下一代汽車芯片已在路上 要做到零缺陷有多難？

在實現零缺陷的道路上需要一些新的策略。這一波用于輔助駕駛和自動駕駛系統的下一代汽車芯片正在推動關鍵的新異常檢測方法的開發進程。西門子子公司的KLA－Tencor、Optimal＋+和Mentor正在進入或擴大其在異常檢測市場或相關領域的工作。異常檢測技術已在各個行業應用多年，是實現芯片生產質量零缺陷的主要技術之一，在汽車領域非常重要。通常，異常檢測本身使用硬件和統計篩選算法來定位所謂的異常。簡單地說，芯片異常是指芯片本身可能通過各種標準測試，但有時會表現出功能異常。這種芯片可能會影響系統性能或導致系統故障。

圖1中1PAT極限和極限值的圖表顯示，出現異常芯片或有缺陷的芯片有幾個原因，包括出現潛在的可靠性缺陷。這種缺陷在芯片發貨時不會被發現，但它們會在應用現場以某種方式被激活，并可能最終反映在實際運行的系統中。為了幫助發現芯片中的一個或另一個問題，該行業通常使用各種異常檢測方法，如部件平均測試（PAT）。在PAT中，首先對晶片進行電氣測試，然后通過結合硬件方法和PAT算法，檢測到違反特定測試規范的異常或故障芯片，然后將其丟棄。然而，PAT方法很難滿足汽車行業的苛刻要求。Optimal＋+公司首席技術官MichaelSchuldenfrey，說：“半導體產品在汽車和其他類型的關鍵任務設備中的使用呈指數級增長。這一趨勢推高了對芯片質量和可靠性的要求。作為確保質量和可靠的主要手段，使用PAT或組件平均測試方法的異常檢測技術已經存在了幾十年。但在許多情況下，它們并不是很有效r測試成本太高，無法防止漏檢。“漏檢是指芯片通過測試并離開晶圓廠。為了避免這種情況，多年來，異常檢測專家開發了新的、更先進的技術來防止芯片漏檢和其他問題。例如，異常檢測通常在芯片封裝測試階段進行，但在一種新的方案中，KLA－Tencor開發了晶圓廠測試技術。盡管如此，該行業仍面臨一系列重大挑戰，包括：1。隨著越來越先進的芯片被用于汽車，迫切需要新的先進異常檢測算法；2.異常檢測技術必須跟上輔助駕駛和自動駕駛技術的發展趨勢；

3.英偉達和其他沒有異常檢測經驗的IC制造商正在涌入汽車市場，這意味著他們需要改善學習曲線。這個快速增長的汽車半導體市場還面臨著許多其他挑戰。除了汽車市場，異常檢測也被用于醫療等領域。西門子子公司Mentor表示，總體而言，商業異常檢測軟件業務的規模在每年2500萬至5000萬美元之間。MentorQuantix的總經理BertrandRenaud說：“這個數字可能只代表實際軟件的三分之一，因為許多大型IDM供應商都建立了自己的專有工具，他們的軟件不包括在內。”目前，這個市場上有KLA－Tencor、Mentor、Optimal＋+和yieldWerx等公司。汽車芯片趨勢2018年，汽車市場的增長速度可能會放緩。根據IHSMarkit的數據，2018年全球年輕重量級汽車的總銷量預計將達到9590萬輛，與2017年相比增長1.5%。根據該公司的數據，2017年與2016年相比增長了2.4%。目前尚不完全清楚汽車銷量的增長與汽車半導體市場的增長率是如何對應的。盡管目前的汽車芯片業務僅占整個半導體市場的10%左右，但這并不能解釋問題的全貌，因為根據IHSMarkit的數據，每輛汽車的電子設備價值將從2013年的312美元增加到2022年的460美元，年復合增長率為7.1%。“從十年前的數百個控制器和其他類型的電子設備開始，現代汽車可能包含3500多種半導體產品，這些半導體設備的總體成本正在持續上升。”KLA-Tencor高級營銷總監RobCappel在一篇博客文章中說。一輛先進的汽車有7000多個芯片。芯片制造商正在將14nm和10nm器件引入高端機型，還正在開發用于汽車的7nm芯片。然而，在汽車領域，有兩個因素是不可變的可靠性和質量。對于商用芯片，消費者對缺陷仍有一定的容忍度。然而，汽車芯片對缺陷和故障沒有容忍度。這并不是什么新鮮事。TEL高級技術合伙人BenRathsack說：“例如ABS系統。因為它關系到安全，所以汽車的可靠性要求總是很高。”因此，汽車芯片制造商和鑄造廠必須遵守各種質量標準，如AEC－Q100，主要涉及芯片失效機制的應力測試。高級駕駛輔助系統（ADAS）和自動駕駛汽車需要更嚴格的可靠性。ADAS涉及汽車的各種安全功能，如自動緊急制動、車道檢測和后方物體警告。例如，全球最大的汽車芯片制造商恩智浦最近宣布推出一款用于汽車應用的高分辨率雷達芯片。這種芯片被稱為MR3003雷達收發器，是一種77GHz的雷達設備。該設備基于SiGe技術，適用于需要高分辨率和遠程功能的自動駕駛系統的前端或角落雷達應用。這種雷達技術可以同時跟蹤數千個目標，并實時感知周圍環境，這是L4/L5自動駕駛所必需的。恩智浦ADAS調制解調器產品線副總裁兼總經理PatrickMorgan在最近的一次采訪中表示：“這些類型的應用對我們和芯片本身提出了很高的要求。我們在系統內部仔細設計了安全協議和一系列Hook，以便傳感器和汽車在某些情況下可以自我診斷。”。恩智浦半導體公司副總裁兼ADAS技術總經理KamalKhouri表示：“當我們開始銷售這些芯片時，我們需要做出巨大努力，確保每一塊芯片都符合規格。我們對缺陷絕對持零容忍態度。安全至關重要，不允許出現任何錯誤。”，他補充道：“我們在這里所做的一切都必須符合非常非常嚴格的汽車安全和可靠性標準。需要做很多工作來確保我們推薦的所有產品和解決方案都是安全可靠的。”安全真的很關鍵。例如，根據Optimal＋+提供的數據，奧迪在高端汽車中擁有7000個芯片。假設每個芯片的故障率達到百萬分之一，那么奧迪每生產1000輛汽車就會有7輛出現故障。如果奧迪每天生產4000輛汽車，這意味著它將每小時生產一輛故障汽車。因此，汽車行業正在努力實現零缺陷和其他質量計劃，但作為……

詞干、芯片甚至軟件變得越來越復雜，這個目標很難實現。在其關于車輛可靠性的最新研究工作中，J.D.Power對2015車型和2017車型過去12個月每100輛車的問題數量進行了統計調查，發現2017車型的整體可靠性提高了9%，但各種電子系統仍存在問題。根據調查，音頻/通信/娛樂/導航系統仍然是車主最頭疼的產品類別，車主投訴最多，其中內置語音識別和藍牙連接是最大的問題。這些問題可能與采用最新的半導體器件有關，這就是為什么異常檢測非常重要。在異常檢測中，晶圓在晶圓廠加工后，首先進行一些電氣測試，然后將其送往測試部門進行評估。這種方法只能解決一些潛在的問題。“你不可能測試設備的每個執行路徑，所以你不可能覆蓋整個場景。然而，現在可以運行許多不同的測試。有時，測試結果不是很清楚。我們只知道目前的方法不夠好。”KLA-Tencor戰略合作高級總監JayRathert說。此外，測試可能會也可能不會發現可怕的潛在可靠性缺陷。Rathert說：“潛在的可靠性缺陷是指離開晶圓廠后暴露出來的缺陷。它們在一定程度上被環境激活，包括振動、濕度、電流、電遷移或熱量。隨著時間的推移，它們可能會暴露出來。”。

圖2隨機缺陷在這種情況下，為什么不在這些芯片離開晶圓廠之前檢測這些缺陷？根據加州大學伯克利分校的統計，理論上，一家每月生產5萬片晶圓的晶圓廠需要以下設備：50臺掃描儀/步進器和晶圓軌道；10臺高電流離子注入機和8臺中電流離子注入器；40蝕刻機；

30個CVD工具。此外，300mm晶圓廠也是一家自動化工廠，使用各種自動材料處理系統和晶圓輸送機構，用各種設備一步一步地處理晶圓廠中的晶圓。一種先進的晶圓制造工藝可以有多達600-1000個步驟，甚至更多。相比之下，成熟過程中的步驟更少。在先進的工藝節點中，半導體器件必須處理更小、更準確的特征，并且隨著工藝尺寸的減小，缺陷變得越來越難以發現。每個應用程序都有不同的缺陷要求。一般來說，面向消費者的原始設備制造商對缺陷控制并不太嚴格，但在汽車領域，芯片制造商必須在其設備制造過程中實施更嚴格的控制措施，并部署持續的缺陷改進計劃。UMC副總裁溫文婷表示：“（在汽車領域）有一些先決條件。”。“你必須有一個管理良好的工廠和維護良好的工具。最重要的是，你需要一個強大的質量體系和實施高質量的概念，這將使你能夠獲得制造汽車產品所需的認證。這些都很復雜。在汽車行業，質量控制從工藝設計和工廠規劃開始，并延伸到實際芯片生產。“在晶圓廠，人們使用檢測系統來定位晶圓缺陷。一般來說，芯片制造商不會檢查每一塊晶圓，因為這需要很長時間，成本很高。他們會對一些晶圓或一些芯片進行采樣。對于消費類芯片來說，這一過程很簡單。”當我們開發一項技術時，我們會對其進行認證。一般而言，采樣的樣本數量總是有限的。“溫文婷說。汽車芯片的要求不同。”你必須測試大量的樣品才能得到故障率，這是非常昂貴的。她說：“人們正在考慮如何在負擔得起的水平上實現這一目標，而且在各個方面都存在許多挑戰。“所有這些都是真實的時間和金錢。如果芯片經過測試和其他過程符合規格，晶片就可以從晶圓廠送到密封和測試工廠。此時，壓力將轉移到密封和測試廠。為了幫助測試，KLA－Tencor設計了一個技術方案來解決晶圓廠的問題gy被稱為在線分量平均測試（I-PAT），它使用了PAT的概念。然而，與在測試部門進行的PAT及其變體不同，I-PAT是在晶圓廠進行的。I-pat可能不一定與傳統的第三方異常檢測供應商競爭。其目標是提供更多的測試數據，并補充現有的測試組合。一般來說，您仍然需要執行傳統的異常檢測。KLA-Tencor的技術包括硬件和數據分析軟件包。簡而言之，首先將檢測數據輸入計算機建模程序，然后對數據進行分解，查看晶圓圖上的硅片，然后在晶圓廠的多個檢測步驟中發現異常缺陷。在一個簡單的例子中，該技術將顯示具有五層的芯片的晶片圖，例如有源區、柵極、接觸層、金屬層1和金屬層2。假設在金屬層1上可能存在800個缺陷。計算機從晶片中隨機選擇10個芯片，然后使用各種I-PAT算法，系統最終確定10個芯片中有9個存在潛在的可靠性缺陷。這個過程可以重復幾次。“你可以一次又一次地重復這一步，”KLA-Tencor高級營銷總監DavidPrice說。“通過反復重復，你可以看到缺陷的統計性質如何幫助你找到最有可能包含可靠性缺陷的芯片。”I-pat可以用來選擇有問題的硅片。此外，這些數據可以與其他異常檢測方法相結合，以改進通過/失敗決策。普萊斯表示：“通過在晶圓廠實施I-PAT技術，您將能夠減少傳統PAT方法帶來的過度校正和缺點。”從晶圓廠到測試廠，晶圓從晶圓廠轉移到測試部門，在那里進行分揀、最終測試，有時還進行系統級測試。檢查和測試將產生大量的數據。然而，面對這些數據，你如何知道設備是否仍然存在潛在的可靠性缺陷或其他問題？這就是為什么汽車原始設備制造商希望他們的供應商在測試期間進行傳統的異常檢測。Mentor的Renaud說：“在整個晶圓經過測試后，晶圓中的PAT分揀……

排序是作為離線處理在服務器上完成的。在測試每個零件后，在測試儀上在線執行最終測試中的PAT排序。當然，整個過程都是由服務器進行管理和控制的。在實現零缺陷的道路上需要一些新的策略。這一波用于輔助駕駛和自動駕駛系統的下一代汽車芯片正在推動關鍵的新異常檢測方法的開發進程。西門子子公司的KLA－Tencor、Optimal＋+和Mentor正在進入或擴大其在異常檢測市場或相關領域的工作。異常檢測技術已在各個行業應用多年，是實現芯片生產質量零缺陷的主要技術之一，在汽車領域非常重要。通常，異常檢測本身使用硬件和統計篩選算法來定位所謂的異常。簡單地說，芯片異常是指芯片本身可能通過各種標準測試，但有時會表現出功能異常。這種芯片可能會影響系統性能或導致系統故障。

圖1中1PAT極限和極限值的圖表顯示，出現異常芯片或有缺陷的芯片有幾個原因，包括出現潛在的可靠性缺陷。這種缺陷在芯片發貨時不會被發現，但它們會在應用現場以某種方式被激活，并可能最終反映在實際運行的系統中。為了幫助發現芯片中的一個或另一個問題，該行業通常使用各種異常檢測方法，如部件平均測試（PAT）。在PAT中，首先對晶片進行電氣測試，然后通過結合硬件方法和PAT算法，檢測到違反特定測試規范的異常或故障芯片，然后將其丟棄。然而，PAT方法很難滿足汽車行業的苛刻要求。Optimal＋+公司首席技術官MichaelSchuldenfrey，說：“半導體產品在汽車和其他類型的關鍵任務設備中的使用呈指數級增長。這一趨勢推高了對芯片質量和可靠性的要求。作為確保質量和可靠的主要手段，使用PAT或組件平均測試方法的異常檢測技術已經存在了幾十年。但在許多情況下，它們并不是很有效r測試成本太高，無法防止漏檢。“漏檢是指芯片通過測試并離開晶圓廠。為了避免這種情況，多年來，異常檢測專家開發了新的、更先進的技術來防止芯片漏檢和其他問題。例如，異常檢測通常在芯片封裝測試階段進行，但在一種新的方案中，KLA－Tencor開發了晶圓廠測試技術。盡管如此，該行業仍面臨一系列重大挑戰，包括：1。隨著越來越先進的芯片被用于汽車，迫切需要新的先進異常檢測算法；2.異常檢測技術必須跟上輔助駕駛和自動駕駛技術的發展趨勢；

3.英偉達和其他沒有異常檢測經驗的IC制造商正在涌入汽車市場，這意味著他們需要改善學習曲線。這個快速增長的汽車半導體市場還面臨著許多其他挑戰。除了汽車市場，異常檢測也被用于醫療等領域。西門子子公司Mentor表示，總體而言，商業異常檢測軟件業務的規模在每年2500萬至5000萬美元之間。MentorQuantix的總經理BertrandRenaud說：“這個數字可能只代表實際軟件的三分之一，因為許多大型IDM供應商都建立了自己的專有工具，他們的軟件不包括在內。”目前，這個市場上有KLA－Tencor、Mentor、Optimal＋+和yieldWerx等公司。汽車芯片趨勢2018年，汽車市場的增長速度可能會放緩。根據IHSMarkit的數據，2018年全球年輕重量級汽車的總銷量預計將達到9590萬輛，與2017年相比增長1.5%。根據該公司的數據，2017年與2016年相比增長了2.4%。目前尚不完全清楚汽車銷量的增長與汽車半導體市場的增長率是如何對應的。盡管目前的汽車芯片業務僅占整個半導體市場的10%左右，但這并不能解釋問題的全貌，因為根據IHSMarkit的數據，每輛汽車的電子設備價值將從2013年的312美元增加到2022年的460美元，年復合增長率為7.1%。“從十年前的數百個控制器和其他類型的電子設備開始，現代汽車可能包含3500多種半導體產品，這些半導體設備的總體成本正在持續上升。”KLA-Tencor高級營銷總監RobCappel在一篇博客文章中說。一輛先進的汽車有7000多個芯片。芯片制造商正在將14nm和10nm器件引入高端機型，還正在開發用于汽車的7nm芯片。然而，在汽車領域，有兩個因素是不可變的可靠性和質量。對于商用芯片，消費者對缺陷仍有一定的容忍度。然而，汽車芯片對缺陷和故障沒有容忍度。這并不是什么新鮮事。TEL高級技術合伙人BenRathsack說：“例如ABS系統。因為它關系到安全，所以汽車的可靠性要求總是很高。”因此，汽車芯片制造商和鑄造廠必須遵守各種質量標準，如AEC－Q100，主要涉及芯片失效機制的應力測試。高級駕駛輔助系統（ADAS）和自動駕駛汽車需要更嚴格的可靠性。ADAS涉及汽車的各種安全功能，如自動緊急制動、車道檢測和后方物體警告。例如，全球最大的汽車芯片制造商恩智浦最近宣布推出一款用于汽車應用的高分辨率雷達芯片。這種芯片被稱為MR3003雷達收發器，是一種77GHz的雷達設備。該設備基于SiGe技術，適用于需要高分辨率和遠程功能的自動駕駛系統的前端或角落雷達應用。這種雷達技術可以同時跟蹤數千個目標，并實時感知周圍環境，這是L4/L5自動駕駛所必需的。恩智浦ADAS調制解調器產品線副總裁兼總經理PatrickMorgan在最近的一次采訪中表示：“這些類型的應用對我們和芯片本身提出了很高的要求。我們在系統內部仔細設計了安全協議和一系列Hook，以便傳感器和汽車在某些情況下可以自我診斷。”。恩智浦半導體公司副總裁兼ADAS技術總經理KamalKhouri表示：“當我們開始銷售這些芯片時，我們需要做出巨大努力，確保每一塊芯片都符合規格。我們對缺陷絕對持零容忍態度。安全至關重要，不允許出現任何錯誤。”，他補充道：“我們在這里所做的一切都必須符合非常非常嚴格的汽車安全和可靠性標準。需要做很多工作來確保我們推薦的所有產品和解決方案都是安全可靠的。”安全真的很關鍵。例如，根據Optimal＋+提供的數據，奧迪在高端汽車中擁有7000個芯片。假設每個芯片的故障率達到百萬分之一，那么奧迪每生產1000輛汽車就會有7輛出現故障。如果奧迪每天生產4000輛汽車，這意味著它將每小時生產一輛故障汽車。因此，汽車行業正在努力實現零缺陷和其他質量計劃，但作為……

詞干、芯片甚至軟件變得越來越復雜，這個目標很難實現。在其關于車輛可靠性的最新研究工作中，J.D.Power對2015車型和2017車型過去12個月每100輛車的問題數量進行了統計調查，發現2017車型的整體可靠性提高了9%，但各種電子系統仍存在問題。根據調查，音頻/通信/娛樂/導航系統仍然是車主最頭疼的產品類別，車主投訴最多，其中內置語音識別和藍牙連接是最大的問題。這些問題可能與采用最新的半導體器件有關，這就是為什么異常檢測非常重要。在異常檢測中，晶圓在晶圓廠加工后，首先進行一些電氣測試，然后將其送往測試部門進行評估。這種方法只能解決一些潛在的問題。“你不可能測試設備的每個執行路徑，所以你不可能覆蓋整個場景。然而，現在可以運行許多不同的測試。有時，測試結果不是很清楚。我們只知道目前的方法不夠好。”KLA-Tencor戰略合作高級總監JayRathert說。此外，測試可能會也可能不會發現可怕的潛在可靠性缺陷。Rathert說：“潛在的可靠性缺陷是指離開晶圓廠后暴露出來的缺陷。它們在一定程度上被環境激活，包括振動、濕度、電流、電遷移或熱量。隨著時間的推移，它們可能會暴露出來。”。

圖2隨機缺陷在這種情況下，為什么不在這些芯片離開晶圓廠之前檢測這些缺陷？根據加州大學伯克利分校的統計，理論上，一家每月生產5萬片晶圓的晶圓廠需要以下設備：50臺掃描儀/步進器和晶圓軌道；10臺高電流離子注入機和8臺中電流離子注入器；40蝕刻機；

30個CVD工具。此外，300mm晶圓廠也是一家自動化工廠，使用各種自動材料處理系統和晶圓輸送機構，用各種設備一步一步地處理晶圓廠中的晶圓。一種先進的晶圓制造工藝可以有多達600-1000個步驟，甚至更多。相比之下，成熟過程中的步驟更少。在先進的工藝節點中，半導體器件必須處理更小、更準確的特征，并且隨著工藝尺寸的減小，缺陷變得越來越難以發現。每個應用程序都有不同的缺陷要求。一般來說，面向消費者的原始設備制造商對缺陷控制并不太嚴格，但在汽車領域，芯片制造商必須在其設備制造過程中實施更嚴格的控制措施，并部署持續的缺陷改進計劃。UMC副總裁溫文婷表示：“（在汽車領域）有一些先決條件。”。“你必須有一個管理良好的工廠和維護良好的工具。最重要的是，你需要一個強大的質量體系和實施高質量的概念，這將使你能夠獲得制造汽車產品所需的認證。這些都很復雜。在汽車行業，質量控制從工藝設計和工廠規劃開始，并延伸到實際芯片生產。“在晶圓廠，人們使用檢測系統來定位晶圓缺陷。一般來說，芯片制造商不會檢查每一塊晶圓，因為這需要很長時間，成本很高。他們會對一些晶圓或一些芯片進行采樣。對于消費類芯片來說，這一過程很簡單。”當我們開發一項技術時，我們會對其進行認證。一般而言，采樣的樣本數量總是有限的。“溫文婷說。汽車芯片的要求不同。”你必須測試大量的樣品才能得到故障率，這是非常昂貴的。她說：“人們正在考慮如何在負擔得起的水平上實現這一目標，而且在各個方面都存在許多挑戰。“所有這些都是真實的時間和金錢。如果芯片經過測試和其他過程符合規格，晶片就可以從晶圓廠送到密封和測試工廠。此時，壓力將轉移到密封和測試廠。為了幫助測試，KLA－Tencor設計了一個技術方案來解決晶圓廠的問題gy被稱為在線分量平均測試（I-PAT），它使用了PAT的概念。然而，與在測試部門進行的PAT及其變體不同，I-PAT是在晶圓廠進行的。I-pat可能不一定與傳統的第三方異常檢測供應商競爭。其目標是提供更多的測試數據，并補充現有的測試組合。一般來說，您仍然需要執行傳統的異常檢測。KLA-Tencor的技術包括硬件和數據分析軟件包。簡而言之，首先將檢測數據輸入計算機建模程序，然后對數據進行分解，查看晶圓圖上的硅片，然后在晶圓廠的多個檢測步驟中發現異常缺陷。在一個簡單的例子中，該技術將顯示具有五層的芯片的晶片圖，例如有源區、柵極、接觸層、金屬層1和金屬層2。假設在金屬層1上可能存在800個缺陷。計算機從晶片中隨機選擇10個芯片，然后使用各種I-PAT算法，系統最終確定10個芯片中有9個存在潛在的可靠性缺陷。這個過程可以重復幾次。“你可以一次又一次地重復這一步，”KLA-Tencor高級營銷總監DavidPrice說。“通過反復重復，你可以看到缺陷的統計性質如何幫助你找到最有可能包含可靠性缺陷的芯片。”I-pat可以用來選擇有問題的硅片。此外，這些數據可以與其他異常檢測方法相結合，以改進通過/失敗決策。普萊斯表示：“通過在晶圓廠實施I-PAT技術，您將能夠減少傳統PAT方法帶來的過度校正和缺點。”從晶圓廠到測試廠，晶圓從晶圓廠轉移到測試部門，在那里進行分揀、最終測試，有時還進行系統級測試。檢查和測試將產生大量的數據。然而，面對這些數據，你如何知道設備是否仍然存在潛在的可靠性缺陷或其他問題？這就是為什么汽車原始設備制造商希望他們的供應商在測試期間進行傳統的異常檢測。Mentor的Renaud說：“在整個晶圓經過測試后，晶圓中的PAT分揀……

排序是作為離線處理在服務器上完成的。在測試每個零件后，在測試儀上在線執行最終測試中的PAT排序。當然，整個過程都是由服務器進行管理和控制的。“通常情況下，異常檢測技術從晶圓廠獲得電子數據，然后對數據進行分析。KLA-Tencor的新技術將為測試混合提供更多數據。”Optimal＋+的Schuldenfrey說：“我們可以從KLA等公司的機器上收集測試數據。將所有這些數據結合在一起顯然將進一步提高檢測的準確性。”。“PAT是最基本的邊界檢測形式，它應該能夠檢測到超過不合格閾值的芯片。測試閾值可以設置為靜態（SPAT）或動態（DPAT）模式在SPAT中，測試閾值是根據批次數量確定的，而在DPAT中，閾值是在每次晶片測試時計算的。在SPAT和DPAT中，將執行一個算法，測試將通過或失敗。然而，這些算法在某些情況下可能會失敗。一些設備的特性可能與其他設備明顯不同，但也在規范范圍內。一些設備可能是遠離正態分布的極端異常。Optimal＋+的Schuldenfrey說：“這種情況可能會嚴重影響整個特征分布，然后，你可能會錯過特征分布中心附近的異常。”。異常檢測專家增加了一些程序來解決這些問題。然而，多年來，這些芯片變得越來越復雜，因此需要更先進的異常檢測技術。Mentor的Renaud說：“客戶要求越來越復雜的算法來識別真正的異常，而不會造成不必要的生產力損失。”。“需要先進的自動形狀檢測來識別非高斯分布。”有一些基于幾何分布、多變量和其他方案的復雜異常檢測算法，其中許多甚至可以與DPAT和SPAT一起使用。一種先進的幾何分布PAT（GPAT）可以根據其幾何分布的接近程度來檢查芯片質量。GPAT有一個復雜的版本，它被稱為好芯片/壞鄰居（GDBN）。GDBN基于這樣一種觀點，即缺陷總是傾向于集中在晶片上的某些特定位置。簡單地說，在缺陷較多的區域可能會發現一些壞芯片。還有一種技術被稱為最壞鄰居殘差（NNR）。“最近鄰殘差技術是檢查每個芯片每次測試中的所有值。它不僅考慮整個晶片，還考慮相鄰芯片的情況。”Optimal＋+的Schuldenfrey說。還有其他方法，例如多元技術。Mentor的Renaud說：“地理空間算法檢查晶片上的故障模式，以確定掩模版缺陷和故障芯片的集群。同時，多變量算法測量多個測試之間的相關性，而不是一次只考慮一個測試結果。”。所有這些方法都可以組合使用。展望未來，ADAS和自動駕駛將進一步推動對更多檢測技術的需求。Optimal＋+的Schuldenfrey表示：“隨著汽車自主程度的提高，芯片缺陷檢測將變得越來越重要。”此外，這些檢測技術還將增加人工智能和機器學習。“隨著機器學習和人工智能帶來新的計算能力和功能，我們相信它們也將更多地參與異常檢測。”舒爾登弗雷說。最后，將所有數據集成在一起可能是最大的挑戰。他說：“想象一下，從芯片中獲取數據，并將其與幾家不同公司的電路板數據聯系起來。”。“你需要共享數據，以實現更好的異常檢測。”“通常，異常檢測技術從晶圓廠獲得電子數據，然后對數據進行分析。KLA-Tencor的新技術將為測試混合提供更多數據。“我們可以從KLA等公司的機器上收集測試數據，”Optimal＋+的Schuldenfrey說。“將所有這些數據結合在一起顯然會進一步提高檢測的準確性。”PAT是最基本的邊界檢測形式，它應該能夠檢測到超過不合格閾值的芯片。測試閾值可以設置為靜態（SPAT）或動態（DPAT）模式。在SPAT中，測試閾值是根據批次數量確定的，而在DPAT中，閾值是在每次晶片測試時計算的。在SPAT和DPAT中，將執行一個算法，測試將通過或失敗。然而，這些算法在某些情況下可能會失敗。一些設備的特性可能與其他設備明顯不同，但也在s……

具體化。一些設備可能是遠離正態分布的極端異常。Optimal＋+的Schuldenfrey說：“這種情況可能會嚴重影響整個特征分布，然后，你可能會錯過特征分布中心附近的異常。”。異常檢測專家增加了一些程序來解決這些問題。然而，多年來，這些芯片變得越來越復雜，因此需要更先進的異常檢測技術。Mentor的Renaud說：“客戶要求越來越復雜的算法來識別真正的異常，而不會造成不必要的生產力損失。”。“需要先進的自動形狀檢測來識別非高斯分布。”有一些基于幾何分布、多變量和其他方案的復雜異常檢測算法，其中許多甚至可以與DPAT和SPAT一起使用。一種先進的幾何分布PAT（GPAT）可以根據其幾何分布的接近程度來檢查芯片質量。GPAT有一個復雜的版本，它被稱為好芯片/壞鄰居（GDBN）。GDBN基于這樣一種觀點，即缺陷總是傾向于集中在晶片上的某些特定位置。簡單地說，在缺陷較多的區域可能會發現一些壞芯片。還有一種技術被稱為最壞鄰居殘差（NNR）。“最近鄰殘差技術是檢查每個芯片每次測試中的所有值。它不僅考慮整個晶片，還考慮相鄰芯片的情況。”Optimal＋+的Schuldenfrey說。還有其他方法，例如多元技術。Mentor的Renaud說：“地理空間算法檢查晶片上的故障模式，以確定掩模版缺陷和故障芯片的集群。同時，多變量算法測量多個測試之間的相關性，而不是一次只考慮一個測試結果。”。所有這些方法都可以組合使用。展望未來，ADAS和自動駕駛將進一步推動對更多檢測技術的需求。Optimal＋+的Schuldenfrey表示：“隨著汽車自主程度的提高，芯片缺陷檢測將變得越來越重要。”此外，這些檢測技術還將增加人工智能和機器學習。“隨著機器學習和人工智能帶來新的計算能力和功能，我們相信它們也將更多地參與異常檢測。”舒爾登弗雷說。最后，將所有數據集成在一起可能是最大的挑戰。他說：“想象一下，從芯片中獲取數據，并將其與幾家不同公司的電路板數據聯系起來。”。“您需要共享數據以實現更好的異常檢測。”

標簽：發現奧迪理念現代

汽車資訊熱門資訊