KLAとファブの歩留まり：コストを削る検査と計測

なぜ検査と計測がファブの成果を決めるのか

検査と計測はファブの“目”ですが、それぞれ見る対象が異なります。

**検査（Inspection）**は答えます：ウェーハのどこかで何か間違っているか？ 粒子、引っかき傷、パターン破断、汚染、将来の故障と相関する微妙な異常などの欠陥をスキャンします。

**計測（Metrology）**は答えます：プロセスは意図したとおりに動いているか？ クリティカルディメンション（CD）、オーバーレイ（層間の位置合わせ）、膜厚、その他チップの機能を決定するパラメータを測定します。

速度と精度は直接アウトプットに直結する

ファブは測定できるものだけを制御できます――しかし測定自体がツール時間、エンジニアリングの注意、キュースペースを消費します。そこに常にトレードオフが生まれます：

• 速い測定は学習を早め、制御を引き締め、“目隠し”で作るウェーハを減らします。\n- より正確で再現性のある測定は誤警報を減らし、見逃しを減らします。

検査が遅すぎると、欠陥がロット間に広がる前に発見されません。計測がノイジーすぎると、エンジニアは実際にはドリフトしていないプロセスを「追いかける」ことになります。

歩留まりとコストを形作る静かな決定

最も影響力の大きいファブの決定は劇的ではなく、測定データに基づいて日々何度も行われるルーチンな判断です：

• 止めるか続行するか： トレンドが危険そうならツールを止めるか、生産を続けるか。\n- リワークかスクラップか： 問題は修正可能か（クリーニング、エッチバック、再リソグラフィ）、それとも追加サイクル時間に見合わないか。\n- 出荷するか保留にするか： 今製品をリリースするか、逸脱を避けるためにロットを追加確認のため保留にするか。

これらの判断が静かに歩留まり、サイクルタイム、ウェーハ当たりコストを決めます。最良のファブは単に「たくさん測る」だけでなく、適切なものを、適切な頻度で、信号に自信を持って測定します。

この記事で扱う（と扱わない）こと

本記事は、KLAのようなベンダーが歩留まり管理にどう適合するかを理解するための概念に焦点を当てます――なぜ特定の測定が重要か、どのように行動を促すか、そして経済性にどう影響するか。

機種ごとの固有値や仕様には踏み込みません。代わりに検査と計測の選択の実務的な論理と、それらの選択が競争力にどう波及するかを説明します。

測定がファブフローに入る位置

ウェーハは「一度だけ測られる」わけではありません。パターニングと材料変化のループを通るたびに何度もチェックされます。単純化した経路は次の通りです：リソグラフィ（パターンを印刷）→ エッチ（転写）→ 堆積（膜を追加）→ CMP（平坦化）→ 数十層にわたって繰り返し → 電気試験と最終選別。

測定を挿入するポイント（とその理由）

変動が後で修正するのに高コストになる箇所で測定が入ります：

• リソグラフィ直後： CDとオーバーレイをチェックし、エッチ前にパターンのサイズと位置が正しいかを確認。ここでの検出で誤差の“焼き込み”を防ぎます。\n- エッチ直後： パターンが転写されたかを検査・CDで確認。エッチバイアスはリソグラフィで問題がなかった場合でも特徴を静かにずらすことがあります。\n- 堆積直後： 膜厚と均一性をチェックして、追加された層がターゲットに合っているかを確認。小さな膜厚誤差がスタックに累積することがあります。\n- CMP後： 平坦性と残留膜厚を確認。過度の研磨は機能材料を取り除き、研磨不足は次のリソグラフィのフォーカスウィンドウを壊す可能性があります。

サンプリングプラン：すべてのレイヤーが同じではない

ファブはすべてを同じ頻度で測定しません。重要レイヤー（厳しい設計ルール、敏感なオーバーレイ予算、新工程）は高頻度サンプリングを受ける傾向にあります――ロットごとのウェーハ数やウェーハ内のサイト数を増やし、検査も頻繁に行います。成熟したレイヤーはスループットを守るために軽めのサンプリングを使うことが多いです。

サンプリングプランは技術的決定であると同時にビジネス決定でもあります：測りすぎれば逸脱を見逃さずにサイクルタイムを損ない、測らなさすぎればエスケープが増えます。

インライン vs オフライン：速度と深さのトレードオフ

• インライン計測／検査： 結果を生んだツールに近い生産フロー内で行われ、制御ループには速く、キュー時間を制限します。\n- オフライン測定： 専用エリアやラボで行われ、より深い解析やルート原因の確認に向くが、遅いことが多く即時対処を遅らせることがあります。

実務的目標はバランスです：プロセスを時間内に舵取りするための十分なインラインカバレッジと、データが変化を示したときのターゲットを絞ったオフライン作業。

欠陥：何が見つかり、何が見逃されるか、なぜ重要か

検査はしばしば「欠陥を見つけること」と表現されますが、実務上の仕事はどの信号に反応する価値があるかを決めることです。モダンなファブでは1日に何百万もの欠陥“イベント”が発生しうるが、そのうち機能に影響するのは一部だけです。KLAクラスのプラットフォームやツールは生の画像を意思決定につながるデータに変えるのに役立ちますが、常にトレードオフがあります。

よくある欠陥タイプ（と難しさ）

欠陥はレイヤー、パターン、プロセス工程によって異なります：

• 粒子（Particles）： ホコリ、残渣、空中汚染がウェーハに付着して膜やレジストに転写される。\n- パターン欠陥： 欠落した特徴、余分な特徴、ライン切断、局所的変形で意図したレイアウトが変わる。\n- 引っかき傷・ハンドリング痕： ロボット、キャリア、CMP相互作用による機械的損傷。\n- ブリッジ／ショート： レジストのスカミング、エッチ問題、パターン崩壊による意図しない接続。

多くは一見で似て見えます。あるレイヤーでは明るい“ブロブ”が無害なレジストの小片でも、別のレイヤーでは歩留まりを損なう致命傷かもしれません。

ナイサンス（無害）対キラー（致命的）欠陥

キラー欠陥は機能故障を引き起こす可能性が高いもの（オープン、ショート、リーク、パラメトリックシフト）。ナイサンス欠陥は実在または見かけ上存在するが歩留まりに影響しないもの――余裕内に収まる化粧的なパターン粗さなど。

分類は重要です。ファブは検出に対して払うのではなく、検出が引き起こす反応（レビュー時間、ロット保留、リワーク、エンジニアリング分析、ツールドウンタイム）に対して支払います。分類が良ければ高価な反応が減ります。

欠陥密度と歩留まり（概観）

概して、欠陥密度は「面積あたりどれだけ欠陥があるか」です。チップが大きくなったり設計ルールが厳しくなると、重要領域に少なくともひとつのキラーが落ちる確率が上がります。したがってキラー欠陥密度をわずかに下げるだけでも目に見える歩留まり改善につながり得ます。

見逃し（偽陰性）と誤報（偽陽性）

どの検査システムも完璧ではありません：

• 偽陰性（見逃し）：最も危険です。より多くの価値が付加された後に歩留まり損失として現れます。\n- 偽陽性（誤報）：高価なノイズを静かに膨らませます。追加レビュー、不必要な逸脱、サイクルタイムの遅延を招きます。

目標は「すべてを見つける」ことではなく、適切なものを、十分早く、そして十分安価に見つけて結果を変えることです。

計測の基礎：CD、オーバーレイ、プロセスドリフト

計測は「ツールが動いた」ことを「パターンが本当に意図通りか」に変える手段です。歩留まり学習で常に顔を出す3つの測定は、トランジスタや配線が機能するかに直接つながるため広く使われます：クリティカルディメンション（CD）、オーバーレイ、ドリフト。

クリティカルディメンション（CD）：デバイス挙動を決める幅

CDは印刷された特徴の幅を測ります。ゲート長や狭いメタルの幅などです。CDがわずかにずれるだけで電気挙動が大きく変わることがあります：狭すぎれば抵抗増大やオープン、広すぎれば隣接とのショートやトランジスタ駆動電流の変化を招きます。現代設計の余裕は小さいため数ナノメートルのバイアスで多数のダイが「安全」から「体系的失敗」に移ることがあります。

CD問題はしばしばフォーカス／露光の署名を持ちます。フォーカスがずれるとラインが丸くなったり絞られたり“ピンチ”したように見えます。露光量がずれると特徴が大きくなったり小さくなったりします。平均幅が許容内でも形状が歪んでいることがあります。

オーバーレイ：層が重ならないとき

オーバーレイはあるレイヤーが前のレイヤーにどれだけ正確に重なっているかを測ります。位置合わせ誤差が累積するとビアが標的を外したり、コンタクトが部分的にしか重ならなかったり、エッジが誤った重なり方をしたりします。各層のCDが“完璧”でも、レイヤーが合っていなければチップは動きません。

ファブがどう測るか（概念的に）

概念的には、ファブは高速で高スループットな光学計測を使い、極小の特徴により詳細なビューが必要なときはSEMベースの計測を使います。ベンダーはどれだけ早く実際のドリフトを検出してロット全体の歩留まり損失になる前に捕捉できるかで選ばれます。

プロセスドリフトは静かな敵です：温度、化学、ツール摩耗、レチクルの変化がCDやオーバーレイを徐々に押し、気づいたときにはファブが仕様外になっていることがあります。

測定から行動へ：SPC、フィードバック、フィードフォワード

測定は、それが一貫した意思決定を引き起こしたときにのみコストを下げます。その「最後の一歩」が統計的プロセス制御（SPC）です：検査と計測の信号をオペレータが信頼するアクションに変えるルーチンです。

フィードバック vs フィードフォワード（簡単な例）

エッチ工程後のCD測定が広がってきたとします。

フィードバック制御は古典的なループです：結果を測定し、次のロットでエッチレシピを調整してターゲットに戻します。強力ですが常に一歩遅れます。

フィードフォワード制御は上流情報を用いて誤差が下流に出るのを防ぎます。例えば、リソグラフィのオーバーレイやフォーカス測定が特定スキャナで既知のバイアスを示していれば、ロット処理前に下流のエッチや堆積設定を自動で補正できます。

管理限界、逸脱、そしてアラームが信頼される必要性

SPCチャートはターゲットの周りにプロセス変動に基づく管理限界を描きます。データがその限界を越えると逸脱です――通常のノイズではなくプロセスが変わったサイン。

チームが「多分大丈夫だろう」とアラームを頻繁に無視すると：

• 本当の逸脱がバックグラウンドノイズに溶け込みます。\n- 工場は予防から消火活動にシフトします（保留、会議、リワーク）。

信頼されるアラームは迅速で再現可能な封じ込めを可能にします：正しい理由でラインを止めることができ、頻繁に止めることはありません。

測定レイテンシが修正品質をどう変えるか

レイテンシは処理と使える測定の間の時間です。CD結果が複数ロット処理後に届くと、フィードバック修正は未来を直すだけで現在の欠陥は積み重なります。レイテンシを下げる（または賢いサンプリングを行う）ことで“リスクにさらされている”材料が減り、フィードバックとフィードフォワードの両方が改善します。

SPCの規律が保留とリワークを減らす

限界、対応計画、所有権が明確であれば、“念のため”の保留は減り、不要なリワークも減ります。対価は運用が静かになり、変動が減り、学習が速くなります。

経済学：測定の選択がウェーハ当たりコストをどう変えるか

測定はファブの“オーバーヘッド”ではなく、高額なミスを防ぐか高価な作業を生むかを決める選択です。コスト影響は予測可能なバケットに現れます：

• スクラップ： 廃棄されるウェーハやダイ。\n- リワーク： 再リソグラフィ／エッチ／洗浄工程、追加計測、追加ハンドリングリスク。\n- ツール時間： 保留、キューイング、再処理によるキャパシティ損失。\n- WIPと遅延： エンジニアがデバッグする間に停滞する在庫とサイクルタイムのペナルティ。\n- 緊急処理とロット分割： 変動とエラーを増やす運用上の雑務。

感度向上は優先付けと組み合わせないとコストを上げる

検査の感度を上げ（例えばより小さな欠陥サイズまで追う）ことで逸脱を減らせますが、同時にナイサンス信号でエンジニアを溢れさせることもあります。すべての“可能な欠陥”が保留につながるなら、ファブはツールのアイドル時間、キューの膨張、分析労力で支払います。

経済的な問いは「ツールがそれを見られるか？」ではなく「それに対応することで生じる損失を防ぐ方が、対応にかかるコストよりも大きいか？」です。

サンプリング戦略は直接的なコストレバー

どこを多く測るか（あるいは少なくするか）は、どのツールを買うかと同じくらい重要です。リスクが高いレイヤー（新工程、厳しいオーバーレイレイヤー、既知の逸脱点）は通常密なサンプリングに値します。安定したレイヤーは軽めのサンプリングと強いSPCガードレールの方が良いことが多いです。

多くのファブは検査／計測出力を使ってレイヤーごとにカバレッジを調整します：逸脱が頻繁な箇所ではカバレッジを増やし、信号がほとんど行動を促さない箇所では引き下げます。

「良い検出」と高価なノイズ

良い検出： ロット全体を劣化させるフォーカスドリフトを早期に検出し、素早い修正で下流のリソグラフィ／エッチ工程を救う。

高価なノイズ： 無害なパターニングアーティファクトを繰り返しフラグ立てし、保留やレビューを引き起こすが歩留まりや電気結果は変わらない—サイクルタイムを燃やすだけ。

スループットとサイクルタイム：測定は工場の制約になり得る

歩留まり学習は“ただで”起きるものではありません。各検査スキャン、各計測サンプル、各欠陥レビューは希少なツール時間を消費し、そのキャパシティが逼迫すると測定がファクトリの制約になりサイクルタイムを引き延ばします。

サイクルタイムが本当に伸びる場所

多くのサイクルタイム影響はスキャン自体ではなく待ち時間です。ファブで一般的にキューが発生する箇所：

• 計測ツール（CD、オーバーレイ、膜厚）：プロセス変更後にサンプリングが急増するとき。\n- 検査レビュー局：高欠陥ロットが追加分類や手動チェックを引き起こすとき。\n- エンジニアリング保留：ツールAは“逸脱”と言い、ツールBは“規格内”とするような矛盾信号をチームが突き合わせているとき。

これらのキューはライン全体でロットを遅らせ、WIPを増やし、材料を動かすためだけに確認測定をスキップするような非最適な決定を強いることがあります。

キャパシティ計画：スループット、レシピミックス、稼働率

計測キャパシティを計画することは単に「ツールを十分に買う」ことではありません。レシピミックスに合わせることです。長い感度の高い検査レシピは軽いモニタよりツール時間を何倍も消費することがあります。

ファブが使う主要レバー：

• リスクに応じたサンプリングプランの定義（新ツール、新材料、弱い工程には高サンプリング）\n- 突発対応用の余剰キャパシティ確保\n- 稼働率の余裕確保；検査／計測をほぼ100%稼働させると不安定なキューが発生しやすい

自動化は隠れた待ち時間を減らす

自動化は“間の仕事”を減らすとサイクルタイムを改善します：

• 自動ウェーハハンドリングとファブスケジューラとの密な統合でアイドルギャップを減らす。\n- レシピ自動選択（製品、レイヤー、コンテキスト別）で誤レシピによるリワークを防ぐ。\n- スマートルーティングで利用可能なツールに負荷を分散し単一ボトルネックを回避する。

速いルート原因解析は繰り返し逸脱を防ぐ

速度の最大のメリットは学習です。検査と計測の結果が迅速に明確で行動可能な診断につながると、ファブは同じ逸脱を複数ロットにわたって繰り返すことを避けられます。それによりリワーク、スクラップリスク、そして「心配だからサンプリングを増やす」ことで生じる複合的なサイクルタイムヒットが減ります。

先端プロセスの課題：EUV、複雑化、狭くなるマージン

微細化はチップを高速化するだけでなく、測定を難しくします。先端ノードでは許容誤差が非常に小さくなるため、検査感度と計測精度を同時に改善しなければなりません。結果は単純です：以前は無害だった欠陥や数ナノメートルのドリフトが突然ウェーハを“良品”から“限界”へと変えます。

EUV：新しい故障モード、平均化の余地が小さい

EUVは欠陥と計測の問題をいくつかの重要な点で変えます：

• 確率的欠陥（stochastic defects）： ランダムでショットノイズのような事象（欠落／余分な材料、マイクロブリッジ、マイクロブレイク）がプロセス名目値でも現れ得る。スポットチェックでは捕らえにくい。\n- マスク関連リスク： EUVマスクは反射型で複雑。マスクスタック上や下の欠陥が非自明な形で印刷されることがあり、フィールドごとに振る舞いが異なる場合がある。

これによりファブはより高感度な検査、賢いサンプリング、測定と調整の結びつきを強化する方向に向かいます。

複雑化：マルチパターニングや高スタックはターゲットに負荷をかける

EUVでも多くのレイヤーはマルチパターニング工程や複雑な3Dスタック（膜、界面、トポグラフィが増える）を含みます。これにより：

• オーバーレイが工程間で累積するリスク、\n- 「測定されるエッジ」と「電気的エッジ」がずれることによるCDターゲットのシフト、\n- 材料やプロファイルの変動でモデリングが難しくなる信号、

といった問題が生じやすくなります。

計測ターゲットは代表性が低くなり得て、レシピは歩留まりと相関を保つために頻繁にチューニングする必要があります。

要求はレイヤーとデバイスごとに異なる

すべてのレイヤーが同じ感度や精度を必要とするわけではありません。ロジック、メモリ、パワーデバイスは異なる故障メカニズムに重みを置き、同一チップ内でもゲート、コンタクト、ビア、メタル層は非常に異なる検査閾値や計測不確かさを要求することがあります。勝つファブは測定戦略をワンサイズでなくレイヤーごとの工学として扱います。

運用の現実：レシピ、マッチング、日々の安定性

検査と計測は結果がシフトやツール間で再現可能でなければ歩留まりに寄与しません。実際にはそれは測定物理よりも運用の規律に依存します：レシピ管理、ツールマッチング、校正、変更管理。

レシピ管理 = 再現性

「レシピ」とは、特定のレイヤー／製品に対して使用する測定位置、光学／ビーム設定、フォーカス戦略、閾値、サンプリングプラン、分類ルールの保存セットです。優れたレシピ管理は複雑なツールを一貫した工場の器具に変えます。

小さなレシピの違いが「偽の」逸脱を作り出すことがあります――感度が変わっただけであるシフトがあるのです。多くのファブはレシピを生産資産として扱い、バージョン管理、アクセス制御、製品／レイヤーIDに紐付けて同じウェーハが毎回同じ方法で測られるようにします。

ツール間校正とマッチング

高ボリュームファブは冗長性とキャパシティのために複数のツール（しばしば世代違い）を運用します。ツールAがツールBよりCDを3 nm大きく読んだら、そこには2つのプロセスではなく2つの定規があります。

校正は定規を基準に固定し、マッチングは異なる定規を揃えます。これには定期的なゲージチェック、参照ウェーハ、オフセットとドリフトの統計的モニタリングが含まれます。ベンダーはマッチングワークフローを提供しますが、オフセット承認の責任者、再マッチの頻度、停止を引き起こす限界など明確な所有が必要です。

変更管理とバリデーション

材料、パターン、ターゲットが変わるとレシピも変える必要がありますが、すべての変更はバリデーションが必要です。一般的な慣行は「シャドウモード」です：更新レシピを並行して走らせ、差分を比較し、相関を保ち下流SPC限界を壊さないことが確認できたら本稼働に昇格させます。

オペレータワークフロー：レビュー → 分類 → 処分

日々の安定性は迅速で一貫した判断に依存します：

• レビュー： 信号品質を確認しツール／ハンドリング問題を除外する。\n- 分類： ナイサンス信号と体系的欠陥を分ける。\n- 処分： リワーク、保留、エンジニアリングロット、継続の決定。

このワークフローが標準化されていると、測定は頼れる制御ループになり、別の変動源にはなりません。

何を追跡するか：測定と競争力を結ぶKPI

測定はプロセスがドリフトするより速く意思決定を変えるときにのみ競争力を高めます。以下のKPIは検査／計測の性能を歩留まり、サイクルタイム、コストに結びつけます――週次レビューデータの山にしないための指標です。

検査KPI（正しい欠陥を見ているか）

Capture rate（捕捉率）： 検査が検出する“実際の”歩留まり制限欠陥の割合。レイヤーと欠陥タイプ別に追う。\n Defect adder（付加欠陥）： 測定工程自身が導入する欠陥（ハンドリング、キュー時間によるWIPリスク、リワーク）。アッダーが上がると“測りすぎ”は裏目に出る。\n Nuisance rate（ナイサンス率）： 検出イベントのうち行動を引き起こさない割合（ノイズ、無害パターンアーティファクト）。高いとレビュー能力を消費しルート原因解析を遅らせる。

計測KPI（時間とツールを通じて数値を信頼できるか）

精度（Precision）： 同一特徴の繰り返し性；管理限界をどれだけ締められるかに直結。\n 測定の正確性（Accuracy）： 真の値（または合意された基準）への近さ。精度だけで正確性がないと体系的な誤制御を招く。\n TMU（Total Measurement Uncertainty）： 再現性、マッチング、サンプリング効果、レシピ感度を組み合わせた実務的なまとめ指標。\n ツールマッチング： 同一レシピを走らせるツール間の一致。悪いマッチングは見かけ上のプロセス変動を膨らませ、ディスパッチを複雑にする。

ファブの応答KPI（歩留まりが失われる前に動いているか）

逸脱率（Excursion rate）： プロセスが通常の窓を外れる頻度（モジュール、レイヤー、シフト別）。エスケープ率（下流影響前に捕捉できなかった逸脱）と合わせて見る。\n 検出までの平均時間（MTTD）： 逸脱開始から検出までの時間。MTTD短縮はしばしば生のツール仕様を少し良くするより大きな利得を生む。\n 保留中ロット数： 計測／検査信号で保留されているロットの量と期間。低すぎると問題を見逃している可能性があり、高すぎるとサイクルタイムに悪影響。

ビジネスKPI（測定は投資に見合うか）

歩留まり学習率： 主要変更（新ノード、新ツールセット、大幅なレシピ改訂）後の週／月ごとの歩留まり改善率。\n 不良コスト（COPQ: Cost of Poor Quality）： 逸脱に起因するスクラップ＋リワーク＋緊急対応＋遅発発見コスト。\n サイクルタイム影響： 測定が引き起こすキュー時間とリワークループ。役立つ視点は「制御ステップごとのロット当たり追加サイクルタイム（分）」。

始めるなら、各グループから1つずつKPIを選んでSPC信号と一緒にレビューミーティングで見ることを勧めます。メトリクスをアクションループに変える方法の詳細は /blog/from-measurements-to-action-spc-feedback-feedforward を参照してください。

ツールとベンダー（KLAを含む）をファブが評価する方法

ファブでのツール選定は単なる計測器の購入ではなく、工場の神経系の一部を選ぶ行為に近いです。チームはハードウェアだけでなく周辺の測定プログラム――何を見つけられるか、どれだけ速く動くか、どれだけ信頼して意思決定に使えるデータを出すか――を評価します。

中核的評価基準

まずファブは感度（小さな欠陥やプロセス変化を確実に検出できる最小限）とナイサンス率（無害信号をどれだけ頻繁にフラグするか）を見ます。多くを見つけるツールが必ずしも優れているわけではなく、エンジニアを誤警報で圧迫してしまっては意味がありません。

次にスループット：要求されるレシピ設定でのウェーハ毎時。仕様を満たせても遅いモードしか出せないツールはボトルネックになり得ます。

三つ目は総所有コスト（購入価格以上の要素）：

• アップタイムと安定性（どれだけ頻繁に介入が必要か）\n- 消耗品や保守契約\n- レシピ、マッチング、アラームを維持するためのエンジニア時間\n- フロアスペースとユーティリティ

統合とワークフットの適合性

ツールが既存システムにどれだけ滑らかに組み込めるか（MES/SPC、標準的な工場通信インターフェース、チャーティングと逸脱検出およびロット処分を自動化するデータフォーマット）も評価対象です。同じくらい重要なのはレビューのワークフロー――欠陥がどう分類されるか、サンプリングがどう管理されるか、結果がどれだけ速くプロセスモジュールに返るかです。

パイロットの進め方

一般的なパイロット戦略はスプリットロット（異なる測定アプローチにマッチしたウェーハを流す）とゴールデンウェーハを使ってツール間の一貫性を時間軸で確認することです。結果は現状の歩留まり、検出限界、是正速度と比較されます。

KLAの位置づけ

多くのファブで、KLAのようなベンダーはこれらの同じ評価項目（能力、工場適合性、経済性）で他社と比較されます。勝つ選択はウェーハ当たりの“意思決定の改善”をもたらすものであって、単に測定数を増やすものではありません。

実践的な持ち帰りと歩留まり学習のチェックリスト

歩留まり学習は単純な因果連鎖です：検出 → 診断 → 修正。

検査はどこで、いつ欠陥が出るかを見つけます。計測はプロセスがどれだけずれたか（CD、オーバーレイ、膜厚など）を説明します。プロセス制御はその証拠をレシピ調整、スキャナ／エッチツールのチューニング、保守強化、サンプリングプラン変更などの行動に変えます。

測定ROIを高めるチェックリスト

このリストは「ただ測定を増やす」ことなく歩留まりへの影響を高めたいときに使ってください。

• 行動から始める（ツールから始めない）： 測定がどの意思決定を引き起こすか（ロット保留、リワーク、レシピ調整、ツール保守）を明確にする。行動がない測定はROIが弱い。\n- サンプリングを適正化する： 変動が大きい箇所（新工程、保守後のツール）では多く測り、安定した箇所では控えめに。\n- レイテンシを削る： 完璧だが2–3ロット遅れて届く測定は高価。ハイリスク工程ではルーティング、キュー管理、自動化を優先する。\n- 検出と処分を分ける： トップ欠陥タイプを迅速に分類するレビュー能力を確保する。さもないと“問題を見つけるだけ”で学習が進まない。\n- 誤警報を監視する： ナイサンス欠陥や不安定な計測は不要な保留を生む。閾値を調整しツールマッチングを維持する。\n- ループを閉じる： フィードバック／フィードフォワードが実際に逸脱を減らしているか確認する（前後チャート、SPCルールヒット、スクラップ率の変化）。\n- 測定を測る： 再現性、マッチング、校正状況を追跡する。悪い計測はないより悪く、間違った行動を引き起こす。

測定データを内部ツールに実装する（大きなソフトプロジェクト無しで）

過小評価されがちなレバーは、測定データをどれだけ早く“運用化”できるかです――SPC信号、ツールマッチング状況、保留のエイジング、MTTD/エスケープ率トレンドを組み合わせたダッシュボード。

ここで役立つのがKoder.aiのようなvibe-codingプラットフォームです：チームはチャットで欲しいワークフローを記述して、軽量な内部ウェブアプリ（例：SPCレビューコンソール、逸脱トリアージキュー、KPIダッシュボード）を生成し、プロセスの変化に応じて反復できます。Koder.aiはReactベースのウェブアプリをGo + PostgreSQLのバックエンドでサポートし、ソースコードのエクスポートも可能なので、クイックパイロットから社内エンジニアへの正式な引き継ぎまで適合します。

続けて読む

これらの要素がどうつながるかの復習は /blog/yield-management-basics を参照してください。コストと導入に関する質問については /pricing が「良い」ROIの目安を示すのに役立ちます。

非技術系ステークホルダー向けの実践的な要点

• より速く、行動可能な測定は隠れたコスト（スクラップ、リワーク、サイクルタイム遅延）を減らします。\n- 最良のプログラムは意思決定の速度と明確さに焦点を当て、単なるデータ量ではありません。\n- 測定がどのアクションを引き起こすか説明できない場合、それは歩留まり改善につながる可能性が低いです。