预测装置、预测方法及记录介质制造方法及图纸

提供一种利用了在制造工艺中伴随对象物的处理而测定出的时间序列数据组的预测装置、预测方法及记录介质。该预测装置包括：取得部，取得在制造工艺的预定处理单元中伴随对象物的处理而测定出的时间序列数据组、和对该对象物进行处理时取得的装置状态信息；以及学习部，包括对所取得的所述时间序列数据组和所述装置状态信息进行处理的多个网络部、及对通过利用该多个网络部进行处理而输出的各输出数据进行合成的连接部，并且以使由所述连接部输出的合成结果与在所述制造工艺的所述预定处理单元中对所述对象物进行处理时所取得的表示所述制造工艺内的状态的质量指标值接近的方式，针对所述多个网络部及所述连接部进行机器学习。

【技术实现步骤摘要】
预测装置、预测方法及记录介质
本公开涉及一种预测装置、预测方法及记录介质。
技术介绍
传统上，在各种制造工艺的领域中，通过对对象物的处理数量或处理时间等的累计值进行管理，从而针对制造工艺内的状态等估计项目进行估计。另外，基于该些估计结果，进行各零件的更换时间或制造工艺的维护时间等的预测。另一方面，在制造工艺中，伴随对象物的处理对各种数据进行测定，测定出的数据的集合(多种时间序列数据的数据集，以下称为“时间序列数据组”)之中还包括与上述各估计项目相关的数据。<现有技术文献><专利文献>专利文献1：(日本)特开2011-100211号公报
技术实现思路
<本专利技术要解决的问题>本公开提供一种利用了在制造工艺中伴随对象物的处理而测定出的时间序列数据组的预测装置、预测方法及记录介质。<用于解决问题的手段>根据本公开的一个实施方式的预测装置例如具有以下构成。即，包括：取得部，取得在制造工艺的预定处理单元中伴随对象物的处理而测定出的本文档来自技高网...

【技术保护点】
1.一种预测装置，包括：/n取得部，取得在制造工艺的预定处理单元中伴随对象物的处理而测定出的时间序列数据组、和对该对象物进行处理时取得的装置状态信息；以及/n学习部，包括对所取得的所述时间序列数据组和所述装置状态信息进行处理的多个网络部、及对通过利用该多个网络部进行处理而输出的各输出数据进行合成的连接部，并且以使由所述连接部输出的合成结果与在所述制造工艺的所述预定处理单元中对所述对象物进行处理时所取得的表示所述制造工艺内的状态的质量指标值接近的方式，针对所述多个网络部及所述连接部进行机器学习。/n

【技术特征摘要】
20191129 JP 2019-2174401.一种预测装置，包括：
取得部，取得在制造工艺的预定处理单元中伴随对象物的处理而测定出的时间序列数据组、和对该对象物进行处理时取得的装置状态信息；以及
学习部，包括对所取得的所述时间序列数据组和所述装置状态信息进行处理的多个网络部、及对通过利用该多个网络部进行处理而输出的各输出数据进行合成的连接部，并且以使由所述连接部输出的合成结果与在所述制造工艺的所述预定处理单元中对所述对象物进行处理时所取得的表示所述制造工艺内的状态的质量指标值接近的方式，针对所述多个网络部及所述连接部进行机器学习。


2.根据权利要求1所述的预测装置，还包括：
推测部，一边改变装置状态信息，一边将针对新的对象物所取得的时间序列数据组重复地输入至进行了机器学习的所述多个网络部，针对每个装置状态信息，通过利用进行了机器学习的所述多个网络部对该时间序列数据组进行处理，从而将由进行了机器学习的所述连接部输出的合成结果推测为对所述新的对象物进行处理时的质量指标值，确定与针对每个所述装置状态信息推测出的所述质量指标值之中的满足预定条件的质量指标值相对应的装置状态信息，并且基于所确定的装置状态信息预测所述制造工艺内的零件的更换时间或所述制造工艺内的维护时间。


3.根据权利要求1所述的预测装置，其中，
所述学习部通过分别根据第一基准和第二基准对所取得的所述时间序列数据组进行处理来生成第一时间序列数据组和第二时间序列数据组，并且通过利用不同的网络部对生成的各时间序列数据组和所述装置状态信息进行处理，从而以使由所述连接部输出的合成结果与在所述制造工艺的所述预定处理单元中对所述对象物进行处理时所取得的所述质量指标值接近的方式，针对所述不同的网络部及所述连接部进行机器学习。


4.根据权利要求3所述的预测装置，还包括：
推测部，通过分别根据所述第一基准和所述第二基准对针对新的对象物所取得的时间序列数据组进行处理来生成第一时间序列数据组和第二时间序列数据组，一边改变装置状态信息，一边将生成的各时间序列数据组重复地输入至进行了机器学习的所述不同的网络部，针对每个装置状态信息，通过利用进行了机器学习的该不同的网络部对该各时间序列数据组进行处理，从而将由进行了机器学习的所述连接部输出的合成结果推测为对所述新的对象物进行处理时的质量指标值，确定与针对每个所述装置状态信息推测出的所述质量指标值之中的满足预定条件的质量指标值相对应的装置状态信息，并且基于所确定的装置状态信息预测所述制造工艺内的零件的更换时间或所述制造工艺内的维护时间。


5.根据权利要求1所述的预测装置，其中，
所述学习部根据数据种类或时间范围对所取得的所述时间序列数据组进行分组，并且通过利用不同的网络部对各组和所述装置状态信息进行处理，从而以使由所述连接部输出的合成结果与在所述制造工艺的所述预定处理单元中对所述对象物进行处理时所取得的所述质量指标值接近的方式，针对所述不同的网络部及所述连接部进行机器学习。


6.根据权利要求5所述的预测装置，还包括：
推测部，根据所述数据种类或所述时间范围对针对新的对象物所取得的时间序列数据组进行分组，一边改变装置状态信息，一边将各组重复地输入至进行了机器学习的所述不同的网络部，针对每个装置状态信息，通过利用进行了机器学习的该不同的网络部对该各组进行处理，从而将由进行了机器学习的所述连接部输出的合成结果推测为对所述新的对象物进行处理时的质量指标值，确定与针对每个所述装置状态信息推测出的所述质量指标值之中的满足预定条件的质量指标值相对应的装置状态信息，并且基于所确定的装置状态信息预测所述制造工艺内的零件的更换时间或所述制造工艺内的维护时间。


7.根据权利要求1所述的预测装置，其中，
所述学习部将所取得的所述时间序列数据组和所述装置状态信息输入至各自包括利用不同的方法进行归一化的归一化部的不同的网络部，并且通过利用该不同的网络部对该时间序列数据组和该装置状态信息进行处理，从而以使由所述连接部输出的合成结果与在所述制造工艺的所述预定处理单元中对所述对象物进行处理时所取得的所述质量指标值接近的方式，针对所述不同的网络部及所述连接部进行机器学习。


8.根据权利要求7所述的预测装置，还包括：
推测部，一边改变装置状态信息，一边将针对新的对象物所取得的时间序列数据组重复地输入至进行了机器学习的所述不同的网络部，针对每个装置状态信息，通过利用进行了机器学习的该不同的网络部对该时间序列数据组进行处理，从而将由进行了机器学习的所述连接部输出的合成结果推测为对所述新的对象物进行处理时的质量指标值，确定与针对每个所述装置状态信息推测出的所述质量指标值之中的...

【专利技术属性】
技术研发人员：筒井拓郎，
申请(专利权)人：东京毅力科创株式会社，
类型：发明
国别省市：日本;JP