[发明专利]模型生成方法、异常要因推定装置及方法、基板处理装置、学习方法、装置及数据制作方法

权利要求书

1.一种学习完成的模型生成方法，包括下述步骤：

获取学习数据；以及

通过对所述学习数据进行机器学习，从而生成学习完成的模型，所述学习完成的模型推定经处理流体处理后的处理对象基板的异常的主要原因，

所述学习数据包含特征量及异常主要原因信息，

所述异常主要原因信息表示经所述处理流体处理后的学习对象基板的异常的主要原因，

所述特征量包含第一特征量信息，所述第一特征量信息是表示时序数据中的区间数据的时间推移的特征，所述时序数据表示利用所述处理流体对所述学习对象基板进行处理的基板处理装置使用的物体的物理量，

所述第一特征量信息由时间表示。

2.根据权利要求1所述的学习完成的模型生成方法，其中，

所述异常主要原因信息包含第一异常主要原因信息及第二异常主要原因信息中的至少一个信息，

所述第一异常主要原因信息为与所述基板处理装置对所述学习对象基板进行处理时的所述处理流体有关的信息，

所述第二异常主要原因信息为与所述基板处理装置的零件有关的信息。

3.根据权利要求1或2所述的学习完成的模型生成方法，其中，

所述第一特征量信息包含第一信息、第二信息、第三信息、第四信息、第五信息及第六信息中的至少一个信息，

所述第一信息为表示所述物理量向目标值增加时的所述物理量的状态的信息，

所述第二信息为表示所述物理量的超调量的信息，

所述第三信息为表示所述物理量的变动的信息，

所述第四信息为表示所述物理量从所述目标值减少时的所述物理量的状态的信息，

所述第五信息为所述基板处理装置使用互不相同的至少两个所述物体时，表示两个所述物体中的一个物体的所述物理量与另一个物体的所述物理量的交叠的信息，

所述第六信息为在时间轴上表示其中所述一个物体与所述另一个物体的时间间隔的信息。

4.根据权利要求1或2所述的学习完成的模型生成方法，其中，

所述物体为所述处理流体，

所述物理量表示排出所述处理流体的排出管内的所述处理流体的物理量。

5.根据权利要求1或2所述的学习完成的模型生成方法，其中，

所述物体为所述处理流体，

所述物理量表示所述处理流体的流量、所述处理流体的温度或所述处理流体的浓度。

6.根据权利要求1或2所述的学习完成的模型生成方法，其中，

所述物体为使所述学习对象基板旋转的基板保持部、使向所述学习对象基板喷出所述处理流体的喷嘴移动的臂、承接从所述学习对象基板飞散的所述处理流体的护板、或调节所述处理流体的流动的阀，

在所述物体为所述基板保持部的情况下，所述物理量表示与所述基板保持部的动作和/或状态有关的量，

在所述物体为所述臂的情况下，所述物理量表示与所述臂的动作和/或状态有关的量，

在所述物体为所述护板的情况下，所述物理量表示与所述护板的动作和/或状态有关的量，

在所述物体为所述阀的情况下，所述物理量表示与所述阀的动作和/或状态有关的量。

7.根据权利要求1或2所述的学习完成的模型生成方法，其中，

所述物体包含空开间隔地覆盖所述学习对象基板的上表面的阻断板，

在所述物体为所述阻断板的情况下，所述物理量表示与所述阻断板的动作和/或状态有关的量。

8.根据权利要求1或2所述的学习完成的模型生成方法，其中，

所述特征量还包含第二特征量信息，

所述第二特征量信息为表示对构成一个批次的预定数量的所述学习对象基板的处理顺序的处理顺序信息、或表示对批次的处理结束到对下一批次的处理开始为止的时间间隔的批次间隔信息。