JPH06208568A - 故障診断支援装置 - Google Patents

Abstract

(57)【要約】 【目的】 故障原因を推定するためのルールベースの構
築を省力化できる汎用性の高い故障診断支援装置を提供
する。 【構成】 故障発生時の装置各部の状況を故障状況検出
部１により数値化された複数の故障状況パラメータとし
て検出する。複数の故障事例での故障状況パラメータを
その故障原因とともに収集し、主成分分析部５で故障状
況パラメータを特徴パラメータ空間上の座標値に変換す
る。ルール作成部７にて変換した座標値と各故障事例に
対応する故障原因とに基づいて未知の故障の原因を推定
するための推定ルールを作成する。原因不明の故障が発
生したときは、当該故障時に検出した故障状況パラメー
タを演算則決定部５で決定した演算則にしたがって主成
分変換部１０で特徴パラメータ空間上の座標値に変換
し、当該座標値と推定ルールとに基づいて故障原因推定
部１１で故障原因を推定する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、産業用や民生用の各種
装置に内蔵され、あるいは関連システムとして別途用意
される故障診断支援装置に関する。

【０００２】

【従来の技術】近年、産業用民生用を問わず各種装置の
機能の拡大が著しく、これに伴って装置の構成・動作が
大規模化・複雑化して装置の故障診断や修理に高度な技
術的判断が要求される機会が増えている。一方、新製品
開発や既存製品の改良サイクルの短縮によりサービス業
務要員の育成に十分な時間がかけられず、このため各種
の分野でサービス業務要員の不足が深刻となってきた。
特に産業用装置の分野では装置の故障停止から動作復旧
までのターンアラウンドサイクルの短縮要求が厳しく、
装置メーカーのサービス業務の負担が相当重くなってい
る。

【０００３】かかる背景に鑑みてエキスパートシステム
と呼ばれる故障診断支援システムが開発され、各方面で
実績を挙げている。これはサービス要員（すなわち人間
の専門家）の故障診断時における判断をルールベース化
し、かかるルールベースに基づいて計算機で故障原因を
推論するものであるが、その核となるルールベースは、
ルールの採集・分析などをナリッジエンジニア（以下、
ＫＥとも称する）と呼ばれる技術者が専門家に対する問
診等の手法を用いて個々の装置に対し個別に手作りで作
成している。

【０００４】

【発明が解決しようとする課題】上述したルールベース
の構築作業は、多数のルールの整合性を保ちつつルール
を整理してゆく必要があるので多大な時間および労力を
要し、エキスパートシステムの導入、運用コストを押し
上げる一要因となっている。この点、エキスパートシス
テムの構築を支援するツールがソフトウェアベンダー各
社より市販されているものの、支援の程度が十分ではな
かったり用途が限定されるなど、未だ十分とは言い難
い。本発明の目的は、故障原因を推定するためのルール
ベースの構築を省力化できる汎用性の高い故障診断支援
装置を提供することにある。

【０００５】

【課題を解決するための手段】一実施例を示す図１〜４
に対応付けて説明すると、本発明では、故障発生時にお
ける装置各部の状況を数値化された複数の故障状況パラ
メータＰ１〜Ｐｍとして検出する故障状況パラメータ検
出部１と、故障原因Ｒが判明している複数の故障事例で
の故障状況パラメータＰij（i＝１〜ｎ，j＝１〜ｍ）を
収集して当該故障状況パラメータＰijを互いに独立した
複数の特徴パラメータＣ１〜Ｃｍで定義される空間上の
座標値に変換するための演算則を決定する演算則決定部
５と、演算則決定部５で決定した演算則にしたがって複
数の故障事例での故障状況パラメータＰijを特徴パラメ
ータＣ１〜Ｃｍで定義される空間上の座標値に変換し、
変換した座標値と各故障事例に対応する故障原因Ｒiと
に基づいて未知の故障の原因を推定するための推定ルー
ルを作成するルール作成部５，６，７とを設けることで
上述した目的の達成を図っている。請求項２の装置で
は、原因不明の故障が発生したとき、当該故障時に検出
した故障状況パラメータを演算則決定部５で決定した演
算則にしたがって特徴パラメータＣ１〜Ｃｍで定義され
る空間上の座標値に変換し、当該座標値と推定ルールと
に基づいて故障原因を推定する故障原因推定部１０，１
１を備える。上述した推定ルールは、請求項３に記載し
たプロダクションルールによるものおよび請求項４に記
載したファジールールによるもののいずれでも良い。

【０００６】

【作用】複数の故障事例に対応する故障状況パラメータ
Ｐijが収集されると、これら故障状況パラメータＰij
を、互いに独立した特徴パラメータＣ１〜Ｃｍで定義さ
れる空間上の座標値に変換するための演算則が決定さ
れ、かかる演算則にしたがって各故障事例での故障状況
パラメータが特徴パラメータＣ１〜Ｃｍで定義される空
間上の座標値に変換される。求められた座標値と各故障
事例に対応する故障原因Ｒとに基づいて未知の故障原因
を推定するための推定ルールが作成される。作成された
推定ルールを用いて未知の故障原因を推定できる。請求
項２の装置では、原因不明の故障が発生したときの故障
状況パラメータが特徴パラメータＣ１〜Ｃｍで定義され
る空間上の座標値に変換され、かかる座標値と先に作成
された推定ルールとから故障原因が推定される。

【０００７】なお、本発明の構成を説明する上記課題を
解決するための手段と作用の項では、本発明を分かり易
くするために実施例の図を用いたが、これにより本発明
が実施例に限定されるものではない。

【０００８】

【実施例】以下、図１〜図６を参照して本発明を半導体
製造工程で使用する電子ビーム露光装置の故障診断に適
用した実施例を説明する。図１は本実施例に係る故障診
断支援装置の概略構成を示すもので、１は電子ビーム露
光装置ＥＢに故障が発生した時の各部の状況を数値化さ
れた複数の故障状況パラメータとして検出する故障状況
検出部である。ここで、故障状況パラメータとしては、
電子ビーム露光装置ＥＢの各部のエラーコード、各部の
詳細ステータスコード、偏向歪および成型歪補正係数、
合わせ補正係数、電子ビームのビーム電流値、描画ステ
ージの移動速度と方向、パターンデータ（種別、データ
量等）、制御プログラムのプログラムＩＤ他、合計で１
００種類程度が選択される。各故障状況パラメータのう
ち、電子ビームのビーム電流値のような数量はそのまま
検出され、エラーコードやプログラムＩＤのように数量
でないものは一定の規則の下に数値化されて検出され
る。

【０００９】故障状況検出部１が検出する各故障状況パ
ラメータはデータストレージ２内に設けられた故障事例
データベース３に書き込まれる。この書き込みは、電子
ビーム露光装置ＥＢで装置停止に繋がるような故障が発
生する毎に自動的に実行される他、電子ビーム露光装置
ＥＢのオペレータが装置の異常を感知して書き込みを指
示した場合にも行なわれる。故障事例データベース３に
は、各故障事例の故障原因が対応する故障状況パラメー
タに付随して書き込まれる。

【００１０】４は故障事例データベース３に書き込まれ
た故障状況パラメータ相互間の相関を表す相関係数行列
を求める相関係数行列算出部、５は相関係数行列算出部
４で求めた相関係数行列の固有値および固有ベクトルを
算出して、先に求めた故障状況パラメータを互いに独立
した特徴パラメータで定義される空間（以下、特徴パラ
メータ空間とも呼ぶ）上の座標値に変換する主成分分析
部、６は主成分分析部５で求めた各故障事例に対応する
特徴パラメータ空間上の座標値に基づいて特徴パラメー
タ空間を故障原因毎に分割する分離軸を決定する分離軸
決定部、７は主成分分析部５で算出した固有値と分離軸
決定部６で決定した分離軸情報とに基づいて故障原因を
推定するための推定ルールを作成するルール作成部であ
る。なお、相関係数行列算出部４からルール作成部７に
至る間の処理の詳細は後述する。

【００１１】ルール作成部７で作成した推定ルールは、
主成分分析部５で算出した変換ベクトルとともにデータ
ストレージ２内のルールベース８に書き込まれる。ルー
ルベース８に書き込まれた変換ベクトルは主成分変換部
１０に与えられる。この主成分変換部１０は、故障状況
検出部１から受け取った故障状況パラメータを変換ベク
トルによって互いに独立した特徴パラメータに変換し、
故障原因推定部１１へ出力する。故障原因推定部１１は
主成分変換部１０から受け取った特徴パラメータとルー
ルベース９から受け取った推定ルールとに基づいて故障
原因を推定し、その結果を表示器１２へ出力する。

【００１２】次に、図１〜図６を参照して本実施例の故
障診断支援装置による推定ルール作成処理と故障原因推
定処理とを順に説明する。なお、図１に推定ルール作成
処理時のデータの流れを実線の矢印で、故障原因推定処
理時のデータの流れを破線の矢印で示す。 −推定ルール作成処理− 電子ビーム露光装置ＥＢでの故障発生に応答して自動的
に、あるいはオペレータの指示によって強制的に故障状
況検出部１から故障実施例データベース３に故障状況パ
ラメータが書き込まれると、電子ビーム露光装置ＥＢの
保守エンジニアによって故障原因の究明が行なわれ、確
定した原因が対応する故障状況パラメータと結び付けら
れた状態で故障事例データベース３に書き込まれて一つ
の完全な故障事例データが作成される。この故障事例デ
ータが複数個収集された状態を図２に示す。

【００１３】図２においてＰ１〜Ｐｍは故障状況パラメ
ータであって、例えばＰ１は電子ビームの電流値、Ｐ２
はエラーコードというように故障状況パラメータとして
選択された各データが適当に並べられる。故障状況パラ
メータＰ１〜Ｐｍの並び順には特に制限がない。各故障
事例における故障事例データは、ｍ個の故障状況パラメ
ータとこれらに対応する故障原因Ｒとで構成される。例
えばＩ番目の故障事例データは、故障状況検出部１が検
出したｍ個の故障状況パラメータＰi1〜Ｐimと、確定し
た故障原因Ｒiとで構成される。

【００１４】故障事例データが統計的に意味をもつ事例
数ｎ（少なくとも２０例、通常は１００例程度が必要）
だけ収集されると、故障事例データが相関係数行列算出
部４に出力される。故障状況パラメータＰ１〜Ｐｍは無
作為に選択したものであり互いに独立ではないため、相
関係数行列算出部４では故障状況パラメータＰ１〜Ｐｍ
の相互の相関係数を求める。その一例を図３に示す。図
ににおいてＫijはｉ番目の故障状況パラメータＰiとｊ
番目の故障状況パラメータＰjとの相関係数である。

【００１５】相関行列算出部４で相関係数行列が求めら
れると、その結果が故障事例データとともに主成分分析
部５に出力される。主成分分析部５では、まず故障状況
パラメータＰijを互いに独立した特徴パラメータで定義
される空間上の座標値に変換するための変換ベクトルを
求める。この処理は図３に示す相関係数行列の固有値と
固有ベクトルとを求めることに他ならず、固有値が各特
徴パラメータの全体への寄与率を、固有ベクトルが各故
障状況パラメータＰijの特徴パラメータ方向の成分を表
す。この結果を整理して図４に示す。図においてＣj（j
＝１〜ｍ）は特徴パラメータ、Ａcjは特徴パラメータＣ
jの全体への寄与率、Ｐcj（j＝１〜ｍ）は故障状況パラ
メータＰjのＣj軸方向の成分を示すベクトルである。

【００１６】変換ベクトルの算出後、主成分分析部５で
は各故障事例の故障状況パラメータＰijを変換ベクトル
により特徴パラメータ空間上の座標値に変換する。この
座標変換はすべての特徴パラメータＣ１〜Ｃｍについて
行なう必要は必ずしもなく、寄与率Ａcjが小さいものの
演算を省略して取り扱うデータ量の削減を図っても良
い。寄与率Ａcjの小さいデータを排除する方法として
は、特徴パラメータＣ１〜Ｃｍを寄与率Ａcjの大きい順
に並び替え、上位のものから寄与率Ａcjを順に加算して
その和がある一定以上（例えばパラメータ個数ｍの９０
％等）に達した時点で以降の特徴パラメータを切り捨て
るという手法が一例として挙げられる。

【００１７】以上のようにして各故障事例の故障状況パ
ラメータＰijが特徴パラメータ空間上の座標値に変換さ
れると、その結果が故障事例データの故障原因Ｒととも
に分離軸決定部６に出力される。また、算出された寄与
率Ａcjおよび変換ベクトルはルール作成部７に出力され
る。分離軸決定部６では、各故障状況パラメータＰijの
座標変換値に基づいて各故障事例を特徴パラメータＣj
で定義される空間上にプロットする。図５は特徴パラメ
ータＣ１，Ｃ２で定義される平面に故障事例をプロット
した例を示すもので、このようなマップは座標変換対象
となった特徴パラメータの集合から２つを選ぶ組合せの
数だけ存在する。

【００１８】上記のプロットが終了すると、次いでプロ
ットされた各点と故障原因Ｒとの対応付けが行なわれ
る。図６にその一例を示す。図の例では特徴パラメータ
Ｃ１，Ｃ２で定義される平面にプロットされた各点が３
種類の故障原因Ｒ１〜Ｒ３のいずれかに対応付けられて
いる。故障原因との対応付けが完了すると、ついで特徴
パラメータで定義される平面を故障原因別に分離するた
めの分離軸が定められる。図６の例では、故障原因Ｒ１
〜Ｒ３をそれぞれ分離するための３本の分離軸が定ま
る。ここで、故障原因Ｒ１〜Ｒ３のうち故障原因Ｒ１，
Ｒ２およびＲ１，Ｒ３はそれぞれの分離軸によって完全
に分離され、これらの分離率（分離軸に関して同一の側
に分類される同一故障原因の事例数／対象平面上にプロ
ットされる同一故障原因の事例数、以下同じ。）はいず
れも１００％となる。故障原因Ｒ２，Ｒ３に関しては、
これらを完全に分離できる軸を設定できないため、上述
した分離率が最大となるように分離軸を設定する。各分
離軸の分離率は後述する推定ルールで故障原因を推定す
る際の優先順位を定めるための情報に利用される。

【００１９】特徴パラメータ空間を構成する各平面に関
して上記の分離軸を設定すると、その結果がルール生成
部７に出力される。ルール生成部７では、受け取った分
離軸情報と、主成分分析部５から受け取った寄与率Ａcj
とに基づいて故障原因を推定するための推定ルールを作
成する。この推定ルールは、特徴パラメータ空間上に新
規にプロットされた点が各分離軸で仕切られた領域のい
ずれに属するかによって故障原因を推定するものであ
る。その推定手順の一例を以下に記す。

【００２０】（１） 寄与率Ａcjが最も大きい特徴パラ
メータと寄与率Ａcjが次に大きい特徴パラメータとで定
義される平面を最初に評価し、かかる平面に分離軸１０
０％の分離軸が存在するときは、新たにプロットされた
点が１００％の分離軸のいずれの側に属するかで故障原
因を確定し、推論を終了する。 （２） 上記の平面に分離率１００％の分離軸が存在し
ないときは、一方の特徴パラメータを次に寄与率Ａcjが
大きなものに変更し、かかる平面に分離率１００％の分
離軸が存在するか否かを判別する。以降、分離率１００
％の分離軸が存在する平面が得られるまで特徴パラメー
タの組合せを寄与率Ａcjが小さくなるものに向けて順次
変更し、分離率１００％の分離軸が存在する平面が現れ
たらかかる分離軸に基づいて故障原因を確定し、推論を
終了する。 （３） 分離率１００％の分離軸が存在しなかった場合
には、寄与率Ａcjと分離率との積に比例した確信度が高
くなる平面および分離軸を優先的に用いて故障原因を推
定する。

【００２１】なお、以上の推定ルールにしたがって例え
ば図６の点Ｎを評価した場合、故障原因Ｒ１，Ｒ２の分
離軸にしたがえば点Ｎが故障原因Ｒ２に属し、故障原因
Ｒ１，Ｒ３の分離軸にしたがえば点Ｎが故障原因Ｒ１に
属して双方の結論に矛盾が生じる。このような場合は、
故障原因の候補として原因Ｒ１およびＲ２の双方を出力
するか、あるいは他の平面での判断結果を総合して故障
原因をいずれかに特定する。

【００２２】上記の推定ルールはプロダクションルール
（いわゆるIF〜THEN形式のルール）で作成され、ルール
ベース８に書き込まれる。推定ルールの書式は、実際の
診断を行なうエキスパートシステムの推論エンジンに依
存する。実施例では市販のエキスパートシステム構築ツ
ールを使用するため、かかるツールの要求する書式に合
わせている。推定ルールの書き込み時には主成分分析部
５で求めた変換ベクトルもルールベース８に書き込ま
れ、以上により推定ルール作成処理が終了する。

【００２３】−故障原因推定処理− 推定ルールの作成後、故障状況検出部１に故障状況パラ
メータが取り込まれると、故障状況検出部１から主成分
変換部１０へ故障状況パラメータが出力され、故障原因
推定処理が開始される。故障状況パラメータを取り込ん
だ主成分変換部１０は、ルールベース８から与えられる
変換ベクトルを用いて故障状況パラメータを特徴パラメ
ータ空間上の座標値に変換し、得られた座標値を故障原
因推定部１１へ出力する。故障原因推定部１１では受け
取った座標値にしたがって新たな故障事例を特徴パラメ
ータ空間にプロットする。そして、プロットされた点の
位置がいかなる種類の故障原因の領域に属するかをルー
ルベース８から与えられる推定ルールにしたがって推論
し、その結果を表示器１２に出力する。表示器１２の表
示からオペレータは故障原因を判別し、直ちに適切な対
策を講じることができる。

【００２４】以上説明したように、本実施例によれば無
作為に抽出した電子ビーム露光装置ＥＢの故障状況パラ
メータを、故障事例別にその故障原因とともに故障事例
データベース３に書き込むだけで故障原因を推定する推
定ルールが作成されるから、ルールベースの構築作業の
手間が省略されて故障診断支援のためのシステムを容易
かつ安価に構築できる。故障状況パラメータを互いに独
立した特徴パラメータに変換して推定ルールを作成する
ので、故障状況パラメータを選ぶ際に故障原因の究明に
役立つ情報か否かを一々判断する必要がない。したがっ
て、人手に頼ったルールベース構築作業では見過ごされ
ていた有益な情報が推定ルールに反映される可能性もあ
り、推定精度の向上が期待できる。故障状況パラメータ
を無秩序に大量に選んでも、寄与率Ａcjの大小によって
必要な情報と不要な情報とを取捨選択できるので、取り
扱うデータ量の増加による処理速度の低下を防止でき
る。

【００２５】以上の実施例と請求項との対応において、
故障状況検出部１が故障状況パラメータ検出部を、主成
分分析部５が演算則決定部を、主成分分析部５、分離軸
決定部６およびルール作成部７がルール作成部を、主成
分変換部１０および故障原因推定部１１が故障原因推定
部を構成する。

【００２６】実施例では推定ルールをプロダクションル
ールとしたが、本発明はこれに限らずファジールールを
適用してもよい。その一例を図７に示す。図７の例では
故障原因Ｒ１，Ｒ２の分離軸が設定された後、分離軸と
直交する軸Ｌ上に各故障事例Ｒ１，Ｒ２の事例数をプロ
ットし、得られた曲線Ｑ１，Ｑ２をメンバシップ関数と
するファジー推論系を構成して故障原因を推定する。

【００２７】本発明は電子ビーム露光装置の故障診断に
限らず、その他あらゆる産業用、民生用の装置の故障診
断の支援に利用できる。実施例ではルール作成部７で作
成した推定ルールをそのまま用いて未知の故障の原因を
推定したが、推定ルールを人間が改造して既存のエキス
パートシステムのルールベースに利用してもよい。推定
ルールは実施例のものに限らず、本発明が適用される装
置の種類特性等に応じて適宜変更してよい。

【００２８】

【発明の効果】以上説明したように、本発明によれば、
複数の故障事例での故障状況パラメータをその故障原因
とともに入力するだけで故障原因を推定する推定ルール
が作成されるから、ルールベースの構築作業の手間が省
略されて故障診断支援のためのシステムを容易かつ安価
に構築できる。故障状況パラメータを選ぶ際に故障原因
の究明に役立つ情報か否かを一々判断する必要がないの
で、人手に頼ったルールベース構築作業では見過ごされ
ていた有益な情報が推定ルールに反映される可能性があ
り、推定精度の向上が期待できる。故障診断の対象とす
る装置に関する深い知識を要することなくルールベース
を作成できるので、汎用性も高い。請求項２の装置で
は、作成された推定ルールに基づいて故障原因が推定さ
れるので、装置を熟知したサービス要員に頼ることなく
装置の故障原因を察知して直ちに適切な対策を講じるこ
とができる。

【図面の簡単な説明】

【図１】本発明の一実施例に係る故障診断支援装置の機
能ブロック図。

【図２】図１の故障事例データベース３に収集された複
数の故障事例データを示す図。

【図３】図１の相関係数行列算出部４で算出した相関係
数行列の一例を示す図。

【図４】故障状況パラメータを特徴パラメータに変換す
るための変換ベクトルと寄与率の算出結果の一例を示す
図。

【図５】２つの特徴パラメータで定義される平面に故障
事例をプロットした図。

【図６】２つの特徴パラメータで定義される平面にプロ
ットされた故障事例を分離する分離軸の一例を示す図。

【図７】図６の分離軸に基づいてファジー推論系で用い
るメンバーシップ関数を求める手順を説明するための
図。

【符号の説明】

１ 故障状況検出部 ３ 故障事例データベース ５ 主成分分析部 ６ 分離軸決定部 ７ ルール作成部 ８ ルールベース １０ 主成分変換部 １１ 故障原因推定部

Claims (4)

【特許請求の範囲】
1. 【請求項１】 故障発生時における装置各部の状況を、
   数値化された複数の故障状況パラメータとして検出する
   故障状況パラメータ検出部と、 故障原因が判明している複数の故障事例での前記故障状
   況パラメータを収集して、当該故障状況パラメータを互
   いに独立した複数の特徴パラメータで定義される空間上
   の座標値に変換するための演算則を決定する演算則決定
   部と、 前記演算則決定部で決定した演算則にしたがって前記複
   数の故障事例における前記故障状況パラメータを前記特
   徴パラメータで定義される空間上の座標値に変換し、当
   該座標値と各故障事例に対応する故障原因とに基づいて
   未知の故障の原因を推定するための推定ルールを作成す
   るルール作成部と、を有することを特徴とする故障診断
   支援装置。
2. 【請求項２】 原因不明の故障が発生したとき、当該故
   障時に検出した前記故障状況パラメータを前記演算則決
   定部で決定した演算則にしたがって前記特徴パラメータ
   で定義される空間上の座標値に変換し、当該座標値と前
   記推定ルールとに基づいて故障原因を推定する故障原因
   推定部を備えることを特徴とする請求項１記載の故障診
   断支援装置。
3. 【請求項３】 前記推定ルールがプロダクションルール
   であることを特徴とする請求項１または２記載の故障診
   断支援装置。
4. 【請求項４】 前記推定ルールがファジールールである
   ことを特徴とする請求項１または２記載の故障診断支援
   装置。