摘要：泰瑞达战略业务发展总监Ken Lanier表示：“DFT长期以来一直是测试经济学的支柱。难点在于将DFT相关故障（尤其是扫描故障）与实际故障关联起来。创建一个涵盖探针、封装和系统级测试（SLT），甚至PCB或模块测试的通用数据库，将会有所帮助。”

（本文编译自Semiconductor Engineering）

半导体测试领域正经历多种范式变化，其共同目标是在降低测试成本的前提下，每月生产更多已知良好的芯片。

要实现这些目标，需要在良率、质量和测试时间之间取得微妙平衡。有多种方法可以更好地利用现有资源，其中许多都涉及更多地运用可测试性设计(DFT)方法。

泰瑞达战略业务发展总监Ken Lanier表示：“DFT长期以来一直是测试经济学的支柱。难点在于将DFT相关故障（尤其是扫描故障）与实际故障关联起来。创建一个涵盖探针、封装和系统级测试（SLT），甚至PCB或模块测试的通用数据库，将会有所帮助。”

创建这样一个通用数据库极具挑战。虽然特定的测试设备制造商可以确保其工具的通用性，但许多测试平台通常使用来自多个供应商的设备，这增加了操作的复杂性。此外，晶圆验收测试和封装测试通常由不同的公司在不同的场所进行。

测试方法的另一个范式转变发生在多个芯粒集成到先进封装中时。“对于芯粒而言，封装级的DFT能力现在至关重要，”Lanier表示，当多个IC和无源元件封装在一起时，DFT面临的挑战更像是在处理一块印刷电路板，而非单一芯片。此时的目标转变为找到一种简单方法来检测封装过程中的误差，因为这类误差可能比芯片本身的问题更为常见。如果在后续测试中，你还在排查芯片故障，而非封装过程中造成的严重故障，那说明你的流程早已出了问题。

测试工程师更好地利用现有资源的方法之一，是重复使用测试模式，尤其是在汽车、航空航天和数据中心应用中对关键模块进行系统内测试时。另一项进展涉及系统内测试，它允许访问高速接口，从而更快地访问所需数据。

事实上，系统内测试的一个关键驱动力是能够在现场检测出部件何时可能发生故障。西门子EDA Tessent产品营销总监Lee Harrison表示：“对于数据中心而言，客户希望能够定期运行系统内测试，以延长系统的使用寿命，因此能够在不从机架上移除芯片的情况下进行现场测试，这将改变行业格局。”对于大型SoC，通常会部署逻辑BiST，但它需要大量周期来满足质量要求，这会导致测试时间变长。

现场半导体测试对于诊断老化问题至关重要，但器件在现场的自校准也同样重要。“新的自测试和自校准方法将有助于解决电子设备和传感器的退化效应，”弗劳恩霍夫IIS自适应系统工程部门设计方法负责人Roland Jancke表示。“尤其是汽车行业客户，他们希望结合最新的软件更新来检查这些器件的功能是否正常。”

虚拟测试是另一种日益受到关注的技术，它有助于加快芯片的流片速度。爱德万测试V93000电源/模拟/控制业务团队负责人Toni Dirscherl表示：“汽车IC供应商正在采用虚拟测试方法来加速测试开发，并在首批芯片交付前进行基本验证。”

半导体测试也受益于左移策略，即对晶圆施加有效的应力刺激，从而有可能节省大多数器件昂贵且耗时的老化测试。这一点至关重要，因为对于数据中心芯片而言，封装后的老化测试所花费的时间正在增加。同时，诸如延迟故障模型等先进工具正被用于主动监测潜在的老化故障，从而减少了对老化测试的需求。

DFT和确定性测试

如前所述，使用逻辑内置自测试(LBiST)等测试的测试设计方法已不足以满足汽车芯片的缺陷覆盖率需求。西门子的Harrison表示：“汽车是这种新型系统内测试技术真正发挥作用的领域。另一个略有不同但也有类似要求的领域是数据中心，它需要极高的可靠性和零停机时间。此外，能够在器件的整个生命周期内更新测试模式内容也很重要，这样，当客户发现新的缺陷时，就可以引入新的测试模式来覆盖这些缺陷。”

逻辑BiST与确定性测试的比较（见图1）表明，使用先进的故障模型（例如缺陷感知测试）能显著提高测试质量。逻辑BiST依赖于随机模式生成，无法实现测试模式的改变，而这些改变对于芯片从时间零点探测到最终测试、系统内测试和现场测试的进展至关重要。同时，DFT方法也更容易通过确定性测试实现。

图1：确定性测试与逻辑BiST对比。

图源：西门子数字工业软件

Harrison列举了系统内测试旨在捕获的故障类型。“通常，对于那些难以捕捉的故障，即便真的能捕捉到，可能也得生成大量逻辑内建自测试图形才行。通过应用类似于制造测试的确定性模式，实际上可以锁定那些难以捕捉的故障，并生成特定的模式来对其进行测试，同时将测试时间压缩到最短。”

重振自适应测试

自适应测试的核心在于，利用测试数据和其他输入信息及时调整测试程序，以提高每个被测器件(DUT)的质量或降低其成本。为提高半导体器件的出厂质量和可靠性，自适应测试可以涉及制造测试条件、测试内容或测试限值的变更。其基本理念是，仅将正确的测试内容应用于器件，利用测试仪、片上传感器或之前制造步骤（包括检测）生成的数据来预测测试需求。当未发现故障时，可省去部分测试；而为确保临界器件满足可靠性要求，也可增加测试。

yieldWerx联合创始人兼首席执行官Aftkhar Aslam表示：“如果您是客户，并且希望节省自家测试仪的测试时间，对于成熟工艺，您可以减少那些对缩短测试时间来说绝对不必要的测试。第二种方法是，当良率较高时，您可以从测试每个芯片切换到抽样测试模式，甚至进入盲装模式。或者，如果恢复良率足够高，您可以进行两次测试。如果恢复良率不高，您可以选择不重新测试。最后一种方法是，查看与我的器件类似的其他器件，或许可以从这些器件中提取数据，因为它们采用相同的IP和谱系。因此，以此为指标，在发生故障时或许可以重新进行测试。”

实际上，对自适应测试的需求以及边缘计算资源的可用性，催生了能够实时更改测试流程的新型测试平台。WattsButler高级顾问兼首席数据科学家Ken Butler表示：“实时是指在测试过程中计算推理并做出决策的能力。这一点至关重要。您是在测试器件时进行操作，而非在测试过程完成后再进行离线计算。”

另一种自适应测试方法是利用大型语言模型。“用于平衡良率和质量的自适应测试技术已存在一段时间。问题在于，测试程序会生成海量数据，这需要器件专业知识才能理解其含义，”泰瑞达的Lanier表示，“可以向AI代理发出指令来理解这些数据，例如‘查找容易同时失败的测试’或‘查找与特定晶圆批次相关的测试’。然后，可以在生产过程中使用机器学习来关闭那些效率较低但与高效测试具有相同故障机制的测试，或者关闭那些对于特定晶圆批次不太可能失败的测试。AI和ML还可以发现发生轻微故障的器件，并建议重新测试以提高良率。”

存在两个数据中心。一个集中式，用于离线处理收集到的数据。另一个集成到测试单元中，用于实时机器学习。在这两种情况下，数据中心都提供调整测试流程和限制所需的数据。集中式数据中心还可用于改进晶圆厂的上游工艺。

“数据分析方面的挑战巨大，但最大的障碍是缺乏具备测试专业知识的数据科学家。虽然第三方可以提供专业知识，但他们并不总是拥有所需的器件或生产经验，”Lanier表示，“几乎每个大型器件都需要某种形式的修复，而每个站点的情况都各不相同。为了缓解这些问题，测试人员必须能够并行进行维修和微调计算，并轻松地动态修改模式数据甚至模式序列。为了在一个站点内完成并行测试，测试人员必须能够轻松构建不同的测试‘线程’，这些线程可以并行运行以实现最大吞吐量，或者串行运行以实现诊断和调试目的。”

“并行测试能力取决于芯片尺寸以及驱动并行测试所需的测试仪器数量等因素，”yieldWerx的Aslam表示，“此外，还存在一些例如并行测试是否会引入噪声，以及能否充分隔离被测器件的问题。”

测试工程团队在考虑并行测试时需要留意的一些因素包括：

DUT功耗、引脚数和电路性能指标，这些都决定了ATE仪器的要求；

平衡DUT属性与ATE资源和其他测试单元组件，包括热控制、探针/测试接口板、探针头或插座以及，机械手功能；

热特性、机械特性和电气特性，这些可能会影响多个站点的测试准确性；

由于芯片/单元和电路板多路复用器（可将信号传送到主控制器）的数量增加，以及在多个站点之间共享ATE仪器，PCB布线的复杂性增加。

传感器和代理的作用

当今的大型逻辑器件通常使用多个监视器或代理，来跟踪器件的现场性能并调整其性能。“对于任何大型SoC类产品，以及其他产品，在整个芯片上放置传感器是一种普遍的做法，”Butler表示，“以手机为例，为了最大限度地降低器件的功耗，我们会采用动态电压和频率调节等技术，以降低其工作电压来节省功耗。但人们将传感器放置在芯片上，也可能是出于质量、良率方面的考虑，或者仅仅是为了测量芯片的温度以防止其过热。因此，可能会使用环形振荡器、温度传感器和老化传感器，因为我们要监测器件的长期健康状况，并试图确定它何时可能因老化而失效。”

来自这些传感器的数据往往是参数化的，并且经常与模型结合使用。

另一种在不牺牲芯片质量的情况下提高吞吐量的方法，是利用已加工器件的数据，结合芯片监控器和分析软件。proteanTecs测试与分析执行副总裁Alex Burlak表示：“我们不是进行从A到B的完整搜索或完整的Shmoo图，而是优化搜索的起点，从而将搜索时间缩短至一两步。”

Burlak指出，测试是一个高度封闭的环境，因此将云分析与测试运行分离至关重要。“我们的解决办法是将流程分为两个阶段。在器件表征阶段，客户收集数据并将其上传到分析平台。第二阶段，具备模型创建和验证所需内置基础设施的分析平台，会将相关信息传输到测试程序所运行的组件中，从而实现在线决策。在这种情况下，反馈回路会跟踪结果，如果出现偏差或变化，就能进行实时更新。”

结语

随着半导体器件日益复杂，且确保长期可靠性的需求也日益迫切，测试方法必须能够捕捉边缘故障，并监控器件在现场的性能，从而改进芯片的生命周期管理。确定性测试是DFT的下一步发展方向，它能够实现更高的测试覆盖率，并能够灵活地根据产品生命周期中需求的变化添加新的测试模式。汽车和数据中心应用正在引领新的测试能力发展，在控制成本的同时确保最高的质量和良率。

来源：王树一一点号