CN117648892A - 一种利用ai动态调节老化测试参数的方法及系统 - Google Patents
一种利用ai动态调节老化测试参数的方法及系统 Download PDFInfo
- Publication number
- CN117648892A CN117648892A CN202311356266.5A CN202311356266A CN117648892A CN 117648892 A CN117648892 A CN 117648892A CN 202311356266 A CN202311356266 A CN 202311356266A CN 117648892 A CN117648892 A CN 117648892A
- Authority
- CN
- China
- Prior art keywords
- chip
- test
- parameters
- burn
- learning model
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 239
- 230000032683 aging Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004519 manufacturing process Methods 0.000 claims abstract description 38
- 238000004806 packaging method and process Methods 0.000 claims description 26
- 230000015556 catabolic process Effects 0.000 claims description 9
- 229910021420 polycrystalline silicon Inorganic materials 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 229920005591 polysilicon Polymers 0.000 claims description 6
- 239000000853 adhesive Substances 0.000 claims description 5
- 230000001070 adhesive effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000002791 soaking Methods 0.000 claims description 5
- 238000011056 performance test Methods 0.000 claims description 3
- 239000013256 coordination polymer Substances 0.000 claims 3
- 230000008569 process Effects 0.000 abstract description 16
- 238000001514 detection method Methods 0.000 abstract description 3
- 239000004065 semiconductor Substances 0.000 description 12
- 235000012431 wafers Nutrition 0.000 description 11
- 239000000523 sample Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 6
- 230000035882 stress Effects 0.000 description 6
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 5
- 229910000679 solder Inorganic materials 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012858 packaging process Methods 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000004377 microelectronic Methods 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 238000012536 packaging technology Methods 0.000 description 2
- 239000008188 pellet Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004512 die casting Methods 0.000 description 1
- 238000009713 electroplating Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明提供一种利用AI动态调节老化测试参数的方法及系统,该方法包括:对芯片进行测试;获取芯片经过测试的参数,并将所述参数输入AI机械学习模型;AI机械学习模型根据所述参数动态调节老化测试条件。本发明能够通过AI机械学习模型根据芯片生产过程中由于工艺参数的偏差而导致的芯片的性能差异来调整芯片老化测试参数,克服了现有技术中由于老化测试的参数无法进行精准调试而导致具有早期故障的芯片无法被检测出来的技术问题,降低了芯片的不良率以及提高了芯片的检测效率。
Description
技术领域
本发明涉及半导体技术领域,具体涉及一种利用AI动态调节老化测试参数的方法及系统。
背景技术
芯片老化测试是一种采用电压和高温来加速器件电学故障的电应力测试方法。老化过程基本上模拟运行了芯片整个寿命,因为老化过程中应用的电激励反映了芯片工作的最坏情况。根据不同的老化时间,所得资料的可靠性可能涉及到的器件的早期寿命或磨损程度。老化测试可以用来作为器件可靠性的检测或作为生产窗口来发现器件的早期故障。一般用于芯片老化测试的装置是通过测试插座与外接电路板共同工作从而得到的芯片数据来判断是否合格。半导体组件(芯片,模块等)在组装到系统之前会进行故障测试。安排试验,使元件在特定电路的监控下被迫经历一定的老化测试条件,并分析元件的负载能力等性能。这种测试有助于确保系统中使用组件(芯片,模块等半导体器件)的可靠性。老化测试通过模拟设备在实际使用中受到的各种应力、老化设备封装和芯片的弱点,加快设备实际使用寿命的验证。同时可以在模拟过程中,引起固有故障的尽早突显。为了保证出厂的芯片没有问题,需要在出厂前进行测试以确保功能完整性等。
半导体故障分类具有以下几类:早期故障:发生在设备运行的初始阶段,早期故障的发生率随着时间的推移而降低。随机故障:发生的时间较长,而且故障发生率也被发现是恒定的。磨损故障:在组件保质期结束时会出现。如果半导体器件容易出现早期故障,则无需担心随机或磨损故障,因为其使用寿命在操作本身的早期阶段就结束了。因此为了确保产品的可靠性,首先是减少早期故障。半导体中的潜在缺陷可以通过老化测试来检测,当器件施加的电压应力和加热并开始运行时,潜在缺陷变得突出。大多数早期故障是由于使用有缺陷的制造材料和生产阶段遇到的错误而造成的。通过老化测试的器件,只有早期故障率低的组件才能投放市场。但是现行的老化测试对所有的芯片都采用相同的测试条件,例如不同厂家生产出来的同一芯片可能由于制造工艺的不同而导致芯片的性能有所偏差,如果采用同样的测试电压,会导致老化测试中无法将具有早期故障的芯片检测出来。
发明内容
本发明的目的是提供一种利用AI动态调节老化测试参数的方法及系统,该方法能够根据AI机械学习模型针对不同型号的芯片动态调节老化测试参数,克服了现有技术中由于老化测试的参数无法进行精准调试而导致具有早期故障的芯片无法被检测出来的技术问题,降低了芯片的不良率以及提高了芯片的检测效率。
一种利用AI动态调节老化测试参数的方法,包括:
对芯片进行测试;
获取芯片经过测试的参数,并将所述参数输入AI机械学习模型;
AI机械学习模型根据所述参数动态调节老化测试条件。
优选地,所述对芯片进行测试包括:对芯片进行芯片制造测试、CP测试、芯片封装测试、FT测试。
优选地,所述芯片制造测试包括:在芯片制造完成后,获取芯片的栅极氧化层厚度、多晶硅尺寸和外延层厚度。
优选地,所述CP测试包括:对芯片进行晶圆测试,获取芯片的静态电流、漏电和击穿电压。
优选地,所述封装测试包括:在芯片封装时,获取芯片的浸泡时间、回流温度和粘合力。
优选地,所述FT测试包括:在芯片封装完成后,对芯片进行性能测试,获取芯片的动态电流、漏电流、击穿电压、延迟时间、引脚故障点。
优选地,所述AI机械学习模型根据所述参数动态调节老化测试条件包括:
对芯片制造测试、CP测试、芯片封装测试、FT测试中获取的各个参数赋予权重;
将每个测试中的参数进行随机组合测试以获取能够进行老化测试的所述参数的组合和所述参数的权重;
计算出不同类型的芯片在老化测试中的测试参数和所述参数的权重。
优选地,所述对芯片进行老化测试时,增加10%的压力电压。
优选地,所述AI机械学习模型根据所述参数动态调节老化测试条件还包括:
AI机械学习模型计算芯片出现早期故障的风险值;
如果风险值大于预设值,则对老化测试的条件进行调整;
如果风险值小于预设值,则按照预先设定的老化测试条件进行老化测试。
一种利用AI动态调节老化测试参数的系统,包括:
芯片测试模块,用于对芯片进行测试;
机械学习模块,用于获取芯片经过测试的参数,并将所述参数输入AI机械学习模型;
数据处理模块,用于AI机械学习模型根据所述参数动态调节老化测试条件。
目前老化测试由于采用相同的测试条件,但是不同厂家由于生产工艺的区别,会导致在生产同一芯片时会产生芯片的性能偏差,在检测这些芯片时,较难筛选出具有早期故障的芯片,导致芯片出厂时的不良率较高,本发明针对这一技术问题提出了一种利用AI动态调节老化测试参数的方法,通过获取芯片制造测试、CP测试、芯片封装测试和FT测试环节中的芯片参数,利用AI机械学习模型根据芯片生产过程中不同工艺参数的偏差而导致的芯片的性能差异来调整芯片老化测试参数,从而将具有早期故障的芯片检测出来,降低了芯片的不良率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,标示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程方法示意图。
实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一种该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
半导体故障分类具有以下几类:早期故障:发生在设备运行的初始阶段,早期故障的发生率随着时间的推移而降低。随机故障:发生的时间较长,而且故障发生率也被发现是恒定的。磨损故障:在组件保质期结束时会出现。为了确保产品的可靠性,检测出具有早期故障的芯片是半导体工业生产中尤为重要的一环,老化测试是提高降低早期故障率的一种方法。半导体中的潜在缺陷可以通过老化测试来检测。当器件施加的电压应力和加热并开始运行时,潜在缺陷变得突出。大多数早期故障是由于使用有缺陷的制造材料和生产阶段遇到的错误而造成的。通过进行老化测试,只有早期故障率低的组件才能投放市场。
但是目前老化测试的条件参数固定,检测出因为工艺生产的偏差而导致的性能有所差异的芯片的早期故障的概率很低,导致了产品的不良率较高,本发明针对这一技术问题提出了一种利用AI动态调节老化测试参数的方法,通过获取芯片制造测试、CP测试、芯片封装测试和FT测试环节中的芯片参数,利用AI机械学习模型计算出对于因为工艺生产的偏差而导致的性能有所差异的芯片应当采用的老化测试参数,从而将具有早期故障的芯片检测出来,降低了芯片的不良率。
实施例1
一种利用AI动态调节老化测试参数的方法,参考图1,包括:
S100,对芯片进行测试;
IC芯片是将大量的微电子元器件(晶体管、电阻、电容等)形成的集成电路放在一块塑基上,做成一块芯片。IC芯片包含晶圆芯片和封装芯片,相应 IC 芯片生产线由晶圆生产线和封装生产线两部分组成。在生产芯片的过程中,一般步骤为:生产晶圆、晶圆测试、封装芯片、封装测试,在这生产和封装环节中再分别加入相应的测试环节以获取芯片的相关参数。
老化测试具体包括:温度老化测试:将芯片置于恶劣的温度条件下运行,以测试其在高温环境下的性能和可靠性。这个测试项主要用于评估芯片在高温条件下的工作情况,以确保其能够在高温环境下正常运行。电压老化测试:芯片在正常电压和过高电压条件下进行长时间运行的测试。这个测试项用于评估芯片在电压应力下的性能和可靠性,以确保芯片在过高电压条件下不会出现故障。时钟频率老化测试:芯片在正常时钟频率和过高时钟频率条件下进行长时间运行的测试。这个测试项用于评估芯片在高频率运行条件下的性能和可靠性,以确保芯片在高频率下不会出现问题。功能老化测试:通过对芯片进行各种功能的长时间运行测试,以评估其不同功能模块在长时间使用过程中的性能和可靠性。这个测试项可以帮助发现芯片中各个功能模块的潜在问题,并及时采取措施修复。通信老化测试:对支持通信功能的芯片进行长时间通信测试,以评估其通信性能和可靠性。这个测试项可以模拟芯片在实际通信环境中的使用情况,以确保其能够在各种通信场景下正常工作。测试环境的选择:为了确保测试结果的准确性,需要选择合适的测试环境。测试环境应该尽可能接近实际应用环境,包括温度、湿度、电压等方面的条件。测试时间的确定:芯片老化测试通常需要运行数小时甚至数天,具体的测试时间需要根据芯片的要求和实际需求来确定。测试时间过短可能无法完全评估芯片的性能和可靠性,而测试时间过长则会增加测试成本和时间。数据记录和分析:在进行老化测试时,需要详细记录测试过程中的数据,并进行定期分析。通过分析测试数据可以及时发现问题,并进行相应的修复措施。老化测试设备的选择:对于工程师来说,选择合适的芯片老化测试座非常重要。合适的芯片老化测试座应当具备稳定的温度、电压和时钟频率控制能力,并能够提供可靠的数据记录和分析功能。
在本发明中,将测试的过程按芯片生产顺序主要分为四步:芯片制造测试、CP测试、芯片封装测试和FT测试。
S200,获取芯片经过测试的参数,并将所述参数输入AI机械学习模型;
在芯片制造测试、CP测试、芯片封装测试和FT测试中的每个环节都要获取芯片的参数,然后将每个环节获取到的参数输入AI机械学习模型。
S300,AI机械学习模型根据所述参数动态调节老化测试条件。
AI机械学习模型根据上述四个测试环节获取到的参数,可以计算出具体哪种参数组合可以通过老化测试,例如:芯片的栅极氧化层厚度为N时,相对应的芯片耐压是M伏,多晶硅的尺寸和栅极氧化层的厚度又决定了芯片的开启电压等。并且对于芯片的耐压性能,同时会有多个测试参数对耐压性能造成影响,本发明对影响耐压性能的每个参数赋予权重,综合每个参数的对耐压性能的影响程度能够更好地判断芯片具有早期故障的风险值,由于不同厂家生产流程的偏差会影响芯片的电气性能,也同时会影响芯片寿命, 依据AI机械学习模型,能有效预测每颗IC的可靠度风险值,而将早期故障率高的IC,通过动态调节老化测试条件检测出来,满足不良率的要求。
优选地,老化测试包括:芯片制造测试、CP测试、芯片封装测试、FT测试。
芯片老化测试的原理是通过模拟芯片长期使用过程中的环境影响,如高温、恒流、恒压等条件下的加速老化测试,以获得芯片的寿命、失效率等数据,并对芯片失效的原因和机理进行分析研究。通过此过程不断改进芯片结构、工艺与材料,提高其可靠性和稳定性。
芯片老化测试的最终目的是预测产品的使用寿命,评估或预测制造商生产的产品的耐久性;随着半导体技术的快速发展和芯片复杂性的逐年增加,芯片试验贯穿于整个设计、开发和生产过程,变得越来越具有挑战性。老化测试是芯片制造工厂消除早期故障产品交付给客户前的重要试验,确保销售给用户的产品可靠或问题较少。老化测试具体通过模拟设备在实际使用中的各种应力、老化设备包装和芯片的弱点,加快了对设备实际使用寿命的验证。
优选地,芯片制造测试包括:在芯片制造完成后,获取芯片的栅极氧化层厚度、多晶硅尺寸和外延层厚度。
芯片制造测试就是在芯片制造完成后经历的第一次测试,芯片制造测试主要是为了获取芯片的一些基本参数,例如:栅极氧化层厚度、多晶硅尺寸和外延层厚度,因为芯片的基本参数决定了芯片大体的性能。
随着MOSFET的尺寸越来越小,栅极介质层的厚度也是越来越薄。作为MOSFET的核心,栅极氧化层的可靠性一直都是最主要的制约器件是否可以量产的因素之一。
随着栅极氧化层的减薄,MOSFET面临的问题是栅极漏电,如果栅极氧化层的性能不够,会直接导致栅极进入热击穿而烧毁,所以评估栅极抗压能力是评估MOSFET的寿命的重要指标。
本发明对MOSFET施加电压,然后根据供电电压Vdd测量MOSFET栅极氧化层的电容值Cox,然后根据电容值Cox计算MOSFET栅极氧化层的积累厚度。采用四探针测试法测试多晶硅的尺寸和外延层的厚度,利用恒流源给外部的两个探针通以微小电流,然后在中间两个探针上用高精密数字万用表测量电压,最后根据理论公式计 算出样品的电阻率,以此推算出多晶硅的尺寸和外延层的厚度,利用探针分析可检测整个芯片表面薄层电阻均匀性,进而判断离子注入片和注入工艺中存在的问题。
优选地,CP测试包括:对芯片进行晶圆测试,获取芯片的静态电流、漏电和击穿电压。
CP测试常应用于功能测试与性能测试中,为了了解芯片功能是否正常,以及筛掉芯片晶圆中的故障芯片。CP测试就是用探针来扎薄片上的芯片,把各类信号输入进芯片,把芯片输出响应抓取并进行比较和计算,也有一些特殊的场景会用来配置调整芯片。需要应用的设备主要是自动测试设备、探针台、仪器仪表,需要制作的硬件是探针卡。通过探针卡和探针台使自动化测试设备到晶圆上的单颗芯片之间建立电气连接。CP测试的目的是确保每颗单颗芯片都能满足芯片的设计规格,筛除其中有问题的单颗芯片,然后再去做芯片封装。这样就可以减少芯片封装的成本,同时保证芯片的质量。CP测试在整个芯片制作流程中处于晶圆制造和封装之间,目的是确保芯片封装前的每一个部分都能基本满足器件的特征或者设计规格书,通常包括电压、电流、时序和功能的验证。
CP测试的方法包括:电流测试,用于测试检测芯片交流信号质量和时序参数是否符合设计规格。逻辑测试,用于检测RF模块逻辑功能是否正确。存储器测试,用于存储器自测。CP测试可以减少封装和测试的成本。可以更直接地知道单颗芯片的良率。
CP测试可以获得基本的器件参数,例如:Vt(阈值电压),Rdson(导通电阻),BVdss(源漏击穿电压),Igss(栅源漏电流),Idss(漏源漏电流)Sidd(静态电流)等。
优选地,封装测试包括:在芯片封装时,获取芯片的浸泡时间、回流温度和粘合力。
封装是半导体生产的后段加工制作工序,主要是将前段制程加工完成的晶圆上的芯片予以分割、黏晶、打线并加上塑封及成型,达到保护芯片组件并用于线路板的组装装配过程。芯片封装的目的在于确保芯片经过封装之后具有较强的机械性能、良好的电气性能和散热性能,可以对芯片起到机械和环境保护的作用,保证芯片能够保持高效稳定的正常工作。
芯片封装工艺流程主要可以分为以下几步:芯片切割:先在芯片背面贴上蓝膜并置于铁环之上,之后再送至芯片切割机上进行切割,目的是用切割机将晶圆上的芯片切割分离成单个晶粒。晶粒黏贴:先将晶粒黏着在导线架上,也叫作晶粒座,预设有延伸芯片晶粒电路的延伸脚,用银胶对晶粒进行黏着固定。焊线:将晶粒上之接点为第一个焊点,内部引脚上接点为第二焊点,先把金线之端点烧成小球,再将小球压焊在第一焊点上。接着依设计好的路径拉金线,把金线压焊在第二点上完成一条金线之焊线动作。焊线的目的是将晶粒上的接点用金线或者铝线铜线连接到导线架上之内的引脚,从而将芯片晶粒之电路讯号传输到外界。封胶:将导线架预热,再将框架置于压铸机上的封装模具上,再以半溶化后的树脂挤入模中,树脂硬化后便可开模取出成品。封胶的目的是防止湿气等由外部侵入,有效地将内部产生的热量排出外部,提供能够手持的形体。切脚成型:封胶之后,需要先将导线架上多余的残胶去除,经过电镀以增加外引脚的导电性及抗氧化性,而后再进行切脚成型。将导线架上已封装完成的晶粒,剪切分离并将不需要的连接用材料切除。切脚成型之后,一个芯片的封装过程就完成了,后续还需要一些处理才能让芯片能够稳定高效的工作,包括去胶、去纬、去框等等,最后再测试检验,确保芯片没有问题后就能够正常的工作了。
随着科技的进步,微电子封装技术亦不断地提升,对于集成电路的需求,亦趋向于高密度、多功能、高传输速度的型态。因此,封装技术亦逐渐由金属接脚方式转为使用例如锡球等导电组件封装的方式,以符合集成电路的需求。一种广为使用的锡球封装方法例如为球状栅格阵列封装,其能有效的增加芯片的应用面积,亦能符合降低成本的要求。
在芯片封装时,芯片的浸泡时间、回流温度和粘合力会影响到芯片的质量,所以本发明需要采集芯片的浸泡时间、回流温度和粘合力等参数输入AI机械学习模型进行老化测试参数的动态调整。
优选地,FT测试包括:在芯片封装完成后,对芯片进行性能测试,获取芯片的动态电流、漏电流、击穿电压、延迟时间、引脚故障点。
FT测试就是在芯片封装好后,对整个芯片进行测试,检测整个芯片的功能是否正常,以及封装过程中是否有缺陷产生,FT测试需要应用的设备主要是自动测试设备、机器臂、仪器仪表,需要制造的硬件是测试板和测试插座等。
测试板是一种连接测试设备与被测器件的机械及电路接口,主要应用在半导体制造后端芯片封装后的良率测试,透过此阶段的测试,可以剔出功能不良的芯片,避免后续电子产品因不良芯片产生报废。
测试插座,用于满足芯片各种测试需求的内联器。是芯片和PCB之间的静态连接器,能够让芯片的更换测试更为方便,不用一直焊接和取下芯片,并且不会损伤芯片和PCB,从而达到快速高效的测试。
FT测试的主要流程为:将芯片放在测试板上,再用机械臂通过测试插座连接自动测试设备和仪器仪表。然后获取FT测试的时间、坐标、连接关系。最后开始获取芯片的参数,例如:动态电流、漏电流、击穿电压、延迟时间、引脚故障点。
优选地,AI机械学习模型根据参数动态调节老化测试条件包括:
对芯片制造测试、CP测试、芯片封装测试、FT测试中获取的各个参数赋予权重;
在芯片生产到使用的四个步骤中,本发明设置了四个测试环节以获取芯片的各项参数,对于芯片的每一个参数,其对整体芯片性能的影响力是不同的,例如外延层的厚度和掺杂浓度分别对芯片的导通电阻有着不一样的影响能力,栅极氧化层的厚度和多晶硅的尺寸对栅极可靠性也有着不同的影响能力,所以本发明在对能够影响同一项性能的不同参数设置了不同的权重,本发明首先规定了不同芯片所需要通过老化测试的各项性能要求,然后根据每一项性能选择性地测试出对应的影响参数,最后按照每一项参数对其影响的性能赋予权重。
将每个测试中的参数进行随机组合测试以获取能够进行老化测试的所述参数的组合和所述参数的权重;
在芯片的老化测试中,参数的组合对于是否能够通过老化测试也是非常重要的,单一的参数能够通过老化测试的某项性能要求,但是单一的参数组合在一起,可能就无法通过原本能够通过的老化测试,比如A宽度的栅极氧化层能够通过老化测试的耐压要求,但是A宽度的栅极氧化层厚度对应B厚度的外延层组合为一个MOSFET才能够达到老化测试的耐压要求,如果外延层的厚度减少或者增加,都可能导致芯片无法通过老化测试,所以AI机械学习模型能够根据芯片所需要达到的性能,自行选择出能够达到该性能的参数组合,排除性能较差的参数组合。
计算出不同类型的芯片在老化测试中的测试参数和所述参数的权重。
对于不同类型的芯片,其对电气性能的要求也不同,AI机械模型可以根据一种类型的芯片测试参数,推算出应用于其他类型的芯片的老化测试参数以及参数的组合,比如对于导通电阻要求小的芯片,AI机械模型就能计算出其外延层的性能参数要求等,以满足筛选出更多不合格的芯片。
优选地,对芯片进行老化测试时,增加10%的压力电压。
本发明通过增加老化测试的压力电压,可以更好地筛选出具有早期故障的芯片,因为随着压力电压的提高,早期故障会更容易暴露,但是如果增加的压力电压过大,就会导致损耗原本合格的芯片,导致成品率低,作为一个优选地实施例,本发明将压力电压增加为原来的110%。
优选地,AI机械学习模型根据参数动态调节老化测试条件还包括:
AI机械学习模型计算芯片出现早期故障的风险值;
如果风险值大于预设值,则对老化测试的条件进行调整;
如果风险值小于预设值,则按照预先设定的老化测试条件进行老化测试。
一块芯片由多个子模块集成制成,AI机械学习模型能够计算出每个子模块出现早期故障的风险值,从而评估整块芯片出现早期故障的风险的概率,本发明设置一个预设值,当整块芯片的风险值超过预设值后,就说明该芯片具有早期故障的风险高,无法通过老化测试。
实施例2
一种利用AI动态调节老化测试参数的系统,包括:
芯片测试模块,用于对芯片进行测试;
在芯片测试模块中,需要记录芯片生产测试各个环节中的芯片参数,这样就能够计算出在一块集成芯片中的每个子模块的风险值,从而筛选出具有早期故障的芯片,以便AI机械学习模型用于动态调节老化测试参数,在芯片测试模块中,获取的测试参数越多,在后续调节老化测试参数时也就越准确。
机械学习模块,用于获取芯片经过测试的参数,并将参数输入AI机械学习模型;
AI机械学习模型就是让机器从大量的数据集中学习,进而得到一个更加符合现实规律的模型,通过对模型的使用使得机器比以往表现的更好。在此使用监督学习,根据已有的数据集,知道输入和输出结果之间的关系。根据这种已知的关系,训练得到一个最优的模型。使用监督学习的回归分析,可以从芯片制造测试、CP测试、芯片封装测试、FT测试数据预测芯片早期故障率,而将早期故障风险高的芯片筛选出来,本发明能够动态调节老化测试条件,满足工业生产要求。
本发明首先将每个测试环节中获取的参数输入AI机械学习模型,然后AI机械学习模型输出不同类型的芯片所对应的老化测试的参数。本发明通过采用AI机械模型对获取的参数进行处理,计算出能够通过老化测试的参数组合。
数据处理模块,用于AI机械学习模型根据参数动态调节老化测试条件。
本发明能够根据不同的芯片类型,动态老化测试的电压、电流以及其他测试条件,能够更全面地筛选出具有早期故障的芯片。
目前老化测试由于采用相同的测试条件,在检测不同芯片时,较难筛选出具有早期故障的芯片,导致芯片出厂时的不良率较高,本发明针对这一技术问题提出了一种利用AI动态调节老化测试参数的方法,通过获取芯片制造测试、CP测试、芯片封装测试和FT测试环节中的芯片参数,利用AI机械学习模型计算出对于不同的型号的芯片应当采用的老化测试参数,从而将具有早期故障的芯片检测出来,降低了芯片的不良率。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种利用AI动态调节老化测试参数的方法,其特征在于,包括:
对芯片进行测试;
获取芯片经过测试的参数,并将所述参数输入AI机械学习模型;
AI机械学习模型根据所述参数动态调节老化测试条件。
2.根据权利要求1所述的一种利用AI动态调节老化测试参数的方法,其特征在于,所述对芯片进行测试包括:对芯片进行芯片制造测试、CP测试、芯片封装测试、FT测试。
3.根据权利要求2所述的一种利用AI动态调节老化测试参数的方法,其特征在于,所述芯片制造测试包括:在芯片制造完成后,获取芯片的栅极氧化层厚度、多晶硅尺寸和外延层厚度。
4.根据权利要求2所述的一种利用AI动态调节老化测试参数的方法,其特征在于,所述CP测试包括:对芯片进行晶圆测试,获取芯片的静态电流、漏电和击穿电压。
5.根据权利要求2所述的一种利用AI动态调节老化测试参数的方法,其特征在于,所述封装测试包括:在芯片封装时,获取芯片的浸泡时间、回流温度和粘合力。
6.根据权利要求2所述的一种利用AI动态调节老化测试参数的方法,其特征在于,所述FT测试包括:在芯片封装完成后,对芯片进行性能测试,获取芯片的动态电流、漏电流、击穿电压、延迟时间、引脚故障点。
7.根据权利要求1所述的一种利用AI动态调节老化测试参数的方法,其特征在于,所述AI机械学习模型根据所述参数动态调节老化测试条件包括:
对芯片制造测试、CP测试、芯片封装测试、FT测试中获取的各个参数赋予权重;
将每个测试中的参数进行随机组合测试以获取能够进行老化测试的所述参数的组合和所述参数的权重;
计算出不同类型的芯片在老化测试中的测试参数和所述参数的权重。
8.根据权利要求1所述的一种利用AI动态调节老化测试参数的方法,其特征在于,所述对芯片进行老化测试时,增加10%的压力电压。
9.根据权利要求7所述的一种利用AI动态调节老化测试参数的方法,其特征在于,所述AI机械学习模型根据所述参数动态调节老化测试条件还包括:
AI机械学习模型计算芯片出现早期故障的风险值;
如果风险值大于预设值,则说明芯片无法通过老化测试;
如果风险值小于预设值,则说明芯片能够通过老化测试。
10.一种利用AI动态调节老化测试参数的系统,其特征在于,包括:
芯片测试模块,用于对芯片进行测试;
机械学习模块,用于获取芯片经过测试的参数,并将所述参数输入AI机械学习模型;
数据处理模块,用于AI机械学习模型根据所述参数动态调节老化测试条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311356266.5A CN117648892A (zh) | 2023-10-19 | 2023-10-19 | 一种利用ai动态调节老化测试参数的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311356266.5A CN117648892A (zh) | 2023-10-19 | 2023-10-19 | 一种利用ai动态调节老化测试参数的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117648892A true CN117648892A (zh) | 2024-03-05 |
Family
ID=90043974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311356266.5A Pending CN117648892A (zh) | 2023-10-19 | 2023-10-19 | 一种利用ai动态调节老化测试参数的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117648892A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117828450A (zh) * | 2024-03-06 | 2024-04-05 | 深圳市铨天科技有限公司 | 一种基于大数据的封装测试方法、系统和介质 |
-
2023
- 2023-10-19 CN CN202311356266.5A patent/CN117648892A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117828450A (zh) * | 2024-03-06 | 2024-04-05 | 深圳市铨天科技有限公司 | 一种基于大数据的封装测试方法、系统和介质 |
CN117828450B (zh) * | 2024-03-06 | 2024-05-17 | 深圳市铨天科技有限公司 | 一种基于大数据的封装测试方法、系统和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100466984B1 (ko) | 테스트 소자 그룹 회로를 포함하는 집적 회로 칩 및 그것의 테스트 방법 | |
US7519882B2 (en) | Intelligent binning for electrically repairable semiconductor chips | |
US5764650A (en) | Intelligent binning for electrically repairable semiconductor chips | |
US7479793B2 (en) | Apparatus for testing semiconductor test system and method thereof | |
US10418292B2 (en) | Manufacturing method of semiconductor device, inspection device of semiconductor device, and semiconductor device | |
CN117648892A (zh) | 一种利用ai动态调节老化测试参数的方法及系统 | |
KR101798440B1 (ko) | 반도체 장치의 검사 장치 및 반도체 장치의 검사 방법 | |
US7719301B2 (en) | Testing method of semiconductor integrated circuit and information recording medium | |
US8036848B2 (en) | Semiconductor wafer testing apparatus and method of testing semiconductor wafer | |
US11187746B2 (en) | Contact quality testing | |
JP2008002900A (ja) | 半導体装置のスクリーニング方法と装置並びにプログラム | |
US6894524B1 (en) | Daisy chain gang testing | |
KR100984682B1 (ko) | 메모리 스택 프로브 카드 및 이를 이용한 테스트 방법 | |
WO2022179031A1 (zh) | 复合测试机及其使用方法 | |
KR100576492B1 (ko) | 패키지 레벨에서 반도체 소자의 내부 dc 바이어스 측정장치 | |
KR100821095B1 (ko) | 반도체 테스트장치 및 그 테스트방법 | |
KR100718457B1 (ko) | 반도체 테스트 장치와 이를 이용한 반도체 소자 검사방법 | |
Abillar et al. | Development and Implementation of a Board Checker for Fast Loop Circuitry in Testing Microelectronic Packages | |
KR100934793B1 (ko) | 반도체 소자 테스트 방법 및 그 장치, 적정 스트레스 전압검출 방법 | |
JP2004219144A (ja) | 半導体装置の製造方法 | |
CN117706144A (zh) | 测试电路、探针卡、测试系统及测试方法 | |
US20030210068A1 (en) | Apparatus of testing semiconductor | |
Satoh | Improvement of degradation detection in ESD test for semiconductor products | |
JP2010080742A (ja) | 半導体装置の試験方法及び半導体装置の試験装置 | |
JP2005164467A (ja) | Iddq測定回路 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |