午前2時、ロットを止めるか流すか
プローブテストで1つのサイトだけ不良が増え始めたとき、ロットを止めて調べるか、流しながら原因を探すか。以下は、この二択を夜勤の担当者が迫られる場面を、想定の工場で描いたものです。実在の工場や事例ではありません。
想定の工場は、ウェハ状態のチップを電気的に検査するウェハテスト工程を持つ半導体メーカーです。テスタとプローバ（ウェハを搬送して針を当てる装置）、プローブカード（ウェハの電極に接触させる針の集まり）で1台のテストセルを組み、同時に複数のチップを測る多サイト測定をしています。午前2時過ぎ、あるテストセルでサイト3だけが特定の不良区分（ビン）を出す割合が上がり始めました。他のサイトは平常どおりです。
担当者の頭に浮かぶ原因は3つです。プローブカードの針の汚れや摩耗、プローバの温度制御のずれ、そしてウェハそのものの問題。前の2つなら装置側の処置で戻りますが、3つ目なら止めても直りません。止めればテストセルの稼働が落ち、流せば不良判定のチップが積み上がるか、悪くすれば良品を不良と誤判定します。
この場面に、2026年10月に発表された半導体テスト向けの診断AIを置いてみます。
発表で確認できること
NVIDIAは2026年10月14日、SEMICON West（10月13〜15日、サンフランシスコ）に合わせて、半導体の設計と製造の各社がCUDA-Xライブラリや同社のAIモデルを採用していると発表しました。テスト工程に関わる部分は次のとおりです（いずれもNVIDIAの発表文による）。
| 企業 | 発表文の記載（要旨） | 示された数字 |
|---|---|---|
| Advantest | テストデータ基盤ACS RTDIにNVIDIA NemotronとKumo-Anomalyを組み込み、Grace Blackwell上でリアルタイム診断を行い、テストセルの是正処置を推奨する。NeMo Switchyardのエージェントでモデル選択を自動化 | 応答時間が「数時間から数分」に |
| Teradyne | イメージセンサのテストにNPPを使い、プローブ保全の推論にRAPIDS cuDFとCuPyを使う。劣化したプローブを歩留まりに響く前に見つける | 推論が約85倍高速 |
| OMRON | 検査装置にCosmosとMetropolisの映像検索・要約のブループリントを使い、画像・装置文書・製造知識を組み合わせてプリント基板の検査結果の分析と不良原因の調査を支援する | 記載なし |
Advantestは前日の10月13日付の自社発表で、ACS RTDIを「得られた知見を、同じテスト挿入の中で実行可能な生産上の手順に変える工程を自動化する」基盤と説明しています。ただし同社の発表にはNVIDIAの名前は出てきません。
数字はいずれも企業の発表で、比較の前提（何と比べて85倍か、何の応答時間か）は発表文からは読み取れません。導入先の工場、誤った推奨の頻度、提供条件も書かれていません。以下の場面は、発表の内容をもとに編集部が組み立てた想定です。
想定の場面を6段階でたどる
①検知（AI）。診断AIはテスタから届く測定結果をサイト別に見ていて、サイト3の不良区分の割合が平常の範囲を外れたことを知らせます。ここで必要なのは、ウェハ単位やロット単位の集計を待たずに、測定中のデータを受け取れる経路です。1ロット終わってからファイルで届く構成では、午前2時の検知は午前4時になります。
②切り分け（AI）。AIはサイト3の不良を、プローブカードの使用回数、前回の針先清掃からのタッチダウン数、プローバの温度ログと照らし合わせます。同じウェハの他サイトが平常なので、ウェハ起因の可能性は低いと判断できます。この照合ができるかどうかは、プローブカードの個体番号と保全履歴が、テストデータと同じキーで引ける形になっているかで決まります。保全履歴が紙や別システムの表計算に残っている工場では、AIはこの段階で手がかりを失います。
③推奨（AI）。AIは「針先清掃のうえ、直近の該当ウェハを再テスト」という処置案を、根拠のデータとともに示します。Advantestの説明にある「同じテスト挿入の中で」手を打つという考え方は、この段階を指すと読めます（編集部の解釈）。
④判断（人）。止めるか流すかを決めるのは担当者です。AIの推奨が合っていても、プローブカードの予備があるか、このロットに納期の迫った顧客品が含まれるか、といった判断材料はテストデータの外にあります。
⑤実行（人＋MES）。担当者はMES上で該当ロットを保留にし、清掃と再テストを行います。保留を装置側だけで管理すると、後工程の担当者にはロットが止まった理由が見えません。
⑥記録（MES）。推奨の内容、担当者の判断、再テストの結果を、ロット番号とプローブカードの個体番号で結んで残します。翌朝の品質技術者が見るのはこの記録です。
推奨を使えるかどうかを分けるデータ
6段階のうち、AIが受け持つのは①〜③です。そしてその精度は、AIのモデルより手前のデータのつなぎ方で決まる部分が大きいと編集部は見ています（推測）。
テストデータとMESのロット履歴を結ぶ考え方は製品系譜（ジェネオロジー）で不良の真因を追う、異常の知らせを保全や品質の処置につなぐ設計は異常検知を保全・品質のアクションにつなぐで扱っています。前工程を含む半導体工場のAI全体は半導体前工程のAIにまとめました。
もう1つ見落としやすいのが、AIが出した推奨と人の判断の食い違いを残すことです。推奨を採らなかった理由（予備のプローブカードがなかった、納期を優先した）が記録されていれば、あとで推奨の当たり外れを評価できます。記録がなければ、AIが役に立ったかどうかを誰も言えません。
AIエージェントにMESの操作をどこまで任せるかの段階づけはAIエージェントにMES・ERPを操作させる権限設計を参照してください。
よくある質問
ACS RTDIはNVIDIAの技術がないと使えないのですか？
Advantestの10月13日付の発表はACS RTDIを同社のAI対応テスト基盤として紹介していますが、NVIDIAには触れていません。NVIDIAの発表は、ACS RTDIにNemotronとKumo-Anomalyを組み込んだと説明しています。両者の関係（必須の構成か、選択肢の1つか）は、どちらの発表からも確認できません。
「数時間から数分」は自工場でも期待できる数字ですか？
NVIDIAの発表文にある企業側の表現で、何の応答時間を、どの条件で比べたかは書かれていません。自工場で同じ短縮が起こるかどうかは、測定データがロット完了前に届くか、保全履歴が引けるかといった前提に左右されるため、そのまま当てはめないでください。
診断AIの推奨を自動で実行させてもよいですか？
発表の範囲では、AIは処置を「推奨する」と説明されています。針先清掃や再テストのように可逆な処置でも、ロットの保留や顧客品の扱いはテストデータの外の判断を含むため、まずは推奨と人の判断を並べて記録し、当たり外れを評価してから範囲を広げるのが安全です。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
