CN108427659B - 基于多类型测试获得真实产量数据的方法 - Google Patents

基于多类型测试获得真实产量数据的方法 Download PDF

Info

Publication number
CN108427659B
CN108427659B CN201810219358.1A CN201810219358A CN108427659B CN 108427659 B CN108427659 B CN 108427659B CN 201810219358 A CN201810219358 A CN 201810219358A CN 108427659 B CN108427659 B CN 108427659B
Authority
CN
China
Prior art keywords
test
batch
time
production
data based
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810219358.1A
Other languages
English (en)
Other versions
CN108427659A (zh
Inventor
郑巍
张思诗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Products Chengdu Co Ltd
Intel Corp
Original Assignee
Intel Products Chengdu Co Ltd
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Products Chengdu Co Ltd, Intel Corp filed Critical Intel Products Chengdu Co Ltd
Priority to CN201810219358.1A priority Critical patent/CN108427659B/zh
Publication of CN108427659A publication Critical patent/CN108427659A/zh
Application granted granted Critical
Publication of CN108427659B publication Critical patent/CN108427659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明公开了一种基于多类型测试获得真实产量数据的方法，采用冷热测试抽样率的数据结合冷热测的测试速率再转换成时间度量，以得到可用于生产指导的真实的实时测试数量数据；本发明可以有效结合多类型测试，根据采集到的多批次的测试数据进行转换折合，得到实际真实产量数据，用于生产指导，以便于快速锁定问题并积极响应。

Description

基于多类型测试获得真实产量数据的方法
技术领域
本发明涉及工厂生产情况的监测技术领域，特别是基于多类型测试获得真实产量数据的方法。
背景技术
目前，芯片性能模块主要用于对芯片电性能测试设备的生产情况进行监测。对半导体芯片进行测试时，将半导体芯片产品加载到测试设备上，运行测试程序，对产品的质量、性能进行测试。在测试过程中，通常采用设备的实际产出批次的数据来对比额定产能，用以得到实际生产效能的数据。
目前能采用的设备产出数据主要包括两个方面：1.数据库的批次完成数据，数据库可以是本领域所用的Mars数据库，或其他常用数据库；2.AOT(actual output)unitlevel的实时测试数量数据，其中unit level指单个芯片级别的产出数据，相对应的是批次级别的产出数据。
但是针对热、冷混合测试的产品，即芯片电性能测试设备在高温情况下对某批次的产品进行性能测试，随后抽取该批次内一定比例的产品在低温下进行性能抽样测试，最终该批次产品性能测试结束。例如对部分处理器产品进行测试，采用以上两个方面的数据时，在数据准确性上，都不能满足要求，原因如下：
1.如果使用Mars数据库批次完成数据来衡量各班次生产指标的话，会存在数据延迟，这是因为生产设备是连续生产的，在班次结束或者中途时间点抓取数据的时候，生产设备上仍然有大量已测试完成的产品数据没有上传到数据库，导致结果失真。
2.如果直接使用AOT，单个芯片级别的产出数据的实时测试数量数据，虽然可以解决数据延迟的问题，但是会带来另外的问题，那就是AOT会对多重测试部分(cold/hotmultiple test)重复计数，这将直接导致产量数据比实际偏大的情况，影响最终结果和决策。
鉴于上述传统方法存在的技术缺陷，以及实际业务需要提供准确的产量和生产效能数据，所以需要建立新的针对多类型测试的产量、生产效率方法。
发明内容
本发明为解决上述技术缺陷，提供了一种基于多类型测试获得真实产量数据的方法，该方法可以有效结合多类型测试，根据采集到的多批次的测试数据进行转换折合，得到实际真实产量数据，用于生产指导。
本发明的技术方案如下：
基于多类型测试获得真实产量数据的方法，其特征在于：
首先，获得设备的某批次的冷热测试抽样率的数据，然后结合冷热测的测试速率，再将该批次的整个冷热测试过程转换为时间度量，进而根据各批次的测试进度折算出可用于生产指导的真实的实时测试数量数据(Puretest)。
所述多类型测试指热、冷混合测试，也可以指热、冷测试和其他不同方式测试的混合测试。
所述冷热测试抽样率的数据至少包括该批次测试的：实际测试数量、生产速率、数量比例、批次产品数量。其中：
实际测试数量是通过设备控制器实时上传到数据库，直接从数据库读取实际测试数量；
针对不同的产品，所述生产速率、数量比例、批次产品数量均是先预先设定数据，然后录入生产系统数据库，然后直接从相关生产系统数据库读取相应的数据。所述生产速率可以是每小时产能的生产速率，或者根据具体情况设定的一定时间周期内产能的生产速率。
所述时间度量是指用时间进度替换测试数量进度，用来衡量该批次的整体测试进度。
相对于批次级别产品计数而言，所述实时测试数量数据是批次在单个产品级别的测试计数，以测试单个产品的个数为单位计数，即在一个批次的产品进行测试时，生产系统以实际测试产品的个数为产出数据。所述批次产品计数是指只有当整个批次产品完成某个工序时，生产系统才会以批次为单位记录该批次数量为产出数据，而不是以该批次产品中的单个产品的数量为产出数据，如果该批次产品未整批次完成该工序，则没有产出数据。因此，可以看出，实时测试数量数据是实时的产品测试计数，不需要等到整个批次的产品测试结束，但是，因为部分产品测试了两遍：即热测和冷测，所以针对冷热测的综合测试总计数会比批次级别产品的实际批次数量大很多。
所述折算过程通过下面的公式完成：
Agg_puretest＝LostSize*Actual_Processing_Rate
Figure BDA0001599753880000031
其中：Agg_puretest表示实时测试数量，LotSize表示批次产品数量，Actual_Processing_Rate表示批次实际测试进度；Efficiency表示Agg_puretest和期望产量(设备在一个班次的额定产能)的对比值，Qty_A表示测试方式A的实际测试数量，Qty_B表示测试方法B的实际测试数量，EUPH_A表示测试方法A的生产速率，EUPH_B表示测试方法B的生产速率，Hours表示总生产时间。
所述Actual_Processing_Rate的计算方式如下：
Figure BDA0001599753880000032
其中：Actual_Process_Time表示当前完成量折算成的时间，Total_Process_Time表示该批次按照多种测试速率和抽样比例总共需要的测试时间。
所述Actual_Process_Time，Total_Process_Time的计算方式如下：
Figure BDA0001599753880000033
Figure BDA0001599753880000034
其中：SR_A表示批次进行测试方法A测试的数量比例，SR_B表示批次进行测试方法B测试的数量比例。
对于获得的Efficiency，因为是Agg_puretest和期望产量的对比值，如果小于1，则说明设备没有达到要求，可以通过自动化报表的方式展示给生产管理人员，同时展示设备运行参数，做到快速锁定问题，快速响应。
当Efficiency大于或等于1时，表明该设备有部分生产指标优于计划(额定)值，如果指标持续优于目标值(例如连续7天)，将触发对该指标的目标值进行重新评估，提高对这种设备该指标的目标要求，进而提高标准生产速率。
对于获得的Agg_puretest，对上下游生产调度也有非常积极的指导意义，因为测试站点通常是工厂的瓶颈，只有在准确了解各个产品的测试进度的情况下，才能合理安排前后生产节奏。
本发明能为测试提供准确的生产进度数据，进而能够准确的指导生产一线进行产品调度、排产。通过本发明得出的生产效率数据能够及时发现生产缺口，进而帮助改进指标，提高产能。
附图说明
图1为本发明的测试流程示意图。
具体实施方式
基于多类型测试获得真实产量数据的方法，其步骤为：首先，获得设备的某批次的冷热测试抽样率的数据，然后结合冷热测的测试速率，再将该批次的整个冷热测试过程转换为时间度量，进而根据各批次的测试进度折算出可用于生产指导的真实的实时测试数量数据；所述时间度量是指用时间进度替换测试数量进度，用来衡量该批次的整体测试进度。
所述冷热测试抽样率的数据至少包括该批次测试的：实际测试数量、生产速率、数量比例、批次产品数量。例如：批次总数1000个产品，热测+冷测按照标准测试速率和比例共需2小时，当前完成冷热测的数量按照标准测试速率换算成时间是需要耗时1小时，那么时间进度就是50％，进而得出该批次当前的折合产量为500个。
所述实时测试数量数据(Puretest)是批次在单个产品级别的测试计数，是相对于批次级别产品计数而言的；所谓批次产品计数指只有当整个批次完成某个工序，批次完成该工序时，生产系统才会记录该批次数量为产出数据。而实时测试数量数据是实时的产品测试计数，不需要等到整个批次的产品测试结束，但是，针对冷热测的综合测试总计数会比批次级别产品的实际批次数量大很多。
所述折算过程通过下面的公式完成：
Agg_puretest＝LotSize*Actual_Processing_Rate
Figure BDA0001599753880000051
其中：Agg_puretest表示实时测试数量，LotSize表示批次产品数量，Actual_Processing_Rate表示批次实际测试进度；Efficiency表示Agg_puretest和期望产量(设备在一个班次的额定产能)的对比值，Qty_A表示测试方式A的实际测试数量，Qty_B表示测试方法B的实际测试数量，EUPH_A表示测试方法A的生产速率(每小时产能)，EUPH_B表示测试方法B的生产速率(每小时产能)，Hours表示总生产时间。
所述Actual_Processing_Rate的计算方式如下：
Figure BDA0001599753880000052
其中：Actual_Process_Time表示当前完成量折算成的时间，Total_Process_Time表示该批次按照多种测试速率和抽样比例总共需要的测试时间。
根据上述批次总数1000个产品进行冷热热测的示例，这里Actua_Process_Time就是1小时，Total_Process_Time就是2小时。
所述Actual_Process_Time，Total_Process_Time的计算方式如下：
Figure BDA0001599753880000053
Figure BDA0001599753880000054
其中：SR_A表示批次进行测试方法A测试的数量比例，SR_B表示批次进行测试方法B测试的数量比例。
对于获得的Efficiency，因为是Agg_puretest和期望产量的对比值，如果小于1，则说明设备没有达到要求，可以通过自动化报表的方式展示给生产管理人员，同时展示设备运行参数，做到快速锁定问题，快速响应。
对于获得的Agg_puretest，对上下游生产调度也有非常积极的指导意义，因为测试站点通常是工厂的瓶颈，只有在准确了解各个产品的测试进度的情况下，才能合理安排前后生产节奏。
下面进一步举例说明：
如图1所示，热测数量为1000u，冷测数量为1000*20％＝200u。
当前实际测试数量为500u热测，每小时产能的生产速率为：热测250u/h；冷测200u/h。
完成批次测试，并取出整个批次，然后根据上述参数和相应公式，换算出的时间度量：
(1)总共需要耗时：1000/250+1000*0.2/200＝5hr；
(2)当前测试进度耗时：500/250＝2hr；
因此，可得当前测试进度：2hr/5hr＝40％
折合后当前Agg_puretest＝40％*1000(批次总量)＝400u。
在不脱离本发明的技术方案的基础上，本领域技术人员可以对本发明做出各种修改或者变型，这都应当落入本发明的保护范围之内。
应当注意上述实施例示意而非限制本发明并且本领域技术人员在不脱离所附权利要求范围的情况下应当能够设计出各种替代实施例。在权利要求书中，不应该将括号中的任何附图标记理解成是对权利要求的限制。词语“包括”并不排除存在权利要求或说明书中没有列举的元件或步骤。元件之前的词语“一”或“一个”并不排除存在多个这种元件。在列举了几个单元的系统权利要求中，这些元件中的几种可以由同一类软件和/或硬件来实施。使用词语“第一”、“第二”和“第三”等并不表示任何顺序关系。应当将这些词语理解成名称。

Claims (13)

1.基于多类型测试获得真实产量数据的方法，其特征在于：首先，获得设备的某批次的冷热测试抽样率的数据，然后结合冷热测的测试速率，再将该批次的整个冷热测试过程转换为时间度量，进而根据该批次的测试进度折算出可用于生产指导的真实的实时测试数量数据；所述时间度量是指用时间进度替换测试数量进度，用来衡量该批次的整体测试进度；
所述折算的过程是通过下面的公式完成：
Agg_puretest＝LotSize*ACtual_Processing_Rate
Figure FDA0003096721810000011
其中：Agg_puretest表示实时测试数量，LotSize表示批次产品数量，Actual_Processing_Rate表示批次实际测试进度；Efficiency表示Agg_puretest和期望产量的对比值，Qty_A表示测试方式A的实际测试数量，Qty_B表示测试方法B的实际测试数量，EUPH_A表示测试方法A的生产速率，EUPH_B表示测试方法B的生产速率，Hours表示总生产时间。
2.根据权利要求1所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述冷热测试抽样率的数据至少包括该批次测试的：实际测试数量、生产速率、数量比例、批次产品数量。
3.根据权利要求2所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述实际测试数量是通过设备控制器实时上传到数据库，直接从数据库读取实际测试数量。
4.根据权利要求2所述的基于多类型测试获得真实产量数据的方法，其特征在于：针对待测试的不同的半导体芯片产品，首先对所述生产速率、数量比例、批次产品数量进行预先设定数据，然后录入生产系统数据库，然后直接从生产系统数据库读取相应的数据。
5.根据权利要求4所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述生产速率是根据具体情况设定的一定时间周期内产能的生产速率。
6.根据权利要求4或5所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述生产速率限定为每小时产能的生产速率。
7.根据权利要求1所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述实时测试数量数据是批次在单个产品级别的测试计数，该测试计数以产品的个数为单位。
8.根据权利要求7所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述实时测试数量数据允许是整个批次的产品测试中的部分测试计数，该部分测试计数表示是整个批次产品总个数中的一部分。
9.根据权利要求7所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述实时测试数量数据允许是整个批次的产品测试的总测试计数，该总测试计数表示是整个批次产品的总个数。
10.根据权利要求1所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述Actual_Processing_Rate的计算方式如下：
Figure FDA0003096721810000021
其中：Actual_Process_Time表示当前完成量折算成的时间，Total_Process_Time表示该批次按照多种测试速率和抽样比例总共需要的测试时间。
11.根据权利要求10所述的基于多类型测试获得真实产量数据的方法，其特征在于：所述Actual_Process_Time，Total_Process_Time的计算方式如下：
Figure FDA0003096721810000022
Figure FDA0003096721810000023
其中：SR_A表示批次进行测试方法A测试的数量比例，SR_B表示批次进行测试方法B测试的数量比例。
12.根据权利要求1所述的基于多类型测试获得真实产量数据的方法，其特征在于：对于获得的Efficiency，当Efficiency小于1时，则说明设备没有达到要求，然后通过相应的通知方式通知生产管理人员。
13.根据权利要求1所述的基于多类型测试获得真实产量数据的方法，其特征在于：当Efficiency大于或等于1时，表明该设备有部分生产指标优于计划值，如果生产指标持续优于目标值，将触发对该生产指标的目标值进行重新评估，提高对这种设备该指标的目标要求，进而提高标准生产速率。
CN201810219358.1A 2018-03-16 2018-03-16 基于多类型测试获得真实产量数据的方法 Active CN108427659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810219358.1A CN108427659B (zh) 2018-03-16 2018-03-16 基于多类型测试获得真实产量数据的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810219358.1A CN108427659B (zh) 2018-03-16 2018-03-16 基于多类型测试获得真实产量数据的方法

Publications (2)

Publication Number Publication Date
CN108427659A CN108427659A (zh) 2018-08-21
CN108427659B true CN108427659B (zh) 2022-02-11

Family

ID=63158436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810219358.1A Active CN108427659B (zh) 2018-03-16 2018-03-16 基于多类型测试获得真实产量数据的方法

Country Status (1)

Country Link
CN (1) CN108427659B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005038258A (ja) * 2003-07-16 2005-02-10 Sony Corp 商品割当システム、商品割当方法、商品割当プログラム、及び記憶媒体
CN102110015B (zh) * 2009-12-29 2014-03-12 北大方正集团有限公司 一种任务进度和任务处理时间的确定方法及装置
CN104375862B (zh) * 2014-11-11 2018-07-31 北京搜狗科技发展有限公司 一种进度条展现方法及装置
CN105824639B (zh) * 2016-03-17 2019-05-10 百度在线网络技术（北京）有限公司 进度估算方法及装置

Also Published As

Publication number Publication date
CN108427659A (zh) 2018-08-21

Similar Documents

Publication Publication Date Title
CN106779505B (zh) 一种基于大数据驱动的输电线路故障预警方法及系统
CN104700200A (zh) 一种面向数字化车间的产品多元质量监控方法
CN103187329B (zh) 一种晶圆良率分析方法
JPH09502811A (ja) 試験施設間性能モニタリングシステム
CN107067100A (zh) 风电功率异常数据辨识方法及辨识装置
CN108427659B (zh) 基于多类型测试获得真实产量数据的方法
CN115374938A (zh) 一种基于XGBoost的配电网电压预测方法
Bajaria Knowledge creation and management: Inseparable twins
CN113469488B (zh) 配电网设备拓扑结构在线诊断分析系统
CN102023636B (zh) 一种机床数控系统的加速寿命试验方法
CN110764040B (zh) 一种用于确定自动化检定系统误差测量功能的方法及系统
CN111091292B (zh) 一种核电站实时风险动态建模分析系统
CN109948746A (zh) 一种基于传感器的钢坯信息追溯方法
TW202305193A (zh) 晶棒製造管理方法和晶棒製造管理系統
CN113256092B (zh) 基于改进优化隶属度函数的便携式电量计量装置评估方法
CN111413656B (zh) 自动化检定系统计量过程能力的在线监测预警方法和系统
CN112488410A (zh) 基于设备综合效率的生产设备性能优化方法及装置
CN104731955A (zh) 风电机组油液监测诊断标准建立及智能诊断方法及系统
CN116299650B (zh) 一种基于数字化采集的中子多重分布在线重构方法
CN113872200B (zh) 一种中压配网停电事件诊断识别方法、系统及存储介质
CN111930721B (zh) 一种多属性连续性工业生产数据的整合方法
US20070299634A1 (en) Automated analysis system for semiconductor manufacturing fabrication
CN117557158A (zh) 基于mes系统的微组装生产车间工时绩效核算系统及方法
CN112488465B (zh) 一种八氧化三铀临界事故应急时总裂变次数估算方法
CN117541108A (zh) 一种基于数据采集能力的电工装备制造商信息化评价方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant