特開 2024-146299 加工状態検出装置、加工状態検出方法、プログラム、ダイシング装置及び学習モデル生成方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024146299

(43)【公開日】2024-10-15

(54)【発明の名称】加工状態検出装置、加工状態検出方法、プログラム、ダイシング装置及び学習モデル生成方法

(51)【国際特許分類】

   H01L 21/301 20060101AFI20241004BHJP

   B24B 49/14 20060101ALI20241004BHJP

   B24B 55/02 20060101ALI20241004BHJP

   B24B 27/06 20060101ALI20241004BHJP

   B23Q 17/00 20060101ALI20241004BHJP

【ＦＩ】

H01L21/78 F

B24B49/14

B24B55/02 D

B24B27/06 M

B23Q17/00 A

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2023059106

(22)【出願日】2023-03-31

(71)【出願人】

【識別番号】000151494

【氏名又は名称】株式会社東京精密

(74)【代理人】

【識別番号】100083116

【弁理士】

【氏名又は名称】松浦 憲三

(74)【代理人】

【識別番号】100170069

【弁理士】

【氏名又は名称】大原 一樹

(74)【代理人】

【識別番号】100128635

【弁理士】

【氏名又は名称】松村 潔

(74)【代理人】

【識別番号】100140992

【弁理士】

【氏名又は名称】松浦 憲政

(72)【発明者】

【氏名】篠原 大也

(72)【発明者】

【氏名】清水 翼

【テーマコード（参考）】

3C029

3C034

3C047

3C158

5F063

【Ｆターム（参考）】

3C029EE01

3C034AA13

3C034AA19

3C034BB73

3C034BB92

3C034BB93

3C034CA06

3C034CA19

3C034CA30

3C034CB14

3C034CB20

3C034DD10

3C047FF06

3C047FF11

3C047GG01

3C158AA03

3C158AB04

3C158AC02

3C158BA08

3C158BB02

3C158BC01

3C158BC02

3C158CB01

3C158DA17

5F063AA13

5F063AA48

5F063BA45

5F063BA48

5F063CA04

5F063DD01

5F063DD20

5F063DE02

5F063DE11

5F063DE32

5F063DE33

5F063FF22

5F063FF57

(57)【要約】

【課題】相互に関連する複数の温度要因の変化に対する加工状態の検出を実現し得る、加工状態検出装置、加工状態検出方法、プログラム、ダイシング装置及び学習モデル生成方法を提供する。
【解決手段】加工状態検出装置（１４０）は、環境温度履歴、ブレード供給水温度履歴及び発熱体供給水温度履歴を取得し（１５０）、環境温度履歴特徴量、ブレード供給水温度履歴特徴量及び発熱体供給水温度履歴特徴量を導出し（１５２）、環境温度履歴特徴量、ブレード供給水温度履歴特徴量及び発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて加工誤差を予測する際に（１５４）、温度履歴特徴量と加工誤差とを学習データとして学習した学習済の学習モデルであり、温度履歴特徴量が入力されると加工誤差の予測値を出力する学習モデル（１５８）が適用される。
【選択図】図５

【特許請求の範囲】

【請求項1】

ブレードを用いて加工対象物の加工を施す際の加工状態を検出する加工状態検出装置であって、
加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得部と、
前記ブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得部と、
前記加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得部と、
前記環境温度履歴の特徴を表す環境温度履歴特徴量、前記ブレード供給水温度履歴の特徴を表すブレード供給水温度履歴特徴量及び前記発熱体供給水温度履歴の特徴を表す発熱体供給水温度履歴特徴量を導出する温度履歴特徴量導出部と、
前記環境温度履歴特徴量、前記ブレード供給水温度履歴特徴量及び前記発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて、加工誤差を予測する加工誤差予測部と、
を備え、
前記加工誤差予測部は、前記温度履歴特徴量と前記加工誤差とを学習データとして学習した学習済の学習モデルであり、前記温度履歴特徴量が入力される場合に前記加工誤差を出力する学習モデルが適用される加工状態検出装置。

【請求項2】

加工状態の履歴を表す加工状態履歴を取得する加工状態履歴取得部と、
前記加工状態履歴の特徴量を導出する加工状態履歴特徴量導出部と、
を備え、
前記加工誤差予測部は、前記温度履歴特徴量に加工状態履歴特徴量を加味して、前記加工誤差を予測する請求項１に記載の加工状態検出装置。

【請求項3】

前記温度履歴特徴量導出部は、
前記環境温度履歴特徴量として、前記加工環境の温度及び単位時間あたりの前記加工環境の温度の変化量を取得し、
前記ブレード供給水温度履歴特徴量として、前記ブレード供給水の温度及び単位時間あたりの前記ブレード供給水の温度の変化量を取得し、
前記発熱体供給水温度履歴特徴量として、前記発熱体供給水の温度及び単位時間あたりの前記発熱体供給水の温度の変化量を取得し、
前記学習モデルは、
前記加工環境の温度と単位時間あたりの前記加工環境の温度の変化量との組み合わせ、前記ブレード供給水の温度と単位時間あたりの前記ブレード供給水の温度の変化量との組み合わせ及び前記発熱体供給水の温度と単位時間あたりの前記発熱体供給水の温度の変化量との組み合わせを入力とし、前記加工誤差を出力とする学習を実施して生成される請求項１に記載の加工状態検出装置。

【請求項4】

前記温度履歴特徴量導出部は、
前記環境温度履歴特徴量として、前記加工環境の温度、単位時間あたりの前記加工環境の温度の変化量及び前記加工環境の温度の変化の向きを取得し、
前記ブレード供給水温度履歴特徴量として、前記ブレード供給水の温度、単位時間あたりの前記ブレード供給水の温度の変化量及び前記ブレード供給水の温度の変化の向きを取得し、
前記発熱体供給水温度履歴特徴量として、前記発熱体供給水の温度、単位時間あたりの前記発熱体供給水の温度の変化量及び前記発熱体供給水の温度の変化の向きを取得し、
前記学習モデルは、
前記加工環境の温度と、単位時間あたりの前記加工環境の温度の変化量と、前記加工環境の温度の変化の向きとの組み合わせ、前記ブレード供給水の温度と、単位時間あたりの前記ブレード供給水の温度の変化量と、前記ブレード供給水の温度の変化の向きとの組み合わせ及び前記発熱体供給水の温度と、単位時間あたりの前記発熱体供給水の温度の変化量と、前記発熱体供給水の温度の変化の向きとの組み合わせを入力とし、前記加工誤差を出力とする学習を実施して生成される請求項１に記載の加工状態検出装置。

【請求項5】

前記温度履歴特徴量導出部は、
前記環境温度履歴特徴量として、前記加工環境の温度及び前記加工環境の温度の積算を取得し、
前記ブレード供給水温度履歴特徴量として、前記ブレード供給水の温度及び前記ブレード供給水の温度の積算を取得し、
前記発熱体供給水温度履歴特徴量として、前記発熱体供給水の温度及び前記発熱体供給水の温度の積算を取得し、
前記学習モデルは、
前記加工環境の温度と、前記加工環境の温度の積算との組み合わせ、前記ブレード供給水の温度と、前記ブレード供給水の温度の積算との組み合わせ及び前記発熱体供給水の温度と、前記発熱体供給水の温度の積算との組み合わせを入力とし、前記加工誤差を出力とする学習を実施して生成される請求項１に記載の加工状態検出装置。

【請求項6】

前記加工に適用される加工条件を取得する加工条件取得部と、
加工条件ごとの前記学習を実施して生成された複数の第１学習モデルの中から、加工条件に応じて、前記加工誤差予測部に適用される学習モデルを選択する学習モデル選択部と、
を備えた請求項１から５のいずれか一項に記載の加工状態検出装置。

【請求項7】

ブレードを用いて加工対象物の加工を施す際の加工状態を検出する加工状態検出方法であって、
制御装置が、
加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得工程と、
前記ブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得工程と、
前記加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得工程と、
前記環境温度履歴の特徴を表す環境温度履歴特徴量、前記ブレード供給水温度履歴の特徴を表すブレード供給水温度履歴特徴量及び前記発熱体供給水温度履歴の特徴を表す発熱体供給水温度履歴特徴量を導出する温度履歴特徴量導出工程と、
前記環境温度履歴特徴量、前記ブレード供給水温度履歴特徴量及び前記発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて、加工誤差を予測する加工誤差予測工程と、
を実行し、
前記加工誤差予測工程は、前記温度履歴特徴量と前記加工誤差とを学習データとして学習した学習済の学習モデルであり、前記温度履歴特徴量が入力される場合に前記加工誤差を出力する学習モデルが適用される加工状態検出方法。

【請求項8】

ブレードを用いて加工対象物の加工を施す際の加工状態を検出するプログラムであって、
制御装置が、
加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得機能、
前記ブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得機能、
前記加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得機能、
前記環境温度履歴の特徴を表す環境温度履歴特徴量、前記ブレード供給水温度履歴の特徴を表すブレード供給水温度履歴特徴量及び前記発熱体供給水温度履歴の特徴を表す発熱体供給水温度履歴特徴量を導出する温度履歴特徴量導出機能、及び
前記環境温度履歴特徴量、前記ブレード供給水温度履歴特徴量及び前記発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて、加工誤差を予測する加工誤差予測機能を実現するプログラムであって、
前記加工誤差予測機能は、前記温度履歴特徴量と前記加工誤差とを学習データとして学習した学習済の学習モデルであり、前記温度履歴特徴量が入力される場合に前記加工誤差を出力する学習モデルが適用されるプログラム。

【請求項9】

ブレードを用いて加工対象物を加工する加工部と、
前記加工対象物の加工状態を検出する加工状態検出部と、を備えたダイシング装置であって、
前記加工状態検出部は、
加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得部と、
前記ブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得部と、
前記加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得部と、
前記環境温度履歴の特徴を表す環境温度履歴特徴量、前記ブレード供給水温度履歴の特徴を表すブレード供給水温度履歴特徴量及び前記発熱体供給水温度履歴の特徴を表す発熱体供給水温度履歴特徴量を導出する温度履歴特徴量導出部と、
前記環境温度履歴特徴量、前記ブレード供給水温度履歴特徴量及び前記発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて、加工誤差を予測する加工誤差予測部と、
を備え、
前記加工誤差予測部は、前記温度履歴特徴量と前記加工誤差とを学習データとして学習した学習済の学習モデルであり、前記温度履歴特徴量が入力される場合に前記加工誤差を出力する学習モデルが適用されるダイシング装置。

【請求項10】

前記加工誤差予測部から出力される加工誤差に基づき、前記加工部の補正の要否を判定する判定部を備えた請求項９に記載のダイシング装置。

【請求項11】

前記加工誤差予測部は、規定の期間が経過した後の加工誤差を予測し、
前記判定部は、前記予測された加工誤差が規定のしきい値を超える場合に、前記加工部の補正が必要である旨の判定結果を導出する請求項１０に記載のダイシング装置。

【請求項12】

前記加工誤差予測部は、前記加工誤差の単位時間あたりの変化量及び前記加工誤差の変化の方向に基づいて、規定の期間が経過した後の加工誤差を予測する請求項１１に記載のダイシング装置。

【請求項13】

加工環境の温度履歴を表す環境温度履歴、加工対象物を加工するブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴及び前記加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を含む温度履歴特徴量と、前記加工対象物を加工する際の加工誤差とを学習データとして学習した学習済の学習モデルであり、前記温度履歴特徴量が入力される場合に前記加工誤差を出力する学習モデルを生成する学習モデル生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、加工状態検出装置、加工状態検出方法、プログラム、ダイシング装置及び学習モデル生成方法に関する。

【背景技術】

【0002】

ワークを加工するダイシング装置は、幅広い環境下において高精度の加工の実現が要求されている。ダイシング工程において高精度の加工を実現するには、室温及び水温等の装置の設置環境の管理が非常に重要である。例えば、室温の変化が大きい環境下では、装置に具備される各ユニットの熱膨張及び熱収縮に起因する加工精度の低下が懸念される。

【0003】

一般に、ダイシング装置は、あらゆる温度範囲における加工精度を保証しているのではなく、使用温度範囲が規定されている。ダイシング装置は、規定されている使用温度範囲において運用されることで規定の加工精度が保証される。

【0004】

特許文献１は、温度センサを用いて加工位置付近の雰囲気温度をモニタリングし、モニタリングされたシャフトの温度に基づいてスピンドル移動機構の送り量及びワークテーブルの送り量の少なくともいずれかに補正をかけるダイシング装置が記載される。同文献に記載の装置は、スピンドルの時間に対する変位特性等の各種のデータマップを備え、データマップに対応させて加工点の位置ズレを推測し、ワークの送りに補正をかけながら切断分割作業が実施される。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１５－０７６５１６号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、設備環境の関係等に起因して、規定の使用温度範囲を満たす装置の使用が困難となるユーザが存在し得る。使用温度範囲から外れた環境において装置が使用される場合、カッターセット及びカーフチェックなどの補正を適当なタイミングにおいて実施し、補正がされた状態において規定の加工精度を満足しているかが判断される。補正のタイミングの設定及び加工精度の最終判断は、ユーザが行う場合があり得る。

【0007】

また、一年間の室温変化が大きい場合などは、装置が稼働する時期に合わせて装置の運用を変えるなどの対応が必要になり得る。更に、室温及び各種の水温などの外乱要素を独立する複数のパラメータとして補正を実施してもよいが、複数の温度要因が関わり合う場合が大半であり、精度のよい補正の実現は困難である。

【0008】

特許文献１に記載の装置は、複数のパラメータのそれぞれについて補正マップを具備しており、パラメータごとの補正は可能であるが、複数の温度要因が関わり合う場合への対応は困難である。

【0009】

本発明はこのような事情に鑑みてなされたものであり、相互に関連する複数の温度要因の変化に対する加工状態の検出を実現し得る、加工状態検出装置、加工状態検出方法、プログラム、ダイシング装置及び学習モデル生成方法を提供することを目的とする。

【課題を解決するための手段】

【0010】

本開示の第１態様に係る加工状態検出装置は、ブレードを用いて加工対象物の加工を施す際の加工状態を検出する加工状態検出装置であって、加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得部と、ブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得部と、加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得部と、環境温度履歴の特徴を表す環境温度履歴特徴量、ブレード供給水温度履歴の特徴を表すブレード供給水温度履歴特徴量及び発熱体供給水温度履歴の特徴を表す発熱体供給水温度履歴特徴量を導出する温度履歴特徴量導出部と、環境温度履歴特徴量、ブレード供給水温度履歴特徴量及び発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて、加工誤差を予測する加工誤差予測部と、を備え、加工誤差予測部は、温度履歴特徴量と加工誤差とを学習データとして学習した学習済の学習モデルであり、温度履歴特徴量が入力される場合に加工誤差を出力する学習モデルが適用される加工状態検出装置である。

【0011】

本開示に係る加工状態検出装置によれば、相互に関連する環境温度の変化、ブレード供給水温度の変化及び発熱体供給水温度の変化に対する加工状態が検出される。これにより、温度履歴に応じた補正を実施し得る。

【0012】

ブレード供給水は、切削水、ブレード冷却水及び洗浄水が含まれ得る。発熱体供給水は、発熱体冷却水が含まれ得る。発熱体は、スピンドル、カメラ及びこれらを支持する支持部材が含まれ得る。

【0013】

第２態様に係る加工状態検出装置は、第１態様の加工状態検出装置において、加工状態の履歴を表す加工状態履歴を取得する加工状態履歴取得部と、加工状態履歴の特徴量を導出する加工状態履歴特徴量導出部と、を備え、加工誤差予測部は、温度履歴特徴量に加工状態履歴特徴量を加味して、加工誤差を予測してもよい。

【0014】

かかる態様によれば、現実の加工状態の変動が加味された加工状態が検出され、現実の加工状態の変動に応じた補正を実施し得る。

【0015】

第３態様に係る加工状態検出装置は、第１態様に係る加工状態検出装置において、温度履歴特徴量導出部は、環境温度履歴特徴量として、加工環境の温度及び単位時間あたりの加工環境の温度の変化量を取得し、ブレード供給水温度履歴特徴量として、ブレード供給水の温度及び単位時間あたりのブレード供給水の温度の変化量を取得し、発熱体供給水温度履歴特徴量として、発熱体供給水の温度及び単位時間あたりの発熱体供給水の温度の変化量を取得し、学習モデルは、加工環境の温度と単位時間あたりの加工環境の温度の変化量との組み合わせ、ブレード供給水の温度と単位時間あたりのブレード供給水の温度の変化量との組み合わせ及び発熱体供給水の温度と単位時間あたりの発熱体供給水の温度の変化量との組み合わせを入力とし、加工誤差を出力とする学習を実施して生成されてもよい。

【0016】

かかる態様によれば、各種の温度に対して、単位時間あたりの各種の温度の変化量が考慮された加工状態の検出が実現される。

【0017】

第４態様に係る加工状態検出装置は、第１態様に係る加工状態検出装置において、温度履歴特徴量導出部は、環境温度履歴特徴量として、加工環境の温度、単位時間あたりの加工環境の温度の変化量及び加工環境の温度の変化の向きを取得し、ブレード供給水温度履歴特徴量として、ブレード供給水の温度、単位時間あたりのブレード供給水の温度の変化量及びブレード供給水の温度の変化の向きを取得し、発熱体供給水温度履歴特徴量として、発熱体供給水の温度、単位時間あたりの発熱体供給水の温度の変化量及び発熱体供給水の温度の変化の向きを取得し、学習モデルは、加工環境の温度と、単位時間あたりの加工環境の温度の変化量と、加工環境の温度の変化の向きとの組み合わせ、ブレード供給水の温度と、単位時間あたりのブレード供給水の温度の変化量と、ブレード供給水の温度の変化の向きとの組み合わせ及び発熱体供給水の温度と、単位時間あたりの発熱体供給水の温度の変化量と、発熱体供給水の温度の変化の向きとの組み合わせを入力とし、加工誤差を出力とする学習を実施して生成されてもよい。

【0018】

かかる態様によれば、各種の温度に対して、単位時間あたりの各種の温度の変化量及び各種の温度の変化の向きが考慮された加工状態の検出が実現される。

【0019】

第５態様に係る加工状態検出装置は、第１態様に係る加工状態検出装置において、温度履歴特徴量導出部は、環境温度履歴特徴量として、加工環境の温度及び加工環境の温度の積算を取得し、ブレード供給水温度履歴特徴量として、ブレード供給水の温度及びブレード供給水の温度の積算を取得し、発熱体供給水温度履歴特徴量として、発熱体供給水の温度及び発熱体供給水の温度の積算を取得し、学習モデルは、加工環境の温度と、加工環境の温度の積算との組み合わせ、ブレード供給水の温度と、ブレード供給水の温度の積算との組み合わせ及び発熱体供給水の温度と、発熱体供給水の温度の積算との組み合わせを入力とし、加工誤差を出力とする学習を実施して生成されてもよい。

【0020】

かかる態様によれば、各種の温度に対して、各種の温度の積算が考慮された加工状態の検出が実現される。

【0021】

第６態様に係る加工状態検出装置は、第１態様から第５態様のいずれか一態様に係る加工状態検出装置において、加工に適用される加工条件を取得する加工条件取得部と、加工条件ごとの学習を実施して生成された複数の第１学習モデルの中から、加工条件に応じて、加工誤差予測部に適用される学習モデルを選択する学習モデル選択部と、を備えてもよい。

【0022】

かかる態様によれば、加工条件に応じた学習モデルが適用される加工状態の検出が実現される。

【0023】

本開示の第７態様に係る加工状態検出方法は、ブレードを用いて加工対象物の加工を施す際の加工状態を検出する加工状態検出方法であって、制御装置が、加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得工程と、ブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得工程と、加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得工程と、環境温度履歴の特徴を表す環境温度履歴特徴量、ブレード供給水温度履歴の特徴を表すブレード供給水温度履歴特徴量及び発熱体供給水温度履歴の特徴を表す発熱体供給水温度履歴特徴量を導出する温度履歴特徴量導出工程と、環境温度履歴特徴量、ブレード供給水温度履歴特徴量及び発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて、加工誤差を予測する加工誤差予測工程と、を実行し、加工誤差予測工程は、温度履歴特徴量と加工誤差とを学習データとして学習した学習済の学習モデルであり、温度履歴特徴量が入力される場合に加工誤差を出力する学習モデルが適用される加工状態検出方法である。

【0024】

本開示に係る加工状態検出方法によれば、本開示に係る加工状態検出装置と同様の作用効果を得ることが可能である。

【0025】

本開示に係る加工状態検出方法において、第２態様から第６態様のいずれか一態様で特定した事項と同様の事項を適宜組み合わせることができる。その場合、加工状態検出装置において特定される処理や機能を担う構成要素は、これに対応する処理や機能を担う加工状態検出方法の構成要素として把握することができる。

【0026】

本開示の第８態様に係るプログラムは、ブレードを用いて加工対象物の加工を施す際の加工状態を検出するプログラムであって、制御装置が、加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得機能、ブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得機能、加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得機能、環境温度履歴の特徴を表す環境温度履歴特徴量、ブレード供給水温度履歴の特徴を表すブレード供給水温度履歴特徴量及び発熱体供給水温度履歴の特徴を表す発熱体供給水温度履歴特徴量を導出する温度履歴特徴量導出機能、及び環境温度履歴特徴量、ブレード供給水温度履歴特徴量及び発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて、加工誤差を予測する加工誤差予測機能を実現するプログラムであって、加工誤差予測機能は、温度履歴特徴量と加工誤差とを学習データとして学習した学習済の学習モデルであり、温度履歴特徴量が入力される場合に加工誤差を出力する学習モデルが適用されるプログラムである。

【0027】

本開示に係るプログラムによれば、本開示に係る加工状態検出装置と同様の作用効果を得ることが可能である。

【0028】

本開示に係るプログラムにおいて、第２態様から第６態様のいずれか一態様で特定した事項と同様の事項を適宜組み合わせることができる。その場合、加工状態検出装置において特定される処理や機能を担う構成要素は、これに対応する処理や機能を担うプログラムの構成要素として把握することができる。

【0029】

本開示の第９態様に係るダイシング装置は、ブレードを用いて加工対象物を加工する加工部と、加工対象物の加工状態を検出する加工状態検出部と、を備えたダイシング装置であって、加工状態検出部は、加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得部と、ブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得部と、加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得部と、環境温度履歴の特徴を表す環境温度履歴特徴量、ブレード供給水温度履歴の特徴を表すブレード供給水温度履歴特徴量及び発熱体供給水温度履歴の特徴を表す発熱体供給水温度履歴特徴量を導出する温度履歴特徴量導出部と、環境温度履歴特徴量、ブレード供給水温度履歴特徴量及び発熱体供給水温度履歴特徴量を含む温度履歴特徴量に基づいて、加工誤差を予測する加工誤差予測部と、を備え、加工誤差予測部は、温度履歴特徴量と加工誤差とを学習データとして学習した学習済の学習モデルであり、温度履歴特徴量が入力される場合に加工誤差を出力する学習モデルが適用されるダイシング装置である。

【0030】

本開示に係るダイシング装置によれば、本開示に係る加工状態検出装置と同様の作用効果を得ることが可能である。

【0031】

本開示に係るダイシング装置において、第２態様から第６態様のいずれか一態様で特定した事項と同様の事項を適宜組み合わせることができる。その場合、加工状態検出装置において特定される処理や機能を担う構成要素は、これに対応する処理や機能を担うダイシング装置の構成要素として把握することができる。

【0032】

第１０態様に係るダイシング装置は、第９態様に係るダイシング装置において、加工誤差予測部から出力される加工誤差に基づき、加工部の補正の要否を判定する判定部を備えてもよい。

【0033】

かかる態様によれば、加工誤差に基づく、加工部の補正の要否を判定し得る。

【0034】

第１１態様に係るダイシング装置は、第１０態様に係るダイシング装置において、加工誤差予測部は、規定の期間が経過した後の加工誤差を予測し、判定部は、予測された加工誤差が規定のしきい値を超える場合に、加工部の補正が必要である旨の判定結果を導出してもよい。

【0035】

かかる態様によれば、将来の加工誤差の予測に基づく、加工部の補正の要否を判定し得る。

【0036】

第１２態様に係るダイシング装置は、第１１態様に係るダイシング装置において、加工誤差予測部は、加工誤差の単位時間あたりの変化量及び加工誤差の変化の方向に基づいて、規定の期間が経過した後の加工誤差を予測してもよい。

【0037】

かかる態様によれば、加工誤差の変化の方向が考慮された加工誤差の予測に基づき、加工部の補正の要否を判定し得る。

【0038】

本開示の第１３態様に係る学習モデル生成方法は、加工環境の温度履歴を表す環境温度履歴、加工対象物を加工するブレードへ供給されるブレード供給水の温度履歴を表すブレード供給水温度履歴及び加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水の温度履歴を表す発熱体供給水温度履歴を含む温度履歴特徴量と、加工対象物を加工する際の加工誤差とを学習データとして学習した学習済の学習モデルであり、温度履歴特徴量が入力される場合に加工誤差を出力する学習モデルを生成する学習モデル生成方法である。

【0039】

本開示に係る学習モデル生成方法によれば、本開示に係る加工状態検出装置、加工状態検出方法、プログラム及びダイシング装置に適用される学習済の学習モデルを生成し得る。

【発明の効果】

【0040】

本発明によれば、相互に関連する環境温度の変化、ブレード供給水温度の変化及び発熱体供給水温度の変化に対する加工状態が検出される。これにより、温度履歴に応じた補正を実施し得る。

【図面の簡単な説明】

【0041】

【図1】図１は実施形態に係るダイシング装置の概略構成を示す斜視図である。

【図2】図２は図１に示す加工部の概略構成を示す斜視図である。

【図3】図３はスピンドル先端部の構成例を示す斜視図である。

【図4】図４は図１に示すダイシング装置の電気的構成を示す機能ブロック図である。

【図5】図５は図１に示す加工状態検出部の電気的構成を示す機能ブロック図である。

【図6】図６は実施形態に係る加工状態検出方法の流れを示すフローチャートである。

【図7】図７は図５に示す解析部に適用される処理の手順を示すフローチャートである。

【図8】図８は図５に示す加工誤差予測部に適用される学習モデルの模式図である。

【図9】図９は温度履歴の説明図である。

【図10】図１０は単位時間あたりの温度の変化量の説明図である。

【図11】図１１は学習モデル生成方法の模式図である。

【図12】図１２は温度履歴特徴量の第１変形例の説明図である。

【図13】図１３は温度履歴特徴量の第２変形例の説明図である。

【図14】図１４は温度履歴特徴量の第３変形例の説明図である。

【図15】図１５は第３変形例に係る温度履歴特徴量が学習データとして用いられる学習モデルの生成方法の模式図である。

【発明を実施するための形態】

【0042】

以下、添付図面に従って本発明の好ましい実施形態について詳説する。本明細書では、同一の構成要素には同一の参照符号を付して、重複する説明については、適宜、省略される。

【0043】

［実施形態に係るダイシング装置の構成例］
図１は実施形態に係るダイシング装置の概略構成を示す斜視図である。なお、図１に示すＸ方向及びＹ方向は、互いに直交する方向であり、ダイシング装置が載置される面に対して平行となる方向を表す。また、Ｚ方向は、Ｘ方向及びＹ方向に対して直交する方向であり、ダイシング装置が載置される面と直交する方向に対して平行となる方向を表す。

【0044】

図１に示すダイシング装置１０は、一対のブレード１２、１２が対向して配置されるツインスピンドルダイサーと称されるダイシング装置である。ダイシング装置１０は、一対のブレード１２、１２と、先端部にブレード１２が装着された高周波モータ内蔵型の一対のスピンドル１４、１４と、加工対象物であるワークＷが載置されてワークＷを吸着保持するワークテーブル１６と、を具備する加工部１８を備える。加工部１８は、ＸＹ平面に対して平行となる面において、ワークＷとブレード１２を相対的に移動させ、ブレード１２を用いてワークＷを切削加工する。なお、切削加工は、ダイシング加工等と称され得る。ワークＷの材料の例として、シリコン及びシリコンカーバイドなどの半導体材料が挙げられる。ワークＷの材料の他の例として、サファイア、ガラス及び石英等の半導体材料以外の材料が挙げられる。

【0045】

ダイシング装置１０は、ワークＷの表面を撮像するカメラ１９と、加工済みのワークＷをスピン洗浄する洗浄部２０と、複数枚のワークＷが収納されるカセットが載置されるロードポート２２と、ワークＷを搬送する搬送装置２４を備える。カメラ１９等のそれぞれは、規定の位置に配置される。ダイシング装置１０は、ダイシング装置１０の各部の動作を統括制御する制御装置２６を備える。制御装置２６は、ダイシング装置１０の内部に配置される。

【0046】

制御装置２６は、本発明の装置制御手段の一例でコンピュータが適用される。制御装置２６として機能するコンピュータは、１つ以上のプロセッサ及び１つ以上のコンピュータ可読媒体を備える。コンピュータは、コンピュータ可読媒体に記憶される１つ以上命令を含むプログラムをプロセッサが実行して、ダイシング装置１０における各種の機能を実現する。なお、制御装置２６の電気的構成の詳細は後述する。

【0047】

ダイシング装置１０は表示部４６を備える。表示部４６は、制御装置２６に電気接続され、ダイシング加工の結果、ブレード１２の部分損等の状態及び各種のデータ等の各種の情報を表示する。表示部４６として、タッチパネル付きディスプレイ装置を適用し得る。ダイシング装置１０のオペレータは、タッチパネルを用いて制御装置２６に対する加工条件の設定及びブレード１２の状態を判定するための閾値など、各種の情報を入力することができる。

【0048】

［加工部の構成例］
図２は図１に示す加工部の概略構成を示す斜視図である。同図に示す加工部１８は、Ｘテーブル３４を備える。Ｘテーブル３４は、Ｘベース２８に設けられる一対のＸガイド３０、３０を用いてガイドされ、リニアモータ３２を用いてＸ方向に駆動される。また、Ｘテーブル３４の上面にはθ方向に回転する回転テーブル３６が立設される。回転テーブル３６には、ワークテーブル１６が設けられている。ワークテーブル１６は、Ｘテーブル３４を用いてＸ方向に移動し、かつ、回転テーブル３６を用いてθ方向に回転する。なお、θ方向は、Ｚ方向に対して平行となる方向に延在する回転軸の回りを回転する方向を表す。

【0049】

加工部１８は、Ｘベース２８を跨ぐ位置に配置される門型に構成されたＹベース３８を備える。Ｙベース３８の前面３８Ａには、一対のＹテーブル４２、４２が設けられる。一対のＹテーブル４２、４２は、Ｙベース３８の前面３８Ａに固定された一対のＹガイド４０、４０を用いてガイドされ、Ｙ駆動装置を用いてＹ方向に駆動される。Ｙ駆動装置は、モータ及び送りねじ装置を備える。

【0050】

一対のＹテーブル４２、４２のそれぞれには、一対のＺテーブル４４、４４のそれぞれが設けられる。Ｚテーブル４４は、Ｙテーブル４２に設けられたＺガイドを用いてガイドされ、Ｚ駆動装置を用いてＺ方向に駆動される。Ｚ駆動装置は、Ｙ駆動装置と同様の構成を適用し得る。なお、Ｙ駆動装置、Ｚガイド及びＺ駆動装置の図示は省略される。

【0051】

一対のＺテーブル４４、４４のそれぞれには、一対のスピンドル１４、１４が対向した状態で固定される。一対のスピンドル１４、１４のそれぞれの先端部に装着された一対のブレード１２、１２は、Ｙ方向に沿って対向して配置される。

【0052】

一対のブレード１２、１２のそれぞれは、Ｙ方向についてインデックス送りされ、かつ、Ｚ方向について切り込み送りされる。また、ワークテーブル１６はＸ方向について切削送りされ、かつ、θ方向に回転する。これらの動作は、図１に示す制御装置２６を用いて制御される。

【0053】

図３はスピンドル先端部の構成例を示す斜視図である。図３に示すスピンドル１４の先端部には、ブレード１２を覆うホイールカバー５４が取り付けられる。ホイールカバー５４は、カバー前部５６、カバー後部５８、ノズルブロック６０及びガイドブロック７２等を含んで構成される。カバー後部５８には、ホース６２が接続される。ホース６２を介して供給される切削水は、ホイールカバー５４に具備されるノズル６３から、回転中のブレード１２へ向けて噴射される。ノズルブロック６０には、ホース６４が接続される。ホース６４を介して供給されるブレード冷却水は、ホイールカバー５４に具備される一対のノズル６６、６６から、ブレード１２を用いて加工が実施されるワークＷの加工点へ向けて噴射される。

【0054】

図示を省略するが、ダイシング装置１０は、スピンドル１４、カメラ１９を含む顕微鏡、Ｚ軸構造体及びスケール支持部などの装置内部の発熱体を冷却する発熱体冷却水が用いられる。すなわち、ダイシング装置１０は、ブレード１２以外の発熱体に対して発熱体冷却水を供給する第２冷却水供給部を備える。また、ダイシング装置１０は、洗浄水を供給する洗浄水供給部を備える。

【0055】

切削水、ブレード冷却水及び洗浄水を含むブレード供給水の流路は、それぞれの供給先へ分岐されて装置内へ放出される開放系の流路を構成する。一方、発熱体冷却水は、スピンドルモータ、顕微鏡（カメラ１９）などの発熱体、Ｚ軸構造体、スケール支持部などの発熱体と、同一の温度にする必要がある部位（Ｚ軸構造体、スケール支持部）などを冷却するために流す市水等の工業用水であり、発熱体冷却水の流路は閉鎖系の流路を構成する。

【0056】

ダイシング装置１０は、ブレード１２の刃先１２Ａに発生する部分損を検出するブレード破損検出装置４８を備える。ダイシング装置１０に具備される制御装置２６は、ブレード破損検出装置４８の検出結果に基づき、ブレード１２の状態を把握する。

【0057】

ブレード破損検出装置４８は、光検出ユニット５０を備える。光検出ユニット５０は、ホイールカバー５４のＸ方向の中央位置においてホイールカバー５４に取り付けられ、ブレード１２の加工位置に対してＺ方向における反対側の位置に配置される。光検出ユニット５０は、投光部６８及び受光部７０を備える。投光部６８は、投光側配線８０が接続され、受光部７０は受光側配線８４が接続される。

【0058】

光検出ユニット５０に具備される投光部６８及び受光部７０は、Ｙ方向についてブレード１２を挟んで互いに対向する位置に配置される。投光部６８は、ＬＥＤなどの投光素子が具備される。投光部６８は、複数のＬＥＤが含まれるＬＥＤアレイが具備されてもよい。投光素子は、投光側配線８０を介して電源装置から電力が供給される。なお、電源装置の図示を省略する。

【0059】

受光部７０は、投光部６８からブレード１２へ向けて照射された光の少なくとも一部を受光する。受光部７０は、フォトダイオード等の受光素子が具備される。受光部７０は、複数のフォトダイオードが含まれるフォトダイオードアレイが具備されてもよい。受光素子は、受光光量に応じた電流値を有する検出信号を出力する。受光素子から出力される検出信号は、受光側配線８４を介して制御装置２６へ送信される。

【0060】

［ダイシング装置の電気的構成］
図４は図１に示すダイシング装置の電気的構成を示す機能ブロック図である。制御装置２６は、システム制御部１００を備える。システム制御部１００は、ダイシング装置１０に具備される各種の制御部を統括的に制御する。システム制御部１００は、コンピュータ可読媒体１２０へのデータ等の書き込み及びコンピュータ可読媒体１２０からのデータ等の読み出しを制御する。

【0061】

制御装置２６は、加工制御部１０２を備える。加工制御部１０２は、システム制御部１００から送信される指令信号に基づき、加工部１８の各部の動作を制御する。加工制御部１０２は、加工部１８に具備されるＸ駆動装置、Ｙ駆動装置、Ｚ駆動装置及びθ駆動装置の動作を制御する駆動制御部として機能する。また、加工制御部１０２は、スピンドル１４の動作を制御するスピンドル制御部として機能する。

【0062】

制御装置２６は、撮影データ取得部１０４を備える。撮影データ取得部１０４は、カメラ１９を用いて撮影され、生成されたワークＷの撮影データを取得する。撮影データ取得部１０４を用いて取得されたワークＷの撮影データは、アライメントの際、及びカーフチェック等の際にワークＷの加工誤差の把握に使用される。

【0063】

制御装置２６は、ブレード供給水温度取得部１０６、発熱体供給水温度取得部１０８及び室温取得部１１０を備える。ブレード供給水温度取得部１０６は、ブレード供給水温度検出部１３０を用いて検出される切削水、ブレード冷却水及び洗浄水の温度を取得する。ブレード供給水温度取得部１０６は、規定のサンプリング周期を適用して切削水等の温度の時系列データを取得する。

【0064】

発熱体供給水温度取得部１０８は、発熱体供給水温度検出部１３２を用いて検出される発熱体冷却水の温度を取得する。発熱体供給水温度取得部１０８は、規定のサンプリング周期を適用して発熱体冷却水の温度の時系列データを取得する。

【0065】

室温取得部１１０は、室温検出部１３４を用いて検出される室温を検出する。室温は、ダイシング装置１０が設置される環境における環境温度として把握される。室温取得部１１０は、規定のサンプリング周期を適用して室温の時系列データを取得する。ブレード供給水温度取得部１０６、発熱体供給水温度取得部１０８及び室温取得部１１０に適用されるサンプリング周期は、同一であってもよいし、互いに相違してもよい。ブレード供給水温度検出部１３０、発熱体供給水温度検出部１３２及び室温検出部１３４は、温度センサを備える。温度センサは、接触式でもよし、非接触式でもよい。

【0066】

制御装置２６は、液供給制御部１１２を備える。液供給制御部１１２は、システム制御部１００から送信される指令信号に基づき、液供給装置１３６の動作を制御する。すなわち、液供給制御部１１２は、ブレード供給水及び発熱体供給水の供給タイミング及び供給量を制御する。

【0067】

液供給装置１３６は、ブレード供給水を供給するブレード供給水供給部、及び発熱体供給水を供給する発熱体供給水供給部を備えてもよい。ブレード供給水供給部は、切削水を供給する切削水供給部、ブレード冷却水を供給するブレード冷却水供給部及び洗浄水を供給する洗浄水供給部を備えもよい。

【0068】

液供給制御部１１２は、ブレード供給水供給制御部及び発熱体供給水供給制御部を備えてもよい。ブレード供給水供給制御部は、切削水供給制御部、ブレード冷却水供給制御部及び洗浄水供給制御部を備えてもよい。

【0069】

制御装置２６は、ブレード情報取得部１１４を備える。ブレード情報取得部１１４は、ブレード破損検出装置４８から出力されるブレード１２の検出結果を取得する。制御装置２６は、ブレード１２の検出結果に基づいて、ブレード１２の部分損の有無を判定する。

【0070】

制御装置２６は、加工状態取得部１１６を備える。加工状態取得部１１６は、スピンドル１４の回転数等の現実の加工状態を表すパラメータを取得する。加工状態取得部１１６は、加工制御部１０２を用いて設定される加工条件に基づき、現実の加工状態を表すパラメータを取得してもよい。加工状態取得部１１６は、加工状態が変化してからの時間を取得してもよい。例えば、発熱体冷却水の供給開始からの時間、各チャネルの加工開始からの時間が取得されてもよい。また、スピンドル１４の回転数の変更、加工中のカッターセット（摩耗量測定）及びカーフチェックが実施される場合は、スピンドル１４の回転数の変更からの時間、加工中のカッターセット等の実施時点からの時間が取得されてもよい。

【0071】

制御装置２６は、加工状態検出部１４０を備える。加工状態検出部１４０は、ワークＷの加工中において取得される各種の温度情報、及び現実の加工状態に基づいてワークＷの加工誤差を予測する。加工状態検出部１４０は、加工誤差の単位時間あたりの変化量及び変化量の方向に基づいて、規定の期間が経過した後の加工誤差を予測してもよい。加工状態検出部１４０は、ワークＷの加工誤差が大きくなりそうな危険状態を予測する。

【0072】

加工状態検出部１４０は、ワークＷの加工誤差が大きくなりそうな危険状態が予測された場合に、加工部１８の補正の要否を判定する判定部として機能し得る。加工状態検出部１４０は、予測される加工誤差が規定のしきい値を超える場合に、加工部１８の補正が必要である旨の判定結果を導出してもよい。

【0073】

制御装置２６は、学習モデル記憶部１６４を備える。学習モデル記憶部１６４は、加工状態検出部１４０へ適用される加工誤差の予測に用いられる学習モデルが記憶される。なお、加工誤差の予測の詳細は後述する。

【0074】

図４に示すシステム制御部１００等の各種の処理部のハードウェアは、１つ以上のプロセッサが適用される。１つのプロセッサを用いて、１つの処理部又は２つ以上の処理部が実現されてもよいし、複数のプロセッサを用いて、１つの処理部が実現されてもよい。

【0075】

プロセッサとして、汎用的な処理デバイスであるＣＰＵ（Central Processing Unit）を備えてもよいし、特定の処理に特化した処理デバイスを備えてもよい。複数のプロセッサは、同一の種類であってもよいし、互いに異なる複数の種類であってもよい。

【0076】

制御装置２６は、コンピュータ可読媒体１２０を備える。非一時的な有体物であるコンピュータ可読媒体１２０は、主記憶装置であるメモリ１２２及び補助記憶装置であるストレージ１２４を備える。コンピュータ可読媒体１２０は、半導体メモリ、ハードディスク装置及びソリッドステートドライブ装置等を使用し得る。コンピュータ可読媒体１２０は、複数のデバイスの任意の組み合わせを使用し得る。

【0077】

なお、ハードディスク装置は、英語表記のHard Disk Driveの省略語であるＨＤＤと称され得る。ソリッドステートドライブ装置は、英語表記のSolid State Driveの省略語であるＳＳＤと称され得る。

【0078】

制御装置２６は、入出力インターフェース１２６及び通信インターフェース１２８を備える。表示部４６は、入出力インターフェース１２６を介して制御装置２６と接続される。入出力インターフェース１２６は、ＵＳＢ（Universal Serial Bus）などの各種の規格を適用し得る。

【0079】

制御装置２６は、通信インターフェース１２８を介して外部装置とのデータ通信を実施する。通信インターフェース１２８の通信形態は、有線通信及び無線通信のいずれを適用してもよい。制御装置２６は、通信インターフェース１２８を介してネットワークへ接続され、外部装置と通信可能に接続されてもよい。ネットワークは、ＬＡＮ（Local Area Network）等を適用し得る。なお、ネットワークの図示を省略する。

【0080】

図４には、図１等に示すダイシング装置１０の加工に関する処理部等の主要な構成要素が図示される。ダイシング装置１０は、図４に図示されない処理部等の構成要素が含まれていてもよい。

【0081】

［加工状態検出部の構成例］
図５は図４に示す加工状態検出部の電気的構成を示す機能ブロック図である。加工状態検出部１４０は、温度履歴生成部１５０、加工状態履歴生成部１５１、温度履歴特徴量導出部１５２、加工状態履歴特徴量導出部１５３、加工誤差予測部１５４及び解析部１５６を備える。加工誤差予測部１５４は、学習済の学習モデル１５８を備える。

【0082】

温度履歴生成部１５０は、ブレード供給水温度取得部１０６から送信される切削水等のブレード供給水の温度から、ブレード供給水の温度履歴を生成する。ブレード供給水の温度履歴は、ブレード供給水の温度の時系列データが適用される。

【0083】

また、温度履歴生成部１５０は、発熱体供給水温度取得部１０８から送信される発熱体冷却水の温度から、発熱体冷却水の温度履歴を生成する。発熱体冷却水の温度履歴更は、発熱体冷却水の温度の時系列データが適用される。更に、温度履歴生成部１５０は、室温取得部１１０から送信される室温から、室温の履歴を生成する。室温の履歴は、室温の時系列データが適用される。

【0084】

なお、実施形態に記載の温度履歴生成部１５０は、ブレード供給水の温度履歴を表すブレード供給水温度履歴を取得するブレード供給水温度履歴取得部の一例であり、プログラムがブレード供給水温度履歴取得機能を実現するハードウェアの一例である。

【0085】

また、実施形態に記載の温度履歴生成部１５０は、加工対象物の加工の際に発熱する発熱体へ供給される発熱体供給水温度履歴を取得する発熱体供給水温度履歴取得部の一例であり、プログラムが発熱体供給水温度履歴取得機能を実現するハードウェアの一例である。

【0086】

更に、実施形態に記載の温度履歴生成部１５０は、加工環境の温度履歴を表す環境温度履歴を取得する環境温度履歴取得部の一例であり、プログラムが環境温度履歴取得機能を実現するハードウェアの一例である。

【0087】

加工状態履歴生成部１５１は、加工状態取得部１１６を用いて取得される、現実の加工状態から、加工状態履歴を生成する。加工状態履歴の例として、スピンドル１４の回転数の時系列データが挙げられる。なお、実施形態に記載の加工状態履歴生成部１５１は、加工状態の履歴を表す加工状態履歴を取得する加工状態履歴取得部の一例である。

【0088】

温度履歴特徴量導出部１５２は、ブレード供給水の温度履歴の特徴量、発熱体供給水の温度履歴の特徴量及び室温の履歴の特徴量を含む温度履歴特徴量を導出する。例えば、ブレード供給水の温度履歴の特徴量は、ブレード供給水の温度とブレード供給水の温度の傾きとのペアを適用し得る。

【0089】

すなわち、ブレード供給水の温度履歴の特徴量は、切削水の温度と切削水の温度の傾きのペア、ブレード冷却水の温度とブレード冷却水の温度の傾きとのペア及び洗浄水の温度と洗浄水の温度の傾きとのペアが含まれる。また、発熱体供給水の温度履歴の特徴量は、発熱体冷却水の温度と発熱体冷却水の温度の傾きとのペアが含まれる。

【0090】

ブレード供給水の温度の傾きは、ブレード供給水の温度が取得されたサンプリングタイミングにおける、単位時間あたりの温度変化として導出される。例えば、ブレード供給水の温度のサンプリング周期を単位時間として適用し、連続するサンプリングタイミングにおいて取得されたブレード供給水の温度を用いて、ブレード供給削水の温度変化の傾きを導出してもよい。

【0091】

発熱体供給水の温度履歴の特徴量は、発熱体供給水の温度と発熱体供給水の温度変化の傾きとのペアを適用し得る。発熱体供給水の温度変化の傾きは、発熱体供給水の温度が取得されたサンプリングタイミングにおける、単位時間あたりの温度変化として導出される。また、室温の履歴の特徴量は、室温と室温変化の傾きとのペアを適用し得る。室温変化の傾きは、室温が取得されたサンプリングタイミングにおける、単位時間あたりの温度変化として導出される。

【0092】

なお、実施形態に記載の温度履歴特徴量導出部１５２は、プログラムが温度履歴特徴量導出機能を実現するハードウェアの一例である。

【0093】

加工状態履歴特徴量導出部１５３は、加工状態履歴の特徴量を導出する。加工状態履歴の特徴量として、スピンドル１４の回転数とスピンドル１４の回転数の傾きとのペアが挙げられる。例えば、チャネル１の加工条件としてスピンドル１４の回転数が４０ｋｒｐｍ（キロ回転毎分）と設定され、チャネル２の加工条件としてスピンドル１４の回転数が５０ｋｒｐｍと設定され、チャネル１、チャネル２の順に加工が実施される場合、加工中にスピンドル１４の回転数が変化する。スピンドル１４の回転数が変化に起因して、位置変動が発生することがある。すなわち、加工状態も時定数を有しており、加工誤差の予測に使用し得る。

【0094】

加工誤差予測部１５４は、学習済の学習モデル１５８を用いて、温度履歴の特徴量及び加工状態履歴の特徴量に基づいて、ワークＷを加工する際の加工誤差を予測する。ここでいう温度履歴は、ブレード供給水の温度履歴、発熱体供給水の温度履歴、及び室温の履歴の総称である。

【0095】

学習モデル１５８は、温度履歴の特徴量と加工誤差との組を学習データとして、温度履歴の特徴量が入力されると、加工誤差の予測値を出力するように学習された学習済の学習モデルである。すなわち、学習モデル１５８の生成では、温度履歴の特徴量と加工誤差との組を学習データとする教師あり学習が実施される。換言すると、学習モデル１５８は、温度履歴特徴量が入力されると加工誤差の予測値を出力するように学習が実施される。

【0096】

学習モデル１５８に対して、任意のサンプリングタイミングにおいて取得された温度から導出される温度履歴の特徴量が入力されると、学習モデル１５８は、温度が取得されたサンプリングタイミングにおける加工誤差の予測値を出力する。

【0097】

学習モデル１５８は、ディープニューラルネットワーク等のニューラルネットワークが適用される。ニューラルネットワークの重み及びバイアスは、ソフトウェアを用いて学習をして導出される値が適用される。なお、ディープニューラルネットワークは、英語表記のDeep Neural Networkの省略語を用いてＤＮＮと称され得る。

【0098】

学習モデル１５８は、加工状態履歴の特徴量と、加工誤差との組を学習データとして追加して学習した学習済みの学習モデルとして構成されてもよい。この学習モデル１５８は、温度履歴の特徴量及び加工状態履歴の特徴量が入力されると、加工誤差の予測値を出力する。

【0099】

なお、実施形態に記載の加工誤差予測部１５４は、プログラムが加工誤差予測機能を実現するハードウェアの一例である。

【0100】

解析部１５６は、加工誤差予測部１５４に具備される学習モデル１５８から出力される加工誤差の予測結果に基づいて、加工中における将来の加工誤差の遷移を予測する。解析部１５６は、規定の許容範囲を超える加工誤差の発生が予測される場合に、その旨を表す信号を解析結果として出力する。制御装置２６は、規定の許容範囲を超える加工誤差の発生が予測される場合に、適宜のタイミングにおいて加工補正を実施し得る。

【0101】

加工状態検出部１４０は、加工条件取得部１６０を備える。加工条件取得部１６０は、加工制御部１０２からワークＷの種類及びブレード１２の種類等の加工部１８に対して適用される加工条件を取得する。

【0102】

加工状態検出部１４０は、学習モデル選択部１６２を備える。学習モデル選択部１６２は、学習モデル記憶部１６４へ記憶される、加工条件ごとの学習が実施されて生成される複数の学習モデルの中から、加工条件取得部１６０を用いて取得される加工条件に対応する学習モデルを選択する。学習モデル選択部１６２を用いて選択された学習モデルは、加工誤差予測部１５４へ適用される。学習モデル記憶部１６４は、制御装置２６の外部装置に具備されてもよい。なお、実施形態に記載の加工条件ごとの学習が実施されて生成される複数の学習モデルは、複数の第１学習モデルの一例である。

【0103】

［加工状態検出方法の手順］
図６は実施形態に係る加工状態検出方法の流れを示すフローチャートである。図６に手順を示す加工状態検出方法は、コンピュータが適用される制御装置２６が、規定のプログラムを実行して実現される。

【0104】

履歴情報生成工程Ｓ１０では、図５に示す温度履歴生成部１５０は、ブレード供給水の温度履歴、発熱体供給水の温度履歴及び室温の履歴等を生成する。履歴情報生成工程Ｓ１０において、加工状態履歴生成部１５１は、加工状態履歴を生成する。履歴情報生成工程Ｓ１０の後に履歴特徴量導出工程Ｓ１２が実行される。なお、実施形態に記載の履歴情報生成工程Ｓ１０は、環境温度履歴取得工程、ブレード供給水温度履歴取得工程及び発熱体供給水温度履歴取得工程の一例である。

【0105】

履歴特徴量導出工程Ｓ１２では、温度履歴特徴量導出部１５２は、ブレード供給水の温度履歴特徴量等、発熱体供給水の温度履歴特徴量及び室温の履歴特徴量を生成する。履歴特徴量導出工程Ｓ１２において、加工状態履歴特徴量生成部１５３は、加工状態履歴の特徴量を生成する。履歴特徴量導出工程Ｓ１２後に加工誤差予測工程Ｓ１４が実行される。なお、実施形態に記載の履歴特徴量導出工程Ｓ１２は、温度履歴特徴量導出工程の一例である。

【0106】

加工誤差予測工程Ｓ１４では、加工誤差予測部１５４は、学習モデル１５８を適用して、切削水の温度履歴特徴量、冷却水の温度履歴特徴量及び室温の履歴特徴量に対応する加工誤差を予測する。加工誤差予測工程Ｓ１４は、学習モデル１５８の推論工程として把握される。加工誤差の予測結果は、図５に示す解析部１５６へ出力される。加工誤差予測工程Ｓ１４の後に、終了判定工程Ｓ１６へ進む。

【0107】

終了判定工程Ｓ１６では、加工状態検出部１４０は加工状態の検出を終了するか否かを判定する。終了判定工程Ｓ１６において、規定の終了条件を満たしておらず、加工状態検出が継続されると判定される場合はＮｏ判定となる。Ｎｏ判定の場合は履歴情報生成工程Ｓ１０へ進み、終了判定工程Ｓ１６においてＹｅｓ判定となるまで、履歴情報生成工程Ｓ１０から終了判定工程Ｓ１６までの各工程が繰り返し実行される。

【0108】

一方、終了判定工程Ｓ１６において、規定の終了条件を満たしており、加工状態検出が終了されると判定される場合はＹｅｓ判定となる。Ｙｅｓ判定の場合は、規定の終了処理が実施され、加工状態検出は終了される。

【0109】

加工誤差予測工程Ｓ１４よりも前に、加工条件を取得する加工条件取得工程、及び加工条件に応じて学習モデルを選択する学習モデル選択工程が実行され、選択された学習モデルを用いて加工誤差予測工程Ｓ１４が実行されてもよい。

【0110】

［解析部の処理の手順］
図７は図５に示す解析部１５６に適用される処理の手順を示すフローチャートである。図７に示す加工誤差取得工程Ｓ２０では、図５に示す解析部１５６は加工誤差予測部１５４から出力される加工誤差を取得する。具体的には、加工誤差取得工程Ｓ２０では、図６に示す加工誤差予測工程Ｓ１４において予測された加工誤差の予測結果を取得する。加工誤差取得工程Ｓ２０の後に加工誤差推移予測工程Ｓ２２へ進む。

【0111】

加工誤差推移予測工程Ｓ２２では、解析部１５６は今後の加工誤差の推移を予測する。すなわち、加工誤差推移予測工程Ｓ２２では、加工誤差が増加しそうな危険状態が予測される。加工誤差が増加しそうな危険状態とは、このままの温度変化が続くとエラーになる状態である。

【0112】

具体的には、加工誤差推移予測工程Ｓ２２において、加工誤差が増加する否かが予測され、加工誤差が増加すると予測される場合に、加工誤差の許容範囲を超えるか否かが予測される。加工誤差推移予測工程Ｓ２２の後に加工誤差判定工程Ｓ２４へ進む。

【0113】

加工誤差判定工程Ｓ２４において、加工誤差が許容範囲内において推移すると予測される場合はＮｏ判定となり、終了判定工程Ｓ２８へ進む。一方、加工誤差判定工程Ｓ２４において、加工誤差の許容範囲を超えると予測される場合はＹｅｓ判定となり、加工位置補正工程Ｓ２６へ進む。

【0114】

加工誤差判定工程Ｓ２４において、Ｙｅｓ判定の場合にアラームが出力されてもよい。アラームの例として、図１に示す表示部４６への文字情報が表示される態様、及び音が用いられる態様が挙げられる。

【0115】

加工位置補正工程Ｓ２６では、レシピ条件とは別にカーフチェックが実施され、現在の加工位置がチェックされ、現在の加工位置に基づき加工位置補正が実施される。すなわち、加工位置補正工程Ｓ２６では、ダイシング装置１０に具備される、加工位置がチェックされ、加工位置の誤差が許容範囲を超える場合に加工位置が補正されるという機能を適用して、レシピ条件より適時に加工位置の補正が実施される。加工位置補正工程Ｓ２６の後に終了判定工程Ｓ２８へ進む。

【0116】

終了判定工程Ｓ２８では、解析処理が終了されるか否かが判定される。解析処理の終了の例として、ワークＷの加工の終了及びエラーの発生に起因する終了等が挙げられる。終了判定工程Ｓ２８において、解析処理が継続されると判定される場合はＮｏ判定となる。Ｎｏ判定の場合は、加工誤差取得工程Ｓ２０へ進み、終了判定工程Ｓ２８においてＹｅｓ判定となるまで、加工誤差取得工程Ｓ２０から終了判定工程Ｓ２８までの各工程が繰り返し実行される。

【0117】

一方、終了判定工程Ｓ２８において、解析処理が終了されると判定される場合はＹｅｓ判定となる。Ｙｅｓ判定の場合は、規定の終了処理が実施され、解析処理の手順が終了される。

【0118】

［学習モデルの具体例］
図８は図５に示す加工誤差予測部に適用される学習モデルの模式図である。学習モデル１５８は、ブレード供給水温度履歴特徴量、発熱体供給水温度履歴特徴量及び室温履歴特徴量が入力されると、ブレード供給水温度、発熱体供給水温度及び室温が取得されるタイミングにおける加工誤差の予測値を出力する。加工誤差の予測値は正解確率を表すスコアが付与される態様が適用し得る。学習モデル１５８は、現実の加工状態が加味される加工誤差の予測値を出力してもよい。

【0119】

ブレード供給水温度履歴特徴量は、ブレード供給水温度の取得タイミングにおけるブレード供給水温度、及びブレード供給水温度の取得タイミングにおける単位時間あたりのブレード供給水温度の変化量のペアを適用し得る。

【0120】

発熱体供給水温度履歴特徴量は、ブレード供給水温度の取得タイミングと同一の発熱体供給水温度の取得タイミングにおける発熱体供給水温度、及び発熱体供給水温度の取得タイミングにおける単位時間あたりの発熱体供給水温度の変化量のペアを適用し得る。

【0121】

室温履歴特徴量として、ブレード供給水温度の取得タイミングと同一の室温の取得タイミングにおける室温、及び室温の取得タイミングにおける単位時間あたりの室温の変化量のペアを適用し得る。加工状態履歴特徴量は、加工状態の取得タイミングにおける加工状態、及び加工状態の取得タイミングにおける単位時間あたりの加工状態の変化量のペアを適用し得る。ここでいう同一のタイミングとは、許容範囲のずれが含まれていてもよい。例えば、各温度のサンプリング周期未満のずれが生じているタイミングは、実質的に同一のタイミングと把握し得る。

【0122】

図８に示す加工誤差の予測値は、加工誤差が１．５マイクロメートルである確率が９０パーセント、加工誤差が１．０マイクロメートルである確率が５パーセント、加工誤差が０．５マイクロメートルである確率が２パーセントであることを表す。なお、実施形態に記載の室温履歴特徴量は、環境温度履歴の特徴を表す環境温度履歴特徴量の一例である。

【0123】

［各種の温度変化に対する各部の温度が飽和するまでの時間］
室温の変化に対して各部の温度が飽和するまでの時間は、以下のとおりである。
ワーク：３分
テーブル：５分
スピンドル：１０分
顕微鏡：１０分
Ｚ軸構造物：１時間
鋳物：８時間
ブレード供給水の温度変化又はブレード供給水のオフからオンへの切り替えに対して各部の温度が飽和するまでの時間は、以下のとおりである。
ワーク：１分以下
テーブル：３分
スピンドル：１０分
顕微鏡：５分
Ｚ軸構造物：２０分
鋳物：１時間
発熱体供給水の温度変化又は発熱体供給水のオフからオンへの切り替えに対して各部の温度が飽和するまでの時間は、以下のとおりである。
スピンドル：２分
Ｚ軸構造物：１０分
スケール：２分
顕微鏡：１分
上記の温度値は、基準温度条件下における各温度を２℃変化させた場合に、各部の温度変化が概ね収束するまでの時間の目安である。

【0124】

例えば、顕微鏡は、室温の変化、ブレード供給水の温度変化及び発熱体供給水の温度変換の影響を受ける。室温が上昇した場合、顕微鏡を支持する部材の膨張に起因して、顕微鏡単体は、ワークＷに対してＹ軸方向のマイナスの側へシフトする。しかし、ワークＷの膨張に起因するＹ軸方向のプラスの側へのシフトも生じ、更に、Ｚ軸構造物及び鋳物の温度変化が追いつくと、ワークＷに対する伸びは若干緩和される。

【0125】

ブレード供給水の上昇は、切削状態においてのみ、顕微鏡を支持する部材の膨張に起因して、顕微鏡単体はワークＷに対してＹ軸方向のマイナスの側へシフトする。但し、これは、ブレード供給水の温度が、室温基準温度より２℃高い状態から、４℃高い状態へシフトした場合であって、上昇後の温度が室温基準温度プラス２℃よりも低い場合はＹ軸方向のプラス側へのシフトとなる。また、ブレード供給水の温度変化に起因して、ワークＷの膨張に起因するＹ軸方向の位置のシフト、スピンドル１４の膨張に起因するＹ軸方向の位置のシフトが発生するために、２℃の温度上昇であっても、室温との温度差により、挙動が異なる。

【0126】

発熱体供給水の温度上昇は、顕微鏡を支持する部材の膨張及びカメラを支持する部材の膨張に起因して、ワークＷに対して顕微鏡をＹ軸方向のマイナス側へシフトさせる。顕微鏡と同じ発熱体供給水が使用されるスピンドル１４も同様に膨張し、スピンドル１４のＹ軸方向の位置のシフトが発生する。一方、スケールが水冷される場合は、スピンドル１４のシフトがキャンセルされる。

【0127】

各種の温度変化に対する時定数が異なり、かつ、基準温度条件下以外の条件では各時定数も異なる。これは、各部の温度勾配の変化、勾配の向きの反転に起因して生じる。そのために、ある時点の温度測定値に基づく、ワークＷと顕微鏡との相互の位置ずれ、及びワークＷとブレード１２との相互の位置ずれに起因する加工誤差の推定は困難である。

【0128】

本実施形態では、加工開始以降の予め規定された時点から一定時間、各種の温度の変動をモニタし、適切な学習モデル１５８を用いて加工誤差が予測される。これにより、適切なタイミングにおいて補正が実施され、加工誤差の低減が可能となる。また、加工状態の履歴が加味された学習モデル１５８が用いられると、加工状態の変動に起因する加工誤差の低減化が実現される。

【0129】

［温度履歴の具体例］
図９は温度履歴の説明図である。図９には、横軸が時間とされ、縦軸が温度とされるグラフ形式を用いて温度履歴を図示する。温度履歴は、規定のサンプリング周期が適用され、連続して取得される複数の温度の時系列データとして把握される。同図に示すように、温度履歴を構成する温度は、装置の使用温度範囲内の温度だけでなく、使用温度範囲外の温度が含まれ得る。

【0130】

室温の基準温度及び発熱体供給水の基準温度の例として２２℃が挙げられる。また、ブレード供給水の基準温度の例として２４℃が挙げられる。発熱体供給水の基準温度は、室温の基準温度と同じとしてもよい。ブレード供給水の基準温度は、室温の基準温度に対してプラス２℃と規定してもよい。

【0131】

図１０は単位時間あたりの温度の変化量の説明図である。図１０には、図９に示す温度履歴における領域２００が拡大して図示される。なお、図１０には便宜上の時間軸及び便宜上の温度軸が図示される。

【0132】

［温度履歴特徴量の具体例］
図１０に示すタイミングｔ１、タイミングｔ２、タイミングｔ３、タイミングｔ４及びタイミングｔ５のそれぞれは、温度Ｔｅ１、温度Ｔｅ２、温度Ｔｅ３、温度Ｔｅ４及び温度Ｔｅ５の取得タイミングである。各タイミングの時間間隔ｄｔは、温度のサンプリング周期である。

【0133】

各タイミングにおける単位時間あたりの温度の変化量は、温度履歴を表す関数の平均変化率として算出される。例えば、タイミングｔ２における単位時間あたりの温度の変化量は、（Ｔｅ２－Ｔｅ１）／ｄｔである。同様に、タイミングｔ３における単位時間あたりの温度の変化量は、（Ｔｅ３－Ｔｅ２）／ｄｔである。すなわち、ｉを１以上の整数とする場合に、ｉ番目のタイミングｔｉにおける単位時間あたりの温度の変化量は、｛Ｔｅｉ－Ｔｅ（ｉ－１）｝／ｄｔと表される。

【0134】

すなわち、温度履歴が関数を用いてｆ（ｔ）と表される場合に、ｉ番目のタイミングｔｉにおける単位時間あたりの温度の変化量は、温度履歴ｆ（ｔ）の１次微分係数ｄｆ（ｔｉ）／ｄｔと表される。

【0135】

図５に示す温度履歴特徴量導出部１５２は、温度履歴生成部１５０から図９に示す温度履歴を取得すると、温度履歴特徴量として、温度取得タイミングごとの温度及び温度取得タイミングごとの単位時間あたりの温度の変化量を導出する。

【0136】

加工状態履歴特徴量は、温度履歴特徴量の温度に代わり、スピンドル１４の回転数等を適用して、温度履歴特徴量と同様に表すことが可能である。すなわち、加工状態履歴特徴量導出部１５３は、加工状態履歴生成部１５１から加工履歴を取得し、加工状態履歴特徴量を導出し得る。

【0137】

［学習モデル生成方法］
図１１は学習モデル生成方法の模式図である。図５に示す学習済の学習モデル１５８の生成は、複数の学習データ収集工程Ｓ１００、正解ラベル付与工程Ｓ１０２及び学習工程Ｓ１０４を含んで構成される。

【0138】

複数の学習データ収集工程Ｓ１００では、制御装置２６に記憶される用力情報と画像情報とを学習データとして収集する。用力情報は、装置の稼働期間における切削水の温度履歴、冷却水の温度履歴及び室温の履歴が含まれる。切削水の温度履歴、冷却水の温度履歴及び室温の履歴から、温度履歴特徴量Ｔｅｆ（ｔ）が導出される。温度履歴特徴量Ｔｅｆ（ｔ）は、異なるタイミングにおける複数の温度履歴特徴量を表す。

【0139】

温度履歴特徴量Ｔｅｆ（ｔ）は、任意のタイミングｔにおける複数の温度履歴特徴量を表す。温度履歴特徴量Ｔｅｆ（ｔ）は、任意のタイミングｔにおける切削水の温度履歴の特徴量、任意のタイミングｔにおける冷却水の温度履歴の特徴量、任意のタイミングｔにおける室温の履歴の特徴量を含んで構成される。

【0140】

画像情報は、装置のカーフチェックが実施される際に取得されるワークＷの撮影データである。ワークＷの撮影データから、加工誤差Ｅｒ（ｔ）が導出される。加工誤差Ｅｒ（ｔ）は、任意のタイミングｔにおける複数の加工誤差を表す。

【0141】

正解ラベル付与工程Ｓ１０２では、複数の温度履歴特徴量Ｔｅｆ（ｔ）のそれぞれに対して、正解ラベルとして加工誤差Ｅｒ（ｔ）を付与し、温度履歴特徴量Ｔｅｆ（ｔ）と温度履歴特徴量Ｔｅｆ（ｔ）に対応する加工誤差Ｅｒ（ｔ）との組を学習データとして生成する。

【0142】

学習工程Ｓ１０４では、正解ラベル付与工程Ｓ１０２において生成された学習データを用いて、温度履歴特徴量Ｔｅｆ（ｔ）が学習モデル１５９の入力とされ、加工誤差Ｅｒ（ｔ）が正解データとされる教師あり学習が実施され、図５に示す学習済の学習モデル１５８が生成される。

【0143】

ダイシング装置１０を稼働させた際に記憶される用力情報及び画像情報を用いて、図５に示す学習済の学習モデル１５８に対して、図１１に示す学習モデル生成の手順を適用して、再学習を実施してもよい。

【0144】

加工状態が加味される場合は、学習データ収集工程Ｓ１００において、加工状態に関する学習データが収集され、正解ラベル付与工程Ｓ１０２及び学習工程Ｓ１０４を経て、加工状態が加味される学習モデル１５８が生成される。

【0145】

［温度特徴量の第１変形例］
図１２は温度履歴特徴量の第１変形例の説明図である。第１変形例に係る温度履歴特徴量は、温度及び単位時間あたりの温度変化量に対して、温度変化の向きが追加される。温度変化の向きは、単位時間あたりの温度変化量が増加であるか又は減少であるかを表し、単位時間あたりの温度変化量を表す関数の平均変化率として算出し得る。換言すると、温度変化の傾きは、温度履歴が関数を用いてｆ（ｔ）と表される場合に、ｉ番目のタイミングｔｉにおける温度変化の方向は、温度履歴ｆ（ｔ）の２次微分係数ｄ^２ｆ（ｔｉ）／ｄｔ^２と表される。

【0146】

すなわち、第１変形例に係るブレード供給水温度履歴特徴量は、ブレード供給水温度、単位時間あたりのブレード供給水温度の変化量及びブレード供給水温度の変化の向きが適用される。第１変形例に係る発熱体供給水温度履歴特徴量は、発熱体供給水温度、単位時間あたりの発熱体供給水温度の変化量及び発熱体供給水温度の変化の向きが適用される。第１変形例に係る室温履歴特徴量は、室温、単位時間あたりの室温の変化量及び室温の変化の向きが適用される。温度履歴特徴量の第１変形例は、加工状態履歴特徴量の変形例にも適用可能である。

【0147】

［温度特徴量の第２変形例］
図１３は温度履歴特徴量の第２変形例の説明図である。第２変形例に係る温度履歴特徴量は、単位時間あたりの温度特徴量の変化量に代わり、温度の総和が適用される。温度の総和は、温度履歴が関数を用いてｆ（ｔ）と表される場合に、加工開始タイミングからタイミングｔｉまでの温度履歴ｆ（ｔ）の区間積分として算出される。

【0148】

すなわち、第２変形例に係るブレード供給水温度履歴特徴量は、ブレード供給水温度及びブレード供給水温度の総和が適用される。第２変形例に係る発熱体供給水温度履歴特徴量は、発熱体供給水温度及び発熱体供給水温度の総和が適用される。第２変形例に係る室温履歴特徴量は、室温及び室温の総和が適用される。温度履歴特徴量の第２変形例は、加工状態履歴特徴量の変形例にも適用可能である。

【0149】

なお、実施形態に記載のブレード供給水温度の総和は、ブレード供給水の温度の積算の一例である。実施形態に記載の発熱体供給水温度の総和は、発熱体供給水の温度の積算の一例である。実施形態に記載の室温の総和は、加工環境の温度の積算の一例である。

【0150】

［温度特徴量の第３変形例］
図１４は温度履歴特徴量の第３変形例の説明図である。第３変形例に係る温度履歴特徴量は、温度特徴量として１時間ごとの温度履歴が適用される。すなわち、第３変形例に係るブレード供給水温度特徴量は、１時間ごとのブレード供給水の温度履歴が適用される。第３変形例に係る発熱体供給水温度特徴量は、１時間ごとの発熱体供給水の温度履歴が適用される。第３変形例に係る室温特徴量は、１時間ごとの室温の履歴が適用される。

【0151】

温度履歴の期間を表す１時間は、２時間及び３時間などであってもよく、加工誤差の変化の時定数に応じて規定し得る。温度履歴のサンプル数は３以上であればよいが、サンプル数が多いほど高精度に加工誤差の導出を実現し得る。

【0152】

図１５は第３変形例に係る温度履歴特徴量が学習データとして用いられる学習モデルの生成方法の模式図である。同図に示す学習データ収集工程Ｓ１０１では、用力情報から取得される温度履歴特徴量Ｔｅｆ（ｔ）として、１時間分の温度履歴が適用される。また、画像情報から１時間ごとの加工誤差Ｅｒ（ｔ）が取得される。

【0153】

正解ラベル付与工程Ｓ１０２として、１時間分の温度履歴が適用される温度履歴特徴量Ｔｅｆ（ｔ）に対して、１時間ごとの加工誤差Ｅｒ（ｔ）が付与される。例えば、加工開始から１時間が経過するまでの分の温度履歴特徴量Ｔｅｆ（ｔ）に対して、加工開始から１時間が経過したタイミングの加工誤差が付与される。

【0154】

学習工程Ｓ１０４では、温度履歴特徴量Ｔｅｆ（ｔ）と加工誤差Ｅｒ（ｔ）との組を学習データとして、学習モデル１５９に対す入力が温度履歴特徴量Ｔｅｆ（ｔ）とされ、加工誤差Ｅｒ（ｔ）が正解データとされる教師あり学習が実施され、図５に示す学習済の学習モデル１５８が生成される。

【0155】

［加工状態検出装置及び加工状態検出への適用例］
図４及び図５に示す加工状態検出部１４０は、ダイシング装置１０に適用される加工状態検出装置として機能し得る。加工状態検出装置はコンピュータが適用される。加工状態検出装置の各種の機能は、コンピュータがプログラムを実行して実現される。

【0156】

また、図６に示す履歴情報生成工程Ｓ１０、履歴特徴量導出工程Ｓ１２及び加工誤差予測工程Ｓ１４は、コンピュータである加工状態検出装置が上記した各工程を実施する加工状態予測方法として把握される。

【0157】

［実施形態の作用効果］
実施形態に係るダイシング装置１０は以下の作用効果を得ることが可能である。

【0158】

〔１〕
加工中における任意のタイミングにおける温度履歴特徴量に基づき、加工中の温度が取得されるタイミングにおける加工誤差が予測される。温度履歴特徴量は、ブレード供給水の温度履歴特徴量、発熱体供給水の温度履歴特徴量及び室温履歴特徴量が含まれる。これにより、オペレータの判断が困難な、互いに因果関係が存在する複数の温度要因であり、変化の時定数が異なる複数の温度要因について、温度変化に対する加工誤差の予測が可能となる。

【0159】

〔２〕
加工誤差の予測は、学習済の学習モデル１５８が適用される。学習モデル１５８は、温度履歴特徴量と加工誤差との組を学習データとする学習であり、温度履歴特徴量が入力されると加工誤差の予測値が出力されるように学習が実施され、生成される。これにより、加工誤差の予測精度の向上が見込まれる。

【0160】

〔３〕
温度履歴特徴量は、温度履歴が取得されるタイミングにおける温度及び温度履歴が取得されるタイミングにおける単位時間あたりの温度の変化量が適用される。これにより、単位時間あたりの温度の変化量が考慮された加工誤差の予測を実施し得る。

【0161】

〔４〕
温度履歴特徴量は、温度履歴が取得されるタイミングにおける温度、温度履歴が取得されるタイミングにおける単位時間あたりの温度の変化量及び温度変化の向きが適用される。これにより、温度の変化の向きが考慮された加工誤差の予測を実施し得る。

【0162】

〔５〕
温度履歴特徴量は、温度履歴が取得されるタイミングにおける温度及び温度履歴が取得されるタイミングにおける温度の総和が適用される。これにより、温度の総和が考慮された加工誤差の予測を実施し得る。

【0163】

〔６〕
加工中の任意のタイミングにおける加工状態履歴特徴量に基づき、加工中の加工状態の変化が加味される加工誤差が予測される。これにより、加工状態の変化に起因する加工誤差が低減化される。

【0164】

〔７〕
加工誤差の予測値から加工誤差の推移を予測する解析部を備える。これにより、オペレータの経験則に基づく判断に依存することがなく、適切なタイミングにおける加工位置の補正が実施される。

【0165】

〔８〕
ダイシング装置１０を稼働させた際に記憶される用力情報及び画像情報を用いて、学習モデル１５８の再学習が実施される。これにより、装置の環境に対応する設定及び条件だしなどが不要であり、ダイシング装置１０の稼働回数の増加に応じて、的確な加工位置の補正を実施し得る。

【0166】

以上説明した本発明の実施形態は、本発明の趣旨を逸脱しない範囲で、適宜構成要件を変更、追加、削除することが可能である。本発明は以上説明した実施形態に限定されるものではなく、本発明の技術的思想内で当該分野の通常の知識を有する者により、多くの変形が可能である。また、実施形態、変形例及び応用例は適宜組み合わせて実施してもよい。

【符号の説明】

【0167】

１０…ダイシング装置、１２…ブレード、１４…スピンドル、１８…加工部、２６…制御装置（装置制御手段）、１００…システム制御部、１０２…加工制御部、１０６…ブレード供給水温度取得部、１０８…発熱体供給水温度取得部、１１０…室温取得部、１２０…コンピュータ可読媒体、１２２…メモリ、１３０…ブレード供給水温度検出部、１３２…発熱体供給水温度検出部、１３４…室温検出部、１４０…加工状態検出部、１５０…温度履歴生成部、１５２…温度履歴特徴量導出部、１５４…加工誤差予測部、１５６…解析部、１５８…学習モデル、１６０…加工条件取得部、１６２…学習モデル選択部、１６４…学習モデル記憶部、Ｅｒ…加工誤差、Ｔｅｆ…温度履歴特徴量

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】