2025年5月02日·1 分
KLAとファブの歩留まり：コストを削る検査と計測
KLA型の検査・計測が歩留まり、スクラップ、サイクルタイム、コストにどう影響するかを実務的に解説。何を追うべきか、ファブがツールをどう選ぶかも説明します。
KLA型の検査・計測が歩留まり、スクラップ、サイクルタイム、コストにどう影響するかを実務的に解説。何を追うべきか、ファブがツールをどう選ぶかも説明します。
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。
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：
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。
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：
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。
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。
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。
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：
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。
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。
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。
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：
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。
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。
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。
どの検査システムも完璧ではありません：
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。
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。
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。
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。
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：
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。
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。
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。
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：
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。
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： 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。
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。
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：
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。
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：
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：
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。
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は欠陥と計測の問題をいくつかの重要な点で変えます：
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。
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：
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。
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。
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」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。
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。
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。
日々の安定性は迅速で一貫した判断に依存します：
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。
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。
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。
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。
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。
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。
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。
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）：
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。
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。
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。
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。
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。
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。
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。
検査は予期しない欠陥（粒子、引っかき傷、パターン切断、異常）を探し、「ウェーハのどこかで何か問題が起きているか？」に答えます。
一方、計測は意図したプロセス出力（CD、オーバーレイ、膜厚、平坦性など）を測定し、「プロセスは目標を達成しているか？」に答えます。
実務では、検査は歩留まりを低下させる致命的欠陥を早期に捕捉するために使われ、計測はプロセスドリフトがロット全体の損失につながらないように維持するために使われます。
測定は日々の意思決定を駆動し、それが積み重なって歩留まりとコストに影響するため大きなインパクトがあります：
より速く、再現性が高く、分類が正確であれば、測定は迅速な封じ込めにつながり、高額なサプライズを減らします。
バリエーションが後で修正するのに高コストになる工程の直後に挿入されることが多いです：
目的は、早めに意思決定ができる場所で測ることです。
サンプリングプランは、どの頻度でどれだけ深く測るか（ロットあたりのウェーハ数、ウェーハ内のサイト数、対象レイヤー）を定義します。
実務的な指針：
過剰サンプリングはサイクルタイムのボトルネックを生み、サンプリング不足は逸脱（エスケープ）リスクを高めます。
インライン測定はプロダクションフロー内、結果を作ったツールに近い場所で行われ、制御ループには速いです。これにより“リスクにさらされている”WIPを減らせます。
オフライン測定は専用エリアやラボで行われることが多く、より深い解析や遅めの確認に向きます（トラブルシューティングやモデル構築）。
良い運用モデルは、日々の制御に十分なインラインカバレッジを持ち、インライン信号が変化を示したときにターゲットを絞ったオフライン作業を行うことです。
致命的（killer）欠陥は電気的な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、パラメトリック変化）。
ナイサンス（nuisance）欠陥は実在するか見かけ上の信号だが歩留まりに影響しないものです。
重要なのは分類です。検出のコストは検出そのものだけでなく、検出によって引き起こされるレビュー、ロット保留、リワーク、ツール停止などに及ぶため、適切な分類により過剰反応を減らせます。
フォールスネガティブ（見逃し）は後で価値が付加された後に歩留まり損失となって現れるため最も危険です。
フォールスポジティブ（誤報）は高価なノイズを生み出します：不必要な保留、追加レビュー、キューの遅延。
実務目標は「すべてを見つける」ことではなく、正しい信号を十分早く見つけて、許容コスト内で適切な行動を引き起こすことです。
CD（クリティカルディメンション）は印刷された特徴の幅／サイズ（例えばトランジスタのゲート長や狭いメタル線の幅）を測るものです。
現代の微細設計では数ナノメートルの偏差でも電気特性（抵抗、リーク、駆動電流）に急速に影響を与えます。多くのCD問題はフォーカスや露光のサインを持つため、CD計測とSPC対応を組み合わせることは高いROIを生みます。
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しく位置合わせされているかを測ります。
各層のCDが“良好”でも、オーバーレイ誤差によりビアやコンタクトが標的を外し、不良になることがあります。誤差が複数工程で累積すると致命的になるため、オーバーレイ管理は特に重要です。
レイテンシは処理と使える測定結果が得られるまでの時間です。
結果が複数ロット処理後にしか返らない場合、フィードバックは未来のロットだけを修正でき、現在の損失は蓄積します。
レイテンシ影響を減らす方法：
これらは生のツール感度をわずかに上げるよりも結果を改善することがよくあります。