弊社ではマスクレスで高微細度の周期パターンを露光できる2光束干渉露光機を開発している。装置の稼働安定性、メンテナンス性改善のために、稼働データを用いた異常検知・故障予知の検討を進めている。本報告では本装置のステージ動作における異常検知の初期検討に関して述べる。異常検知手法としては、装置の出力とモデルの出力を比較することで異常検知を行う良品学習を採用した。使用する機械学習モデルは入力、出力ともに時系列データのため、LSTMを用いたseq2seqモデルとした。入力は速度指令と現在の制御出力値、出力は次の時間ステップの制御出力値として学習を行った。その後、現在の制御出力値をモデルに逐次入力することで予測値を取得した。得られた予測値は正常な装置の振る舞いを精度よく再現していた。また、学習データに意図せず異常データが含まれていたが、得られたモデルから異常な振る舞いを検知することができた。今後は学習データの駆動範囲全域への拡張と、モデル予測と実測の差分データに対する計算処理の検討を行う。
