CN1240108C - 半导体制造装置用旋转机的寿命预测方法和半导体制造装置 - Google Patents

半导体制造装置用旋转机的寿命预测方法和半导体制造装置 Download PDF

Info

Publication number
CN1240108C
CN1240108C CNB02160293XA CN02160293A CN1240108C CN 1240108 C CN1240108 C CN 1240108C CN B02160293X A CNB02160293X A CN B02160293XA CN 02160293 A CN02160293 A CN 02160293A CN 1240108 C CN1240108 C CN 1240108C
Authority
CN
China
Prior art keywords
mentioned
frequency
acceleration
data
life
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CNB02160293XA
Other languages
English (en)
Other versions
CN1419264A (zh
Inventor
佐俣秀一
牛久幸広
古畑武夫
中尾隆
石井贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Publication of CN1419264A publication Critical patent/CN1419264A/zh
Application granted granted Critical
Publication of CN1240108C publication Critical patent/CN1240108C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37252—Life of tool, service life, decay, wear estimation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Abstract

提供一种高灵敏度且稳定的半导体制造装置用旋转机的寿命预测方法。方案是测定旋转机(干式泵)的加速度，获得时间系列数据(步骤S101)；将时间系列数据进行频率分析，得到频率频谱(步骤S102)；决定分析对象频率(步骤S103)；将对应于分析对象频率的加速度峰值的基准用时间系列数据和加速度峰值的评价用时间系列数据进行抽样测定(步骤S104)；使用基准用时间系列数据和评价用时间系列数据作成旋转机的寿命评价用数据，在所含步骤(步骤S105)进行旋转机的寿命确定。

Description

半导体制造装置用旋转机的寿 命预测方法和半导体制造装置
技术领域
本发明涉及半导体制造装置用旋转机的寿命的预测和诊断技术，特别是预测真空泵等旋转机的寿命的诊断方法，和具备这种旋转机的半导体制造装置。
背景技术
近年，为了高效制造半导体器件，半导体器件的故障诊断技术变得重要起来。特别是系统LSI中少量多品种生产的倾向强起来，针对这些低转速高效率的半导体设备的制造方法也变得必要起来。
有效的半导体器件的生产中有采用多个小规模生产线的方法。但是，仅简单将大规模生产线减小就使得制造装置的工作效率降低。另外，还因此产生投资效率降低的问题。作为对策，有用1个半导体制造装置进行多个制作工序的方法。在CVD装置中，由于成为成膜对象的材料，使得导入CVD室中的反应气体(原料气体)和CVD室中生产的反应生成物不同，但这些全部导入到对CVD室进行排气的干式泵中。从而，如果作为对象的成膜物质不同，干式泵内部的反应生成物的产生状况也不同，干式泵的寿命变动。可能发生CVD生长中泵停止和制造的一批产品出现不良。另外，由于CVD室内部等产生微小的灰尘，制造装置需要额外的维护。实施额外的维护，使得半导体设备的制造效率大幅度降低。另一方面，为了防止CVD生长过程中突然停机，泵的维护时间要有裕度，泵的维护频度增大。这不仅使维护成本增加，而且还由于泵更换而显著降低LPCVD装置的工作效率。结果，存在半导体器件制造效率大幅下降的缺点。
我们现在提出几个真空泵的寿命诊断方法。基本上是采用用马达电流、振动、温度等把握干式泵的状态，从这些状态量的变化预测寿命的方法。特别是，作为干式泵的寿命诊断方法，主要采用借助叶轮旋转引起的振动把握泵的状态的方法。其理由是，用振动来进行诊断中，仅借助在泵侧面安装加速度计可进行测定，因此其作为简单的寿命预测法而引起了广泛的注意。作为从测定的振动数据预测寿命的方法，提出使用神经元网络分析300KHz附近的高频率成分基准值的偏移量的方法(参考特开2000-64964号公报)。
发明内容
特开2000-64964号公报里登载的技术的情况下，因对象频率高，伴随泵运转的变化(通常情况是反应生成物的堆满)大，出现灵敏度低的问题。
为在高效的小规模生产线中实现必要装置的共用化，需要确实诊断干式泵的寿命，在即将到达寿命之前使用泵。因此，必须进行高精度的寿命预测。可是，过去把加速度计安装在干式泵的情况下，因其安装位置和安装方法灵敏度都发生变化，想得到在灵敏度方面好而稳定的振动数据是困难的。
鉴于这些课题，本发明的目的在于提供一种可进行较高灵敏度的稳定寿命预测的半导体制造装置用旋转机的寿命预测方法和装配有这种旋转机的半导体制造装置。
为达到上述目的，本发明的第一个特征是半导体装置用旋转机的寿命预测方法，包括：(1)用分析对象频率1/2周期以下的抽样间隔和分析对象频率4倍以上的抽样数，把旋转机的加速度的评价用时间系列数据进行抽样测定的步骤；(2)将评价用时间系列数据进行频率分析，把对应分析对象频率的加速度的峰值的变动作为评价用诊断数据作成的步骤；(3)用评价用诊断数据，决定旋转机的寿命的步骤。下面第2-第12个特征都是一样，第1个特征中的所谓“半导体制造装置用旋转机”中机械式的真空泵，特别是干式泵和回油泵等是代表例子。因而，作为使用了这些旋转机的半导体制造装置，减压CVD(LPCVD)装置和干蚀刻装置是代表性的。由于将评价用时间系列数据作频率分析的缘故，可获得频率频谱。在本发明的第1个特征中，这个频率频谱中，选定对应分析对象频率的加速度的峰值，并将这个峰值的变动作为评价用诊断数据作成。
根据本发明的第1个特征可进行高灵敏度稳定的旋转机寿命预测。寿命预测中，使用峰值加速度的变动时，容易确定判断旋转机寿命时的规定值、规定条件，可马上判断是否超过了条件。
本发明的第2个特征是半导体制造装置用旋转机的寿命预测方法，包括：(1)用分析对象频率的1/2周期以下的抽样间隔和分析对象频率的4倍以上抽样数分别把旋转机的加速度的基准用时间系列数据和这个加速度的评价用时间系列数据进行抽样测定的步骤；(2)将基准用时间系列数据进行频率分析并将对应分析对象频率的加速度的峰值的变动作为基准用诊断数据作成，将评价用时间系列数据作频率分析，把峰值的变动作为评价用诊断数据作成的步骤；(3)用基准用诊断数据和评价用诊断数据，决定旋转机的寿命的步骤。
根据本发明的第2个特征，在可进行高灵敏度稳定的旋转机的寿命预测。作为在寿命预测中使用的要素使用峰值加速度的变动时，容易决定判定旋转机的寿命时的规定值、规定条件，可马上判断是否超过了条件。
在本发明第1和第2个特征中，用加速度峰值的降低率作成评价用诊断数据，可把降低率超过予先规定的阈值的时刻判定为即将到达寿命。另外，在本发明的第2个特征中，从使用旋转机的成膜步骤前的基准用时间系列数据作为第1个峰值加速度获得基准用诊断数据，从成膜步骤后的评价用时间系列数据作为第2个峰值加速度来获得评价用诊断数据，第2个峰值加速度对第1个峰值加速度的加速度比比予先定下的阈值小时可判断为寿命。在本发明的第1个和第2个特征中，对规定了工艺条件的旋转机的负荷为一定的状态下，把评价用时间系列数据进行抽样测定，由此作成评价用诊断数据，根据峰值的增加/减少的过渡变化，可进行寿命的判断。而且，在本发明的第2个特征中，比测定评价用时间系列数据的时刻靠前用经验法则确定的规定时间的时刻中，而且在和评价用时间系列数据同一工艺条件下，由从测定的基准用时间系列数据得到的基准用诊断数据作出了马哈拉诺比斯空间，以这个马哈拉诺比斯空间作基础，算出评价用诊断数据的马哈拉诺比斯距离，这个马哈拉诺比斯距离当超出预先设计的阈值的时刻可判定为即将到达寿命。采用马哈拉诺比斯距离，可在尤其短时间里高灵敏度预测寿命。
本发明的第3个特征是半导体制造装置用旋转机的寿命预测方法，包括：(1)用分析对象频率的1/2周期以下的间隔、分析对象频率的4倍以上的抽样数把旋转机的加速度的评价用时间系列数据进行抽样测定的步骤；(2)将评价用时间系列数据进行频率分析，并把表示对应分析对象频率的峰值的加速度的频率的变动作为评价用诊断数据作成的步骤；(3)用评价用诊断数据，决定旋转机的寿命的步骤。
根据本发明的第3个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中，使用表示峰值加速度的频率的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第4个特征是半导体制造装置用旋转机的寿命预测方法，包括：(1)用分析对象频率的1/2周期以下的抽样间隔、分析对象频率的4倍以上的抽样数，抽样测定旋转机的加速度的基准用时间系列数据和这个加速度的评价用时间系列数据的步骤；(2)把基准用时间系列数据进行频率分析，并把表示对应分析对象频率的峰值的加速度的频率的变动作为基准用诊断数据作成，把评价用时间系列数据进行频率分析，把表示峰值加速度的频率的变动作为评价用诊断数据来作成的步骤；(3)用基准用诊断数据和评价用诊断数据，决定旋转机的寿命的步骤。
根据本发明的第4个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中，使用表示峰值加速度的频率的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第5个特征是半导体制造装置用旋转机的寿命预测方法，包括：(1)把分析对象频率固定为旋转机固有基准频率的整数倍的步骤；(2)用分析对象频率的1/2周期以下的抽样间隔、分析对象频率的4倍以上的抽样数，把旋转机的加速度的评价用时间系列数据进行抽样测定的步骤；(3)把评价用时间系列数据进行频率分析，把固定为分析对象频率的加速度的变动作为评价用诊断数据来作成的步骤；(4)使用评价用诊断数据，决定旋转机的寿命的步骤。
根据本发明的第5个特征，可进行高灵敏度稳定的旋转机寿命预测。作为寿命预测中使用的要素，使用固定的加速度的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第6个特征是半导体制造装置用旋转机的寿命预测方法，包括：(1)将分析对象频率固定为旋转机固有基准频率的整数倍的步骤；(2)用分析对象频率的1/2周期以下的抽样间隔、分析对象频率数的4倍以上的抽样数，把旋转机的加速度的基准用时间系列数据和这个加速度的评价用时间系列数据各自进行抽样测定的步骤；(3)将基准用时间系列数据进行频率分析，并把固定为分析对象频率的加速度作为基准用诊断数据作成，把评价用时间系列数据进行频率分析，并把固定为分析对象频率的加速度作为评价用诊断数据作成的步骤；(4)使用基准用诊断数据和评价用诊断数据来决定旋转机的寿命的步骤。
根据本发明的第6个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中使用固定的加速度的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第7个特征是半导体制造装置，包括：(1)旋转机；(2)用分析对象频率的1/2周期以下的抽样间隔、分析对象频率4倍以上的抽样数，将旋转机的加速度的评价用时间系列数据进行抽样测定的加速度计；(3)把这个加速度计的输出作频率分析的频率分析装置；(4)根据这个频率分析的结果，把对应于分析对象频率的加速度峰值的变动作为评价用诊断数据从评价用时间系列数据来作成，并把评价用诊断数据作记录的峰值加速度推移记录部件；(5)使用评价用诊断数据，将旋转机的寿命作决定的寿命判定部件。
根据本发明的第7个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中使用峰值加速度的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第8个特征是半导体制造装置，包括：(1)旋转机；(2)用分析对象频率的1/2周期以下的抽样间隔、分析对象频率的4倍以上的抽样数把旋转机的加速度的基准用时间系列数据和这个加速度的评价用时间系列数据分别进行抽样测定的加速度计；(3)把这个加速度计的输出进行频率分析的频率分析装置；(4)根据这个频率分析的结果，将对应分析对象频率的加速度峰值的变动作为基准用诊断数据从基准用时间系列数据来作成，并把峰值的变动作为评价用诊断数据从评价用时间系列数据来作成，将基准用诊断数据和评价用诊断数据作记录的峰值加速度推移记录部件；(5)用基准用诊断数据和评价用诊断数据来决定旋转机的寿命的寿命判断部件。
根据本发明的第8个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中使用峰值加速度的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第9个特征是半导体制造装置，包括：(1)旋转机；(2)用分析对象频率的1/2周期以下的抽样间隔、分析对象频率的4倍以上的抽样数，进行旋转机的加速度的评价用时间系列数据的抽样测定的加速度计；(3)把这个加速度计的输出进行频率分析的频率分析装置；(4)根据这个频率分析的结果，把表示对应分析对象频率的加速度的峰值的频率的变动作为评价用诊断数据从评价用时间系列数据来作成，并把评价用诊断数据作记录的峰值频率推移记录部件；(5)使用评价用诊断数据，决定旋转机的寿命的寿命判断部件。
根据本发明的第9个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中使用表示峰值加速度的频率的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第10个特征是半导体制造装置：(1)旋转机；(2)用分析对象频率的1/2周期以下的抽样间隔、分析对象频率的4倍以上的抽样数，将旋转机的加速度的基准用时间系列数据和这个加速度的评价时间系列数据各自进行抽样测定的加速度计；(3)把这个加速度计的输出进行频率分析的频率分析装置；(4)根据这个频率分析的结果，将表示对应分析对象频率的加速度峰值的频率的变动作为基准用诊断数据从基准用时间系列数据来作成，把表示峰值的频率的变动作为评价用诊断数据从评价用时间系列数据来作成，将基准用诊断数据和评价用诊断数据进行记录的峰值频率推移记录部件；(5)用基准用诊断数据和评价用诊断数据，来决定旋转机的寿命的寿命判定部件。
根据本发明的第10个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中使用表示峰值加速度的频率的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第11个特征是半导体制造装置，包括：(1)旋转机；(2)用分析对象频率1/2周期以下的抽样间隔、分析对象频率的4倍以上的抽样数，将旋转机的加速度的评价用时间系列数据进行抽样测定的加速度计；(3)把这个加速度计的输出进行频率分析的频率分析装置；(4)根据这个频率分析的结果，把固定为分析对象频率的加速度的峰值的变动作为评价用诊断数据从评价用时间系列数据来作成，并把评价用诊断数据进行记录的加速度推移记录部件；(5)用评价用诊断数据，决定旋转机的寿命的寿命判定部件。
根据本发明的第11个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中使用固定的加速度的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第12个特征是半导体制造装置，包括：(1)旋转机；(2)用分析对象频率的1/2周期以下的抽样间隔、分析对象频率的4倍以上的抽样数，把旋转机的加速度的基准用时间系列数据和这个加速度的评价时间系列数据各自进行抽样测定的加速度计；(3)把这个加速度计的输出进行频率分析的频率分析装置；(4)根据这个频率分析结果，将固定为分析对象频率的加速度的峰值变动作为基准用诊断数据来从基准用时间系列数据作成，把固定为分析对象频率的加速度的峰值的变动作为评价用诊断数据来从评价用时间系列数据作成，并把基准用诊断数据和评价用诊断数据进行记录的加速度推移记录装置；(5)使用基准用诊断数据和评价用诊断装置，决定旋转机的寿命的寿命判定装置。
根据本发明的第12个特征，可进行高灵敏度稳定的旋转机寿命预测。寿命预测中使用固定的加速度的变动时，容易决定判断旋转机的寿命时的规定值、规定条件，可马上判断是否超过条件。
本发明的第7-12个特征中，加速度计可以安装在旋转机的传动箱的上面、这个传动箱的侧面、、这个传动箱的底面、离这个传动箱20cm以内的壳体的上面，这个壳体的侧面、这个壳体的底面等任一面上。加速度计的安装方法可以是磁力吸、粘结、螺丝拧紧、埋入等，特别是像用螺丝紧固和埋入，固定变得牢固，因此共振频率变高，到更高的频率都可进行测定，但在本发明中，对象频率为旋转机旋转数的整数倍，为了能够在1KHz以下作寿命预测，可用磁铁和粘结剂来固定，可简便进行安装。
根据本发明，可提供能够在极短时间里有效预测寿命的半导体制造装置用旋转机的寿命预测方法和备有该旋转机的半导体制造装置。
附图说明
图1是本发明的第1种实施形态中有关的半导体制造装置的简要示意图。
图2是表示图1中表示出的旋转机(干式泵)的内部结构剖面图。
图3是用于说明本发明的第1种实施形态有关的半导体制造装置用旋转机的寿命预测方法的流程图。
图4是振动加速度的频率频谱图。
图5是在成膜步骤的峰值加速度随时间变化的曲线图。
图6是在成膜步骤的峰值加速度减少率随时间变化的曲线图。
图7是泵即将停止的成膜步骤中峰值加速度随时间变化的曲线图。
图8是成膜步骤前后峰值加速度比的推移图。
图9是待机时的峰值加速度随时间变化的曲线图。
图10是使用待机时的峰值加速度的马哈拉诺比斯(Mahalanobis)距离MD随时间变化的曲线图。
图11是本发明的第2种实施形态有关的半导体制造装置的简要示意图。
图12是用于说明本发明的第2种实施形态有关的半导体制造装置用旋转机的寿命预测方法的流程图。
图13是本发明的第3种实施形态有关的半导体制造装置的简要示意图。
图14是用于说明本发明的第3种实施形态有关的半导体制造装置用旋转机的寿命预测方法的流程图。
具体实施方式
下面，参照附图说明本发明的第1-第3个实施形态。在下面的附图的记载中，相同或类似的部分附加相同或类似的符号。但是，应注意附图是模式图。
(第一种实施形态)
图1是作为本发明的第1种实施形态有关的半导体制造装置的LPCVD装置的简图。如图1所示那样，这个LPCVD装置有作成可真空排气的密封构造的CVD室1，CVD室1的排气侧连接真空配管32，真空配管32的的排气侧和闸阀2相连接。并且，这个闸阀2的排气侧和真空配管33连接，真空配管33的排气侧与将CVD室1的内部进行排气的旋转机3(罗茨型的干式泵)相连接。闸阀2根据需要分离CVD室1和干式泵3，调整传导性。另一方面，CVD室1上连接有多根气体配管51、52、53…，这些气体配管51、52、53…分别与质量流量控制器41，42，43相连接。被导入CVD室1的种种原料气体(源气体)和载体气体用质量流量控制器41、42、43控制其流量。然后，被控制的原料气体等通过气体管51、52、53……被导入经一定减压的CVD室1中。把CVD室1的内部用干式泵3进行排气而成为真空。
然后，干式泵3把CVD室1内导入的未反应的原料气体和反应生成物进行排出。采用图1表示出的LPCVD装置，例如：硅氮化物膜(Si3N4膜)进行成膜时，借助于干式泵3使其处于减压状态的CVD室1里，二氯硅烷(SiH2Cl2)气体借助于质量流量控制器41导入，氨(NH3)借助于质量流量控制器42导入。而且，CVD室1的内部把硅(Si)衬底加热到800℃左右，通过二氯硅烷(SiH2Cl2)气体和氨(NH3)气体的化学反应，在硅衬底上生成硅氮化物膜，该化学反应在生成硅氮化物同时，作为反应副生成物产生氯化氨(NH4Cl)气体和氢气(H2)。氢气是气体，由干式泵3排出。另一方面，氯化氨在生成时由于反应炉内是800℃左右的高温以及数百Pa以下的减压而为气体状态。虽省略了图示，但通常，LPCVD装置中，在CVD室1和干式泵3之间设置捕获固体反应副生成物的捕集器。捕集器由于压力低不可能完全捕获反应副生成物。因此未捕获的反应副生成物到达干式泵3。干式泵3中，由于气体压缩将压力从0.1Pa左右增加到大气压.反应副生成物在低压下以气体存在，但在高压下开始固化。干式泵3的内部反复压缩气体，压力从数百Pa的压力变化到大气压，因此排气气体中的气体状反应副生成物在压力上升的同时在干式泵3内部开始固化。在干式泵3的配管内开始固化时，虽然很少，但淀积物使旋转轴弹性变形。其结果是干式泵出现故障。
本发明第1种实施形态中，关系到半导体制造装置(LPCVD装置)用的罗茨型的干式泵(旋转机)3，如图1表示那样，有传动箱35，并且在这个传动箱35的旁边安装了检查振动的加速度计36。加速度计36可安装在干式泵(旋转机)3的传动箱35上面，这个传动箱35的侧面或者传动箱35的底面的各个地方都可以。再有，可安装在离该传动箱35的距离为20cm以内的壳体(未示出)上面，该壳体的侧面或壳体的底面之一上。另外，加速度计36的输出侧连接傅里叶变换分析装置等的频率分析装置37。频率分析装置37对用加速度计36抽样测定后旋转机(干式泵)3的振动(加速度)进行傅里叶变换，分解为频率成分。为此，为了把加速度计36测定出的数据传送给傅里叶变换装置37，设置了配线38a，由频率分析装置(傅里叶变换分析装置)37将振动(加速度)的时间系列数据被分解为频率成分的频谱数据借助于配线38b传送到CPU39。
CPU39内置分析对象频率决定部件4、峰值加速度推移记录部件5、寿命判定部件6。分析对象频率决定部件4分析电传给CPU39的频率频谱数据，并从频谱的峰值位置的频率决定分析对象频率。峰值加速度推移记录部件5把被抽样测定出的加速度的分析对象频率成分记录在CPU的主存储装置或图中省略的外部存储装置的规定文件中。即是，用傅里叶变换装置37的频率分析的结果，从基准用时间系列数据将对应分析对象频率的加速度的峰值变动作为基准用诊断数据形成，从评价用时间系列数据把峰值的变动作为评价用诊断数据来形成。把这些基准用诊断数据和评价用诊断数据记录在主存储装置或外部存储装置里。寿命判定部件6中，将峰值加速度推移记录部件5记录的数据群读出，并经运算进行干式泵3的寿命判定。
更具体地讲，第1种实施形态有关的半导体制造装置的寿命判定部件6内藏有加速度减少率判定部件61，加速度比判定部件62、加速度推移判定部件63、马哈拉诺比斯距离判定部件64等4个模块。加速度减少率判定部件61是算出CVD成长中(成膜步骤)的加速度的减少率，并判定出干式泵3的寿命的模块。加速度比判定部件62是算出CVD工艺中的成膜步骤前后的加速度比，并判定干式泵3的寿命的模块。加速度推移判定部件63是由像在待机时流入干式泵3的气体流量为一定时的峰值加速度的经历(时间系列数据)来判断干式泵3的寿命的模块。马哈拉诺比斯距离判定部件64是从规定日前的正常时的数据群，例如，像待机时那样流入泵的气体流量为一定时的峰值加速度数据群作出基准空间(马哈拉诺比斯空间)，用这个基准空间算出马哈拉诺比斯距离，并根据马哈拉诺比斯距离的变动判定干式泵3的寿命的一个模块。
图2表示出图1表示的罗茨干式泵(旋转机)3的内部结构。如图2所示那样，第1个实施形态中半导体装置使用的干式泵3，其构造是各带三扇叶片的二个叶轮10a、10b分别用旋转轴11a、11b带动旋转的结构。干式泵3有机体13，在机体13的吸气一侧设计的吸气法兰盘14、在机体13的排气一侧设计的排气法兰盘15。图1中表示出来的传动箱35在图2中则省去了未作表示，但它变换驱动二个叶轮10a、10b的马达的输出，并控制这二个叶轮10a、10b的旋转。加速度计36，例如，用磁铁安装在传动箱35的上部的平面部分上。用粘结剂等化学部件，或用螺丝紧固，埋入内部等机械的方法固定在传动箱35上。从CVD室1通过闸阀2的气流经吸气法兰盘14进入干式泵3内。进入干式泵3内的气体通过用旋转轴11a、11b旋转二个叶轮10a、10b而被压缩。被压缩的气体从排气法兰盘15排出。
下面，用图3表示的流程图，来说明本发明的第1实施状态有关的半导体制造装置(LPCVD装置)用旋转机的寿命预测方法。在这里所谓旋转机就是干式泵3。具体讲是形成硅氮化物(Si3N4)薄膜的LPCVD装置中使用的干式泵的寿命预测。
(1)首先，步骤101中，用配置在LPCVD装置的干式泵3上的加速度计36抽样测定干式泵3的振动(加速度)的时间系列数据(推移)。加速度的时间系列数据的测定是按规定时间间隔把规定数的加速度进行抽样。
(2)其次在步骤S102中，把在步骤S101中得到的振动数据，由频率分析装置(傅里叶变换分析装置)37分解为频率成分来获得加速度的频谱。然后，经傅里叶变换后，在CRT和RCD等的显示装置里把加速度的频率频谱表示出，或通过印制机(打印机)等的输出装置，把加速度的频率频谱输出出来。
(3)如图2所表示的干式泵3，其旋转轴11a、11b在50Hz下旋转，由于叶轮10a、10b各有3个叶片，旋转轴11a、11b每转一周通过6个所带叶片。为此，如图4所示那样，在基准振动的6倍的300Hz附近出现加速度的峰值。即，频谱中最大的加速度峰值由旋转轴11a、11b的基准振动和叶轮的叶片数来决定。基准振动为50Hz的干式泵3的情况下，频率频谱中的加速度峰值出现在50Hz的整数倍处。在步骤S103中，使用CPU39的分析对象频率决定部件4，参考加速度的频率频谱，决定寿命测定中使用的分析对象频率。从图4明显表示的样子，作为分析对象频率，最好采用位于基准振动的每个整数倍的峰值所在位置的频率。于是，第1个的实施形态中，300Hz作为分析对象频率。和这个分析对象频率相对应的峰值加速度的值拿来使用，可作为灵敏度好的对象来预测干式泵3的寿命。实际上，表示峰值加速度的频率不固定于分析对象频率，而是在分析对象频率的近旁起伏和变动。即表示峰值加速度的频率一般情况下是个变量。
(4)之后，把加速度的时间系列数据(推移)进行抽样测定，并将时间系列数据傅里叶变换为频率领域的数据，获得对应分析对象频率成分的加速度的峰值。即是，首先将旋转机的加速度的基准用时间系列数据和这个加速度的评价用时间系列数据分别进行抽样测定。在基准振动的整数倍的分析对象频率中，为了高灵敏度地抓住加速度的峰值变动，数据的抽样方法变得重要。本发明的第1个实施形态的寿命预测方法中，加速度的抽样间隔规定为最大的分析对象频率的1/2周期以下，抽样数规定为最大的分析对象频率的4倍以上。例如：最大的分析对象频率若是450Hz，那抽样数就是：4×450＝1800个以上。这个规定数的抽样点构成的抽样测定为一个抽样系列，按规定的诊断时间间隔反复抽样测定。例如：在一个抽样系列中一个抽样间隔定为0.5ms，一个抽样序列中抽样数为4000点，把4000点的加速度进行抽样测定。然后，把基准用时间系列数据进行频率分析，把对应于分析对象频率的加速度的峰值变动作为基准用诊断数据来形成，并把评价用时间系列数据进行频率分析，也把峰值的变动作为评价用诊断数据来作成。从1个抽样系列的4000个抽样点得到基准用诊断数据和评价用诊断数据的1个诊断点。由于选择了抽样间隔和抽样数的缘故，高灵敏度的预测成为可能。而且，在步骤S104中，使用峰值加速度频率推移记录部件5，将作为加速度的分析对象频率成分构成的诊断点群的数据的基准用诊断数据和评价用诊断数据记录在存储装置的规定的文件里。这时，作为加速度减少率判定部件(模块)61的输入数据，将CVD成长中(成膜步骤)测定出的加速度的分析对象频率成分构成的诊断点群的数据记录在存储装置的规定的文件里。还有，作为加速度比判定部件(模块)62用的输入数据，将成膜步骤前后的加速度的分析对象频率成分构成的诊断点群的数据记录在存储装置规定的文件里。再有，作为加速度推移判定(模块)63用的输入数据，将CVD工艺以外的状态中加速度的分析对象频率成分构成的诊断点群的数据记录在存储装置的规定的文件里。还有，作为马哈拉诺比斯距离判定部件(模块)64用的输入数据，包含评价干式泵3的状态那天的72小时间以前(从48小时之前到168小时之前的时间都可以)的待机时(同一气体流量条件)的数据群，将加速度的分析对象频率成分构成诊断点群的数据记录在存储装置的规定文件里。
(5)步骤S105中，读出步骤S104里记录过的加速度的分析对象频率成分构成的诊断点的数据群(加速度峰值的数据群)所构成的基准用诊断数据和评价用诊断数据，并使用加速度减少率判定部件61、加速度比判定部件62、加速度推移判定部件63和马哈拉诺比斯距离判定部件64，进行干式泵3寿命的判断：
①步骤S11中，用加速度减少率判定部件(模块)61，利用在CVD成长中(成膜步骤)的峰值加速度下降现象，进行干式泵3的寿命的判断。成膜步骤时峰值加速度减少率为85％以上时，判断为泵即将停止，即为干式泵3的寿命。关于峰值加速度的减少率，用后面的图5和图6，进行详细说明；
②在步骤S12中，使用加速度比判定部件(模块)62，把成膜步骤前后的峰值加速度比进行运算。即是，利用CVD工艺中的成膜步骤之后在成膜步骤中减少了的300Hz的峰值加速度在正常状态下返回成膜步骤前的值，但在泵即将停止之前不能返回成膜步骤前的值的现象来进行干式泵3的寿命判断。成膜步骤前后峰值加速度比(后/前)变成90％以下时，泵即将停止之前，即判断为干式泵3的寿命。关于成膜步骤前后的峰值加速度比，后面用图7及图8作详细说明。
③在步骤S13中，使用加速度推移判断部件(模块)63，寻求CVD工艺外状态中诊断点时间的变化(峰值加速度的变化)。本发明者实验确认，在CVD工艺之外抽样测定并进行频率分析的峰值加速度，由于干式泵3的内部淀积物被积蓄而发生着变化。而且，换泵之后一定的峰值加速度在停泵的规定日前会增加，在即将停泵之前会减少<参考图9>。总之，像待机时那样，流入干式泵3的气体流量一定时，峰值加速度增加后又减少的情况下，判断接近干式泵3的寿命。特别是这个时候加速度测定短时间内就可做好，因而可以有效预测干式泵3的寿命。
④步骤S14中，使用马哈拉诺比斯距离判定部件(模块)64，算出马哈拉诺比斯距离，是干式泵3的寿命判断方法。马哈拉诺比斯距离判定部件(模块)64中，把能期待均一的正常的数据集中起来，作成成为认识的基准的空间，即马哈拉诺比斯空间(正常空间)。计量出正常状态的特征量(加速度)时，可期待其特征量(加速度)比较均匀。正常状态的加速度数据的集合构成成为具有某相关关系的评价的基准的空间，因此用从数据的集合体导出的相关行列的逆行列表现马哈拉诺比斯空间。马哈拉诺比斯距离MD，是作为评价对象的加速度的数据的异常程度，即是，表示被测定的加速度的数据与成为评价基准(正常状态)的加速度的数据有多大偏离的尺度。马哈拉诺比斯距离MD取从零到无限大的值。如果是小的值，则处于正常数据的中间，是大的值，则异常的几率就大，判断接近寿命。然而，为了利用马哈拉诺比斯距离的变化进行寿命判断，基准空间(马哈拉诺比斯空间)的取用方法是关键。本发明的第1种实施形态的半导体制造装置用旋转机的寿命预测方法中，为了把工艺变动的影响除外，从评价干式泵3的状态的数据群测定的72小时前的待机时(同一气体流量条件)的加速度的数据群构成基准空间(马哈拉诺比斯空间)，并使用这个基准空间算出马哈拉诺比斯距离MD，检查出各时刻中马哈拉诺比斯距离MD的变动。然后，马哈拉诺比斯距离MD在15以上的泵即判断为泵即将停止。使用马哈拉诺比斯距离MD时灵敏度提高。
(6)而且，基于步骤S105的判断，在步骤S106中泵即将停止(寿命)的显示、显示装置、显示盘、或显示灯上显示或者用警报等音响来进行表示。
还有，上列的步骤S11-S14可分别单独来进行干式泵3的寿命判断，可组合2个以上的步骤综合的进行判断。上列的步骤S11-S14每一个单独进行时，图1表示的寿命判定部件6中的加速度减少率判定部件61，加速度比判定部件62，加速度推移判定部件63，马哈拉诺比斯距离判定部件64的4个模块内，仅有对应的模块即可。另外如果是组合起来进行判断，则加速度减少率判定部件，加速度比判定部件62，加速度推移判定部件63，马哈拉诺比斯距离判定部件64的内部需要至少2个组合所必要的模块。上述的说明中，表示出使用频率频谱中的最大峰值加速度来进行干式泵3的寿命预测的例子，但可使用其它的峰值加速度和亚峰值加速度。
图4是振动加速度的频率频谱。纵坐标表示干式泵3上设置的加速度计36测定出的加速度，横坐标表示频率。如图4表示的那样，多个频率中看到加速度的峰值。前述那样3片式干式泵3以50Hz为基准振动的情况下，基准振动的6倍的频率的加速度对干式泵3的状态变得特别敏感。从而，频率为300Hz时，可获得有最大峰值的加速度。即，把300Hz时的峰值加速度作为分析对象频率来使用，进行干式泵3的寿命预测是最合理的。但是，其他的基准振动的整数倍频率的峰值也可用作分析对象频率，进行寿命的判断。图4中，还有：250Hz、300Hz的亚峰值分别出现在250Hz、300Hz的峰值的高频率侧，低频率侧。使用这些亚峰值作为分析对象频率也可以进行寿命的判断。
图5是在成膜步骤时峰值加速度随着时间变化的曲线图。纵坐标表示300Hz的峰值加速度，横坐标表示CVD工艺过程中经过的各时刻。根据图5可确认CVD工艺中的成膜步骤时峰值加速度降低现象。图6，是成膜步骤时的峰值加速度减少率随着时间的变化曲线图。纵坐标表示CVD成长中的峰值加速度的减少率，横坐标表示CVD成长中经过的时刻。观察到峰值加速度减少率随着累计膜压的增加也有随之增加的倾向。于是，在图5中看到成膜步骤时刻峰值加速度下降时表示出的加速度减少率，在图6中将其表示出来。加速度减少率在85％以上时，干式泵3到了寿命.因此，加速度减少率在85％以上，判断为干式泵3即将停止.
图7是泵即将停转之前的成膜步骤的峰值加速度随着时间而变化的曲线图。纵坐标是表示300Hz的峰值加速度，横坐标表示CVD成长中经过的时刻。CVD的成膜步骤之后在成膜步骤中减少的300Hz的峰值加速度为正常状态，如图5所示那样，返回成膜步骤前的值。但是，泵即将停止之前峰值加速度不能恢复到成膜步骤前的值的现象如图7表示。
图8是作为随时间变化表示峰值加速度的成膜步骤前后的加速度比的曲线图。纵坐标表示成膜步骤前后的加速度比(后/前)峰值。横坐标表示CVD成长中经过的时间。如图7中表示的那样，泵即将停止之前，峰值加速度不能回到成膜步骤前的值。另一方面，本发明人发现当加速度比的减少率为90％时，干式泵3到达寿命。那么，成为判断基准的加速度比峰值的减少率规定为90％。总之，加速度的减少率变为了90％，可以判断干式泵3为即将停止之前。
图9表示待机时的诊断点(峰值加速度)随时间变化的曲线图。纵坐标表示像待机时那样流入干式泵3的气体量达到一定的时候的峰值加速度。横坐标表示经过的时间。曲线左端是泵刚交换之后不久。峰值加速度的参差不齐的期间是一定的。不过，此时间经过后，峰值加速度有一定的增加。这个峰值加速度的增加是暂时的，接着马上减少。本发明人们确认，峰值加速度增加后又进行减少这种随时间变化表示出来时，干式泵3之后到了寿命。因而，观测流入干式泵3的气体流量一定时的诊断点随时间的变化，当加速度增加后又减少时，判断干式泵3就在即将停止之前。
图10是曲线图，表示的是将待机时(相同气体流量条件)的诊断点(峰值加速度)的数据群作成的基准空间(马哈拉诺比斯空间)作为基础，算出马哈拉诺比斯距离MD，并表示马哈拉诺比斯距离MD随时间的变化。纵坐标表示马哈拉诺比斯距离MD，横坐标表示时间的推移。看看图10的结果可见马哈拉诺比斯距离MD随时间的推移而增加。然后，可得到以下实验的数据：马哈拉诺比斯距离MD达到5以上时，判断发生了从正常状态的变化(向异常状态的移动)。再有马哈拉诺比斯距离MD增加，马哈拉诺比斯距离MD变成15以上之后，干式泵3停机(故障)。因而，干式泵3内流入的气体流量恒定时马哈拉诺比斯距离MD如变成15以上，可以判断出干式泵3在即将停止之前。
(第2个实施形态)
图11是表示作为本发明的第2个实施形态的半导体制造装置的LPCVD装置的示意图。有峰值加速度的频率在频率范围里在分析对象频率决定部件4决定的分析对象频率频率的近旁进行变动。本发明的第2个实施形态中，进行LPCVD装置使用的干式泵3的寿命判断时，替代第1个实施形态用过的峰值加速度(在频率范围里加速度的峰值)的变动，可使用表示加速度峰值的位置的频率的变动。从而，图11和图1大致同样，CPU39里内置的模块不一样。即，如图11所示那样，CPU39中内置分析对象频率决定部件4、峰值频率推移记录部件7和寿命判断部件6。用分析对象频率决定部件4和图1一样分析电传到CPU39里的频率频谱，在频率范围中，把表示峰值的加速度的频率作为分析对象频率来决定。峰值频率推移记录部件7将表示时应峰值的频率在频率范围中的变化的时效数据记录在记录装置里。即，峰值频率推移记录部件7，根据频率分析装置37的频率分析结果，由基准用时间系列数据作成表示对应分析对象频率的加速度的峰值的频率的变动，作为基准用诊断数据，并且将表示峰值的频率的变动作为评价用诊断数据由评价用时间系列数据作成，把这些基准用诊断数据和评价用诊断数据记录在记录装置里。
寿命判定部件6把用峰值频率推移记录部件7记录的时间系列数据读出，并进行干式泵3的寿命判定。寿命判定部件6具有频率减少率判定部件71，频率比判定部件72，马哈拉诺比斯距离判定部件73等4个模块。频率减少率判定部件(模块)71是根据CVD成长中(成膜步骤)的频率减少率判断干式泵3的寿命的模块。频率比判定部件(模块)72是根据CVD工艺中的成膜步骤前后变动了的频率比判定干式泵3的寿命的模块。马哈拉诺比斯距离判定部件(模块)73是像规定日前的待机时那样从流入干式泵3的气体流量一定时的峰值频率的数据群形成基准空间(马哈拉诺比斯空间)，用这个基准空间算出马哈拉诺比斯距离MD，根据马哈拉诺比斯距离MD的变动判定出干式泵3的寿命的模块。由于其他和图1是一样的，省略了重复说明。
下面，使用图12表示的流程图，说明本发明的第2个实施形态有关的半导体制造装置(LPCVD)用旋转机的寿命预测方法。于此所谓旋转机，和第1个实施形态一样，就是干式泵3。
(1)步骤S201中，用和步骤S101同样的方法，把加速度(振动数据)进行抽样测定。
(2)下面，在步骤S202中，把步骤S201得到的振动数据用频率分析装置(傅里叶变换分析装置)37变换成频率范围内的数据。具体的说是按规定时间间隔把规定数的频率抽样后进行傅里叶变换，并得到频率频谱。
(3)然后，参照频率频谱的峰值，在步骤S203中，使用CPU39的分析对象频率决定部件4，把基准振动的整数倍的频率之一作为分析对象频率来进行选定。
(4)而且，对寿命预测中必要的加速度数据，即旋转机的加速度的基准用时间系列数据和这个加速度的评价用时间系列数据进行抽样测定。然后，把抽样测定的结果进行频率分析，获得表示分析对象频率的变动的诊断点构成的时效数据。即，将基准用时间系列数据进行频率分析，并把表示对应分析对象频率的峰值加速度的频率的变动作为基准用诊断数据来作成，且把评价用时间系列数据进行频率分析，将表示峰值的加速度的频率的变动作为评价用诊断数据来作成。表示频率变动的时效数据在步骤S204中使用峰值频率推移记录部件7记录在存储装置的规定文件里。这时，作为频率减少率判定部件(模块)71用的输入数据，将表示CVD成长中(成膜步骤)被测定的频率随时间变化的数据记录在存储装置的规定文件里。还有，作为频率比判定部件(模块)72用的输入数据，对表示成膜步骤前后的频率的变化的数据进行抽样测定，记录在存储装置的规定文件里。再有，作为马哈拉诺比斯距离判定部件(模块)73用的输入数据，包含评价干式泵3的状态的那天的72小时之前(从48小时前到168小时前之间是可以的)的待机时(同一气体流量条件)的数据群，将表示频率随时间的变化的数据都记录在存储装置的规定文件里。
(5)之后，在步骤S205中，读出表示步骤S204记录过的频率峰值推移(表示频率变动的时效数据)的基准用诊断数据和评价用诊断数据，并输入到频率减少率判定部件(模块)71、频率比判定部件(模块)72、马哈拉诺比斯距离判定部件(模块)73里，并使用各个模块，分别进行干式泵3的寿命判断。
①在步骤S21，使用频率减少率判定部件(模块)71，作频率减少率的计算。即观测CVD成长(成膜步骤)中的峰值频率的减少率，并判断干式泵3的寿命。例如，在成膜步骤时，峰值频率减少率达到规定的值，例如达到0.3％以上时，判断为泵即将停止之前，即为干式泵3的寿命。
②在步骤S22中，CVD工艺中的成膜步骤前后的频率比，用频率比判定部件(模块)72进行计算，利用CVD工艺中的成膜步骤之后，在成膜步骤减少的频率峰值在正常状态下能回到成膜步骤前的值，但在泵即将停止之前不能返回成膜步骤前的值的现象，来进行干式泵3的寿命判断。成膜步骤前后的频率峰值比(后/前)到达规定的值，例如变到99.7％以下时，判断为泵即将停止之前，即为干式泵3的寿命。
③在步骤S23中，使用马哈拉诺比斯距离判定部件(模块)73，使用马哈拉诺比斯距离MD来进行干式泵3的寿命判断。例如，马哈拉诺比斯距离MD在15以上，判断为刚好在泵即将停机之前。使用马哈拉诺比斯距离MD时，灵敏度提高。
(6)然后，基于步骤S205中的判断，在步骤S206中进行泵即将停止的(寿命)显示。
这样，把第1个实施形态的峰值加速度用峰值频率进行置换，在频率范围中测定频率变动，可和第1个实施形态同样预测干式泵3的寿命。
(第3个实施形态)
图13是作为本发明的第3个实施形态有关的半导体制造装置的LPCVD装置的简图。在第1种实施形态中，有峰值加速度的频率在频率范围中在分析对象频率决定部件4决定的分析对象频率附近变动，不应解释为被固定在一定频率。在本发明的第3个实施形态中，把分析频率固定在300KHz时，根据300KHz时观察到的加速度的时间系列数据，进行LPCVD装置中用的干式泵3的寿命预测。图13大约和图1相同，只是CPU39内置的模块不同。即是，图13表示的CPU39中，内置加速度推移记录部件8、分析对象频率固定部件9和寿命判断部件6。用图1及11的分析对象频率决定部件4对电传给CPU39的频率进行来决定分析对象频率，图13的情况下，分析频率开始固定为特定的频率值，例如：固定在300KHz。例如，如果通过内置CPU39的计算机系统的输入装置输入把300KHz，则分析对象频率固定部件9将分析对象频率固定为该300KHz。加速度推移记录部件8把被抽样测定的300KHz的加速度的时间系列数据记录在存储装置的规定文件里。即是，加速度推移记录部件8根据傅里叶变换部件37等频率分析装置的频率分析结果，从基准用时间系列数据把固定为分析对象频率的加速度的峰值的变动作为基准用诊断数据来作成，从评价用时间系列数据把固定为分析对象频率的加速度的峰值的变动作为评价用诊断数据来作成，并把基准用诊断数据和评价用诊断数据作记录。寿命判定部件6基于用加速度推移记录部件8得到的数据，进行干式泵3的寿命判断。而且，寿命判定部件6内藏有加速度减少率判定部件81，加速度比判定部件82，加速度推移判定部件83，马哈拉诺比斯距离判定部件84等4个模块。这4个模块相对固定为300KHz的分析对象频率，进行和图1中说明过的加速度比判定部件(模块)61，加速度比判定部件(模块)62，加速度推移判定部件(模块)63，和马哈拉诺比斯距离判定部件(模块)64大致同样的判定。其它由于和图1一样，重复说明省略。但是，将分析频率初始固定为特定值时，替代傅里叶变换分析装置37等频率分析装置，可使用带通滤波器或狭带域放大器。这时，把固定为300KHz的加速度的模拟数据从带通滤波器或狭带域放大器传送到CPU39内，用CPU39的内部或接口对该模拟数据进行A/D变换。
下面，用图14表示的流程图，说明本发明的第3种实施形态的半导体制造装置(LPCVD装置)用旋转机的寿命预测方法，以分析频率固定在300KHz时为例子进行说明。在这里所谓旋转机，是与第1和第2种实施形态同样的干式泵3。
(1)步骤S301中，用和步骤S101同样的方法，将加速度(振动数据)进行抽样测定。
(2)接下来步骤S302步骤使用频率分析装置(傅里叶变换分析装置)37将S301步骤得到的振动数据分解为频率成分，并得到加速度的频率频谱。
(3)在步骤S303中，从在步骤S301得到的加速度的频率频谱中提取固定为300KHz的加速度。然后，把分析对象频率数固定在300KHz。
(4)下面，将旋转机的加速度的基准用时系数据和这个加速度的评价用时间系列数据分别抽样测定，并提取300KHz的加速度成分。即是，将基准用时间系列数据进行频率分析，将固定为分析对象频率的加速度作为基准用诊断数据作成，将评价用时间系列数据进行频率分析，将固定为分析对象频率的加速度作为评价用诊断数据来做成。例如：作为加速度减少率判定部件(模块)81用的输入数据，把在CVD成长中(成膜步骤)的加速度的时间系列数据进行抽样测定，并提取固定了的分析对象频率(300KHz)的成分。另外，作为加速度比判定部件(模块)82用的输入数据，把成膜步骤前后的加速度的时间系列数据进行抽样测定，并提取300KHz的成分。再有，作为加速度推移判定部件(模块)83用的输入数据，把CVD工艺外的状态中加速度的时间系列数据进行抽样测定，并提取300KHz的成分。再有作为马哈拉诺比斯距离判定部件(模块)84用的输入数据，包含评价干式泵3的状态的那天的72小时前(48小时前到168小时前之间是好的)的待机时(同一气体流量条件)的数据群，进行加速度的时间系列数据抽样测定，并提取300KHz的成分。在步骤S304中，使用加速度推移记录部件8，这些300KHz时的加速度的诊断点群构成的时效数据(基准用诊断数据和评价用诊断数据)记录在存储装置的规定文件里。
(5)步骤S305中，把步骤S304中得到的加速度的诊断点群构成的时效数据(基准用诊断数据和评价用诊断数据)从存储装置中读出，并输入到加速度减少率判定部件(模块)81、加速度比判定部件(模块)83、加速度推移判定部件(模块)83、马哈拉诺比斯距离判定部件(模块)84，用各个模块，进行干式泵3的寿命判断：
①在步骤S31中，用加速度减少率判定部件(模块)81，算出CVD成长中(成膜步骤)的、固定为300KHz的加速度的减少率。即，利用在CVD成长中(成膜步骤)的固定为300KHz的加速度会下降这一现象，进行干式泵3的寿命判断。成膜步骤时，在固定为300KHz的加速度减少率变为85％以上时，判断为泵即将停止，即为干式泵3的寿命。
②步骤S32中，使用加速度比判定部件(模块)82，算出成膜步骤前后的固定为300KHz的加速度比<后/前>。利用在CVD工艺中的成膜步骤刚刚停止之后，在成膜步骤中减少了的固定为300KHz的加速度在正常状态下能回到成膜步骤前的值，在泵即将停止之前不能回到成膜步骤前的值的这一现象来判断干式泵3的寿命。成膜步骤前后的固定为300KHz的加速度比(后/前)变到低于90％时，判断为泵即将停止，即是干式泵3的寿命；
③在步骤S33中，使用加速度推移判定部件(模块)83，通过CVD工艺以外抽样测定的固定为300KHz的加速度随时间的变化来判断寿命。即，确认在CVD工艺以外被抽样测定的固定为300KHz的加速度由于干式泵3的内部积蓄了淀积物而产生变化，刚换泵后就一定的固定在300KHz的加速度在泵停止的规定日前增加，在泵即将停止之前减少，将此作为判断基准。即像待机时一样，流入干式泵3内的气体流量一定时，固定在300KHz时的加速度增加后又减少的情况下，判断接近干式泵3的寿命。特别是这个情况下加速度的测定时间短即可，因此可高效地预测干式泵的寿命。
④在步骤S34中，使用马哈拉诺比斯距离判定部件(模块)84，以由正常时候(被固定在300KHz)的加速度数据群作成的马哈拉诺比斯空间作为基准，算出马哈拉诺比斯距离MD。然后，从马哈拉诺比斯距离MD的变化，进行干式泵3的寿命判断。例如：马哈拉诺比斯距离在15以上，可判断为泵即将停止。用马哈拉诺比斯距离MD时，灵敏度提高。
(6)然后，基于步骤S305的判断，在步骤S306中作泵即将停止(寿命)的显示。
根据本发明的第3种实施形态的半导体制造装置(LPCVD装置)用旋转机的寿命预测方法，可将分析频率固定在300KHz，和第1种实施形态同样，可预测干式泵3的寿命。
(其它的实施形态)
如上述的那样，本发明根据第1-第3种实施形态作了记载，但不应理解为将本发明限定于对该公开的部分所作的论述和附图中。显然本领域技术人员能够知晓对所公开的内容进行各种替代得到的实施形式、实施例和运用技术。
在上面所述的第一到第三实施形态说明中，对将旋转机的加速度的基准用时间系列数据和评价用时间系列数据分别进行抽样测定，从基准用时间系列作成基准用诊断数据，从评价用时间系列数据作成评从前和诊断数据的情况进行了说明。但是，容易理解在一定的情况下，省略将旋转机的加速度的基准用时间系列数据进行抽样测定，从基准用时间系列数据作成基准用诊断数据的步骤。
第1-第3种实施形态的说明中，作为旋转机以罗茨型干式泵3为例子，说明了使用干式泵3的峰值加速度的变动或峰值频率的变动的例子，即使螺杆型的干式泵也有同样的效果，而且用回油泵等旋转机也可以。
分析对象频率只要是旋转机的旋转数的整数倍，就可获得同样的效果，不依靠叶轮的叶片个数。另外，将多个频率同时进行分析可以确认不同部分的异常。这时的数据抽样条件需要配合最大频率。
在上述中以二氯硅烷(SiH2Cl2)气体和氨(NH3)气体的反应中形成硅氮化物膜(Si3N4)为例进行说明，但原料气体不限定于二氯硅烷(SiH2Cl2)气体和氨(NH3)气体。而且，不限制于Si3N4膜的LPCVD的例子，其它材料的薄膜的LPCVD也同样适用。另外，例示出生长单一品种材料的薄膜的例子，Si3N4膜、TEOS氧化膜、多晶硅等多种类的薄膜在同一的LPCVD装置中作成形时都能得到同样的效果。
第1-第3种实施形态中表示出LPCVD工艺的例子，本发明在干式泵的内部淀积反应生成物而导致旋转机(泵)停机时也确认同样的效果，在整个CVD工艺，干蚀刻工艺过程等中能够适用。
这样，本发明包括这里没有记载的各种实施例等，这是不言而喻的。从而，本发明的第1种实施形态有关的技术范围从上述的说明中根据恰当的权利要求范围涉及的发明特定事项确定。

Claims (14)

1.一种半导体制造装置用旋转机的寿命预测方法，对从检测半导体制造装置用旋转机的振动的加速度计得到的输出信号进行处理，进行该旋转机的寿命预测，其特征在于包括：
以小于等于分析对象频率的1/2周期的采样间隔、并以大于等于上述分析对象频率的4倍的采样数，对上述加速度计的输出信号进行采样测量，作成上述旋转机的加速度的评价用时间系列数据的数据测量步骤；
对上述评价用时间系列数据进行频率分析，作为评价用诊断数据作成与上述分析对象频率对应的加速度的峰值的变动的步骤；
使用上述评价用诊断数据和包含加速度减少率判定部件、加速度比判定部件、加速度推移判定部件、马哈拉诺比斯距离判定部件的寿命判断装置，根据诊断点的数据群判断上述旋转机的寿命的步骤。
2.根据权利要求1所述的半导体制造装置用旋转机的寿命预测方法，其特征在于：
在上述数据测量步骤中，还对旋转机的加速度的基准用时间系列数据进行采样测量，
对上述基准用时间系列数据进行频率分析，作为基准用诊断数据作成与上述分析对象频率对应的加速度的峰值的变动，对上述评价用时间系列数据进行频率分析，将上述峰值的变动作为评价用诊断数据，
使用上述基准用诊断数据和上述评价用诊断数据，根据诊断点的数据群判断上述旋转机的寿命。
3.根据权利要求1或2记载的半导体制造装置用旋转机的寿命预测方法，其特征在于用上述加速度的峰值的降低率作成前述评价用诊断数据，上述降低率超过预定阈值的时刻判定为即将到达寿命。
4.根据权利要求2所述的半导体制造装置用旋转机的寿命预测方法，其特征在于：
作为第1峰值加速度从采用上述旋转机的成膜步骤前的上述基准用时间系列数据中取得上述基准用诊断数据，作为第2峰值加速度从上述成膜步骤后的上述评价用时间系列数据中取得上述评价用诊断数据，在上述第2峰值加速度相对于上述第1峰值加速度的加速度比的减少率为90％时判断为寿命。
5.根据权利要求1或2所述的半导体制造装置用旋转机的寿命预测方法，其特征在于：
针对规定工艺条件的上述旋转机的负荷为一定的状态下，对上述评价用时间系列数据进行采样测定，由此作成上述评价用诊断数据，根据上述评价用诊断数据表示的上述峰值从增加到减少的过渡变化，进行寿命的判断。
6.根据权利要求2记载的半导体制造装置用旋转机的寿命预测方法，其特征在于：与前述评价用时间系列数据的测定时刻相比，在按经验法则确定的规定时间之前的时刻中，而且，借助从与前述评价用时间系列数据同一工艺条件下测定的前述基准用时间系列得到的前述基准用诊断数据作成马哈拉诺比斯空间，以该马哈拉诺比斯空间为基础，算出前述评价用诊断数据的马哈拉诺比斯距离，该马哈拉诺比斯距离超出预定阈值的时刻判定为即将到达寿命。
7.根据权利要求1或2所述的半导体制造装置用旋转机的寿命预测方法，其特征在于：
根据表示与上述分析对象频率对应的峰值的加速度的频率的变动来作成上述评价用诊断数据。
8.根据权利要求1或2所述的半导体制造装置用旋转机的寿命预测方法，其特征在于还包括：
将分析对象频率固定在旋转机所固有的基准频率的整数倍上。
9.一种半导体制造装置，其特征在于包括：
旋转机；
分析传送到CPU的频率频谱的数据，根据频谱的峰值位置的频率确定分析对象频率的分析对象频率决定装置；
以小于等于上述分析对象频率的1/2周期的采样间隔、并以大于等于上述分析对象频率的4倍的采样数，对上述旋转机的加速度的评价用时间系列数据进行采样测量的加速度计；
对该加速度计的输出进行频率分析的频率分析装置；
根据该频率分析的结果，作为评价用诊断数据从上述评价用时间系列数据作成与上述分析对象频率对应的加速度的峰值的变动，记录上述评价用诊断数据的峰值加速度推移记录装置；
使用上述评价用诊断数据，根据诊断点的数据群判断上述旋转机的寿命的寿命判断装置。
10.根据权利要求9所述的半导体制造装置，其特征在于：
上述加速度推移记录装置构成为：根据该频率分析的结果，作为基准用诊断数据从基准用时间系列数据作成与上述分析对象频率对应的加速度的峰值的变动，作为评价用诊断数据从上述评价用时间系列数据作成上述峰值的变动，记录上述基准用诊断数据和上述评价用诊断数据。
11.根据权利要求9所述的半导体制造装置，其特征在于：
上述加速度推移记录装置构成为：根据上述频率分析的结果，作为评价用诊断数据从上述评价用时间系列数据作成固定为上述分析对象频率的加速度的变动，并记录上述评价用诊断数据。
12.根据权利要求9所述的半导体制造装置，其特征在于：
上述加速度推移记录装置构成为：根据上述频率分析的结果，作为基准用诊断数据从基准用时间系列数据作成固定为上述分析对象频率的加速度的变动，作为评价用诊断数据从上述评价用时间系列数据作成固定为上述分析对象频率的加速度的变动，并记录上述基准用诊断数据和上述评价用诊断数据。
13.一种半导体制造装置，其特征在于包括：
旋转机；
分析传送到CPU的频率频谱的数据，根据频谱的峰值位置的频率确定分析对象频率的分析对象频率决定装置；
以小于等于分析对象频率的1/2周期的采样间隔、并以大于等于上述分析对象频率的4倍的采样数，对上述旋转机的加速度的评价用时间系列数据进行采样测量的加速度计；
对该加速度计的输出进行频率分析的频率分析装置；
根据该频率分析的结果，作为评价用诊断数据从上述评价用时间系列数据作成表示与上述分析对象频率对应的加速度的峰值的频率变动，记录上述评价用诊断数据的峰值频率推移记录装置；
使用由上述峰值频率推移记录装置记录的评价用诊断数据，根据诊断点的数据群判断上述旋转机的寿命的寿命判断装置。
14.根据权利要求13所述的半导体制造装置，其特征在于：
上述峰值频率推移记录装置构成为：根据该频率分析的结果，作为基准用诊断数据从基准用时间系列数据作成表示与上述分析对象频率对应的加速度的峰值的频率变动，作为评价用诊断数据从上述评价用时间系列数据作成表示上述峰值的频率变动，记录上述基准用诊断数据和上述评价用诊断数据。
CNB02160293XA 2001-08-31 2002-08-30 半导体制造装置用旋转机的寿命预测方法和半导体制造装置 Expired - Fee Related CN1240108C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2001264277A JP4149691B2 (ja) 2001-08-31 2001-08-31 半導体製造装置用回転機の寿命予測方法及び半導体製造装置
JP264277/2001 2001-08-31

Publications (2)

Publication Number Publication Date
CN1419264A CN1419264A (zh) 2003-05-21
CN1240108C true CN1240108C (zh) 2006-02-01

Family

ID=19090908

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB02160293XA Expired - Fee Related CN1240108C (zh) 2001-08-31 2002-08-30 半导体制造装置用旋转机的寿命预测方法和半导体制造装置

Country Status (5)

Country Link
US (1) US6885972B2 (zh)
JP (1) JP4149691B2 (zh)
KR (1) KR100507254B1 (zh)
CN (1) CN1240108C (zh)
TW (1) TW591688B (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100873237B1 (ko) * 2000-09-21 2008-12-10 지에스아이 루모닉스 코포레이션 디지털 제어 서보 시스템
GB0313887D0 (en) * 2003-06-16 2003-07-23 Gsi Lumonics Ltd Monitoring and controlling of laser operation
US8639489B2 (en) 2003-11-10 2014-01-28 Brooks Automation, Inc. Methods and systems for controlling a semiconductor fabrication process
US20070282480A1 (en) 2003-11-10 2007-12-06 Pannese Patrick D Methods and systems for controlling a semiconductor fabrication process
US8639365B2 (en) * 2003-11-10 2014-01-28 Brooks Automation, Inc. Methods and systems for controlling a semiconductor fabrication process
ATE393922T1 (de) * 2003-11-18 2008-05-15 Peter Renner Zustandsüberwachung bei technischen prozessen
WO2005073783A1 (en) * 2004-01-23 2005-08-11 Gsi Lumonics Corporation System and method for optimizing character marking performance
FR2887938A1 (fr) * 2005-07-04 2007-01-05 Alcatel Sa Ligne de vide et procede de surveillance d'une telle ligne
FR2896875B1 (fr) * 2006-01-30 2008-04-25 Eads Europ Aeronautic Defence Dispositif et procede de surveillance d'une grandeur environnementale en temps reel
KR100829581B1 (ko) * 2006-11-28 2008-05-14 삼성전자주식회사 영상 처리 방법, 기록매체 및 장치
JP2009089836A (ja) * 2007-10-05 2009-04-30 Sammy Corp 可動部材を備える遊技装置及びその耐久寿命診断方法
WO2012126485A1 (en) * 2011-03-22 2012-09-27 Aktiebolaget Skf Gear with vibration sensor
CN102418691B (zh) * 2011-07-12 2014-12-10 上海华力微电子有限公司 一种全自动检测泵失效的方法
JP6221652B2 (ja) * 2013-11-08 2017-11-01 セイコーエプソン株式会社 寿命予測方法、寿命予測装置、寿命予測システム、寿命演算装置及び回転機械
JP6223239B2 (ja) * 2014-03-07 2017-11-01 株式会社ディスコ 切削装置
JP2017142153A (ja) * 2016-02-10 2017-08-17 セイコーエプソン株式会社 寿命予測方法、寿命予測装置、および寿命予測システム
GB2551337A (en) * 2016-06-13 2017-12-20 Edwards Ltd Pump assembly, method and computer program
US10566881B2 (en) 2017-01-27 2020-02-18 Franklin Electric Co., Inc. Motor drive system including removable bypass circuit and/or cooling features
US10712227B2 (en) * 2017-02-14 2020-07-14 Nabors Drilling Technologies Usa, Inc. Washpipe life prediction
JP7034646B2 (ja) * 2017-09-25 2022-03-14 株式会社Ｓｃｒｅｅｎホールディングス 異常検知装置、及び異常検知方法
JP7040983B2 (ja) * 2018-03-30 2022-03-23 株式会社総合車両製作所 車両試験システム
US11774306B2 (en) 2018-06-26 2023-10-03 Applied Materials, Inc. System and method for maintenance of rotation-lift assembly
DE112018008225T5 (de) 2018-12-27 2021-09-16 Mitsubishi Electric Corporation Anomalie-diagnosevorrichtung und anomalie-diagnoseverfahren
US11573153B2 (en) * 2019-08-21 2023-02-07 Computational Systems, Inc. Prediction of machine failure based on vibration trend information
TWI729500B (zh) 2019-09-18 2021-06-01 財團法人工業技術研究院 電腦可讀取紀錄媒體、資料處理方法及資料處理系統
CN111706499B (zh) * 2020-06-09 2022-03-01 成都数之联科技有限公司 一种真空泵的预测维护系统及方法及真空泵自动采购系统

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5681036A (en) * 1979-12-03 1981-07-02 Hitachi Ltd Rotary machine vibration monitoring method
JPS5920589A (ja) * 1982-07-26 1984-02-02 Nippon Steel Chem Co Ltd 往復圧縮機の運転状況監視方法
JPS63150633A (ja) * 1986-12-16 1988-06-23 Toshiba Corp 軸振動診断装置
JP2594333B2 (ja) * 1988-09-09 1997-03-26 富士ファコム制御株式社社 振動試験装置
GB2229536B (en) * 1989-03-22 1993-04-07 Ferranti Int Signal Signal processing apparatus and method
KR910014609A (ko) * 1990-01-23 1991-08-31 야마무라 가쯔미 마이크로 펌프 관리 제어 방법 및 장치
US5210704A (en) * 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
JP3048395B2 (ja) * 1991-03-11 2000-06-05 株式会社東芝 回転機械の監視装置
JPH0579903A (ja) * 1991-09-19 1993-03-30 Hitachi Ltd 回転機の異常診断方法及びその装置
US5501105A (en) * 1991-10-02 1996-03-26 Monitoring Technology Corp. Digital signal processing of encoder signals to detect resonances in rotating machines
JPH05195980A (ja) 1992-01-16 1993-08-06 Hitachi Ltd 高温・高圧流体を取扱う高速遠心ポンプの予防保全システム
JP3011532B2 (ja) * 1992-04-30 2000-02-21 株式会社東芝 冷蔵庫の振動デバッグ法
JPH06221909A (ja) * 1993-01-27 1994-08-12 Agency Of Ind Science & Technol 回転機械の異常診断手法
US5406502A (en) * 1993-06-29 1995-04-11 Elbit Ltd. System and method for measuring the operation of a device
JPH07209035A (ja) * 1994-01-11 1995-08-11 Toshiba Corp 機器状態監視装置
JP2613360B2 (ja) * 1994-06-03 1997-05-28 株式会社日立製作所 機器／設備の診断システム
US5586066A (en) * 1994-06-08 1996-12-17 Arch Development Corporation Surveillance of industrial processes with correlated parameters
JP3351925B2 (ja) 1995-03-22 2002-12-03 横河電機株式会社 設備管理システム
US5633811A (en) * 1994-12-09 1997-05-27 Computational Systems, Inc. Hand held data collector and analyzer system
JPH09131085A (ja) * 1995-11-02 1997-05-16 Mitsubishi Electric Corp 位置検出器
US6297742B1 (en) * 1996-08-22 2001-10-02 Csi Technology, Inc. Machine monitor with status indicator
CA2272918A1 (en) * 1996-11-27 1998-06-04 Sundstrand Corporation Method of maintaining components subject to fatigue failure
JPH10221161A (ja) * 1997-02-10 1998-08-21 Nippon Densan Corp 振動検査方法及び検査装置
EP0895197B1 (de) * 1997-07-31 2006-01-11 Sulzer Markets and Technology AG Verfahren zum Überwachen von Anlagen mit mechanischen Komponenten
JPH1162846A (ja) * 1997-08-08 1999-03-05 Ebara Corp 真空ポンプの故障予知システム
US6260004B1 (en) * 1997-12-31 2001-07-10 Innovation Management Group, Inc. Method and apparatus for diagnosing a pump system
US6199018B1 (en) * 1998-03-04 2001-03-06 Emerson Electric Co. Distributed diagnostic system
US6434512B1 (en) * 1998-04-02 2002-08-13 Reliance Electric Technologies, Llc Modular data collection and analysis system
JP3595926B2 (ja) * 1998-04-28 2004-12-02 愛三工業株式会社 電動燃料ポンプの吐出脈動による騒音の検査装置
JP2000064964A (ja) * 1998-08-21 2000-03-03 Ebara Corp 真空ポンプの故障予知システム
JP3349455B2 (ja) * 1998-09-30 2002-11-25 宮崎沖電気株式会社 半導体製造装置のための管理方法および管理システム
JP2000259222A (ja) * 1999-03-04 2000-09-22 Hitachi Ltd 機器監視・予防保全システム
US6207472B1 (en) 1999-03-09 2001-03-27 International Business Machines Corporation Low temperature thin film transistor fabrication
JP2000283056A (ja) * 1999-03-26 2000-10-10 Hitachi Ltd 真空ポンプ異常監視システム
JP4120099B2 (ja) * 1999-07-09 2008-07-16 日本精工株式会社 軸受の異常診断方法および異常診断装置
US6321602B1 (en) * 1999-09-28 2001-11-27 Rockwell Science Center, Llc Condition based monitoring by vibrational analysis
US6392584B1 (en) * 2000-01-04 2002-05-21 Richard Eklund System and method for detecting and warning of potential failure of rotating and vibrating machines
JP4138267B2 (ja) * 2001-03-23 2008-08-27 株式会社東芝 半導体製造装置、真空ポンプの寿命予測方法及び真空ポンプの修理タイミング決定方法
JP4592235B2 (ja) * 2001-08-31 2010-12-01 株式会社東芝 生産装置の故障診断方法及び生産装置の故障診断システム

Also Published As

Publication number Publication date
KR100507254B1 (ko) 2005-08-11
JP4149691B2 (ja) 2008-09-10
CN1419264A (zh) 2003-05-21
US20030153997A1 (en) 2003-08-14
US6885972B2 (en) 2005-04-26
JP2003074478A (ja) 2003-03-12
TW591688B (en) 2004-06-11
KR20030019214A (ko) 2003-03-06

Similar Documents

Publication Publication Date Title
CN1240108C (zh) 半导体制造装置用旋转机的寿命预测方法和半导体制造装置
CN1490527A (zh) 制造装置及旋转机的寿命预测方法
CN1230869C (zh) 预测旋转机器寿命的装置及其预测和确定维修时间的方法
US20220077544A1 (en) Device for engine monitoring
JP4184638B2 (ja) 半導体製造装置の寿命診断方法
CN1276177C (zh) 旋转机的寿命预测方法及具有旋转机的制造装置
CN100342382C (zh) 用于发电厂的操作支持系统
CN1796753A (zh) 爆震的检测
CN109477460A (zh) 控制风力涡轮机噪声
US20130299000A1 (en) System and method of efficient by-product disposal based on by-product quality
CN1710401A (zh) 大型离心风机在线状态监测中的混沌控制方法
RU2011147173A (ru) Способ вибрационной диагностики и прогнозирования внезапного отказа двигателя и носитель
CN1636133A (zh) 用于检测设备部件上脉冲机械作用的方法和装置
CN1281866C (zh) 旋转机的寿命预测系统及其方法和具有旋转机的制造装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20060201

Termination date: 20120830