CN117763457A - 一种基于大数据分析的芯片测试数据管理系统及方法 - Google Patents
一种基于大数据分析的芯片测试数据管理系统及方法 Download PDFInfo
- Publication number
- CN117763457A CN117763457A CN202311554946.8A CN202311554946A CN117763457A CN 117763457 A CN117763457 A CN 117763457A CN 202311554946 A CN202311554946 A CN 202311554946A CN 117763457 A CN117763457 A CN 117763457A
- Authority
- CN
- China
- Prior art keywords
- test
- data
- test data
- link
- chip
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 586
- 238000013523 data management Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000007405 data analysis Methods 0.000 title claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 112
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000010276 construction Methods 0.000 claims abstract description 24
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000011835 investigation Methods 0.000 claims description 36
- 230000005856 abnormality Effects 0.000 claims description 30
- 238000004806 packaging method and process Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005538 encapsulation Methods 0.000 abstract 2
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明涉及芯片测试领域，具体为一种基于大数据分析的芯片测试数据管理系统及方法，包括测试环节分类模块、测试数据谱图构建模块、离散值分析模块、测试数据管理模型构建模块和预警响应模块；测试环节分类模块用于将封装前的测试环节标记为第一测试环节，封装后的测试环节标记为第二测试环节；测试数据谱图构建模块用于建立对应测试环节的测试数据图谱；离散值分析模块用于分析异常测试数据在测试数据图谱关联关系中的离散值；测试数据管理模型构建模块用于构建对应测试环节的测试数据管理模型；预警响应模块用于在实时芯片抽样检测结果为异常时传输响应信号，触发模型分析流程并基于输出结果进行预警响应。
Description
技术领域
本发明涉及芯片测试数据技术领域，具体为一种基于大数据分析的芯片测试数据管理系统及方法。
背景技术
在标准的制造过程中，芯片要经过严格的制造和测试阶段。该过程的每个阶段都有可能挖掘有价值的信息，这些信息可以防止任何受损的芯片经历整个过程。及早发现问题不仅可以在制造和测试过程中节省资金，还有助于防止将有缺陷的产品运送给客户，并可能导致使用过程中的灾难性故障；所以芯片在从生产到包装成完整装置的过程中需要大量的测试环节，但是对于一些量级比较大的芯片只能做到抽样检测不能完整的将所有流水线上的芯片进行一一检测，所以在抽样检测存在异常测试数据时，往往需要人工去分析复检异常芯片对应的检测流程或其他同批次的芯片，来判断最终造成异常的原因；所以给芯片制造生产过程带来了阻力，容易造成生产环节滞后、效率降低等问题的发生。
发明内容
本发明的目的在于提供一种基于大数据分析的芯片测试数据管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据分析的芯片测试数据管理方法，包括以下分析步骤：
步骤S100：标记以芯片和包含芯片的装置为测试对象的所有测试环节，基于事件记录先后顺序将测试环节进行序列化；将序列化后的测试环节以封装操作为分界点，封装前的测试环节标记为第一测试环节，封装后的测试环节标记为第二测试环节；
步骤S200：基于第一测试环节和第二测试环节，获取环节对应的测试数据，对比分析两测试环节的测试数据确定数据追溯的唯一性，并基于分析结果建立对应测试环节的测试数据图谱；建立测试数据图谱的目的是为有效清晰的溯源测试数据提供便捷性和可规划性；
步骤S300：提取测试数据图谱中对应为抽样属性的测试环节以及相应的测试数据存储至历史待分析数据库中，在历史待分析数据库中存在异常测试数据时，分析异常测试数据在测试数据图谱关联关系中的离散值；
步骤S400：获取历史数据库中记录异常测试数据对应芯片排查结果，排查结果包含排查原因和排查范围；基于排查结果和离散值构建对应测试环节的测试数据管理模型；
步骤S500：当实时芯片抽样检测结果为异常时传输响应信号，触发模型分析流程并基于输出结果进行预警响应。
进一步的，对比分析两测试环节的测试数据确定数据追溯的唯一性，包括以下分析步骤：
获取序列化后的首个测试环节记录的所有芯片为主体芯片，遍历第一测试环节和第二测试环节确定以主体芯片或增值芯片为测试对象的数据链，数据链是指由主体芯片或增值芯片为结构中心、测试环节为连接链以及每一测试环节对应的测试数据、测试结果为数据点所构成；
增值芯片是指基于主体芯片增加物理结构或电学结构变化的芯片；
结构中心为连接指向源、通过连接链指向数据点；相同主体芯片或增值芯片对应不同测试环节时由同一连接指向源对应不同连接链指向不同数据点；同一测试环节测试包含芯片的装置中芯片不唯一时由不同连接指向源对应相同连接链指向同一数据点；
第一测试环节对应的数据链为第一数据链，第二测试环节对应的数据链为第二数据链；
当第二数据链中包含不同连接指向源对应相同连接链时，输出第二测试环节与第一测试环节数据追溯不唯一；当第二数据链中不包含连接指向源对应相同连接链时，输出第二测试与第一测试环节数据追溯唯一。
因为在组装前每一测试环节的测试都是针对芯片独立个体，不会存在同一测试环节包含芯片装置芯片不唯一的情况，所以在本申请中默认第一测试环节中的数据链均是以主体芯片或增值芯片为单一主体的链。
进一步的，基于分析结果建立对应测试环节的测试数据图谱，包括以下步骤：
当数据追溯唯一时，第一测试环节和第二测试环节均以数据链的形式构成测试数据图谱的主体结构，设置主体芯片为测试数据图谱的中心节点，以对应主体芯片上生成的增值芯片为次级节点，中心节点与次级节点依据增值芯片的生成顺序按序连接；构成以芯片为节点链、对应芯片的数据链为主体结构的第一测试数据图谱；
当数据追溯不唯一时，第一测试环节仍以上述方式构成数据图谱，第二测试环节以测试环节为测试数据图谱的中心节点，中心节点按照测试环节的事件记录顺序依次连接成节点链，节点链与测试环节对应的数据链构成第二测试环节的第二测试数据图谱。
构建测试数据图谱有利于管理人员对于测试数据的追溯以及分析，可以有效且快速的查询测试数据的位置以及清晰了解测试数据与之可能存在管理的其他数据。
进一步的，步骤S300包括以下步骤：
步骤S310：获取异常测试数据对应的异常测试值，关联关系是指在测试数据图谱中与异常测试数据对应数据链相同的同类测试数据、与异常测试数据所属同一连接指向源对应不同连接链数据点的同源异类测试数据、以及与异常测试数据所属同一连接链对应不同连接指向源记录数据点的异源同类测试数据；
分析三种类型的测试数据可以全面覆盖异常测试数据在测试数据图谱中的关联关系，包含了同批次的比较、同芯片不同测试的比较以及不同芯片相同测试的比较，可以有效的基于数据分析得到异常测试值的差异关系。
步骤S320：当异常测试数据记录于第一测试数据图谱中，利用公式：
计算与异常测试数据存在关联关系的第i种测试数据的离散值；Qi＝{Q1,Q2,Q3}，Q1表示同类测试数据对应的离散值，Q2表示同源异类测试数据对应的离散值，Q3表示异源同类测试数据对应的离散值；ai表示第i种测试数据对应测试环节的异常测试值，表示第i种测试数据中的测试值的最大值；/>表示第i种测试数据中的第j个测试数据值，ni表示第i种测试数据记录测试值的个数；
步骤S330：当异常测试数据记录于第二测试数据图谱中，除去同源异类测试数据按照上述同样方式计算对应测试数据的离散值。除去同源异类测试数据是因为当存在包含芯片的装置时，芯片的型号和个数是无法确定的所以只能以装置整体进行相同测试环节和同批次数据的分析来验证异常测试数据发生的可能原因。
进一步的，步骤S400包括以下：
排查原因包括独立芯片异常、批次芯片异常和测试环节异常；排查范围是指对应批次芯片存在异常时所排查的芯片个数；
当异常测试数据记录于第一测试数据图谱中，分别提取排查原因为独立芯片异常、批次芯片异常和测试环节异常对应的三种测试数据离散值并进行由小到大的排序生成第一序列、第二序列和第三序列；
标记每一序列中首个离散值对应的测试数据类型为目标数据类型；
当三个序列对应的目标数据类型均不同时，构建测试数据管理模型Z1，
其中e1、e2和e3分别表示排查原因为独立芯片异常、批次芯片异常和测试环节异常，表示计算异常数据对应的三种测试数据类型的离散值的最小值可以匹配唯一异常原因；/>和/>表示Qi对应三种离散值的三种测试数据类型；
当三个序列对应的目标数据类型存在相同时，计算每一序列对应的离散平均值标记/>对应的测试数据类型为有效数据类型；构建测试数据管理模型Z2，
表示在/>中分别满足第一序列、第二序列、第三序列/>要求的有效数据类型组，有效数据类型组至少包含一个有效数据类型；
在第一测试数据图谱中分析对应数据类型是因为从离散值角度分析，三种序列对应不同离散值的大小区间可能存在差异较小的情况，所以从数值反应的数据类型出发可以提高辨析异常数据对应产生原因的精确度；
当异常测试数据记录于第二测试数据图谱中，计算每一序列对应的离散平均值构建测试数据管理模型Z3，/> 分别表示第一序列、第二序列、第三序列对应的离散平均值。
在第二测试数据图谱中直接分析离散值是因为在对应三种情况下的离散值差异化明显，可以直接基于数值分析异常数据对应产生原因。
进一步的，触发模型分析流程并基于输出结果进行预警响应，包括以下步骤：
获取实时芯片抽样检测结果为异常时的实时异常测试数据，并提取实时异常测试数据对应的实时测试数据图谱，获取实时异常测试数据存在关联关系的同类测试数据、同源异类测试数据和异源同类测试数据；计算对应的实时离散值；
当实时测试数据图谱为第一测试数据图谱时，将实时离散值对应的测试数据类型进行由小到大的排序生成实时序列，获取实时序列的首位测试数据类型标记为实时数据类型；若存在实时数据类型与测试数据管理模型Z1或测试数据管理模型Z2相匹配，则输出结果为匹配数据类型对应的排查原因和排查范围进行预警；相匹配是指当模型为Z1时实时数据类型的实时离散值减去Z1中与实时数据类型相同的测试数据类型对应离散值的差值，且差值小于等于差值阈值，以及当模型为Z2时实时数据类型、满足实时离散值小于等于实时离散平均值的其余数据类型与Z2中任一有效数据类型组相同；
当实时测试数据图谱为第二测试数据图谱时，计算实时离散平均值R0，遍历计算R0与第一序列、第二序列、第三序列对应的离散平均值的差值Di，Di＝|R0-Qi|，标记Di最小值且小于等于差值阈值的离散平均值对应的排查原因为输出结果进行预警。
芯片测试数据管理系统，包括测试环节分类模块、测试数据谱图构建模块、离散值分析模块、测试数据管理模型构建模块和预警响应模块；
测试环节分类模块用于基于事件记录先后顺序将测试环节进行序列化；将序列化后的测试环节以封装操作为分界点，封装前的测试环节标记为第一测试环节，封装后的测试环节标记为第二测试环节；
测试数据谱图构建模块用于建立对应测试环节的测试数据图谱；
离散值分析模块用于分析异常测试数据在测试数据图谱关联关系中的离散值；
测试数据管理模型构建模块用于构建对应测试环节的测试数据管理模型；
预警响应模块用于在实时芯片抽样检测结果为异常时传输响应信号，触发模型分析流程并基于输出结果进行预警响应。
进一步的，测试数据图谱构建模块包括数据追溯唯一性判断单元、结构分析单元和测试数据图谱输出单元；
数据追溯唯一性判断单元用于对比分析两测试环节的测试数据确定数据追溯的唯一性；
结构分析单元用于确定以中心节点为结构的节点连和以测试环节为结构的数据链；
测试数据图谱输出单元用于输出对应测试数据图谱。
进一步的，离散值分析模块包括关联关系查找单元和离散值计算单元；
关联关系查找单元用于查找同类测试数据、同源异类测试数据和异源同类测试数据；
离散值计算单元用于基于异常测试值和三种测试数据类型对应的测试值。
进一步的，测试数据管理模型构建模块包括序列生成单元、目标数据类型确定单元和模型分析单元；
序列生成单元用于提取排查原因为独立芯片异常、批次芯片异常和测试环节异常对应的三种测试数据离散值并进行由小到大的排序生成第一序列、第二序列和第三序列；
目标数据类型确定单元用于标记每一序列中首个离散值对应的测试数据类型为目标数据类型；
模型分析单元用于基于目标数据类型的差异构建测试数据管理模型。
与现有技术相比，本发明所达到的有益效果是：本发明通过对历史测试环节记录的数据进行分析，先将测试环节以组装节点分为组装前的第一测试环节和组装后的第二测试环节，来区分测试环节中数据记录的差异性；其次本发明基于两种类型的测试环节构建测试数据图谱，便于管理人员对全流程测试数据的查找与关联分析，并基于此分析历史记录异常测试数据的发生位置与其关联关系的测试数据对应不同排查结果的数据特征，构建相应的数据模型，便于当实时异常测试数据产生时，快速比较分析以确定实时异常发生时给予管理人员可分析的数据基础和对应排查的预警方向；使得管理人员在遇到异常时不用担心人工判断带来的误差和影响，以及在判断为芯片独立异常时可以提高芯片制造流程的便捷化和高效性，降低测试环节的烦琐化。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据分析的芯片测试数据管理系统的结构示意图；
图2是本发明一种基于大数据分析的芯片测试数据管理方法的第一测试数据图谱；
图3是本发明一种基于大数据分析的芯片测试数据管理方法的第二测试数据图谱。
具体实施方式
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做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。
请参阅图1，本发明提供技术方案：一种基于大数据分析的芯片测试数据管理方法，包括以下分析步骤：
步骤S100：标记以芯片和包含芯片的装置为测试对象的所有测试环节，基于事件记录先后顺序将测试环节进行序列化；将序列化后的测试环节以封装操作为分界点，封装前的测试环节标记为第一测试环节，封装后的测试环节标记为第二测试环节；
步骤S200：基于第一测试环节和第二测试环节，获取环节对应的测试数据，对比分析两测试环节的测试数据确定数据追溯的唯一性，并基于分析结果建立对应测试环节的测试数据图谱；建立测试数据图谱的目的是为有效清晰的溯源测试数据提供便捷性和可规划性；
步骤S300：提取测试数据图谱中对应为抽样属性的测试环节以及相应的测试数据存储至历史待分析数据库中，在历史待分析数据库中存在异常测试数据时，分析异常测试数据在测试数据图谱关联关系中的离散值；
步骤S400：获取历史数据库中记录异常测试数据对应芯片排查结果，排查结果包含排查原因和排查范围；基于排查结果和离散值构建对应测试环节的测试数据管理模型；
步骤S500：当实时芯片抽样检测结果为异常时传输响应信号，触发模型分析流程并基于输出结果进行预警响应。
对比分析两测试环节的测试数据确定数据追溯的唯一性，包括以下分析步骤：
获取序列化后的首个测试环节记录的所有芯片为主体芯片，遍历第一测试环节和第二测试环节确定以主体芯片或增值芯片为测试对象的数据链，数据链是指由主体芯片或增值芯片为结构中心、测试环节为连接链以及每一测试环节对应的测试数据、测试结果为数据点所构成；
增值芯片是指基于主体芯片增加物理结构或电学结构变化的芯片；
结构中心为连接指向源、通过连接链指向数据点；数据点可以为单独数据也可以为数据集合，基于实际测试得到的结果构建；相同主体芯片或增值芯片对应不同测试环节时由同一连接指向源对应不同连接链指向不同数据点；同一测试环节测试包含芯片的装置中芯片不唯一时由不同连接指向源对应相同连接链指向同一数据点；
第一测试环节对应的数据链为第一数据链，第二测试环节对应的数据链为第二数据链；
当第二数据链中包含不同连接指向源对应相同连接链时，输出第二测试环节与第一测试环节数据追溯不唯一；当第二数据链中不包含连接指向源对应相同连接链时，输出第二测试与第一测试环节数据追溯唯一。
因为在组装前每一测试环节的测试都是针对芯片独立个体，不会存在同一测试环节包含芯片装置芯片不唯一的情况，所以在本申请中默认第一测试环节中的数据链均是以主体芯片或增值芯片为单一主体的链。
基于分析结果建立对应测试环节的测试数据图谱，包括以下步骤：
当数据追溯唯一时，第一测试环节和第二测试环节均以数据链的形式构成测试数据图谱的主体结构，设置主体芯片为测试数据图谱的中心节点，以对应主体芯片上生成的增值芯片为次级节点，中心节点与次级节点依据增值芯片的生成顺序按序连接；构成以芯片为节点链、对应芯片的数据链为主体结构的第一测试数据图谱；如图2所示；
当数据追溯不唯一时，第一测试环节仍以上述方式构成数据图谱，第二测试环节以测试环节为测试数据图谱的中心节点，中心节点按照测试环节的事件记录顺序依次连接成节点链，节点链与测试环节对应的数据链构成第二测试环节的第二测试数据图谱。具体如图3所示。
构建测试数据图谱有利于管理人员对于测试数据的追溯以及分析，可以有效且快速的查询测试数据的位置以及清晰了解测试数据与之可能存在管理的其他数据。
步骤S300包括以下步骤：
步骤S310：获取异常测试数据对应的异常测试值，关联关系是指在测试数据图谱中与异常测试数据对应数据链相同的同类测试数据、与异常测试数据所属同一连接指向源对应不同连接链数据点的同源异类测试数据、以及与异常测试数据所属同一连接链对应不同连接指向源记录数据点的异源同类测试数据；
同类测试数据表示在实际测试过程中存在同一批次与异常测试值对应测试芯片完全相同的芯片生成的数据链；同源异类测试数据是相同芯片在不同测试环节的数据，异源同类测试数据是不同芯片在相同测试环节的数据；
分析三种类型的测试数据可以全面覆盖异常测试数据在测试数据图谱中的关联关系，包含了同批次的比较、同芯片不同测试的比较以及不同芯片相同测试的比较，可以有效的基于数据分析得到异常测试值的差异关系。芯片的更换和测试环节的改变不影响数值类型的改变。
步骤S320：当异常测试数据记录于第一测试数据图谱中，利用公式：
计算与异常测试数据存在关联关系的第i种测试数据的离散值；Qi＝{Q1,Q2,Q3}，Q1表示同类测试数据对应的离散值，Q2表示同源异类测试数据对应的离散值，Q3表示异源同类测试数据对应的离散值；ai表示第i种测试数据对应测试环节的异常测试值，表示第i种测试数据中的测试值的最大值；/>表示第i种测试数据中的第j个测试数据值，ni表示第i种测试数据记录测试值的个数；
步骤S330：当异常测试数据记录于第二测试数据图谱中，除去同源异类测试数据按照上述同样方式计算对应测试数据的离散值。除去同源异类测试数据是因为当存在包含芯片的装置时，芯片的型号和个数是无法确定的所以只能以装置整体进行相同测试环节和同批次数据的分析来验证异常测试数据发生的可能原因。
步骤S400包括以下：
排查原因包括独立芯片异常、批次芯片异常和测试环节异常；排查范围是指对应批次芯片存在异常时所排查的芯片个数；
当异常测试数据记录于第一测试数据图谱中，分别提取排查原因为独立芯片异常、批次芯片异常和测试环节异常对应的三种测试数据离散值并进行由小到大的排序生成第一序列、第二序列和第三序列；
标记每一序列中首个离散值对应的测试数据类型为目标数据类型；
当三个序列对应的目标数据类型均不同时，构建测试数据管理模型Z1，
其中e1、e2和e3分别表示排查原因为独立芯片异常、批次芯片异常和测试环节异常，表示计算异常数据对应的三种测试数据类型的离散值的最小值可以匹配唯一异常原因；/>和/>表示Qi对应三种离散值的三种测试数据类型；每一表达式可为任一测试数据类型，且其余两种与之不同即可；
如在独立芯片存在异常时，对应离散值的最小值为同源异类测试数据；批次芯片存在异常时，对应离散值的最小值为同类测试数据；测试环节异常时，对应离散值的最小值为异源同类测试数据；所以对实时异常测试数据分析时可以从对应的三类数据入手计算得到最小值是否与对应异常原因数值相匹配，匹配则可以判断除测试的异常原因以供管理人员参考；
当三个序列对应的目标数据类型存在相同时，计算每一序列对应的离散平均值标记/>对应的测试数据类型为有效数据类型；构建测试数据管理模型Z2，
表示在/>中分别满足第一序列、第二序列、第三序列/>要求的有效数据类型组，有效数据类型组至少包含一个有效数据类型；
在第一测试数据图谱中分析对应数据类型是因为从离散值角度分析，三种序列对应不同离散值的大小区间可能存在差异较小的情况，所以从数值反应的数据类型出发可以提高辨析异常数据对应产生原因的精确度；
如实施例所示：
当异常测试数据记录于第一测试数据图谱中，生成的序列如下：
第一序列(独立芯片异常)：Q2(同源异类测试数据)、Q3(异源同类测试数据)、Q1(同类测试数据)
第二序列(批次芯片异常)：Q1(同类测试数据)、Q2(同源异类测试数据)、Q3(异源同类测试数据)
第三序列(测试环节异常)：Q3(异源同类测试数据)、Q1(同类测试数据)、Q2(同源异类测试数据)
则基于上述排序可以得知每一序列的目标数据类型均不同，则可以构建测试数据管理模型Z1，
当实时记录测试数据异常时，计算三种离散值并得到最小值，找到最小值对应模型Z1中的匹配对，计算离散值差值，小于差值阈值即可输出对应的排查原因为结果。
当异常测试数据记录于第二测试数据图谱中，计算每一序列对应的离散平均值构建测试数据管理模型Z3，/> 分别表示第一序列、第二序列、第三序列对应的离散平均值。
在第二测试数据图谱中直接分析离散值是因为在对应三种情况下的离散值差异化明显，可以直接基于数值分析异常数据对应产生原因。
触发模型分析流程并基于输出结果进行预警响应，包括以下步骤：
获取实时芯片抽样检测结果为异常时的实时异常测试数据，并提取实时异常测试数据对应的实时测试数据图谱，获取实时异常测试数据存在关联关系的同类测试数据、同源异类测试数据和异源同类测试数据；计算对应的实时离散值；
当实时测试数据图谱为第一测试数据图谱时，将实时离散值对应的测试数据类型进行由小到大的排序生成实时序列，获取实时序列的首位测试数据类型标记为实时数据类型；若存在实时数据类型与测试数据管理模型Z1或测试数据管理模型Z2相匹配，则输出结果为匹配数据类型对应的排查原因和排查范围进行预警；相匹配是指当模型为Z1时实时数据类型的实时离散值减去Z1中与实时数据类型相同的测试数据类型对应离散值的差值，且差值小于等于差值阈值，以及当模型为Z2时实时数据类型、满足实时离散值小于等于实时离散平均值的其余数据类型与Z2中任一有效数据类型组相同；如果未匹配成功则进行排查原因为批次芯片异常的排查预警；
当实时测试数据图谱为第二测试数据图谱时，计算实时离散平均值R0，遍历计算R0与第一序列、第二序列、第三序列对应的离散平均值的差值Di，Di＝|R0-Qi|，标记Di最小值且小于等于差值阈值的离散平均值对应的排查原因为输出结果进行预警。
芯片测试数据管理系统，包括测试环节分类模块、测试数据谱图构建模块、离散值分析模块、测试数据管理模型构建模块和预警响应模块；
测试环节分类模块用于基于事件记录先后顺序将测试环节进行序列化；将序列化后的测试环节以封装操作为分界点，封装前的测试环节标记为第一测试环节，封装后的测试环节标记为第二测试环节；
测试数据谱图构建模块用于建立对应测试环节的测试数据图谱；
离散值分析模块用于分析异常测试数据在测试数据图谱关联关系中的离散值；
测试数据管理模型构建模块用于构建对应测试环节的测试数据管理模型；
预警响应模块用于在实时芯片抽样检测结果为异常时传输响应信号，触发模型分析流程并基于输出结果进行预警响应。
测试数据图谱构建模块包括数据追溯唯一性判断单元、结构分析单元和测试数据图谱输出单元；
数据追溯唯一性判断单元用于对比分析两测试环节的测试数据确定数据追溯的唯一性；
结构分析单元用于确定以中心节点为结构的节点连和以测试环节为结构的数据链；
测试数据图谱输出单元用于输出对应测试数据图谱。
离散值分析模块包括关联关系查找单元和离散值计算单元；
关联关系查找单元用于查找同类测试数据、同源异类测试数据和异源同类测试数据；
离散值计算单元用于基于异常测试值和三种测试数据类型对应的测试值。
测试数据管理模型构建模块包括序列生成单元、目标数据类型确定单元和模型分析单元；
序列生成单元用于提取排查原因为独立芯片异常、批次芯片异常和测试环节异常对应的三种测试数据离散值并进行由小到大的排序生成第一序列、第二序列和第三序列；
目标数据类型确定单元用于标记每一序列中首个离散值对应的测试数据类型为目标数据类型；
模型分析单元用于基于目标数据类型的差异构建测试数据管理模型。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据分析的芯片测试数据管理方法，其特征在于，包括以下分析步骤：
步骤S100：标记以芯片和包含芯片的装置为测试对象的所有测试环节，基于事件记录先后顺序将测试环节进行序列化；将序列化后的测试环节以封装操作为分界点，封装前的测试环节标记为第一测试环节，封装后的测试环节标记为第二测试环节；
步骤S200：基于第一测试环节和第二测试环节，获取环节对应的测试数据，对比分析两测试环节的测试数据确定数据追溯的唯一性，并基于分析结果建立对应测试环节的测试数据图谱；
步骤S300：提取测试数据图谱中对应为抽样属性的测试环节以及相应的测试数据存储至历史待分析数据库中，在历史待分析数据库中存在异常测试数据时，分析异常测试数据在测试数据图谱关联关系中的离散值；
步骤S400：获取历史数据库中记录异常测试数据对应芯片排查结果，所述排查结果包含排查原因和排查范围；基于排查结果和离散值构建对应测试环节的测试数据管理模型；
步骤S500：当实时芯片抽样检测结果为异常时传输响应信号，触发模型分析流程并基于输出结果进行预警响应。
2.根据权利要求1所述的一种基于大数据分析的芯片测试数据管理方法，其特征在于：所述对比分析两测试环节的测试数据确定数据追溯的唯一性，包括以下分析步骤：
获取序列化后的首个测试环节记录的所有芯片为主体芯片，遍历第一测试环节和第二测试环节确定以主体芯片或增值芯片为测试对象的数据链，所述数据链是指由主体芯片或增值芯片为结构中心、测试环节为连接链以及每一测试环节对应的测试数据、测试结果为数据点所构成；
所述增值芯片是指基于主体芯片增加物理结构或电学结构变化的芯片；
所述结构中心为连接指向源、通过连接链指向数据点；相同主体芯片或增值芯片对应不同测试环节时由同一连接指向源对应不同连接链指向不同数据点；同一测试环节测试包含芯片的装置中芯片不唯一时由不同连接指向源对应相同连接链指向同一数据点；
所述第一测试环节对应的数据链为第一数据链，所述第二测试环节对应的数据链为第二数据链；
当第二数据链中包含不同连接指向源对应相同连接链时，输出第二测试环节与第一测试环节数据追溯不唯一；当第二数据链中不包含连接指向源对应相同连接链时，输出第二测试与第一测试环节数据追溯唯一。
3.根据权利要求2所述的一种基于大数据分析的芯片测试数据管理方法，其特征在于：所述基于分析结果建立对应测试环节的测试数据图谱，包括以下步骤：
当数据追溯唯一时，所述第一测试环节和所述第二测试环节均以数据链的形式构成测试数据图谱的主体结构，设置主体芯片为测试数据图谱的中心节点，以对应主体芯片上生成的增值芯片为次级节点，所述中心节点与次级节点依据增值芯片的生成顺序按序连接；构成以芯片为节点链、对应芯片的数据链为主体结构的第一测试数据图谱；
当数据追溯不唯一时，所述第一测试环节仍以上述方式构成数据图谱，所述第二测试环节以测试环节为测试数据图谱的中心节点，所述中心节点按照测试环节的事件记录顺序依次连接成节点链，所述节点链与测试环节对应的数据链构成第二测试环节的第二测试数据图谱。
4.根据权利要求3所述的一种基于大数据分析的芯片测试数据管理方法，其特征在于：所述步骤S300包括以下步骤：
步骤S310：获取异常测试数据对应的异常测试值，所述关联关系是指在测试数据图谱中与异常测试数据对应数据链相同的同类测试数据、与异常测试数据所属同一连接指向源对应不同连接链数据点的同源异类测试数据、以及与异常测试数据所属同一连接链对应不同连接指向源记录数据点的异源同类测试数据；
步骤S320：当异常测试数据记录于第一测试数据图谱中，利用公式：
计算与异常测试数据存在关联关系的第i种测试数据的离散值；Qi＝{Q1,Q2,Q3}，Q1表示同类测试数据对应的离散值，Q2表示同源异类测试数据对应的离散值，Q3表示异源同类测试数据对应的离散值；ai表示第i种测试数据对应测试环节的异常测试值，表示第i种测试数据中的测试值的最大值；/>表示第i种测试数据中的第j个测试数据值，ni表示第i种测试数据记录测试值的个数；
步骤S330：当异常测试数据记录于第二测试数据图谱中，除去同源异类测试数据按照上述同样方式计算对应测试数据的离散值。
5.根据权利要求4所述的一种基于大数据分析的芯片测试数据管理方法，其特征在于：所述步骤S400包括以下：
所述排查原因包括独立芯片异常、批次芯片异常和测试环节异常；所述排查范围是指对应批次芯片存在异常时所排查的芯片个数；
当异常测试数据记录于第一测试数据图谱中，分别提取排查原因为独立芯片异常、批次芯片异常和测试环节异常对应的三种测试数据离散值并进行由小到大的排序生成第一序列、第二序列和第三序列；
标记每一序列中首个离散值对应的测试数据类型为目标数据类型；
当三个序列对应的目标数据类型均不同时，构建测试数据管理模型Z1，
其中e1、e2和e3分别表示排查原因为独立芯片异常、批次芯片异常和测试环节异常，表示计算异常数据对应的三种测试数据类型的离散值的最小值可以匹配唯一异常原因；/>和/>表示Qi对应三种离散值的三种测试数据类型；
当三个序列对应的目标数据类型存在相同时，计算每一序列对应的离散平均值标记/>对应的测试数据类型为有效数据类型；构建测试数据管理模型Z2，
表示在/>中分别满足第一序列、第二序列、第三序列/>要求的有效数据类型组，所述有效数据类型组至少包含一个有效数据类型；
当异常测试数据记录于第二测试数据图谱中，计算每一序列对应的离散平均值构建测试数据管理模型Z3，/> 分别表示第一序列、第二序列、第三序列对应的离散平均值。
6.根据权利要求5所述的一种基于大数据分析的芯片测试数据管理方法，其特征在于：所述触发模型分析流程并基于输出结果进行预警响应，包括以下步骤：
获取实时芯片抽样检测结果为异常时的实时异常测试数据，并提取实时异常测试数据对应的实时测试数据图谱，获取实时异常测试数据存在关联关系的同类测试数据、同源异类测试数据和异源同类测试数据；计算对应的实时离散值；
当实时测试数据图谱为第一测试数据图谱时，将实时离散值对应的测试数据类型进行由小到大的排序生成实时序列，获取实时序列的首位测试数据类型标记为实时数据类型；若存在实时数据类型与测试数据管理模型Z1或测试数据管理模型Z2相匹配，则输出结果为匹配数据类型对应的排查原因和排查范围进行预警；所述相匹配是指当模型为Z1时实时数据类型的实时离散值减去Z1中与实时数据类型相同的测试数据类型对应离散值的差值，且差值小于等于差值阈值，以及当模型为Z2时实时数据类型、满足实时离散值小于等于实时离散平均值的其余数据类型与Z2中任一有效数据类型组相同；
当实时测试数据图谱为第二测试数据图谱时，计算实时离散平均值R0，遍历计算0与第一序列、第二序列、第三序列对应的离散平均值的差值Di，Di＝|R0-Qi|，标记Di最小值且小于等于差值阈值的离散平均值对应的排查原因为输出结果进行预警。
7.应用权利要求1-6中任一项所述的一种基于大数据分析的芯片测试数据管理方法的芯片测试数据管理系统，其特征在于，包括测试环节分类模块、测试数据谱图构建模块、离散值分析模块、测试数据管理模型构建模块和预警响应模块；
所述测试环节分类模块用于基于事件记录先后顺序将测试环节进行序列化；将序列化后的测试环节以封装操作为分界点，封装前的测试环节标记为第一测试环节，封装后的测试环节标记为第二测试环节；
所述测试数据谱图构建模块用于建立对应测试环节的测试数据图谱；
所述离散值分析模块用于分析异常测试数据在测试数据图谱关联关系中的离散值；
所述测试数据管理模型构建模块用于构建对应测试环节的测试数据管理模型；
所述预警响应模块用于在实时芯片抽样检测结果为异常时传输响应信号，触发模型分析流程并基于输出结果进行预警响应。
8.根据权利要求7所述的芯片测试数据管理系统，其特征在于：所述测试数据图谱构建模块包括数据追溯唯一性判断单元、结构分析单元和测试数据图谱输出单元；
所述数据追溯唯一性判断单元用于对比分析两测试环节的测试数据确定数据追溯的唯一性；
所述结构分析单元用于确定以中心节点为结构的节点连和以测试环节为结构的数据链；
所述测试数据图谱输出单元用于输出对应测试数据图谱。
9.根据权利要求7所述的芯片测试数据管理系统，其特征在于：所述离散值分析模块包括关联关系查找单元和离散值计算单元；
所述关联关系查找单元用于查找同类测试数据、同源异类测试数据和异源同类测试数据；
所述离散值计算单元用于基于异常测试值和三种测试数据类型对应的测试值。
10.根据权利要求7所述的芯片测试数据管理系统，其特征在于：所述测试数据管理模型构建模块包括序列生成单元、目标数据类型确定单元和模型分析单元；
所述序列生成单元用于提取排查原因为独立芯片异常、批次芯片异常和测试环节异常对应的三种测试数据离散值并进行由小到大的排序生成第一序列、第二序列和第三序列；
所述目标数据类型确定单元用于标记每一序列中首个离散值对应的测试数据类型为目标数据类型；
所述模型分析单元用于基于目标数据类型的差异构建测试数据管理模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311554946.8A CN117763457B (zh) | 2023-11-21 | 2023-11-21 | 一种基于大数据分析的芯片测试数据管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311554946.8A CN117763457B (zh) | 2023-11-21 | 2023-11-21 | 一种基于大数据分析的芯片测试数据管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117763457A true CN117763457A (zh) | 2024-03-26 |
| CN117763457B CN117763457B (zh) | 2024-05-17 |
Family
ID=90318883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311554946.8A Active CN117763457B (zh) | 2023-11-21 | 2023-11-21 | 一种基于大数据分析的芯片测试数据管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117763457B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118465513A (zh) * | 2024-07-10 | 2024-08-09 | 讯喆微电子(合肥)有限公司 | 一种基于数据分析的芯片运行电参数检测系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030144810A1 (en) * | 2001-05-24 | 2003-07-31 | Tabor Eric Paul | Methods and apparatus for data analysis |
| GB201513383D0 (en) * | 2015-07-30 | 2015-09-16 | Advanced Risc Mach Ltd | An apparatus and method for detecting a resonant frequency giving rise to an impendance peak in power delivery network |
| CN205177825U (zh) * | 2015-11-20 | 2016-04-20 | 上海源斌电子科技有限公司 | 芯片集成电感 |
| CN106680693A (zh) * | 2016-12-22 | 2017-05-17 | 西安建筑科技大学 | 基于故障数据灰度图谱的半导体芯片批量测试方法 |
| CN107257924A (zh) * | 2014-12-18 | 2017-10-17 | 生命科技公司 | 具有电源管理的高数据率集成电路 |
| WO2020052292A1 (zh) * | 2018-09-14 | 2020-03-19 | 上海华岭集成电路技术股份有限公司 | 基于工业互联网的集成电路测试信息化管理系统 |
| CN115684869A (zh) * | 2022-08-25 | 2023-02-03 | 江阴捷芯电子科技有限公司 | 一种基于电源管理的芯片测试系统及方法 |
| US20230081224A1 (en) * | 2021-09-10 | 2023-03-16 | Changxin Memory Technologies, Inc. | Method and system for evaluating test data, wafer test system, and storage medium |
| CN116244303A (zh) * | 2022-12-05 | 2023-06-09 | 上海矽睿科技股份有限公司 | 多管芯芯片管理方法、装置、计算机设备和存储介质 |
| CN116431828A (zh) * | 2023-04-13 | 2023-07-14 | 国网浙江省电力有限公司信息通信分公司 | 一种基于神经网络技术构建的电网中台数据资产知识图谱数据库的构建方法 |
| CN116933608A (zh) * | 2023-09-15 | 2023-10-24 | 深圳市正和兴电子有限公司 | 一种存储类芯片的管理方法、系统及存储介质 |
-
2023
- 2023-11-21 CN CN202311554946.8A patent/CN117763457B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030144810A1 (en) * | 2001-05-24 | 2003-07-31 | Tabor Eric Paul | Methods and apparatus for data analysis |
| CN107257924A (zh) * | 2014-12-18 | 2017-10-17 | 生命科技公司 | 具有电源管理的高数据率集成电路 |
| GB201513383D0 (en) * | 2015-07-30 | 2015-09-16 | Advanced Risc Mach Ltd | An apparatus and method for detecting a resonant frequency giving rise to an impendance peak in power delivery network |
| CN205177825U (zh) * | 2015-11-20 | 2016-04-20 | 上海源斌电子科技有限公司 | 芯片集成电感 |
| CN106680693A (zh) * | 2016-12-22 | 2017-05-17 | 西安建筑科技大学 | 基于故障数据灰度图谱的半导体芯片批量测试方法 |
| WO2020052292A1 (zh) * | 2018-09-14 | 2020-03-19 | 上海华岭集成电路技术股份有限公司 | 基于工业互联网的集成电路测试信息化管理系统 |
| US20230081224A1 (en) * | 2021-09-10 | 2023-03-16 | Changxin Memory Technologies, Inc. | Method and system for evaluating test data, wafer test system, and storage medium |
| CN115684869A (zh) * | 2022-08-25 | 2023-02-03 | 江阴捷芯电子科技有限公司 | 一种基于电源管理的芯片测试系统及方法 |
| CN116244303A (zh) * | 2022-12-05 | 2023-06-09 | 上海矽睿科技股份有限公司 | 多管芯芯片管理方法、装置、计算机设备和存储介质 |
| CN116431828A (zh) * | 2023-04-13 | 2023-07-14 | 国网浙江省电力有限公司信息通信分公司 | 一种基于神经网络技术构建的电网中台数据资产知识图谱数据库的构建方法 |
| CN116933608A (zh) * | 2023-09-15 | 2023-10-24 | 深圳市正和兴电子有限公司 | 一种存储类芯片的管理方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| P.T. GONCIARI等: "Addressing useless test data in core-based system-on-a-chip test", 《IEEE TRANSACTIONS ON COMPUTER-AIDED DESIGN OF INTEGRATED CIRCUITS AND SYSTEMS 》, vol. 22, no. 11, 27 October 2003 (2003-10-27), pages 1568 - 1580, XP011102654, DOI: 10.1109/TCAD.2003.818376 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118465513A (zh) * | 2024-07-10 | 2024-08-09 | 讯喆微电子(合肥)有限公司 | 一种基于数据分析的芯片运行电参数检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117763457B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107862338B (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
| 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 | |
| CN104238543B (zh) | 时间序列形式的传感数据的不良图案检验方法及其装置 | |
| CN113344134B (zh) | 一种低压配电监控终端数据采集异常检测方法及系统 | |
| CN106404441B (zh) | 一种基于非线性相似度指标的故障分类诊断方法 | |
| CN116204842B (zh) | 一种电气设备的异常监测方法及系统 | |
| WO2000014790A1 (fr) | Systeme d'inspection et procede de production d'un dispositif electronique l'utilisant | |
| CN110825798A (zh) | 一种电力应用数据维护方法及装置 | |
| CN115630847A (zh) | 一种基于数据预测的收发组件检测方法、系统及存储介质 | |
| CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
| CN113805018A (zh) | 一种配电网10kV电缆局部放电故障类型智能识别方法 | |
| CN109034483A (zh) | 一种基于质量功能配置的检测规划方法 | |
| CN116934062B (zh) | 一种基于多元融合的信息处理系统及方法 | |
| CN113657747B (zh) | 一种企业安全生产标准化级别智能评定系统 | |
| CN114461476B (zh) | 一种内存条故障检测方法、装置及系统 | |
| CN118013284A (zh) | 一种基于工业云平台的设备故障管理系统及方法 | |
| CN111678991B (zh) | 一种用于混凝土结构无损检测损伤识别的方法 | |
| CN116304814A (zh) | 一种基于分类算法的监测对象工况分析方法和系统 | |
| KR20070104073A (ko) | 반도체 제조 설비의 공정 분석 시스템 및 그의 분석 방법 | |
| CN114676724A (zh) | 考虑放电幅值和视在放电量对应关系的局放类型识别方法 | |
| CN114665986A (zh) | 一种蓝牙钥匙的测试系统及方法 | |
| CN113987697A (zh) | 一种基于振动数据的机械设备故障诊断方法 | |
| CN112163189A (zh) | 基于测试顺序概率矩阵的装备故障诊断方法 | |
| CN117908522B (zh) | 基于模拟分析的发控设备故障定位方法 | |
| CN117723917B (zh) | 基于光纤非本征法珀型超声波传感器的监测应用方法 |
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 |