產(chǎn)品中心 應用方案 技術文摘質量保證產(chǎn)品選型 下載中心業(yè)內(nèi)動態(tài) 選型幫助 品牌介紹 產(chǎn)品一覽 聯(lián)系我們
- 傳感器+機器學習,節(jié)省測試時間和成本
- 來源:電子工程世界 發(fā)表于 2020/4/8
翻譯自——semiengineering
傳感器的大規(guī)模應用和機器學習的發(fā)展讓集中測試在一些影響力較大的領域成為了可能。
機器學習和集成電路制造設備中結合了更多的傳感器,這為晶圓廠和封測代工廠對于針對性測試和更快吞吐量創(chuàng)造了新的可能性。
這種做法的目的是為了提高質量,降低制造復雜芯片的成本。在最先進的節(jié)點上,制造復雜芯片所需的時間正在增加。隨著晶體管數(shù)量的增加,更多的芯片被添加到電路板或封裝中,這導致了需要更多的時間去測試這些器件,也增加了總體成本,如果測試時間保持不變,就會降低被測設備在其生命周期內(nèi)的可靠性。
所以,我們有必要區(qū)分哪些設備確實需要徹底測試,哪些設備已經(jīng)在硅材料中得到了充分的驗證。這相當于對一個測試套件進行修剪,但是這個需要收集足夠有用的數(shù)據(jù)來進行調(diào)用。在過去這很難做到,但是隨著更多傳感器的參與,生成了更多的數(shù)據(jù),我們就可以更細致的查看數(shù)據(jù)并從中進行有效識別模式。
PDF solutions公司表征解決方案副總裁Dennis Ciplickas說:“如果能建立一個準確率達到99.99%的模型來預測芯片何時會老化,那么你就可以跳過芯片老化的過程,從而節(jié)省成本。”
不管你設定的比例是多少,20%、30%或50%的跳躍率都可以,這將節(jié)省老化成本。而且數(shù)據(jù)越多,預測就越準確。
困難在于如何連接正確的數(shù)據(jù)來實現(xiàn)這一點。所以如果你所有的數(shù)據(jù)都在封測代工廠上運行,從晶圓排序、組裝,到最后的測試都在那里,你就可以整合所有的數(shù)據(jù)并從中做出預測。但如果你在不同的地方進行的這些工序,那就必須從多個地點合并數(shù)據(jù),這就需要一個系統(tǒng)來做到這一點!
老化測試用于檢測芯片中各種元件的早期故障。在過去,這類數(shù)據(jù)是通過數(shù)據(jù)交換共享的,雖然有用,但還不足以消除測試。
Ciplickas說:“最初,數(shù)據(jù)交換網(wǎng)絡背后的初衷是建立一個數(shù)據(jù)庫,這樣你就可以看到你的供應鏈!薄皺C器學習現(xiàn)在可以讓你把許多不同的功能放在一起,來做一些新的事情,比如預測!彼酝ㄟ^從傳感器獲得的數(shù)據(jù),就可以控制老化成本。下一個步驟是使數(shù)據(jù)能夠以連貫、連接的方式一起流經(jīng)不同的站點,通過這些來進行預測。”
實際上,這就是一種將全流程的各種組件描述的更加精細,并精確地消除不必要的測試。
OptimalPlus副總裁兼總經(jīng)理Doug Elder表示: “現(xiàn)在,你可以在進行晶圓排序和最終測試的豎井中連接所有數(shù)據(jù)源,以確定故障來自何處。你可以減少你的測試集和疑似老化的區(qū)域,你也可以運行機器學習算法來修復測試和改進你的方法。”
在過去,在現(xiàn)場實施之后,可能需要幾個月或幾年的時間才能顯現(xiàn)出生產(chǎn)問題。其中一些問題可以通過軟件來解決,比如智能手機的天線問題,在技術被取代之前,這些問題一直運行良好。但隨著越來越多的芯片被用于工業(yè)和汽車應用上,這種方法已經(jīng)不再適用。
Elder表示:“如果你能在檢查中或老化階段發(fā)現(xiàn)這些問題,那么你就能將老化測試時間減少10%到20%!薄斑@對制造商來說是個很大的數(shù)字。
在實時情況下,通過查看自適應測試時間的減少量,估測哪些測試沒有失敗。這樣就可以減少測試時間,并且你可以通過一個閉環(huán)系統(tǒng)將其添加回測試循環(huán)中,該系統(tǒng)可以包含從晶圓排序到最終測試的所有內(nèi)容。此外,重新測試也會增加我們的額外成本。但在損壞之前,你能重新測試多少次呢?其中一個案例:一個設備被重新測試了17次,直到最終通過測試! 可以看出,這對正在測試的設備來說并不是好事,既昂貴又耗時。在晶圓廠,每分每秒都有成本。
更好的數(shù)據(jù),更好的結果
“好的”數(shù)據(jù)在不同的市場可能意味著不同的東西,甚至常常在同一個市場中也是如此。數(shù)據(jù)之所以有用,是因為它對特定的操作、過程或設備都有效。但需要大量的專業(yè)領域知識來做此決定。
yieldHUB首席執(zhí)行官John O’Donnell表示:“我們發(fā)現(xiàn)一些較小的公司并不是在每個領域都有專長!薄坝绕涫窃谄囶I域,有些公司可能在設計方面很強大,但在測試方面就沒那么精通!边@就給復雜的芯片設計帶來了一個問題,久而久之,對芯片來說,問題將變得更加關鍵。但它也突顯了貫穿整個設計到制造鏈的一個挑戰(zhàn),即確保參與其中的人都能理解其他工序的工作。
“有人可能會問,‘我們真的需要把時間花在這塊嗎?重要的是團隊中的每個人都必須看清這一點,” Donnell解釋到:“你可能是某個芯片特定部分的專家,而不是另一個部分的專家,所以你就需要合作和分析,還要在知識庫中進行維護。這使得你對特定領域有了足夠的信心,你可以將你的知識添加到系統(tǒng)分析中,以此減少測試數(shù)量所需的成本。
確保數(shù)據(jù)質量的另一種方法是對數(shù)據(jù)進行連續(xù)饋送。因此,與所有外部數(shù)據(jù)不同,其中一些數(shù)據(jù)可以在設備運行時進行測量。
proteanTecs的首席執(zhí)行官Shai Cohen說:“有了在線數(shù)據(jù),你就能不斷提高性能,做出正確的決定。”“在工序和內(nèi)存中你都可以權衡參數(shù)缺陷。這提供了很高的覆蓋率,但是你需要添加多維代理,這些代理可以通過機器學習進行測量和處理,F(xiàn)在你可以為特定的設計配備代理,重建數(shù)據(jù),以便更好地了解正在發(fā)生的事情!
空空如也,垃圾滿天飛
傳感器不夠精確,不要緊。以波音737 MAX為例,故障傳感器可能是兩起墜機和一系列恐慌背后的罪魁禍首。其中一個問題是,數(shù)據(jù)需要更廣泛地共享,才能識別錯誤,而系統(tǒng)供應商往往將這些數(shù)據(jù)作為競爭優(yōu)勢加以保護。
"在測試方面,我們一般遵循標準化的測試去設計芯片,但原始設備制造商對此缺乏足夠的信任!癗ational Instruments運輸部門首席解決方案經(jīng)理Doug Farrell表示。“他們不愿意分享數(shù)據(jù),這種情況必須改變,因為你不可能在一家公司里擁有一切。在自動駕駛方面尤其如此,一級汽車制造商和原始設備制造商正在進行激烈的競爭!
所以我們只有不斷的測試傳感器,以確保數(shù)據(jù)的質量。
Farrell說:“對于操作車隊的人來說,他們可以在換班結束時對傳感器進行診斷,并對其進行校準!薄昂枚喙咎^了中間步驟,直接從純粹的模擬轉向將傳感器安裝在汽車上,因此診斷是必不可少的!
為防止將來出現(xiàn)問題,數(shù)據(jù)本身也要存儲。
PDF的Ciplickas說:“我們試圖避免的是無聲數(shù)據(jù)的破壞!薄爱斶@種事發(fā)生的時候,你無法預測!
對于安全關鍵型應用程序,結果可能比這糟糕得多,F(xiàn)在,這些設備的功能帶來了責任,而數(shù)據(jù)是確定哪里出了問題以及原因的最佳方法。
OptimalPlus電子部門總經(jīng)理Uzi Baruch表示:“汽車行業(yè)與半導體行業(yè)的根本區(qū)別在于,測試只是汽車行業(yè)的一個載體!薄斑@比你通常在半導體行業(yè)看到的要多,不僅限于電子產(chǎn)品,這是一條完整的裝配線,有多個接觸點!
設計檢查
檢查在高級節(jié)點和某些類型的高級封裝中變得越來越困難。因此,人們要在更多的地方安裝更多的傳感器——無論是在設備中還是在封裝中——并要使這些傳感器更小、更快、功耗更低。
CyberOptics首席執(zhí)行官Subodh Kulkarni表示:“目前晶圓廠和封測代工廠已經(jīng)在進行抽樣檢測!薄艾F(xiàn)在我們正在對封裝進行功能檢查。問題是在我們進行100%的檢查之前會有多少放射性塵埃。但由于封裝太貴了,有必要對其進行合理的成本檢查。”
隨著新材料的引入和新結構的加入,這種檢查會變得更加困難。此外,由于漫射光不同于其他物質,所以不同的材料需要不同的檢查技術。Kulkarni指出,這兩種方法都需要重新校準光學攝像機等檢查設備。
他說:“這讓先進的封裝檢驗和模塊檢驗變得越來越困難,尤其像HBM!薄霸谶^去,2D檢查就足夠了,F(xiàn)在你需要對存儲模塊進行3D光學檢查!
這將花費更多的時間,生成更多需要分析的數(shù)據(jù)。
結論
在制造業(yè)中,將傳感器數(shù)據(jù)和機器學習結合使用的方法剛剛興起,但是提高質量和減少測試時間的機會是巨大的。這也有助于減少冗余的設計,這在部件、功率和重量方面都是難能可貴的。
proteanTecs首席商務官Raanan Gewirtzman表示:“我們的目標是終止增長的冗余!睂τ贗SO 26262規(guī)定尤其重要,因為它需要一定程度的冗余。但我們可以通過增加更好的測量代理來解決!
這需要用一種完全不同的方式來看待和使用數(shù)據(jù),但是以更少的成本提供更好的覆蓋范圍的前景得到了多方的關注,最大的問題是這種方法能擴展到什么程度。
注:本文系網(wǎng)絡轉載,版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題,請第一時間告知賽斯維傳感器網(wǎng),我們將立即刪除內(nèi)容!本文內(nèi)容為原作者觀點,并不代表本站贊同其觀點和對其真實性負責。
賽斯維傳感器網(wǎng)(www.jsxlzzp.com)
- 如果本文收錄的圖片文字侵犯了您的權益,請及時與我們聯(lián)系,我們將在24內(nèi)核實刪除,謝謝!