本公開涉及狀態(tài)檢測裝置、狀態(tài)檢測方法、學習模型的生成方法以及計算機程序。

背景技術：

1、在專利文獻1中提出一種狀態(tài)判定裝置，獲取工業(yè)機械所涉及的數據，基于獲取到的工業(yè)機械所涉及的數據來創(chuàng)建使該工業(yè)機械所涉及的數據中的物理量的時間序列數據在時間軸方向上進行滑動后的多個部分時間序列數據，提取包含該多個部分時間序列數據的多個學習用數據，進行使用了提取出的學習用數據的機器學習，由此生成學習模型。

2、專利文獻1：日本特開2020-128013號公報

技術實現思路

1、本公開提供狀態(tài)檢測裝置、狀態(tài)檢測方法、學習模型的生成方法以及計算機程序，能夠期待精度良好地檢測半導體制造裝置等對象裝置的狀態(tài)。

2、根據本公開的一個方式的狀態(tài)檢測裝置具備：第一獲取部，獲取向對象裝置的輸入數據以及上述對象裝置的動作的觀測數據；決定部，基于由上述第一獲取部獲取到的輸入數據以及觀測數據來決定推測模型的參數，該推測模型根據輸入數據推測觀測數據；以及檢測部，基于由上述決定部決定的參數來檢測上述對象裝置的狀態(tài)。

3、根據本公開，能夠期待精度良好地檢測半導體制造裝置等對象裝置的狀態(tài)。

技術特征：

1.一種狀態(tài)檢測裝置，具備：

2.根據權利要求1所述的狀態(tài)檢測裝置，其中，

3.根據權利要求2所述的狀態(tài)檢測裝置，其中，

4.根據權利要求1所述的狀態(tài)檢測裝置，其中，具備：

5.根據權利要求1所述的狀態(tài)檢測裝置，其中，

6.根據權利要求1所述的狀態(tài)檢測裝置，其中，

7.根據權利要求1所述的狀態(tài)檢測裝置，其中，

8.一種狀態(tài)檢測方法，

9.一種學習模型的生成方法，

10.一種計算機程序，使計算機執(zhí)行如下的處理：

11.一種計算機程序，使計算機執(zhí)行如下的處理：

技術總結
本發(fā)明提供能夠期待精度良好地檢測半導體制造裝置等對象裝置的狀態(tài)的狀態(tài)檢測裝置、狀態(tài)檢測方法、學習模型的生成方法以及計算機程序。本實施方式所涉及的狀態(tài)檢測裝置具備：第一獲取部，獲取向對象裝置的輸入數據以及上述對象裝置的動作的觀測數據；決定部，基于由上述第一獲取部獲取到的輸入數據以及觀測數據來決定推測模型的參數，該推測模型根據輸入數據推測觀測數據；以及檢測部，基于由上述決定部決定的參數來檢測上述對象裝置的狀態(tài)。

技術研發(fā)人員：安崎遼路
受保護的技術使用者：東京毅力科創(chuàng)株式會社
技術研發(fā)日：
技術公布日：2024/12/10