20、芯片测试与可靠性研究：多种技术解析

芯片测试与可靠性研究：多种技术解析

1. 晶圆测试数据的统计后处理

1.1 技术背景与意义

在芯片制造过程中，新技术节点的引入往往伴随着低良率、高早期失效率和高缺陷密度等问题。统计后处理（SPP）技术应运而生，它能有效分离缺陷影响与正常晶圆间的差异，为测试和失效分析提供有力支持。例如，LSI Logic 在超过 50%的晶圆起始阶段使用 IDDQ 统计后处理作为异常值筛选方法，在 0.25µm 到 0.18µm 技术过渡时，将早期失效率峰值降低了约一半。

1.2 SPP 原理与关键特性

SPP 基于局部建模，通过相邻芯片估计目标芯片的预期值，进而计算测量残差。关键特性如下：
- 降低残差均值和方差 ：能有效减少健康和故障设备的方差，使阈值设置更简单，异常值识别更轻松。
- 零均值特性 ：由于 SPP 是数据驱动的，对于健康芯片估计，残差均值接近零，可减少工艺波动的影响。

1.3 局部模型选择

• 邻域选择 ：通常采用修改后的最近邻选择方法，选择 8 - 12 个相邻芯片进行估计。
• 估计计算 ：对于 IDDQ 数据，使用邻域测量值的中位数效果较好，因为它对异常值和缺失数据不敏感。
• 稳定性测试 ：通过随机选择邻域芯片计算估计值，观察估计值序列的收敛和稳定性，以评估邻域选择的影响。

1.4 应用结果

<