测试更多以提高利润

并不是所有的芯片都符合规格，但随着越来越多的数据可用，这些设备的成本持续上升，为其他应用和市场回收和重新设计芯片的势头越来越大。

基于性能的装箱与彩色带电阻一样古老，但这种做法正在推广——即使是最先进的节点和包。在过去的三十年中，工程师们已经应用测试过程来根据性能来隔离产品，并且随着新功能的添加，这项工作只会变得更加细粒度。

数据和成本驱动了对性能分箱过程的改进需求。首先，随着数据粒度的提高，芯片制造商可以重视更高的性能、更低的功耗和更高的精度。其次，其中一些设备的设计和生产成本已经变得非常高，这也增加了不太完美的设备的价值。此外，性能装箱在很大程度上只适用于idm或大型无晶圆厂公司，因为他们可以负担得起将其安装到位所需的工程师和工程工作。随着端到端分析的承诺，该行业朝着在无晶圆厂/代工供应链上实现数据共享的方向发展。这种实现和自动化能力的提高意味着较小的半导体供应商可以考虑采用这种方法，从而增加他们的利润。

自适应测试流有助于最大化更高性能部件的产量需求，同时平衡识别它们的相关测试成本。使用分析、测试数据和工厂自动化公司确定性能箱。

决策可以在晶圆验收测试(WAT)、晶圆测试、最终测试，甚至在离线配置的仓库中做出。根据制造执行系统(MES)的范围，这些决策可以实时或事后做出——有时称为虚拟测试。一个产品可能有一个、两个甚至更多的参数，可以根据这些参数进行仓选择。

对于微处理器，性能装箱从最大时钟频率(Fmax)开始。随着移动计算的出现，产品工程师也开始根据功耗进行分类。对于音频应用中使用的混合信号设备，模数转换器(adc)和数模转换器(dac)的质量起作用。在射频中，基站在增益和相移方面都需要匹配的对-另一个双参数分组。

只要有人愿意为某个数字价值支付更多的钱，工程师们就会想出如何以尽可能具有成本效益的方式来做到这一点。当产品箱的数量超过3个时，工程师通常使用自适应测试流程来引导模具到适当的最终测试程序。在IC测试中启用基于性能的绑定的关键因素包括:

•有正确的数据来做决定;
•根据当前市场需求做出最佳决策;
•将数据或决定移动到下一个逻辑测试步骤，以及
•尽量减少工程团队的手工输入。

这些性能测试流程代表了前馈决策，工业4.0认为这对利润最大化至关重要，并以敏捷的方式响应制造数据。它并不总是如此自动化，而且还有改进的空间。

利益驱动的测试
在集成电路之前就有了性能分区。动机纯粹是经济上的。组件具有一定的性能范围。某些客户需要特定的性能范围，并愿意为此付出更多。剩下的好部件可以卖给其他客户。

考虑一下简陋的电阻器。对于四色带电阻器，最后一个色带表示电阻器值的公差，而前三个乐队用欧姆表示电阻值。典型的公差范围是5%、10%和1%。电阻器制造商没有专门针对电阻器公差的制造工艺。相反，测试选择进入三个不同容差箱的部件。

图1:电阻分仓成bad、10%、5%、1%、>10%均匀分布。来源:Pixabay/Anne Meixner/半导体工程

观察良好的电阻分布的性能会导致一个有趣的观察结果(见图1)。一组具有5%公差的千欧姆电阻永远不会落入990到1010的范围，因为它们属于1%公差仓。10%容差电阻的值分别为900到950和1051到1100。

性能分类可以对任何可测量的参数进行。数字信号处理依赖于数据转换器，它有一个长长的列表规范。根据应用程序的不同，可能会有一种规范保证性能箱。这种性能箱的区别是基于晶圆测试结果，但也可以有额外的计算(虚拟测试)和数据添加到晶圆级测试。出于可追溯性和数据完整性的考虑，工程师保留原始晶圆图及其相关数据。

公司业务发展经理Andre van de Geijn解释说:“我们一直保存原始的晶圆图yieldHub。然后对晶圆测试数据进行分析。然后我们复制晶圆图，然后用新数据更改副本。”这个新的晶圆图可以直接移动到组装，也可以在移动到组装车间之前与其他工艺步骤的数据合并。

对于简单的装箱，测试成本是不存在的。当工程师需要的容器数量超过他们的测试单元所能支持的数量时，成本只会增加。此外，在选择最终测试或封装时，经济影响是不同的，以每个晶圆为基础，而不是以晶圆为基础。更复杂的测试和装配流程的发展促使产品和测试工程师与工厂自动化工程师更紧密地合作。数据分析和自动化解决方案支持从晶圆测试到组装和最终测试的数据前馈。

查看基于微处理器性能的装箱说明了为自动前馈决策而进行的技术改进的演变。

早期的宾宁
几十年来，像英特尔和AMD这样的微处理器公司已经放弃了最大频率。产品工程师称这种选择过程为速度箱。

处理程序和测试程序时间限制驱动速度分箱实现。一个测试单元的处理程序通常有4到5个输出托盘。一个是为坏的部件保留的，其余的可以用于好的部件。但可用的好箱子是有限的。为了保证特定频率下的性能，测试程序将在该频率下运行所有功能测试。如果您有10个可能的性能箱，那么处理程序中既没有可用的箱，也没有可用的测试时间预算来在一次插入中运行所有10个良好的箱。

这些限制在20世纪90年代初就已出现。产品工程师开始使用过程监视器和晶圆测试的数据来预测最终测试的速度箱。为了实现这一目标，他们必须从头开始构建it基础设施。

“TI for the SunSparc微处理器，我们必须管理早期的速度箱分布，”约翰·卡鲁里说，DMTS总监Fab 8-Test在GlobalFoundries。“当时没有任何系统可以做到这一点。我们做了大量的手工网络和数据文件编码。我们在一个能够访问过程数据、工具类型和计量信息的主机系统上工作。当时，Unix系统处理测试层的测试集成方面。一旦我们自定义编码数据库，并将所有的东西粘在一起，我们通过一个cron这个任务会一直运行。我们评估晶圆片在不同速度箱中的可能性，然后在最终测试时将它们引导到适当的测试程序。到那时，它们将进一步分化。”

图2:TI的Sparc微处理器测试流程晶圆到最终测试。资料来源:Anne Meixner/Semiconductor Engineering

21世纪初，移动计算技术的出现促使产品工程师们节省电力和频率，有时两者兼而有之。在支持多个产品箱的情况下，白板上的测试流程似乎很简单。实施它们仍然是一件复杂的事情，需要审核以保证每个产品系列的测试结果。二维装箱自然而然地产生了一些复杂的流，这就产生了与数据完整性相关的不同挑战。

LeddarTech最近的首席ASIC测试架构师Preeti Prasher指出，过去移动应用程序的性能打包过程通常局限于速度和电压。“测试程序中的测试时间不是太大的问题。最大的挑战是在最终测试后需要审核测试结果。”“当基于速度和功率进行装箱时，设备可以经历不同的测试流程。每个箱子需要不同的测试。您可以审核一个部件最终被认为是好的所有不同路径。您通常会为这些测试提供不同的测试编号，以使您的审计更容易。”

促进前馈达到模组水平预测
虽然工程师也使用晶圆验收测试或性能芯片监控，但大多数性能装箱都是从晶圆测试开始的。这使得工程师可以选择一个特定的最终测试程序，以及在组装过程之前隔离晶圆或模具。对于微处理器，速度较快的晶圆片/晶圆片可以直接用于工作站和数据中心的封装，速度较慢的部件可以指定用于台式机和笔记本电脑。随着频率的增加，电力消耗也随之增加，而包装选择的多样性也随之增加。

为了在更细的粒度上隔离，晶圆级产品工程师开始在晶圆测试中使用功能测试。在晶圆测试中，即使使用低引脚数测试仪，工程师也可以通过执行英特尔所谓的基于结构的功能测试(SBFT)来执行微处理器功能测试。英特尔在2002年的国际测试会议(ITC)上简要介绍了它。纸。太阳公司的工程师在2006年的ITC报告中描述了类似的方法纸。从晶圆测试结果中预测单元测试频率性能的其他方法包括功率泄漏和片上环形振荡器测量。

为了一致地利用晶圆测试结果，您需要自动化数据决策。然而，实现的挑战意味着这并不像写在白板上的流程那么简单。

德州仪器测试系统架构师Ken Butler表示:“一个挑战是数据延迟——让上游数据在下游点及时可用。”在分离的测试流程中，上游和下游的测试插入位于不同的设施和/或公司，这尤其困难。”

数据完整性在这里也发挥了作用。德州仪器高级技术人员、RITdb工作组联合主席Stacy Ajouri表示:“由于数据完整性的制造挑战，很难进行自适应测试。”“你必须确保你为测试单元提供了正确的数据。我们正试图通过在RITdb标准中提供良好的数据来源来解决这个问题。我如何通过我投入这个测试的性质，为数据的完整性和良好性增加鲁棒性?”

英特尔的工程师在分享他们的实施经验时，特别描述了他们如何评估数据完整性微处理器的前馈在2006年国际测试会议上。他们要求数据完整性值至少为99.995%，并将数据完整性定义为数据可用性和数据准确性的函数。从本质上讲，数据完整性是数据可用性和准确性的产物，可以在单位或批级进行跟踪。数据准确性通常是源数据(测试器输出文件)的准确性和自动化基础设施正确加载或检索数据的能力的度量……数据可用性是一个单元数据存在的简单度量。”

通过拥有这种级别的数据完整性，英特尔工程师可以支持下游工艺步骤的单元级决策——组装时的晶圆排序、老化、延迟产品配置。对于测试程序、前馈自动化或基础设施升级中的任何更改，他们都可以验证更改不会对数据完整性产生不利影响。当然，这种实现需要为每个模具/单元提供唯一标识符。

正确地实现一个自适应测试流需要大量的工程工作。这就解释了为什么只有idm或大型无晶圆厂公司报告这样做。要将这种流动引入其他无晶圆厂公司，需要克服一些障碍。

首先，产品工程师需要连接来自不同制造源的数据。然后，工程师需要处理测试设备和信息流的所有权问题。多家公司提供的数据分析解决方案促进了晶圆生产、晶圆测试、组装和最终测试之间的数据共享。

它们还可以提供实时操作测试程序的代理。

然而，如果这些制造步骤之间的数据不一致，你就不能成功。并非所有测试层都具有与IDM(如Intel)相同的数据治理、数据移动和数据分析的严格性，以促进性能库测试过程的自动化。