CN113836880B - Cof测试数据的自动整合方法 - Google Patents

Abstract

本方法公开了一种COF测试数据的自动整合方法，包括：S10：采用测试设备对一个批次的COF上的芯片进行逐个测试，得到csv格式的测试文档A；测试设备将测试文档A存入网盘中；所述网盘中存有测试文档A和已整合的测试图档；S20：使用Python语言编写脚本来获取网盘中所述测试文档A，并将测试文档A下载至目标文件夹内；S30：使用Python语言编写脚本读取所述测试文档A中的所有数据，并将所有的数据存储成一张列表；将所述列表中的数据输出到xlsx格式的文档中，并对所述数据进行分类计算和整合，形成测试图档mapA，将所述测试图档mapA存入网盘中。利用本发明，能够减少数据处理的时间，提高工作效率。

Description

COF测试数据的自动整合方法

技术领域

本发明涉及载带测试技术领域，尤其涉及一种COF测试数据的自动整合方法。

背景技术

载带(Carrier Tape)是指在一种应用于电子包装领域的带状产品，它具有特定的厚度，在其长度方向上等距分布着用于承放电子元器件的孔穴和用于进行索引定位的定位孔。

COF（覆晶薄膜）全称为chip on film，将显示驱动芯片不经过任何封装形式，直接安到挠性电路板上，达到缩小体积、能自由弯曲的目的。COF柔性封装载带，是连接半导体显示芯片和终端产品的柔性线路板，是COF封装环节的关键材料；COF封装显示驱动芯片目前主要应用于电视、电脑及手机等产品的显示屏，是LCD/OLED显示屏的关键核心芯片之一。

COF生产出来以后，再出厂之前需要进行测试，检测该批次生产的COF的良率，一卷COF一般有几千颗芯片，而现有的测试设备只能生成csv格式的测试文档，并且测试文档的测试信息及测试结果杂乱无章，还需要人工自己统计测试良率，数据价值性较差。根据现有的测试文档很难获得有效信息，例如每颗芯片的测试结果、报错信息等，这就导致需要大量的人工解析时间及分析处理的时间来分析处理测试文档中的数据信息，降低工作效率。

发明内容

本发明要解决的技术问题是：为了解决现有技术中COF的测试结果分析需要耗费大量的分析处理时间的技术问题。本发明提供一种COF测试数据的自动整合方法，能够将测试文档中的数据进行自动整合，整理成只包含有效信息的测试图档，能够非常直观地看到每一颗芯片的测试结果及测试信息，节省了大量的人工处理时间。

本发明解决其技术问题所采用的技术方案是：一种COF测试数据的自动整合方法，包括以下步骤：

S10：采用测试设备对一个批次的COF上的芯片进行逐个测试，得到一个csv格式的测试文档A；测试设备将测试文档A存入网盘中；所述网盘中存有测试文档A和已整合的测试图档；

S20：使用Python语言编写脚本来获取网盘中所述测试文档A，并将测试文档A下载至目标文件夹内；

S30：使用Python语言编写脚本读取所述测试文档A中的所有数据，并将所有的数据存储成一张列表；将所述列表中的数据输出到xlsx格式的文档中，并对所述数据进行分类计算和整合，形成测试图档mapA，将所述测试图档mapA存入网盘中。

进一步地，所述测试图档mapA中包括测试信息及每一颗芯片的测试结果，所述测试信息包含多个项目类别，所述测试文档A中的数据按照类别被归类到不同的项目类别中，形成图表B1；所述每一颗芯片的测试结果以50为一个数量单位，从左往右，从上往下依次排列形成图表B2。

进一步地，所述项目类别包括产品型号、生产批次、测试机台、测试设备、测试文档名称、测试时长、探针型号、操作员、不同测试结果的占比、芯片的总数量、测试通过的芯片数量、测试不通过的芯片数量、测试良率。

进一步地，步骤S20中使用的脚本为：运用Python中的os库自动获取网盘中的测试文档A，然后创建list列表，运用for循环进行文档的循环获取，将测试文档A下载至目标文件内。

进一步地，步骤S30中使用的脚本为：运用Python中的xlsxwrite方法对测试文档A中的数据进行读取并输出为xlsx格式的文档，再采用递推、迭代及计算函数对所述xlsx格式文档中的数据进行分类计算和整合，形成测试图档mapA。

进一步地，所述方法还包括：

根据COF的生产批次，在网盘中查找是否存在所述生产批次对应的测试图档map’；若不存在，则所述生产批次不是重测批，读取测试图档mapA中的产品型号，并将测试图档mapA存入相应产品型号的文件夹内；若存在，则所述生产批次为重测批，将测试图档mapA与测试图档map’的内容进行对比。

进一步地，将测试图档mapA与测试图档map’的内容进行对比，具体包括：

运用if判断语句与for循环的结合，对测试图档mapA与测试图档map’中的每一颗芯片的测试结果进行一一对比，并建立数组对对比结果进行计数、统计和记录；若同一颗芯片的两次测试结果都为合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为白色；若同一颗芯片的两次测试结果不同，一次为合格，另一次为不合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为黄色；若同一颗芯片的两次测试结果都为不合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为红色；将对比结果形成一个比较图档C-map。

进一步地，所述比较图档C-map包含比较部分Comparison map和总结部分Summary，比较部分Comparison map用于展示两次测试结果的差异，总结部分Summary用于展示不同测试结果的芯片数量、匹配率及不匹配率。

本发明的有益效果如下，

本发明的COF测试数据的自动整合方法，利用Python语言能够将测试文档中的数据进行自动归纳整合形成测试图档，测试图档中包含测试信息及每一颗芯片的测试结果，能够让工作人员一目了然的看到该批次生产的COF的测试结果及良率，节约了大量人工处理的时间，提高分析效率，从而也能提高工作效率。同时，对于重测批的两次结果还可以进行自动对比分析，发现两次测试的差异以及跳Bin的数量、类型，方便工作人员进行对出现差异的原因分析，及时对测试设备或者测试程序进行调整修正，提高后续测试的准确率。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是现有技术中的测试文档的示意图。

图2是本发明的COF测试数据的自动整合方法的工作流程图。

图3是本发明的测试图档的示意图。

图4是本发明的比较图档的Comparison map部分的示意图。

图5是本发明的Comparison map部分中的图表C1的示意图。

图6是本发明的Comparison map部分中的图表C2的示意图。

图7是本发明的比较图档的Summary部分的示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

如图2所示，一种COF测试数据的自动整合方法包括以下步骤。

S10：采用测试设备对一个批次的COF上的芯片进行逐个测试，得到一个csv格式的测试文档A；测试设备将所有的测试文档A存入网盘中；网盘中存有测试文档A和已整合的测试图档。

需要说明的是，每一台测试设备都有自己的编号，测试时一般会测试16个不同的测试项，可以得到多个测试结果（记为Bin0-Bin15，一个Bin表示一个测试结果，例如，Bin1表示100MHz下良品，Bin2表示75MHz下良品，Bin10表示开路短路测试不良，Bin9表示整体IDD测试不良，Bin8表示整体功能测试不良，Bin3表示75MHz功能测试不良，Bin7表示功能测试VIL/VIH不良，Bin6表示DC测试VOL/VOH不良，Bin5表示动态/静态IDD测试不良，等等），测试过程一般会提前设置好测试程序，可以采用探针与芯片接触进行测试。如图1所示，测试文档A中记录了测试的产品型号（Device Name）、生产批次（Lot No.）、测试机台（TestFlow）、测试设备（Machine No.）、每颗芯片的测试结果、测试时长、芯片总数量及探针型号（ProbeCrad）等多种信息，但是这些信息是杂乱无章的被记录在测试文档A中的，工作人员通过查看测试文档A并不能马上了解到测试结果，还需要进行人工统计和计算，耗时耗力，还容易出错。测试设备输出测试文档A后会自动将该测试文档A存入网盘中。网盘中除了存有测试文档A以外，还存有之前已经整合好的测试图档。不同文档被归类到不同的文件夹中。

S20：使用Python语言编写脚本来获取网盘中所有的测试文档A，并将所有的测试文档A下载至目标文件夹内。

需要说明的是，Python语言编写脚本包括运用Python中的os库自动获取网盘中的测试文档A，然后创建list列表，运用for循环进行文档的循环获取，从而将测试文档A下载至目标文件内。

S30：使用Python语言编写脚本读取所有的测试文档A中的所有数据，并将所有的数据存储成一张列表；将列表中的数据输出到xlsx格式的文档中，并对数据进行分类计算和整合，形成测试图档mapA，将测试图档mapA存入网盘中。

需要说明的是，测试文档A被下载到目标文件夹后，运用Python中的xlsxwrite方法对测试文档A中的数据进行读取并保存成xlsx格式，也就是说，在进行数据整合之前，需要先将测试文档A从csv格式转换成xlsx格式，例如，可以运用多次for循环读取csv格式文档中相关单元格的数值，然后创建list列表对读取出来的数据进行保存，最后将该列表中的数据输出到xlsx格式的文档中，xlsx格式的文档个相当于一个数据池，包含了测试文档A中的所有数据。得到xlsx格式的文档后再运用Python语言对xlsx格式的文档内的数据进行整合（可以采用递推、迭代以及计算函数），统计出每个测试结果的占比、每颗芯片的测试结果及单颗芯片的测试时长等测试信息，例如，可以运用时间算法统计单颗芯片的测试时长，通过Python中的date库获取csv单元格中的时间字符串，并拼接成所需要的时间格式（XXX-XXX-XXX XX:XX）具体到（年-月-日 时：分），然后运用日期转换函数、获取进行时间及时间单位长度的转换，从而进一步来计算出单颗芯片测试所需要的时间秒数。然后，将统计好的测试信息和每一颗芯片的测试结果整合形成测试图档mapA，测试信息包含多个项目类别，测试文档A中的数据按照类别被归类到不同的项目类别中，形成图表B1；每一颗芯片的测试结果以50为一个数量单位，从左往右，从上往下依次排列形成图表B2。需要说明的是，在本实施例中，将数据池里的数据汇总从测试图档mapA时，首先以50为一个单位将所有芯片的测试结果排列成图表B2，这样就清晰地知道了每一颗芯片的测试结果是是什么，然后根据图档B2可以进行分类统计，计算出每一个测试结果对应的芯片数量，并计算出占比及良率，就可以汇总成图档B1。

如图3所示，测试图档mapA包括图表B1和图表B2两个部分，图表B1展示了测试信息，包括产品型号（Device Name）、生产批次（Lot No.）、测试机台（Test Flow）、测试设备（Machine No.）、测试文档名称（Test File）、测试时长（Temp.）、探针型号（ProbeCrad）、操作员（Operator）、以及不同测试项的比率（Rate）、芯片的总数量（Total）、测试通过的芯片数量（Pass）、测试不通过的芯片数量（Fail）及测试良率（Yield）。图表B2展示了每一颗芯片的测试结果，横轴为50的计量单位，纵轴为芯片的位置，例如，横轴选中第5个单元格所在的列，纵轴为选中“151”所在的行，两者的交点处的单元格即表示第155颗芯片。图表B2中每一个单元格内的数字或者字母表示一个测试结果，例如“1”表示测试结果为Bin1，表示合格，“2”表示测试结果为Bin2，为不合格，“E”表示测试结果为Bin14，为不合格等等。在图表B2中可以将测试不合格的芯片位置用阴影标出，通过右边的部分，工作人员可以马上找出不合格的芯片及其所在的位置，及时可以采取相应的措施进行整改。这样，通过测试图档mapA可以直观地了解到测试信息及测试结果，节约了大量的人工处理时间和操作时间，能够提高工作效率，例如，现有技术中对一个csv格式的测试文档进行人工归类统计出测试图档中的内容，需要花费10分钟左右，测试机台平均一天可以产出70个左右的测试文档，那么人工统计就需要花费700分钟，即11.6个小时，工作效率非常低，而采用本方法将csv格式的测试文档转成测试图档，70个测试文档总共只要花费20分钟左右，每个测试文档平均只要花费17秒左右的处理时间，显著地提高了工作效率，且能够显著提高出厂的产能及效率，带来预料不到的经济效益。

此外，本方法还包括：

S40：根据COF的生产批次，在网盘中查找是否存在生产批次对应的测试图档map’；若不存在，则生产批次不是重测批，读取测试图档mapA中的产品型号，并将测试图档mapA存入相应产品型号的文件夹内；若存在，则生产批次为重测批，将测试图档mapA与测试图档map’的内容进行对比。

需要说明的是，步骤S30得到的测试图档mapA是以生产批次进行命名的，网盘中的文件夹是以产品型号进行命名的，因为产品型号是不会改变的，但是同一产品型号的产品可能是由不同批次生产的，之间可能会存在差异，所以测试图档mapA是以生产批次进行命名的，便于区分。将测试图档mapA存入相应产品型号的文件夹时，先在网盘中查找是否存在以该产品型号命名的文件夹，若存在，则将测试图档mapA存入对应的文件夹内，若不存在，则新建一个以该产品型号命名的新文件夹，再将测试图档mapA存入新文件夹内。步骤S40主要的目的是为了检测是否存在重复测试的批次，保证测试结果的准确性及有效性。

将测试图档mapA与测试图档map’的内容进行对比可以运用if判断语句与for循环的结合，对两个图档中的每一颗芯片的测试结果进行一一对比，并建立数组对对比结果进行计数统计和记录，若同一颗芯片的两次测试结果都为合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为白色；若同一颗芯片的两次测试结果不同，一次为合格，另一次为不合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为黄色；若同一颗芯片的两次测试结果都为不合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为红色。这样可以得到一个比较图档C-map。

该比较图档C-map中分为两部分，一部分为Comparison map，另一部分为Summary。Comparison map部分主要是展示两次测试结果的差异，Summary部分主要是展示不同测试结果（Bin0-Bin15）的芯片数量、匹配率及不匹配率。

如图4所示，Comparison map包括图表C1和图表C2，图表C1（即左边部分）展示了两次测试的产品型号（Device Name）、生产批次（Lot No.）、测试机台（Test Flow）、测试设备（Machine No.）、测试文档名称（Test File）、测试时长（Temp.）、探针型号（ProbeCrad）、操作员（Operator）、以及不同测试项的比率（Rate）、芯片的总数量（Total）、测试通过的芯片数量（Pass）、测试不通过的芯片数量（Fail）及测试良率（Yield）。图表C2（即右边部分）展示了每一颗芯片两次测试的结果对比，白色底色为两次测试结果相同且均为合格，浅色阴影底色（即黄色）为两次测试结果不同，一次为合格，另一次为不合格，深色阴影底色（即红色）为两次测试结果相同且均为不合格。通过Comparison map部分，工作人员可以一目了然地看到所有芯片的测试结果对比，以及两次测试结果的差异性。例如，如图5所示，测试图档map’中合格（Bin1）的芯片数量为2956，测试图档mapA中合格（Bin1）的芯片数量为2955，两次测试结果为Bin4的数量分别为1和2，两次测试结果为Bin7的数量分别为1和2，两次测试结果为Bin14的数量分别为5和4，表明有些芯片在两次测试中的结果表现不同，出现跳Bin的现象。相应地，在图表C2中（如图6所示），出现跳Bin的芯片位置都被标记了颜色，工作人员根据图表C2可以马上判断出跳Bin的芯片在哪个位置。出现跳Bin的情况可能是由于测试设备或者测试机台异常，或者是测试探针接触不良，测试程序设置出错等原因造成的，工作人员可以根据比对结果进行进一步分析排查，也就是说，比较图档C-map中的Comparisonmap部分可以帮助工作人员快速地发现问题并及时采取措施整改，使得后续的测试结果更加准确、完善。

如图7所示，Summary部分也就是根据对比结果的总结，Summary部分中包含不同测试项的芯片数量、每个测试项的芯片总数（Orig）、匹配率（Match）及不匹配率（Mismatch）。以测试图档map’为纵轴，测试图档mapA为横轴，统计出不同测试结果的数量及跳Bin的数量，以及不同测试结果的匹配率和不匹配率，这个过程可以采用Python中的堆栈的输入和输出进行统计计算。通过观察Summary部分，可以直观地发现跳Bin的数量以及跳Bin的类别，例如，测试结果Bin1中，两次测试结果相同的芯片数量为2954，测试图档mapA中有1个跳Bin（从Bin4跳到Bin1），测试图档map’中有2个跳Bin（从Bin4和Bin9跳到Bin1），等等。根据没有跳Bin的数量和跳Bin的数量，可以计算出两个测试图档中的匹配率和不匹配率，例如，测试图档mapA中，测试结果Bin1的匹配率为99.36%，不匹配率为0.03%，测试图档map’中，测试结果Bin1的匹配率为99.36%，不匹配率为0.07%，等等。也就是说，通过Summary部分，工作人员可以直观地了解到两次测试结果中跳Bin的数量及具体跳Bin的类别，便于后续分析跳Bin的原因及采取相应的改正措施。

综上所述，COF测试数据的自动整合方法，可以通过Python语言编写脚本实现对测试文档中数据的一键转换形成测试图档，测试图档中只包含了与测试相关的有效信息，可以让工作人员直观地了解到该批次芯片的测试结果，能够节约大量的人工处理时间，提高后续的工作效率。如果存在重测批时，本方法还能够自动进行图档对比生成比较图档，便于发现两次测试图档中的差异性、跳Bin的数量及跳Bin的类型，便于工作人员后续分析出现跳Bin的原因，及时对测试设备或者测试程序进行调整修正，保证后续测试的准确性及数据有效性。本方法步骤简单，能够降低测试成本及维护成本。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要如权利要求范围来确定其技术性范围。

Claims (7)

1.一种COF测试数据的自动整合方法，其特征在于，包括以下步骤：

S10：采用测试设备对一个批次的COF上的芯片进行逐个测试，得到一个csv格式的测试文档A；测试设备将测试文档A存入网盘中；所述网盘中存有测试文档A和已整合的测试图档；

S20：使用Python语言编写脚本来获取网盘中所述测试文档A，并将测试文档A下载至目标文件夹内；

S30：使用Python语言编写脚本读取所述测试文档A中的所有数据，并将所有的数据存储成一张列表；将所述列表中的数据输出到xlsx格式的文档中，并对所述数据进行分类计算和整合，形成测试图档mapA，将所述测试图档mapA存入网盘中；

所述测试图档mapA中包括测试信息及每一颗芯片的测试结果，所述测试信息包含多个项目类别，所述测试文档A中的数据按照类别被归类到不同的项目类别中，形成图表B1；所述每一颗芯片的测试结果以50为一个数量单位，从左往右，从上往下依次排列形成图表B2。

2.如权利要求1所述的COF测试数据的自动整合方法，其特征在于，所述项目类别包括产品型号、生产批次、测试机台、测试设备、测试文档名称、测试时长、探针型号、操作员、不同测试结果的占比、芯片的总数量、测试通过的芯片数量、测试不通过的芯片数量、测试良率。

3.如权利要求1所述的COF测试数据的自动整合方法，其特征在于，步骤S20中使用的脚本为：运用Python中的os库自动获取网盘中的测试文档A，然后创建list列表，运用for循环进行文档的循环获取，将测试文档A下载至目标文件内。

4.如权利要求1所述的COF测试数据的自动整合方法，其特征在于，步骤S30中使用的脚本为：运用Python中的xlsxwrite方法对测试文档A中的数据进行读取并输出为xlsx格式的文档，再采用递推、迭代及计算函数对所述xlsx格式文档中的数据进行分类计算和整合，形成测试图档mapA。

5.如权利要求2所述的COF测试数据的自动整合方法，其特征在于，所述方法还包括：

根据COF的生产批次，在网盘中查找是否存在所述生产批次对应的测试图档map’；若不存在，则所述生产批次不是重测批，读取测试图档mapA中的产品型号，并将测试图档mapA存入相应产品型号的文件夹内；若存在，则所述生产批次为重测批，将测试图档mapA与测试图档map’的内容进行对比。

6.如权利要求5所述的COF测试数据的自动整合方法，其特征在于，将测试图档mapA与测试图档map’的内容进行对比，具体包括：

运用if判断语句与for循环的结合，对测试图档mapA与测试图档map’中的每一颗芯片的测试结果进行一一对比，并建立数组对对比结果进行计数、统计和记录；

若同一颗芯片的两次测试结果都为合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为白色；

若同一颗芯片的两次测试结果不同，一次为合格，另一次为不合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为黄色；

若同一颗芯片的两次测试结果都为不合格，则将测试信息中对应类别的计数加1，且把两个测试图档中相应位置的单元格标记为红色；

将对比结果形成一个比较图档C-map。

7.如权利要求6所述的COF测试数据的自动整合方法，其特征在于，所述比较图档C-map包含比较部分Comparison map和总结部分Summary，比较部分Comparison map用于展示两次测试结果的差异，总结部分Summary用于展示不同测试结果的芯片数量、匹配率及不匹配率。

Images