CN116994641A - 一种半导体老化测试方法及其系统 - Google Patents
一种半导体老化测试方法及其系统 Download PDFInfo
- Publication number
- CN116994641A CN116994641A CN202311274570.5A CN202311274570A CN116994641A CN 116994641 A CN116994641 A CN 116994641A CN 202311274570 A CN202311274570 A CN 202311274570A CN 116994641 A CN116994641 A CN 116994641A
- Authority
- CN
- China
- Prior art keywords
- aging
- semiconductor
- semiconductor device
- test
- data
- 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.)
- Pending
Links
- 239000004065 semiconductor Substances 0.000 title claims abstract description 171
- 230000032683 aging Effects 0.000 title claims abstract description 132
- 238000010998 test method Methods 0.000 title claims abstract description 6
- 238000012360 testing method Methods 0.000 claims abstract description 80
- 238000013210 evaluation model Methods 0.000 claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000011056 performance test Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013101 initial test Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000003466 welding Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/56—External testing equipment for static stores, e.g. automatic test equipment [ATE]; Interfaces therefor
- G11C29/56008—Error analysis, representation of errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
- G11C29/50—Marginal testing, e.g. race, voltage or current testing
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
- G11C29/50—Marginal testing, e.g. race, voltage or current testing
- G11C2029/5004—Voltage
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
- G11C29/50—Marginal testing, e.g. race, voltage or current testing
- G11C2029/5006—Current
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
- G11C29/56—External testing equipment for static stores, e.g. automatic test equipment [ATE]; Interfaces therefor
- G11C2029/5606—Error catch memory
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明公开了一种半导体老化测试方法,包括采集半导体器件不同时间点的电性能参数;获取测试期间的环境参数;将电性能参数及环境参数储存至数据库并制定筛选指标;根据筛选指标遍历半导体器件的信息数据库进行特征提取,获取半导体器件的筛选信息数据库,获得半导体器件的老化性能测试参数集合;预先获取半导体老化度综合评估模型;利用已知的历史数据对半导体老化度综合评估模型进行训练与验证;将验证好的模型应用于真实的测试数据中,预测半导体器件当前的老化程度;根据预测结果评估半导体器件老化程度,并提出保养和维护的建议。本发明通过以上设计,可解决老化测试效率低,测试效果不佳,测试数据准确性和可塑性低的问题。
Description
技术领域
本发明涉及半导体测试的技术领域,尤其涉及一种半导体老化测试方法及其系统。
背景技术
随着科学技术的发展,半导体存储产品的集成化程度越来越高,制造工艺也越来越复杂,在制造过程中易产生潜伏缺陷,利用老化原理,可以让半导体存储产品在短时间内超负荷工作,进而快速发现半导体存储产品程度潜伏缺陷,避免在早期使用时发生故障。现有技术中,存在针对半导体产品的老化性能测试效果不佳,进而造成半导体产品的状态预测精确度不高的技术问题。
发明内容
为了解决上述背景技术中提出的技术缺陷,本发明的目的是提供一种半导体老化测试方法及其系统,解决了老化测试效率低,测试效果不佳,测试数据准确性和可塑性低的问题。
本发明采用如下技术方案:
第一方面,本申请提供了一种半导体老化测试方法,包括:
对半导体器件进行老化测试并采集半导体器件不同时间点的电性能参数;
获取老化测试期间的环境参数;
将电性能参数及环境参数储存至信息数据库;
根据信息数据库中存储的电性能参数及环境参数,制定筛选指标;
根据筛选指标遍历所述信息数据库进行特征提取,基于提取出的数据生成筛选信息数据库,并对所述筛选信息数据库进行主要成分分析,以获得半导体器件的老化性能测试参数集合,所述老化性能测试参数集合包括半导体器件运行温度、湿度、电压、电阻及电流;
根据半导体器件的基本特征信息预先获取半导体老化度综合评估模型;
利用已知的半导体老化历史数据对半导体老化度综合评估模型进行训练与验证;
将老化性能测试参数集合导入至验证好的半导体老化度综合评估模型,以评估半导体器件当前的老化状态,获得半导体器件的老化性能综合评估结果;
根据评估结果预测半导体器件老化程度,获得半导体器件的综合状态预测结果,并提出保养和维护的建议。
在第一方面的一种可能的实现方式中,所述采集半导体器件不同时间点的电性能参数包括:利用测试探针接触半导体器件的压焊,建立电学连接并进行初始测试,进而采集半导体器件的电性能参数,其中,检测电流部分为测定半导体器件的栅极漏电流;利用环境监测设备获取测试过程的环境参数;
使用测试核心板根据控制信息对测试指令进行译码,生成测试向量、时序、波形及输出测试信号。
在第一方面的一种可能的实现方式中,所述特征提取的方法包括:利用机器学习技术捕捉对老化测试过程有影响的重要特征,包括对存储的电性能参数与环境参数进行清洗和预处理,包括去除异常值、处理缺失数据、标准化数据及不相关数据,进而获得半导体器件的老化性能测试参数集合。
在第一方面的一种可能的实现方式中,半导体器件的基本特征信息包括电性能信息、功能信息、温度敏感度信息中的任意一种,基于半导体器件的基本特征信息获得半导体老化度综合评估模型,具体包括:获得半导体器件的第一老化度特征信息、第二老化度特征信息及第三老化度特征信息;根据第一老化度特征和第二老化度特征信息结合留出法构建半导体老化度初步评估模型;根据第三老化度特征信息对老化度初步评估模型进行增量学习,获得半导体老化度综合评估模型。
在第一方面的一种可能的实现方式中,所述半导体老化度综合评估模型根据栅极漏电流和环境参数估计半导体器件的老化指数,将老化指数与预设阈值对比,确定所述半导体器件的老化程度。
在第一方面的一种可能的实现方式中,使用交叉验证技术将存储的半导体老化历史数据划分为训练集和验证集,训练集用于训练模型,验证集用于评估模型的性能和泛化能力,使用训练集的数据进行模型训练,根据选择的半导体老化模型和算法,在历史数据上进行参数估计和优化,使用验证集的数据评估已训练模型的性能,比较模型的预测结果和实际观测值。
在第一方面的一种可能的实现方式中,根据老化性能测试装置对半导体器件的老化性能测试参数集合中的数据信息进行测试,获得半导体器件的老化性能存储结果;将半导体器件的老化性能存储结果输入半导体老化度综合评估模型,获得半导体器件的老化性能综合评估结果;根据半导体器件的老化度综合评估结果和贝叶斯状态预测模型进行预测,获得半导体器件的综合状态预测结果。
第二方面,本申请提供了一种半导体老化测试系统,所述系统包括器件测试模块与老化估算模块,其中,所述器件测试模块包括:
半导体测试单元,用于测量在多个开关周期内流经外部栅极电阻的总电荷量,根据所述总电荷量计算目标半导体器件的栅极漏电流,所述外部栅极电阻与所述半导体器件的栅极连接;
环境测试单元,用于采集检测环境中的温度与湿度;
设备驱动单元,用于驱动半导体测试单元与环境测试单元的运行;
控制器,用于控制半导体测试单元、环境测试单元及设备驱动单元;
所述老化估算模块包括:
数据获取单元,用于获取测试得出的数据并进行成分分析;
信息存储单元,用于存储获得的半导体信息、评估存储数据;
老化估算单元,用于估算半导体产品老化性能参数。
上述说明仅是本发明的技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明一种半导体老化测试方法及其系统实施例的工作流程图。
具体实施方式
为了使本发明的内容能更容易被清楚的理解,下面根据具体实施例并结合附图,对本发明作进一步说明。
如图1所示,一种半导体老化测试方法,包括:
对半导体器件进行老化测试并采集半导体器件不同时间点的电性能参数;
获取老化测试期间的环境参数;
将电性能参数及环境参数储存至信息数据库;
通过半导体测试单元与环境测试单元对半导体器件进行全面信息采集,获得半导体器件的多个信息,进而构成半导体器件的信息数据库,其中,半导体器件为使用所述一种半导体老化测试系统进行老化测试的任一半导体器件,包括二级管、三级管及MOSFET晶体管等;
根据信息数据库中存储的电性能参数及环境参数,制定筛选指标;
数据库中的数据信息冗杂性较高,增加了后续进行老化测试的难度,故而本申请根据筛选指标遍历所述信息数据库进行特征提取,基于提取出的数据生成筛选信息数据库,并对筛选信息数据库进行主要成分分析,以获得半导体器件的老化性能测试参数集合,老化性能测试参数集合包括半导体器件运行温度、湿度、电压、电阻及电流;
根据半导体器件的基本特征信息预先获取半导体老化度综合评估模型;
利用已知的半导体老化历史数据对半导体老化度综合评估模型进行训练与验证;
将老化性能测试参数集合导入至验证好的半导体老化度综合评估模型,以评估半导体器件当前的老化状态,获得半导体器件的老化性能综合评估结果;
根据评估结果预测半导体器件老化程度,获得半导体器件的综合状态预测结果,并提出保养和维护的建议。
具体的,采集半导体器件不同时间点的电性能参数包括:利用测试探针接触半导体器件的压焊,建立电学连接并进行初始测试,进而采集半导体器件的电性能参数,其中,检测电流部分为测定半导体器件的栅极漏电流;利用环境监测设备获取测试过程的环境参数;使用测试核心板根据控制信息对测试指令进行译码,生成测试向量、时序、波形及输出测试信号。
具体的,特征提取的方法包括:利用机器学习技术捕捉对老化测试过程有影响的重要特征,包括对存储的电性能参数与环境参数进行清洗和预处理,包括去除异常值、处理缺失数据、标准化数据及不相关数据,进而获得半导体器件的老化性能测试参数集合。
具体的,半导体器件的基本特征信息包括电性能信息、功能信息、温度敏感度信息中的任意一种,基于半导体器件的基本特征信息获得半导体老化度综合评估模型,具体包括:
获得半导体器件的第一老化度特征信息、第二老化度特征信息及第三老化度特征信息;
根据第一老化度特征和第二老化度特征信息结合留出法构建半导体老化度初步评估模型;
根据第三老化度特征信息对老化度初步评估模型进行增量学习,获得半导体老化度综合评估模型。
具体的,半导体老化度综合评估模型根据栅极漏电流和环境参数估计半导体器件的老化指数,将老化指数与预设阈值对比,确定目标半导体器件的老化程度。
具体的,使用交叉验证技术将存储的半导体老化历史数据划分为训练集和验证集,训练集用于训练模型,验证集用于评估模型的性能和泛化能力,使用训练集的数据进行模型训练,根据选择的半导体老化模型和算法,在历史数据上进行参数估计和优化,使用验证集的数据评估已训练模型的性能,比较模型的预测结果和实际观测值。
具体的,根据老化性能测试装置对半导体器件的老化性能测试参数集合中的数据信息进行测试,获得半导体器件的老化性能存储结果;
将半导体器件的老化性能存储结果输入半导体老化度综合评估模型,获得半导体器件的老化性能综合评估结果;
根据半导体器件的老化度综合评估结果和贝叶斯状态预测模型进行预测,获得半导体器件的综合状态预测结果。
本申请提供了一种半导体老化测试系统,该系统包括器件测试模块与老化估算模块,其中,器件测试模块包括:
半导体测试单元,用于测量在多个开关周期内流经外部栅极电阻的总电荷量,根据总电荷量计算目标半导体器件的栅极漏电流,外部栅极电阻与所述半导体器件的栅极连接;
环境测试单元,用于采集检测环境中的温度与湿度;
设备驱动单元,用于驱动半导体测试单元与环境测试单元的运行;
控制器,用于控制半导体测试单元、环境测试单元及设备驱动单元;
老化估算模块包括:
数据获取单元,用于获取测试得出的数据并进行成分分析;
信息存储单元,用于存储获得的半导体信息、评估存储数据;
老化估算单元,用于估算半导体产品老化性能参数。
在一个例子中,以上任一的单元可以是被配置成实施以上方法的一个或多个集成电路,例如:当单元可以通过处理元件调度程序的形式实现时,该处理元件可以是通用处理器,例如中央处理器(central processing unit,CPU)或其它可以调用程序的处理器。再如,这些单元可以集成在一起,以片上系统(system-on-a-chip,SOC)的形式实现。
在本申请所提供的实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
还应理解,在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还提供了一种半导体老化测试系统,还包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
本申请还提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
本申请还提供了一种芯片系统,该芯片系统包括处理器,用于实现上述内容中所涉及的功能,例如,生成,接收,发送,或处理上述方法中所涉及的数据和/或信息。
该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
上述任一处提到的处理器,可以是一个CPU,微处理器,ASIC,或一个或多个用于控制上述的反馈信息传输的方法的程序执行的集成电路。
在一种可能的设计中,该芯片系统还包括存储器,该存储器,用于保存必要的程序指令和数据。该处理器和该存储器可以解耦,分别设置在不同的设备上,通过有线或者无线的方式连接,以支持该芯片系统实现上述实施例中的各种功能。或者,该处理器和该存储器也可以耦合在同一个设备上。
可选地,该计算机指令被存储在存储器中。
可选地,该存储器为该芯片内的存储单元,如寄存器、缓存等,该存储器还可以是该终端内的位于该芯片外部的存储单元,如ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM等。
可以理解,本申请中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
非易失性存储器可以是ROM、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electricallyEPROM,EEPROM)或闪存。
易失性存储器可以是RAM,其用作外部高速缓存。RAM有多种不同的类型,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,其中相同的零部件用相同的附图标记表示。故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种半导体老化测试方法,其特征在于:
对半导体器件进行老化测试并采集半导体器件不同时间点的电性能参数;
获取老化测试期间的环境参数;
将电性能参数及环境参数储存至信息数据库;
根据信息数据库中存储的电性能参数及环境参数,制定筛选指标;
根据筛选指标遍历所述信息数据库进行特征提取,基于提取出的数据生成筛选信息数据库,并对所述筛选信息数据库进行主要成分分析,以获得半导体器件的老化性能测试参数集合,所述老化性能测试参数集合包括半导体器件运行温度、湿度、电压、电阻及电流;
根据半导体器件的基本特征信息预先获取半导体老化度综合评估模型;
利用已知的半导体老化历史数据对半导体老化度综合评估模型进行训练与验证;
将老化性能测试参数集合导入至验证好的半导体老化度综合评估模型,以评估半导体器件当前的老化状态,获得半导体器件的老化性能综合评估结果;
根据评估结果预测半导体器件老化程度,获得半导体器件的综合状态预测结果,并提出保养和维护的建议。
2.根据权利要求1所述的一种半导体老化测试方法,其特征在于:所述采集半导体器件不同时间点的电性能参数包括:
利用测试探针接触半导体器件的压焊,建立电学连接并进行初始测试,进而采集半导体器件的电性能参数,其中,检测电流部分为测定半导体器件的栅极漏电流;
利用环境监测设备获取测试过程的环境参数;
使用测试核心板根据控制信息对测试指令进行译码,生成测试向量、时序、波形及输出测试信号。
3.根据权利要求1所述的一种半导体老化测试方法,其特征在于:所述特征提取的方法包括:利用机器学习技术捕捉对老化测试过程有影响的重要特征,包括对存储的电性能参数与环境参数进行清洗和预处理,包括去除异常值、处理缺失数据、标准化数据及不相关数据,进而获得半导体器件的老化性能测试参数集合。
4.根据权利要求1所述的一种半导体老化测试方法,其特征在于:所述半导体器件的基本特征信息包括电性能信息、功能信息、温度敏感度信息中的任意一种,基于半导体器件的基本特征信息获得半导体老化度综合评估模型,具体包括:
获得半导体器件的第一老化度特征信息、第二老化度特征信息及第三老化度特征信息;
根据第一老化度特征和第二老化度特征信息结合留出法构建半导体老化度初步评估模型;
根据第三老化度特征信息对老化度初步评估模型进行增量学习,获得半导体老化度综合评估模型。
5.根据权利要求2所述的一种半导体老化测试方法,其特征在于:所述半导体老化度综合评估模型根据栅极漏电流和环境参数估计半导体器件的老化指数,将老化指数与预设阈值对比,确定所述半导体器件的老化程度。
6.根据权利要求1所述的一种半导体老化测试方法,其特征在于:使用交叉验证技术将存储的半导体老化历史数据划分为训练集和验证集,训练集用于训练模型,验证集用于评估模型的性能和泛化能力,使用训练集的数据进行模型训练,根据选择的半导体老化模型和算法,在历史数据上进行参数估计和优化,使用验证集的数据评估已训练模型的性能,比较模型的预测结果和实际观测值。
7.根据权利要求1所述的一种半导体老化测试方法,其特征在于:
根据老化性能测试装置对半导体器件的老化性能测试参数集合中的数据信息进行测试,获得半导体器件的老化性能存储结果;
将半导体器件的老化性能存储结果输入半导体老化度综合评估模型,获得半导体器件的老化性能综合评估结果;
根据半导体器件的老化度综合评估结果和贝叶斯状态预测模型进行预测,获得半导体器件的综合状态预测结果。
8.一种半导体老化测试系统,其特征在于:所述系统包括器件测试模块与老化估算模块,其中,所述器件测试模块包括:
半导体测试单元,用于测量在多个开关周期内流经外部栅极电阻的总电荷量,根据所述总电荷量计算目标半导体器件的栅极漏电流,所述外部栅极电阻与所述目标半导体器件的栅极连接;
环境测试单元,用于采集检测环境中的温度与湿度;
设备驱动单元,用于驱动半导体测试单元与环境测试单元的运行;
控制器,用于控制半导体测试单元、环境测试单元及设备驱动单元;
所述老化估算模块包括:
数据获取单元,用于获取测试得出的数据并进行成分分析;
信息存储单元,用于存储获得的半导体信息、评估存储数据;
老化估算单元,用于估算半导体产品老化性能参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311274570.5A CN116994641A (zh) | 2023-09-28 | 2023-09-28 | 一种半导体老化测试方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311274570.5A CN116994641A (zh) | 2023-09-28 | 2023-09-28 | 一种半导体老化测试方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116994641A true CN116994641A (zh) | 2023-11-03 |
Family
ID=88534302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311274570.5A Pending CN116994641A (zh) | 2023-09-28 | 2023-09-28 | 一种半导体老化测试方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116994641A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117637004A (zh) * | 2023-12-05 | 2024-03-01 | 韶关朗科半导体有限公司 | 一种基于测试结果数据的测试指标优化方法 |
CN118138749A (zh) * | 2024-04-30 | 2024-06-04 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种多维度信息系统性能测试与分析工具及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505519A (zh) * | 2020-11-23 | 2021-03-16 | 赖俊生 | 一种监测及确认半导体器件老化状态的方法、装置及计算机可读存储介质 |
CN114755553A (zh) * | 2022-06-15 | 2022-07-15 | 深圳市冠禹半导体有限公司 | 一种低功耗屏蔽栅半导体功率器件的测试系统 |
CN114840375A (zh) * | 2022-07-06 | 2022-08-02 | 江苏华存电子科技有限公司 | 一种半导体存储产品的老化性能测试方法及系统 |
CN116559619A (zh) * | 2023-05-25 | 2023-08-08 | 长沙道尚循环科技有限公司 | 半导体器件的测试方法及相关装置 |
-
2023
- 2023-09-28 CN CN202311274570.5A patent/CN116994641A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505519A (zh) * | 2020-11-23 | 2021-03-16 | 赖俊生 | 一种监测及确认半导体器件老化状态的方法、装置及计算机可读存储介质 |
CN114755553A (zh) * | 2022-06-15 | 2022-07-15 | 深圳市冠禹半导体有限公司 | 一种低功耗屏蔽栅半导体功率器件的测试系统 |
CN114840375A (zh) * | 2022-07-06 | 2022-08-02 | 江苏华存电子科技有限公司 | 一种半导体存储产品的老化性能测试方法及系统 |
CN116559619A (zh) * | 2023-05-25 | 2023-08-08 | 长沙道尚循环科技有限公司 | 半导体器件的测试方法及相关装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117637004A (zh) * | 2023-12-05 | 2024-03-01 | 韶关朗科半导体有限公司 | 一种基于测试结果数据的测试指标优化方法 |
CN117637004B (zh) * | 2023-12-05 | 2024-05-17 | 韶关朗科半导体有限公司 | 一种基于测试结果数据的测试指标优化方法 |
CN118138749A (zh) * | 2024-04-30 | 2024-06-04 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 一种多维度信息系统性能测试与分析工具及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116994641A (zh) | 一种半导体老化测试方法及其系统 | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
Coble et al. | Identifying optimal prognostic parameters from data: a genetic algorithms approach | |
CN106528975B (zh) | 一种应用于电路与系统的故障预测与健康管理方法 | |
CN109143094B (zh) | 一种动力电池的异常数据检测方法和装置 | |
CN109086876B (zh) | 设备的运行状态检测方法、装置、计算机设备和存储介质 | |
CN110197288A (zh) | 故障影响下设备的剩余使用寿命预测方法 | |
CN108196143A (zh) | 电力变压器故障深度诊断方法及终端设备 | |
CN109948276B (zh) | 失效分析方法、装置、设备和存储介质 | |
CN111325159A (zh) | 故障诊断方法、装置、计算机设备和存储介质 | |
CN112565187A (zh) | 基于逻辑回归的电网攻击检测方法、系统、设备及介质 | |
CN115841046A (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
CN115864759A (zh) | 一种电机自动测试工站的控制方法及系统 | |
CN117630800A (zh) | 一种电能表自动检定装置故障诊断方法及系统 | |
CN117872166B (zh) | 储能电池热失控检测方法、装置及电子设备 | |
CN113110961B (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
CN116306806A (zh) | 故障诊断模型确定方法、装置及非易失性存储介质 | |
CN115017819A (zh) | 一种基于混合模型的发动机剩余使用寿命预测方法及装置 | |
CN111475925A (zh) | 一种电力设备的状态评估方法、装置及存储介质 | |
CN111314110B (zh) | 一种用于分布式系统的故障预警方法 | |
US20230081224A1 (en) | Method and system for evaluating test data, wafer test system, and storage medium | |
CN110865939B (zh) | 应用程序质量监测方法、装置、计算机设备和存储介质 | |
CN116298930B (zh) | 电池包健康度的测量方法、装置及服务器 | |
CN116643170B (zh) | 电机轴系振动测试方法、装置和计算机设备 | |
CN116627759B (zh) | 一种金融支付设备电路安全检测装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20231103 |