TW201901034A - 資訊處理裝置、資訊處理系統、資訊處理方法、電腦可讀取之記錄媒介、基板處理裝置、基準資料決定裝置及基準資料決定方法 - Google Patents

資訊處理裝置、資訊處理系統、資訊處理方法、電腦可讀取之記錄媒介、基板處理裝置、基準資料決定裝置及基準資料決定方法 Download PDF

Info

Publication number
TW201901034A
TW201901034A TW107108845A TW107108845A TW201901034A TW 201901034 A TW201901034 A TW 201901034A TW 107108845 A TW107108845 A TW 107108845A TW 107108845 A TW107108845 A TW 107108845A TW 201901034 A TW201901034 A TW 201901034A
Authority
TW
Taiwan
Prior art keywords
vacuum pump
data
target
aforementioned
state quantity
Prior art date
Application number
TW107108845A
Other languages
English (en)
Other versions
TWI750349B (zh
Inventor
舞鴫恵治
杉浦哲郎
臼井克明
畠山雅規
本間知佳子
大須賀透
岩崎弘一
林介元
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
Priority claimed from JP2017098899A external-priority patent/JP6820799B2/ja
Priority claimed from JP2017098691A external-priority patent/JP7046503B2/ja
Priority claimed from JP2017177611A external-priority patent/JP6953249B2/ja
Priority claimed from JP2018016875A external-priority patent/JP6835757B2/ja
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 TW201901034A publication Critical patent/TW201901034A/zh
Application granted granted Critical
Publication of TWI750349B publication Critical patent/TWI750349B/zh

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D19/00—Axial-flow pumps
    • F04D19/02—Multi-stage pumps
    • F04D19/04—Multi-stage pumps specially adapted to the production of a high vacuum, e.g. molecular pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B51/00—Testing machines, pumps, or pumping installations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C25/00—Adaptations of pumps for special use of pumps for elastic fluids
    • F04C25/02—Adaptations of pumps for special use of pumps for elastic fluids for producing high vacuum
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C28/00—Control of, monitoring of, or safety arrangements for, pumps or pumping installations specially adapted for elastic fluids
    • F04C28/28—Safety arrangements; Monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D19/00—Axial-flow pumps
    • F04D19/02—Multi-stage pumps
    • F04D19/04—Multi-stage pumps specially adapted to the production of a high vacuum, e.g. molecular pumps
    • F04D19/042—Turbomolecular vacuum pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/542—Event management; Broadcasting; Multicasting; Notifications
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B35/00—Piston pumps specially adapted for elastic fluids and characterised by the driving means to their working members, or by combination with, or adaptation to, specific driving engines or motors, not otherwise provided for
    • F04B35/04—Piston pumps specially adapted for elastic fluids and characterised by the driving means to their working members, or by combination with, or adaptation to, specific driving engines or motors, not otherwise provided for the means being electric
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B37/00—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00
    • F04B37/10—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00 for special use
    • F04B37/14—Pumps having pertinent characteristics not provided for in, or of interest apart from, groups F04B25/00 - F04B35/00 for special use to obtain high vacuum
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
    • F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
    • F04B49/06—Control using electricity
    • F04B49/065—Control using electricity and making use of computers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C18/00—Rotary-piston pumps specially adapted for elastic fluids
    • F04C18/08—Rotary-piston pumps specially adapted for elastic fluids of intermeshing-engagement type, i.e. with engagement of co-operating members similar to that of toothed gearing
    • F04C18/12—Rotary-piston pumps specially adapted for elastic fluids of intermeshing-engagement type, i.e. with engagement of co-operating members similar to that of toothed gearing of other than internal-axis type
    • F04C18/14—Rotary-piston pumps specially adapted for elastic fluids of intermeshing-engagement type, i.e. with engagement of co-operating members similar to that of toothed gearing of other than internal-axis type with toothed rotary pistons
    • F04C18/16—Rotary-piston pumps specially adapted for elastic fluids of intermeshing-engagement type, i.e. with engagement of co-operating members similar to that of toothed gearing of other than internal-axis type with toothed rotary pistons with helical teeth, e.g. chevron-shaped, screw type
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2210/00—Fluid
    • F04C2210/22—Fluid gaseous, i.e. compressible
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2220/00—Application
    • F04C2220/30—Use in a chemical vapor deposition [CVD] process or in a similar process
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2270/00—Control; Monitoring or safety arrangements
    • F04C2270/70—Safety, emergency conditions or requirements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2270/00—Control; Monitoring or safety arrangements
    • F04C2270/78—Warnings
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2270/00—Control; Monitoring or safety arrangements
    • F04C2270/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2270/00—Control; Monitoring or safety arrangements
    • F04C2270/86—Detection
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2210/00—Working fluid
    • F05B2210/10—Kind or type
    • F05B2210/12—Kind or type gaseous, i.e. compressible
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/83—Testing, e.g. methods, components or tools therefor
    • 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]
    • G05B19/4184—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 fault tolerance, reliability of production system
    • 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
    • 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 Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Compressors, Vaccum Pumps And Other Relevant Systems (AREA)
  • Control Of Positive-Displacement Pumps (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

具有：至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，前述對象狀態量係依流入真空泵浦內之氣體負荷而變動的狀態量，決定該對象狀態量之正常變動範圍或正常時間變動行為的決定部；及比較前述對象真空泵浦的現在對象狀態量和該正常變動範圍或該正常時間變動行為，並輸出比較結果之比較部。

Description

資訊處理裝置、資訊處理系統、資訊處理方法、電腦可讀取之記錄媒介、基板處理裝置、基準資料決定裝置及基準資料決定方法
本技術係關於資訊處理裝置、資訊處理系統、資訊處理方法、電腦可讀取之記錄媒介、基板處理裝置、基準資料決定裝置及基準資料決定方法。
半導體製造裝置廣泛使用基於在腔室內形成真空環境之目的，而將使用於半導體製造工序之氣體從腔室內排氣的真空泵浦。此種真空泵浦習知為具備魯氏(ROOTS)或螺旋型之泵轉子的容積式型式之真空泵浦。
通常，容積式真空泵浦具備：配置於機殼內之一對泵轉子；及用於旋轉驅動該泵轉子之馬達。在一對泵轉子間及泵轉子與機殼的內面之間形成有微小之餘隙，泵轉子係構成在不接觸機殼下而旋轉。而後藉由一對泵轉子同步且彼此相反方向旋轉，而將機殼內之氣體從吸入側輸送至吐出側，並從連接於吸入口之腔室等排出氣體。
使用於半導體製造工序之氣體、或是使用之氣體藉由化學反應而生成的物質，有時含有當溫度降低時會凝固或液化的成分。通常，上述之真空泵浦因為在輸送氣體過程產生壓縮熱，所以運轉中之真空泵浦會達到某種程度高溫。在因壓縮熱而高溫化下仍無法比氣體中之成分或生成物質凝固或液化溫度還高的情況下，藉由外部加熱泵本體或流入氣體之加熱而維持真空泵浦的高溫。 使用上述真空泵浦即使排出包含上述成分之氣體時，氣體中之成分或生成物質仍不致凝固或液化而會進行良好的真空排氣。
但是，有的半導體製造工序在上述真空泵浦高溫化下，仍無法防止使用之氣體或來自使用之氣體的生成物質液化、凝固。在該工序下繼續運轉真空泵浦的話，則該凝固之生成物(反應生成物)會堆積在泵轉子間或泵轉子與機殼的間隙。而後，該生成物之堆積進行的話，在真空泵浦運轉中由於對真空泵浦施加過剩的負荷，會導致在製造製程中真空泵浦停止，而對製造製程中之製品造成很大損害。
相對於此，專利文獻1中係揭示一種真空泵浦之故障診斷裝置，其係比較在真空泵浦之轉子的旋轉速度變化時所計測的狀態變化量與正常時的狀態變化量，當測定出之狀態變化量比正常時的狀態變化量大或小一指定量時，以視為異常的方式，來事前預測造成泵浦停止的原因，防止因真空泵浦突然停止造成半導體晶圓等的損傷。
專利文獻1之技術，例如係測定泵浦啟動時從停止至達到額定旋轉之狀態變化量，來事前預測泵浦停止之原因。因而，不但泵浦啟動時需要將泵浦之旋轉速度提高至額定旋轉速度，且無法在將泵浦的旋轉速度提高至額定旋轉速度以前預測泵浦停止的原因。
相對於此，專利文獻2中係揭示在真空泵浦啟動時檢測生成物堆積在真空泵浦之機殼內的狀態，藉由依照該狀況而對使用者輸出提醒實施真空泵浦維修的維修信號，以防止在製造製程中真空泵浦停止。
[先前技術文獻]
[專利文獻]
[專利文獻1]日本特開2005-9337號公報
[專利文獻2]日本特開2011-202516號公報
[專利文獻3]日本特表2008-534831號公報
[專利文獻4]日本特開平11-62846號公報
但是，專利文獻2之技術仍然存在僅能在啟動真空泵浦時之有限的時間點，預測隨著真空泵浦由生成物所造成的異常而導致真空泵浦停止之狀況的問題。
一種實施形態之資訊處理裝置，係檢測有無由對象真空泵浦內生成之生成物所造成真空泵浦異常，且具備：決定部，其係至少使用一個該對象之真空泵浦或其他真空泵浦過去的對象狀態量，其為依流入真空泵浦內之氣體負荷而變動的狀態量，而決定該對象狀態量之正常變動範圍；及比較部，其係比較前述對象真空泵浦的現在對象狀態量和前述正常變動範圍，並輸出比較結果。
1、201‧‧‧半導體製造裝置
2、202‧‧‧配管
3、203‧‧‧真空泵浦
4、4b、204‧‧‧控制裝置
5、5b、205‧‧‧資訊處理裝置
6‧‧‧配管
7‧‧‧除害裝置
8‧‧‧氣體感測器
9‧‧‧記憶裝置
10、10b、210、210b、210c、210d‧‧‧半導體製造系統
11‧‧‧腔室成膜爐
12、212‧‧‧控制部
31‧‧‧增壓泵浦
32、34‧‧‧配管
33‧‧‧主泵浦
35、235‧‧‧壓力計
36、236‧‧‧電源
37、237‧‧‧逆變器
38、238‧‧‧馬達
39、239‧‧‧轉子
41‧‧‧記憶處理電路
42‧‧‧生成電路
43‧‧‧決定電路
51、221、251‧‧‧輸入部
52、555、222、252‧‧‧輸出部
53、223、253‧‧‧記憶部
54、224、254‧‧‧記憶體
55、55b、225‧‧‧CPU
551‧‧‧區分部
552、552b、226‧‧‧決定部
553、553b‧‧‧比較部
554‧‧‧判定基準決定部
556‧‧‧警報輸出部
100‧‧‧基板處理裝置
206‧‧‧顯示裝置
207‧‧‧管理裝置
208-1~208-N‧‧‧製程裝置
209‧‧‧資訊處理系統
211‧‧‧成膜腔室
220‧‧‧基準資料決定裝置
255‧‧‧運算部
256‧‧‧通信部
261-1~261-K‧‧‧閘道器
第一圖係顯示從正常狀態至故障之例的示意圖。
第二圖係顯示從正常狀態至故障之時間變遷例的示意圖。
第三圖係本實施形態之半導體製造系統10之概略構成圖。
第四圖係本實施形態之真空泵浦3的概略構造圖。
第五圖係本實施形態之真空泵浦3的概略功能構成圖。
第六圖係本實施形態之資訊處理裝置5的概略構成圖。
第七圖係顯示驅動電流之電流有效值隨時間變化一例之曲線圖。
第八圖係比較在某個工序中之正常變動範圍和現在資料的示意圖。
第九圖係顯示在工序1中驅動電流之電流有效值的變化程度之時間經過一例的示意圖。
第十圖係顯示決定正常變動範圍之處理一例的流程圖。
第十一圖係顯示檢測有無由生成物所造成之異常之處理一例的流程圖。
第十二圖係第二種實施形態之半導體製造系統10b的概略構成圖。
第十三圖係第二種實施形態之資訊處理裝置5b的概略構成圖。
第十四圖係顯示BP電流與MP電流隨時間變化一例的曲線圖。
第十五圖係顯示增壓泵浦之電流(BP電流)與主泵浦的電流(MP電流)隨時間變化一例的曲線圖。
第十六圖係顯示故障泵浦之特定工序發生異常次數隨時間變化一例之曲線圖。
第十七圖係顯示故障泵浦之全部工序發生異常累積次數隨時間變化一例之曲線圖。
第十八圖係顯示故障泵浦之全部工序發生異常累積次數隨時間變化一例之曲線圖。
第十九圖係顯示故障泵浦之全部工序發生異常頻率累積值隨時間變化一例之曲線圖。
第二十圖係顯示每個工序之要素資料製作流程的流程圖。
第二十一圖係用於說明就特定工序，從記憶部53讀取故障泵浦之各個要素資料的示意圖。
第二十二圖係故障泵浦之發生異常頻率累積值的頻率曲線圖之一例。
第二十三圖係顯示工序1之發生異常頻率累積值的範圍、與對應於其範圍之故障指數的對應關係表之一例。
第二十四圖係顯示故障指數輸出處理流程之第一例的流程圖。
第二十五圖係顯示工序1之發生異常次數累積值的範圍、與對應於其範圍之故障指數的對應關係表之一例。
第二十六圖係顯示工序1之發生異常頻率累積值的變化率、與對應於其範圍之故障指數的對應關係表之一例。
第二十七圖係顯示發生異常頻率累積值之開始變化時間點的範圍與發生異常頻率累積值之變化值的範圍之組合、與對應於其組合之故障指數的對應關係表之一例。
第二十八圖係顯示工序1之發生異常頻率累積值曲線的積分值範圍、與對應於其範圍之故障指數的對應關係表之一例。
第二十九圖係用於說明全部工序累計要素資料之示意圖。
第三十圖係故障泵浦之全部工序發生異常頻率累積值的頻率曲線圖之一例。
第三十一圖係顯示全部工序發生異常頻率累積值之範圍、與對應於其範圍之故障指數的對應關係表之一例。
第三十二圖係顯示故障指數輸出處理流程之第二例的流程圖。
第三十三圖係顯示工序1發生異常次數累積值之頻率曲線圖、與工序1發生異常次數累積值與繼續運轉概率之關係的曲線圖之一例。
第三十四圖係顯示工序1發生異常頻率累積值之範圍、與對應於其範圍之繼續運轉指數的對應關係表之一例。
第三十五圖係顯示繼續運轉指數輸出處理流程之第一例的流程圖。
第三十六圖係顯示全部工序發生異常次數累積值之頻率曲線圖、與全部工序發生異常次數累積值與繼續運轉概率之關係的曲線圖之一例。
第三十七圖係顯示全部工序發生異常頻率累積值之範圍、與對應於其範圍之繼續運轉指數的對應關係表之一例。
第三十八圖係顯示繼續運轉指數輸出處理流程之第二例的流程圖。
第三十九圖係第二種實施形態之變形例的基板處理裝置100。
第四十圖係第三種實施形態之半導體製造系統210之概略構成圖。
第四十一圖係第三種實施形態之真空泵浦203的概略功能構成圖。
第四十二圖係第三種實施形態之資訊處理裝置205的概略構成圖。
第四十三圖係記憶於記憶部253之表格T1的一例。
第四十四圖係顯示第三種實施形態之比較處理流程的一例之流程圖。
第四十五圖係第三種實施形態之變形例的基準資料決定裝置220之概略構成圖。
第四十六圖係記憶於記憶部223之表格T2的一例。
第四十七圖係顯示第三種實施形態之變形例的基準資料抽出處理一例之流程圖。
第四十八圖係顯示某個故障真空泵浦中之馬達238的電流有效值I與時間之關係一例的曲線圖。
第四十九圖係統計故障真空泵浦時之參數α的頻率曲線圖一例。
第五十圖係顯示某個故障真空泵浦中之馬達238的電流有效值I與時間之關係其他例的曲線圖。
第五十一A圖係統計已故障之真空泵浦在故障前之發生異常次數時的發生異常次數之頻率曲線圖一例。
第五十一B圖係描繪故障真空泵浦發生異常次數之統計量隨時間變化、與現在運轉中之泵浦的發生異常次數之曲線圖一例。
第五十二圖係顯示某個故障真空泵浦中之馬達238的電流有效值I與時間之關係第三例的曲線圖。
第五十三圖係統計已故障之真空泵浦在即將故障之前指定期間發生異常的區間時，即將故障之前發生異常的區間之頻率曲線圖一例。
第五十四A圖係運轉中之真空泵浦發生異常的區間隨時間變化一例。
第五十四B圖係描繪故障真空泵浦之區間統計量隨時間變化、與現在運轉中之泵浦發生異常次數的曲線圖一例。
第五十四C圖係顯示馬達238之電流有效值I與運轉時間之關係第四例的曲線圖。
第五十五圖係第四種實施形態之半導體製造系統210b的概略構成圖。
第五十六圖係第五種實施形態之半導體製造系統210c的概略構成圖。
第五十七圖係第六種實施形態之半導體製造系統210d的概略構成圖。
第五十八圖係第七種實施形態之半導體製造系統310的概略構成圖。
第五十九圖係第七種實施形態之真空泵浦303的概略功能構成圖。
第六十圖係第七種實施形態之資訊處理裝置305的概略構成圖。
第六十一圖係記憶於記憶部353之表格T31的一例。
第六十二圖係顯示第七種實施形態之比較處理流程之一例的流程圖。
第六十三圖係第七種實施形態之變形例的基準資料決定裝置320之概略構成圖。
第六十四圖係記憶於記憶部323之表格T32的一例。
第六十五圖係第七種實施形態之變形例的基準資料抽出處理一例之流程圖。
第六十六圖係顯示某個可繼續運轉真空泵浦中之馬達338的電流有效值I與運轉時間之關係一例的曲線圖。
第六十七圖係設定時間ts經過時統計可繼續運轉之真空泵浦時參數α的頻率曲線圖一例。
第六十八圖係顯示在某個可繼續運轉之真空泵浦中的馬達338之電流有效值I與運轉時間的關係其他例之曲線圖。
第六十九A圖係經過設定時間ts時，統計可繼續運轉之真空泵浦故障前的發生異常次數時，發生異常次數之頻率曲線圖的一例。
第六十九B圖係描繪無故障而返回之真空泵浦的發生異常次數統計量隨時間變化、與現在運轉中之泵浦的發生異常次數之曲線圖一例。
第七十圖係顯示某個可繼續運轉之真空泵浦中的馬達338之電流有效值I與運轉時間的關係第三例之曲線圖。
第七十一圖係就可繼續運轉之真空泵浦統計要經過設定時間ts前的指定期間發生異常之區間時，要經過設定時間ts前發生異常的區間之頻率曲線圖一例。
第七十二A圖係運轉中之真空泵浦發生異常之區間隨時間變化一例。
第七十二B圖係描繪無故障而返回之真空泵浦的區間統計量隨時間變化、與現在運轉中之泵浦的發生異常次數之曲線圖一例。
第七十二C圖係顯示馬達338之電流有效值I與運轉時間的關係第四例之曲線圖。
第七十三圖係第八種實施形態之半導體製造系統310b的概略構成圖。
第七十四圖係第九種實施形態之半導體製造系統310c之概略構成圖。
第七十五圖係第十種實施形態之半導體製造系統310d的概略構成圖。
第七十六圖係顯示第十一種實施形態之第一資訊處理裝置的輸入輸出關係之方塊圖。
第七十七圖係顯示第十一種實施形態之第一資訊處理裝置的概略構成方塊圖。
第七十八A圖係顯示運轉時間與真空泵浦之平均電流值的關係一例之曲線圖。
第七十八B圖係顯示運轉時間與尖峰值發生次數之關係一例的曲線圖。
第七十九圖係真空泵浦群組之說明圖。
第八十圖係顯示關於記憶於記憶部之狀態量表的一例圖。
第八十一圖係顯示第一資訊處理裝置之處理一例的流程圖。
第八十二圖係顯示第十一種實施形態之半導體製造系統的概略構成方塊圖。
第八十三圖係顯示第十一種實施形態之第二資訊處理裝置的概略構成方塊圖。
第八十四圖係藉由運算部儲存於記憶部之表格的一例。
第八十五圖係顯示第二資訊處理裝置之處理一例的流程圖。
第八十六圖係顯示第十二種實施形態之半導體製造系統之概略構成方塊圖。
第八十七圖係顯示第十三種實施形態之半導體製造系統的概略構成方塊圖。
[實施形態]
希望提供一種於真空泵浦繼續運轉中之任意時間點，預測隨著真空泵浦由生成物所造成的異常而導致真空泵浦停止之狀況，可降低對半導體製造裝置內之製造製程中的製品造成損害之可能性的資訊處理裝置、資訊處理系統、資訊處理方法及電腦可讀取之記錄媒介。
一種實施形態之第一樣態的資訊處理裝置，係檢測有無由對象真空泵浦內生成之生成物所造成真空泵浦異常，且具備：決定部，其係至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，其為依流入真空泵浦內之氣體負荷而變動的狀態量之對象狀態量，而決定該對象狀態量之正常變動範圍；及比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍，並輸出比較結果。
採用該構成時，藉由決定對象狀態量由於生成物以外之因素的正常變動範圍或正常時間變動行為，在真空泵浦之繼續運轉中，比較該正常變動範圍或正常時間變動行為和現在的對象狀態量，可檢測由於生成物之因素的異常。因而，可在要一度停止真空泵浦之運轉前的運轉期間，檢測有無由對象真空泵浦 內生成之生成物所造成真空泵浦異常。藉此，在真空泵浦繼續運轉中之任意時間點預測隨著真空泵浦由生成物所造成的異常而導致真空泵浦停止的狀況，可降低對半導體製造裝置內之製造製程中的製品造成損害之可能性。
一種實施形態之第二樣態的資訊處理裝置，係關於第一樣態之資訊處理裝置，前述決定部係依據前述對象真空泵浦內之壓力或前述其他真空泵浦內之壓力，修正前述過去之對象狀態量，並使用經修正過去之對象狀態量決定前述正常變動範圍或前述正常時間變動行為，前述比較部係依據前述對象真空泵浦內之壓力或前述其他真空泵浦內之壓力，修正前述對象真空泵浦之現在對象狀態量，並比較修正後之對象狀態量和前述正常變動範圍或前述正常時間變動行為。
採用該構成時，當修正對象狀態量(例如電流值)因壓力之變化，而修正後之對象狀態量脫離正常變動範圍或正常時間變動行為時，可判定為異常。因而，可使判定精準度提高。
一種實施形態之第三樣態的資訊處理裝置，係關於第一或第二樣態之資訊處理裝置，前述決定部於前述對象真空泵浦運轉後，依據每個指定次數量之工序的對象資訊量，按每個該工序決定前述對象狀態量之正常變動範圍或前述正常時間變動行為，前述比較部按每個對應之工序比較前述對象真空泵浦之現在對象狀態量和前述對象狀態量的前述正常變動範圍或前述正常時間變動行為。
採用該構成時，可按每個對應之工序檢測有無由生成物所造成之異常。因而，可使有無由生成物所造成之異常的檢測精準度提高。
一種實施形態之第四樣態的資訊處理裝置，係關於第一至第三樣態中任何一個樣態之資訊處理裝置，前述正常變動範圍係正常狀態時前述對象狀態量隨時間變化的變動範圍，前述比較部係比較前述對象真空泵浦之現在對象狀態量隨時間變化，和前述正常狀態時前述對象狀態量隨時間變化的變動範圍。
採用該構成時，可藉由比較彼此隨時間變化來檢測有無由生成物所造成之異常。因而，可使有無由生成物所造成異常之檢測精準度提高。
一種實施形態之第五樣態的資訊處理裝置，係關於第一至第四樣態中任何一個樣態之資訊處理裝置，進一步具備區分部，其係將前述對象狀態量大小、變動大小、及/或變動周期為不同之期間區分為不同的工序，前述決定部按每個前述經區分之工序，決定前述對象真空泵浦之現在對象狀態量的前述正常變動範圍或前述正常時間變動行為，前述比較部按每個前述經區分之工序，比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為。
採用該構成時，可自動區分成工序，且按每個該經區分之工序檢測有無由生成物所造成之異常。因而，可減少檢測有無由生成物所造成之異常而花費的勞力。
一種實施形態之第六樣態的資訊處理裝置，係關於第一至第四樣態中任何一個樣態之資訊處理裝置，進一步具備區分部，其係將在前述對象真空泵浦連通之半導體製造裝置的工序中所使用之氣體種類及氣體流量為不同的期間區分為不同工序，前述決定部按每個前述經區分之工序，決定前述對象真空泵浦之現在對象狀態量的前述正常變動範圍或前述正常時間變動行為，前述比較 部按每個前述經區分之工序，比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為。
採用該構成時，可自動區分成工序，且按每個該經區分之工序檢測有無由生成物所造成之異常。因而，可減少檢測有無由生成物所造成之異常而花費的勞力。
一種實施形態之第七樣態的資訊處理裝置，係關於第一至第六樣態中任何一個樣態之資訊處理裝置，其依據在前述對象真空泵浦連通之半導體製造裝置中按每個工序的前述對象狀態量之變化程度，來判定有無由生成物所造成之異常。
採用該構成時，可檢測有無由生成物所造成之異常。
一種實施形態之第八樣態的資訊處理裝置，係關於第一至第七樣態中任何一個樣態之資訊處理裝置，前述比較部輸出經判斷為有在對象真空泵浦內生成之由生成物所造成的異常之資料作為前述比較結果。
採用該構成時，真空泵浦之管理者可掌握經判斷為有異常之資料。
一種實施形態之第九樣態的資訊處理裝置，係關於第一至第八樣態中任何一個樣態之資訊處理裝置，前述其他真空泵浦之規格與前述對象真空泵浦概略相同。
採用該構成時，可使用至少一個與對象真空泵浦之規格概略相同的其他真空泵浦之過去之對象狀態量，來決定該對象狀態量之正常變動範圍或正常時間變動行為。
一種實施形態之第十樣態的資訊處理裝置，係關於檢測有無由對象真空泵浦內生成之生成物所造成真空泵浦異常，且具備：決定部，其係依據前 述對象真空泵浦連通之半導體製造裝置的製程之配方資訊，決定對象狀態量的正常變動範圍或正常時間變動行為，前述對象狀態量係依流入該真空泵浦內之氣體負荷而變動的狀態量；及比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
採用該構成時，係檢測有無由對象真空泵浦內生成之生成物所造成的異常之資訊處理裝置，且具備：決定部，其係依據前述對象真空泵浦連通之半導體製造裝置的製程之配方資訊，決定對象狀態量的正常變動範圍或前述正常時間變動行為，前述對象狀態量係依流入該真空泵浦內之氣體負荷而變動的狀態量；及比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
一種實施形態之第十一樣態的資訊處理裝置，係關於第一樣態之資訊處理裝置，其中前述決定部係使用對象真空泵浦過去之對象狀態量或其他真空泵浦過去的對象狀態量，前述對象狀態量係於依流入真空泵浦內之氣體負荷而變動的狀態量，而按每個工序決定該對象狀態量之正常變動範圍，前述比較部按每個工序比較運轉中之對象真空泵浦的對象狀態量和前述正常變動範圍，檢測已從前述正常變動範圍脫離之異常資料，並進一步具備判定基準決定部，其係按真空泵浦有無故障之別，使用與對象工序或全部工序發生異常數相關的對象參數之統計值，決定用於判定故障可能性或繼續運轉可能性之泵狀態判定基準或者是用於判斷是否輸出警報之警報判斷基準。
採用該構成時，資訊處理裝置可使用泵浦狀態判定基準判定運轉中之對象真空泵浦的故障可能性或繼續運轉可能性，或是可就運轉中之對象真空泵浦使用該判斷基準判斷是否輸出警報。
一種實施形態之第十二樣態的資訊處理裝置，係關於第十一樣態之資訊處理裝置，進一步具備輸出部，其係比較與前述運轉中之對象泵浦的對象工序或全部工序發生異常數相關之對象參數的統計值、和藉由前述判定基準決定部所決定之前述泵浦狀態判定基準，輸出泵浦狀態診斷值，前述泵浦狀態診斷值中包含表示故障可能性之故障指數或表示繼續運轉可能性之繼續運轉指數。
採用該構成時，由於運轉中之對象泵浦的管理者可掌握故障可能性或繼續運轉可能性，因此，可使在故障前能進行真空泵浦之更換或維修的可能性提高。
一種實施形態之第十三樣態的資訊處理裝置，係關於第十二樣態之資訊處理裝置，其中前述判定基準決定部就已故障之真空泵浦，藉由統計與對象工序或全部工序之發生異常數相關的對象參數，決定對象參數之統計值與前述故障指數的對應關係作為前述泵浦狀態判定基準，前述輸出部藉由比較與前述運轉中之對象泵浦的對象工序或全部工序之發生異常數相關的對象參數之統計值、和前述對應關係，而輸出前述故障指數。
採用該構成時，由於運轉中之對象泵浦的管理者可掌握故障可能性，因此，可使在故障前能進行真空泵浦之更換或維修的可能性提高。
一種實施形態之第十四樣態的資訊處理裝置，係關於第十二樣態之資訊處理裝置，其中前述決定部就無故障而繼續運轉之真空泵浦，藉由統計與對象工序或全部工序之發生異常數相關的對象參數，決定對象參數之統計值與前述繼續運轉指數的對應關係作為判定基準，前述輸出部藉由比較與前述運轉中之對象泵浦的對象工序或全部工序之發生異常數相關的對象參數之統計值、和前述對應關係，而輸出前述繼續運轉指數。
採用該構成時，由於運轉中之對象泵浦的管理者可掌握繼續運轉可能性，因此，可使在故障前能進行真空泵浦之更換或維修的可能性提高。
一種實施形態之第十五樣態的資訊處理裝置，係關於第十一樣態之資訊處理裝置，進一步具備警報輸出部，其係比較與對象泵浦之對象工序或全部工序的發生異常數相關之對象參數的統計值、和藉由前述判定基準決定部所決定之警報判斷基準，並依比較結果輸出警報。
採用該構成時，由於運轉中之對象泵浦的管理者可掌握該對象泵浦的繼續運轉可能性，因此，可使該對象泵浦在故障前能進行更換或維修的可能性提高。
一種實施形態之第十六樣態的資訊處理裝置，係關於第十一至第十五樣態中任何一個樣態之資訊處理裝置，進一步具備區分部，其係按每個工序分割前述對象真空泵浦過去之對象狀態量或前述其他真空泵浦過去的對象狀態量，前述決定部按每個前述經分割之工序決定前述對象狀態量的正常變動範圍。
採用該構成時，可按每個工序決定對象狀態量之正常變動範圍。
一種實施形態之第十七樣態的資訊處理裝置，如第十六樣態之資訊處理裝置，前述區分部將從除害裝置輸入之開始成膜信號中所包含的開始成膜時間點作為起點，按每個工序分割前述對象真空泵浦過去之對象狀態量或前述其他真空泵浦過去的對象狀態量。
採用該構成時，可按每個工序確實分割對象狀態量。
一種實施形態之第十八樣態的資訊處理裝置，係關於第十六樣態之資訊處理裝置，前述真空泵浦中設有氣體感測器，其係計測前述真空泵浦內之特定氣體的濃度，前述區分部依據藉由前述氣體感測器檢測出之感測值決定開 始成膜時間點，並將該開始成膜時間點作為起點，按每個工序分割前述對象真空泵浦過去之對象狀態量或前述其他真空泵浦過去的對象狀態量。
採用該構成時，可按每個工序確實分割對象狀態量。
一種實施形態之第十九樣態的資訊處理裝置，係關於第十一至第十八樣態中任何一個樣態之資訊處理裝置，與前述發生異常數相關之對象參數，係發生異常次數、或是將特定工序之發生異常次數除以該特定工序期間而得的發生異常頻率。
採用該構成時，由於使用發生異常次數或發生異常頻率之統計值(例如，發生異常次數累積值或發生異常頻率累積值)來決定泵浦狀態判定基準，因此可使判定故障可能性或繼續運轉可能性之精準度提高。
一種實施形態之第二十樣態的資訊處理系統，係檢測有無因對象真空泵浦內生成之由生成物所造成真空泵浦異常，且具備：決定部，其係至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，其為依流入真空泵浦內之氣體負荷而變動的狀態量，而決定該對象狀態量之正常變動範圍或正常時間變動行為；及比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
採用該構成時，藉由決定對象狀態量由於生成物以外之因素的正常變動範圍或正常時間變動行為，在真空泵浦之繼續運轉中，比較該正常變動範圍或正常時間變動行為和現在的對象狀態量，可檢測由於生成物之因素的異常。因而，可在要一度停止真空泵浦之運轉前的運轉期間，檢測有無由對象真空泵浦內生成之生成物所造成異常。藉此，在真空泵浦繼續運轉中之任意時間點預測隨 著真空泵浦因由生成物所造成異常導致真空泵浦停止的狀況，可降低對半導體製造裝置內之製造製程中的製品造成損害之可能性。
一種實施形態之第二十一樣態的資訊處理方法，係檢測有無由對象真空泵浦內生成之生成物所造成真空泵浦異常的資訊處理方法，且具有以下工序：至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，其為依流入真空泵浦內之氣體負荷而變動的狀態量，決定該對象狀態量之正常變動範圍或正常時間變動行為；及比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
採用該構成時，藉由決定對象狀態量由於生成物以外之因素的正常變動範圍或正常時間變動行為，並在真空泵浦之繼續運轉中，比較該正常變動範圍或正常時間變動行為和現在的對象狀態量，可檢測由於生成物之因素的異常。因而，可在要一度停止真空泵浦之運轉前的運轉期間，檢測有無由對象真空泵浦內生成之生成物所造成異常。藉此，在真空泵浦繼續運轉中之任意時間點預測隨著真空泵浦因由生成物所造成異常導致真空泵浦停止的狀況，可降低對半導體製造裝置內之製造製程中的製品造成損害之可能性。
一種實施形態之第二十二樣態的電腦可讀取之記錄媒介，係記錄有檢測有無由對象真空泵浦內生成之生成物所造成真空泵浦異常的程式之電腦可讀取之記錄媒介記錄媒介，且記錄有使電腦發揮以下功能之程式：決定部，其係至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，其為依流入真空泵浦內之氣體負荷而變動的狀態量，決定該對象狀態量之正常變動範圍或正常時間變動行為；及比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
採用該構成時，藉由決定對象狀態量由於生成物以外之因素的正常變動範圍或正常時間變動行為，並在真空泵浦之繼續運轉中，比較該正常變動範圍或正常時間變動行為和現在的對象狀態量，可檢測由於生成物之因素的異常。因而，可在要一度停止真空泵浦之運轉前的運轉期間，檢測有無由對象真空泵浦內生成之生成物所造成異常。藉此，在真空泵浦繼續運轉中之任意時間點預測隨著真空泵浦因由生成物所造成異常導致真空泵浦停止的狀況，可降低對半導體製造裝置內之製造製程中的製品造成損害之可能性。
一種實施形態之第二十三樣態的基板處理裝置，其係為具有：腔室成膜爐，其係導入成膜用氣體進行基板成膜；真空泵浦裝置，其係連通於前述腔室成膜爐；除害裝置，其係處理前述真空泵浦之排放氣體；及控制裝置，其係控制前述真空泵浦；且連續地處理複數片基板的基板處理裝置，前述控制裝置具有：生成電路，其係使前述真空泵浦啟動，而將前述腔室成膜爐形成為指定真空程度後，將從前述除害裝置輸入之開始成膜信號中所包含的開始成膜時間點作為起點，按每個工序分割從記憶裝置讀取出之對象真空泵浦過去的對象狀態量或其他真空泵浦過去的對象狀態量，而生成經分割之對象狀態量；及決定電路，其係按每個前述經分割之對象狀態量決定對象狀態量的正常變動範圍，前述對象狀態量係依流入真空泵浦內之氣體負荷而變動的狀態量。
採用該構成時，藉由決定對象狀態量由於生成物以外之因素的正常變動範圍，並在真空泵浦之繼續運轉中，比較該正常變動範圍和現在對象狀態量，可檢測由於生成物之因素的異常。因而，可在要一度停止真空泵浦之運轉前的運轉期間，檢測有無由對象真空泵浦內生成之生成物所造成異常，藉此，在真空泵浦繼續運轉中之任意時間點預測隨著真空泵浦由生成物所造成異常導致真 空泵浦停止的狀況，可降低對腔室成膜爐內之製造製程中的製品造成損害之可能性。
一種實施形態之第二十四樣態的資訊處理裝置，其具備比較部，其係參照記憶部，比較從運轉中之真空泵浦的狀態量資料所檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，並輸出比較結果，前述記憶部記憶有使用已故障之真空泵浦的狀態量資料中檢測出之異常資料傾向所決定，用於判定到達故障之可能性的基準資料。
採用該構成時，由於可掌握真空泵浦到達故障之可能性，因此可降低在製造製程中真空泵浦停止，對製造製程中之製品造成嚴重損害的危險性。
一種實施形態之第二十五樣態的資訊處理裝置，係關於第二十四樣態之資訊處理裝置，其中前述比較部係判定前述比較結果、真空泵浦到達故障之可能性，而輸出判定結果作為前述比較結果。
採用該構成時，由於輸出真空泵浦到達故障之可能性，因此真空泵浦之管理者可掌握真空泵浦到達故障之可能性。
一種實施形態之第二十六樣態的資訊處理裝置，係關於第二十五樣態之資訊處理裝置，前述記憶部中將真空泵浦之屬性與前述基準資料相關連而記憶，前述比較部比較從前述運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和前述記憶部中與該運轉中之真空泵浦的屬性相關連而記憶的基準資料。
採用該構成時，由於可按真空泵浦之每個屬性進行比較，因此可使到達故障之可能性的判定精準度提高。
一種實施形態之第二十七樣態的資訊處理裝置，係關於第二十四至二十六樣態中任何一個樣態之資訊處理裝置，前述記憶部將半導體製造裝置之製造工序與前述基準資料相關連而記憶，前述比較部比較從前述運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和前述記憶部中與連接該運轉中之真空泵浦的半導體製造裝置之現在製造工序相關連而記憶的基準資料。
採用該構成時，由於可按半導體製造裝置之每個製造工序進行比較，因此可使到達故障之可能性的判定精準度提高。
一種實施形態之第二十八樣態的資訊處理裝置，係關於第二十四至二十七樣態中任何一個樣態之資訊處理裝置，前述比較部比較基於前述運轉中之真空泵浦狀態量的值、和基於已故障之真空泵浦故障時狀態量的值之統計量，並控制其依比較結果通報。
採用該構成時，可在運轉中之真空泵浦的狀態量接近已故障之真空泵浦故障時的狀態量時通報，可在真空泵浦故障之前進行真空泵浦之維修或更換。
一種實施形態之第二十九樣態的資訊處理裝置，係關於第二十四至二十八樣態中任何一個樣態之資訊處理裝置，前述比較部比較前述運轉中之真空泵浦的狀態量發生異常次數、和已故障之真空泵浦故障前狀態量的發生異常次數之統計量，並控制來依比較結果通報。
採用該構成時，可在運轉中之真空泵浦的狀態量接近已故障之真空泵浦在故障前發生異常次數時通報，可在真空泵浦故障之前進行真空泵浦之維修或更換。
一種實施形態之第三十樣態的資訊處理裝置，係關於第二十四至二十九樣態中任何一個樣態之資訊處理裝置，前述比較部比較前述運轉中之真空泵浦狀態量發生異常的區間，和已故障之真空泵浦在故障前狀態量發生異常的區間之統計量，並控制來依比較結果通報。
採用該構成時，可在運轉中之真空泵浦的狀態量接近故障前之狀態量發生異常的區間時通報，可在真空泵浦故障前進行真空泵浦之維修或更換。
一種實施形態之第三十一樣態的資訊處理裝置，係關於第二十八至三十樣態中任何一個樣態之資訊處理裝置，前述比較部進行處理依連接有前述運轉中之真空泵浦的半導體製造裝置之製造工序的時間或製造工序次數變更通報之時間點。
採用該構成時，可依連接有運轉中之真空泵浦的半導體製造裝置之製造工序時間或製造工序次數改變通報之時間點。因而，雖然連接有運轉中之真空泵浦的半導體製造裝置之製造工序時間或成膜處理次數愈多，故障風險愈高，但藉由通報之時間點提前，可在真空泵浦故障之前進行真空泵浦的維修或更換。
一種實施形態之第三十二樣態的基準資料決定裝置，其具備決定部，其係參照記憶部，而決定使用前述異常資料之傾向用於判定到達故障可能性的基準資料，前述記憶部記憶有在已故障之真空泵浦的狀態量資料中檢測出之異常資料。
採用該構成時，由於會製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，藉由和該基準資料比較，可判定真空泵浦到達故障之可能性。
一種實施形態之第三十三樣態的資訊處理裝置，係關於第三十二樣態之資訊處理裝置，其中前述決定部係按真空泵浦之每個屬性決定前述基準資料。
採用該構成時，由於會按真空泵浦之每個屬性製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，可和對應於該運轉中之真空泵浦所屬屬性的真空泵浦之基準資料比較。藉此，可使真空泵浦到達故障之可能性的判定精準度提高。
一種實施形態之第三十四樣態的資訊處理裝置，係關於第三十二或三十三樣態之資訊處理裝置，其中前述決定部係按半導體製造裝置之每個製造工序決定前述基準資料。
採用該構成時，由於會按半導體製造裝置之每個成膜工序製作基準資料，因此和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，可和對應於連接了該真空泵浦之半導體製造裝置的成膜工序之基準資料比較。藉此，可使真空泵浦到達故障之可能性的判定精準度提高。
一種實施形態之第三十五樣態的資訊處理方法，其具有參照記憶記憶部的，而比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，而輸出比較結果之工序，前述記憶部記憶有使用已故障之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定，用於判定到達故障的可能性之基準資料。
採用該構成時，由於可掌握真空泵浦到達故障之可能性，因此可降低在製造製程中真空泵浦停止對製造製程中之製品造成嚴重損害的危險性。
一種實施形態之第三十六樣態的基準資料決定方法，其具有參照記憶部，而決定使用前述異常資料之傾向用於判定到達故障之可能性的基準資料之工序，前述記憶部記憶有已故障之真空泵浦的狀態量資料中檢測出之異常資料的。
採用該構成時，由於會製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，藉由和該基準資料比較，可判定真空泵浦到達故障之可能性。
一種實施形態之第三十七樣態的電腦可讀取之記錄媒介，係記錄有用於使電腦發揮比較部之功能的程式之電腦可讀取之記錄媒介，該比較部係參照記憶部，比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，而輸出比較結果，前述記憶部記憶有使用已故障之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定，用於判定到達故障的可能性之基準資料。
採用該構成時，由於可掌握真空泵浦到達故障之可能性，因此可降低在製造製程中真空泵浦停止對製造製程中之製品造成嚴重損害的危險性。
一種實施形態之第三十八樣態的電腦可讀取之記錄媒介，係記錄有用於使電腦發揮決定部之功能的程式之電腦可讀取之記錄媒介，該決定部係參照記憶部，而決定使用前述異常資料之傾向用於判定到達故障可能性的基準資料，前述記憶部記憶有已故障之真空泵浦的狀態量資料中檢測出之異常資料。
採用該構成時，由於會製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，藉由和該基準資料比較，可判定真空泵浦到達故障之可能性。
一種實施形態之第三十九樣態的資訊處理裝置，其具備比較部，其係參照記憶部，而比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，並輸出比較結果，前述記憶部記憶有使用可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料傾向所決定，用於判定繼續運轉之可能性的基準資料。
採用該構成時，由於可掌握真空泵浦到達故障之繼續運轉，因此可降低在製造製程中真空泵浦停止而對製造製程中之製品造成嚴重損害的危險性。
一種實施形態之第四十樣態的資訊處理裝置，係關於第三十九樣態之資訊處理裝置，其中前述比較部判定前述比較之結果、真空泵浦之繼續運轉的可能性，並輸出判定結果作為前述比較結果。
採用該構成時，由於會輸出真空泵浦之繼續運轉的可能性，因此真空泵浦之管理者可掌握真空泵浦之繼續運轉的可能性。
一種實施形態之第四十一樣態的資訊處理裝置，係關於第三十九或四十樣態之資訊處理裝置，前述記憶部中將真空泵浦之屬性與前述基準資料相關連而記憶，前述比較部比較從前述運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和前述記憶部中與該運轉中之真空泵浦的屬性相關連而記憶的基準資料。
採用該構成時，由於可按真空泵浦之每個屬性進行比較，因此可使繼續運轉之可能性的判定精準度提高。
一種實施形態之第四十二樣態的資訊處理裝置，係關於第三十九至四十一樣態中任何一個樣態之資訊處理裝置，前述記憶部將半導體製造裝置 之成膜工序與前述基準資料相關連而記憶，前述比較部比較從前述運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和前述記憶部中與連接該運轉中之真空泵浦的半導體製造裝置之現在成膜工序相關連而記憶的基準資料。
採用該構成時，由於可按導體製造裝置之每個成膜工序進行比較，因此可使繼續運轉之可能性的判定精準度提高。
一種實施形態之第四十三樣態的資訊處理裝置，係關於第三十九至四十二樣態中任何一個樣態之資訊處理裝置，前述比較部比較基於前述運轉中之真空泵浦狀態量的值、和基於可繼續運轉之真空泵浦設定期間的狀態量之值的統計量，並控制來依比較結果通報。
採用該構成時，可在運轉中之真空泵浦的狀態量從可繼續運轉之真空泵浦的狀態量偏離時通報，可在真空泵浦故障之前進行真空泵浦之維修或更換。
一種實施形態之第四十四樣態的資訊處理裝置，係關於第三十九至四十三樣態中任何一個樣態之資訊處理裝置，前述比較部比較前述運轉中之真空泵浦的狀態量發生異常次數、和可繼續運轉之真空泵浦在設定期間的狀態量發生異常次數之統計量，並控制來依比較結果通報。
採用該構成時，可在運轉中之真空泵浦的狀態量從可繼續運轉之真空泵浦的狀態量偏離時通報，可在真空泵浦故障之前進行真空泵浦之維修或更換。
一種實施形態之第四十五樣態的資訊處理裝置，係關於第三十九至四十四樣態中任何一個樣態之資訊處理裝置，前述比較部比較前述運轉中之 真空泵浦狀態量發生異常的區間，和可繼續運轉之真空泵浦在設定期間狀態量發生異常的區間之統計量，並控制來依比較結果通報。
採用該構成時，可在運轉中之真空泵浦的狀態量從可繼續運轉之真空泵浦的狀態量偏離時通報，可在真空泵浦故障前進行真空泵浦之維修或更換。
一種實施形態之四十六樣態的資訊處理裝置，係關於第四十三至四十五樣態中任何一個樣態之資訊處理裝置，前述比較部進行處理來依連接有前述運轉中之真空泵浦的半導體製造裝置之製造工序的時間或製造工序次數變更通報之時間點。
採用該構成時，可依連接有運轉中之真空泵浦的半導體製造裝置之製造工序時間或製造工序次數改變通報之時間點。因而，雖然連接有運轉中之真空泵浦的半導體製造裝置之製造工序時間或成膜處理次數愈多，故障風險愈高，但藉由通報之時間點提前，可在真空泵浦故障之前進行真空泵浦的維修或更換。
一種實施形態之第四十七樣態的基準資料決定裝置，其具備決定部，其係參照記憶部，而決定使用前述異常資料之傾向用於判定繼續運轉可能性的基準資料，前述記憶部記憶有在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料。
採用該構成時，由於會製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，藉由和該基準資料比較，可判定真空泵浦繼續運轉之可能性。
一種實施形態之第四十八樣態的資訊處理裝置，係關於第四十七樣態之資訊處理裝置，前述決定部係按真空泵浦之每個屬性決定前述基準資料。
採用該構成時，由於會按真空泵浦之每個屬性製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，可和與該運轉中之真空泵浦所屬屬性對應的真空泵浦之基準資料比較。藉此，可使真空泵浦繼續運轉之可能性的判定精準度提高。
一種實施形態之第四十九樣態的資訊處理裝置，係關於第四十七或四十八樣態之資訊處理裝置，前述決定部按半導體製造裝置之每個製造工序決定前述基準資料。
採用該構成時，由於會按半導體製造裝置之每個製造工序製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，可和與連接有該真空泵浦之半導體製造裝置的製造工序對應之基準資料比較。藉此，可使真空泵浦繼續運轉之可能性的判定精準度提高。
一種實施形態之第五十樣態的資訊處理方法，其具有參照記憶部，而比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，而輸出比較結果之工序，前述記憶部記憶有使用可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定，用於判定繼續運轉的可能性之基準資料。
採用該構成時，由於可掌握真空泵浦繼續運轉之可能性，因此可降低在製造製程中真空泵浦停止對製造製程中之製品造成嚴重損害的危險性。
一種實施形態之第五十一樣態的基準資料決定方法，其具有參照記憶部，而決定使用前述異常資料之傾向用於判定繼續運轉之可能性的基準資 料之工序，前述記憶部記憶有可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料。
採用該構成時，由於會製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，藉由和該基準資料比較，可判定真空泵浦繼續運轉之可能性。
一種實施形態之第五十二樣態的電腦可讀取之記錄媒介，係記錄有用於使電腦發揮比較部之功能的程式之電腦可讀取之記錄媒介，該比較部係參照記憶部，而比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，而輸出比較結果，前述記憶部記憶有使用可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定，用於判定到達故障的可能性之基準資料。
採用該構成時，由於可掌握真空泵浦繼續運轉之可能性，因此可降低在製造製程中真空泵浦停止對製造製程中之製品造成嚴重損害的危險性。
一種實施形態之第五十三樣態的電腦可讀取之記錄媒介，係記錄有用於使電腦發揮決定部之功能的程式之電腦可讀取之記錄媒介，該決定部係參照記憶部，決定使用前述異常資料之傾向用於判定到達故障之可能性的基準資料，前述記憶部記憶有在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料。
採用該構成時，由於會製作基準資料，因此在和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，藉由和該基準資料比較，可判定真空泵浦繼續運轉之可能性。
一種實施形態之第五十四樣態的資訊處理裝置，其具備：讀取部，其係從記憶裝置，讀取對應於運轉中之對象真空泵浦所屬群組的共同條件，前述記憶裝置按每個該設定群組儲存屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件，前述共同條件係使用從屬於真空泵浦之設定群組的真空泵浦狀態量資料檢測出之第一異常資料的發生傾向所決定；檢測部，其係從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料；及比較部，其係比較前述讀取之共同條件和前述檢測出之前述第二異常資料的發生傾向。
採用該構成時，可將運轉中之對象真空泵浦的異常狀態發生傾向，和基於該對象真空泵浦所屬群組過去之真空泵浦異常狀態發生傾向的共同條件比較。因而，可從運轉中之對象真空泵浦的異常狀態診斷泵浦內部之狀態。
一種實施形態之第五十五樣態的資訊處理裝置，係關於第五十四樣態之資訊處理裝置，前述真空泵浦之設定群組係屬於同一個製造編號之真空泵浦的群組，前述比較部比較對應於與前述運轉中之對象真空泵浦同一個製造編號之真空泵浦的群組之前述共同條件、和前述運轉中之對象真空泵浦的前述第二異常資料之發生傾向。
採用該構成時，可將運轉中之對象真空泵浦的異常狀態發生傾向，和基於與該對象真空泵浦之製造編號同一個真空泵浦的異常狀態發生傾向之共同條件比較。因而，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第五十六樣態的資訊處理裝置，係關於第五十四樣態之資訊處理裝置，前述真空泵浦之設定群組係為真空泵浦之群組，其連接於屬於同一個製造編號之半導體製造裝置，前述比較部比較與連接於半導體製造裝置的真空泵浦群組對應之前述共同條件、和前述運轉中之對象真空泵浦的前 述第二異常資料之發生傾向，前述半導體製造裝置係屬於連接有前述運轉中之對象真空泵浦的半導體製造裝置同一個製造編號。
採用該構成時，可將運轉中之對象真空泵浦的異常狀態發生傾向，和依據過去已連接於連接該對象真空泵浦之半導體製造裝置的真空泵浦之異常狀態發生傾向的共同條件比較。因而，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第五十七樣態的資訊處理裝置，係關於第五十四樣態之資訊處理裝置，其中前述真空泵浦之設定群組係同一個製程使用過之真空泵浦的群組，前述比較部比較對應於與使用前述運轉中之對象真空泵浦的製程同一個製程使用過之真空泵浦群組之前述共同條件、和前述運轉中之對象真空泵浦的前述第二異常資料之發生傾向。
採用該構成時，可將運轉中之對象真空泵浦的異常狀態發生傾向，和基於使用該對象真空泵浦之製程同一個製程在過去使用過的真空泵浦之異常狀態發生傾向的共同條件比較。因而，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第五十八樣態的資訊處理裝置，係關於第五十四至五十七樣態中任何一個樣態之資訊處理裝置，前述共同條件係依據在屬於前述設定群組之真空泵浦的狀態量資料中檢測出之異常資料所設定的臨限值，前述比較部比較前述臨限值、和前述檢測出之前述第二異常資料的發生傾向。
採用該構成時，藉由和依據在指定期間無故障而繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料所設定的臨限值比較，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第五十九樣態的資訊處理裝置，係關於第五十八樣態之資訊處理裝置，前述臨限值係為每個單位時間特定之狀態量離開設定範 圍的次數之臨限值，前述比較部比較前述臨限值、和從前述運轉中之真空泵浦的狀態量資料檢測出之每單位時間前述特定之狀態量離開設定範圍的次數。
採用該構成時，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第六十樣態的資訊處理裝置，係關於第五十四至五十七樣態中任何一個樣態之資訊處理裝置，前述共同條件係表示在屬於前述設定群組之真空泵浦的狀態量資料中檢測出之異常的容許範圍隨時間變化的資料，前述比較部比較表示前述異常之容許範圍隨時間變化之資料、和從前述運轉中之真空泵浦的狀態量資料檢測出之異常的時間序列資料。
採用該構成時，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第六十一樣態的資訊處理裝置，係關於第六十樣態之資訊處理裝置，前述表示異常之容許範圍隨時間變化之資料，係表示每個單位時間特定之狀態量離開設定範圍的次數之容許範圍隨時間變化的資料，前述比較部比較表示前述容許範圍隨時間變化的資料、和從前述運轉中之真空泵浦的狀態量資料檢測出之每個單位時間前述特定狀態量離開設定範圍的次數之時間序列資料。
採用該構成時，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第六十二樣態的資訊處理裝置，如第五十四至五十七樣態中任何一個樣態之資訊處理裝置，其中前述共同條件係表示基於在前述真空泵浦之狀態量資料中檢測出的異常而設定之發生異常規則的第一發生異常規則資料，前述比較部比較前述第一發生異常規則資料、和表示從前述運轉中之對象真空泵浦的狀態量資料檢測出之發生異常規則的第二發生異常規則資料。
採用該構成時，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第六十三樣態的資訊處理裝置，係關於第六十二樣態之資訊處理裝置，前述第一發生異常規則資料係基於在前述真空泵浦之狀態量資料中檢測出的發生異常次數而設定之設定次數範圍，前述比較部比較前述設定次數範圍、和從前述運轉中之對象真空泵浦的狀態量資料檢測出之發生異常次數，來決定從前述設定次數範圍的偏離程度。
採用該構成時，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第六十四樣態的資訊處理裝置，係關於第六十三樣態之資訊處理裝置，前述比較部依前述偏離程度，將前述運轉中之對象真空泵浦的狀態劃分成正常狀態、需要注意狀態、需要更換狀態而判定。
採用該構成時，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第六十五樣態的資訊處理裝置，係關於第五十四至六十四樣態中任何一個樣態之資訊處理裝置，前述比較部進行比較並加以數值化，並輸出數值化資料作為比較結果。
採用該構成時，可使泵浦內部狀態之診斷精準度提高。
一種實施形態之第六十六樣態的資訊處理裝置，其具備：第一檢測部，其係從真空泵浦之狀態量資料檢測第一異常資料；及決定部，其係使用從屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的前述第一異常資料之發生傾向，按每個該設定群組決定屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件。
採用該構成時，可按每個真空泵浦之設定群組決定真空泵浦之異常資料發生傾向的共同條件。
一種實施形態之第六十七樣態的資訊處理系統，其具備：第一檢測部，其係從真空泵浦之狀態量資料檢測第一異常資料；決定部，其係使用從屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的前述第一異常資料之發生傾向，按每個該設定群組決定屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件；第二檢測部，其係從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料；及比較部，其係比較對應於前述運轉中之對象真空泵浦所屬的群組之前述共同條件、和前述檢測出之前述第二異常資料的發生傾向。
採用該構成時，可將運轉中之對象真空泵浦的異常狀態發生傾向，和基於該對象真空泵浦所屬之群組過去真空泵浦之異常狀態發生傾向的共同條件比較。因而，可從運轉中之對象真空泵浦的異常狀態診斷泵浦內部狀態。
一種實施形態之第六十八樣態的資訊處理方法，其具有以下工序：從記憶裝置，讀取對應於運轉中之對象真空泵浦所屬的群組之共同條件；從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料；及比較前述讀取之共同條件、和前述檢測出之前述第二異常資料的發生傾向，前述記憶裝置係按每個設定群組儲存屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件，前述共同條件係使用屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的第一異常資料發生傾向而決定。
採用該構成時，可將運轉中之對象真空泵浦的異常狀態發生傾向，和基於該對象真空泵浦所屬之群組過去真空泵浦之異常狀態發生傾向的共同條件比較。因而，可從運轉中之對象真空泵浦的異常狀態診斷泵浦內部狀態。
一種實施形態之第六十九樣態的電腦可讀取之記錄媒介，其係記錄有使電腦發揮以下元件功能之程式之電腦可讀取之記錄媒介：讀取部，其係從 記憶裝置，讀取對應於運轉中之對象真空泵浦所屬的群組之共同條件；檢測部，其係從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料；及比較部，其係比較前述讀取之共同條件、和前述檢測出之前述第二異常資料的發生傾向，前述記憶部係按每個設定群組儲存屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件，前述共同條件係使用屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的第一異常資料發生傾向而決定。
採用該構成時，可將運轉中之對象真空泵浦的異常狀態發生傾向，和基於該對象真空泵浦所屬之群組過去真空泵浦之異常狀態發生傾向的共同條件比較。因而，可從運轉中之對象真空泵浦的異常狀態診斷泵浦內部狀態。
以下，一邊參照圖式一邊說明各種實施形態。但是，有時在不需要時，會省略詳細之說明。例如，有時會省略已經熟知之事項的詳細說明或對於實質上相同構成的重複說明。這是為了避免以下之說明過度冗長，以方便業者瞭解。
(第一種實施形態)
第一圖係顯示從正常狀態至故障之例子的示意圖。如第一圖所示，在初始狀態S1，真空泵浦的機殼與轉子之間存在餘隙。藉由使用真空泵浦而如狀態S2所示，在機殼與轉子上附著或堆積生成物。此處，正常狀態係在機殼與轉子之間存在餘隙的狀態，且包含初始狀態S1與狀態S2。
發生異常之瞬間，如狀態S3所示，附著於機殼與轉子之生成物接觸。藉由該生成物接觸而如狀態S4所示，機殼或轉子之生成物剝落。然後，藉由進一步使用真空泵浦則如狀態S5所示，生成物在機殼與轉子上進一步附著或堆積。而後，終於如狀態S6所示，附著於機殼與轉子之生成物接觸。然後，藉由該 生成物接觸而如狀態S5所示，機殼或轉子之生成物一部分剝落。之後，狀態S5與狀態S6交互重複。之後，即使附著於機殼與轉子之生成物接觸，而此等生成物不會剝落情況下，則如狀態S7所示，轉子之旋轉停止。由於該轉子停止旋轉，真空泵浦異常地停止，則判斷為真空泵浦故障。
第二圖係顯示從正常狀態至故障之時間變遷例的示意圖。如第二圖所示，真空泵浦在繼續運轉中係交互地重複正常狀態和附著於機殼與轉子之生成物接觸的異常狀態。而後，即使附著於機殼與轉子之生成物接觸，而此等生成物不會剝落情況下，真空泵浦異常而停止，並判斷為故障。
為了防止真空泵浦因由生成物所造成異常導致真空泵浦停止，而對半導體製造裝置內之製造製程中的製品造成損害，本實施形態係使用真空泵浦繼續運轉中之狀態量，檢測有無由對象真空泵浦內生成之(例如凝固或液化)生成物所造成真空泵浦異常。藉此，當在對象真空泵浦之繼續運轉中檢測出異常時，即可在此停止真空泵浦之運轉，或是從此經過預設的容許期間後而停止真空泵浦之運轉，而維修或更換真空泵浦。
此時，在真空泵浦之繼續運轉中存在難以區別在真空泵浦內由凝固或液化之生成物所造成的狀態量變動(異常變動)與由於其他之因素的狀態量變動(正常變動)之新課題。
本實施形態對於該問題係至少使用一個該對象真空泵浦或其他真空泵浦過去之對象狀態量，其為依流入真空泵浦內之氣體負荷而變動的狀態量，來決定該對象狀態量之正常變動範圍或正常時間變動行為。此處所謂對象狀態量，係依流入真空泵浦內之氣體負荷而變動的狀態量中作為對象的狀態量。此處所謂氣體負荷，係依氣體種類及氣體流量而變動之負擔。接著，藉由比較對象真 空泵浦之現在對象狀態量與該正常變動範圍或正常時間變動行為，來檢測有無由生成物所造成異常。此處所謂狀態量，係真空泵浦之狀態量，且對象狀態量中，例如為真空泵浦中包含之馬達的驅動電流、馬達之電力、轉子之轉數、真空泵浦之溫度、真空泵浦內之壓力、真空泵浦之振動數等，並使用此等計測值。此處所謂正常時間變動行為，係指真空泵浦之狀態量隨時間變動中正常的行為。此處所謂現在之對象狀態量，除了在接近上述比較時間獲得之對象狀態量或在上述比較時間的最新對象狀態量之外，亦包含決定該對象狀態量之正常變動範圍或正常時間變動行為時所用過，較過去的對象狀態量之後所取得的對象狀態量。亦即，所謂過去，為至少比現在之對象狀態量取得時早的時刻即可，過去之對象狀態量為在至少比現在對象狀態量早的時刻所取得之對象狀態量即可。
第三圖係本實施形態之半導體製造系統10之概略構成圖。如第三圖所示，本實施形態之半導體製造系統10具備：半導體製造裝置1、真空泵浦3、連接半導體製造裝置1與真空泵浦3之配管2、控制真空泵浦3之控制裝置4、及資訊處理裝置5。半導體製造裝置1具備：腔室成膜爐11、及控制腔室成膜爐11之控制部12。腔室成膜爐11與真空泵浦3經由配管2而連通，並藉由真空泵浦3運轉排出腔室成膜爐11內之氣體(Gas)而被抽成概略真空。真空泵浦3亦可係具備魯氏轉子者，亦可係具備螺旋型的轉子者。此外，真空泵浦3亦可係爪型或渦流型真空泵浦。此外，真空泵浦3亦可係一段泵浦，亦可係多段泵浦。本實施形態之資訊處理裝置5檢測在對象真空泵浦3內有無由凝固或液化之生成物所造成的異常。
第四圖係本實施形態之真空泵浦3的概略構造圖。如第四圖所示，真空泵浦3具備：與配管2連通之增壓泵浦31、主泵浦33、連通增壓泵浦31與主泵 浦33之配管32、連通於主泵浦33之配管34、及計測真空泵浦3內之壓力的壓力計35。本實施形態之一例係壓力計35計測主泵浦33內之壓力。
另外，壓力計35只要可計測真空泵浦3內之壓力即可，亦可設於配管2、增壓泵浦31、配管32，而計測在各個位置之真空泵浦3內的壓力。
第五圖係本實施形態之真空泵浦3的概略功能構成圖。如第五圖所示，真空泵浦3具備：電源36、輸入與電源36連接之逆變器37、輸入與逆變器37之輸出連接的馬達38、及連結於馬達38之旋轉軸的轉子39。此外如上述，真空泵浦3具備壓力計35。
逆變器37將從電源36供給之交流電流進行頻率變換，並將頻率變換而獲得之驅動電流供給至馬達38。藉此，馬達38之旋轉軸藉由該驅動電流而旋轉，藉由轉子39隨其旋轉，從配管2吸入之氣體隨著轉子39之旋轉依序輸送至增壓泵浦31、配管32、主泵浦33，並從配管34排出。如此，藉由氣體從配管2連續輸送至配管34，而將連接於配管2之腔室成膜爐11內的氣體進行真空排氣。
馬達38將表示馬達38之轉數的轉數信號輸出至逆變器37。逆變器37將驅動電流之電流有效值與從轉數信號獲得之馬達38的旋轉速度供給至資訊處理裝置5。此外，將藉由壓力計35所計測之真空泵浦3內的壓力值供給至資訊處理裝置5。
第六圖係本實施形態之資訊處理裝置5的概略構成圖。如第六圖所示，資訊處理裝置5具備：輸入部51、輸出部52、記憶部53、記憶體54、及CPU(中央處理單元(Central Processing Unit))55。
輸入部51連接於逆變器37及壓力計35，並將驅動電流之電流有效值、馬達38之旋轉速度、真空泵浦3內之壓力值輸入輸入部51。輸出部52按照 CPU55之指令輸出資訊。記憶部53儲存有供CPU55執行之程式。記憶體54暫時儲存資訊。CPU(中央處理單元(Central Processing Unit))55讀取並執行儲存於記憶部53之程式。藉此，CPU(中央處理單元(Central Processing Unit))55發揮區分部551、決定部552、及比較部553之功能。
第七圖係顯示驅動電流之電流有效值隨時間變化一例之曲線圖。如第七圖所示，半導體製造工序中包含：準備工序、執行成膜之成膜工序、後工序。其中，準備工序與後工序中包含工序1，準備工序中進一步包含工序2。成膜工序中包含工序3~5。作為本實施形態中之一例係藉由區分部551將對象狀態量(此處一例為驅動電流之電流有效值)的大小、變動之大小、及/或變動周期為不同的期間區分為不同工序。藉由該構成，可自動區分成工序，並按每個該經區分之工序可檢測有無由生成物所造成之異常。因而可減少檢測有無由生成物所造成之異常的勞力。
第八圖係比較在某個工序中之正常變動範圍和現在資料的示意圖。在面向第八圖的左側曲線圖上表示某個工序中驅動電流之電流有效值隨時間變化的正常變動範圍R1。此外，第八圖右側表示現在驅動電流之電流有效值隨時間變化的曲線圖，作為現在的資料。
決定部552至少使用一個對象真空泵浦過去之對象狀態量，其為依流入真空泵浦3內之氣體負荷而變動的狀態量(此處一例為驅動電流之電流有效值)，而決定該對象狀態量之正常變動範圍或正常時間變動行為。
決定部552於對象真空泵浦運轉後，依據每個指定次數量(例如10次部分)之工序的對象資訊量，按每個該工序決定對象狀態量之正常變動範圍或正常時間變動行為。此時，如第八圖所示，決定部552係按每個經區分之工序(參 照第七圖)決定對象真空泵浦現在的對象狀態量隨時間變化之正常變動範圍(例如第八圖之正常變動範圍R1)或正常時間變動行為(例如上昇、下降、凸形、凹形等)。
此時，決定部552亦可依據對象真空泵浦3內的壓力修正過去對象狀態量，並使用修正後之過去之對象狀態量決定正常變動範圍或正常時間變動行為。此時，比較部553亦可依據對象真空泵浦3內之壓力或其他真空泵浦內的壓力修正對象真空泵浦3的現在對象狀態量，並比較修正後之對象狀態量和正常變動範圍或正常時間變動行為。具體而言，決定部552依據對象真空泵浦3內之壓力值，由於對象狀態量隨著由氣體量造成之負荷變動而變動，因此係以消除該變動量之方式修正過去的對象狀態量。此時，比較部553亦可依據對象真空泵浦3內之壓力值，修正對象真空泵浦3現在的對象狀態量，並比較修正後之對象狀態量和修正後的正常變動範圍或修正後的正常時間變動行為。藉由該構成，修正由壓力造成之對象狀態量(例如電流值)的變化，修正後之對象狀態量從正常變動範圍或正常時間變動行為脫離時，可判定為異常。因而可使判定精準度提高。
比較部553比較對象真空泵浦之現在對象狀態量和該正常變動範圍或該正常時間變動行為，並輸出比較結果。作為本實施形態中之一例，正常變動範圍係正常狀態時對象狀態量隨時間變化的變動範圍，比較部553比較對象真空泵浦3現在對象狀態量隨時間變化、和正常狀態時對象狀態量隨時間變化的變動範圍。如此藉由比較彼此隨時間變化，可檢測有無由生成物所造成之異常。因而，可使檢測有無由生成物所造成之異常的精準度提高。
具體而言，例如第八圖所示，比較部553按每個對應工序比較對象真空泵浦3現在之對象狀態量隨時間變化和對象狀態量隨時間變化的正常變動 範圍或正常時間變動行為。例如，比較部553係按每個經區分之工序(參照第七圖)比較對象真空泵浦3現在之對象狀態量隨時間變化和對象狀態量隨時間變化的正常變動範圍。如第八圖所示，本實施形態中對象狀態量隨時間變化的正常變動範圍係驅動電流有效值隨時間變化的正常變動範圍(例如第八圖之正常變動範圍R1)作為一個例子，比較部553比較對象真空泵浦3現在之對象狀態量隨時間變化和驅動電流有效值隨時間變化的正常變動範圍。
第八圖之例中，係比較部553比較該第八圖之正常變動範圍R1和現在驅動電流之電流有效值隨時間變化，現在驅動電流之電流有效值隨時間變化收在該正常變動範圍R1情況下，判斷為正常，未收在之情況下判斷為異常。比較部553例如將判斷為因對象真空泵浦3內由凝固或液化之生成物所造成異常的資料輸出，並儲存於記憶部53。藉此，真空泵浦3之管理者可掌握判斷為異常之資料。
第九圖係顯示在工序1中驅動電流之電流有效值的變化程度隨時間經過之一例的示意圖。第九圖中之各方塊表示第1~n次之工序，各方塊之縱軸方向長度係驅動電流之電流有效值的變化程度。第九圖中，係按每次經過工序1之次數(RUN的次數)，驅動電流之電流有效值的變化程度依序變大。此時，比較部553亦可在對象狀態量(此處中以驅動電流的電流有效值為一例)之變化程度，按每次重複工序而有變大之傾向時，判定為由生成物所造成異常。如此，比較部553可依據在半導體製造裝置1中按每個工序之對象狀態量的變化程度來判定有無由生成物所造成之異常。藉此，可檢測有無由生成物所造成之異常。
繼續，參照第十圖及第十一圖說明檢測有無由生成物所造成之異常的處理。第十圖係顯示決定正常變動範圍之處理一例的流程圖。第十圖之處理例如在真空泵浦3運轉後自動實施。
(步驟S101)首先，CPU55以指定周期收集馬達38之驅動電流的有效值，而儲存於記憶部53。
(步驟S102)其次，區分部551將驅動電流之有效值的時間序列資料區分成工序，並按每個工序儲存於記憶部53。此時，例如區分部551區分成構成成膜工序(晶圓裝載~卸載)之工序。
(步驟S103)其次，CPU55判定是否已區分指定之成膜次數量的資料。
(步驟S104)在步驟S103中已區分指定之成膜次數量的資料時，決定部552按每個區分之工序統計處理每個工序的資料，決定驅動電流有效值之每個時間的正常變動範圍。此處之正常變動範圍包含正常變動幅度。
(步驟S105)其次，決定部552每個區分之工序將驅動電流有效值之正常變動範圍儲存於記憶部53。
第十一圖係顯示檢測有無由生成物所造成異常之處理之一例的流程圖。第十一圖之處理係在第十圖的處理完成後進行。
(步驟S201)首先，CPU55以指定周期收集馬達38之驅動電流的有效值。
(步驟S202)其次，區分部551將驅動電流之有效值的時間序列資料區分成工序。
(步驟S203)其次，比較部553係按每個工序比較現在之驅動電流有效值和正常變動範圍，並判定現在之驅動電流有效值是否正常。此時，例如將 驅動電流有效值隨時間變化離開正常變動範圍的資料，在區分之工序內與驅動電流有效值之正常時間變動行為(例如上昇、下降、凸形、凹形等)不同的資料、超出預設之正常變動範圍的尖峰資料(瞬間變動資料)判定為異常。
(步驟S204)在步驟S203中判定為現在之驅動電流有效值異常(不正常)時，比較部553將異常資料記錄於記憶部53。
(步驟S205)其次，判定是否就全部工序已判定正常與否。首先，尚未就全部工序判定時，在以下工序執行步驟S203、S204之處理。另外，已就全部工序判定正常與否時，本流程圖之處理結束。
以上，本實施形態之資訊處理裝置5檢測在對象真空泵浦3內有無由凝固或液化之生成物所造成異常。決定部552至少使用一個對象真空泵浦3過去之對象狀態量，其為依流入真空泵浦3內之氣體負荷而變動的狀態量，而決定該對象狀態量之正常變動範圍。比較部553比較對象真空泵浦3現在之對象狀態量和上述正常變動範圍，並輸出比較結果。
採用該構成時，係決定對象狀態量由於生成物以外之因素的正常變動範圍或正常時間變動行為，在真空泵浦3之繼續運轉中，藉由比較該正常變動範圍或正常時間變動行為和現在的對象狀態量，可檢測由於生成物之因素的異常。因而，可在要一度停止真空泵浦3之運轉前的運轉期間，檢測對象真空泵浦3內有無由凝固或液化之生成物所造成異常。藉此，在真空泵浦3繼續運轉中之任意時間點預測隨著真空泵浦3由生成物所造成異常導致真空泵浦3停止的狀況，可降低對半導體製造裝置1內之製造製程中的製品造成損害之可能性。
另外，本實施形態中，作為依流入真空泵浦3內之氣體負荷而變動的狀態量之對象狀態量，係設為驅動對象真空泵浦3中包含之馬達38的驅動電流 有效值，不過並不限於有效值，亦可為峰值、平均值、中央值等其他電流值。此外，對象狀態量不限於電流，亦可為馬達38之轉數、馬達38之電力、轉子39之轉數、真空泵浦3之溫度、真空泵浦3之振動等的計測值。
此外，本實施形態之決定部552係就一個對象狀態量(以驅動電流有效值為一例)決定正常變動範圍，但不限於此，亦可就複數個對象狀態量決定正常變動範圍。此時，比較部553就該複數個正常變動範圍，分別比較與其對應之對象真空泵浦3現在的對象狀態量，即使一個對象真空泵浦3現在之對象狀態量不包含在對應的正常變動範圍時，即判定為異常，並輸出及/或記錄異常資料。
此外，本實施形態之決定部552係至少使用一個對象真空泵浦3過去之對象狀態量，其為依流入真空泵浦3內之氣體負荷而變動的狀態量，而決定該對象狀態量之正常變動範圍，但並非限於此者。決定部552亦可至少使用一個其他真空泵浦過去之對象狀態量而決定該對象狀態量之正常變動範圍。此處，其他真空泵浦之規格與對象真空泵浦概略相同。所謂規格與對象真空泵浦概略相同，例如包含機種相同者、機種雖不同而規格相同者或是大致相同者。
此外，區分部551亦可將對象真空泵浦所連通之半導體製造裝置1中的工序中使用之氣體種類及氣體流量為不同的期間區分作不同工序。即使如此仍，決定部552同樣地係按每個區分之工序決定對象真空泵浦現在之對象狀態量的前述正常變動範圍，比較部553亦可按每個經區分之工序比較對象真空泵浦現在之對象狀態量與正常變動範圍。
此外，決定部552亦可依據對象真空泵浦3所連通之半導體製造裝置1的製程之配方資訊，決定作為依流入該真空泵浦3內之氣體負荷而變動的狀 態量之對象狀態量的正常變動範圍。即使如此仍，比較部553同樣地亦可比較對象真空泵浦3現在之對象狀態量與上述正常變動範圍，並輸出比較結果。
採用該構成時，可在要一度停止真空泵浦3的運轉前的運轉期間，檢測對象真空泵浦3內有無由凝固或液化之生成物所造成異常。藉此，在真空泵浦3繼續運轉中之任意時間點預測隨著真空泵浦3由生成物所造成異常導致真空泵浦3停止的狀況，可降低對半導體製造裝置1內之製造製程中的製品造成損害之可能性。
另外，具備複數個裝置之資訊處理系統，亦可將本實施形態之資訊處理裝置5的各種處理分散在此等複數個裝置作處理。此外，本實施形態中係將控制裝置4與資訊處理裝置5作為不同裝置而說明，不過亦可構成為控制裝置4具備資訊處理裝置5。此外，亦可將用於執行本實施形態之資訊處理裝置各處理的程式記錄於電腦可讀取之記錄媒介，使記錄於該記錄媒介之程式毒入電腦系統，並藉由處理器執行，來進行本實施形態之資訊處理裝置的上述各種處理。
(第二種實施形態)
繼續，說明第二種實施形態。第十二圖係第二種實施形態之半導體製造系統10b的概略構成圖。與第一圖共同之元件上註記共同編號，並省略其詳細說明。第二種實施形態之半導體製造系統10b與第一種實施形態之半導體製造系統10比較，進一步具備：處理真空泵浦3之排放氣體的除害裝置7；及連接真空泵浦3與除害裝置7之配管6。除害裝置7經由信號線與半導體製造裝置1連接，並從半導體製造裝置1輸入表示開始成膜之開始成膜信號。真空泵浦3經由信號線與該除害裝置7連接，並從除害裝置7輸入該開始成膜信號。再者，在真空泵浦3中設有計測該真空泵浦3內之特定氣體(例如氮)濃度的氣體感測器8。再者，第二種實 施形態之半導體製造系統10b中，係將第一種實施形態之資訊處理裝置5變更成資訊處理裝置5b，而其處理內容不同。
本申請案之發明人藉由使用與發生異常數相關之對象參數(例如發生異常次數或發生異常頻率)的統計值(例如發生異常次數累積值或發生異常頻率累積值)，決定用於判定故障可能性或繼續運轉可能性之泵浦狀態判定基準，並將運轉中之對象參數的統計值和該泵浦狀態判定基準比較，發現可使判定故障可能性或繼續運轉可能性之精準度提高。
以下，使用第十三圖說明就該處理而安裝之第二種實施形態的資訊處理裝置5b。第十三圖係第二種實施形態之資訊處理裝置5b的概略構成圖。如第十三圖所示，第二種實施形態之資訊處理裝置5b與第一種實施形態之資訊處理裝置5比較，係將CPU55變更成CPU55b者。具體而言，CPU55b藉由從記憶部53讀取程式來執行，而發揮區分部551、決定部552b、比較部553b、判定基準決定部554、輸出部555、警報輸出部556之功能。
第十四圖係顯示增壓泵浦之電流(BP電流)與主泵浦的電流(MP電流)隨時間變化之一例的曲線圖。如第十四圖所示，BP電流與MP電流藉由區分部551而區分成16個工序。如上述，對象狀態量係在依流入真空泵浦內之氣體負荷而變動的狀態量中作為對象之狀態量，本實施形態中以增壓泵浦的電流作為一例而說明於下。此處所謂氣體負荷，係依氣體種類及氣體流量而變動之負擔。
第十五圖係顯示特定工序之BP電流的正常變動範圍之一例的曲線圖。第十五圖顯示藉由區分部551按每個工序區分BP電流後就特定工序的BP 電流隨時間變化之曲線圖W11、及該BP電流之正常變動範圍R11。該正常變動範圍R11係藉由決定部552b來決定。
此時，決定部552b係使用對象真空泵浦過去之對象狀態量或其他真空泵浦過去的對象狀態量，其為依流入真空泵浦內之氣體負荷而變動的狀態量，按每個工序決定該對象狀態量之正常變動範圍。此處，其他真空泵浦係對象真空泵浦以外之真空泵浦。
第十六圖係顯示已故障泵浦之特定工序發生異常次數隨時間變化之一例之曲線圖。如第十六圖所示，發生異常次數在即將故障之前有急遽增加的傾向。
第十七圖係顯示已故障泵浦之特定工序發生異常頻率隨時間變化之一例之曲線圖。此處，發生異常頻率係特定工序之發生異常次數除以該特定工序之時間的值。如第十七圖所示，發生異常頻率在即將故障之前有急遽增加的傾向。
第十八圖係顯示已故障泵浦之全部工序發生異常累積次數隨時間變化之一例之曲線圖。此處，全部工序之發生異常累積次數係在整個工序中累積發生異常次數者。如第十八圖所示，全部工序之發生異常累積次數在即將故障之前有急遽增加的傾向。
第十九圖係顯示已故障泵浦之全部工序發生異常頻率累積值隨時間變化之一例之曲線圖。此處，全部工序之發生異常頻率累積值，係在整個工序中累積發生異常頻率者。如第十九圖所示，全部工序之發生異常頻率累積值在即將故障之前有急遽增加的傾向。
繼續，使用第二十圖說明每個工序之要素資料的製作流程。第二十圖係顯示每個工序之要素資料製作流程的流程圖。
(步驟S301)首先，CPU55b將連續之對象狀態量(運轉資料)記錄於記憶部53。
(步驟S302)其次，區分部551將經記錄之連續資料分割成工序。因此，區分部551按每個工序分割其他真空泵浦過去之對象狀態量。另外，區分部551亦可按每個工序分割對象真空泵浦過去之對象狀態量。
(步驟S303)其次，決定部552b按每個經分割之工序設定正常變動範圍。
(步驟S304)其次，比較部553係按每個工序比較運轉中之對象真空泵浦的對象狀態量和正常變動範圍，並檢測從正常變動範圍脫離之異常資料。而後，比較部553按每個工序將從正常變動範圍離開之資料作為異常資料而記錄於記憶部53。以下，並列執行步驟S105及S106、和步驟S107~S109。
(步驟S305)比較部553係按每個工序分類成發生異常次數(異常資料數量)與發生時刻(泵浦發生時刻)。
(步驟S306)其次，比較部553係按每個工序算出在每個發生異常時刻發生異常次數之累積值，並作為每個工序之要素資料而記錄於記憶部53。
(步驟S307)比較部553係按每個工序藉由將發生異常次數(異常資料數量)除以該工序之時間來算出發生異常頻率。
(步驟S308)其次，比較部553係按每個工序分類成發生異常頻率與發生時刻(泵浦運轉時間)。
(步驟S309)其次，比較部553係按每個工序算出在每個發生異常時刻之發生異常頻率的累積值，並作為每個工序之要素資料而記錄於記憶部53。
另外，本流程圖係並列執行步驟S105及S106、和步驟S107~S109，不過亦可僅執行任何一方。
此外，區分部551亦可將從除害裝置7輸入之開始成膜信號中所包含的開始成膜時間點作為起點，而按每個工序分割對象真空泵浦過去之對象狀態量或其他真空泵浦過去的對象狀態量。藉由該構成，可確實按每個工序分割對象狀態量。
此外，區分部551亦可依據藉由氣體感測器8檢測出之感測值決定開始成膜時間點，並以該開始成膜時間點為起點，而按每個工序分割對象真空泵浦過去之對象狀態量或其他真空泵浦過去的對象狀態量。藉由該構成，可確實按每個工序分割對象狀態量。氣體感測器8係計測氮濃度時，在真空泵浦3怠速時，氮濃度值高且穩定，在淨化真空泵浦3時，氮濃度急遽下降。因而，區分部551亦可將氮濃度急遽下降時作為淨化時，而將比該淨化時還在設定時間前的時刻決定為開始成膜時間點。藉此，可更精確決定開始成膜時間點，可更精確地按每個工序分割對象狀態量。
此外，區分部551亦可使用馬達之負荷與氮濃度的組合而決定開始成膜時間點。藉此，可更精確決定開始成膜時間點，可更精確地按每個工序分割對象狀態量。
<實施例1>
繼續，說明第二種實施形態之實施例1。實施例1之資訊處理裝置5b係藉由統計與對象工序之發生異常數相關的對象參數，決定用於判定故障可能性之泵浦 狀態判定基準。而後，實施例1之資訊處理裝置5b比較與運轉中之對象泵浦的對象工序發生異常數相關之對象參數的統計值、和該泵浦狀態判定基準，並輸出表示故障可能性之故障指數作為泵浦狀態診斷值。
第二十一圖係就特定工序，用於說明從記憶部53讀取已故障泵浦之各個要素資料的示意圖。如第二十一圖所示，藉由第二十圖之流程圖處理，記憶部53中儲存有真空泵浦P1~PN(N係正整數)之要素資料，作為每個已故障真空泵浦(以下稱故障泵浦)之要素資料。該每個故障泵浦之要素資料由每個工序的要素資料，亦即工序1~n(n係正整數)的要素資料構成。作為要素資料之一例，係為顯示發生異常頻率累積值和運轉時間之對應關係的資訊，不過，此處為了便於瞭解，而顯示發生異常頻率累積值對運轉時間之曲線圖。如該曲線圖所示，即使是相同故障泵浦，按每個工序，發生異常頻率累積值和運轉時間的對應關係不同。
例如，讀取各故障泵浦之工序1的要素資料時，係從故障泵浦P1之要素資料讀取工序1的要素資料，並從故障泵浦P2之要素資料讀取工序1的要素資料。同樣地，從故障泵浦P3以後之要素資料依序讀取工序1的要素資料，最後，從故障泵浦PN之要素資料讀取工序1的要素資料。如第二十一圖所示，即使工序相同，按每個故障泵浦，發生異常頻率累積值與運轉時間之對應關係不同。
第二十二圖係故障泵浦之發生異常頻率累積值的頻率曲線圖之一例。第二十二圖之曲線圖，橫軸係故障泵浦已故障時工序1之發生異常頻率累積值，縱軸係資料數。按每個故障泵浦，工序1之發生異常頻率累積值係不同，其資料數顯示如第二十二圖所示的常態分佈。使用該曲線圖，並藉由判定基準決定部554決定工序1之發生異常頻率累積值的範圍和表示故障可能性之故障指數 (此處之一例為故障概率)的對應關係作為泵浦狀態判定基準。如此，判定基準決定部554就已故障之真空泵浦，藉由統計與對象工序之發生異常數相關的對象參數(此處之一例為發生異常頻率)，決定對象參數之統計值(此處之一例為發生異常頻率累積值)和故障指數的對應關係作為泵浦狀態判定基準。而後，將經決定之泵浦狀態判定基準例如作為以下第二十三圖所示之表格而記憶於記憶部53。
第二十三圖係顯示工序1之發生異常頻率累積值的範圍、和對應於其範圍之故障指數的對應關係表之一例。如第二十三圖所示，對工序1之發生異常頻率累積值的範圍，設定表示故障可能性之故障指數(此處之一例為故障概率)。如第二十三圖所示，工序1之發生異常頻率累積值愈小，故障指數值設定成愈低。
其次，參照第二十一圖~第二十三圖，並使用第二十四圖說明故障指數輸出處理之流程。第二十四圖係顯示故障指數輸出處理流程之第一例的流程圖。
(步驟S401)首先，如第二十一圖所示，CPU55就各個故障泵浦讀取對象工序(例如工序1)之要素資料。
(步驟S402)其次，判定基準決定部554使用與故障泵浦之發生異常數相關的對象參數(例如發生異常頻率)的統計值(例如故障時之發生異常頻率累積值)，製作顯示對象參數之統計值(例如於故障時之發生異常頻率累積值)和故障指數的對應關係表，作為泵浦狀態判定基準之一例，並將製作好之表格記錄於記憶部53。藉此，將例如第二十三圖所示之表格記錄於記憶部53。
(步驟S403)其次，輸出部555比較運轉中之對象泵浦的對象參數統計值(例如發生異常頻率累積值)和在前一個步驟製作好的表格。此時，輸出部555在該表中決定與運轉中之對象泵浦的對象參數統計值(例如發生異常頻率累積值)對應之故障指數。
(步驟S404)而後，輸出部555輸出經決定之故障指數。因此，輸出部555比較與運轉中之對象泵浦的對象工序發生異常數相關之對象參數(例如發生異常頻率)的統計值(例如發生異常頻率累積值)、和藉由判定基準決定部554所決定之泵浦狀態判定基準(亦即對象參數之統計值與故障指數的對應關係)，而輸出故障指數作為泵浦狀態診斷值。
藉由該構成，運轉中之對象泵浦的管理者可掌握該對象泵浦之故障可能性，可使在該對象泵浦故障之前可進行更換或維修的可能性提高。
另外，本實施形態係說明以對象參數作為發生異常頻率作為一例，不過並非限於此者。對象參數亦可為發生異常次數，此時，對象參數之統計值亦可為發生異常次數累積值。此時，泵浦狀態判定基準亦可為第二十五圖所示之表格。第二十五圖係顯示工序1之發生異常次數累積值的範圍、和對應於其範圍之故障指數的對應關係表之一例。如第二十五圖所示，對於工序1之發生異常次數累積值的範圍，設定有表示故障可能性之故障指數(此處以故障概率作為一例)。如第二十五圖所示，工序1之發生異常次數累積值愈小故障指數值設定成愈低。
此外，對象參數之統計值亦可係發生異常頻率累積值之變化值。此時，泵浦狀態判定基準亦可為第二十六圖所示之表格。第二十六圖係顯示工序1之發生異常頻率累積值的變化率、和對應於其範圍之故障指數的對應關係表之一例。如第二十六圖所示，對工序1之發生異常頻率累積值的範圍設定有表示故 障可能性之故障指數(此處之一例為故障概率)。如第二十六圖所示，工序1之發生異常頻率累積值的變化率愈小故障指數值設定成愈低。另外，對象參數之統計值亦可係發生異常次數累積值的變化值。
此外，泵浦狀態判定基準亦可係將發生異常頻率累積值之開始變化時間點和發生異常頻率累積值的變化值之組合相對應的故障指數。此時，泵浦狀態判定基準亦可係第二十七圖所示之表格。第二十七圖係顯示發生異常頻率累積值之開始變化時間的範圍與發生異常頻率累積值之變化值的範圍之組合、和對應於其組合之故障指數的對應關係表之一例。如第二十七圖所示，對發生異常頻率累積值之開始變化時間點的範圍與發生異常頻率累積值之變化值的範圍之組合，設定有表示故障可能性之故障指數(此處之一例為故障概率)。
另外，泵浦狀態判定基準亦可係與發生異常次數累積值之開始變化時間點及與發生異常次數累積值之變化值的組合相對應之故障指數。
此外，對象參數之統計值亦可係發生異常頻率累積值曲線之積分值。此時，泵浦狀態判定基準亦可係第二十八圖所示之表格。第二十八圖係顯示工序1之發生異常頻率累積值曲線的積分值範圍、和與於其範圍之故障指數對應的對應關係表之一例。如第二十八圖所示，對工序1之發生異常頻率累積值曲線的積分值範圍設定有表示故障可能性之故障指數(此處之故障概率作為一例)。如第二十八圖所示，工序1之發生異常頻率累積值曲線的積分值愈小，故障指數值設定成愈低。另外，對象參數之統計值亦可為發生異常次數累積值曲線的積分值。
<實施例2>
繼續說明第二種實施形態之實施例2。實施例1中係藉由統計與對象工序之發生異常數相關的對象參數，決定了泵浦狀態判定基準，不過實施例2之資訊處理裝置5b係藉由統計與全部工序之發生異常數相關的對象參數，而決定用於判定故障可能性的泵浦狀態判定基準。而後，實施例2之資訊處理裝置5b比較與運轉中之對象泵浦全部工序發生異常數相關的對象參數統計值、和該泵浦狀態判定基準，並輸出表示故障可能性之故障指數，作為泵浦狀態診斷值。
第二十九圖係用於說明全部工序累計要素資料之示意圖。如第二十九圖所示，藉由第二十圖之流程圖的處理，在記憶部53中儲存有真空泵浦P1~PN(N係正整數)之要素資料，作為每個已故障之泵浦(以下稱故障泵浦)的要素資料。該每個故障泵浦之要素資料由每個工序的要素資料，亦即工序1~n(n係正整數)的要素資料構成。作為一例，要素資料係顯示發生異常頻率累積值和運轉時間之對應關係的資訊，不過，此處為了便於瞭解，而顯示發生異常頻率累積值對運轉時間之曲線圖。如該曲線圖所示，即使是相同故障泵浦，按每個工序，發生異常頻率累積值與運轉時間的對應關係仍不同。
例如，真空泵浦P1之全部工序累計要素資料，在各運轉時刻係以累計真空泵浦P1之工序1、工序2、...、工序n的發生異常頻率累積值之值來表示。真空泵浦P2以後之全部工序累計要素資料亦同樣，真空泵浦PN之全部工序累計要素資料係在各運轉時刻以累計真空泵浦PN之工序1、工序2、...、工序n的發生異常頻率累積值之值來表示。
第三十圖係故障泵浦之全部工序發生異常頻率累積值的頻率曲線圖之一例。第三十圖之曲線圖的橫軸係在故障泵浦故障時全部工序的發生異常頻率累積值，縱軸係資料數。全部工序發生異常頻率累積值按每個故障泵浦而不 同，其資料數顯示如第三十圖所示之常態分佈。使用該曲線圖並藉由判定基準決定部554決定全部工序發生異常頻率累積值之範圍和顯示故障可能性之故障指數(此處係以故障概率作為一例)的對應關係，作為泵浦狀態判定基準。因此，判定基準決定部554就已故障之真空泵浦，係藉由統計與全部工序發生異常數相關之對象參數(此處之一例為全部工序的發生異常頻率)，而決定對象參數之統計值(此處之係以全部工序之發生異常頻率累積值作為一例)和故障指數的對應關係，作為泵浦狀態判定基準。而後，將經決定之泵浦狀態判定基準例如作為第三十一圖所示之表格而記憶於記憶部53。
第三十一圖係顯示全部工序發生異常頻率累積值之範圍、和與其範圍對應之故障指數的對應關係表之一例。如第三十一圖所示，對全部工序發生異常頻率累積值之範圍，設定有表示故障可能性的故障指數(此處係以故障概率為一例)。如第三十一圖所示，全部工序發生異常頻率累積值愈小，故障指數之值設定成愈低。
其次一邊參照第二十九圖~第三十一圖，一邊使用第三十二圖說明故障指數輸出處理之流程。第三十二圖係顯示故障指數輸出處理流程之第二例的流程圖。
(步驟S501)首先，如第二十九圖所示，CPU55就各個故障泵浦讀取全部工序之要素資料。
(步驟S502)其次，CPU55按每個故障泵浦累計全部工序之要素資料，並記錄於記憶部53作為總累計要素資料。
(步驟S503)其次，判定基準決定部554使用與故障泵浦之全部工序發生異常數相關的對象參數(例如發生異常頻率)之統計值(此處以於故障時 包含全部工序的發生異常頻率累積值作為一例)，製作顯示對象參數之統計值(例如故障時包含全部工序之發生異常頻率累積值)與故障指數的對應關係表，作為泵浦狀態判定基準之一例，並將製作好之表格記錄於記憶部53。藉此，將例如第三十一圖所示之表格記錄於記憶部53。
(步驟S504)其次，輸出部555比較運轉中之對象泵浦的對象參數之統計值(例如包含全部工序之發生異常頻率累積值)和前一個步驟製作好的表格。此時，輸出部555在該表中決定與運轉中之對象泵浦的對象參數之統計值(例如涵蓋全部工序之發生異常頻率累積值)對應的故障指數。
(步驟505)而後，輸出部555輸出經決定之故障指數。因此，輸出部555比較與運轉中之對象泵浦的全部工序發生異常數相關之對象參數(例如發生異常頻率)的統計值(例如涵蓋全部工序之發生異常頻率累積值)、和藉由判定基準決定部554所決定之泵浦狀態判定基準(亦即對象參數之統計值與故障指數的對應關係)，並輸出故障指數作為浦泵狀態診斷值。
藉由該構成，運轉中之對象泵浦的管理者可掌握該對象泵浦之故障可能性，可使在該故障泵浦故障之前，可進行更換或維修之可能性提高。
<實施例3>
繼續說明第二種實施形態之實施例3。實施例1及2之資訊處理裝置5b係輸出表示故障可能性之故障指數作為泵浦狀態診斷值，不過，實施例3中，係輸出表示繼續運轉可能性之繼續運轉指數作為泵浦狀態診斷值。
具體而言，實施例3之資訊處理裝置5b就並無故障而繼續運轉之真空泵浦，藉由統計與對象工序發生異常數相關之對象參數，決定對象參數之統計值和繼續運轉指數的對應關係作為判定基準。而後，實施例3之資訊處理裝置5b藉由比 較與運轉中之對象泵浦的對象工序發生異常數相關之對象參數的統計值和上述對應關係，而輸出繼續運轉指數。
第三十三圖係顯示工序1發生異常次數累積值之頻率曲線圖、和工序1發生異常次數累積值和繼續運轉概率之關係的曲線圖之一例。第三十三圖上方之曲線圖係工序1之發生異常次數累積值的頻率曲線圖，且橫軸係工序1之發生異常次數累積值，縱軸係資料數。第三十三圖下方之曲線圖係顯示工序1之發生異常次數累積值與繼續運轉概率的關係曲線圖，且橫軸係工序1之發生異常次數累積值，縱軸係繼續運轉概率，且由第三十三圖上方之頻率曲線圖來決定。亦即，工序1之發生異常次數累積值愈小，繼續運轉概率愈高。
使用顯示該工序1之發生異常次數累積值和繼續運轉概率的關係曲線圖，藉由判定基準決定部554決定工序1之發生異常頻率累積值的範圍、和表示繼續運轉可能性之繼續運轉指數(此處係以繼續運轉概率為一例)的對應關係，作為泵浦狀態判定基準。如此，判定基準決定部554就並無故障而繼續運轉之真空泵浦(例如，無故障而被退回之真空泵浦)，藉由統計與對象工序發生異常數相關之對象參數(此處之一例為發生異常頻率)，決定對象參數之統計值(此處之一例為發生異常頻率累積值)和繼續運轉指數的對應關係作為泵浦狀態判定基準。而後，將經決定之泵浦狀態判定基準作為例如以下第三十四圖所示之表格而記憶於記憶部53。
第三十四圖係顯示工序1發生異常頻率累積值之範圍、和與其範圍對應之繼續運轉指數的對應關係表之一例。如第三十四圖所示，對工序1之發生異常頻率累積值的範圍，設定有表示繼續運轉可能性之繼續運轉指數(此處以繼 續運轉概率作為一例)。如第三十四圖所示，工序1之發生異常頻率累積值愈小，繼續運轉指數之值設定成愈高。
其次，一邊參照第三十四圖，一邊使用第三十五圖說明繼續運轉指數輸出處理的流程。第三十五圖係顯示繼續運轉指數輸出處理流程之第一例的流程圖。
(步驟S601)首先，CPU55就各個並無故障而繼續運轉之真空泵浦讀取對象工序的要素資料。
(步驟S602)其次，CPU55使用並無故障而繼續運轉之真空泵浦的對象工序(例如工序1)之對象參數(例如發生異常頻率)的統計值(例如發生異常頻率累積值)，製作如第三十四圖所示之顯示對象參數的統計值(例如發生異常頻率累積值)和繼續運轉指數之對應關係的表格，並將該製作好之表格記錄於記憶部53。
(步驟S603)其次，輸出部555比較運轉中之對象泵浦的對象參數統計值(例如發生異常頻率累積值)、和前一個步驟製作好之表格。此時，輸出部555在該表中決定與運轉中之對象泵浦的對象參數統計值(例如發生異常頻率累積值)對應之繼續運轉指數。
(步驟S604)而後，輸出部555輸出決定之故障指數。因此，輸出部555比較與運轉中之對象泵浦的對象工序發生異常數相關之對象參數(例如發生異常頻率)的統計值(例如發生異常頻率累積值)、和藉由判定基準決定部554所決定之泵浦狀態判定基準(亦即對象參數之統計值和繼續運轉指數的對應關係)，並輸出繼續運轉指數作為泵浦狀態診斷值。
藉由該構成，運轉中之對象泵浦的管理者可掌握該對象泵浦之繼續運轉可能性，可使在該對象泵浦故障之前可進行更換或維修的可能性提高。
<實施例4>
繼續說明第二種實施形態之實施例4。實施例3之資訊處理裝置5b雖統計與對象工序之發生異常數相關的對象參數，但是統計與全部工序之發生異常數相關的對象參數。
具體而言，實施例4之資訊處理裝置5b藉由統計處理與全部工序發生異常數相關之對象參數，決定對象參數之統計值和繼續運轉指數的對應關係作為判定基準。而後，實施例4之資訊處理裝置5b藉由比較與運轉中之對象泵浦的全部工序發生異常數相關之對象參數統計值、和上述對應關係，而輸出繼續運轉指數。
第三十六圖係顯示全部工序發生異常次數累積值之頻率曲線圖、和全部工序發生異常次數累積值和繼續運轉概率之關係的曲線圖之一例。第三十六圖上方之曲線圖係全部工序發生異常次數累積值的頻率曲線圖，且橫軸係全部工序發生異常次數累積值，縱軸係資料數。第三十六圖下方之曲線圖係顯示全部工序發生異常次數累積值和繼續運轉概率的關係曲線圖，且橫軸係全部工序發生異常次數累積值，縱軸係繼續運轉概率，且由第三十六圖上方之頻率曲線圖來決定。亦即，全部工序發生異常次數累積值愈小，繼續運轉概率愈高。
使用顯示該全部工序發生異常次數累積值和繼續運轉概率的關係曲線圖，藉由判定基準決定部554決定全部工序發生異常頻率累積值的範圍、和表示繼續運轉可能性之繼續運轉指數(此處係以繼續運轉概率為一例)的對應關係，作為泵浦狀態判定基準。如此，判定基準決定部554就並無故障而繼續運轉之真空泵浦(例如，無故障而被退回之真空泵浦)，藉由統計與全部工序發生異 常數相關之對象參數(此處以發生異常頻率為一例)，決定對象參數之統計值(此處以發生異常頻率累積值為一例)和繼續運轉指數的對應關係，作為泵浦狀態判定基準。而後，將經決定之泵浦狀態判定基準作為例如以下第三十七圖所示之表格而記憶於記憶部53。
第三十七圖係顯示全部工序發生異常頻率累積值之範圍、和與其範圍對應之繼續運轉指數的對應關係表之一例。如第三十七圖所示，對全部工序發生異常頻率累積值的範圍，設定有表示繼續運轉可能性之繼續運轉指數(此處以繼續運轉概率為一例)。如第三十七圖所示，全部工序發生異常頻率累積值愈小，繼續運轉指數之值設定成愈高。
其次，一邊參照第三十七圖，一邊使用第三十八圖說明繼續運轉指數輸出處理的流程。第三十八圖係顯示繼續運轉指數輸出處理流程之第二例的流程圖。
(步驟S701)首先，CPU55就各個並無故障而繼續運轉之真空泵浦讀取全部工序的要素資料。
(步驟S702)其次，CPU55按每個並無故障而繼續運轉之真空泵浦累計全部工序之要素資料，並記錄於記憶部53作為總累計要素資料。
(步驟S703)其次，判定基準決定部554使用與並無故障而繼續運轉之真空泵浦的全部工序發生異常數相關之對象參數(例如發生異常頻率)的統計值(此處以涵蓋全部工序之發生異常頻率累積值為一例)，製作顯示對象參數之統計值(例如包含全部工序之發生異常頻率累積值)和故障指數的對應關係之表格，作為泵浦狀態判定基準之一例，並將製作好之表格記錄於記憶部53。藉此，將例如第三十七圖所示之表格記錄於記憶部53。
(步驟S704)其次，輸出部555比較運轉中之對象泵浦的對象參數統計值(例如包含全部工序之發生異常頻率累積值)、和在前一個步驟製作好之表格。此時，輸出部555在該表中決定與運轉中之對象泵浦的對象參數統計值(例如涵蓋全部工序之發生異常頻率累積值)對應之繼續運轉指數。
(步驟S705)而後，輸出部555輸出經決定之繼續運轉指數。如此，輸出部555比較與運轉中之對象泵浦全部工序發生異常數相關之對象參數(例如發生異常頻率)的統計值(例如涵蓋全部工序之發生異常頻率累積值)、和藉由判定基準決定部554所決定之泵浦狀態判定基準(亦即對象參數之統計值和繼續運轉指數的對應關係)，並輸出繼續運轉指數作為浦泵狀態診斷值。
藉由該構成，運轉中之對象泵浦的管理者可掌握該對象泵浦之繼續運轉可能性，可使在該對象泵浦故障之前，可進行更換或維修的可能性提高。
另外，判定基準決定部554亦可按真空泵浦有無故障之別，使用與對象工序或全部工序之發生異常數相關的對象參數，而決定用於判斷是否輸出警報之警報判斷基準。具體而言，例如判定基準決定部554亦可就已故障之真空泵浦，藉由統計與對象工序或全部工序之發生異常數相關的對象參數，決定臨限值(例如發生異常頻率累積值之臨限值)作為警報判斷基準。
警報輸出部556比較與對象泵浦之對象工序或全部工序發生異常數相關的對象參數統計值(例如發生異常頻率累積值)、和藉由判定基準決定部554所決定之用於判斷是否輸出警報之警報判斷基準，並依比較結果輸出警報。例如，用於判斷是否輸出警報之警報判斷基準係臨限值時，警報輸出部556亦可於與對象泵浦之對象工序或全部工序發生異常數相關的對象參數統計值(例如發生異常頻率累積值)超過臨限值時，輸出警報，不超過臨限值時不輸出警報。 藉由該構成，運轉中之對象泵浦的管理者可掌握該對象泵浦之繼續運轉可能性，可使在該對象泵浦故障之前，可進行更換或維修的可能性提高。
以上，係在第二種實施形態之資訊處理裝置5b中，決定部552b使用對象真空泵浦過去之對象狀態量或其他真空泵浦過去的對象狀態量，其為依流入真空泵浦內之氣體負荷而變動的狀態量，按每個工序決定該對象狀態量之正常變動範圍。比較部553b係按每個工序比較運轉中之對象真空泵浦的對象狀態量和正常變動範圍，檢測從正常變動範圍脫離之異常資料。判定基準決定部554按真空泵浦有無故障之別，使用與對象工序或全部工序之發生異常數相關的對象參數統計值，決定用於判定故障可能性或繼續運轉可能性之泵浦狀態判定基準或用於判斷是否輸出警報之警報判斷基準。
藉由該構成，資訊處理裝置5b可使用泵浦狀態判定基準判定運轉中之對象真空泵浦的故障可能性或繼續運轉可能性，或是可就運轉中之對象真空泵浦，使用該判斷基準判斷是否輸出警報。
此處，與發生異常數相關之對象參數，例如係發生異常次數、或將特定工序之發生異常次數除以該特定工序期間而獲得的發生異常頻率。藉由該構成，由於可使用發生異常次數或發生異常頻率之統計值(例如發生異常次數累積值或發生異常頻率累積值)而決定泵浦狀態判定基準，因此可使故障可能性或繼續運轉可能性之判定精準度提高。
此外，輸出部555比較與運轉中之對象泵浦的對象工序或全部工序發生異常數相關之對象參數統計值、及藉由判定基準決定部554所決定之泵浦狀態判定基準，並輸出浦泵狀態診斷值。此處，泵浦狀態診斷值中包含表示故障可能性之故障指數或表示繼續運轉可能性之繼續運轉指數。藉由該構成，由於運轉 中之對象泵浦的管理者可掌握故障可能性或繼續運轉可能性，因此可使可在故障前進行真空泵浦之更換或維修的可能性提高。
另外，具備複數個裝置之資訊處理系統亦可將本實施形態之資訊處理裝置5b的各處理，分散在此等複數個裝置作處理。此外，本實施形態中係將控制裝置4與資訊處理裝置5b作為不同裝置而說明，不過亦可構成為控制裝置4具備資訊處理裝置5b。此外，亦可將用於執行本實施形態之資訊處理裝置各處理的程式記錄於電腦可讀取的記錄媒介，使電腦系統讀入記錄於該記錄媒介之程式，並藉由處理器執行，來進行本實施形態之資訊處理裝置的上述各種處理。
此外，本實施形態係中係使用對象參數之累積值(累計值)作為對象參數的統計值，不過並非限於此者，作為資料處理方法亦可為對象參數之積分值、微分值、積分值之比較、平均值、中央值等。此外，亦可將對象參數以指定篩選器篩選後，計算累積值(累計值)、積分值、微分值、積分值之比較、平均值、中央值等。輸出部555亦可使用此等指標作判斷。
此外，各種實施形態之資訊處理裝置中的處理，亦可使用量子計算、深層學習等類神經網路或機械學習等的人工智慧(Artificial Intelligence：AI)等。例如，在有教師學習中使用並無故障而繼續運轉之真空泵浦資料作為教師資料者，資料數可減少。
此外，作為教師資料，例如亦可將第七圖所示之每個工序對象狀態量之時間系列資料與屬於該時間系列資料之工序的組合傳遞至資訊處理裝置，資訊處理裝置預先以AI進行學習，就運轉中之對象狀態量的時間序列資料，預測在哪個工序。
另外，各種實施形態之資訊處理裝置中的處理，亦可在雲端處理，亦可在經由通信網連接於伺服器等資訊處理裝置的終端裝置(即邊緣)進行處理。
例如作為邊緣終端安裝了用於進行各種實施形態之資訊處理的邏輯，可使用由開放式結構(電腦系統之邏輯性構造)採用可高速通信的現場總線(Fieldbus)(在工廠等使用數位通信進行運轉之現場機器與控制器間的信號交換之規格)的控制器，更具體而言，可使用支援按照IEC61131-3(以國際電氣標準會議(IEC)在1993年12月發行之標準規格所定義了PLC(可程式邏輯控制器(Programmable Logic Controller))用之程式語言者)的PLC5語言或C語言之控制器。
另外，上述實施形態中係說明以作為半導體製造系統，不過如第三十九圖所示，亦可以作為連續處理複數個基板之基板處理裝置之一個裝置而構成。第三十九圖係第二種實施形態之變形例的基板處理裝置100。如第三十九圖所示，基板處理裝置100亦可具有：導入成膜用氣體而將基板成膜之腔室成膜爐11；連通於腔室成膜爐11之真空泵浦裝置3；處理真空泵浦3之排放氣體的除害裝置7；控制真空泵浦3之控制裝置4b；及記憶裝置9。另外，控制裝置4b亦可內建記憶裝置9。基板處理裝置100進一步具有控制腔室成膜爐11之控制部12，控制部12將包含開始成膜時間點之開始成膜信號輸出至除害裝置7。藉此，除害裝置7可將包含開始成膜時間點之開始成膜信號輸出往控制裝置4之後述的生成電路42。另外，作為除害裝置7中之處理的一例，舉例如使用燃燒用燃燒器之排放氣體的除害處理、或者由使用電漿將排放氣體的氧化、熱分解之除害處理。控制裝置4b具有實現上述實施形態之資訊處理裝置5或5b功能的電路。
此時，例如在連續地對複數個基板進行包含使用腔室成膜爐11對1片基板之成膜處理以及清洗處理中至少一個的處理工序時，控制裝置4b具有記憶處理電路41，其將在各個處理工序所使用之氣體種類或氣體流量中至少1個按各處理工序相關連而作為1組資料組相關連而儲存於記憶裝置9。
此外，控制裝置4b具有生成電路42，其在使真空泵浦3啟動，將腔室成膜爐11抽成了指定真空度後，將從除害裝置7輸入之開始成膜信號中所包含的開始成膜時間點作為起點，按每個工序分割從記憶裝置9讀取之對象真空泵浦過去的對象狀態量或其他真空泵浦過去的對象狀態量，而生成經分割之對象狀態量。
再者，控制裝置4b具有決定電路43，其按每個經分割之對象狀態量決定依流入真空泵浦3內之氣體負荷而變動的狀態量之對象狀態量的正常變動範圍。
另外，此處記憶處理電路41、生成電路42、及決定電路43係作為硬體而說明，不過不限於此，亦可控制裝置具有處理器(例如微處理器)，藉由該處理器從ROM(唯讀記憶體(Read Only Memory))等記憶裝置讀取程式來執行，而實現記憶處理電路41、生成電路42、及決定電路43。
(第三種實施形態)
半導體製造裝置廣泛使用基於在腔室內形成真空環境之目的，將使用於半導體製造工序之氣體從腔室內排出的真空泵浦。此種真空泵浦習知有具備魯氏或螺旋型之泵轉子的容積式型式之真空泵浦。
通常，容積式真空泵浦具備：配置於機殼內之一對泵轉子；及用於旋轉驅動該泵轉子之馬達。在一對泵轉子間及泵轉子與機殼的內面之間形成 有微小之餘隙，泵轉子係構成在不接觸機殼下而旋轉。而後藉由一對泵轉子同步且彼此相反方向旋轉，而將機殼內之氣體從吸入側輸送至吐出側，並從連接於吸入口之腔室等排出氣體。
使用於半導體製造工序之氣體、或是使用之氣體藉由化學反應而生成的物質，有時含有當溫度降低時會凝固或液化的成分。通常，上述之真空泵浦因為在輸送氣體過程產生壓縮熱，所以運轉中之真空泵浦會達到某種程度高溫。由於壓縮熱而高溫化下仍無法比氣體中之成分或生成物質凝固或液化溫度還高的情況下，泵本體藉由外部加熱或流入氣體之加熱而維持真空泵浦的高溫。使用上述真空泵浦即使排出包含上述成分之氣體時，氣體中之成分或生成物質仍不致凝固或液化而會進行良好的真空排氣。
但是，有的半導體製造工序在上述真空泵浦高溫化下，仍無法防止使用之氣體或來自使用之氣體的生成物質液化、凝固。在該工序下繼續運轉真空泵浦的話，則該凝固之生成物(反應生成物)會堆積在泵轉子間或泵轉子與機殼的間隙。而後，該生成物之堆積進行的話，在真空泵浦運轉中由於對真空泵浦施加過剩的負荷，會導致在製造製程中真空泵浦停止，而對製造製程中之製品造成很大損害。
為了防止此種損害，專利文獻3揭示有當馬達電流之積分值或平均值超過臨限值時發出警報。專利文獻4揭示有分析診斷來自至少具備檢測真空泵浦發生之AE(聲波發射)的AE感測器之感測部的信號。
但是，依然需要一種降低在製造製程中真空泵浦停止，對製造製程中之製品造成嚴重損害的危險性之技術。
首先，說明第三種實施形態。第三種實施形態中，係將從異常資料的傾向所抽出之到達故障共同條件，作為基準資料而記憶於資訊處理裝置205為前提作說明，前述異常資料的傾向係於已故障之真空泵浦的狀態量資料中檢測出。而後，第三種實施形態之資訊處理裝置205比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向和基準資料，並輸出比較結果。
第四十圖係第三種實施形態之半導體製造系統210之概略構成圖。如第四十圖所示，本實施形態之半導體製造系統210具備：半導體製造裝置201、真空泵浦203、連繫半導體製造裝置201與真空泵浦203之配管202、控制真空泵浦203之控制裝置204、資訊處理裝置205、及連接於資訊處理裝置205之顯示裝置206。半導體製造裝置201具備：成膜腔室211、及控制成膜腔室211之控制部212。成膜腔室211與真空泵浦203經由配管202而連通，藉由真空泵浦203運轉排出成膜腔室211內之氣體(Gas)，而抽成概略真空。作為成膜腔室211中之成膜種類包括CVD(化學氣相沉積(Chemical Vapor Deposition))、PVD(物理氣相沉積(Physical Vapor Deposition))；ALD(原子層沉積(Atomic Layer Deposition))、蒸鍍、濺鍍成膜。
真空泵浦203亦可為具備魯氏轉子者，亦可為具備螺旋型之轉子者。此外，真空泵浦203亦可係爪型或渦流型真空泵浦。此外，真空泵浦203亦可係一段泵浦，亦可係多段泵浦。在真空泵浦203之排氣側後段連接有排放氣體處理裝置。本實施形態之資訊處理裝置205比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料傾向和基準資料，並將比較結果例如輸出至顯示裝置206。
第四十一圖係第三種實施形態之真空泵浦203的概略功能構成圖。如第四十一圖所示，真空泵浦203具備：電源236、輸入與電源236連接之逆變器 237、輸入與逆變器237之輸出連接的馬達238、及連結於馬達238之旋轉軸的轉子239。此外，真空泵浦203具備壓力計235。
逆變器237將從電源236供給之交流電流進行頻率轉換，並將頻率轉換所獲得之驅動電流供給至馬達238。藉此，馬達238之旋轉軸藉由該驅動電流而旋轉，藉由轉子239隨其旋轉，而排出從配管202所吸入之氣體。如此，藉由氣體從配管202連續輸送，而將連接於配管202之成膜腔室211內的氣體進行真空排氣。
馬達238將表示馬達238轉數之轉數信號輸出至逆變器237。逆變器237例如將驅動電流之電流有效值與從轉數信號獲得之馬達238的旋轉速度供給至資訊處理裝置205。此外，藉由壓力計235所計測之真空泵浦203內的壓力值供給至資訊處理裝置205。
第四十二圖係第三種實施形態之資訊處理裝置205的概略構成圖。如第四十二圖所示，資訊處理裝置205具備：輸入部251、輸出部252、記憶部253、記憶體254、運算部255、通信部256。
輸入部251連接於逆變器237及壓力計235，將驅動電流之電流有效值、馬達238之旋轉速度、真空泵浦203內之壓力值輸入輸入部251。輸出部252按照運算部255之指令將包含資訊之信號輸出至顯示裝置206。記憶部253中儲存有運轉資料。運算部255具有：CPU(中央處理單元(Central Processing Unit))280、異常資料檢測部281、比較部282及儲存有程式之快取記憶體283。
此外，記憶部253中記憶有用於判定到達故障之可能性的基準資料。該基準資料係使用在已故障之真空泵浦的狀態量資料中檢測出之異常資料傾向而決定者。本實施形態中作為其之一例如第四十三圖所示，真空泵浦203之 屬性與基準資料相關連而記憶在記憶部253中。第四十三圖係記憶於記憶部253之表格T1的一例。表格T1中儲存有真空泵浦之屬性與基準資料的組合。此處的真空泵浦之屬性，例如係真空泵浦之種類、機種及/或連接於該真空泵浦之半導體製造裝置的種類或機種、真空泵浦之製造號碼、或構成真空泵浦之零件(Parts)的零件編號。
記憶體254暫時儲存資訊。通信部256經由通信網路而與外部終端裝置通信。該通信亦可有線亦可無線。CPU280讀取並執行儲存於快取記憶體283之程式。
異常資料檢測部281從運轉中之真空泵浦的狀態量資料檢測異常資料。此處之異常資料，例如係從按每個經區分之工序所定義的正常範圍離開之值、與工序無關之尖峰值、或每個經區分之工序其整體工序歷時性變化傾向的異常(例如，並非瞬間的離開資料，而係一定期間之區分段整體增加傾向等)等。
比較部282比較藉由異常資料檢測部281檢測出、從運轉中的真空泵浦之狀態量資料檢測出之異常資料傾向、和記憶於記憶部253之基準資料，並輸出比較結果。具體而言，例如，比較部282判定經比較之結果、真空泵浦到達故障的可能性，並輸出判定結果作為比較結果。此處之異常資料的傾向，例如係(1)異常資料發生次數、(2)異常資料發生間隔隨時間變化(間隔減少)、(3)異常資料值之增加或減少傾向、(4)發生異常繼續時間或繼續時間之隨時間變化、(5)發生異常資料之工序的傾向(偏差)、(6)發生異常之工序中(1)~(4)的條件(例如在某個工序中之(1)~(4))、或(7)(2)~(4)組合(Set)的發生狀況。另外，比較部282中之處理亦可以CPU280進行運算。此外， 比較部282亦可另外以FPGA(現場可程式化閘陣列(field-programmable gate array))或專用板(Board)來實現。
此外如上述，作為本實施形態之一例係將真空泵浦之屬性與基準資料相關連而記憶於記憶部253。比較部282亦可比較從運轉中之真空泵浦203的狀態量檢測出之異常資料的傾向、和在記憶部253中與該運轉中之真空泵浦203的屬性相關連而記憶之基準資料。
繼續，使用第四十四圖說明第三種實施形態之比較處理流程。第四十四圖係顯示第三種實施形態之比較處理流程的一例之流程圖。
(步驟S101)首先，異常資料檢測部281從運轉中之泵浦的狀態量資料檢測異常資料。
(步驟S102)其次，比較部282比較異常資料之傾向及基準資料，判定真空泵浦203到達故障之可能性。
(步驟S103)其次，比較部282將到達故障之可能性的判定結果作為比較結果而例如輸出往顯示裝置206。
以下，說明比較部282中之比較方法例子。
(比較方法1)
例如，在記憶部253中記憶有臨限值作為基準資料時，比較部282亦可比較作為基準資料之臨限值和運轉中之真空泵浦的異常資料發生次數而作判定。此時之臨限值，例如係使用已故障之複數個真空泵浦的異常資料發生次數而設定者。具體而言，臨限值亦可為已故障之真空泵浦的異常資料發生次數之平均值、中央值、最小值、最大值、或代表值等。具體而言，比較部282亦可判定運轉中之真 空泵浦的異常資料發生次數是否超過臨限值，超過臨限值時，判定為真空泵浦203有到達故障的可能性。
(比較方法2)
例如，記憶部253中記憶有與異常資料相關之參數(例如狀態量、發生次數、發生頻率、發生間隔)和發生故障概率之複數個組合作為基準資料時，比較部282亦可比較記憶於記憶部253之與異常資料相關的參數和運轉中之真空泵浦的異常資料發生次數，而輸出在記憶部253中與運轉中之真空泵浦的異常資料發生次數相對應之發生故障概率。
(比較方法3)
例如，記憶部253中記憶有與異常資料相關之複數個參數(例如狀態量、發生次數、發生頻率、發生間隔)和發生故障概率作為基準資料時，比較部282亦可比較記憶於記憶部253之複數個參數和運轉中之真空泵浦的複數個參數，而輸出在記憶部253中與運轉中之真空泵浦的複數個參數之組合相對應之發生故障概率。
(比較方法4)
例如，記憶部253中假定對與異常資料相關之參數(例如狀態量、發生次數、發生頻率、發生間隔)將基準值相關連而記憶作為基準資料，且對背離值和與異常資料相關之參數(例如狀態量、發生次數、發生頻率、發生間隔)的組合將發生故障概率相關連而記憶作為基準資料。比較部282亦可比較與記憶部253中所記憶之異常資料相關的參數和運轉中之真空泵浦的對應參數，決定運轉中之真空泵浦對應的參數從基準值之背離值(或一致傾向程度)。而後，比較部282亦 可輸出在記憶部253中經相關連於該背離值和與該異常資料相關之參數的組合的發生故障概率。
(步驟S103)其次，比較部282將到達故障可能性之判定結果作為比較結果(輸出資料)而輸出。此處，比較部282亦可將比較結果(輸出資料)輸出於顯示裝置206，而將比較結果(輸出資料)顯示於顯示裝置206，亦可從通信部256經由通信網路而將比較結果(輸出資料)傳送往外部的終端裝置。
該比較結果(輸出資料)中包含警告到達故障可能性之警鐘信號、表示有高度到達故障可能性之通知信號、發生故障概率等。此處之發生故障概率，例如係在指定時間內發生故障的概率。
以上，本實施形態之資訊處理裝置205具備比較部282。比較部282參照記憶部253，其記憶有從已故障之真空泵浦的狀態量資料中檢測出之異常資料傾向所抽出的到達故障共同條件作為基準資料，比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料傾向、和記憶於記憶部253的基準資料，並輸出比較結果。
藉由該構成，由於可掌握真空泵浦到達故障之可能性，因此可降低製造製程中因真空泵浦停止，造成製造製程中之製品嚴重損害的危險性。
另外，記憶部253中亦可將半導體製造裝置之成膜工序(成膜製程)與基準資料相關連而記憶。此時，比較部282亦可比較從運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和記憶部253中相關連於連接有該運轉中之真空泵浦的半導體製造裝置201的現在成膜工序而記憶之基準資料。藉由該構成，比較部282藉由按半導體製造裝置201之每個成膜工序與基準資料比較，可精確推 估真空泵浦203到達故障可能性，因此可降低在製造製程中因真空泵浦停止，造成製造製程中之製品嚴重損害的危險性。
另外，上述之例，亦可在記憶部253中將半導體製造裝置之成膜工序(成膜製程)與基準資料相關連而記憶，不過不限於此，亦可將半導體製造裝置之其他製造工序與基準資料相關連而記憶。此處，成膜工序以外之其他製造工序，例如係植入工序、蝕刻工序、灰化工序、加熱工序等。此時，比較部282亦可比較從運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和在記憶部253中相關連於連接有該運轉中之真空泵浦的半導體製造裝置201的現在製造工序而記憶之基準資料。
(變形例)
另外，本實施形態係真空泵浦之製造者等人預先從已故障之真空泵浦的狀態量資料中檢測出的異常資料傾向而決定了到達故障共同條件作為基準資料，不過並非限於此者。亦可係基準資料決定裝置220從已故障之真空泵浦的狀態量資料中檢測出之異常資料的傾向抽出重視之參數，將與抽出之參數相應的到達故障共同條件設定作為基準資料。
以下，說明基準資料決定裝置220之構成。例如，在已故障之真空泵浦的狀態量資料中檢測出之異常資料，隨已故障之真空泵浦的狀態量資料一起回收到該真空泵浦之製造公司。此處之一例，係以基準資料決定裝置220設置於該製造公司內者作說明。
此處之異常資料，例如係從每個經區分之工序所定義之正常範圍離開的值、與工序無關之尖峰值、及/或每個經區分之工序之整個工序歷時性變 化傾向的異常(例如，並非瞬間的離開資料，而係一定期間之區分段整體的增加傾向等)。
第四十五圖係第三種實施形態之變形例的基準資料決定裝置220之概略構成圖。如第四十五圖所示，基準資料決定裝置220具備：輸入部221、輸出部222、記憶部223、記憶體224、具有CPU(中央處理單元)之運算部225。各部藉由匯流排連接。
輸入部221受理操作者之輸入。輸出部222按照運算部225之指令輸出資訊。記憶部223儲存有運算部225用於執行之程式。此外，按每次回收在已故障之真空泵浦的狀態量資料中檢測出之異常資料，藉由操作者之操作將該異常資料新增於記憶部223中。
本實施形態中作為其中之一例，係藉由操作者之操作將該真空泵浦之屬性與異常資料的組合新增於記憶部223中。此處如上述，真空泵浦之屬性例如係真空泵浦之種類、機種及/或連接於該真空泵浦之半導體製造裝置的種類或機種。藉此，如第四十六圖所示，進行儲存真空泵浦之屬性與異常資料的組合。第四十六圖係記憶於記憶部223之表格T2的一例。表格T2中儲存有真空泵浦之屬性與異常資料的檔名之組合，異常資料本身亦記憶於記憶部223。藉此，運算部225可從異常資料之檔名參照異常資料。
記憶體224暫時儲存資料。運算部225讀取並執行儲存於記憶部223之程式。藉此，運算部發揮決定部226之功能。
記憶部223中記憶有在已故障之真空泵浦的狀態量資料中檢測出之異常資料。決定部226參照該記憶部223，決定使用異常資料之傾向用於判定到達故障可能性的基準資料。具體而言，決定部226從在已故障之真空泵浦的狀態 量資料中檢測出之異常資料的傾向，使用人工智慧之學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等決定重視的傾向。而後，決定部226亦可設定與抽出之重視傾向相應的基準資料(例如臨限值之值)。例如，決定部226亦可就重視之參數，決定作為已故障真空泵浦中共同之條件的到達故障共同條件作為基準資料。
此處，重視之傾向係(1)異常資料發生次數、(2)異常資料發生間隔隨時間變化(間隔的減少)、(3)異常資料值之增加或減少傾向、(4)發生異常繼續時間或繼續時間隨時間變化、(5)異常資料發生之工序的傾向(偏差)、(6)發生異常之工序中(1)~(4)的條件(例如某個工序中的(1)~(4))、或(7)(2)~(4)之組合(Set)的發生狀況。
基準資料亦可係臨限值。例如到達故障共同條件係異常資料發生次數時，基準資料係臨限值。例如就已故障之真空泵浦，異常資料發生次數共同為10次時，則設定10作為基準資料。
此外，基準資料亦可係與異常資料相關之參數(例如異常資料發生次數)和發生故障概率的複數個組合。複數個異常資料發生次數亦可係連續之整數，亦可係不連續之整數。
此外，基準資料亦可係與異常資料相關之參數與基準值的組合、及背離值和與該異常資料相關之參數的組合與對應於該組合之發生故障概率。
此外，基準資料亦可係與異常資料相關之複數個參數與相對應於該複數個參數組合之發生故障概率。
基準資料抽出處理之一例，決定部226亦可按每個真空泵浦之屬性決定該基準資料。藉由該構成，由於係按每個真空泵浦之屬性製作基準資料，因 此，和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，可和與該運轉中之真空泵浦所屬的屬性之真空泵浦對應的基準資料比較。藉此，可使真空泵浦之到達故障可能性的判定精準度提高。
繼續，使用第四十七圖說明第三種實施形態之變形例的基準資料抽出處理流程。第四十七圖係顯示第三種實施形態之變形例的基準資料抽出處理一例之流程圖。
(步驟S201)首先，從記憶部223讀取在故障泵浦之狀態量資料中檢測出的異常資料。
(步驟S202)其次，決定部226從經讀取之異常資料的傾向抽出到達故障共同條件作為基準資料。
(步驟S203)其次，決定部226將經抽出之基準資料儲存於記憶部223中。
另外，決定部226亦可按半導體製造裝置之每個成膜工序抽出該基準資料，決定部226亦可按每個真空泵浦之屬性與半導體製造裝置的成膜工序之組合抽出該基準資料。藉由該構成，由於會按半導體製造裝置之每個成膜工序製作基準資料，因此，和從運轉中之真空泵浦203的狀態量資料檢測出之異常資料的傾向比較時，可和與連接該真空泵浦203之半導體製造裝置201的成膜工序對應之基準資料比較。藉此，可使真空泵浦之到達故障可能性的判定精準度提高。此時，宜按每次回收異常資料，將真空泵浦之屬性、半導體製造裝置之成膜工序、及異常資料之組合新增於記憶部223中，來讓決定部226可參照記憶部223而抽出基準資料。
另外，決定部226亦可按半導體製造裝置之每個成膜工序抽出該基準資料，不過不限於此，亦可按半導體製造裝置之每個其他製造工序抽出該基準資料。
另外，本變形例係基準資料決定裝置220從在已故障之真空泵浦的狀態量資料中檢測出之異常資料的傾向決定重視之傾向，並將與該傾向相應之到達故障共同條件決定成基準資料，不過，並非限於此者。設計者或製造者等人亦可預先從已故障之真空泵浦的狀態量資料中檢測出之異常資料的傾向先設定重視之傾向(例如異常資料發生次數)，基準資料決定裝置220依經設定之參數(例如異常資料發生次數)設定基準資料(例如臨限值之值)。例如，到達故障共同條件為異常資料發生次數時，基準資料決定裝置220亦可將複數個異常資料中異常資料發生次數的統計量(例如最小值、中央值、平均值)設定成臨限值之值。
(關於通報處理)
繼續，使用第四十八~五十五圖說明資訊處理裝置205之比較部282的通報處理。第四十八圖係顯示某個已故障真空泵浦中之馬達238的電流有效值I與時間之關係一例的曲線圖。曲線W1係某個已故障真空泵浦中之馬達238的電流有效值I隨時間變化。直線f(t)ave係正常真空泵浦中之馬達238的電流有效值I之平均隨時間變化。直線f(t)max係真空泵浦中之馬達238的電流有效值I之正常範圍最大值隨時間變化。直線f(t)min係真空泵浦中之馬達238的電流有效值I之正常範圍最小值隨時間變化。例如比較部282係在現在運轉中之馬達238的電流有效值I超過f(t)max時發出警告。
如第四十八圖所示，將故障時之電流有效值設為Ib，並將△I設為從故障時之電流有效值Ib減去電流有效值之初始值I0的值(I△=Ib-I0)。將該差值I△ 除以故障時之電流有效值Ib所獲得的參數α(=I△/Ib)，統計已故障之泵浦的運轉資料時之參數α的頻率曲線圖，表示成例如第四十九圖。
第四十九圖係就已故障真空泵浦而統計時之參數α的頻率曲線圖一例。將參數α之中央值設為αc，並將參數α之標準差設為σ1。此時，比較部282亦可在運轉中之真空泵浦203的參數α為(αc-3σ1)時輸出第一次警告(Alert)，(αc-2σ1)時輸出第二次警告，(αc-σ1)時輸出第三次警告(例如在顯示裝置206上顯示警告)。
如此，在泵浦3之運轉中，比較部282比較基於運轉中之真空泵浦203狀態量的值(此處之一例為運轉中之參數α)、和基於已故障之真空泵浦故障時的狀態量(此處之一例為電流有效值)的值(此處之一例為參數α)之統計量(此處之一例為αc-σ1、αc-2σ1、或αc-3σ1)，而控制來依比較結果通報。藉此，可在運轉中之真空泵浦203的狀態量接近已故障之真空泵浦到達故障時的狀態量時進行通報，並可在真空泵浦203故障之前進行真空泵浦203之維修或更換。
第五十圖係顯示某個故障真空泵浦中之馬達238的電流有效值I與時間之關係其他例的曲線圖。如第五十圖所示，該故障之泵浦在時刻t1、t2、t3、t4、t5、...、tN(N係正整數)時發生異常，到故障為止之發生異常次數係N次。就已故障之真空泵浦統計到故障為止發生異常次數時，其發生異常次數的頻率曲線圖表示成如第五十一A圖。
第五十一A圖係統計已故障之真空泵浦到故障為止之發生異常次數時的發生異常次數之頻率曲線圖一例。將到故障為止之發生異常次數的平均值設為Nm，並將到故障為止之發生異常次數的標準差設為σ2。此時，比較部282亦可在運轉中之真空泵浦的發生異常次數為(Nm-3σ2)時發出第一次警告，並在 (Nm-3σ2)與(Nm-2σ2)之間發出第一次維修警告(例如在顯示裝置206上顯示警告)。此外，比較部282亦可在(Nm-2σ2)時發出第二次警告，並在(Nm-2σ2)與(Nm-3σ2)之間發出第二次維修警告。
此處，維修警告例如係建議維修之內容或維修時期的內容。
如此，比較部282比較運轉中之真空泵浦的狀態量(此處之一例為電流有效值I)之發生異常次數、和已故障之真空泵浦到故障為止的狀態量(此處以電流有效值I為一例)之發生異常次數的統計量(此處以Nm-3σ2、Nm-2σ2、Nm-σ2為一例)，並控制來依比較結果而通報。藉此，可在運轉中之真空泵浦203的狀態量在接近已故障之真空泵浦到故障為止的發生異常次數時通報，並可在真空泵浦203故障之前進行真空泵浦之維修或更換。
第五十一B圖係描繪已故障真空泵浦發生異常次數之統計量隨時間變化、和現在運轉中之泵浦的發生異常次數之曲線圖一例。第五十一B圖係顯示統計量Nm-3σ2、Nm-2σ2、Nm-σ2之各個隨時間變化，點P11係運轉中之真空泵浦的發生異常次數開始超過統計量Nm-3σ2之點。因此，當運轉中之真空泵浦的發生異常次數開始超過統計量Nm-3σ2時，比較部282亦可輸出警告。
第五十二圖係顯示某個已故障真空泵浦中馬達238的電流有效值I與時間之關係之第三例的曲線圖。如第五十二圖所示，該已故障真空泵浦中發生異常之區間係T1、T2、T3。就已故障真空泵浦統計在即將故障之前的指定期間發生異常之區間T時的發生異常之區間T的頻率曲線圖，如第五十三圖所示。即將故障之前的指定期間例如係即將故障之前的200小時(Hour)。
第五十三圖係統計已故障之真空泵浦在即將故障之前指定期間發生異常的區間時，即將故障之前發生異常的區間之頻率曲線圖一例。將即將故障 之前發生異常的區間T之中央值設為TC，並將發生異常之區間T的標準差設為σ3。另外，此處係將TC設為中央值作為一例，不過亦可係平均值而非中央值。
第五十四A圖係運轉中之真空泵浦發生異常的區間T隨時間變化一例。發生異常之區間T隨著時間t經過而逐漸縮短。第五十四B圖係描繪已故障真空泵浦之區間統計量隨時間變化、和現在運轉中之泵浦發生異常次數的曲線圖一例。第五十四B圖係顯示統計量TC+3σ3、TC+2σ3、TC+σ3各個隨時間變化。點P21係運轉中之真空泵浦的區間開始在統計量TC+3σ3以下之點，點P22係運轉中之真空泵浦的區間開始在統計量TC+2σ3以下之點。如此，比較部282亦可在運轉中之真空泵浦發生異常的區間T低於(TC+3σ3)時發出第一次警告，低於(TC+2σ3)時發出第二次警告(例如在顯示裝置206上顯示警告)。
此外，比較部282亦可在運轉中之真空泵浦發生異常的區間T係(TC+3σ3)與(TC+2σ3)間之時間點(參照第五十四B圖)輸出維修警告(例如顯示於顯示裝置206上)。維修警告例如係建議維修之內容或維修時期的內容。
另外，此處之一例係著眼於在即將故障之前的指定期間作說明，不過不限於此，只要是故障前的期間即可，亦可並非在即將故障之前。例如亦可著眼於故障前400小時至故障前200小時之間。
如此，比較部282比較運轉中之真空泵浦203的狀態量(此處之一例為電流有效值I)發生異常之區間、和已故障之真空泵浦在故障前的狀態量(此處之電流有效值I為一例)發生異常的區間統計量(此處以為TC+3σ3、TC+2σ3為一例)，控制來依比較結果通報。藉此，可在運轉中之真空泵浦203的狀態量接近故障前之狀態量發生異常的區間時通報，並可在真空泵浦203故障前進行真空泵浦203之維修或更換。
另外，比較部282亦可依成膜製程之時間相對於真空泵浦203的運轉時間之比率，來將維修或更換時期提早。例如，比較部282亦可使用係數η，將警告或維修警告時期提早。例如比較部282亦可使用係數η加減參數α之中央值αc、故障前發生異常次數之平均值Nm、發生異常區間之中央值Tc。例如比較部282亦可將參數α之中央值αc修正成αc-η×σ1。
此處，係數η使用影響係數k與成膜製程之時間TSP相對於真空泵浦203之運轉時間Tw的比率L(=TSP/Tw)，並以η=kL=kTSP/Tw來表示。此處，影響係數k表示成膜製程對真空泵浦之故障造成的影響，其初始值例如係1.0~2.0之值。影響係數k亦可藉由人工智慧之學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等來更新。藉此，將影響係數k最佳化。或是，亦可藉由人工智慧之學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等進行成膜製程之期間的選定。此時之學習中亦可使用預先藉由人所抽出之成膜製程的期間與感測信號之組合作為教師資料集。此處之感測信號係以微粒子感測器(雷射計數器)、微成膜感測器、或聲波/振動感測器等所檢測的信號。此處之微成膜感測器係藉由固有振動數的變化來監控增膜。藉此，由於自動選定成膜製程之期間，因此自動決定成膜製程之時間TSP。另外，計算係數η時，亦可使用成膜製程之次數來取代成膜製程的時間TSP。
第四十八、五十、五十二圖之橫軸的運轉時間亦包含怠速時間，而比較部282在第四十八、五十、五十二圖中亦可按每個製程之運轉時間，藉由乘上與該製程對應之係數η，來修正運轉時間。第五十四C圖係顯示馬達238之電流有效值I與運轉時間之關係的第四例的曲線圖。第五十四C圖中顯示有製程PA、PB、PC、PD、PE，例如製程PE為怠速期間者。此時，例如按每個製程PA、PB、 PC、PD、PE(各運轉時間為tPA、tPB、tPC、tPD、tPE)分別分配係數η為1.5、1.5、2、2、1時，比較部282亦可按照公式tr=1.5 tPA+1.5 tPB+2 tPC+2 tPD+tPE算出修正運轉時間tr。如上述，藉由修正運轉時間，可換算成負荷實際施加於真空泵浦的時間。
如此，比較部282係處理成依連接有運轉中之真空泵浦203的半導體製造裝置201的成膜製程時間或成膜製程次數而變更通報的時間點。具體而言，例如比較部282依成膜製程之時間或成膜製程的次數而修正運轉時間，並將修正後之運轉時間通報為基準。採用該構成時，可依連接有運轉中之真空泵浦的半導體製造裝置之成膜製程時間或成膜製程次數改變通報的時間點。雖然連接有運轉中之真空泵浦203的半導體製造裝置201之成膜製程時間或成膜製程次數愈多故障風險愈高，但藉由將通報之時間點提早，可在真空泵浦203故障之前進行真空泵浦203之維修或更換。
另外，此處之比較部282係處理成依成膜製程之時間或成膜製程的次數變更通報之時間點，不過不限於成膜製程之時間或次數，亦可處理成依怠速以外之其他製造工序的時間或次數變更通報之時間點。
比較部282亦可使用微粒子感測器(雷射計數器)之感測信號與預先藉由人所設定之成膜量的教師資料，使用由人工智慧的學習，例如深層類神經網路(deep neural network)的深層學習(deep learning)等。藉此，比較部282亦可從運轉中之微粒子感測器(雷射計數器)的感測信號判定成膜量，並使用經判定之成膜量更新影響係數k。
或是，比較部282亦可使用微成膜感測器之感測信號與預先由人所設定之成膜量的教師資料，使用由人工智慧的學習，例如深層類神經網路(deep neural network)的深層學習(deep learning)等。藉此，比較部282亦可從運轉中之微成膜感測器的感測信號判定成膜量，並使用經判定之成膜量更新影響係數k。
或是，比較部282亦可使用聲波/振動感測器之感測信號與預先由人所設定之成膜量的教師資料，使用人工智慧的學習，例如深層類神經網路(deep neural network)的深層學習(deep learning)等。藉此，比較部282亦可從運轉中之聲波/振動感測器的感測信號判定成膜量，並使用經判定之成膜量更新影響係數k。
(第四種實施形態)
繼續，說明第四種實施形態。第四種實施形態係使用複數個感測器執行真空泵浦之異常診斷、異常預知、及/或穩定控制。
第五十五圖係第四種實施形態之半導體製造系統210b的概略構成圖。與第四十圖共同之元件上註記共同編號，並省略其詳細之說明。
如第五十五圖所示，第四種實施形態之半導體製造系統210b具備：半導體製造裝置201、真空泵浦203、連繫半導體製造裝置201與真空泵浦203之配管202、控制真空泵浦203之控制裝置204b、資訊處理裝置205b、及連接於資訊處理裝置205b之管理裝置207。
第四種實施形態之半導體製造系統210b作為一例係進一步具備：加速度感測器S31~S33、電流監控感測器S11、S12、及溫度感測器S21~S26。加速度感測器S31~S33例如係5軸加速度感測器。如此，半導體製造系統210b具有複數個感測器。
控制裝置204b具有：控制馬達238之控制部241；及與資訊處理裝置通信之通信部242。
資訊處理裝置205b具有：記憶體254、運算部255、通信部256。通信部256與控制裝置204b之通信部242通信。此外，通信部256與管理裝置207通信。此外，通信部256從加速度感測器S31~S33、電流監控感測器S11、S12、及溫度感測器S21~S26接收感測資料。
管理裝置207可與資訊處理裝置205b通信。管理裝置207具有CPU271。
加速度感測器S31~S33、電流監控感測器S11、S12、及溫度感測器S21~S26具有通信功能，例如具有Wi-Fi(登錄商標)或blue-tooth(登錄商標)等，藉由此等感測器所檢測出之感測信號被在附近之通信部242收集。而後，感測信號從通信部242經由配線傳達至通信部256，並依需要藉由運算部255進行資料處理後儲存於記憶體254。資訊處理裝置205b亦可係閘道器(例如路由器等)。此外，資訊處理裝置205b亦可合併AI(人工智慧)功能。
藉由使用複數個感測器可獲得精準度佳之管理資訊。例如轉子之一部分由於異物而反作用力增加時，發生旋轉速度之變動、轉子軸之斜度變動、馬達控制電流之變動。藉由同時比較處理旋轉速度、轉子軸之斜度與馬達控制電流，而並非僅一個變化，可確實精確掌握異常變動。
加速度感測器S31~S33亦可具有MEMS型振動振盪器。使用頻帶寬/廉價/小型，且安裝於基板上者時，小型有效。
此外，亦可取得複數個真空泵浦之運轉動作狀況作為資料。
亦可按每個真空泵浦之上游機器(例如半導體製造裝置)管理附屬之真空泵浦的運轉狀況。可按每個半導體製造裝置之屬性(例如機種)比較真空泵浦之運轉狀況及故障次數、更換零件頻率，並按每個半導體製造裝置之屬性(例如機種)定義故障次數、更換零件頻率。
本實施形態係設置3個加速度感測器，不過不限於此，加速度感測器亦可設置2個以下，亦可設置4個以上(例如10個以上)。加速度感測器亦可在從真空泵浦之轉子軸的中心於互相相反方向(例如左右)各設2軸，在轉子軸方向設1軸以上，多段的時候設2軸以上。
本實施形態係設置2個電流監控感測器，但不限於此，電流監控感測器亦可設1個，亦可設3個以上。電流監控感測器為了記錄馬達驅動電流變動的資料，亦可安裝而用於測定馬達驅動電流。有複數個馬達時，該部分電流監控感測器數量亦可增加。例如2段馬達時，亦可設2個以上電流監控感測器。
本實施形態係設置6個溫度感測器，不過不限於此，溫度感測器亦可設5個以下，亦可設7個以上。亦可檢測轉子之多點溫度(例如從中心於互相相反方向之位置的溫度)、馬達之溫度、馬達軸之溫度、氣體輸入部之溫度、氣體輸出部之溫度、轉子輸入部之溫度、轉子輸出部之溫度。此外，真空泵浦為多段時，亦可檢測前段之轉子輸出部的溫度與次段輸入部的溫度。
半導體製造系統210b進一步亦可設置複數個(例如5個以上)之壓力感測器。壓力感測器亦可檢測轉子之多點壓力(例如從中心相互在相反方向之位置的壓力)、馬達軸之壓力、氣體輸入部之壓力、氣體輸出部之壓力、轉子輸入部之壓力、轉子輸出部之壓力。此外，真空泵浦為多段時，壓力感測器亦可檢測前段之轉子輸出部的壓力、與次段輸入部之壓力。
半導體製造系統210b亦可進一步設置轉子或馬達軸之旋轉感測器。例如，亦可對1個轉子與1個馬達之組合，設置3個以上旋轉感測器。轉子與馬達增加時，該部分旋轉感測器亦可增加。感測器可為上述之組合，亦可在半導體製造系統210b中設置合計10個以上感測器。
(使用複數個感測器之效果)
藉由使用複數個感測器，資訊處理裝置205b之運算部255可實施以下之處理。
使用多軸之加速度感測器時，運算部255可進行軸上加速度變動之比較，例如可進行相互微分波形之比較、FFT(快速傅立葉轉換(Fast Fourier Transform))波形之比較等。本例係運算部255可分析轉子軸在分離位置之2軸(x,y)彼此的比較、及轉子和平行軸(z)之變動。由於可比較在分離位置之2軸彼此，則可比較其變動向量成分，因此運算部255可精確判定軸之扭轉、相對地在哪個方向發生過載。此外，運算部255可比較其時間附近之馬達電流的變動，可特定對轉子之過載、造成馬達之過載與其時間帶。
此外，運算部255當經過其判定時間後，發生感測器檢測異常行為時，可進行其檢測與警報、顯示。此時，將比較資料登錄於記憶體254作為通常SD條件，運算部255可對其進行比較並作判定。
另外，後段之管理裝置207的CPU271亦可實施此等處理之一部分或全部。
(第五種實施形態)
繼續，說明第五種實施形態。第五十六圖係第五種實施形態之半導體製造系統210c的概略構成圖。在與第四十、五十五圖共同之元件上註記共同編號，並省略其詳細說明。如第五十六圖所示，半導體製造系統210c具備：真空泵浦203-1~203-J(J係正整數)、控制真空泵浦203-1~203-J之控制裝置204b-1~204b-J、製程裝置208-1~208-L(L係正整數)、資訊處理系統209及管理裝置207。
各真空泵浦203-1~203-J中，如第四種實施形態所示設有複數個感測器(無圖示)。由於各真空泵浦203-1~203-J之構成與第三種實施形態相同，因此省略其說明。由於控制裝置204b-1~204b-J之構成與第四種實施形態之控制裝置204b相同，因此省略其說明。
製程裝置208-1~208-L係蝕刻裝置或成膜裝置。製程裝置208-1連接於真空泵浦203-1、203-2。製程裝置208-2連接於真空泵浦203-3、203-4。製程裝置208-L連接於真空泵浦203-J。資訊處理系統209例如具有工廠內之機器及/或資訊收集裝置(例如伺服器或個人電腦(Personal Computer)。資訊處理系統209亦可係雲端或迷你雲端。
來自複數個感測器之感測信號輸入控制裝置204b-1~204b-J。控制裝置204b-1~204b-J從該感測信號取得感測值，並將顯示感測值之感測資料輸出往已連接該控制裝置204b-1~204b-J的製程裝置208-1~208-L。
再者，從各製程裝置208-1~208-L傳送感測資料至資訊處理系統209並儲存。資訊處理系統209處理感測資料。該資訊處理系統209連接於管理裝置207。管理裝置207執行各種判斷之處理，並更新下一個階段的動作參數。此外，管理裝置207進行維修及零件更換時期的更新。此等更新值經由資訊處理系統209而反饋至各製程裝置208-1~208-L及控制裝置204b-1~204b-J。各製程裝置208-1~208-L及控制裝置204b-1~204b-J進行對應於該動作參數之動作。
另外，控制裝置204b-1~204b-J之通信部242亦可設置於真空泵浦203-1~203-J。此外，控制裝置204b-1~204b-J之通信部242亦可以控制器或轉接器之形態而設置於外部。
(第六種實施形態)
繼續，說明第六種實施形態。第五十七圖係第六種實施形態之半導體製造系統210d的概略構成圖。在與第四十五、五十六圖共同之元件上註記共同編號，並省略其詳細之說明。如第五十七圖所示，半導體製造系統210d具備：半導體製造裝置201-1~201-J(J係正整數)、真空泵浦203-1~203-J、控制真空泵浦203-1~203-J之控制裝置204b-1~204b-J、閘道器261-1~261-K(K係正整數)、資訊處理系統209及終端裝置262。
各真空泵浦203-1~203-J中，如第四種實施形態所示設有複數個感測器(無圖示)。由於各真空泵浦203-1~203-J之構成與第三種實施形態相同，因此省略其說明。由於控制裝置204b-1~204b-J之構成與第四種實施形態之控制裝置204b相同，因此省略其說明。
閘道器261-1~261-K將從控制裝置204b-1~204b-J傳送之感測信號、控制信號、狀態信號等傳送至資訊處理系統209。因為閘道器261-1~261-K與控制裝置204b-1~204b-J之間使用高速光通信，所以信號傳達速度快。藉此，藉由高速進行信號授受，可在短時間收集多數個感測信號。
另外，閘道器261-1~261-K亦可具有一部分資料處理功能。此時，閘道器261-1~261-K亦可進行必要之資料處理，進行下一個階段之行為參數的更新，並傳送信號至該控制裝置204b-1~204b-J進行反饋。此時，真空泵浦203-1~203-J之運轉狀態等的狀態資料可傳達至資訊處理系統209。資訊處理系統209亦可判定半導體製造裝置201-1~201-J或真空泵浦203-1~203-J之運轉狀態的管理，而進行下一個階段之動作參數的變更、狀態變更、零件更換或維修時期的更新。而後，資訊處理系統209亦可將此等經變更或更新之資訊通知終端裝置262。藉此，終端 裝置262之操作者可掌握動作參數之變更或狀態的變更。或是，終端裝置262之操作者可掌握更新後之零件更換或維修的時期。
閘道器261-1~261-K一併具有通信用之轉接器、路由器、控制器的功能。此外，閘道器261-1~261-K藉由資訊處理系統209儲存資料並自動取得(更新)由自動學習而經更新的資料處理方式，並製作已進行需要資料群與不需要資料群的分選之資料集。藉此，閘道器261-1~261-K可使本身閘道器中之運算處理效率提高。
以閘道器261-1~261-K所處理之資料的一部分(時間性間疏者)儲存於資訊處理系統209。資訊處理系統209使用其而製作自動學習用之資料集，並藉由自動學習更有效地進行穩定之行為參數的決定、零件更換時期之判定或維修時期的判定。資料累積數增加時(例如資料累積數達5000~10000案件以上時)，可進行可靠性高且精準度高之判定。
另外，具備複數個裝置之資訊處理系統亦可分散第三或第四種實施形態之資訊處理裝置205、205b的各處理在此等複數個裝置而處理。此外，第二及第四種實施形態中係將控制裝置204與資訊處理裝置205作為不同裝置而說明，不過亦可構成為控制裝置204具備資訊處理裝置205。此外，第四種實施形態中雖說明資訊處理裝置205b與管理裝置207係不同裝置，不過亦可構成為資訊處理裝置205b具備管理裝置207。此外，亦可將用於執行各種實施形態之資訊處理裝置205、205b、管理裝置207、資訊處理系統209之各處理的程式記錄於電腦可讀取之記錄媒介，使電腦系統讀入記錄於該記錄媒介之程式，藉由處理器執行，來進行本實施形態之資訊處理裝置的上述各種處理。
(第七種實施形態)
半導體製造裝置中，廣泛使用以在腔室內形成真空環境之目的，而將使用於半導體製造工序之氣體從腔室內排氣的真空泵浦。此種真空泵浦習知為具備魯氏(ROOTS)或螺旋型之泵轉子的容積式型式之真空泵浦。
通常，容積式真空泵浦具備：配置於機殼內之一對泵轉子；及用於旋轉驅動該泵轉子之馬達。在一對泵轉子間及泵轉子與機殼的內面之間形成有微小之餘隙，泵轉子係構成在不接觸機殼下而旋轉。而後藉由一對泵轉子同步且彼此相反方向旋轉，而將機殼內之氣體從吸入側輸送至吐出側，並從連接於吸入口之腔室等排出氣體。
使用於半導體製造工序之氣體、或是使用之氣體藉由化學反應而生成的物質，有時含有當溫度降低時凝固或液化的成分。通常，上述之真空泵浦因為在輸送氣體過程產生壓縮熱，所以運轉中之真空泵浦會達到某種程度高溫。由於壓縮熱而高溫化下仍無法比氣體中之成分或生成物質凝固或液化溫度還高的情況下，泵本體藉由外部加熱或流入氣體之加熱而維持真空泵浦的高溫。使用上述真空泵浦即使排出包含上述成分之氣體時，氣體中之成分或生成物質仍不會凝固或液化而會進行良好的真空排氣。
但是，有的半導體製造工序在上述真空泵浦高溫化下，仍無法防止使用之氣體或來自使用之氣體的生成物質液化、凝固。在該工序中繼續運轉真空泵浦的話，則該凝固之生成物(反應生成物)會堆積在泵轉子間或泵轉子與機殼的間隙。而後，該生成物之堆積進行的話，在真空泵浦運轉中由於對真空泵浦施加過剩的負荷，會導致在製造製程中真空泵浦停止，而對製造製程中之製品造成很大損害。
為了防止此種損害，專利文獻3揭示有當馬達電流之積分值或平均值超過臨限值時發出警報。專利文獻4揭示有分析診斷來自至少具備檢測真空泵浦發生之AE(聲波發射)的AE感測器之感測部的信號。
但是，依然需要一種降低在製造製程中真空泵浦停止，對製造製程中之製品造成嚴重損害的危險性之技術。
需要提供一種可降低在製造製程中真空泵浦停止，對製造製程中之製品造成嚴重損害的危險性之資訊處理裝置、基準資料決定裝置、資訊處理方法、基準資料決定方法及程式。
首先，說明第七種實施形態。第七種實施形態中，係將從可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向所抽出之繼續運轉共同條件，作為基準資料而記憶於資訊處理裝置305為前提作說明。此處，異常資料之傾向包含異常資料的發生傾向與發生次數。而後，第七種實施形態之資訊處理裝置305比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向和基準資料，並輸出比較結果。
第五十八圖係第七種實施形態之半導體製造系統310的概略構成圖。如第五十八圖所示，本實施形態之半導體製造系統310具備：半導體製造裝置301、真空泵浦303、連繫半導體製造裝置301與真空泵浦303之配管302、控制真空泵浦303之控制裝置304、資訊處理裝置305、及連接於資訊處理裝置305之顯示裝置306。半導體製造裝置301具備：成膜製程腔室311、及控制成膜製程腔室311之控制部312。成膜製程腔室311與真空泵浦303經由配管302而連通，藉由真空泵浦303運轉，排出成膜製程腔室311內之氣體(Gas)而抽成概略真空。作為成膜製程腔室311中之成膜種類包括CVD(化學氣相沉積(Chemical Vapor Deposition))、PVD(物理氣相沉積(Physical Vapor Deposition))；ALD(原子層沉積(Atomic Layer Deposition))、蒸鍍、濺鍍成膜。
真空泵浦303亦可為具備魯氏轉子者，亦可為具備螺旋型之轉子者。此外，真空泵浦303亦可係爪型或渦流型真空泵浦。此外，真空泵浦303亦可係一段泵浦，亦可係多段泵浦。在真空泵浦203之排氣側後段連接有排放氣體處理裝置。本實施形態之資訊處理裝置305比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料傾向和基準資料，並將比較結果例如輸出至顯示裝置306。
第五十九圖係第七種實施形態之真空泵浦303的概略功能構成圖。如第五十九圖所示，真空泵浦303具備：電源336、輸入與電源336連接之逆變器337、輸入與逆變器337之輸出連接的馬達338、及連結於馬達338之旋轉軸的轉子339。此外，真空泵浦303具備壓力計335。
逆變器337將從電源336供給之交流電流進行頻率轉換，並將經頻率轉換所獲得之驅動電流供給至馬達338。藉此，馬達338之旋轉軸藉由該驅動電流而旋轉，並藉由轉子339隨其旋轉，而排出從配管302所吸入之氣體。如此，藉由氣體從配管302連續輸送，而將連接於配管302之成膜製程腔室311內的氣體進行真空排氣。
馬達338將表示馬達338轉數之轉數信號輸出至逆變器337。逆變器337例如將驅動電流之電流有效值與從轉數信號獲得之馬達338的旋轉速度供給至資訊處理裝置305。此外，藉由壓力計335所計測之真空泵浦303內的壓力值係供給至資訊處理裝置305。
第六十圖係第七種實施形態之資訊處理裝置305的概略構成圖。如第六十圖所示，資訊處理裝置305具備：輸入部351、輸出部352、記憶部353、記憶體354、運算部355、通信部356。
輸入部351連接於逆變器337及壓力計335，將驅動電流之電流有效值、馬達338之旋轉速度、真空泵浦303內的壓力值輸入輸入部351中。輸出部352按照運算部355之指令，將包含資訊之信號輸出至顯示裝置306。記憶部353中儲存有運轉資料。運算部355具有：CPU(中央處理單元)380、異常資料檢測部381、比較部382及儲存程式之快取記憶體383。
此外，記憶部353中記憶有用於判定繼續運轉可能性之基準資料。此處之基準資料係使用在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定者。本實施形態中作為一例如第六十一圖所示，在記憶部353中將真空泵浦303之屬性與基準資料相關連而記憶。第六十一圖係記憶於記憶部353之表格T31的一例。表格T31中儲存有真空泵浦之屬性與基準資料的組合。此處的真空泵浦之屬性，例如係真空泵浦之種類、機種及/或連接於該真空泵浦之半導體製造裝置的種類或機種、真空泵浦之製造編號、或構成真空泵浦之零件(Parts)的零件編號。
記憶體354暫時儲存資訊。通信部356經由通信網路而與外部之終端裝置通信。該通信亦可有線亦可無線。CPU380讀取儲存於快取記憶體383之程式來執行。
異常資料檢測部381從運轉中之真空泵浦的狀態量資料檢測異常資料。此處之異常資料，例如係從按每個經區分之工序所定義的正常範圍離開之 值、與工序無關之尖峰值、或每個經區分之工序其整體工序歷時性變化傾向的異常(例如，並非瞬間的離開資料，而係一定期間區分段整體的增加傾向等)等。
比較部382比較藉由異常資料檢測部381檢測出從運轉中的真空泵浦之狀態量資料檢測出之異常資料傾向、和記憶於記憶部353之基準資料，並輸出比較結果。具體而言，例如，比較部382判定經比較之結果、真空泵浦之繼續運轉可能性，並輸出判定結果作為比較結果。另外，比較部382中之處理亦可以CPU380進行運算。此外，比較部382亦可另外以FPGA(現場可程式化閘陣列(field-programmable gate array))或專用板(Board)來實現。
此外如上述，本實施形態中作為一例係將真空泵浦之屬性和基準資料相關連而記憶於記憶部353。比較部382亦可比較從運轉中之真空泵浦303的狀態量檢測出之異常資料的傾向、和在記憶部353中與該運轉中之真空泵浦303的屬性相關連而記憶之基準資料。
繼續，使用第六十二圖說明第七種實施形態之比較處理流程。第六十二圖係顯示第七種實施形態之比較處理流程之一例的流程圖。
(步驟S1001)首先，異常資料檢測部381從運轉中之泵浦的狀態量資料檢測異常資料。
(步驟S1002)其次，比較部382比較異常資料之傾向和基準資料，判定真空泵浦303之繼續運轉可能性。
(步驟S1003)其次，比較部382將繼續運轉可能性之判定結果作為比較結果，例如輸出往顯示裝置306。
以下，說明比較部382中之比較方法例子。
(比較方法1)
例如，在記憶部353中記憶有臨限值作為基準資料時，比較部382亦可比較基準資料之臨限值和運轉中之真空泵浦的異常資料發生次數而判定。此時之臨限值，例如係使用設定期間經過後可繼續運轉之複數個真空泵浦的異常資料發生次數而設定者。具體而言，臨限值亦可係設定期間經過後可繼續運轉之真空泵浦的異常資料發生次數之平均值、中央值、最小值、最大值、或代表值等。具體而言，比較部382亦可判定運轉中之真空泵浦的異常資料發生次數是否在臨限值以內，在臨限值以內時，判定為真空泵浦303有繼續運轉可能性。
(比較方法2)
例如，記憶部353中記憶有與異常資料相關之參數(例如狀態量、發生次數、發生頻率、發生間隔)和繼續運轉概率的複數個組合作為基準資料時，比較部382亦可比較與記憶於記憶部353之異常資料相關的參數和運轉中之真空泵浦的異常資料發生次數，而輸出在記憶部353中與運轉中之真空泵浦的異常資料發生次數相對應之繼續運轉概率。
(比較方法3)
例如，基準資料為記憶部353中記憶有與異常資料相關之複數個參數(例如狀態量、發生次數、發生頻率、發生間隔)和繼續運轉概率時，比較部382亦可比較記憶於記憶部353之複數個參數和運轉中之真空泵浦的複數個參數，而輸出在記憶部353中與運轉中之真空泵浦的複數個參數之組合相對應之繼續運轉概率。
(比較方法4)
例如，假設記憶部353中對與異常資料相關之參數(例如狀態量、發生次數、發生頻率、發生間隔)和基準值相關連而記憶作為基準資料，背離值和與異常資 料相關之參數(例如狀態量、發生次數、發生頻率、發生間隔)的組合相關連而記憶有繼續運轉概率作為基準資料。比較部382亦可比較記憶於記憶部353與異常資料相關的參數和運轉中之真空泵浦的對應參數，決定運轉中之真空泵浦對應的參數從基準值之背離值(或一致傾向程度)。而後，比較部382亦可輸出在記憶部353中對應於該背離值和與該異常資料相關之參數的組合的繼續運轉概率。
(步驟S1003)其次，比較部382將到達故障可能性之判定結果作為比較結果(輸出資料)而輸出。此處，比較部382亦可將比較結果(輸出資料)輸出至顯示裝置306，而將比較結果(輸出資料)顯示於顯示裝置306，亦可從通信部356經由通信網路而將比較結果(輸出資料)傳送往外部的終端裝置。
該比較結果(輸出資料)中包含警告到達故障可能性之警鐘信號、表示到達故障可能性高之通知信號、繼續運轉概率等。此處之繼續運轉概率，例如係在指定時間內發生故障的概率。
以上，本實施形態之資訊處理裝置305具備比較部382。比較部382參照記憶部353，其記憶有從可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料傾向所抽出的繼續運轉共同條件作為基準資料，比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料傾向、和記憶於記憶部353的基準資料，並輸出比較結果。
藉由該構成，由於可掌握真空泵浦到達故障之可能性，因此可降低製造製程中因真空泵浦停止，造成製造製程中之製品嚴重損害的危險性。
另外，記憶部353中亦可將半導體製造裝置之成膜工序(成膜製程)與基準資料相關連而記憶。此時，比較部382亦可比較從運轉中之真空泵浦的狀 態量檢測出之異常資料的傾向、和記憶部353中關連於連接有該運轉中之真空泵浦的半導體製造裝置301的現在成膜工序而記憶之基準資料。藉由該構成，藉由比較部382按半導體製造裝置301之每個成膜工序和基準資料比較，可精確估計真空泵浦303到達故障可能性，因此可降低在製造製程中因真空泵浦停止，造成製造製程中之製品嚴重損害的危險性。
另外，上述之例，亦可在記憶部353中將半導體製造裝置之成膜工序(成膜製程)與基準資料相關連而記憶，不過不限於此，亦可將半導體製造裝置之其他製造工序與基準資料相關連而記憶，此處，成膜工序以外之其他製造工序，例如係植入工序、蝕刻工序、灰化工序、加熱工序等。此時，比較部382亦可比較從運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和在記憶部353中關連於連接有該運轉中之真空泵浦的半導體製造裝置301的現在製造工序而記憶之基準資料。
(變形例)
另外，本實施形態係真空泵浦之製造者等人預先從在可繼續運轉之真空泵浦的狀態量資料中檢測出的異常資料傾向，決定繼續運轉共同條件作為基準資料，不過並非限於此者。亦可基準資料決定裝置320從在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料傾向，抽出重視之參數，設定與抽出之參數相應的繼續運轉共同條件作為基準資料。
以下，說明基準資料決定裝置320之構成。例如，在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料，隨可繼續運轉之真空泵浦的狀態量資料一起回收到該真空泵浦之製造公司。此處中作為一例，係以基準資料決定裝置320為設置於該製造公司內者作說明。
此處之異常資料，例如係從按每個經區分工序所定義之正常範圍離開的值、與工序無關之尖峰值、及/或按每個經區分工序之整個工序歷時性變化傾向的異常(例如，並非瞬間的變動資料，而係一定期間區分段整體的增加傾向等)。
第六十三圖係第七種實施形態之變形例的基準資料決定裝置320之概略構成圖。如第六十三圖所示，基準資料決定裝置320具備：輸入部321、輸出部322、記憶部323、記憶體324、具有CPU(中央處理單元)之運算部325。各部藉由匯流排連接。
輸入部321受理操作者之輸入。輸出部322按照運算部325之指令輸出資訊。記憶部323儲存有運算部325用於執行之程式。此外，按每次回收在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料，藉由操作者之操作將該異常資料新增於記憶部323中。
本實施形態之一例，係藉由由操作者之操作將該真空泵浦之屬性與異常資料的組合新增於記憶部323中。此處如上述，真空泵浦之屬性例如係真空泵浦之種類、機種及/或連接於該真空泵浦之半導體製造裝置的種類或機種。藉此，如第五十九圖所示，儲存真空泵浦之屬性與異常資料的組合。第六十四圖係記憶於記憶部323之表格T32的一例。表格T32中儲存有真空泵浦之屬性與異常資料的檔名之組合，異常資料本身亦記憶於記憶部323。藉此，運算部325可從異常資料之檔名參照異常資料。
記憶體324暫時儲存資料。運算部325讀取並執行儲存於記憶部323之程式。藉此，運算部325發揮決定部326之功能。
決定部326參照記憶部323，決定使用異常資料之傾向用於判定繼續運轉可能性的基準資料。具體而言，例如決定部326從在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向，使用人工智慧之學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等，決定重視的傾向。而後，決定部326亦可設定與抽出之重視傾向相應的基準資料(例如臨限值之值)。例如，決定部326亦可就重視之參數，決定已故障真空泵浦中共同之條件的到達故障共同條件作為基準資料。
此處，重視之傾向係(1)異常資料發生次數、(2)異常資料發生間隔隨時間變化(間隔的減少)、(3)異常資料值之增加或減少傾向、(4)發生異常繼續時間或繼續時間隨時間變化、(5)異常資料發生之工序的傾向(偏差)、(6)發生異常之工序中(1)~(4)的條件(例如在某個工序中重視(1)~(4))、或(7)(2)~(4)之組合(Set)的發生狀況。
基準資料亦可係臨限值。例如繼續運轉共同條件係異常資料發生次數時，基準資料係臨限值。例如就設定時間經過後可繼續運轉之真空泵浦，異常資料發生次數共同為10次時，則設定10作為基準資料。
此外，基準資料亦可係與異常資料相關之參數(例如異常資料發生次數)和繼續運轉概率的複數個組合。複數個異常資料發生次數亦可係連續之整數，亦可係不連續之整數。
此外，基準資料亦可係與異常資料相關之參數和基準值的組合、及背離值和與該異常資料相關之參數的組合與對應於該組合之繼續運轉概率。
此外，基準資料亦可係對應於與異常資料相關之複數個參數與該複數個參數的組合之繼續運轉概率。
基準資料抽出處理之一例，決定部326亦可按每個真空泵浦之屬性決定該基準資料。藉由該構成，由於係按每個真空泵浦之屬性製作基準資料，因此，和從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向比較時，可和與該運轉中之真空泵浦所屬的屬性之真空泵浦對應的基準資料比較。藉此，可使真空泵浦之到達故障可能性的判定精準度提高。
繼續，使用第六十五圖說明第七種實施形態之變形例的基準資料抽出處理流程。第六十五圖係顯示第七種實施形態之變形例的基準資料抽出處理一例之流程圖。
(步驟S1101)首先，從記憶部323讀取在故障泵浦之狀態量資料中檢測出的異常資料。
(步驟S1102)其次，決定部326從經讀取之異常資料的傾向抽出繼續運轉共同條件作為基準資料。
(步驟S1103)，其次，決定部326將經抽出之基準資料儲存於記憶部323中。
另外，決定部326亦可半導體製造裝置之每個成膜工序抽出該基準資料，決定部326亦可每個真空泵浦之屬性與半導體製造裝置的成膜工序之組合抽出該基準資料。藉由該構成，由於係按半導體製造裝置之每個成膜工序製作基準資料，因此，和從運轉中之真空泵浦303的狀態量資料檢測出之異常資料的傾向比較時，可和與連接有該真空泵浦303之半導體製造裝置301的成膜工序對應之基準資料比較。藉此，可使真空泵浦之到達故障可能性的判定精準度提高。此時，宜按每個回收異常資料，將真空泵浦之屬性、半導體製造裝置之成膜工序、 及異常資料之組合新增於記憶部323中，來讓決定部326可參照記憶部323而抽出基準資料。
另外，決定部326亦可按半導體製造裝置之每個成膜工序抽出該基準資料，不過不限於此，亦可按半導體製造裝置之每個其他製造工序抽出該基準資料。
另外，本變形例係基準資料決定裝置320從在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向決定重視之傾向，並將與該傾向相應之繼續運轉共同條件決定成基準資料，不過，並非限於此者。設計者或製造者等人亦可預先從可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向，先設定重視之傾向(例如異常資料發生次數)，且基準資料決定裝置320設定與經設定之繼續運轉共同條件(例如異常資料發生次數)相應之基準資料(例如臨限值之值)。例如，繼續運轉共同條件為異常資料發生次數時，基準資料決定裝置320亦可將複數個異常資料中之異常資料發生次數的統計量(例如最小值、中央值、平均值)設定成臨限值之值。
(關於通報處理)
繼續，使用第六十六~七十三圖說明資訊處理裝置305之比較部382的通報處理。第六十六圖係顯示某個可繼續運轉真空泵浦中之馬達338的電流有效值I與運轉時間之關係一例的曲線圖。曲線W1係某個可繼續運轉真空泵浦中之馬達338的電流有效值I隨時間變化。直線f(t)ave係正常真空泵浦中之馬達338的電流有效值I之平均隨時間變化。直線f(t)max係真空泵浦中之馬達338的電流有效值I之正常範圍最大值隨時間變化。直線f(t)min係真空泵浦中之馬達338的電流有效值I之正常範圍最小值隨時間變化。例如比較部382係在現在運轉中之馬達338的電流有效值I超過f(t)max時發出警告。
如第六十六圖所示，將設定時間ts經過時之電流有效值設為Ib，並將△I設為從設定時間ts經過時之電流有效值Ib減去電流有效值之初始值I0的值(I△=Ib-I0)。將該差分值△I除以設定時間ts經過時之電流有效值Ib所獲得的參數α(=△I/Ib)，表示成統計無故障而返回之泵浦的運轉資料時參數α的頻率曲線圖，例如表示成第六十七圖。
第六十七圖係統計設定時間ts經過時可繼續運轉之真空泵浦時之參數α的頻率曲線圖一例。將參數α之中央值設為αc，並將參數α之標準差設為σ1。此時，比較部382亦可在運轉中之真空泵浦303的參數α為(αc+σ1)時輸出第一次警告(Alert)，(αc+2σ1)時輸出第二次警告，(αc+3σ1)時輸出第三次警告(例如在顯示裝置306上顯示警告)。
如此，在泵浦3之運轉中，比較部382比較基於運轉中之真空泵浦303狀態量的值(此處以運轉中之參數α為一例)、和基於不故障而返回之泵浦的狀態量(此處以電流有效值為一例)的值(此處以參數α為一例)之統計量(此處之一例為αc+σ1、αc+2σ1、或αc+3σ1)，而控制來依比較結果通報。藉此，可在運轉中之真空泵浦303的狀態量接近可繼續運轉之真空泵浦故障時的狀態量時進行通報，並可在真空泵浦303故障之前進行真空泵浦303之維修或更換。此外，比較部382亦可進行比較運轉中之當時以前統計量和當時資料之資料處理。例如，比較部382於當時係經過10010hr時，亦可進行比較10000hr時之統計量與當時資料的比較之資料處理。
第六十八圖係顯示某個可繼續運轉真空泵浦中之馬達338的電流有效值I與運轉時間之關係其他例的曲線圖。如第六十八圖所示，該無故障而返回之泵浦在時刻t1、t2、t3、t4、t5、...、tN(N係正整數)時發生異常，到設定時 間ts經過為止之發生異常次數係N次。就到設定時間ts經過為止可繼續運轉之真空泵浦統計到設定時間ts為止的發生異常次數時，其發生異常次數的頻率曲線圖如第六十九A圖所示。
第六十九A圖係就到設定時間ts經過時為止可繼續運轉之真空泵浦統計到設定時間ts為止之發生異常次數時，其發生異常次數之頻率曲線圖一例。將到設定時間ts經過時為止之發生異常次數的平均值設為Nm，並將到設定時間ts經過時為止之發生異常次數的標準差設為σ2。此時，比較部382亦可在運轉中之真空泵浦的發生異常次數為(Nm+σ2)時發出第一次警告，並在(Nm+σ2)與(Nm+2σ2)之間發出第一次維修警告(例如在顯示裝置306上顯示警告)。此外，比較部382亦可在(Nm+2σ2)時發出第二次警告，並在(Nm+2σ2)與(Nm+3σ2)之間發出第二次維修警告。
此處，維修警告例如係建議維修之內容或維修時期的內容。
如此，比較部382比較運轉中之真空泵浦的狀態量(此處之一例為電流有效值I)之發生異常次數、和可繼續運轉之真空泵浦到設定時間ts經過為止的狀態量(此處之一例為電流有效值I)之發生異常次數的統計量(此處以Nm+3σ2、Nm+2σ2、Nm+σ2為一例)，並控制來依比較結果通報。藉此，可在運轉中之真空泵浦303的狀態量從可繼續運轉之真空泵浦到設定時間ts經過為止的發生異常次數離開時通報，並可在真空泵浦303故障之前進行真空泵浦之維修或更換。
第六十九B圖係描繪無故障而返回之真空泵浦的發生異常次數統計量隨時間變化、與現在運轉中之泵浦的發生異常次數之曲線圖一例。第六十九B圖係顯示統計量Nm+3σ2、Nm+2σ2、Nm+σ2各個隨時間變化，點P11係運轉中之真空泵浦 的發生異常次數開始超過統計量Nm+σ2之點。如此，當運轉中之真空泵浦的發生異常次數開始超過統計量Nm+σ2時，比較部382亦可輸出警告。
第七十圖係顯示某個可繼續運轉之真空泵浦中的馬達338之電流有效值I與運轉時間的關係第三例之曲線圖。如第七十圖所示，該可繼續運轉之真空泵浦中發生異常的區間係T1、T2、T3。就可繼續運轉之真空泵浦，將設定時間ts作為基準，統計從時間ts-β(β係指定時間)至時間ts+β之設定期間發生異常的區間T時，其發生異常之區間T的頻率曲線圖如第七十一圖所示。例如設定時間ts係10000hr且指定時間β係100h時，設定期間為(10000-100)h~(10000+100)。
第七十一圖係就可繼續運轉之真空泵浦統計要經過設定時間ts前的指定期間的發生異常之區間時，其要經過設定時間ts前發生異常的區間之頻率曲線圖一例。要經過設定時間ts前的發生異常區間T之中央值設為TC，發生異常之區間T的標準差設為σ3。另外，此處之一例係將TC設為中央值，不過亦可係平均值而非中央值。
第七十二A圖係就運轉中之真空泵浦發生異常的區間T隨時間變化一例。發生異常之區間T隨著時間t經過而逐漸縮短。第七十二B圖係描繪無故障而返回之真空泵浦的區間統計量隨時間變化、與現在運轉中之泵浦發生異常次數的曲線圖一例。第七十二B圖係顯示統計量TC-3σ3、TC-2σ3、TC-σ3各個隨時間變化。點P21係運轉中之真空泵浦的區間開始低於統計量TC-σ3之點，點P22係運轉中之真空泵浦的區間開始低於統計量TC-2σ3之點。因此，比較部382亦可在運轉中之真空泵浦發生異常的區間T低於(TC-σ3)時發出第一次警告，低於(TC-2σ3)時發出第二次警告(例如在顯示裝置306上顯示警告)。
此外，比較部382亦可在運轉中之真空泵浦發生異常的區間T係(TC-σ3)與(TC-2σ3)間之時間輸出維修警告(例如顯示於顯示裝置306上)。維修警告例如係建議維修之內容或到達維修時期的內容。
另外，此處係著眼於在要經過設定時間ts前的指定期間作說明作為一例，不過不限於此，只要是經過設定時間ts前的期間即可，亦可並非於「要」經過設定時間ts前。例如亦可著眼於經過設定時間ts前400小時至經過設定時間ts前200小時之間。
因此，比較部382比較運轉中之真空泵浦303的狀態量(此處以電流有效值I為一例)發生異常之區間、和可繼續運轉之真空泵浦在經過設定時間ts前的狀態量(此處以電流有效值I為一例)發生異常的區間統計量(此處以TC-σ3、TC-2σ3為一例)，控制來依比較結果通報。藉此，可在運轉中之真空泵浦303的狀態量從經過設定時間ts前之狀態量發生異常的區間離開時通報，並可在真空泵浦303故障前進行真空泵浦303之維修或更換。
另外，比較部382亦可依成膜製程之時間相對於真空泵浦303的運轉時間之比率，將維修或更換時期提早。例如，比較部382亦可使用係數η，將警告或維修警告時期提早。
例如比較部382亦可使用係數η加減參數α之中央值αc、到設定時間ts前為止發生異常次數之平均值Nm、發生異常區間之中央值Tc。例如比較部382亦可將參數α之中央值αc修正成αc-η×σ1。
此處，係數η使用成膜製程之時間TSP相對於影響係數k與真空泵浦303之運轉時間Tw的比率L(=TSP/Tw)，並以η=kL=kTSP/Tw來表示。此處，影響係數k表示成膜製程對真空泵浦之故障造成的影響，其初始值例如係1.0~2.0之 值。影響係數k亦可藉由人工智慧之學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等來更新。藉此，將影響係數k最佳化。或是，亦可藉由人工智慧之學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等進行成膜製程之期間的選定。此時之學習中亦可使用預先藉由人所抽出之成膜製程的期間與感測信號之組合作為教師資料集。
此處之感測信號係以微粒子感測器(雷射計數器)、微成膜感測器、或聲波/振動感測器等所檢測的信號。此處之微成膜感測器係以固有振動數的變化來監控增膜。藉此，由於自動選定成膜製程之期間，因此自動決定成膜製程之時間TSP。另外，計算係數η時，亦可使用成膜製程之次數來取代成膜製程的時間TSP。
第六十六、六十八、七十圖之橫軸的運轉時間亦包含怠速時間，而比較部382在第六十六、六十八、七十圖中亦可按每個製程之運轉時間，藉由乘上對應於該製程之係數η，來修正運轉時間。第七十二C圖係顯示馬達338之電流有效值I與運轉時間之關係第四例的曲線圖。第七十二C圖中顯示有製程PA、PB、PC、PD、PE，例如製程PE為怠速期間者。此時，例如按每個製程PA、PB、PC、PD、PE(各運轉時間為tPA、tPB、tPC、tPD、tPE)分別分配係數η為1.5、1.5、2、2、1時，比較部382亦可按照公式tr=1.5tPA+1.5 tPB+2 tPC+2 tPD+tPE算出修正運轉時間tr。如上述，藉由修正運轉時間，可換算成負荷實際施加於真空泵浦的時間。
如此，比較部382係處理成依連接有運轉中之真空泵浦303的半導體製造裝置301的成膜製程時間或成膜製程次數而變更通報的時間點。具體而言，例如比較部382依成膜製程之時間或成膜製程的次數修正運轉時間，並將修正後之運轉時間通報成基準。採用該構成時，可依連接運轉中之真空泵浦的半導 體製造裝置之成膜製程時間或成膜製程次數改變通報的時間點。雖然連接運轉中之真空泵浦303的半導體製造裝置301之成膜製程時間或成膜製程次數愈多故障風險愈高，但藉由將通報之時間點提早，可在真空泵浦303故障之前進行真空泵浦303之維修或更換。
另外，此處之比較部382係雖處理成依成膜製程之時間或成膜製程的次數而變更通報之時間點，蛋不限於成膜製程之時間或次數，亦可處理成依怠速以外之其他製造工序的時間或次數而變更通報之時間點。
比較部382亦可使用微粒子感測器(雷射計數器)之感測信號與預先藉由人所設定之成膜量的教師資料，進行人工智慧學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等。藉此，比較部382亦可從運轉中之微粒子感測器(雷射計數器)的感測信號判定成膜量，並使用經判定之成膜量更新影響係數k。
或是，比較部382亦可使用微成膜感測器之感測信號與預先由人所設定之成膜量的教師資料，進行人工智慧學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等。藉此，比較部382亦可從運轉中之微成膜感測器的感測信號判定成膜量，並使用經判定之成膜量更新影響係數k。
或是，比較部382亦可使用聲波/振動感測器之感測信號與預先由人所設定之成膜量的教師資料，進行人工智慧學習，例如使用深層類神經網路(deep neural network)的深層學習(deep learning)等。藉此，比較部382亦可從運轉中之聲波/振動感測器的感測信號判定成膜量，並使用經判定之成膜量更新影響係數k。
(第八種實施形態)
繼續說明第八種實施形態。第八種實施形態中係使用複數個感測器執行真空泵浦之異常診斷、異常預知、及/或穩定控制。
第七十三圖係第八種實施形態之半導體製造系統310b的概略構成圖。與第五十八圖共同之元件上註記共同編號，並省略其詳細之說明。
如第七十三圖所示，第八種實施形態之半導體製造系統310b具備：半導體製造裝置301、真空泵浦303、連繫半導體製造裝置301與真空泵浦303之配管302、控制真空泵浦303之控制裝置304b、資訊處理裝置305b、及連接於資訊處理裝置305b之管理裝置307。
第八種實施形態之半導體製造系統310b作為一例係進一步具備：加速度感測器S41~S43、電流監控感測器S51、S52、及溫度感測器S61~S66。加速度感測器S41~S43例如係5軸加速度感測器。如此，半導體製造系統310b具有複數個感測器。
控制裝置304b具有：控制馬達338之控制部341；及與資訊處理裝置305b通信之通信部342。
資訊處理裝置305b具有：記憶體354、運算部355、通信部356。通信部356與控制裝置304b之通信部342通信。此外，通信部356與管理裝置307通信。此外，通信部356從加速度感測器S41~S43、電流監控感測器S51、S52、及溫度感測器S61~S66接收感測資料。
管理裝置307可與資訊處理裝置305b通信。管理裝置307具有CPU371。
加速度感測器S41~S43、電流監控感測器S51、S52、及溫度感測器S61~S66具有通信功能，例如具有Wi-Fi(登錄商標)或blue-tooth(登錄商標)等，藉由此等感測器檢測出之感測信號被在附近之通信部342收集。而後，感測信號 從通信部342經由配線傳達至通信部356，並依需要藉由運算部355進行資料處理後儲存於記憶體354。資訊處理裝置305b亦可係閘道器(例如路由器等)。此外，資訊處理裝置305b亦可合併AI(人工智慧)功能。
藉由使用複數個感測器可獲得精準度佳之管理資訊。例如轉子之一部分由於異物而反作用力增加時，發生旋轉速度之變動、轉子軸之斜度變動、馬達控制電流之變動。藉由同時比較處理旋轉速度、轉子軸之斜度與馬達控制電流，而並非僅一個變化，可確實精確掌握異常變動。
加速度感測器S41~S43亦可具有MEMS型振動振盪器。使用頻帶寬/廉價/小型，且安裝於基板上者時，小型有效。
此外，亦可取得複數個真空泵浦之運轉行為狀況作為資料。
亦可按每個真空泵浦之上游機器(例如半導體製造裝置)管理附屬之真空泵浦的運轉狀況。可按每個半導體製造裝置之屬性(例如機種)比較真空泵浦之運轉狀況及故障次數、更換零件頻率，並按每個半導體製造裝置之屬性(例如機種)定義故障次數、更換零件頻率。
本實施形態係設置3個加速度感測器，不過不限於此，加速度感測器亦可設置2個以下，亦可設置4個以上(例如10個以上)。加速度感測器亦可在從真空泵浦之轉子軸的中心於互相之相反方向(例如左右)各設2軸，在轉子軸方向設1軸以上，多段的時候設2軸以上。
本實施形態係設置2個電流監控感測器，但不限於此，電流監控感測器亦可設1個，亦可設3個以上。電流監控感測器為了記錄馬達驅動電流變動的資料，亦可用於測定馬達驅動電流而安裝。有複數個馬達時，此時電流監控感測器數量亦可增加。例如2段馬達時，亦可設2個以上電流監控感測器。
本實施形態係設置6個溫度感測器，但不限於此，溫度感測器亦可設5個以下，亦可設7個以上。亦可檢測轉子之多點溫度(例如從中心於互相相反方向之位置的溫度)、馬達之溫度、馬達軸之溫度、氣體輸入部之溫度、氣體輸出部之溫度、轉子輸入部之溫度、轉子輸出部之溫度。此外，真空泵浦為多段時，亦可檢測前段之轉子輸出部的溫度與次段輸入部的溫度。
半導體製造系統310b進一步亦可設置複數個(例如5個以上)之壓力感測器。壓力感測器亦可檢測轉子之多點壓力(例如從中心於互相相反方向之位置的壓力)、馬達軸之壓力、氣體輸入部之壓力、氣體輸出部之壓力、轉子輸入部之壓力、轉子輸出部之壓力。此外，真空泵浦為多段時，壓力感測器亦可檢測前段之轉子輸出部的壓力、與次段輸入部之壓力。
半導體製造系統310b亦可進一步設置轉子或馬達軸之旋轉感測器。例如，亦可對1個轉子與1個馬達之組合，設置3個以上旋轉感測器。轉子與馬達增加時，此時旋轉感測器亦可增加。感測器可為上述之組合，亦可在半導體製造系統310b中設置合計10個以上感測器。
(使用複數個感測器之效果)
藉由使用複數個感測器，資訊處理裝置305b之運算部355可實施以下之處理。
使用多軸之加速度感測器時，運算部355可進行軸上加速度變動之比較，例如可進行相互微分波形之比較、FFT(快速傅立葉轉換(Fast Fourier Transform))波形之比較等。本例係運算部355可分析轉子軸在分離位置之2軸(x,y)彼此的比較、及轉子和平行軸(z)之變動。由於可在分離位置之2軸彼此比較和比較其變動向量成分，因此運算部355可精確判定軸之扭轉、相對地在哪個 方向發生過載。此外，運算部355可比較其時間附近之馬達電流的變動，可特定對轉子之過載、其所造成馬達之過載與其時間帶。
此外，運算部355當經過其判定時間後，發生了感測器檢測異常動作時，可進行其檢測與警報、顯示。此時，將比較資料登錄於記憶體354作為通常SD條件，運算部355可對其進行比較並作判定。
另外，後段之管理裝置307的CPU371亦可實施此等處理之一部分或全部。
(第九種實施形態)
繼續，說明第九種實施形態。第七十四圖係第九種實施形態之半導體製造系統310c的概略構成圖。在與第五十八、七十三圖共同之元件上註記共同編號，並省略其詳細說明。如第七十四圖所示，半導體製造系統310c具備：真空泵浦303-1~303-J(J係正整數)、控制真空泵浦303-1~303-J之控制裝置304b-1~304b-J、製程裝置308-1~308-L(L係正整數)、資訊處理系統309及管理裝置307。
各真空泵浦303-1~303-J中，如第八種實施形態所示設有複數個感測器(無圖示)。由於各真空泵浦303-1~303-J之構成與第七種實施形態相同，因此省略其說明。由於控制裝置304b-1~304b-J之構成與第八種實施形態之控制裝置304b相同，因此省略其說明。
製程裝置308-1~308-L係蝕刻裝置或成膜裝置。製程裝置308-1連接於真空泵浦303-1、303-2。製程裝置308-2連接於真空泵浦303-3、303-4。製程裝置308-L連接於真空泵浦303-J。資訊處理系統309例如具有工廠內之機器及/或資訊收集裝置(例如伺服器或個人電腦(Personal Computer))。資訊處理系統309亦可係雲端或迷你雲端。
來自複數個感測器之感測信號輸入至控制裝置304b-1~304b-J。控制裝置304b-1~304b-J從該感測信號取得感測值，並將顯示感測值之感測資料輸出往連接該控制裝置304b-1~304b-J的製程裝置308-1~308-L。
再者，從各製程裝置308-1~308-L傳送感測資料至資訊處理系統309並儲存。資訊處理系統309處理感測資料。該資訊處理系統309連接於管理裝置307。管理裝置307執行各種判斷之處理，並更新下一個階段的動作參數。此外，管理裝置307進行維修及零件更換時期的更新。此等更新值經由資訊處理系統309而反饋至各製程裝置308-1~308-L及控制裝置304b-1~304b-J。各製程裝置308-1~308-L及控制裝置304b-1~304b-J進行與該動作參數對應之動作。
另外，控制裝置304b-1~304b-J之通信部342亦可設置於真空泵浦303-1~303-J。此外，控制裝置304b-1~304b-J之通信部342亦可以控制器或轉接器之形態而設置於外部。
(第十種實施形態)
繼續，說明第十種實施形態。第七十五圖係第十種實施形態之半導體製造系統310d的概略構成圖。在與第五十八、七十三、七十四圖共同之元件上註記共同編號，並省略其詳細之說明。如第七十五圖所示，半導體製造系統310d具備：半導體製造裝置301-1~301-J(J係正整數)、真空泵浦303-1~303-J、控制真空泵浦303-1~303-J之控制裝置304b-1~304b-J、閘道器361-1~361-K(K係正整數)、資訊處理系統309及終端裝置362。
各真空泵浦303-1~303-J中，如第八種實施形態所示設有複數個感測器(無圖示)。由於各真空泵浦303-1~303-J之構成與第七種實施形態相同，因 此省略其說明。由於控制裝置304b-1~304b-J之構成與第八種實施形態之控制裝置304b相同，因此省略其說明。
閘道器361-1~361-K將從控制裝置304b-1~304b-J傳送之感測信號、控制信號、狀態信號等傳送至資訊處理系統309。因為閘道器361-1~361-K與控制裝置304b-1~304b-J之間使用高速光通信，所以信號傳達速度快。藉此，藉由高速進行信號授受，可在短時間收集多數個感測信號。
另外，閘道器361-1~361-K亦可具有一部分資料處理功能。此時，閘道器361-1~361-K亦可進行必要之資料處理，進行下一個階段之動作參數的更新，並傳送信號至該控制裝置304b-1~304b-J進行反饋。此時，真空泵浦303-1~303-J之運轉狀態等的狀態資料可傳達至資訊處理系統309。資訊處理系統309亦可判定半導體製造裝置301-1~301-J或真空泵浦303-1~303-J之運轉狀態的管理，而進行下一個階段之動作參數的變更、狀態變更、零件更換或維修時期的更新。而後，資訊處理系統309亦可將此等經變更或更新之資訊通知終端裝置362。藉此，終端裝置362之操作者可掌握動作參數之變更或狀態的變更。或是，終端裝置362之操作者可掌握更新後之零件更換或維修的時期。
閘道器361-1~361-K一併具有通信用之轉接器、路由器、控制器的功能。此外，閘道器361-1~361-K藉由資訊處理系統309儲存資料並自動取得(更新)由自動學習而經更新的資料處理方式，並製作已進行需要資料群與不需要資料群的分選之資料集。藉此，閘道器361-1~361-K可使本身閘道器中之運算處理效率提高。
在閘道器361-1~361-K處理之資料的一部分(時間性間疏者)儲存於資訊處理系統309。資訊處理系統309使用其製作自動學習用之資料集，並藉由 自動學習更有效地進行穩定之動作參數的決定、零件更換時期之判定或維修時期的判定。資料累積數增加時(例如資料累積數達5000~10000案件以上時)，可進行可靠性高且精準度高之判定。
另外，具備複數個裝置之資訊處理系統亦可在此等複數個裝置分散處理第一或第至八種實施形態之資訊處理裝置305、305b的各處理。此外，第一及第八種實施形態中係將控制裝置304與資訊處理裝置305作為不同裝置而說明，不過亦可構成為控制裝置304具備資訊處理裝置305。此外，第八種實施形態係說明資訊處理裝置305b與管理裝置307係不同裝置，但亦可構成為資訊處理裝置305b具備管理裝置307。此外，亦可將用於執行各種實施形態之資訊處理裝置305、305b、管理裝置307、資訊處理系統309之各處理的程式記錄於電腦可讀取之記錄媒介，使電腦系統讀入記錄於該記錄媒介之程式，藉由處理器執行，來進行本實施形態之資訊處理裝置的上述各種處理。
(第十一種實施形態)
半導體製造裝置中，廣泛使用以在腔室內形成真空環境為目的，而將使用於半導體製造工序之氣體從腔室內排氣的真空泵浦。此種真空泵浦習知為具備魯氏(ROOTS)或螺旋型之泵轉子的容積式型式之真空泵浦。
通常，容積式真空泵浦具備：配置於機殼內之一對泵轉子；及用於旋轉驅動該泵轉子之馬達。在一對泵轉子間及泵轉子與機殼的內面之間形成有微小之餘隙，泵轉子係構成在不接觸機殼下而旋轉。而後藉由一對泵轉子同步且彼此相反方向旋轉，而將機殼內之氣體從吸入側輸送至吐出側，並從連接於吸入口之腔室等排出氣體。
使用於半導體製造工序之氣體、或是使用之氣體藉由化學反應而生成的物質，有時含有當溫度降低時凝固或液化的成分。通常，上述之真空泵浦因為在輸送氣體過程產生壓縮熱，所以運轉中之真空泵浦會達到某種程度高溫。由於壓縮熱而高溫化下仍無法比氣體中之成分或生成物質凝固或液化溫度還高的情況下，泵本體藉由外部加熱或流入氣體之加熱而維持真空泵浦的高溫。使用上述真空泵浦即使排出包含上述成分之氣體時，氣體中之成分或生成物質仍不會凝固或液化而會進行良好的真空排氣。
但是，有的半導體製造工序在上述真空泵浦高溫化下，仍無法防止使用之氣體或來自使用之氣體的生成物質液化、凝固。在該工序中繼續運轉真空泵浦的話，則該凝固之生成物(反應生成物)會堆積在泵轉子間或泵轉子與機殼的間隙。而後，該生成物之堆積進行的話，在真空泵浦運轉中藉由對真空泵浦施加過剩的負荷，會導致在製造製程中真空泵浦停止。此時，造成製造製程中之製品損失，修復花費的時間超出想像，導致裝置運轉率惡化。
為了防止此種損害，專利文獻3揭示有當馬達電流之積分值或平均值超過臨限值時發出警報。專利文獻4揭示有分析診斷來自至少具備檢測真空泵浦發生之AE(聲波發射)的AE感測器之感測部的信號。
真空泵浦反覆進行正常狀態與異常狀態，最後到達故障。但是，在此之前並無思量異常狀態之檢測手段、異常狀態檢測後之資料處理方法。因而，存有無法從運轉中之對象真空泵浦的異常狀態診斷泵浦內部狀態的問題。
需要提供一種可從運轉中之對象真空泵浦的異常狀態診斷泵浦內部狀態之資訊處理裝置、資訊處理系統、資訊處理方法及程式。
以下各種實施形態之資訊處理裝置，係將運轉中之對象真空泵浦的異常狀態發生傾向，和基於該對象真空泵浦所屬之群組(例如，屬於同一製造編號之真空泵浦的群組、連接於屬於同一製造編號之半導體製造裝置的真空泵浦之群組、或同一個製程使用過之真空泵浦的群組等)過去真空泵浦發生異常狀態的傾向之共同條件作比較。此處之過去的真空泵浦，亦可係初期並無故障而繼續運轉之真空泵浦(例如，到定期檢查為止並無故障而繼續運轉，為了翻修而送回生產者等的真空泵浦)，亦可係因為故障而回收之真空泵浦。
藉此，例如可將運轉中之對象真空泵浦的異常狀態和同一個製造編號之過去真空泵浦的異常狀態比較。或是，可將運轉中之對象真空泵浦的異常狀態，和連接於半導體製造裝置的過去真空泵浦作比較，前述半導體製造裝置係與連接有對象真空泵浦之半導體製造裝置屬於同一個製造編號。或是，可將運轉中之對象真空泵浦的異常狀態，和與使用對象真空泵浦之製程相同製程所使用過的過去的真空泵浦作比較。
因此，可從運轉中之對象真空泵浦的異常狀態診斷泵浦內部狀態。
首先，就第十一~第十三各個實施形態中共同的第一資訊處理裝置進行說明。第一資訊處理裝置輸出屬於預設之設定群組的真空泵浦之異常資料發生傾向的共同條件。
第七十六圖係顯示第十一種實施形態之第一資訊處理裝置的輸入輸出關係之方塊圖。如第七十六圖所示，將記錄於各個記錄之狀態量資料分別輸入第一資訊處理裝置401。
此外，如第七十六圖所示，第一資訊處理裝置401輸出屬於預設之設定群組的真空泵浦之異常資料發生傾向的共同條件。
第七十七圖係顯示第十一種實施形態之第一資訊處理裝置的概略構成方塊圖。如第七十七圖所示，第一資訊處理裝置401具備：輸入部411、輸出部412、記憶部413、記憶體414、及具有CPU(中央處理單元)420及快取記憶體423的運算部415。各部藉由匯流排連接。
輸入部411中分別輸入記錄於真空泵浦各個記錄中之狀態量資料。
輸出部412按照運算部415之指令，輸出屬於預設之設定群組的真空泵浦之異常資料發生傾向的共同條件。
記憶部413儲存從輸入部411所輸入之狀態量資料。
記憶體414暫時儲存資訊。運算部415將從輸入部411所輸入之狀態量資料保存於記憶部413。運算部415具有：CPU(中央處理單元)420、第一檢測部421、決定部422及儲存有程式之快取記憶體423。
第一檢測部421從真空泵浦之狀態量資料檢測第一異常資料。此處之第一異常資料與後述的第二異常資料統稱為異常資料。此處之異常資料，亦可係狀態量從按每個經區分之工序所定義的狀態量正常範圍離開之值，亦可係狀態量(例如電流值)超出與工序無關所設定的設定範圍時之值(以下，亦稱為尖峰值)。此外，異常資料亦可係每個經區分之工序的工序整體隨時間變化傾向之異常(例如，並非瞬間離開之值，而係一定期間區分段整體的增加傾向時等)。
狀態量中包含真空泵浦之電流值。第七十八A圖係顯示運轉時間與真空泵浦之平均電流值的關係一例之曲線圖。此處之真空泵浦的平均電流值，係每個設定時間真空泵浦之平均電流值。第七十八B圖係顯示運轉時間與尖峰值發生次數之關係一例的曲線圖。此處之尖峰值發生次數係電流值超出設定範圍內的次數，且表示第一異常資料的發生傾向。
第七十九圖係真空泵浦群組之說明圖。如第七十九圖所示，半導體裝置係按每個製程P-1、P-2、...、P-N(N係1以上之整數)劃分。例如半導體裝置S-11、S-12、...、S-1M執行製程P-1，因此屬於製程P-1之群組。對於此等執行製程P-1之半導體裝置S-11、S-12、...、S-1M，有現在連接而運轉中之真空泵浦V-11、V-21、...、V-61；及過去連接過之真空泵浦V-52、V-13、...、V-44、...、V-82、V-43、...、V-35。因此，真空泵浦係按每個製程群組化。
此外，雖然半導體裝置S-11中，現在連接有運轉中之真空泵浦V-11，不過過去連接有真空泵浦V-52、V-13、...、V-44。因此，真空泵浦係按每個連接之半導體裝置群組化。
此外，真空泵浦V-11、V-12、V-13係同一個製造編號。因此，真空泵浦係按每個製造編號群組化。
第八十圖係顯示與記憶於記憶部之狀態量相關之表的一例圖。如第八十圖所示，表格T41儲存有真空泵浦識別資訊、製程識別資訊、半導體裝置識別資訊、製造編號、狀態量之資料的組合。
此處之真空泵浦識別資訊係識別真空泵浦的資訊，製程識別資訊係識別其記錄之真空泵浦連接過之半導體製造裝置所執行之製程的資訊(例如製程編號)。半導體裝置識別資訊係識別其記錄之真空泵浦連接過之半導體裝置之資訊，製造編號係其記錄之真空泵浦的製造編號。
狀態量資料例如係儲存有其記錄之真空泵浦的狀態量(例如電流值)之資料的檔案之檔名，狀態量資料亦可作為檔案而儲存於記憶部413。藉此，運算部415可從該檔名參照狀態量資料。
第八十一圖係顯示第一資訊處理裝置之處理一例的流程圖。
(步驟S1201)首先，第一檢測部421從真空泵浦之狀態量資料檢測第一異常資料。
(步驟S1202)其次，第一檢測部421將檢測出之第一異常資料保存於記憶部413。
(步驟S1203)其次，決定部422使用從屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的第一異常資料之發生傾向，按每個該設定群組決定屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件。
例如，真空泵浦之設定群組係屬於同一個製造編號之真空泵浦的群組，此時，決定部422使用從屬於同一個製造編號之真空泵浦群組的真空泵浦之狀態量資料檢測出的第一異常資料發生傾向，按每個該設定群組決定屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件。
例如，真空泵浦之設定群組係連接於屬於同一個製造編號之半導體製造裝置的真空泵浦群組，此時，決定部422使用屬於連接於屬於同一個製造編號之半導體製造裝置的真空泵浦群組之真空泵浦的狀態量資料檢測出之第一異常資料的發生傾向，每個該設定群組決定屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件。
例如，真空泵浦之設定群組係同一個製程所使用過之真空泵浦的群組，此時，決定部422使用屬於同一個製程所使用過之真空泵浦群組的真空泵浦之狀態量資料檢測出的第一異常資料的發生傾向，按每個該設定群組決定屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件。
此處，屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件，例如係(1)異常資料發生次數、(2)異常資料發生間隔隨時間變化(間隔 減少)、(3)異常資料值之增加或減少傾向、(4)發生異常繼續時間或繼續時間隨時間變化、(5)發生異常資料之工序的傾向(偏差)、(6)發生異常之工序中(1)~(4)的條件(例如在A的工具中之(1)~(4)的傾向或條件等)、或(7)(2)~(4)組合(Set)的發生狀況等。
此外，共同條件例如係(1)臨限值(例如到發生異常10次為止，於指定期間內並無故障而可繼續運轉時，將臨限值設定為10次等)；(2)發生異常次數等之連續數值(或數值區間)，對應於該數值(或數值區間)而定義繼續運轉程度(繼續運轉概率)者；或(3)定義有發生異常模型(例如發生頻率增加傾向、狀態量之變化傾向)，且按每個發生異常模型定義有繼續運轉程度(繼續運轉概率)者。
(步驟S1204)其次，決定部422按每個群組將經決定之共同條件保存於記憶部413，並隨之從輸出部412輸出群組識別資訊與共同條件之組合。群組識別資訊係識別群組的資訊，例如係製程識別資訊、半導體製造裝置識別資訊、或製造編號等。
以上，第十一種實施形態之第一資訊處理裝置401具備：第一檢測部421，其從真空泵浦之狀態量資料檢測第一異常資料；及決定部422，其使用從屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出之第一異常資料的發生傾向，按每個該設定群組決定與屬於該設定群組之真空泵浦相關的共同條件。
藉由該構成，按每個真空泵浦之設定群組可輸出與泵浦內部狀態相關的共同條件。
繼續，說明第十一種實施形態之半導體製造系統的構成。第八十二圖係顯示第十一種實施形態之半導體製造系統的概略構成方塊圖。如第八十 二圖所示，半導體製造系統SS1具備：半導體製造裝置402、真空泵浦404、連接半導體製造裝置402與真空泵浦404之配管403、經由配線連接於真空泵浦404之第二資訊處理裝置405、及經由配線連接於第二資訊處理裝置405之顯示裝置406。
在第二資訊處理裝置405中，從真空泵浦404輸入狀態量資料，並輸入從第一資訊處理裝置401輸出之群組與共同條件的組合。第二資訊處理裝置405將比較結果輸出至顯示裝置406使其顯示比較結果。此處之比較結果，係比較與運轉中之真空泵浦404所屬的群組對應之共同條件、和從真空泵浦404之狀態量資料檢測出的第二異常資料之發生傾向的結果。
第八十三圖係顯示第十一種實施形態之第二資訊處理裝置的概略構成方塊圖。如第八十三圖所示，第二資訊處理裝置405具備：輸入部451、輸出部452、記憶部453、記憶體454、及運算部455。
輸入部451連接於真空泵浦404，輸入狀態量(例如電流值)之資料。此外，在輸入部451中輸入從第一資訊處理裝置401輸出之群組識別資訊與共同條件的組合。
運算部455具有：CPU(中央處理單元)480、讀取部481、第二檢測部482、比較部483及儲存有程式之快取記憶體484。運算部455將輸入於輸入部451之群組與共同條件的組合儲存於記憶部中。
第八十四圖係藉由運算部儲存於記憶部之表格的一例。表格T42係真空泵浦之群組為同一個製程使用過之真空泵浦群組的情況，此時，群組識別資訊係製程識別資訊之情況。表格T42中儲存製程識別資訊與共同條件之組合。
表格T43係真空泵浦之群組為連接於同一個半導體製造裝置之真空泵浦群組的情況，此時，群組識別資訊係半導體製造裝置識別資訊之情況。表格T43中儲存半導體製造裝置識別資訊與共同條件之組合。
表格T44係真空泵浦之群組為屬於同一個製造編號之真空泵浦群組的情況，此時，群組識別資訊係製造編號。表格T44中儲存製造編號與共同條件之組合。如此，將表格T42~T44之一部分或全部儲存於記憶部453。藉此，記憶部453按每個該設定群組將使用從屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的第一異常資料發生傾向所決定，屬於該設定群組的真空泵浦之異常資料發生傾向的共同條件儲存。
第八十五圖係顯示第二資訊處理裝置之處理一例的流程圖。
(步驟S1301)首先，讀取部481從記憶部453讀取與運轉中之真空泵浦404所屬的群組對應之共同條件。例如，群組屬於同一個製造編號之真空泵浦的群組時，讀取部481從記憶部453讀取對應於與運轉中之真空泵浦404同一個製造編號之真空泵浦群組的共同條件。亦即，讀取部481從記憶部453之表格T44讀取與運轉中之真空泵浦404的製造編號對應之共同條件。
或是，例如群組係連接於屬於同一個製造編號之半導體製造裝置的真空泵浦群組時，讀取部481從記憶部453讀取與連接於半導體製造裝置之真空泵浦群組對應的共同條件，前述半導體製造裝置係與連接有運轉中之真空泵浦404的半導體製造裝置同一。亦即，讀取部481從記憶部453之表格T43讀取與半導體製造裝置識別資訊對應的共同條件，前述半導體製造裝置識別資訊係識別連接有運轉中之真空泵浦404的半導體製造裝置。
或是，例如群組為同一個製程使用過之真空泵浦的群組時，讀取部481從記憶部453讀取與真空泵浦群組對應的共同條件，前述真空泵浦群組係在與使用運轉中之真空泵浦404的製程同一個製程中使用過。亦即，讀取部481從記憶部453之表格T42讀取與製程識別資訊對應的共同條件，前述製程識別資訊係識別使用運轉中之真空泵浦404的製程。
(步驟S1302)其次，第二檢測部482從運轉中之真空泵浦404的狀態量資料檢測第二異常資料。
(步驟S1303)其次，比較部483比較讀取之共同條件、與檢測出之第二異常資料的發生傾向。
例如，真空泵浦之設定群組為屬於同一個製造編號之真空泵浦的群組時，比較部483比較對應於與運轉中之真空泵浦404同一個製造編號之真空泵浦群組的共同條件、和運轉中之真空泵浦404的第二異常資料之發生傾向。
或是，例如真空泵浦之設定群組為連接於屬於同一個製造編號之半導體製造裝置的真空泵浦群組時，比較部483比較與連接於半導體製造裝置之真空泵浦群組對應的共同條件，前述半導體製造裝置係與連接運轉中之對象真空泵浦的半導體製造裝置同一、和運轉中之對象真空泵浦的前述第二異常資料發生傾向。
或是，例如真空泵浦之設定群組為同一個製程中使用過之真空泵浦的群組時，比較部483比較與真空泵浦群組對應的共同條件，前述真空泵浦群組係在與使用運轉中之對象真空泵浦的製程同一個製程中使用過、和運轉中之對象真空泵浦的第二異常資料發生傾向。
此處作為比較方法，例如有(1)共同條件係臨限值時，單純比較該臨限值和運轉中之真空泵浦的發生異常傾向(例如判定是否超過臨限值)；(2)共同條件係連續之數值(即連續值)時，比較該連續值和運轉泵浦之發生異常傾向資料，算出對應之繼續運轉程度；或是(3)共同條件係發生異常模型時，比較該發生異常模型盒運轉泵浦的發生異常傾向，計算運轉泵浦之發生異常傾向與該發生異常模型之背離值(或一致傾向程度)，從與背離值與發生異常模型之組合對應的繼續運轉程度算出繼續運轉可能性比率等。
上述(1)之情況，例如共同條件係依據在真空泵浦之狀態量資料中檢測出的異常資料所設定之臨限值，比較部483比較該臨限值和檢測出之第二異常資料的發生傾向。此處之臨限值亦可係每單位時間特定狀態量(例如電流值)離開設定範圍之次數的臨限值。此時，比較部483亦可比較該臨限值、和從運轉中之真空泵浦404的狀態量資料檢測出之每單位時間該特定狀態量離開設定範圍的次數。
具體而言，例如比較部483亦可將臨限值作為平均電流值之振幅的臨限值，並將真空泵浦之發生異常傾向作為平均電流值，來判定平均電流值是否超過該平均電流值之振幅的臨限值。此時，比較部483亦可例如當平均電流值超出該平均電流值之振幅的臨限值時，將繼續運轉程度設為0而輸出，當平均電流值收在該平均電流值之振幅的臨限值內時，將繼續運轉程度設為1而輸出。
上述(2)、(3)之情況，比較部483亦可例如比較且予以數值化，並將經數值化之資料(例如繼續運轉程度或繼續運轉可能性比率)作為比較結果而輸出。
上述(3)之情況，共同條件亦可係表示真空泵浦之狀態量資料中檢測出的異常容許範圍隨時間變化之資料。此時，比較部483亦可比較表示異常容許範圍隨時間變化的資料、和從運轉中之真空泵浦404的狀態量資料檢測出之異常的時間序列資料。
此處，表示異常容許範圍隨時間變化的資料，亦可係每單位時間特定狀態量(例如電流值、或平均電流值)離開設定範圍之次數的容許範圍隨時間變化之資料。此時，比較部483亦可比較表示該容許範圍隨時間變化之資料、和從運轉中之真空泵浦404的狀態量資料檢測出之每單位時間特定狀態量(例如電流值)離開設定範圍次數的時間序列資料。
或是，共同條件亦可係第一發生異常規則資料，其表示依據在真空泵浦之狀態量資料中檢測出的異常所設定之發生異常規則。此時，比較部483亦可比較第一發生異常規則資料、和表示從運轉中之真空泵浦404的狀態量資料檢測出之發生異常規則的第二發生異常規則資料。
此處之第一發生異常規則資料，亦可係依據在可繼續運轉之真空泵浦的狀態量資料中檢測出之發生異常次數(例如，發生尖峰值次數)所設定的設定次數範圍。此時，比較部483亦可比較設定次數範圍、和從運轉中之真空泵浦404的狀態量資料檢測出之發生異常次數，來決定從設定次數範圍之偏離程度。
此時，比較部483亦可依該偏離程度，將運轉中之真空泵浦404的狀態劃分成正常狀態、需要注意狀態、需要更換狀態來作判定。而後，比較部483亦可將經判定之運轉中的真空泵浦狀態作為比較結果而從輸出部452輸出。
(步驟S1304)其次，比較部483例如將比較結果從輸出部452輸出往顯示裝置406。此處作為比較結果，係是否超出臨限值之結果、繼續運轉程度、繼續運轉可能性比率、或運轉泵浦之發生異常傾向從該發生異常模型的背離值(或一致傾向程度)等。並將此等比較結果顯示於顯示裝置406。
另外，比較部483不限於僅輸出至顯示裝置，亦可經由通信網路來輸出資料。
以上，第十一種實施形態之第二資訊處理裝置具備：從記憶部453讀取對應於運轉中之對象真空泵浦所屬的群組之共同條件的讀取部；從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料的檢測部；及比較讀取之共同條件、和檢測出之前述第二異常資料的發生傾向之比較部。此處之記憶部453係按每個設定群組將使用屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的第一異常資料發生傾向所決定，屬於該設定群組的真空泵浦之異常資料發生傾向的共同條件儲存。
藉由該構成，可將運轉中之對象真空泵浦的異常狀態發生傾向，與依據該對象真空泵浦所屬之群組過去的真空泵浦之異常狀態發生傾向的共同條件作比較。因而，可從運轉中之對象真空泵浦的異常狀態診斷泵浦內部狀態。
(第十二種實施形態)
繼續，說明第十二種實施形態之半導體製造系統的構成。第八十六圖係顯示第十二種實施形態之半導體製造系統之概略構成方塊圖。如第八十六圖所示，第十二種實施形態之半導體製造系統SS2與第八十二圖之第十一種實施形態的半導體製造系統SS1比較，不同之處為真空泵浦404-1、404-2、...、404-K(K係1以上之整數)係經由通信電路網407而連接於第二資訊處理裝置405。藉由該構 成，第二資訊處理裝置405可分別對經由通信電路網407所輸入之複數個狀態量資料獨立運算來執行。
(第十三種實施形態)
繼續，說明第十三種實施形態之半導體製造系統的構成。第八十七圖係顯示第十三種實施形態之半導體製造系統的概略構成方塊圖。如第八十七圖所示，第十三種實施形態之半導體製造系統SS3與第八十六圖之第十二種實施形態的半導體製造系統SS2比較，不同之處為進一步從上層之工廠生產管理系統經由通信電路網408將共同條件輸入第二資訊處理裝置405。藉由該構成，因為第二資訊處理裝置405中從上層工廠生產管理系統自動輸入共同條件，所以無須由手動進行輸入作業，可減少人力之工時。
另外，運算部415藉由讀取保存於記憶部413之程式而執行，亦可發揮第一檢測部421、決定部422之功能。同樣地，運算部455藉由讀取保存於記憶部453之程式而執行，亦可發揮讀取部481、第二檢測部482、比較部483之功能。
另外，係說明第一資訊處理裝置401與第二資訊處理裝置405係不同系統，不過不限於此，亦可一個資訊處理系統具備第一資訊處理裝置401與第二資訊處理裝置405。
另外，亦可藉由將用於執行各種實施形態共同之第一資訊處理裝置401的各處理之程式記錄於電腦可讀取之記錄媒介，使電腦系統讀入記錄於該記錄媒介之程式，並藉由處理器執行，來進行各種實施形態共同之第一資訊處理裝置401的上述各種處理。
此外，亦可藉由將用於執行各種實施形態之第二資訊處理裝置405的各處理之程式記錄於電腦可讀取之記錄媒介，使電腦系統讀入記錄於該記錄 媒介之程式，並藉由處理器執行，來進行各種實施形態之第二資訊處理裝置405的上述各種處理。
以上，一種實施形態並非限定於按照上述實施形態者，於實施階段在不脫離其要旨之範圍內，可改變元件(構成要素)而具體化。
例如，上述實施例假設之真空泵浦不限於容積式之乾式真空泵浦的例如多段魯氏泵浦、螺璇型泵浦、爪式泵浦，亦可適用於運動量輸送式之乾式泵浦，例如渦輪分子泵。再者，上述實施例之系統可應用的用途，除了在半導體製造工序(例如CVD)使用的排氣系統之外，亦可使用於食品製造工序及醫藥品製造工序。此外，藉由上述實施形態所揭示之複數個元件的適當組合可形成各種發明。例如亦可從實施形態所所示之全部元件刪除數個元件。再者，亦可將有關不同實施形態之元件適當組合。
本申請案主張於2017年3月17日在日本提出申請之申請專利編號2017-52189、於2017年5月18日在日本提出申請之申請專利編號2017-98691、於2017年5月18日在日本提出申請之申請專利編號2017-98899、於2017年9月15日在日本提出申請之申請專利編號2017-177611、及於2018年2月2日在日本提出申請之申請專利編號2018-16875之利益，該申請案之內容以引用之方式納入此。

Claims (69)

  1. 一種資訊處理裝置，係檢測有無由對象真空泵浦內生成之生成物所造成之真空泵浦異常，且具備：決定部，其係至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，決定該對象狀態量之正常變動範圍或正常時間變動行為，前述對象狀態量係依流入真空泵浦內之氣體負荷而變動的狀態量；及比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
  2. 如申請專利範圍第1項之資訊處理裝置，其中前述決定部係依據前述對象真空泵浦內之壓力或前述其他真空泵浦內之壓力，修正前述過去之對象狀態量，並使用修正後過去之對象狀態量決定前述正常變動範圍或前述正常時間變動行為，前述比較部係依據前述對象真空泵浦內之壓力或前述其他真空泵浦內之壓力，修正前述對象真空泵浦之現在對象狀態量，並比較修正後之對象狀態量和前述正常變動範圍或前述正常時間變動行為。
  3. 如申請專利範圍第1項或第2項之資訊處理裝置，其中前述決定部於前述對象真空泵浦運轉後，依據每個指定次數量之工序的對象資訊量，按每個該工序決定前述對象狀態量之正常變動範圍或前述正常時間變動行為，前述比較部按每個對應之工序比較前述對象真空泵浦之現在對象狀態量和前述對象狀態量的前述正常變動範圍或前述正常時間變動行為。
  4. 如申請專利範圍第1項之資訊處理裝置，其中前述正常變動範圍係正常狀態時前述對象狀態量隨時間變化的變動範圍， 前述比較部係比較前述對象真空泵浦之現在對象狀態量隨時間變化，和前述正常狀態時前述對象狀態量隨時間變化的變動範圍。
  5. 如申請專利範圍第1項之資訊處理裝置，其中進一步具備區分部，其係將前述對象狀態量大小、變動大小、及/或變動周期為不同之期間區分為不同工序，前述決定部按每個前述經區分之工序，決定前述對象真空泵浦之現在對象狀態量的前述正常變動範圍或前述正常時間變動行為，前述比較部按每個前述經區分之工序，比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為。
  6. 如申請專利範圍第1項之資訊處理裝置，其中進一步具備區分部，其係將在前述對象真空泵浦連通之半導體製造裝置的工序中所使用之氣體種類及氣體流量為不同的期間區分為不同工序，前述決定部按每個前述經區分之工序，決定前述對象真空泵浦之現在對象狀態量的前述正常變動範圍或前述正常時間變動行為，前述比較部按每個前述經區分之工序，比較前述對象真空泵浦之現在對象狀態量與前述正常變動範圍或前述正常時間變動行為。
  7. 如申請專利範圍第1項之資訊處理裝置，其中前述比較部依據在前述對象真空泵浦連通之半導體製造裝置中按每個工序的前述對象狀態量之變化程度，來判定有無由生成物所造成之異常。
  8. 如申請專利範圍第1項之資訊處理裝置，其中前述比較部輸出經判斷為有在對象真空泵浦內生成之由生成物所造成的異常之資料作為前述比較結果。
  9. 如申請專利範圍第1項之資訊處理裝置，其中前述其他真空泵浦之規格與前述對象真空泵浦概略相同。
  10. 一種資訊處理裝置，係檢測有無由對象真空泵浦內生成之生成物所造成真空泵浦異常，且具備：決定部，其係依據前述對象真空泵浦連通之半導體製造裝置的製程之配方資訊，決定對象狀態量的正常變動範圍或正常時間變動行為，前述對象狀態量係依流入該真空泵浦內之氣體負荷而變動的狀態量；及比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
  11. 如申請專利範圍第1項之資訊處理裝置，其中前述決定部係使用對象真空泵浦過去之對象狀態量或其他真空泵浦過去的對象狀態量，前述對象狀態量係依流入真空泵浦內之氣體負荷而變動的狀態量，而按每個工序決定該對象狀態量之正常變動範圍，前述比較部係按每個工序比較運轉中之對象真空泵浦的對象狀態量和前述正常變動範圍，檢測已從前述正常變動範圍脫離之異常資料，並進一步具備判定基準決定部，其係按真空泵浦有無故障之別，使用與對象工序或全部工序發生異常數相關的對象參數之統計值，決定用於判定故障可能性或繼續運轉可能性之泵狀態判定基準或者是用於判斷是否輸出警報之警報判斷基準。
  12. 如申請專利範圍第11項之資訊處理裝置，其中進一步具備輸出部，其係比較與前述運轉中之對象泵浦的對象工序或全部工序發生異常數相 關之對象參數的統計值、和藉由前述判定基準決定部所決定之前述泵浦狀態判定基準，輸出泵浦狀態診斷值，前述泵浦狀態診斷值中包含表示故障可能性之故障指數或表示繼續運轉可能性之繼續運轉指數。
  13. 如申請專利範圍第12項之資訊處理裝置，其中前述判定基準決定部就已故障之真空泵浦，藉由統計與對象工序或全部工序之發生異常數相關的對象參數，決定對象參數之統計值與前述故障指數的對應關係作為前述泵浦狀態判定基準，前述輸出部藉由比較與前述運轉中之對象泵浦的對象工序或全部工序之發生異常數相關的對象參數之統計值、和前述對應關係，而輸出前述故障指數。
  14. 如申請專利範圍第12項之資訊處理裝置，其中前述決定部就無故障而繼續運轉之真空泵浦，藉由統計與對象工序或全部工序之發生異常數相關的對象參數，決定對象參數之統計值與前述繼續運轉指數的對應關係作為判定基準，前述輸出部藉由比較與前述運轉中之對象泵浦的對象工序或全部工序之發生異常數相關的對象參數之統計值、和前述對應關係，而輸出前述繼續運轉指數。
  15. 如申請專利範圍第11項之資訊處理裝置，其中進一步具備警報輸出部，其係比較與對象泵浦之對象工序或全部工序的發生異常數相關之對象參數的統計值、和藉由前述判定基準決定部所決定之警報判斷基準，並依比較結果輸出警報。
  16. 如申請專利範圍第11項至第15項中任一項之資訊處理裝置，其中進一步具備區分部，其係按每個工序分割前述對象真空泵浦過去之對象狀態量或前述其他真空泵浦過去的對象狀態量，前述決定部按每個前述經分割之工序決定前述對象狀態量的正常變動範圍。
  17. 如申請專利範圍第16項之資訊處理裝置，其中前述區分部將從除害裝置輸入之開始成膜信號中所包含的開始成膜時間點作為起點，按每個工序分割前述對象真空泵浦過去之對象狀態量或前述其他真空泵浦過去的對象狀態量。
  18. 如申請專利範圍第16項之資訊處理裝置，其中前述真空泵浦中設有氣體感測器，其係計測前述真空泵浦內之特定氣體的濃度，前述區分部依據藉由前述氣體感測器檢測出之感測值決定開始成膜時間點，並將該開始成膜時間點作為起點，按每個工序分割前述對象真空泵浦過去之對象狀態量或前述其他真空泵浦過去的對象狀態量。
  19. 如申請專利範圍第11項之資訊處理裝置，其中與前述發生異常數相關之對象參數，係發生異常次數、或是將特定工序之發生異常次數除以該特定工序期間而得的發生異常頻率。
  20. 一種資訊處理系統，係檢測有無因對象真空泵浦內生成之由生成物所造成真空泵浦異常，且具備：決定部，其係至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，前述對象狀態量為依流入真空泵浦內之氣體負荷而變動的狀態量，決定該對象狀態量之正常變動範圍或正常時間變動行為；及 比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
  21. 一種資訊處理方法，係檢測有無由對象真空泵浦內生成之生成物所造成真空泵浦異常，且具有以下工序：至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，前述對象狀態量係依流入真空泵浦內之氣體負荷而變動的狀態量，決定該對象狀態量之正常變動範圍或正常時間變動行為；及比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
  22. 一種電腦可讀取之記錄媒介，係記錄有檢測有無由對象真空泵浦內生成之生成物所造成真空泵浦異常的程式，且記錄有使電腦發揮以下功能之程式：決定部，其係至少使用一個前述對象真空泵浦或其他真空泵浦過去的對象狀態量，前述對象狀態量依流入真空泵浦內之氣體負荷而變動的狀態量，決定該對象狀態量之正常變動範圍或正常時間變動行為；及比較部，其係比較前述對象真空泵浦之現在對象狀態量和前述正常變動範圍或前述正常時間變動行為，並輸出比較結果。
  23. 一種基板處理裝置，其具有：腔室成膜爐，其係導入成膜用氣體進行基板成膜；真空泵浦裝置，其係連通於前述腔室成膜爐；除害裝置，其係處理前述真空泵浦之排放氣體；及控制裝置，其係控制前述真空泵浦；且連續地處理複數片基板， 前述控制裝置具有：生成電路，其係使前述真空泵浦啟動，將前述腔室成膜爐形成為指定真空程度後，將從前述除害裝置輸入之開始成膜信號中包含的開始成膜時間點作為起點，按每個工序分割從記憶裝置讀取出之對象真空泵浦過去的對象狀態量或其他真空泵浦過去的對象狀態量，而生成經分割之對象狀態量；及決定電路，其係按每個前述經分割之對象狀態量決定對象狀態量的正常變動範圍，前述對象狀態量係依流入真空泵浦內之氣體負荷而變動的狀態量。
  24. 一種資訊處理裝置，其具備比較部，其係參照記憶部，比較從運轉中之真空泵浦的狀態量資料所檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，並輸出比較結果，前述記憶部記憶有使用已故障之真空泵浦的狀態量資料中檢測出之異常資料傾向所決定，用於判定到達故障之可能性的基準資料。
  25. 如申請專利範圍第24項之資訊處理裝置，其中前述比較部係判定前述比較結果、真空泵浦到達故障之可能性，而輸出判定結果作為前述比較結果。
  26. 如申請專利範圍第24項或第25項之資訊處理裝置，其中前述記憶部中將真空泵浦之屬性與前述基準資料相關連而記憶，前述比較部比較從前述運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和前述記憶部中與該運轉中之真空泵浦的屬性相關連而記憶的基準資料。
  27. 如申請專利範圍第24項之資訊處理裝置，其中前述記憶部將半導體製造裝置之製造工序與前述基準資料相關連而記憶， 前述比較部比較從前述運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和前述記憶部中與連接該運轉中之真空泵浦的半導體製造裝置之現在製造工序相關連而記憶的基準資料。
  28. 如申請專利範圍第24項之資訊處理裝置，其中前述比較部比較基於前述運轉中之真空泵浦狀態量、和基於已故障之真空泵浦故障時狀態量的值之統計量，並控制其依比較結果通報。
  29. 如申請專利範圍第24項之資訊處理裝置，其中前述比較部比較前述運轉中之真空泵浦的狀態量發生異常次數、和已故障之真空泵浦故障前狀態量的發生異常次數之統計量，並控制來依比較結果通報。
  30. 如申請專利範圍第24項之資訊處理裝置，其中前述比較部比較前述運轉中之真空泵浦狀態量發生異常的區間，和已故障之真空泵浦在故障前狀態量發生異常的區間之統計量，並控制來依比較結果通報。
  31. 如申請專利範圍第28項至第30項中任一項之資訊處理裝置，其中前述比較部進行處理來依連接有前述運轉中之真空泵浦的半導體製造裝置之製造工序的時間或製造工序次數變更通報之時間點。
  32. 一種基準資料決定裝置，其具備決定部，其係參照記憶部，決定使用前述異常資料之傾向用於判定到達故障可能性的基準資料，前述記憶部記憶有在已故障之真空泵浦的狀態量資料中檢測出之異常資料。
  33. 如申請專利範圍第32項之基準資料決定裝置，其中前述決定部係按真空泵浦之每個屬性決定前述基準資料。
  34. 如申請專利範圍第32項或第33項之基準資料決定裝置，其中前述決定部係按半導體製造裝置之每個製造工序決定前述基準資料。
  35. 一種資訊處理方法，其具有參照記憶部，比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，而輸出比較結果之工序，前述記憶有使用在已故障之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定，用於判定到達故障的可能性之基準資料。
  36. 一種基準資料決定方法，其具有參照記憶部，決定使用前述異常資料之傾向用於判定到達故障之可能性的基準資料之工序，前述記憶部記憶有已故障之真空泵浦的狀態量資料中檢測出之異常資料。
  37. 一種電腦可讀取之記錄媒介，係記錄有用於使電腦發揮比較部之功能的程式，該比較部係參照記憶部，比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，而輸出比較結果，前述記憶部記憶有使用已故障之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定，用於判定到達故障的可能性之基準資料。
  38. 一種電腦可讀取之記錄媒介，係記錄有用於使電腦發揮決定部之功能的程式，該決定部係參照記憶部，決定使用前述異常資料之傾向用於判定到達故障之可能性的基準資料，前述記憶部記憶有在已故障之真空泵浦的狀態量資料中檢測出之異常資料。
  39. 一種資訊處理裝置，其具備比較部，其係參照記憶部，比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，並輸出比較結果，前述記憶部記憶有使用在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料傾向所決定，用於判定繼續運轉之可能性的基準資料。
  40. 如申請專利範圍第39項之資訊處理裝置，其中前述比較部判定前述比較之結果、真空泵浦之繼續運轉的可能性，並輸出判定結果作為前述比較結果。
  41. 如申請專利範圍第39項或第40項之資訊處理裝置，其中前述記憶部中將真空泵浦之屬性與前述基準資料相關連而記憶，前述比較部比較從前述運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和前述記憶部中與該運轉中之真空泵浦的屬性相關連而記憶的基準資料。
  42. 如申請專利範圍第39項之資訊處理裝置，其中前述記憶部將半導體製造裝置之成膜工序與前述基準資料相關連而記憶，前述比較部比較從前述運轉中之真空泵浦的狀態量檢測出之異常資料的傾向、和前述記憶部中與連接該運轉中之真空泵浦的半導體製造裝置之現在成膜工序相關連而記憶的基準資料。
  43. 如申請專利範圍第39項之資訊處理裝置，其中前述比較部比較基於前述運轉中之真空泵浦狀態量的值、和基於可繼續運轉之真空泵浦設定期間的狀態量之值的統計量，並控制來依比較結果通報。
  44. 如申請專利範圍第39項之資訊處理裝置，其中前述比較部比較前述運轉中之真空泵浦的狀態量發生異常次數、和可繼續運轉之真空泵浦在設定期間的狀態量發生異常次數之統計量，並控制來依比較結果通報。
  45. 如申請專利範圍第39項之資訊處理裝置，其中前述比較部比較前述運轉中之真空泵浦狀態量發生異常的區間，和可繼續運轉之真空泵浦在設定期間狀態量發生異常的區間之統計量，並控制來依比較結果通報。
  46. 如申請專利範圍第43項至第45項中任一項之資訊處理裝置，其中前述比較部進行處理來依連接前述運轉中之真空泵浦的半導體製造裝置之製造工序的時間或製造工序次數變更通報之時間點。
  47. 一種基準資料決定裝置，其具備決定部，其係參照記憶部，決定使用前述異常資料之傾向用於判定繼續運轉可能性的基準資料，前述記憶部記憶有在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料。
  48. 如申請專利範圍第47項之基準資料決定裝置，其中前述決定部係按真空泵浦之每個屬性決定前述基準資料。
  49. 如申請專利範圍第47項或第48項之基準資料決定裝置，其中前述決定部係按半導體製造裝置之每個製造工序決定前述基準資料。
  50. 一種資訊處理方法，其具有參照記憶部，比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，而輸出比較結果之工序，前述記憶部記憶有使用可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定，用於判定繼續運轉的可能性之基準資料。
  51. 一種基準資料決定方法，其具有參照記憶部，決定使用前述異常資料之傾向用於判定繼續運轉之可能性的基準資料之工序，前述記憶部記憶有可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料。
  52. 一種電腦可讀取之記錄媒介，係記錄有用於使電腦發揮比較部之功能的程式，該比較部係參照記憶部，比較從運轉中之真空泵浦的狀態量資料檢測出之異常資料的傾向、和記憶於前述記憶部之基準資料，而輸出比較結 果，前述記憶部記憶有使用可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料的傾向所決定，用於判定到達故障的可能性之基準資料。
  53. 一種電腦可讀取之記錄媒介，係記錄有用於使電腦發揮決定部之功能的程式，該決定部係參照記憶部，決定使用前述異常資料之傾向用於判定到達故障之可能性的基準資料，前述記憶部記憶有在可繼續運轉之真空泵浦的狀態量資料中檢測出之異常資料。
  54. 一種資訊處理裝置，其具備：讀取部，其係從記憶裝置，讀取對應於運轉中之對象真空泵浦所屬群組的共同條件，前述記憶裝置按每個設定群組儲存屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件，前述共同條件係使用從屬於真空泵浦之設定群組的真空泵浦狀態量資料檢測出之第一異常資料的發生傾向所決定；檢測部，其係從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料；及比較部，其係比較前述讀取之共同條件和前述檢測出之前述第二異常資料的發生傾向。
  55. 如申請專利範圍第54項之資訊處理裝置，其中前述真空泵浦之設定群組係屬於同一個製造編號之真空泵浦的群組，前述比較部比較對應於與前述運轉中之對象真空泵浦同一個製造編號之真空泵浦的群組之前述共同條件、和前述運轉中之對象真空泵浦的前述第二異常資料之發生傾向。
  56. 如申請專利範圍第54項之資訊處理裝置，其中前述真空泵浦之設定群組係為真空泵浦之群組，其連接於屬於同一個製造編號之半導體製造裝置， 前述比較部比較與連接於半導體製造裝置的真空泵浦群組對應之前述共同條件、和前述運轉中之對象真空泵浦的前述第二異常資料之發生傾向，前述半導體製造裝置係屬於與連接前述運轉中之對象真空泵浦的半導體製造裝置同一個製造編號。
  57. 如申請專利範圍第54項之資訊處理裝置，其中前述真空泵浦之設定群組係同一個製程使用過之真空泵浦的群組，前述比較部比較對應於與使用前述運轉中之對象真空泵浦的製程同一個製程使用過之真空泵浦群組之前述共同條件、和前述運轉中之對象真空泵浦的前述第二異常資料之發生傾向。
  58. 如申請專利範圍第54項至第57項中任一項之資訊處理裝置，其中前述共同條件係依據在屬於前述設定群組之真空泵浦的狀態量資料中檢測出之異常資料所設定的臨限值，前述比較部比較前述臨限值、和前述檢測出之前述第二異常資料的發生傾向。
  59. 如申請專利範圍第58項之資訊處理裝置，其中前述臨限值係為每個單位時間特定之狀態量離開設定範圍的次數之臨限值，前述比較部比較前述臨限值、和從前述運轉中之真空泵浦的狀態量資料檢測出之每單位時間前述特定之狀態量離開設定範圍的次數。
  60. 如申請專利範圍第54項至第57項中任一項之資訊處理裝置，其中前述共同條件係表示在屬於前述設定群組之真空泵浦的狀態量資料中檢測出之異常的容許範圍隨時間變化的資料， 前述比較部比較表示前述異常之容許範圍隨時間變化之資料、和從前述運轉中之真空泵浦的狀態量資料檢測出之異常的時間序列資料。
  61. 如申請專利範圍第60項之資訊處理裝置，其中前述表示異常之容許範圍隨時間變化之資料，係表示每個單位時間特定之狀態量離開設定範圍的次數之容許範圍隨時間變化的資料，前述比較部比較表示前述容許範圍隨時間變化的資料、和從前述運轉中之真空泵浦的狀態量資料檢測出之每個單位時間前述特定狀態量離開設定範圍的次數之時間序列資料。
  62. 如申請專利範圍第54項至第57項中任一項之資訊處理裝置，其中前述共同條件係表示基於在前述真空泵浦之狀態量資料中檢測出的異常而設定之發生異常規則的第一發生異常規則資料，前述比較部比較前述第一發生異常規則資料、和表示從前述運轉中之對象真空泵浦的狀態量資料檢測出之發生異常規則的第二發生異常規則資料。
  63. 如申請專利範圍第62項之資訊處理裝置，其中前述第一發生異常規則資料係基於在前述真空泵浦之狀態量資料中檢測出的發生異常次數而設定之設定次數範圍，前述比較部比較前述設定次數範圍、和從前述運轉中之對象真空泵浦的狀態量資料檢測出之發生異常次數，來決定從前述設定次數範圍的偏離程度。
  64. 如申請專利範圍第63項之資訊處理裝置，其中前述比較部依前述偏離程度，將前述運轉中之對象真空泵浦的狀態劃分成正常狀態、需要注意狀態、需要更換狀態而判定。
  65. 如申請專利範圍第54項之資訊處理裝置，其中前述比較部進行比較並加以數值化，並輸出數值化資料作為比較結果。
  66. 一種資訊處理裝置，其具備：第一檢測部，其係從真空泵浦之狀態量資料檢測第一異常資料；及決定部，其係使用從屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的前述第一異常資料之發生傾向，按每個該設定群組決定屬於該設定群組之真空泵浦的共同傾向或共同條件。
  67. 一種資訊處理系統，其具備：第一檢測部，其係從真空泵浦之狀態量資料檢測第一異常資料；決定部，其係使用從屬於真空泵浦之設定群組的真空泵浦之狀態量資料檢測出的前述第一異常資料之發生傾向，按每個該設定群組決定屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件；第二檢測部，其係從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料；及比較部，其係比較對應於前述運轉中之對象真空泵浦所屬的群組之共同條件、和前述檢測出之前述第二異常資料的發生傾向。
  68. 一種資訊處理方法，其具有以下工序：從記憶裝置，讀取對應於運轉中之對象真空泵浦所屬的群組之共同條件，前述記憶裝置係按每個設定群組儲存屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件，前述共同條件係使用屬於真空泵浦之該設定群組的真空泵浦之狀態量資料檢測出的第一異常資料發生傾向而決定；從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料；及 比較前述讀取之共同條件、和前述檢測出之前述第二異常資料的發生傾向。
  69. 一種電腦可讀取之記錄媒介，其係記錄有使電腦發揮以下元件功能之程式：讀取部，其係從記憶裝置，讀取對應於運轉中之對象真空泵浦所屬的群組之共同條件，前述記憶部係按每個設定群組儲存屬於該設定群組之真空泵浦的異常資料發生傾向之共同條件，前述共同條件係使用屬於真空泵浦之該設定群組的真空泵浦之狀態量資料檢測出的第一異常資料發生傾向而決定；檢測部，其係從運轉中之對象真空泵浦的狀態量資料檢測第二異常資料；及比較部，其係比較前述讀取之共同條件、和前述檢測出之前述第二異常資料的發生傾向。
TW107108845A 2017-03-17 2018-03-15 資訊處理裝置、資訊處理系統、資訊處理方法、電腦可讀取之記錄媒介、基板處理裝置、基準資料決定裝置及基準資料決定方法 TWI750349B (zh)

Applications Claiming Priority (10)

Application Number Priority Date Filing Date Title
JP2017-052189 2017-03-17
JP2017052189 2017-03-17
JP2017-098691 2017-05-18
JP2017098899A JP6820799B2 (ja) 2017-05-18 2017-05-18 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム
JP2017098691A JP7046503B2 (ja) 2017-05-18 2017-05-18 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム
JP2017-098899 2017-05-18
JP2017177611A JP6953249B2 (ja) 2017-09-15 2017-09-15 情報処理装置、情報処理システム、情報処理方法及びプログラム
JP2017-177611 2017-09-15
JP2018016875A JP6835757B2 (ja) 2017-03-17 2018-02-02 情報処理装置、情報処理システム、情報処理方法、プログラム及び基板処理装置
JP2018-016875 2018-02-02

Publications (2)

Publication Number Publication Date
TW201901034A true TW201901034A (zh) 2019-01-01
TWI750349B TWI750349B (zh) 2021-12-21

Family

ID=63522188

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107108845A TWI750349B (zh) 2017-03-17 2018-03-15 資訊處理裝置、資訊處理系統、資訊處理方法、電腦可讀取之記錄媒介、基板處理裝置、基準資料決定裝置及基準資料決定方法

Country Status (4)

Country Link
US (1) US20240077079A1 (zh)
CN (4) CN114109832B (zh)
TW (1) TWI750349B (zh)
WO (1) WO2018168838A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10671502B1 (en) * 2017-06-13 2020-06-02 United Services Automobile Association (Usaa) Monitor device with local data processing
JP7188560B2 (ja) * 2019-03-27 2022-12-13 株式会社島津製作所 ポンプ監視装置、真空ポンプおよび生成物堆積診断用データ処理プログラム
JP2020200791A (ja) * 2019-06-10 2020-12-17 株式会社荏原製作所 情報処理システム、情報処理方法及びプログラム
CN110940875B (zh) * 2019-11-20 2022-02-01 深圳市华星光电半导体显示技术有限公司 设备异常检测方法、装置、存储介质及电子设备
JP7372198B2 (ja) * 2020-05-08 2023-10-31 株式会社荏原製作所 表示システム、表示装置及び表示方法
JP7489245B2 (ja) * 2020-07-09 2024-05-23 エドワーズ株式会社 真空ポンプおよび制御装置
JP7409269B2 (ja) * 2020-09-23 2024-01-09 株式会社島津製作所 ポンプ監視装置、真空ポンプ、ポンプ監視方法およびポンプ監視プログラム
CN115145201B (zh) * 2022-07-19 2023-03-28 长沙昌佳自动化设备有限公司 一种干式真空泵专用控制器

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1162846A (ja) * 1997-08-08 1999-03-05 Ebara Corp 真空ポンプの故障予知システム
JP2003077907A (ja) * 2001-08-31 2003-03-14 Toshiba Corp 生産装置の異常停止回避方法及び異常停止回避システム
JP2003263475A (ja) * 2002-03-11 2003-09-19 Hitachi Ltd ポンプ点検作業支援システム
JP4261252B2 (ja) * 2003-06-17 2009-04-30 株式会社荏原製作所 真空ポンプの故障診断装置及び故障診断方法
JP2006066540A (ja) * 2004-08-25 2006-03-09 Tokyo Electron Ltd 薄膜形成装置の洗浄方法及び薄膜形成装置
JP4232162B2 (ja) * 2004-12-07 2009-03-04 三菱電機株式会社 圧縮機検査装置
WO2006064990A1 (en) * 2004-12-17 2006-06-22 Korea Research Institute Of Standards And Science A trend monitoring and diagnostic analysis method for a vacuum pump and a trend monitoring and diagnostic analysis system therefor and computer-readable storage media including a computer program which performs the method
JP4721235B2 (ja) * 2004-12-17 2011-07-13 コリア リサーチ インスティチュート オブ スタンダーズ アンド サイエンス 真空ポンプの故障保護と予知保全のための精密診断方法及びそのための精密診断システム
JP4607576B2 (ja) * 2004-12-28 2011-01-05 東京エレクトロン株式会社 半導体製造装置
CN101111680B (zh) * 2005-04-08 2010-12-01 株式会社荏原制作所 真空泵自诊断方法、真空泵自诊断系统以及真空泵中央监控系统
KR100793244B1 (ko) * 2006-08-16 2008-01-10 재단법인서울대학교산학협력재단 진공펌프 상태진단 시스템
JP2009024577A (ja) * 2007-07-19 2009-02-05 Miura Co Ltd 真空度異常判定方法およびその装置
CN101560906B (zh) * 2009-05-22 2011-05-18 武汉长海高新技术有限公司 柴油机水泵机组综合控制与保护装置及控制与保护方法
FR2947309A1 (fr) * 2009-06-26 2010-12-31 Alcatel Lucent Procede de prediction d'une defaillance de la rotation du rotor d'une pompe a vide et dispositif de pompage associe
JP5555518B2 (ja) 2010-03-24 2014-07-23 株式会社荏原製作所 真空ポンプの運転制御装置及び運転制御方法
JP2012064881A (ja) * 2010-09-17 2012-03-29 Hitachi Kokusai Electric Inc 基板処理システム
US9765789B2 (en) * 2013-03-13 2017-09-19 Agilent Technologies, Inc. Pump testing for predicting lifetime and wear conditions
JP2014228887A (ja) * 2013-05-17 2014-12-08 株式会社東芝 稼働データ分析装置およびその方法、ならびにプログラム
JP2015212594A (ja) * 2014-05-02 2015-11-26 三菱電機株式会社 圧縮機の劣化診断方法、及びその劣化診断方法を有する冷凍サイクル装置
JP6308977B2 (ja) * 2015-06-11 2018-04-11 三菱重工業株式会社 油圧機械の診断システム、油圧機械及び風力発電装置並びに油圧機械の診断方法

Also Published As

Publication number Publication date
CN114151343A (zh) 2022-03-08
CN110050125A (zh) 2019-07-23
CN114109799B (zh) 2024-06-11
WO2018168838A1 (ja) 2018-09-20
US20240077079A1 (en) 2024-03-07
CN114109832B (zh) 2024-04-12
CN114109832A (zh) 2022-03-01
CN110050125B (zh) 2022-03-01
CN114109799A (zh) 2022-03-01
TWI750349B (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
TW201901034A (zh) 資訊處理裝置、資訊處理系統、資訊處理方法、電腦可讀取之記錄媒介、基板處理裝置、基準資料決定裝置及基準資料決定方法
KR102518079B1 (ko) 정보 처리 장치, 정보 처리 시스템, 정보 처리 방법, 프로그램, 기판 처리 장치, 기준 데이터 결정 장치 및 기준 데이터 결정 방법
KR102642339B1 (ko) 제어 장치, 제어 시스템, 제어 방법, 프로그램 및 기계 학습 장치
JPWO2020136823A1 (ja) 異常診断装置および異常診断方法
JP6110231B2 (ja) 真空ポンプシステム、真空ポンプの異常予兆の報知方法
US20230400508A1 (en) Substrate processing system tools for monitoring, assessing and responding based on health including sensor mapping and triggered datalogging
CN114790993B (zh) 推断装置、真空阀及真空泵
JP6820799B2 (ja) 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム
US20230152179A1 (en) Fault detection system for vacuum pump
JP6835757B2 (ja) 情報処理装置、情報処理システム、情報処理方法、プログラム及び基板処理装置
EP3359820B1 (en) High availability compressor for a gas compression system
TWI745591B (zh) 用於監視抽泵裝置的操作狀態的方法
JP7046503B2 (ja) 情報処理装置、基準データ決定装置、情報処理方法、基準データ決定方法及びプログラム
US20140077623A1 (en) Spike trap logic to prevent unneeded interruption of industrial processes
WO2018198288A1 (ja) ポンプ監視装置、真空処理装置および真空ポンプ
JP6953249B2 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
JP2023116377A (ja) 故障予測装置、及び、故障予測方法