歩留まり・品質管理

工場に蓄積された大量の装置データ・計測データ・テスト結果を、機械学習などで解析して歩留まりを高める取り組みの説明として正しいものはどれか。

  1. Aデータを集めるだけで自動的に歩留まりが100%になる
  2. Bテストを行わなくてよくなる
  3. C多くの変数の関係から、人では見つけにくい不良の原因や予兆を見つけ、改善や予測に役立てる
答えと解説を見る

正解:C. 多くの変数の関係から、人では見つけにくい不良の原因や予兆を見つけ、改善や予測に役立てる

半導体工場では、1枚のウエハについて数千の工程と多数の計測・テストのデータが記録されます。これらを結びつけて機械学習などで解析すると、多くの変数が絡んだ不良の原因や、異常の予兆を見つけられることがあります。ただし、結果の検証には工程の知識が欠かせません。

  • A. データを集めるだけで歩留まりが上がるわけではありません。
  • B. テストは引き続き必要です。
  • C. 正しい。不良の原因や予兆の発見に役立てます。
この分野を解く 分野ページへ

歩留まり・品質管理のほかの問題

  1. 欠陥がウエハ上で偏って集まって発生する(クラスタリングする)ことを考慮した歩留まりモデルとして使われるものはどれか。
  2. 欠陥検査で見つかった欠陥の種類ごとに、その欠陥があったチップのうち実際に電気的な不良になった割合を表す量を何と呼ぶか。
  3. 工場の中の仕掛り(WIP)の量、処理の速さ(スループット)、サイクルタイムの関係を表す「リトルの法則」の内容として正しいものはどれか。
  4. 歩留まりの低いロットに共通して使われた装置やチャンバー、材料などを、多数のロットの製造履歴から統計的に洗い出す解析を何と呼ぶか。
  5. 互いに相関のある複数の特性値を、1つずつではなくまとめて監視し、組み合わせとしての異常を検出する統計的な工程管理の手法はどれか。