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与流程

1.本发明涉及一种学习完成的模型生成方法、异常主要原因推定装置、基板处理装置、异常主要原因推定方法、学习方法、学习装置以及学习数据制作方法。


背景技术：

2.专利文献1所记载的异常诊断系统检测阻剂涂布、显影处理装置中产生的异常，推定异常原因。
3.异常诊断系统通过配线而与分别设置于多个过程处理装置的传感器连接。传感器将随时间变动的时序数据输出至异常诊断系统。传感器例如为压力传感器、温度传感器、流量传感器、液面传感器、位置传感器、力矩传感器或速度传感器。
4.异常诊断系统包含数据保持部、数据收集部、异常检测部、判定数据制作部及诊断部。
5.数据保持部中，存储有时序数据、异常数据、判定数据及模型数据。
6.数据收集部从分别设置于多个过程处理装置的传感器收集随时间变动的时序数据，将时序数据存储于数据保持部。时序数据例如为随时间变动的压力、温度、流量、液面水平、位置、力矩或速度。
7.异常检测部将数据收集部所收集的时序数据与上下变动阈值数据进行比较，由此检测作为异常的时序数据的异常数据。
8.判定数据制作部基于判定条件数据，将由异常检测部所检测的异常数据按时序分割为多个监视区间，在各监视区间中，判定是否与多个判定条件一致，并且制作包含判定结果的组合的判定数据，作为判定数据而存储于数据保持部。
9.诊断部将由判定数据制作部所制作的判定数据、与和判定数据对应的模型数据进行对照，由此推定过程处理装置的异常原因。
10.模型数据为利用制作判定数据时的判定条件对产生了每个异常原因特有的变动倾向的时序数据进行判定时的结果，且预先存储。而且，各判定条件的阈值及范围等是针对每个监视区间而决定。
11.[现有技术文献]
[0012]
[专利文献]
[0013]
[专利文献1]日本专利特开2012
‑
150721号公报


技术实现要素：

[0014]
[发明所要解决的问题]
[0015]
但是，专利文献1所记载的异常诊断系统中，取决于模型数据及判定条件的精度，有时无法高精度地推定过程处理装置的异常原因。此时，检查技术员需要分析时序数据，确定过程处理装置的异常原因。
[0016]
但是，时序数据非常烦杂，检查技术员难以找出规则性。此外，时序数据具有多数个参数，分析对象庞大。因此，取决于检查技术员的技能及经验，有时确定过程处理装置的异常主要原因需要长时间。其结果为，有时确定由过程处理装置进行了处理的基板的异常主要原因也需要长时间。
[0017]
本发明是鉴于所述课题而成，其目的在于提供一种学习完成的模型生成方法、异常主要原因推定装置、基板处理装置、异常主要原因推定方法、学习方法、学习装置以及学习数据制作方法，可高精度地确定经处理流体进行处理后的处理对象基板的异常的主要原因，并且可缩短确定异常的主要原因时的时间。
[0018]
[解决问题的技术手段]
[0019]
根据本发明的一方面，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。
[0020]
本发明的学习完成的模型生成方法中，优选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优选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优选为与所述基板处理装置的零件有关的信息。
[0021]
本发明的学习完成的模型生成方法中，所述第一特征量信息优选包含第一信息、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。所述第一信息优选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。所述第二信息优选为表示所述物理量的超调量(overshoot)的信息。所述第三信息优选为表示所述物理量的变动的信息。所述第四信息优选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。所述第五信息优选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，表示所述两个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(overlap)的信息。所述第六信息优选为在时间轴上表示所述其中一个物体与所述另一个物体的时间间隔的信息。
[0022]
本发明的学习完成的模型生成方法中，所述物体优选为所述处理流体。所述物理量优选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。
[0023]
本发明的学习完成的模型生成方法中，所述物体优选为所述处理流体。所述物理量优选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。
[0024]
本发明的学习完成的模型生成方法中，所述物体优选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(arm)、承接从所述学习对象基板飞散的所述处理流体的护板(guard)、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，所述物理量优选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，所述物理量优选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，所述物理量优选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，所述物理量优选表示与所述阀的动作和/或状态有关的量。
[0025]
本发明的学习完成的模型生成方法中，所述物体优选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，所述物理量优选表示与所述阻断板的动作和/或状态有关的量。
[0026]
本发明的学习完成的模型生成方法中，所述特征量优选还包含第二特征量信息。所述第二特征量信息优选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。
[0027]
根据本发明的另一方面，异常主要原因推定装置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。异常主要原因推定装置包括存储部及推定部。存储部存储通过对学习数据进行机器学习从而构建的学习完成的模型。推定部将输入信息输入至所述学习完成的模型，并从所述学习完成的模型获取输出信息。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。所述输入信息包含第一输入信息，所述第一输入信息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处理对象基板进行处理的基板处理装置使用的物体的物理量，所述第一输入信息由时间表示。所述输出信息表示经所述处理流体处理后的所述处理对象基板的异常的主要原因。
[0028]
本发明的异常主要原因推定装置中，所述异常主要原因信息优选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优选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优选为与对所述学习对象基板进行处理的所述基板处理装置的零件有关的信息。所述输出信息优选包含第一输出信息及第二输出信息中的至少一个信息。所述第一输出信息优选为与所述基板处理装置对所述处理对象基板进行处理时的所述处理流体有关的信息。所述第二输出信息优选为与对所述处理对象基板进行处理的所述基板处理装置的零件有关的信息。
[0029]
本发明的异常主要原因推定装置中，所述第一特征量信息及所述第一输入信息各自优选包含第一信息、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。所述第一信息优选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。所述第二信息优选为表示所述物理量的超调量的信息。所述第三信息优选为表示所述物理量的变动的信息。所述第四信息优选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。所述第五信息优选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，表示所述两个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。所述第六信息优选为在时间轴上表示所述其中一个物体与所述另一个物体的时间间隔的信息。
[0030]
本发明的异常主要原因推定装置中，所述物体优选为所述处理流体。所述物理量
优选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。
[0031]
本发明的异常主要原因推定装置中，所述物体优选为所述处理流体。所述物理量优选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。
[0032]
本发明的异常主要原因推定装置中，对所述学习对象基板进行处理的所述基板处理装置使用的所述物体优选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。对所述处理对象基板进行处理的所述基板处理装置使用的所述物体优选为使所述处理对象基板旋转的基板保持部、使向所述处理对象基板喷出所述处理流体的喷嘴移动的臂、承接从所述处理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，所述物理量优选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，所述物理量优选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，所述物理量优选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，所述物理量优选表示与所述阀的动作和/或状态有关的量。
[0033]
本发明的异常主要原因推定装置中，对所述学习对象基板进行处理的所述基板处理装置使用的所述物体优选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。对所述处理对象基板进行处理的所述基板处理装置使用的所述物体优选包含空开间隔地覆盖所述处理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，所述物理量优选表示与所述阻断板的动作和/或状态有关的量。
[0034]
本发明的异常主要原因推定装置中，所述特征量优选还包含第二特征量信息。所述第二特征量信息优选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。所述输入信息优选还包含与所述处理对象基板有关的第二输入信息。所述第二输入信息优选为表示对构成一个批次的预定数量的所述处理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。
[0035]
根据本发明的进而另一方面，基板处理装置包括所述异常主要原因推定装置、及对基板进行处理的处理装置。
[0036]
根据本发明的进而另一方面，学习完成的模型是通过对学习数据进行机器学习从而构建，以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的方式使计算机发挥功能。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。所述特征量包含特征量信息，所述特征量信息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。所述特征量信息由时间表示。以将输入信息输入并将输出信息输出的方式使所述计算机发挥功能。所述输入信息包含的信息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处理对象基板进行处理的基板处理装置使用的物体的物理量。所述信息由时间表示。所述输出信息表示经所述处理流体处理后的所述处理对象基板的异常的主要原因。
[0037]
根据本发明的进而另一方面，异常主要原因推定方法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。异常主要原因推定方法包括下述步骤：获取输入信息；以及将所述输入信息输入至通过对学习数据进行机器学习从而构建的学习完成的模型，并从所述学习完成的模型获取输出信息。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。所述特征量包含特征量信息，所述特征量信息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，所述特征量信息由时间表示。所述输入信息包含表示时序数据中的区间数据的时间推移的特征的、信息，所述时序数据表示利用所述处理流体对所述处理对象基板进行处理的基板处理装置使用的物体的物理量，所述信息由时间表示。所述输出信息表示经所述处理流体处理后的所述处理对象基板的异常的主要原因。
[0038]
根据本发明的进而另一方面，学习方法包括下述步骤：获取学习数据；以及对所述学习数据进行机器学习。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。所述特征量包含特征量信息，所述特征量信息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。
[0039]
根据本发明的进而另一方面，学习装置包括存储部及学习部。存储部存储学习数据。学习部对所述学习数据进行机器学习。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。所述特征量包含表示时序数据中的区间数据的时间推移的特征的、特征量信息，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。所述特征量信息由时间表示。
[0040]
根据本发明的进而另一方面，学习数据制作方法包括下述步骤：从时序数据中获取至少一个区间数据，所述时序数据表示利用处理流体对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；算出表示所述区间数据的时间推移的特征的、特征量信息；以及以将异常主要原因信息关联于所述特征量信息而存储的方式控制存储部。所述异常主要原因信息表示经所述处理流体处理后的所述学习对象基板的异常的主要原因。所述特征量信息由时间表示。所述特征量信息及所述异常主要原因信息构成作为机器学习的对象的学习数据。
[0041]
[发明的效果]
[0042]
根据本发明，可高精度地确定经处理流体进行处理后的处理对象基板的异常的主要原因，并且可缩短确定异常的主要原因时的时间。
附图说明
[0043]
图1为表示本发明的实施方式的基板处理系统的框图。
[0044]
图2为表示本实施方式的基板处理装置的示意性平面图。
[0045]
图3为表示本实施方式的基板处理装置的处理装置的示意性截面图。
[0046]
图4(a)为表示本实施方式的流体供给部的图，图4(b)为表示本实施方式的另一流
体供给部的图。
[0047]
图5为表示本实施方式的基板处理装置的图。
[0048]
图6为表示本实施方式的基板处理装置的控制装置的框图。
[0049]
图7为表示本实施方式的基板处理方法的流程图。
[0050]
图8为表示本实施方式的学习数据制作装置的框图。
[0051]
图9为表示本实施方式的时序数据的一例的图表。
[0052]
图10为表示本实施方式的特征量的图。
[0053]
图11(a)为表示本实施方式的第一特征量信息所含的第一信息的计算方法的一例的图，图11(b)为表示第一信息的计算方法的另一例的图，图11(c)为表示第一信息的计算方法的进而另一例的图。
[0054]
图12为表示本实施方式的第一特征量信息所含的第二信息的计算方法的一例的图。
[0055]
图13为表示本实施方式的第一特征量信息所含的第三信息的计算方法的一例的图。
[0056]
图14(a)为表示本实施方式的第一特征量信息所含的第四信息的计算方法的一例的图，图14(b)为表示第四信息的计算方法的另一例的图，图14(c)为表示第四信息的计算方法的进而另一例的图。
[0057]
图15为表示本实施方式的第一特征量信息所含的第五信息的计算方法的一例的图。
[0058]
图16为表示本实施方式的第一特征量信息所含的第六信息的计算方法的一例的图。
[0059]
图17为表示本实施方式的异常主要原因信息的图。
[0060]
图18为表示本实施方式的学习数据制作方法的流程图。
[0061]
图19为表示本实施方式的学习装置的框图。
[0062]
图20为表示本实施方式的学习方法的流程图。
[0063]
图21为表示本实施方式的异常主要原因推定装置的框图。
[0064]
图22为表示本实施方式的输入信息的图。
[0065]
图23为表示本实施方式的输出信息的图。
[0066]
图24为表示本实施方式的异常主要原因推定方法的流程图。
[0067]
[符号的说明]
[0068]
1：处理装置
[0069]
3：控制装置
[0070]
3a：控制部
[0071]
3b、4b、5b、6b：存储部
[0072]
3c、4c、5c、6c：通信部
[0073]
3d、4d、5d、6d：输入部
[0074]
3e、4e、5e、6e：显示部
[0075]
3f：流量计群
[0076]
3g：温度传感器群
[0077]
3h：传感器群
[0078]
4：处理流体箱
[0079]
4a、5a、6a：处理部
[0080]
5：处理流体柜
[0081]
11：腔室
[0082]
13：旋转卡盘
[0083]
15：旋转马达
[0084]
17、21、25、27、295、297、nz：喷嘴
[0085]
19、23：喷嘴移动部
[0086]
29：流体供给单元
[0087]
31：单元动作部
[0088]
33：护板
[0089]
50：处理流体罐
[0090]
51：循环配管
[0091]
52：上游配管
[0092]
53：个别配管
[0093]
54：下游配管
[0094]
55：泵
[0095]
56：脉冲阻尼器
[0096]
57：过滤器
[0097]
58：温度调节器
[0098]
61：数据制作部
[0099]
63、75、85：存储控制部
[0100]
65、77、87：显示控制部
[0101]
71、611、811：获取部
[0102]
73：学习部
[0103]
81：前处理部
[0104]
83：推定部
[0105]
100：基板处理系统
[0106]
130：卡盘构件
[0107]
131：旋转底座
[0108]
150：马达本体
[0109]
151：轴
[0110]
191、231、am：臂
[0111]
193、233：转动轴
[0112]
195、235：喷嘴移动机构
[0113]
200、300：基板处理装置
[0114]
291：阻断板
[0115]
293：支轴
[0116]
400：学习数据制作装置
[0117]
500：学习装置
[0118]
600：异常主要原因推定装置
[0119]
613、813：特征量计算部
[0120]
a1、a2：面积
[0121]
ax：旋转轴线
[0122]
a～q：信息
[0123]
cd：处理条件信息
[0124]
cr：中央机器人
[0125]
fl、fl1、fl2：流量
[0126]
fw、fw1、fw2、fw3：流量计
[0127]
g1～g6：配管
[0128]
ga：惰性气体
[0129]
ida、idc：物体信息
[0130]
idb、idd：物理量信息
[0131]
if1：输入信息
[0132]
if2：输出信息
[0133]
in：交点
[0134]
ir：分度器机器人
[0135]
lm：学习完成的模型
[0136]
lp：装载端口
[0137]
lq1、lq3、lq4、lq5、lq21、lq22：处理液
[0138]
mn：局部最小值
[0139]
mx：最大值
[0140]
mxn：混合部
[0141]
p1、x1：第一信息
[0142]
p2、x2：第二信息
[0143]
p3、x3：第三信息
[0144]
p4、x4：第四信息
[0145]
p5、x5：第五信息
[0146]
p6、x6：第六信息
[0147]
p7：排出管
[0148]
pa、xa：处理顺序信息
[0149]
pb、xb：批次间隔信息
[0150]
pd1、xd1：第一特征量信息
[0151]
pd2、xd2：第二特征量信息
[0152]
pd3、xd3：第三特征量信息
[0153]
pg1：控制程序
[0154]
pg2：学习数据制作程序
[0155]
pg3：处理程序
[0156]
pg4：学习程序
[0157]
pg5：推定程序
[0158]
pm：参数信息
[0159]
q101、q201、y101、y201：第一主要原因信息
[0160]
q102、q202、y102、y202：第二主要原因信息
[0161]
q103、q203、y103、y203：第三主要原因信息
[0162]
q104、q204、y104、y204：第四主要原因信息
[0163]
q105、q205、y105、y205：第五主要原因信息
[0164]
q106、q206、y106、y206：第六主要原因信息
[0165]
q107、q207、y107、y207：第七主要原因信息
[0166]
q108、y108：第八主要原因信息
[0167]
q109、y109：第九主要原因信息
[0168]
qd1、yd1：第一异常主要原因信息
[0169]
qd2、yd2：第二异常主要原因信息
[0170]
rg1：第一规定范围
[0171]
rg2：第二规定范围
[0172]
rp：配方信息
[0173]
s1～s10、s21～s25、s31～s34、s41～s49：步骤
[0174]
sn：传感器
[0175]
sns：检测计群
[0176]
sp、sx、sx1、sx2：区间数据
[0177]
t11～t14、t21～t24、t31～t34、t41～t44、t51、t61：时间区间
[0178]
td、td1、td2：时序数据
[0179]
td11～td14：个别时序数据
[0180]
tg：目标值
[0181]
tnd：学习数据
[0182]
ts、ts1～ts7：温度传感器
[0183]
tw：塔
[0184]
t1～t10：时间
[0185]
ta：上升开始时
[0186]
tb：上升时、上升疑似完成时
[0187]
tc、te：基准时
[0188]
td：流量的变动进入第一规定范围内时
[0189]
tf：稳定状态时
[0190]
tg：下降开始时
[0191]
th：下降时、下降疑似完成时
[0192]
tx：喷出控制开始时
[0193]
ty：喷出控制停止时
propyl alcohol，ipa)、表面活性剂或抗腐蚀剂。
[0211]
淋洗液例如为去离子水、碳酸水、电离水、氢水、臭氧水或稀释浓度(例如10ppm～100ppm左右)的盐酸水。
[0212]
而且，作为处理流体的处理气体例如为与附着于基板w的液体或基板w反应的反应气体、或惰性气体。反应气体例如为臭氧气体、氟气体、含有氟化氢的气体、或含有ipa的气体。惰性气体例如为氮气、氦气或氩气。
[0213]
基板处理装置200输出时序数据td1。时序数据td1表示基板处理装置200使用的物体的物理量。物体例如为处理流体或基板处理装置200的零件。零件不仅为硬件零件，而且包含软件零件。物体及物理量的详情将在下文中描述。
[0214]
学习数据制作装置400基于时序数据td1而制作学习数据tnd。另外，学习数据制作装置400输出学习数据tnd。学习数据tnd为由学习装置500进行机器学习的对象。学习数据tnd包含与学习对象基板w1的处理有关的特征量、及与学习对象基板w1的处理有关的异常主要原因信息。异常主要原因信息表示经处理流体进行处理后的学习对象基板w1的异常的主要原因。特征量为说明变量，异常主要原因信息为目标变量。特征量及异常主要原因信息的详情将在下文中描述。
[0215]
学习装置500通过对学习数据tnd进行机器学习，从而生成学习完成的模型lm。另外，学习装置500输出学习完成的模型lm。学习完成的模型lm推定由基板处理装置300利用处理流体进行处理后的、处理对象基板w2的异常的主要原因。具体而言，学习完成的模型lm为进行从输入到输出的运算的计算机程序。构成学习完成的模型lm的计算机程序包含用于运算的多个参数(例如多个加权系数)。
[0216]
基板处理装置300输出时序数据td2。时序数据td2表示基板处理装置300使用的物体的物理量。物体例如为处理流体或基板处理装置300的零件。零件不仅为硬件零件，而且包含软件零件。物体及物理量的详情将在下文中描述。
[0217]
时序数据td2的定义中，基板处理装置300使用的物体对应于基板处理装置200使用的物体。因此，基板处理装置300使用的物体的结构与基板处理装置200使用的物体的结构相同。而且，时序数据td2的定义中，基板处理装置300使用的物体的物理量对应于基板处理装置200使用的物体的物理量。因此，基板处理装置300使用的物体的物理量与基板处理装置200使用的物体的物理量相同。
[0218]
异常主要原因推定装置600使用学习完成的模型lm，基于时序数据td2，推定由基板处理装置300利用处理流体进行处理后的、处理对象基板w2的异常的主要原因。
[0219]
具体而言，异常主要原因推定装置600包括前处理部81及推定部83。
[0220]
前处理部81基于时序数据td2而生成输入信息if1。另外，前处理部81输出输入信息if1。输入信息if1包含与处理对象基板w2的处理有关的特征量。特征量为说明变量。输入信息if1的特征量为与学习数据tnd的特征量对应的信息。特征量的详情将在下文中描述。
[0221]
推定部83将输入信息if1输入至学习完成的模型lm。另外，学习完成的模型lm基于输入信息if1所含的特征量，推定由基板处理装置300利用处理流体进行处理后的、处理对象基板w2的异常的主要原因，并将输出信息if2输出。推定部83从学习完成的模型lm获取输出信息if2，将输出信息if2输出。输出信息if2包含与处理对象基板w2的处理有关的异常主要原因信息。异常主要原因信息表示经处理流体进行处理后的处理对象基板w2的异常的主
要原因。异常主要原因信息为目标变量。输出信息if2的异常主要原因信息为与学习数据tnd的异常主要原因信息对应的信息。异常主要原因信息的详情将在下文中描述。
[0222]
以上，如参照图1所说明，根据本实施方式，学习装置500进行机器学习。因此，可从非常烦杂且分析对象庞大的时序数据td1中找出规则性，制作精度高的学习完成的模型lm。另外，异常主要原因推定装置600对学习完成的模型lm输入包含基于时序数据td2的特征量的输入信息if1，并从学习完成的模型lm输出包含异常主要原因信息的输出信息if2。因此，可高精度地确定经处理流体进行处理后的处理对象基板w2的异常的主要原因，并且可缩短确定异常的主要原因时的时间。
[0223]
此处，本说明书中，“物体”表示“基板处理装置200使用的物体”或“基板处理装置300使用的物体”。而且，“物理量”表示“物体的物理量”。“物体”及“物理量”的详情将在下文中描述。
[0224]
接下来，参照图2～图7对基板处理装置200进行说明。基板处理装置200处理的基板w为“学习对象基板w1”。此外，基板处理装置300的结构及动作与基板处理装置200的结构及动作相同。因此，参照图2～图7说明的基板处理装置200的说明可援用于基板处理装置300的说明。此时，基板处理装置300处理的基板w为“处理对象基板w2”。
[0225]
图2为表示基板处理装置200的示意性平面图。如图2所示，基板处理装置200包括多个装载端口(load port)lp、分度器机器人(indexer robot)ir、中央机器人(center robot)cr、多个处理装置1、控制装置3、多个处理流体箱4及处理流体柜5。控制装置3控制装载端口lp、分度器机器人ir、中央机器人cr及处理装置1。
[0226]
各装载端口lp层叠收容多片基板w。分度器机器人ir在装载端口lp与中央机器人cr之间搬送基板w。中央机器人cr在分度器机器人ir与处理装置1之间搬送基板w。各处理装置1对基板w供给处理流体，对基板w进行处理。各处理流体箱4收容流体机器。处理流体柜5收容处理流体。
[0227]
具体而言，多个处理装置1形成在俯视时以包围中央机器人cr的方式配置的多个塔tw(本实施方式中为四个塔tw)。各塔tw包含上下层叠的多个处理装置1(本实施方式中为三个处理装置1)。多个处理流体箱4分别对应于多个塔tw。处理流体柜5内的处理流体经由任一处理流体箱4而供给于与处理流体箱4对应的塔tw所含的所有处理装置1。
[0228]
图3为表示处理装置1的示意性截面图。如图3所示，处理装置1利用处理流体对基板w进行处理。具体而言，处理装置1为对基板w一片一片地进行处理的单片式。
[0229]
图3中，作为处理流体的一例，记载处理液lq1、处理液lq21与处理液lq22的混合液、处理液lq3、处理液lq4、处理液lq5及惰性气体ga。处理液lq21与处理液lq22不同。处理液lq1～处理液lq5、处理液lq21、处理液lq22例如为所述例示的化学液或淋洗液。惰性气体ga例如为所述例示的惰性气体。而且，基板处理装置200针对每个处理装置1，还包括流体供给部v1、流体供给部v2、流体供给部v3、流体供给部v4、流体供给部v5、流体供给部v6、配管g1、配管g2、配管g3、配管g4、配管g5、配管g6、以及温度传感器ts1、温度传感器ts2、温度传感器ts3、温度传感器ts4、温度传感器ts5、温度传感器ts6。
[0230]
处理装置1包括腔室11、旋转卡盘13、旋转马达15、喷嘴17、喷嘴移动部19、喷嘴21、喷嘴移动部23、喷嘴25、喷嘴27、流体供给单元29、单元动作部31及多个护板33(本实施方式中为四个护板33)。
[0231]
腔室11具有大致箱形状。腔室11收容基板w、旋转卡盘13、旋转马达15、喷嘴17、喷嘴移动部19、喷嘴21、喷嘴移动部23、喷嘴25、喷嘴27、流体供给单元29、单元动作部31、多个护板33及温度传感器ts1～温度传感器ts6。而且，腔室11收容配管g1、配管g2、配管g3、配管g4、配管g5、配管g6各自的一部分。
[0232]
旋转卡盘13保持基板w并旋转。旋转卡盘13相当于“基板保持部”的一例。具体而言，旋转卡盘13一边在腔室11内水平保持基板w，一边使基板w绕旋转轴线ax旋转。
[0233]
旋转卡盘13包括多个卡盘构件130及旋转底座131。多个卡盘构件130设于旋转底座131。多个卡盘构件130以水平姿势保持基板w。旋转底座131为大致圆板状，以水平姿势支撑多个卡盘构件130。旋转马达15使旋转底座131绕旋转轴线ax旋转。因此，旋转底座131绕旋转轴线ax旋转。其结果为，设于旋转底座131的多个卡盘构件130所保持的基板w绕旋转轴线ax旋转。具体而言，旋转马达15包括马达本体150及轴151。轴151结合于旋转底座131。另外，马达本体150通过使轴151旋转，从而使旋转底座131旋转。
[0234]
喷嘴17在基板w的旋转中，向基板w喷出处理液lq1。配管g1对喷嘴17供给处理液lq1。流体供给部v1调节处理液lq1对喷嘴17的供给。温度传感器ts1检测在配管g1中流动的处理液lq1的温度，输出表示温度的检测信号。温度传感器ts1例如包含热电偶。
[0235]
喷嘴移动部19在大致铅垂方向及大致水平方向移动喷嘴17。具体而言，喷嘴移动部19包括臂191、转动轴193及喷嘴移动机构195。臂191沿着大致水平方向延伸。在臂191的前端部配置有喷嘴17。臂191结合于转动轴193。转动轴193沿着大致铅垂方向延伸。喷嘴移动机构195使转动轴193绕沿着铅垂方向的转动轴线转动，使臂191沿着大致水平面转动。其结果为，喷嘴17沿着大致水平面移动。而且，喷嘴移动机构195使转动轴193沿着大致铅垂方向升降，使臂191升降。其结果为，喷嘴17沿着大致铅垂方向移动。喷嘴移动机构195例如包括滚珠螺杆机构、及对滚珠螺杆机构给予驱动力的电动马达。
[0236]
喷嘴21在基板w的旋转中，向基板w喷出处理液lq21与处理液lq22的混合液。配管g2对喷嘴21供给混合液。流体供给部v2调节混合液对喷嘴21的供给。温度传感器ts2检测在配管g2中流动的混合液的温度，输出表示温度的检测信号。温度传感器ts2例如包含热电偶。
[0237]
喷嘴移动部23在大致铅垂方向及大致水平方向移动喷嘴21。具体而言，喷嘴移动部23包括臂231、转动轴233及喷嘴移动机构235。臂231沿着大致水平方向延伸。在臂231的前端部配置有喷嘴21。臂231结合于转动轴233。转动轴233沿着大致铅垂方向延伸。喷嘴移动机构235使转动轴233绕沿着大致铅垂方向的转动轴线转动，使臂231沿着大致水平面转动。其结果为，喷嘴21沿着大致水平面移动。而且，喷嘴移动机构235使转动轴233沿着大致铅垂方向升降，使臂231升降。其结果为，喷嘴21沿着大致铅垂方向移动。喷嘴移动机构235例如包括滚珠螺杆机构、及对滚珠螺杆机构给予驱动力的电动马达。
[0238]
喷嘴25在基板w的旋转中，向基板w喷出处理液lq3。配管g3对喷嘴25供给处理液lq3。流体供给部v3调节处理液lq3对喷嘴25的供给。温度传感器ts3检测在配管g3中流动的处理液lq3的温度，输出表示温度的检测信号。温度传感器ts3例如包含热电偶。
[0239]
喷嘴27在基板w的旋转中，向卡盘构件130喷出处理液lq4。配管g4对喷嘴27供给处理液lq4。流体供给部v4调节处理液lq4对喷嘴27的供给。温度传感器ts4检测在配管g4中流动的处理液lq4的温度，输出表示温度的检测信号。温度传感器ts4例如包含热电偶。
[0240]
流体供给单元29位于旋转卡盘13的上方。流体供给单元29包括阻断板291、支轴293、喷嘴295及喷嘴297。
[0241]
阻断板291例如为大致圆板状。阻断板291以阻断板291的下表面成为大致水平的方式配置。阻断板291以阻断板291的中心轴线位于旋转轴线ax上的方式配置。阻断板291的下表面与旋转卡盘13所保持的基板w相向。阻断板291以水平姿势连结于支轴293的下端。
[0242]
单元动作部31使流体供给单元29在接近位置与退避位置之间上升或下降。接近位置表示阻断板291下降而在基板w的上表面空开规定间隔接近的位置。在接近位置，阻断板291覆盖基板w的表面，将基板w的表面的上方阻断。即，在接近位置，阻断板291与基板w的表面相向，覆盖基板w的表面的上方。退避位置表示较接近位置更靠上方，且阻断板291上升而远离基板w的位置。图3中，阻断板291位于退避位置。而且，单元动作部31在接近位置，使流体供给单元29旋转。例如，单元动作部31包括滚珠螺杆机构、及对滚珠螺杆机构给予驱动力的升降马达。升降马达例如为伺服马达。例如，单元动作部31包括马达、及将马达的旋转传递至流体供给单元29的传递机构。
[0243]
流体供给单元29的喷嘴295及喷嘴297配置于阻断板291及支轴293的内部。喷嘴295的前端及喷嘴297的前端从阻断板291的下表面露出。
[0244]
喷嘴295在流体供给单元29位于接近位置时，向旋转中的基板w喷出处理液lq5。在喷嘴295连接有配管g5。配管g5对喷嘴295供给处理液lq5。流体供给部v5调节处理液lq5对喷嘴295的供给。温度传感器ts5检测在配管g5中流动的处理液lq5的温度，输出表示温度的检测信号。温度传感器ts5例如包含热电偶。
[0245]
喷嘴297在流体供给单元29位于接近位置时，向旋转中的基板w喷出惰性气体ga。在喷嘴297连接有配管g6。配管g6对喷嘴297供给惰性气体ga。流体供给部v6调节惰性气体ga对喷嘴297的供给。温度传感器ts6检测在配管g6中流动的惰性气体ga的温度，输出表示温度的检测信号。温度传感器ts6例如包含热电偶。
[0246]
多个护板33各自具有大致筒形状。多个护板33各自承接从基板w排出的处理流体(处理液lq1、处理液lq21与处理液lq22的混合液、处理液lq3、或处理液lq5)。多个护板33各自可上升或下降。
[0247]
图4(a)为表示流体供给部v1的图。此外，流体供给部v3～流体供给部v6的结构与流体供给部v1的结构相同。因此，在流体供给部v3～流体供给部v6的说明中，适当参照图4(a)，适当使用对流体供给部v1的零件附注的参照符号。
[0248]
如图4(a)所示，流体供给部v1包括流量计fw1、流量调整阀v11及供给阀v12。流量计fw1、流量调整阀v11及供给阀v12插设于配管g1中。流量计fw1检测在配管g1中流动的处理流体(图3的示例中为处理液lq1)的流量，输出表示流量的检测信号。流量调整阀v11调整在配管g1中流动的处理流体的流量。流量调整阀v11例如为马达针阀。供给阀v12将配管g1开放或堵塞，切换处理流体对喷嘴17的供给开始与供给停止。供给阀v12例如为溢流阀(relief valve)。
[0249]
图4(b)为表示流体供给部v2的图。如图4(b)所示，流体供给部v2包括阀v21、阀v22及混合部mxn。阀v21切换处理液lq21对混合部mxn的供给开始与供给停止。阀v22切换处理液lq22对混合部mxn的供给开始与供给停止。混合部mxn将处理液lq21与处理液lq22混合，将混合液供给于配管g2及喷嘴21。具体而言，混合部mxn包含混合阀v23及流量计fw2。混合
阀v23将处理液lq21与处理液lq22混合。流量计fw2检测混合液的流量，输出检测信号。处理液lq21例如为硫酸，处理液lq22例如为过氧化氢水。
[0250]
以下，有时将图3～图4(b)所示的喷嘴17、喷嘴21、喷嘴25、喷嘴27、喷嘴295、喷嘴297统称而记载为“喷嘴nz”。有时将阀v11、阀v12、阀v21、阀v22、阀v23统称而记载为“阀vb”。有时将臂191、臂231统称为记载为“臂am”。
[0251]
图5为表示基板处理装置200的图。图5中，为了简化附图，对与供给于配管g1的处理流体(图3的示例中为处理液lq1)有关的零件进行说明。此外，与供给于配管g2～配管g6的处理流体有关的零件的结构和与供给于配管g1的处理流体有关的零件的结构相同。因此，在与供给于配管g2～配管g6的处理流体有关的零件的说明中，适当参照图5，适当使用对与供给于配管g1的处理流体有关的零件附注的参照符号。
[0252]
如图5所示，基板处理装置200在各塔tw中，针对每个处理装置1而包括配管g1及流体供给部v1。流体供给部v1收容于与塔tw对应的处理流体箱4。各配管g1的一部分收容于腔室11，各配管g1的一部分收容于处理流体箱4。
[0253]
而且，基板处理装置200包括处理流体罐50、循环配管51、泵55、脉冲阻尼器(pulse damper)56、过滤器57及温度调节器58。处理流体罐50、泵55、脉冲阻尼器56、过滤器57及温度调节器58收容于处理流体柜5。循环配管51的一部分收容于处理流体柜5，循环配管51的一部分收容于处理流体箱4。
[0254]
处理流体罐50蓄积处理流体(图3的示例中为处理液lq1)。循环配管51包括从处理流体罐50向下游延伸的上游配管52、从上游配管52分支的多个个别配管53、及从各个别配管53向下游延伸至处理流体罐50的下游配管54。
[0255]
上游配管52的上游端连接于处理流体罐50。下游配管54的下游端连接于处理流体罐50。上游配管52的上游端相当于循环配管51的上游端，下游配管54的下游端相当于循环配管51的下游端。各个别配管53从上游配管52的下游端向下游配管54的上游端延伸。
[0256]
多个个别配管53分别对应于多个塔tw。与一个塔tw所含的三个处理装置1对应的三个配管g1连接于一个个别配管53。
[0257]
泵55将处理流体罐50内的处理流体送出至循环配管51。脉冲阻尼器56抑制从泵55送出的处理流体的脉动。过滤器57从在循环配管51中流动的处理流体中除去异物。温度调节器58调节处理流体罐50内的处理流体的温度。温度调节器58例如为对处理流体进行加热的加热器。
[0258]
泵55、脉冲阻尼器56、过滤器57及温度调节器58配置于上游配管52。处理流体罐50内的处理流体由泵55送至上游配管52，从上游配管52流至多个个别配管53。个别配管53内的处理流体流至下游配管54，从下游配管54回到处理流体罐50。处理流体由温度调节器58加热，维持于规定温度。因此，在循环配管51中循环的处理流体的温度维持于规定温度。另外，在循环配管51内维持于规定温度的处理流体被供给于配管g1。
[0259]
而且，基板处理装置200还包括多个排出管p7、多个温度传感器ts7及多个流量计fw3。多个排出管p7分别与多个处理装置1对应地配置。排出管p7连接于处理装置1，将护板33承接的处理流体(图3的示例中为处理液lq1)排出至处理装置1的外部。在排出管p7中插设有流量计fw3。另外，流量计fw3检测在排出管p7中流动的处理流体的流量，输出表示流量的检测信号。而且，温度传感器ts7检测在排出管p7中流动的处理流体的温度，输出表示温
度的检测信号。温度传感器ts7例如包含热电偶。
[0260]
接下来，参照图6对基板处理装置200的控制装置3进行说明。图6为表示控制装置3的框图。控制装置3例如为计算机。如图6所示，控制装置3包括控制部3a、存储部3b、通信部3c、输入部3d及显示部3e。
[0261]
控制部3a包括中央处理器(central processing unit，cpu)及图形处理器(graphics processing unit，gpu)等处理器。存储部3b包含存储装置，存储数据及计算机程序。控制部3a的处理器执行存储部3b的存储装置所存储的计算机程序，控制基板处理装置200的各零件。
[0262]
例如，存储部3b包含半导体存储器等主存储装置、与半导体存储器及硬盘驱动器(hard disc drive)等辅助存储装置。存储部3b也可包括光盘等可移动媒体(removable media)。存储部3b例如为非暂时性计算机可读取存储介质。
[0263]
具体而言，存储部3b存储控制程序pg1及多个处理条件信息cd。控制部3a执行控制程序pg1，基于至少一个处理条件信息cd来控制基板处理装置200的各零件。多个处理条件信息cd各自为表示基板w的处理条件的信息。多个处理条件信息cd各自包含配方信息rp及多个参数信息pm。配方信息rp规定基板w的处理内容及处理顺序。多个参数信息pm各自为用于实现按照配方信息rp的处理的设定值，且表示针对基板处理装置200的零件的设定值。配方信息rp及参数信息pm为基板处理装置200的软件零件。
[0264]
通信部3c连接于网络，与外部装置通信。本实施方式中，网络例如包括国际互联网(internet)、局域网(local area network，lan)、公用电话网及近距离无线网络。通信部3c为通信机，例如为网络接口控制器(network interface controller)。
[0265]
输入部3d为用于对控制部3a输入各种信息的输入机器。例如，输入部3d为键盘(keyboard)及定点设备(pointing device)、或触摸屏(touch panel)。
[0266]
显示部3e显示图像。显示部3e例如为液晶显示器或有机电致发光显示器。
[0267]
控制部3a从检测计群sns获取时序数据td1，并使时序数据td1存储于存储部3b。此时，控制部3a使时序数据td1与批次识别信息、基板识别信息、处理顺序信息(以下记作“处理顺序信息xa”)、及批次间隔信息(以下记作“批次间隔信息xb”)关联地存储于存储部3b。批次识别信息为用于识别批次的信息(例如批次编号)。批次表示基板w的处理单位。一个批次由预定数量的基板w构成。基板识别信息为用于识别基板w的信息。处理顺序信息xa为表示对构成一个批次的预定数量的基板w的处理顺序的信息。批次间隔信息xb为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信息。
[0268]
时序数据td1表示基板处理装置200使用的物体的物理量。另外，检测计群sns包括于基板处理装置200。检测计群sns每当处理一片基板w时，在从基板w的处理开始到处理结束为止的期间中，检测基板处理装置200使用的物体的物理量，将表示物理量的检测信号输出至控制部3a。另外，控制部3a每当处理一片基板w时，使从基板w的处理开始到处理结束为止的期间中由检测计群sns输出的检测信号所表示的物理量，与时间关联地作为时序数据td1而存储于存储部3b。
[0269]
多个时序数据td1各自包含至少一个个别时序数据td。本实施方式中，多个时序数据td1各自包含一个或多个个别时序数据td。一个个别时序数据td为表示一个物体的物理量的时序数据。
[0270]
本实施方式中，“基板处理装置200使用的物体”为“处理流体”和/或“基板处理装置200的零件”。“零件”可包含一个构件，或也可包含多个构件。在基板处理装置200使用的物体为处理流体的情况下，例如“基板处理装置200使用的物体的物理量”为“处理流体的流量”、“处理流体的温度”或“处理流体的浓度”。在基板处理装置200使用的物体为基板处理装置200的零件的情况下，例如“基板处理装置200使用的物体的物理量”为“表示零件的动作和/或状态的物理量”。
[0271]
具体而言，检测计群sns包含流量计群3f、温度传感器群3g及传感器群3h。
[0272]
流量计群3f包含多个流量计fw。多个流量计fw各自在每当处理一片基板w时，在从基板w的处理开始到处理结束为止的期间中，检测处理流体的流量，输出表示流量的检测信号。另外，控制部3a在每当处理一片基板w时，使从基板w的处理开始到处理结束为止的期间中由各流量计fw输出的检测信号所表示的流量，与时间关联地作为时序数据td1而存储于存储部3b。此时，一个个别时序数据td为表示喷出处理流体时对一个喷嘴nz供给的处理流体的流量的时序数据。
[0273]
多个流量计fw包含多个流量计fw1、多个流量计fw2及多个流量计fw3(图3及图4(a)与图4(b))。而且，多个流量计fw也可还包括另外的一个以上的流量计。此时，流量计可配置于基板处理装置200的任意位置(例如配管)。
[0274]
温度传感器群3g包含多个温度传感器ts。多个温度传感器ts各自在每当处理一片基板w时，在从基板w的处理开始到处理结束为止的期间中，检测处理流体的温度，输出表示温度的检测信号。另外，控制部3a在每当处理一片基板w时，使从基板w的处理开始到处理结束为止的期间中从各温度传感器ts输出的检测信号所表示的温度，与时间关联地作为时序数据td1而存储于存储部3b。此时，一个个别时序数据td为表示喷出处理流体时对一个喷嘴nz供给的处理流体的温度的时序数据。
[0275]
多个温度传感器ts包含多个温度传感器ts1、多个温度传感器ts2、多个温度传感器ts3、多个温度传感器ts4、多个温度传感器ts5、多个温度传感器ts6及多个温度传感器ts7(图3)。而且，多个温度传感器ts也可还包括另外的一个以上的温度传感器。此时，温度传感器可配置于基板处理装置200的任意位置(例如配管、处理流体罐50或腔室11)。
[0276]
传感器群3h包含多个传感器sn。多个传感器sn各自在每当处理一片基板w时，在从基板w的处理开始到处理结束为止的期间中，检测表示基板处理装置200使用的零件的动作和/或状态的物理量，输出表示物理量的检测信号，所述物理量表示零件的动作和/或状态。另外，控制部3a在每当处理一片基板w时，使从基板w的处理开始到处理结束为止的期间中从各传感器sn输出的检测信号所表示的、表示零件的动作和/或状态的物理量，与时间关联地作为时序数据td1而存储于存储部3b。此时，一个个别时序数据td为表示一个零件的动作和/或状态的物理量的时序数据。
[0277]
基板处理装置200使用的零件例如为使基板w旋转的旋转卡盘13、使向基板w喷出处理流体的喷嘴nz移动的臂am、空开间隔地覆盖基板w的上表面的阻断板291、承接从基板w飞散的处理流体的护板33、或调节处理流体的流动的阀vb。
[0278]
在基板处理装置200使用的零件为旋转卡盘13的情况下，旋转卡盘13的物理量表示与旋转卡盘13的动作和/或状态有关的量。例如，物理量表示旋转卡盘13的转速。因此，传感器sn检测旋转卡盘13的转速，输出表示转速的检测信号。此时，传感器sn以光学方式、电
方式或机械方式检测旋转卡盘13的转速。旋转卡盘13的转速表示基板w的转速。此外，传感器sn也可检测旋转马达15的转速。此时，基板处理装置200使用的零件为旋转马达15，旋转马达15的物理量为旋转马达15的转速。
[0279]
在基板处理装置200使用的零件为臂am的情况下，臂am的物理量表示与臂am的动作和/或状态有关的量。例如，物理量为表示执行喷嘴nz的扫描处理时的、臂am的位置或位移的信息。所谓扫描处理，为喷嘴nz一边沿着基板w的径向在处理流体的喷出位置移动，一边利用处理流体对基板w进行处理。此时，传感器sn检测臂am的位置或位移，输出表示位置或位移的检测信号。此时，传感器sn以光学方式、电方式或机械方式检测臂am的位置或位移。
[0280]
在基板处理装置200使用的零件为阻断板291的情况下，阻断板291的物理量表示与阻断板291的动作和/或状态有关的量。例如，物理量为表示阻断板291的沿着铅垂方向的位置的信息、表示位移的信息或表示转速的信息。此时，传感器sn检测阻断板291的位置、位移或转速，输出表示位置、位移或转速的检测信号。此时，传感器sn以光学方式、电方式或机械方式检测阻断板291的位置、位移或转速。
[0281]
在基板处理装置200使用的零件为护板33的情况下，护板33的物理量表示与护板33的动作和/或状态有关的量。例如，物理量为表示护板33的位置或位移的信息。此时，传感器sn检测护板33的位置或位移，输出表示位置或位移的检测信号。此时，传感器sn以光学方式、电方式或机械方式检测护板33的位置或位移。
[0282]
在基板处理装置200使用的零件为阀vb的情况下，阀vb的物理量表示与阀vb的动作和/或状态有关的量。例如，物理量为表示阀vb的开度的信息。此时，传感器sn检测阀vb的开度，输出表示开度的检测信号。此时，传感器sn以光学方式、电方式或机械方式检测阀vb的开度。开度表示阀vb打开的程度。
[0283]
多个传感器sn也可包含多个浓度传感器。此时，多个浓度传感器在每当处理一片基板w时，在从基板w的处理开始到处理结束为止的期间中，直接或间接地检测处理流体的浓度，输出表示浓度的检测信号。另外，控制部3a在每当处理一片基板w时，使从基板w的处理开始到处理结束为止的期间中从各浓度传感器输出的检测信号所表示的浓度，与时间关联地作为时序数据td1而存储于存储部3b。此时，一个个别时序数据td为表示喷出处理流体时对一个喷嘴nz供给的处理流体的浓度的时序数据。此外，浓度也可由处理流体的比重表示。此时，浓度传感器检测处理流体的比重。而且，浓度传感器可配置于配管，或也可配置于处理流体罐50。
[0284]
控制部3a例如以将时序数据td1发送至学习数据制作装置400的方式控制通信部3c。其结果为，通信部3c经由网络将时序数据td1发送至学习数据制作装置400。
[0285]
控制部3a例如以显示时序数据td1的方式控制显示部3e。其结果为，显示部3e显示时序数据td1。
[0286]
接下来，参照图2、图3、图6及图7，对基板处理装置200执行的基板处理方法进行说明。图7为表示本实施方式的基板处理方法的流程图。如图7所示，基板处理方法包括步骤s1～步骤s10。基板处理方法由基板处理装置200对每一片基板w执行。
[0287]
如图7所示，步骤s1中，图2所示的基板处理装置200的中央机器人cr将基板w搬入至处理装置1。接着，在图3所示的处理装置1中，旋转卡盘13的卡盘构件130保持基板w。
[0288]
接着，步骤s2中，图6所示的控制装置3的控制部3a开始从检测计群sns获取及存储时序数据td1。
[0289]
接着，步骤s3中，旋转卡盘13开始旋转基板w。
[0290]
接着，步骤s4中，处理装置1的喷嘴17向基板w的表面喷出处理液lq1，对基板w进行处理。
[0291]
接着，步骤s5中，处理装置1的喷嘴25向基板w的表面喷出处理液lq3，从基板w冲洗处理液lq1。
[0292]
接着，步骤s6中，处理装置1的喷嘴295向基板w的表面喷出处理液lq5，将处理液lq3替换为处理液lq5，由此使基板w干燥。
[0293]
接着，步骤s7中，处理装置1的喷嘴297向基板w的表面喷出惰性气体ga，使基板w干燥。
[0294]
接着，步骤s8中，处理装置1的旋转卡盘13停止旋转基板w，卡盘构件130开放基板w。
[0295]
接着，步骤s9中，控制装置3的控制部3a停止从检测计群sns获取及存储时序数据td1。
[0296]
接着，步骤s10中，基板处理装置200的中央机器人cr将基板w从处理装置1搬出。
[0297]
以上，通过基板处理装置200执行步骤s1～步骤s10，从而一片基板w的处理结束。
[0298]
此外，图2～图7的说明中，关于基板处理装置200，可将“基板w”改称为“学习对象基板w1”。而且，图2～图7的说明中，可将“基板处理装置200”改称为“基板处理装置300”，将“时序数据td1”改称为“时序数据td2”，将“基板w”改称为“处理对象基板”。
[0299]
接下来，参照图8～图18对学习数据制作装置400进行说明。首先，参照图8对学习数据制作装置400进行说明。学习数据制作装置400例如为计算机。图8为表示学习数据制作装置400的框图。如图8所示，学习数据制作装置400包括处理部4a、存储部4b、通信部4c、输入部4d及显示部4e。
[0300]
处理部4a包括cpu及gpu等处理器。存储部4b包含存储装置，存储数据及计算机程序。处理部4a的处理器执行存储部4b的存储装置所存储的计算机程序，执行各种处理。例如，存储部4b与存储部3b同样地，包括主存储装置及辅助存储装置，也可包括可移动媒体。存储部4b例如为非暂时性计算机可读取存储介质。
[0301]
具体而言，存储部4b存储学习数据制作程序pg2。处理部4a执行学习数据制作程序pg2，作为学习数据制作部61、存储控制部63及显示控制部65发挥功能。即，处理部4a包含学习数据制作部61、存储控制部63及显示控制部65。学习数据制作部61包含获取部611及特征量计算部613。
[0302]
通信部4c连接于网络，与外部装置通信。通信部4c为通信机，例如为网络接口控制器。
[0303]
输入部4d为用于对处理部4a输入各种信息的输入机器。例如，输入部4d为键盘及定点设备、或触摸屏。
[0304]
显示部4e显示图像。显示部4e例如为液晶显示器或有机电致发光显示器。
[0305]
接下来，参照图8对处理部4a进行说明。处理部4a的学习数据制作部61基于时序数据td1而制作学习数据tnd。学习数据tnd为机器学习的对象。另外，存储控制部63以存储学
习数据tnd的方式控制存储部4b。其结果为，存储部4b与批次识别信息及基板识别信息关联地存储学习数据tnd。例如，针对处理一片学习对象基板w1时获取的至少一个时序数据td1，制作一个学习数据tnd。
[0306]
学习数据tnd包含与学习对象基板w1的处理有关的特征量xd、及与学习对象基板w1的处理有关的异常主要原因信息yd。特征量xd包含第一特征量信息xd1。特征量xd也可包含第二特征量信息xd2和/或第三特征量信息xd3。本实施方式中，特征量xd包含第一特征量信息xd1、第二特征量信息xd2及第三特征量信息xd3。
[0307]
具体而言，学习数据制作部61的获取部611从基板处理装置200获取多个时序数据td1。此时，批次识别信息、基板识别信息、处理顺序信息xa及批次间隔信息xb附属于各时序数据td1。例如，获取部611经由网络及通信部4c从基板处理装置200获取多个时序数据td1。
[0308]
另外，存储部4b将各时序数据td1与批次识别信息、基板识别信息、处理顺序信息xa及批次间隔信息xb关联地存储。
[0309]
进而，获取部611从时序数据td1获取至少一个区间数据。本实施方式中，获取部611从时序数据td1获取多个区间数据。区间数据为包含时序数据的时间推移的特征部分出现的期间的、时间区间的数据，且为时序数据td1的一部分数据。
[0310]
另外，特征量计算部613针对每个区间数据，基于区间数据而算出第一特征量信息xd1。第一特征量信息xd1表示区间数据的时间推移的特征。第一特征量信息xd1由时间表示。第一特征量信息xd1相当于“特征量信息”的一例。第一特征量信息xd1的详情将在下文中描述。
[0311]
而且，输入部4d从用户受理多个异常主要原因信息yd。
[0312]
另外，存储控制部63对第一特征量信息xd1标记异常主要原因信息yd。具体而言，存储控制部63以将第一特征量信息xd1与异常主要原因信息yd关联地存储的方式控制存储部4b。其结果为，存储部4b将第一特征量信息xd1与异常主要原因信息yd关联地存储。异常主要原因信息yd表示经处理流体进行处理后的学习对象基板w1的异常的主要原因。
[0313]
而且，存储控制部63对第二特征量信息xd2标记异常主要原因信息yd。具体而言，存储控制部63以将异常主要原因信息yd关联于第二特征量信息xd2而存储的方式控制存储部4b。其结果为，存储部4b将异常主要原因信息yd关联于第二特征量信息xd2而存储。第二特征量信息xd2为表示对构成一个批次的预定数量的学习对象基板w1的处理顺序的处理顺序信息xa、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xb。
[0314]
进而，存储控制部63对第三特征量信息xd3标记异常主要原因信息yd。具体而言，存储控制部63以异常主要原因信息yd关联于第三特征量信息xd3而存储的方式控制存储部4b。其结果为，存储部4b将异常主要原因信息yd关联于第三特征量信息xd3而存储。第三特征量信息xd3为区间数据、物体信息(以下记作“物体信息ida”)或物理量信息(以下记作“物理量信息idb”)。区间数据为由获取部611从时序数据td1获取的区间数据。
[0315]
物体信息ida为用于识别基板处理装置200使用的物体的信息。在物体为“处理流体”的情况下，物体信息ida为用于识别“处理流体”的信息。在物体为“基板处理装置的零件”的情况下，物体信息ida为用于识别“零件”的信息。
[0316]
物理量信息idb为用于识别基板处理装置200使用的物体的物理量的类别的信息。
在物体为“处理流体”的情况下，物理量信息idb为表示物理量的类别为“处理流体的流量”的信息、表示物理量的类别为“处理流体的温度”的信息、或表示物理量的类别为“处理流体的浓度”的信息。在物体为“零件”的情况下，物理量信息idb为表示物理量的类别为“与零件的动作和/或状态有关的物理量”的信息。例如，在物体为“零件”的情况下，物理量信息idb为表示物理量的类别为“零件的转速”、“零件的位置”、“零件的位移”或“零件的开度”的信息。
[0317]
以上，如参照图8所说明，存储部4b将异常主要原因信息yd关联于第一特征量信息xd1、第二特征量信息xd2及第三特征量信息xd3而存储。
[0318]
即，存储控制部63对特征量xd标记异常主要原因信息yd。具体而言，存储控制部63以针对特征量xd而与异常主要原因信息yd关联地存储的方式控制存储部4b。其结果为，存储部4b存储特征量xd及异常主要原因信息yd作为学习数据tnd。即，特征量xd及异常主要原因信息yd构成学习数据tnd。例如，一个学习数据tnd包含基于对一片学习对象基板w1进行处理时获取的至少一个时序数据td1而算出的特征量xd、及关联于特征量xd的异常主要原因信息yd。
[0319]
异常主要原因信息yd包含第一异常主要原因信息yd1及第二异常主要原因信息yd2中的至少一个。本实施方式中，异常主要原因信息yd包含第一异常主要原因信息yd1及第二异常主要原因信息yd2。
[0320]
第一异常主要原因信息yd1为与基板处理装置200对学习对象基板w1进行处理时的处理流体有关的信息，且为表示经处理流体进行处理后的学习对象基板w1的异常的主要原因的信息。第二异常主要原因信息yd2为与基板处理装置200的零件有关的信息，且为表示经处理流体进行处理后的学习对象基板w1的异常的主要原因的信息。输入部4d从用户受理多个第一异常主要原因信息yd1及多个第二异常主要原因信息yd2。另外，存储控制部63对第一特征量信息xd1～第三特征量信息xd3标记第一异常主要原因信息yd1及第二异常主要原因信息yd2。具体而言，存储控制部63以将第一异常主要原因信息yd1及第二异常主要原因信息yd2关联于第一特征量信息xd1～第三特征量信息xd3而存储的方式控制存储部4b。其结果为，存储部4b将第一异常主要原因信息yd1及第二异常主要原因信息yd2关联于第一特征量信息xd1～第三特征量信息xd3而存储。
[0321]
此外，显示控制部65以显示时序数据td1或学习数据tnd的方式控制显示部4e。其结果为，显示部4e显示时序数据td1或学习数据tnd。
[0322]
接着，参照图8及图9对时序数据td1进行说明。此说明中，举出基板处理装置200使用的物体的物理量为“处理流体的流量”的示例。作为“处理流体”，列举处理液lq1、处理液lq3、处理液lq5及惰性气体ga为例。
[0323]
图9为表示时序数据td1的一例的图表。图9中，横轴表示时间，纵轴表示处理流体的流量。
[0324]
如图9所示，时序数据td1包含个别时序数据td11、个别时序数据td12、个别时序数据td13及个别时序数据td14作为个别时序数据td。个别时序数据td11为喷出处理液lq1时对喷嘴17供给的处理液lq1的流量，且表示由流体供给部v1的流量计fw1所检测的流量。个别时序数据td12为喷出处理液lq3时对喷嘴25供给的处理液lq3的流量，且表示由流体供给部v3的流量计fw1所检测的流量。个别时序数据td13为喷出处理液lq5时对喷嘴295供给的
处理液lq5的流量，且表示由流体供给部v5的流量计fw1所检测的流量。个别时序数据td14为喷出惰性气体ga时对喷嘴297供给的惰性气体ga的流量，且表示由流体供给部v6的流量计fw1所检测的流量。
[0325]
如图8及图9所示，获取部611从时序数据td1获取时间区间t11～时间区间t14各自的区间数据、时间区间t21～时间区间t24各自的区间数据、时间区间t31～时间区间t34各自的区间数据、时间区间t41～时间区间t44各自的区间数据、及时间区间t51和时间区间t61各自的区间数据。
[0326]
以下，有时将“区间数据”统称而记载为“区间数据sx”。
[0327]
时间区间t11～时间区间t14、时间区间t21～时间区间t24、时间区间t31～时间区间t34、时间区间t41～时间区间t44、时间区间t51、时间区间t61为包含时序数据td1的时间推移的特征部分的区间。例如，时间区间t11～时间区间t14、时间区间t21～时间区间t24、时间区间t31～时间区间t34、时间区间t41～时间区间t44、时间区间t51、时间区间t61在针对多个学习对象基板w1各自的多个时序数据td1中相同。例如，时间区间t11～时间区间t14、时间区间t21～时间区间t24、时间区间t31～时间区间t34、时间区间t41～时间区间t44、时间区间t51、时间区间t61在针对所有学习对象基板w1的所有时序数据td1中相同。
[0328]
时间区间t11～时间区间t14表示时序数据td1(个别时序数据td)的时间推移的第一特征部分有可能出现的期间。第一特征部分为接通延迟(on delay)部分。接通延迟部分为时序数据td1(个别时序数据td)中的、表示从处理流体的喷出开始而流量增加直至到达目标值为止的流量的部分。接通延迟部分表示处理流体的流量向目标值增加时，处理流体的流量到达目标值为止的延迟。此外，图9中，处理流体的“喷出控制开始时”记载为“处理液lq1接通”、“处理液lq3接通”、“处理液lq5接通”及“惰性气体ga接通”。“喷出控制开始时”表示控制部3a对供给阀v12(图4(a))输出开放指示信号时。开放指示信号为指示打开供给阀v12的信号(阀接通信号)。以下，有时将喷出控制开始时记载为“喷出控制开始时tx”。
[0329]
时间区间t21～时间区间t24表示时序数据td1(个别时序数据td)的时间推移的第二特征部分有可能出现的期间。第二特征部分为超调量部分。超调量部分为时序数据td1(个别时序数据td)中的、从处理流体的喷出开始而流量增加而突破并超过目标值的部分。
[0330]
时间区间t31～时间区间t34表示时序数据td1(个别时序数据td)的时间推移的第三特征部分有可能出现的期间。第三特征部分为变动部分。变动部分为时序数据td1(个别时序数据td)中的、流量在目标值的附近上下变动的部分。
[0331]
时间区间t41～时间区间t44表示时序数据td1(个别时序数据td)的时间推移的第四特征部分有可能出现的期间。第四特征部分为关断延迟(off delay)部分。关断延迟部分为时序数据td1(个别时序数据td)中的、表示从处理流体的喷出停止而流量减少直至到达下限目标值(例如零)为止的流量的部分。关断延迟部分表示处理流体的流量向下限目标值(例如零)减少时，处理流体的流量到达下限目标值为止的延迟。此外，图9中，处理流体的“喷出控制停止时”记载为“处理液lq1关断”、“处理液lq3关断”、“处理液lq5关断”及“惰性气体ga关断”。“喷出控制停止时”表示控制部3a对供给阀v12(图4(a))输出堵塞指示信号时。堵塞指示信号为指示关闭供给阀v12的信号(阀关断信号)。以下，有时将喷出控制停止时记载为“喷出控制停止时ty”。
[0332]
时间区间t51表示时序数据td1(个别时序数据td11、个别时序数据td12)的时间推
移的第五特征部分有可能出现的期间。第五特征部分为交叠部分。交叠部分为时序数据td1中的、彼此相邻的个别时序数据td11与个别时序数据td12的时间上的重复部分。即，交叠部分为时序数据td1中的、互不相同的两个处理流体的流量在时间上重复的部分。
[0333]
时间区间t61表示时序数据td1(个别时序数据td12、个别时序数据td13)的时间推移的第六特征部分有可能出现的期间。第六特征部分为间歇部分。间歇部分为时序数据td1中的、彼此相邻的个别时序数据td12与个别时序数据td13的间隔在时间上空开的部分。即，间歇部分为时序数据td1中的、互不相同的两个处理流体的间隔在时间上空开的部分。
[0334]
接下来，泛化地定义接通延迟部分、超调量部分、变动部分、关断延迟部分、交叠部分及间歇部分。下述定义中，“物体”表示“基板处理装置200使用的物体”，“物理量”表示“物体的物理量”。
[0335]
即，接通延迟部分为时序数据td1(个别时序数据td)中的、表示从物体的使用开始或使用状态变更而物体的物理量增加直至到达目标值为止的物理量的部分。接通延迟部分表示物体的物理量向目标值增加时，物体的物理量到达目标值为止的延迟。
[0336]
超调量部分为时序数据td1(个别时序数据td)中的、从物体的使用开始或使用状态变更而物体的物理量增加而突破并超过目标值的部分。
[0337]
变动部分为时序数据td1(个别时序数据td)中的、物体的物理量在目标值的附近上下变动的部分。
[0338]
关断延迟部分为时序数据td1(个别时序数据td)中的、表示从物体的使用停止或使用状态变更而物体的物理量减少直至到达下限目标值的物理量的部分。关断延迟部分表示物体的物理量向下限目标值减少时，物体的物理量到达下限目标值为止的延迟。
[0339]
交叠部分为时序数据td1中的、互不相同的两个物体的物理量在时间上重复的部分。
[0340]
间歇部分为时序数据td1中的、互不相同的两个物体的间隔在时间上空开的部分。
[0341]
接下来，参照图10对特征量xd进行说明。图10为表示特征量xd的图。如图10所示，特征量xd的第一特征量信息xd1包含第一信息x1、第二信息x2、第三信息x3、第四信息x4、第五信息x5及第六信息x6中的至少一个信息。图10的示例中，第一特征量信息xd1包含第一信息x1、第二信息x2、第三信息x3、第四信息x4、第五信息x5及第六信息x6。
[0342]
第一信息x1表示时序数据td1的接通延迟部分的时间推移的特征。即，第一信息x1为表示处理流体的流量向目标值增加时的流量状态的信息。
[0343]
第一信息x1包含信息a、信息b、信息c及信息d中的至少一个信息。图10的示例中，第一信息x1包含信息a～信息d。信息a～信息c由时间表示，信息d由角度表示。信息a～信息d的详情将在下文中描述。
[0344]
第二信息x2表示时序数据td1的超调量部分的时间推移的特征。即，第二信息x2为表示处理流体的流量的超调量的信息。
[0345]
第二信息x2包含信息e及信息f中的至少一个信息。图10的示例中，第二信息x2包含信息e及信息f。信息e由时间表示，信息f由流量表示。信息e、信息f的详情将在下文中描述。
[0346]
第三信息x3表示时序数据td1的变动部分的时间推移的特征。即，第三信息x3为表示处理流体的流量的变动(时间变动)的信息。
[0347]
第三信息x3包含信息g、信息h及信息i中的至少一个信息。图10的示例中，第三信息x3包含信息g～信息i。信息g由时间表示，信息h由面积表示，信息i由周期表示。信息g～信息i的详情将在下文中描述。
[0348]
第四信息x4表示时序数据td1的关断延迟部分的时间推移的特征。即，第四信息x4为表示处理流体的流量从目标值减少时的流量状态的信息。
[0349]
第四信息x4包含信息j、信息k、信息l及信息m中的至少一个信息。图10的示例中，第四信息x4包含信息j～信息m。信息j～信息l由时间表示，信息m由角度表示。信息j～信息m的详情将在下文中描述。
[0350]
第五信息x5表示时序数据td1的交叠部分的时间推移的特征。即，第五信息x5为基板处理装置200使用互不相同的至少两个处理流体时，表示两个处理流体中的一个处理流体的流量与另一个处理流体的流量的交叠的信息。
[0351]
第五信息x5包含信息n、信息o及信息p中的至少一个信息。图10的示例中，第五信息x5包含信息n～信息p。信息n由时间表示，信息o由面积表示，信息p由流量表示。信息n～信息p的详情将在下文中描述。
[0352]
第六信息x6表示时序数据td1的间歇部分的时间推移的特征。即，第六信息x6为基板处理装置200使用互不相同的至少两个处理流体时，在时间轴上表示两个处理流体中的一个处理流体与另一个处理流体的时间间隔的信息。
[0353]
第六信息x6包含信息q。信息q由时间表示。信息q的详情将在下文中描述。
[0354]
以上，图10的说明中，作为“物体”而例示“处理流体”，作为“物理量”而例示“流量”对第一信息x1～第六信息x6进行了说明。但是，可将第一信息x1～第六信息x6如下般泛化地定义。即，图10的第一信息x1～第六信息x6的说明中，可将“处理流体”改称为“物体”，将“流量”改称为“物理量”。此外，对于特征量xd，关联有批次识别信息及基板识别信息。
[0355]
而且，第二特征量信息xd2包含处理顺序信息xa及批次间隔信息xb中的至少一个信息。图10的示例中，第二特征量信息xd2包含处理顺序信息xa及批次间隔信息xb。
[0356]
进而，第三特征量信息xd3包含区间数据sx、物体信息ida及物理量信息idb中的至少一个信息。图10的示例中，第三特征量信息xd3包含区间数据sx、物体信息ida及物理量信息idb。
[0357]
接下来，参照图11(a)～图16，对特征量计算部613(图8)所进行的信息a～信息q(图10)的计算方法进行说明。图11(a)～图16中，横轴表示时间，纵轴表示处理流体的流量。
[0358]
图11(a)～图11(c)为表示第一特征量信息xd1所含的第一信息x1的计算方法的示例的图。
[0359]
如图11(a)所示，特征量计算部613对包含接通延迟部分的区间数据sx进行分析，算出时间t1。时间t1为第一信息x1的信息a。时间t1表示从处理流体的喷出控制开始时tx到处理流体的流量的上升开始时ta为止的期间。上升开始时ta表示流量达到目标值tg的u％时。“u％”例如为10％以下的值。
[0360]
如图11(b)所示，特征量计算部613对包含接通延迟部分的区间数据sx进行分析，算出时间t2。时间t2为第一信息x1的信息b。时间t2表示从处理流体的流量的上升开始时ta到处理流体的流量的上升时tb为止的期间。上升时tb表示流量接近目标值tg时。具体而言，上升时tb表示流量达到目标值tg的v％时。v％大于u％。“v％”例如表示70％以上且小于
100％的值。此外，上升时tb也可记载为“上升疑似完成时tb”。
[0361]
而且，特征量计算部613对包含接通延迟部分的区间数据sx进行分析，算出表示流量的上升倾斜的倾斜角θ1。倾斜角θ1为第一信息x1的信息d。倾斜角θ1例如为将处理流体的上升开始时ta的流量值与上升时tb的流量值连结的直线的倾斜角、或表示处理流体的上升开始时ta与上升时tb之间的流量值的近似直线的倾斜角。
[0362]
如图11(c)所示，特征量计算部613对包含接通延迟部分的区间数据sx进行分析，算出时间t3。时间t3为第一信息x1的信息c。时间t3表示从处理流体的喷出控制开始时tx到处理流体的流量的上升时tb为止的期间。
[0363]
以上，如参照图11(a)～图11(c)所说明，时间t1～时间t3及倾斜角θ1为表示处理流体的流量向目标值tg增加时，处理流体的流量到达目标值tg为止的延迟的指标。
[0364]
图12为表示第一特征量信息xd1所含的第二信息x2的计算方法的示例的图。如图12所示，特征量计算部613对包含超调量部分的区间数据sx进行分析，算出时间t4。时间t4为第二信息x2的信息e。时间t4表示流量的超调量所引起的流量变动从基准时tc到进入第一规定范围rg1内时td为止的期间。基准时tc设定为从喷出控制开始时tx到流量达到最大值mx时为止的任一时间。第一规定范围rg1包含流量的目标值tg。
[0365]
图12的示例中，基准时tc为流量达到最大值mx时。而且，第一规定范围rg1的上限值为流量的目标值tg的x1％，第一规定范围rg1的下限值为流量的目标值tg的x2％。关于x1％及x2％的具体数值，例如根据实验和/或经验而决定。流量的变动进入第一规定范围rg1内时td例如为流量的局部最小值mn进入第一规定范围rg1内时。所谓局部最小值mn，为局部的时间区间的最小值。流量的变动进入第一规定范围rg1内时td例如也可为流量的局部最大值进入第一规定范围rg1内时。所谓局部最大值，为局部的时间区间的最大值。
[0366]
例如，时间t4表示流量越过超调量后到持续进入第一规定范围rg1内为止的期间。
[0367]
而且，特征量计算部613对包含超调量部分的区间数据sx进行分析，算出流量的最大值mx。流量的最大值mx为第二信息x2的信息f。
[0368]
以上，如参照图12所说明，时间t4及最大值mx为表示处理流体的流量的超调量的程度的指标。超调量为流量首次超过第一规定范围rg1而突破第一规定范围rg1的现象。
[0369]
图13为表示第一特征量信息xd1所含的第三信息x3的计算方法的示例的图。如图13所示，特征量计算部613对包含流量的变动部分的区间数据sx进行分析，算出时间t5。时间t5为第三信息x3的信息g。时间t5表示流量的变动从基准时te到成为稳定状态时tf为止的期间。稳定状态表示流量的变动持续进入第二规定范围rg2内(y1％～y2％的范围内)的状态。关于y1％及y2％的具体数值，例如根据实验和/或经验而决定。特征量计算部613例如在流量的局部最大值连续地以规定次数进入第二规定范围rg2内的情况、流量的局部最小值连续地以规定次数进入第二规定范围rg2内的情况、或者流量的局部最大值及局部最小值连续地以规定次数进入第二规定范围rg2内的情况下，判定为流量的变动为稳定状态。
[0370]
第二规定范围rg2包含目标值tg。第二规定范围rg2与第一规定范围rg1相同，或为较第一规定范围rg1更窄的范围。基准时te设定为从处理流体的喷出控制开始时tx到经过规定时间时为止的任一时间。
[0371]
在产生流量的超调量的情况下，例如，基准时te为从超调量的收敛时、或流量达到最大值mx时起经过一定时间时。在未产生流量的超调量的情况下，例如基准时te为喷出控
制开始时tx、流量的上升开始时ta或流量的上升时tb。
[0372]
而且，特征量计算部613对包含流量的变动部分的区间数据sx进行分析，算出与流量有关的面积a1。与流量有关的面积a1为第三信息x3的信息h。面积a1表示流量的变动从基准时te到成为稳定状态为止的期间中，由表示流量的目标值tg的直线、与区间数据sx中表示流量的线所包围的部分的面积的合计值(例如，图13的斜线部分的面积的合计值)。稳定状态与算出时间t5的情况相同。此外，面积a1也可表示预定期间中，由表示流量的目标值tg的直线、与区间数据sx中表示流量的线所包围的部分的面积的合计值。
[0373]
进而，特征量计算部613对包含流量的变动部分的区间数据sx进行分析，算出流量的周期t。流量的周期t为第三信息x3的信息i。周期t表示流量的变动从基准时te到成为稳定状态为止的、流量的变动周期。稳定状态与算出时间t5的情况相同。此外，周期t也可表示预定期间中的流量的变动周期。
[0374]
而且，流量的周期t的倒数、即流量的频率fa也可为第一信息x1的信息i。
[0375]
以上，如参照图13所说明，时间t5、面积a1、周期t及频率fa为表示处理流体的流量的变动程度的指标。即，时间t5、面积a1、周期t及频率fa为表示处理流体的流量的稳定性程度的指标。
[0376]
图14(a)～图14(c)为表示第一特征量信息xd1所含的第四信息x4的计算方法的示例的图。
[0377]
如图14(a)所示，特征量计算部613对包含关断延迟部分的区间数据sx进行分析，算出时间t6。时间t6为第四信息x4的信息j。时间t6表示从处理流体的喷出控制停止时ty到处理流体的流量的下降开始时tg为止的期间。下降开始时tg表示流量达到目标值tg的v％时。“v％”例如表示70％以上且小于100％的值。
[0378]
如图14(b)所示，特征量计算部613对包含关断延迟部分的区间数据sx进行分析，算出时间t7。时间t7为第四信息x4的信息k。时间t7表示从处理流体的流量的下降开始时tg到处理流体的流量的下降时th为止的期间。下降时th表示流量接近下限目标值(例如零)时。具体而言，下降时th表示流量达到目标值tg的u％时。“u％”例如表示10％以下的值。此外，下降时th也可记载为“下降疑似完成时th”。
[0379]
而且，特征量计算部613对包含关断延迟部分的区间数据sx进行分析，算出表示流量的下降倾斜的倾斜角θ2。倾斜角θ2为第四信息x4的信息m。倾斜角θ2例如为将处理流体的下降开始时tg的流量值与下降时th的流量值连结的直线的倾斜角、或表示处理流体的下降开始时tg与下降时th之间的流量值的近似直线的倾斜角。
[0380]
如图14(c)所示，特征量计算部613对包含关断延迟部分的区间数据sx进行分析，算出时间t8。时间t8为第四信息x4的信息l。时间t8表示从处理流体的喷出控制停止时ty到处理流体的流量的下降时th为止的期间。
[0381]
以上，如参照图14(a)～图14(c)所说明，时间t6～时间t8及倾斜角θ2为表示处理流体的流量向下限目标值(例如零)减少时，处理流体的流量到达下限目标值为止的延迟的指标。
[0382]
图15为表示第一特征量信息xd1所含的第五信息x5的计算方法的示例的图。如图15所示，特征量计算部613对包含交叠部分的区间数据sx1、区间数据sx2进行分析，算出时间t9。时间t9为第五信息x5的信息n。区间数据sx1为彼此相邻的个别时序数据td中的一个
个别时序数据td的一部分(时间上的后端部分)，区间数据sx2为另一个个别时序数据td的一部分(时间上的后端部分)。时间t9表示区间数据sx1与区间数据sx2重复的部分的期间。换言之，时间t9表示由区间数据sx1所示的流量与由区间数据sx2所示的流量交叠的期间。进而换言之，时间t9表示互不相同的处理流体中的一个处理流体的流量与另一个处理流体的流量交叠的期间。
[0383]
例如，时间t9表示时序数据td1的交叠部分中，从区间数据sx2所示的流量的上升开始时ta到区间数据sx1所示的流量的下降时th为止的期间。即，时间t9表示时序数据td1的交叠部分中，从互不相同的处理流体中的一个处理流体的流量的上升开始时ta到另一个处理流体的流量的下降时th为止的时间。
[0384]
而且，特征量计算部613对包含交叠部分的区间数据sx1、区间数据sx2进行分析，算出面积a2。面积a2为第五信息x5的信息o。面积a2表示区间数据sx1与区间数据sx2的交叠部分的面积。即，面积a2表示互不相同的处理流体中的一个处理流体的流量与另一个处理流体的流量的交叠部分的面积。
[0385]
例如，面积a2表示时序数据td1的交叠部分中，由表示从区间数据sx2所示的流量的上升开始时ta的流量fl2到交点in(流量fl)为止的线、表示从区间数据sx1所示的流量的下降时th的流量fl1到交点in(流量fl)为止的线、以及从上升开始时ta的流量fl2到下降时th的流量fl1为止的线所包围的部分的面积。
[0386]
进而，特征量计算部613对包含交叠部分的区间数据sx1、区间数据sx2进行分析，算出交点in的流量fl。交点in的流量fl为第五信息x5的信息p。流量fl表示下述交点in的流量，此交点in为表示区间数据sx1所示的流量的线、与表示区间数据sx2所示的流量的线的交点。即，流量fl表示下述交点in的流量，此交点in为表示互不相同的处理流体中的一个处理流体的流量的线、与表示另一个处理流体的流量的线的交点。
[0387]
以上，如参照图15所说明，时间t9、面积a2及交点in的流量fl为表示处理流体的流量的交叠程度的指标。
[0388]
图16为表示第一特征量信息xd1所含的第六信息x6的计算方法的示例的图。如图16所示，特征量计算部613对包含间歇部分的区间数据sx1、区间数据sx2进行分析，算出时间t10。时间t10为第五信息x5的信息q。时间t10表示区间数据sx1所示的处理流体的流量、与区间数据sx2所示的处理流体的流量的时间间隔。即，时间t10在时间轴上表示互不相同的处理流体中的一个处理流体与另一个处理流体的时间间隔。
[0389]
例如，时间t10表示时序数据td1的间歇部分中，从区间数据sx1所示的流量的下降时th到区间数据sx2所示的流量的上升开始时ta为止的时间。即，表示从互不相同的处理流体中的一个处理流体的流量的下降时th起到另一个处理流体的流量的上升开始时ta为止的时间。
[0390]
以上，如参照图16所说明，时间t10为表示处理流体的流量的间歇程度的指标。
[0391]
此处，图11(a)～图16的说明中，作为“物体的物理量”而例示“流量”，对第一特征量信息xd1的信息a～信息p(时间t1～时间t10、倾斜角θ1、倾斜角θ2、最大值mx、面积a1、面积a2、周期t及流量fl)进行了说明。但是，可将第一特征量信息xd1的信息a～信息p如下般泛化地定义。
[0392]
即，图11(a)～图16的第一特征量信息xd1的说明中，将“流量”改称为“物理量”，将
“
处理液”改称为“物体”，将“喷出控制开始时”改称为“使用控制开始时”，将“喷出控制停止时”改称为“使用控制停止时”。此时，“使用控制开始时”表示控制部3a对基板处理装置200的零件输出物体的使用开始指示信号时。使用开始指示信号表示指示开始使用物体的信号。“使用控制停止时”表示控制部3a对基板处理装置200的零件输出物体的使用停止指示信号时。使用停止指示信号表示指示停止使用物体的信号。
[0393]
以上，如参照图8～图16所说明，根据本实施方式，第一特征量信息xd1由时间表示。因此，可简易且高精度地提取时序数据td1中的区间数据sx的时间推移的特征。其结果为，通过对包含第一特征量信息xd1的学习数据tnd进行机器学习，从而可生成推定精度高的学习完成的模型lm。
[0394]
尤其本实施方式中，从作为时序数据td1的一部分的区间数据sx中，提取表示时间推移的特征的第一特征量信息xd1。因此，区间数据sx所含的特征部分成为一个。其结果为，从时序数据td1中提取特征部分变得更容易。而且，容易对第一特征量信息xd1标记异常主要原因信息yd。
[0395]
换言之，本实施方式中，获取部611以时间推移的特征部分成为一个的方式，从时序数据td1中获取区间数据sx。
[0396]
而且，本实施方式中，若从基板处理装置200将时序数据td1作为原始数据直接输入至学习数据制作装置400，则学习数据制作装置400算出特征量xd。因此，不要求基板处理装置200的用户对时序数据td1进行分析及加工。其结果为，可减轻用户的负担。
[0397]
接下来，参照图17对异常主要原因信息yd进行说明。图17为表示异常主要原因信息yd的图。
[0398]
首先，对异常主要原因信息yd的第一异常主要原因信息yd1进行说明。如图17所示，第一异常主要原因信息yd1包含第一主要原因信息y101～第九主要原因信息y109中的至少一个主要原因信息。图17的示例中，第一异常主要原因信息yd1包含第一主要原因信息y101～第九主要原因信息y109。
[0399]
第一主要原因信息y101为表示因喷嘴nz位置不良而淋洗液向卡盘构件130或学习对象基板w1的附着不良的程度的信息。
[0400]
第二主要原因信息y102为表示将被切换对象的喷嘴nz切换为其他喷嘴nz时，从被切换对象的喷嘴nz喷出的处理液、与从其他喷嘴nz喷出的处理液发生干扰而处理液飞散的程度的信息。
[0401]
第三主要原因信息y103为表示处理流体(例如化学液或反应气体)的流量的不稳定性程度的信息。
[0402]
第四主要原因信息y104为表示处理流体(例如化学液或反应气体)的浓度的变动程度的信息。
[0403]
第五主要原因信息y105为表示利用混合阀v23等混合阀将多个处理流体混合时，混合流体的流量的不稳定性程度的信息。
[0404]
第六主要原因信息y106为表示喷出至学习对象基板w1的处理液在学习对象基板w1的表面扩展时，学习对象基板w1未由处理液覆盖的程度的信息。
[0405]
第七主要原因信息y107为表示附着于喷嘴nz的外表面的处理液掉落至学习对象基板w1的表面时掉落的处理液量的程度的信息。例如，有时将被切换对象的喷嘴nz切换为
其他喷嘴nz时，从被切换对象的喷嘴nz喷出的处理液、与从其他喷嘴nz喷出的处理液发生干扰，处理液飞散。此时，有可能飞散的处理液附着于喷嘴nz的外表面。
[0406]
第八主要原因信息y108为表示对学习对象基板w1先喷出的处理流体混入至后喷出的处理流体的程度的信息。例如，在必须确保间歇部分的情况下，先喷出的处理流体混入至后喷出的处理流体有可能对学习对象基板w1的处理造成影响。而且，例如在必须确保交叠部分的情况下，也是先喷出的处理流体过度混入至后喷出的处理流体有可能对学习对象基板w1的处理造成影响。
[0407]
第九主要原因信息y109为表示在处理学习对象基板w1后将处理流体回收时，其他处理流体混入至回收对象的处理流体的程度的信息。例如，在必须确保间歇部分的情况下，若先喷出的处理流体混入至后喷出的处理流体，则在将后喷出的处理流体回收使用的情况下，有可能对学习对象基板w1的处理造成影响。而且，例如在必须确保交叠部分的情况下，也是若先喷出的处理流体过度混入至后喷出的处理流体，则在将后喷出的处理流体回收使用的情况下，有可能对学习对象基板w1的处理造成影响。
[0408]
以上，如参照图17所说明，第一主要原因信息y101～第九主要原因信息y109为与学习对象基板w1的处理时的处理流体有关的信息，且表示经处理流体进行处理后的学习对象基板w1的异常的主要原因(以下有时记载为“异常主要原因”)。而且，第一主要原因信息y101～第九主要原因信息y109各自例如能以“有问题”或“无问题”的两等级来表示所述“程度”，或也能以三等级以上来表示所述“程度”。
[0409]
接下来，对异常主要原因信息yd的第二异常主要原因信息yd2进行说明。如图17所示，第二异常主要原因信息yd2包含第一主要原因信息y201～第七主要原因信息y207中的至少一个主要原因信息。图17的示例中，第二异常主要原因信息yd2包含第一主要原因信息y201～第七主要原因信息y207。
[0410]
第一主要原因信息y201为表示流量调整阀v11等流量调整阀的动作不良程度的信息。流量调整阀例如为马达针阀。
[0411]
第二主要原因信息y202为表示阀v12、阀v21、阀v22、阀v23等阀的动作不良程度的信息。
[0412]
第三主要原因信息y203为表示泵55等泵的动作不良程度的信息。而且，第三主要原因信息y203也可包含表示脉冲阻尼器56等脉冲阻尼器的动作不良程度的信息。泵及脉冲阻尼器的动作不良可能导致处理液的脉动。
[0413]
第四主要原因信息y204为表示对喷嘴nz供给的处理流体的源压的变动程度的信息。
[0414]
第五主要原因信息y205为表示流量计fw的动作不良的信息。
[0415]
第六主要原因信息y206为表示配方信息rp的不合适程度的信息。
[0416]
第七主要原因信息y207为表示参数信息pm的设定错误程度的信息。
[0417]
以上，如参照图17所说明，第一主要原因信息y201～第七主要原因信息y207为与基板处理装置200的零件有关的信息，且表示经处理流体进行处理后的学习对象基板w1的异常的主要原因(以下有时记载为“异常主要原因”)。而且，第一主要原因信息y201～第七主要原因信息y207各自例如能以“有问题”或“无问题”的两等级来表示所述“程度”，或也能以三等级以上来表示所述“程度”。
[0418]
接下来，参照图10及图17，对第一异常主要原因信息yd1、第二异常主要原因信息yd2及第一特征量信息xd1的相关关系的一例进行说明。
[0419]
例如，有可能由于第二异常主要原因信息yd2的第一主要原因信息y201、第二主要原因信息y202及第五主要原因信息y205中的至少一个所示的异常主要原因，导致产生处理流体的接通延迟和/或关断延迟变大的状态或变小的状态。另一方面，处理流体的接通延迟由第一特征量信息xd1的第一信息x1所示，处理流体的关断延迟由第一特征量信息xd1的第四信息x4所示。因此，在第一特征量信息xd1与第二异常主要原因信息yd2之间存在相关。
[0420]
而且，第二异常主要原因信息yd2的第一主要原因信息y201、第二主要原因信息y202及第五主要原因信息y205中的至少一个所示的异常主要原因有可能引起第一异常主要原因信息yd1的第六主要原因信息y106、第二主要原因信息y102及第七主要原因信息y107中的至少一个所示的异常主要原因。因此，第一异常主要原因信息yd1也另与和第二异常主要原因信息yd2相关的第一特征量信息xd1存在相关。
[0421]
例如，可能由于第二异常主要原因信息yd2的第一主要原因信息y201及第二主要原因信息y202中的至少一个所示的异常主要原因，导致产生处理流体的超调量。另一方面，处理流体的超调量由第一特征量信息xd1的第二信息x2所示。因此，在第一特征量信息xd1与第二异常主要原因信息yd2之间存在相关。
[0422]
而且，第二异常主要原因信息yd2的第一主要原因信息y201及第二主要原因信息y202中的至少一个所示的异常主要原因有可能引起第一异常主要原因信息yd1的第一主要原因信息y101及第二主要原因信息y102中的至少一个所示的异常主要原因。因此，第一异常主要原因信息yd1也另与和第二异常主要原因信息yd2相关的第一特征量信息xd1存在相关。
[0423]
例如，有可能由于第二异常主要原因信息yd2的第三主要原因信息y203及第四主要原因信息y204中的至少一个所示的异常主要原因，导致处理流体的变动变大。另一方面，处理流体的变动由第一特征量信息xd1的第三信息x3表示。因此，在第一特征量信息xd1与第二异常主要原因信息yd2之间存在相关。
[0424]
而且，第二异常主要原因信息yd2的第三主要原因信息y203及第四主要原因信息y204中的至少一个所示的异常主要原因有可能引起第一异常主要原因信息yd1的第三主要原因信息y103、第四主要原因信息y104及第五主要原因信息y105中的至少一个所示的异常主要原因。因此，第一异常主要原因信息yd1也另与和第二异常主要原因信息yd2相关的第一特征量信息xd1存在相关。
[0425]
例如，有可能由于第二异常主要原因信息yd2的第六主要原因信息y206、第七主要原因信息y207、第一主要原因信息y201及第二主要原因信息y202中的至少一个所示的异常主要原因，导致产生处理流体间的交叠变大的状态或变小的状态、或者处理流体间的间歇变大的状态或变小的状态。另一方面，处理流体间的交叠由第一特征量信息xd1的第五信息x5表示，处理流体间的间歇由第一特征量信息xd1的第六信息x6表示。因此，在第一特征量信息xd1与第二异常主要原因信息yd2之间存在相关。
[0426]
而且，第二异常主要原因信息yd2的第六主要原因信息y206、第七主要原因信息y207、第一主要原因信息y201及第二主要原因信息y202中的至少一个所示的异常主要原因有可能引起第一异常主要原因信息yd1的第六主要原因信息y106、第二主要原因信息y102、
第八主要原因信息y108及第九主要原因信息y109中的至少一个所示的异常主要原因。因此，第一异常主要原因信息yd1也另与和第二异常主要原因信息yd2相关的第一特征量信息xd1存在相关。
[0427]
接下来，参照图10及图17，对异常主要原因信息yd与第二特征量信息xd2的相关关系的一例进行说明。
[0428]
例如，基板处理装置200的零件的使用时段及从新品时开始的总使用时间取决于批次内的处理顺序和/或批次间隔而不同。其结果为，有可能引起异常主要原因信息yd所示的异常主要原因。另一方面，第二特征量信息xd2包含处理顺序信息xa及批次间隔信息xb。因此，在异常主要原因信息yd与第二特征量信息xd2之间存在相关。
[0429]
接下来，参照图10及图17，对异常主要原因信息yd与第三特征量信息xd3的相关关系的一例进行说明。
[0430]
例如，第三特征量信息xd3所含的区间数据sx包含时间推移的特征部分。另外，异常主要原因信息yd所示的异常主要原因是作为区间数据sx的时间推移的特征而表现。因此，在异常主要原因信息yd与第三特征量信息xd3之间存在相关。
[0431]
接下来，参照图8及图18，对学习数据制作装置400执行的学习数据制作方法进行说明。图18为表示本实施方式的学习数据制作方法的流程图。如图18所示，学习数据制作方法包括步骤s21～步骤s24。
[0432]
如图8及图18所示，步骤s21中，学习数据制作装置400的获取部611从基板处理装置200获取时序数据td1。
[0433]
接着，步骤s22中，获取部611从时序数据td1中获取至少一个区间数据sx。本实施方式中，获取部611从时序数据td1中获取多个区间数据sx。
[0434]
接着，步骤s23中，学习数据制作装置400的特征量计算部613基于多个区间数据sx而算出第一特征量信息xd1。具体而言，特征量计算部613基于各区间数据sx，针对每个区间数据sx，算出构成第一特征量信息xd1的第一信息x1、第二信息x2、第三信息x3、第四信息x4、第五信息x5或第六信息x6。
[0435]
接着，步骤s24中，学习数据制作装置400的获取部611经由输入部4d而受理异常主要原因信息yd。
[0436]
接着，步骤s25中，学习数据制作装置400的存储控制部63以将异常主要原因信息yd关联于第一特征量信息xd1、第二特征量信息xd2及第三特征量信息xd3而存储的方式控制存储部4b。其结果为，存储部4b将异常主要原因信息yd关联于第一特征量信息xd1、第二特征量信息xd2及第三特征量信息xd3而存储。换言之，通过对第一特征量信息xd1、第二特征量信息xd2及第三特征量信息xd3标记异常主要原因信息yd，从而制作学习数据tnd。
[0437]
以上，通过学习数据制作装置400执行步骤s21～步骤s24，从而与一片学习对象基板w1对应的一个学习数据tnd的制作结束。
[0438]
接下来，参照图19对学习装置500进行说明。学习装置500例如为计算机。图19为表示学习装置500的框图。如图19所示，学习装置500包括处理部5a、存储部5b、通信部5c、输入部5d及显示部5e。
[0439]
处理部5a包括cpu及gpu等处理器。存储部5b包含存储装置，存储数据及计算机程序。处理部5a的处理器执行存储部5b的存储装置所存储的计算机程序，执行各种处理。例
如，存储部5b与存储部3b同样地，包括主存储装置及辅助存储装置，也可包括可移动媒体。存储部5b例如为非暂时性计算机可读取存储介质。
[0440]
具体而言，存储部5b存储处理程序pg3。处理部5a执行处理程序pg3，作为获取部71、学习部73、存储控制部75及显示控制部77发挥功能。即，处理部5a包含获取部71、学习部73、存储控制部75及显示控制部77。
[0441]
通信部5c连接于网络，与外部装置通信。通信部5c为通信机，例如为网络接口控制器。
[0442]
输入部5d为用于对处理部5a输入各种信息的输入机器。例如，输入部5d为键盘及定点设备、或触摸屏。
[0443]
显示部5e显示图像。显示部5e例如为液晶显示器或有机电致发光显示器。
[0444]
接下来，参照图19对处理部5a进行说明。处理部5a的获取部71从学习数据制作装置400获取多个学习数据tnd。例如，获取部71经由网络及通信部5c从学习数据制作装置400获取多个学习数据tnd。
[0445]
存储控制部75以存储各学习数据tnd的方式控制存储部5b。其结果为，存储部5b存储各学习数据tnd。
[0446]
存储部5b存储学习程序pg4。学习程序pg4为用于执行机器学习算法的程序，所述机器学习算法用于从多个学习数据tnd中找出一定的规则，生成表现所找出的规则的学习完成的模型lm。
[0447]
机器学习算法只要为有监督学习，则并无特别限定，例如为决策树、最近邻法、朴素贝叶斯分类器(naive bayes classifier)、支持向量机(support vector machine)或神经网络(neural network)。因此，学习完成的模型lm包含决策树、最近邻法、朴素贝叶斯分类器、支持向量机或神经网络。在生成学习完成的模型lm的机器学习中，也可利用误差反向传播法。
[0448]
例如，神经网络包含输入层、单个或多个中间层、以及输出层。具体而言，神经网络为深度神经网络(deep neural network，dnn)、循环神经网络(recurrent neural network，rnn)、或卷积神经网络(convolutional neural network，cnn)，进行深度学习。例如，深度神经网络包含输入层、多个中间层以及输出层。
[0449]
学习部73基于学习程序pg4对多个学习数据tnd进行机器学习。其结果为，从多个学习数据tnd中找出一定的规则，生成学习完成的模型lm。即，学习完成的模型lm是通过对学习数据tnd进行机器学习从而构建。存储部5b存储学习完成的模型lm。
[0450]
具体而言，学习部73找出学习数据tnd所含的特征量xd与异常主要原因信息yd之间的一定的规则，生成学习完成的模型lm。特征量xd为说明变量，异常主要原因信息yd为目标变量。
[0451]
更具体而言，学习部73基于学习程序pg4对多个学习数据tnd进行机器学习，由此算出多个学习完成的参数，生成包含适用多个学习完成的参数的一个以上的函数的学习完成的模型lm。学习完成的参数为基于使用多个学习数据tnd的机器学习的结果而获取的参数(系数)。
[0452]
学习完成的模型lm以将输入信息(以下有时记载为“输入信息if1”)输入，并将输出信息(以下有时记载为“输出信息if2”)输出的方式，使计算机发挥功能。换言之，学习完
成的模型lm将输入信息if1输入，将输出信息if2输出。具体而言，学习完成的模型lm以推定经处理流体进行处理后的处理对象基板w2的异常的主要原因的方式，使计算机发挥功能。换言之，学习完成的模型lm推定经处理流体进行处理后的处理对象基板w2的异常的主要原因。
[0453]
以上，如参照图19所说明，根据本实施方式，学习装置500对包含第一特征量信息xd1的学习数据tnd进行机器学习，所述第一特征量信息xd1利用时间高精度地表示了时序数据td1的区间数据sx的时间推移的特征。其结果为，可生成处理对象基板w2的异常的主要原因的推定精度高的学习完成的模型lm。
[0454]
尤其，第一异常主要原因信息yd1(第一主要原因信息y201～第七主要原因信息y207)及第二异常主要原因信息yd2(第一主要原因信息y101～第九主要原因信息y109)所示的异常主要原因(图17)可能导致基板w产生颗粒不良。因此，可利用通过将异常主要原因信息yd(第一异常主要原因信息yd1及第二异主要原因信息yd2)作为相当于学习完成的模型lm的输出的目标变量执行机器学习从而生成的学习完成的模型lm，来推定处理对象基板w2产生颗粒不良时的异常主要原因。所谓颗粒不良，为颗粒附着于基板w等由颗粒引起的基板w的不良。
[0455]
而且，本实施方式中，作为机器学习的对象的第一特征量信息xd1包含第一信息x1～第六信息x6中的至少一个信息(图10)。因此，可对时序数据td1的时间推移的特征部分有效地进行机器学习。
[0456]
进而，本实施方式中，作为机器学习的对象的第二特征量信息xd2包含处理顺序信息xa及批次间隔信息xb中的至少一个信息(图10)。另外，例如基板处理装置200的零件的使用时段及从新品时开始的总使用时间取决于批次内的处理顺序和/或批次间隔而不同。其结果为，有可能引起异常主要原因信息yd所示的异常主要原因。因此，通过对处理顺序信息xa和/或批次间隔信息xb进行机器学习，从而可进一步提高学习完成的模型lm的异常主要原因的推定精度。
[0457]
进而，本实施方式中，作为机器学习的对象的第三特征量信息xd3包含区间数据sx。因此，可对包含时序数据td1的时间推移的特征的原始数据进行机器学习。其结果为，可进一步提高学习完成的模型lm的异常主要原因的推定精度。尤其区间数据sx为时序数据td1的一部分数据，因而与对所有时序数据td1进行机器学习的情况相比较，可缩短机器学习的执行时间。
[0458]
此外，显示控制部77以显示学习数据tnd的方式控制显示部5e。其结果为，显示部5e显示学习数据tnd。
[0459]
接下来，参照图19及图20对学习装置500执行的学习方法进行说明。图20为表示本实施方式的学习方法的流程图。如图20所示，学习方法包括步骤s31～步骤s34。
[0460]
如图19及图20所示，步骤s31中，学习装置500的获取部71从学习数据制作装置400获取多个学习数据tnd。
[0461]
接着，步骤s32中，学习部73基于学习程序pg4对多个学习数据tnd进行机器学习。
[0462]
接着，步骤s33中，学习部73判定是否满足学习结束条件。学习结束条件是为了结束机器学习而预先设定的条件。学习结束条件例如为反复次数达到规定次数。
[0463]
在步骤s33中为否定判定的情况下，处理进入步骤s31。其结果为，重复进行机器学
习。
[0464]
另一方面，在步骤s33中为肯定判定的情况下，处理进入步骤s34。
[0465]
步骤s34中，学习部73输出适用了最新的多个参数(系数)、也就是多个学习完成的参数(系数)的模型(一个以上的函数)作为学习完成的模型lm。接着，存储部5b存储学习完成的模型lm。
[0466]
以上，通过学习装置500执行步骤s31～步骤s34，从而生成学习完成的模型lm。
[0467]
接下来，参照图21对异常主要原因推定装置600进行说明。异常主要原因推定装置600例如为计算机。图21为表示异常主要原因推定装置600的框图。如图21所示，异常主要原因推定装置600包括处理部6a、存储部6b、通信部6c、输入部6d及显示部6e。
[0468]
处理部6a包括cpu及gpu等处理器。存储部6b包含存储装置，存储数据及计算机程序。处理部6a的处理器执行存储部6b的存储装置所存储的计算机程序，执行各种处理。例如，存储部6b与存储部3b同样地，包括主存储装置及辅助存储装置，也可包括可移动媒体。存储部6b例如为非暂时性计算机可读取存储介质。
[0469]
具体而言，存储部6b存储推定程序pg5。处理部6a执行推定程序pg5，作为前处理部81、推定部83、存储控制部85及显示控制部87发挥功能。即，处理部6a包含前处理部81、推定部83、存储控制部85及显示控制部87。前处理部81包含获取部811及特征量计算部813。
[0470]
通信部6c连接于网络，与外部装置通信。通信部6c为通信机，例如为网络接口控制器。
[0471]
输入部6d为用于对处理部6a输入各种信息的输入机器。例如，输入部6d为键盘及定点设备、或触摸屏。
[0472]
显示部6e显示图像。显示部6e例如为液晶显示器或有机电致发光显示器。
[0473]
接下来，参照图21对处理部6a进行说明。处理部6a的前处理部81基于时序数据td2制作输入信息if1。时序数据td2表示基板处理装置300使用的物体的物理量。时序数据td2包含至少一个个别时序数据td。个别时序数据td的内容与时序数据td1的个别时序数据td的内容相同。
[0474]
另外，存储控制部85以存储输入信息if1的方式控制存储部6b。其结果为，存储部6b与批次识别信息及基板识别信息关联地存储输入信息if1。例如，针对处理一片处理对象基板w2时获取的至少一个时序数据td2，制作一个输入信息if1。
[0475]
输入信息if1为说明变量。即，输入信息if1为对学习完成的模型lm输入的信息。输入信息if1的内容与特征量xd(图8)的内容相同。
[0476]
输入信息if1包含第一特征量信息pd1。输入信息if1也可包含第二特征量信息pd2和/或第三特征量信息pd3。本实施方式中，输入信息if1包含第一特征量信息pd1、第二特征量信息pd2及第三特征量信息pd3。第一特征量信息pd1相当于“第一输入信息”的一例。第二特征量信息pd2相当于“第二输入信息”的一例。第三特征量信息pd3相当于“第三输入信息”的一例。
[0477]
具体而言，前处理部81的获取部811从基板处理装置300获取多个时序数据td2。此时，批次识别信息、基板识别信息、处理顺序信息pa及批次间隔信息pb附属于各时序数据td2。例如，获取部811经由网络及通信部6c从基板处理装置300获取多个时序数据td2。批次识别信息、基板识别信息、处理顺序信息pa及批次间隔信息pb的定义分别与附属于时序数
据td1的批次识别信息、基板识别信息、处理顺序信息xa及批次间隔信息xb的定义相同。
[0478]
另外，存储部6b将各时序数据td2与批次识别信息、基板识别信息、处理顺序信息xa及批次间隔信息xb关联地存储。
[0479]
进而，获取部811从时序数据td2中获取至少一个区间数据。本实施方式中，获取部811从时序数据td2中获取多个区间数据。区间数据为包含时序数据的时间推移的特征部分出现的期间的、时间区间的数据，且为时序数据td1的一部分数据。以下，有时将区间数据统称而记载为“区间数据sp”。
[0480]
另外，特征量计算部813针对每个区间数据sp，基于区间数据sp而算出第一特征量信息pd1。第一特征量信息pd1表示区间数据sp的时间推移的特征。第一特征量信息pd1由时间表示。特征量计算部813的动作与特征量计算部613(图8)的动作相同。
[0481]
第二特征量信息pd2为表示对构成一个批次的预定数量的处理对象基板w2的处理顺序的处理顺序信息pa、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pb。
[0482]
第三特征量信息pd3为区间数据sp、物体信息(以下记作“物体信息idc”)或物理量信息(以下记作“物理量信息idd”)。区间数据sp为由获取部811从时序数据td2获取的区间数据。
[0483]
物体信息idc为用于识别基板处理装置300使用的物体的信息。
[0484]
物理量信息idd为用于识别基板处理装置300使用的物体的物理量的类别的信息。
[0485]
以上，如参照图21所说明，存储部6b存储第一特征量信息pd1、第二特征量信息pd2及第三特征量信息pd3作为输入信息if1。
[0486]
而且，存储部6b存储学习完成的模型lm。
[0487]
推定部83将输入信息if1输入至学习完成的模型lm，并从学习完成的模型lm获取输出信息if2。输出信息if2表示经处理流体进行处理后的处理对象基板w2的异常的主要原因。输出信息if2为目标变量。即，输出信息if2为从学习完成的模型lm输出的信息。输出信息if2的内容与异常主要原因信息yd(图8)的内容相同。
[0488]
具体而言，输出信息if2包含第一异常主要原因信息qd1与第二异常主要原因信息qd2中的至少一个信息。本实施方式中，输出信息if2包含第一异常主要原因信息qd1及第二异常主要原因信息qd2。第一异常主要原因信息qd1相当于“第一输出信息”的一例，第二异常主要原因信息qd2相当于“第二输出信息”的一例。
[0489]
第一异常主要原因信息qd1为与基板处理装置300对处理对象基板w2进行处理时的处理流体有关的信息，且为表示经处理流体进行处理后的处理对象基板w2的异常的主要原因的信息。第二异常主要原因信息qd2为与基板处理装置300的零件有关的信息，且为表示经处理流体进行处理后的处理对象基板w2的异常的主要原因的信息。
[0490]
显示控制部65以显示输出信息if2的方式控制显示部6e。其结果为，显示部6e显示输出信息if2。
[0491]
以上，如参照图21所说明，根据本实施方式，学习完成的模型lm是通过对包含第一特征量信息xd1的学习数据tnd进行机器学习从而生成，所述第一特征量信息利用时间高精度地表示了时序数据td1中的区间数据sx的时间推移的特征。其结果为，通过使用学习完成的模型lm，从而可高精度地推定处理对象基板w2的异常的主要原因。
[0492]
而且，本实施方式中，若从基板处理装置300将时序数据td2作为原始数据直接输入至异常主要原因推定装置600，则前处理部81算出输入信息if1。因此，不要求基板处理装置300的用户对时序数据td2进行分析及加工。其结果为，可减轻用户的负担。
[0493]
接下来，参照图22对输入信息if1进行说明。图22为表示输入信息if1的图。如图22所示，输入信息if1的第一特征量信息pd1包含第一信息p1～第六信息p6中的至少一个信息。图22的示例中，第一特征量信息pd1包含第一信息p1～第六信息p6。
[0494]
第一信息p1为表示物理量向目标值增加时的物理量的状态的信息。第一信息p1包含信息a～信息d中的至少一个信息。第二信息p2为表示物理量的超调量的信息。第二信息p2包含信息e及信息f中的至少一个信息。第三信息p3为表示物理量的变动的信息。第三信息p3包含信息g～信息i中的至少一个信息。
[0495]
第四信息p4为表示物理量从目标值减少时的物理量的状态的信息。第四信息p4包含信息j～信息m中的至少一个信息。第五信息p5为基板处理装置300使用互不相同的两个物体时，表示两个物体中的一个物体的物理量与另一个物体的物理量的交叠的信息。第五信息p5包含信息n～信息p中的至少一个信息。第六信息p6为基板处理装置300使用互不相同的至少两个物体时，在时间轴上表示两个物体中的一个物体与另一个物体的时间间隔的信息。第六信息p6包含信息q。
[0496]
图22的示例中，第一信息p1包含信息a～信息d。第二信息p2包含信息e及信息f。第三信息p3包含信息g～信息i。第四信息p4包含信息j～信息m。第五信息p5包含信息n～信息p。
[0497]
第二特征量信息pd2包含处理顺序信息pa及批次间隔信息pb中的至少一个信息。图22的示例中，第二特征量信息pd2包含处理顺序信息pa及批次间隔信息pb。
[0498]
第三特征量信息pd3包含区间数据sp、物体信息idc及物理量信息idd中的至少一个信息。图22的示例中，第三特征量信息pd3包含区间数据sp、物体信息idc及物理量信息idd。
[0499]
此处，第一特征量信息pd1的内容与第一特征量信息xd1的内容相同。具体而言，第一信息p1～第六信息p6的内容分别与第一信息x1～第六信息x6的内容相同。第一信息p1～第六信息p6的信息a～信息q的内容分别与第一信息x1～第六信息x6的信息a～信息q的内容相同。而且，第二特征量信息pd2的内容与第二特征量信息xd2的内容相同。具体而言，处理顺序信息pa及批次间隔信息pb的内容分别与处理顺序信息xa及批次间隔信息xb的内容相同。进而，第三特征量信息pd3的内容与第三特征量信息xd3的内容相同。具体而言，区间数据sp、物体信息idc及物理量信息idd的内容分别与区间数据sx、物体信息ida及物理量信息idb的内容相同。而且，基板处理装置300输出的时序数据td2的内容与基板处理装置200输出的时序数据td1的内容相同。进而，区间数据sp的内容与区间数据sx的内容相同。
[0500]
因此，通过在第一特征量信息xd1、第一信息x1～第六信息x6、第一信息x1～第六信息x6的信息a～信息q、第二特征量信息xd2、处理顺序信息xa、批次间隔信息xb、第三特征量信息xd3、区间数据sx、物体信息ida、物理量信息idb、时序数据td1及区间数据sx的说明中(图8～图17)，适当将获取部611改称为获取部811，将特征量计算部613改称为特征量计算部813，将存储控制部63改称为存储控制部85，将存储部4b改称为存储部6b，将基板处理装置200改称为基板处理装置300，将学习对象基板w1改称为处理对象基板w2，从而可替代
为第一特征量信息pd1、第一信息p1～第六信息p6、第一信息p1～第六信息p6的信息a～信息q、处理顺序信息pa、批次间隔信息pb、区间数据sp、物体信息idc、物理量信息idd、时序数据td2、区间数据sp、获取部811、特征量计算部813、存储控制部85及存储部6b的说明。
[0501]
接下来，参照图23对输出信息if2进行说明。图23为表示输出信息if2的图。如图23所示，输出信息if2的第一异常主要原因信息qd1包含第一主要原因信息q101～第九主要原因信息q109中的至少一个主要原因信息。图23的示例中，第一异常主要原因信息qd1包含第一主要原因信息q101～第九主要原因信息q109。
[0502]
第二异常主要原因信息qd2包含第一主要原因信息q201～第七主要原因信息q207中的至少一个主要原因信息。图23的示例中，第二异常主要原因信息qd2包含第一主要原因信息q201～第七主要原因信息q207。
[0503]
此处，第一异常主要原因信息qd1的内容与第一异常主要原因信息yd1的内容相同。具体而言，第一主要原因信息q101～第九主要原因信息q109的内容分别与第一主要原因信息y101～第九主要原因信息y109(图17)的内容相同。而且，第二异常主要原因信息qd2的内容与第二异常主要原因信息yd2的内容相同。具体而言，第一主要原因信息q201～第七主要原因信息q207的内容分别与第一主要原因信息y201～第七主要原因信息y207(图17)的内容相同。
[0504]
因此，通过在第一异常主要原因信息yd1、第一主要原因信息y101～第九主要原因信息y109、第二异常主要原因信息yd2、及第一主要原因信息y201～第七主要原因信息y207的说明中(图8～图17)，适当将基板处理装置200改称为基板处理装置300，将学习对象基板w1改称为处理对象基板w2，从而可替代为第一异常主要原因信息qd1、第一主要原因信息q101～第九主要原因信息q109、第二异常主要原因信息qd2、及第一主要原因信息q201～第七主要原因信息q207的说明。
[0505]
而且，和第一异常主要原因信息yd1及第二异常主要原因信息yd2与第一特征量信息xd1存在相关的情况同样地，第一异常主要原因信息qd1及第二异常主要原因信息qd2与第一特征量信息pd1也存在相关。
[0506]
接下来，参照图21及图24对异常主要原因推定装置600执行的异常主要原因推定方法进行说明。图24为表示本实施方式的异常主要原因推定方法的流程图。如图24所示，异常主要原因推定方法包括步骤s41～步骤s49。
[0507]
如图21及图22所示，步骤s41中，异常主要原因推定装置600的获取部811从基板处理装置300获取时序数据td2。
[0508]
接着，步骤s42中，获取部811从时序数据td2中获取至少一个区间数据sp。本实施方式中，获取部811从时序数据td2中获取多个区间数据sp。
[0509]
接着，步骤s43中，异常主要原因推定装置600的特征量计算部813基于多个区间数据sp而算出第一特征量信息pd1。具体而言，特征量计算部813基于各区间数据sp，针对每个区间数据sp而算出构成第一特征量信息pd1的第一信息p1、第二信息p2、第三信息p3、第四信息p4、第五信息p5或第六信息p6。
[0510]
接着，步骤s44中，异常主要原因推定装置600的存储控制部85以存储第一特征量信息pd1、第二特征量信息pd2及第三特征量信息pd3作为输入信息if1的方式控制存储部6b。其结果为，存储部6b存储第一特征量信息pd1、第二特征量信息pd2及第三特征量信息
pd3作为输入信息if1。
[0511]
接着，步骤s45中，推定部83从存储部6b获取输入信息if1。
[0512]
接着，步骤s46中，推定部83将输入信息if1输入至学习完成的模型lm。其结果为，学习完成的模型lm推定经处理流体进行处理后的处理对象基板w2的异常的主要原因，将输出信息if2输出。
[0513]
优选学习完成的模型lm按似然度(likelihood)从高到低的顺序输出构成输出信息if2的第一主要原因信息q101～第九主要原因信息q109及第一主要原因信息q201～第七主要原因信息q207。
[0514]
接着，步骤s47中，推定部83从学习完成的模型lm获取输出信息if2。输出信息if2表示经处理流体进行处理后的处理对象基板w2的异常的主要原因。
[0515]
接着，步骤s48中，存储控制部85以存储输出信息if2的方式控制存储部6b。其结果为，存储部6b存储输出信息if2。
[0516]
接着，步骤s49中，显示控制部87以显示输出信息if2的方式控制显示部6e。其结果为，显示部6e显示输出信息if2。
[0517]
优选显示控制部87以按似然度从高到低的顺序显示构成输出信息if2的第一主要原因信息q101～第九主要原因信息q109及第一主要原因信息q201～第七主要原因信息q207的方式，控制显示部6e。其结果为，显示部6e按似然度从高到低的顺序显示第一主要原因信息q101～第九主要原因信息q109及第一主要原因信息q201～第七主要原因信息q207。
[0518]
以上，通过异常主要原因推定装置600执行步骤s41～步骤s49，从而输出与一片处理对象基板w2对应的一个输出信息if2，处理结束。
[0519]
以上的说明中，作为物体的物理量的典型例，主要对处理流体的流量进行了说明。以下，说明物体的物理量的其他例。
[0520]
[物体：处理流体，物理量：温度]
[0521]
在基板处理装置200输出的时序数据td1表示温度传感器ts所检测的处理流体的温度的情况下，第一特征量信息xd1例如包含第一信息x1～第四信息x4中的至少一个信息。此时，在参照图10等所说明的第一信息x1～第四信息x4的定义中，将处理流体改称为温度。通过采用温度作为时序数据td1，利用机器学习来生成学习完成的模型lm，从而可利用学习完成的模型lm来推定基板w产生了蚀刻不良时的异常主要原因。其原因在于，尤其处理流体的温度对蚀刻造成影响。
[0522]
与学习阶段的第一特征量信息xd1同样地，利用阶段的第一特征量信息pd1也另包含例如第一信息p1～第四信息p4中的至少一个信息，将处理流体改称为温度。
[0523]
[物体：处理流体，物理量：浓度]
[0524]
在基板处理装置200输出的时序数据td1表示传感器sn所检测的处理流体的浓度的情况下，第一特征量信息xd1例如包含第三信息x3。此时，在参照图10等所说明的第三信息x3的定义中，将处理流体改称为浓度。通过采用浓度作为时序数据td1，利用机器学习来生成学习完成的模型lm，从而可利用学习完成的模型lm来推定基板w产生了蚀刻不良时的异常主要原因。其原因在于，尤其处理流体的浓度对蚀刻造成影响。
[0525]
与学习阶段的第一特征量信息xd1同样地，利用阶段的第一特征量信息pd1也另包含例如第三信息p3，将处理流体改称为浓度。
[0526]
[物体：旋转卡盘13，物理量：转速]
[0527]
在基板处理装置200输出的时序数据td1为表示传感器sn所检测的旋转卡盘13的转速的情况下，第一特征量信息xd1例如包含第一信息x1～第四信息x4中的至少一个信息。此时，在参照图10等所说明的第一信息x1～第四信息x4的定义中，将处理流体改称为旋转卡盘13，将流量改称为转速。通过采用转速作为时序数据td1，利用机器学习来生成学习完成的模型lm，从而可利用学习完成的模型lm来推定基板w产生了颗粒不良时的异常主要原因。
[0528]
与学习阶段的第一特征量信息xd1同样地，利用阶段的第一特征量信息pd1也另包含例如第一信息p1～第四信息p4中的至少一个信息，将处理流体改称为旋转卡盘13，将流量改称为转速。
[0529]
[物体：阻断板291，物理量：位置、位移、转速]
[0530]
在基板处理装置200输出的时序数据td1为表示传感器sn所检测的阻断板291的位置、位移或转速的情况下，第一特征量信息xd1例如由可根据升降时的阻断板291的位置或位移而算出的时间表示，或由旋转时的阻断板291的转速自身表示。关于第一特征量信息pd1也同样。
[0531]
[物体：臂am，物理量：位置、位移]
[0532]
在基板处理装置200输出的时序数据td1为表示传感器sn所检测的臂am的位置或位移的情况下，第一特征量信息xd1例如由可根据执行扫描处理时的臂am的位置或位移而算出的时间表示。关于第一特征量信息pd1也同样。
[0533]
[物体：护板33，物理量：位置、位移]
[0534]
在基板处理装置200输出的时序数据td1表示传感器sn所检测的护板33的位置或位移的情况下，第一特征量信息xd1例如由可根据护板33升降时的护板33的位置或位移而算出的时间表示。关于第一特征量信息pd1也同样。
[0535]
[物体：阀vb，物理量：开度]
[0536]
在基板处理装置200输出的时序数据td1表示传感器sn所检测的阀vb的开度的情况下，第一特征量信息xd1例如由阀vb开闭时的阀vb的开度的时间变化表示。关于第一特征量信息pd1也同样。
[0537]
接下来，对基板处理装置200、基板处理装置300使用的物体为处理流体，物体的物理量表示排出处理流体的排出管p7内的处理流体的物理量的情况进行说明。
[0538]
[排出管p7的流量计fw3]
[0539]
在基板处理装置200输出的时序数据td1为由插设于图5所示的排出管p7的流量计fw3所检测的处理流体的流量的情况下，第一特征量信息xd1为流量的时间推移的特征部分由时间表示的信息。关于第一特征量信息pd1也同样。
[0540]
[排出管p7的温度传感器ts7]
[0541]
在基板处理装置200输出的时序数据td1为由配置于图5所示的排出管p7的温度传感器ts7检测的处理流体的温度的情况下，第一特征量信息xd1为由时间表示温度的时间推移的特征部分的信息。关于第一特征量信息pd1也同样。
[0542]
此处，图1可表示基板处理装置200、基板处理装置300、学习数据制作装置400、学习装置500及异常主要原因推定装置600的物理结构，或也可表示逻辑结构。因此，基板处理
装置200、基板处理装置300、学习数据制作装置400、学习装置500及异常主要原因推定装置600中的一部分或全部也可构成为一个装置。
[0543]
例如，基板处理装置200也可包括学习数据制作装置400。此时，例如基板处理装置200的控制部3a及存储部3b作为学习数据制作装置400的处理部4a及存储部4b发挥功能。
[0544]
例如，基板处理装置200也可包括学习数据制作装置400及学习装置500。此时，例如基板处理装置200的控制部3a及存储部3b作为学习数据制作装置400的处理部4a及存储部4b、以及学习装置500的处理部5a及存储部5b发挥功能。
[0545]
例如，基板处理装置200也可包括学习数据制作装置400、学习装置500及异常主要原因推定装置600。此时，例如基板处理装置200的控制部3a及存储部3b作为学习数据制作装置400的处理部4a及存储部4b、学习装置500的处理部5a及存储部5b、异常主要原因推定装置600的处理部6a及存储部6b发挥功能。
[0546]
同样地，基板处理装置200可包括学习数据制作装置400，或也可包括学习数据制作装置400及学习装置500，或也可包括学习数据制作装置400、学习装置500及异常主要原因推定装置600。
[0547]
例如，异常主要原因推定装置600也可包括学习装置500。例如，异常主要原因推定装置600也可包括学习装置500及学习数据制作装置400。此时，可省略前处理部81及学习数据制作部61中重复的功能。例如，学习装置500也可包括学习数据制作装置400。
[0548]
例如，也可由服务器或主计算机经由网络从异常主要原因推定装置600接收输出信息if2，并将输出信息if2显示于显示装置。
[0549]
例如，也可将学习数据制作装置400、学习装置500及异常主要原因推定装置600中的两个以上组合，且所组合的装置由服务器构成。
[0550]
例如，学习数据制作装置400、学习装置500及异常主要原因推定装置600中的至少一个可由服务器构成。
[0551]
例如，对学习对象基板w1进行处理的基板处理装置200可作为对处理对象基板w2进行处理的基板处理装置300发挥功能，或也可相反。
[0552]
例如，异常主要原因推定装置600的前处理部81与推定部83也可作为分开的装置而构成。
[0553]
以上，参照附图对本发明的实施方式进行了说明。但是，本发明不限于所述实施方式，可在不偏离其主旨的范围内以各种方式实施。而且，所述实施方式中公开的多个结构元件可适当改变。例如，可将某个实施方式所示的所有结构元件中的某个结构元件追加至其他实施方式的结构元件，或也可将某个实施方式所示的所有结构元件中的若干结构元件从实施方式中删除。
[0554]
而且，附图是为了使发明的理解容易，而主体上示意性地表示各结构元件，图示的各结构元件的厚度、长度、个数、间隔等也有时为了方便制作附图而与实际不同。而且，所述实施方式所示的各结构元件的结构为一例，并无特别限定，当然可在实质上不偏离本发明的效果的范围内进行各种变更。
[0555]
[工业可利用性]
[0556]
本发明涉及一种学习完成的模型生成方法、异常主要原因推定装置、基板处理装置、异常主要原因推定方法、学习方法、学习装置及学习数据制作方法，具有工业可利用性。