歩留まり改善はデータ解析のみにあらず 「追うべき不良」を見極める：プロセスエンジニアの現場から（5） 「歩留まり改善」の全て（1）（2/3 ページ）

今回から「歩留まり」について解説するシリーズを始めます。量産において歩留まりは最も重要な要素の一つです。そして、プロセスエンジニアにとって、歩留まり改善は重要な仕事の一つでもあります。本シリーズでは、歩留まり低下の発生から要因特定、対策、再発防止までを追っていきます。

[鳥海五歩，EDN Japan]

歩留まり低下の兆候とは

　ここでは、歩留まり低下の兆候がどのようなデータに現れるのか、現場でどう初動判断をしているのかを見ていきます。“異常発見の入口”を具体的にイメージできるはずです。

歩留まり低下の兆候を複数のデータから捉える

　歩留まり低下の兆候は、Yield Trendだけでなく、次のようなさまざまなデータにも現れます。

• SPCデータ（統計的工程管理による管理図データ）
• Inline計測データ
• 欠陥検査データ
• 電気特性
• 装置トレンド

　ここでは、実際の経験をもとに一般化した例として、ある量産製品で通常とは異なる歩留まり低下の兆候が確認された場面を考えます。この時点でYield Trendの数値だけで判断せず、電気特性や欠陥検査など関連データもあわせて確認したところ、特定の不良モード（不良の種類やパターンの分類）が増加していることが分かりました。この段階で、歩留まり低下と特定の現象との結び付きが見えてきます。

「調査すべき異常」かどうかをどう判断するのか

　歩留まり低下が「調査すべき異常」かどうかは、複数の情報を見ながら判断します。判断材料となるのは、例えば次のような点です。

• 変化の大きさ
• その変化がどのくらいの期間続いているか
• 関連する複数のデータで同様の傾向が確認できるかどうか

　歩留まりのデータは日々わずかに変動するものであり、全ての変化を異常として扱っていては、現場の対応が追い付きません。だからこそ、複数の情報で同じ傾向が確認できるかどうかが、異常の可能性をより強く疑うための材料になります。

　今回の説明用事例でも、複数のデータで同じ不良モードの増加が確認できたことが、次の調査へ進む判断材料になりました。