Испытание на уровне системы преобразует обеспечение качества полупроводников

В полупроводниковой промышленности часто обсуждается «выход», но определение выхода претерпевает фундаментальные изменения. Исторически выход относился к показателям прохождения функционального тестирования (ATE) на предприятиях по производству пластин. Сегодня конечным определением выхода стала «нулевая частота отказов в опыте конечного пользователя». Когда высокопроизводительный чип безупречно работает в лабораторных условиях, но неоднократно выходит из строя в конечных устройствах, этот «разрыв в тестировании» представляет собой не только инженерную задачу, но и значительный финансовый риск. С точки зрения аналитика данных, мы должны пересмотреть стратегическую ценность системного тестирования (SLT) через призму распределения данных, моделирования частоты отказов и общей стоимости владения (TCO).

Традиционное автоматизированное испытательное оборудование (ATE) полагается на структурированное тестирование с бинарными решениями «пройдено/не пройдено». Этот подход предполагает, что отказы чипов являются изолированными, статическими логическими ошибками. Однако гетерогенные вычисления и сложные многофункциональные интегрированные чипы изменили характеристики распределения отказов.

• Скрытая природа недетерминированных неисправностей: Во время тестирования ATE чипы работают в контролируемых условиях низкой нагрузки и высокой тактовой частоты. Реальные системы подвергают чипы динамическим нагрузкам, тепловым колебаниям, шумам питания и сложным взаимодействиям протоколов. Тесты ATE охватывают «стационарное пространство», в то время как SLT охватывает «динамическое пространство». Необнаруженные отказы ATE часто связаны с нарушениями синхронизации или переходными тепловыми эффектами — статистическими выбросами в длинных распределениях, которые обычные ATE не могут уловить.
• Снижение отдачи от покрытия тестами: По мере экспоненциального роста сложности чипов объем тестовых векторов ATE взрывообразно растет, в то время как его способность обнаруживать сбои на уровне системы снижается. Данные показывают, что внедрение SLT значительно снижает «уровень пропусков» — чипов, которые проходят ATE, но выходят из строя в приложениях. Для высокопроизводительных вычислительных и автомобильных чипов такие пропуски могут привести к астрономическим затратам на отзыв.

С точки зрения сбора данных, SLT представляет собой сбор данных высокой плотности в экстремальных условиях, что создает четыре основные проблемы:

• Анализ корреляции теплового управления: Градиенты температуры в испытательных камерах не являются равномерными. Платформы должны отслеживать градиенты температуры устройства в режиме реального времени и коррелировать их с данными о производительности. Без точных контуров обратной связи по температуре тестовые данные становятся ненадежными, что требует передового термодинамического моделирования для преобразования тепловых данных в количественные параметры компенсации.
• Целостность сигнала и высокоразмерные стимулы: SLT включает в себя радиочастотные, высокоскоростные протоколы и оптоэлектронные сигналы. Испытательные платформы требуют исключительных частот дискретизации и соотношения сигнал/шум. Незначительные искажения сигнала усиливаются до «псевдо-отказов», что делает электромагнитную совместимость (EMC) критически важной для чистоты данных.
• Сложность интеграции системных ресурсов: Когда испытательные ресурсы совместно используют тепловые камеры с тестируемыми устройствами (DUT), тепло, выделяемое оборудованием, и помехи должны быть алгоритмически изолированы — задача, требующая как аппаратных, так и программных решений.
• Силos данных, вызванные кастомизацией: Отраслевые требования (например, ISO 26262 в автомобильной промышленности против надежности центров обработки данных) требуют индивидуальных решений SLT. Общие подходы не могут соответствовать пороговым значениям уверенности, специфичным для приложений, что требует адаптивных моделей тестовых данных.

Полупроводниковая промышленность переходит от «функциональной корректности» к «надежности системы», причем SLT играет ключевую роль. Будущие разработки, вероятно, будут включать:

• Тестирование на основе ИИ: SLT будет развиваться от предустановленных тестовых векторов к машинному обучению с адаптивным тестированием. Анализ исторических данных позволит динамически корректировать параметры и прогнозировать отказы, эффективно расширяя охват неисправностей.
• Интеграция цифровых двойников: Виртуальные модели чипов будут моделировать сложное поведение системы, снижая требования к физическому тестированию. SLT будет служить мостом между физическими устройствами и цифровыми симуляциями.
• Использование данных жизненного цикла: Данные SLT выйдут за рамки решений «пройдено/не пройдено», став активами управления жизненным циклом продукта. Корреляция данных SLT с производительностью в полевых условиях обеспечивает улучшение качества по замкнутому циклу на этапах проектирования и производства.

В заключение, SLT служит не только контрольной точкой качества, но и стратегическим отличием. Интегрированные, адаптируемые решения SLT позволяют полупроводниковым компаниям удовлетворять сложные рыночные требования, обеспечивая при этом оптимальную производительность чипов в реальных условиях. В нашу эпоху, основанную на данных, инвестирование в SLT означает инвестирование в превосходство продукта и конкурентное преимущество.