認定期間の資本コスト：150 億ドルの工場で 1 四半期 3.62 億ドル

品質保証の日程は、工場の内部日程だと思われがちです。ところが先端ノードでは、それが投資回収の開始時期そのものになります。

同じ論理が、監視構造の設計へも降りてきます。面積が頻度を決め、頻度が車両の数を決めます。

1 つの事実に、54 ポイントと 87% の 2 つの数字が付く

本題の前に、報告の読み方を 1 つ固めます。改善率をどう報告するかは、工程制御の効果を比べる場面でも同じ形で出ます（2026 年の実行間制御の研究¹1A Data-Driven EWMA-KNN Run-to-Run Controller for Drift-Dominant Processes with Application to Chemical Mechanical Planarization (2026)）。

粗利率が 62% から 8% へ落ちた、という事実があるとします。ここに数字が 2 つ付きます。

逆に辿ると $62\times (1-0.871)=8.0$ で、確かに戻ります。

同じ 1 つの事実です。ところが読後感が別です。

どちらで書かれた文章なのかを先に確かめてはじめて、判断の大きさが揃います。以下では相対のほうを使います。

立ち上げ 4〜5 年、そのあと認定に数四半期

工場が立ち上がるまでの日程を書き出します。

最後の数四半期が、量産認定の区間です。この区間を短くする手として、インラインで非破壊に測る方式を主題にした2022 年の報告²2Utilizing Acoustic Microscopy Techniques for In-Line Process and Quality Control of Wafer Level Packages (2022)のような仕事が入ります。

技術認定が「作れるか」に答えた先で、まだ残る時間があります。「同じものを作り続けられるか」を確かめる時間です。

この区間が載るのは、内部日程の外——投資日程のほうです。

認定 1 四半期の資本コストを求める

数にします。装置の停止や劣化が稼働率を通じて費用へ乗ることを主題にした2020 年の研究³3Selecting Suitable Candidates for Predictive Maintenance (2020)と同じ勘定を、日程の側へ当てます。設備投資額を $C$、年あたりの資本コストを $r$ とすると、1 四半期の繰り延べが背負う費用は

$r=0.10$ なら $(1.10{)}^{0.25}-1=0.0241$。

150 億ドルの設備なら、認定が 1 四半期伸びるだけで 3.62 億ドルです。

立ち上げ期間そのものも同じ計算になります。

1 枚もウェハを出荷する前に、工場は自分の費用の 1.46〜1.61 倍を背負っています。

だから「信頼性試験に数四半期かかる」という 1 行が、事業計画の側で 3.62 億ドルの行になります。試験を短くする仕事の値段は、ここで決まります。

逆も成り立ちます。認定を 1 四半期削るために 5,000 万ドルの測定投資をするのは、150 億ドルの工場では明らかに黒字です。4 億ドルの実装ラインでは、同じ投資が赤字になります。

車両が 2 つ要る理由：答える相手が別

認定の車両は 2 つへ割れます。研磨の実行間制御を学習で組んだ2004 年の報告⁴4Neural Network Based Run-to-Run Process Controller for Copper Chemical Mechanical Polishing (2004)のように、開発で使う構造と量産で回す構造は別の設計対象です。

28 nm 世代から、2 つめが導入されました。技術の複雑さと、プロセス安定性の管理の難しさが理由です。

1 つの車両で両方をやろうとすると、どちらかが破綻します。

極端な構造はばらつきに敏感です。開発では有用ですが、量産の日常監視には過敏すぎます。毎日どこかが警報を出します。

この 2 行が、そのまま 2 つの車両です。

面積が監視の頻度を定める：$f\le B/A$

「フル試験構造が使えるのは認定まで」という上限も、数で出ます。

ウェハ 1 枚がスクライブ領域と試験ダイへ割ける面積を $B$、1 つの監視構造の面積を $A$、回す頻度を $f$ とすると

頻度は面積に反比例します。

10 倍大きい構造が回せるのは、10 分の 1 の頻度までです。先端実装のフル試験構造は面積が大きいので、日次の監視へ持ち込む余地が消えます。

だから 2 つの車両は、方針の外——面積の帰結です。同じ面積予算のもとで「敏感な構造を稀に」と「製品に近い構造を頻繁に」を両立させる道は、車両を分ける 1 本だけです。

ウェハレベルの工程・品質管理をインラインで回す手法そのものを主題にした2022 年の音響顕微鏡の報告²があるとおり、非破壊で速い手が増えるほど $B/A$ の上限が上がります。

破壊試験は、1 試料から $k$ 点取れば $\sqrt{k}$

先端実装の律速として名指しされているのが、膜の密着性の測り方です。

引き剥がす方式の試験機が作られましたが、「許容できる繰り返し性を確保するには、治具の選定と運用、そして標準化・最適化に多大な努力が要る」という但し書きが付きます。繰り返し性そのものが方法論の課題です。

もう 1 つの手が、引っ掻いて剥がれ始める荷重を測る方式です。薄膜の密着性を引っ掻き試験で測り、剥離が始まる臨界荷重を検出する手法は1974 年の研究⁵5A technique for detecting critical loads in the scratch test for thin film adhesion (1974)にさかのぼります。

この方式には、統計上の利点があります。

平均の標準誤差は $\sigma /\sqrt{k}$ なので

同じ試料数、同じだけ壊して、平均の分解能だけが上がります。

ただし繰り返し性の課題は、そのまま残ります。圧子の形状が臨界荷重の測定値をどれだけ動かすかを正面から主題にした1999 年の研究⁶6On the Robustness of Scratch Testing for Thin Films - the Issue of Tip Geometry for Critical Load Measurement (1999)があるとおり、$k$ 点取れることと、その $k$ 点が同じ量を測っていることは別です。薄膜の密着破壊そのものを俯瞰した1978 年の総説⁷7Thin-film Adhesion and Adhesive Failure - A Perspective (1978)に戻ると、何を「密着」と呼ぶかの取り決めが先に要ります。

1 つのセンサが 2 つの用途を持つと、回収が 2 倍速い

最後に、投資の設計へ戻ります。

研磨工程で、スラリーの濃度を高速の光学センサで測り、混合比をリアルタイムで調整した事例があります。同じセンサのデータが、2 つの用途に使われています。

センサの費用は 1 つ分です。

センサの費用を $C$、用途ごとの年間の回収を $R_1$、$R_2$ とすると

$R_1=R_2$ なら 回収が 2 倍速く、$R_2=0.6R_1$ でも 1.6 倍です。

要点は、この 2 つめが、あとから足せる種類の投資ではないことです。劣化予測に要るのは、装置が健全だった期間の履歴。後から思い立った時点では、過去のデータは手元にありません。

だからセンサを入れる時点で、両方の用途を設計へ入れる必要があります。予知保全の対象をどう選ぶかを正面から主題にした2020 年の研究³や、産業データに対して頑健な推論の枠組みを組んだ2026 年の報告⁸8Monotonic Latent Manifold Bayesian Inference for Robust Industrial Predictive Maintenance (2026)が対象にするのも、どの装置に価値があるかを先に定める作業です。

工程制御の側も同じ方向に伸びています。ドリフトが支配する工程へ移動平均型の制御を当てた2026 年の研究¹や、研磨の実行間制御を学習で組んだ2004 年の報告⁴があるとおり、同じ測定量が制御にも予知にも入ります。