测试成本飙升

测试的成本占生产成本的上升,由于担忧advanced-node设计汽车的可靠性和数据中心,以及延长寿命的芯片和其他市场。

几十年来,测试仅限于一个平坦的总生产成本的2%,一个公式开发前千禧年后芯片制造商和铸造厂看到测试成本上升的轨迹。他们回应大大限制了时间,设备可以测试下在制造业。反过来,为高度先进的自动化测试设备能够在同一时间执行多个不同的测试在多个死亡或晶片,并最终为不同的功能在系统级测试。同时,检验和计量功能改进的比例。

如今,这些测试百分比是再次上升。根据终端市场,以及新技术,在某些情况下这些数字可以增加一个数量级或更多,而在他们保持基本相同。

有很多原因这些峰值。其中关键的是人工智能系统的快速部署在汽车和在任务关键型应用程序中,这需要更多的计算元素来处理更多的数据。事实上,一些AI / ML / DL芯片开发最先进的节点被缝合今天来提高处理超出计算元素的数量将适合大小的芯片上的十字线。在人工智能,越多越好,尤其是当涉及到培训和一些推论,这是特别重要的在各种自动车辆,以及边缘和云计算。但这也意味着测试所需的数量和复杂性的增加,和所花费的时间做测试达到足够的覆盖率。

“在7/5nm,有很多重依赖于功能测试,扫描链测试和系统级测试,”道格长老说,副总裁和总经理的半导体业务单元OptimalPlus。“关键是让尽可能多的数据,所以你可以负载尽可能为基准进行比较。你必须处理的数据越少,就越难问题数据驱动的方法,它不会给你利用人工智能的能力。您还需要看看这些数据,因为收集过程的结构是很困难的因为体积的数据和设备的结构。”

这有助于解释为什么许多芯片制造商仍然严重依赖于老化,一个耗时和越来越昂贵的过程,提供了一个单一的形象(或多个图像)在芯片或系统。

“他们不愿放弃,因为如果有一个潜在缺陷他们想找到它,”老人说。“但是当你收集老化数据发现,从统计数据来看,大部分设备都不是失败在老化。他们看的是大量的RMA(返回商品授权)数据。如果一个ADAS相机返回,你想知道为什么失败,尤其是在一个闭环系统。但是你需要收集数据一直到最终用户级别,然后关联制造过程。这是在汽车变得非常重要,你需要理解为什么一个传感器死在每小时60英里。所以你收集信息、饲料,并关联。”

所有这些增加了系统的复杂性,它延伸测试过程远远超出制造业。

”这并不是简单的,测试的成本上升,因为你并不总是提高芯片的时间花在吃机器,”基思·阿诺德说,全球技术销售经营PDF的解决方案。“有很多东西你以前做不到。现在你可以看多个流程步骤,从锭到成品。很少有人利用这个系统,但它已经进化到可以预测早期生活失败和每个死亡的可能性没有。”

阿诺德指出,在过去的几年中,通过应用机器学习,数据可以用来理解一个缺陷的根源。“但现在你如果你做物理失效分析,电气故障分析和失效分析的数据,您可以使用这些来预测时就会失败。这只是冰山的一角,你可以做什么与这个东西。”

最终,这可能会降低责任问题和限制昂贵的数量回报和回忆道,但这需要在系统级的基础上计算。如果这是计划,测试和分析成本仍将上升,但老化等其他成本将会下降。

不过,这适用于成千上万的组件组成一个复杂的系统,比如自主车辆。一个包可以包含多个死亡,数以百计的IP块I / Os,记忆,各种类型的互联,不同材料的混合物从正形电影刚性基板和各种类型的碰撞和焊料球。

包装这个问题增添了另一个维度,因为即使是已知的好可能会损坏包装过程中死去。然而,大多数企业愿意花费数亿美元开发芯片也想最大化性能通过缩短距离信号需要旅行。所以虽然收缩特性为额外的处理提供了一个更大的空间元素,在最先进的流程节点收缩功能不提供功率和性能上的显著改善。

这就是复杂的架构更改成为舆论焦点,他们为测试添加另一层次的复杂性。

“测试代表更多的成本比过去,”卡尔·摩尔说,收益管理专家yieldHUB。“如果你觉得老饼图,晶片成本,包装和少量用于测试。测试部分是越来越大。你现在测试内部成百上千的节点。这些设备也越来越大,随着multi-die,他们得到更高。与此同时,有一个趋势减少针的数量,因为销成本钱。”

使它更难测试用标准的方法,它使它更难设计芯片足够的地区的芯片可以包含在这些测试。

转变对吧
而不是同时做更多测试工厂,芯片制造商都采取了不同的方法。虽然一直强调在整个半导体行业左移位从一些初始测试验证和软件开发策略,在一些市场,如汽车和服务器,有一个并发的趋势正在推动测试左翼和进一步的权利。

”在硬件测试方面,有一个巨大的人工智能与汽车行业和汽车之间的交叉开发自己的AI,”Lee哈里森说,汽车测试营销经理导师,西门子业务。“我们可以运行很多的系统测试,在数组的处理核心和你保持整个运行以确保硬件是正确的。但是也有日益增长的需求与自动驾驶功能,使用和底层技术的小时数将会大量增加。与此同时,汽车正在减少周期时间。所以你需要运行测试系统中,在一个人工智能芯片可能含有多达1000相同的处理核心。和一个更大的人工智能芯片,这是大脑的一辆车,你还需要为逻辑实现修复。我们看到修复在内存中,这代表了一个大数量的内容大部分芯片。现在,随着人工智能芯片,你需要修复的核心芯片的生命周期。”

在高安全性的应用程序时,这是一个认识到有成千上万的核心在一个人工智能系统,可能出错在某种程度上,即使是晶体管损坏引起的杂散α粒子。关键是要理解当这种情况发生时,通过进行检测和监控,能够立即故障转移到备用处理器或晶体管。所有这些一再要监视和测试整个系统的操作。

但测试也被应用原因更加积极主动。1000年数组相同的处理元素,也很好的分配计算负载在任何时候为了电路老化过程。这些电路可以在一个正在进行的基础上进行测试和修正。

“有些时候你希望所有1000核高峰使用,”哈里森说。“但是如果你下降到10%,你不希望所有的左上角死去。所以你做一个棋盘模式并试图扩展组件尽可能长时间的生活。你不希望一切多余的,因为如果你有100多核你会降低系统的效率。也许你从一个系统以100%的性能故障降至90%的性能,你不会看到那些失败。”

真实的世界
要理解这个变得是多么的复杂,考虑各地实验室的情况下,测试材料和芯片的失败。

“我们有1.5亿美元的设备,至少,”丹尼尔·沙利文说,客户经理在坚毅不屈。“我们有100或120不同的技术。如果你开始谈论里面的细微变化的技术,你可能有200技术。”

识别缺陷的原因可以运行数千美元/缺陷。这相比懒懒的工厂的成本,但是,每天数以百万计的美元。所以弄清楚哪里出了问题,如材料的纯度被中断,可以节省大量的金钱。占愿意支付更多的测试在这种情况下,和出现问题时的紧迫感在制造业方面。

“这些机器的价值范围,但他们可以是一个150万美元到200万美元每的一些机器,”沙利文说。”也有一位博士已经做了30年,在技术和弄清楚发生了什么。然后他们从第三方获得一份官方报告,是中性的。所以博士去他的供应商说,“你把x, y, z。你不应该这样做。“他们说,‘哦,不,那是你的考验。你做到了。这是当事情来找我们。我们认为是一个公正的第三方。有公司,你做一些事情。 ‘I thought it was supposed to be something else, the contract says what it is. If it’s wrong, you owe me $100 million. If you are right, I am out of business.’ So you need that third party because these two people are not going to trust each other. Plus, if you have an expert who’s been in this industry for a long time, they can talk to both sides say, ‘Hey, I’ve seen this before. The problem looks like this and the test shows me this, so this is probably the cause of the problem. They both sort of take that instead of fighting, they can go and try and solve the problem. But there’s an awful lot of times where somebody machined something or is developing some product and there’s some contamination in the system that they don’t think is a big deal.”

底线
测试成本再次上升几个几十年来第一次,但很难评估此时是多么至关重要,可以减少什么,还有什么可以做的测试结果和持续监控数据没有以前的做法。如果测试是25%的制造成本,但它可以减少多达30%的责任成本,节省一笔可观的费用。另一方面,如果测试成本上升和责任成本持平或增加,那么这个过程需要固定的。

太过早在一堆这将如何发展新市场。很明显,持续监测提供的见解将会提供更多的信息更多的部分供应链比历史上任何时候半导体。现在的问题是,该行业是否会找到足够的底层数据继续升级,价值投资,这可能需要数年时间来决定。

苏珊兰博促成了这个故事。

相关的
日期分析&测试知识中心
特别报告、头条新闻、白皮书、视频等等
分级芯片寿命更长
不同的用例,依赖性和可测试性使直接比较更加困难。
更多的数据,更多的问题在汽车
数据变得更加有用和及时,但并不是每个人都可以访问它。
不同的方法来提高芯片的可靠性
推动零缺陷需要更多的在新的地方和不同类型的测试。