特許 7380469 ポンプ洗浄管理装置、真空ポンプ、ポンプ洗浄管理方法およびポンプ洗浄管理プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-11-07

(45)【発行日】2023-11-15

(54)【発明の名称】ポンプ洗浄管理装置、真空ポンプ、ポンプ洗浄管理方法およびポンプ洗浄管理プログラム

(51)【国際特許分類】

   F04D 19/04 20060101AFI20231108BHJP

   F04B 37/16 20060101ALI20231108BHJP

【ＦＩ】

F04D19/04 H

F04B37/16 A

【請求項の数】 12

(21)【出願番号】P 2020125850

(22)【出願日】2020-07-22

(65)【公開番号】P2022021939

(43)【公開日】2022-02-03

【審査請求日】2022-11-15

(73)【特許権者】

【識別番号】000001993

【氏名又は名称】株式会社島津製作所

(74)【代理人】

【識別番号】100108523

【弁理士】

【氏名又は名称】中川 雅博

(74)【代理人】

【識別番号】100098305

【弁理士】

【氏名又は名称】福島 祥人

(74)【代理人】

【識別番号】100125704

【弁理士】

【氏名又は名称】坂根 剛

(74)【代理人】

【識別番号】100187931

【弁理士】

【氏名又は名称】澤村 英幸

(72)【発明者】

【氏名】田邊 史夏

【審査官】岸 智章

(56)【参考文献】

【文献】実開平０７－００８５９０（ＪＰ，Ｕ）

【文献】特開２０１９－１８８２７３（ＪＰ，Ａ）

【文献】特開２００４－０６０４８６（ＪＰ，Ａ）

【文献】特開２０１８－１９３９３３（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｆ０４Ｄ １９／０４

Ｆ０４Ｂ ３７／１６

(57)【特許請求の範囲】

【請求項1】

真空ポンプの内部の特定箇所を撮影した撮影画像データを機械学習モデルに与え、前記真空ポンプにおける反応生成物の堆積量を示す評価値を前記機械学習モデルから取得する評価値取得部と、
前記評価値取得部が取得した前記評価値に基づいて、前記真空ポンプの洗浄に関する情報を提示する情報提示部と、
を備え、
前記機械学習モデルは、前記真空ポンプの前記特定箇所を撮影して得られた教師画像データ、および、前記教師画像データが取得されたときの前記真空ポンプ内の反応生成物の量を示す堆積量データの対応関係を教師データとして学習することにより生成される、ポンプ洗浄管理装置。

【請求項2】

前記特定箇所は、前記真空ポンプの排気口である、請求項１に記載のポンプ洗浄管理装置。

【請求項3】

前記洗浄に関する情報は、前記真空ポンプの洗浄の必要性を示すカテゴリーである、請求項１または請求項２に記載のポンプ洗浄管理装置。

【請求項4】

前記堆積量データは、前記教師画像データが取得された前記真空ポンプの洗浄前後の質量差から得られる、請求項１～請求項３のいずれか一項に記載のポンプ洗浄管理装置。

【請求項5】

前記真空ポンプに設けられた前記真空ポンプの内部を視認可能な透明窓と、
前記透明窓の外部に取り付けられた撮像部と、を備え、
前記撮像部により前記撮影画像データが取得される、請求項１～請求項４のいずれか一項に記載のポンプ洗浄管理装置。

【請求項6】

請求項５に記載の前記透明窓および前記撮像部を備える、真空ポンプ。

【請求項7】

真空ポンプの特定箇所を撮影して得られた教師画像データ、および、前記教師画像データが取得されたときの前記真空ポンプ内の反応生成物の量を示す堆積量データの対応関係を教師データとして学習を行い、機械学習モデルを生成するステップと、
前記真空ポンプの内部の特定箇所を撮影した撮影画像データを前記機械学習モデルに与え、前記真空ポンプにおける反応生成物の堆積量を示す評価値を前記機械学習モデルから取得するステップと、
取得された前記評価値に基づいて、前記真空ポンプの洗浄に関する情報を提示するステップと、を含む、ポンプ洗浄管理方法。

【請求項8】

コンピュータに、
真空ポンプの特定箇所を撮影して得られた教師画像データ、および、前記教師画像データが取得されたときの前記真空ポンプ内の反応生成物の量を示す堆積量データの対応関係を教師データとして学習を行い、機械学習モデルを生成する処理、
前記真空ポンプの内部の特定箇所を撮影した撮影画像データを前記機械学習モデルに与え、前記真空ポンプにおける反応生成物の堆積量を示す評価値を前記機械学習モデルから取得する処理、
取得された前記評価値に基づいて、前記真空ポンプの洗浄に関する情報を提示する処理、を実行させる、ポンプ洗浄管理プログラム。

【請求項9】

前記特定箇所は、前記真空ポンプの排気口である、請求項７に記載のポンプ洗浄管理方法。

【請求項10】

前記堆積量データは、前記教師画像データが取得された前記真空ポンプの洗浄前後の質量差から得られる、請求項７に記載のポンプ洗浄管理方法。

【請求項11】

前記特定箇所は、前記真空ポンプの排気口である、請求項８に記載のポンプ洗浄管理プログラム。

【請求項12】

前記堆積量データは、前記教師画像データが取得された前記真空ポンプの洗浄前後の質量差から得られる、請求項８に記載のポンプ洗浄管理プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ポンプ洗浄管理装置、真空ポンプ、ポンプ洗浄管理方法およびポンプ洗浄管理プログラムに関する。

【背景技術】

【0002】

半導体、液晶パネル等の製造におけるドライエッチング、ＣＶＤ（Ｃｈｅｍｉｃａｌ ｖａｐｏｒ ｄｅｐｏｓｉｔｉｏｎ）等の工程は、真空処理されたプロセスチャンバ内で行われる。真空ポンプにより内部のガスが排気されたプロセスチャンバには、プロセスガスが導入される。これにより、プロセスチャンバ内が所定の圧力に維持された状態で、これらの工程が行われる。ドライエッチング、ＣＶＤ等の工程において、プロセスチャンバ内のガスを排気するとき、ガスの排気に伴って真空ポンプ内に反応生成物が堆積することがある。

【0003】

下記特許文献１は、排気ポンプの堆積物検知方法を開示している。この方法では、真空ポンプのモータ電流値の変化量が監視され、この変化量を指標として、反応生成物の堆積量が判断されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特許第５７６７６３２号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

真空ポンプ内に反応生成物が堆積すると、真空ポンプの排気性能が低下する。したがって、真空ポンプの性能を維持するためには、真空ポンプ内の定期的な洗浄が必要となる。真空ポンプ内の反応生成物の堆積量を検知する仕組みがない場合には、堆積量を判断する客観的な情報が得られないため、洗浄タイミングはユーザの運用管理に委ねられる。

【0006】

特許文献１で開示された方法は、モータ電流値の変化量を監視している。プロセスチャンバ内で行われる処理は単一のプロセスではなく、様々なプロセスである。プロセスによってガス排気量は異なるためモータ電流値は異なる。また、同一プロセスであっても排気されるガス排気量は変動するためモータ電流値も変動する。このため、特許文献１の方法によっても、反応生成物の堆積量を高い精度で検知することはできないため、真空ポンプの洗浄タイミングを把握することは困難である。

【0007】

本発明の目的は、真空ポンプの洗浄に関する情報をユーザに提示することである。

【課題を解決するための手段】

【0008】

本発明の一局面に従うポンプ洗浄管理装置は、真空ポンプの内部の特定箇所を撮影した撮影画像データを機械学習モデルに与え、真空ポンプにおける反応生成物の堆積量を示す評価値を機械学習モデルから取得する評価値取得部と、評価値取得部が取得した評価値に基づいて、真空ポンプの洗浄に関する情報を提示する情報提示部とを備え、機械学習モデルは、真空ポンプの特定箇所を撮影して得られた教師画像データ、および、教師画像データが取得されたときの真空ポンプ内の反応生成物の量を示す堆積量データの対応関係を教師データとして学習される。

【発明の効果】

【0009】

本発明によれば、真空ポンプの洗浄に関する情報をユーザに提示することができる。

【図面の簡単な説明】

【0010】

【図1】本実施の形態に係る真空処理装置の概略図である。

【図2】本実施の形態に係る真空ポンプの断面図である。

【図3】排気ホースが取り外された真空処理装置およびポンプ洗浄管理装置を示す図である。

【図4】デジタルカメラで撮影された真空ポンプの排気口を示す図である。

【図5】本実施の形態に係るポンプ洗浄管理装置の構成図である。

【図6】本実施の形態に係るポンプ洗浄管理装置の機能ブロック図である。

【図7】本実施の形態に係る学習方法を示すフローチャートである。

【図8】本実施の形態に係る評価方法を示すフローチャートである。

【図9】他の実施の形態に係る真空処理装置を示す図である。

【発明を実施するための形態】

【0011】

次に、添付の図面を参照しながら本発明の実施の形態に係るポンプ洗浄管理装置および真空ポンプの構成について説明する。

【0012】

（１）真空処理装置の構成
図１は、実施の形態における真空ポンプ１２が組み込まれた真空処理装置１の全体図である。真空処理装置１は、例えば、エッチング処理装置や成膜処理装置である。真空処理装置１は、図１に示すように、プロセスチャンバ１１、真空ポンプ１２、排気ホース１３およびバックポンプ１４を備える。プロセスチャンバ１１内のガスは、真空ポンプ１２により排気される。そして、プロセスチャンバ１１内にプロセスガスが供給された状態で、エッチング処理等の各種プロセスが行われる。

【0013】

真空ポンプ１２の上部は、図示しないバルブを介してプロセスチャンバ１１に取り付けられている。真空ポンプ１２の排気口２８には、排気ホース１３が接続される。排気ホース１３の端部には、バックポンプ１４が取り付けられる。プロセスチャンバ１１から排気されたガスは、真空ポンプ１２内を通過し、真空ポンプ１２の排気口２８から排気される。排気口２８から排気されたガスは、排気ホース１３を介してバックポンプ１４に流れる。バックポンプ１４は、真空ポンプ１２から排気されたガスを大気圧まで圧縮して排出する。

【0014】

（２）真空ポンプの構成
図２は、真空ポンプ１２の構成を示す断面図である。本実施の形態における真空ポンプ１２は磁気軸受式のターボ分子ポンプである。真空ポンプ１２は、ロータシャフト３０、ポンプロータ３１、ロータ翼３３およびロータ円筒部３５を有する回転体３と、ベース２１、ポンプケーシング２２、ステータ翼２３およびステータ２５を有する回転支持部２とを備える。

【0015】

ロータシャフト３０は、ベース２１に設けられたラジアル磁気軸受４２ａ，４２ｂとアキシャル磁気軸受４２ｃとによって磁気浮上支持され、モータ４３により回転駆動される。磁気軸受４２ａ～４２ｃが作動していない場合には、ロータシャフト３０は非常用のメカニカルベアリング４１ａ，４１ｂによって支持される。ロータシャフト３０がモータ４３により回転駆動されることにより、回転体３が一体となって回転支持部２に対して回転する。ロータシャフト３０は、軸心３０ａを中心に回転駆動する。

【0016】

ポンプロータ３１には、上流側にロータ翼３３が複数段形成され、下流側にロータ円筒部３５が形成されている。これらに対応して、固定側には複数段のステータ翼２３と、円筒状のステータ２５とが設けられている。複数のロータ翼３３とステータ翼２３が上下方向の隙間を空けて交互に配列されることにより、ターボポンプＴＰが構成されている。複数のロータ翼３３および複数のステータ翼２３を上下方向に通過する領域によって流路Ｒ１が形成されている。ロータ円筒部３５またはステータ２５のいずれかには図示しないねじ溝が設けられている。ロータ円筒部３５およびステータ２５により、ＨｏｌｗｅｃｋポンプＨＰが構成されている。ロータ円筒部３５およびステータ２５の間に形成された微小な隙間によって流路Ｒ２が形成されている。

【0017】

ベース２１の上部には、真空ポンプ１２の外形を形成する筒状のポンプケーシング２２が固定されている。ポンプケーシング２２の上端には、吸気口２６が形成されている。吸気口２６は、バルブを介してプロセスチャンバ１１に接続される。ベース２１の排気路２７は排気口２８に接続される。排気口２８には、排気ホース１３を介してバックポンプ１４が接続される。ポンプロータ３１が締結されたロータシャフト３０をモータ４３により高速回転すると、吸気口２６側の気体分子は、流路Ｒ１および流路Ｒ２を流れて、排気口２８から排気される。

【0018】

（３）真空ポンプの排気口
図３は、真空ポンプ１２から排気ホース１３およびバックポンプ１４を取り外した状態の真空処理装置１およびポンプ洗浄管理装置１５を示す図である。真空ポンプ１２から排気ホース１３が取り外されることによって、真空ポンプ１２の排気口２８が露出している。真空処理装置１におけるプロセスが終了した後、真空ポンプ１２の洗浄管理のために排気ホース１３が取り外される。洗浄管理として、ユーザは、図３に示すように、デジタルカメラＣＡを用いて、排気口２８の画像を撮影する。

【0019】

排気口２８の画像を撮影するためには、真空処理装置１内の圧力を調整した後、真空ポンプ１２から排気ホース１３を取り外す作業を行うだけでよい。撮影する箇所は、排気口２８であるので、真空ポンプ１２をプロセスチャンバ１１に接続したままの状態で撮影することができる。また、真空ポンプ１２の他の部品を分解するなどの作業も必要とされない。

【0020】

デジタルカメラＣＡで撮影された画像データは、ポンプ洗浄管理装置１５に入力される。例えば、メモリカードを介して画像データがポンプ洗浄管理装置１５に入力される。あるいは、通信を利用してデジタルカメラＣＡからポンプ洗浄管理装置１５に画像データが転送される。

【0021】

図４は、デジタルカメラＣＡを用いて撮影された排気口２８の画像を示す図である。図４で示すような画像が、後で説明する機械学習モデルの教師画像データとして利用される。また、図４で示すような画像が、真空ポンプ１２内の反応生成物の堆積量の評価値を取得するための撮影画像データとして用いられる。

【0022】

（４）ポンプ洗浄管理装置の構成
次に、ポンプ洗浄管理装置１５の構成について説明する。本実施の形態においては、ポンプ洗浄管理装置１５が、機械学習モデルを生成する学習工程と、機械学習モデルを利用して反応生成物の堆積量の評価値を取得する評価工程とを行う装置として説明する。しかし、学習工程および評価工程を行う装置は別の装置であってもよい。予め別の装置において学習工程が行われ、学習済みの機械学習モデルを他の装置に実装させて評価工程を行ってもよい。

【0023】

図５は、ポンプ洗浄管理装置１５の構成図である。ポンプ洗浄管理装置１５は、例えば、パーソナルコンピュータが利用される。ポンプ洗浄管理装置１５は、図５に示すように、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）５２、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）５３、記憶装置５４、デバイスインタフェース５５、ネットワークインタフェース５６およびモニタ５７を備える。

【0024】

ＣＰＵ５１は、ＲＡＭ５２をワークメモリとして利用しながら、ポンプ洗浄管理プログラムＰ１を実行する。記憶装置５４は、例えばハードディスクである。記憶装置５４には、ポンプ洗浄管理プログラムＰ１、教師データ６１、撮影画像データ６４および機械学習モデル６５が記憶されている。教師データ６１は、教師画像データ６２および堆積量データ６３を含む。ポンプ洗浄管理プログラムＰ１は、ＲＯＭ５３に記憶されていてもよい。

【0025】

教師データ６１は、機械学習モデル６５を生成するために用いられる。教師画像データ６２は、真空ポンプ１２の排気口２８を撮影した画像データである。堆積量データ６３は、教師画像データ６２が撮影されたときに真空ポンプ１２内に堆積されていた反応生成物の堆積量を示すデータである。記憶装置５４には、機械学習モデル６５を学習させるための複数の教師画像データ６２および複数の堆積量データ６３が記憶されている。教師画像データ６２および堆積量データ６３は、一対一に対応付けられている。複数の教師データ６１は、同一の真空ポンプ１２から取得されたデータであってもよいし、同じタイプの複数の真空ポンプ１２から取得されたデータであってもよい。

【0026】

堆積量データ６３は、例えば、洗浄前後の真空ポンプ１２の質量差から求められる。まず、洗浄前の真空ポンプ１２の質量を測定する。次に、真空ポンプ１２の排気口２８をデジタルカメラＣＡで撮影し、教師画像データ６２を取得する。次に、真空ポンプ１２の洗浄を行い、真空ポンプ１２内の反応生成物を排出する。真空ポンプ１２の洗浄後に再び、真空ポンプ１２の質量を測定する。そして、洗浄前後の真空ポンプ１２の質量差から堆積量データ６３が算出される。

【0027】

撮影画像データ６４は、真空ポンプ１２の排気口２８を撮影した画像データである。撮影画像データ６４は、真空ポンプ１２内の反応生成物の堆積量の評価値を取得するために用いられる。つまり、撮影画像データ６４は学習済みの機械学習モデル６５の入力データとなる。

【0028】

ポンプ洗浄管理プログラムＰ１は、教師データ６１を利用して、機械学習モデル６５に対する学習処理を行う。ポンプ洗浄管理プログラムＰ１は、また、撮影画像データ６４を機械学習モデル６５に与えることにより、真空ポンプ１２の反応生成物の堆積量に関する評価値を取得する評価処理を行う。

【0029】

デバイスインタフェース５５は、外部記憶装置等とのインタフェースである。ＣＰＵ５１は、デバイスインタフェース５５を介して、ＣＤ－ＲＯＭ、メモリカード等の記憶媒体ＭＡにアクセス可能である。例えば、ＣＰＵ５１は、デジタルカメラＣＡで撮影された画像データが保存されたメモリカードにアクセスすることが可能である。ネットワークインタフェース５６は、有線／無線通信を介して外部のデバイスと通信を行うインタフェースである。ネットワークインタフェース５６は、例えば、ＴＣＰ／ＩＰ等の有線／無線通信、Ｂｌｕｅｔｏｏｔｈ、赤外線等の近距離無線通信等のインタフェースを備える。例えば、ＣＰＵ５１は、ネットワークインタフェース５６を介してデジタルカメラＣＡと通信可能である。モニタ５７には、真空ポンプ１２の洗浄に関する情報が表示される。

【0030】

図６は、ポンプ洗浄管理装置１５の機能ブロック図である。ポンプ洗浄管理装置１５は、制御部７０を備える。制御部７０は、ＣＰＵ５１が、ＲＡＭ５２をワークメモリとして使用し、記憶装置５４に格納されているポンプ洗浄管理プログラムＰ１を実行することにより実現される。制御部７０は、学習部７１、評価値取得部７２および情報提示部７３を備える。つまり、学習部７１、評価値取得部７２および情報提示部７３は、記憶装置５４に格納されたポンプ洗浄管理プログラムＰ１が実行されることにより実現される。

【0031】

上記実施の形態においては、ポンプ洗浄管理プログラムＰ１は、記憶装置５４に保存されている場合を例に説明した。他の実施の形態として、ポンプ洗浄管理プログラムＰ１は、記憶媒体ＭＡに保存されて提供されてもよい。ポンプ洗浄管理装置１５のＣＰＵ５１は、デバイスインタフェース５５を介して記憶媒体ＭＡにアクセスし、記憶媒体ＭＡに保存されたポンプ洗浄管理プログラムＰ１を、記憶装置５４またはＲＯＭ５３に保存するようにしてもよい。あるいは、ＣＰＵ５１は、デバイスインタフェース５５を介して記憶媒体ＭＡにアクセスし、記憶媒体ＭＡに保存されたポンプ洗浄管理プログラムＰ１を実行するようにしてもよい。

【0032】

学習部７１は、教師データ６１を利用して、機械学習モデル６５を生成する学習処理を実行する。評価値取得部７２は、撮影画像データ６４を機械学習モデル６５に与えることにより、真空ポンプ１２内の反応生成物の堆積量の評価値を取得する。情報提示部７３は、評価値取得部７２が取得した評価値に基づいて、真空ポンプ１２の洗浄に関する情報をモニタ５７に表示する。

【0033】

（５）学習処理
次に、ポンプ洗浄管理装置１５において実行される学習処理について、図７を参照しながら説明する。図７で示すフローチャートは、図６に示す学習部７１により実行される学習処理のフローチャートである。

【0034】

学習部７１は、まず、ステップＳ１１において、記憶装置５４から教師画像データ６２を取得する。記憶装置５４には、多数の教師画像データ６２が保存されており、学習部７１は、その中の１つの教師画像データ６２を取得する。

【0035】

学習部７１は、次に、ステップＳ１２において、ステップＳ１１において取得した教師画像データ６２に対応する堆積量データ６３を取得する。つまり、ステップＳ１１で取得した教師画像データ６２が撮影されたときの真空ポンプ１２内の反応生成物の量を示す堆積量データ６３を取得する。上述したように、記憶装置５４に記憶されている複数の教師画像データ６２および複数の堆積量データ６３は、一対一に対応付けられている。

【0036】

学習部７１は、次に、ステップＳ１３において、教師画像データ６２および堆積量データ６３の対応関係を教師データ６１として学習処理を実行する。学習部７１は、例えば、ニューラルネットワークを用いる。学習部７１は、教師画像データ６２から特徴量データを抽出し、抽出した特徴量データをニューラルネットワークの入力層とする。学習部７１は、堆積量データ６３に関する評価値をニューラルネットワークの出力層とする。例えば、堆積量データ６３の値から、真空ポンプ１２内の状態を複数のカテゴリーに分類し、そのカテゴリーを評価値とすることができる。カテゴリーとしては、例えば、「０：すぐに洗浄必要」、「１：洗浄時期が近づいている」、「２：洗浄不要」等が考えられる。あるいは、更に細かく評価値を分類可能な場合には、「１日後に洗浄が必要」、「３日後に洗浄が必要」、「１週間後に洗浄が必要」等、時間をカテゴリーとして出力してもよい。あるいは、「３回プロセス後に洗浄が必要」、「１０回プロセス後に洗浄が必要」等、回数をカテゴリーとして出力してもよい。また、堆積量データ６３の測定精度が高い場合には、堆積量データ６３をそのまま評価値としてもよい。この場合、ニューラルネットワークの出力層として、堆積量（質量）が出力される。

【0037】

学習部７１は、ステップＳ１４において、記憶装置５４に格納されている全ての教師データ６１についてステップＳ１１～Ｓ１３の学習処理が実行されたか否かを判定する。全ての教師データ６１について学習処理が実行されていない場合には、ステップＳ１１に戻り、他の教師データ６１について学習処理を実行する。全ての教師データ６１について学習処理が実行された場合には、図７に示す学習処理を終了する。これにより、機械学習モデル６５が生成される。もちろん、新たな教師データ６１が得られた場合には、学習部７１は追加的に学習処理を実行し、機械学習モデル６５を更新することができる。

【0038】

（６）評価処理
次に、ポンプ洗浄管理装置１５において実行される評価処理について、図８を参照しながら説明する。図８で示すフローチャートは、図６に示す評価値取得部７２および情報提示部７３により実行される評価処理のフローチャートである。

【0039】

評価値取得部７２は、まず、ステップＳ２１において、記憶装置５４から撮影画像データ６４を取得する。ユーザは、図４を用いて説明したように、撮影画像データ６４を取得するために、真空ポンプ１２から排気ホース１３を取り外す。そして、ユーザは、デジタルカメラＣＡを用いて排気口２８を撮影し、撮影画像データ６４を取得する。撮影画像データ６４は、図３を用いて説明したように、記憶媒体ＭＡまたは通信を利用してポンプ洗浄管理装置１５の記憶装置５４に保存される。

【0040】

評価値取得部７２は、次に、ステップＳ２２において、ステップＳ２１において取得した撮影画像データ６４を機械学習モデル６５に与え、反応生成物の堆積量を示す評価値を取得する。具体的には、評価値取得部７２は、撮影画像データ６４から特徴量データを抽出し、抽出した特徴量データを機械学習モデル６５の入力層に与える。これにより、機械学習モデル６５は、真空ポンプ１２内の状態を示す評価値を出力する。上述したように、例えば、評価値として、「０：すぐに洗浄必要」、「１：洗浄時期が近づいている」、「２：洗浄不要」等のカテゴリーが出力される。あるいは、評価値として、堆積量（質量）が学習されている場合には、堆積量が出力される。

【0041】

情報提示部７３は、次に、ステップＳ２３において、真空ポンプ１２の洗浄に関する情報をモニタ５７に出力する。情報提示部７３は、ステップＳ２２において取得された評価値に基づいて洗浄に関する情報をユーザに提示する。例えば、評価値として、「０：すぐに洗浄必要」、「１：洗浄時期が近づいている」、「２：洗浄不要」等のカテゴリーが得られた場合には、情報提示部７３は、それらカテゴリーをモニタ５７に出力する。あるいは、更に細かく評価値が分類されている場合には、「何日後に洗浄が必要」であるとか「何回プロセス後に洗浄が必要」であるなど具体的な日数や回数をカテゴリーとして表示してもよい。評価値として、堆積量（質量）が得られた場合には、情報提示部７３は、堆積量をモニタ５７に出力する。ユーザは、堆積量から経験的に真空ポンプ１２の洗浄の必要性を判断することができる。あるいは、情報提示部７３は、堆積量と合わせて、堆積量から判断される真空ポンプ１２の洗浄の必要性の有無を提示してもよい。

【0042】

以上説明したように、本実施の形態に係るポンプ洗浄管理装置１５は、真空ポンプ１２の内部の排気口２８を撮影した撮影画像データ６４を機械学習モデル６５に与え、真空ポンプ１２における反応生成物の堆積量を示す評価値を機械学習モデル６５から取得する。そして、取得した評価値に基づいて、真空ポンプの洗浄に関する情報がモニタ５７に出力される。ユーザは、真空ポンプ１２の排気口２８の画像を撮影するだけで、真空ポンプ１２の洗浄の必要性の有無を判断することができる。排気口２８の画像を撮影するためには、排気ホース１３を取り外すだけでよいので、真空ポンプ１２の他の部品を取り外したり、分解したりする必要はない。

【0043】

（７）請求項の各構成要素と実施の形態の各要素との対応
以下、請求項の各構成要素と実施の形態の各要素との対応の例について説明するが、本発明は下記の例に限定されない。上記の実施の形態では、排気口２８が特定箇所の例である。また、下記の他の実施の形態において、撮像素子ＣＢが撮像部の例である。

【0044】

請求項の各構成要素として、請求項に記載されている構成または機能を有する種々の要素を用いることもできる。

【0045】

（８）他の実施の形態
上記実施の形態においては、図３で示したように、真空ポンプ１２から排気ホース１３が取り外されることによって、排気口２８の画像が撮影された。他の実施の形態として、撮像素子を排気口２８の近傍に備え付ける構成としてもよい。図９で示す真空ポンプ１２には、撮像素子ＣＢが排気口２８の外側面に取り付けられている。また、撮像素子ＣＢが取り付けられた部分は、排気口２８に透明窓ＴＷが設けられている。これにより、排気口２８の外側面に取り付けられた撮像素子ＣＢは、常時排気口２８の内部の画像を撮影可能である。この実施の形態によれば、排気ホース１３を取り外すことなく、排気口２８の画像を取得することができる。さらに、透明窓ＴＷおよび撮像素子ＣＢを別の場所に設けることにより、排気口２８以外の場所（真空ポンプ１２の内部の別の場所）の画像を撮影することが可能である。この場合であれば、排気口２８以外の場所で撮影された教師画像データ６２により機械学習モデル６５を生成し、排気口２８以外の場所で撮影された撮影画像データ６４に基づいて洗浄に関する評価値が得られる。

【0046】

上記実施の形態においては、ポンプ洗浄に関する情報は、ポンプ洗浄管理装置１５が備えるモニタ５７に表示された。他の実施の形態として、ポンプ洗浄に関する情報は、真空処理装置１が備えるコントロールパネル等に表示されても良い。あるいは、ポンプ洗浄管理装置１５の全体構成を真空処理装置１に組み込む構成としてもよい。

【0047】

なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。

【0048】

（９）態様
上述した複数の例示的な実施の形態は、以下の態様の具体例であることが当業者により理解される。

【0049】

（第１項）
本発明の一態様に係るポンプ洗浄管理装置は、真空ポンプの内部の特定箇所を撮影した撮影画像データを機械学習モデルに与え、前記真空ポンプにおける反応生成物の堆積量を示す評価値を前記機械学習モデルから取得する評価値取得部と、
前記評価値取得部が取得した前記評価値に基づいて、前記真空ポンプの洗浄に関する情報を提示する情報提示部と、
を備え、
前記機械学習モデルは、前記真空ポンプの前記特定箇所を撮影して得られた教師画像データ、および、前記教師画像データが取得されたときの前記真空ポンプ内の反応生成物の量を示す堆積量データの対応関係を教師データとして学習される。

【0050】

ユーザは、真空ポンプの特定箇所の画像を撮影するだけで、真空ポンプの洗浄に関する情報を得ることができる。

【0051】

（第２項）第１項に記載のポンプ洗浄管理装置であって、
前記特定箇所は、前記真空ポンプの排気口であってもよい。

【0052】

ユーザは、真空ポンプの排気口の画像を撮影するだけで、真空ポンプの洗浄に関する情報を得ることができる。ユーザは、排気口の画像を撮影するためには、排気ホースを取り外すだけでよいので、真空ポンプの他の部品を取り外したり、分解したりする必要はない。

【0053】

（第３項）
第１項または第２項に記載のポンプ洗浄管理装置であって、
前記洗浄に関する情報は、前記真空ポンプの洗浄の必要性を示すカテゴリーであってもよい。

【0054】

提示されたカテゴリーにより、ユーザは、真空ポンプの洗浄の必要性を判断することができる。

【0055】

（第４項）
第１項～第３項のいずれか一項に記載のポンプ洗浄管理装置であって、
前記堆積量データは、前記教師画像データが取得された前記真空ポンプの洗浄前後の質量差から得られてもよい。

【0056】

実際の反応生成物の堆積量を測定する必要がない。真空ポンプの質量から堆積量を測定することができる。

【0057】

（第５項）
第１項～第４項のいずれか一項に記載のポンプ洗浄管理装置であって、
前記真空ポンプに設けられた前記真空ポンプの内部を視認可能な透明窓と、
前記透明窓の外部に取り付けられた撮像部と、を備え、
前記撮像部により前記撮影画像データが取得されてもよい。

【0058】

真空ポンプのいずれの部品も分解することなく、撮影画像データを取得することができる。

【0059】

（第６項）
本発明の他の態様に係る真空ポンプは、第５項に記載の前記透明窓および前記撮像部を備える。

【0060】

（第７項）
本発明の他の態様に係るポンプ洗浄管理方法は、
真空ポンプの特定箇所を撮影して得られた教師画像データ、および、前記教師画像データが取得されたときの前記真空ポンプ内の反応生成物の量を示す堆積量データの対応関係を教師データとして学習を行い、機械学習モデルを生成するステップと、
前記真空ポンプの内部の特定箇所を撮影した撮影画像データを前記機械学習モデルに与え、前記真空ポンプにおける反応生成物の堆積量を示す評価値を前記機械学習モデルから取得するステップと、
取得された前記評価値に基づいて、前記真空ポンプの洗浄に関する情報を提示するステップとを含む。

【0061】

（第８項）
本発明の他の態様に係るポンプ洗浄管理プログラムは、
コンピュータに、
真空ポンプの特定箇所を撮影して得られた教師画像データ、および、前記教師画像データが取得されたときの前記真空ポンプ内の反応生成物の量を示す堆積量データの対応関係を教師データとして学習を行い、機械学習モデルを生成する処理、
前記真空ポンプの内部の特定箇所を撮影した撮影画像データを前記機械学習モデルに与え、前記真空ポンプにおける反応生成物の堆積量を示す評価値を前記機械学習モデルから取得する処理、
取得された前記評価値に基づいて、前記真空ポンプの洗浄に関する情報を提示する処理を実行させる。

【符号の説明】

【0062】

１…真空処理装置、１２…真空ポンプ、１３…排気ホース、１５…ポンプ洗浄管理装置、５７…モニタ、６１…教師データ、６２…教師画像データ、６３…堆積量データ、６４…撮影画像データ、６５…機械学習モデル、７１…学習部、７２…評価値取得部、７３…情報提示部、８０…機械学習モデル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】