【博主簡介】本人“愛在七夕時”，系一名半導(dǎo)體行業(yè)質(zhì)量管理從業(yè)者，旨在業(yè)余時間不定期的分享半導(dǎo)體行業(yè)中的：產(chǎn)品質(zhì)量、失效分析、可靠性分析和產(chǎn)品基礎(chǔ)應(yīng)用等相關(guān)知識。常言：真知不問出處，所分享的內(nèi)容如有雷同或是不當(dāng)之處，還請大家海涵。當(dāng)前在各網(wǎng)絡(luò)平臺上均以此昵稱為ID跟大家一起交流學(xué)習(xí)！

在半導(dǎo)體制造中，晶圓廠制程的任何微小變動，都可能引起良率與可靠性的風(fēng)險。其中，一個尤為典型的系統(tǒng)性失效模式，是源于光刻環(huán)節(jié)的Reticle(光罩)。當(dāng)Reticle本身存在污染、劃傷或設(shè)計瑕疵時，或當(dāng)光刻機在步進重復(fù)曝光過程中出現(xiàn)參數(shù)漂移(如焦距不準(zhǔn)、曝光能量不均)時。這些因Reticle問題而產(chǎn)生的特定區(qū)域內(nèi)的芯片，實質(zhì)上構(gòu)成了一個高風(fēng)險的"潛伏失效群體"。若不能在測試階段被情確識別并剔除，將直接流向客戶端，對產(chǎn)品的長期可靠性與品牌聲譽構(gòu)成嚴(yán)重威脅。識別并處理這類與Reticle強相關(guān)的潛在缺陷，是現(xiàn)代高可靠性質(zhì)量管理中一項較具挑戰(zhàn)性的關(guān)鍵任務(wù)。所以，相較于消費級、工業(yè)級芯片，車規(guī)級芯片在使用過程中，面臨著冷熱溫度范圍大、濕度變化大等挑戰(zhàn)，對可靠性的要求更高。想要判斷芯片是否能夠應(yīng)用于車輛中，拿到汽車市場的“入場券”，那就少不了“零件平均測試（PAT）”系統(tǒng)來進行檢驗。

同時，業(yè)界對于半導(dǎo)體器件零缺陷需求的呼聲日益高漲，為此半導(dǎo)體制造商開始加大投資應(yīng)對挑戰(zhàn)，以滿足汽車用戶的需求。隨著汽車中電子元器件數(shù)量的不斷增加，必須嚴(yán)格控制現(xiàn)代汽車中半導(dǎo)體器件的質(zhì)量以降低每百萬零件的缺陷率(DPM)，將與電子元件相關(guān)的使用現(xiàn)場退回及擔(dān)保等問題化，并減小因電子元件失效導(dǎo)致的責(zé)任問題。

美國汽車電子委員會AEC-Q001規(guī)范推薦了一種通用方法，該方法采用零件平均測試（PAT）方法將異常零件從總零件中剔除，從而在供應(yīng)商這就改進部件的質(zhì)量和可靠性。對給定晶圓、批號或被測零件組，零件平均測試（PAT）方法可以指示總平均值落在6σ之外的測試結(jié)果，任何超出給定器件的6σ門限值的測試結(jié)果均被視為不合格，并從零件總數(shù)中剔除，那些未達到零件平均測試（PAT）門限值的零件不能付運給客戶,這樣一來就改進了器件的質(zhì)量和可靠性。所以，從其編號AEC-Q001就可以看出其在汽車電子行業(yè)的奠基者般的地位。隨著汽車行業(yè)的發(fā)展以及PAT應(yīng)用的推廣，人們越來越多地發(fā)現(xiàn)零件平均測試（PAT）的好處，并漸漸地將其引入到JEDEC（電子器件工程聯(lián)合委員會）標(biāo)準(zhǔn)里，大家可以在JESD50C里面找到它。

由于“零件平均測試（PAT）”涉及到芯片、測試項維度的計算，長期以往存在巨大數(shù)據(jù)量，對模型的可擴展性以及運算的效率、準(zhǔn)確性有著較高的要求。此外，不同上游廠商對于“零件平均測試（PAT）”的理解不同，又會在靜態(tài)零件平均測試（SPAT）、動態(tài)零件平均測試（DPAT）的基礎(chǔ)上延伸出GDBN、Cluster、NNR等算法，即使是同一種“零件平均測試（PAT）”類型，也會在參數(shù)設(shè)置、算法模型上有著較大的差異。對于IC設(shè)計公司、測試廠來說，要自行構(gòu)建一套高效、準(zhǔn)確的“零件平均測試（PAT）”系統(tǒng)，應(yīng)對龐大數(shù)據(jù)量場景下的“零件平均測試（PAT）”運算，無疑是一件費時又費力的事情。但本章節(jié)主要跟大家分享“零件平均測試（PAT）”這一方法的相關(guān)內(nèi)容。

一、零件平均測試（PAT）方法的介紹

零件平均測試，英文全稱：Part Average Testing，簡稱：PAT，也可被稱作：部件平均測試。它是一種通過統(tǒng)計篩選方法識別并剔除異常器件的技術(shù)方法，從而提高整體產(chǎn)品的可靠性。當(dāng)前主要應(yīng)用于提高半導(dǎo)體產(chǎn)品的可靠性，尤其在汽車電子領(lǐng)域（AEC-Q001標(biāo)準(zhǔn)推薦）應(yīng)用最為廣泛。

二、零件平均測試（PAT）方法的基本原理

零件平均測試法（PAT）通過動態(tài)計算每個測試參數(shù)的均值和標(biāo)準(zhǔn)差，并基于統(tǒng)計分布設(shè)置更嚴(yán)格的限制，以此識別出偏離群體行為的異常器件。它利用統(tǒng)計學(xué)原理，對特定晶圓、批號或待測零件組的測試數(shù)據(jù)進行統(tǒng)計分析，通過計算總平均值、穩(wěn)健平均值、穩(wěn)健標(biāo)準(zhǔn)差等統(tǒng)計量，來確定測試參數(shù)的合理范圍，將超出該范圍的異常零件剔除。

細(xì)分來講，零件平均測試法（PAT）的核心原理主要體現(xiàn)在以下兩個方面：

1、統(tǒng)計篩選機制

零件平均測試法（PAT）通過動態(tài)計算測試參數(shù)的均值（μ）和標(biāo)準(zhǔn)差（σ），并設(shè)置用戶定義的乘數(shù)（通常為6），識別偏離群體行為的異常器件1。例如，若測試結(jié)果超出μ±6σ范圍，則判定為不合格3。

2、統(tǒng)計優(yōu)勢

a. 動態(tài)適應(yīng)性 ：相比傳統(tǒng)測試，零件平均測試法（PAT）能更精準(zhǔn)地反映當(dāng)前批次質(zhì)量，尤其適用于晶圓測試（lDPAT）和最終測試環(huán)節(jié)（liPAT）。

b. 減少冗余測試 ：通過統(tǒng)計分析剔除不合格品，避免重復(fù)測試，提升效率。

三、零件平均測試（PAT）方法的實施步驟及計算方法

1、數(shù)據(jù)收集與預(yù)處理

選擇與器件特性高度相關(guān)的測試參數(shù)（如電流測試、電阻測量等），并進行中心化、白化等預(yù)處理以提高統(tǒng)計可靠性，具體如：電流測試（IDDQ）、泄漏電流、電阻測量等。數(shù)據(jù)需經(jīng)過預(yù)處理（如中心化、白化）以提高統(tǒng)計可靠性。

2、統(tǒng)計計算與限制設(shè)置

通常零件平均測試法（PAT）限制的計算公式為以下，詳細(xì)情況也會在下文中有講到：

其中：

lμ為穩(wěn)健均值（中位數(shù)），

N為穩(wěn)健標(biāo)準(zhǔn)差（基于四分位距計算），

σ為用戶定義的乘數(shù)（汽車行業(yè)通常為±6）。

A. 靜態(tài)零件平均測試法（SPAT）

靜態(tài)零件平均測試，英文全稱：Static Part Average Testing，簡稱：SPAT，它程序的概述是從26個批次中抽取30個隨機零件（與晶圓批次有5個區(qū)域不同的管芯）。在早期包括表征批次為每個測試設(shè)置建立一個“穩(wěn)健平均值”（μ），μ=統(tǒng)計中值，并根據(jù)四分位數(shù)（Q3和Q1）測量值計算出一個“穩(wěn)健sigma”，即σ=(Q3-Q1) /1.35，從而定義靜態(tài)零件平均測試法（SPAT）限值為：μ±6σ。

特殊情況處理：如果分布不是高斯分布（正態(tài)分布)，則使用“可防御”技術(shù)來標(biāo)記表現(xiàn)出相同概率的離群值（約5.068億中的1)。

更新周期：基于歷史批次數(shù)據(jù)計算μ和σ，設(shè)置μ±6σ限制，每6-8個月更新一次，以先到者為準(zhǔn)。

另外，在靜態(tài)零件平均測試法（SPAT）中，測試限值基于設(shè)定的批次數(shù)。通常，在動態(tài)零件平均測試法（DPAT）中，會針對每個晶圓測試計算限值。在靜態(tài)零件平均測試法（SPAT）和動態(tài)零件平均測試法（DPAT）中，都會執(zhí)行一種算法。該設(shè)備只是通過或失敗。

至于在某些情況下，這些算法可能達不到要求的情況，就會涉及到有多種類型的復(fù)雜異常值檢測算法，基于地理、多變量和其他方案。甚至可以將許多算法與DPAT和SPAT相結(jié)合等情況，這就是另一個后續(xù)要跟大家分享的內(nèi)容了，在此就不過多贅述。

還有以下這些方法都可以結(jié)合起來的哦：

B. 動態(tài)零件平均測試法（DPAT）

動態(tài)零件平均測試，英文全稱：Dynamic Part Average Testing，簡稱：DPAT，它的限值的計算方法與靜態(tài)零件平均測試法（SPAT）限值相同，但使用“滾動”樣品從當(dāng)前批次中"合格”的零件確定平均值和標(biāo)準(zhǔn)偏差（或適當(dāng)?shù)姆歉咚瓜拗?。

在這種情況下,在批次完成之后,將重新分析“合格”零件的結(jié)果，以確定是否使用更緊密的批次分布來確定它們是否超出了動態(tài)PAT限制= H±60。使用當(dāng)前批次合格零件數(shù)據(jù)實時計算μ和σ，動態(tài)調(diào)整限制（如H±6σ）。

特殊情況處理：如果它們是“異常值”,則盡管通過了最初的USL, LSL測試,但仍被拒絕。對于測量結(jié)果不是參數(shù)化(通過/失敗)或無法索引(例如,使用序列號進行跟蹤)的設(shè)備, 動態(tài)零件平均測試法（DPAT）需要重新測試部件以檢查異常 值。AEC確實可以使用500或1000個單位的靜態(tài)限值,如果通過,則構(gòu)成用于計算后續(xù)設(shè)備更嚴(yán)格的動態(tài)零件平均測試法（DPAT）限值的示例。這樣避免了重新測試零件。

當(dāng)然，動態(tài)零件平均測試法（DPAT）的管控標(biāo)準(zhǔn)并不都是±6sigma ，雖然±6sigma是常見的一種管控方式，但實際上它存在多種管控形式：

a. 常見的±6sigma管控

在許多實際應(yīng)用場景中，會采用±6sigma作為動態(tài)零件平均測試法（DPAT）的管控標(biāo)準(zhǔn)。以汽車電子行業(yè)為例，依據(jù)AEC - Q001 Rev - D指南，動態(tài)零件平均測試法（DPAT）利用統(tǒng)計學(xué)原理，通過計算測試結(jié)果的平均值（mean）和標(biāo)準(zhǔn)偏差（stddev），再根據(jù)特定的系數(shù)（k）來確定測試的上限和下限。當(dāng)采用±6sigma時，意味著以均值為中心，向兩側(cè)各延伸6倍標(biāo)準(zhǔn)差的區(qū)間作為正常范圍，超出這個范圍的芯片就可能被判定為存在潛在故障風(fēng)險，從而被篩選出來。這種方式能夠在一定程度上保證產(chǎn)品的質(zhì)量和可靠性，將可能出現(xiàn)問題的芯片提前剔除。

b. 其他管控標(biāo)準(zhǔn)

DPAT管控標(biāo)準(zhǔn)并非固定為±6sigma，其系數(shù)（k）可以根據(jù)不同的應(yīng)用場景、產(chǎn)品要求以及質(zhì)量目標(biāo)等因素進行調(diào)整。不同的k值對應(yīng)著不同的管控嚴(yán)格程度和范圍：

（a）更嚴(yán)格的管控

當(dāng)對產(chǎn)品質(zhì)量要求極高，需要最大程度降低潛在故障風(fēng)險時，可能會采用比±6sigma更嚴(yán)格的管控標(biāo)準(zhǔn)，例如±7sigma、±8sigma等。這意味著允許的測試結(jié)果波動范圍更小，只有那些性能非常穩(wěn)定、接近理想狀態(tài)的芯片才能通過測試，雖然可能會增加篩選出的“可疑芯片”數(shù)量，但能進一步提高產(chǎn)品的整體質(zhì)量和可靠性，適用于對安全性、穩(wěn)定性要求極高的關(guān)鍵應(yīng)用領(lǐng)域，如航空航天、高端醫(yī)療設(shè)備等。

（b）相對寬松的管控

在某些對成本較為敏感、產(chǎn)品性能要求相對不是特別苛刻的場景下，可能會采用比±6sigma更寬松的管控標(biāo)準(zhǔn)，如±5sigma等。這樣可以在保證一定產(chǎn)品質(zhì)量的前提下，減少因過度嚴(yán)格篩選而導(dǎo)致的芯片浪費，降低生產(chǎn)成本，提高生產(chǎn)效率，適用于一些對成本控制要求較高、對偶爾出現(xiàn)的輕微性能波動有一定容忍度的應(yīng)用場景。

C. 在線零件平均測試法（iPAT ）

在測試過程中實時計算限制，無需重測器件，適合最終測試環(huán)節(jié)。

3、滾動窗口與動態(tài)更新

在線零件平均測試法（iPAT ）使用滾動窗口（通常大小為100）動態(tài)更新統(tǒng)計量。窗口中的數(shù)據(jù)包括通過和部分失敗結(jié)果（在擴展限制范圍內(nèi)），以確保分布估計的完整性。

4、異常檢測與分類

將測試結(jié)果與設(shè)定的統(tǒng)計限制對比，超出者視為不合格品并剔除。零件平均測試法（PAT）生成以下附加測試結(jié)果：

A. PATUL/PATLL：記錄動態(tài)上下限；

B. PAT：以Sigma單位衡量器件偏離均值的程度；

C. PATEF：針對窗口數(shù)據(jù)不足時的早期失敗檢測。

四、零件平均測試（PAT）方法的目的

我們知道，半導(dǎo)體的制造過程非常復(fù)雜，以芯片為例，過程流程圖有成百上千個步驟，每一個步驟又可以分解為人、機、料、法、環(huán)、測（俗稱5M1E）等各種因素。這些復(fù)雜的因素不可避免地會導(dǎo)致產(chǎn)品參數(shù)的波動，于是我們看到的參數(shù)是一個分布。通常，為了驗證制程能力，我們會去算Cpk，如果Cpk大到一定值，例如1.67，我們會認(rèn)為制程能力足夠。但Cpk考察的是制程的整體，Cpk滿足要求，并不能保證落在測試規(guī)格限內(nèi)的產(chǎn)品都沒有風(fēng)險。

首先，測試規(guī)格是在研發(fā)階段用軟件模擬出來的，或者依據(jù)少量的工程樣品確定的，某些規(guī)格本身的合理性有待商榷，相信很多SQE都遇到過供應(yīng)商在出現(xiàn)問題后收緊測試規(guī)格限的做法。

其次，從統(tǒng)計的觀點來看，脫離分布的少量離散點是小概率事件，如6sigma之外的數(shù)據(jù)出現(xiàn)的概率為0.002ppm（這里我們考察的是任一參數(shù)的實際分布，沒有必要考慮1.5sigma偏移），我們完全有足夠大的信心（95%以上）認(rèn)為：一個發(fā)生概率僅0.002ppm的事件發(fā)生了，一定是制程出現(xiàn)了異常。這些異常制程做出來的產(chǎn)品，哪怕依然在測試規(guī)格限之內(nèi)，但是由于有異常原因不確定性，我們何不把它當(dāng)作異常品來處理呢？這也是SPC的原理之一。

所以，零件平均測試法（PAT）的做法就是根據(jù)參數(shù)的實際分布，用其均值±6sigma來代替原來寬松的測試規(guī)格限，達到過濾掉某些outlier的目的。限于篇幅，詳細(xì)的零件平均測試法（PAT）執(zhí)行方法這里不再贅述，讀者可以參考AEC-Q001或JESD50C。

綜合歸納，零件平均測試法（PAT）的作用和意義主要有以下三點：

A. 提高產(chǎn)品質(zhì)量和可靠性

通過剔除異常零件，減少了產(chǎn)品在使用過程中出現(xiàn)故障的概率，提高了產(chǎn)品的整體質(zhì)量和可靠性，特別是對于汽車電子等對可靠性要求極高的領(lǐng)域。

B. 改進制造工藝

通過對測試數(shù)據(jù)的分析，可以發(fā)現(xiàn)制造過程中可能存在的問題，為制造工藝的改進提供反饋，從而提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

C. 優(yōu)化測試流程

在一些測試方法中，如半導(dǎo)體器件測試，動態(tài)零件平均測試法（DPAT）不僅能實現(xiàn)動態(tài)零件平均測試，還能同時完成持續(xù)可靠性測試，優(yōu)化了測試流程，提高了測試效率，還使得測試條件更加嚴(yán)格，最終篩選出的半導(dǎo)體器件品質(zhì)更高、可靠性更強。

五、零件平均測試（PAT）方法在晶圓測試（CP）端的應(yīng)用

零件平均測試法（PAT）的應(yīng)用就大范圍來講，主要有以下兩個方面：

1、在供應(yīng)商端的應(yīng)用

從上文的解釋顯而易見，PAT可以用在量產(chǎn)品測試階段，通過對測試規(guī)格的收緊，達到對具有潛在風(fēng)險的產(chǎn)品（part）進行篩選的目的。既然是篩選，自然就會對良率有所影響，但是，原理上來講，對良率的影響不應(yīng)該太大（想想前面提到的0.002ppm），如果太大就是方法有問題，需要調(diào)整。我們在10家半導(dǎo)體分立元器件供應(yīng)商推行PAT的經(jīng)驗告訴我們，良率大概損失0.2-0.3%，但是由于電性不良造成的客戶投訴幾乎降到0，這筆質(zhì)量成本的賬大家應(yīng)該都會算吧？

2、在客戶端的應(yīng)用

在客戶端，尤其是整機或系統(tǒng)提供商，PAT也能發(fā)揮作用。首先，通過對元器件供應(yīng)商的PAT要求，可以提高整機或系統(tǒng)的可靠性；另外，在新產(chǎn)品開發(fā)階段，如果能明確知道某顆元件的某個參數(shù)對系統(tǒng)的性能起決定性作用 ，為了避免量產(chǎn)后出現(xiàn)少量比例的搭配性問題，在驗證時就要考慮到產(chǎn)品參數(shù)的實際分布，而不是只拿幾顆樣品驗證。這個類似于半導(dǎo)體工藝開發(fā)中常見的corner check。

但就半導(dǎo)體行業(yè)來講，由于動態(tài)零件平均測試法（DPAT）是汽車電子委員會AEC–Q001 Rev-D指南中對汽車電子產(chǎn)品的要求。具有異常特性（或異常值）的部件會嚴(yán)重影響質(zhì)量和可靠性問題。查找異常值對于汽車電子產(chǎn)品的可靠性至關(guān)重要。量產(chǎn)測試作為最后的卡控，為了保證質(zhì)量，防止離群芯片的逃逸，動態(tài)零件平均測試法（DPAT）作為一個重要手段被越來越多的半導(dǎo)體設(shè)計公司應(yīng)用到生產(chǎn)中。

通常來說，大家會選擇在晶圓測試（CP）之后做DPAT, 原因也簡單，因為晶圓測試（CP）之后可以通過離線的方式來產(chǎn)生Inkless map, 利用數(shù)據(jù)系統(tǒng)自動Ink功能就可以了。在實施手段上，有設(shè)計公司選擇讓工廠來完成，有些設(shè)計公司因為有更復(fù)雜的算法就會自己來用系統(tǒng)完成。在晶圓測試（CP）階段的常見的Ink算法包括重要參數(shù)的零件平均測試法（PAT） (DPAT或ZPAT),也有wafer上地理位置上一些篩選算法(GDBN等)。孤波的OneData系統(tǒng)將這些算法都標(biāo)準(zhǔn)化在系統(tǒng)中了。同時我們也看到越來越多基于大數(shù)據(jù)挖掘得到的更加復(fù)雜的算法被設(shè)計公司使用。Gubo OneData系統(tǒng)因為PB級大數(shù)據(jù)系統(tǒng)、以及可以靈活定制算法，被不少頭部設(shè)計公司采用來實現(xiàn)數(shù)據(jù)挖掘+自動Ink。這些算法最后都成為設(shè)計公司積累的核心資產(chǎn)。在一些公開的海外文獻資料，探討了一些復(fù)雜的Limit計算方法，大家可以參考。

具體操作方法是通過提供的Shot Mapping Ink方案，將整個Mapping技Reticdle大小或是自定義大小的方格，根據(jù)設(shè)定的算法將整個Shot進行l(wèi)Ink,從而去除掉因光刻環(huán)節(jié)的Reticles起的潛在性失效芯片。通過ShotMapping Ink方案，就能夠?qū)①|(zhì)量管控的關(guān)口從 "篩查單個失效芯片"前移至"攔截整個失效風(fēng)險區(qū)域"。

這尤其適用于對可靠性要求較嚴(yán)苛的車規(guī)、工規(guī)等產(chǎn)品，它能較大程度地降低因光刻制程偶發(fā)問題導(dǎo)致的批次性可靠性風(fēng)險，為晶圓測試（CP）構(gòu)建起一道應(yīng)對系統(tǒng)性缺陷的堅固防線，最后通過動態(tài)零件平均測試法（DPAT）的功能，結(jié)合測試數(shù)據(jù)去除超出規(guī)范的芯片并生成新的MaPping。

當(dāng)晶圓測試（CP）良率驟降而HT失敗模式復(fù)雜時，只靠單一測試階段數(shù)據(jù)難以歸因。YMS系統(tǒng)將WAT、CP與印T參數(shù)統(tǒng)一納入分析框架，建立跨階段關(guān)聯(lián)模型。例如，若某批次WAT中犧氧擊穿電壓偏移，同時晶圓測試（CP）漏電流異常升高，YMS可自動關(guān)聯(lián)兩者趨勢，提示前道氧化工藝可能存在波動。圖形化界面支持并排查看參數(shù)曲線與良率變化，快速鎖定關(guān)鍵影響因子，避免在封裝或測試環(huán)節(jié)言日排查。這種端到端的根因分析能力，將問題診斷周期從數(shù)天縮短至數(shù)小時，減少試產(chǎn)浪費。通過深度整合多源測試數(shù)據(jù)，使YMS成為良率攻關(guān)的關(guān)鍵工具。最后結(jié)合GDBC服務(wù)Cluster方法有效定位區(qū)域性異常Die，通過相鄰關(guān)聯(lián)性分析識別連續(xù)性失效。

如果選擇最終測試（FT）來做零件平均測試法（PAT）的話, 主要還是攔截封裝過程中帶來的問題，通常是多Die 封裝或者其他的先進封裝形式。最終測試（FT）做動態(tài)零件平均測試法（DPAT）的實施上會有一些復(fù)雜性：

最終測試（FT）的分bin是實時的，單顆芯片測試后需要立即做出Binning的決定，所以動態(tài)零件平均測試法（DPAT）也要做成和ATE聯(lián)動，在執(zhí)行過程中根據(jù)實時的結(jié)果完成Binning

在確定Limit的時候，因為一般先要取至少200顆來設(shè)初始的limit, 這些用于初始的Limit計算的芯片的Binning問題需要專門處理

但是實際上這些問題都已經(jīng)得到了很好的解決。大芯片和小芯片會用不同的路徑來實現(xiàn)。

對于大芯片，因為通常會有ECID,又會做SLT,DPAT的工作也可以通過SLT這個insertion來實現(xiàn)。這時候大數(shù)據(jù)系統(tǒng)的能力又發(fā)揮作用了，根據(jù)芯片的ECID, 可以發(fā)現(xiàn)離群的芯片，完成Binning。

對于小一些的芯片，因為一般不做SLT，所以還需要在FT這個步驟完成。行業(yè)內(nèi)大家也都研究并且實踐不同的算法改善動態(tài)零件平均測試法（DPAT）的算法，以達到不用重新測試前200顆的目的。在孤波的軟件中也有類似算法支持，客戶一般也會按照自己的需求做各種優(yōu)化，非常方便。

另一個問題就是如何和ATE互動設(shè)置新的Limit。這個問題的解決方式也有兩種，一種是直接寫程序的時候在程序里支持，這樣不需要ATE公司的特殊支持也能完成，不方便的就是如果算法調(diào)優(yōu)修改，都要做程序的變更。如果公司的變更流程復(fù)雜，或者芯片種類很多，那么這個過程還是很費些功夫的。還有一種方式就是把算法和Limit修改做到外面的一個軟件里，那么程序和算法之間就解耦了，算法可以更方便地進行調(diào)優(yōu)，測試程序不需要做任何變更。后一種方式已經(jīng)逐漸演化成為行業(yè)趨勢。目前SEMI在推進的RITdb(Rich Interactive Test Database)天生就可以支持這一應(yīng)用方式。下圖是RITdb的架構(gòu):

主流的ATE公司推出的Edge computing的方式也和這一應(yīng)用場景類似，Edge computing的計算能力很強，又不占用ATE CPU的時間。但是在大多數(shù)情況下，尤其對于規(guī)模小的芯片來說，這一架構(gòu)就顯得太重了。由于DPAT的實時性需求并沒有達到需要在一個insertion內(nèi)完成的程度，因此許多情況下可以直接使用ATE的CPU來執(zhí)行這一應(yīng)用。孤波科技采用這一領(lǐng)先的軟件架構(gòu)，實施起來非常方便，沒有增加任何的硬件和軟件開銷，就可以直接實現(xiàn)FT的動態(tài)零件平均測試法（DPAT）。目前這一方案已經(jīng)在Chroma系列機臺上實施，因此，無論是CP還是FT或者SLT都可以完成動態(tài)零件平均測試法（DPAT）, 實現(xiàn)的技術(shù)手段已經(jīng)不是問題了。

零件平均測試（PAT）系統(tǒng)的核心亮點在于，支持并行Lot/Run數(shù)據(jù)同時進行校驗與卡控；結(jié)合業(yè)務(wù)Know-How設(shè)計了常見的零件平均測試法（PAT）卡控規(guī)則，包括DPAT、GDBN、ZPAT等，支持通過配置的方式進行設(shè)定，滿足不同的管控需求；支持生成Inkless Map文件。

同時，零件平均測試（PAT）系統(tǒng)還支持與MES系統(tǒng)、CIM系統(tǒng)做集成：MES 系統(tǒng)發(fā)起零件平均測試（PAT）要求，零件平均測試（PAT）系統(tǒng)根據(jù)設(shè)定項計算，然后輸出結(jié)果并同步給CIM系統(tǒng)。

當(dāng)前，市面上已知的零件平均測試（PAT）系統(tǒng)可設(shè)定類型包括：

A. SPAT（Static Part Average Testing）：通過設(shè)定靜態(tài)的測試項上下限范圍，找出有風(fēng)險的芯片。

B. DPAT（Dynamic Part Average Testing）：通過設(shè)定動態(tài)的測試項上下限范圍，找出有風(fēng)險的芯片。

C. GDBN（Good Die in Bad Neighborhood）：通過良品坐標(biāo)周圍的不良品數(shù)量，找出有風(fēng)險的芯片。

D. ZPAT（Z-axis Part Average Testing）：通過同一坐標(biāo)縱向良率大小，找出有風(fēng)險的芯片。

E. Cluster：通過查看不良品坐標(biāo)聚集情況，找出有風(fēng)險的芯片。

F. NNR (Nearest Neighbor Residual)：通過最鄰近殘差算法，找出有風(fēng)險的芯片。

六、零件平均測試（PAT）方法必要性

1、可靠性背景與早期失效問題

半導(dǎo)體器件的生命周期可用“浴盆曲線”描述，其早期失效階段主要由制造過程中的缺陷引起。這些缺陷可能導(dǎo)致器件在客戶使用初期發(fā)生故障，帶來安全風(fēng)險和高額保修成本。

2、傳統(tǒng)測試方法的局限性

傳統(tǒng)測試方法（如功能測試和規(guī)格限測試）無法有效識別那些在靜態(tài)測試中通過但存在潛在缺陷的器件。例如，某些器件可能在電流或電阻測試中處于分布尾部，雖未超出現(xiàn)有測試限，卻存在早期失效風(fēng)險。

3、零件平均測試法（PAT）的統(tǒng)計優(yōu)勢

零件平均測試法（PAT）通過動態(tài)計算每個測試參數(shù)的均值和標(biāo)準(zhǔn)差，并基于統(tǒng)計分布設(shè)置 tighter 的限制，從而識別出偏離群體行為的異常器件。這種方法彌補了傳統(tǒng)測試的不足，特別是在高可靠性要求的汽車電子領(lǐng)域（AEC-Q001標(biāo)準(zhǔn)推薦使用零件平均測試（PAT））。

七、零件平均測試（PAT）方法的效應(yīng)與效益

1、提高可靠性與降低風(fēng)險

通過剔除異常器件，零件平均測試法（PAT）顯著減少了早期失效風(fēng)險。例如，在案例研究中（Zernig et al., 2014），結(jié)合ICA與NNR的方法成功識別出8個異常器件，其中7個在后續(xù)Burn-In測試中失敗。

2、成本節(jié)約與效率提升

零件平均測試法（PAT）減少了對Burn-In測試的依賴，從而降低了測試時間和成本。以Infineon Technologies的實踐為例，通過零件平均測試法（PAT）篩選，Burn-In測試量減少的同時保持了高可靠性標(biāo)準(zhǔn)。

3、支持多變量與空間分析

進階零件平均測試法（PAT）方法（如多變量零件平均測試法（PAT）和GDBN）考慮了參數(shù)間的相關(guān)性及空間分布（如晶圓上的簇狀缺陷），進一步提高了檢測精度。

八、零件平均測試（PAT）方法行業(yè)標(biāo)準(zhǔn)與最佳實踐

1、AEC-Q001指南

汽車電子委員會（AEC）發(fā)布的AEC-Q001明確推薦使用零件平均測試法（PAT）進行異常器件篩查。該指南強調(diào)了統(tǒng)計穩(wěn)健性和動態(tài)計算的重要性。

2、實施建議

A. 測試選擇：優(yōu)先選擇分布接近高斯、Cpk值高的參數(shù)；

B. 窗口大小：根據(jù)批次大小和穩(wěn)定性調(diào)整（通常為100）；

C. 早期處理：使用“從零開始”或“從規(guī)格限開始”模式處理早期數(shù)據(jù)不足問題；

D. 持續(xù)監(jiān)控：結(jié)合實時數(shù)據(jù)監(jiān)控和反饋優(yōu)化零件平均測試法（PAT）參數(shù)。

3、案例研究：ICA與NNR的結(jié)合

在Sub-micron工藝中，傳統(tǒng)零件平均測試法（PAT）效果下降。獨立成分分析（ICA）能夠從高維數(shù)據(jù)中提取潛在特征，再通過最近鄰殘差（NNR）分析空間依賴性，顯著提高異常檢測率（見Section 6.3-6.4）。

九、零件平均測試（PAT）方法的總結(jié)與展望

當(dāng)前，用戶對這些規(guī)范的要求促使供應(yīng)商之間的競爭更加激烈。在改進可靠性并降低缺陷率方面面臨很大的壓力，尤其對于目前由半導(dǎo)體控制的許多相當(dāng)重要的安全功能，諸如剎車、牽引控制、動力及主動穩(wěn)定控制系統(tǒng)。供應(yīng)商既要改進已付運零件的質(zhì)量,又要讓這些規(guī)范對其成品率的影響。由于制造成本持續(xù)走低,測試成本卻維持在相對不變的水平，因此測試成本在制造成本中的比重日益增大，元器件的利潤空間持續(xù)縮水。由于絕大部分的成品率都不能夠滿足要求，所以供應(yīng)商必須徹底評估他們的測試程序以便找到替代測試方法，并且從備選方法中反復(fù)試驗直至找到方法。

不借助的分析和仿真工具，供應(yīng)商就會在沒有充分了解這些規(guī)范對供應(yīng)鏈影響的情況下應(yīng)用它們。更糟糕的是,如果盲目應(yīng)用并遺漏了重要的測試,那么結(jié)果即使保證采用零件平均測試法（PAT）之類的規(guī)范對器件進行了測試并以相同的DPM率付運,在這種情況下保證也是毫無疑義的，而且可靠性也會降低。

一些供應(yīng)商似乎認(rèn)為，在晶圓探測中進行零件平均測試法（PAT）測試就足夠了，但研究表明采用這種方法存在許多問題。在晶圓探測中采用PAT是道質(zhì)量關(guān)，但在剩余的下游制造過程中，由于無數(shù)可變因素造成的變數(shù)增加，因此會在封裝測試時導(dǎo)致更多的零件平均測試法（PAT）異常值。如果供應(yīng)商希望付運高質(zhì)量的零件，他們就需在晶圓探測和終測試兩個階段都進行零件平均測試法（PAT）測試，而且他們的客戶也應(yīng)推動該方法的應(yīng)用。

所以，零件平均測試（PAT）方法作為一種基于統(tǒng)計的先進篩選方法，在提高半導(dǎo)體器件可靠性方面發(fā)揮了關(guān)鍵作用。其動態(tài)計算、滾動窗口和多變量擴展使其適用于多種測試場景。未來，隨著機器學(xué)習(xí)與統(tǒng)計方法的進一步融合，零件平均測試法（PAT）將更加精準(zhǔn)和自適應(yīng)，為高可靠性應(yīng)用提供更強保障。

參考文獻

1. T. Honda, T. Haarhuis, J. D. David, H. Hannink, G. Prewitt and V. Rajan, "ML-assisted IC Test Binning with Real-Time Prediction at the Edge," 2023 7th IEEE Electron Devices Technology & Manufacturing Conference (EDTM), Seoul, Korea, Republic of, 2023, pp. 1-4, doi:10.1109/EDTM55494.2023.10102972. keywords: {Semiconductor device modeling;Process monitoring;Statisticalanalysis;Machinelearning;Semiconductordevicemanufacture;Predictivemodels;Realtimesystems;ICTest;Tester;DynamicTestController;MachineLearning;Edge;Inference Engine},

2. K. K. S. Lim, M. E. B. Francisco and G. L. R. F. Abug, "Moving Limits: A More Effective Approach in Outlier Screening at Final Test," 2022 IEEE 24th Electronics Packaging Technology Conference (EPTC), Singapore, Singapore, 2022, pp. 806-810, doi: 10.1109/EPTC56328.2022.10013211. keywords: {Production facilities;Manufacturing;Reliability;Testing;Electronics packaging}

3. https://semiengineering.com/part-average-tests-for-auto-ics-not-good-enough/

4. https://www.semi.org/en/blogs/technology-trends/ritdb-the-interplanetary-database-for-manufacturing

5. http://aecouncil.com/Documents

6. AEC-Q001 Guidelines, Automotive Electronics Council.

7. Zernig, A., et al. (2014). Device Level Maverick Screening - Application of Independent Component Analysis in Semiconductor Industry. ICPRAM.

8. ROOS INSTRUMENTS. (2017). PAT Implementation & Operation Product Specifications.

9. Turakhia, R. P., et al. (2005). Defect Screening Using Independent Component Analysis on IDDQ. IEEE VLSI Test Symposium.

10. https://mp.weixin.qq.com/s/cBSLkh63sEprzXjBIhMFrQ

免責(zé)聲明

【我們尊重原創(chuàng)，也注重分享。文中的文字、圖片版權(quán)歸原作者所有，轉(zhuǎn)載目的在于分享更多信息，不代表本號立場，如有侵犯您的權(quán)益請及時私信聯(lián)系，我們將第一時間跟蹤核實并作處理，謝謝！】

審核編輯 黃宇