CN112114242B - 一种自动化ic测试的在线监测和分析方法 - Google Patents
一种自动化ic测试的在线监测和分析方法 Download PDFInfo
- Publication number
- CN112114242B CN112114242B CN202010846364.7A CN202010846364A CN112114242B CN 112114242 B CN112114242 B CN 112114242B CN 202010846364 A CN202010846364 A CN 202010846364A CN 112114242 B CN112114242 B CN 112114242B
- Authority
- CN
- China
- Prior art keywords
- test
- risk
- abnormal
- testing
- line monitoring
- 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
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 230000005856 abnormality Effects 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000035784 germination Effects 0.000 abstract 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
- G01R31/2834—Automated test systems [ATE]; using microprocessors or computers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/01—Subjecting similar articles in turn to test, e.g. "go/no-go" tests in mass production; Testing objects at points as they pass through a testing station
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明公开一种自动化IC测试的在线监测和分析方法,以标识码的方式表征测试的失效项及失效严重程度;实现多种场景下的风险预警;实现判断风险级别并选择处理方式;实现判断异常发生的时机。本发明对IC自动化测试实现在线监测和分析,能够在异常发生的萌芽阶段发现并及时采取处理措施。基于对异常的严重程度的判断,实现在生产过程中的质量规范,借助算法判断异常的起始位置,节约了异常发生后的处理时间,降低了误判的可能性。
Description
技术领域
本发明属于芯片测试技术领域,具体涉及一种自动化IC测试的在线监测和分析方法。
背景技术
自动化IC测试是芯片生产的必要环节,也是流向应用前的最后一个环节,对于产品的质量把控至关重要,由于芯片的pin脚数量和功能愈发复杂,所需测试的项目数量和种类也越来越多现有的自动化IC测试系统通常基于整体良率判断是否发生异常,。当测试异常发生后,由于需要定位异常发生的节点,工程师往往需要解读大量测试数据,这可能导致耗时甚至误判。而对于异常发生前的预兆无法做出判断并及时采取措施,这可能导致测试过程中连续发生良品的误宰;异常发生后,异常处理人员在处理过程中需分析数据判断异常起始点,不仅耗时还存在误判的可能性。
发明内容
本发明解决的技术问题:对于自动化测试过程中存在的异常不能准确的预判和异常发生的时机不能准确定位。
技术方案:为了解决上述技术问题,本发明采用的技术方案如下:
一种自动化IC测试的在线监测和分析方法,包括以下步骤:
S1:对单颗芯片进行每个测试项的测试,生成测试数据;
S2:以当前测试数据偏离平均值的程度将测试风险划划分为多个风险级别,不同级别对应相应的风险级别编码;
S3:测试数据与风险等级编码组合生成标识码;
S4:自动化测试时,设定样本数量N,当测试的芯片数量为N的整数倍时,计算当前的风险值并判断是否触发异常报警。
作为优选,步骤S1中,单颗芯片测试的步骤为:
S11:开逐个测试每个测试项;
S12:判断是否为最后一个测试项,如果是,则生成测试数据和标识码;如果不是则执行S11,继续进行测试。
作为优选,步骤S1中,对于每个测试项,若测得值在测试上限和下限之间,则判定为PASS,以“1”表示;若不介于测试上限和下限之间,则判定为FAIL,以“0”表示,所有测试项结果生成一组二进制数值,并将表征所有测试项结果的二进制数值转换为十六进制数。
作为优选,针对测试中的关键项目,以当前测试数据偏离平均值的程度将测试风险划从低到高划分为多个级别,不同级别对应相应的风险级别编码,且每个风险级别对应不同的风险因子;将生成的风险级别编码置于生成的十六进制数末位,从而生成测试结果的标识码。
作为优选,步骤S2中,风险值由风险级别出现的频次和风险因子进行表征,风险值等于每个级别出现频次与风险因子乘积之和,风险值计算方式如下:
RiskV=TA*RA+TB*RB+…+TJ*RJ
式中,RiskV为风险值;
A,B,C,d…J为风险级别编码;
TA,TB,TC…TJ为每个风险级别出现的频次;
RA,RB,RC…RJ为风险因子。
作为优选,步骤S4中,自动化测试的步骤为:
S41:逐个测试每颗芯片;
S42:判断是否为最后一颗芯片,如果是,结束自动化测试;如果不是,继续执行步骤S43;
S43:判断芯片数是否为样本数量N的整数倍,如果是,则执行步骤S44;如果不是,则执行S41,继续进行测试;
S44:根据前N颗芯片的测试数据和标识码,判断是否触发异常预警,如果无异常,则执行S41,继续进行测试;如果有异常则触发异常预警。
作为优选,步骤S4中,设定触发预警阈值,当风险值累计达到阈值时,触发异常预警。
作为优选,当测试异常发生后,相同或高度相似的标识码会频繁出现,预警后,通过查找异常发生后的标识码出现的时机,定位到异常发生点进行分析和判断。
作为优选,测试异常预警后,判断异常原因,异常原因包括测试设备、配件和/或者耗材异常。
有益效果:与现有技术相比,本发明具有以下优点:
本发明的自动化IC测试的在线监测和分析方法,以标识码的方式表征测试的失效项及失效严重程度;实现多种场景下的风险预警;实现判断风险级别并选择处理方式;实现判断异常发生的时机。利用标识码定位异常发生的时机更为简单、清晰,只需判断标识码是否相同或相似即可定位到测试数据中异常发生的那一颗芯片,判断出异常的起始位置,便于工程师进一步分析和判断异常发生的原因。
本发明实现IC自动化测试实现在线监测和分析,能够在异常发生的萌芽阶段发现并及时采取处理措施,节约了异常发生后的处理时间,降低了误判的可能性,提高测试准确率和效率。
附图说明
图1是自动化IC测试的在线监测和分析方法单颗芯片测试流程图;
图2是自动化IC测试的在线监测和分析方法自动化测试流程图;
具体实施方式
下面结合具体实施例,进一步阐明本发明,实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
本申请的自动化IC测试的在线监测和分析方法,包括以下步骤:
S1:对单颗芯片进行每个测试项的测试,生成测试数据;
S2:以当前测试数据偏离平均值的程度将测试风险划划分为多个风险级别,不同级别对应相应的风险级别编码;
S3:测试数据与风险等级编码组合生成标识码;
S4:自动化测试时,设定样本数量N,当测试的芯片数量为N的整数倍时,计算当前的风险值并判断是否触发异常报警。
对于每个测试项,若测得值在测试上限和下限之间,则判定为PASS,以“1”表示;若不介于测试上限和下限之间,则判定为FAIL,以“0”表示,所有测试项结果生成一组二进制数值,并将表征所有测试项结果的二进制数值转换为十六进制数,从末位向前每四个二进制数字转化为一个十六进制数,剩余位数若不足四位则在前置位补充“0”。
针对测试中的关键项目,以当前测试数据偏离平均值的程度将测试风险划从低到高划分为多个级别(A、B、C……J),不同级别对应相应的风险级别编码,且每个风险级别对应不同的风险因子;将生成的风险级别编码置于生成的十六进制数末位,从而生成测试结果的标识码。
例如:某芯片共有十个测试项目,测试全部PASS,则生成的二进制数为11 11111111,将补足位数后的二进制数(0011 1111 1111)转化的十六进制数为3FFF。如果根据测试数和测试上下限的关系,判断风险级别为A,则最终生成的识别码为3FFFA。
风险值由风险级别出现的频次和风险因子进行表征,风险值等于每个级别出现频次与风险因子乘积之和,从而实现风险的量化管控,风险值计算方式如下:
RiskV=TA*RA+TB*RB+…+TJ*RJ
式中,RiskV为风险值;
A,B,C,d…J为风险级别编码;
TA,TB,TC…TJ为每个风险级别出现的频次;
RA,RB,RC…RJ为风险因子。
在步骤4中,测试系统可以设定触发预警阈值,当风险值累计达到阈值时,触发异常预警。当测试异常发生后,相同或高度相似的标识码会频繁出现,预警后,通过查找异常发生后的标识码出现的时机,定位到异常发生点进行分析和判断。测试异常预警后,判断异常原因,异常原因包括测试设备、配件和/或者耗材异常。
如图1所示,为单颗芯片测试的步骤为:
S11:逐个测试每个测试项;
S12:判断是否为最后一个测试项,如果是,则生成测试数据和标识码;如果不是则执行S11,继续进行测试。
如图2所示,为自动化测试的步骤为:
S41:逐个测试每颗芯片;
S42:判断是否为最后一颗芯片,如果是,结束自动化测试;如果不是,继续执行步骤S43;
S43:判断芯片数是否为样本数量N的整数倍,如果是,则执行步骤S44;如果不是,则执行S41,继续进行测试;
S44:根据前N颗芯片的测试数据和标识码,判断是否触发异常预警,如果无异常,则执行S41,继续进行测试;如果有异常则触发异常预警。
IC测试过程中异常的发生通常是因为测试设备、配件或测试耗材的长期使用或损耗造成的,而这种损耗往往伴随一个或多个测试数值的偏移,一旦测试过程中偏移量开始叠加,风险值达到触发测试机警报的阈值,测试系统自动触发异常预警,当测试异常发生后,相同或高度相似的标识码会频繁出现,通过查找异常发生后的标识码出现的时机,可定位到异常发生点进行进一步分析和判断,从而进一步检查测试设备和配件,更换测试耗材。
本分明利用风险量化管控方法,可在测试出现频繁异常前发现测试值的偏移,当风险值累计到一定程度前触发预警,提醒人员及时检查测试设备和配件,更换测试耗材,避免出现测试异常。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种自动化IC测试的在线监测和分析方法,其特征在于,包括以下步骤:
S1:对单颗芯片进行每个测试项的测试,生成测试数据;
S2:对于每个测试项,若测得值在测试上限和下限之间,则判定为PASS,以“1”表示;若不介于测试上限和下限之间,则判定为FAIL,以“0”表示,所有测试项结果生成一组二进制数值,并将表征所有测试项结果的二进制数值转换为十六进制数;
S3:针对测试中的关键项目,以当前测试数据偏离平均值的程度将测试风险划从低到高划分为多个级别,不同级别对应相应的风险级别编码,且每个风险级别对应不同的风险因子;将生成的风险级别编码置于生成的十六进制数末位,从而生成测试结果的标识码;
S4:自动化测试时,设定样本数量N,当测试的芯片数量为N的整数倍时,计算当前的风险值并判断是否触发异常报警;
风险值由风险级别出现的频次和风险因子进行表征,风险值等于每个级别出现频次与风险因子乘积之和,风险值计算方式如下:
RiskV=TA*RA+TB*RB+…+TJ*RJ
式中,RiskV为风险值;
A,B,C,d…J为风险级别编码;
TA, TB, TC…TJ为每个风险级别出现的频次;
RA, RB, RC…RJ为风险因子。
2.根据权利要求1所述的自动化IC测试的在线监测和分析方法,其特征在于:步骤S1中,单颗芯片测试的步骤为:
S11:逐个测试每个测试项;
S12:判断是否为最后一个测试项,如果是,则生成测试数据和标识码;如果不是则执行S11,继续进行测试。
3.根据权利要求1所述的自动化IC测试的在线监测和分析方法,其特征在于:步骤S4中,自动化测试的步骤为:
S41:逐个测试每颗芯片;
S42:判断是否为最后一颗芯片,如果是,结束自动化测试;如果不是,继续执行步骤S43;
S43:判断芯片数是否为样本数量N的整数倍,如果是,则执行步骤S44;如果不是,则执行S41,继续进行测试;
S44:根据前N颗芯片的测试数据和标识码,判断是否触发异常预警,如果无异常,则执行S41,继续进行测试;如果有异常则触发异常预警。
4.根据权利要求1所述的自动化IC测试的在线监测和分析方法,其特征在于:步骤S4中,设定触发预警阈值,当风险值累计达到阈值时,触发异常预警。
5.根据权利要求4所述的自动化IC测试的在线监测和分析方法,其特征在于:当测试异常发生后,相同或高度相似的标识码会频繁出现,预警后,通过查找异常发生后的标识码出现的时机,定位到异常发生点进行分析和判断。
6.根据权利要求4所述的自动化IC测试的在线监测和分析方法,其特征在于:测试异常预警后,判断异常原因,异常原因包括测试设备、配件和/或者耗材异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846364.7A CN112114242B (zh) | 2020-08-20 | 2020-08-20 | 一种自动化ic测试的在线监测和分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846364.7A CN112114242B (zh) | 2020-08-20 | 2020-08-20 | 一种自动化ic测试的在线监测和分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112114242A CN112114242A (zh) | 2020-12-22 |
CN112114242B true CN112114242B (zh) | 2024-03-22 |
Family
ID=73805294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010846364.7A Active CN112114242B (zh) | 2020-08-20 | 2020-08-20 | 一种自动化ic测试的在线监测和分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112114242B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1199931A (zh) * | 1997-05-20 | 1998-11-25 | 三星电子株式会社 | 控制半导体集成电路测试过程的系统和方法 |
US5844803A (en) * | 1997-02-17 | 1998-12-01 | Micron Technology, Inc. | Method of sorting a group of integrated circuit devices for those devices requiring special testing |
CN104752259A (zh) * | 2013-12-30 | 2015-07-01 | 中芯国际集成电路制造(上海)有限公司 | 对具有与工艺水平不相称良率的芯片的分类方法 |
JP2016213430A (ja) * | 2015-04-28 | 2016-12-15 | ルネサスエレクトロニクス株式会社 | 半導体装置の製造方法およびプログラム |
CN106771982A (zh) * | 2017-01-20 | 2017-05-31 | 珠海全志科技股份有限公司 | 芯片自动测试方法及系统 |
CN107093568A (zh) * | 2016-02-18 | 2017-08-25 | 北大方正集团有限公司 | 一种晶元在线监测方法及装置 |
CN110596566A (zh) * | 2018-06-12 | 2019-12-20 | 北京华峰测控技术股份有限公司 | 一种用于ate系统的dpat测试方法 |
CN111273153A (zh) * | 2020-01-21 | 2020-06-12 | 广芯微电子(广州)股份有限公司 | 一种芯片的自动测试方法、装置和系统 |
-
2020
- 2020-08-20 CN CN202010846364.7A patent/CN112114242B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5844803A (en) * | 1997-02-17 | 1998-12-01 | Micron Technology, Inc. | Method of sorting a group of integrated circuit devices for those devices requiring special testing |
CN1199931A (zh) * | 1997-05-20 | 1998-11-25 | 三星电子株式会社 | 控制半导体集成电路测试过程的系统和方法 |
CN104752259A (zh) * | 2013-12-30 | 2015-07-01 | 中芯国际集成电路制造(上海)有限公司 | 对具有与工艺水平不相称良率的芯片的分类方法 |
JP2016213430A (ja) * | 2015-04-28 | 2016-12-15 | ルネサスエレクトロニクス株式会社 | 半導体装置の製造方法およびプログラム |
CN107093568A (zh) * | 2016-02-18 | 2017-08-25 | 北大方正集团有限公司 | 一种晶元在线监测方法及装置 |
CN106771982A (zh) * | 2017-01-20 | 2017-05-31 | 珠海全志科技股份有限公司 | 芯片自动测试方法及系统 |
CN110596566A (zh) * | 2018-06-12 | 2019-12-20 | 北京华峰测控技术股份有限公司 | 一种用于ate系统的dpat测试方法 |
CN111273153A (zh) * | 2020-01-21 | 2020-06-12 | 广芯微电子(广州)股份有限公司 | 一种芯片的自动测试方法、装置和系统 |
Non-Patent Citations (1)
Title |
---|
浅析IC测试开发流程及量产数据对产品设计的影响;伍凤娟;王媛媛;;微型机与应用(第20期);31-33 * |
Also Published As
Publication number | Publication date |
---|---|
CN112114242A (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114065613B (zh) | 基于深度迁移学习的多工况流程工业故障检测诊断方法 | |
CN108615088B (zh) | 机台零件剩余寿命的预测系统与预测方法 | |
CN111459695A (zh) | 根因定位方法、装置、计算机设备和存储介质 | |
US20150346066A1 (en) | Asset Condition Monitoring | |
US8621305B2 (en) | Methods systems and apparatus for determining whether built-in-test fault codes are indicative of an actual fault condition or a false alarm | |
CN111722952A (zh) | 业务系统的故障分析方法、系统、设备和存储介质 | |
CN110727531A (zh) | 一种线上系统的故障预测及处理方法及系统 | |
CN115576738B (zh) | 一种基于芯片分析实现设备故障确定的方法及系统 | |
US6716652B1 (en) | Method and system for adaptive sampling testing of assemblies | |
US11200790B2 (en) | Method for pre-detecting abnormality sign of nuclear power plant device including processor for determining device importance and warning validity, and system therefor | |
CN110597196A (zh) | 数据采集系统及数据采集方法 | |
CN112180230A (zh) | 芯片测试参数异常的侦测方法、存储介质、终端 | |
CN112363920A (zh) | 测试用例的修复方法、装置、计算机设备和存储介质 | |
WO2020166236A1 (ja) | 作業効率評価方法、作業効率評価装置、及びプログラム | |
CN112114242B (zh) | 一种自动化ic测试的在线监测和分析方法 | |
CN111309584B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115270982A (zh) | 一种基于多元数据神经网络的开关柜故障预测方法 | |
KR102351538B1 (ko) | 패턴 학습 및 진단 알고리즘을 이용한 자동화 설비의 고장 예측 시스템 및 그 방법 | |
CN112526558B (zh) | 一种局部数据缺失条件下的系统运行工况识别与切割方法 | |
KR102470804B1 (ko) | 회전기계의 결함을 종합적으로 진단하는 방법 및 시스템 | |
CN117520999B (zh) | 一种边缘数据中心设备的智能运维方法和系统 | |
CN117763457B (zh) | 一种基于大数据分析的芯片测试数据管理系统及方法 | |
CN110795414B (zh) | 半导体设备报警分析方法及装置 | |
CN117310422B (zh) | 一种火工品电阻器性能测试方法及系统 | |
CN112988506B (zh) | 一种大数据服务器节点性能监测方法及系统 |
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 |