对以合理成本提高质量的需求正在推动测试过程的巨大变化。
不是所有的设备都以同样的方式进行测试，这是一件好事。
质量、测试成本和产量促使产品工程师采用属于自适应测试的测试过程，自适应测试使用测试数据来修改后续的测试过程。但是要执行这样的技术，需要支持数据分析的物流，以及基于产品工程师所设置的决策树对测试进行更改。
分析范围从简单的(确定零件落入哪个速度仓)到复杂的(使用多变量分析识别潜在缺陷)。自20世纪90年代以来，快速装箱技术和工具的应用已经发展，但在整个测试行业广泛实施仍然存在障碍。
无晶圆厂/代工业务模式使得在制造测试流程中共享数据变得更加困难，并且为不同地测试相同的设备带来了后勤挑战。几位行业专家强调，有必要改变以完全相同的方式测试所有设备的现状。
2004年的ITC纸的研究人员大规模集成电路逻辑和波特兰州立大学阐述了适应性测试如何改变现状:
"自适应测试的关键是利用由测试人员产生的数据或来自以前过程或测量的相关数据来预测未来测试的过程，以便在需要时减少或增加测试。最终目标是只应用所需的最小测试集，以筛选在运输或随着时间的推移将在系统中出现故障的ic。”
LSI Logic设备的早期工作表明，可以使用历史和本地测试数据来调整测试过程，以实现这些结果。其他产品工程团队听取了他们的意见。
DMTS Fab 8-Test总监John Carulli表示:“对于我们中的许多人来说，这是一种有趣的方式，让我们开始思考测试经济方面的问题。GlobalFoundries．“为什么我们要继续测试我们认为在统计学上已经很好的东西?为什么我们不想测试更多的这些可能会更有挑战性的东西呢?为什么从历史质量的角度来看，我们会有这种过时的世界观?为什么我们总是要以同样的方式做每一件事?”
什么是适应性测试?
自适应测试包括基于三个不同阶段数据的宏观、微观、离线和实时决策:
图1(下面)显示了所选的技术以及可以应用这些技术的地方。
图1:选定的自适应测试技术。资料来源:Anne Meixner/Semiconductor Engineering
产品工程师在实施自适应测试中扮演着关键角色，因为他们建立了测试计划和制造测试流程。他们通过理解成本/质量/产量三位一体的权衡，通过使用分析解决方案来帮助实现他们的测试计划，并在设备的测试制造流程中实现它们，从而实现自适应测试方法。
由于有益的ROI，尽管缺乏可用的工具，工程师还是实现了自适应测试。所以在一开始，实现这些的工具是非常定制的，需要大量的人力。自动化使这变得更容易，但它仍然需要理解将数据和设备从一个制造测试流程移动到另一个制造测试流程的物流。它还要求产品工程师了解各种统计关系，以充分利用所有可用的半导体测试和制造数据。
晶圆分类和封装测试设备都需要支持数据收集，并有助于将数据转移到下一个决策点。这通常需要在MES(制造执行系统)和测试单元软件中进行IT投资。因此，需要有动机，通常以投资回报(ROI)的形式。
半导体数据分析公司提供数据传递系统、执行规则等，实现ROI。
硅生命周期管理解决方案架构师Brian Archer表示:“增值是将该过程自动化，将体验自动化，并将测试中的学习转化为可操作的事件，然后确定交付ROI的模式和方法。Synopsys对此．“你需要一个分析背景来真正关注这些问题，包括如何在优化测试内容的同时达到更高的质量和减少测试逃逸。在我们看来，这就是适应性测试的意义所在。”
自适应测试方法已经发展了几十年，以平衡质量、产量和成本，所有这些都是产品工程师在满足产品目标时必须考虑的。分析公司现在提供的工具和数据管理框架，无需庞大的产品工程师团队来实现这一目标。
这就留下了四种可能的选择:测试更多，测试更少，测试不同，或测试不同的限制。这些策略可以通过学习过去25年已经部署的一些自适应测试技术来进一步理解。
修改测试过程步骤
根据测试数据为模具或封装部件选择下游测试步骤通常是产品工程师对自适应测试的第一次尝试。它提供了一种易于评估和实现的权衡。前者是因为计算避免老化或将部件隔离到性能箱的经济效益是很容易证明的。后者是因为数据分析可以在测试步骤之后完成，并且能够直接将设备引导到不同的测试步骤。
如图2(下面)所示，一组基本的测试流程步骤为产品工程师在快速封装和减少老化时应用的修改提供了上下文。
图2:基本半导体器件测试工艺步骤。资料来源:Anne Meixner/Semiconductor Engineering
多位接受采访的产品工程师都将快速装箱作为他们进行自适应测试的第一次经历。在早期，实现起来相当麻烦。
“回到90年代早期，在德州仪器，我们必须为Sun微处理器管理大量早期的速度箱分布。他们对高速设备的需求促使他们识别他们，”Carulli说。“当时没有任何系统可以做到这一点。我们做了大量的手工网络和数据文件编码等。这支持配置测试人员根据晶圆测试结果来决定应用哪个测试程序(见下图3)。”
图3:使用独立最终测试程序的快速装箱测试流程。资料来源:Anne Meixner/Semiconductor Engineering
实现快速装箱的方法不止一种。
LeddarTech首席ASIC测试架构师Preeti Prasher表示:“这是从晶圆探头开始的。“在探测环境下进行结构高速测试内容是完全可行的。在下一步中，可能会出现不同的实现选择。我工作过的一家公司会对晶圆探头进行测试，并为每个晶圆指定特定的产品-每个产品都有一个最终的测试程序。在另一家公司，晶圆测试结果将提供对晶圆可能分布的洞察。然而，最终的测试程序使用了多箱流，在那里您将最终得到多个结果的好部件。第一栏是针对某一特定产品或目标客户的，第二栏是针对另一产品或目标客户的。”
减少设备老化对产品工程师来说仍然是非常有吸引力的。成本/质量/成品率的三元组合显示，当你可以消除老化或显著减少到更小的样本(例如20%)时，在这三个方面都有显著的收益。为了支持老化减少测试流程，需要对流程末端的设备进行统计分析。结果确定了与老化故障相关的晶圆级测试测量。根据置信度，您可以完全消除它或显著减少需要它的设备。
图4:基于老化的自适应测试流程。资料来源:Anne Meixner/Semiconductor Engineering
LSI Logic/波特兰州立大学的研究人员提供经验数据用真实的产品来证明这是可以做到的。其他人开始在他们的产品中采用它。
德州仪器测试系统架构师Ken Butler表示:“Bob Madge非常坚定地表示，他们可以完全不老化。“现在，[LSI Logic]生产ASIC设备，我们生产定制SoC设备，其中一些在生产的早期阶段就得到了100%的老化。我们与波特兰州立大学的罗布·达施(Rob Daasch)合作，开发了一套核心思想，然后我们自己对其进行改进，并将其投入生产。的好处我们是否能够在几个关键的大批量产品上实现样品老化。”
20年前，IBM曾采用过类似的方法进行样品老化。研发测试工程师Phil Nigh说:“根据每个模具的偏差，我们选择了最有可能失败的子集，并将其烧掉。博通公司．“因此，它们的可靠性上升到与其他部件相似的水平。根据一些特定的晶圆测试测量，我们选择了最糟糕的芯片，从而节省了成本，提高了可靠性。”
最大限度地选择测试内容
就成本/质量/产量而言，应用的测试内容决定了成本和质量。然而，这些属性是相反的方向，所以产品工程师需要在任何一个特定的测试步骤中确定可接受的权衡。
从历史上看，工程师通过应用所有测试内容并分析结果来确定未失败的测试(通常称为测试时间/模式减少)来进行这种权衡。然而，为了降低风险，偏执的产品工程师通过完整的测试程序测试一个单元样本。可以添加一个额外的测试步骤，其中保留所有这些测试并发送产品样品。当您考虑隔离产品、为ATE专用工厂地板空间以及维护另一个测试程序的物流时，这意味着额外的费用。
如果您可以在正常的测试程序中对完整的测试套件进行产品抽样，会怎样呢?
“我第一次参与自适应测试的开发和支持是在2005年，当时我还在PinTail Technologies。当时客户的主要利益是减少大型复杂混合信号设备的测试时间，而不会对质量产生负面影响，”Exensio Solutions的主管Greg Prewitt说PDF的解决方案．“该方法通过采样来减少测试时间，而不是简单地取消测试覆盖范围，以满足测试成本目标。通过抽样，可以在不完全取消测试的情况下节省大约90%的时间，从而降低质量风险。对于复杂的SoC设备，测试时间最多可减少25%。”
测试内容的另一个方面是查看测试结果并调整后续测试内容以应用。
Synopsys的阿彻说:“根据产品细分和经济情况，恢复死亡可能是有利的。”“产品工程师可以选择在每件事上进行更多的测试，以确保这真的是一个合格的模具。所以现在，至少在数字领域，工程师可以应用高分辨率的图案或额外的测试(例如高压应力)来确保零件是好的。”
增加测试覆盖率可以增强产品工程师对质量目标得到满足的信心。相反的情况也会发生，在查看测试结果时，产品工程师可以自信地应用较少的测试覆盖率。在系统级测试中，一些产品工程师使用晶圆测试数据将零件分成更长或更短的测试时间。
更改测试限制并识别异常值
模具均匀性促使汽车IC制造商应用异常值检测技术，这通常会改变晶圆基础上的限制。
LeddarTech的Prasher表示:“在汽车行业，我们试图确保每一个异常值都能被识别出来，即使它符合数据表规格。“异常值识别可以从模具均匀性的角度来考虑。你测试一个特定的参数，当你对硅进行表征时，你会观察到一个紧密的分布。所以因为你关心均匀性，你把限制调整得比规格限制更严格。然而，你可以在这个分布上有一个变化，所以不是固定的上/下筛选限制，而是考虑特定晶片或批次的分布，然后评估零件。”
数据分析解决方案可以帮助识别异常值并选择适当的实现。
Synopsys SLM分析部门主管Paul Simon表示:“通过分析，工程师可以查看历史数据，发现问题并进一步了解它们，然后实施算法，以合理的成本提高质量、产量、测试时间或数据质量。”“当你实现离群值算法时，例如，好骰子/坏邻域，该算法有一定数量的参数。你想让算法以一种不会损失太多收益的方式部署，因为这是在质量上的权衡。产品工程师需要决定他们是准备好牺牲10%的产量来换取一点点质量，还是相反。这需要基于历史数据对算法进行模拟，然后调整这些算法，在将调整后的算法部署到测试平台之前，实现所需的产量与质量权衡。”
结论
自适应测试使用数据来做出更明智的测试决策。然而，这导致产品工程师选择以不同的方式测试同一台设备，对一些人来说，这仍然是一种新方法。
业务发展经理André van de Geijn强调说:“产品工程师需要看到挑战和改进，并从中学习。YieldHub．“他们是这些流程的驱动力，这些流程带来了更低的成本、更好的质量、更短的上市时间，并提供了新的功能。”
到目前为止，这些好处还没有在整个半导体行业完全实现。
“自适应测试在优化测试效率和质量方面越来越被广泛接受，”PDF的Prewitt说。“虽然它正在被更广泛地使用，但总体而言，它仍处于早期采用者阶段。通常情况下，它只适用于那些能够合理权衡成本/质量的更大更成熟的公司，或者那些参与受监管的细分市场的公司。”
这限制了这种方法的采用。“自适应测试的整体采用率比我预期的要慢得多，”博通的Nigh说。“如果有足够好的应用程序，或者有效利用这些数据的方法——好的ROI故事——就会有更多的人采用。”
为了让小公司更容易，建立更好的系统将有助于采用。
GlobalFoundries的Carulli指出:“如果真的想进行自适应测试，我不知道我们是否已经完成了剩余的技术作业。”“我们能准确地记录每个模具所需的细节水平，以跟踪和分析不同的流程吗?我认为我们不需要发明更多的技术。我们需要建立一些东西，比如数据系统，以便在一个完全自适应的世界中真正轻松地跟踪。”
为了超越实施的活化能，工程师将需要记录更多的证明点。尽管如此，随着对可靠性、速度和成本的需求继续主导半导体生产，预计未来将有更多的自适应测试用于更多产品。
相关故事:
|
|
|
|
|
|
|
|
|
|
留下回复