一颗芯片在出货前都要经过测试验证,通常会有几十甚至上百项的测试项目 – 这些项目中除了纯数字电路的测试只返回Pass/Fail外,其它项目结果往往都包含具体的测试数据,这些数据都反映了一颗芯片自身的至少某一方面的特性. 通常一款量产的芯片,少则一年出货近百万,多则每个月都要卖到几千万颗,可以看到这些测试结果将是一个多大的数据宝库.如果这些数据能够被充分地加以统计和分析,这对于了解芯片整体的特性,以及设计/工艺的方面的问题是非常有价值的.可以,几乎绝大多数的设计公司都无视了这些信息 在很多芯片设计公司眼里,量产测试的结果数据只不果是用来判断芯片好坏的一个手段而已,芯片测完,这些数据旧没有用了,或者只在出了问题的时候才看上一眼.这简直可以说是在暴殄天物 每颗芯片的测试数据都有其特殊性,但当一大批的芯片地数据放在一起的时候,它就能从统计的角度上反映了芯片整体的性能,这对于设计人员未来改良设计式有很大帮助的.通过对芯片测试结果的大数据分析,设计人员就能够很明确地了解目前版本及工艺条件下,芯片个方面的性能如何,哪里需要修正和提高.这些信息靠技术人员在实验室里靠少数几颗芯片分析是很难得到的.测试结果的大数据分析相对于实验室里的小规模验证具有统计学上的压倒性优势,因为单纯几颗芯片很难完全反映整体的性能 另外,量产测试数据的一个很大的功能是监督产品工艺波动以及良率变化.众所周知,芯片的各项参数都往往和制造过程中的工艺条件密切关联.工艺条件的波动和不稳定,是对芯片良率最大的影响.而这些问题往往可以通过对测试数据的监督上及时发现.如果只看到芯片良率本身的上下变化,是很难直接判断出问题所在的,而如果能够深入分析每个测试项目良率以及变化趋势的话,则可以对寻找问题提供大量的线索.特别是CP测试,通过把大数量的wafer测试的map图进行叠加,就能够很容易看到芯片测试参数在wafer面内的分布情况,这对于分析和寻找工艺方面的原因是有巨大帮助的. 说道这里,顺便说个小技巧.如果把这些测试数据和生产阶段FAB的WAT数据结合进行分析,往往会比较容易和直观地了解到工艺参数对芯片各项性能的影响,从而帮助相关人员改善设计以及工艺控制来提高产品性能和良率 对于一家设计公司而言,如果能够建立一套体系和流程,对每一批的产品的测试结果进行监督和分析,有时甚至能够通过一些数据的变化趋势预测问题的所在,在良率问题爆发出来以前就采取必要的措施,从而减少甚至避免产品质量的事故,从而降低芯片生产运营的成本 可惜的是,似乎目前国内在这方面有所行动的公司并不多.我希望以后能够有机会在这方面能有更进一步的探讨和说明,给广大国内设计公司一些更具体的建议和帮助 |
