東芝が開発した不良原因解析AIの概要（クリックで拡大）出典：東芝

　東芝は2020年12月10日、現場技術者の知見を加えることで半導体工場や化学プラントなど変数が多項目に及ぶ工場において、不良原因解析を容易化するAIを開発したと発表した。同技術は、機械学習分野における最大級の国際会議の1つである「NeurIPS 2020」に採択されている。 Transfer Lassoを活用した不良原因推定の仕組み（クリックで拡大）出典：東芝

半導体工場における現場技術者による不良要因特定の負担

　今回東芝が情報・システム研究機構 統計数理研究所 教授の藤澤洋徳氏と開発した技術は、工場の設備などから取得する品質監視データと、過去の品質低下原因に、現場技術者の知見を加えて学習し、原因の変化などを自動検知できる技術である。半導体工場など品質に関わる変数が非常に多く、製品不良を発見後に真因を見つける原因分析に多くの時間を費やすことになるが、これらの分析時間を大幅に低減できるとしている。 　同技術を開発した背景は、東芝の半導体工場における不良監視の負荷が大きかったことによるという。東芝 研究開発センター 研究主務の高田正彬氏は「半導体製造装置では例えば1つの装置でも約400個の品質に関わる項目がある。これら全てを人手で精査するのは困難な状況であるため以前からAIで不良原因を推定し10項目程度まで絞り込む。現場技術者がその妥当性を確認する業務プロセスとなっていた」と述べている。ただ、AIが推定した項目の妥当性を確認する作業についても「数日かかる場合もある他、そのために装置を止めなければならなかった」と高田氏は語る。 　さらに、現行のAIを用いた不良監視システムでは、「メンテナンスや装置の状態、材料特性などで不良の要因は同じ環境であったも変わるので、候補として挙がってくれば、毎回確認する必要がある。従来は現場技術者の知見がAIの学習データとして反映される状況ではなかったため、1度『不良原因ではない』と判断した項目を毎回挙げては確認するような状態も生まれていた」と高田氏は語る。 　また、測定誤差なども生まれるため、ノイズの影響を受ける場合の多く、真の不良原因の確認が難しいという状況も生まれていた。