CN109814022A

CN109814022A - 一种芯片老炼试验数据处理方法

Info

Publication number: CN109814022A
Application number: CN201910001677.XA
Authority: CN
Inventors: 王潮儿; 虞小鹏
Original assignee: Zhejiang University ZJU
Current assignee: Zhejiang University ZJU
Priority date: 2019-01-02
Filing date: 2019-01-02
Publication date: 2019-05-28

Abstract

本发明公开了一种芯片老炼试验数据处理方法。步骤一，芯片老炼试验中测量采集功率/电流数据而获得所有数据集合，针对每一个数据集合，计算出数据集合中每个数据点的局部离群因子，并根据局部离群因子筛除数据点；步骤二，对步骤一获得的筛除数据点后的每个数据集合，采用以下方式处理获得最后的精确值。本发明可以解决因为个别异常值导致的数据误差，获得更精确的结果，计算简单，容易实现；可用于老炼测试以及高低温测试中的数据处理。

Description

一种芯片老炼试验数据处理方法

技术领域

本发明属于芯片自动测试领域，具体涉及一种基于局部异常因子剔除异常值的芯片老炼试验数据处理方法。

背景技术

随着宇航工业对电子产品的质量要求日益提高，宇航级的电子设备的可靠性受到越来越广泛的重视。宇航级电子元器件的高温老炼是可靠性测试的重要环节。可靠性测试的目的是从一批电子元器件中选出可靠的元器件，淘汰掉有潜在缺陷的器件，并获取器件的失效曲线以及电性能指标，供研发人员分析。

高温老炼筛选在半导体器件上被广泛采用，筛选时，正在热电应力的共同作用下，还能很好的暴露元器件体内和表面的多种潜在缺陷，它是可靠性筛选个重要项目。各种电子元器件通常在饱和功率下高温老炼几小时至168小时，工业用产品通常为几个小时，军用高可靠产品可选择100-168小时，宇航级元器件可以选择240小时甚至更长的时间。

在高温老炼实验过程中，上位机通过SCPI指令获取测试数据即功率和电流，由于各种各样的原因，会出现偶发性的干扰，这些数据可以称之为异常值，或者粗大误差。

出现异常值的原因主要有：

(1)参考电平设置误差

频谱仪自校准时，屏幕最上方的标度线被定义为参考电平，信号幅度可以通过参考电平和标度值来计算得出，改变参考电平会间接改变IF增益，从而引入不确定度。从而出现少量偏离实际值的数据，这部分误差值会影响芯片失效的曲线图。

(2)频谱仪读数错误

频谱仪在长时间工作时，会进行自动校准。若恰好在仪器校准时读取数据，会出现异常值，通常为极小值，会对测试结果产生极大影响。

(3)仪器扫描宽度，分辨率带宽，扫描时间设置不合理

扫描宽度又称分析谱宽、扫宽、频率量程、频谱跨度等，指频谱仪在一次分析过程中所显示的频率范围，扫描宽度与扫描时间之比就是扫频速度。分辨率带宽是指分辨频谱中两个相邻分量之间的最小谱线间隔，当扫描宽度过大，扫描时间过短，分辨率带宽太窄，会导致频谱仪的中频滤波器未达到稳定，从而造成异常值。

因此，如何去除这些异常值，得到精确的电流和功率输出，对于试验后的芯片筛选和电性能分析有着重大的意义。

发明内容

为了解决背景技术中存在的问题，本发明的目的就是提出了一种芯片老炼试验数据处理方法，针对上位机取得的功率和电流数据，检测出存在误差的数据，并计算出真实数据，解决了现有的老炼测试中直接将测得数据记录容易产生偶然误差而导致后续分析处理不准确的技术问题。

本发明使用局部离群因子算法来筛除数据中的异常值，再使用平均值迭代法来避免小误差对于试验结果的影响。

本发明所采用的具体技术方案是：

本发明主要分为两步处理，第一步先筛去明显偏离的测量值，避免误删有效值，第二步降低剩余的偏离值的干扰。

1)步骤一，如附图1所示，芯片老炼试验中测量采集功率/电流数据而获得所有数据集合，针对每一个数据集合，使用以下方式计算出数据集合中每个数据点的局部离群因子，并根据局部离群因子筛除数据点，具体是：

根据局部离群因子获得异常值的数据点，异常值是与其他数据结果偏离的数据。

1.1)计算每两个数据点o_i,o_j之间的距离d(o_i,o_j)，具体实施中可以用d＝|o_i-o_j|；

1.2)针对每个数据点o_i，将和每个数据点o_i有关的所有距离从小到大排序。

1.3)以数据点o_i为圆心、以第k个距离为半径范围构建数据点o_i的第k个距离邻域，取数据点o_i的第k个距离邻域内所有数据点组成邻域集合N_k(o_i)，集合N_k(o_i)中点总数满足|N_k(o_i)|≥k，而N_k(o_i)表示为：

N_k(o_i)＝{o_j≠o_i|d(o_i,o_j)≤d_k(o_i)}

其中，d_k(o_i)表示与数据点o_i有关的距离排序中的第k个距离，d(o_i,o_j)表示数据点o_i和数据点o_j之间的距离；

1.4)再计算数据点o_i对于另一个数据点o_j的可达距离Rd_k(o_i←o_j)：

Rd_k(o_i←o_j)＝max{d_k(o_j),d(o_i,o_j),ε}

其中，ε表示下限常数，是一个为了避免后续操作时被零分割的小常数；

1.5)然后计算数据点o_i的局部可达密度：

1.6)计算数据点o_i的邻域集合N_k(o_i)的局部可达密度与数据点o_i的局部可达密度之比的平均数，作为局部离群因子：

其中，LOF_k(o_i)表示数据点o_i的第k个距离下的局部离群因子；

1.7)根据局部离群因子然后判断：

局部离群因子LOF_k(o_i)小于1，说明数据点o_i的密度高于其领域点的密度，o_i为密集点；如果局部离群因子LOF_k(o_i)远大于1，说明数据点o_i的密度远低于其领域点的密度，o_i是异常点。局部离群因子LOF_k(o_i)越接近于1，说明数据点o_i的密度与其领域点的密度接近，则数据点o_i和其邻域越可能是同类。

1.8)重复上述步骤，获得各个数据点的局部离群因子，将局部离群因子LOF_k(o_i)大于临界阈值LOF_A的数据点o_i去除；

但是部分因为抖动产生的结果还存在，传统的平均法就是将所有的测量值之和除上测量的样本数目，这种方法使误差较大的数据对结果的精度产生很大的影响，甚至使结果根本就是无效的，为了解决这个问题本发明进一步采用平均值迭代方式处理。具体的平均迭代方式采用这样一种方式：循环地用平均值更新测量数据中的最大值和最小值，从而使偏离真实值的误差在每一次更新的过程中减少，直到达到给出的精度要求才停止，这样就能把测量数据中由偏离真实值较大或较小的值进行处理筛除。

2)步骤二，如附图2所示，对步骤一获得的筛除数据点后的每个数据集合，采用以下方式处理获得最后的精确值：

2.1)计算数据集合内所有数据点的平均值t₁，找出数据集合中最大值的数据点o_i＝max{o₁,o₂,…o_n}，令o_i＝t₁以更新数据集合；

2.2)再计算数据集合内所有数据点的平均值t₂，找出数据集合中最小值的数据点o_j＝min{o₁,o₂,…o_n}，令o_j＝t₂以更新数据集合；

2.3)再次计算数据集合内所有数据点的平均值t₃，并求出平均值t₃与更新后的数据集合中各个数据点之差的绝对值之和e：

2.4)若绝对值之和满足e>ε，其中ε表示计算精度阈值，ε>0，则令t₁＝t₃，回转到步骤2.1)；若绝对值之和不满足e>ε，否则结束计算，获得的平均值t₃为最终所求的结果。

所述的数据集合为同一时刻采集到的功率/电流数据值集合。

所述的距离序数n表示数据集合中数据点的总数。

所述步骤1.2)中，还包括：对于任何正整数k，d_k(o_i)表示与数据点o_i有关的距离排序中的第k个距离，d_k(o_i)＝d(o_i,o_l)，第k个距离中的另一数据点o_l满足以下条件：

对于数据集合中至少有k个其他数据点o_j，o_j≠o_i，满足d(o_i,o_j)≤d(o_i,o_l)

对于数据集合中至多有k-1个其他数据点o_j，o_j≠o_i，满足d(o_i,o_j)<d(o_i,o_l)

其中，i、j、l均表示数据点的序数。

本发明的有益效果是：

本发明解决芯片试验结果因为个别异常值导致数据误差的技术问题，获得更精确的结果，计算简单，容易实现，可用于老炼测试以及高低温测试中的数据处理。

本发明能够去除芯片老炼试验数据中的异常值，得到精确的电流和功率输出数据，能提高芯片老炼试验数据后的芯片筛选和电性能分析的准确性，对于芯片老炼试验数据后的芯片筛选和电性能分析有着重大的意义。

附图说明

图1为步骤一的流程图。

图2为步骤二的流程图。

图3为本发明方法处理后的结果图。

具体实施方式

现结合附图和具体实施例对本发明所要求保护的技术方案作进一步详细说明。

按照本发明完整方法实施的实施例如下：

实施例进行芯片筛选和电性能分析的芯片老炼测试过程。

本发明以一次测试获得的芯片老炼测试数据的功率/电流数据为例，本实例中，一共读数20次获得数据集，o₁至o₂₀分别为20.31,20.17,20.19,12.01,21.01,20.19,20.24,20.21,20.27,20.14,20.37,20.39,20.17,20.14,20.37,20.39,20.17,20.13,20.14,20.47。在实际实验中，上例中12.01的出现是由于读取数据时，仪器正处于自我校准状态，故出现较大的误差，而一些较小的波动则是因为仪器参数改变或者环境的波动。实际试验中，类似12.01的异常值出现频率很低，认为是孤立点。

如附图1和图2所示，这实施例具体步骤为：

1.设定k＝(20-1)/2＝9

2.计算所有数据点中每两个相邻数据点之间的距离d(o_i,o_j),i,j＝1,2,…,20。

3.计算所有数据点的第k距离。

4.计算所有数据点第k邻域。

5.计算所有数据点的局部可达密度。

6.计算所有数据点的局部离群因子。

以第3点o₃为例，其中计算获得，o₃和o₂的距离d(o₂,o₃)＝0.02，o₃的第k距离为0.05，o₃的第k距离领域为{o₆,o₂,o₈,o₁₃}，o₃的局部可达密度为21.95，o₃的局部离群因子为0.8675。

所有的点的局部离群因子计算结果从大到小排序为LOF(o4)＝147.884513,LOF(o5)＝4.507535,LOF(o20)＝1.567093,LOF(o9)＝1.372257,LOF(o12)＝1.347720,LOF(o16)＝1.347720,LOF(o11)＝1.303845,LOF(o15)＝1.303845,LOF(o1)＝1.274803,LOF(o7)＝1.125029,LOF(o8)＝0.923332,LOF(o2)＝0.886520,LOF(o13)＝0.886520,LOF(o17)＝0.886520,LOF(o18)＝0.878487,LOF(o3)＝0.867504,LOF(o6)＝0.867504,LOF(o10)＝0.853113,LOF(o14)＝0.853113,LOF(o19)＝0.853113

这个因子越大于1，说明越有可能是离群点，且这种极端值出现概率极低。这里取LOF_A为10，认为当一个点的局部离群因子大于10，其必为异常值，则o₄>LOF_A，筛去o₄。

以上述数据集为例，筛去后的数据集为：

{20.31,20.17,20.19,21.01,20.19,20.24,20.21,20.27,20.14,20.37,20.39,20.17,20.14,20.37,20.39,20.17,20.13,20.14,20.47}

7.经过LOF算法处理后，筛去了误差极大的12.01后，开始对数据集进行平均值迭代。

8.计算所有数据点的平均值t₁，找出所有数据点中的最大值o_i＝max{o₁,o₂,…o_n}，作赋值o_i＝t₁。

9.赋值后计算所有数据点的平均值t₂，找出所有数据点中的最小值o_j＝min{o₁,o₂,…o_n}，作赋值o_j＝t₂。

10.赋值后再次计算样本更新之后的平均值t₃，并求出t₃与更新后的样本{o₁,o₂,…o_n}差的绝对值之和e。

11.若e>ε(ε>0)，则令t1＝t3,转到步骤8，否则结束计算，给出计算结果t3，即为最终所求的结果。数据点的小数位是两位，数据点的数量为20，因此这里的ε取0.2。

共进行8次迭代后，e＝0.18满足条件。最后的平均值为20.24。即实施例获得芯片筛选和电性能分析的平均值实施结果为20.24。

具体实施中同时，对未采用本发明方法处理的老炼试验数据，直接进行加权平均，得到结果19.87。

结果如图3所示，折线表示原始数据，点状线表示经过本文算法处理后的数据，虚线表示直接对测试数据进行平均的结果，对比可见，本发明方法处理后的结果更符合曲线实际数值，本算法排除了偶然误差的干扰，结果更接近真实值。

Claims

1.一种芯片老炼试验数据处理方法，其特征在于：

1)步骤一，芯片老炼试验中测量采集功率/电流数据而获得所有数据集合，针对每一个数据集合，计算出数据集合中每个数据点的局部离群因子，并根据局部离群因子筛除数据点；对步骤一获得的筛除数据点后的每个数据集合，采用以下方式处理获得最后的精确值。

1.1)计算每两个数据点o_i,o_j之间的距离d(o_i,o_j)；

N_k(o_i)＝{o_j≠o_i|d(o_i,o_j)≤d_k(o_i)}

Rd_k(o_i←o_j)＝max{d_k(o_j),d(o_i,o_j),ε}

其中，ε表示下限常数；

1.5)然后计算数据点o_i的局部可达密度：

1.7)根据局部离群因子然后判断：

2)步骤二，对步骤一获得的筛除数据点后的每个数据集合，采用以下方式处理获得最后的精确值：

2.4)若绝对值之和满足e>ε，其中ε表示计算精度阈值，ε>0，则令t₁＝t₃，回转到步骤2.1)；若绝对值之和不满足e>ε，否则结束计算，获得的平均值t₃为最终的精确值。

2.根据权利要求1所述的一种芯片老炼试验数据处理方法，其特征在于：所述的数据集合为同一时刻采集到的功率/电流数据值集合。

3.根据权利要求1所述的一种芯片老炼试验数据处理方法，其特征在于：所述的距离序数n表示数据集合中数据点的总数。

4.根据权利要求1所述的一种芯片老炼试验数据处理方法，其特征在于：所述步骤1.2)中，还包括：d_k(o_i)表示与数据点o_i有关的距离排序中的第k个距离，d_k(o_i)＝d(o_i,o_l)，第k个距离中的另一数据点o_l满足以下条件：

其中，i、j、l均表示数据点的序数。

5.根据权利要求1所述的一种芯片老炼试验数据处理方法，其特征在于：

所述的数据集合为芯片老炼试验中同一时刻采集到的功率/电流数据值集合。