中文 英语

用更好的数据使测试透明

新的测试数据标准如何使测试地板更易于实时访问。

受欢迎程度

数据对于晶圆厂内的各种工艺都至关重要。挑战在于从不同的设备获得足够一致的数据,然后将其插入到设计、制造和测试流程中,以快速改进工艺并发现难以发现的缺陷模具。

正在取得进展。检测和测试行业正处于拥有更动态的方式来访问来自设备和软件的数据的风口浪尖。新的开源标准以及数据分析公司提供的专有工具可以帮助改进从测试机器中提取的数据。

半导体设备制造商和晶圆厂一直在加班加点地提高数据的一致性,这远远超出了创建标准数据格式的范畴。事实上,标准测试数据格式(STDF)已经使用了几十年,但它不够可扩展或灵活。在测试台上,来自多个供应商的不同年代的设备以各种格式生成数据。从一台机器收集的数据甚至可能因收集数据的测试人员而异。为了从数据中获得有用的分析,必须对数据进行清洗和转换。

“我们发现的最大问题之一是,对于STDF数据,几乎每个客户都使用不同的字段,”该公司分析解决方案高级总监Keith Arnold说PDF的解决方案.“有些领域是非常困难的,因为真的没有办法验证它们。尽管这是一个标准,但没有什么限制用户可以在那里输入他们想要的任何东西。这可能很简单,因为操作员必须手动输入,所以有人会拼写错误。”

生产过程根本无法进步到自适应测试没有干净的数据。“人们在进行任何类型的机器学习时遇到的最大问题是,首先,收集数据,清理数据,并使所有的关联正确,”SEMI CAST工作组的前成员阿诺德说。

SEMI的半导体测试合作联盟(CAST)工作组是为开发测试数据标准而创建的。今年有两个标准——TEMS和RITdb-被CAST批准用于改进STDF。(CAST标准工作的第三个分支是芯片ID和可追溯性,这超出了本文的范围。)

开源
在过去十年的早期,Advantest和Teradyne都曾游说使用开源代理来处理测试数据。事实上,创建了STDF标准的Teradyne现在正在引领TEMS的努力。

TEMS和RITdb标准的出现是为了收集可用于提高芯片质量和生产速度的干净数据。TEMS和RITdb之间的区别在于,TEMS使用基于HTTP和JSON (JavaScript对象表示法)的客户端/服务器方法。它并不是双向实时的。相反,它更像是一个收集工具。TEMS是一个从测试人员向上流到客户机/服务器的报告接口。控制信息不会从客户机/服务器流回测试人员。TEMS是单行道。

RITdb,相比之下,具有更广泛的范围。“RITdb的目的是让一些人工智能或机器学习的东西观察数据,然后返回并改变测试人员正在做的事情,或者改变组装过程。它旨在成为一种反应性生物,”Roos Instruments首席执行官兼SEMI CAST RITdb工作组联合主席Mark Roos说。RITdb就像测试层上的数据湖。

“你可以争辩说我们可以使用其中一种(TEMS vs RITdb),但当时我们觉得我们需要干净的东西。这就是TEMS,”鲁斯说道。“另一方面,RITdb一开始是为了解决地板上未知数据的问题——定义数据。然后,随着我们对自适应测试的深入,我们转向了实时流控制,数据会出来,响应也会回来。”


图1:CAST半导体测试器事件消息工作组(TEMS)的目标是基于测试单元主机和服务器之间的标准互联网通信协议开发一个标准化的ATE数据消息系统。上面显示了一个测试单元格,显示了TEMS范围内的内容和不在范围内的内容。来源:半

好处
TEMS收集和路由数据的方式是独一无二的。它通过指定一个测试单元,从测试器以及连接到测试器的软件和硬件收集数据。然后,这些数据可以从一个工具发送到需要访问它的多个工具。以前,只有一对一的数据发送是可能的。TEMS还可以实时执行此操作,因此工程团队可以查看测试过程。

“假设你是一家使用OSAT的公司,但你想知道你有多少台设备,”Teradyne TEMS工作组成员、SEMI TEMS工作组主席劳伦特·博纳瓦尔(Laurent Bonneval)说。“你不必等待OSAT的报告,而是可以实时看到设备的数量和测试人员。”

反过来,这可以触发消息给需要立即通知测试问题的人。

“TEMS和RITdb都带来了更大的可扩展性,”该公司战略业务创建经理肯·巴特勒(Ken Butler)说效果显著目前,他致力于在Advantest Cloud solutions生态系统中开发和部署基于数据分析的解决方案。“TEMS和RITdb预测了其他数据类型,比如您想要通信的其他数据,除了原始测试响应之外,还有更多机会提供元数据。但它是在电池性能,电池健康等方面做到的,这些在这些格式中都是可用的。STDF在几十年前开发时没有预料到这一点。”

实时提供数据一直是TEMS和RITdb的关键目标。“我们相信这种实时协作是有必要的。罗斯说。“并不是每个应用程序都需要它,在这种情况下,它们可以使用TEMS。”

TEMS消息虽然只向一个方向传递,但可以将数据实时传递给任何需要它的人。Bonneval说:“对于实时,我们必须谨慎使用这个术语,因为它同时意味着一切和什么都没有,这取决于规模。”在测试期间,TEMS不断地输入数据流,这意味着在测试运行时数据是可用的。”

相比之下,STDF是静态的。在机器完成所有测试之前,数据是不可用的,然后您仍然必须等待OSAT发送数据。这使得实时分析成为不可能。

TEMS正在把更多的数据转移到更多的工具上,这是STDF做不到的。“通过TEMS,我们将所有这些结果分散到不同的工具中,以实时分析测试结果。我们从一对一的方向切换到一对多的方向,这就是工业4.0——数据不仅是一对一的,而且是多个来源。”Bonneval说道。

TEMS的优点是可以选择需要的数据。“TEMS将捕获数据并将其发送到数据应用服务器(DAS),”Bonneval说。然后,就看谁坐在桌面前了。“如果你是一名测试工程师,当你开发一个测试程序时,你想做一些描述,你想看到测试结果。TEMS将把数据发送给Teradyne或其他公司的任何软件,在那里它将实时显示测试结果。在实时计算统计值之后,您可以确保所创建的内容是稳定的。现在,如果你是一个经理,你使用不同的工具集,你不知道到底在OSAT发生了什么。有了TEMS,现在你可以专注于你的出院问题。它的使用方式正确吗?它是一直在测试,还是每天只测试10个小时? You also can ensure that number of devices this company plans to deliver — based on the data captured items and after some analysis with — will be possible. TEMS will provide the right data in order to do it.”

数据显示测试人员以及测试单元中的所有内容。“我们的想法是捕捉测试人员的状态。这是测试吗?我们测试的是哪种系统?有人有联系吗?哪种配置-硬件,软件-因为确保你有高质量的测试不仅是测试器本身质量的问题,而且是它所在环境的问题。”“但如果有什么变化,TEMS会自动实时告诉你,‘好的,这个项目已经改变了,这个事件发生在你的测试器上。’”

如果你建好了,他们会来吗?
一些深入研究自己解决方案的测试和数据分析公司可能会考虑开源的TEMS和RITdb作为寻找问题的解决方案。因为TEMS标准还处于早期阶段,客户还没有强烈要求它。半导体设计和工程团队以及osat也可能喜欢他们现在拥有的系统。这些系统运行得足够好或满足他们的需求,而且它们是需要时间来创建和测试的系统。如果客户没有要求,仅仅因为新数据标准是标准就支持它并不是主要目标。

除了Roos Instruments之外,“我不知道目前市场上除了STDF之外还有很多商业支持,”Advantest的Butler说。“人们可能会围绕这种能力开发自己的内部流程,以便能够使用它。”

IDM或OSAT客户总是决定他们需要什么级别的数据。“这取决于客户。有些客户想输出所有的数据。‘所有数据’指的是图像,从图像中得到的测量数据,然后可能是后期计算,所以是后期处理数据,”该公司产品经理本·米哈克说上的创新.“其他人不会这样做。它们允许工具进行处理,然后图像在处理后被丢弃。这意味着每片晶圆有10g到50g或更多的图像数据,但这些数据实际上在几微秒内就被消耗和丢弃了。所以它被收集,处理,异常被列在一个列表中,然后图像内容被丢弃。这样你只能得到缺陷或计量数据。这是基于顾客对顾客的政策。IDM可能比OSAT收集更多的数据,而OSAT只是提供汇总数据。”

一个特定的用例可能就是客户所寻找的全部。“他们希望根据从手机中发出的一些数据,甚至是手机本身,与处理器进行实时交互,”美国优势公司技术和战略副总裁基思·绍布(Keith Schaub)说。“例如,他们已经测量了处理器上的温度,他们可能希望将其与来自测试器的一些数据结合起来,然后重新构建设备批次。您需要这种能力,至少在早期阶段,因为您需要在测试期间重新装入设备。所以STDF不一定会消失。您需要一种机制来支持这一点,TEMS和RITdB都可以做到这一点。这是一种管理数据流的方式,并将有用的数据带入我们所谓的集成工作流。”

部分挑战在于测试和制造过程中数据的性质。标准化必须是灵活的。微软计算产品副总裁David Fried说:“标准化数据有两个极端林的研究.“一方面,每条数据都是标准化的。所有的数据看起来都一样。它具有相同的结构,可以加载到平面文件中。另一方面,数据没有任何标准化的结构。在这种情况下,每条记录都有自己的数据格式和数据类型。不幸的是,这两种标准化数据都不能很好地用于数据分析。这两个极端都是完全不能接受的。”

弗里德说,各种各样的原因使两种极端都行不通。“在过度标准化的一端,你必须接受存在不同类型的数据。例如,在一件工艺设备上,有一个工艺配方。该配方是加载到工具上的固定格式的静态数据。然而,当工具使用该配方进行操作时,它会在工具执行该工艺配方时生成与时间相关的传感器数据。传感器数据是时间序列数据,而不是像食谱那样的固定数据。您不会将时间序列数据和静态数据标准化为相同的格式。你不能。它们有不同的轴和维度。在现实生活中,你永远不会达到所有数据都标准化的地步。”

标准化一些数据也有经济上的原因。“如果数据没有标准化,就很难进行经济有效的数据分析。连接数据、组合数据和引用来自不同数据类型的数据的复杂性、工作量和投资可能远远超过该数据的价值和任何预期投资回报。这里的诀窍是找出处于频谱中间的最佳数据标准化工作。你在标准化上投入了多少工作?你们在多大程度上标准化了?在开发相同类型的数据结构、相同的轴和相同类型的平面文件时,您投入了多少精力?或者,您在多大程度上接受不同的数据类型、不同的数据样式以及连接和组合这些数据的复杂性?数据标准化越深入,执行数据分析显然就越容易。不幸的是,这是非常非常困难的,需要付出更多的努力才能达到高度标准化。”

数据结
一个持久的挑战是,公司对自己的数据高度保护。关于数据共享的抱怨可以追溯到几十年前,尽管使用TEMS和RITdb可以更容易地共享数据,但这并不意味着所有可以从数据中受益的人都可以共享数据。为制造而设计流程中各种流程的左移和右移为改进不仅仅是测试流程提供了有用的机会,但前提是共享的数据足够狭窄,不会泄露任何竞争机密。

有些组件中的测试不再是流程中的固定步骤,这使得情况变得复杂。它在现场也会实时发生,特别是当设备使用时间较长时。如果在多个产品中出现缺陷,则需要将这些数据发送回晶圆厂,以识别和纠正这些错误。如果故障发生在产品生命周期的足够早的阶段,那么这些数据就需要在该流程中的所有相关涉众之间以比过去更快的速度共享。

“你拥有的数据点越多,你就能越准确地向前推进,”阿里巴巴首席战略官乌兹•巴鲁克(Uzi Baruch)表示proteanTecs.“你在生产中看到的是我们所说的‘深度数据’。“这是芯片向外界发送有关其性能和行为的遥测数据。它可以在测试中被激活,在制造过程中,也可以在任务模式中被激活。数据本身是伟大的,但它也可以与算法相结合,利用和理解正在发生的事情,并将数据中出现的所有点连接起来。它可以与其他对他们重要的数据源结合起来。”
要使所有这些协同工作,还需要数据具有一定的一致性,或者至少需要一种聚合数据并使其可用的方法。这需要金钱和时间,因为在许多情况下,晶圆厂和osat将运行已经完全摊销多年的设备,以保持在晶圆/芯片价格上的竞争力。

期望对数据收集系统进行大的、剧烈的改变在测试层是不可能的。“你有一些有效的东西,你每天都在做。测试层是不变的。他们是混乱的。你不可能为了重启所有设备而关闭测试层五六个小时。所以这非常具有挑战性。”鲁斯说道。“我们看到了机会,每个人都想进入智能制造领域。每个人都想这么做。但当你考虑到所涉及的努力时,就会发现这是需要钱的,而且该行业的数据和控制方面并没有真正大的市场。”

在设备上实现TEMS并不太麻烦,但在某些情况下——比如使用了20年的老设备——实现TEMS需要更长的时间。

“设备本身不会改变,但如果我们必须在一些软件中分层,以便他们能够生成TEMS文件,例如,能够在他们的系统内部从一个点到另一个点通信信息,那么我们就促进了这种能力,”Advantest的巴特勒说。

每个人都在朝着实时使用测试数据,对测试过程有更多的可见性,并在将来的某个时候训练一个自适应测试系统的方向前进。总得有人制定一个标准。建立标准,最终客户就会来。

Bonneval在谈到TEMS时说:“我们现在有三个客户在使用它。

巴特勒说:“我们从与不同群体的交谈中得知,有兴趣朝这个方向发展的客户非常少。”因此,当他们想要替换他们的内部能力或现有的、通常基于STDF的默认能力并转移到TEMS时,我们已经准备好与他们合作。在这种情况下,他们会来找我们,我们会与他们合作,满足他们的任何要求,这样他们就可以按照自己的意愿使用这个系统。因此,我们有少量这样的业务,但更多的是有限的客户支持类型的情况,而不是我们所描述的重大战略变化。”

等待自适应测试
“随着人们越来越多地进入自适应测试流程——尽管业界已经讨论了一段时间,但它仍然没有很大的吸引力,”Butler说。“并不是每个人都在所有的测试应用中使用自适应测试。这是人们选择的地方。但这只是RITdb和TEMS预期这些功能的一个例子,他们将在获得立足点时为这些功能提供服务。然后,越来越多的人会想要朝这个方向发展。有一系列更新的功能将推动整个行业的采用,而我们仍处于这些阶段的早期阶段。”

自适应测试只会被更经常地使用,因为业界创造了更多的方法来实现它。例如,Lam Research正致力于捕捉来自流程的数据的力量。Fried说:“这是Lam的一个重要问题,因为我们正在推动工艺开发的数字化转型。”“我们正在研究时间序列数据、静态配方数据、传感器数据和工艺结果数据。我们正在研究所有这些数据,并试图从我们的实验室和多个数据站点获取这些数据,然后对这些数据进行高级分析,以推动未来的工艺开发和硬件设计。我们还希望在发现趋势和相关性方面释放人工智能的力量,并尽可能地将我们的高级分析自动化。”

Advantest仍然是CAST和标准委员会的成员。“我们的成员在这两方面都支持。因为时间还早,我们在监督,而不是收养和开车。现在还为时过早。”“有吸引力,它向我们展示了未来的发展方向,但绝不是‘好吧,让我们做这个而不是那个。’”

- Ed Sperling对本文也有贡献。

有关的故事

新的数据格式促进测试分析

自适应测试取得进展



留下回复


(注:此名称将公开显示)

Baidu