Yaygın olarak kullanılabilen ve neredeyse sınırsız bilgi işlem kaynakları, gelişmiş algoritmaların kullanılabilirliğiyle birleştiğinde, uyarlanabilir testlerin kapısını açıyor. Ancak bu test yaklaşımının benimsenme hızı, veri paylaşımı ve IP hırsızlığı ve veri sızıntısı potansiyeli konusundaki sürekli endişeler nedeniyle değişmeye devam edecek.

Uyarlanabilir test, test edilen her cihazın (DUT) kalitesini veya maliyetini artırmak için test verilerini ve diğer girdileri kullanarak bir test programında zamanında değişiklikler yapmakla ilgilidir. Onun özünde Yarı iletken cihazların çıkış kalitesini ve güvenilirliğini artırmak için üretim test koşullarını, test içeriğini veya test sınırlarını değiştiren çeşitli yöntemler. Temel fikir, test ihtiyaçlarını tahmin etmek için test cihazı tarafından oluşturulan verileri, kalıp üzerindeki sensörleri veya önceki adımlardan ilgili verileri alarak cihaza yalnızca doğru test içeriğini uygulamaktır. Riskli parçaların güvenilirlik gereksinimlerini karşıladığından emin olmak için testler eklenebilir veya herhangi bir arıza bulunmadığında ortadan kaldırılabilir.

GlobalFoundries'in PostFab Geliştirme Merkezi'nden John Carulli, "İlk olarak 2000'li yıllarda otomotiv cihazları için ortaya çıkan güvenilirlik taramasına yönelik aykırı değer taraması, hâlâ uyarlanabilir testler için temel etken olarak kabul ediliyor" dedi. "Gofret seviyesinde uyarlanabilir test, işlem sonrası bağlamda devreye alınması en kolay ve en kolay testtir. En yeni yazılım ve veri sistemleriyle, sistem testinin yanı sıra levha ve modül çalıştırma eklemeleri sırasında alınacak kararlar için veri beslemek için daha fazla fırsat var."

Uyarlanabilir testler bugün test tesislerinde kullanılıyor ve cihaz kalitesini artırmak için makine öğrenimi tabanlı algoritmalardan ve veri analitiğinden yararlanılıyor, ancak bu büyük ölçüde çevrimdışı bir şekilde gerçekleşiyor.

Exensio Solutions direktörü Greg Prewitt, "Uyarlanabilir test, bir veri popülasyonu etrafında gerçekleşir" dedi. PDF Çözümleri. "İnsanlar genellikle karakterizasyon verilerine geri döner ve bugüne kadar topladıkları zengin üretim verilerini incelerler ve asla başarısız olmayan testlere bakıp iyi mühendislik muhakemesini kullanarak şöyle derler: 'Bu testi başarıyla tamamlayabilirim' bu cihaz için." Test programları revize ediliyor ve uyarlanabilir test süresinin azaltılmasını (ATTR) sağlamak için belirli testleri atlıyorsunuz."

Uyarlanabilir testlerin uygulanmasındaki teknik engeller aşılabilir görünmektedir. Asıl sorun, lojistiğin doğasında olan karmaşıklıktır. Emerson Test & Measurement'ta NI görevlisi olan Michael Schuldenfrei, "Uyarlanabilir testin karmaşıklığının büyük kısmı, verileri doğru yere, doğru zamanda iletme sürecinin düzenlenmesi ve yönetilmesinden kaynaklanmaktadır" dedi. "Örneğin, parçaların bir elektronik çip tanımlayıcıya (ECID) veya başka bir izlenebilirlik yöntemine sahip olduğu varsayılarak, levha sıralamasından elde edilen test verileri, bir dizi parametredeki parametrik sapmayı tanımlamak için son testte kullanılabilir. Bu, geçmiş verilerin test zamanında herhangi bir darbe almadan gerçek zamanlı olarak test programına sunulmasını gerektiriyor."

Schuldenfrei, sektördeki en zorlu zorlukların oldukça ayrıştırılmış altyapıyla ilgili olduğunu belirtti. "Bu, özellikle levha sınıflandırma ve son testin farklı tesislerde gerçekleştiği ve tesisler arasında veri hareketinin güvenli ve güvenilir bir şekilde düzenlenmesini gerektiren durumlarda zorlayıcıdır."

Paylaşmak önemsemektir
Gerekli verileri ihtiyaç duyulan yerde ve zamanda kullanılabilir hale getirmek, günümüzde çok büyük bir engeldir ve bu, öncelikle fabrikasyon-dökümhane modelinin bir sonucudur. Stratejik içerik iş yöneticisi Ken Butler şunları söyledi: "Veri güvenliği, özellikle cihaz sahibinin ve üretim ortağının farklı şirketler olduğu ayrıştırılmış üretim ve test akışlarında, uyarlanabilir testler için büyük bir endişe kaynağıdır." En İyi Amerika.  "Veri ve uygulamaların şirket sınırları dışında paylaşılması gerektiğinde, bu bilgilerin güvenliği çok önemlidir. Advantest'in ACS Gerçek Zamanlı Veri Altyapısı (RTDI) çözümü, özel verileri yetkisiz kuruluşlara ifşa etmeden uyarlanabilir test akışlarını ve gerçek zamanlı çıkarımları gerçekleştirmek için verilerin güvenli bir şekilde paylaşılabilmesini sağlayan çok sayıda özelliğe sahiptir."

Şekil 1: Herhangi bir test ekleme işleminde gerçek zamanlı uyarlanabilir test için veri altyapısı, geliştirilen test verilerini, test programını ve üçüncü taraf veri analitiğini korur. Kaynak: Advantest

Güvenli veri paylaşımı önemli şifrelemeyle başlar. “Bilgiyi taşımak için çok fazla şifreleme kullanıyoruz, ancak sistemin mimarisi, bilgi işlem platformuna bağlı bir klavye olmaması, hiçbir USB çubuğuna izin verilmemesi ve erişimi önlemek için kilitli bir kutuda olması anlamında fiziksel olarak güvenlidir. dedi Butler. "Ve test sürecinin sonunda her şey silinip siliniyor, böylece veriler kayboluyor ve insanların arkadan veri toplaması için herhangi bir alıkoyma olmuyor."

Ancak konu tasarımdan üretime testte veri paylaşımına ve hatta saha veri testine geldiğinde, verileri çeşitli kullanıcılar için bağlama oturtmak için daha fazla çalışmaya ihtiyaç var. Akıllı üretim ürün müdürü Eli Roth, "Veri kullanılabilirliği muhtemelen üzerinde anlaşmamız gereken önemli bir konu" dedi. teradin. Mühendisler, testlerde daha düşük maliyeti etkili bir şekilde sağlamak için bir levha bağlamına ihtiyaç duyarlar. "Özellikle test verilerinin içeriği bazen üst ve alt düzeydeki kişiler için anlamlı olmuyor."

Veri paylaşım protokollerine karar vermek, SEMI'nin Akıllı Yapay Zeka Endüstrisi Danışma Konseyi'nin temel hedeflerinden biridir. Roth, "Şu anda içine girdiğimiz zorluk bu" dedi. "Bu verileri yalnızca kullanılabilir değil aynı zamanda bağlamsal da hale nasıl getirebiliriz?"

Teradyne, son zamanlarda geri besleme ve ileri besleme veya çift yönlü veri akışına önem vererek kendi paralel bilgi işlem platformuna yatırım yaptı. "Gerçek zamanlı uyarlanabilir testin geleceğini bildiğimizden, test cihazından çıkan verilerin orijinal olduğundan, hiç kimse tarafından manipüle edilmediğinden ve başka bir parçayı çalıştırmanıza gerek olmadığından emin olmaya odaklandık. Verileri doğru bir şekilde çıkarmak için test cihazında yazılım var" dedi Roth. “Eğer mükemmel değilseniz, cihazlarınız rakibinizle aynı proses hattında çalışıyor demektir, o halde rekabet avantajınız nerede? Verilerde yatıyor. Dolayısıyla düşüncelerimiz verileri bir standarda paketlemek üzerine. Bu, tüm testçilerimiz için aynı. Veriler aynı şekilde yapılandırılmıştır ve istediğiniz veri kaynağına aktarılır. Daha sonra bu verileri, bir standart aracılığıyla veri modeliniz ne olursa olsun ona çevirebilirsiniz; bu, uyarlanabilir test için tüm farklı çözümleri yerel olarak oluşturmaya çalışmaktan daha verimlidir."

Şirketler, yarı iletkenler için otomatik test ekipmanı test cihazı olay mesajlaşmasına yönelik bir spesifikasyon olan ve bu veri akış protokolünü ve veri yapısını açıklayan mevcut A4 TEMS SEMI standardını kullanıyor. [1] Ancak bu standart, verilerin nasıl saklandığını veya paketlendiğini kapsamaz. Kullanıcıların abone olabileceği mevcut verileri göstermek için yayın-abonelik modelini kullanır.

Uyarlanabilir test için en iyi eklemeler
Sektör uzmanlarının çoğu, uyarlanabilir testin birden fazla test eklemede kullanılabildiği ve kullanılmakta olduğu konusunda hemfikirdir. Her durumda, olası arızalar ne kadar erken tespit edilirse cihaz kalitesi ve üretim verimliliği açısından o kadar iyi olur.

NI'dan Schuldenfrei, "Gofret sınıflandırma, son test, yanma ve sistem düzeyinde test uygulamalarımız var" dedi. “Gofret sınıflandırmasında, testten kaçma riskini en aza indirirken test verimliliğini artırmak ve maliyeti düşürmek için test süresinin kısaltılması sıklıkla kullanılır. Son (paket) test de aynı faydayı paylaşıyor ancak son testte uyarlanabilir testi kullanmak için daha da zorlayıcı nedenler var. Plaka sıralamasında, cihazları yeniden gruplandıran istatistiksel veya yapay zeka tabanlı algoritmalar tarafından yapılan son işlemler (örn. aykırı değer tespiti), plaka testi tamamlandıktan sonra çevrimdışı olarak gerçekleştirilebilir. Algoritmanın güncellenen gruplama sonuçları, mürekkepsiz (dijital) levha haritası aracılığıyla uygulanabilir. Bunun aksine, son testte, DUT için son gruplandırma kararının soketten çıkarılmadan önce gerçekleşmesi gerekiyor, bu da gerçek zamanlı karar almayı gerektiriyor."

Uyarlanabilir testlerin ilk versiyonları tamamen test süresinin kısaltılmasıyla ilgiliydi. Uyarlanabilir testler, daha az yanma stres testi de dahil olmak üzere test süresinin kısaltılmasını kolaylaştırır. Ancak basit test süresinin kısaltılmasından çevrimdışı makine öğrenimi tabanlı modellemeye ve büyük ölçekli kalite iyileştirmelerine kadar önemli ilerleme kaydetmek için ekosistemin ve veri paylaşımı uygulamalarının değişmesi gerekiyor.

Müşterilerimizin çoğu artık DPPM ve hatta DPPB hakkında konuşmuyor" dedi Schuldenfrei. "Herhangi bir test kaçışı son derece sorunlu kabul ediliyor. Günümüzde uyarlanabilir test süresinin azaltılması (ATTR), uyarlanabilir test artırma, uyarlanabilir aykırı değer tespiti ve test programı ile test programı arasında doğru ve zamanlı veri alışverişine dayanan sapma tespiti gibi çeşitli bitişik uygulamalar da dahil olmak üzere, uyarlanabilir testin birçok yaygın uygulaması bulunmaktadır. harici hizmet.”

Uyarlanabilir test limitleri ayarlamasının en yaygın örneği parça ortalama testi (PAT) ve dinamik parça ortalama testi (DPAT). PAT, geçmişi 1990'lı yıllara dayanan ve 2011 yılında Otomotiv Mühendisliği Konseyi (AEC) tarafından güncellenen istatistiksel bir süreçtir. [1]  Bu süreçte, test sırasında toplanan verilere dayanarak, test edilen partideki parçaların davranışına dayalı olarak bir veya daha fazla testin spesifikasyon sınırlarını ayarlayabilirsiniz (genellikle sıkılaştırabilirsiniz).  Bu ayarlama, teknik olarak işletim spesifikasyonları dahilinde olan ancak son uygulamada erken arıza riski taşıyabilecek potansiyel aykırı cihazların daha iyi taranması için yapılır.

Advantest'ten şunları söyledi: "PAT ve DPAT sektöre yıllardır iyi hizmet vermiş olsa da, günümüzün gelişmiş bilgi işlem yetenekleri ve analizleri sayesinde, risk altındaki cihazları tanımlamanın ve aynı zamanda bu tür taramayla ilişkili verim kaybı miktarını azaltmanın çok daha iyi yolları var." Kahya.

Şekil 2: Iddq tüketim testi sonuçları, dinamik parça ortalama testine (yukarıda) kıyasla gelişmiş kaliteyle ilişkilidir. ML tabanlı algoritma (aşağıda), gerçek aykırı değerleri ve sonuç veren cihazları belirlemede daha iyidir. Kaynak: Özet

Gelişmiş bir karışık sinyal çipi veya SoC, herhangi bir sayıda çip üzerinde sensör veya monitör kullanabilir. Halka osilatörleri, sıcaklık sensörleri, yaşlanma sensörleri ve diğerleri gibi performansı değiştirmek ve kalıbın sağlığını izlemek için kullanılan sensörlerin kalıbın her yerine yerleştirilmesi yaygın bir uygulamadır. ProteanTecs, monitör verilerini veri analitiğiyle ilişkilendirmek için bulut tabanlı yazılıma ek olarak Aracılar adı verilen çip üzerinde monitörler sağlar.

“Ortak sensör ve ölçüm verileri şunları içerir: V_dk,F_maksimumGF'den Carulli, "Iddq, Idd, proses halkası osilatörleri, IR düşme dedektörleri, titreşim dedektörleri, termal sensörler - analog/karışık sinyal/RF tasarımlarındaki tüm analog ölçümler" dedi. “Gfret seviyesindeki tipik bir aykırı durum V ile olabilir._dk en yakın komşu artık algoritmasıyla kullanılır. Modül seviyesindeki tipik bir durum, Iddq ve F için iki değişkenli bir modelin kullanılması olabilir._maksimum Aykırı davranışı tespit etmek için.

Carulli, "Advantest'in daha gelişmiş bir örneği, dijital ön distorsiyon testini geliştirmek için ACS sistemini kullanmaktı" dedi. "Modelleme ve optimizasyon için önemli girdiler bitişik sunucu sistemine aktarıldı, ardından optimize edilen koşullar, daha iyi sonuçlar için test cihazına geri gönderildi."

Başka bir örnek, cihaz kalitesini artırmak için test sınırlarının uyarlanmasını içerir. Butler, "Yarı iletken bir cihaz oluşturduğunuzda, mühendisin bu cihazın en kötü ve en iyi durum performansını belirlemek için süreci kasıtlı olarak değiştirdiği birkaç süreç bölümü çalıştıracaksınız" dedi. “Sınırlarımı proses genişliğine göre belirleyeceğim ancak gerçek şu ki fabrika, malzemeyi mümkün olduğu kadar sıkı bir şekilde kontrol etmeye çalışacak. Dolayısıyla bu özellikleri ne kadar sıkılaştırmanız gerektiğini söyleyen bilgileri toplamanız gerekiyor."

Diğerleri de benzer gelişmelere işaret ediyor. Guy Cortez, "Geleneksel D-PAT yaklaşımının bir varyasyonunu kullanıyoruz çünkü bu sadece sonuçların popülasyonuna dayanıyor ve bu da zarın içinde neler olup bittiğine dair gerçek bir anlayış sağlamıyor" dedi. Synopsus. Idd tüketim akımı (bkz. şekil 2) verimle bir korelasyon göstermiştir ve bu verilerden türetilen algoritma, aşırılık olarak bilinen verimden ödün vermeden gerçek aykırı değerlerin üstün şekilde tanımlanmasını sağlar.

Sonuç
ATE sağlayıcıları, gelişmiş aykırı değer tespit yöntemlerini birleştirerek ve cihaz kalitesini artırmak için test sınırlarını sıkılaştırarak, gerçek zamanlı uyarlanabilir testlerin kullanımını desteklemek için altyapı oluşturuyor. Kalıp üzeri sensörler, bireysel kalıbın davranışını yakalayabildiklerini kanıtlıyor ve gelişmiş modelleme, ML tabanlı algoritmalar tarafından sağlanıyor. Ancak uyarlanabilir testlerin etrafındaki lojistik, endüstrinin hem çip üreticilerinin hem de fabrikasız şirketlerin fikri mülkiyetini korurken kritik verileri şifrelemek ve işlemek için standart yöntemler geliştirmesine bağlıdır.

Referanslar

1. https://store-us.semi.org/products/a00400-semi-a4-specification-for-the-automated-test-equipment-tester-event-messaging-for-semiconductors-tems
2. Parça Ortalama Testi Kılavuzu, Otomotiv Mühendisliği Konseyi, 2011, AEC_Q001_Rev_D.pdf.
3. Yarı İletkenler için Heterojen Entegrasyon Yol Haritası, 2023 Baskısı, Bölüm. 17, Ek A, Veri Analitiği, https://eps.ieee.org/images/files/HIR_2023/ch17/Ch17-9-A.pdf

İlgili Okuma
IC'leri Daha Hızlı, Daha Hızlı ve Daha İyi Test Etme
Test hücreleri neden fabrikanın kritik bilgi merkezi haline gelebilir?

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://semiengineering.com/adaptive-test-ramps-for-data-intelligence-era/