抜取りの削減と検出の遅れ：管理限界 ±4σ で誤報は 43 分の 1、検出は 17 倍遅い

試験や検査を減らすと、費用が下がります。そのかわり何を差し出しているのでしょうか。

差し出しているのは気づくまでの時間です。この交換は、比例関係として数字で書けます。感覚では決まらない量です。

抜取り計画は、3 つの指標で測る

減らす計画の代表がスキップロット抜取りです。1990 年のスキップロット抜取りの歴史と展望¹1Skip-Lot Sampling, History and Perspective (1990)が、その骨格と測り方をまとめています。

手法そのものは 1955 年に提案されたもので、過去のロット合格の実績によって良い品質が示されているロットについて、抜取り検査の量を減らすというものです。やり方は単純で、提出されたロットの一部について検査を飛ばす。

測り方が 3 つ挙げられています。

3 つ目が、この記事の主題です。論文自身が ARL を「品質水準の急な変化が起きたことを検出する計画の能力の尺度」と書いています。

実務向けに、与えられた 1 回抜取り計画の OC 曲線に合わせてスキップロット計画を設計するための表が提供されています。

管理限界を 1σ 広げると、誤報は 43 倍・検出は 17 倍

同じ交換を、管理限界の側で数字にします。指標としての連長は、1990 年のスキップロット抜取りの展望¹が挙げる 3 つ目のものです。シューハート管理図の ARL は、正規分布の裾から直接出ます。

平均が中心に留まっているとき、1 点が $\pm k\sigma$ の外へ出る確率は

誤報までの平均連長は ${\mathrm{ARL}}_0=1/p_0$。

平均が $\delta \sigma$ だけ動いたときに外へ出る確率は

検出までの平均連長は ${\mathrm{ARL}}_1=1/p_1$。

限界を 1σ 広げると、誤報は 43 倍まれになり、1σ のずれへの気づきは 17 倍遅れます。

小さいずれには、シューハート以外の図が乗る

1σ のずれに 44 ロットもかかるのは、シューハート管理図が直近の 1 点だけを使うためです。過去の点を使えば、同じ誤報率でもっと早く気づけます。

2025 年の改良型 EWMA・CUSUM 管理図の研究²2Improved EWMA and CUSUM Charts Under Modified Successive Sampling for Monitoring Process Dispersion (2025)が、3 つの図を同じ土俵で比べています。

まず前提です。品質を見極める標本は通常は単純無作為抽出で得られるが、抽出の時間と費用を減らすために修正逐次抽出（MSS）法が好まれる。そのうえで、MSS のもとで CUSUM と EWMA の管理図が定式化され、ばらつきの監視について性能が比べられています。

比較の基準は連長です。結果はこうなっています。

「EWMA 管理図が、シューハート管理図と CUSUM 管理図の両方を上回る。」

この選択は、誤報率を変えずに効きます。どの図も ${\mathrm{ARL}}_0$ を同じ値へ揃えて設計する道があります。同じ誤報率のまま、小さいずれの検出が速くなる。

前節の表で「代償」だったものが、ここでは消えます。管理限界を広げる操作は 2 つの ARL を同じ向きへ動かしますが、図の種類を替える操作は、片方を保ったままもう片方を良くします。

だから順番としては、限界を動かす前に図を替えます。

品種が混ざると、状態の推定が詰まる

ここまでは 1 つの工程を追ってきました。多品種が同じ装置を流れると、別の問題が立ちます。

2018 年の多品種混流半導体製造工程における Run-to-Run 制御のための再帰ベイズ状態推定法の研究³3Recursive Bayesian state estimation method for run-to-run control in high-mixed semiconductor manufacturing process (2018)が、その中身を書いています。

「半導体製造工程における課題の 1 つは、多品種混流生産システムの状態推定である。」

従来のやり方はこうです。製品の製造スレッドにもとづいて文脈行列（context matrix）を構成し、その状態をムーア・ペンローズ擬似逆行列法で推定する。

問題が名指しされています。この手法はうまく働くものの、文脈行列がしばしば特異になる。

提案されているのは、積分移動平均の外乱を考慮したうえでの再帰ベイズ推定です。移動窓と分散分析モデルを組み合わせることで、

1. 文脈行列の逆行列の計算を回避する
2. 可観測性の問題に対処する

シミュレーションと実際の産業事例の両方で有効性が示されています。

過去をどれだけ忘れるかを、変数にする

状態推定には、もう 1 つの設計量があります。過去のデータをどれだけ重く数えるか。

2012 年の可変忘却係数にもとづく半導体製造工程の Run-to-Run 故障予測の研究⁴4Run-to-Run Fault Prediction for Semiconductor Manufacturing Process Based on Variable Forgetting Factor (2012)が、この量を固定値から変数へ移しています。

忘却係数が小さいほど、過去を早く忘れます。

前半の ARL の交換と、同じ形をしています。速く気づくことと、静かに構えることが引き合っています。

可変にするというのは、この引き合いを状況で切り替えるという意味です。安定しているあいだは 1 に近く、変化の兆しが出たら小さくする。固定値で設計すると、安定期か遷移期のどちらかで損をします。

2024 年の深層強化学習支援拡張状態オブザーバによる Run-to-Run 制御の研究⁵5Deep reinforcement learning-assisted extended state observer for run-to-run control in the semiconductor industry (2024)は、この切り替えそのものを学習へ委ねる方向です。外乱を状態として推定する拡張状態オブザーバに、学習した方策を組み合わせます。

逐次の枠組みを、生産へ持ち込むときの条件

最後に、逐次確率比検定を生産ラインへ入れるときの条件を確かめます。

1997 年の逐次検定のコスト効率比較⁶6A Comparison of the Cost-efficiencies of the Sequential, Group-sequential, and Variable-sample-size-sequential Probability Ratio Tests (1997)が示すとおり、SPRT の最適性は標本を 1 個ずつ取れるという強い制限のもとで成り立ちます。生産ラインでは、この制限が成り立つ工程と、成り立たない工程が混在します。

平均標本数の使い方も引き継ぎます。1975 年の SPRT の誤り確率と平均標本数の論文⁷7Error Probabilities and Average Sample Number of the Sequential Probability Ratio Test (1975)が与えているのは、更新理論の漸近論にもとづく近似です。生産計画の約束には、平均でなく上界を使います。

現場で動く判断

1. 3 つの指標——OC 曲線・平均標本数・平均連長¹——を、いつも同じ順で書き入れます。3 つ目まで揃って初めて、差し出したものが記録の中で読み返せます。

1. 削減の効果を、検出の遅れへ換算します。検査するロットの割合を $f$ にすると、変化に気づくまでの平均連長は $1/f$ 倍。「50% 削減」は「検出が 2 倍遅れる」と同じことです。

1. 管理限界を動かす前に、必ず拾いたいずれ $\delta$ を定めます。±3σ → ±4σ の代償は、$\delta =1\sigma$ で 16.8 倍、$3\sigma$ で 3.2 倍。$\delta$ が決まって初めて代償が数字になります。

1. 限界を動かすより先に、図の種類を替えます。限界を広げると 2 つの ARL が同じ向きへ動きますが、EWMA や CUSUM は誤報率を保ったまま小さいずれの検出を速くします。

1. 多品種混流では、可観測な組み合わせを先に確かめます。品種と装置の組み合わせに欠けがあると、文脈行列が特異になります。擬似逆で押し切ると、推定値が暴れます。

1. 忘却係数は、安定期と遷移期で別の値を使います。固定値では、どちらかで損をします。

1. 1 個ずつ取れるかどうかで、逐次の枠組みが使えるかが決まります。炉や槽の工程では、SPRT の最適性が最初から成り立ちません。

1. 削減の報告は 3 行で書きます。削減量、OC 曲線の変化、ARL の変化。3 行目が残って初めて、後で見逃しが起きたときに原因を切り分けられます。