成。另外，第一計算電路以及故障預測電路也可以由ASIC、PLC等面向特定用途的積體電路等專用的硬體構成。第一計算電路以及故障預測電路也可以將它們功能分割為多個裝置(多個電腦、多個特定用途的硬體或者一個或多個電腦和一個或多個特定用途的硬體的組合)來實現。
根據本發明的一方式，提供一種半導體製造裝置。該半導體製造裝置具備：一第一裝置；一個或多個感測器，檢測表示所述第一裝置的狀態物理量；一第一計算電路，根據所檢測出的所述物理量計算所述第一裝置的一個或多個特徵量；以及一故障預測電路，對由所述第一計算電路計算的一個或多個特徵量的時間變化進行監視，在所述一個或多個特徵量與正常時的特徵量的乖離率增加的時間超過第一時間的情況、和/或所述一個或多個特徵量與正常時的特徵量的乖離率每單位時間進行增減的次數超過第一次數的情況下，停止一新基板的接收。
預測測量計算測量計算預定預測預測測量測量計算測量計算預定。
預測預測預測計算預定。
10‧‧‧槽
11‧‧‧基板固持件
14‧‧‧泵
16‧‧‧液供給路
18‧‧‧槳
19‧‧‧槳驅動裝置
20‧‧‧恆溫組件
22‧‧‧篩檢程式
26‧‧‧陽極
28‧‧‧陽極固持件
30‧‧‧電源
34‧‧‧調控板
36‧‧‧夾具
38‧‧‧傳動軸
40‧‧‧傳動軸固持部
42‧‧‧驅動部
44‧‧‧馬達
46‧‧‧控制部
50‧‧‧鍍覆單元
51‧‧‧溢流槽
61‧‧‧加速度感測器
62‧‧‧麥克風
63‧‧‧溫度感測器
64‧‧‧位移感測器
100‧‧‧盒
102‧‧‧盒式工作臺
104‧‧‧對準器
106‧‧‧旋轉式脫水機
1-106‧‧‧卡盤爪
120‧‧‧基板裝卸部
122‧‧‧基板輸送裝置
123‧‧‧機械手
123‧‧‧爪部
124‧‧‧儲料器
129‧‧‧感測器
125‧‧‧驅動裝置
126‧‧‧預濕槽
128‧‧‧預浸槽
132‧‧‧吹風槽
140‧‧‧基板固持件輸送裝置
142‧‧‧第一運輸機
144‧‧‧第二運輸機
150‧‧‧軌道
152‧‧‧載置板
175‧‧‧控制器
180‧‧‧槳裝置
18a‧‧‧長孔
18b‧‧‧格子部
300‧‧‧基板固持件裝卸裝置
302‧‧‧軸
304‧‧‧圓盤
306‧‧‧圓盤
312‧‧‧馬達
34A‧‧‧筒狀部
34B‧‧‧凸緣部
50A‧‧‧液供給口
123a‧‧‧爪部
130a‧‧‧第一清洗槽
130b‧‧‧第二清洗槽
170A‧‧‧卸載部
170B‧‧‧處理部
175B‧‧‧記憶體
175C‧‧‧控制部
310a‧‧‧固持件鎖定銷
1-1000，2-1000‧‧‧半導體製造裝置
1-175，2-175‧‧‧控制器
1-190，2-190‧‧‧電腦
1001‧‧‧半導體工廠伺服器
1002‧‧‧支持中心
圖1是關於本發明的一實施例的鍍覆裝置的整體配置圖。
圖2是顯示具備槳裝置的鍍覆單元的縱向側視圖。
圖3是顯示圖2所示的鍍覆單元的槳的俯視圖。
圖4是圖3的A-A剖視圖。
圖5是將槳驅動裝置與鍍覆單元一起顯示的縱向主視圖。
圖6是說明槳的傳動軸的多個部位中的位移的獲取的說明圖。
圖7是馬達負荷率的測定例。
圖8是馬達負荷率的測定例的光譜。
圖9是說明峰值的平均值、標準差的示意圖。
圖10是某故障事件中的特徵量的時間變化資料的一例。
圖11是關於第一實施例的故障檢測處理的流程圖。
圖12是關於第二實施例的故障檢測處理的流程圖。
圖13是特徵量的時間變化的測量例。
圖14是關於第三實施例的故障檢測處理的流程圖。
圖15是說明機械手所進行的基板的握持的檢測說明圖。
圖16是感測器輸出信號的時序圖。
圖17是關於第四實施例的故障檢測處理的流程圖。
圖18是關於第五實施例的故障檢測處理的流程圖。
圖19是關於第六的故障檢測處理的流程圖。
圖20是基板裝卸部中的基板固持件裝卸裝置的側視圖。
圖21是運輸機以及升降機構的示意圖。
圖22是顯示具備多個半導體製造裝置的半導體工廠中的各設備的故障預測方法的一實施例的示意圖。
(鍍覆裝置)
圖1是關於本發明的一實施例的鍍覆裝置的整體配置圖。如圖1所示，該鍍覆裝置1具備：裝載/卸載部170A，在基板固持件11裝載作為半導體晶片等的被鍍覆體的基板W(參照圖2)，或者從基板固持件11卸載基板W；以及鍍覆處理部170B，對基板W進行處理。
裝載/卸載部170A具有：兩台盒式工作臺102；使基板W的定向平面(orientation flat)、槽口等位置與預定的方向對齊的對準器104；使鍍覆處理後的基板W高速旋轉而乾燥的旋轉式脫水機106。盒式工作臺102裝配收納有半導體晶片等的基板W的盒100。在旋轉式脫水機106的附近設置有載置基板固持件11而進行基板W的裝卸的基板裝卸部(安裝台)120。在盒式工作臺102、對準器104、旋轉式脫水機106、基板裝卸部120這些元件中央配置有由在這些元件間輸送基板W的輸送用機器人構成的基板輸送裝置122。
基板裝卸部120具備沿著軌道150在橫向上滑動自如的平板狀的載置板152。兩個基板固持件11以水準狀態並列地載置在該載置板152，一個基板固持件11與基板輸送裝置122之間進 行基板W的交接後，載置板152在橫向上滑動，另一個基板固持件11與基板輸送裝置122之間進行基板W的交接。此外，在本申請中“基板”中，不只包括半導體基板、玻璃基板、印刷電路基板(印刷基板)，還包括磁性記錄媒介、磁性記錄感測器、反射鏡、光學元件或微小機械元件、或者局部製作的積體電路。另外，形狀不限於圓形狀，還可以是例如角形狀。
鍍覆裝置1的處理部170B具有儲料器124、預濕槽126、預浸槽128、第一清洗槽130a、吹風槽132、第二清洗槽130b、鍍覆槽10。在儲料器(或者，也稱為儲料器容器設置部)124中，進行基板固持件11的保管以及暫時臨時放置。在預濕槽126中，基板W浸泡于純水中。在預浸槽128中，形成於基板W的表面的晶種層等的導電層的表面的氧化膜被蝕刻除去。在第一清洗槽130a中，預先浸泡後的基板W與基板固持件11一起通過清洗液(純水等)清洗。在吹風槽132中，進行清洗後的基板W的排液。在第二清洗槽130b中，鍍覆後的基板W與基板固持件11一起通過清洗液清洗。儲料器124、預濕槽126、預浸槽128、第一清洗槽130a、吹風槽132、第二清洗槽130b以及鍍覆槽10按該順序配置。此外，該鍍覆裝置1的處理部170B的結構是一例，鍍覆裝置1的處理部170B的結構沒有限定，也可以採用其他結構。
鍍覆槽10具有例如具備溢流槽51的多個鍍覆單元(元件)50。各鍍覆單元50在內部收納一個基板W，在固持在內部的鍍覆液中浸泡基板W從而在基板W表面進行銅、金、銀、焊錫、鍍鎳等的鍍覆處理。
在此，鍍覆液的種類沒有特別限定，可根據用途使用各 種鍍覆液。例如，在銅鍍覆工序的情況下，通常，在鍍覆液中包含：用於將氯作為中間物吸附在銅表面的抑制劑(表面活性劑等)；用於促進凹部鍍覆的促進劑(有機硫黃化合物等)；以及用於抑制促進劑的析出促進效果並提高膜厚的平坦性的被稱為平滑劑(四級銨鹽等)的化學品種。
作為鍍覆液，也可以使用含有用於在具有Cu佈線的基板W的表面形成金屬膜的CoWB(鈷．鎢．硼)、CoWP(鈷．鎢．磷)等的鍍覆液。另外，為了防止Cu在絕緣膜中擴散，也可以使用用於在形成Cu佈線前形成設於基板W的表面和基板W的凹部的表面的阻擋膜的鍍覆液、例如含有CoWB或Ta(鉭)的鍍覆液。
鍍覆裝置1具有採用了例如線性馬達方式的基板固持件輸送裝置140，該基板固持件輸送裝置140位於這些各設備(儲料器124、預濕槽126、預浸槽128、第一清洗槽130a、吹風槽132、第二清洗槽130b、鍍覆槽10，基板裝卸部120)的側方，在這些各設備之間還將基板固持件11與基板W一起輸送。該基板固持件輸送裝置140具有第一運輸機142、第二運輸機144。第一運輸機142構成為在基板裝卸部120、儲料器124、預濕槽126、預浸槽128、第一清洗槽130a以及吹風槽132之間輸送基板W。第二運輸機144構成為在第一清洗槽130a、第二清洗槽130b、吹風槽132以及鍍覆槽10之間輸送基板W。在其他實施例中，第一運輸機142以及第二運輸機144也可以在其他組合的元件之間輸送基板W。在其他實施例中，鍍覆裝置1也可以構成為僅具備第一運輸機142以及第二運輸機144中任一方。
在各鍍覆單元50配置有攪拌鍍覆單元50內的鍍覆液的 槳裝置180。槳裝置180具備作為攪拌鍍覆液的攪拌棒的槳18、以及配置於溢流槽51的兩側而驅動槳18的槳驅動裝置19。
包括多個以上那樣構成的鍍覆處理裝置的鍍覆處理系統具有構成為控制上述各部的控制器175。控制器175具有儲存了預定的程式的記憶體175B、執行記憶體175B的程式的CPU(中央處理單元：Central Processing Unit)175A、以及通過CPU175A執行程式而實現的控制部175C。控制部175C的一部分也可以由ASIC、PLC等的面向特定用途積體電路等專用的硬體構成。控制部175C能夠進行例如基板輸送裝置122的輸送控制、基板固持件輸送裝置140的輸送控制、鍍覆槽10中的鍍覆電流以及鍍覆時間的控制以及配置於各鍍覆單元50的調控板34的開口徑以及陽極掩模(未圖示)的開口徑的控制、各部的故障預測處理等。另外，控制器175構成為能夠與將鍍覆裝置1以及其他關聯裝置統一控制的未圖示的上位控制器進行通信，能夠在與上位控制器所具有的資料庫之間進行資料的交換。在此，構成記憶體175B的儲存媒介儲存有各種的設定資料、後述的鍍覆處理常式等各種的程式。作為儲存媒介，能夠使用由電腦能夠讀取的ROM、RAM等記憶體、硬碟、CD-ROM、DVD-ROM、軟碟等盤狀儲存媒介等公知的媒介。
(鍍覆單元)
圖2是顯示具備槳裝置的鍍覆單元的縱向切斷側視圖。圖3是顯示圖2所示的鍍覆單元的槳的俯視圖。圖4是圖3的A-A剖視圖。如這些圖所示，鍍覆單元50在內部具有鍍覆液Q，在鍍覆單元50的上方外周具備接住從鍍覆單元50的邊緣溢出的鍍覆液Q 的溢流槽51。在溢流槽51的底部連接有具備泵14的鍍覆液供給路16的一端，鍍覆液供給路16的另一端與設於鍍覆單元50的底部的鍍覆液供給口50A連接。由此，積存在溢流槽51內的鍍覆液Q伴隨著泵14的驅動而回流到鍍覆單元50內。在鍍覆液供給路16中安裝有位於泵14的下游側且調節鍍覆液Q的溫度的恆溫元件20和過濾並除去鍍覆液內的異物的篩檢程式22。
在鍍覆裝置具備基板固持件11，該基板固持件11將基板(被鍍覆體)W固持為裝卸自如，使基板W以鉛直狀態浸泡在鍍覆單元50內的鍍覆液Q。在鍍覆單元50內，在與由基板固持件11固持且浸泡在鍍覆液Q中的基板W相對的位置，陽極26配置為被陽極固持件28固持而浸泡在鍍覆液Q中。作為陽極26，在該例子中，使用含磷銅。基板W和陽極26經由鍍覆電源30電連接，在基板W與陽極26之間流過電流而在基板W的表面形成有鍍覆膜(銅膜)。
在配置為由基板固持件11固持且浸泡在鍍覆液Q中的基板W與陽極26之間，配置有與基板W的表面平行地往復運動而攪拌鍍覆液Q的槳18。槳18通過槳驅動裝置19(圖5)而驅動。由此，通過使用槳18攪拌鍍覆液Q，能夠將充分的銅離子向基板W的表面均勻地供給。進而，在槳18與陽極26之間，配置有由用於使遍及基板W的整個表面的電位分佈更均勻的電媒介構成的調控板34。調控板34由筒狀部34A、配置在筒狀部34A的周圍的矩形狀的輪廓的凸緣部34B構成，作為材質，使用作為電媒介的聚氯乙烯。調控板34以筒狀部34A的頂端處於基板側、凸緣部34B處於陽極側的方式配置在鍍覆單元50內。筒狀部34A具有能夠充分 限制電場的擴大的開口的大小、以及沿著軸心的長度。凸緣部34B設置為遮蔽在陽極26與基板W之間形成的電場。
如圖3以及圖4所示，槳18由板厚為t的一定的矩形板狀構件構成，通過在內部平行地設置多個長孔18a，構成為具有在鉛直方向上延伸的多個格子部18b。槳18的材質是對例如鈦實施特氟龍(注冊商標)塗覆而成的。槳18的垂直方向的長度L1以及長孔18a的長度方向的尺寸L2設定為比基板W的垂直方向的尺寸充分大。另外，槳18的橫向的長度H設定為與槳18的往復運動的振幅(行程St)對應的長度比基板W的橫向的尺寸充分大。
優選的是，長孔18a的寬度以及數量優選以在格子部18b具有必要的剛性的範圍內盡可能地使格子部18b變細的方式確定，使得長孔18a與長孔18a之間的格子部18b有效地攪拌鍍覆液，使鍍覆液有效地穿過長孔18a。另外，在槳18的往復運動的兩端附近，槳18的移動速度變慢，或者在進行瞬間的停止時，為了使在基板W上形成電場的陰影(電場不會波及，或電場的陰影少的部位)的影響變少，將槳18的格子部18b設置得細也是有利的。
在該例子中，如圖4所示，以各格子部18b的橫截面成為長方形的方式將長孔18a垂直地開口。此外，各格子部18b的橫截面的形狀不限於長方形，能夠設為任意的形狀。也可以對格子部18b的橫截面的四角實施倒角，另外，也可以以格子部18b的橫截面成為平行四邊形的方式對格子部18b賦予角度。
圖5是將槳驅動裝置與鍍覆單元一起顯示的縱向切斷主視圖。槳18通過固定於槳18的上端的夾具36，固定于沿水準方向延伸的傳動軸38。傳動軸38被傳動軸固持部40固持並且能夠 沿左右滑動。傳動軸38的端部與使槳18沿左右直線往復運動的槳驅動裝置19連結。槳驅動裝置19具備馬達44、通過曲軸機構(未圖示)將馬達44的旋轉轉換為傳動軸38的直線往復運動的驅動部42。在該例中，具備通過控制槳驅動裝置19的馬達44的旋轉速度來控制槳18的移動速度的控制部46。此外，驅動部42的機構不僅是曲軸機構，也可以是其他旋轉直動轉換機構。例如，也可以通過滾珠絲杠將伺服馬達的旋轉轉換為傳動軸的直線往復運動。另外，也可以代替馬達44以及驅動部42，通過線性馬達使傳動軸直線往復運動。控制部46也可以是與控制器175不同的控制裝置，也可以作為控制器175的功能的一部分實現。在控制部46或者控制器175中，故障預測的程式被執行。
(故障預測處理)
接著，敘述槳驅動裝置19的馬達44的故障預測的處理。故障預測的處理通過控制器175、控制部46、或者設於其他鍍覆裝置內部或者外部的電腦來執行。此外，也可以是分割故障預測的處理，從而將多個控制器、控制部和/或電腦組合來執行。另外，故障預測的處理也可以使用ASIC、PLC等面向特定用途的積體電路等專用的硬體執行，也可以使用專用的硬體執行一部分的處理。
圖6是說明槳的傳動軸的多個部位中的位移的獲取的說明圖。圖7是馬達負荷率的測定例。圖8是馬達負荷率的測定例的光譜。圖9是說明峰值的平均值、標準差的概略圖。
(物理量的檢測)
槳裝置180的故障預測通過連續地獲取與槳裝置180相關的各種(一個或者多個)的物理量來執行。物理量包括馬達44的負荷 率、馬達44的振動、馬達44的聲音、馬達44的溫度以及傳動軸38的位移中的至少一個。馬達的負荷率通過來自包括在馬達44的馬達驅動器(未圖示)的輸出值來獲取。馬達的振動通過安裝於馬達44的殼體的加速度感測器61來獲取。馬達的聲音通過設於馬達44的殼體或者馬達44的附近的麥克風62來獲取。此外，優選通過未圖示的A/D轉換器將麥克風62的輸出轉換為數位信號。A/D轉換器內置於麥克風62或設於麥克風62的外部(例如，控制部46)。馬達的溫度通過設於馬達44的殼體或者馬達44的附近的溫度感測器63來獲取。傳動軸38的位移如圖6所示，通過沿著傳動軸38的長度方向設置於多個部位的多個位移感測器64來獲取。位移感測器64能夠採用例如光學地檢測直至傳動軸38的預定的部位為止的距離的光學感測器。各位移感測器64檢測其設置位置處的傳動軸38的上下方向的位移。即，檢測與傳動軸38的長度方向正交的方向上的傳動軸38的位移。這些物理量在槳裝置180的運轉中始終連續地獲取。
(特徵量的計算)
接著，根據與槳裝置180相關的物理量計算以下的特徵量。特徵量顯示裝置的狀態，並且是根據與裝置相關的物理量本身或者物理量計算的值。馬達的負荷率根據例如如圖7所示的測定的負荷率波形，將波形振幅、漸近線的傾斜、頻率光譜的峰值、總體值(總體平均值，所有值的平均)、波形峰值分佈的平均值、波形峰值分佈的標準差中的至少一個計算為特徵量。波形振幅例如計算為負荷率波形的上下的峰值的差(圖7)。漸近線的傾斜例如設為通過最小二乘法等計算負荷率的測定值而得到的漸近線的傾斜(圖7)。頻率 光譜的峰值計算為使用高速傅裡葉變換等將負荷率波形進行頻率轉換後的光譜中的峰值(圖8)。總體值(總體平均值)計算為將頻率光譜值在整體上平均後得到的值(圖8)。波形峰值分佈的平均值計算為負荷率波形的峰值的平均值(圖9)。波形峰值分佈的標準差計算為負荷率波形的峰值的標準差(圖9)。也可以代替負荷率波形的峰值的平均值、標準差或者除了負荷率波形的峰值的平均值、標準差以外，求出頻率光譜的峰值的平均值、標準差。
對於馬達的振動，也與上述的馬達的負荷率的情況同樣地，根據測定出的振動波形，將波形振幅、漸近線的傾斜、頻率光譜的峰值、頻率光譜的總體值(總體平均值)、波形峰值分佈的平均值、波形峰值分佈的標準差中的至少一個計算為特徵量。在這種情況下，振動波形、振動波形的頻率光譜以及振動波形的峰值(和/或頻率光譜的峰值)能夠分別與圖7、圖8、圖9同樣地求出。
對於馬達的聲音，也與上述的馬達的負荷率的情況同樣地，根據測定出的振動波形，將波形振幅、漸近線的傾斜、頻率光譜的峰值、頻率光譜的總體值(總體平均值)、波形峰分佈的平均值、波形峰值分佈的標準差中的至少一個計算為特徵量。在這種情況下，音波形、音波形的頻率光譜以及音波形的峰值(和/或頻率光譜的峰值)能夠分別與圖7、圖8、圖9同樣地求出。
對於馬達的溫度，能夠將測定出的溫度值本身以及溫度值的時間變化的傾斜中的至少一個計算為特徵量。
對於傳動軸38的位移，將位移振幅、位移速度、位移加速度、相鄰的位置的位移差(傳動軸傾斜)中的至少一個計算為特徵量。通過使用這些特徵量，能夠檢測擺動中的傳動軸38的振動、 歪斜，從而捕捉故障的預兆。
將所述的特徵量設為向量，定義為X={x1，x2，x3，．．．}。例如，關於馬達負荷率，波形振幅定義為x1，漸近線的傾斜定義為x2，頻率光譜的峰值定義為x3，總體值(總體平均值)定義為x4，波形峰值分佈的平均值定義為x5，波形峰值分佈的標準差定義為x6。
(支持向量機所進行的學習)
另外，使用所述特徵量通過支援向量機進行機械學習。此外，支持向量機能夠構成為通過例如控制器175、控制部46和/或其他電腦(鍍覆裝置的內部或者外部)執行的程式。
支持向量機中的機械學習如下進行。
(1)分別準備多個正常時的特徵量的樣品和故障時的特徵量的樣品，分別定義為正常資料集合、故障資料集合。
(2)定義的正常資料集合、故障資料集合設為訓練樣品，通過由支持向量機進行的學習來生成識別器。識別器作為電腦中被執行的程式而生成。
(正常異常判定)
在槳裝置180的運轉中，通過由支持向量機生成的識別器來判定新測量的特徵量。判定的結果是，在判定為特徵量(槳裝置的動作狀態)異常的情況下，使故障(Fault)或者警告(Warning)的警報產生。此外，在本說明書中，“故障”是指，定義為結構設備(裝置)的一部分或者全部破損，功能損壞的狀態。“異常”是指，成為功能與正常時相比劣化、或者損壞的狀態。即，在“異常”的狀態下，也包括“故障”的狀態。此外，在本實施例中，也使用作為接近故障的狀 況中間故障(Middle Fault)這樣的概念。此外，也可以代替由支援向量機生成的識別器，使用來自正常資料集合的馬氏距離來判定正常或異常。
(故障預測時間的計算)
將在所述支持向量機所進行的學習中記載的故障時的特徵量的樣品以及此時的波形資料式按每個故障事件預先向資料庫登錄。即，按每個故障事件(或者故障的類型)，將從正常狀態至故障狀態為止的特徵量的經時變化登錄為故障模型(故障模型資料)。作為異常部位(故障的類型)、故障的例子，有傳動軸38的變形/破損、傳動軸38的軸承(傳動軸固持部40)的破損、馬達44的故障、連結部故障等。連結部的故障包括作為槳18與傳動軸38的連結部的夾具36的故障、傳動軸38與驅動部42的連結部的故障、馬達44與驅動部42的連結部的故障等。該資料庫能夠儲存於控制器175、控制部46、設於其他電腦的記憶體或者其他記憶體。另外，關於該故障資料，使用時間數列解析特徵量的變化，該資料也預先一起登錄。圖10是某故障事件中的特徵量的時間變化資料的一例。
在上述的正常異常判定中，在判定為特徵量異常的情況下，基於[數學式1]計算登錄到資料庫的全部故障模型資料的各時刻下的特徵量向量與判定物件的當前的資料的特徵量向量的差(乖離率)。乖離率能夠設為例如馬氏距離。
在此，xk表示判定物件的當前的資料的特徵量，k表示特徵量的種 類。xk也稱為特徵量k。另外，xmk[t]表示故障模型m的時刻t下的特徵量k。在該例中，k、m設為自然數。
將與判定物件的當前的資料的特徵量向量的乖離率最小的故障模型資料判定為可能性最高的異常產生部位(故障模型)。此外，提取多個乖離率相對小的故障模型資料，將可能性高的異常產生部位判定為多個。另外，在判定出的故障模型中，例如，使用圖10的時間變化資料，計算從與判定物件的當前的資料的乖離率成為最小的時刻t1和故障產生時刻tf的差值(tf-t1)到故障為止的預測時間(故障預測時間)。
此外，在圖10中乖離率為同值的點有多個的情況下，選擇到故障為止的預測時間最小的點。另外，在判定出的故障模型資料包含多個特徵量的情況下，選擇基於各特徵量的到故障為止的預測時間中最小的預測時間。另外，在提取多個故障模型資料的情況下，選擇到故障為止的預測時間最小的故障模型資料。
如果到故障為止的預測時間小於下限時間，則產生中間故障(Middle Fault)而不接收新的基板，如果到故障為止的預測時間為下限時間以上，則產生警告(Warning)並繼續生產。下限時間能夠設為例如，在一塊基板的鍍覆處理時間上具有預定的富裕的時間、或者在對於送入鍍覆裝置的全部基板能夠完成鍍覆處理的時間上具有預定的富裕的時間。
另外，在提取多個乖離率相對小的故障模型資料，將可能性高的異常產生部位判定為多個的情況下，也可以選擇各個故障模型資料中的到故障為止的預測時間中最小的資料，將其用於基於下限時間的判定。
在此，到故障為止的預測時間是以在多個故障模型資料之間在同時間內裝置以同程度的累計次數進行動作的情況為前提的，在累計動作次數較大不同的情況下使用時間進行判定的情況不一定妥當。因此，也可以代替到故障為止的預測時間，而將到故障為止的預測累計動作次數設為判定物件。在這種情況下，故障模型資料(圖10)的橫軸代替經過時間而設為累計動作次數。採用預測時間或者預測累計動作次數中的哪個需要考慮如上所述直至故障位置的動作狀況。在使用累計動作次數的情況下有能夠反映裝置的動作狀況的優點，在使用預測時間的情況下，有容易對比預備品準備以及更換準備所需的時間的優點，但也可以考慮除了動作狀況、預備品準備以及更換準備所需的時間以外的狀況來選擇妥當的判斷基準。
(流程圖)
圖11是關於第一實施例的故障檢測處理的流程圖。在步驟S10中，從各種感測器獲取與槳裝置相關的物理量。例如，物理量包括例如馬達44的負荷率、馬達44的振動、馬達44的聲音、馬達44的溫度以及傳動軸38的位移。在步驟S11中，根據各物理量的波形計算特徵量，生成特徵量向量。在步驟S12、S13中，通過由支持向量機生成的識別器，來判定所測量的特徵量是正常還是異常。此外，也可以代替由支援向量機生成的識別器，使用來自正常資料集合的馬氏距離來判定正常或異常。由步驟S12、S13進行的判定的結果是，在測量的特徵量是正常的情況下，繼續生產(步驟S14)。另一方面，在測量的特徵量是異常的情況下，處理進入到步驟S15。
在步驟S15中，將測量的特徵量與故障資料庫的各故障模型的資料比對，來確定乖離率最小的故障模型資料。另外，使用該故障模型的時間數列資料的解析結果(圖10)，計算到故障為止的預測時間(tf-t1)。此外，也可以提取多個乖離率相對小的故障模型資料，將可能性高的異常產生部位判定為多個。另外，在圖10中乖離率為同值的點有多個的情況下，選擇到故障為止的預測時間最小的點。另外，在判定出的故障模型資料包括多個特徵量的情況下，選擇基於各特徵量的到故障為止的預測時間中最小的預測時間。另外，在提取多個故障模型資料的情況下，選擇到故障為止的預測時間最小的故障模型資料。
在步驟S16中，判定預測時間是否在下限時間以上。如果預測時間在下限時間以上，則處理進入步驟S17。此外，在步驟S15中，在提取了多個故障模型資料的情況下，也可以選擇在各個到故障為止的預測時間中最小的預測時間，將其用於下限時間判定。此外，如上所述，也可以代替到故障為止的預測時間，而將到故障為止的預測累計動作次數設為判定物件。在這種情況下，代替步驟S15、S16的“預測時間”，而計算“預測累計動作次數”(S15)，與預先設定的下限次數進行比較(S16)。
在步驟S17中，產生警告(Warning)。警告(Warning)通過向顯示器的顯示、警報音等來實施。在這種情況下，鍍覆裝置中的生產繼續(步驟S18)。
在步驟S16中，如果判定為預測時間小於下限時間，則產生中間故障(Middle Fault)的警報(步驟S19)。中間故障(Middle Fault)的警報通過向顯示器的顯示、警報音等來實施。在這種情況 下，在使用包括獲取了成為判定物件的特徵量的物理量的感測器在內的元件的區域(該例子中，鍍覆單元50)不投入新的鍍覆前的基板而繼續生產(步驟S20)。於是，在不再有要生產的基板的時刻，使鍍覆裝置的工作停止(步驟S21)，對出現中間故障(Middle Fault)的警報的元件進行維護(步驟S22)。
此外，在該例子中，根據預測時間是否在下限時間以上，來產生警告(Warning)、中間故障(Middle Fault)的兩個等級的警報，但也可以產生三個等級以上的警報。例如，在預測時間小於第二下限時間(<上述的下限時間)的情況下，也可以產生故障(Fault)的警報，立刻停止裝置。
另外，也可以隨時更新支援向量機的判定基準。例如，對出現中間故障(Middle Fault)的元件進行維護後的結果是，實際上在該元件沒有異常情況下，也可以更新支持向量機的判定基準。另外，也可以以其他定時(定期、不定期)更新。作為支持向量機的判定基準的更新方法，例如，能夠通過對正常資料集合、故障資料集合的各資料重新修改、削除、或者新獲取等來更新。
(第二實施例)
(流程圖)
圖12是關於第二實施例的故障檢測處理的流程圖。在本實施例中，不進行支援向量機所進行的機械學習(圖11的S12)。在圖12的流程圖中，除了圖11的S12、S13的處理被置換為S32、S33的處理以外，與第一實施例的流程圖相同。在步驟S30中，從各種感測器獲取與槳裝置相關的物理量。例如，物理量包括例如馬達44的負荷率、馬達44的振動、馬達44的聲音、馬達44的溫度以 及傳動軸38的位移。在步驟S31中，根據各物理量的波形計算特徵量，生成特徵量向量。在步驟S32、S33中，將測量的特徵量與預先準備的正常資料集合、故障資料集合比對，檢索測量的特徵量和乖離率最小的資料集合(正常資料集合、故障資料集合)。對於該乖離率的計算，能夠使用例如馬氏距離。其結果是，在與測量的特徵量的乖離率最小的資料集合是正常資料集合的情況下，繼續生產(步驟S34)。另一方面，在與測量的特徵量的乖離率最小的資料集合是故障資料集合的情況下，處理進入步驟S35。
在步驟S35中，確定乖離率最小的故障模型。具體而言，選擇在步驟S32、S33中乖離率設為最小的故障模型。另外，使用該故障模型的時間數列資料的解析結果(圖10)，計算到故障為止的預測時間(tf-t1)。
在步驟S36中，判定預測時間是否在下限時間以上。如果預測時間在下限時間以上，處理進入步驟S37。此外，如上所述，也可以代替到故障為止的預測時間，將到故障為止的預測累計動作次數設為判定物件。在這種情況下，代替步驟S35、S36的“預測時間”，計算“預測累計動作次數”(S35)，與預先設定的下限次數進行比較(S36)。
在步驟S37中，產生警告(Warning)。警告(Warning)通過向顯示器的顯示、警報音等來實施。在這種情況下，鍍覆裝置中的生產繼續(步驟S38)。
在步驟S36中，如果判定為預測時間小於下限時間，則產生中間故障(Middle Fault)的警報(步驟S39)。中間故障(Middle Fault)的警報通過向顯示器的顯示、警報音等來實施。在這種情況 下，在使用包括獲取了成為判定物件的特徵量的物理量的感測器的元件的區域(該例子中，鍍覆單元50)不投入新的鍍覆前的基板而繼續生產(步驟S40)。於是，在不再有生產的基板的時刻，使鍍覆裝置的工作停止(步驟S41)，對出現中間故障(Middle Fault)的警報的元件進行維護(步驟S42)。
此外，該例子中，根據預測時間是否在下限時間以上，產生警告(Warning)、中間故障(Middle Fault)的兩個等級的警報，但也可以產生三個等級以上的警報。例如，在預測時間小於第二下限時間的情況下，也可以產生故障(Fault)的警報，立刻停止裝置。
另外，也可以隨時更新判定基準(S36的下限時間)。對出現中間故障(Middle Fault)的元件進行維護後的結果是，實際上在該元件沒有異常情況下，也可以更新判定基準(S36的下限時間)。也可以以其他定時(定期、不定期)更新。作為判定基準(S36的下限時間)的更新方法，例如，能夠通過對正常資料集合、故障資料集合的各資料重新修改、削除、或者新獲取等來更新。
(第三實施例)
在上述實施例中，基於與預先登錄的多個故障模型的比較，決定故障部位、到故障為止的預測時間，但在本實施例中，根據與特徵量的正常資料集合的乖離率的變化來進行故障預測。
圖13是特徵量的時間變化的測量例。在該圖中，橫軸表述運轉時間，縱軸表述特徵量。在本實施例中，測量的特徵量與正常時的特徵量乖離，在該乖離率處於增加傾向的情況下判定為異常。具體而言，將正常時的特徵量的樣品以及此時的波形資料式設為正常資料集合，預先登錄至資料庫。於是，計算登錄到資料庫的 全部正常資料的特徵量向量與判定物件的現在資料的特徵量向量的乖離率。在檢測到該乖離率處於增加傾向時，該繼續時間超過上限時間的情況下，產生中間故障(Middle Fault)的警報，在繼續時間小於上限值的情況下，做出警告(Warning)。此外，在乖離率反復離散式急劇的增加和減少的情況下，也可以代替繼續時間，對於乖離率增加頻率，應用上限值(上限頻率)。例如，在乖離率增加頻率超過上限頻率的情況下產生中間故障(Middle Fault)的警報，在乖離率增加頻率小於上限頻率的情況下，做出警告(Warning)。此外，乖離率處於增加傾向的檢測能夠通過以某時間間隔將乖離率的值以移動平均進行近似並且進行監視來檢測。例如，求出最小二乘法的傾斜，如果基於最小二乘法的傾斜是正則判定為增加。另外，也可以在有多個正常資料的情況下，在與全部正常資料的乖離率處於增加傾向的繼續時間(或者乖離率增加頻率)超過上限值的情況或者與全部正常資料的乖離率增加頻率超過上限值的情況下，產生中間故障的警報。
圖14是關於第三實施例的故障檢測處理的流程圖。在步驟S50中，從各種感測器獲取與槳裝置相關的物理量。例如，物理量包括例如馬達44的負荷率、馬達44的振動、馬達44的聲音、馬達44的溫度以及傳動軸38的位移。在步驟S51中，根據各物理量的波形計算特徵量，生成特徵量向量。在步驟S52中，將測量的特徵量(特徵量向量)與預先準備的正常資料集合比對，計算測量的特徵量與正常資料集合的乖離率和/或乖離率的增減率。在步驟S53中，判定與測量的特徵量的正常資料集合的乖離率(或者，乖離率的增減率)是否在預先設定的上限值以上。在判定為乖離率(或者， 乖離率的增減率)小於上限值的情況下，繼續生產(步驟S54)。另一方面，在判定為乖離率(或者，乖離率的增減率)在上限值以上的情況下，處理進入步驟S55。
在步驟S55中，基於乖離率的增減率的時間變化，判定乖離率增加(乖離率處於增加傾向)的繼續時間是否小於上限時間。在判定為乖離率增加的繼續時間小於上限時間的情況下，處理進入步驟S56。此外，在有多個正常資料的情況下，也可以判定與全部正常資料的乖離率(或者，乖離率的增減率)處於增加傾向繼續時間是否小於上限時間。
在步驟S56中，產生警告(Warning)。警告(Warning)通過向顯示器的顯示、警報音等來實施。在這種情況下，鍍覆裝置中的生產繼續(步驟S57)。
在步驟S55中，如果判定為乖離率增加的繼續時間在上限時間以上，則產生中間故障(Middle Fault)的警報(步驟S58)。中間故障(Middle Fault)的警報通過向顯示器的顯示、警報音等來實施。在這種情況下，在使用包括獲取了成為判定物件的特徵量的物理量的感測器的元件的區域(該例子中，鍍覆單元50)不投入新的鍍覆前的基板而繼續生產(步驟S59)。於是，在不再有要生產的基板的時刻，使鍍覆裝置的工作停止(步驟S60)，對出現中間故障(Middle Fault)的警報的元件進行維護(步驟S61)。
此外，該例子中，根據乖離率增大的繼續時間是否在上限值時間以上，產生警告(Warning)、中間故障(Middle Fault)的兩個等級的警報，但也可以產生三個等級以上的警報。例如，在乖離率增大的繼續時間是第二上限值時間(>上述的上限值時間)以上的情 況下，也可以產生故障(Fault)的警報，立刻停止裝置。
另外，也可以隨時更新乖離率的上限值(S53)以及上限時間(S55)。例如，對出現中間故障(Middle Fault)的元件進行維護後的結果是，實際上在該元件沒有異常情況下，也可以更新乖離率的上限值(S53)以及上限時間(S55)。另外，也可以以其他定時(定期、不定期)更新。作為乖離率的上限值(S53)設定和更新的方法的例子，能夠根據多個正常資料樣品計算的特徵量的分佈假定為標準分佈而計算標準差(σ)值，設定基於σ值(或2~3σ值)的上限值。具體而言，能夠使用根據多個正常資料樣品計算的各個特徵量平均值和與(平均±σ)對應的特徵量的值，計算與平均值對應的(平均±σ)值的乖離率(數學式1)，將其設定為上限值。此外，能夠在每天新獲取的正常資料樣品的基礎上，從累計的正常資料樣品集合更新上限值。
(第四實施例)
圖15是說明機械手所進行的基板的握持的檢測的說明圖。圖16是感測器輸出信號的時序圖。
機械手123是例如基板輸送裝置122的輸送機器人的機械手。該機械手123通過包括馬達等的驅動裝置125，進行迴旋/直線移動、上下移動以及握持動作。機械手123具備檢測對基板W握持的情況的感測器129(例如，光學感測器)，在機械手123夾持基板W時(圖15(c))，產生檢測信號來作為感測器輸出信號(圖16)。基板W的握持是通過機械手123的兩個爪部123a夾持基板W來進行的。爪部123a通過氣缸、馬達等的動力而被驅動為相互接近分離。
在通過機械手123進行基板W的握持的情況下，首先，機械手123在基板W的上方移動(圖15(a))。接著，機械手123在該兩個爪部123a打開的狀態下直至基板W位於兩個爪部123a之間為止，進行下降(圖15(b))。之後，機械手123的爪部123a以相互接近的方式移動從而夾持並握持基板W(圖15(c))。此時，通過感測器129，檢測基板W的握持。
在此，參照圖16的同時說明感測器129是正常的情況和異常的情況的輸出信號的特性。在該圖中，橫軸是時間，縱軸是感測器輸出信號。時刻t0是根據向驅動機械手123的爪部123a的氣缸、馬達等的動力源的驅動信號識別的爪部123a所進行的基板W的握持的定時。該驅動信號通過例如控制器175來掌握。
在感測器129是正常的情況下，如圖16中的曲線I所示，在時刻t0，機械手123a的爪部123握持基板W，與此同時，從感測器129也輸出檢測信號。在感測器129產生異常的情況下，如曲線II所示在來自感測器129的檢測信號產生抖動，或者如曲線III所示產生檢測信號的時刻t1晚於時刻t0。此外，感測器的異常包括感測器的靈敏度劣化以及調整不良，在感測器的靈敏度劣化或者調整不良的情況下判定為異常。
以下，說明感測器的故障預測的處理。首先，將感測器129的動作波形(圖16)限定在感測器動作時而獲取(物理量的檢測)。接著，根據感測器動作波形，將感測器ON延遲時間、抖動ON/OFF次數、ON/OFF持續時間中的至少一個計算為特徵量(特徵量的計算)。在此，將感測器所進行的檢測信號的產生表述為感測器ON。感測器ON延遲時間是與圖16中的t0-t1相當的時間。抖 動ON/OFF次數表示如圖16的曲線II那樣感測器輸出信號穩定為ON為止切換為OFF的次數。ON/OFF持續時間是如圖16的曲線II那樣感測器輸出信號反復ON/OFF的時間。
(支持向量機所進行的學習)
另外，使用上述特徵量(感測器ON延遲時間、抖動ON/OFF次數、ON/OFF持續時間中的至少一個)通過支持向量機進行機械學習。此外，支持向量機能夠構成為通過例如控制器175、控制部46和/或其他電腦(鍍覆裝置的內部或者外部)執行的程式。
支持向量機中的機械學習如下進行。
(1)分別準備多個正常時的特徵量的樣品、故障時的特徵量的樣品，並分別定義為正常資料集合、故障資料集合。
(2)將定義的正常資料集合、故障資料集合作為訓練樣品，通過在支持向量機的學習而生成識別器。識別器作為電腦中執行的程式來生成。
(正常異常判定)
機械手123的握持動作時中，通過在支持向量機生成的識別器來判定新測量的特徵量。判定的結果是，在判定為特徵量(感測器129的動作狀態)是異常的情況下，使故障(Fault)或者警告(Warning)的警報產生。此外，本說明書中，“故障”是指，定義為結構設備(裝置)的一部分或者全部破損，功能損壞的狀態。“異常”是指，成為功能與正常時相比劣化、或者損壞的狀態。即，在“異常”的狀態下，也包括“故障”的狀態。此外，在本實施例中，也使用作為接近故障的狀況的中間故障(Middle Fault)這樣的概念。此外，也可以代替由支援向量機生成的識別器，使用來自正常資料集合的馬氏距離來判 定正常或異常。
(故障預測時間的計算)
將在上述支持向量機所進行的學習中記載的故障時的特徵量的樣品以及此時的波形資料式按每個故障事件預先向資料庫登錄。即，按每個故障事件(或者故障的類型)，從正常狀態至故障狀態為止的特徵量的經時變化登錄為故障模型(故障模型資料)。該資料庫能夠儲存於控制器175、控制部46、設於其他電腦的記憶體或者其他記憶體。另外，關於該故障資料，使用使用時間數列解析特徵量的變化，該資料(參照圖10)也一起登錄。
在上述的正常異常判定中，在特徵量被判定為異常的情況下，基於前述的[數學式1]計算登錄到資料庫的全部故障模型資料的各時刻的特徵量向量與判定物件的當前的資料的特徵量向量的差(乖離率)。乖離率能夠設為例如馬氏距離。
將與判定物件的當前的資料的特徵量向量的乖離率最小的故障模型資料判定為可能性最高的異常產生部位(故障模型)。此外，也可以提取多個乖離率相對小的故障模型資料，將可能性高的異常產生部位判定為多個。另外，在判定出的故障模型中，例如，使用圖10的時間變化資料，根據與判定物件的當前的資料的乖離率成為最小的時刻t1和故障產生時刻tf的差值(tf-t1)來計算到故障為止的預測時間。
此外，在圖10中乖離率為同值的點存在多個的情況下，選擇到故障為止的預測時間最小的點。另外，在判定出的故障模型資料包括多個特徵量的情況下，選擇基於各特徵量的到故障為止的預測時間中的最小的預測時間。另外，在提取了多個故障模型資料 的情況下，選擇到故障為止的預測時間最小的故障模型資料。
如果到故障為止的預測時間小於下限時間，則產生中間故障(Middle Fault)而不接收新的基板，如果到故障為止的預測時間在下限時間以上，則產生警告(Warning)並繼續生產。下限時間能夠設為例如，在一塊基板的鍍覆處理時間上具有預定的富裕的時間、或者在對於送入鍍覆裝置的全部基板能夠完成鍍覆處理的時間上具有預定的富裕的時間。另外，在提取多個乖離率相對小的故障模型資料並將可能性高的異常產生部位判定為多個的情況下，也可以選擇各個故障模型資料中的到故障為止的預測時間中最小的資料。此外，如上所述，也可以代替到故障為止的預測時間或者除了故障為止的預測時間以外，計算到故障為止的預測累計動作次數，通知預測時間和/或預測累計動作次數。
(流程圖)
圖17是關於第四實施例的故障檢測處理的流程圖。在步驟S70中，將感測器的動作波形限定在感測器動作時而獲取。在步驟S71中，根據感測器的動作波形，將感測器ON延遲時間、抖動ON/OFF次數、ON/OFF持續時間中的至少一個計算為特徵量，生成特徵量向量。在步驟S72、S73中，根據由支援向量機生成的識別器，判定測量出的特徵量是正常還是異常。此外，也可以代替由支援向量機生成的識別器，使用來自正常資料集合的馬氏距離判定正常或異常。在步驟S72、S73所進行的判定的結果是測量出的特徵量為正常的情況下，繼續生產(步驟S74)。另一方面，在測量出的特徵量為異常的情況下，處理進入步驟S75。
在步驟S75中，產生中間故障(Middle Fault)警報，處理 進入步驟S76。中間故障(Middle Fault)的警報通過向顯示器的顯示、警報音等來實施。
在步驟S76中，將測量出的特徵量與預先登錄到故障資料庫的各故障模型的資料比對，確定乖離率最小的故障模型。此外，也可以提取多個乖離率相對小的故障模型資料，將可能性高的異常產生部位判定為多個。另外，使用該故障模型的時間數列資料的解析結果(圖10)，計算到故障為止的預測時間並進行通知。預測時間的通知通過像顯示器的顯示、以聲音的通知來進行。在圖10中乖離率為同值的點有多個的情況下，選擇到故障為止的預測時間最小的點。另外，在判定出的故障模型資料包括多個特徵量的情況下，選擇基於各特徵量的到故障為止的預測時間中最小的預測時間。另外，在提取多個故障模型資料的情況下，選擇到故障為止的預測時間最小的故障模型資料。此外，也可以代替到故障為止的預測時間或者除了故障為止的預測時間以外，計算到故障為止的預測累計動作次數，通知預測時間和/或預測累計動作次數。
另外，在使用包括獲取了成為判定物件的特徵量的物理量的感測器的元件的區域(該例子中，基板輸送裝置122)不投入新的鍍覆前的基板而繼續生產(步驟S77)。於是，在不再有要生產的基板的時刻，使鍍覆裝置的工作停止(步驟S78)，對出現中間故障(Middle Fault)的警報的元件進行維護(步驟S79)。
此外，在此，列舉出鍍覆裝置的基板輸送裝置122的機械手的感測器，但也能夠應用其他機械手的感測器、機器人以外的任意的感測器。
(第五實施例)
(流程圖)
圖18是關於第五實施例的故障檢測處理的流程圖。在步驟S90中，將感測器的動作波形限定在感測器動作時而獲取。在步驟S91中，根據感測器的動作波形，感測器ON延遲時間、抖動ON/OFF次數、ON/OFF持續時間中的至少一個計算為特徵量，生成特徵量向量。在步驟S92中，將測量出的特徵量與預先準備的正常資料集合、故障資料集合比對，檢索測量出的特徵量和乖離率最小的資料集合(正常資料集合、故障資料集合)。對於該乖離率的計算，能夠使用例如馬氏距離。確定乖離率最小的故障資料集合(故障部位)，使用該故障模型的時間數列資料的解析結果(圖10)，計算到故障為止的預測時間(tf-t1)。在步驟S93中，在乖離率最小的資料集合是正常資料集合的情況下，繼續生產(步驟S94)。另一方面，在乖離率最小的資料集合是故障資料集合的情況下，處理進入步驟S95。在步驟S95中，判定在步驟S92計算的到故障為止的預測時間是否在下限時間以上。在預測時間在下限時間以上的情況下，產生警告(Warning)(步驟S96)，繼續生產(步驟S97)。另一方面，在步驟S95中，如果預測時間小於下限時間，產生中間故障(Middle Fault)的警報(步驟S98)。此外，如上所述，也可以代替到故障為止的預測時間，將到故障為止的預測累計動作次數設為判定物件。在這種情況下，代替步驟S92、S95的“預測時間”，計算“預測累計動作次數”(S92)，與預先設定的下限次數進行比較(S95)。中間故障(Middle Fault)的警報通過向顯示器的顯示、警報音等來實施。在這種情況下，在使用包括該感測器的元件的區域(該例子中，基板輸送裝置122)，不投入新的鍍覆前的基板而繼續生產(步驟S99)。於是，在 不再有要生產的基板的時刻，使鍍覆裝置的工作停止(步驟S100)，對出現中間故障(Middle Fault)的警報的元件進行維護(步驟S101)。
此外，在該例子中，根據預測時間是否在下限時間以上，產生警告(Warning)、中間故障(Middle Fault)的兩個等級的警報，但也可以產生三個等級以上的警報。例如，在預測時間小於第二下限時間(<上述的下限時間)的情況下，也可以產生故障(Fault)的警報，立刻停止裝置。
另外，也可以隨時更新判定基準(S95的下限時間)。例如，對出現中間故障(Middle Fault)的元件進行維護後的結果是，實際上在該元件沒有異常情況下，也可以更新判定基準(S95的下限時間)。另外，也可以以其他定時(定期、不定期)更新。作為判定基準(S95的下限時間)的更新方法，例如，能夠通過對正常資料集合、故障資料集合的各資料重新修改、削除、或者新獲取等來更新。
(第六實施例)
圖19是關於第六實施例的故障檢測處理的流程圖。在步驟S110中，將感測器的動作波形限定在感測器動作時而獲取。在步驟S111中，根據感測器的動作波形，將感測器ON延遲時間、抖動ON/OFF次數、ON/OFF持續時間中的至少一個計算為特徵量，生成特徵量向量。在步驟S112中，將測量出的特徵量(特徵量向量)與預先準備的正常資料集合比對，計算測量出的特徵量與正常資料集合的乖離率、和/或乖離率的增減率。在步驟S113中，判定與測量的特徵量的正常資料集合的乖離率(或者，乖離率的增減率)是否在預先設定的上限值以上。在判定為乖離率(或者，乖離率的增減率)小於上限值的情況下，繼續生產(步驟S114)。另一方面，在判 定為乖離率(或者，乖離率的增減率)是上限值以上的情況下，處理進入步驟S115。
在步驟S115中，基於乖離率的增減率的時間變化，判定乖離率增加(乖離率處於增加傾向)的繼續時間是否小於上限時間。在乖離率增加的繼續時間小於上限時間的情況下，處理進入步驟S116。此外，在正常資料有多個的情況下，也可以判定與全部正常資料的乖離率(或者，乖離率的增減率)處於增加傾向的繼續時間是否小於上限時間。在步驟S116中，產生警告(Warning)。警告(Warning)通過向顯示器的顯示、警報音等來實施。在這種情況下，鍍覆裝置中的生產繼續(步驟S117)。
在步驟S115中，如果判定為乖離率增加的繼續時間在上限時間以上，則產生中間故障(Middle Fault)的警報(步驟S118)。中間故障(Middle Fault)的警報通過向顯示器的顯示、警報音等來實施。在這種情況下，在使用包括感測器的元件的區域(該例子中，基板輸送裝置122)，不投入新的鍍覆前的基板而繼續生產(步驟S119)。於是，在不再有要生產的基板的時刻，使鍍覆裝置的工作停止(步驟S120)，對出現中間故障(Middle Fault)的警報的元件進行維護(步驟S121)。
此外，該例子中，根據乖離率增大的繼續時間是否在上限值時間以上，產生警告(Warning)、中間故障(Middle Fault)的兩個等級的警報，但也可以產生三個等級以上的警報。例如，在乖離率增大的繼續時間是第二上限值時間(>上述的上限值時間)以上的情況下，也可以產生故障(Fault)的警報，立刻停止裝置。
另外，在第三實施例中也可以如上所述隨時更新乖離率 的上限值(S113)以及上限時間(S115)。
(其他實施例)
在上述實施例中，將故障檢測處理應用於鍍覆裝置的槳裝置180，但上述實施例也能夠應用於鍍覆裝置以及其他半導體製造裝置的各部的結構(包括驅動部、感測器)。例如，也能夠應用於圖1的基板裝卸部(安裝台)120中包括的馬達、感測器、驅動基板固持件輸送裝置140等運輸機的致動器的馬達。作為基板裝卸部120的例子，有日本特開2016-127069號公報所記載的例子。作為運輸機的例子，有日本特開2014-169475號公報所記載的例子。
圖20是基板裝卸部120中的基板固持件裝卸裝置300的概略側視圖。基板固持件裝卸裝置300是如下裝置：在基板固持件11的第一固持構件(未圖示)載置基板的狀態下，使第二固持構件(未圖示)與第一固持構件鎖定，用於使基板固持在基板固持件11。基板固持件裝卸裝置300具有：構成為在軸向上能夠移動且能夠旋轉的軸302；固定於軸302的圓盤304；固定於圓盤304的下表面的直徑比圓盤304大的圓盤306。在圓盤306的下表面，設置有用於使設於基板固持件11的第二固持構件的環狀的按壓部(未圖示)旋轉的多個固持件鎖定銷310a、310b。軸302借助馬達312旋轉，從而持件鎖定銷310a，310b旋轉，基板保持件11的第二保持構件的環狀的按壓部旋轉，第二保持構件的按壓部與第二保持構件的夾持器卡合，其結果是，第一以及第二保持構件被鎖定。上述各實施方式的故障預測處理能夠應用於該基板保持件裝卸裝置300的馬達312。另外，上述各實施方式的故障預測處理也能夠應用於使軸302軸向移動的直動機構、在基板裝卸部120中包括的各種感測器。
圖21是運輸機以及升降機構的概略圖。在第一運輸機142連結或安裝有未圖示的行走用的致動器以及升降用的致動器。第一運輸機142通過這些致動器在鍍覆槽內水準移動，使臂1-104升降。致動器由例如馬達以及滾珠絲杠等旋轉直動轉換機構構成。上述各實施例的故障預測處理能夠應用於使這樣的運輸機移動的致動器。另外，第一運輸機142如圖21所示具備臂1-104，在臂1-104設有握持機構1-110。握持機構1-110具有：從前後方向夾住基板固持件11的手動杆1-92而握持基板固持件11的一對卡盤爪1-106；使該卡盤爪1-106在相互近接以及分離的方向上移動的致動器1-108。上述各實施例的故障預測處理能夠應用於這樣的致動器1-108。
在第一清洗槽130a設置有具有在槽的兩側豎立設置的一對致動器1-112的固定升降機1-114。沿著致動器升降的升降臂1-116與各致動器1-112連結。升降臂1-116通過內置於致動器1-112的馬達以及滾珠絲杠等的旋轉直動機構而上下移動。在該升降臂1-116固定有在上方開口的縱向切截面矩形狀的支撐台1-118。固持基板W的基板固持件11通過該固持件吊架的第一階梯部1-90插入支撐台1-118而被固定升降機1-114支撐。而且，基板固持件11通過致動器1-112升降。上述各實施例的故障預測處理能夠應用於這樣的致動器1-112。此外，其他元件(預濕槽126、預浸槽128、吹風槽132、第二清洗槽130b)也可具備同樣的機構。
圖22是顯示具備多個半導體製造裝置的半導體工廠中的各個半導體製造裝置的馬達．感測器等各設備的故障預測方法的一實施例的示意圖。半導體製造裝置是例如鍍覆裝置(上述)、研磨 裝置、其他半導體製造裝置。圖22示例出兩台半導體製造裝置1-1000、2-1000。半導體製造裝置的數量也可以是1台，也可以是3台以上。半導體製造裝置1-1000、2-1000具備與上述的控制器175同樣的控制器1-175、2-175。
在本實施例中，半導體製造裝置1-1000、2-1000的運輸機、安裝台等的馬達、感測器發出的上述的信號被發送到控制器1-175、2-175，在控制器1-175、2-175或者電腦1-190、2-190中，進行感測器、馬達等各設備的故障檢測。另外，每隔預定時間間隔或者始終地向控制器1-175、2-175發送半導體製造裝置自身的動作資料(感測器測常數據、伺服馬達的負荷資料等)。控制部175C的一部分也可以由ASIC、PLC等面向特定用途的積體電路等專用的硬體構成。控制器1-175、2-175通過從上述的動作資料提取特徵量資料，轉換為容易解析的資料。由此，能夠作為壓縮資料容量，之後預測半導體製造裝置的故障發揮功能。而且，控制器1-175、2-175配置於半導體製造裝置內或者半導體製造裝置的附近。
或者，也可以在該控制器1-175、2-175中，在轉換為容易解析的資料後，將轉換後的資料逐次或者定期地從控制器1-175、2-175經由有線或者無線(例如LAN)向半導體工廠伺服器1001發送。或者，控制器1-175、2-175也可以經由具備一般的的通信設備的電腦1-190、2-190和與電腦1-190、2-190連接的雲伺服器(未圖示)，以無線通訊與半導體工廠伺服器1001連接。此外，也可以在半導體工廠伺服器1001中，基於從控制器或者電腦接收到的資料，預測半導體製造裝置1-1000、2-1000的感測器、馬達等各設備的故障。
另外，也可以基於計算的半導體製造裝置1-1000、2-1000的感測器、馬達等各設備的故障預測時期，而從操作員向半導體製造裝置廠商的支援中心1002發出直接指令。或者，也可以以相對於計算的半導體製造裝置的感測器、馬達等各設備的故障預測時刻而成為預定的期間前的時刻為觸發時刻，使預測到故障的馬達、感測器等部件的訂貨指令從半導體工廠伺服器1001向半導體製造裝置廠商的支援中心1002自動發送，從而使需要的件數預先配送到半導體工廠的倉庫內。即，也可以使用上述的半導體製造裝置1-1000、2-1000的感測器、馬達等各設備的故障預測方法，計算馬達、槳裝置、驅動槳的馬達、或者感測器這樣的各裝置部件的故障預測時間，基於該計算的故障預測時間，在預定的時間到來前(例如，一周前等)預先生成這些各裝置部件的訂貨指令信號，從半導體工廠向支援中心1002發送訂貨指令信號。訂貨指令信號在控制器1-175，2-175或者半導體工廠伺服器1001中生成。由此，能夠預先在半導體工廠以需要的定時儲備需要的設備的更換部件。能夠防止因等待各設備的到貨這樣的情況而對半導體製造裝置的工作產生妨礙。
作為與圖22不同的其他實施例，也可以在上述的控制器1-175、2-175中，在轉換為容易解析的資料後，將該轉換後的資料經由控制器1-175、2-175和電腦1-190、2-190，逐次或者定期地經由半導體工廠伺服器1001或者直接地，發送給半導體製造裝置廠商的支援中心1002。此外，也可以在半導體製造裝置廠商的支援中心1002中，基於接收到的資料，預測半導體製造裝置1-1000、2-1000的感測器、馬達等各設備的故障。
此外，這些僅是例示，上述實施例的故障預測處理能夠應用於除了半導體製造裝置以外的裝置中包括的驅動部、感測器等的故障預測。
根據上述實施例，至少掌握以下的技術的思想。
[1]根據方式1，提供一種半導體製造裝置。該半導體製造裝置具備：第一裝置；一個或多個感測器，檢測表示所述第一裝置的狀態物理量；第一計算電路，根據所檢測出的所述物理量計算所述第一裝置的一個或多個特徵量；以及故障預測電路，將由所述第一計算電路計算的一個或多個特徵量與直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料進行比較，決定所述多個模型資料中的與所計算的所述一個或多個特徵量的差為最小的模型資料，根據在該模型資料中與所計算的所述一個或多個特徵量的差成為最小的時刻與故障時刻的差來計算故障預測時間，在故障預測時間小於預定的閾值的情況下，停止新的基板的接收。第一計算電路以及故障預測電路能夠由執行上述處理的程式和執行該程式的計算機構成。另外，第一計算電路以及故障預測電路也可以由ASIC、PLC等面向特定用途的積體電路等專用的硬體構成。第一計算電路以及故障預測電路也可以將它們的功能分割為多個裝置(多個電腦、多個特定用途的硬體或者一個或多個電腦和一個或多個特定用途的硬體的組合)來實現。
根據方式1，將直至第一裝置發生故障為止的第一裝置的一個或多個特徵量的經時變化的多個模型資料與測量出的一個或多個特徵量進行比較，因此能夠確定異常產生部位(異常的種類)，進而，知曉與故障時刻的一個或多個特徵量對應的當前的第 一裝置的狀態(一個或多個特徵量)，因此能夠計算到故障為止的預測時間。即，能夠確定異常產生部位(異常的種類)以及到故障為止的預測時間。
另外，在預測時間小於預定的閾值的情況下，停止新的基板的接收，因此能夠防止在基板的處理中第一裝置發生故障。
此外，如果預測時間的閾值設定為大於一塊基板的處理時間，則能夠防止在基板的處理中第一裝置發生故障。
[2]根據方式2，在方式1的半導體製造裝置中，還具備識別電路，該識別電路通過基於所述第一裝置的正常時的一個或多個特徵量的集合和所述第一裝置的異常時的一個或多個特徵量的集合的機械學習而生成，通過所述識別電路，對測量的所述第一裝置的一個或多個特徵量進行評價，對所述第一裝置的正常或異常進行判定，在由所述識別電路判定為異常的情況下，執行所述故障預測電路的處理。該識別電路能夠由例如進行機械學習的程式和執行該程式的計算機構成。在其他例子中，識別電路也能夠由ASIC、PLC等面向特定用途的積體電路等專用的硬體構成。另外，也可以將識別電路的功能分割為多個裝置(多個電腦、多個特定用途的硬體或者一個或多個電腦和一個或多個特定用途的硬體的組合)來實現。
根據方式2，通過識別電路判定第一裝置的正常或異常，在判定為異常的情況下執行故障預測電路的處理，因此能夠提高異常判定的精度。另外，能夠將故障預測電路的處理限定在由識別電路判定為異常時，因此能夠減少故障預測電路的處理。
[3]根據方式3，在方式2的半導體製造裝置中，通過更 新所述正常時的一個或多個特徵量的集合和/或所述異常時的一個或多個特徵量的集合而更新所述識別電路的判定基準。
根據方式3，通過更新識別電路的判定基準，能夠維持和/或提高故障預測的精度。
[4]根據方式4，在方式1至3中的任一半導體製造裝置中，還具備生成直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料的模型資料生成電路。
根據方式4，能夠在半導體製造裝置中生成多個模型資料，而不使用外部的裝置。
[5]根據方式5，在方式1至4中的任一半導體製造裝置中，所述第一裝置是馬達，所述物理量包括所述馬達的負荷率、振動、聲音和溫度中的至少一個。
根據方式5，在半導體製造裝置所包括的馬達產生異常的情況下，能夠高精度地求出到故障為止的預測時間。
[6]根據方式6，在方式5的半導體製造裝置中，所述特徵量包括所述負荷率、所述振動、所述聲音的波形振幅、漸近線的傾斜、頻率光譜、總體值(總體平均值，所有值的平均)、波形峰值分佈的平均值和標準差中的至少一個。
根據方式6，通過適當選擇或組合與馬達相關的特徵量，能夠適當進行馬達的異常的檢測以及到故障為止的時間的計算。
[7]根據方式7，在方式5或者6的半導體製造裝置中，所述第一裝置是槳裝置，所述特徵量包括槳的傳動軸的位移振幅、位移速度、位移加速度和傾斜中的至少一個。
根據方式7，通過適當選擇或組合與槳裝置相關的特徵 量，能夠適當進行馬達的異常的檢測以及到故障為止的時間的計算。
[8]根據方式8，在方式1至4中的任一半導體製造裝置中，所述第一裝置是感測器，所述特徵量包括所述感測器的檢測延遲時間、抖動次數和抖動持續時間中的至少一個。
根據方式8，通過適當選擇或組合與感測器相關的特徵量，能夠適當進行感測器的異常的檢測以及到故障為止的時間的計算。
[9]根據方式9，提供一種半導體製造裝置。該半導體製造裝置具備：第一裝置；一個或多個感測器，檢測表示所述第一裝置的狀態物理量；第一計算電路，根據所檢測出的所述物理量計算所述第一裝置的一個或多個特徵量；以及故障預測電路，對由所述第一計算電路計算的一個或多個特徵量的時間變化進行監視，在所述一個或多個特徵量與正常時的特徵量的乖離率增加的時間超過第一時間的情況和/或所述一個或多個特徵量與正常時的特徵量的乖離率每單位時間進行增減的次數超過第一次數的情況下，停止新的基板的接收。
根據方式9，在第一裝置的特徵量與正常時的特徵量的乖離率增加的時間超過第一時間的情況和/或每單位時間的增減的次數超過第一次數的情況下，停止新的基板的接收。因此，能夠通過監視特徵量的時間變化，進行故障的預測，而不必預先生成故障的模型資料。
[10]根據方式10，在方式9的半導體製造裝置中，還具備識別電路，該識別電路基於所述第一裝置的正常時的一個或多個 特徵量的集合，對測量出的所述第一裝置的一個或多個特徵量進行評價，從而對所述第一裝置的正常或異常進行判定，在由所述識別電路判定為異常的情況下，執行所述故障預測電路的處理。該識別電路能夠由例如預定的程式和執行該程式的計算機構成。在其他例子中，識別電路也能夠由ASIC、PLC等面向特定用途的積體電路等專用的硬體構成。另外，也可以將識別電路的功能分割為多個裝置(多個電腦、多個特定用途的硬體或者一個或多個電腦和一個或多個特定用途的硬體的組合)來實現。
根據方式10，通過識別電路判定第一裝置的正常或異常，在判定為異常的情況下執行故障預測電路的處理，因此能夠提高異常判定的精度。另外，能夠將故障預測電路的處理限定在由識別電路判定為異常時，因此能夠減少故障預測電路的處理。
[11]根據方式11，在方式10記載的半導體製造裝置中，通過追加正常時的一個或多個特徵量的集合且累計的正常時的一個或多個特徵量的集合而更新所述識別電路的判定基準。
根據方式11，能夠追加每天新獲取的正常資料，基於累計的正常資料的集合，更新識別電路的判定基準。由此，能夠維持和/或提高故障預測的精度。
[12]根據方式12，在方式9至11中的半導體製造裝置中，所述第一裝置是馬達，所述物理量包括所述馬達的負荷率、振動、聲音和溫度中的至少一個。
根據方式12，能夠適當進行半導體製造裝置所包括的馬達的故障預測。
[13]根據方式13，在方式12的半導體製造裝置中，所述 特徵量包括所述負荷率、所述振動、所述聲音的波形振幅、漸近線的傾斜、頻率光譜、總體值、波形峰值分佈的平均值和標準差中的至少一個。
根據方式13，能夠通過適當選擇或組合馬達相關的特徵量，適當進行馬達的故障預測。
[14]根據方式14，在方式12或者13的半導體製造裝置中，所述第一裝置是驅動槳的馬達，所述特徵量包括所述槳的傳動軸的位移振幅、位移速度、位移加速度和傾斜中的至少一個。
根據方式14，能夠通過適當選擇或組合與槳裝置相關的特徵量，適當進行槳裝置的故障預測。
[15]根據方式15，在方式9至11中的任一半導體製造裝置中，所述第一裝置是感測器，所述特徵量包括所述感測器的檢測延遲時間、抖動次數和抖動持續時間中的至少一個。
根據方式15，能夠通過適當選擇或組合與感測器相關的特徵量，適當進行感測器的故障預測。
[16]根據方式16，提供一種半導體製造裝置的故障預測方法。該故障預測方法包括：測量表示所述半導體製造裝置所包括的第一裝置的狀態的一個或多個特徵量；將測量出的一個或多個特徵量與直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料進行比較，決定所述多個模型資料中的與所計算的所述一個或多個特徵量的差為最小的模型資料；以及根據在該模型資料中與測量出的所述一個或多個特徵量的差成為最小的時刻與故障時刻的差計算故障預測時間，在故障預測時間小於預定的閾值的情況下，停止新的基板的接收。根據方式16，實現與方 式1同樣的作用效果。
[17]根據方式17，提供一種半導體製造裝置的故障預測方法。該故障預測方法包括：對所述半導體製造裝置所包括的第一裝置的一個或多個特徵量的時間變化進行監視；以及在所述一個或多個特徵量與正常時的特徵量的乖離率增加的時間超過第一時間的情況或者所述一個或多個特徵量與正常時的特徵量的乖離率每單位時間進行增減的次數超過第一次數的情況下，停止新的基板的接收。根據方式17，實現與方式9同樣的作用效果。
[18]根據方式18，提供一種儲存媒介，儲存有用於使電腦執行半導體製造裝置的故障預測方法的程式。該程式包括：測量表示所述半導體製造裝置所包括的第一裝置的狀態的一個或多個特徵量；將測量出的一個或多個特徵量與直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料進行比較，決定所述多個模型資料中的與所計算的所述一個或多個特徵量的差為最小的模型資料；根據在該模型資料中與所述測量的一個或多個特徵量的差成為最小的時刻與故障時刻的差計算故障預測時間，在故障預測時間小於預定的閾值的情況下，停止新的基板的接收。根據方式18，實現與方式1同樣的作用效果。
[19]根據方式19，提供一種儲存媒介，儲存用於使電腦執行半導體製造裝置的故障預測方法的程式。該程式包括：對所述半導體製造裝置所包括的第一裝置的一個或多個特徵量的時間變化進行監視；以及在所述一個或多個特徵量與正常時的特徵量的乖離率增加的時間超過第一時間的情況或者所述一個或多個特徵量與正常時的特徵量的乖離率每單位時間進行增減的次數超過第一 次數的情況下，停止新的基板的接收。根據方式19，實現與方式9同樣的作用效果。
[20]根據方式20，提供一種設置於半導體工廠的半導體製造裝置的第一裝置的管理系統。在該管理系統中，所述第一裝置是馬達、槳裝置、驅動槳的馬達或者感測器中的任一方。管理系統執行方式16或者17所述的半導體製造裝置的故障預測方法，在通過所述故障預測方法計算的所述第一裝置的故障預測時間、所述乖離率增加的時間和所述乖離率每單位時間進行增減的次數中的至少一方達到所述預定的閾值、所述第一時間或者所述第一次數前，生成所述第一裝置的訂貨指令信號，從所述半導體工廠向支援中心發送訂貨指令信號。
根據方式20，能夠預先在半導體工廠在必要的定時儲備必要的設備的更換部件。能夠防止因等待各設備的到貨這樣的情況而對半導體製造裝置的工作產生妨礙。
以上，能夠基於幾個例子說明了本發明的實施例，但上述的發明的實施例是為了容易理解本發明而說明的，並非限定本發明。當然，在不脫離該主要思想的前提下，本發明能夠進行變更、改良，並且本發明包括其均等物。另外，在能夠解決上述課題的至少一部分的範圍或者實現效果的至少一部分的範圍內，可進行發明所要保護的範圍以及說明書記載的各結構要素的任意的組合或者省略。
本申請主張基於2017年4月5日申請的日本專利申請號2017-075435號的優先權。包括2017年4月5日申請的日本專利申請號2017-075435號的說明書、發明所要保護的範圍、附圖以及摘 要的全部公開內容通過參照作為整體引入到本申請。
包括日本專利第5184308號說明書(專利文獻1)、日本特開2016-127069號公報(專利文獻2)、日本特開2014-169475號公報(專利文獻3)的說明書、發明所要保護的範圍、附圖以及摘要的全部公開通過參照作為整體引入到本申請。

Claims (20)

  1. 一種半導體製造裝置，包含：一第一裝置；一個或多個感測器，檢測表示所述第一裝置的狀態物理量；一第一計算電路，根據所檢測出的所述物理量計算所述第一裝置的一個或多個特徵量；以及一故障預測電路，將由所述第一計算電路計算的一個或多個特徵量與直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料進行比較，決定所述多個模型資料中的與所計算的所述一個或多個特徵量的差為最小的模型資料，根據在該模型資料中與所計算的所述一個或多個特徵量的差成為最小的時刻與故障時刻的差計算故障預測時間，在故障預測時間小於預定的閾值的情況下，停止一新基板的接收。
  2. 如申請專利範圍第1項所述的半導體製造裝置，進一步包含一識別電路，該識別電路通過基於所述第一裝置的正常時的一個或多個特徵量的集合和所述第一裝置的異常時的一個或多個特徵量的集合的機械學習而生成，通過所述識別電路，對測量出的所述第一裝置的一個或多個特徵量進行一評價，對所述第一裝置的正常或異常進行判定，在由所述識別電路判定為異常的情況下，執行所述故障預測電路的處理。
  3. 如申請專利範圍第2項所述的半導體製造裝置，其 中通過更新所述正常時的一個或多個特徵量的集合和/或所述異常時的一個或多個特徵量的集合而更新所述識別電路的判定基準。
  4. 如申請專利範圍第1項所述的半導體製造裝置，進一步包含一模型資料生成電路，該模型資料生成電路生成直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料。
  5. 如申請專利範圍第1項所述的半導體製造裝置，其中所述第一裝置是一馬達，所述物理量包括所述馬達的一負荷率、振動、聲音和溫度中的至少一個。
  6. 如申請專利範圍第5項所述的半導體製造裝置，其中所述特徵量包括所述負荷率、所述振動、所述聲音的一波形振幅、一漸近線的傾斜、一頻率光譜、一總體值、一波形峰值分佈的一平均值和一標準差中的至少一個。
  7. 如申請專利範圍第5項所述的半導體製造裝置，其中 所述第一裝置是一槳裝置，所述特徵量包括一槳的一傳動軸的一位移振幅、一位移速度、一位移加速度和一傾斜中的至少一個。
  8. 如申請專利範圍第1項所述的半導體製造裝置，其中所述第一裝置是一感測器，所述特徵量包括所述感測器的檢測延遲時間、抖動次數和抖動持續時間中的至少一個。
  9. 一種半導體製造裝置，包含：一第一裝置；一個或多個感測器，檢測表示所述第一裝置的狀態物理量；第一計算電路，根據所檢測出的所述物理量計算所述第一裝置的一個或多個特徵量；以及故障預測電路，對由所述第一計算電路計算的一個或多個特徵量的時間變化進行監視，在所述一個或多個特徵量與正常時的特徵量的乖離率增加的時間超過第一時間的情況、和/或所述一個或多個特徵量與正常時的特徵量的乖離率每單位時間進行增減的次數超過第一次數的情況下，停止一新基板的接收。
  10. 如申請專利範圍第9項所述的半導體製造裝置，進一步包含一識別電路，該識別電路基於所述第一裝置的正常時的一個或 多個特徵量的集合，對測量出的所述第一裝置的一個或多個特徵量進行評價，從而對所述第一裝置的正常或異常進行判定，在由所述識別電路判定為異常的情況下，執行所述故障預測電路的一處理。
  11. 如申請專利範圍第10項所述的半導體製造裝置，其中通過追加正常時的一個或多個特徵量的集合且累計正常時的一個或多個特徵量的集合而更新所述識別電路的判定基準。
  12. 如申請專利範圍第9項所述的半導體製造裝置，其中所述第一裝置是一馬達，所述物理量包括所述馬達的一負荷率、振動、聲音和溫度中的至少一個。
  13. 如申請專利範圍第12項所述的半導體製造裝置，其中所述特徵量包括所述負荷率、所述振動、所述聲音的一波形振幅、一漸近線的傾斜、一頻率光譜、一總體值、一波形峰值分佈的一平均值和一標準差中的至少一個。
  14. 如申請專利範圍第12項所述的半導體製造裝置，其中 所述第一裝置是一驅動槳的馬達，所述特徵量包括所述槳的傳動軸的一位移振幅、位移速度、位移加速度和傾斜中的至少一個。
  15. 如申請專利範圍第9項所述的半導體製造裝置，其中所述第一裝置是一感測器，所述特徵量包括所述感測器的一檢測延遲時間、一抖動次數和一抖動持續時間中的至少一個。
  16. 一種半導體製造裝置的故障預測方法，包含：測量表示所述半導體製造裝置所包括的第一裝置的狀態的一個或多個特徵量；將測量出的一個或多個特徵量與直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料進行比較，決定所述多個模型資料中的與所計算的所述一個或多個特徵量的差為最小的模型資料；以及根據在該模型資料中與所測量出的所述一個或多個特徵量的差成為最小的時刻與故障時刻的差計算故障預測時間，在故障預測時間小於預定的閾值的情況下，停止一新基板的接收。
  17. 一種半導體製造裝置的故障預測方法，該方法包含：對所述半導體製造裝置所包括的一第一裝置的一個或多個特 徵量的時間變化進行監視；以及在所述一個或多個特徵量與正常時的特徵量的乖離率增加的時間超過第一時間的情況、或者所述一個或多個特徵量與正常時的特徵量的乖離率每單位時間進行增減的次數超過第一次數的情況下，停止一新基板的接收。
  18. 一種儲存媒介，儲存有用於使一電腦執行半導體製造裝置的故障預測方法的程式，所述程式用於使該電腦執行，該方法包含測量表示所述半導體製造裝置所包括的第一裝置的狀態的一個或多個特徵量；將測量出的一個或多個特徵量與直至所述第一裝置發生故障為止的一個或多個特徵量的經時變化的多個模型資料進行比較，決定所述多個模型資料中的與所計算的所述一個或多個特徵量的差為最小的模型資料；以及根據在該模型資料中與所測量出的所述一個或多個特徵量的差成為最小的時刻與故障時刻的差計算故障預測時間，在故障預測時間小於預定的閾值的情況下，停止一新基板的接收。
  19. 一種儲存媒介，儲存用於使一電腦執行半導體製造裝置的故障預測方法的程式，所述程式用於使一電腦執行，該方法包含 對所述半導體製造裝置所包括的第一裝置的一個或多個特徵量的時間變化進行監視；以及在所述一個或多個特徵量與正常時的特徵量的乖離率增加的時間超過第一時間的情況、或者所述一個或多個特徵量與正常時的特徵量的乖離率每單位時間進行增減的次數超過第一次數的情況下，停止一新基板的接收。
  20. 一種管理系統，是設置於一半導體工廠的一半導體製造裝置的一第一裝置的管理系統，其中所述第一裝置是一馬達、一槳裝置、一驅動槳的一馬達或者一感測器中的任一方，所述管理系統執行申請專利範圍第16或17項所述的半導體製造裝置的故障預測方法，在通過所述故障預測方法計算的所述第一裝置的故障預測時間、乖離率增加的時間和所述乖離率每單位時間進行增減的次數中的至少一方達到所述預定的閾值、所述第一時間或者所述第一次數前，生成所述第一裝置的訂貨指令信號，從所述半導體工廠向支援中心發送訂貨指令信號。
TW107108544A 2017-04-05 2018-03-14 半導體製造裝置、半導體製造裝置之故障預測方法、及半導體製造之故障預測程序 TWI765001B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017075436A JP6860406B2 (ja) 2017-04-05 2017-04-05 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム
JP2017-075436 2017-04-05

Publications (2)

Publication Number Publication Date
TW201842428A true TW201842428A (zh) 2018-12-01
TWI765001B TWI765001B (zh) 2022-05-21

Family

ID=63711807

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107108544A TWI765001B (zh) 2017-04-05 2018-03-14 半導體製造裝置、半導體製造裝置之故障預測方法、及半導體製造之故障預測程序

Country Status (5)

Country Link
US (2) US11315812B2 (zh)
JP (2) JP6860406B2 (zh)
KR (2) KR102481268B1 (zh)
CN (2) CN108695211B (zh)
TW (1) TWI765001B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI728535B (zh) * 2019-10-31 2021-05-21 國立勤益科技大學 監控系統與其方法
TWI732392B (zh) * 2019-07-31 2021-07-01 竹陞科技股份有限公司 工廠管理系統及控制系統
TWI754879B (zh) * 2019-12-03 2022-02-11 財團法人紡織產業綜合研究所 織物定型機的操作方法
TWI785811B (zh) * 2021-09-09 2022-12-01 大陸商合肥兆芯電子有限公司 記憶體溫度控制方法及記憶體溫度控制系統

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG11201908394WA (en) * 2017-03-17 2019-10-30 Fujikin Kk System, Method, And Computer Program For Analyzing Operation Of Fluid Control Device
JP6860406B2 (ja) * 2017-04-05 2021-04-14 株式会社荏原製作所 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム
KR102103143B1 (ko) * 2018-03-14 2020-04-22 (주)아이티공간 구동부의 정밀 예지 보전방법
KR102126040B1 (ko) * 2018-09-10 2020-06-24 주식회사 쌤빛 반도체 제조 장치의 예지 보전 방법
CN109506892A (zh) * 2018-09-30 2019-03-22 惠科股份有限公司 一种显示面板的检测方法和检测装置
TWI829807B (zh) * 2018-11-30 2024-01-21 日商東京威力科創股份有限公司 製造製程之假想測定裝置、假想測定方法及假想測定程式
JP7100571B2 (ja) * 2018-12-13 2022-07-13 株式会社荏原製作所 めっき可能な基板の枚数を予測する予測モデルを構築する方法、不具合を引き起こす構成部材を予想するための選択モデルを構築する方法、およびめっき可能な基板の枚数を予測する方法
DE102019102492A1 (de) * 2019-01-31 2020-08-06 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und Verfahren zur Bearbeitung von Wafern
US11348813B2 (en) * 2019-01-31 2022-05-31 Applied Materials, Inc. Correcting component failures in ion implant semiconductor manufacturing tool
WO2020178945A1 (ja) 2019-03-04 2020-09-10 Ｓｐｐテクノロジーズ株式会社 基板処理装置のプロセス判定装置、基板処理システム、基板処理装置のプロセス判定方法及び学習モデル群
KR102398307B1 (ko) * 2019-03-26 2022-05-16 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 이상 판정 지원 장치
JP7268722B2 (ja) * 2019-03-27 2023-05-08 日産自動車株式会社 異常検知装置、及び異常検知方法
WO2021019760A1 (ja) * 2019-08-01 2021-02-04 三菱電機株式会社 異常診断方法、異常診断装置および異常診断プログラム
CN110780646B (zh) * 2019-09-21 2021-11-26 苏州浪潮智能科技有限公司 一种基于mes系统的内存质量预警方法
CN115698699A (zh) * 2020-06-15 2023-02-03 杰富意钢铁株式会社 机械特性的计测装置、机械特性的计测方法、物质的制造设备、物质的管理方法和物质的制造方法
EP4166252A4 (en) * 2020-06-15 2023-11-29 JFE Steel Corporation DEVICE FOR MEASURING MECHANICAL PROPERTIES, METHOD FOR MEASURING MECHANICAL PROPERTIES, SUBSTANCE PRODUCTION SYSTEM, SUBSTANCE MANAGEMENT METHOD AND SUBSTANCE PRODUCTION METHOD
US20210398831A1 (en) * 2020-06-22 2021-12-23 Lavorro, Inc. Automated Assistance in a Semiconductor Manufacturing Environment
JP2023535721A (ja) * 2020-07-23 2023-08-21 ピーディーエフ ソリューションズ，インコーポレイテッド プロセストレースからの装置故障モードの予測
US11200137B1 (en) * 2020-08-20 2021-12-14 Hitachi, Ltd. System and methods for failure occurrence prediction and failure duration estimation
US20230024507A1 (en) * 2021-07-20 2023-01-26 Lavorro, Inc. Mean time between failure of semiconductor-fabrication equipment using data analytics with natural-language processing
EP4374233A1 (en) * 2021-07-20 2024-05-29 Lavorro, Inc. Virtual assistant architecture with enhanced queries and context-specific results for semiconductor-manufacturing equipment
JP2023023394A (ja) * 2021-08-05 2023-02-16 株式会社荏原製作所 基板支持装置、洗浄装置、基板の回転速度を算出する装置ならびに方法、および機械学習装置
WO2023053161A1 (ja) * 2021-09-28 2023-04-06 日本電気株式会社 装置管理システム、予兆保全システム、装置管理方法、及び記録媒体
JP2023069447A (ja) 2021-11-05 2023-05-18 株式会社荏原製作所 めっき装置及びめっき方法
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
CN115235676B (zh) * 2022-09-26 2022-12-09 山东济矿鲁能煤电股份有限公司阳城煤矿 一种矿井液压支架压力异常自动报警方法

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5908463A (en) * 1995-02-25 1999-06-01 Honda Giken Kogyo Kabushiki Kaisha Fuel metering control system for internal combustion engine
KR100200480B1 (ko) * 1995-12-21 1999-10-01 윤종용 불량 분석 피드백에 의한 반도체 제조공정 제어방법
JP3504130B2 (ja) * 1997-12-01 2004-03-08 株式会社東芝 周期信号ドライブ装置
JP2000124094A (ja) * 1998-10-20 2000-04-28 Dainippon Screen Mfg Co Ltd 基板処理装置およびその故障予測方法
TW576959B (en) * 2001-01-22 2004-02-21 Tokyo Electron Ltd Productivity enhancing system and method thereof of machine
JP2002363793A (ja) * 2001-06-01 2002-12-18 Ebara Corp 基板ホルダ及びめっき装置
JP4184638B2 (ja) 2001-08-31 2008-11-19 株式会社東芝 半導体製造装置の寿命診断方法
JP2003331076A (ja) * 2002-05-10 2003-11-21 Hitachi Ltd 設備保全システム
JP4265982B2 (ja) * 2004-02-25 2009-05-20 三菱電機株式会社 機器診断装置、冷凍サイクル装置、冷凍サイクル監視システム
TWI269990B (en) * 2005-02-04 2007-01-01 Univ Nat Cheng Kung Quality prognostics system and method for manufacturing processes with generic embedded devices
US7630843B2 (en) * 2006-09-21 2009-12-08 Intel Corporation Method, apparatus, and system for power source failure prediction
JP4886461B2 (ja) 2006-10-12 2012-02-29 パナソニック電工Ｓｕｎｘ株式会社 異常監視装置
US8177944B2 (en) 2007-12-04 2012-05-15 Ebara Corporation Plating apparatus and plating method
JP5184308B2 (ja) 2007-12-04 2013-04-17 株式会社荏原製作所 めっき装置及びめっき方法
US8078552B2 (en) * 2008-03-08 2011-12-13 Tokyo Electron Limited Autonomous adaptive system and method for improving semiconductor manufacturing quality
US8396582B2 (en) * 2008-03-08 2013-03-12 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
IT1396742B1 (it) * 2009-12-04 2012-12-14 By Dental S R L Dispositivo endodontico.
JP5427107B2 (ja) * 2010-05-20 2014-02-26 株式会社日立製作所 監視診断装置および監視診断方法
JP5081999B1 (ja) * 2011-06-22 2012-11-28 株式会社日立エンジニアリング・アンド・サービス 異常予兆診断結果の表示方法
JP5808605B2 (ja) * 2011-08-17 2015-11-10 株式会社日立製作所 異常検知・診断方法、および異常検知・診断システム
JP6184713B2 (ja) * 2012-05-23 2017-08-23 株式会社Ｓｃｒｅｅｎホールディングス パーティクル測定方法および熱処理装置
JP5988740B2 (ja) * 2012-07-13 2016-09-07 日立建機株式会社 稼働機械の保守管理装置
JP6077886B2 (ja) 2013-03-04 2017-02-08 株式会社荏原製作所 めっき装置
US9329932B2 (en) * 2014-04-25 2016-05-03 Freescale Semiconductor, Inc. Imminent read failure detection based upon unacceptable wear for NVM cells
JP5771317B1 (ja) * 2014-08-26 2015-08-26 株式会社日立パワーソリューションズ 異常診断装置及び異常診断方法
US10403056B2 (en) * 2014-12-08 2019-09-03 Nec Corporation Aging profiling engine for physical systems
JP6335777B2 (ja) 2014-12-26 2018-05-30 株式会社荏原製作所 基板ホルダ、基板ホルダで基板を保持する方法、及びめっき装置
JP2017129917A (ja) * 2016-01-18 2017-07-27 富士通株式会社 異常検知方法、異常検知装置および異常検知プログラム
JP6705903B2 (ja) * 2016-09-02 2020-06-03 株式会社日立製作所 診断装置、診断方法及び診断プログラム
JP6903976B2 (ja) * 2017-03-22 2021-07-14 オムロン株式会社 制御システム
JP6860406B2 (ja) * 2017-04-05 2021-04-14 株式会社荏原製作所 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI732392B (zh) * 2019-07-31 2021-07-01 竹陞科技股份有限公司 工廠管理系統及控制系統
TWI728535B (zh) * 2019-10-31 2021-05-21 國立勤益科技大學 監控系統與其方法
TWI754879B (zh) * 2019-12-03 2022-02-11 財團法人紡織產業綜合研究所 織物定型機的操作方法
TWI785811B (zh) * 2021-09-09 2022-12-01 大陸商合肥兆芯電子有限公司 記憶體溫度控制方法及記憶體溫度控制系統
US11635460B2 (en) 2021-09-09 2023-04-25 Hefei Core Storage Electronic Limited Memory temperature controlling method and memory temperature controlling system

Also Published As

Publication number Publication date
CN108695211B (zh) 2023-10-20
TWI765001B (zh) 2022-05-21
CN108695211A (zh) 2018-10-23
JP6860406B2 (ja) 2021-04-14
US20180294174A1 (en) 2018-10-11
KR20230006786A (ko) 2023-01-11
JP2021102817A (ja) 2021-07-15
KR102605237B1 (ko) 2023-11-27
CN117316819A (zh) 2023-12-29
KR20180113156A (ko) 2018-10-15
JP7093442B2 (ja) 2022-06-29
JP2018178157A (ja) 2018-11-15
KR102481268B1 (ko) 2022-12-26
US11315812B2 (en) 2022-04-26
US20220181180A1 (en) 2022-06-09

Similar Documents

Publication Publication Date Title
TW201842428A (zh) 半導體製造裝置、半導體製造裝置之故障預測方法、及半導體製造之故障預測程序
US11692282B2 (en) In-situ fingerprinting for electrochemical deposition and/or electrochemical etching
JP6598745B2 (ja) 半導体製造機器内の消耗部品の摩耗検出
JP6756540B2 (ja) めっき装置、めっき装置の制御方法、及び、めっき装置の制御方法をコンピュータに実行させるためのプログラムを格納した記憶媒体
CN113853275B (zh) 基板处理系统
US8052834B2 (en) Substrate treating system, substrate treating device, program, and recording medium
US20220170175A1 (en) Plating method and plating apparatus
TW202046185A (zh) 預測可鍍覆基板片數之預測模型之構築方法、用以預想引發異常之構成元件之選擇模型構築方法、及可鍍覆基板片數之預測方法
KR20210117954A (ko) 연마 장치, 정보 처리 시스템, 연마 방법 및 프로그램
KR102563631B1 (ko) 도금 장치
KR102397940B1 (ko) 웨이퍼 반송 로봇 티칭 상태 확인 장치
TWI807017B (zh) 基板固持器的檢查方法、基板固持器的檢查裝置、及具備該檢查裝置之鍍覆裝置
JP5763243B2 (ja) めっき装置
CN116083989A (zh) 镀覆装置以及镀覆方法
TW202346659A (zh) 電沉積工具中的間隙特徵化