数据成为下一代芯片的关键

数据已经成为理解半导体的使用寿命的关键,知识收集摩尔定律之外保持竞争优势的关键。

是什么改变了越来越多的依赖在设计周期的早期在多个数据源的数据,包括一些进一步的设计到制造流程。虽然这种全面的方法似乎逻辑足够,半导体行业一直孤立自成立以来。专业开发了绕流中的具体步骤,和职业进行了基于每个筒仓的成功执行。

问题是这些划分不再为数据驱动的模型设计和制造工作。随着上市时间收缩,复杂性的提高,独特的架构成为必不可少的利用越来越断裂的细分市场,传统的筒仓需要重新考虑。越来越多的这些部分之间的胶水是数据和顶部现在面临的挑战是让所有的数据一起工作。

“半导体行业一直很擅长收集数据,但这些数据并没有被聚集在一起,”道格长老说,副总裁和总经理OptimalPlusNI公司。“这就是下一个数量级的学习将会来自何方。”

标准帮助进行这项工作。此外,第三方分析和监控公司积累和组织数据连接的点。这些公司使其更容易看到模式通过摄取和清洁可访问的数据库格式的数据,并把它以帮助客户获得可见性,理想情况下实时。这样他们增加可见性的半导体芯片代客户和设计、制造、测试工程师只梦见过去。

设计的挑战
最大的挑战之一是理解上下文中的数据模拟计算机和数字计算机两种。这可以有很大区别,这取决于是否设计开发的大部分老节点对于大多数或所有模拟电路,这些电路是否主要是数字与模拟组件。虽然大多数设计师认识到模拟漂移和可以容易受到噪声甚至在旧的节点,在5 nm以下数字电路变得更加analog-like和主题类似中断从各种类型的噪声。此外,这些节点保证金减少缓冲薄电线和电介质的影响,以及随着时间的推移这些薄电介质的击穿。

“模拟分析并不容易,”老人说。“我们将会看到更多的,在传统市场。人们使用更多的在这些系统模拟的内容。”

如何从数字数据与其它数据仍然是一个进展中的工作。但趋势是越来越多的在线监测是有原因的。首先,这些数据可能不是通过常规测试。

“在一个PMIC有很多节点,它甚至不是可测试的,”卡尔·摩尔说,收益管理专家yieldHUB。“当你设计这些芯片,你需要了解什么是可测试的节点。有数百个测试节点内部。如果你能到达,您可以测试以确定它们缓慢,平均,或者是否需要放大到一个合理水平的东西。但你也可以设计这些芯片,所以你能感觉到这一切从外面。”

第二个原因与可靠性在汽车等市场的日益重视,芯片被用于高安全性的应用程序时,预期寿命可以长达20年。

“模拟和MEMS更难测试因为你有小信号从传感器和他们更密集,”摩尔说。“设计师开发这些芯片,现在重要的是什么在芯片和芯片是如何使用的。这不是1:1为测试随着时间的推移,你不需要的东西与你做的事情。”

需要设计就考虑到的。因此而不是确保芯片的功能是正确的,它需要数据访问使用一种格式,可以与其他系统或设备产生的数据。

制造业数据
半导体制造设备主要是隔绝大部分的数据用于分析芯片的功能。努力关联数据在整个供应链是相对较新。

有很多因素。首先,收集的数据被认为是专有的和竞争力,所以共享整个供应链是有限的。第二,设备供应商接口主要是与他们的顾客而不是对方。第三,设备供应商已经添加传感器有一段时间了,但往往那些传感器插件,因为没有人想出售这些天没有先进的设备数据分析和机器学习。因此,并不是所有的数据格式是一致的,所有这些数据的价值并不总是明确的。

而芯片行业倾向于把这个从上下文通过片上传感器或制造过程,提高可靠性的数据收集和分析需要渗透供应链。因此而不仅仅是温度或电压测试、铸造厂,OSATs和系统企业越来越关心的是各种技术的来源,当他们生产,批量的大小,以及他们如何被烧死。

“如果你有一批可追溯性,你必须有设备读到数据,”戴夫·亨特利说,业务开发负责人PDF的解决方案。“另外,你需要追溯的生产材料。如果一批不好,为什么不好?能够精确定位准确性是至关重要的。你需要异常检测,为此你必须建立一个良好的人口数据的时间当一个[制造]开始和结束的时候。在那个特定的时间,正在使用的工具是什么?有很多不同的元素,需要跟踪。这是多变量高斯检测。你需要所有的数据从所有的工厂都参与进来。”

这很好地一致努力假冒芯片和屏幕组件,,这是特别重要的安全性至关重要的和关键任务的应用程序。“我们一直在做一个供应链外部追溯+内部可追溯性标准,”亨特利说。“你想跟踪,一切正常了,但你也要确保它到达它应该去的地方。是有效的,你需要提供一个链接在工厂仓库的方法。”

图1:文明程度识别和可追溯性模型。来源:半

测试数据
所有这一切的背后是不断增长的复杂性在芯片内部,和需要足够的覆盖率,确保芯片将在一生中正常工作。

“多个电力rails,多个实力域主驾驶这些大型探测器计数探针卡,”Mike Slessor说的首席执行官形状因子。“你不只是有一个密度的问题,你需要大量的电流和在当地地区的芯片。你也必须做到在不同电压和不同频率。在某些情况下,这些芯片有一打不同的电源领域,你必须供应,它们在不同的空间区域填充的筹码。例如,他们会让我们建立一个探针卡,也许在生产中测试一个或两个早死。然后他们建立某种程度的信心在他们真正需要测试,和他们真的需要多少功率的测试程序会运行,当我们开始增加并行性和从1-die卡移动到一个8 -或16-die卡探测器计数每模下降不少,因为他们开始人口减少和这些不同的电源被测试人员以不同的方式支持。很多它成为一个适应过程,客户了解他们将测试这些事情并开始加大。”

这会产生大量的数据,但是,需要补充和与其他卷的数据生成的各种流程工厂。很多工作进入拉好数据并将其转化为有用的东西。

“测试地板上本身就是一个金矿的数据,这是越来越多,为了解决这个问题你必须有效地净化黄金,需要时自动处理类型的体积我们处理这些天,”约翰·奥唐纳说yieldHub的首席执行官。

从早期的电子数据交换(EDI)和IEEE的标准测试界面语言(保修期内),始于1990年代末,显然需要更多测试兼容性。晶片和芯片模具仍在各种测试设备从不同的供应商。来自不同制造商的测试设备用于在不同的或不兼容的格式显示数据,使用不同的操作系统。

为了解决这个问题,Teradyne开始和其他供应商联合标准测试数据格式(STDF)。STDF是二进制格式无关的数据库架构和操作系统,开发自动化测试设备从相互竞争的供应商(吃),这样吃可以更容易连接和数据传输和存储。STDF是一组提供底层数据抽象的逻辑记录类型。

由标准格式记录类型和全局元数据,参数(通过/失败和multipin)和功能测试。二进制格式转换为更人性化ASCII格式(STDF ATDF——一个ASCII版本)和用于数据库,或Excel电子表格。转换的过程可能会非常棘手。很多id或头文件可能失踪——大量错误数据的机会。

“坏数据通常是由也许并不是所有的数据上传到服务器,例如,”O ' donnell说。“如果你决定产量,你没有所有可用的数据,因为也许有些测试人员不联网上传正确或有问题,会导致一个问题,因为你在做决定不到完整的可用的数据量。另一个例子,你可能会失去数据完整性,也许很多ID以零输入而不是啊,或者相反,或者有一些手工数据输入问题。实际的测试程序运行和测试的芯片在地板上可能有问题贷款数据完整性问题。所以测试程序的质量,以及它如何与生成的数据是非常重要的。”

这对时间产量有很大的影响。“好的数据-数据你可以依靠,值得信赖的数据,导致更快的收益率提高,”O ' donnell说。“这意味着更少的额外的人数随着你的数据。这意味着观点很多,和任何很多,较短的时间内将搁置,而添加的能力与MES(制造执行系统)数据和生产数据日志数据在地板上。”

STDF测试最常用的格式,但它有其局限性。“虽然STDF广泛应用在半导体行业,它不直接支持新的使用模型在今天的测试环境,比如实时或准实时查询,适应性测试和流媒体访问,”保罗三人写道,半。“STDF V4记录格式不是可扩展的,因为标准本身可以是不精确的,它往往导致许多解释。这些限制会变的日趋显现,特别是当需要更高效和灵活的格式来管理大型测试数据。”

下一个格式可能是丰富的交互式测试数据库(RITdb)标准,作为半导体的半协作联盟测试(CAST)特殊利益集团工作现在。演员也正在测试事件消息半导体(显微镜),使实时可见性测试。

晶片本身可能无法提供相同的测试机会。隐藏在晶片晶片验收测试(寺庙)”之间的测试结构放置在晶片内,死亡本身,在文士行中,“说Nir切断,产品营销高级总监proteanTecs在一个视频”,这些都是特殊的测试结构,可以测试晶片处理完成后的铸造。“这些寺庙检查晶片参数和发现晶片的变化。

攷虑操作
了解这些数据与其他相关测试数据,特别是来自等领域内建自测和内部/外部监测领域的这些设备一样复杂,加上所有可能的用例。事实上,公司的整个商业模式建立在能够过程和相关数据以有用的方式。

“从我们的角度来看这不是一个大问题,因为我们有相同的平台,所有的数据,”伊芙琳兰德曼说,首席技术官和proteanTecs创始人之一。“只要存在的基础,没有问题。我们知道如何将所有这些数据,因为它是由相同的芯片上的遥测技术在每一个阶段,无论是在吃或系统级测试。今天你有不同语言的生成的数据在不同的测试环境。我们的端到端的方法和深度数据生成的芯片克服这些困难。”

ProteanTecs并非唯一在这个市场。这种能力已经吸引了公司发展芯片数据中心,以及汽车制造商和工业操作。能够利用数据预测失败,在问题出现之前解决这些影响,远远超出芯片。

结论
生成更好的数据,从多个数据源收集数据,并能够将所有的数据带来了一些席卷整个芯片行业的可能性,包括从提高可靠性预测分析。而不是让一个设备失败没有警告,它可以根据需要维修或更换。

芯片行业就是在这种转变的开始,但在接下来的十年,它可能会定义的每一步设计到制造,改善从产量到可靠性、安全性和安全性。