哪些通过测试的芯片还需要更多测试？——通过测试≠可靠，芯片厂商如何筛出高风险器件

要点：

• 通过完全相同测试的芯片可能带有截然不同的可靠性风险，因为边缘性行为往往隐藏在规格限之内。
• 器件级模型、交叉插入数据和物理检查可以标记出可疑的合格芯片，但异常并不等于缺陷的证据。
• 额外的筛选只有在新增测试能以低于其可能避免的失效损失的成本暴露出疑似薄弱点时才划算。

一颗芯片通过了晶圆分选，经过封装组装，又通过了最终测试。其测试结果中没有任何内容让人有理由把它扣留下来。然而，另一颗测试结果几乎完全相同的芯片却可能在现场失效，原因是一种两项测试都未能暴露的薄弱点——可能是微薄的时序裕量、轻微的电阻偏移，或者单独看每一项都显得无害的多项测量值的组合。

制造商面临的难题是，在不重新测试所有产品的前提下，找出哪些合格芯片值得再看一眼。测试工程师一直都知道，合格的结果并不保证终身可靠性。变化的是他们现在能从每个器件身上了解到多少信息。内部参数测量、制造历史和预测模型如今可以在一批合格产品中揭示异常行为，但发现一个可疑器件只是开始。

“测试的成本和测试量正在爆炸式增长，而在系统级测试之前进行测试的能力是一个挑战，”PDF Solutions 产品与解决方案执行副总裁、总监兼联合创始人 Kimon Michaels 说。“当然，最大的挑战之一是，到那个阶段你的供应链中有多少面临风险，或者如果产品在那个阶段失效，你要丢弃多少产品。”

一个边缘性器件未被发现的时间越长，投入其中的价值就越多。但对每个器件进行更彻底的测试并非没有代价。额外的测试图案会占用测试机时间，老化测试会占用设备，已封装的器件可能需要再次机械插入，而拒绝每一个统计离群值会扔掉一些本来合格的芯片。而在账本的另一端，是那些逃逸到客户系统中的器件。

“没有什么比现场失效更昂贵的了，”Michaels 说。“挑战在于，先进工艺节点在某些方面对可靠性失效甚至更加敏感。”

制造测试只能近似芯片在运行中将遇到的条件。电压、温度、时序和工作负载在测试期间是可控的，但在一个完全组装好的系统内部的相互作用却要难以复现得多。

“单个裸片可以通过晶圆分选和最终测试，然后一旦裸片、存储器件、互连、固件和软件协同工作时，行为就可能有所不同，”Teradyne 智能制造产品经理 Eli Roth 说。“我们非常擅长发现硬失效。困难得多的是发现那些符合规格但运行在可靠性边界附近的器件。”

对每一种工作条件组合都进行测试是不现实的，即使是广泛的系统级测试也无法保证每一个薄弱点都会暴露出来。制造商需要一种方法来识别高风险器件，并判断是否有针对性的测试能在出货之前暴露出问题。

器件级模型正在暴露隐藏的离群点
传统的生产测试依赖于既定限值，并为测量不确定性和运行波动预留保护带。统计分析可以标记出接近这些限值的器件，或行为与同一晶圆或批次上相邻器件不同的器件。然而，即使芯片通过了每一项测试，其各项测量值之间仍可能呈现出异常的关系。

针对特定器件的模型提供了识别这些差异的另一种方式。通过将内部参数测量结果与特定器件应有的行为进行比较，工程师可以检测到基于总体的统计方法可能忽略的不一致性。工艺和时序特征可作为预测芯片应有行为的依据，使工程师能够调查预测性能与实测性能之间的差异。这些差异的模式很重要。设计相关的余量限值往往在整个产品群体中一致出现，而材料问题则不然。

“材料引起的变异表现不同。它往往是局部的、不对称的，或在统计上呈离散分布，”proteanTecs 业务开发高级总监 Nir Sever 表示，“可能只有一部分器件、晶圆或裸片上的区域出现加速漂移。退化斜率可能随时间与总体情况偏离。”

局部性或加速性的变化可能预示着正在形成的物理弱点。难点在于判断这种变异是否代表值得调查的可靠性风险，以及是否有其他测试能够揭示与之相关的有用信息。做出这些判断的模型本身也有保质期。

“数据不是静态的，”Michaels 说，“它会漂移。它基于物理规律。工艺会发生变化，你必须在学习重训、监控方式等方面对此保持清醒。”

工艺调整、设备更换和产品改版都可能改变模型所学到的关系。这意味着工程师需要像验证输入模型的测量数据一样严谨地验证模型本身，尤其是当离群点标记可能触发额外筛选或剔除某个部件时。

检测正在解释边缘性的电气行为
某些潜在缺陷并不会产生一致的电气失效。一个受损的互连在室温下可能导电良好，但在热应力或机械应力下变得不稳定。这在先进封装中尤其难以捕捉。部分不润湿、微凸点空洞、分层和翘曲可能不会立即导致失效。

“空洞和不润湿可能削弱互连，但不会立即造成开路，”Nordson Test & Inspection 首席技术工程师 Chris Rand 表示，“凸点高度、焊料体积或互连几何形状的变化可能改变电阻，或产生在负载、温度或搬运条件下发生变化的导通性。”

X 射线或声学检测可以为疑似互连问题提供物理证据，而电气测量则有助于确定观察到的异常是否影响器件行为。这两种技术单独使用都未必能给出完整的诊断。将两者的结果关联起来可以缩小可能的失效机制范围，并帮助工程师选择更有可能暴露该弱点的应力条件。

对比多次测试插入之间的测量结果还能提供另一条线索。芯片可能在每个阶段都通过测试，但其电气特性却在缓慢漂移——这种趋势会被单个的通过/失败判定所忽略。

“无法解释的漂移不是好兆头，”PDF Solutions 的 Exensio Solutions 总监 Greg Prewitt 说。“如果设备就是发生了变化，而你不认为这是测试设置的问题，那就需要更仔细的审查。”

标记该器件并在后续测试插入中携带这一标记，可以让制造商对有可疑历史的器件进行额外的筛选。但工程师首先必须排除温度、校准、接触电阻或仪器配置方面的差异。否则，他们可能一边追查一个健康的器件，一边漏掉测量路径中的问题。

失效机制决定了下一步采用哪种测试
一旦证据指向一个可信的失效机制，问题就变成了哪种额外的测试有合理的机会将其暴露出来。这些选项不可互换。可疑的时序问题可能需要在不同的电压或温度下进行表征。互连问题可能需要电应力或热应力，而可靠性风险特征则可能值得进行老化测试（burn-in）。如果原始测试从一开始就对缺陷不敏感，那么在相同条件下重复该测试意义不大。

老化测试尤其难以抉择。升高的温度和电压可以加速某些失效机制，但该过程会消耗设备时间、电力和产能，而且应力本身也可能影响可靠性。当只有一小部分通过测试的器件存在风险时，一刀切的老化测试就很难被证明是合理的。

“人们对库存的很大一部分、甚至几乎全部进行老化测试，这既昂贵，而且应力本身就可能造成损伤，”Michaels 说。“但一个相当宽泛的模型可以学到这样的洞察：基于工艺加上测试状态的哪个多维部分具有预测能力，以及你可以在哪个最佳点跳过它，把资源集中在那些更边缘、更令人担忧的器件上。”

预测性老化测试利用制造历史和测试数据来识别最有可能从应力筛选中获益的器件。自适应测试采用类似的方法，利用晶圆级和裸片级的结果来决定器件在封装后应如何测试。只要制造商能够保存器件的身份标识并在各工序之间关联测试结果，在一次测试插入中收集的信息就可以影响下一次测试所使用的限值和测试模式。

”我们建立了一种云基础设施，从不同的测试插入中获取数据，并复用在较早的测试插入中收集的数据，以优化先进封装内部的裸片匹配、测试条件，进而优化后续测试插入的良率，“Advantest 的测试技术总监 Fabio Pizza 说。”你可以进行一种自适应测试，以确保在组装后测试器件时，使用的是正确的限值，甚至正确的测试模式。

在现有测试插入点内更改限值或模式，通常比为封装好的器件再增加一道操作的开销更小，后者会带来额外的搬运、设备需求和时间。随着每个器件上投入的附加价值越来越多，经济性也变得更加复杂。与报废一个已组装的多芯片封装相比，一次额外的测试可能并不昂贵，但每一道新增操作都要争夺有限的制造产能。

Teradyne 的 Roth 表示：“从经济角度看，一旦开始将这些器件封装在一起，测试成本与报废成本相比就微不足道了。”

难点在于决定在哪里进行这种额外筛选所产生的价值足以证明其成本的合理性。将晶圆、组装和最终测试的结果关联起来，可以帮助工程师在投入更多制造价值之前识别可疑器件，同时避免那些几乎不提供有用信息的测试操作。几秒钟的针对性筛查可能避免一次昂贵的下游失效，但一次很少发现问题的额外插入操作却会降低吞吐量，而不会提高出货质量。

复测正在带来自身的不确定性
复测有明显的吸引力。如果工程师不信任某个结果，再测一次似乎是一种廉价的保险。但生产测试涉及物理接口，而这些接口并不是被动的。封装好的器件需要以相当大的压力压入插座，以便与数百甚至数千个端子形成接触。触点会磨损，表面会污染，微小的安放偏差会改变电阻，因此即使测试程序完全相同，第二次插入也可能无法复现第一次的测试条件。

“每次把器件放进插座都存在风险，” Modus Test 首席技术官 Jack Lewis 说，“所以复测是个问题。你不希望复测，测试时间太长了。”

反复插入会消耗产能，并使封装暴露于更多的搬运环节。如果问题的根源与接触有关，第二次测试可能产生不同的结果，却无法说明哪次测量更能反映器件的真实状况。此前失败后再次通过的情况尤其模糊。器件可能一直健康，最初的失效只是接触不良所致；也可能带有间歇性缺陷，只是第二次没有暴露出来。如果不保留历史记录就更改 bin 分类，就会丢失区分这些情况所需的信息。

比较探针、测试板和测试机之间的结果，有助于判断失效究竟属于器件还是测量系统。这需要的不仅仅是例行校准，尤其是当测试机的某个资源或载板组件开始漂移接近其工作极限时。

Advantest 的 Pizza 表示：“客户还想做一些专门的测量，来监测整个测试单元是否有任何参数出现偏差，即测试机、载板、探针卡或温控系统中是否有任何资源正在接近极限，从而在测试此类器件时可能产生一些临界情况。”

监测测试机和负载板的表现有助于工程师区分测量环境的变化与硅片本身的变化。当决定一件此前通过测试的器件是否需要更多筛选时，这段历史记录尤为宝贵，因为再次插入测试可能重现症状却无法查明原因。在这种情况下，其他证据已经提出了潜在风险的可能性，因此增加的插入测试应该有真正的机会揭示疑似缺陷，尤其是当器件昂贵或现场故障后果严重时。一种能捕获更多边缘器件但会大幅增加误拒、搬运损伤或测试机占用时间的方法，可能并不值得。

决策延迟正在限制筛选所能捕获的范围
再好的筛选模型，如果答案来得太晚，在实际运行中也会失效。有些生产测试操作在几分之一秒内完成，而在批次已经流转之后才完成的分析，或许有助于未来的工艺改进，却无法改变产生这些数据的器件的处置结果。

从历史上看，测试系统一直围绕保持吞吐量进行优化，有时以牺牲数据的即时可用性为代价。Roth 描述了一家 IDM 客户，其测试基础设施故意将测试数据文件的构建推迟到测试机空闲时进行。这种做法让生产持续运转，但也限制了在问题出现时及时响应的机会。

“在极端情况下，STDF 文件直到整个批次结束才会生成，”Roth 说，“所以如果早期晶圆出了问题，我们无法及时收集或呈现这些数据供任何人采取行动。从历史上看，这就是追求吞吐量时的权衡。”

更早获取信息只是问题的一部分。数据必须与正确的器件相关联，以可用的形式呈现，并在测试程序或制造系统仍能作出响应时送达。在当前测试序列中增加一项额外测量可能相对简单。而将器件路由到另一道工序、将其挂起，或根据流程中其他地方的数据对其进行评估，则复杂得多。

管理这些操作的规则同样需要关注。如果一个模型开始标记越来越多本应通过测试的器件，工程师必须判断是工艺发生了变化、器件变得更边缘，还是模型发生了漂移。据此自动加大筛选力度可能会消耗测试产能却没有提升质量。反过来，当模型得知某项测试很少发现缺陷并建议降低其运行频率时，也存在相应的风险。

对于新芯片设计，建立可靠的基线尤其困难。复杂器件会产生海量的测量数据，但工程师可能缺乏足够的历史信息来判断某个异常结果。没有可靠的参照，即使是精密的模型也难以区分有意义的异常与正常的波动。

“能够准确、基于经验地评估数据，并找出哪些是异常、哪些不是，绝非易事，”Advantest 测试技术总监 Brent Bullock 说。“工程师可能没有可靠的历史数据可供对比，尤其是在测试新芯片设计或转向不同架构时。”

筛选模型需要建立被评估设备及其工作条件下什么 constitutes 正常行为。该基线必须在制造工艺、产品修订和测试条件变化时保持有效。否则，工程师可能因无害的波动而增加测试覆盖范围，或在真正出现弱点时减少覆盖范围。

工程师还需要知道为什么某台设备被选中、什么证据触发了该决定、额外测试发现了什么，以及结果是否支持最初的风险评估。没有这个反馈回路，制造商就会积累难以证明合理且维护成本高昂的筛选规则。有了它，他们可以根据实际结果而不是模型的表面复杂程度来评判筛选。

结论
放行一个临界设备的决定归结为制造商能对它确立什么，以及他们愿意接受多少不确定性。将一个元件标记为有风险并不等于预测故障。风险评分可能证明有理由做进一步表征、采用不同的应力条件，或对一批产品进行更密切的监控，但它并不自动证明有理由报废该部件。一些失效机制在实际生产条件下也难以复现，因此即使选择得当的测试也可能只是减少不确定性而非消除它。

计算还因市场而异。大批量消费设备的供应商可能接受与汽车、工业或其他高可靠性应用供应商不同的测试成本与残余风险的平衡。即使在同一产品系列内，正确的应对也取决于疑似失效机制的严重程度，以及现有筛选方法能在多大程度上暴露它。

随着每台设备的数据越来越多，难题正在从制造商能否多进行一次测量，转变为这次测量是否可能改变结果。制造商花了几十年时间不断提高判断芯片是否合格的能力。现在他们还必须决定哪些合格的芯片值得再看一眼，以及证据何时足够充分可以放行。他们在这一点上做得越好，可能需要的额外测试就越少。

相关文章
当测试单元说谎时
随着裕量缩小且晶片进入昂贵的封装，区分设备失效与测试单元伪像已成为一个首要的经济问题。

智能测试与数据链的碰撞
日益增加的复杂性正在限制机器学习模型有效利用测试数据的能力。

缓解封装级老化测试的压力
在晶圆级采用更多应力测试可以在缩短老化时间、降低成本的同时提升质量。那为什么还没有实现呢？