“时间就是金钱”的古训是高度适用于半导体器件的生产测试。每秒钟晶片或芯片测试意味着下一部分还不能被测试。测试吞吐量,越慢越自动测试设备(吃)需要满足生产吞吐量要求。芯片生产商的这是一个巨大的问题,因为高针数,快得多接口,而深层模式记忆都导致吃硬件的价格显著增加与最近一代又一代的设备先进的流程节点。
同时,今天的芯片的不断增加的功能意味着有更多的逻辑进行测试,需要更多的模式,更多的测试内存,因此,更多的成本。更多的模式还需要再测试运行时,增加测试人员的数量需要维护的吞吐量。自动测试模式生成(生成)是普遍用于生成程序,运行在生产测试人员。现代芯片施压的复杂性测试过程,通常需要长期运行时,可以延迟生产的开始测试。
尤其是大容量产品,数以百万计的芯片将通过测试地板,每秒钟可以节省测试时间会得到巨大的好处。然而,任何减少模式必须保持高测试覆盖或部分运到客户的质量。因此,一个有效的和高效的测试生成解决方案的地方高要求除了生成的测试程序生成的过程。
传统模式生成流是一个迭代的人工循环,用户开始通过建立典型测试生成工具等参数提供故障模型,定义设计约束,并指定生成时间度量目标生成的测试,等等。然后他们用最佳运行模式代估计所需的工具设置满足结果的目标质量(QoR)。不大可能,第一次尝试将实现生成目标,通常需要大量专业知识和许多试图微调工具设置迭代收敛于可接受的结果。这是由于多个测试生成工具参数及其之间的相互依赖影响生成QoR,使其高度复杂的手工管理。这甚至可能导致测试专家将大大延长达到最优结果。即使预期的结果是否得以实现这样一个流程,从设计到设计并不能保证可重复性引入的不可预测性的周转时间和测试模式批准时间表。这可能意味着测试模式可能不是硅回来的时候工厂的测试,把测试生成和设计关键路径上的进度风险。
引入人工智能(AI)是一种创新的方式来满足现代模式生成流的要求。一个基于ai生成解决方案可以智能地了解设计特点,生成引擎行为,用户约束/目标,和可用的设置与并行运行。精炼的设置时,关联结果了解工作和不工作的AI擅长的任务。收敛测试覆盖率目标发生在此工具中,没有任何手工迭代或操纵设置实现first-time-right结果。
推荐的流是使用标准的首次运行生成设计刚果民主共和国干净,其次是分布式生成运行分析、优化,并通过网表验证目标测试覆盖率下降和/或生成变化非常快的运行时。与期望的测试覆盖率,AI可以用来减少芯片可用于生产前的测试模式测试。这个流可以实现快速的周转时间,最高质量最低的成本tester-ready模式,同时保持了设计进度。
Synopsys对此TSO。ai(测试空间优化)是一个AI-driven生成解决方案,学习和曲调的设置,一直生产的最小数量的测试模式,同时消除不必要的迭代和加速time-to-results对于任何设计。在一些情况下,它也为一个固定的模式取得了更高的测试覆盖率计算当测试内存是有限的。虽然这种技术可以用来最小化模式都最后tape-out网表或设计已经在快速生产节省测试成本,它还可以学习与网络列表滴在整个设计过程中,减少周转时间最终模式的还原过程。
这种方法可以实现一个一致的测试成本降低在所有应用程序段,与一个典型的模式数减少20%至25%,在某些情况下超过50%。这加速了生产测试,节省时间和成本,同时减少测试人员的数量给定产量所需。
|
|
|
|
|
|
|
|
|
|
留下一个回复