JP5124783B2 - 実測値データ選択装置，実測値データ選択方法および実測値データ選択プログラム - Google Patents

Description

複数の実測値データから妥当な実測値データを選択する実測値データ選択装置，実測値データ選択方法および実測値データ選択プログラムに関するものである。

測定により得られた実測値のデータを利用したコンピュータ処理が行われている。例えば，回路や回路素子のシミュレーションを行うシミュレータでは，精度良い計算が行われるようにするために，あらかじめ用意された実測値データに基づいた，シミュレーションの計算条件の調整が行われる。

実測値データは，測定によるばらつきを低減するために，同一測定条件の複数回の測定により得られた複数の同一測定条件の実測値データから，妥当と思われるものが選択されてコンピュータ処理に利用される。また，実測値データは，同一測定条件に該当する複数の測定対象について測定した複数の実測値データから，妥当と思われるものが選択されてコンピュータ処理に利用される。

このような実測値データの選択は，例えば，技術者の経験や知識に基づいて行われる。技術者は，例えば，測定条件の値を横軸とし，測定結果として得られる測定対象の値を縦軸としたグラフを作成し，作成されたグラフを目視することにより，複数の実測値データから妥当と思われるものを選択する。

なお，実測値データが入力されることを前提として，実測値と計算値とのフィッティングを良くするために，シミュレータのパラメータ調節を行う技術が知られている。

特開２００２−１２４６６６号公報

上述のように技術者の経験や知識に基づいて実測値データの選択が行われると，選択された実測値データの信頼性は，技術者のスキルに依存する。すなわち，スキルが低い技術者によって選択された実測値データの信頼性が低くなってしまうという問題がある。

また，複数の測定条件の値の組合せが測定結果として得られる測定対象の値に影響するような場合に，技術者が，測定条件ごと個別に測定条件と測定対象との関係をグラフで見ても，複数の測定条件の組合せと測定対象との関係の全体像は分かりにくい。すなわち，技術者が，複数の測定条件の組合せと測定対象とのデータ傾向に基づいて，実測値データを適切に選択することは難しいという問題がある。

本発明は，上記の問題点の解決を図り，技術者に依存せずに，安定的に信頼性が高い実測値データの自動選択が可能となる技術を提供することを目的とする。

実測値データ選択装置は，第一の測定条件群に属する１または複数の測定条件と，第二の測定条件群に属する１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された実測値データ記憶部と，ある第一の測定条件群に属する測定条件の値の組合せにおける複数の実測値データを選択対象とした場合に，全実測値データまたは選択対象以外の実測値データに基づいて，第一の測定条件群および第二の測定条件群に属する測定条件を説明変数とし，測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する近似関数算出部と，選択対象とされた複数の実測値データのそれぞれについて，選択対象とされた実測値データが有する測定対象の実測値と近似関数により得られる測定対象の近似値とから，近似関数に対する選択対象とされた実測値データの近似誤差を算出する近似誤差算出部と，選択対象とされた複数の実測値データから，算出された近似誤差が最小となる実測値データを選択する実測値データ選択部とを備える。

客観的かつ自動的に，妥当な実測値データが選択できるようになる。

トランジスタの設計開発におけるシミュレーションの概要を説明する図である。 本実施の形態による実測値データ選択装置の構成例を示す図である。 本実施の形態によるトランジスタを用いた実測定により得られた実測値データの例を示す図である。 本実施の形態による実測値データのデータ構成例を示す図である。 本実施の形態の実測値データ選択処理部による実測値データ選択のイメージを示す図である。 ＳＶＭ回帰分析の統計解析による近似関数の算出を説明する図である。 実測値データが有するレコードごとの測定対象の実測値と測定対象の近似値との対応の例を説明する図である。 本実施の形態の実測値データ選択処理部による実測値データ選択処理フローチャートである。 本実施の形態による実測値データの検定を説明する図である。 カーネル密度推定の統計解析による確率密度関数の算出を説明する図である。 本実施の形態の実測値データ検定処理部による実測値データ検定処理フローチャートである。 回帰木分析の統計解析によるデータ傾向の解析を説明する図である。 回帰木分析の統計解析によるデータ傾向の解析を説明する図である。 本実施の形態のデータ傾向提示処理部によるデータ傾向提示処理フローチャート（１）である。 本実施の形態による第一の測定条件群に属する測定条件の値の組合せと近似誤差との対応データの例を示す図である。 本実施の形態による回帰木分析の統計解析の例を示す図である。 本実施の形態による第一の測定条件群に属する測定条件の値の範囲と近似誤差の代表値との関係を示す情報の例を示す図である。 本実施の形態のデータ傾向提示処理部によるデータ傾向提示処理フローチャート（２）である。 本実施の形態による第一の測定条件群および第二の測定条件群に属する測定条件の値の組合せと，測定対象の実測値と近似値の差との対応データの例を示す図である。 本実施の形態による各測定条件の値の範囲と測定対象の実測値と近似値の差の代表値との関係を示す情報の例を示す図である。 本実施の形態のデータ傾向提示処理部によるデータ傾向提示処理フローチャート（３）である。 本実施の形態による各測定条件の値の組合せごとの，測定対象の実測値と測定対象の近似値との対応データの例を示す図である。 本実施の形態による測定対象の実測値と近似値との対応をプロットした散布図の例を示す図である。

以下，本実施の形態について，図を用いて説明する。以下では，例えばＭＯＳＦＥＴ（Metal Oxide Semiconductor Field Effect Transistor ）などのトランジスタの電流電圧特性を示す実測値データを例として，本実施の形態の実測値データ選択の例を説明する。なお，電流電圧特性とは，電流と電圧との関係のことである。

図１は，トランジスタの設計開発におけるシミュレーションの概要を説明する図である。

トランジスタの設計開発は，トランジスタの電流と電圧との関係に基づいて行われる。このとき，トランジスタの電流と電圧との関係は，計算機でシミュレーションされる。シミュレーションでは，例えば，図１（Ａ）に示すように，シミュレータ５００にトランジスタのゲート長，ゲート幅，各電圧の値が入力される。シミュレータ５００は，実測値に基づいて調整された実行条件に従って計算を行い，トランジスタの電流の値を出力する。なお，図１（Ａ）の例において，電圧Ｄ，電圧Ｇ，電圧Ｓ，電圧Ｂは，それぞれトランジスタのドレイン電圧，ゲート電圧，ソース電圧，バックゲート電圧を示している。

実行条件の調整は，用意された実測値に基づいて，シミュレーション実行前の初期設定時に行われる。具体的には，シミュレータ５００は，入力されたゲート長，ゲート幅，各電圧から実行条件に基づいて計算される電流の計算値と，用意された電流の実測値とのフィッティングを行う。すなわち，シミュレータ５００は，計算値が実測値と近い値となるように，実行条件を調整する。精度が高いシミュレーションを実行するためには，信頼性が高い実測値データを用いた実行条件の調整が重要となる。

シミュレータの実行条件の調整に用いる実測値データを得るために，トランジスタを用いた実測定が行われる。測定では，測定のばらつきを低減するために，同条件の測定が複数回行われ，複数の実測値データが作成される。例えば，同一ウェハ（Wafer ）上に加工された，同一のゲート長とゲート幅の値に該当する，複数のトランジスタの実測値データが作成される。作成された複数の実測値データから妥当な実測値データが選択され，シミュレータの実行条件の調整に用いられる。

実測値データの選択は，例えば，技術者の経験や知識に基づいて行われる。

技術者は，例えば，ゲート長，ゲート幅，各電圧などの測定条件から１つの条件を選んで横軸とし，測定対象である電流を縦軸とした，実測値データのグラフを作成する。ここでは，電圧Ｄを横軸とし，電流を縦軸とした図１（Ｂ）に示すようなグラフが作成されたものとする。図１（Ｂ）のグラフにおける各曲線は，実測値データの各レコードにおける電圧Ｄの値と測定された電流の値との関係から得られた近似曲線である。ここでは，３回の測定が行われ，実測値データａ，実測値データｂ，実測値データｃの３つの実測値データが視覚化されたグラフが作成されたものとする。

技術者は，作成されたグラフを目視し，中央値に対応する実測値データを，シミュレータ５００の実行条件の調整に用いる実測値データとして選択する。例えば，図１（Ｂ）において，技術者は，中央値に対応する実測値データｂを選択する。

このように技術者の経験や知識に基づいて実測値データの選択が行われると，選択された実測値データの信頼性は，技術者のスキルに依存したものとなる。すなわち，スキルが高い技術者によって選択された実測値データの信頼性は高いが，スキルが低い技術者によって選択された実測値データの信頼性は低い。

また，ゲート長，ゲート幅，各電圧など，測定条件が複数ある場合でも，技術者は，各測定条件と電流との関係を示すグラフをそれぞれ作成することにより，測定条件ごと個別に各実測値データの傾向を判断することはできる。しかし，同時にすべての測定条件と電流との関係を示すグラフを作成することができないため，技術者は，すべての測定条件と電流値との関係に基づいて，トータル的に各実測値データの傾向を判断することはできない。例えば，ある測定条件と電流値との関係において中央値に対応する実測値データであると判断できる実測値データが，別の測定条件と電流値との関係においては中央値に対応する実測値データであると判断できない場合も考えられる。

以下では，各実測値データについて複数の測定条件の組合せと測定対象とのデータ傾向を客観的に判断し，適切な実測値データを自動的に選択する，本実施の形態による実測値データ選択装置について説明する。

図２は，本実施の形態による実測値データ選択装置の構成例を示す図である。

実測値データ選択装置１０は，統計的な解析による客観的な手法を用いて，複数の実測値データから適切な実測値データを選択する。実測値データ選択装置１０は，コンピュータが備えるＣＰＵ，メモリ等のハードウェアと，ソフトウェアプログラムとにより実現される。

図３は，本実施の形態によるトランジスタを用いた実測定により得られた実測値データの例を示す図である。

本実施の形態では，トランジスタのゲート長，ゲート幅の値の組合せごとに，トランジスタの電圧Ｄ，電圧Ｇ，電圧Ｓの値の組合せを変えながら，測定対象である電流の測定が行われたものとする。ここでは，ゲート長とゲート幅の測定条件を合わせて第一の測定条件群と呼び，電圧Ｄと電圧Ｇと電圧Ｓの測定条件を合わせて第二の測定条件群と呼ぶものとする。すなわち，本実施の形態では，第一の測定条件群に属する測定条件の値の組合せごとに，第二の測定条件群に属する測定条件の値の組合せを変えながら，測定対象の測定が行われる。

測定は，第一の測定条件群に属する測定条件の値の組合せごとに，それぞれ複数回行われる。すなわち，本実施の形態において，第一の測定条件群に属するトランジスタのゲート長，ゲート幅の値の組合せごとにそれぞれ複数回の測定が行われ，その結果として第一の測定条件群に属する測定条件の値の組合せごとに複数の実測値データが得られる。

なお，第一の測定条件群と第二の測定条件群との分類の仕方は任意である。トランジスタについては，ゲート長とゲート幅とを第一の測定条件群に属する測定条件とし，各電圧を第二の測定条件群に属する測定条件とするのが好適である。

図３において，菱形で表された点は，測定が行われたトランジスタのゲート長とゲート幅の値の組合せを示している。本実施の形態では，説明を簡単にするために，図３に示すように，３つのゲート長Ｌ₁ ，Ｌ₂ ，Ｌ₃ と，３つのゲート幅Ｗ₁ ，Ｗ₂ ，Ｗ₃ との組合せごとに，それぞれ３回ずつ実測定が行われたものとする。すなわち，本実施の形態では，図３に示すように，ゲート長Ｌ₁ ，Ｌ₂ ，Ｌ₃ とゲート幅Ｗ₁ ，Ｗ₂ ，Ｗ₃ との組合せごとに，それぞれ３つの実測値データが得られる。

なお，あるゲート長とゲート幅との組合せにおける３つの実測値データは，１つのトランジスタに対する３回の実測定によって得られた実測値データであってもよいし，同じゲート長とゲート幅を持つ３つのトランジスタに対する実測定によって得られた実測値データであってもよい。

実測値データ選択装置１０は，トランジスタのゲート長とゲート幅との組合せごとに用意された複数の実測値データから，それぞれ妥当な実測値データを選択する。

実測値データ選択装置１０は，実測値データ取得部１１，実測値データ記憶部１２，実測値データ選択処理部１３，選択実測値データ記憶部１４，実測値データ検定処理部１５，データ傾向提示処理部１６を備える（図２）。

実測値データ取得部１１は，実測定により得られた実測値データを取得し，実測値データ記憶部１２に格納する。実測値データ記憶部１２は，実測値データを記憶する記憶装置である。

本実施の形態において，実測値データ取得部１１は，図３に示すトランジスタのゲート長とゲート幅との組合せごとに，それぞれ３回の実測定により得られた３つの実測値データを取得する。

図４は，本実施の形態による実測値データのデータ構成例を示す図である。

図４に示す実測値データは，ゲート長Ｌ₂ ，ゲート幅Ｗ₂ のトランジスタを用いた実測定により得られた実測値データの例である。図４（Ａ）〜（Ｃ）は，それぞれゲート長Ｌ₂ ，ゲート幅Ｗ₂ のトランジスタを用いた１回目の実測定により得られた実測値データａ，２回目の実測定により得られた実測値データｂ，３回目の実測定により得られた実測値データｃの例を示す。

図４に示すように，実測値データが有する各レコードは，ゲート長，ゲート幅，電圧Ｄ，電圧Ｇ，電圧Ｓの各測定条件と，それらの測定条件において測定された電流の実測値とのデータを持つ。３回の測定を通して，測定条件はすべて同条件であるものとする。すなわち，図４（Ａ）〜（Ｃ）に示す各実測値データは，互いにゲート長，ゲート幅，各電圧の値の組合せが同じレコードを，それぞれ有するものとする。

実測定では，測定条件の値が同じであっても，同じ測定対象の値が得られるとは限らない。例えば，図４（Ａ）〜（Ｃ）に示す各実測値データにおいて，ゲート長がＬ₂ ，ゲート幅がＷ₂ ，電圧ＤがＶ_D1，電圧ＧがＶ_G1，電圧ＳがＶ_S1の組合せであっても，それぞれ実測定により得られる電流の実測値Ｉ_a1，Ｉ_b1，Ｉ_c1が互いに異なる可能性は十分にある。

実測値データ選択処理部１３は，第一の測定条件群に属する測定条件の値の組合せごとに複数存在する実測値データから，適切な実測値データを１つ選択する。選択実測値データ記憶部１４は，実測値データ選択処理部１３により選択された実測値データに関する情報が記憶される記憶装置である。

図５は，本実施の形態の実測値データ選択処理部による実測値データ選択のイメージを示す図である。

実測値データ選択処理部１３は，実測値データ記憶部１２に記憶された複数の実測値データに基づいて，ゲート長，ゲート電圧，各電圧の測定条件から測定対象である電流を求める近似関数を生成する。実測値データ選択処理部１３は，選択対象となる複数の実測値データについて，生成された近似関数による近似誤差を比較し，近似誤差が最小の実測値データを選択する。

図５に示すグラフにおいて，点線の曲線は，複数の実測値データから生成された近似関数による近似曲面をイメージしたものである。また，図５（Ａ）〜（Ｃ）に示すそれぞれのグラフにおいて，実線の曲線は，選択対象となっているそれぞれの実測値データａ〜ｃについて，各実測値データの各レコードにおける各測定条件の値と測定された電流の実測値との関係から得られる曲面をイメージしたものである。図５に示す例では，図５（Ｃ）に示す実測値データｃの近似誤差が最も小さく，図５（Ａ）に示す実測値データａの近似誤差が最も大きい。この場合には，実測値データ選択処理部１３により，図５（Ｃ）に示す実測値データｃが選択される。

このように，実測値データ選択処理部１３は，ゲート長，ゲート電圧，各電圧の組合せの効果を統計解析により客観的に判断し，選択対象となった複数の実測値データからの適切な実測値データの選択を自動的に行う。

図２において，実測値データ選択処理部１３は，近似関数算出部１３１，近似誤差算出部１３２，実測値データ選択部１３３を備える。

近似関数算出部１３１は，実測値データ記憶部１２に記憶された複数の実測値データに基づいて，各測定条件を説明変数とし，測定対象を目的変数とし，説明変数をもとに目的変数を近似する近似関数を算出する。トランジスタの例では，近似関数算出部１３１は，ゲート長，ゲート電圧，各電圧を説明変数とし，電流を目的変数とする。なお，説明変数は，目的変数を説明する変数のことであり，独立変数とも呼ばれる。また，目的変数は予測したい変数のことであり，従属変数とも呼ばれる。説明変数は，物事の原因としてとらえることもでき，目的変数は，物事の結果としてとらえることもできる。

本実施の形態では，近似関数算出部１３１は，選択対象以外の複数の実測値データから近似関数を生成する。例えば，図３に示す例において，ゲート長Ｌ₂ ，ゲート幅Ｗ₂ の組合せにおける実測値データが選択対象であるものとする。このとき，近似関数算出部１３１は，選択対象となっていない（Ｌ₁ ，Ｗ₁ ），（Ｌ₁ ，Ｗ₂ ），（Ｌ₁ ，Ｗ₃ ），（Ｌ₂ ，Ｗ₁ ），（Ｌ₂ ，Ｗ₃ ），（Ｌ₃ ，Ｗ₁ ），（Ｌ₃ ，Ｗ₂ ），（Ｌ₃ ，Ｗ₃ ）の（ゲート長，ゲート幅）の組合せにおける実測値データから，近似関数を生成する。

なお，近似関数算出部１３１が，選択対象の実測値データを含む複数の実測値データから近似関数を生成するようにしてもよい。選択対象の実測値データを含めて近似関数を生成すると，当然，生成された近似関数は選択対象の実測値データに近いものとなる。近似関数の客観性を考慮して，選択対象以外の複数の実測値データから近似関数を生成した方が，より信頼性の高い実測値データの選択が可能となる。

複数の測定条件の組合せと測定対象とのデータ傾向を解析する技術として，多項式関数による近似の技術がある。ただし，測定条件と測定対象とが複雑に関係する場合には，多項式関数では，十分な精度の近似ができないという問題がある。

本実施の形態では，近似関数算出部１３１は，ゲート長，ゲート電圧，各電圧の測定条件を説明変数とし，測定対象である電流の変数を目的変数としてＳＶＭ（Support vector machine）回帰分析の統計解析を行い，説明変数をもとに目的変数を近似する近似関数を算出する。

例えばデータベースマーケティングのように，顧客に対してキャンペーンを行うことを想定した場合に，顧客の属性をもとに顧客からの応答があるかないかを予測するために用いられる統計解析手法として，ＳＶＭ（Support vector machine）分析がある。ＳＶＭ分析は，例えば顧客からの応答があるかないかのように，目的変数が２値の場合に用いられる統計解析手法である。

ＳＶＭ回帰分析は，目的変数として連続変数を扱えるように，ＳＶＭ分析を拡張した統計解析手法である。ＳＶＭ回帰分析は，測定条件と測定対象との関係が非線形の場合であっても，精度よく近似することができる可能性がある統計解析手法である。

本実施の形態では，近似関数算出部１３１は，ＳＶＭ回帰分析の統計解析を用いて，選択対象以外の複数の実測値データから，例えば次の式（１）に示すような近似関数を生成する。

式（１）において，変数ｘは，１または複数の測定条件の変数を示す。Ｍは，測定条件の数である。すなわち，測定条件が複数である場合に，ｘ（１），... ，ｘ（Ｍ）は，各測定条件の変数を示している。

例えば，図４に示す実測値データの例において，測定条件はゲート長，ゲート幅，電圧Ｄ，電圧Ｇ，電圧Ｓの５つである。このとき，測定対象である電流を近似するための近似関数ｆ（ｘ）において，測定条件を示す変数は，それぞれｘ（１），ｘ（２），ｘ（３），ｘ（４），ｘ（５）となる。

また，式（１）において，ｄは，近似関数の生成に用いた実測値データの各レコードを示す。Ｎは，近似関数の生成に用いた全実測値データが有するすべてのレコードを合わせた数である。ここでは，近似関数の生成に用いた実測値データが有する各レコードを，近似対象データと呼ぶものとする。すなわち，ｄ（ｉ，ｊ）は，近似関数の生成に用いるすべての近似対象データの中でｉ番目の近似対象データにおけるｊ番目の測定条件の値となる。

例えば，図３に示す例において，選択対象がゲート長Ｌ₂ ，ゲート幅Ｗ₂ の実測値データである場合に，近似関数の生成に用いられる実測値データは，ゲート長Ｌ₂ ，ゲート幅Ｗ₂ の実測値データ以外の各実測値データである。このとき，近似関数の生成に用いられる各実測値データが有する各レコードが，算出する近似関数のもととなる近似対象データとなる。

また，式（１）において，ａは，近似関数の生成に用いられた実測値データのレコードごとに求められる係数である。係数ａは，ＳＶＭ回帰分析によって，対象のレコードのデータをもとに調整される。

図６は，ＳＶＭ回帰分析の統計解析による近似関数の算出を説明する図である。

図６には，説明を簡単にするため，４つの近似対象データから，ＳＶＭ回帰分析の統計解析によって，近似関数ｆ（ｘ）を求める例が示されている。

図６において，菱形で表された点は，近似対象データを表しており，菱形の点を中心とする実線の曲線は，近似対象データから得られた近似のもとにする関数を示している。破線の曲線は，近似対象データから得られた近似のもとにする関数に基づいて，ＳＶＭ回帰分析の統計解析により算出された近似関数ｆ（ｘ）を表している。

ＳＶＭ回帰分析では，上記の式（１）において，各近似対象データから得られた近似のもとにする関数に対する係数ａを調整し，近似関数ｆ（ｘ）を生成する。ＳＶＭ回帰分析では，近似に効果的な近似対象データが選択され，近似関数ｆ（ｘ）の生成に使用される。

なお，ＳＶＭ回帰分析に関する詳細は，例えば参考文献１などに記載されている。

〔参考文献１〕
Nello Cristianini 著／John Shawe-Taylor 著／大北 剛訳：「サポートベクターマシン入門」，２００５年，共立出版
ＳＶＭ回帰分析の統計解析を用いることにより，精度が高い近似関数の生成が可能となる。

図２において，近似誤差算出部１３２は，選択対象である各実測値データのそれぞれについて，実測値データが有する測定対象の実測値と，算出された近似関数により得られる測定対象の近似値とから，選択対象である実測値データの近似関数に対する近似誤差を算出する。

具体的には，近似誤差算出部１３２は，選択対象である実測値データが有するレコードごとに，各測定条件を近似関数ｆ（ｘ）の各変数に代入して，測定対象の近似値を求める。

近似誤差算出部１３２は，選択対象である実測値データが有するレコードごとに，そのレコードが有する測定対象の実測値と，そのレコードにおける各測定条件を近似関数に代入することにより得られた近似値との差分を求める。

近似誤差算出部１３２は，選択対象である実測値データが有するレコードごとの実測値と近似値との差分について，例えば二乗平均を算出することにより，その実測値データの近似関数に対する近似誤差を算出する。ここで算出された実測値データの近似誤差は，その実測値データが近似関数に対してどのくらい近いかを表している。なお，実測値データの近似誤差の算出については，二乗平均に限らず，様々な計算手法を用いることができる。

近似誤差算出部１３２は，このような近似関数に対する実測値データの近似誤差の計算を，選択対象である複数の実測値データのそれぞれについて行う。

図７は，実測値データが有するレコードごとの測定対象の実測値と測定対象の近似値との対応の例を説明する図である。

図７に示す例は，図４（Ａ）に示すゲート長Ｌ₂ ，ゲート幅Ｗ₂ における実測値データａについて，測定対象である電流の近似値が，レコードごとに求められた例である。

例えば，実測値データａの１番目のレコードについて，近似誤差算出部１３２は，式（１）に示す近似関数ｆ（ｘ）から，測定対象である電流の近似値を求める。具体的には，近似誤差算出部１３２は，近似関数ｆ（ｘ）における各変数ｘ（１），ｘ（２），ｘ（３），ｘ（４），ｘ（５）に，レコードが有する測定条件の値Ｌ₂ ，Ｗ₂ ，Ｖ_D1，Ｖ_G1，Ｖ_S1を代入し，電流の近似値Ｉ_a1’を得る。近似誤差算出部１３２は，実測値データａの２番目のレコード以降についても同様に各測定条件を近似関数に代入した計算を行い，レコードごとに電流の近似値Ｉ_a2’，Ｉ_a3’，... ，Ｉ_an’を求める。なお，ここでは実測値データａがｎ個のレコードを有しているものとする。

近似誤差算出部１３２は，実測値データａのレコードごとの電流の実測値と近似値との差分の二乗平均（（Ｉ_a1−Ｉ_a1’）² ＋... ＋（Ｉ_an−Ｉ_an’）² ）／ｎを算出する。近似誤差算出部１３２は，算出された実測値データａのレコードごとの電流の実測値と近似値との差分の二乗平均を，近似関数に対する実測値データａの近似誤差とする。

図２において，実測値データ選択部１３３は，選択対象となっている各実測値データの近似誤差を比較し，近似誤差の値が最小の実測値データを，該当する第一の測定条件群に属する測定条件の値の組合せにおける実測値データとして選択する。

例えば，図４に示すゲート長Ｌ₂ ，ゲート幅Ｗ₂ の組合せにおける実測値データが選択対象である場合に，実測値データ選択部１３３は３つの実測値データａ〜ｃについて求められた近似誤差を比較し，実測値データａの近似誤差が最小であるものとする。このとき，実測値データ選択部１３３は，ゲート長Ｌ₂ ，ゲート幅Ｗ₂ の組合せにおける妥当な実測値データとして，実測値データａを選択する。

選択された実測値データは，選択実測値データ記憶部１４に格納される。選択実測値データ記憶部１４は，実測値データ選択処理部１３により選択された実測値データに関する情報を記憶する記憶装置である。なお，ここでは，後の実測値データ検定処理部１５による処理を考慮し，選択された実測値データの近似誤差も選択実測値データ記憶部１４に格納されるものとする。

なお，選択された実測値データを表示装置（図示省略）に表示するなどにより，実測値データの選択結果を，利用者に提示するようにしてもよい。また，選択された実測値データを，実測値データを使用して処理を行うシミュレータなどに対して，自動出力するようにしてもよい。

図８は，本実施の形態の実測値データ選択処理部による実測値データ選択処理フローチャートである。

実測値データ選択装置１０において，実測値データ選択処理部１３は，第一の測定条件群に属する測定条件の値の組合せを，実測値データの選択対象として１つ決定する（ステップＳ１０）。決定された第一の測定条件群に属する測定条件の値の組合せにおける複数の実測値データが，選択対象の実測値データとなる。

近似関数算出部１３１は，選択対象となっていない実測値データに基づいて，第一の測定条件群および第二の測定条件群に属する測定条件を説明変数とし，測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する（ステップＳ１１）。ここでは，近似関数算出部１３１は，ＳＶＭ回帰分析の統計解析によって，近似関数を算出する。

近似誤差算出部１３２は，選択対象とされた複数の実測値データから，選択対象の実測値データを１つ決定する（ステップＳ１２）。

近似誤差算出部１３２は，算出された近似関数を用いて，決定された選択対象の実測値データが有するレコードごとに，測定対象の近似値を算出する（ステップＳ１３）。すなわち，近似誤差算出部１３２は，選択対象の実測値データが有するレコードごとに，各測定条件の値を近似関数に代入して測定対象の近似値を得る。

近似誤差算出部１３２は，選択対象の実測値データが有するレコードごとの測定対象の実測値と近似値とから，その選択対象の実測値データの近似関数に対する近似誤差を算出する（ステップＳ１４）。例えば，近似誤差算出部１３２は，選択対象の実測値データが有するレコードごとの測定対象の実測値と近似値との差分の二乗平均を算出し，その選択対象の実測値データの近似関数に対する近似誤差とする。

近似誤差算出部１３２は，選択対象とされたすべての実測値データについて，近似誤差を算出したかを判定する（ステップＳ１５）。

選択対象とされたすべての実測値データについて近似誤差を算出していなければ（ステップＳ１５のＮＯ），近似誤差算出部１３２は，ステップＳ１２に戻り，近似誤差が算出されていない選択対象の実測値データの近似誤差の算出を行う。

選択対象とされたすべての実測値データについて近似誤差を算出していれば（ステップＳ１５のＹＥＳ），実測値データ選択部１３３は，選択対象とされた複数の実測値データの中から，最も近似誤差が小さい実測値データを，妥当な実測値データとして選択する（ステップＳ１６）。ここで選択された実測値データが，ステップＳ１０で決定された第一の測定条件群に属する測定条件の値の組合せにおける選択実測値データとなる。

実測値データ選択処理部１３は，すべての第一の測定条件群に属する測定条件の値の組合せについて，実測値データの選択を行ったかを判定する（ステップＳ１７）。

すべての第一の測定条件群に属する測定条件の値の組合せについて実測値データの選択を行っていなければ（ステップＳ１７のＮＯ），実測値データ選択処理部１３は，ステップＳ１０に戻り，実測値データの選択が行われていない測定条件の値の組合せについて，妥当な実測値データの選択を行う。

すべての第一の測定条件群に属する測定条件の値の組合せについて実測値データの選択を行っていれば（ステップＳ１７のＹＥＳ），実測値データ選択処理部１３は，処理を終了する。実測値データ選択処理部１３は，第一の測定条件群に属する測定条件の値の組合せごとの実測値データの選択結果を出力する。

このように，本実施の形態の実測値データ選択処理部１３により，選択対象の実測値データが複数の測定条件が測定対象に関係するような実測値データであっても，客観的かつ自動的に，適切な実測値データを選択することが可能となる。例えば，トランジスタのゲート長，ゲート幅，各電圧の複数の測定条件と，測定対象の電流との関係が測定された実測値データの選択も，技術者のスキルに依存せずに，客観的かつ自動的に行うことができる。

また，統計解析を用いた客観的な手法で実測値データの選択を自動化するため，熟練技術者の作業工数を削減することが可能となり，技術者の人的コストを削減することが可能となる。

また，技術者のスキルに依存しないので，実測値データの選択結果について，統計解析に基づいた客観的な説明ができる。

図２において，実測値データ検定処理部１５は，実測値データ選択処理部１３によって選択された各実測値データの信頼性を検定する。

実測値データ選択処理部１３によって，選択対象である複数の実測値データから，最も妥当な実測値データが選択されるが，例えば選択対象である複数の実測値データの信頼性がすべて低いような場合には，最も妥当とされた実測値データの信頼性も低いものとなってしまう。

実測値データ検定処理部１５は，実測値データ選択処理部１３によって選択された各実測値データの近似誤差に対する統計解析により，選択された各実測値データの信頼性を検定する。

実測値データ検定処理部１５は，確率密度関数算出部１５１，実測値データ検定部１５２を備える。

確率密度関数算出部１５１は，選択実測値データ記憶部１４に記憶された，第一の測定条件群に属する測定条件の値の組合せごとに選択された各実測値データの近似誤差の分布について，確率密度関数を算出する。

本実施の形態では，確率密度関数算出部１５１は，検定対象以外の選択された実測値データの近似誤差に基づいて，確率密度関数を生成する。例えば，図３に示す例において，ゲート長Ｌ₂ ，ゲート幅Ｗ₂ の組合せにおいて選択された実測値データが検定対象であるものとする。このとき，確率密度関数算出部１５１は，検定対象となっていない（Ｌ₁ ，Ｗ₁ ），（Ｌ₁ ，Ｗ₂ ），（Ｌ₁ ，Ｗ₃ ），（Ｌ₂ ，Ｗ₁ ），（Ｌ₂ ，Ｗ₃ ），（Ｌ₃ ，Ｗ₁ ），（Ｌ₃ ，Ｗ₂ ），（Ｌ₃ ，Ｗ₃ ）の（ゲート長，ゲート幅）の組合せにおいて選択された実測値データの近似誤差から，確率密度関数を生成する。

なお，確率密度関数算出部１５１が，検定対象の実測値データの近似誤差を含む複数の実測値データの近似誤差に基づいて，確率密度関数を生成するようにしてもよい。近似関数算出部１３１による近似関数の生成の場合と同様に，確率密度関数の客観性を考慮して，検定対象以外の複数の実測値データの近似誤差から確率密度関数を生成した方が，より信頼性の高い実測値データの検定が可能となる。

実測値データ検定部１５２は，確率密度関数により，近似誤差が検定対象である実測値データの近似誤差以上となる確率を算出し，算出された確率が所定の閾値以上である場合に，その検定対象である実測値データが信頼できると判定する。また，逆に，実測値データ検定部１５２は，確率密度関数により，近似誤差が検定対象である実測値データの近似誤差以上となる確率を算出し，算出された確率が所定の閾値以下である場合に，その検定対象である実測値データの信頼性が低いと判定する。

実測値データ検定処理部１５は，例えば，信頼性が低いと判定された実測値データを表示装置（図示省略）に表示するなどにより，利用者に対して警告する。

図９は，本実施の形態による実測値データの検定を説明する図である。

図９において，棒グラフは，第一の測定条件群に属する測定条件の値の組合せごとに選択された各実測値データの近似誤差のヒストグラムをイメージしたものである。

確率密度関数算出部１５１は，近似誤差のヒストグラムを正規化した確率密度関数を生成する。図９において，太実線は，近似誤差のヒストグラムを正規化した確率密度関数をイメージしたものである。確率密度関数は，例えばカーネル密度推定の統計解析により，求められる。カーネル密度推定の統計解析により確率密度関数が求められた場合には，図９に示す確率密度関数のイメージよりも滑らかに，ヒストグラムが近似される。カーネル密度推定については，後述する。

実測値データ検定部１５２は，確率密度関数により，近似誤差が選択された実測値データの近似誤差以上となる確率を求める。図９において，例えば，ある第一の測定条件群に属する測定条件の値の組合せにおいて選択された実測値データを検定対象とし，その検定対象の実測値データの近似誤差がδであるものとする。このとき，近似誤差が検定対象の実測値データの近似誤差以上となる確率は，図９の斜線部分の面積で表される。

実測値データ検定部１５２は，近似誤差が検定対象の実測値データの近似誤差以上となる確率が所定の閾値以下である場合に，その検定対象の実測値データの信頼性が低いと判定する。また，逆に，実測値データ検定部１５２は，近似誤差が検定対象の実測値データの近似誤差以上となる確率が所定の閾値以上である場合に，その検定対象の実測値データが十分に信頼できると判定する。検定対象の実測値データの信頼性判定の基準となる所定の閾値は，例えばあらかじめ妥当と考えられる基準値が技術者により設定される。

近似誤差が検定対象の実測値データの近似誤差以上となる確率が低いということは，他の選択された実測値データの近似誤差と比べて，検定対象の実測値データの近似誤差が非常に大きいことを意味する。

なお，実測値データ検定部１５２が，確率密度関数により，近似誤差が検定対象となる実測値データの近似誤差以下となる確率を求め，その確率が所定の閾値以下である場合に，その検定対象の実測値データが十分に信頼できると判定するようにしてもよい。また，逆に，実測値データ検定部１５２が，確率密度関数により，近似誤差が検定対象となる実測値データの近似誤差以下となる確率を求め，その確率が所定の閾値以上である場合に，その検定対象の実測値データの信頼性が低いと判定するようにしてもよい。これらの判定は，上記の判定と同義である。

ここで，正規化した近似誤差のヒストグラムを近似する確率密度関数を算出する統計解析手法の例として，カーネル密度推定について説明する。

測定されたデータの分布が従う確率分布に基づいて検定を行う処理は，従来から行われている。しかし，検定の対象として，近似誤差が想定されることはなかった。これは，近似誤差が従う確率分布が明らかでないので，通常の確率分布に基づく検定をそのまま適用することができないという問題があるためである。

確率分布が明らかでないものについて，その確率分布を推定する統計解析手法として，カーネル密度推定が考えられる。

本実施の形態では，確率密度関数算出部１５１は，カーネル密度推定の統計解析を用いて，検定対象以外の複数の選択された実測値データの近似誤差から，例えば次の式（２）に示すような確率密度関数を生成する。

式（２）において，変数ｘは，近似誤差の変数を示す。また，式（２）において，ｄは，確率密度関数の生成に用いた実測値データの近似誤差を示す。Ｎは，確率密度関数の生成に用いた全実測値データの近似誤差の数である。ここでは，確率密度関数の生成に用いた全実測値データの近似誤差を，対象データと呼ぶものとする。

例えば，図３に示す例において，検定対象がゲート長Ｌ₂ ，ゲート幅Ｗ₂ において選択された実測値データである場合に，確率密度関数の生成に用いる実測値データの近似誤差は，ゲート長Ｌ₂ ，ゲート幅Ｗ₂ 以外のゲート長，ゲート幅の組合せにおいて選択された各実測値データの近似誤差である。このとき，確率密度関数の生成に用いる各実測値データの近似誤差が，確率密度関数の推定のもととなる対象データとなる。

また，式（２）において，ｈは，バンド幅と呼ばれる平滑化パラメータである。ｈは，対象データのヒストグラムが適切に近似されるように，例えば技術者によって調整される。

図１０は，カーネル密度推定の統計解析による確率密度関数の算出を説明する図である。

図１０において，菱形で表された点は，対象データを表しており，菱形の点を中心とする実線の曲線は，対象データから得られた推定のもとにする関数を示している。破線の曲線は，複数の対象データから得られた推定のもとにする関数に基づいて，カーネル密度推定の統計解析により算出された確率密度関数，すなわち正規化したヒストグラムｇ（ｘ）を表している。

なお，カーネル密度推定に関する詳細は，例えば参考文献２などに記載されている。

〔参考文献２〕
Ｃ．Ｍ．ビショップ著：「パターン認識と機械学習 上」，２００７年，シュプリンガー・ジャパン
カーネル密度推定の統計解析を用いることにより，近似誤差のヒストグラムを滑らかに近似した精度が高い確率密度関数の生成が可能となる。

図１１は，本実施の形態の実測値データ検定処理部による実測値データ検定処理フローチャートである。

実測値データ選択装置１０において，実測値データ検定処理部１５は，第一の測定条件群に属する測定条件の値の組合せを，選択された実測値データの検定対象として１つ決定する（ステップＳ２０）。決定された第一の測定条件群に属する測定条件の値の組合せにおける選択された実測値データが，検定対象の実測値データとなる。

確率密度関数算出部１５１は，検定対象となっていない選択された実測値データの近似誤差に基づいて，近似誤差分布についての確率密度関数を算出する（ステップＳ２１）。ここでは，確率密度関数算出部１５１は，カーネル密度推定の統計解析によって，確率密度関数を算出する。

実測値データ検定部１５２は，算出された確率密度関数を用いて，近似誤差が検定対象の実測値データの近似誤差以上となる確率を算出する（ステップＳ２２）。

実測値データ検定部１５２は，算出された確率が所定の閾値以上であるかを判定する（ステップＳ２３）。算出された確率が所定の閾値以上であれば（ステップＳ２３のＹＥＳ），実測値データ検定部１５２は，検定対象の実測値データが信頼できると判定する（ステップＳ２４）。算出された確率が所定の閾値以上でなければ（ステップＳ２３のＮＯ），実測値データ検定部１５２は，検定対象の実測値データが信頼できないと判定する（ステップＳ２５）。

実測値データ検定処理部１５は，すべての第一の測定条件群に属する測定条件の値の組合せについて，選択された実測値データの検定を行ったかを判定する（ステップＳ２６）。

すべての第一の測定条件群に属する測定条件の値の組合せについて選択された実測値データの検定を行っていなければ（ステップＳ２６のＮＯ），実測値データ検定処理部１５は，ステップＳ２０に戻り，選択された実測値データの検定が行われていない測定条件の値の組合せについて，選択された実測値データの検定を行う。

すべての第一の測定条件群に属する測定条件の値の組合せについて選択された実測値データの検定を行っていれば（ステップＳ２６のＹＥＳ），実測値データ検定処理部１５は，処理を終了する。実測値データ検定処理部１５は，第一の測定条件群に属する測定条件の値の組合せごとに選択された実測値データの検定結果を出力する。

このように，本実施の形態の実測値データ検定処理部１５により，実測値データ選択処理部１３によって選択された実測値データから，さらに信頼できる実測値データの選択を，客観的にかつ自動的に行うことができる。検定結果によっては信頼性が低い実測値データを破棄すると判断することも可能となり，より精度が高い実測値データの選択が可能となる。

図２において，データ傾向提示処理部１６は，実測値データ選択処理部１３によって選択された各実測値データについて，データの統計解析を行い，選択された実測値データについての統計的データ傾向を利用者に提示する。

データ傾向提示処理部１６は，回帰木分析統計解析部１６１，統計的データ傾向提示部１６２を備える。

データ傾向提示処理部１６は，例えば，回帰木分析統計解析部１６１による回帰木分析の統計解析により，選択された各実測値データのデータ傾向を解析する。

統計的データ傾向提示部１６２は，選択された各実測値データのデータ傾向を，利用者に分かり易い形式で提示する。

図１２，図１３は，回帰木分析の統計解析によるデータ傾向の解析を説明する図である。

図１２，図１３において，丸，四角，菱形で表された各点は，ある関数の入力パラメータの値に対する出力の評価指標を表している。丸は出力の評価指標が低く，四角は出力の評価指標が中程度であり，菱形は出力の評価指標が高いものとする。

回帰木分析では，入力パラメータの領域をしきい値で分割していくことにより，出力の傾向を解析していく。

最初に，図１２（Ａ）に示す例において，入力パラメータＸ，入力パラメータＹのそれぞれについて，出力の分類が最も良いしきい値を探索する。ここでは，入力パラメータＸの値で出力を最も良く分類するしきい値として，ｘ₁ が得られたものとする。また，入力パラメータＹの値で出力を最も良く分類するしきい値として，ｙ₁ が得られたものとする。

図１２（Ａ）に示すように，入力パラメータＸをしきい値ｘ₁ で分割すると，Ｘ＜ｘ₁ の領域では，出力の評価指標がすべて低く，Ｘ≧ｘ₁ の領域では，出力の評価指標が中程度のものと高いものとが混在する。また，入力パラメータＹをしきい値ｙ₁ で分割すると，Ｙ＜ｙ₁ の領域では，出力の評価指標が低いものと中程度のものとが混在し，Ｙ≧ｙ₁ の領域では，出力の評価指標が低いものと高いものとが混在する。

図１２（Ａ）に示すように，入力パラメータＹをしきい値ｙ₁ で分割する場合と比べて，入力パラメータＸをしきい値ｘ₁ で分割する方が，より効果的に出力を分類していることがわかる。図１２（Ｂ）に示すように，入力パラメータＸをしきい値ｘ₁ で分割することを決定する。この時点で，Ｘ＜ｘ₁ の領域では出力の評価指標がすべて低くなっているが，Ｘ≧ｘ₁ の領域では，まだ，出力の評価指標が混在している。

次に，図１２（Ｂ）に示す例において，Ｘ≧ｘ₁ の領域について，さらに出力の分類が最も良いしきい値を探索する。ここでは，入力パラメータＸの値で出力を最も良く分類するしきい値として，ｘ₂ が得られたものとする。また，入力パラメータＹの値で出力を最も良く分類するしきい値として，ｙ₁ が得られたものとする。

図１２（Ｂ）に示すように，入力パラメータＸをしきい値ｘ₂ で分割すると，Ｘ＜ｘ₂ の領域では，出力の評価指標がすべて高く，Ｘ≧ｘ₂ の領域では，出力の評価指標が中程度のものと高いものとが混在する。また，入力パラメータＹをしきい値ｙ₁ で分割すると，Ｙ＜ｙ₁ の領域では，出力の評価指標がすべて中程度であり，Ｙ≧ｙ₁ の領域では，出力の評価指標がすべて高い。

図１２（Ｂ）に示すように，入力パラメータＸをしきい値ｘ₂ で分割する場合と比べて，入力パラメータＹをしきい値ｙ₁ で分割する方が，より効果的に出力を分類していることがわかる。図１３（Ａ）に示すように，入力パラメータＹをしきい値ｙ₁ で分割することを決定する。図１３（Ａ）に示すように，これ以上は効率的な出力の分類ができないので，分析は終了となる。

このとき，回帰木は，例えば図１３（Ｂ）のようになる。回帰木は，回帰木分析の結果を木構造で表したものである。図１３（Ｂ）示す回帰木において，Ｔは，それぞれ分割された領域における出力の代表値を示している。出力の代表値は，例えば，領域内の出力の平均値や，中間値などである。

なお，回帰木分析に関する詳細は，例えば参考文献３などに記載されている。

〔参考文献３〕
大滝 厚著／堀江 宥治著／ダン・スタインバーグ著：「応用２ 進木解析法」，１９９８年，日科技連出版社
このように，回帰木分析の統計解析により，入力パラメータの値の範囲に対する出力の傾向が明らかになる。

以下，フローチャートを用いて，データ傾向提示処理部１６による，選択された実測値データについての統計的データ傾向の提示の例を，いくつか説明する。

図１４は，本実施の形態のデータ傾向提示処理部によるデータ傾向提示処理フローチャート（１）である。

図１４に示すデータ傾向提示処理の例では，第一の測定条件群に属する測定条件の値の範囲ごとの選択された実測値データの近似誤差の傾向を，利用者に提示する。

実測値データ選択装置１０において，データ傾向提示処理部１６は，第一の測定条件群に属する測定条件の値の組合せと，その測定条件の値の組合せにおいて選択された実測値データの近似誤差との対応データを生成する（ステップＳ３０）。データ傾向提示処理部１６は，選択実測値データ記憶部１４に記憶された第一の測定条件群に属する測定条件の値の組合せごとの選択された実測値データと近似誤差とから，対応データを生成する。

図１５は，本実施の形態による第一の測定条件群に属する測定条件の値の組合せと近似誤差との対応データの例を示す図である。

図１５に示す例は，図３に示す例における，ゲート長，ゲート幅の組合せと，そのゲート長，ゲート幅の組合せにおいて選択された実測値データの近似誤差との対応データの例である。近似誤差は，実測値データ選択処理部１３による実測値データ選択処理時に算出された近似誤差である。

回帰木分析統計解析部１６１は，生成された対応データに基づいて，第一の測定条件群に属する測定条件を説明変数とし，近似誤差を目的変数として，回帰木分析の統計解析を行う（ステップＳ３１）。

図１６は，本実施の形態による回帰木分析の統計解析の例を示す図である。

図１６に示す例は，図１５に示す対応データについて，回帰木分析の統計解析を行った例である。

回帰木分析統計解析部１６１は，例えば，図１５に示す対応データについて，ゲート長（Ｌ）とゲート幅（Ｗ）を入力パラメータとし，近似誤差を出力として，回帰木分析の統計解析を行う。

図１６に示すように，ゲート長のパラメータＬの値で実測値データの近似誤差を最も良く分類するしきい値として，ｌ₁ が得られたものとする。また，ゲート幅のパラメータＷの値で実測値データの近似誤差を最も良く分類するしきい値として，ｗ₁ が得られたものとする。

回帰木分析統計解析部１６１は，ゲート長（Ｌ）のしきい値ｌ₁ ，ゲート幅（Ｗ）のしきい値ｗ₁ で分割された領域ごとに，出力である実測値データの近似誤差の代表値，ここでは平均値を求める。

これにより，ゲート長（Ｌ）とゲート幅（Ｗ）のそれぞれの値の範囲と，近似誤差の代表値との関係を示す回帰木が得られる。

統計的データ傾向提示部１６２は，回帰木分析の統計解析により得られた，第一の測定条件群に属する測定条件の値の範囲と，近似誤差の代表値との関係を，表示装置（図示省略）に表示するなどにより，利用者に対して提示する（ステップＳ３２）。

図１７は，本実施の形態による第一の測定条件群に属する測定条件の値の範囲と近似誤差の代表値との関係を示す情報の例を示す図である。

図１７に示す例は，図１６に示す回帰木分析の統計解析によって得られた，ゲート長（Ｌ）とゲート幅（Ｗ）のそれぞれの値の範囲と，実測値データの近似誤差の代表値との関係を示す情報の例である。

統計的データ傾向提示部１６２は，図１７に示すゲート長（Ｌ）とゲート幅（Ｗ）のそれぞれの値の範囲と，実測値データの近似誤差の代表値との関係を，例えばディスプレイに表示するなどによって，利用者に提示する。

このように，図１４に示すデータ傾向提示処理により，各測定条件の値の範囲に応じた実測値データの近似状況を，利用者に分かり易く提示できるようになる。

図１８は，本実施の形態のデータ傾向提示処理部によるデータ傾向提示処理フローチャート（２）である。

図１８に示すデータ傾向提示処理の例では，第一の測定条件群および第二の測定条件群に属する測定条件の値の範囲ごとの，選択された実測値データにおける測定対象の実測値と近似関数から得られる近似値との差分の傾向を，利用者に提示する。

実測値データ選択装置１０において，データ傾向提示処理部１６は，第一の測定条件群に属する測定条件の値の組合せを１つ決定する（ステップＳ４０）。決定された第一の測定条件群に属する測定条件の値の組合せにおいて，実測値データ選択処理部１３により選択された実測値データが，処理対象の実測値データとなる。

データ傾向提示処理部１６は，処理対象となっていない実測値データに基づいて，第一の測定条件群および第二の測定条件群に属する測定条件を説明変数とし，測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する（ステップＳ４１）。ここでは，データ傾向提示処理部１６は，ＳＶＭ回帰分析の統計解析によって，近似関数を算出する。

データ傾向提示処理部１６は，算出された近似関数を用いて，処理対象の実測値データが有するレコードごとに，測定対象の近似値を算出する（ステップＳ４２）。すなわち，データ傾向提示処理部１６は，処理対象の実測値データが有するレコードごとに，各測定条件の値を近似関数に代入して測定対象の近似値を得る。

データ傾向提示処理部１６は，処理対象の実測値データが有するレコードごとに，測定対象の実測値と算出された測定対象の近似値との差を算出する（ステップＳ４３）。

データ傾向提示処理部１６は，第一の測定条件群および第二の測定条件群に属する測定条件の値の組合せと，それらの測定条件の値の組合せにおいて算出された測定対象の実測値と近似値の差との対応データを追加生成する（ステップＳ４４）。データ傾向提示処理部１６は，第一の測定条件群に属する測定条件の値の組合せごとに選択された実測値データに対して順に処理を行うことにより，測定条件の値の組合せと測定対象の実測値と近似値の差との対応を追加していき，対応データを生成する。

データ傾向提示処理部１６は，すべての第一の測定条件群に属する測定条件の値の組合せについて，処理を行ったかを判定する（ステップＳ４５）。

すべての第一の測定条件群に属する測定条件の値の組合せについて処理を行っていなければ（ステップＳ４５のＮＯ），データ傾向提示処理部１６は，ステップＳ４０に戻り，処理が行われていない測定条件の値の組合せについて，ステップＳ４１〜ステップＳ４４に示す処理を行う。

図１９は，本実施の形態による第一の測定条件群および第二の測定条件群に属する測定条件の値の組合せと，測定対象の実測値と近似値の差との対応データの例を示す図である。

図１９に示す例は，図３に示す例においてゲート長，ゲート幅の組合せごとに選択された実測値データにおける，ゲート長，ゲート幅，各電圧の値の組合せと，電流の実測値と近似値の差との対応データの例である。

図１９において，電流の実測値と近似値の差は，処理対象の実測値データにおける該当各測定条件の値に応じた実測値と，該当各測定条件の値を近似関数に代入して得られた近似値との差分値である。

図１８において，すべての第一の測定条件群に属する測定条件の値の組合せについて処理を行っていれば（ステップＳ４５のＹＥＳ），回帰木分析統計解析部１６１は，生成された対応データに基づいて，第一の測定条件群および第二の測定条件群に属する測定条件を説明変数とし，測定対象の実測値と近似値の差を目的変数として，回帰木分析の統計解析を行う（ステップＳ４６）。

回帰木分析統計解析部１６１は，例えば，図１９に示す対応データについて，ゲート長（Ｌ），ゲート幅（Ｗ），電圧Ｄ（Ｖ_D ），電圧Ｇ（Ｖ_G ），電圧Ｓ（Ｖ_S ）を入力パラメータとし，電流の実測値と近似値の差を出力として，回帰木分析の統計解析を行う。

これにより，ゲート長（Ｌ），ゲート幅（Ｗ），電圧Ｄ（Ｖ_D ），電圧Ｇ（Ｖ_G ），電圧Ｓ（Ｖ_S ）のそれぞれの値の範囲と，電流の実測値と近似値の差の代表値との関係を示す回帰木が得られる。なお，電流の実測値と近似値の差の代表値は，分割された領域ごとの電流の実測値と近似値の差の平均値であるものとする。

統計的データ傾向提示部１６２は，回帰木分析の統計解析により得られた，第一の測定条件群および第二の測定条件群に属する測定条件の値の範囲と，測定対象の実測値と近似値の差の代表値との関係を，表示装置（図示省略）に表示するなどにより，利用者に対して提示する（ステップＳ４７）。

図２０は，本実施の形態による各測定条件の値の範囲と測定対象の実測値と近似値の差の代表値との関係を示す情報の例を示す図である。

図２０に示す例は，図１９に示す対応データに対する回帰木分析の統計解析によって得られた，ゲート長（Ｌ），ゲート幅（Ｗ），電圧Ｄ（Ｖ_D ），電圧Ｇ（Ｖ_G ），電圧Ｓ（Ｖ_S ）のそれぞれの値の範囲と，電流の実測値と近似値の差の代表値との関係を示す情報の例である。

図２０において，ｌ₂ ，ｗ₂ ，ｖｄ₁ ，ｖｇ₁ ，ｖｓ₁ は，それぞれゲート長（Ｌ），ゲート幅（Ｗ），電圧Ｄ（Ｖ_D ），電圧Ｇ（Ｖ_G ），電圧Ｓ（Ｖ_S ）のパラメータにおけるしきい値を表している。

統計的データ傾向提示部１６２は，図２０に示すゲート長（Ｌ），ゲート幅（Ｗ），電圧Ｄ（Ｖ_D ），電圧Ｇ（Ｖ_G ），電圧Ｓ（Ｖ_S ）のそれぞれの値の範囲と，電流の実測値と近似値の差の代表値との関係を，例えばディスプレイに表示するなどによって，利用者に提示する。

このように，図１８に示すデータ傾向提示処理により，各測定条件の値の範囲に応じた実測値と近似値の差の状況を，利用者に分かり易く提示できるようになる。

図２１は，本実施の形態のデータ傾向提示処理部によるデータ傾向提示処理フローチャート（３）である。

図２１に示すデータ傾向提示処理の例では，実測値データ選択処理部１３により選択された実測値データが有する測定対象の実測値と，近似関数により算出される測定対象の近似値との関係を，利用者に提示する。

実測値データ選択装置１０において，データ傾向提示処理部１６は，第一の測定条件群に属する測定条件の値の組合せを１つ決定する（ステップＳ５０）。決定された第一の測定条件群に属する測定条件の値の組合せにおいて，実測値データ選択処理部１３により選択された実測値データが，処理対象の実測値データとなる。

データ傾向提示処理部１６は，処理対象となっていない実測値データに基づいて，第一の測定条件群および第二の測定条件群に属する測定条件を説明変数とし，測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する（ステップＳ５１）。ここでは，データ傾向提示処理部１６は，ＳＶＭ回帰分析の統計解析によって，近似関数を算出する。

データ傾向提示処理部１６は，算出された近似関数を用いて，処理対象の実測値データが有するレコードごとに，測定対象の近似値を算出する（ステップＳ５２）。すなわち，データ傾向提示処理部１６は，処理対象の実測値データが有するレコードごとに，各測定条件の値を近似関数に代入して測定対象の近似値を得る。

データ傾向提示処理部１６は，第一の測定条件群および第二の測定条件群に属する測定条件の値の組合せごとの，測定対象の実測値と測定対象の近似値との対応データを追加生成する（ステップＳ５３）。データ傾向提示処理部１６は，第一の測定条件群に属する測定条件の値の組合せごとに選択された実測値データに対して順に処理を行うことにより，各測定条件の値の組合せごとの，測定対象の実測値と測定対象の近似値との対応を追加していき，対応データを生成する。

データ傾向提示処理部１６は，すべての第一の測定条件群に属する測定条件の値の組合せについて，処理を行ったかを判定する（ステップＳ５４）。

すべての第一の測定条件群に属する測定条件の値の組合せについて処理を行っていなければ（ステップＳ５４のＮＯ），データ傾向提示処理部１６は，ステップＳ５０に戻り，処理が行われていない測定条件の値の組合せについて，ステップＳ５１〜ステップＳ５３に示す処理を行う。

図２２は，本実施の形態による各測定条件の値の組合せごとの，測定対象の実測値と測定対象の近似値との対応データの例を示す図である。

図２２に示す例は，図３に示す例においてゲート長，ゲート幅の組合せごとに選択された実測値データにおける，ゲート長，ゲート幅，各電圧の値の組合せごとの，電流の実測値と近似値との対応データの例である。

図２２において，電流の測定値は，処理対象の実測値データにおける該当各測定条件の値に応じた実測値であり，電流の近似値は，該当各測定条件の値を近似関数に代入して得られた近似値である。

図２１において，すべての第一の測定条件群に属する測定条件の値の組合せについて処理を行っていれば（ステップＳ５４のＹＥＳ），統計的データ傾向提示部１６２は，第一の測定条件群に属する測定条件の値の組合せを１つ決定する（ステップＳ５５）。決定された第一の測定条件群に属する測定条件の値の組合せにおいて，実測値データ選択処理部１３により選択された実測値データが，処理対象の実測値データとなる。

統計的データ傾向提示部１６２は，対応データに基づいて，測定対象の実測値と測定対象の近似値との対応関係を示す散布図を，表示装置（図示省略）に表示するなどにより，利用者に対して提示する（ステップＳ５６）。例えば，統計的データ傾向提示部１６２は，横軸に電流の実測値を，縦軸に電流の近似値を設定したグラフを生成する。統計的データ傾向提示部１６２は，生成されたグラフに対して処理対象の実測値データにおける対応データについては丸の点を，処理対象以外の実測値データにおける対応データについては菱形の点をプロットした散布図を，利用者に提示する。

統計的データ傾向提示部１６２は，すべての第一の測定条件群に属する測定条件の値の組合せについて，処理を行ったかを判定する（ステップＳ５７）。

すべての第一の測定条件群に属する測定条件の値の組合せについて処理を行っていなければ（ステップＳ５７のＮＯ），統計的データ傾向提示部１６２は，ステップＳ５５に戻り，処理が行われていない測定条件の値の組合せについて，利用者へのデータ提示の処理を行う。

すべての第一の測定条件群に属する測定条件の値の組合せについて処理を行っていれば（ステップＳ５７のＹＥＳ），データ傾向提示処理部１６は，データ傾向提示処理を終了する。

なお，図２１に示す処理の例では，第一の測定条件群に属する測定条件の値の組合せごとに，処理対象の実測値データにおける対応データと，処理対象以外の実測値データにおける対応データのプロット点を変えて生成した散布図の提示が行われている。

実測値データ選択処理部１３により選択された各実測値データにおける対応データのプロット点を，実測値データ検定処理部１５による検定結果に応じて変えた散布図を，利用者に提示するようにしてもよい。

図２３は，本実施の形態による測定対象の実測値と近似値との対応をプロットした散布図の例を示す図である。

図２３に示す散布図の例では，実測値データ検定処理部１５による選択された実測値データの検定結果に応じてプロット点を変えた散布図の例である。

図２３に示す散布図は，横軸に測定対象の実測値が，縦軸に測定対象の近似値が設定されている。図２３に示す散布図において，斜めに引かれた実線は，近似値＝実測値の直線を示している。図２３に示す散布図において，菱形のプロット点は，実測値データ検定処理部１５において，信頼できると判定された実測値データにおける実測値と近似値との対応データを示している。また，丸のプロット点は，実測値データ検定処理部１５において，信頼できないと判定された実測値データにおける実測値と近似値との対応データを示している。

図２３の散布図に示すように，検定により信頼できると判定された実測値データについては，測定対象の実測値と近似値との対応点が，ほぼ近似値＝実測値の直線に沿って並ぶ。これに対して，検定により信頼できないと判定された実測値データについては，測定対象の実測値と近似値との対応点が，近似値＝実測値の直線から離れたところに並ぶ。このように，利用者は，図２３に示すような散布図によって，選択された実測値データの信頼性の確認を行うことができる。

逆に，図２３に示すような散布図によって，実測値データ検定処理部１５において判定に用いられる閾値の調整を行うこともできる。例えば，図２３に示す散布図において，近似値＝実測値の直線から離れたところに並んだ点が菱形であれば，利用者が，検定処理に用いられた閾値が適切でないと判断し，閾値の設定変更を行うことができる。

このように，図２１に示すデータ傾向提示処理により，各測定条件の値ごとの近似状況の良し悪しを，利用者に分かり易く提示できるようになる。

ここでは，具体的な３つの例を挙げて，データ傾向提示処理部１６によるデータ傾向提示処理の例について説明したが，選択された実測値データのデータ傾向の提示については，ここで説明したもの以外にも様々な応用例が考えられる。

このように，本実施の形態のデータ傾向提示処理部１６により，実測値データ選択処理部１３によって選択された実測値データについて，統計解析により得られた客観的なデータ傾向を，利用者に対して分かりやすく提示することができる。

以上説明した実測値データ選択装置１０による処理は，コンピュータが備えるＣＰＵ，メモリ等のハードウェアとソフトウェアプログラムとにより実現することができ，そのプログラムをコンピュータ読み取り可能な記録媒体に記録することも，ネットワークを通して提供することも可能である。

以上，本実施の形態について説明したが，本発明はその主旨の範囲において種々の変形が可能であることは当然である。

例えば，本実施の形態では，第一の測定条件群に属する測定条件の値の組合せごとに，複数の実測値データが存在し，それぞれ適切な実測値データを選択する例について説明した。特に，測定条件に第一の測定条件群や第二の測定条件群の分類がなく，１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する複数の実測値データから，適切な実測値データを選択するようにしてもよい。

例えば，図２において，１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する複数の実測値データが，実測値データ記憶部１２に記憶されているものとする。

このとき，実測値データ選択処理部１３において，近似関数算出部１３１は，実測値データ記憶部１２に記憶された複数の実測値データに基づいて，測定条件を説明変数とし，測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する。近似誤差算出部１３２は，複数の実測値データのそれぞれについて，実測値データが有する測定対象の実測値と近似関数により得られる測定対象の近似値とから，近似関数に対する前記実測値データの近似誤差を算出する。実測値データ選択部１３３は，実測値データ記憶部１２に記憶された複数の実測値データから，算出された近似誤差が最小となる実測値データを選択する。

これにより，測定条件に第一の測定条件群や第二の測定条件群の分類がなくても，客観的かつ自動的に，妥当な実測値データの選択が可能となる。

なお，測定条件に第一の測定条件群や第二の測定条件群の分類があり，第一の測定条件群に属する測定条件の値の組合せごとに実測値データを選択する方が，より信頼性の高い実測値データの選択が可能となる。例えば，第一の測定条件群に属する測定条件の値の組合せごとに実測値データを選択する場合には，近似関数の生成に選択対象以外の実測値データを用いることができるので，より信頼性の高い実測値データの選択が可能となる。また，選択された実測値データに対して上述の実測値データ検定処理やデータ傾向提示処理が実行できるので，より信頼性の高い実測値データの選択が可能となる。

また，本実施の形態では，トランジスタに関する実測値データの選択の例を中心に説明を行ったが，トランジスタ以外の実測値データの選択についても当然実施可能である。

以上説明した本実施の形態の特徴を列記すると以下のとおりである。

（付記１）
第一の測定条件群に属する１または複数の測定条件と，第二の測定条件群に属する１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された実測値データ記憶部と，
ある第一の測定条件群に属する測定条件の値の組合せにおける複数の実測値データを選択対象とした場合に，全実測値データまたは選択対象以外の実測値データに基づいて，前記第一の測定条件群および前記第二の測定条件群に属する測定条件を説明変数とし，前記測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する近似関数算出部と，
前記選択対象とされた複数の実測値データのそれぞれについて，前記選択対象とされた実測値データが有する測定対象の実測値と前記近似関数により得られる測定対象の近似値とから，前記近似関数に対する前記選択対象とされた実測値データの近似誤差を算出する近似誤差算出部と，
前記選択対象とされた複数の実測値データから，前記算出された近似誤差が最小となる実測値データを選択する実測値データ選択部とを備える
ことを特徴とする実測値データ選択装置。

（付記２）
前記近似関数算出部は，ＳＶＭ回帰分析の統計解析により，前記近似関数を算出する
ことを特徴とする付記１に記載された実測値データ選択装置。

（付記３）
ある第一の測定条件群に属する測定条件の値の組合せにおいて前記選択された実測値データを検定対象とした場合に，前記選択された全実測値データの近似誤差の分布または検定対象以外の前記選択された実測値データの近似誤差の分布について，近似誤差の確率密度関数を算出する確率密度関数算出部と，
前記確率密度関数により，近似誤差が前記検定対象である実測値データの近似誤差以上となる確率を算出し，算出された確率が所定の閾値以上である場合に，前記検定対象である実測値データが信頼できると判定する実測値データ検定部とを備える
ことを特徴とする付記１または付記２に記載された実測値データ選択装置。

（付記４）
前記確率密度関数算出部は，カーネル密度推定の統計解析により，前記確率密度関数を算出する
ことを特徴とする付記３に記載された実測値データ選択装置。

（付記５）
前記第一の測定条件群に属する測定条件の値の組合せごとに選択された実測値データに基づいて，データの統計解析を行い，前記選択された実測値データについての統計的データ傾向を提示するデータ傾向提示部を備える
ことを特徴とする付記１から付記４までのいずれかに記載された実測値データ選択装置。

（付記６）
前記データ傾向提示部は，
前記第一の測定条件群に属する測定条件の組合せごとに選択された実測値データの近似誤差から，第一の測定条件群に属する測定条件の値の組合せと近似誤差との対応データを生成し，
前記対応データに基づいて，第一の測定条件群に属する測定条件を説明変数とし，近似誤差を目的変数とする回帰木分析の統計解析を行い，
前記回帰木分析の統計解析により得られた，第一の測定条件群に属する測定条件の値の範囲と近似誤差の代表値との関係を提示する
ことを特徴とする付記５に記載された実測値データ選択装置。

（付記７）
前記データ傾向提示部は，
前記第一の測定条件群に属する測定条件の組合せごとに選択された実測値データのそれぞれについて，他の選択された実測値データに基づいて，第一の測定条件群および第二の測定条件群に属する測定条件を説明変数とし，測定対象を目的変数として，説明変数をもとに目的変数を近似する第二の近似関数を算出し，
前記第一の測定条件群に属する測定条件の組合せごとに選択された実測値データのそれぞれについて，前記実測値データが有する測定対象の実測値と前記第二の近似関数により得られる測定対象の近似値とから，測定対象の実測値と近似値の差を算出し，
前記算出された測定対象の実測値と近似値の差から，第一の測定条件群および第二の測定条件群に属する測定条件の値の組合せと，測定対象の実測値と近似値の差との対応データを生成し，
前記対応データに基づいて，第一の測定条件群および第二の測定条件群に属する測定条件を説明変数とし，測定対象の実測値と近似値の差を目的変数とする回帰木分析の統計解析を行い，
前記回帰木分析の統計解析により得られた，第一の測定条件群および第二の測定条件群に属する測定条件の値の範囲と，測定対象の実測値と近似値の差の代表値との関係を提示する
ことを特徴とする付記５に記載された実測値データ選択装置。

（付記８）
前記データ傾向提示部は，
前記第一の測定条件群に属する測定条件の組合せごとに選択された実測値データのそれぞれについて，他の選択された実測値データに基づいて，第一の測定条件群および第二の測定条件群に属する測定条件を説明変数とし，測定対象を目的変数として，説明変数をもとに目的変数を近似する第二の近似関数を算出し，
前記第一の測定条件群に属する測定条件の組合せごとに選択された実測値データのそれぞれについて，前記第二の近似関数により測定対象の近似値を算出し，
前記選択された実測値データが有する測定対象の実測値と，前記算出された測定対象の近似値との対応データを生成し，
前記対応データに基づいて，前記選択された実測値データが有する測定対象の実測値と前記算出された測定対象の近似値との関係を提示する
ことを特徴とする付記５に記載された実測値データ選択装置。

（付記９）
前記第一の測定条件群に属する測定条件が，トランジスタのゲート長とゲート幅とであり，
前記第二の測定条件群に属する測定条件が，トランジスタの電圧であり，
前記測定対象がトランジスタの電流である
ことを特徴とする付記１から付記８までのいずれかに記載された実測値データ選択装置。

（付記１０）
１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された実測値データ記憶部と，
前記複数の実測値データに基づいて，前記測定条件を説明変数とし，前記測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する近似関数算出部と，
前記複数の実測値データのそれぞれについて，前記実測値データが有する測定対象の実測値と前記近似関数により得られる測定対象の近似値とから，前記近似関数に対する前記実測値データの近似誤差を算出する近似誤差算出部と，
前記複数の実測値データから，前記算出された近似誤差が最小となる実測値データを選択する実測値データ選択部とを備える
ことを特徴とする実測値データ選択装置。

（付記１１）
第一の測定条件群に属する１または複数の測定条件と，第二の測定条件群に属する１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された記憶部を備える実測値データ選択装置のコンピュータによる実測値データ選択方法であって，
前記コンピュータが，
ある第一の測定条件群に属する測定条件の値の組合せにおける複数の実測値データを選択対象とした場合に，前記記憶部に記憶された，全実測値データまたは選択対象以外の実測値データに基づいて，前記第一の測定条件群および前記第二の測定条件群に属する測定条件を説明変数とし，前記測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する過程と，
前記選択対象とされた複数の実測値データのそれぞれについて，前記選択対象とされた実測値データが有する測定対象の実測値と前記近似関数により得られる測定対象の近似値とから，前記近似関数に対する前記選択対象とされた実測値データの近似誤差を算出する過程と，
前記選択対象とされた複数の実測値データから，前記算出された近似誤差が最小となる実測値データを選択する過程とを実行する
ことを特徴とする実測値データ選択方法。

（付記１２）
第一の測定条件群に属する１または複数の測定条件と，第二の測定条件群に属する１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された記憶部を備える実測値データ選択装置のコンピュータが実行するプログラムであって，
前記コンピュータに，
ある第一の測定条件群に属する測定条件の値の組合せにおける複数の実測値データを選択対象とした場合に，前記記憶部に記憶された，全実測値データまたは選択対象以外の実測値データに基づいて，前記第一の測定条件群および前記第二の測定条件群に属する測定条件を説明変数とし，前記測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する手順と，
前記選択対象とされた複数の実測値データのそれぞれについて，前記選択対象とされた実測値データが有する測定対象の実測値と前記近似関数により得られる測定対象の近似値とから，前記近似関数に対する前記選択対象とされた実測値データの近似誤差を算出する手順と，
前記選択対象とされた複数の実測値データから，前記算出された近似誤差が最小となる実測値データを選択する手順とを
実行させるための実測値データ選択プログラム。

１０ 実測値データ選択装置
１１ 実測値データ取得部
１２ 実測値データ記憶部
１３ 実測値データ選択処理部
１３１ 近似関数算出部
１３２ 近似誤差算出部
１３３ 実測値データ選択部
１４ 選択実測値データ記憶部
１５ 実測値データ検定処理部
１５１ 確率密度関数算出部
１５２ 実測値データ検定部
１６ データ傾向提示処理部
１６１ 回帰木分析統計解析部
１６２ 統計的データ傾向提示部

Claims (8)

1. 第一の測定条件群に属する１または複数の測定条件と，第二の測定条件群に属する１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された実測値データ記憶部と，
   ある第一の測定条件群に属する測定条件の値の組合せにおける複数の実測値データを選択対象とした場合に，全実測値データまたは選択対象以外の実測値データに基づいて，前記第一の測定条件群および前記第二の測定条件群に属する測定条件を説明変数とし，前記測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する近似関数算出部と，
   前記選択対象とされた複数の実測値データのそれぞれについて，前記選択対象とされた実測値データが有する測定対象の実測値と前記近似関数により得られる測定対象の近似値とから，前記近似関数に対する前記選択対象とされた実測値データの近似誤差を算出する近似誤差算出部と，
   前記選択対象とされた複数の実測値データから，前記算出された近似誤差が最小となる実測値データを選択する実測値データ選択部とを備える
   ことを特徴とする実測値データ選択装置。
2. 前記近似関数算出部は，ＳＶＭ回帰分析の統計解析により，前記近似関数を算出する
   ことを特徴とする請求項１に記載された実測値データ選択装置。
3. ある第一の測定条件群に属する測定条件の値の組合せにおいて前記選択された実測値データを検定対象とした場合に，前記選択された全実測値データの近似誤差の分布または検定対象以外の前記選択された実測値データの近似誤差の分布について，近似誤差の確率密度関数を算出する確率密度関数算出部と，
   前記確率密度関数により，近似誤差が前記検定対象である実測値データの近似誤差以上となる確率を算出し，算出された確率が所定の閾値以上である場合に，前記検定対象である実測値データが信頼できると判定する実測値データ検定部とを備える
   ことを特徴とする請求項１または請求項２に記載された実測値データ選択装置。
4. 前記確率密度関数算出部は，カーネル密度推定の統計解析により，前記確率密度関数を算出する
   ことを特徴とする請求項３に記載された実測値データ選択装置。
5. 前記第一の測定条件群に属する測定条件の値の組合せごとに選択された実測値データに基づいて，データの統計解析を行い，前記選択された実測値データについての統計的データ傾向を提示するデータ傾向提示部を備える
   ことを特徴とする請求項１から請求項４までのいずれかに記載された実測値データ選択装置。
6. １または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された実測値データ記憶部と，
   前記複数の実測値データに基づいて，前記測定条件を説明変数とし，前記測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する近似関数算出部と，
   前記複数の実測値データのそれぞれについて，前記実測値データが有する測定対象の実測値と前記近似関数により得られる測定対象の近似値とから，前記近似関数に対する前記実測値データの近似誤差を算出する近似誤差算出部と，
   前記複数の実測値データから，前記算出された近似誤差が最小となる実測値データを選択する実測値データ選択部とを備える
   ことを特徴とする実測値データ選択装置。
7. 第一の測定条件群に属する１または複数の測定条件と，第二の測定条件群に属する１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された記憶部を備える実測値データ選択装置のコンピュータによる実測値データ選択方法であって，
   前記コンピュータが，
   ある第一の測定条件群に属する測定条件の値の組合せにおける複数の実測値データを選択対象とした場合に，前記記憶部に記憶された，全実測値データまたは選択対象以外の実測値データに基づいて，前記第一の測定条件群および前記第二の測定条件群に属する測定条件を説明変数とし，前記測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する過程と，
   前記選択対象とされた複数の実測値データのそれぞれについて，前記選択対象とされた実測値データが有する測定対象の実測値と前記近似関数により得られる測定対象の近似値とから，前記近似関数に対する前記選択対象とされた実測値データの近似誤差を算出する過程と，
   前記選択対象とされた複数の実測値データから，前記算出された近似誤差が最小となる実測値データを選択する過程とを実行する
   ことを特徴とする実測値データ選択方法。
8. 第一の測定条件群に属する１または複数の測定条件と，第二の測定条件群に属する１または複数の測定条件と，測定条件の値に応じた測定対象の実測値とを有する実測値データが，複数記憶された記憶部を備える実測値データ選択装置のコンピュータが実行するプログラムであって，
   前記コンピュータに，
   ある第一の測定条件群に属する測定条件の値の組合せにおける複数の実測値データを選択対象とした場合に，前記記憶部に記憶された，全実測値データまたは選択対象以外の実測値データに基づいて，前記第一の測定条件群および前記第二の測定条件群に属する測定条件を説明変数とし，前記測定対象を目的変数として，説明変数をもとに目的変数を近似する近似関数を算出する手順と，
   前記選択対象とされた複数の実測値データのそれぞれについて，前記選択対象とされた実測値データが有する測定対象の実測値と前記近似関数により得られる測定対象の近似値とから，前記近似関数に対する前記選択対象とされた実測値データの近似誤差を算出する手順と，
   前記選択対象とされた複数の実測値データから，前記算出された近似誤差が最小となる実測値データを選択する手順とを
   実行させるための実測値データ選択プログラム。

Images