16-集成电路测试基础-测试数据分析.pptxVIP

集成电路测试基础——测试数据分析

PART1图形化测试数据分析PART2GRRPART3TCSPART4PATSYA

概述2这里主要是针对测试机本身的测试数据分析以及验证样管的数据分析。通过对测试数据的分析，来定位和解决问题。哪些情况需要这些数据分析：1、判断测试数据是否“正常”；2、需要验证测试机资源板卡的一致性；3、需要验证软件版本的对测试数据的影响；4、需要验证应用资源的一致性(转接板、连接线、LoadBoard、DUTCard，Sockets以及测试程序等)；5、和客户比对样管GRR数据的问题。

PART1图形化测试数据分析3CONFIDENTIALPROPRIETARY图形化的数据分析，是解决一眼看去就不合理的问题。

4SPC控制图正常的SPC控制图是使用管制限代替规格限的，但是对于我们的测试数据分析来说，不考虑制程以及DUT产品的影响，所以，直接使用规格限。左边就是一个实际的数据，一个测试项循环测试100次的数据。很明显，第一个数据是偏低的。SPC图上，可以很明显的看到数据的波动以及数据的趋势。

5SPC控制图比如左侧的测试项，明显可以看到测试结果随着测试次数的增加而增大。在控制图上，可以明显的看到这种趋势。控制图，看波动与趋势。可以设置不同的延时时间间隔，来重复测试相同的测试项，再来比较，这样可以判断是否是延时时间间隔不足，导致测试结果呈现某种趋势。也可以调整程序内部的延时，重复测试相同的测试项，再进行比较。

6直方图直方图看分布。同样是上一页的测试项，这里看一下直方图。可以看到，数据是左偏的。与控制图对比一下，可以看到数据分布偏离中心的原因。

7直方图左图是之前的第一个测试项，可以看到有数据偏离了正态分布(-3σ到3σ)的范围。对于大多数的参数测试来说，在正常的测试情况下，测试结果应该满足正态分布。不是所有的测试结果一定满足正态分布，但是不满足的时候，需要确认一下原因。

8箱线图箱线图主要看数据的分散性，对比多组数据的分散性时，箱线图比直方图更直观。

9箱线图对比相同数据的箱线图和管制图，可以看到，B的数据存在问题。

10散点图散点看相关，散点图主要是检查两个测试项目的关联性。散点图是同一个器件的两个测试项目之间的关联性。比如某些器件的测试项目之间有关联性，但是在测试异常时，可能破坏这种关联性；又或者本来没有关联性，但是因为测试电路短路或者漏电等，造成两个测试项有关联性。比如一个测试项可以影响另外一个测试项，可以考虑看一下相关性。

11总结当测试完一组数据或者几组数据时，可以导入到数据分析软件中，检查一下各种图形化显示的结果是否正常。使用哪一种图形，取决于你想要的看的重点。图形化更多的是提供一种直观的图形，而更精确的判断是与否，则需要数据化。

PART2GRR12CONFIDENTIALPROPRIETARY详细解释各个公式的算法以及优劣。

13做GRR的前提条件这部分之前一直是忽略的，但是经过几次客户工程师的误判之后，还是要了解一下为什么我们的测试数据很稳定但是无法通过GRR测试。GRR的最终结果是%GRR，是GRR除以一个值，然后得到的一个百分比。那么除以的这个值是什么？1、制程总偏差2、规格公差如果使用制程总偏差，那么只要选择几个偏差很小的样品来做，就可以保证GRR是过不去的，所以知乎上有人说做MSA是良心活如果使用规格公差，但是规格特别严，甚至规格都在3σ以内，那么当EV*6.0再除以这个规格公差时，结果也一定很差。这些都与GRR的计算方法有关，后面把一些条件分散到计算方法中。

14GRR的计算方法常规的GRR计算就两种方法：1、均值—极差法，用极差估算总体的标准差2、方差分析法，用方差估算总体的标准差这些都需要一点点概率统计的知识，理工科的同学都有学习过《概率论与数理统计》。先说均值—极差法，首先要了解极差。

15极差极差也就是全距，就是一组数据的最大值减去最小值。极差和总体的标准差之间有一定的关系，因此可以用极差来估计总体的标准差。

16极差与总体标准差极差是可以估算总体的标准差的，那么这个dn是多少？这个计算还是查表比较简单。会查表确认客户的dn是否正确就好了。当然，有时候找的表可能也有点印刷错误，比如左图的n=22时的数据就是错的……

17d2的估算很多时候，找不到这个表，(找到了也可能某个值印刷错了)网络上的又不确定对不对，怎么估算d2的值呢？1、dn(n)是R对全体标准差的倍数，那么生成n组均值为0，标准差为1的数据，比如说10000个(理论来说要无穷大)。2、计算每组数据对应序号的所有数