JP2017211713A - 生産システム - Google Patents
生産システム Download PDFInfo
- Publication number
- JP2017211713A JP2017211713A JP2016102586A JP2016102586A JP2017211713A JP 2017211713 A JP2017211713 A JP 2017211713A JP 2016102586 A JP2016102586 A JP 2016102586A JP 2016102586 A JP2016102586 A JP 2016102586A JP 2017211713 A JP2017211713 A JP 2017211713A
- Authority
- JP
- Japan
- Prior art keywords
- digital data
- production system
- abnormality
- learned model
- detection device
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 160
- 230000005856 abnormality Effects 0.000 claims abstract description 181
- 238000001514 detection method Methods 0.000 claims abstract description 118
- 238000012544 monitoring process Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000004891 communication Methods 0.000 claims abstract description 34
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 99
- 230000008569 process Effects 0.000 claims description 41
- 239000004065 semiconductor Substances 0.000 claims description 17
- 238000007689 inspection Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 11
- 230000000717 retained effect Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 12
- 230000002950 deficient Effects 0.000 description 9
- 238000005530 etching Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000007723 transport mechanism Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005137 deposition process Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 101150061721 mmm1 gene Proteins 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 238000005268 plasma chemical vapour deposition Methods 0.000 description 1
- 238000001020 plasma etching Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G05B2219/33—Director till display
- G05B2219/33322—Failure driven learning
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Testing And Monitoring For Control Systems (AREA)
- General Factory Administration (AREA)
Abstract
【解決手段】センサSENは、所定の製造装置MEの処理の状況を監視し、異常検出デバイスFDDは、センサSENの監視結果となるセンサ信号の異常を検出する。センサ信号は、アナログ波形を所定のサンプリング周期でサンプリングしたディジタルデータ群DTGである。管理装置CSは、過去に蓄積された複数のディジタルデータ群DTGの特徴を人工知能を用いて学習することで学習済みモデルMDLを生成する。異常検出デバイスFDDは、当該学習済みモデルMDLを保持し、それを用いて現在の処理対象となるディジタルデータ群DTGの異常の有無を判別する。
【選択図】図1
Description
《生産システムの概略構成》
図1は、本発明の実施の形態1による生産システムの主要部の構成例を示す概略図である。ここでは、生産システムの一例として半導体製品の前工程を実行する生産システムを想定する。図1の生産システムは、複数(ここではn個)の製造装置(エッジデバイス)ME1〜MEnと、管理装置(マスタデバイス)CSと、複数のセンサSEN10〜SEN1m,…SENn0〜SENnmと、複数の異常検出デバイスFDD1〜FDDnと、通信ネットワークNWと、製品搬送機構CMとを有する。本明細書では、複数の製造装置ME1〜MEnのそれぞれを代表して製造装置MEと称し、複数のセンサSEN10〜SEN1m,…SENn0〜SENnmのそれぞれを代表してセンサSENと称する。
図13は、本発明の比較例として検討した生産システムの主要部の構成例を示す概略図である。図13に示す生産システムは、図1の構成例と比較して、異常検出デバイスFDD1が通信用LSI(CMLSI)に置き換わっている点と、管理装置CS’がデータベースDB2を備えない点とが異なっている。通信用LSI(CMLSI)は、センサSEN10,SEN1mの監視結果となるディジタルデータ群DTG10,DTG1mを受け、それらを所定の通信フォーマットに格納したのち通信ネットワークNWを介して管理装置CS’へ送信する。管理装置CS’は、当該ディジタルデータ群DTG10,DTG1mを受け、それぞれの異常有無を判定し、異常有りの場合には、対象の製造装置ME1へ異常通知を行う。
そこで、図1の生産システムは、異常検出デバイスFDD1〜FDDnを備える。図2は、図1の生産システムにおける異常検出デバイスの構成例を示すブロック図である。図2に示す異常検出デバイスFDDは、例えば、1個の半導体チップで構成される制御用LSI(CTLSI)と、外部メモリ装置OMEMとを備える。制御用LSI(CTLSI)は、プロセッサ回路CPUと、RTOSアクセラレータ回路RTOS_ACCと、イーサネットアクセラレータ回路ETH_ACCと、外部メモリ制御回路OMEM_CTLと、外部入出力インタフェース回路OIFと、内部メモリ回路IMEMとを備える。これらの各内部回路は、バス等で互いに結合される。
前述したように、管理装置(マスタデバイス)CSは、ビッグデータBDATを用いて、人工知能(AI)に基づき複数の学習済みモデルMDL[1]〜MDL[x]を生成する。以下、この学習済みモデルの生成方法について説明する。
図7は、図1の生産システムにおいて、管理装置が学習済みモデルを生成する際に使用する設定情報の一例を示す説明図である。図8は、図1の生産システムにおいて、管理装置が学習済みモデルを生成する際の処理内容の一例を示すフロー図である。図8において、管理装置(マスタデバイス)CSは、まず、図7のような設定情報MSTの登録を受け付ける(ステップS101)。次いで、管理装置CSは、監視パラメータ毎に、ビッグデータBDAT内の複数のディジタルデータ群DTGを、当該設定情報MSTで指定される分類方法に基づき複数のカテゴリに分類する(ステップS102)。
図10は、図2の異常検出デバイスにおける異常検出部の設定情報の一例を示す説明図である。異常検出部FDUは、予め、図10に示されるような設定情報FSTを保持する。設定情報FSTは、監視対象となる装置パラメータおよび監視パラメータと、監視パラメータ毎の分類方法およびサンプリング周期とを含む。装置パラメータは、図6(a)に示した階層L1〜L3の情報を含み、固定情報となる。例えば、図1において、異常検出デバイスFDD1の異常検出部FDUが保持する装置パラメータは、製造装置ME1を特定する装置パラメータであり、予め固定的に定められる。
以上、本実施の形態1の生産システムを用いることで、代表的には、通信ネットワークNWを逼迫させずに、生産システムの異常を検出することが可能になる。この際には、特に、人工知能(AI)による学習済みモデルMDLを用いることで、アナログ波形の特徴的な形状に基づいて異常を検出することができる。また、当該生産システムは、監視パラメータ毎に、属するデータを好適な分類方法で分類した上で学習することで複数の学習済みモデルMDLを生成し、当該分類方法に基づき複数の学習済みモデルのいずれかを適宜選択しながら監視パラメータの異常検出を行う。これにより、学習済みモデルMDLの質が向上し、誤報や虚報を低減することができ、異常を高精度に検出すること等が可能になる。これらの結果、生産効率の向上が図れる。
《生産システムの概略構成(変形例)》
図12は、本発明の実施の形態2による生産システムの主要部の構成例を示す概略図である。図12に示す生産システムは、図1の構成例と比較して、製造装置ME1〜MEnがそれぞれ検査装置(エッジデバイス)IE1〜IEnに置き換わっている点が異なっている。当該生産システムは、製品を複数の検査工程を用いて検査する。検査装置IE1〜IEnは、複数の検査工程に伴う測定を実行し、測定データを生成する。すなわち、図1では、製造装置MEからセンサSENを介して測定データが得られる構成となっていたが、図12では、検査装置自体がセンサに相当し、測定データが検査装置から直接得られる構成となっている。
CM 製品搬送機構
CMLSI 通信用LSI
CMP 比較器
CPU プロセッサ回路
CS,CS’ 管理装置
CTLSI 制御用LSI
DB データベース
DLY 遅延器
DT ディジタルデータ
DTG ディジタルデータ群
ENG エンジニア
ER 誤差値
ERDET 誤差検出器
ETH_ACC イーサネットアクセラレータ回路
EW 学習波形
FDD 異常検出デバイス
FDU 異常検出部
FPRG 異常検出プログラム
FS 異常通知
FST,MST 設定情報
IE 検査装置
IMEM 内部メモリ回路
ITG 積分器
IW 入力波形
MDL 学習済みモデル
ME 製造装置
NW 通信ネットワーク
OIF 外部入出力インタフェース回路
OMEM 外部メモリ装置
OMEM_CTL 外部メモリ制御回路
RTOS_ACC RTOSアクセラレータ回路
SEN センサ
SW スイッチ
TH 閾値
WF 半導体ウエハ
Claims (16)
- 製品を複数の製造工程を用いて製造する生産システムであって、
前記複数の製造工程に伴う処理を実行する複数のエッジデバイスと、
前記生産システム全体を管理するマスタデバイスと、
前記複数のエッジデバイスの中の所定のエッジデバイスに対応して設けられ、前記所定のエッジデバイスの処理の状況を監視するセンサと、
前記所定のエッジデバイスに対応して設けられ、前記センサの監視結果となるセンサ信号の異常を検出する異常検出デバイスと、
前記複数のエッジデバイスと、前記マスタデバイスと、前記異常検出デバイスとを結合する通信ネットワークと、
を有し、
前記センサ信号は、アナログ波形を所定のサンプリング周期でサンプリングしたディジタルデータ群であり、
前記マスタデバイスは、過去に蓄積された複数の前記ディジタルデータ群の特徴を人工知能を用いて学習することで前記ディジタルデータ群の異常の有無を判別するための学習済みモデルを生成し、
前記異常検出デバイスは、前記生成された前記学習済みモデルを保持し、前記保持した学習済みモデルを用いて現在の処理対象となる前記ディジタルデータ群の異常の有無を判別する、
生産システム。 - 請求項1記載の生産システムにおいて、
前記マスタデバイスは、前記複数のディジタルデータ群を複数のカテゴリに分類して学習することで、前記複数のカテゴリにそれぞれ対応する複数の前記学習済みモデルを生成し、
前記異常検出デバイスは、前記現在の処理対象となるディジタルデータ群のカテゴリを認識し、前記認識したカテゴリに対応する前記学習済みモデルを用いて異常の有無を判別する、
生産システム。 - 請求項2記載の生産システムにおいて、
前記マスタデバイスは、エンジニアの指示に基づき前記複数のカテゴリの分類方法を定め、前記定めた分類方法を前記異常検出デバイスに登録し、
前記異常検出デバイスは、前記登録された分類方法に基づき、前記現在の処理対象となるディジタルデータ群のカテゴリを認識する、
生産システム。 - 請求項1記載の生産システムにおいて、
前記異常検出デバイスは、
前記学習済みモデルを保持するメモリ回路と、
前記保持した学習済みモデルを用いて異常の有無を判別するプロセッサ回路と、
を有する、
生産システム。 - 請求項1〜4のいずれか1項に記載の生産システムにおいて、
前記複数の製造工程は、半導体製品の前工程である、
生産システム。 - 複数種類の半導体製品を複数の製造工程を用いて製造する生産システムであって、
前記半導体製品の種類に応じて、前記複数の製造工程に伴う加工処理を所定のプロセスレシピを用いて実行する複数の製造装置と、
前記生産システム全体を管理する管理装置と、
前記複数の製造装置の中の所定の製造装置に対応して設けられ、前記所定の製造装置の加工処理の状況を監視する第1のセンサおよび第2のセンサと、
前記所定の製造装置に対応して設けられ、前記第1のセンサの監視結果となる第1のセンサ信号の異常と、前記第2のセンサの監視結果となる第2のセンサ信号の異常とを検出する異常検出デバイスと、
前記複数の製造装置と、前記管理装置と、前記異常検出デバイスとを結合する通信ネットワークと、
を有し、
前記第1のセンサ信号は、アナログ波形を第1のサンプリング周期でサンプリングした第1のディジタルデータ群であり、
前記第2のセンサ信号は、アナログ波形を第2のサンプリング周期でサンプリングした第2のディジタルデータ群であり、
前記管理装置は、過去に蓄積された複数の前記第1のディジタルデータ群の特徴を人工知能を用いて学習することで前記第1のディジタルデータ群の異常の有無を判別するための第1の学習済みモデルを生成し、過去に蓄積された複数の前記第2のディジタルデータ群の特徴を人工知能を用いて学習することで前記第2のディジタルデータ群の異常の有無を判別するための第2の学習済みモデルを生成し、
前記異常検出デバイスは、前記生成された前記第1の学習済みモデルおよび前記第2の学習済みモデルを保持し、前記保持した第1の学習済みモデルを用いて現在の処理対象となる前記第1のディジタルデータ群の異常の有無を判別し、前記保持した第2の学習済みモデルを用いて現在の処理対象となる前記第2のディジタルデータ群の異常の有無を判別する、
生産システム。 - 請求項6記載の生産システムにおいて、
前記管理装置は、前記複数の第1のディジタルデータ群を第1の分類方法に基づき複数のカテゴリに分類して学習することで、前記複数のカテゴリにそれぞれ対応する複数の前記第1の学習済みモデルを生成し、前記複数の第2のディジタルデータ群を第2の分類方法に基づき複数のカテゴリに分類して学習することで、前記複数のカテゴリにそれぞれ対応する複数の前記第2の学習済みモデルを生成し、
前記異常検出デバイスは、前記現在の処理対象となる第1のディジタルデータ群のカテゴリを認識し、前記認識したカテゴリに対応する前記第1の学習済みモデルを用いて異常の有無を判別し、前記現在の処理対象となる第2のディジタルデータ群のカテゴリを認識し、前記認識したカテゴリに対応する前記第2の学習済みモデルを用いて異常の有無を判別する、
生産システム。 - 請求項7記載の生産システムにおいて、
前記管理装置は、エンジニアの指示に基づき前記第1の分類方法および前記第2の分類方法を定め、前記定めた第1の分類方法および第2の分類方法を前記異常検出デバイスに登録し、
前記異常検出デバイスは、前記登録された第1の分類方法に基づき前記現在の処理対象となる第1のディジタルデータ群のカテゴリを認識し、前記登録された第2の分類方法に基づき、前記現在の処理対象となる第2のディジタルデータ群のカテゴリを認識する、
生産システム。 - 請求項7記載の生産システムにおいて、
前記第1の分類方法および前記第2の分類方法のそれぞれは、前記半導体製品の種類を段階的に絞り込む複数の製品識別子、前記複数の製造工程を識別する工程識別子、前記複数の製造装置の種類を段階的に絞り込む複数の装置識別子、前記所定のプロセスレシピを識別するレシピ識別子の中の単数または複数の識別子を用いて定められる、
生産システム。 - 請求項9記載の生産システムにおいて、
前記第1の分類方法で用いる前記単数または複数の識別子は、前記第2の分類方法で用いる前記単数または複数の識別子と異なる、
生産システム。 - 請求項6記載の生産システムにおいて、
前記異常検出デバイスは、
前記第1の学習済みモデルおよび前記第2の学習済みモデルを保持するメモリ回路と、
前記保持した第1の学習済みモデルおよび第2の学習済みモデルを用いて異常の有無を判別するプロセッサ回路と、
を有する、
生産システム。 - 請求項6記載の生産システムにおいて、
前記第1のサンプリング周期および前記第2のサンプリング周期の少なくとも一方は、100ms以下である、
生産システム。 - 製品を複数の検査工程を用いて検査する生産システムであって、
前記複数の検査工程に伴う測定を実行し、測定データを生成する複数のエッジデバイスと、
前記生産システム全体を管理するマスタデバイスと、
前記複数のエッジデバイスの中の所定のエッジデバイスに対応して設けられ、前記所定のエッジデバイスからの前記測定データの異常を検出する異常検出デバイスと、
前記複数のエッジデバイスと、前記マスタデバイスと、前記異常検出デバイスとを結合する通信ネットワークと、
を有し、
前記測定データは、アナログ波形を形成するディジタルデータ群であり、
前記マスタデバイスは、過去に蓄積された複数の前記ディジタルデータ群の特徴を人工知能を用いて学習することで前記ディジタルデータ群の異常の有無を判別するための学習済みモデルを生成し、
前記異常検出デバイスは、前記生成された前記学習済みモデルを保持し、前記保持した学習済みモデルを用いて現在の処理対象となる前記ディジタルデータ群の異常の有無を判別する、
生産システム。 - 請求項13記載の生産システムにおいて、
前記マスタデバイスは、前記複数のディジタルデータ群を複数のカテゴリに分類して学習することで、前記複数のカテゴリにそれぞれ対応する複数の前記学習済みモデルを生成し、
前記異常検出デバイスは、前記現在の処理対象となるディジタルデータ群のカテゴリを認識し、前記認識したカテゴリに対応する前記学習済みモデルを用いて異常の有無を判別する、
生産システム。 - 請求項14記載の生産システムにおいて、
前記マスタデバイスは、エンジニアの指示に基づき前記複数のカテゴリの分類方法を定め、前記定めた分類方法を前記異常検出デバイスに登録し、
前記異常検出デバイスは、前記登録された分類方法に基づき、前記現在の処理対象となるディジタルデータ群のカテゴリを認識する、
生産システム。 - 請求項13記載の生産システムにおいて、
前記異常検出デバイスは、
前記学習済みモデルを保持するメモリ回路と、
前記保持した学習済みモデルを用いて異常の有無を判別するプロセッサ回路と、
を有する、
生産システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016102586A JP6890382B2 (ja) | 2016-05-23 | 2016-05-23 | 生産システム |
US15/356,659 US10261496B2 (en) | 2016-05-23 | 2016-11-20 | Production system |
US16/291,273 US10921775B2 (en) | 2016-05-23 | 2019-03-04 | Production system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016102586A JP6890382B2 (ja) | 2016-05-23 | 2016-05-23 | 生産システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017211713A true JP2017211713A (ja) | 2017-11-30 |
JP6890382B2 JP6890382B2 (ja) | 2021-06-18 |
Family
ID=60330722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016102586A Active JP6890382B2 (ja) | 2016-05-23 | 2016-05-23 | 生産システム |
Country Status (2)
Country | Link |
---|---|
US (2) | US10261496B2 (ja) |
JP (1) | JP6890382B2 (ja) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019229983A1 (ja) * | 2018-06-01 | 2019-12-05 | 株式会社ウフル | 工程変更機械学習済みモデル切り替えシステム、エッジデバイス、工程変更機械学習済みモデル切り替え方法、及びプログラム |
KR20190136370A (ko) * | 2018-05-30 | 2019-12-10 | 주식회사 비즈모델라인 | 상관형 엣지 컴퓨팅 처리 방법 |
JP2020013464A (ja) * | 2018-07-20 | 2020-01-23 | 中日本炉工業株式会社 | 処理装置の稼働管理システム |
KR20200011896A (ko) * | 2018-07-25 | 2020-02-04 | 주식회사 네오세미텍 | 반도체 제조 공정 모니터링을 위한 시스템 |
JP2020027425A (ja) * | 2018-08-10 | 2020-02-20 | 東京エレクトロンデバイス株式会社 | 予防保全装置及び予防保全システム |
WO2020059276A1 (ja) * | 2018-09-19 | 2020-03-26 | 株式会社日立製作所 | 制御装置 |
JP2020047847A (ja) * | 2018-09-20 | 2020-03-26 | 株式会社Screenホールディングス | データ処理方法、データ処理装置、およびデータ処理プログラム |
JP2020047846A (ja) * | 2018-09-20 | 2020-03-26 | 株式会社Screenホールディングス | データ処理方法、データ処理装置、データ処理システム、およびデータ処理プログラム |
JP2020135170A (ja) * | 2019-02-15 | 2020-08-31 | ルネサスエレクトロニクス株式会社 | 異常検知装置、異常検知システム、異常検知方法 |
KR20220083936A (ko) * | 2020-12-11 | 2022-06-21 | 전남대학교산학협력단 | 인공지능 기반 plc 모듈을 활용한 양품/불량품 판별 방법 및 시스템 |
JP2022551860A (ja) * | 2019-10-08 | 2022-12-14 | ナノトロニクス イメージング インコーポレイテッド | 工場のプロセス、機器、および自動化システムの動的な監視および保護 |
US11657121B2 (en) | 2018-06-14 | 2023-05-23 | Mitsubishi Electric Corporation | Abnormality detection device, abnormality detection method and computer readable medium |
JP7366775B2 (ja) | 2020-01-30 | 2023-10-23 | 株式会社Screenホールディングス | データ処理方法、データ処理装置およびプログラム |
JP7403746B2 (ja) | 2018-01-30 | 2023-12-25 | プラグマティック セミコンダクター リミテッド | 複数の集積回路を製造するシステムおよび方法 |
JP7450820B1 (ja) | 2022-11-14 | 2024-03-15 | 三菱電機株式会社 | 要因推定装置、要因推定方法および要因推定プログラム |
US12008022B2 (en) | 2020-01-30 | 2024-06-11 | SCREEN Holdings Co., Ltd. | Data processing method, data processing device, and storage medium |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10445696B2 (en) * | 2017-01-03 | 2019-10-15 | Wipro Limited | Methods and systems for orchestration of supply chain processes using internet of technology sensor's events |
US10275739B2 (en) * | 2017-01-05 | 2019-04-30 | International Business Machines Corporation | Tracking assets with a blockchain |
US11556117B2 (en) * | 2019-10-21 | 2023-01-17 | Applied Materials, Inc. | Real-time anomaly detection and classification during semiconductor processing |
CN110968038B (zh) * | 2019-12-18 | 2020-11-03 | 大连理工大学 | 一种基于数字孪生的数控机床进给轴热误差监测方法 |
KR102208819B1 (ko) * | 2020-12-09 | 2021-01-28 | 주식회사 더블유지에스 | 플라즈마 공정 중 발생하는 아크 현상을 모니터링하기 위한 rf 신호 모니터링 장치 및 시스템 |
US20230070826A1 (en) * | 2021-09-08 | 2023-03-09 | Honeywell International Inc. | Autonomous instrument management |
CN114265390B (zh) * | 2021-12-22 | 2024-02-20 | 苏州华星光电技术有限公司 | 设备数据采集诊断方法、装置、服务器及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000269108A (ja) * | 1999-03-15 | 2000-09-29 | Sharp Corp | 半導体製造装置の管理システム |
JP2005197323A (ja) * | 2003-12-26 | 2005-07-21 | Canon System Solutions Inc | プロセスと品質との関係についてのモデル作成装置及びモデル作成方法 |
JP2006099565A (ja) * | 2004-09-30 | 2006-04-13 | Kddi Corp | コンテンツ識別装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200516686A (en) | 2003-11-10 | 2005-05-16 | Renesas Tech Corp | Manufacturing method for semiconductor integrated circuit device |
JP6031202B1 (ja) * | 2016-01-29 | 2016-11-24 | ファナック株式会社 | 製造機械の異常の原因を発見するセル制御装置 |
US20180284755A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for data storage in an industrial internet of things data collection environment with large data sets |
-
2016
- 2016-05-23 JP JP2016102586A patent/JP6890382B2/ja active Active
- 2016-11-20 US US15/356,659 patent/US10261496B2/en active Active
-
2019
- 2019-03-04 US US16/291,273 patent/US10921775B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000269108A (ja) * | 1999-03-15 | 2000-09-29 | Sharp Corp | 半導体製造装置の管理システム |
JP2005197323A (ja) * | 2003-12-26 | 2005-07-21 | Canon System Solutions Inc | プロセスと品質との関係についてのモデル作成装置及びモデル作成方法 |
JP2006099565A (ja) * | 2004-09-30 | 2006-04-13 | Kddi Corp | コンテンツ識別装置 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7403746B2 (ja) | 2018-01-30 | 2023-12-25 | プラグマティック セミコンダクター リミテッド | 複数の集積回路を製造するシステムおよび方法 |
KR102480411B1 (ko) | 2018-05-30 | 2022-12-26 | 주식회사 비즈모델라인 | 상관형 엣지 컴퓨팅 처리 방법 |
KR20190136370A (ko) * | 2018-05-30 | 2019-12-10 | 주식회사 비즈모델라인 | 상관형 엣지 컴퓨팅 처리 방법 |
WO2019229983A1 (ja) * | 2018-06-01 | 2019-12-05 | 株式会社ウフル | 工程変更機械学習済みモデル切り替えシステム、エッジデバイス、工程変更機械学習済みモデル切り替え方法、及びプログラム |
US11657121B2 (en) | 2018-06-14 | 2023-05-23 | Mitsubishi Electric Corporation | Abnormality detection device, abnormality detection method and computer readable medium |
JP2020013464A (ja) * | 2018-07-20 | 2020-01-23 | 中日本炉工業株式会社 | 処理装置の稼働管理システム |
JP7236127B2 (ja) | 2018-07-20 | 2023-03-09 | 中日本炉工業株式会社 | 処理装置の稼働管理システム |
KR20200011896A (ko) * | 2018-07-25 | 2020-02-04 | 주식회사 네오세미텍 | 반도체 제조 공정 모니터링을 위한 시스템 |
KR102283285B1 (ko) * | 2018-07-25 | 2021-07-29 | 주식회사 네오세미텍 | 반도체 제조 공정 모니터링을 위한 시스템 |
JP2020027425A (ja) * | 2018-08-10 | 2020-02-20 | 東京エレクトロンデバイス株式会社 | 予防保全装置及び予防保全システム |
WO2020059276A1 (ja) * | 2018-09-19 | 2020-03-26 | 株式会社日立製作所 | 制御装置 |
JP2020047847A (ja) * | 2018-09-20 | 2020-03-26 | 株式会社Screenホールディングス | データ処理方法、データ処理装置、およびデータ処理プログラム |
JP2020047846A (ja) * | 2018-09-20 | 2020-03-26 | 株式会社Screenホールディングス | データ処理方法、データ処理装置、データ処理システム、およびデータ処理プログラム |
US11474150B2 (en) | 2018-09-20 | 2022-10-18 | SCREEN Holdings Co., Ltd. | Data processing method, data processing device, and non-transitory computer-readable recording medium |
JP7188950B2 (ja) | 2018-09-20 | 2022-12-13 | 株式会社Screenホールディングス | データ処理方法およびデータ処理プログラム |
JP7188949B2 (ja) | 2018-09-20 | 2022-12-13 | 株式会社Screenホールディングス | データ処理方法およびデータ処理プログラム |
JP2020135170A (ja) * | 2019-02-15 | 2020-08-31 | ルネサスエレクトロニクス株式会社 | 異常検知装置、異常検知システム、異常検知方法 |
JP7175216B2 (ja) | 2019-02-15 | 2022-11-18 | ルネサスエレクトロニクス株式会社 | 異常検知装置、異常検知システム、異常検知方法 |
JP2022551860A (ja) * | 2019-10-08 | 2022-12-14 | ナノトロニクス イメージング インコーポレイテッド | 工場のプロセス、機器、および自動化システムの動的な監視および保護 |
JP7487967B2 (ja) | 2019-10-08 | 2024-05-21 | ナノトロニクス イメージング インコーポレイテッド | 工場のプロセス、機器、および自動化システムの動的な監視および保護 |
JP7366775B2 (ja) | 2020-01-30 | 2023-10-23 | 株式会社Screenホールディングス | データ処理方法、データ処理装置およびプログラム |
US12008022B2 (en) | 2020-01-30 | 2024-06-11 | SCREEN Holdings Co., Ltd. | Data processing method, data processing device, and storage medium |
KR102473141B1 (ko) * | 2020-12-11 | 2022-12-02 | 전남대학교산학협력단 | 인공지능 기반 plc 모듈을 활용한 양품/불량품 판별 방법 및 시스템 |
KR20220083936A (ko) * | 2020-12-11 | 2022-06-21 | 전남대학교산학협력단 | 인공지능 기반 plc 모듈을 활용한 양품/불량품 판별 방법 및 시스템 |
JP7450820B1 (ja) | 2022-11-14 | 2024-03-15 | 三菱電機株式会社 | 要因推定装置、要因推定方法および要因推定プログラム |
WO2024105727A1 (ja) * | 2022-11-14 | 2024-05-23 | 三菱電機株式会社 | 要因推定装置、要因推定方法および要因推定プログラム |
Also Published As
Publication number | Publication date |
---|---|
US10261496B2 (en) | 2019-04-16 |
US20190196443A1 (en) | 2019-06-27 |
US20170336775A1 (en) | 2017-11-23 |
US10921775B2 (en) | 2021-02-16 |
JP6890382B2 (ja) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6890382B2 (ja) | 生産システム | |
US10409231B2 (en) | Methods and apparatuses for utilizing adaptive predictive algorithms and determining when to use the adaptive predictive algorithms for virtual metrology | |
US8010321B2 (en) | Metrics independent and recipe independent fault classes | |
KR101018545B1 (ko) | 적응형 다변수 결함 검출 | |
US11556117B2 (en) | Real-time anomaly detection and classification during semiconductor processing | |
KR101019459B1 (ko) | 결함 진단을 위한 분류된 결함 시그니처들 | |
US20190346820A1 (en) | Abnormality detection system, semiconductor device manufacturing system and semiconductor device manufacturing method | |
JP2002318617A (ja) | 製造工程のための管理方法 | |
US20200272923A1 (en) | Identifying locations and causes of network faults | |
US11022968B2 (en) | Methods and systems for applying run-to-run control and virtual metrology to reduce equipment recovery time | |
US8504186B2 (en) | Method for automatic generation of throughput models for semiconductor tools | |
TWI641934B (zh) | 虛擬量測系統與方法 | |
WO2015017577A1 (en) | Event processing based system for manufacturing yield improvement | |
Wang et al. | An artificial immune and incremental learning inspired novel framework for performance pattern identification of complex electromechanical systems | |
JP2024507688A (ja) | 測定値違反解析を使用したプロセス異常の識別 | |
WO2020261621A1 (ja) | 監視システム、監視方法及びプログラム | |
US11892821B2 (en) | Communication node to interface between evaluation systems and a manufacturing system | |
CN117076260B (zh) | 一种参数及设备异常检测方法及装置 | |
CN117909892A (zh) | 基于LOF算法和Prophet模型的数据异常实时预警方法及*** | |
CN116431833A (zh) | 一种知识图谱动态更新的方法 | |
CN112579580A (zh) | 一种基于工业大数据预测的预报警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20160620 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181114 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191024 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191029 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191219 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200428 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200623 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210427 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210525 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6890382 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |