TW202334772A - 診斷裝置及診斷方法以及半導體製造裝置系統及半導體裝置製造系統 - Google Patents

診斷裝置及診斷方法以及半導體製造裝置系統及半導體裝置製造系統 Download PDF

Info

Publication number
TW202334772A
TW202334772A TW112105404A TW112105404A TW202334772A TW 202334772 A TW202334772 A TW 202334772A TW 112105404 A TW112105404 A TW 112105404A TW 112105404 A TW112105404 A TW 112105404A TW 202334772 A TW202334772 A TW 202334772A
Authority
TW
Taiwan
Prior art keywords
time
series data
time series
semiconductor manufacturing
mask
Prior art date
Application number
TW112105404A
Other languages
English (en)
Other versions
TWI844270B (zh
Inventor
山本正明
朝倉涼次
角屋誠浩
川口洋平
Original Assignee
日商日立全球先端科技股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日商日立全球先端科技股份有限公司 filed Critical 日商日立全球先端科技股份有限公司
Publication of TW202334772A publication Critical patent/TW202334772A/zh
Application granted granted Critical
Publication of TWI844270B publication Critical patent/TWI844270B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24069—Diagnostic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

作成為即使未能正確地抽出對應於各子序列的開始與結束的監控訊號的上升、下降的情況下，仍可檢測出裝置狀態的異常。將裝置診斷裝置構成為，設定對從感測器獲得的第1時序列訊號進行遮蔽的時段，作成將對應於進行遮蔽的時段之第1時序列訊號進行了遮蔽的資料，使用將第1時序列訊號進行了遮蔽的資料而作成標準化模型，使用標準化模型而對將第1時序列訊號進行了遮蔽的資料進行標準化處理，使用複數個資料而作成正常模型，對從感測器獲得的第2時序列訊號將在遮蔽時段之第2時序列訊號進行遮蔽，使用標準化模型進行標準化處理，從將第2時序列訊號進行了標準化處理的訊號算出異常值。

Description

診斷裝置及診斷方法以及半導體製造裝置系統及半導體裝置製造系統
本發明，有關診斷裝置及診斷方法以及半導體製造裝置系統及半導體裝置製造系統。
在加工半導體晶圓的電漿處理裝置，一般而言依晶圓的處理枚數等而定期地進行裝置內的清潔、零件的交換如此的保養。然而，由於構成電漿處理裝置的零件的經年劣化、使用方法，使得存在發生計劃外的停機時間之情形。
為了削減此計劃外的停機時間，監控零件、電漿處理裝置的劣化狀態而依劣化狀態進行零件等的保養(清潔或交換)的方法被認為有效。
於專利文獻1，記載有關一異常檢測系統，該異常檢測系統具備從含於監控訊號中的複合序列將複數個子序列之中的作為異常檢測的對象之特定的子序列進行抽出的抽出部，並具備一構成而使得可容易地抽出特定的子程序的區間訊號，其中，該構成為：抽出部，根據複合序列與預先取得之是複合序列的一例的參照序列，透過動態時間校正法(Dynamic Time Warping)求出最佳歸整路徑(warping path)；抽出部，基於該最佳歸整路徑與預先取得的參照序列的子序列的開始點及結束點，確定特定的子序列的開始點及結束點；抽出部，基於特定的子序列的開始點及結束點，抽出特定的子序列。 [先前技術文獻] [專利文獻]
[專利文獻1]日本特開2020-204832號公報
[發明所欲解決之問題]
監控電漿處理裝置的狀態而獲得的訊號的上升、下降之時序，有時多少因正在使電漿處理裝置運轉中的狀態的變動而發生變化。如此的情況下，訊號的上升與下降時刻的值，有時與期待值訊號的值大為不同。
其結果，有時檢測對象訊號與期待值訊號的誤差超越容許範圍而變得無法正確地檢測出子序列，惟在記載於專利文獻1的方法，如此的情況下，可能會誤判為裝置狀態有異常。
本發明，提供一種診斷裝置及診斷方法以及半導體製造裝置系統及半導體裝置製造系統，可解決如上述的先前技術的課題，即使在未能正確地抽出對應於各子序列的開始與結束的監控訊號的上升、下降的情況下，仍可檢測出裝置狀態的異常。 [解決問題之技術手段]
為了解決前述之課題，在本發明，將使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷半導體製造裝置的狀態的診斷裝置，構成為：求出包含第1時序列資料的上升時刻或第1時序列資料的下降時刻的遮罩時間，求出的遮罩時間的第1時序列資料被轉換為既定值，同時被轉換的第1時序列資料被作為第2時序列資料而輸出，基於第2時序列資料而診斷半導體製造裝置的狀態。
另外，為了解決前述之課題，在本發明，將使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷半導體製造裝置的狀態的診斷裝置，構成為：求出包含第1時序列資料的上升時刻或第1時序列資料的下降時刻的遮罩時間，求出的遮罩時間的第1時序列資料被轉換為既定值，同時求出遮罩時間的特徵量，被轉換的第1時序列資料被作為第2時序列資料而輸出，求出的特徵量被追加於第2時序列資料，基於追加了特徵量的第2時序列資料而診斷半導體製造裝置的狀態。
再者，為了解決前述之課題，在本發明，構成為一種半導體裝置製造系統，具備一平台，該平台實現使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷半導體製造裝置的狀態用的應用程式，經由網路連接著半導體製造裝置，透過應用程式而執行：求出包含第1時序列資料的上升時刻或第1時序列資料的下降時刻的遮罩時間的步驟；求出的遮罩時間的第1時序列資料被轉換為既定值，同時被轉換的第1時序列資料被作為第2時序列資料而輸出的步驟；以及基於第2時序列資料而診斷半導體製造裝置的狀態的步驟。
再者，為了解決前述之課題，在本發明，構成為一種半導體裝置製造系統，具備一平台，該平台實現使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷半導體製造裝置的狀態用的應用程式，經由網路連接著半導體製造裝置，透過應用程式而執行：求出包含第1時序列資料的上升時刻或第1時序列資料的下降時刻的遮罩時間的步驟；求出的遮罩時間的第1時序列資料被轉換為既定值，同時求出遮罩時間的特徵量的步驟；被轉換的第1時序列資料被作為第2時序列資料而輸出的步驟；求出的特徵量被追加於第2時序列資料的步驟；以及基於追加了特徵量的第2時序列資料而診斷半導體製造裝置的狀態的步驟。
再者，為了解決前述之課題，在本發明，構成為一種半導體裝置製造系統，具備一平台，該平台實現使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷半導體製造裝置的狀態用的應用程式，經由網路連接著半導體製造裝置，透過應用程式執行：求出包含第1時序列資料的上升時刻或第1時序列資料的下降時刻的遮罩時間的步驟；求出的遮罩時間的第1時序列資料被轉換為既定值，同時求出遮罩時間的特徵量的步驟；以及基於特徵量而診斷半導體製造裝置的狀態的步驟。
再者，為了解決前述之課題，在本發明，將使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷半導體製造裝置的狀態的診斷方法，作成為具有：求出包含第1時序列資料的上升時刻或第1時序列資料的下降時刻的遮罩時間的步驟；將求出的遮罩時間的第1時序列資料轉換為既定值，同時將被轉換的第1時序列資料作為第2時序列資料而輸出的步驟；以及基於第2時序列資料而診斷半導體製造裝置的狀態的步驟。
再者，為了解決前述之課題，在本發明，將使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷半導體製造裝置的狀態的診斷方法，作成為具有：求出包含第1時序列資料的上升時刻或第1時序列資料的下降時刻的遮罩時間的步驟；將求出的遮罩時間的第1時序列資料轉換為既定值，同時求出遮罩時間的特徵量的步驟；將被轉換的第1時序列資料作為第2時序列資料而輸出的步驟；將求出的特徵量追加於第2時序列資料的步驟；以及基於追加了特徵量的第2時序列資料而診斷半導體製造裝置的狀態的步驟。 [對照先前技術之功效]
依本發明時，可透過遮罩時間作成部與遮罩處理部，消除因檢測對象訊號的上升時刻而發生的顯著的異常值。並且，即使未能正確地抽出各子序列的情況下仍可檢測裝置狀態的異常。
此外，依本發明時，透過遮罩時間作成部，可消除以人力定義遮罩時間的麻煩。
本案發明，有關一種裝置診斷裝置及具備該裝置診斷裝置的半導體製造系統，該裝置診斷裝置為基於從監控裝置的狀態的感測器群取得了的第1時序列資料而檢測裝置的異常的裝置診斷裝置，具備：從第1時序列資料的上升時間或下降時間的資訊算出對於第1時序列資料之遮罩時間的遮罩時間作成部；將在遮罩時間之第1時序列資料變更為事前定義的值作為第2時序列資料而輸出的遮罩處理部；以及將裝置為正常的情況下的第2時序列資料與作為裝置為正常或異常不明的評價對象的第2時序列資料的差大的部分作為異常值而輸出的異常值算出部。
此外，本案發明，作成為，在裝置診斷裝置，具備從時序列資料的上升時間或下降時間的資訊算出將時序列資料的一部分進行遮蔽的遮罩時間的遮罩時間作成部，使用在遮罩時間之時序列資料的資訊與在未遮罩的時段獲得的裝置的資訊中的任一方或雙方而進行裝置診斷。
在以下，針對本發明的實施方式基於圖式詳細進行說明。用於說明本實施方式的全圖中具有相同功能者標注相同的符號，其重複的說明原則上省略。
其中，本發明非限定解釋為示於以下的實施方式的記載內容者。可在不脫離本發明的思想至於趣旨的範圍內變更其具體構成，只要為本發明所屬技術領域中具有通常知識者則可輕易理解。 [實施例1]
於圖1，示出本發明的實施例1之裝置診斷裝置700與檢測對象(裝置)900、感測器群800的關係。
本實施例之裝置診斷裝置700，處理從感測器群800獲得的訊號而診斷半導體製造裝置等的檢測對象(裝置)900的狀態，其中，該感測器群800，以裝戴於半導體製造裝置等的檢測對象(裝置)900的感測器1：801(例如，電壓感測器)、感測器2：802(例如壓力感測器)…等的複數個感測器而構成。
裝置診斷裝置700，具備：接收從感測器群800輸出的訊號之連接介面600；對經由連接介面600而輸入的從感測器群800輸出的訊號進行處理之資料處理部300；記憶以資料處理部300進行了處理的資料之記憶裝置400；以及對在資料處理部300、記憶裝置400、連接介面600之資料的處理進行控制的處理器500。
資料處理部300，具備遮罩時間作成部101、遮罩處理部102、標準化模型作成部103、標準化處理部104、模型學習部105、異常值算出部106。
記憶裝置400，具備：記憶以資料處理部300的標準化模型作成部103作成的標準化模型的標準化模型記憶部401；記憶以模型學習部105作成的正常模型的正常模型記憶部402；以及記憶以遮罩時間作成部101作成的開始遮罩的時刻與進行遮罩的時間的遮罩時間記憶部403。
於圖2，示出以下構成：將對應於以圖1說明的檢測對象(裝置)900的檢測對象(裝置)900-1、900-2、900-3、對應於感測器群800的感測器群800-1、800-2、800-3以及對應於裝置診斷裝置700的裝置診斷裝置700-1、700-2、700-3，經由通訊線路950而與伺服器960連接。
從裝戴於半導體製造裝置等的檢測對象(裝置)900-1的感測器群800-1獲得的檢測訊號，被以裝置診斷裝置700-1處理，檢測對象(裝置)900-1的裝置狀態被診斷，其結果經由通訊線路950被送至伺服器960而保管。從裝戴於檢測對象(裝置)900-2、900-3的感測器群800-2、800-3獲得的資料方面，亦同樣地被以裝置診斷裝置700-2、700-3處理，經由通訊線路950被送至伺服器960而保管。
另外，亦可代替示於圖2的構成，作成為如將對應於裝置診斷裝置700的裝置診斷裝置700-1、700-2、700-3配置於通訊線路950與伺服器960之間的構成。
於圖3，示出一方塊圖，該方塊圖示出將本實施例之裝置診斷裝置700按功能區分的系統的構成。具備於圖1的資料處理部300的各部分，依處理的資料而構成學習系統100與評價系統200。
學習系統100，被以遮罩時間作成部101、遮罩處理部102、標準化模型作成部103、標準化處理部104、模型學習部105構成，輸入經由連接介面600從感測器群800輸入的檢測對象(裝置)900正常動作時之時序列資料。
在遮罩時間作成部101，對輸入的時序列資料設定用於局部地進行遮蔽的遮罩時間，記憶於遮罩時間記憶部403。
在遮罩處理部102，基於記憶於遮罩時間記憶部403的遮蔽資料，對所輸入的正常的資料310，作成進行了遮蔽的資料。
在標準化模型作成部103，從以遮罩處理部102進行了遮蔽處理的資料作成標準化模型，記憶於標準化模型記憶部401。
在標準化處理部104，使用記憶於標準化模型記憶部401的標準化模型，將以遮罩處理部102進行了遮蔽處理的正常時之時序列資料例如以平均成為0、分散成為1的方式進行標準化處理。
在模型學習部105，學習以標準化處理部104作成的複數個進行了標準化的資料而作成正常模型，記憶於正常模型記憶部402。
接著，評價系統200，被以遮罩處理部102、標準化處理部104、異常值算出部106構成，輸入在經由連接介面600從感測器群800輸入的檢測對象(裝置)900的評價對象時間進行動作時之時序列資料。
在遮罩處理部102，對所輸入的作為評價對象之時序列資料，使用記憶於遮罩時間記憶部403的遮罩時刻與遮罩時間的資料進行遮罩處理。
在標準化處理部104，將進行了遮罩處理的時序列資料，使用記憶於標準化模型記憶部401的標準化模型，以例如平均成為0、分散成為1的方式進行標準化處理。
在異常值算出部106，比較進行了標準化的資料與記憶於正常模型記憶部402的正常模型而算出異常值，將檢測出的異常值輸出至裝置診斷裝置700的未圖示的輸出部及/或伺服器960。
接著，針對在學習系統100作成正常模型的程序，使用圖4進行說明。
首先，於遮罩時間作成部101，計算一遮罩時間，記憶於遮罩時間記憶部403，其中該遮罩時間為用於將如示於圖5A的所輸入的正常的資料510中的訊號的上升511、下降512的期間的資料如示於圖5B般以時間520及530進行遮蔽者(S411)。
接著，於遮罩處理部102，基於以遮罩時間作成部101作成而記憶於遮罩時間記憶部403的遮蔽資料，對所輸入的正常的資料510，作成將訊號的上升511、下降512的既定的期間的資料以時間520與時間530進行了遮蔽的資料(S412)。
接著，於標準化模型作成部103，對以遮罩處理部102進行了遮蔽處理的正常時之時序列資料，作成將在被遮蔽的期間之訊號的位準設定為例如零位準的如示於圖5C的標準化模型540，記憶於標準化模型記憶部401(S413)。
接著，於標準化處理部104，使用記憶於標準化模型記憶部401的標準化模型340與以遮罩處理部102進行了遮蔽處理的正常時之時序列資料，例如以平均成為0、分散成為1的方式進行標準化處理，作成如示於圖5D的進行了標準化的訊號波形的圖案550而記憶於模型學習部105(S414)。
接著，於模型學習部105，從根據經由連接介面600而輸入的複數個正常的時序列資料而作成的複數個進行了標準化的訊號波形的圖案550，學習檢測對象(裝置)正常動作時的進行了標準化的訊號波形的圖案，記憶於正常模型記憶部402(S415)。
如此般，將檢測對象(裝置)正常動作時的進行了標準化的訊號波形的圖案從複數個進行了標準化的訊號波形的圖案550進行學習，使得即使在未能正確地抽出對應於各子序列的開始與結束的監控訊號的上升、下降的情況下，仍可將監控訊號的上升時間、下降時間以遮罩處理部102確實地進行遮蔽處理。
接著，針對在評價系統200對在經由連接介面600從感測器群800輸入的檢測對象(裝置)900的在評價對象時間進行動作時之時序列資料進行處理而檢測異常的處理的流程，利用圖6的流程圖進行說明。
首先，於遮罩處理部102，對經由連接介面600從感測器群800輸入的作為評價對象之時序列資料，利用記憶於遮罩時間記憶部403的遮罩時間的資料進行遮罩處理，作成遮罩後資料(評價對象)(S601)。
接著，於標準化處理部104，將以遮罩處理部102作成的遮罩後資料(評價對象)，使用記憶於標準化模型記憶部401的標準化模型進行標準化處理，作成標準化資料(S602)。
接著，於異常值算出部106，比較在S602以標準化處理部104作成的作為評價對象的標準化資料與記憶於正常模型記憶部402的正常模型，算出作為評價對象的標準化資料中的異常值(S603)。
接著，判定在S603是否算出異常值(S604)，在算出異常值的情況(S604為Yes)下，將與異常值相關的資訊輸出至裝置診斷裝置700的未圖示的輸出部及/或伺服器960(S605)。
接著，檢查是否尚有作為評價對象之時序列資料(S606)，在無作為評價對象之時序列資料的情況(S606為No)下，結束一連串的處理。具有作為評價對象之時序列資料的情況(S606為Yes)下，返回S601，繼續一連串的處理。
另一方面，在未算出異常值的情況(S604為No)下，檢查是否仍有作為評價對象之時序列資料(S606)，無作為評價對象之時序列資料情況(S606為No)下結束一連串的處理，有作為評價對象之時序列資料的情況(S606為Yes)下，返回S601，繼續一連串的處理。
接著，針對在圖4的S411進行了說明的在遮罩時間作成部101算出遮罩時刻的方法，利用圖7進行說明。
首先，將經由連接介面600從感測器群800輸入的檢測對象(裝置)900正常動作時之時序列資料輸入至遮罩時間作成部101，算出在針對時序列資料(正常)進行取樣的時間間隔中鄰接的資料的值的差分Y(t,n)(S701)。此處，t為時刻、n為複數個時序列資料的識別符。
例如，被輸入如示於圖8的時序列資料的情況下，在對應於訊號的上升部分811的時刻t 1與t 2之間及在對應於訊號的下降部分812的時刻t 3與t 4之間，時序列資料逐漸變化，故鄰接的資料的值的差分Y(t,n)，成為比零大的一有限的值。另一方面，時刻t 2與t 3之間的訊號810為大致上一定，故鄰接的時序列資料的值的差分Y(t,n)成為零或接近零的值。
接著，使用複數個時序列資料而計算差分Y(t,n)的閾值(S702)。例如，將對複數個差分Y(t,n)的標準差σ進行了N倍的值定義為閾值。此處，閾值方面，如示於圖8的時序列資料中，設定為如以下的值：比在時刻t 2與t 3之間的訊號810中的鄰接的時序列資料的值的差分Y(t,n)大，比時刻t 1與t 2之間及時刻t 3與t 4之間的時序列資料的值的差分Y(t,n)小。
接著，將在S701算出的差分Y(t,n)成為在S702設定的閾值以上的時間T(m,n)列表(S703)。於圖9，示出其一例。
圖9的表910，為對應於圖8的訊號圖案者，時序列資料(正常)的識別號碼911相當於上述說明的Y(t,n)的n，遮罩開始時間912相當於圖8的感測器值之時序列資料中的t 1或t 3之時刻，遮罩結束時間913相當於圖8的感測器值之時序列資料中的t 2或t 4之時刻。
接著，計算包含了在S703進行了列表的成為閾值以上的時間T(m,n)的時段(遮罩開始時間Ts(m,n)、遮罩結束時間Te(m,n))(S704)。如此般，將遮罩開始時間Ts(m,n)與遮罩結束時間Te(m,n)設定為包含在S703進行了列表的成為閾值以上的時間T(m,n)，使得即使時序列資料(評價對象)有些偏差仍可確實地遮蔽訊號的上升與下降之時段，可提高裝置狀態的監控的可靠性。
於圖10，作為一例，示出對圖8的訊號圖案使用示於圖9的表910的遮罩開始時間912與遮罩結束時間913的資料進行遮蔽時的感測器值的波形圖案820。相對於圖8的訊號圖案，時刻t 1與t 2之間及時刻t 3與t 4之間被遮罩而此期間的訊號位準成為零，形成具有急劇的上升與下降的波形圖案820。
最後，將與在S704計算而求出的遮罩開始時間Ts(m,n)與遮罩結束時間Te(m,n)相關的資訊從遮罩時間作成部101送至遮罩時間記憶部403而結束S411的計算遮罩時刻的步驟。
另外，此處，在S704計算而求出的遮罩開始時間Ts(m,n)為比別的時序列資料的遮罩結束時刻Te(m’,n’)早的時刻的情況下，將兩者合併而設定遮罩開始時間Ts(m’,n’)與遮罩結束時刻Te(m,n)。
依本實施例時，將在訊號的上升之時段與下降之時段的訊號資料進行遮蔽，使得可消除因檢測對象訊號的上升時刻而發生的顯著的異常值，可減少誤檢測而穩定執行半導體製造裝置的異常檢測。
此外，依本實施例時，即使未能正確地抽出對應於各子序列的開始與結束的監控訊號的上升、下降的情況下，仍可檢測出裝置狀態的異常。
再者，依本實施例時，能以遮罩時間作成部設定遮罩時間，故可消除以人力定義遮罩時間的麻煩。 [實施例2]
於實施例1，雖說明有關針對從感測器群800獲得的感測器訊號之時序列資料將訊號的上升部分與下降部分進行遮蔽而基於穩定狀態的感測器訊號而診斷裝置狀態的方法及其構成，惟在本實施例，說明有關亦使用進行了遮蔽的部分之訊號的特徵量而診斷裝置狀態的方法及其構成。另外，與實施例1相同的構成方面標注相同號碼，省略其說明。
圖11，示出本實施例之裝置診斷裝置1700與檢測對象(裝置)900、感測器群800的關係。裝置診斷裝置1700，相對於以實施例1說明的裝置診斷裝置700，在對資料處理部1300追加了特徵量生成部107與特徵量追加部108方面、記憶於記憶裝置1400的正常模型記憶部1402的正常模型以及控制資料處理部1300的處理器1500不同。此以外的構成方面，與以實施例1說明者相同。
於圖12，示出將本實施例之裝置診斷裝置1700按功能進行了區分的系統的構成之中，學習系統1100的構成。
示於圖12的本實施例之學習系統1100，被以遮罩時間作成部101、特徵量生成部107、遮罩處理部102、標準化模型作成部103、標準化處理部104、特徵量追加部108、模型學習部105構成，輸入經由連接介面600從感測器群800輸入的檢測對象(裝置)900正常動作時之時序列資料。
在遮罩時間作成部101，對輸入的時序列資料設定用於局部地進行遮蔽的遮罩時間，記憶於遮罩時間記憶部403。
在特徵量生成部107，生成在記憶於遮罩時間記憶部403的遮罩時間的時序列資料(正常)的特徵量。
遮罩處理部102與標準化模型作成部103、標準化處理部104的動作，與以實施例1說明者相同。
特徵量追加部108，對以標準化處理部104生成的標準化資料(正常)追加以特徵量生成部107生成的特徵量的資訊。
在模型學習部105，將從特徵量追加部108輸出的被追加了與特徵量相關的資訊的複數個進行了標準化的資料進行學習，記憶於正常模型記憶部1402。
於圖13，示出將本實施例之裝置診斷裝置1700按功能進行了區分的系統的構成之中，評價系統1200的構成。
示於圖13的本實施例之評價系統1200，被以特徵量生成部107、遮罩處理部102、標準化處理部104、特徵量追加部108、異常值算出部106構成，輸入在經由連接介面600從感測器群800輸入的檢測對象(裝置)900的評價對象時間進行動作時之時序列資料。
在特徵量生成部107，生成在記憶於遮罩時間記憶部403的遮罩時間的時序列資料(評價對象)的特徵量。
遮罩處理部102與標準化處理部104的動作，與以實施例1說明者相同。
特徵量追加部108，對以標準化處理部104生成的標準化資料(正常)追加以特徵量生成部107生成的特徵量的資訊。
在異常值算出部106，將從特徵量追加部108輸出的被追加了與特徵量相關的資訊的複數個進行了標準化的資料與記憶於正常模型記憶部1402的正常模型進行比較而算出異常值，將檢測出的異常值輸出至裝置診斷裝置1700的未圖示的輸出部及/或伺服器960。
接著，針對在學習系統1100作成正常模型的程序，使用圖14進行說明。
示於圖14的流程圖中，S1401與在實施例1使用圖4進行說明的流程圖的S411相同。
於S1402，特徵量生成部107，生成記憶於遮罩時間記憶部403的遮罩時間之標準化資料(正常)的特徵量。
接著，S1403～S1405，與在實施例1利用圖4說明的流程圖的S412～S414相同。
於S1406，特徵量追加部108，對以標準化處理部104作成的標準化資料(正常)，追加以特徵量生成部107生成的在遮罩時間之標準化資料(正常)的特徵量。
接著，在S1407，於模型學習部105，使用複數個在S1406對以標準化處理部104作成的標準化資料(正常)追加了以特徵量生成部107生成的在遮罩時間之標準化資料(正常)的特徵量的資料進行學習而作成正常模型，記憶於正常模型記憶部1402。
於圖15，說明在以圖14說明的流程圖的S1402以特徵量生成部107生成特徵量的步驟的詳細的處理的流程。
首先，依次算出在圖14的處理流程中的S1401求出的在遮罩時間內的鄰接之時序列資料間的差分dt(n)(S1501)。
接著，針對算出的複數個差分dt(n)算出平均μ與標準差σ(S1502)。
接著，使用在S1502求出的平均μ與標準差σ將在S1501求出的差分dt(n)標準化，將此標準化的值作為特徵量而輸出(S1503)。
將此輸出的特徵量，於圖14的S1406，追加於在S1405進行了標準化的資料。
接著，針對在評價系統200對在經由連接介面600從感測器群800輸入的檢測對象(裝置)900的在評價對象時間進行動作時之時序列資料進行處理而檢測異常的處理的流程，利用圖16的流程圖進行說明。
首先，如同於實施例1以圖6的流程圖說明的S601，於遮罩處理部102，對經由連接介面600從感測器群800輸入的作為評價對象之時序列資料，利用記憶於遮罩時間記憶部403的遮罩時刻與遮罩時間的資料進行遮罩處理，作成作為評價對象的遮罩後資料(S1601)。
接著，如同於實施例1以圖6的流程圖說明的S602，於標準化處理部104，將以遮罩處理部102作成的作為評價對象的遮罩後資料，使用記憶於標準化模型記憶部401的標準化模型進行標準化處理，作成對應於作為評價對象之時序列資料的標準化資料(S1602)。
接著，於特徵量生成部107，生成在遮罩時間之作為評價對象之時序列資料的特徵量(S1603)，於特徵量追加部108，對在S1602作成的標準化資料追加此生成的特徵量(S1604)。
接著，於異常值算出部106，比較在S1604被追加了特徵量的作為評價對象的標準化資料與在S1407作成的被追加了特徵量而記憶於正常模型記憶部402的正常模型，算出作為評價對象的標準化資料中的異常值(S1605)。
接著，判定在S1605是否算出異常值(S1606)，在算出異常值的情況(S1606為Yes)下，將與異常值相關的資訊輸出至裝置診斷裝置700的未圖示的輸出部及/或伺服器960(S1607)。
接著，檢查是否尚有作為評價對象之時序列資料(S1608)，在無作為評價對象之時序列資料的情況(S1608為No)下，結束一連串的處理。具有作為評價對象之時序列資料的情況(S1608為Yes)下，返回S1601，繼續一連串的處理。
另一方面，在未算出異常值的情況(S1606為No)下，檢查是否仍有作為評價對象之時序列資料(S1608)，無作為評價對象之時序列資料情況(S1608為No)下結束一連串的處理，有作為評價對象之時序列資料的情況(S1608為Yes)下，返回S1601，繼續一連串的處理。
依本實施例時，獲得如以實施例1說明的效果，同時進一步除感測器輸出訊號的穩定狀態的資訊以外，亦使用訊號的上升、下降部分的資訊，故使用更多的資訊而監視裝置狀態或構成裝置的機構部的狀態的異常，使得可在不會看漏半導體製造裝置的異常之下，感度佳地穩定進行檢測。 [實施例3]
於實施例2，雖說明有關針對作為評價對象之時序列資料使用進行遮蔽的訊號的上升、下降部分與穩定狀態的訊號的資料而掌握裝置狀態的異常的方法，惟在本實施例，說明有關針對作為評價對象之時序列資料在不使用穩定狀態下的訊號的資料而使用訊號的在上升、下降部分的訊號的資料而掌握裝置狀態的異常的方法。
於圖17，示出本發明的實施例3之裝置診斷裝置2700與檢測對象(裝置)900、感測器群800的關係。
本實施例之裝置診斷裝置2700，與於實施例1利用圖1說明的裝置診斷裝置700的構成類似，處理從感測器群800獲得的訊號而診斷半導體製造裝置等的檢測對象(裝置)900的狀態，其中，該感測器群800，以裝戴於半導體製造裝置等的檢測對象(裝置)900的感測器1：801(例如，電壓感測器)、感測器2：802(例如壓力感測器)…等的複數個感測器而構成。
本實施例之裝置診斷裝置2700，具備：接收從感測器群800輸出的訊號之連接介面600；對經由連接介面600而輸入的從感測器群800輸出的訊號進行處理之資料處理部2300；記憶以資料處理部2300進行了處理的資料之記憶裝置2400；以及對在資料處理部2300、記憶裝置2400、連接介面600之資料的處理進行控制的處理器2500。
資料處理部2300，具備遮罩時間作成部1701、遮罩處理部1702、標準化模型作成部1703、標準化處理部1704、模型學習部1705、異常值算出部1706。
記憶裝置2400，具備：記憶以資料處理部2300的標準化模型作成部1703作成的標準化模型的標準化模型記憶部2401；記憶以模型學習部1705作成的正常模型的正常模型記憶部2402；以及記憶以遮罩時間作成部1701作成的遮罩時間的遮罩時間記憶部2403。
於圖18，示出一方塊圖，該方塊圖示出將本實施例之裝置診斷裝置2700按功能區分的系統的構成。具備於圖17的資料處理部2300的各部分，依處理的資料而構成學習系統2100與評價系統2200。
學習系統2100，被以遮罩時間作成部1701、遮罩處理部1702、標準化模型作成部1703、標準化處理部1704、模型學習部1705構成，輸入經由連接介面600從感測器群800輸入的檢測對象(裝置)900正常動作時之時序列資料。
在遮罩時間作成部1701，對輸入的時序列資料設定用於局部地進行遮蔽的遮罩時間，記憶於遮罩時間記憶部2403。此處，進行遮蔽的資料，與實施例1的情況不同，為由從感測器群800獲得的訊號排除了上升、下降的部分的穩定狀態的訊號。
在遮罩處理部1702，基於記憶於遮罩時間記憶部2403的遮蔽資料，作成對所輸入的正常的時序列資料進行了遮蔽的資料，亦即作成從感測器群800獲得的訊號的上升、下降的部分之時序列資料。
在標準化模型作成部1703，從以遮罩處理部1702進行了遮蔽處理的資料作成標準化模型，記憶於標準化模型記憶部2401。例如，將從感測器群800獲得的訊號的上升、下降的部分以一時間間隔進行取樣的情況下，求出此鄰接的取樣時間的資料間的差分值，作成將此差分值進行了標準化的標準化模型而記憶於標準化模型記憶部2401。
在標準化處理部1704，使用記憶於標準化模型記憶部2401的標準化模型，將以遮罩處理部1702進行了遮蔽處理的正常時之時序列資料例如以平均成為0、分散成為1的方式進行標準化處理。
在模型學習部1705，學習以標準化處理部1704作成的複數個進行了標準化的資料而記憶於正常模型記憶部2402。
接著，評價系統2200，被以遮罩處理部1702、標準化處理部1704、異常值算出部1706構成，輸入在經由連接介面600從感測器群800輸入的檢測對象(裝置)900的評價對象時間進行動作時之時序列資料。
在遮罩處理部1702，對所輸入的作為評價對象之時序列資料，使用記憶於遮罩時間記憶部2403的遮罩時間的資料進行遮罩處理。
在標準化處理部1704，將進行了遮罩處理的時序列資料，使用記憶於標準化模型記憶部2401的標準化模型，以例如平均成為0、分散成為1的方式進行標準化處理。
在異常值算出部1706，比較以標準化處理部1704進行了標準化的資料與記憶於正常模型記憶部402的正常模型而算出異常值，將檢測出的異常值輸出至裝置診斷裝置2700的未圖示的輸出部及/或伺服器960。
接著，針對在學習系統2100作成正常模型的程序，使用圖19進行說明。
首先，於遮罩時間作成部1701，計算用於將正常的資料中的排除了訊號的上升、下降的期間的資料的穩定狀態之訊號進行遮蔽的遮罩時間，記憶於遮罩時間記憶部2403(S1901)。
接著，於遮罩處理部1702，基於以遮罩時間作成部1701作成而記憶於遮罩時間記憶部2403的遮蔽資料，作成對所輸入的正常的資料將被訊號的上升與下降的部分夾住的穩定狀態之訊號進行了遮蔽的資料(S1902)。
接著，於標準化模型作成部1703，對以遮罩處理部1702進行了遮蔽處理的正常時之時序列資料，作成將在被遮蔽的期間之訊號的位準設定為例如零位準的標準化模型，記憶於標準化模型記憶部2401(S1903)。
接著，於標準化處理部1704，使用記憶於標準化模型記憶部2401的標準化模型340與以遮罩處理部102進行了遮蔽處理的正常時之時序列資料，例如以平均成為0、分散成為1的方式進行標準化處理，作成進行了標準化的訊號波形的圖案而記憶於模型學習部1705(S1904)。
接著，於模型學習部1705，從根據經由連接介面600而輸入的複數個正常的時序列資料而作成的複數個進行了標準化的訊號波形的圖案，學習檢測對象(裝置)正常動作時的進行了標準化的訊號波形的圖案，記憶於正常模型記憶部2402(S1905)。
接著，針對在評價系統2200對在經由連接介面600從感測器群800輸入的檢測對象(裝置)900的在評價對象時間進行動作時之時序列資料進行處理而檢測異常的處理的流程，利用圖20的流程圖進行說明。
首先，於遮罩處理部1702，對經由連接介面600從感測器群800輸入的作為評價對象之時序列資料，利用記憶於遮罩時間記憶部2403的遮罩時間的資料進行遮罩處理，作成遮罩後資料(評價對象)(S2001)。
接著，於標準化處理部1704，將以遮罩處理部1702作成的遮罩後資料(評價對象)，使用記憶於標準化模型記憶部2401的標準化模型進行標準化處理，作成標準化資料(S2002)。
接著，於異常值算出部1706，比較在S2002以標準化處理部1704作成的作為評價對象的標準化資料與記憶於正常模型記憶部2402的正常模型，算出作為評價對象的標準化資料中的異常值(S2003)。
接著，判定在S2003是否算出異常值(S2004)，在算出異常值的情況(S2004為Yes)下，將與異常值相關的資訊輸出至裝置診斷裝置2700的未圖示的輸出部及/或伺服器960(圖2參照)(S2005)。
接著，檢查是否尚有作為評價對象之時序列資料(S2006)，在無作為評價對象之時序列資料的情況(S2006為No)下，結束一連串的處理。具有作為評價對象之時序列資料的情況(S2006為Yes)下，返回S2001，繼續一連串的處理。
另一方面，在未算出異常值的情況(S2004為No)下，檢查是否仍有作為評價對象之時序列資料(S2006)，無作為評價對象之時序列資料情況(S2006為No)下結束一連串的處理，有作為評價對象之時序列資料的情況(S2006為Yes)下，返回S2001，繼續一連串的處理。
接著，針對在圖19的S1901進行了說明的在遮罩時間作成部1701算出遮罩時刻的方法，利用圖21進行說明。
首先，將經由連接介面600從感測器群800輸入的檢測對象(裝置)900正常動作時之時序列資料輸入至遮罩時間作成部1701，將時序列資料(正常)以既定之時間間隔進行取樣，算出以此既定之時間間隔進行了取樣的鄰接之資料間的差分Y(t,n)(S2101)。此處，t為時刻、n為複數個時序列資料的識別符。
例如，被輸入以實施例1說明的如示於圖8的時序列資料的情況下，在對應於訊號的上升部分811的時刻t 1與t 2之間及在對應於訊號的下降部分812的時刻t 3與t 4之間，時序列資料逐漸變化，故鄰接的資料的值的差分Y(t,n)，成為比零大的一有限的值。另一方面，時刻t 2與t 3之間的訊號810為大致上一定，故鄰接的時序列資料的值的差分Y(t,n)成為零或接近零的值。
接著，使用複數個時序列資料而計算差分Y(t,n)的閾值(S2102)。例如，將對複數個差分Y(t,n)的標準差σ進行了N倍的值定義為閾值。此處，閾值方面，如示於圖8的時序列資料中，設定為如以下的值：比在時刻t 2與t 3之間的訊號810中的鄰接的時序列資料的值的差分Y(t,n)大，比時刻t 1與t 2之間及時刻t 3與t 4之間的時序列資料的值的差分Y(t,n)小。
接著，將在S2101算出的差分Y(t,n)成為在S2102設定的閾值以下的時間T(m,n)列表(S2103)。
於實施例1，如示於圖9的表910，使遮罩開始時間912相當於圖8的感測器值之時序列資料中的t 1或t 3之時刻，將遮罩結束時間913設定為圖8的感測器值之時序列資料中的t 2或t 4之時刻，惟在本實施例，使遮罩開始時間為感測器值之時序列資料上升而成為穩定狀態的圖8的t 2，將遮罩結束時間設定為感測器值之時序列資料從穩定狀態開始下降的圖8的t 3。
接著，計算包含了在S2103進行了列表的成為閾值以下的時間T(m,n)的時段(遮罩開始時間Ts(m,n)、遮罩結束時間Te(m,n))(S2104)。如此般，將遮罩開始時間Ts(m,n)與遮罩結束時間Te(m,n)設定為包含在S2103進行了列表的成為閾值以下的時間T(m,n)，使得即使時序列資料(評價對象)有些偏差仍可確實地遮蔽訊號成為穩定狀態的時段，可根據訊號的上升部分與下降部分的資訊提高裝置狀態的監控的可靠性。
最後，將與在S2104計算而求出的遮罩開始時間Ts(m,n)與遮罩結束時間Te(m,n)相關的資訊從遮罩時間作成部1701送至遮罩時間記憶部2403而結束S1901的計算遮罩時間的步驟。
依本實施例時，在掌握裝置狀態的異常的情況下可使用感測器輸出訊號的上升、下降部分所反映的資訊而監視裝置狀態，故即使未能正確地抽出對應於各子序列的開始與結束的監控訊號的上升、下降的情況下，且裝置狀態或構成裝置的機構部的異常出現於感測器輸出訊號的上升、下降部分時，仍可在不看漏半導體製造裝置的異常之下穩定進行檢測。 [實施例4]
針對本發明的第4實施例，利用圖22進行說明。
本實施例，為組合了上述說明的實施例1至3者，為依作為監視對象的裝置的特性或監視對象的以感測器檢測出的訊號的特性而區分使用裝置狀態監視方法的方法。
亦即，在本實施例，分為以下情況而針對裝置狀態監視方法區分使用以上述的實施例1至3說明的方法：在來自感測器的訊號的穩定狀態的資料容易反映作為監視對象的裝置的異常狀態的情況；除訊號的穩定狀態以外於訊號的上升、下降的資料亦容易反映作為監視對象的裝置的異常狀態的情況；以及於訊號的上升、下降的資料容易反映作為監視對象的裝置的異常狀態的情況。
亦即，在本實施例，在來自感測器的訊號的穩定狀態的資料容易反映作為監視對象的裝置的異常狀態的情況下，將來自感測器的訊號的上升部分與下降部分進行遮蔽而僅使用來自感測器的訊號的穩定狀態的資料而檢測作為監視對象的裝置的異常。此外，除訊號的穩定狀態以外在訊號的上升、下降的資料亦容易反映作為監視對象的裝置的異常狀態的情況下，將來自感測器的訊號的上升部分與下降部分設定為遮蔽區域，使用在此遮蔽區域之來自感測器的訊號的上升部分與下降部分的訊號特徵量和來自感測器的訊號的穩定狀態的資料而檢測作為監視對象的裝置的異常。再者，在訊號的上升、下降的資料容易反映作為監視對象的裝置的異常狀態的情況下，將訊號的穩定狀態的區域進行遮蔽，使用訊號的上升、下降的資料而檢測作為監視對象的裝置的異常。
此可作為檢測對象(裝置)900整體，或亦作成為按來自安裝在構成檢測對象(裝置)900的各機構部的構成感測器群800的各個感測器的輸出訊號而區分使用以實施例1至3說明的方法。
首先，針對從感測器群800輸入的檢測對象(裝置)900進行動作時的感測器值(訊號)之時序列資料，判定是否將訊號的上升、下降部分進行遮罩(S2201)。
將訊號的上升、下降部分進行遮罩的情況(S2201為Yes)下，進至S2202，判定是否使用遮罩時的訊號的特徵量。不使用遮罩時的訊號的特徵量的情況下，進至S2203，依以實施例1說明的順序檢測裝置狀態的異常。另一方面，使用遮罩時的訊號的特徵量的情況下，進至S2204，依以實施例2說明的順序檢測裝置狀態的異常。
在S2201判定為不將訊號的上升、下降部分進行遮罩的情況(S2201為No)下，進至S2205而將穩定狀態的訊號進行遮罩，進至S2206而依以實施例3說明的順序檢測裝置狀態的異常。
依本實施例時，可依對應於作為檢查對象的裝置或構成裝置的機構部之檢查對象感測器輸出訊號的特性而選擇診斷方法，可使用具有於作為檢查對象之裝置或構成裝置的機構部之訊號而感度佳地診斷裝置狀態，從而獲得以實施例1至3說明的個別的效果。
以上，雖根據實施例具體說明由本發明人創作的發明，惟本發明非限定於前述實施例者，在不脫離其要旨的範圍內當然可進行各種變更。例如，上述之實施例是為了以容易理解的方式說明本發明而詳細說明者，未必限定於具備所說明之全部的構成。此外，針對各實施例的構成的一部分，可進行其他構成的追加、刪除、置換。
100,1100,2100:學習系統 101,1701:遮罩時間作成部 102,1702:遮罩處理部 103,1703:標準化模型作成部 104,1704:標準化處理部 105,1705:模型學習部 106,1706:異常值算出部 200,1200,2200:評價系統 300,1300,2300:資料處理部 400:記憶裝置 401,2401:標準化模型記憶部 402,2402:正常模型記憶部 403,2403:遮罩時間記憶部 500,2500:處理器 600:連接介面 700,1700,2700:裝置診斷裝置 800:感測器群 900:檢測對象(裝置)
[圖1]為針對本發明的實施例1之裝置診斷裝置的基本構成進行繪示的方塊圖。 [圖2]為針對本發明的實施例1之半導體製造系統的基本構成進行繪示的方塊圖。 [圖3]為針對將本發明的實施例1之裝置診斷裝置按功能區分的系統的構成進行繪示的方塊圖。 [圖4]為針對本發明的實施例1之裝置診斷裝置中的在學習階段之處理流程進行繪示的流程圖。 [圖5A]為針對正常的訊號波形資料之例進行繪示的圖形。 [圖5B]為針對在正常的波形資料中進行遮蔽的訊號的上升部分與下降部分進行繪示的圖形。 [圖5C]為針對在正常的波形資料中將訊號的上升部分與下降部分進行了遮蔽之例進行繪示的圖形。 [圖5D]為針對將遮蔽了訊號的上升部分與下降部分的正常的波形資料進行了標準化之例進行繪示的圖形。 [圖6]為針對本發明的實施例1之裝置診斷裝置中的在評價階段之處理流程進行繪示的流程圖。 [圖7]為針對在本發明的實施例1之裝置診斷裝置中的遮罩時間作成部之處理流程進行繪示的流程圖。 [圖8]為從裝戴於半導體製造系統的感測器獲得的感測器值之時序列資料進行繪示的圖形。 [圖9]為針對在本發明的實施例1之裝置診斷裝置中的遮罩時間作成部作成的遮罩開始時間與遮罩結束時間進行表示的表。 [圖10]為針對在示於圖8的時間對圖7之時序列資料施加遮罩的狀態下的感測器值之時序列資料進行繪示的圖形。 [圖11]為針對本發明的實施例2之裝置診斷裝置的基本構成進行繪示的方塊圖。 [圖12]為針對本發明的實施例2之裝置診斷裝置中的學習系統的構成進行繪示的方塊圖。 [圖13]為針對本發明的實施例2之裝置診斷裝置中的評價系統的構成進行繪示的方塊圖。 [圖14]為針對本發明的實施例2之裝置診斷裝置中的在學習階段之處理流程進行繪示的流程圖。 [圖15]為針對本發明的實施例2之裝置診斷裝置中的在評價階段之處理流程進行繪示的流程圖。 [圖16]為針對在本發明的實施例2之裝置診斷裝置中的特徵量生成部與特徵量追加部之處理流程進行繪示的流程圖。 [圖17]為針對本發明的實施例3之裝置診斷裝置的基本構成進行繪示的方塊圖。 [圖18]為針對在本發明的實施例3之裝置診斷裝置中的學習系統的構成進行繪示的方塊圖。 [圖19]為在本發明的實施例3之裝置診斷裝置中的學習系統作成正常模型的程序的流程圖。 [圖20]為針對本發明的實施例3之裝置診斷裝置中的在評價階段之處理流程進行繪示的流程圖。 [圖21]為針對在本發明的實施例3之裝置診斷裝置中的遮罩時間作成部算出遮罩時間的處理的流程進行繪示的流程圖。 [圖22]為針對本發明的實施例4之裝置診斷裝置中的處理流程進行繪示的流程圖。
101:遮罩時間作成部
102:遮罩處理部
103:標準化模型作成部
104:標準化處理部
105:模型學習部
106:異常值算出部
300:資料處理部
400:記憶裝置
401:標準化模型記憶部
402:正常模型記憶部
403:遮罩時間記憶部
500:處理器
600:連接介面
700:裝置診斷裝置
800:感測器群
801:感測器1
802:感測器2
900:檢測對象(裝置)

Claims (15)

  1. 一種診斷裝置，使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態， 求出包含前述第1時序列資料的上升時刻或前述第1時序列資料的下降時刻的遮罩時間， 前述求出的遮罩時間的前述第1時序列資料被轉換為既定值，同時前述被轉換的第1時序列資料被作為第2時序列資料而輸出， 基於前述第2時序列資料而診斷前述半導體製造裝置的狀態。
  2. 如請求項1的診斷裝置，其中， 前述遮罩時間，為在鄰接之取樣時刻的前述第1時序列資料的差分成為比前述差分的標準差大的時刻。
  3. 一種診斷裝置，使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態， 求出包含前述第1時序列資料的上升時刻或前述第1時序列資料的下降時刻的遮罩時間， 前述求出的遮罩時間的前述第1時序列資料被轉換為既定值，同時求出前述遮罩時間的特徵量， 前述被轉換的第1時序列資料被作為第2時序列資料而輸出， 前述求出的特徵量被追加於前述第2時序列資料， 基於追加了前述特徵量的第2時序列資料而診斷前述半導體製造裝置的狀態。
  4. 如請求項3的診斷裝置，其中， 前述特徵量，被基於第1差分成為比前述第1差分的標準差大的時刻以及第2差分成為比前述第2差分的標準差大的時刻之時刻差而求出， 前述第1差分為在鄰接的取樣時刻之前述第1時序列資料的差分， 前述第2差分為在鄰接的取樣時刻之基準時序列資料的差分。
  5. 一種診斷裝置，使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態， 基於如請求項1的前述第2時序列資料、如請求項3的前述第2時序列資料或如請求項3的特徵量而診斷前述半導體製造裝置的狀態。
  6. 一種半導體製造裝置系統，具備經由網路連接著半導體製造裝置之如請求項1的前述診斷裝置。
  7. 一種半導體製造裝置系統，具備經由網路連接著半導體製造裝置之如請求項3的前述診斷裝置。
  8. 一種半導體製造裝置系統，具備經由網路連接著半導體製造裝置之如請求項5的診斷裝置。
  9. 如請求項6至8中任一項的半導體製造裝置系統，其中， 前述診斷裝置為個人電腦。
  10. 一種半導體裝置製造系統，具備一平台，前述平台實現使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態用的應用程式，經由網路連接著前述半導體製造裝置， 透過前述應用程式執行： 求出包含前述第1時序列資料的上升時刻或前述第1時序列資料的下降時刻的遮罩時間的步驟； 前述求出的遮罩時間的前述第1時序列資料被轉換為既定值，同時前述被轉換的第1時序列資料被作為第2時序列資料而輸出的步驟；以及 基於前述第2時序列資料而診斷前述半導體製造裝置的狀態的步驟。
  11. 一種半導體裝置製造系統，具備一平台，前述平台實現使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態用的應用程式，經由網路連接著前述半導體製造裝置， 透過前述應用程式執行： 求出包含前述第1時序列資料的上升時刻或前述第1時序列資料的下降時刻的遮罩時間的步驟； 前述求出的遮罩時間的前述第1時序列資料被轉換為既定值，同時求出前述遮罩時間的特徵量的步驟； 前述被轉換的第1時序列資料被作為第2時序列資料而輸出的步驟； 前述求出的特徵量被追加於前述第2時序列資料的步驟；以及 基於前述追加了特徵量的第2時序列資料而診斷前述半導體製造裝置的狀態的步驟。
  12. 一種半導體裝置製造系統，具備一平台，前述平台實現使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態用的應用程式，經由網路連接著前述半導體製造裝置， 透過前述應用程式執行： 求出包含前述第1時序列資料的上升時刻或前述第1時序列資料的下降時刻的遮罩時間的步驟； 前述求出的遮罩時間的前述第1時序列資料被轉換為既定值，同時求出前述遮罩時間的特徵量的步驟；以及 基於前述特徵量而診斷前述半導體製造裝置的狀態的步驟。
  13. 一種診斷方法，使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態， 具有： 求出包含前述第1時序列資料的上升時刻或前述第1時序列資料的下降時刻的遮罩時間的步驟； 前述求出的遮罩時間的前述第1時序列資料被轉換為既定值，同時將前述被轉換的第1時序列資料作為第2時序列資料而輸出的步驟；以及 基於前述第2時序列資料而診斷前述半導體製造裝置的狀態的步驟。
  14. 一種診斷方法，使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態， 具有： 求出包含前述第1時序列資料的上升時刻或前述第1時序列資料的下降時刻的遮罩時間的步驟； 將前述求出的遮罩時間的前述第1時序列資料轉換為既定值，同時求出前述遮罩時間的特徵量的步驟； 將前述被轉換的第1時序列資料作為第2時序列資料而輸出的步驟； 將前述求出的特徵量追加於前述第2時序列資料的步驟；以及 基於前述追加了特徵量的第2時序列資料而診斷前述半導體製造裝置的狀態的步驟。
  15. 一種診斷方法，使用從半導體製造裝置的感測器群取得的第1時序列資料而診斷前述半導體製造裝置的狀態， 基於如請求項13的前述第2時序列資料、如請求項14的前述第2時序列資料或如請求項14的特徵量而診斷前述半導體製造裝置的狀態。
TW112105404A 2022-02-24 2023-02-15 診斷裝置及診斷方法以及半導體製造裝置系統及半導體裝置製造系統 TWI844270B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
WOPCT/JP2022/007541 2022-02-24
PCT/JP2022/007541 WO2023162077A1 (ja) 2022-02-24 2022-02-24 診断装置及び診断方法並びに半導体製造装置システム及び半導体装置製造システム

Publications (2)

Publication Number Publication Date
TW202334772A true TW202334772A (zh) 2023-09-01
TWI844270B TWI844270B (zh) 2024-06-01

Family

ID=87764978

Family Applications (1)

Application Number Title Priority Date Filing Date
TW112105404A TWI844270B (zh) 2022-02-24 2023-02-15 診斷裝置及診斷方法以及半導體製造裝置系統及半導體裝置製造系統

Country Status (6)

Country Link
US (1) US20240310821A1 (zh)
JP (1) JP7358679B1 (zh)
KR (1) KR20230129001A (zh)
CN (1) CN116941010A (zh)
TW (1) TWI844270B (zh)
WO (1) WO2023162077A1 (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004186445A (ja) * 2002-12-03 2004-07-02 Omron Corp モデル化装置及びモデル解析方法並びにプロセス異常検出・分類システム及びプロセス異常検出・分類方法並びにモデル化システム及びモデル化方法並びに故障予知システム及びモデル化装置の更新方法
US8158017B2 (en) * 2008-05-12 2012-04-17 Lam Research Corporation Detection of arcing events in wafer plasma processing through monitoring of trace gas concentrations
JP5427107B2 (ja) * 2010-05-20 2014-02-26 株式会社日立製作所 監視診断装置および監視診断方法
JP5501903B2 (ja) * 2010-09-07 2014-05-28 株式会社日立製作所 異常検知方法及びそのシステム
US8298041B2 (en) * 2010-10-08 2012-10-30 Taiwan Semiconductor Manufacturing Company, Ltd. System and method for wafer back-grinding control
US9508612B2 (en) * 2012-03-15 2016-11-29 Applied Materials, Inc. Method to detect wafer arcing in semiconductor manufacturing equipment
JP6105141B1 (ja) * 2016-09-30 2017-03-29 株式会社日立パワーソリューションズ プリプロセッサおよび診断装置
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
JP7204584B2 (ja) 2019-06-14 2023-01-16 ルネサスエレクトロニクス株式会社 異常検知システム、異常検知装置および異常検知方法

Also Published As

Publication number Publication date
US20240310821A1 (en) 2024-09-19
KR20230129001A (ko) 2023-09-05
JP7358679B1 (ja) 2023-10-10
JPWO2023162077A1 (zh) 2023-08-31
TWI844270B (zh) 2024-06-01
WO2023162077A1 (ja) 2023-08-31
CN116941010A (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
US11092952B2 (en) Plant abnormality detection method and system
EP1729243B1 (en) Fault detection system and method using approximate null space based fault signature classification
KR101554216B1 (ko) 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치
JP4244353B2 (ja) 部分放電原因自動推論用の神経網エンジンの入力ベクトル生成方法
KR102362159B1 (ko) 반도체 제조 공정에서 고장 검출 및 불량 원인 진단을 위한 방법
KR20170045354A (ko) 희소 코딩 방법론을 활용한 가스 터빈 센서 고장 검출
CN113888353A (zh) 分布式光伏发电设备的能效诊断方法、系统及介质
JP7006282B2 (ja) 設備異常診断装置
GB2476246A (en) Diagnosing an operation mode of a machine
KR20200005206A (ko) 기계 학습 기반의 설비 이상 분류 시스템 및 방법
US11598738B2 (en) Apparatus and method for detecting defective component using infrared camera
CN112416662A (zh) 多时间序列数据异常检测方法与装置
TWI738411B (zh) 裝置診斷裝置、電漿處理裝置及裝置診斷方法
CN118174788B (zh) 一种光纤配线柜的故障检测方法、装置、设备及存储介质
CN117235653B (zh) 一种电源连接器故障实时监测方法及系统
TW202334772A (zh) 診斷裝置及診斷方法以及半導體製造裝置系統及半導體裝置製造系統
Liu et al. Satellite telemetry data anomaly detection with hybrid similarity measures
US7548820B2 (en) Detecting a failure condition in a system using three-dimensional telemetric impulsional response surfaces
JP3885537B2 (ja) プリント基板故障判定方法、及び、プリント基板故障判定装置
CN107958089A (zh) 构建模型的方法和装置以及异常数据的检测方法和装置
KR101893952B1 (ko) 고장 감지 장치
RU150919U1 (ru) Устройство прогнозирования работоспособности многопараметрических электромеханических систем
Das et al. Performance Variability and Causality in Complex Systems
JP7358791B2 (ja) プラント監視システムおよびプラント監視方法
Gräf Low cost, high performance monitoring system for renewable distribution systems