中文 英语

一次测试是不够的

结合两个测试参数来做出通过/失败的决定变得越来越容易。

受欢迎程度

为了提高成品率、质量和成本,可以结合两个单独的测试参数来确定一个零件是否合格。

这种方法获得的结果更准确,允许测试和质量工程师更快地发现部件故障,发现更多测试泄漏,并最终提高产量和降低制造成本。新的数据分析平台,加上对统计衍生值的更好利用,使得这种方法比过去更容易实现。

最近的测试进度是基于面向缺陷的方法,它超出了包括数据表的标准测试。这对于安全关键应用中使用的半导体器件尤其如此,例如汽车,医疗和航空航天。使用类似方法平均测试部分(Pat / DPAT),工程师将简单的统计数据应用于电气测试的值。

但是这些方法不再足以发现系统测试失败和早期生命失败(也就是潜在的缺陷)。此外,PAT限制仍然会使好的部件失效。

“静态和动态的PAT方法足够敏感,可以与自然过程变化的潜在缺陷解耦,”考试和分析副总裁Alex Burlak说Proteantecs..因此,带有潜在缺陷的集成电路可以逃避生产测试,并在现场长期失效。”

更复杂的统计方法着眼于缩小人口,考虑使用骰子及其最近的邻居。但如果将两个参数检验结果结合起来寻找异常值,则结果可以进一步改善。这有效地减少了测试逃逸和潜在缺陷。此外,它利用了现有的测试,从而否定了新测试的开发,而新测试需要运行在整个测试程序确认过程中。两个测试值可以更好地区分好的和坏的模具/单位。为了有效地做到这一点,工程师需要数据分析工具来帮助识别有效的测试对值,推荐通过/失败限制,并对他们的产品的大量历史数据进行验证。

“许多常用的数据分析平台都有预先配备了可以轻松应用于任何数据集的经过验证和真实的异常检测方法,”软件产品管理主任Mike Mcintyre进入创新.“几个更复杂的系统甚至允许它们以各种逻辑(和/或)组合使用。”

两个测试优于一个
组合两个测试可以增加价值,但实现起来并不容易。从根本上说,好的设备和坏的设备表现出不同的电行为。测试程序包括一组利用这些差异的测试。是否大芯片系统(SoC)测试与80%的数字电路,或小型射频设备修剪和一长串模拟测试,参数测试值的范围可以从数万到数千。

坏装置是由于过程偏移,大于预期的模具内部流程不匹配,或缺陷。理论上,一组单独的测试可以检测所有故障。但是,这一般不是这种情况。薄晶件测试错过了不良部件,可能导致该领域的故障。此外,严格的通过/失败限制可能会失败许多良好的部件,这增加了整体成本方程。

结合两个测试值可以有效地解决这些麻烦。工程师发现这种方法非常有效地防止现场返回,通常在数十万的数量范围内。实际上,确定产量改善的根本原因远远不如寻找腐败的测试逃逸的测试。

但是要进行哪些测试,如何组合这些值呢?从20年前开始,工程师们开始研究代数组合——减法和除法。这些经典的测量技术去除了背景噪声,背景噪声是在晶片测试中观察到的工艺变化的预期范围,从晶片到晶片和批次到批次。

IDDQ测试的演变举例说明使用这种技术。在千年开始时,子微米CMOS工艺导致漏电流的较高变化。工程师预见的是,具有特征限制的IDDQ测试将不再有效。但是,对于数字电路,他们有价值的IDDQ检测缺陷的缺陷的能力ATPG.模式。这促使工程团队调查并最终使用多个IDDQ测试值来区分好和坏的部件。他们减去在不同电压下测量的两个IDQQ值。他们还使用了两个IDDQ测量值之间的比率。因此,他们在一次代数运算后使用了两个测试值。

使用两种不同的模拟参数,如增益和直流电平,或直流电平和背景电流,他们可以找到异常值。对于某些测试对值,有缺陷的零件和良好的零件将通过各自的确定值。但对于某些缺陷,如果两种检验具有较强的相关关系,则可以发现差异。这种关系使原始数据能够使用标准线性回归技术拟合到一个方程(例如,Y = aX+b)。

通过互相绘制两个高度相关的值,异常值伸出来。如果模具/单位显着脱落线路,工程师已经找到了有效的测试价值组合。


图1:二元离群值图和相关的晶圆图。来源:国家仪器

为什么两个不相关的测试值会检测有缺陷的部分?“当你找到相关性时,每个人都希望有一个绝对易于理解的是相关的理解,”战略商业创作经理Ken Butler说:安置美国.“我们曾经试图辩解为什么这些测量集发现了这个缺陷。有很多半导体物理学的东西在起作用。但在现实中,它可能是很多事情中的任何一个。”

有了客户返回的部件在手,工程团队就可以集中精力寻找检测方法。大多数油田的回报以百万分之十或百万分之百(ppm)来衡量。确定提高产量的根本原因不是重点领域。事实上,基于双值的通过/失败判定可能会让一些好的部件失败。如果不是重大的良率损失,则工程师根据新的合格/不合格限制修改测试程序。

通过采用两次测试测量方法,新限制对正常过程变化具有鲁棒性。然而,有时甚至那也不够好。在过去的10年中,一些工程师已经转移到使用统计值而不是测量值,从中位数或平均值的标准偏差方面表达了通行证/失败限制。这对于PAT或DPAT来说显着不同,两者都基于统计分析设定测试值通过/失败限制。

Exensio解决方案的主管Greg Prewitt说:“离群值检测的一个最不被理解的方面是如何记录结果的数据,以驱动最有效的筛选。PDF的解决方案.“大多数离群值检测机制在本质上是统计的,因此离群值屏幕是在电流和电压不再相关的统计单元中进行的统计测试。最佳实践是根据所考虑的每个测量的标准偏差来记录每个测量的数据。然后你就可以正确地分析多个晶片和批次的离群值限制的可变性。这是在我之前走过这条路的人指出的最佳做法。具体来说,我是在几年前的SEMI CAST会议上从Jeff Roehr那里学到这种有启发的数据记录统计测试方法的。”

IEEE高级会员Roehr进一步阐述。“很明显,如果将每个晶片作为单个实体(批次)处理,并且对每个数据值计算的RSD(剩余标准偏差)的值,则可以使用RSD刻度组合多个晶片(批次),NNR(最近的邻居残差)方法可用于找到即使在来自多个批次的大人物中也可以找到一分偏见的异常值。基本上,将来自测量值的所有数据转换为RSD变化,然后仅使用RSD值执行所有异常数据分析。“


图2:使用残差标准差的两个检验之间的相关性。来源:杰夫Roehr

仔细辨别通行证与失败
基于统计的测试限制,无论是一个,两个或更多的测试参数,应该只有在满足性能限制后才应用。仅仅关注统计推导出的极限可能导致测试逃逸。

Onto公司的McIntyre表示:“最明显的例子是,可接受的PAT分布在性能规格限制内或外。”“工程师选择将这些部件包括进来,是因为它们在PAT分配‘限制’内,尽管有些分配超出了规定的性能控制限制。”

因此,对于参数测试百分比较高的模拟信号和混合信号部分,测试程序维护数据表极限测试,然后应用离群值极限。

另一个确定通过与失败的角度可以通过模上监视器的镜头来观察,也被称为芯片遥测电路。对于大型soc,可以有效地使用这些内部数据来分离通过和失败的部件。

“对于模具参数数据,可以在个性化基础上检测异常值,而不是基于人口,”Proteantec的Burlak说。“芯片遥测允许提前建造的高级估算器,允许将另一个维度添加到测量中。现在,测试工程师可以检测似乎在Pat限制内的异常值,而不会失去良好的产量,甚至回收潜在的产量。由于它是基于精确的,我们消除了假的正负异常值,并且可以验证这一点。其中一种方法是运行包含检测到的异常值与正常群体的HTOL批次。期望是,含有的群体的异常值将以较高的百分比失败,相对于基线。“

减轻数据分析平台的负担
工程师们在20年前就开始使用二元异常值检测技术。Roehr说:“回到2005年,离群值的概念就已经存在了。“但当时没有商业软件和方法。当时任何使用离群值检测方法的人都在写自己的代码。你得自己发明。这些数据分析公司并不存在。今天,如果你想这样做,软件和工具现在可以在商业上买到。你可以用它们来扭转局面,至少一夜之间就能得到入门级的解决方案。”

在该进入级别解决方案之后,工程师需要数据分析能力来优化算法参数并验证这些参数的影响。

“通过分析,它可以查看历史数据,发现问题,并试图理解它们,”Paul Simon说Synopsys对此.然后执行算法来提高产品质量、产量或测试时间。当你实现一个离群值算法时,它有一定数量的参数。你想让算法以这样一种方式部署,你不会损失太多的产量,因为有质量的权衡,这是产品工程师需要决定的。根据产品的不同,他们准备好牺牲10%的产量来获得一点质量了吗,还是反过来?这就需要在历史数据上模拟非常复杂的算法,然后调优这些算法。然后在测试台上部署优化后的算法。”

结论
客户退货常常促使工程团队考虑二元测试限制。零件通过了所有的单项参数测试。在成对探索测试数据值的相关关系时,工程师通常会找到一个有效的鉴别器来检测它们。以这种方式识别通过/失败有利于质量和产量。

通过使用导出的统计值来代替原始测试值,工程师可以使测试通过/对正常过程变化的限制具有更好的鲁棒性。随着晶体管特性和金属线宽度的缩小,这显著增加。

二十年前,工程团队编写了用于应用这些方法的自定义代码,包括数据分析和测试程序应用程序。随着数据分析平台的到来,工程团队专注于探索可能的测试组合和分析新的通行证/失败限制。最后,有时两个测试值优于一个。

相关案例

自适应测试取得进展

汽车集成电路的部分平均测试不够好

地理空间异常值检测

在集成电路制造中追踪测试逃逸



留下一个回复


(注意:此名称将公开显示)

Baidu