広く利用可能でほぼ無制限のコンピューティング リソースと、高度なアルゴリズムの利用により、適応テストへの扉が開かれています。しかし、データ共有や IP 盗難やデータ漏洩の可能性に対する根強い懸念により、このテスト手法が採用される速度は今後も変化し続けるでしょう。
アダプティブ テストとは、テスト データとその他の入力を使用してテスト プログラムをタイムリーに変更し、各テスト対象デバイス (DUT) の品質またはコストを向上させることです。その核心となるのは、 半導体デバイスの品質と信頼性を向上させるために、製造テスト条件、テスト内容、またはテスト限界を変更するさまざまな方法。基本的な考え方は、テスター、オンダイセンサーによって生成されたデータ、または前のステップからの関連データを取得して、テストのニーズを予測するために、適切なテストコンテンツのみをデバイスに適用することです。テストを追加して、危険な部品が信頼性要件を満たしていることを確認したり、障害が見つからない場合は削除したりできます。
GlobalFoundries のポストファブ開発センターのフェローである John Carulli 氏は、「2000 年代に自動車デバイスで初めて発生した信頼性スクリーニングの異常値スクリーニングは、今でも適応テストの基本的な推進力であると考えられています」と述べています。 「ウェーハレベルの適応テストは、後処理のコンテキストで最も活用され、導入が最も簡単です。最新のソフトウェアとデータ システムを使用すると、システム テストだけでなく、ウェーハやモジュールの動作挿入にわたる意思決定のためにデータを供給する機会が増えます。」
現在、適応テストはテスト施設で使用されており、機械学習ベースのアルゴリズムとデータ分析を活用してデバイスの品質を向上させていますが、そのほとんどはオフラインで行われています。
「適応テストはデータ集団を中心に行われます」と、Exensio Solutions ディレクターの Greg Prewitt 氏は述べています。 PDFソリューション。 「人々は通常、特性データを遡って、これまでに収集した豊富な生産データを調べ、決して失敗せず、エンジニアリング上の適切な判断を下したテストを見て、『このテストは問題なく受けられる』と言います。このデバイスの場合。テスト プログラムは改訂され、適応型テスト時間短縮 (ATTR) を達成するには、特定のテストを省略するだけです。」
アダプティブ テストの実装における技術的なハードルは乗り越えられるようです。本当の問題は、物流に固有の複雑さです。 「アダプティブ テストの複雑さの多くは、適切なタイミングで適切な場所にデータを配信するプロセスの調整と管理にあります」とエマソン テスト & メジャメントの NI フェロー、マイケル シュルデンフライ氏は述べています。 「たとえば、部品に電子チップ識別子 (ECID) または別のトレーサビリティ方法があると仮定すると、ウェーハソートからのテストデータを最終テストで利用して、さまざまなパラメータにわたるパラメトリックドリフトを特定できます。そのためには、テスト時に影響を受けることなく、履歴データをリアルタイムでテスト プログラムで利用できるようにする必要があります。」
Schuldenfrei 氏は、業界の最も困難な課題は、高度に細分化されたインフラストラクチャに関連していると指摘しました。 「ウェーハのソートと最終テストが異なる施設で行われる場合、これは特に困難であり、施設間のデータ移動の安全かつ信頼性の高いオーケストレーションが必要です。」
共有は思いやりです
必要なデータを必要なときに必要な場所で利用できるようにすることは、今日では非常に大きなハードルとなっており、これは主にファブレス ファウンドリ モデルの結果です。 「データセキュリティは、特にデバイスの所有者と製造パートナーが別の企業であるような細分化された製造フローやテストフローにおいて、適応型テストにとって大きな懸念事項です」と、同社の戦略的コンテンツビジネスマネージャーのケン・バトラー氏は述べています。 アドバンテストアメリカ. 「データとアプリケーションを会社の境界を越えて共有する必要がある場合、その情報のセキュリティが最も重要です。アドバンテストの ACS リアルタイム データ インフラストラクチャ (RTDI) ソリューションには、独自のデータを不正なエンティティに公開することなく、適応テスト フローとリアルタイム推論を達成するためにデータを安全に共有できることを保証する多数の機能が備わっています。」
図 1: あらゆるテスト挿入時のリアルタイム適応テスト用のデータ インフラストラクチャにより、開発されたテスト データ、テスト プログラム、およびサードパーティ データ分析が保護されます。出典：アドバンテスト
安全なデータ共有は、大幅な暗号化から始まります。 「私たちは情報を移動するために多くの暗号化を使用していますが、コンピューティング プラットフォームにはキーボードが取り付けられておらず、USB スティックも許可されておらず、アクセスを防ぐために鍵のかかったボックスに保管されているという意味で、システム自体のアーキテクチャは物理的に安全です。 」とバトラーは言いました。 「そして、テストプロセスの最後にはすべてが消去されるため、データは消去され、裏からデータを入手する人が保持されることはありません。」
ただし、設計から製造までのテスト、さらにはフィールド データ テストでのデータ共有となると、さまざまなユーザーのコンテキストにデータを組み込むためにさらに多くの作業が必要になります。 「データの可用性は、依然としておそらく私たちが合意しなければならない重要な部分です」と、スマート マニュファクチャリングのプロダクト マネージャー、イーライ ロス氏は述べています。 テラダイン。エンジニアは、テストのコストを効率的に下げるためにウェーハのコンテキストを必要とします。 「特に、テストデータのコンテキストは、上流および下流の人々にとって意味がわからない場合があります。」
データ共有プロトコルの決定は、SEMIのスマートAI産業諮問委員会の重要な目標です。 「それが私たちが今取り組んでいる課題です」とロス氏は語った。 「そのデータを利用できるようにするだけでなく、コンテキストに合わせてデータを提供するにはどうすればよいでしょうか?」
Teradyne は独自の並列コンピューティング プラットフォームに投資しており、最近ではフィードバックとフィードフォワード、つまり双方向データ ストリーミングに重点を置いています。 「リアルタイム適応テストが到来することを認識しており、私たちはテスターから出力されるデータが本物であること、誰によっても操作されていないこと、そして他の部分を実行する必要がないことを保証することに重点を置いています。データを適切に抽出するためにテスターにソフトウェアをインストールする必要があります」とロス氏は言いました。 「ファブレスの場合、デバイスは競合他社と同じプロセスラインで稼働していることになります。では、競争上の優位性はどこにあるのでしょうか?それはデータの中にあります。したがって、私たちの考えは、データを標準にパッケージ化することです。それはテスター全員にとっても同じです。データは同じ方法で構造化されており、必要なデータ ソースにパイプされます。その後、標準を介してそのデータをどのようなデータ モデルにも変換できるため、適応テスト用のさまざまなソリューションをすべてネイティブに構築するよりも効率的になります。」
企業は既存の A4 TEMS SEMI 標準を使用しています。これは、半導体用の自動テスト装置テスター イベント メッセージングの仕様であり、このデータ ストリーミング プロトコルとデータの構造が記述されています。 [1] ただし、この標準はデータの保存方法やパッケージ化方法には適用されません。パブリケーション/サブスクリプション モデルを使用して、ユーザーがサブスクライブできる利用可能なデータを表示します。
アダプティブテストに最適な挿入
ほとんどの業界専門家は、適応テストが複数のテスト挿入で使用可能であり、使用されていることに同意しています。いずれの場合も、潜在的な故障の特定が早ければ早いほど、デバイスの品質と製造効率は向上します。
「ウェーハソート、最終テスト、バーンイン、およびシステムレベルテストでの実装を行っています」とNIのシュルデンフライ氏は述べています。 「ウェーハソートでは、テスト漏れのリスクを最小限に抑えながらテスト効率を高め、コストを削減するために、テスト時間の短縮がよく行われます。最終 (パッケージ) テストにも同じ利点がありますが、最終テストでアダプティブ テストを使用するさらに説得力のある理由があります。ウェーハソートでは、ウェーハのテスト完了後にデバイスを再ビン化する統計または AI ベースのアルゴリズムによる後処理 (外れ値検出など) をオフラインで実行できます。アルゴリズムの更新されたビニング結果は、インクレス (デジタル) ウェーハ マップを介して適用できます。対照的に、最終テストでは、ソケットから取り外される前に DUT の最終的なビニング決定を行う必要があり、リアルタイムの意思決定が必要になります。」
アダプティブ テストの初期バージョンでは、テスト時間の短縮がすべてでした。適応テストにより、バーンイン ストレス テストの軽減など、テスト時間の短縮が促進されます。しかし、単純なテスト時間の短縮から、オフラインの ML ベースのモデリングや大規模な品質向上まで大きな進歩を遂げるためには、エコシステムとデータ共有の実践を変える必要があります。
当社の顧客のほとんどは、もはや DPPM や DPPB についてさえ話しません」と Schuldenfrei 氏は述べています。 「いかなる試験逃走も非常に問題があると考えられています。現在、アダプティブ テストには、アダプティブ テスト時間短縮 (ATTR)、アダプティブ テスト拡張、アダプティブ外れ値検出、およびテスト プログラムとテスト プログラム間の正確かつタイムリーなデータ交換に依存するドリフト検出などのさまざまな隣接アプリケーションなど、いくつかの一般的なアプリケーションがあります。外部サービス。」
適応テスト制限調整の最も一般的な例は次のとおりです。 部品平均テスト (PAT) および動的部品平均テスト (DPAT)。 PAT は 1990 年代に遡る統計プロセスで、2011 年に自動車工学評議会 (AEC) によって更新されました。 [1] このプロセスでは、テスト中に収集されたデータに基づいて、テスト対象のロット内の部品の動作に基づいて 1 つ以上のテストの仕様限界を調整 (通常は厳しく) できます。 この調整は、技術的には動作仕様内にあるものの、最終アプリケーションで早期に障害が発生するリスクがある可能性のある外れ値のデバイスをより適切に選別するために行われます。
「PAT と DPAT は長年にわたって業界に十分なサービスを提供してきましたが、今日の高度なコンピューティング機能と分析機能を利用すると、この形式のスクリーニングに伴う歩留り損失の量を同時に削減しながら、リスクにさらされているデバイスを特定するはるかに優れた方法があります」とアドバンテスト社は述べています。執事。
図 2: Iddq 消費テストの結果は、動的部品平均テスト (上) と比較して品質の向上と相関しています。 ML ベースのアルゴリズム (下記) は、真の外れ値を特定し、デバイスを生成する点で優れています。出典: シノプシス
高度なミックスドシグナル チップまたは SoC では、任意の数のオンチップ センサーまたはモニターを使用できます。リングオシレーター、温度センサー、経年劣化センサーなど、ダイの性能を変更したり健全性を監視したりするために使用されるセンサーをダイ全体に埋め込むのが一般的です。 ProteanTecs は、モニター データをデータ分析と関連付けるためのクラウドベースのソフトウェアに加えて、エージェントと呼ばれるオンチップ モニターを提供します。
「一般的なセンサーと測定データには、V が含まれます。分、Fマックス、Iddq、Idd、プロセス リング オシレーター、IR ドロップ検出器、ジッター検出器、熱センサーなど、アナログ/ミックスド シグナル/RF 設計におけるあらゆるアナログ測定」と GF の Carulli 氏は述べています。 「ウェーハレベルでの典型的な外れ値のケースは、V の場合です。分 最近傍残差アルゴリズムで使用されます。モジュールレベルでの典型的なケースは、Iddq 対 F の二変量モデルを使用することです。マックス 異常値の動作を検出するため。
「アドバンテストのより先進的な事例では、デジタル プリディストーション テストを改善するために ACS システムを使用していました」と Carulli 氏は述べています。 「主要な入力は、モデリングと最適化のために隣接するサーバー システムにオフロードされ、その後、最適化された条件がテスターに送り返されて、結果が改善されました。」
別の例には、デバイスの品質を向上させるためにテスト制限を適応させることが含まれます。 「半導体デバイスを作成するときは、複数のプロセス分割を実行することになります。そこでは、エンジニアが意図的にプロセスを変更して、そのデバイスの最悪の場合と最良の場合のパフォーマンスを特定します」とバトラー氏は述べています。 「私はプロセスの幅に基づいて制限を設定するつもりですが、実際には、工場は材料を可能な限り厳密に管理しようとしています。したがって、これらのスペックをどの程度強化するかを示す情報を収集する必要があります。」
同様の進化を指摘する人もいます。 「私たちは従来の D-PAT アプローチのバリエーションを使用しています。なぜなら、それは結果の母集団に基づいているだけであり、ダイの内部で何が起こっているかを実際に理解することができないからです」と Guy Cortez 氏は述べています。 シノプシス。 Idd 消費電流 (図 2 を参照) は歩留まりとの相関関係を示しており、このデータから導出されたアルゴリズムは、オーバーキルとして知られる歩留りを犠牲にすることなく、真の外れ値を優れた識別で提供します。
まとめ
ATE プロバイダーは、リアルタイム適応テストの使用をサポートするインフラストラクチャを構築し、高度な外れ値検出方法を組み込み、デバイスの品質を向上させるためにテスト制限を厳格化しています。オンダイ センサーは個々のダイの動作を捕捉できることが証明されており、高度なモデリングは ML ベースのアルゴリズムによって提供されます。しかし、適応テストに関するロジスティクスは、チップメーカーとファブレス企業の両方の知的財産を保護しながら、重要なデータを暗号化しながら処理する標準的な方法の業界の開発に依存しています。
参考文献
- https://store-us.semi.org/products/a00400-semi-a4-specification-for-the-automated-test-equipment-tester-event-messaging-for-semiconductors-tems
- 部品平均試験に関するガイドライン、自動車技術評議会、2011 年、 AEC_Q001_Rev_D.pdf.
- 半導体向けヘテロジニアス統合ロードマップ、2023 年版、Ch. 17、付録 A、データ分析、https://eps.ieee.org/images/files/HIR_2023/ch17/Ch17-9-A.pdf
関連レディング
IC のテストをより速く、より早く、より良く
なぜテストセルが工場の重要な情報ハブになり得るのか。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源： https://semiengineering.com/adaptive-test-ramps-for-data-intelligence-era/
