芯片测试转变左

“左移位”是一个术语通常应用于软件测试,意味着采取行动之前的v型项目的时间线。它最近被电子设计自动化和集成电路设计、验证和测试。

“测试早期和测试经常”是典型的软件测试的准则。如果这个概念也可以实现在半导体测试中,减少芯片故障在不同阶段的测试,从而减少成本和时间对剔除有缺陷的组件?

这个概念的一个方法可能是便携式测试和刺激。的Accellera系统倡议成立了一个便携式刺激工作组两年前的目标创建一个行业标准便携式测试和刺激。“当完成并被采用,这一标准将使一个规范,将从IP便携式全系统和跨多个目标实现,”该组织在2015年宣布声明中说。

DVCon美国今年2月,该组织提出了“创建便携式刺激模型与即将到来的Accellera标准”教程。而标准起草和审阅,还有其他路径实现“左移位芯片测试,”据行业高管。

“在一个典型的V图中,你可以左移位,你可以做一些测试,在最一般的意义上,在同一级别的设计或子系统或设备,”乔治Zafiropoulos说解决方案营销的副总裁VWR群国家仪器。“将其pre-manufactured比喻什么?我的意思是,在V图电子产品,左上角是典型的行为系统模型。然后进一步提炼出V底层电路模型,例如,你在哪里做模拟pre-silicon。然后制造设备底部的诉你开始出现V的右侧,你现在在设备描述,然后子系统组装,和顶部的V您创建了芯片的物理实现,子系统,等等,你想比较结果从你的早期左上角V的右上角诉”

另一种方式看这个是设计行业已经做测试的一种或另一种形式从一开始的芯片设计过程。

“我们称之为算法验证,或者我们称之为设计验证,“Zafiropoulos说。”或者我们带出来,叫它验证和鉴定,最终生产测试。我们已经在做测试整个流程。在我看来,这更像是一个是否有效的问题。这是一个优化的流程吗?我建议在这一点上,它不是,那里有一个改进的机会。这样想——如果我们设计了一个芯片,从不模拟它,和制造它,和我们第一次真正测试硅当我们有了第一篇文章,你可能会说,“哇,也许我们应该测试之前我们制造它。“好了,他们已经这样做了。他们已经pre-silicon做模拟电路。但很低效的流程。有很多事情可以做来改善。”

Zafiropoulos注意Accellera的便携式刺激工作组的标准制定。这样的努力是行业的挑战是分解成太多的筒仓,他说。

工程主任Karthik Ranganathan半导体测试产品天体电子学测试系统对此表示赞同。“一般来说,测试一直是爆发到晶圆测试做了什么和做了什么最后的测试。这是传统的测试。”

它也是一个日益严重的问题,因为现在有很多不同的功能,组件和IP块必须一起工作在一个复杂的设计。系统级测试添加到测试菜单中在过去的十年里的重要性。

“越来越多的速度测试是在晶圆测试完成,“Ranganathan说。“最终测试尚未深入,人们正在越来越多的进入系统级测试,试图弥补这一事实最终测试不可能隐藏的所有缺陷。测试的一部分正在上游向晶圆测试,并且测试的一部分是向下游移动系统级测试,这些节点收缩和越来越多的自定义添加。”

有角色自动测试模式生成,内置的自测,测试,设计和JTAG Ranganathan。

“EDA公司发展,”他说,解决测试问题的设计工具。但是最终使用客户,比自动化测试设备供应商,EDA公司,或者芯片供应商,推动使用裸机测试和“向量为测试以外的思考”。

特别是汽车制造商和消费电子产品公司。系统级测试尤其适合独立的芯片将用于自治车辆,Ranganathan说。与物联网设备,大多数测试是在晶圆测试完成,“与其说在最后的测试,”他说。

制造业的情报
如何最好地解决这些问题在半导体行业创造了一些争论。在大多数情况下,制造质量一直是一个问题,什么是“足够好”为特定的应用程序。所以如果消费者设备没有执行,以及当它首次购买,这将是一个因素,被认为是在一个成本/质量分析。

但当设备进入新市场,部分地区预计将持续10年或更多,reliability-which是衡量质量随着时间的推移,或平均间隔时间生产和失败在一个全新的维度。

全球营销的副总裁大卫•公园最优+认为,公司需要看测试数据从他们的全球供应链,实时分析,使数据驱动的决策结果。他称之为“制造业情报”,这是大数据分析的应用半导体和电子产品制造业。

”就像“测试早期和测试经常”概念的左侧V,”公园说。”和大多数公司测试每一个设备完全相同的方式,因为它是更容易。但是,如果您使用的是大数据分析,您可以创建测试,测试少数量。这个概念是基于事实,大多数公司计划在一个固定的测试预算(时间和金钱)。测试是一个“成本”。那么如何最好的利用测试的预算吗?好吧,如果你测试都一样的,然后你有现状。你知道你的测试成本和你的质量和产量。但是如果你可以测试你的很好的设备“少”和测试您的可疑设备‘更’吗?基本上,应用您的测试时间和资源,他们是最需要的,而不是浪费它,不需要。”

这种粒度开始出现在整个设计过程中,从调整记忆和处理器通过异构集成利用最好的IP为特定的应用程序。但是在测试中,这是一个以不同的方式寻找质量问题。

“使用大数据和分析设备通过制造测试(晶圆测试、最终测试和系统级测试),你可以建立一个“DNA”每个设备测试,“公园说。“如果你有一个设备,是那么好,那么完美的测试结果,你真的需要应用的电池测试设备吗?在某种程度上,数学,你知道设备就不会失败。所以节省不必要的测试时间和将其应用于设备不那么完美,并确保您可以安全地这些设备发送给你的客户。这是背后的概念测试/测试更少的人群。使用大数据分析,可以确定哪些设备需要更多测试,以确保质量和那些绝对可靠的好设备和不需要测试。这允许公司维护,甚至降低成本的测试操作,同时提高整体质量。”

例如,如果10%的设备都很好,他们可能会只需要测试总数的80%。它可以通过模拟数学证明,他们将没有任何下游测试失败。芯片制造商也可能甚至跳过老化等主要测试步骤,和节省测试时间可以应用于设备的10%的人口的边际,测试更重要。

“你现在可以申请20%的测试这些设备得到更好的主意是否足够高质量给客户,“公园说。”,如果你想降低测试成本,你不必应用20%额外的测试时间边缘人口的10%。客户可以选择仅适用于10%额外的测试时间,而不是20%,得救了。所以他们完成一些额外的测试和更高的质量,但降低总体成本。”

结论
成本、时间和质量的测试都是考虑为每个设备需要重,每个市场,每个公司。但无论采取什么方法或者关键的可靠性是如何为特定的应用程序,所有这一切需要做的比以往早。

测试移动更接近设计质量成为关键指标。一样,它是移动得更远左边的设计到制造流程。

有关的故事
质量问题扩大
上升的复杂性,不同的市场需求和上市时间的压力迫使企业重新思考他们如何处理缺陷。
测试物联网设备
物联网设备在测试提出了新挑战。
测试更复杂的汽车,物联网
安全至上的市场增加新的挑战测试方法,会影响功能,可靠性和收益率。