JPH07182011A - 異常診断装置 - Google Patents

Abstract

(57)【要約】 【目的】 周期的な運動を反復する可動部材を有する機
構部の異常発生までの余命を精度良く推論する。 【構成】 可動部材の逐次移動時間Ｔ２を検出し（Ｓ
１）、その長期変動率Ｐａ、短期変動率Ｐｂを算出する
（Ｓ３）。これらの規格値をもとに異常発生の可能性を
ファジー推論し（Ｓ４）、可能性が高ければ、ファジー
推論によって異常の原因を推論する（Ｓ６）。その後、
逐次移動時間Ｔ２と所定の定数との比である危険率Ｐｃ
を演算し、長期変動率Ｐａ、短期変動率Ｐｂ、および危
険率Ｐｃの３変数のメンバーシップ関数の組合せを前件
とし、余命のメンバーシップ関数を後件とするプロダク
ションルールにもとづいて、余命のファジー推論を行う
（Ｓ７）。 【効果】 プロダクションルールに熟練者の経験を反映
させることが可能であるので、精度のよい余命の推論を
実行することができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、例えば半導体ウェハ
プロセスにおいて使用されるウェハチャック移動機構部
などの、往復運動、回転運動等の周期的な運動を反復す
る可動部材を有する機構部に対する異常診断を行う異常
診断装置に関する。

【０００２】

【従来の技術】近年、複雑な構造を有する製造装置、プ
ラント等の異常を診断する技術として、ファジー推論を
用いた診断技術が知られる。この技術は、例えば特開平
２−６６６０８号公報、特開平３−１６１８０１号公
報、および特開平２−２０５９２６号公報等に開示され
るように、複数種類の測定量にもとづいて異常発生の有
無を判断する等の、従来熟練者の経験に依拠して行われ
ていた複雑な判断手順を、ファジー推論の中に反映させ
ることによって、その自動化を可能にしたものである。

【０００３】

【発明が解決しようとする課題】しかしながら、これら
の従来の診断技術には以下に掲げるような問題点があっ
た。

【０００４】（１）まず第１に、診断対象が複数種類存
在するときには、診断のもとになる測定量も診断対象毎
に一般に異なる。したがって、例えば特開平２−２０５
９２６号公報の技術を複数種類の診断対象に応用するな
らば、ファジー推論を実行するために用いられるメンバ
ーシップ関数は、診断対象に応じて複数種類を準備する
必要があった。このため、診断対象の増大に伴って、メ
ンバーシップ関数を格納する記憶媒体の容量を増大させ
るという問題点があった。

【０００５】（２）従来の診断技術の中には、異常の原
因をも判定する技術が知られている。しかしながらこの
従来技術は、例えば特開平３−１６１８０１号公報に開
示される技術のように、異常が発生した後にその異常箇
所を特定するものであるか、あるいは特開平２−６６６
０８号公報に開示されるように、異常発生以前にその原
因を特定する技術であっても、ファジー量の単純平均を
行うことによって複数種類の原因の度合を算出するもの
であった。このため従来の技術では、異常発生以前に、
熟練者の経験を十分に取り入れた原因の判定が行われな
いという第２の問題点があった。

【０００６】（３）第３に、従来の技術は、将来におい
て異常が発生するまでの余命の推定を行うものではなか
った。あるいは、特開平２−２０５９２６号公報に開示
される技術のように、余命の推定を行う技術であって
も、単に測定量が基準量へ達する時刻を過去の測定量か
ら直線外挿することによって推定するに過ぎず、熟練者
の経験にもとづく複雑な判断を要する診断対象物の余命
の推定には応用が困難であるという問題点があった。

【０００７】この発明は、従来の技術が有する上記の欠
点を解消することを目指したもので、特に周期的な運動
を反復する可動部材を有する機構部の診断を行う技術に
おいて、第１に、複数の機構部における異常発生の可能
性の推論を、少ないメンバーシップ関数を用いて、しか
も精度を低下させることなく実行でき、第２に、異常発
生可能な機構部における異常の原因の推論を、熟練者の
経験を取り入れて精度良く実行でき、第３に、異常が発
生するまでの余命の推論を、熟練者の経験を取り入れて
精度良く実行する診断技術を提供することを目的とす
る。

【０００８】

【課題を解決するための手段】この発明にかかる請求項
１に記載の異常診断装置は、周期的な運動を反復する可
動部材を有する機構部の異常を診断する装置であって、
前記可動部材の運動の周期を検出する手段と、前記周期
の現在値、初期値、および現在より一定時間以前におけ
る値である近日値を記憶する手段と、前記現在値の前記
初期値からのずれと当該初期値との比で定義される長期
変動率を演算する手段と、前記現在値の前記近日値から
のずれと当該近日値との比で定義される短期変動率を演
算する手段と、前記長期変動率に関して準備された第１
のメンバーシップ関数、前記短期変動率に関して準備さ
れた第２のメンバーシップ関数、および前記機構部にお
ける異常発生の可能性に関して準備された第３のメンバ
ーシップ関数を記憶する手段と、前記第１および第２の
メンバーシップ関数の組合せを前件部とし前記第３のメ
ンバーシップ関数を後件部として準備されたプロダクシ
ョンルールを記憶する手段と、前記長期変動率と前記短
期変動率の演算値から、前記プロダクションルールにも
とづくファジー推論を実行する手段と、前記推論で得ら
れた推論結果を非ファジー化することにより、前記機構
部における異常発生の可能性を表現する数値を得る手段
と、を備える。

【０００９】この発明にかかる請求項２に記載の異常診
断装置は、周期的な運動を反復する可動部材を有する機
構部の異常を診断する装置であって、前記可動部材の運
動の周期を検出する手段と、前記機構部の総稼働時間を
計数する手段と、前記周期の現在値、初期値、および現
在より一定時間以前における値である近日値を記憶する
手段と、前記総稼働時間を記憶する手段と、前記現在値
の前記初期値からのずれと当該初期値との比で定義され
る長期変動率を演算する手段と、前記現在値の前記近日
値からのずれと当該近日値との比で定義される短期変動
率を演算する手段と、前記長期変動率に関して準備され
た第１のメンバーシップ関数、前記短期変動率に関して
準備された第２のメンバーシップ関数、前記総稼働時間
に関して準備された第３のメンバーシップ関数、および
パラメータ評価値に関して準備された第４のメンバーシ
ップ関数を記憶する手段と、前記第１のメンバーシップ
関数を前件部とし前記第４のメンバーシップ関数を後件
部として準備された第１のプロダクションルールを記憶
する手段と、前記第２のメンバーシップ関数を前件部と
し前記第４のメンバーシップ関数を後件部として準備さ
れた第２のプロダクションルールを記憶する手段と、前
記第３のメンバーシップ関数を前件部とし前記第４のメ
ンバーシップ関数を後件部として準備された第３のプロ
ダクションルールを記憶する手段と、前記長期変動率の
値から、前記第１のプロダクションルールにもとづくフ
ァジー推論を実行して得られた推論結果を非ファジー化
することにより、長期変動率のグレードを表現する第１
の特性パラメータの値を得る手段と、前記短期変動率の
値から、前記第２のプロダクションルールにもとづくフ
ァジー推論を実行して得られた推論結果を非ファジー化
することにより、短期変動率のグレードを表現する第２
の特性パラメータの値を得る手段と、前記総稼働時間の
値から、前記第３のプロダクションルールにもとづくフ
ァジー推論を実行して得られた推論結果を非ファジー化
することにより、総稼働時間のグレードを表現する第３
の特性パラメータの値を得る手段と、前記機構部に固有
の定数として準備される第４の特性パラメータの値を記
憶する手段と、前記第１ないし第４の特性パラメータを
成分として有する特性ベクトルに、線形オペレータとし
て作用することにより、異常原因のグレードを成分とす
るベクトルを生成すべく準備されたファジー関係行列を
記憶する手段と、前記特性ベクトルに、前記ファジー関
係行列を線形オペレータとして作用させることにより、
異常原因のグレードを成分とするベクトルの値を得る手
段と、を備える。

【００１０】この発明にかかる請求項３に記載の異常診
断装置は、周期的な運動を反復する可動部材を有する機
構部の異常を診断する装置であって、前記可動部材の運
動の周期を検出する手段と、前記周期の現在値、初期
値、現在より一定時間以前における値である近日値、お
よび基準値を記憶する手段と、前記現在値の前記初期値
からのずれと当該初期値との比で定義される長期変動率
を演算する手段と、前記現在値の前記近日値からのずれ
と当該近日値との比で定義される短期変動率を演算する
手段と、前記現在値の前記基準値からのずれと当該基準
値との比で定義される危険率を演算する手段と、前記長
期変動率に関して準備された第１のメンバーシップ関
数、前記短期変動率に関して準備された第２のメンバー
シップ関数、前記危険率に関して準備された第３のメン
バーシップ関数、および前記機構部の余命に関して準備
された第４のメンバーシップ関数を記憶する手段と、前
記第１ないし第３のメンバーシップ関数の組合せを前件
部とし前記第４のメンバーシップ関数を後件部として準
備されたプロダクションルールを記憶する手段と、前記
長期変動率、前記短期変動率、および前記危険率の演算
値から、前記プロダクションルールにもとづくファジー
推論を実行する手段と、前記推論で得られた推論結果を
非ファジー化することにより、前記機構部における余命
を表現する数値を得る手段と、を備える。

【００１１】

【作用】

＜請求項１に記載の発明の作用＞

【００１２】この発明における異常診断装置では、一種
の規格化変数である長期変動率と短期変動率の演算値を
もとに異常発生の可能性を推論するので、複数の異なる
種類の機構部を診断する際においても、共通のメンバー
シップ関数を用いることができる。このため、メンバー
シップ関数を記憶する手段の記憶容量を節減することが
可能である。

【００１３】＜請求項２に記載の発明の作用＞

【００１４】この発明における異常診断装置では、機構
部の経時的特性および固有の特性を表現する特性ベクト
ルに、ファジー関係行列を作用させることによって異常
原因を推論する。このため、ファジー関係行列に熟練者
の経験を反映させることによって、異常の原因の推論
を、熟練者の経験を取り入れて精度良く実行することが
可能である。

【００１５】＜請求項３に記載の発明の作用＞

【００１６】この発明における異常診断装置では、長期
変動率、短期変動率、および危険率の演算値から、プロ
ダクションルールにもとづくファジー推論を実行するこ
とによって、診断対象とする機構部に異常が発生するま
での余命を推定する。プロダクションルールには熟練者
の経験を反映させることができるので、余命の推論を精
度良く実行することが可能である。

【００１７】

【実施例】

＜１．装置の構成と動作の概略＞

【００１８】この実施例では、診断の対象とされる機構
部の一例として、半導体ウェハプロセスの中で使用され
るスピンプロセッサの構成部分の１つである、ウェハチ
ャックを鉛直方向に移動させるウェハチャック移動機構
部を取り上げる。図２は、ウェハチャック移動機構部１
の概略構成図である。ウェハＷＨを把持するウェハチャ
ック２は、ロッド３で支持されている。ロッド３は、ア
クチュエータとして機能するエアーシリンダ４によっ
て、鉛直方向に駆動される。スピンプロセッサが新たな
ウェハＷＨを順次処理するのに同期して、ロッド３はエ
アーシリンダ４の働きにより、鉛直方向に周期的な往復
運動を行う。ロッド３の近傍には、上部および下部に２
つの位置センサ５、６が配設されている。位置センサ
５、６は、ロッド３に取り付けられたマーキング７の通
過を検知し、検知信号を出力する。

【００１９】図３は、ウェハチャック移動機構部１の位
置センサ５、６から送出された検知信号、およびその他
の機構部１ａ、１ｂ・・のセンサ５ａ、５ｂ・・、６
ａ、６ｂ・・からそれぞれ送出された検知信号に基づい
て、診断処理を実行する信号処理部の概略構成を示すブ
ロック図である。この信号処理部１０において、各機構
部のセンサから送信された検知信号は、インタフェイス
として機能する入出力部１１を介して、制御部１２へ入
力される。制御部１２には更に、半導体ウェハの処理サ
イクルに同期したタイミング信号と、現在の時刻とがタ
イマ１３より入力される。

【００２０】制御部１２は、入出力部１１、タイマ１３
の他に演算部１４およびメモリ１５の動作をも制御す
る。演算部１４は、マイクロプロセッサを内蔵してお
り、センサ５、５ａ・・、６、６ａ・・からの検知信
号、タイマ１３からの入力信号、およびメモリ１５に格
納された諸変数をもとに、所定のプログラムに沿って各
機構部に対する診断処理を遂行し、診断結果を表示器１
６に表示する。

【００２１】メモリ１５は、全ての機構部に共通なデー
タを格納するメモリエリア１５ａ、および各機構部に固
有なデータをそれぞれ格納する複数のメモリエリア１５
ｂ、・・・、１５ｎを有している。各メモリエリアに格
納される変数の意味については後述する。

【００２２】図１は、演算部１４によって１つの機構部
に対して行われる診断処理の流れを示すフローチャート
である。このフローチャートに示される診断処理が、各
機構部毎に個別に実行される。一例として、図１に示す
診断処理がウェハチャック移動機構部１に対するもので
あるとする。

【００２３】処理が開始されると、スピンプロセッサが
新たなウェハＷＨを順次反復的に処理する処理サイクル
に同期して、図１のフローチャートに沿った一連の処
理、すなわちステップＳ１〜ステップＳ５のループ、ま
たはステップＳ１〜ステップＳ８のループが実行され
る。演算部１４は、タイマ１３からのタイミング信号に
よって、スピンプロセッサにおける処理サイクルの更新
を認識する。

【００２４】ステップＳ１では、位置センサ５、６から
の検知信号に基づいて、ウェハチャック２の移動時間す
なわち往復運動の周期を算出する。この移動時間Ｔ２
は、現在の処理サイクルにおける移動時間に対応するの
で、逐次移動時間と称される。

【００２５】つぎに、ステップＳ２において、逐次移動
時間Ｔ２をメモリ１５へ格納する。その後、ステップＳ
３において、逐次移動時間Ｔ２の長期的な変動率を表現
する長期変動率Ｐａ、および短期的な変動率を表現する
短期変動率Ｐｂを算出する。

【００２６】つぎにステップＳ４において、長期変動率
Ｐａおよび短期変動率Ｐｂをもとに、プロダクションル
ールに基づくファジー推論を実行することにより、ウェ
ハチャック移動機構部１における異常が発生する可能性
を算出する。つづいて、ステップＳ５において、異常可
能性が５０％以上であるか否かを判定し、５０％以上で
あればステップＳ６へ処理を進め、５０％以上でなけれ
ばステップＳ１へ処理を戻す。

【００２７】つづくステップＳ６では、主としてファジ
ー関係行列を用いたファジー推論にもとづいて、異常の
原因を推論する。つづいて、ステップＳ７において、プ
ロダクションルールを用いたファジー推論に基づいて、
ウェハチャック移動機構部１の余命を推論する。

【００２８】つぎに、ステップＳ８において、推論の結
果を表示器１６へ表示する。その後で、ステップＳ１へ
処理を戻す。

【００２９】以上のように、信号処理部１０は、各機構
部におけるセンサからの検知信号に基づいて、各機構部
における異常の発生の可能性の推論に加えて、異常の可
能性がある場合には、原因の推論と余命の推論とを行
う。このため、各機構部の異常の発生を事前に予測し得
るとともに、熟練者でなくとも原因の把握が可能であ
り、更に余命の推論値にもとづいて部品の交換のための
人的および物的スケジューリングを容易に行い得るとい
う利点がある。

【００３０】＜２．異常発生の可能性の推論＞

【００３１】ここでは、図１におけるステップＳ２〜ス
テップＳ４の処理、すなわち異常発生の可能性の推論と
その準備過程について詳述する。ここでも、ウェハチャ
ック移動機構部１に対する診断処理を例として取り上げ
る。

【００３２】＜2-1.変数の定義＞

【００３３】表１は、異常発生可能性の推論、原因の推
論、および余命の推論の過程で用いられる諸変数の一覧
表である。ここに列挙される諸変数の中、初期移動時間
Ｔ１〜近日移動時間Ｔ３、長期変動率Ｐａ、および短期
変動率Ｐｂが、異常発生可能性の推論に用いられる。原
因の推論には、これらに加えて総稼動時間としての総稼
働日数ΔＤが更に用いられ、余命の推論には、それらに
加えて更に異常発生時間（タイムアウト）Ｔ４および危
険率Ｐｃが用いられる。これらの変数は、すべてメモリ
１５に格納される。

【００３４】

【表１】

【００３５】初期移動時間Ｔ１は、装置が完成した時点
でのウェハチャック移動機構部１における移動時間であ
り、診断処理の開始に先だってあらかじめメモリ１５に
格納される。この初期移動時間Ｔ１は定数であり、処理
サイクルの進行に伴って更新されることはない。メモリ
１５には、更に処理サイクル毎に新たに算出される逐次
移動時間Ｔ２が格納される（図１；ステップＳ２）。逐
次移動時間Ｔ２は、処理サイクル毎に更新されるが、１
日の最終データはメモリ１５へ格納される。この最終デ
ータは現在より過去３０日分保存され、それより以前の
データは消去される（図３を参照）。これらの３０日分
のデータの中から、５日前のデータを選び出して近日移
動時間Ｔ３を定義する。

【００３６】異常発生可能性の推論を行うために、これ
らの初期移動時間Ｔ１、逐次移動時間Ｔ２、および近日
移動時間Ｔ３をもとに、長期変動率Ｐａ、および短期変
動率Ｐｂを算出する（図１；ステップＳ３）。長期変動
率Ｐａは、表１の第５枠に示すように、逐次移動時間Ｔ
２の初期移動時間Ｔ１からのずれの割合として定義され
る。また、短期変動率Ｐｂは、表１の第６枠に示すよう
に、逐次移動時間Ｔ２の近日移動時間Ｔ３からのずれの
割合として定義される。これらの長期変動率Ｐａ、短期
変動率Ｐｂは、１を超える場合には１として再定義され
る。このため、長期変動率Ｐａ、短期変動率Ｐｂは、と
もに０〜１の間の値をもつ。

【００３７】＜2-2.メンバーシップ関数の定義＞

【００３８】ステップＳ４における異常発生可能性の推
論へのファジー推論の適用を可能とするために、各種の
メンバーシップ関数があらかじめ定義される。表２は、
異常発生可能性の推論、原因の推論、および余命の推論
の過程で用いられる諸メンバーシップ関数の一覧表であ
る。ここに列挙される諸関数の中で、メンバーシップ関
数ｆ１、ｆ２、およびＦｂが、異常発生可能性の推論に
用いられる。原因の推論には、これらに加えてメンバー
シップ関数ｆ４、Ｆａが更に用いられ、余命の推論に
は、それらに加えて更にメンバーシップ関数ｆ３、Ｆｃ
が用いられる。これらの関数はすべて、診断処理の開始
に先だってあらかじめメモリ１５に格納され（図３参
照）、処理サイクルの進行にともなって更新されること
はない。

【００３９】

【表２】

【００４０】これらのすべてのメンバーシップ関数は、
機構部の種類によらず、すべての機構部に共通に用いら
れる。逐次移動時間Ｔ２から長期変動率Ｐａ、短期変動
率Ｐｂ、危険率Ｐｃ等の規格化変数を導入し、各機構部
の特性を規格化変数で評価することによって、すべての
機構部に共通のメンバーシップ関数を適用することを可
能にしている。すなわち、これらの規格化変数を導入す
ることによって、メンバーシップ関数の種類を削減し、
プログラミンングに要するコストの節減と、メモリ１５
の容量の節減とを実現している。

【００４１】これらのメンバーシップ関数において、フ
ァジー変数として４種類の変数、すなわち、「小さい」
（Ｓ）、「やや小さい」（ＭＳ）、「やや大きい」（Ｍ
Ｌ）、および「大きい」（Ｌ）が用いられる。これらの
メンバーシップ関数は、それぞれ例えば図４〜図１０に
示すグラフで定義される。各メンバーシップ関数の意味
は、表２に示すとおりである。

【００４２】＜2-3.プロダクションルールの定義＞

【００４３】メンバーシップ関数を用いたファジー推論
を可能にするためには更に、診断処理の開始に先だっ
て、プロダクションルールがあらかじめ定義され、メモ
リ１５に格納される。表３は、長期変動率Ｐａと短期変
動率Ｐｂの度合を前件とし、異常発生の可能性の度合を
後件とする条件文の形式を有するプロダクションルール
の一例を示す。すなわち、これらのプロダクションルー
ルは、長期変動率Ｐａおよび短期変動率Ｐｂに対するフ
ァジー集合のグレードから、異常発生の可能性の推論を
行う際に用いられるルールである。この例では、９通り
のルールが定義されている。表４は、表３のルールを記
号Ｓ、ＭＳ、ＭＬ、Ｌを用いて表現し直したものであ
る。

【００４４】

【表３】

【００４５】

【表４】

【００４６】＜2-4.推論の実例＞

【００４７】ここでは、以上に述べた変数、メンバーシ
ップ関数、およびプロダクションルールを用いて異常発
生可能性の推論を行う手順を、具体的な数値を用いて説
明する。以下の例において、初期移動時間Ｔ１は３．０
ｓｅｃであり、近日移動時間Ｔ３は４．２ｓｅｃである
とする。いま、逐次移動時間Ｔ２が４．８ｓｅｃであっ
たとすると、表１に示した長期変動率Ｐａ、短期変動率
Ｐｂの定義から、長期変動率Ｐａ、短期変動率Ｐｂは、
ステップＳ３（図１）において、それぞれ、Ｐａ＝０．
６（＝６０％）、Ｐｂ＝０．１４（＝１４％）と算出さ
れる。

【００４８】つぎに、ステップＳ４（図１）の処理に移
って、まず長期変動率Ｐａ、短期変動率Ｐｂのグレード
が算出される。長期変動率Ｐａが６０％であることか
ら、メンバーシップ関数ｆ１（図４）から、長期変動率
Ｐａは０．５のグレードでＭＬ（やや大きい）であり、
しかも０．５のグレードでＬ（大きい）であるとの評価
が得られる。同様に、短期変動率Ｐｂが１４％であるこ
とから、メンバーシップ関数ｆ２（図５）から、短期変
動率Ｐｂは０．６のグレードでＳ（小さい）であり、し
かも０．４のグレードでＭＳ（やや小さい）であるとの
評価が得られる。

【００４９】つぎに、これらのグレードの評価にもとづ
いて、プロダクションルール（以下「ルール」と略称す
る）を用いて異常発生可能性の評価を行う。この例で
は、長期変動率ＰａについてはＭＬとＬとが前件とな
り、短期変動率ＰｂについてはＳとＭＳとが前件となる
ので、表４に列挙した９個のルールの中の番号１、２、
３が付された３種類のルールのみが使用される。

【００５０】まずこれらの各ルールに対する適合度が算
出される。適合度の算出に当たっては、例えば論理積
（ｍｉｎ演算）が使用される。すなわち、一般に数１に
示すような前件部をもつルールがあった場合に、各Ｘｉ
がＡｉに属するグレードがμＡｉ（Ｘｉ）であるとすれ
ば、この前件部の適合度は、数２のように算出される。

【００５１】

【数１】

【００５２】

【数２】

【００５３】番号１のルールにおいては、０．５のグレ
ードで長期変動率ＰａがＬであるので、短期変動率Ｐｂ
とは無関係に適合度は０．５と算出される。番号２のル
ールにおいては、０．５のグレードで長期変動率Ｐａが
ＭＬであり、かつ０．４のグレードで短期変動率Ｐｂが
ＭＳであるので、適合度は０．４と算出される。数式で
表現すると、数３のように書くことができる。

【００５４】

【数３】

【００５５】番号３のルールにおいては、数４に従って
適合度は０．５と算出される。

【００５６】

【数４】

【００５７】論理積による演算に代えて、代数積、限界
積、激烈積等の他のｔ−ノルム論理積を用いることも可
能である。これらの中で、論理積が最も容易に計算可能
である。

【００５８】次に、各ルール毎に推論結果を導出する。
この推論結果の導出には、代数積を用いる。図１１は、
各ルール毎の推論結果を示すグラフである。すなわち、
番号１のルールの後件は、「異常発生可能性がＬ」であ
るので、メンバーシップ関数ＦｂのＬの部分に適合度＝
０．５で代数積を施すことによって、番号１のルールの
推論結果μＦｂＬが得られる。同様にして、番号２のル
ールの推論結果μＦｂＭＬ、および番号３のルールの推
論結果μＦｂＭＳが、図１１に示すように得られる。こ
れらの演算においても、代数積に代えて、例えば論理積
などの他の演算を用いることも可能である。

【００５９】つぎに、３つの推論結果の合成を行う。こ
の合成には、例えば論理和、すなわち各推論結果の最大
値を求める演算（ｍａｘ演算）を用いる。図１２は、合
成の結果を示すグラフである。図１１に示した３種の推
論結果μＦｂＭＳ、μＦｂＭＬ、およびμＦｂＬの、最
大値として合成結果μＦｂが得られている。この合成に
おいても、論理和に代えて代数和、その他の演算を用い
ることも可能である。

【００６０】最後に、合成結果μＦｂの非ファジー化を
行うことによって、異常発生の可能性を数値をもって評
価する。非ファジー化の手法においても、一般に多数の
方法が提唱されているが、ここでは重心法、すなわち関
数の重心を計算する手法を用いる。一般に、変数ｘの関
数における重心ｘ’は、数５で与えられる。

【００６１】

【数５】

【００６２】図１２に示したμＦｂを関数ｆ（ｘ）と表
記すると、関数ｆ（ｘ）は、数６に示すような、区間毎
に個別に定義される１次関数で表される。

【００６３】

【数６】

【００６４】従って、関数ｆ（ｘ）の重心ｘ’は数７の
ように計算されるので、値６６％が得られる。

【００６５】

【数７】

【００６６】すなわち、合成結果μＦｂの重心は、６６
％である。したがって、異常発生の可能性は６６％であ
ると評価される。

【００６７】以上でステップＳ４（図１）が終了する。
つづくステップＳ５（図１）において、異常発生可能性
が５０％を超えると判定されるので、診断のルーチンは
ステップＳ６へと進む。

【００６８】＜３．異常原因の推論＞

【００６９】＜3-1.パラメータの決定＞

【００７０】異常原因の推論を行う際に、ファジー関係
行列が用いられる。このため、機構部の特性に関わる８
個のパラメータＸ１〜Ｘ８が、各機構部毎に決定ないし
算出される。表５はこれらのパラメータＸ１〜Ｘ８の定
義（内容）と意味とを示す一覧表である。パラメータＸ
１〜Ｘ８は一種の規格化された定数ないし変数であっ
て、０〜１の範囲の値を有する。これらのパラメータＸ
１〜Ｘ８の中で、パラメータＸ１〜Ｘ５は熟練者の経験
にもとづいて決定され、診断処理の開始に先だってあら
かじめメモリ１５に格納される。これらのパラメータＸ
１〜Ｘ５は定数であり、処理サイクルの進行に伴って更
新されることはない。一方、パラメータＸ６〜Ｘ８は、
長期変動率Ｐａ、短期変動率Ｐｂ、および総稼働日数Δ
Ｄにもとづいて、演算により決定される変数である。し
たがって、パラメータＸ６〜Ｘ８は、処理サイクルの進
行に伴って更新される。

【００７１】

【表５】

【００７２】＜3-2.プロダクションルールの定義＞

【００７３】パラメータＸ６〜Ｘ８は、後述するように
ルールを用いたファジー推論にもとづいて算出される。
このため、前述の表４に示したルール群とは別個に、診
断処理の開始に先だって、パラメータＸ６〜Ｘ８を演算
するためのルールがあらかじめ定義され、メモリ１５に
格納される。表６は、長期変動率Ｐａのグレードを前件
とし、パラメータＸ６の度合を後件とする条件文の形式
を有するルールの一例を示す。同じく、表７は短期変動
率のグレードからパラメータＸ７を推論するルールの一
例を示しており、表８は総稼働日数ΔＤのグレードから
パラメータＸ８を推論するルールの一例を示す。表６〜
表８は、各ルールを言語で表現している。

【００７４】

【表６】

【００７５】

【表７】

【００７６】

【表８】

【００７７】＜3-3.ファジー関係行列の定義＞

【００７８】異常原因の推論は、パラメータＸ１〜Ｘ８
にファジー関係行列を作用させることにより、複数種類
の原因の度合をそれぞれ評価することによって完結す
る。一例として、４種類の異常原因が存在するものとす
る。このため、異常原因の度合の評価を行うのに用いら
れるファジー関係行列Ｒ１は、数８に示すような４行８
列の行列となる。

【００７９】

【数８】

【００８０】ファジー関係行列Ｒ１の各要素の値は、熟
練者の経験にもとづいて決定され、診断処理の開始に先
だってあらかじめメモリ１５に格納される。ファジー関
係行列Ｒ１とパラメータＸ１〜Ｘ８とにもとづいて、数
９に示す行列の演算を実行することにより、４種類の原
因の度合をそれぞれ表現する４個の変数ｙ１〜ｙ４の値
が算出される。

【００８１】

【数９】

【００８２】＜3-4.推論の実例＞

【００８３】ここでは、異常原因の推論を行う手順を、
具体的な数値を用いて説明する。この例において、初期
移動時間Ｔ１等の変数の値、メンバーシップ関数ｆ１等
の形は、異常発生可能性の推論の実例において採用した
ものと同様であるとする。まず、あらかじめ決定され、
メモリ１５に格納されているパラメータＸ１〜Ｘ５の値
は、数１０の通りであるとする。

【００８４】

【数１０】

【００８５】診断処理がステップＳ６（図１）に至る
と、まずパラメータＸ６〜Ｘ８の算出が行われる。これ
らのパラメータＸ６〜Ｘ８を算出するには、まずそれぞ
れメンバーシップ関数ｆ１、ｆ２、ｆ４を用いて、各パ
ラメータのグレードを評価する。つぎに、表６〜表８に
示したルールをそれぞれ用いるとともに、更にメンバー
シップ関数Ｆａを用いることにより、推論結果をメンバ
ーシップ関数Ｆａの上に写し込む。この推論結果を更に
非ファジー化することによって、パラメータＸ６〜Ｘ８
の値が得られる。

【００８６】＜3-4-1.パラメータＸ６の算出＞

【００８７】パラメータＸ６を算出する手順の実例を、
具体的な数値を用いて説明する。長期変動率Ｐａ＝６０
％であるから、メンバーシップ関数ｆ１（図４）を用い
ることにより、前述のように「長期変動率Ｐａは０．５
のグレードでＭＬであり、しかも０．５のグレードでＬ
である」との評価が得られる。したがって、表６に示し
た４種のルールの中の番号１および２のルールが適用さ
れる。図１３は、それぞれのルールにもとづいて得られ
る推論結果μＦａＬ６、μＦａＭＬ６を示すグラフであ
る。これらの推論結果μＦａＬ６、μＦａＭＬ６を導出
する上で、図１１に示した推論結果の導出と同様に、代
数積が採用されている。

【００８８】つぎに、２つの推論結果μＦａＬ６、μＦ
ａＭＬ６の合成が行われる。この合成においても、図１
２に示した合成の手順と同様に、論理和を採用する。図
１４は、得られた合成結果μＦａ６を示すグラフであ
る。つぎに、合成結果μＦａ６の非ファジー化を行うこ
とによって、パラメータＸ６の値が得られる。この非フ
ァジー化にも、異常発生可能性の評価において採用した
重心法を用いる。したがって、グレードｘを変数とする
関数ｆ（ｘ）で合成結果μＦａ６を表現すると、パラメ
ータＸ６の値は数１１で与えられる。

【００８９】

【数１１】

【００９０】図１４における折線μＦａ６で表される関
数ｆ（ｘ）は、数１２に示すような、区間毎に個別に定
義される１次関数で表現される。

【００９１】

【数１２】

【００９２】数１２に示した１次関数を用いて、数１１
に示した重心を求める演算を実行することにより、数１
３に示す結果を得る。

【００９３】

【数１３】

【００９４】＜3-4-2.パラメータＸ７の算出＞

【００９５】つぎに、パラメータＸ７を算出する手順の
実例について説明する。パラメータＸ７の算出の手順
は、パラメータＸ６の算出の手順と同様である。短期変
動率Ｐｂ＝１４％であるから、メンバーシップ関数ｆ２
（図５）を用いることにより、前述のように「短期変動
率Ｐｂは０．６のグレードでＳであり、しかも０．４の
グレードでＭＳである」との評価が得られる。したがっ
て、表７に示した４種のルールの中の番号３および４の
ルールが適用される。図１５は、それぞれのルールにも
とづいて得られる推論結果μＦａＳ７、μＦａＭＳ７を
示すグラフである。

【００９６】つぎに、２つの推論結果μＦａＳ７、μＦ
ａＭＳ７の合成が行われる。図１６は、得られた合成結
果μＦａ７を示すグラフである。つぎに、合成結果μＦ
ａ７の非ファジー化を行うことによって、パラメータＸ
７の値が得られる。グレードｘを変数とする関数ｆ
（ｘ）で合成結果μＦａ７を表現すると、パラメータＸ
７の値は数１４で与えられる。

【００９７】

【数１４】

【００９８】図１６における折線μＦａ７で表される関
数ｆ（ｘ）は、数１５に示すような、区間毎に個別に定
義される１次関数で表現される。

【００９９】

【数１５】

【０１００】数１５に示した１次関数を用いて、数１４
に示した重心を求める演算を実行することにより、数１
６に示す結果を得る。

【０１０１】

【数１６】

【０１０２】＜3-4-3.パラメータＸ８の算出＞

【０１０３】つぎに、パラメータＸ８を算出する手順の
実例について説明する。パラメータＸ８の算出の手順
も、パラメータＸ６の算出の手順と同様である。総稼働
日数ΔＤは、タイマ１３（図３）から送信される時刻信
号にもとづいて、演算部１４において計数される。この
実例では、総稼働日数ΔＤ＝９００日であるとする。こ
のため、メンバーシップ関数ｆ４（図７）を用いること
により、「総稼働日数ΔＤは、０．５のグレードでＭＬ
である」との評価が得られる。したがって、表８に示し
た４種のルールの中の番号２のルールが適用される。

【０１０４】図１７は、このルールにもとづいて得られ
る推論結果μＦａ８を示すグラフである。推論結果μＦ
ａ８の非ファジー化を行うことによって、パラメータＸ
８の値が得られる。グレードｘを変数とする関数ｆ
（ｘ）で合成結果μＦａ８を表現すると、パラメータＸ
８の値は数１７で与えられる。

【０１０５】

【数１７】

【０１０６】図１７における折線μＦａ８で表される関
数ｆ（ｘ）は、数１８に示すような、区間毎に個別に定
義される１次関数で表現される。

【０１０７】

【数１８】

【０１０８】数１８に示した１次関数を用いて、数１７
に示した重心を求める演算を実行することにより、数１
９に示す結果を得る。

【０１０９】

【数１９】

【０１１０】以上の手順によってパラメータＸ６〜Ｘ８
の値が得られた。

【０１１１】＜3-4-4.変数ｙ１〜ｙ４の算出＞

【０１１２】つぎに、４種類の原因の度合をそれぞれ表
現する４個の変数ｙ１〜ｙ４の値が算出される。変数ｙ
１〜ｙ４の意味は、つぎのように定義される。すなわ
ち、変数ｙ１＝ウェハチャック移動機構部１の腐食また
は結晶化が原因である度合、変数ｙ２＝ウェハチャック
移動機構部１の部品の消耗・耐久性が原因である度合、
変数ｙ３＝ウェハチャック移動機構部１の調整・組立・
加工上の問題点が原因である度合、および変数ｙ４＝ウ
ェハチャック移動機構部１のセンサまたは駆動系の突発
的なトラブルが原因である度合、である。

【０１１３】表９は、これらの変数ｙ１〜ｙ４に関わる
原因の性質を列挙した一覧表である。

【０１１４】

【表９】

【０１１５】この一覧表は、熟練者の経験から得られた
ものである。ファジー関係行列Ｒ１は、更に熟練者の経
験を加味することによって、表９に掲げる変数ｙ１〜ｙ
４の定性的な特徴を定量化することによって決定され
る。一例として、ファジー関係行列Ｒ１が数２０に示す
値で与えられ、あらかじめメモリ１５に格納されている
ものとする。

【０１１６】

【数２０】

【０１１７】そうすると、ステップＳ６における異常原
因の推論の過程において、前述のパラメータＸ６〜Ｘ８
の算出につづいて、数２１にもとづいて変数ｙ１〜ｙ４
の算出が行われる。

【０１１８】

【数２１】

【０１１９】演算記号「○」は、各要素間の論理積を演
算し、更にその結果の論理和を演算するという演算手順
を表現する。したがって、変数ｙ１については、数２２
に示す演算を実行することによって、ｙ１＝０．８５と
いう結果が得られる。

【０１２０】

【数２２】

【０１２１】同様の演算手順によって、変数ｙ２〜ｙ４
も算出される。これらの演算の結果は、数２３に示す通
りである。

【０１２２】

【数２３】

【０１２３】数２３に示される結果が意味するところ
は、腐食・結晶化（ｙ１）が原因である可能性、部品の
消耗・耐久性が原因である可能性（ｙ２）、調整・組立
・加工上の問題点が原因である可能性（ｙ３）、および
センサまたは駆動系の突発的なトラブルが原因である可
能性（ｙ４）の比が、８５：８０：２５：３０であると
いうことである。すなわち、４種の原因の中のいずれか
１種を真の原因であると断定するのではなく、各原因の
グレードを算出することによって、最終判断はオペレー
タに委ねられる。オペレータは、数２３の結果を見て、
例えば腐食・結晶化（ｙ１）または部品の消耗・耐久性
（ｙ２）が原因であると判断し、該当部分の調査と部品
交換等の準備に着手する。

【０１２４】また、変数ｙ１〜ｙ４の意味するところか
ら明らかなように、取り上げられた４種の原因は、いず
れも単に不良箇所を特定するのではなく、不良を引き起
こす根本原因を列挙している。これらの根本原因と異常
発生との間の因果関係は、通常は理論的に究明し尽くせ
るものではなく、熟練者の経験と勘の働きによって探り
出されるものである。ステップＳ６で実行される推論で
は、熟練者の経験をファジー関係行列に反映させること
によって、根本原因の推定を可能にしている。

【０１２５】以上でステップＳ６（図１）における処理
が終了し、診断のルーチンはつぎのステップＳ７へと進
む。

【０１２６】＜４．余命の推論＞

【０１２７】ステップＳ７において推論される機構部の
余命は、現在時点から起算してその機構部が正常であり
つづける期間を意味する。この余命を推論するのに、異
常発生可能性の推論に用いた手法と同様の手法を用い
る。

【０１２８】＜4-1.プロダクションルールの定義＞

【０１２９】メンバーシップ関数を用いたファジー推論
を可能にするために、診断処理の開始に先だって、プロ
ダクションルールがあらかじめ定義され、メモリ１５に
格納される。表１０は、余命の推論に用いられるルール
を列挙した一覧表である。この例では、２０通りのルー
ルが定義されている。これらのルールは、長期変動率Ｐ
ａ、短期変動率Ｐｂに加えて、危険率Ｐｃの度合を前件
とし、余命の長さの度合を後件とする条件文の形式を有
する。

【０１３０】

【表１０】

【０１３１】＜4-2.推論の実例＞

【０１３２】ここでは、余命の推論を行う手順を、具体
的な数値を用いて説明する。この例においても、初期移
動時間Ｔ１等の変数の値、メンバーシップ関数ｆ１等の
形は、異常発生可能性の推論の実例において採用したも
のと同様であるとする。異常発生時間Ｔ４は、Ｔ４＝
８．０ｓｅｃで与えられ（すなわち、逐次移動時間Ｔ２
が８．０ｓｅｃ以上であるときを異常とみなす）、診断
の開始に先だってあらかじめメモリ１５に格納されてい
るものとする。

【０１３３】ステップＳ７の処理が開始されると、まず
危険率Ｐｃの定義（表１）から、危険率Ｐｃが数２４の
ように算出される。

【０１３４】

【数２４】

【０１３５】つぎに、メンバーシップ関数ｆ３（図６）
を用いることにより、数２４に示した危険率Ｐｃの値か
ら危険率Ｐｃのグレードが算出される。図６に示すよう
に、「危険率Ｐｃは１．０のグレードでＭＳである」と
の評価が得られる。

【０１３６】つぎに、このグレードの評価にもとづい
て、表１０に示したルールを用いて余命の算出を行う。
長期変動率Ｐａ、短期変動率Ｐｂ、および危険率Ｐｃの
グレードは、表１１のようにまとめられる。

【０１３７】

【表１１】

【０１３８】このため、表１０に列挙したルールの中
で、番号１１、１２、１９、および２０が付された４種
のルールが適用される。

【０１３９】各ルールの前件部における適合度の算出に
は、異常可能性の推論と同様に論理積（ｍｉｎ演算）が
用いられる。このため、番号１１が付されたルールの前
件部の適合度は、０．４となる。同様に、番号１２、１
９、および２０が付されたルールの前件部の適合度は、
それぞれ０．４、０．５、および０．５となる。

【０１４０】次に、各ルール毎に推論結果を導出する。
この推論結果の導出には、異常発生可能性の推論の場合
と同様に代数積を用いる。図１８は、各ルール毎の推論
結果を示すグラフである。推論結果μＦｃ１１、μＦｃ
１２、μＦｃ１９、およびμＦｃ２０は、それぞれ番号
１１、１２、１９、および２０が付されたルールにもと
づいた推論結果である。

【０１４１】つぎに、これらの４つの推論結果の合成を
行う。この合成には、異常発生可能性の推論と同様に、
論理和（ｍａｘ演算）が用いられる。図１９は、合成結
果μＦｃを示すグラフである。

【０１４２】最後に、合成結果μＦｃの非ファジー化を
行うことによって、余命を導出する。この非ファジー化
においても、異常発生可能性の推論と同様に重心法が用
いられる。図１９に示した合成結果μＦｃを関数ｆ
（ｘ）と表記すると、余命Ｌｒは、数２５で与えられ
る。

【０１４３】

【数２５】

【０１４４】また、関数ｆ（ｘ）は、数２６に示すよう
な、区間毎に個別に定義される１次関数で表される。

【０１４５】

【数２６】

【０１４６】従って、余命Ｌｒは、数２５で表された関
数ｆ（ｘ）を用いて数２６の計算を実行することによっ
て、数２７のように値が得られる。

【０１４７】

【数２７】

【０１４８】すなわち、ウェハチャック移動機構部１の
余命は２２５日であると評価される。以上でステップＳ
７（図１）が終了する。

【０１４９】

【発明の効果】

＜請求項１に記載の発明の効果＞

【０１５０】この発明における異常診断装置では、規格
化変数を一旦導入し、その値にもとづいて異常発生の可
能性を推論するので、複数の異なる種類の機構部を診断
する際においても、共通のメンバーシップ関数を用いる
ことができ、メンバーシップ関数を記憶する手段の記憶
容量を節減できるという効果がある。

【０１５１】＜請求項２に記載の発明の効果＞

【０１５２】この発明における異常診断装置では、機構
部の特性を多角的に表現し得る特性ベクトルに、熟練者
の経験が反映されたファジー関係行列を作用させること
によって異常原因を推論するので、異常原因の推論を精
度良く実行し得るという効果がある。

【０１５３】＜請求項３に記載の発明の効果＞

【０１５４】この発明における異常診断装置では、長期
変動率、短期変動率、および危険率の演算値から、熟練
者の経験を反映したプロダクションルールにもとづくフ
ァジー推論を実行することによって、診断対象とする機
構部に異常が発生するまでの余命を推定する。このため
余命の推論を、精度良く実行し得るという効果がある。

【図面の簡単な説明】

【図１】信号処理部における処理の流れを示すフローチ
ャートである。

【図２】ウェハチャック移動機構部の概略構成図であ
る。

【図３】信号処理部の構成を示すブロック図である。

【図４】メンバーシップ関数ｆ１を示すグラフである。

【図５】メンバーシップ関数ｆ２を示すグラフである。

【図６】メンバーシップ関数ｆ３を示すグラフである。

【図７】メンバーシップ関数ｆ４を示すグラフである。

【図８】メンバーシップ関数Ｆａを示すグラフである。

【図９】メンバーシップ関数Ｆｂを示すグラフである。

【図１０】メンバーシップ関数Ｆｃを示すグラフであ
る。

【図１１】メンバーシップ関数Ｆｂの上への推論結果を
示すグラフである。

【図１２】メンバーシップ関数Ｆｂの上への推論結果を
合成した結果を示すグラフである。

【図１３】メンバーシップ関数Ｆａの上への推論結果を
示すグラフである。

【図１４】メンバーシップ関数Ｆａの上への推論結果を
合成した結果を示すグラフである。

【図１５】メンバーシップ関数Ｆａの上への推論結果を
示すグラフである。

【図１６】メンバーシップ関数Ｆａの上への推論結果を
合成した結果を示すグラフである。

【図１７】メンバーシップ関数Ｆａの上への推論結果を
示すグラフである。

【図１８】メンバーシップ関数Ｆｃの上への推論結果を
示すグラフである。

【図１９】メンバーシップ関数Ｆｃの上への推論結果を
合成した結果を示すグラフである。

【符号の説明】

１ ウェハチャック移動機構部 ２ ウェハチャック ５、６ 位置センサ １０ 信号処理部 １３ タイマ １４ 演算部 １５ メモリ

Claims (3)

【特許請求の範囲】
1. 【請求項１】 周期的な運動を反復する可動部材を有す
   る機構部の異常を診断する装置であって、 前記可動部材の運動の周期を検出する手段と、 前記周期の現在値、初期値、および現在より一定時間以
   前における値である近日値を記憶する手段と、 前記現在値の前記初期値からのずれと当該初期値との比
   で定義される長期変動率を演算する手段と、 前記現在値の前記近日値からのずれと当該近日値との比
   で定義される短期変動率を演算する手段と、 前記長期変動率に関して準備された第１のメンバーシッ
   プ関数、前記短期変動率に関して準備された第２のメン
   バーシップ関数、および前記機構部における異常発生の
   可能性に関して準備された第３のメンバーシップ関数を
   記憶する手段と、 前記第１および第２のメンバーシップ関数の組合せを前
   件部とし前記第３のメンバーシップ関数を後件部として
   準備されたプロダクションルールを記憶する手段と、 前記長期変動率と前記短期変動率の演算値から、前記プ
   ロダクションルールにもとづくファジー推論を実行する
   手段と、 前記推論で得られた推論結果を非ファジー化することに
   より、前記機構部における異常発生の可能性を表現する
   数値を得る手段と、を備える異常診断装置。
2. 【請求項２】 周期的な運動を反復する可動部材を有す
   る機構部の異常を診断する装置であって、 前記可動部材の運動の周期を検出する手段と、 前記機構部の総稼働時間を計数する手段と、 前記周期の現在値、初期値、および現在より一定時間以
   前における値である近日値を記憶する手段と、 前記総稼働時間を記憶する手段と、 前記現在値の前記初期値からのずれと当該初期値との比
   で定義される長期変動率を演算する手段と、 前記現在値の前記近日値からのずれと当該近日値との比
   で定義される短期変動率を演算する手段と、 前記長期変動率に関して準備された第１のメンバーシッ
   プ関数、前記短期変動率に関して準備された第２のメン
   バーシップ関数、前記総稼働時間に関して準備された第
   ３のメンバーシップ関数、およびパラメータ評価値に関
   して準備された第４のメンバーシップ関数を記憶する手
   段と、 前記第１のメンバーシップ関数を前件部とし前記第４の
   メンバーシップ関数を後件部として準備された第１のプ
   ロダクションルールを記憶する手段と、 前記第２のメンバーシップ関数を前件部とし前記第４の
   メンバーシップ関数を後件部として準備された第２のプ
   ロダクションルールを記憶する手段と、 前記第３のメンバーシップ関数を前件部とし前記第４の
   メンバーシップ関数を後件部として準備された第３のプ
   ロダクションルールを記憶する手段と、 前記長期変動率の値から、前記第１のプロダクションル
   ールにもとづくファジー推論を実行して得られた推論結
   果を非ファジー化することにより、長期変動率のグレー
   ドを表現する第１の特性パラメータの値を得る手段と、 前記短期変動率の値から、前記第２のプロダクションル
   ールにもとづくファジー推論を実行して得られた推論結
   果を非ファジー化することにより、短期変動率のグレー
   ドを表現する第２の特性パラメータの値を得る手段と、 前記総稼働時間の値から、前記第３のプロダクションル
   ールにもとづくファジー推論を実行して得られた推論結
   果を非ファジー化することにより、総稼働時間のグレー
   ドを表現する第３の特性パラメータの値を得る手段と、 前記機構部に固有の定数として準備される第４の特性パ
   ラメータの値を記憶する手段と、 前記第１ないし第４の特性パラメータを成分として有す
   る特性ベクトルに、線形オペレータとして作用すること
   により、異常原因のグレードを成分とするベクトルを生
   成すべく準備されたファジー関係行列を記憶する手段
   と、 前記特性ベクトルに、前記ファジー関係行列を線形オペ
   レータとして作用させることにより、異常原因のグレー
   ドを成分とするベクトルの値を得る手段と、を備える異
   常診断装置。
3. 【請求項３】 周期的な運動を反復する可動部材を有す
   る機構部の異常を診断する装置であって、 前記可動部材の運動の周期を検出する手段と、 前記周期の現在値、初期値、現在より一定時間以前にお
   ける値である近日値、および基準値を記憶する手段と、 前記現在値の前記初期値からのずれと当該初期値との比
   で定義される長期変動率を演算する手段と、 前記現在値の前記近日値からのずれと当該近日値との比
   で定義される短期変動率を演算する手段と、 前記現在値の前記基準値からのずれと当該基準値との比
   で定義される危険率を演算する手段と、 前記長期変動率に関して準備された第１のメンバーシッ
   プ関数、前記短期変動率に関して準備された第２のメン
   バーシップ関数、前記危険率に関して準備された第３の
   メンバーシップ関数、および前記機構部の余命に関して
   準備された第４のメンバーシップ関数を記憶する手段
   と、 前記第１ないし第３のメンバーシップ関数の組合せを前
   件部とし前記第４のメンバーシップ関数を後件部として
   準備されたプロダクションルールを記憶する手段と、 前記長期変動率、前記短期変動率、および前記危険率の
   演算値から、前記プロダクションルールにもとづくファ
   ジー推論を実行する手段と、 前記推論で得られた推論結果を非ファジー化することに
   より、前記機構部における余命を表現する数値を得る手
   段と、を備える異常診断装置。