本发明涉及一种数据处理方法、数据处理装置以及存储介质。
背景技术：
已知有一种对基板进行处理的基板处理装置。典型的是，基板处理装置被较佳地用于半导体基板的处理。正研究基于从基板处理装置按照时间序列输出的数据来判定基板处理装置的异常(例如参照专利文献1)。专利文献1的半导体制造装置中，根据特定的监测对象与关联的其他监测对象的相关数据来制作二轴坐标系，基于是否包含在异常区域中来判定半导体制造装置的异常。
[现有技术文献]
[专利文献]
[专利文献1]日本专利特开2006-228911号公报
技术实现要素：
[发明所要解决的问题]
但是，专利文献1的方法中，必须确定具有所期望的相关关系的两个监测对象，但实际上所述确定困难，无法容易地判定半导体制造装置的状态。
本发明是有鉴于所述问题而完成，其目的在于提供一种从在基板处理装置中生成的多个时间序列数据中容易地提取特定的时间序列数据的数据处理方法、数据处理装置以及存储介质。而且，本发明的另一目的在于提供一种能够降低从基板处理装置获得的对象时间序列数据与学习数据库中所含的时间序列数据的匹配时的运算量的数据处理方法、数据处理装置以及存储介质。
[解决问题的技术手段]
根据本发明的一方面，数据处理方法包含获取时间序列数据的步骤、获取评估值的步骤、分类步骤及提取步骤。在所述获取时间序列数据的步骤中，获取通过基板处理装置获得的多个时间序列数据。在所述获取评估值的步骤中，获取所述多个时间序列数据各自的评估值。在所述分类步骤中，基于所述评估值，将所述多个时间序列数据分别分类为多个类别中的任一个。在所述提取步骤中，提取与所述多个类别中的任一个对应的时间序列数据来作为提取时间序列数据。
一实施方式中，在所述获取评估值的步骤中，通过所述多个时间序列数据各自与基准数据的比较，来获取所述多个时间序列数据各自的评估值。
一实施方式中，在所述获取评估值的步骤中，所述时间序列数据与所述基准数据的值的差为大的情况下的所述评估值，大于所述时间序列数据与所述基准数据的值的差为小的情况下的所述评估值。
一实施方式中，所述数据处理方法还包含下述步骤：切换显示评估值图表与所述提取时间序列数据，所述评估值图表表示所述提取时间序列数据的评估值的变化。
一实施方式中，所述数据处理方法还包含下述步骤：存储所述提取时间序列数据。
一实施方式中，所述数据处理方法还包含下述步骤：对所述提取时间序列数据进行聚类处理而分类为多个群集中的任一个。
一实施方式中，所述数据处理方法还包含下述步骤：切换显示评估值图表与所述提取时间序列数据，所述评估值图表表示被分类为所述多个群集中的任一个的提取时间序列数据的评估值。
一实施方式中，所述数据处理方法还包含下述步骤：生成学习数据库，所述学习数据库是对与所述提取时间序列数据对应的群集，赋予有与所述时间序列数据对应的关于所述基板处理装置的原因对策信息。
而且，根据本发明的另一方面，数据处理方法包含获取时间序列数据的步骤、获取评估值的步骤、分类步骤及匹配步骤。在所述获取时间序列数据的步骤中，获取通过基板处理装置获得的多个时间序列数据。在所述获取评估值的步骤中，获取所述多个时间序列数据各自的评估值。在所述分类步骤中，基于所述评估值，将所述多个时间序列数据分别分类为多个类别中的任一个。在所述匹配步骤中，对与所述多个类别中的任一个对应的对象时间序列数据和学习数据库中所含的时间序列数据进行匹配。
一实施方式中，在所述学习数据库中，对应于时间序列数据而存储有原因对策信息。所述数据处理方法在所述匹配步骤中还包含下述步骤，即，在所述对象时间序列数据与所述学习数据库中所含的至少一个时间序列数据的匹配率高于阈值的情况下，读出与所述时间序列数据对应的原因对策信息。
一实施方式中，在所述获取评估值的步骤中，通过所述多个时间序列数据各自与基准数据的比较，来获取所述多个时间序列数据各自的评估值。
一实施方式中，在所述获取评估值的步骤中，所述时间序列数据与所述基准数据的值的差异为大的情况下的所述评估值，大于所述时间序列数据与所述基准数据的值的差异为小的情况下的所述评估值。
一实施方式中，所述数据处理方法还包含下述步骤：存储所述对象时间序列数据。
根据本发明的又一方面，数据处理装置包括数据获取部、评估值获取部、分类部及提取部。所述数据获取部获取通过基板处理装置获得的多个时间序列数据。所述评估值获取部获取所述多个时间序列数据各自的评估值。所述分类部基于所述评估值，将所述多个时间序列数据分类为多个类别中的任一个。所述提取部提取与所述多个类别中的任一个对应的时间序列数据来作为提取时间序列数据。
根据本发明的又一方面，数据处理装置包括数据获取部、评估值获取部、分类部及匹配部。所述数据获取部获取通过基板处理装置获得的多个时间序列数据。所述评估值获取部获取所述多个时间序列数据各自的评估值。所述分类部基于所述评估值，将所述多个时间序列数据分类为多个类别中的任一个。所述匹配部对与所述多个类别中的任一个对应的对象时间序列数据和学习数据库中所含的时间序列数据进行匹配。
根据本发明的又一方面，存储介质存储使计算机执行下述步骤的程序，即：获取时间序列数据的步骤、获取评估值的步骤、分类步骤及提取步骤。在所述获取时间序列数据的步骤中，获取通过基板处理装置获得的多个时间序列数据。在所述获取评估值的步骤中，获取所述多个时间序列数据各自的评估值。在所述分类步骤中，基于所述评估值，将所述多个时间序列数据分类为多个类别中的任一个。在所述提取步骤中，提取与所述多个类别中的任一个对应的时间序列数据来作为提取时间序列数据。
根据本发明的又一方面，存储介质存储使计算机执行下述步骤的程序，即：获取时间序列数据的步骤、获取评估值的步骤、分类步骤及匹配步骤。在所述获取时间序列数据的步骤中，获取通过基板处理装置获得的多个时间序列数据。在所述获取评估值的步骤中，获取所述多个时间序列数据各自的评估值。在所述分类步骤中，基于所述评估值，将所述多个时间序列数据分类为多个类别中的任一个。在所述匹配步骤中，对与所述多个类别中的任一个对应的对象时间序列数据和学习数据库中所含的时间序列数据进行匹配。
[发明的效果]
根据本发明，能够从在基板处理装置中生成的多个时间序列数据中，容易地提取特定的时间序列数据。而且，根据本发明，能够降低从基板处理装置获得的对象时间序列数据与学习数据库中所含的时间序列数据的匹配时的运算量。
附图说明
图1是本实施方式的数据处理装置及基板处理装置的示意图。
图2是本实施方式的数据处理方法的流程图。
图3(a)是表示本实施方式的数据处理方法中所用的时间序列数据的图表，图3(b)是表示本实施方式的数据处理方法中所用的基准数据的图表。
图4(a)是表示本实施方式的数据处理方法中所用的时间序列数据的示意图，图4(b)是表示本实施方式的数据处理方法中的时间序列数据与基准数据的比较的示意图，图4(c)是表示本实施方式的数据处理方法中的评估值的变化的示意图。
图5(a)是表示本实施方式的数据处理方法中的基于评估值的分类的示意图，图5(b)是表示本实施方式的数据处理方法中的时间序列数据的提取的示意图。
图6是本实施方式的数据处理装置及基板处理装置的示意图。
图7(a)至图7(c)是表示在本实施方式的数据处理装置中显示于显示部的、表示评估值的变化的评估值图表及时间序列数据的示意图。
图8(a)至图8(c)是表示在本实施方式的数据处理装置中显示于显示部的时间序列数据的示意图。
图9(a)至图9(c)是表示在本实施方式的数据处理装置中显示于显示部的提取评估值图表及对应的时间序列数据的示意图。
图10是本实施方式的数据处理装置及基板处理装置的示意图。
图11(a)至图11(c)是表示在本实施方式的数据处理方法中所提取的时间序列数据的示意图。
图12是本实施方式的数据处理方法的流程图。
图13是本实施方式的数据处理方法的流程图。
图14是表示本实施方式的数据处理装置中的学习数据库的表的示意图。
图15是本实施方式的数据处理装置及基板处理装置的示意图。
图16是本实施方式的数据处理方法的流程图。
图17是本实施方式的数据处理方法的流程图。
图18(a)是表示控制信号的波形的图，图18(b)是表示时间序列数据的波形的图。
图19是表示多个时间序列数据的值的示意图。
图20(a)是表示评估值分布的图表，图20(b)是表示评估值分布的标准化结果的图表。
图21是本实施方式的数据处理装置及基板处理装置的示意图。
图22是本实施方式的数据处理装置及基板处理装置的示意图。
图23是本实施方式的数据处理装置及基板处理装置的示意图。
图24是本实施方式的数据处理装置及基板处理装置的示意图。
图25是本实施方式的数据处理装置及基板处理装置的示意图。
[符号的说明]
10、110：处理部
11：数据获取部(获取部)
12：评估值获取部(获取部)
13、113：分类部
14：提取部
15：聚类处理部
20、120、201b：存储部
30、140：显示部
32：显示画面
33：显示区域
34：操作区域
34a：箭头
34b：突钮
40、130：输入部
100：数据处理装置
111：数据获取部
112：评估值获取部
114：匹配部
115：读出部
200、200a、200b：基板处理装置
201：控制装置
201a：控制部
210：处理单元
220：腔室
230、270：基板保持部
231：旋转底座
232：卡盘构件
233：轴
234：电动马达
235：基部
240：液体供给部
240b：阀
250：杯部
260：处理槽
a：期间(上升期间)
ax：旋转轴
b：期间(稳定期间)
b1～b3：边界线
bg：按钮
c：期间(下降期间)
cr：中心机器人
cu：光标
ege：提取评估值图表
etd1、etd2、etd3：提取时间序列数据
ev、ev1～ev25：评估值
ge：评估值图表
ir：移载器机器人
l：处理液
l0：初始等级
l1：等级1
l2：等级2
l3：等级3
l4：等级4
lb：流体箱
lc：流体室
lp：装载埠
r1：第一范围
r2：第二范围
rd：基准数据
s2～s24、s102～s114：步骤
t0～t2：时刻
td、td1～td100：时间序列数据
th1、th2：阈值
th3：规定的值
tw：塔
w：基板
wa：基板w的上表面(表面)
wb：基板w的背面(下表面)
μ：平均值
σ：标准偏差
具体实施方式
以下，参照附图来说明本发明的数据处理方法、数据处理装置以及程序的实施方式。另外，图中，对于相同或相当的部分标注相同的参照符号并不再重复说明。
首先，参照图1来说明本发明的数据处理装置100的实施方式。图1是本实施方式的数据处理装置100及基板处理装置200的示意图。
数据处理装置100进行数据处理。具体而言，数据处理装置100对在基板处理装置200中生成的时间序列数据td进行处理。
典型的是，基板处理装置200包含至少一个处理单元210。处理单元210分别生成时间序列数据td。
时间序列数据td是表示基板处理装置200中的物理量的时间变化的数据。时间序列数据td表示遍及规定期间而按照时间序列变化的物理量(值)的时间变化。例如，时间序列数据td是表示关于基板处理装置200对基板所进行的处理的、物理量的时间变化的数据。或者，时间序列数据td是表示关于由基板处理装置200所处理的基板的特性的、物理量的时间变化的数据。
另外，时间序列数据td中所示的值也可为在测定设备中直接测定的值。或者，时间序列数据td中所示的值也可为对在测定设备中直接测定的值进行运算处理所得的值。或者，时间序列数据td中所示的值也可为对在多个测定设备中测定的值进行运算所得的值。
典型的是，时间序列数据td包含10个以上的值。时间序列数据td也可包含100个以上的值，还可包含1000个以上的值。
数据处理装置100也可与基板处理装置200可通信地连接。或者，在基板处理装置200中生成的时间序列数据td也可经由存储元件而传输至数据处理装置100。
数据处理装置100包括处理部10。处理部10具有处理器。处理部10例如具有中央处理器(centralprocessingunit，cpu)。或者，处理部10也可具有通用处理器。
数据处理装置100也可还包括存储部20。存储部20存储数据及计算机程序。存储部20包含主存储装置与辅助存储装置。主存储装置例如为半导体存储器。辅助存储装置例如为半导体存储器和/或硬盘驱动器(harddiskdrive)。存储部20也可包含可移动介质(removablemedia)。处理部10执行存储部20所存储的计算机程序。
此处，计算机程序被存储在非暂时性的计算机可读取存储介质中。非暂时性的计算机可读取存储介质包含只读存储器(readonlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、只读光盘(compactdisk-readonlymemory，cd-rom)、磁带、磁盘或光数据存储装置。
存储部20存储在基板处理装置200中生成的时间序列数据。数据处理装置100与基板处理装置200可彼此通信地连接，时间序列数据td也可每当在基板处理装置200中生成时传输至数据处理装置100，存储部20依序存储时间序列数据td。或者，也可每当在基板处理装置200中生成规定数的时间序列数据td时，将时间序列数据td汇总传输至数据处理装置100，存储部20汇总存储时间序列数据td。
处理部10包含数据获取部11、评估值获取部12、分类部13及提取部14。数据获取部11获取多个时间序列数据。此处，数据获取部11从存储部20获取时间序列数据td。另外，本说明书中，有时将数据获取部11简称作获取部11。
评估值获取部12对于多个时间序列数据td分别获取评估值。本说明书中，有时将评估值获取部12简称作获取部12。
评估值获取部12针对多个时间序列数据td，依据同一评估基准来获取评估值。评估值获取部12依据特定的评估基准，对应于一个时间序列数据td而生成一个评估值。例如，评估值获取部12针对时间序列数据td的整体，依据相同的评估基准来获取评估值。或者，评估值获取部12对于时间序列数据td的特定的一部分，依据相同的评估基准来获取评估值。另外，评估值获取部12也可使用时间序列数据td的整体或特定的一部分，将多个评估基准综合而生成评估值。
典型的是，评估值获取部12是通过依据在数据处理装置100中设定的评估基准来运算时间序列数据td的评估值而生成。例如，评估值获取部12通过对表示时间序列数据td的图表的波形进行数值化而生成评估值。但是，评估值获取部12也可使其他构成元件运算评估值，仅获取所运算出的评估值。评估值也可通过时间序列数据td与作为基准的数据的比较而生成。另外，优选的是，作为基准的数据被存储在存储部20中。
评估值的可采用数量少于时间序列数据td的数量。典型的是，时间序列数据td的数量为100以上，与此相对，评估值的可采用数量为20以上且不足100。
另外，时间序列数据td的上限并无特别限定。只要数据处理装置100能够运算或存储，则时间序列数据td的数量上限也可为任意。在一例中也可为，时间序列数据td的上限为1万，时间序列数据td的上限为1亿。
分类部13基于评估值，将多个时间序列数据td分别分类为多个类别中的任一个。多个类别的数量少于时间序列数据td的数量或者根据时间序列数据td而生成的评估值的可采用数量。典型的是，时间序列数据td的数量为100以上，评估值的可采用数量为20以上且小于100，与此相对，多个类别的数量为2以上且10以下。
时间序列数据td的评估值是依据固定的评估基准而生成。因此，使用评估值来对时间序列数据td进行分类的类别也可表示评估基准的高低。在本说明书的以下的说明中，有时将表示评估基准的高低的类别称作等级(level)。
例如，分类部13基于评估值，将时间序列数据td分类为等级1～等级4的任一个。典型的是，在获取部12基于时间序列数据td及基准数据而获取了与时间序列数据td对应的评估值后，分类部13基于评估值将时间序列数据td分类为等级1～等级4的任一个。优选的是，基准数据被存储在存储部20中。
在一例中，等级1表示评估值为基准数据或相对较接近基准数据的类别，等级2表示评估值为仅次于等级1而接近基准数据的类别。而且，等级3表示评估值为仅次于等级2而接近基准数据的类别，等级4表示评估值为比等级1～等级3都远离基准数据的类别。
另外，分类部13也可基于评估值来将时间序列数据td分类为两个类别。例如，设为类别1的时间序列数据td表示基准数据或相对较接近基准数据，设为类别2的时间序列数据td表示比类别1远离基准数据。
提取部14提取与在分类部13中经分类的类别中的任一个对应的时间序列数据来作为提取时间序列数据。由此，能够从多个时间序列数据中收集表示特定范围的评估值的特定的时间序列数据来作为提取时间序列数据。
例如，优选的是，提取部14提取与在分类部13中经分类的类别中的、距基准数据最远的类别对应的时间序列数据。由此，能够容易地提取与远离理想值或平均值的评估值对应的时间序列数据。因此，能够在基板处理装置200中产生实质上的异常之前掌握基板处理装置200的变化。此时，优选的是，变更基板处理装置200的控制，以使得在基板处理装置200中的基板处理产生异常之前抑制基板处理装置200的变化。
如上所述，优选的是，提取部14提取与在分类部13中经分类的类别中的、距基准数据最远的类别对应的时间序列数据。而且，在提取了表示远离基准数据的评估值的时间序列数据来作为提取时间序列数据的情况下，优选的是进一步对提取时间序列数据进行聚类处理。但是，由提取部14所提取的提取时间序列数据也可并非为与距基准数据最远的类别对应的时间序列数据。
根据本实施方式的数据处理装置100，能够从在基板处理装置中生成的多个时间序列数据中容易地提取特定的时间序列数据。
接下来，参照图1及图2来说明本实施方式的数据处理方法。图2表示本实施方式的数据处理方法的流程图。
如图2所示，在步骤s2中，获取时间序列数据td。时间序列数据td是在基板处理装置200中生成的数据。获取部11获取多个时间序列数据td。多个时间序列数据td既可为在同一处理单元210中生成的数据，也可为在不同的处理单元210中生成的数据。多个时间序列数据td各自表示基板处理装置200中的特定单位的物理量的时间变化。
获取部11从存储部20获取多个时间序列数据td。或者，获取部11也可从基板处理装置200直接获取时间序列数据td。例如，时间序列数据是伴随基板处理装置200中的基板处理或基板处理装置200的控制而依序生成。接下来，处理前进至步骤s4。
在步骤s4中，获取评估值(得分(score))。获取部12获取分别针对多个时间序列数据td的评估值ev。例如，获取部12分别针对多个时间序列数据td，依据特定的评估基准而生成评估值ev。评估基准既可存储在数据处理装置100内，也可存储在数据处理装置100之外。针对一个时间序列数据td而获取一个评估值ev。但是，评估值ev可对应于时间序列数据td而表示多个值。
另外，也可规定评估值的最大值与最小值的范围。例如，也可对评估值进行标准化，以使评估值的最大值与最小值之间的差为1。
评估值是依据特定的评估基准而生成。例如，评估值也可被规定为，评估值越高则评估越高，评估值越低则评估越低。或者，评估值也可被规定为，评估值越高则评估越低，评估值越低则评估越高。或者，评估值也可被规定为，评估值越接近特定值则评估越高，或者，评估值还可被规定为，评估值越远离特定值则评估越高。接下来，处理前进至步骤s6。
在步骤s6中，使用评估值ev，将时间序列数据td分别分类为多个类别中的任一个。可分类的类别数量比评估值ev可表示的值的数量少。接下来，处理前进至步骤s8。
在步骤s8中，从多个时间序列数据td中，提取被分类为多个类别中的成为对象的对象类别的特定的时间序列数据td来作为提取时间序列数据。典型的是，提取时间序列数据被存储在存储部20中。但是，提取时间序列数据也可存储在外部的存储元件中。
像以上那样进行本实施方式的数据处理方法。根据本实施方式的数据处理方法，能够从在基板处理装置200中生成的多个时间序列数据中容易地提取特定的时间序列数据。另外，在步骤s2中获取的多个时间序列数据td中的、被提取的提取时间序列数据被保存到存储部20中，另一方面，未被提取的时间序列数据td也可被擦除而不保存到存储部20中。由此，能够有效地保存所需的信息。
时间序列数据td的评估值也可与基准数据进行比较而生成。例如，基准数据也可基于表示良好的基板处理结果的多个时间序列数据而生成。在一例中，基准数据是通过对表示良好的基板处理结果的多个时间序列数据进行平均化而生成。在基准数据为理想的数据或表示良好的基板处理结果时的时间序列数据的情况下，时间序列数据越接近基准数据，则为越高的评估，越远离基准数据，则为越低的评估。
接下来，参照图3(a)及图3(b)来说明时间序列数据td及基准数据rd。图3(a)是代表时间序列数据td的图表，图3(b)是代表基准数据rd的图表。图3(a)及图3(b)的图表中，横轴表示时间，纵轴表示物理量。例如，时间序列数据td及基准数据rd分别表示100个物理量(值)的时间变化。
时间序列数据td及基准数据rd表示相同物理量的时间变化，表示时间序列数据td的图表的形状与基准数据rd的图表的形状大致相同。但是，严格而言，时间序列数据td与基准数据rd并不一致。
如图3(a)所示，在时间序列数据td中，在开始时间点，物理量大致为零。当经过规定的期间时，物理量从零开始增加。物理量在短期间急速增加而到达波峰。自此开始，物理量在一定期间维持波峰。遍及波峰期间，物理量虽有少许变动但大致固定。随后，物理量在短期间急速减少而恢复至大致为零。
在图3(b)中，基准数据rd是基于基板处理装置200中的基板处理在理想的状态下推进时的时间序列数据而制作。例如，基准数据rd也可为基板处理装置200中的基板处理在最理想的状态下推进时的时间序列数据。或者，基准数据rd也可表示基板处理装置200中的基板处理在理想的状态下推进的期间的时间序列数据的平均值。
如图3(b)所示，在基准数据中，物理量在开始时间点大致为零。当经过规定的期间时，物理量从零开始增加。物理量在短期间急速增加而到达波峰。自此开始，物理量在规定期间维持波峰。随后，物理量在短期间急速减少而恢复至大致为零。
这样，由时间序列数据td所示的图表呈现与由基准数据rd所示的图表相同的倾向，但严格而言，时间序列数据与基准数据rd并不相同。例如，在时间序列数据td的图表中直至到达波峰为止的上升期间与在基准数据rd的图表中直至到达波峰为止的上升期间不同。而且，时间序列数据td的图表中的峰值与基准数据rd的图表中的峰值不同。进而，时间序列数据td的图表中的波峰与基准数据rd的图表相比变动得多。
接下来，参照图1至图5(b)来说明本实施方式的数据处理方法。图4(a)是表示时间序列数据td1～时间序列数据td100的示意图。时间序列数据td1～时间序列数据td100各自表示相同物理量的时间变化。例如，获取部11从存储部20获取时间序列数据td1～时间序列数据td100。
获取部12根据时间序列数据td1～时间序列数据td100分别获取评估值ev。例如，获取部12基于时间序列数据td1～时间序列数据td100各自与基准数据rd的差值来获取评估值ev1～评估值ev100。例如，获取部12通过累计时间序列数据td各自的值与基准数据rd各自的值的差值的平方而生成评估值ev。此时，时间序列数据越接近基准数据，则评估值越小，时间序列数据越远离基准数据，则评估值越大。
图4(b)是表示对时间序列数据td与基准数据rd进行比较的结果的图表。图4(b)的斜线表示时间序列数据td与基准数据rd的差异部分。在通过差值平方的累计来获取评估值的情况下，评估值ev相当于图4(b)的斜线部分的面积。
图4(c)是表示与时间序列数据td1～时间序列数据td25对应的评估值ev1～评估值ev25的变化的评估值图表ge。图4(c)中，在附图的关系上，评估值图表ge表示与时间序列数据td1～时间序列数据td100中的时间序列数据td1～时间序列数据td25对应的评估值ev1～评估值ev25的变化。如图4(c)所示，对应于时间序列数据td的次序，评估值ev发生变化。此处，与评估值ev1～评估值ev5及评估值ev7～评估值ev10相比，评估值ev6相当高。而且，与评估值ev15～评估值ev19及评估值ev21～评估值ev25相比，评估值ev20相当高。
图5(a)是用于说明针对表示评估值ev1～评估值ev25的变化的评估值图表ge的分类的图表。如图5(a)所示，评估值ev是根据大小而分类。例如，评估值是基于大小而被分类为多个类别中的任一个。
此处，分类部13基于评估值ev1～评估值ev25，将时间序列数据td1～时间序列数据td25分类为四个等级中的任一个。分类部13将评估值ev的大小不超过阈值th1的时间序列数据td分类为等级1。分类部13将评估值ev的大小为阈值th1以上且不超过阈值th2的时间序列数据td分类为等级2。分类部13将评估值ev的大小为阈值th2以上且不超过th3的时间序列数据td分类为等级3。分类部13将评估值ev的大小为规定的值th3以上的时间序列数据td分类为等级4。
在图5(a)的图表中，在等级1与等级2的边界处显示有边界线b1。同样，在等级2与等级3的边界处显示有边界线b2，在等级3与等级4的边界处显示有边界线b3。
在图5(a)的图表中，评估值ev3、评估值ev8、评估值ev12、评估值ev13、评估值ev15、评估值ev17、评估值ev21、评估值ev23相当于等级1。评估值ev1、评估值ev2、评估值ev4、评估值ev5、评估值ev7、评估值ev9、评估值ev10、评估值ev14、评估值ev16、评估值ev18、评估值ev19、评估值ev22、评估值ev24、评估值ev25相当于等级2。评估值ev11相当于等级3。评估值ev6、评估值ev20相当于等级4。
图5(b)是用于说明提取部14提取与评估值ev6及评估值ev20对应的时间序列数据td6及时间序列数据td20的图表。如图5(b)所示，若对依据特定的评估基准而获取的评估值ev进行比较，则评估值ev6及评估值ev20的值大于其他的评估值。此时可认为，与其他的时间序列数据td相比，与评估值ev6及评估值ev20对应的时间序列数据td6及时间序列数据td20呈现出异常的倾向。因此，提取部14提取与评估值ev6及评估值ev20对应的时间序列数据td6及时间序列数据td20。
根据本实施方式，能够将与多个时间序列数据td1～td100对应的评估值作为基准，来较佳地提取多个时间序列数据td1～td100中的、呈现出异常倾向的时间序列数据td6及时间序列数据td20。因此，通过从多个时间序列数据td1～td100中提取被分类为对象类别的时间序列数据td6及时间序列数据td20，能够掌握及研究基板处理装置200的异常状态而无须过度地运算。
另外，所述说明(尤其是参照图3(a)至图5(b)的说明)中，在生成评估值ev时，对时间序列数据td与基准数据rd进行比较，但本实施方式并不限定于此。也可不使用基准数据rd而由时间序列数据td来生成评估值ev。
例如，获取部12也可通过将时间序列数据td的一部分值与存储在存储部20中的特定的值进行比较而生成评估值ev。例如也可为，在存储部20中，存储有相当于时间序列数据td的图表的峰值的值(峰值相当值)，获取部12对时间序列数据td的峰值与存储在存储部20中的峰值相当值进行比较而生成评估值ev。
或者也可为，在存储部20中，存储有相当于时间序列数据的图表的上升期间的值(上升期间相当值)，获取部12对时间序列数据td的上升期间与存储在存储部20中的上升期间相当值进行比较而生成评估值ev。或者也可为，在存储部20中，存储有相当于时间序列数据的图表的波峰期间中的变动值的值(波峰变动相当值)，获取部12对时间序列数据td的波峰变动值与存储在存储部20中的波峰变动相当值进行比较而生成评估值ev。
另外，在数据处理装置100中，优选的是能够输入来自操作者或管理者的指示。而且，在数据处理装置100中，优选的是能够对操作者或管理者显示信息。例如，尤其优选的是，能够对操作者或管理者显示评估值或时间序列数据(尤其是提取时间序列数据)。
接下来，参照图6来说明本实施方式的数据处理装置100。图6是数据处理装置100及基板处理装置200的示意图。图6的数据处理装置100还包括显示部30及输入部40，除此以外，具有与参照图1而上述的数据处理装置100同样的结构。因此，为了避免冗长，省略重复的记载。
显示部30显示操作画面或各种处理的结果。而且，显示部30显示表示时间序列数据的图表或表示评估值的变化的评估值图表ge。
显示部30具有显示器。例如，显示器包含液晶显示器或有机电致发光(electroluminescence，el)显示器。
另外，优选的是，显示部30显示表示评估值的变化的评估值图表ge。而且，优选的是，显示部30在显示评估值图表ge的情况下，当操作者或管理者经由输入部40来指定评估值图表ge的一个值(评估值)时，显示部30显示与所指定的值对应的时间序列数据。
输入部40例如包含用于指示作业(job)的种类及作业的内容的各种键(key)。输入部40包含键盘及鼠标。或者，输入部40可包含触摸传感器(touchsensor)。另外，显示部30及输入部40也可为两者经一体化的触摸屏。
接下来，参照图4(a)至图7(c)来说明显示部30对评估值图表ge及表示时间序列数据td的图表的切换显示。
图7(a)及图7(b)表示由显示部30所显示的评估值图表ge。如图7(a)所示，显示部30显示表示与时间序列数据td1～时间序列数据td100对应的评估值ev1～评估值ev100的值的变化的评估值图表ge。操作者或管理者为了经由输入部40来确认与评估值ev对应的时间序列数据td，而指定与评估值ev对应的时间序列数据td。
如图7(b)所示，操作者或管理者经由输入部40来移动光标(cursor)cu，而使其移动至设为对象的评估值ev，以指定评估值图表ge中的表示特定的评估值ev的点。此处，光标cu指定评估值ev6。此时，显示部30显示与所指定的评估值ev6对应的时间序列数据td6。
图7(c)是表示由显示部30所显示的时间序列数据td的图表。此处，显示部30显示与评估值ev6对应的时间序列数据td6。
另外，优选的是，显示部30在显示时间序列数据td的情况下，还显示用于返回评估值图表ge的按钮bg。当按钮bg受到选择时，显示部30切换为再次显示评估值图表ge的画面。优选的是，显示部30像这样切换显示表示评估值ev的变化的评估值图表ge与表示时间序列数据td的图表。
另外，典型的是，存储部20存储多个时间序列数据。优选的是，存储部20按照时间序列数据的生成次序来存储多个时间序列数据。此时，优选的是，显示部30对应于规定的操作来切换显示多个时间序列数据。
接下来，参照图1至图8(c)来说明显示部30对时间序列数据的显示。图8(a)至图8(c)是表示显示部30对多个时间序列数据的显示变化的示意图。图8(a)至图8(c)表示显示部30的显示画面32。
显示画面32包含显示区域33与操作区域34。显示区域33显示一个时间序列数据。此处，显示区域33沿水平方向延伸。显示区域33的横向长度大于显示区域33的纵向长度。
通过操作区域34，能够切换在显示区域33中显示的时间序列数据。此处，操作区域34被配置在显示区域33的下方。
图8(a)至图8(c)中，操作区域34为滚动条(scrollbar)。操作区域34包含箭头(arrow)34a与突钮(knob)34b。箭头34a沿水平方向呈线状延伸。突钮34b能够以与箭头34a内的一部分重合的方式而沿箭头34a移动。对应于箭头34a内的突钮34b的位置，显示于显示区域33的时间序列数据进行切换。
突钮34b对应于来自输入部40的输入而在箭头34a内沿水平方向移动。例如，当在选择了突钮34b的状态下使突钮34b朝左方向或右方向移动时，显示于显示区域33的时间序列数据td进行切换。
例如，如图8(a)所示，当突钮34b位于箭头34a的左端时，在显示区域33中显示最开始生成的时间序列数据td1。突钮34b对应于来自输入部40的输入而在箭头34a内沿水平方向移动。
如图8(b)所示，当在选择了突钮34b的状态下使突钮34b朝右方向移动时，显示于显示区域33的时间序列数据进行切换。例如，当突钮34b移动到箭头34a的中央时，显示于显示区域33的时间序列数据切换为时间序列数据td50。
而且，如图8(c)所示，当在选择了突钮34b的状态下使突钮34b进一步朝右方向移动时，显示于显示区域33的时间序列数据切换为时间序列数据td100。像以上这样，显示部30能够对应于规定的操作来切换显示多个时间序列数据。
接下来，参照图9(a)至图9(c)来说明显示部30对表示评估值的变化的图表及时间序列数据的切换显示。图9(a)及图9(b)表示由显示部30所显示的提取评估值图表ege。提取评估值图表ege表示与从多个时间序列数据td提取的提取时间序列数据对应的评估值的时间变化。此时，能够显示提取时间序列数据的评估值的时间变化。
如图9(a)所示，显示部30显示表示与提取时间序列数据对应的评估值ev的变化的提取评估值图表ege。操作者或管理者为了经由输入部40来确认与评估值ev对应的提取时间序列数据，而指定与评估值ev对应的时间序列数据。
如图9(b)所示，操作者或管理者移动光标cu而使其移动至设为对象的评估值ev，以指定特定的评估值ev。此处，光标cu指定评估值ev。此时，显示部30显示与所指定的评估值ev对应的提取时间序列数据。
图9(c)是表示由显示部30所显示的提取时间序列数据的图表。优选的是，显示部30像这样切换显示表示评估值ev的变化的图表与表示提取时间序列数据的提取评估值图表ege。由此，能够显示关于提取时间序列数据的评估值的时间变化。
另外，在参照图1至图9(c)的所述说明中，提取了提取时间序列数据，但优选对提取时间序列数据进行处理。例如，优选对提取时间序列数据进行聚类处理。
接下来，参照图10来说明本实施方式的数据处理装置100。图10是数据处理装置100及基板处理装置200的示意图。图10的数据处理装置100还包括聚类处理部15，除此以外，具有与参照图6而上述的数据处理装置100同样的结构。因此，为了避免冗长，省略重复的记载。
数据处理装置100还包括聚类处理部15。聚类处理部15被包含在处理部10中。
聚类处理部15对提取时间序列数据进行聚类处理。例如，聚类处理部15根据提取时间序列数据的特征，将提取时间序列数据分类为多个群集中的任一个。在一例中，聚类处理部15根据提取时间序列数据所示的图表的特征，将提取时间序列数据分类为多个群集中的任一个。
优选的是，聚类处理部15通过所谓的无监督学习来对提取时间序列数据进行聚类处理。例如，聚类处理部15也可使用提取时间序列数据的所有值来进行聚类处理。例如，聚类处理部15也可通过层次聚类、k均值聚类、混合高斯模型聚类、自组织映射聚类、隐马尔可夫模型聚类中的任一种来进行聚类处理。
例如，多个群集包含图表的上升延迟的上升延迟群集、图表的波峰变动大的波峰变动群集及图表的峰值低的低波峰群集。此时，聚类处理部15进行聚类处理，以将提取时间序列数据分类为上升延迟群集、波峰变动群集及低波峰群集中的至少一个。另外，多个群集也可进一步包含其他群集。例如，多个群集也可包含图表的下降延迟的下降延迟群集。
另外，聚类处理部15也可使用提取时间序列数据的所有值来进行聚类处理。例如，聚类处理部15也可通过向量分析来对提取时间序列数据的所有值进行处理。或者，聚类处理部15也可使用提取时间序列数据的一部分值来进行聚类处理。
接下来，参照图11(a)至图11(c)来说明对提取时间序列数据进行聚类处理所得的群集。图11(a)是表示被分类为上升延迟群集的提取时间序列数据etd1的图表，图11(b)是表示被分类为波峰变动群集的提取时间序列数据etd2的图表，图11(c)是表示被分类为低波峰群集的提取时间序列数据etd3的图表。另外，图11(a)至图11(c)的各图中，与提取时间序列数据一并表示了基准数据rd。
如图11(a)所示，在对提取时间序列数据与基准数据进行比较的情况下，提取时间序列数据etd1的图表的上升相对于基准数据rd的图表而延迟。此类提取时间序列数据被分类为上升延迟群集。
如图11(b)所示，在对提取时间序列数据与基准数据进行比较的情况下，与基准数据rd的图表相比，提取时间序列数据etd2的图表的波峰大幅变动。此类提取时间序列数据被分类为波峰变动群集。
如图11(c)所示，在对提取时间序列数据与基准数据进行比较的情况下，提取时间序列数据etd3的图表的波峰比基准数据rd低。此类提取时间序列数据被分类为低波峰群集。
另外，参照图11(a)至图11(c)而例示说明了提取时间序列数据被分类的群集，但在本实施方式中，提取时间序列数据被分类的群集并不限定于这些。提取时间序列数据也可被分类为其他群集。
接下来，参照图1至图12来说明本实施方式的数据处理方法。图12是本实施方式的数据处理方法的流程图。图12的流程图追加了步骤s10的聚类处理，除此以外，与参照图2而上述的流程图同样。因此，为了避免冗长，省略重复的记载。
如图12所示，如步骤s8所示，对提取时间序列数据进行提取。提取部14基于评估值的分类结果，从多个时间序列数据中对提取时间序列数据进行提取。接下来，处理前进至步骤s10。
在步骤s10中，对提取时间序列数据进行聚类处理。聚类处理部15将提取时间序列数据分类为多个群集中的任一个。
像以上那样进行本实施方式的数据处理方法。根据本实施方式的数据处理方法，能够从多个时间序列数据中将呈现出异常的评估值的提取时间序列数据分类为每个群集。
一般而言，若对所有的时间序列数据进行聚类处理，则由于时间序列数据也包含通常的时间序列数据，因此会不必要地形成并非异常的群集，从而有可能无法充分掌握基板处理装置的异常状态。与此相对，根据本实施方式的数据处理方法，从多个时间序列数据中，对呈现出异常的评估值的提取时间序列数据进行聚类处理，因此能够将基板处理装置200的异常状态更准确地分类为群集。进而，根据本实施方式的数据处理方法，并不对所有的时间序列数据进行聚类处理，因此能够避免不必要的运算。
另外，优选的是，显示部30针对每个群集来显示表示对应的评估值的变化的评估值图表。此时，优选的是，当操作者或管理者指定图表的一个评估值时，显示部30显示与所指定的评估值对应的时间序列数据。
例如，在参照图9(a)至图9(c)的所述说明中，显示部30显示了关于在提取部14中所提取的提取时间序列数据的、表示评估值的时间变化的提取评估值图表ege，但本实施方式并不限定于此。显示部30也可显示关于由聚类处理部15分类为群集的时间序列数据的、表示评估值的时间变化的图表。此时，能够显示特定群集内的评估值的时间变化。
另外，优选的是，如参照图10至图12而上述的那样，对提取时间序列数据进行聚类处理。不言而喻的是，提取时间序列数据反映了基板处理装置200的异常状态，进行聚类处理的结果是对应于基板处理装置200的异常状态的种类而表示基板处理装置200的状态。因此，优选的是，将聚类处理的结果用于学习基板处理装置200的状态。
接下来，参照图1至图13来说明本实施方式的数据处理方法。图13是本实施方式的数据处理方法的流程图。图13的流程图在步骤s8a中判定是否已提取了提取时间序列数据，并且追加了步骤s2b～步骤s6b、步骤s9及步骤s22～步骤s24，除此以外，与参照图12而上述的流程图同样。因此，为了避免冗长，省略重复的记载。图13所示的数据处理方法可较佳地用于制作基板处理装置200中的学习数据库。
在步骤s2中，获取时间序列数据。另外，此处，时间序列数据是被用于学习基板处理装置200的状态。因此，本说明书中，有时将时间序列数据称作学习时间序列数据。
此处，获取部11获取在基板处理装置200中生成的一个学习时间序列数据。接下来，处理前进至步骤s4。另外，步骤s4及步骤s6与参照图12而上述的流程图同样。在步骤6之后，接下来，处理前进至步骤s8a。
在步骤s8a中，判定是否提取学习时间序列数据来作为提取时间序列数据。在分类部13基于评估值ev将学习时间序列数据分类为对象类别的情况下，提取部14提取学习时间序列数据来作为提取时间序列数据。另一方面，在分类部13基于评估值ev将学习时间序列数据分类为非对象类别的情况下，提取部14不提取学习时间序列数据来作为提取时间序列数据。
例如，在分类部13基于学习时间序列数据的评估值ev将学习时间序列数据分类为等级4的情况下，提取部14提取学习时间序列数据来作为提取时间序列数据。而且，在分类部13将学习时间序列数据分类为等级1至等级3中的任一种的情况下，提取部14不提取学习时间序列数据来作为提取时间序列数据。
若提取时间序列数据未被提取(步骤s8a中为否)，则处理返回步骤s2。若提取了提取时间序列数据(步骤s8a中为是)，则处理前进至步骤s10。另外，若未事先进行聚类处理，则也可在提取了能够进行无监督学习的数量的数据后前进至步骤s10。
在步骤s10中，对提取时间序列数据进行聚类处理。由此，学习时间序列数据被分类为多个群集中的任一个。接下来，处理前进至步骤s22。
在步骤s22中，对基板处理装置200的控制进行变更。具体而言，对生成了学习时间序列数据的基板处理装置200或处理单元210的控制进行变更。基板处理装置200的控制变更也可按照对基板处理装置200的驱动进行控制的程序而进行。或者，基板处理装置200的控制变更也可在基板处理装置200中通过手动而输入。
典型的是，基板处理装置200的控制是在基板处理装置200中暂时停止了基板处理的状态下进行。例如，时间序列数据td表示用于处理基板的处理液的供给量的变化，若处理液的供给量为异常状态，则暂时停止基板处理并调整阀，以便使供给量恢复正常。另外，基板处理装置200的控制变更也可一边继续基板处理装置200的基板处理一边进行。接下来，处理前进至步骤s2b。
在步骤s2b中，从经控制变更的基板处理装置200获取时间序列数据。本说明书中，有时将从经控制变更的基板处理装置200获取的时间序列数据称作变更时间序列数据。另外，此处，获取部11获取在基板处理装置200中生成的一个时间序列数据来作为变更时间序列数据。接下来，处理前进至步骤s4b。
在步骤s4b中，获取评估值(得分)。获取部12对于经控制变更的基板处理装置200，获取相对于变更时间序列数据的评估值。例如，获取部12与学习时间序列数据同样地，依据特定的评估基准来生成对变更时间序列数据的评估值。接下来，处理前进至步骤s6b。
在步骤s6b中，使用评估值将变更时间序列数据分类为多个类别中的任一个。接下来，处理前进至步骤s9。
在步骤s9中，对于变更时间序列数据，判定是否被提取作为提取时间序列数据。在分类部13将变更时间序列数据分类为对象类别的情况下，提取部14提取变更时间序列数据来作为提取时间序列数据。另一方面，在分类部13将变更时间序列数据分类为非对象类别的情况下，提取部14不提取成为对象的时间序列数据来作为提取时间序列数据。
例如，在分类部13基于变更时间序列数据的评估值ev将变更时间序列数据分类为等级4的情况下，提取部14提取变更时间序列数据来作为提取时间序列数据。而且，在分类部13将变更时间序列数据分类为等级1至等级3中的任一种的情况下，提取部14不提取变更时间序列数据来作为提取时间序列数据。
若提取了提取时间序列数据(步骤s9中为是)，则处理返回步骤s22。此时，再次控制基板处理装置200，以进一步变更基板处理装置200的控制。另一方面，若提取时间序列数据未被提取(步骤s9中为否)，则处理前进至步骤s24。
在步骤s24中，将与在步骤s22中进行的基板处理装置200的控制的变更内容相关的信息作为原因对策信息而存储到存储部20中。原因对策信息是与在步骤s22中进行的基板处理装置200的控制的变更内容相关的信息。例如，原因对策信息也可为表示基板处理装置200的控制的变更内容自身的信息。或者，原因对策信息也可为被认为是学习时间序列数据呈现异常状态的原因的信息。
例如，数据处理装置100和/或基板处理装置200的操作者或管理者经由输入部40来输入原因对策信息，存储部20存储原因对策信息。此时，优选的是，在存储部20中，针对在步骤s10中经聚类处理的每个群集，与学习时间序列数据一同存储原因对策信息。另外，存储在存储部20中的群集、学习时间序列数据及原因对策信息可较佳地用作学习数据库。
像以上那样进行本实施方式的数据处理方法。根据本实施方式的数据处理方法，能够使用数据处理装置100的获取部11、获取部12、分类部13及提取部14来判定基板处理装置200的异常状态，并且能够在基板处理装置200的控制变更后，判定基板处理装置200的异常状态是否已被消除。
而且，根据本实施方式的数据处理方法，在基板处理装置200提取了特定状态时的时间序列数据并进行了聚类处理后，存储原因对策信息。因此，能够一并存储被认为可有效地使基板处理装置200的时间序列数据从异常状态恢复为原本状态的原因对策信息。
另外，优选的是，存储部20将群集、提取时间序列数据及原因对策信息存储为学习数据库。
接下来，参照图14来说明存储部20的学习数据库。图14是用于说明存储部20的学习数据库的示意表。
如图14所示，学习数据库包含由聚类处理部15所分类的群集、群集中所含的时间序列数据、及与所述群集对应的原因对策信息。例如，图14所示的表中，群集包含上升延迟群集、波峰变动群集及低波峰群集。
具体而言，上升延迟群集包含时间序列数据td6、时间序列数据td40作为时间序列数据，包含处理液浓度下降/阀重新拧紧作为原因对策信息。波峰变动群集包含时间序列数据td20、时间序列数据td41作为时间序列数据，包含基板保持力下降/过电流抑制作为原因对策信息。低波峰群集包含时间序列数据td80、时间序列数据td95作为时间序列数据，包含环境不均匀/传感器重新启动作为原因对策信息。
另外，在参照图14的说明中，为了避免发明变得过度复杂，对应于一个群集而表示了一组(set)原因对策信息，但一个群集也可对应有两个以上的原因对策信息。此时，优选的是，使用所谓的机器学习来适当学习群集的生成及原因对策信息的对应关系。
本实施方式中，学习数据库使用随后由基板处理装置200和/或处理单元210所生成的时间序列数据，而用于基板处理装置200和/或处理单元210的控制变更。数据处理装置100也可基于存储在存储部的学习数据库中的学习内容，根据在基板处理装置200中生成的时间序列数据来变更基板处理装置200的控制。
接下来，参照图1至图15来说明本实施方式的数据处理装置100。图15是本实施方式的数据处理装置100的示意图。数据处理装置100包含处理部110、存储部120、显示部130及输入部140。此处，在存储部120中存储有学习数据库。显示部130及输入部140对应于参照图6而上述的显示部30及输入部40。
处理部110包含数据获取部111、评估值获取部112、分类部113、匹配部114及读出部115。数据获取部111、评估值获取部112及分类部113对应于参照图6而上述的数据获取部11、评估值获取部12及分类部13。
匹配部114对由分类部113分类为对象类别的时间序列数据、与存储在存储部120的学习数据库的提取时间序列数据进行匹配。另外，本说明书中，有时将由分类部113分类为对象类别的时间序列数据称作对象时间序列数据。而且，有时将学习数据库的时间序列数据中的、类似于对象时间序列数据的时间序列数据称作类似时间序列数据。
匹配部114将学习数据库的时间序列数据中的、类似于对象时间序列数据的时间序列数据确定为类似时间序列数据。典型的是，学习数据库的时间序列数据中的、最接近对象时间序列数据的时间序列数据成为类似时间序列数据。但是，在学习数据库中，也有时并无成为类似时间序列数据的时间序列数据。
典型的是，匹配部114依据特定的评估基准，匹配对象时间序列数据与存储在学习数据库中的时间序列数据。例如，匹配部114针对时间序列数据的整体，匹配对象时间序列数据与学习数据库的时间序列数据。在一例中，匹配部114也可通过向量分析来处理对象时间序列数据与学习数据库的时间序列数据。或者，匹配部114也可对于时间序列数据的特定的一部分，匹配对象时间序列数据与存储在学习数据库中的时间序列数据。通过匹配部114，确定存储在存储部120的学习数据库中的时间序列数据中的、接近对象时间序列数据的类似时间序列数据。另外，对象时间序列数据与类似时间序列数据的匹配既可依据与评估值获取部112相同的评估基准来进行，也可依据与评估值获取部112不同的评估基准来进行。
随后，读出部115在存储部120的学习数据库中确定与类似时间序列数据对应的群集，读出与所确定的群集对应的原因对策信息。典型的是，显示部130显示原因对策信息。
根据本实施方式的数据处理装置100，从学习数据库中读出接近对象时间序列数据的类似时间序列数据、及对应的原因对策信息。因此，数据处理装置100能够获取针对被分类为特定类别的对象时间序列数据的、适当的原因对策信息。
接下来，参照图1至图16来说明本实施方式的数据处理方法。图16表示本实施方式的数据处理方法的流程图。图16的步骤s102～步骤s106对应于图12的步骤s2～步骤s6。
如图16所示，在步骤s102中，获取时间序列数据。时间序列数据是在基板处理装置200中生成的数据。接下来，处理前进至步骤s104。
在步骤s104中，获取时间序列数据的评估值(得分)。获取部12获取对时间序列数据的评估值。例如，获取部12依据与制作学习数据库时相同的评估基准来获取时间序列数据的评估值。接下来，处理前进至步骤s106。
在步骤s106中，使用时间序列数据的评估值将时间序列数据分类为多个类别中的任一个。例如，分类部13以与制作学习数据库时相同的方式来使用评估值，将时间序列数据分类为多个类别中的任一个。接下来，处理前进至步骤s106a。
在步骤s106a中，判定时间序列数据是否已被分类为对象类别。例如，对象类别为等级4。
若时间序列数据尚未被分类为对象类别(步骤s106a中为否)，则处理返回步骤s102。若时间序列数据已被分类为对象类别(步骤s106a中为是)，则处理前进至步骤s108。
在步骤s108中，匹配对象时间序列数据与存储在存储部120的学习数据库中的时间序列数据。匹配部114匹配对象时间序列数据与存储在存储部120的学习数据库中的时间序列数据。匹配部114确定存储在存储部120的学习数据库的提取时间序列数据中的类似时间序列数据。接下来，处理前进至步骤s110。
在步骤s110中，从学习数据库中读出与类似时间序列数据对应的原因对策信息。读出部115在存储部120的学习数据库中确定与类似时间序列数据对应的群集，读出与所确定的群集对应的原因对策信息。典型的是，随后，显示部130显示原因对策信息。另外，根据需要，数据处理装置100和/或基板处理装置200的操作者或管理者也可基于所显示的原因对策信息来变更基板处理装置200的控制。
像以上那样进行本实施方式的数据处理方法。根据本实施方式的数据处理方法，对经由评估值而认定为异常的对象时间序列数据进行匹配。因此，能够降低与匹配处理相关的运算量。
而且，根据本实施方式，能够从学习数据库中获取与对象时间序列数据的群集对应的原因对策信息。因此，即使时间序列数据为异常，也能够从学习数据库中获取与时间序列数据对应的原因对策信息。因此，能够有效地掌握基板处理装置200的异常状态。
典型的是，基板处理装置的操作熟练者能够根据从基板处理装置获取的时间序列数据来推测基板处理装置的状况，但不熟练的操作者无法根据从基板处理装置获取的时间序列数据来推测基板处理装置的状况。但是，根据本实施方式的数据处理方法，若基板处理装置200的对象时间序列数据为异常，则能够利用过去制作的学习数据库来获取基板处理装置200的原因对策信息。因此，即使基板处理装置200的操作者不熟练，也能够消除基板处理装置200的不良状况。
另外，在参照图16的说明中，在步骤s110中，读出原因对策信息，随后，操作者或管理者基于所显示的原因对策信息来变更基板处理装置200的控制，但本实施方式并不限定于此。基板处理装置200也可不经由操作者或管理者，而基于所读出的原因对策信息来变更基板处理装置200的控制。
而且，在参照图16的所述说明中，在步骤s108的匹配中，是从学习数据库中确定类似时间序列数据，但若在步骤s102中获取的时间序列数据极为异常，则也可考虑不从学习数据库中确定类似时间序列数据。此时，在步骤s102中获取的时间序列数据也可另行存储到存储部120中。
接下来，参照图1至图17来说明本实施方式的数据处理方法。图17表示本实施方式的数据处理方法的流程图。图17的数据处理方法的流程图追加了步骤s108a、步骤s112～步骤s114，除此以外，与图16的流程图同样，因此为了避免冗长，省略重复的记载。
如上所述，在步骤s108中，匹配对象时间序列数据与存储在存储部120的学习数据库中的时间序列数据。匹配部114匹配对象时间序列数据与存储在存储部120的学习数据库中的时间序列数据。例如，匹配是通过获取对象时间序列数据与学习数据库的时间序列数据的匹配率来进行。接下来，处理前进至步骤108a。
在步骤s108a中，判定在学习数据库内是否存在类似于对象时间序列数据的类似时间序列数据。例如，匹配部114也可根据匹配率是否超过阈值，来判定学习数据库内是否存在类似于对象时间序列数据的类似时间序列数据。例如，若匹配率高于阈值，则匹配部114判定为存在类似时间序列数据。另一方面，若匹配率为阈值以下，则匹配部114判定为无类似时间序列数据。
若判定为存在类似时间序列数据(步骤s108a中为是)，则处理前进至步骤s110。若判定为无类似时间序列数据(步骤s108a中为否)，则处理前进至步骤s114。
在步骤s110中，从学习数据库中读出与类似时间序列数据对应的原因对策信息。读出部115从存储部120的学习数据库中读出与类似时间序列数据对应的原因对策信息。处理前进至步骤s112。
在步骤s112中，基于原因对策信息来变更基板处理装置200的控制。例如，处理部110将原因对策信息通知给操作者或管理者。在一例中，显示部130显示原因对策信息。
在步骤s114中，将对象时间序列数据存储到存储部120的学习数据库中。此时，优选的是，存储部120与对象时间序列数据一同存储表示与对象时间序列数据对应的新的群集的信息。而且，此时，显示部130也可显示匹配率为阈值以下。
像以上那样进行本实施方式的数据处理方法。根据本实施方式的数据处理方法，从学习数据库中读出与对象时间序列数据的群集对应的原因对策信息并予以显示，因此数据处理装置100的操作者或管理者能够获取关于基板处理装置200的原因对策信息。
接下来，参照图18(a)至图20(b)来详细说明时间序列数据td。典型的是，时间序列数据td能够根据图表的形状而分解为上升部分、稳定期部分及下降部分。而且，典型的是，时间序列数据td表示相对于规定的控制信号而响应的物理量的时间变化。
首先，参照图1与图18(a)及图18(b)来说明时间序列数据td。图18(a)是表示基板处理装置200中的控制信号cs的时间变化的图表。图18(b)是表示时间序列数据td的图表，所述时间序列数据td代表根据控制信号cs而受到控制的物理量的时间变化。
如图18(a)所示，控制信号cs在初始状态(时刻t0)下为低电平。控制信号cs在时刻t1从低电平变化为高电平，在时刻t2从高电平变化为低电平。
如图18(b)所示，时间序列数据td根据控制信号cs而在初始等级l0与目标等级l1(其中l0＜l1)之间变化。
时间序列数据td在初始状态(时刻t0)下具有初始等级l0。当在时刻t1，控制信号cs从低电平变化为高电平时，时间序列数据td从初始等级l0朝向目标等级l1开始上升。此处，时间序列数据td在上升超过目标等级l1后下降。时间序列数据td在目标等级l1附近反复上升与下降，最终稳定在目标等级l1附近。
随后，当在时刻t2，控制信号cs从高电平变化为低电平时，时间序列数据td从目标等级l1附近朝向初始等级l0开始下降。时间序列数据td在下降至初始等级l0或其附近后上升。时间序列数据td在初始等级l0附近反复上升与下降，最终稳定在初始等级l0。
例如，在时间序列数据td中，设定有包含目标等级l1的第一范围r1与包含初始等级l0的第二范围r2。例如，目标等级l1的90％～110％的范围被设定为第一范围r1，目标等级l1的-10％～10％的范围被设定为第二范围r2。第一范围r1的上限及下限与第二范围r2的上限及下限是由利用者任意决定。
评估值获取部12也可像以下那样从时间序列数据td获取评估值。首先，评估值获取部12求出自控制信号cs从低电平开始向高电平变化起直至时间序列数据td收敛在第一范围r1内为止的期间来作为“期间a(上升期间)”，求出自控制信号cs从高电平向低电平变化起直至时间序列数据td收敛在第二范围r2内为止的期间来作为“期间c(下降期间)”，求出上升期间与下降期间之间的期间来作为“期间b(稳定期间)”。另外，所谓“时间序列数据收敛在某范围内”，是指在此时间点以后时间序列数据不会取范围外的值。
评估值获取部12也可从“期间a”、“期间b”及“期间c”中的任一个部分获取评估值。例如，评估值获取部12也可从“期间a”获取评估值。或者，评估值获取部12也可从“期间b”或“期间c”获取评估值。
例如，评估值获取部12通过预先规定的方法来求出上升期间的得分、稳定期间的得分、及下降期间的得分。例如，评估值获取部12也可求出上升期间的长度来作为上升期间的得分，求出下降期间的长度来作为下降期间的得分。这样，评估值获取部12也可利用“期间a”、“期间b”及“期间c”的长度其自身来作为评估值。或者，评估值获取部12也可利用“期间a”、“期间b”及“期间c”的长度的平均值或合成值来作为评估值。
或者，评估值获取部12也可从“期间a”、“期间b”及“期间c”分别获取任一个值(得分)，并对它们的得分进行判定、比较和/或合成，由此来获取评估值。
评估值获取部12也可求出“期间a”、“期间b”及“期间c”内的时间序列数据td的统计值，来作为“期间a”、“期间b”及“期间c”的评估值或得分。
例如，评估值获取部12也可使用多个时间序列数据求出稳定期间的突发值，来作为稳定期间的得分。评估值获取部12求出稳定期间内的时间序列数据td的平均值、中央值或方差，来作为稳定期间的得分。
图19是表示多个时间序列数据的值的图。图19所示的n个时间序列数据td1、td2、…、tdn分别包含m个值。此处，当将i设为1以上且n以下的整数、将j设为1以上且m以下的整数时，将时间序列数据tdi中所含的第j个数据称作xij。此时，评估值获取部12依序下式(1)～下式(4)来求出时间序列数据tdp的得分sp。
[数1]
另外，式(1)中，值μpj表示除了成为对象的时间序列数据tdp以外的(n-1)个时间序列数据中所含的第j个数据的平均值。式(2)中，值μp表示除了时间序列数据tdp以外的(n-1)个时间序列数据中所含的所有数据的平均值。式(3)中，值σp2表示除了时间序列数据tdp以外的(n-1)个时间序列数据的方差。
而且，评估值获取部12也可求出时间序列数据td的过冲(overshoot)量来作为上升期间的得分。当将时间序列数据td的目标等级设为l1，将时间序列数据td的最大值设为m时，评估值获取部12也可依据式(5)来求出时间序列数据的过冲量v。
v＝(m-l1)/l1×100…(5)
或者，评估值获取部12也可依据式(6)来求出时间序列数据的过冲量v。
v＝m-l1…(6)
另外，所述评估值的获取方法不过是例示，当然并不限定于这些方法。例如，也可如参照图4(a)至图4(c)而上述的那样，通过累计时间序列数据td的值与基准数据rd的值的差值的平方来获取评估值。
另外，分类部13(图1等)也可通过对多个时间序列数据td各自的评估值ev进行处理而分类为多个类别中的任一个。
接下来，参照图20(a)及图20(b)来说明分类部13所进行的分类处理的一例。图20(a)是表示评估值分布的图表。评估值分布表示关于多个时间序列数据td各自的评估值ev的频率(次数)。在图20(a)的图表中，横轴表示评估值ev的大小，纵轴表示评估值ev的频率(次数或出现次数)。
在图20(a)中，μ表示多个评估值ev的平均值，σ表示标准偏差。如图20(a)所示，评估值分布在平均值μ附近呈现波峰。评估值分布具有接近正态分布的形状。
分类部13对评估值分布进行标准化。具体而言，分类部13生成依据式(7)来对评估值分布进行标准化所得的标准化分布。
[数2]
此处，sold表示评估值分布，snew表示标准化分布。
图20(b)是表示标准化分布的图表。标准化分布是通过以评估值分布的平均值μ成为0并且标准偏差成为1的方式进行标准化处理而生成。
例如，标准化分布被划分为l1～l4。在标准化分布中，若小于1则设为等级1(l1)，若为1以上且小于2，则设为等级2(l2)，若为2以上且小于3，则设为等级3(l3)，若为3以上，则设为等级4(l4)。此处，等级表示异常度。
另外，此处，划分是使用标准偏差来进行。因此，操作者或管理者也可不各别地输入异常判定时的阈值。
另外，参照图18(a)至图20(b)的说明主要是对评估值获取部12及分类部13进行了说明，但也可适用于评估值获取部112及分类部113。而且，也可适用于聚类处理部15和/或匹配部114。
另外，图10的数据处理装置100中，处理部10使表示基板处理装置200的状态的学习数据库存储至存储部20中，另一方面，图15的数据处理装置100中，处理部110利用存储在存储部120中的学习数据库，但也可由数据处理装置100的处理部使表示基板处理装置200的状态的学习数据库存储至存储部中，并且利用存储在相同的存储部中的学习数据库。
接下来，参照图21来说明本实施方式的数据处理装置100及基板处理装置200。图21是数据处理装置100及基板处理装置200的示意图。
如图21所示，数据处理装置100包括处理部10及存储部20。处理部10除了数据获取部11、评估值获取部12、分类部13、提取部14及聚类处理部15以外，还包含数据获取部111、评估值获取部112、分类部113、匹配部114及读出部115。存储部20存储学习数据库。
处理部10通过数据获取部11、评估值获取部12、分类部13、提取部14及聚类处理部15，能够使学习数据库存储至存储部20中。而且，处理部10通过数据获取部111、评估值获取部112、分类部113、匹配部114及读出部115，能够有效利用存储在存储部20中的学习数据库。
另外，一般而言，基板处理装置200大致分为单片式或批量式。基板处理装置200为单片式或批量式皆可。
接下来，参照图22来说明本实施方式的数据处理装置100及基板处理装置200。图22是数据处理装置100及基板处理装置200的示意图。
数据处理装置100对在基板处理装置200中生成的时间序列数据td进行处理。此处，基板处理装置200为单片式。
基板处理装置200对基板w进行处理。基板处理装置200以对基板w进行蚀刻、表面处理、特性赋予、处理膜形成、至少一部分膜的去除及清洗中的至少一种的方式，对基板w进行处理。
基板w例如包含半导体晶片(wafer)、液晶显示装置用基板、等离子体显示器用基板、场致发射显示器(fieldemissiondisplay，fed)用基板、光盘用基板、磁盘用基板、光磁盘用基板、光掩模用基板、陶瓷基板及太阳能电池用基板。例如，基板w为大致圆板状。基板处理装置200逐片地处理基板w。
基板处理装置200包括腔室220、基板保持部230及液体供给部240，以作为处理单元210。腔室220收容基板w。基板保持部230保持基板w。
腔室220为具有内部空间的大致箱形状。腔室220收容基板w。典型的是，腔室220为空气环境。但是，在腔室220中，也可通过下降流(downflow)等而形成气流。
此处，基板处理装置200为逐片地处理基板w的单片式，在腔室220中逐片地收容有基板w。基板w被收容在腔室220内，且在腔室220内受到处理。在腔室220中，收容基板保持部230及液体供给部240各自的至少一部分。
基板保持部230保持基板w。例如，基板保持部230夹持基板w的端部。基板保持部230以使基板w的上表面(表面)wa朝向上方且基板w的背面(下表面)wb朝向铅垂下方的方式，来水平地保持基板w。而且，基板保持部230在保持着基板w的状态下使基板w旋转。例如，基板w在从铅垂上方观察时绕逆时针方向旋转。
例如，基板保持部230包含旋转底座(spinbase)231、卡盘(chuck)构件232、轴(shaft)233、电动马达234及基部235。例如，旋转底座231为沿xy平面延伸的板状。此处，旋转底座231为碟形状(薄的圆板形状)。旋转底座231与基板w相向。
卡盘构件232被设于旋转底座231。卡盘构件232固定(卡夹)基板w。典型的是，在旋转底座231上，设有多个卡盘构件232。
轴233也可为中空轴。轴233沿着旋转轴ax而在铅垂方向上延伸。在轴233的上端，结合有旋转底座231。基板w被载置在旋转底座231的上方。
轴233从旋转底座231的中央部朝下方延伸。电动马达234对轴233给予旋转力。轴233相对于基部235而旋转。基部235可旋转地支撑轴233。电动马达234使轴233朝旋转方向旋转，由此，以旋转轴ax为中心来使基板w及旋转底座231旋转。电动马达234为旋转构件的一例。
液体供给部240对基板w供给液体。典型的是，液体供给部240对基板w的上表面wa供给液体。例如，液体包含淋洗液或药液。
淋洗液也可包含去离子水(deionizedwater，diw)、碳酸水、电解离子水、臭氧水、氨水、稀释浓度(例如10ppm～100ppm左右)的盐酸水或者还原水(氢水)的任一种。
药液包含氢氟酸。例如，氢氟酸既可被加热至40℃以上且70℃以下，也可被加热至50℃以上且60℃以下。但是，氢氟酸也可不受到加热。而且，药液也可包含水或磷酸。
进而，药液也可进一步包含过氧化氢水。而且，药液也可包含sc1(氨过氧化氢水混合液)、sc2(盐酸过氧化氢水混合液)或王水(浓盐酸与浓硝酸的混合物)。
基板处理装置200还包括杯部(cup)250。杯部250回收从基板w飞散的液体。杯部250会升降。例如，杯部250遍及液体供给部240对基板w供给液体的期间而朝铅垂上方上升至基板w的侧方。此时，杯部250回收因基板w的旋转而从基板w飞散的液体。而且，当液体供给部240对基板w供给液体的期间结束时，杯部250从基板w的侧方朝铅垂下方下降。
控制装置201包含控制部201a及存储部201b。控制部201a控制基板保持部230、液体供给部240和/或杯部250。在一例中，控制部201a控制电动马达234、阀240b和/或杯部250。
本实施方式的基板处理装置200可较佳地用于设有半导体的半导体装置的制作。基板处理装置200可在半导体装置的制造时较佳地用于半导体装置的清洗和/或加工(例如蚀刻、特性变化等)。
如上所述，基板处理装置200也可为单片式。此时优选的是，基板处理装置200包括多个处理单元210。
接下来，参照图23来说明本实施方式的数据处理装置100及基板处理装置200。图23是数据处理装置100及基板处理装置200的示意图。此处，基板处理装置200包括多个处理单元210。处理单元210各自对基板w进行处理。多个处理单元210是以规定的排列而配置。
如图23所示，基板处理装置200包括多个处理单元210、流体室(cabinet)lc、流体箱(box)lb、多个装载埠(loadport)lp、移载器机器人(indexerrobot)ir、中心机器人(centerrobot)cr及控制装置201。控制装置201控制装载埠lp、移载器机器人ir及中心机器人cr。控制装置201包含控制部201a及存储部201b。
装载埠lp各自层叠收容多片基板w。移载器机器人ir在装载埠lp与中心机器人cr之间搬送基板w。中心机器人cr在移载器机器人ir与处理单元210之间搬送基板w。处理单元210各自对基板w喷出液体，以对基板w进行处理。例如，液体包含处理液、淋洗液和/或药液。流体室lc收容液体。另外，流体室lc也可收容气体。
具体而言，多个处理单元210形成有以俯视包围中心机器人cr的方式而配置的多个塔(tower)tw(图1中为四个塔tw)。各塔tw包含上下层叠的多个处理单元210(图1中为三个处理单元210)。流体箱lb分别对应于多个塔tw。流体室lc内的液体经由任一个流体箱lb而供给至与流体箱lb对应的塔tw中所含的所有处理单元210。而且，流体室lc内的气体经由任一个流体箱lb而供给至与流体箱lb对应的塔tw中所含的所有处理单元210。
基板处理装置200还包括控制装置201。控制装置201控制基板处理装置200的各种动作。
控制装置201包含控制部201a及存储部201b。控制部201a具有处理器。控制部201a例如具有中央处理器(centralprocessingunit，cpu)。或者，控制部201a也可具有通用处理器。
存储部201b存储数据及计算机程序。数据包含配方数据。配方数据包含表示多个配方的信息。多个配方各自规定基板w的处理内容及处理流程。
存储部201b包含主存储装置与辅助存储装置。主存储装置例如为半导体存储器。辅助存储装置例如为半导体存储器和/或硬盘驱动器。存储部201b也可包含可移动介质。控制部201a执行存储部201b所存储的计算机程序，从而执行基板处理动作。
另外，在参照图22及图23的所述说明中，基板处理装置200和/或处理单元210为单片式，但本实施方式并不限定于此。基板处理装置200和/或处理单元210也可为批量式。
参照图24来说明本实施方式的数据处理装置100及基板处理装置200。图24是本实施方式的数据处理装置100及基板处理装置200的示意图。此处，基板处理装置200为批量式，能够汇总处理多片基板w。
基板处理装置200包括处理槽260、基板保持部270及控制装置201。处理槽260贮存用于处理基板w的处理液l。
基板保持部270保持基板w。由基板保持部270所保持的基板w的主面的法线方向与y方向平行。基板保持部270在保持着基板w的状态下使基板w移动。例如，基板保持部270在保持着基板w的状态下，沿着铅垂方向而朝铅垂上方或铅垂下方移动。
典型的是，基板保持部270汇总保持多个基板w。此处，多个基板w沿着y方向排列成一列。另外，基板保持部270也可仅保持一片基板w。
图1至图24所示的数据处理装置100是对在一个基板处理装置200中生成的时间序列数据进行处理，但本实施方式并不限定于此。数据处理装置100也可对配置在不同场所的基板处理装置200中生成的时间序列数据进行处理。
接下来，参照图25来说明本实施方式的数据处理装置100及基板处理装置200。图25是本实施方式的数据处理装置100及基板处理装置200的示意图。如图25所示，基板处理装置200包括基板处理装置200a与基板处理装置200b。基板处理装置200a及基板处理装置200b可通信地连接于数据处理装置100。
典型的是，基板处理装置200a及基板处理装置200b配置在彼此分隔的场所。例如，基板处理装置200a及基板处理装置200b也可配置在相同国家的不同场所。或者，基板处理装置200a及基板处理装置200b也可配置在不同的国家。
数据处理装置100例如为服务器。例如，基板处理装置200a能够经由数据处理装置100来与基板处理装置200b进行信息通信。
另外，在参照图25的所述说明中，数据处理装置100能够与基板处理装置200a、基板处理装置200b进行通信，但基板处理装置200a及基板处理装置200b也可不在同时刻存在。
以上，参照附图说明了本发明的实施方式。但是，本发明并不限于所述实施方式，能够在不脱离其主旨的范围内以各种形态来实施。而且，通过将所述实施方式中公开的多个构成元件适当组合，能够形成各种发明。例如，也可从实施方式所示的所有构成元件中删除若干个构成元件。进而，也可将不同实施方式间的构成元件适当组合。为了便于理解，附图将各个构成元件示意性地示于主体，为了方便制作附图，图示的各构成元件的厚度、长度、个数、间隔等也有时与实际不同。而且，所述实施方式中所示的各构成元件的材质、形状、尺寸等为一例，并无特别限定，能够在不实质上脱离本发明的效果的范围内进行各种变更。
1.一种数据处理方法，包含下述步骤：
获取通过基板处理装置获得的多个时间序列数据；
获取所述多个时间序列数据各自的评估值；
基于所述评估值，将所述多个时间序列数据分别分类为多个类别中的任一个；以及
提取与所述多个类别中的任一个对应的时间序列数据来作为提取时间序列数据。
2.根据权利要求1所述的数据处理方法，其中在获取所述评估值的步骤，通过所述多个时间序列数据各自与基准数据的比较，来获取所述多个时间序列数据各自的评估值。
3.根据权利要求2所述的数据处理方法，其中在获取所述评估值的步骤，所述时间序列数据与所述基准数据的值的差为大的情况下的所述评估值，大于所述时间序列数据与所述基准数据的值的差为小的情况下的所述评估值。
4.根据权利要求1或2所述的数据处理方法，还包含下述步骤：
切换显示评估值图表与所述提取时间序列数据，其中所述评估值图表表示所述提取时间序列数据的评估值的变化。
5.根据权利要求1或2所述的数据处理方法，还包含下述步骤：
存储所述提取时间序列数据。
6.根据权利要求1或2所述的数据处理方法，还包含下述步骤：
对所述提取时间序列数据进行聚类处理而分类为多个群集中的任一个。
7.根据权利要求6所述的数据处理方法，还包含下述步骤：
切换显示评估值图表与所述提取时间序列数据，其中所述评估值图表表示被分类为所述多个群集中的任一个的提取时间序列数据的评估值。
8.根据权利要求6所述的数据处理方法，还包含下述步骤：
生成学习数据库，所述学习数据库是对与所述提取时间序列数据对应的群集，赋予有与所述时间序列数据对应的关于所述基板处理装置的原因对策信息。
9.一种数据处理方法，包含下述步骤：
获取通过基板处理装置中获得的多个时间序列数据；
获取所述多个时间序列数据各自的评估值；
基于所述评估值，将所述多个时间序列数据分别分类为多个类别中的任一个；以及
对与所述多个类别中的任一个对应的对象时间序列数据和学习数据库中所含的时间序列数据进行匹配。
10.根据权利要求9所述的数据处理方法，其中在所述学习数据库中，对应于时间序列数据而存储有原因对策信息，
在所述匹配步骤，还包含下述步骤，即，在所述对象时间序列数据与所述学习数据库中所含的至少一个时间序列数据的匹配率高于阈值的情况下，读出与所述时间序列数据对应的原因对策信息。
11.根据权利要求9或10所述的数据处理方法，其中在获取所述评估值的步骤，通过所述多个时间序列数据各自与基准数据的比较，来获取所述多个时间序列数据各自的评估值。
12.根据权利要求11所述的数据处理方法，其中在获取所述评估值的步骤，所述时间序列数据与所述基准数据的值的差异为大的情况下的所述评估值，大于所述时间序列数据与所述基准数据的值的差异为小的情况下的所述评估值。
13.根据权利要求9或10所述的数据处理方法，还包含下述步骤：
存储所述对象时间序列数据。
14.一种数据处理装置，包括：
数据获取部，获取通过基板处理装置获得的多个时间序列数据；
评估值获取部，获取所述多个时间序列数据各自的评估值；
分类部，基于所述评估值，将所述多个时间序列数据分类为多个类别中的任一个；以及
提取部，提取与所述多个类别中的任一个对应的时间序列数据来作为提取时间序列数据。
15.一种数据处理装置，包括：
数据获取部，获取通过基板处理装置获得的多个时间序列数据；
评估值获取部，获取所述多个时间序列数据各自的评估值；
分类部，基于所述评估值，将所述多个时间序列数据分类为多个类别中的任一个；以及
匹配部，对与所述多个类别中的任一个对应的对象时间序列数据和学习数据库中所含的时间序列数据进行匹配。
16.一种存储介质，存储有程序，所述程序使计算机执行下述步骤：
获取通过基板处理装置获得的多个时间序列数据；
获取所述多个时间序列数据各自的评估值；
基于所述评估值，将所述多个时间序列数据分别分类为多个类别中的任一个；以及
提取与所述多个类别中的任一个对应的时间序列数据来作为提取时间序列数据。
17.一种存储介质，存储有程序，所述程序使计算机执行下述步骤：
获取通过基板处理装置获得的多个时间序列数据；
获取所述多个时间序列数据各自的评估值；
基于所述评估值，将所述多个时间序列数据分别分类为多个类别中的任一个；以及
对与所述多个类别中的任一个对应的对象时间序列数据和学习数据库中所含的时间序列数据进行匹配。
技术总结