采用自适应处理的优势及例子。 量。自适应处理面临挑战之是模拟电路涉及到大量测量在晶圆测试应选用，以达到对于异常值筛选目。因为使用可能数以百计外置屏幕是不可行,个初始设置必须选择,但这可能不是最优，需要调整。等人所描述使用输入字段操作参见图主要文本,在客户返回相关所有测量值。这些测量有很好地与返回部分相关，然后为未来测试使用。对于限制设置,旦组件测量值确定,我们可以评估方程来生成结果,代表了预期值测量。这成为通过失败限制为特定测量问题最后元素在自适应测试过程这个决定。考虑测量进行比较计算极限确定决定是否通过测试。自适应测试阶段不采用自适应适与传统静态测试方法,我们只使用测试执行数据做出通过失败决定。测试极限是独立设置,使用特征数据模型形式和参数是固定。传统固定阈值落入这分类。个值将直接从线性回归些表征样品。在测试中,由最小价值决定,最大计算方程,和测量最大是反对这个价值相比。如果测量值较高参数化。比起传统测试,重点是大大缩短周期时间任何修改,以减少直接输入产品和测试工程人员。图显示了个高级流程图适应性测试。这样个系统核心是个共享数据库和离线分析系统。数据库是建立不仅从信息中获得测试但也从许多其他输入,任何或所有这些可能会影响测试已经完成。例如,个紧急业务需要零部件速度本低比最大可能引发。制造数据表明快或慢可能在很多条件下改变,由速度测试确定是删除或添加。信息从这个数据库。实时分析可能发生在测试单个模,连续模,或在短时间之间窗口如秒内。这样分析是需要允许在测试内容动态变化和流在模水平。还有个重要约束条件是,分析不能显著降低测试。系统显示使全前馈和落后数据和分析结果从任何鉴于测试步骤到另个。虽然没有显示在图中,这个系统将启用多个基于数据分析产品测试流或工艺路线产品。语术自适应以可测试追到篇文溯章里希克辛和格纳在年,在书中,作者们获得数据描述从相邻模来预测设备产量测试。使用这个预测,测试长度或停滞,故障覆盖率可以调节，以获得期望缺陷程度,从而提高测试时间或改进质量相同测试时间。其他早期自适应方法是关于测试时,很明显个固定阈值方法是无效,因为大变化看到在泄漏电流从模到模，而不是有个固定限制,个程序或算法将定义,设定测试极限。参数算法会在期间获取表征然后固定所有模具。在测试执行时,实时响应数据收集测试仪将被用作输入限制设置算法,计算了适当限制在个人模基础上。例子对于当前比率测试比例最大到最小电流,当前签名重要步骤排序电流和变化在电流从个向量到下个，相似概念被应用于最小工作电压测试,得到预测值从测量相邻模这个值成为限制模在测试。这些发展催生概念离群值筛选和数据驱动测试。除了允许变化,异常筛选改变了基础测试,从是否部分良好，是否这个部分是不同,导致部分通过所有测试规范,但拒绝如果他们之外预期分配个或多个参数测量。上述例子说明在测试中使用连续变量参数,比简单通过失败结果好。模拟电路是特别适合这种方法,因为他们通常有大量参数测试,这些参数进行连续值。大量测量代表丰富环境自适应测试,因为很有可能,并不是所有需要测量时间和描述了个方法改编,在这数据收集到个固定样本和过程能力指数肌酸磷酸激酶吗，再根据方程确定每个量。自适应处理面临挑战之是模拟电路涉及到大量测量在晶圆测试应选用，以达到对于异常值筛选目。因为使用可能数以百计外置屏幕是不可行,个初始设置必须选择,但这可能不是最优，需要调整。等人所描述使用输入字段操作参见图主要文本,在客户返回相关所有测量值。这些测量有很好地与返回部分相关，然后为未来测试使用。对于限制设置,旦组件测量值确定,我们可以评估方程来生成结果,代表了预期值测量。这成为通过失败限制为特定测量问题最后元素在自适应测试过程这个决定。考虑测量进行比较计算极限确定决定是否通过测试。自适应测试阶段不采用自适应适与传统静态测试方法,我们只使用测试执行数据做出通过失败决定。测试极限是独立设置,使用特征数据模型形式和参数是固定。传统固定阈值落入这分类。个值将直接从线性回归些表征样品。在测试中,由最小价值决定,最大计算方程,和测量最大是反对这个价值相比。如果测量值较高应。潜在甚至可能有不同模型形式,不只是个用不同参数形式。因为有自适应测试力能变化处理,并考虑了潜在广泛范围测试数据,从其使用许多好处接踵而至。降低测试成本,更好质量和可靠性,提高产量,提高学习效率是其最大好处。减少测试时间是降低测试成本个主要办法。使用自适应测试流导致部分测试就像需要,而不是将整个测试所有零件减少。通过替换固定和自适应限制，加上使用统计后加工,我们提高产量损失减少方差在限制和更清楚区分缺陷人口从没有缺陷零件。获得个清晰视图。看图和图，图显示了为没有缺陷和瑕疵部分分布对于个给定参数。重叠导致产量损失对测试也都有影响，这是有部分缺陷,但有价值参数不到测试限制通过测试,成为测试逃脱。没有缺陷部分有个参数值高于极限舍去。我们还可以降低测试成本,减少测试时间。虽然静态方法很常见,他们不需要把变化考虑在内。明显可以通过调整测试能力,哪些测试我们应用到哪个模。更好质量和可靠性离群值筛选技术依赖于自适应测试原则设置限制和测试后数据分析，从而减少生产更好质量。由于进化自然,自适应检测有提高检测有缺陷零件作用。潜在缺陷可能导致可靠性问题,所以如果我们能确定模,不同于预期内在人口,我们有个方法来检测潜在缺陷。个自适应需测试要收集数据,这样我们可以实现各种算法。个数据结构和控制路径也需要数据分析引擎。这种类型学习会产生基础设施改善,因为它需要大量相同数据产生,通过使用需要数据从个自适应测试,我们可以减少要求特殊测试结构,并使用每个模在个晶片内作为数据源。偏差存在动态特征,这是个很大帮助，这个理念使用测试结果和数据分析确定多个系统组件可变性。试测优化,这是有可能,因为测试成功率可以被监控,可以检测参数设置问题。即时重新测试也可以预定条件下触发。信息前反馈,比如我们可以设置频率范围或起始点搜索基于参数化数据。生产监控和测试报警,例如测试系统采用实时参数数据分析来识别微妙参数变化，这可能是由于边际晶片探针接触导致。测试流程了提出了几个挑战。使用这样个流程,数据集成就需要从生产设备绝对值,测试房屋和其他分包商。同时,个供应链数据集成过程需要随着过程开发自动检测,以便纠正供应链问题。这意味着能够集成多个数据库,有个灵活物流系统,全程参与跟踪在每个测试步骤,在前馈和数据流向后这样个复杂网络系统,实时数据完整性验证非常重要,同样重要是开发标准文件格式和数据表示方式。实时检索历史是要将数据在自适应试测,因为许多可能自适应测试方法使用模级前馈数据,实时统计或反馈数据很多。所有这些将实施重要存储需求,因为完整生产流程将会产生巨量数据。实时数据通信将需要个实时数据接口，这个会对控制测试流程和硬件生成个适应流。数据分析引擎需要测试人员和实时数据通信。从根本上讲,个自适应测试目标是完全自动化数据整合过程，所有原型模型制造和历史材料结合和减少。对每个设备让它做出对如何消耗资源最好，更多工作是需要在算法开发集成和外围仪表,数据质量保证数据通信和交付,和灵活测试流程和制造。所以,每个模是适当筛选以最小成本，来完成工作所需。采用自适应测试在早期阶段,需要更多研究来模拟复杂情况实现。因为过程变化是个不争事实,继续最大化自适应好处是它提供了显著改进和成本节约超过传统处理。指导教师意见指导教师签字年月日系教研室意见主任签字年月日注此表单独作为页。参数化。比起传统测试,重点是大大缩短周期时间任何修改,以减少直接输入产品和测试工程人员。图显示了个高级流程图适应性测试。这样个系统核心是个共享数据库和离线分析系统。数据库是建立不仅从信息中获得测试但也从许多其他输入,任何或所有这些可能会影响测试已经完成。例如,个紧急业务需要零部件速度本低比最大可能引发。制造数据表明快或慢可能在很多条件下改变,由速度测试确定是删除或添加。信息从这个数据库。实时分析可能发生在测试单个模,连续模,或在短时间之间窗口如秒内。这样分析是需要允许在测试内容动态变化和流在模水平。还有个重要约束条件是,分析不能显著降低测试。系统显示使全前馈和落后数据和分析结果从任何鉴于测试步骤到另个。虽然没有显示在图中,这个系统将启用多个基于数据分析产品测试流或工艺路线产品。语术自适应以可测试追到篇文溯章里希克辛和格纳在年,在书中,作者们获得数据描中文字自适应测试处理过程可变性文献名称出处作者起止页码出版日期期刊号年月出版单位本文描述了自适应测试在日益增长需要和成本效益动态测试和有差别地管理生产工艺变化中应用发展。不同程度提出了采用自适应处理优势及例子。最后,对于它未来发展做出了讨论。对设计和测试而言个最大挑战因素就是过程可变性。设备参数是由物理方法设备在生产过程中形成。他们行为是由大量物理属性,包括尺寸,形状,取向,掺杂剂水平。为了小减几何形图,它变得越来越难控制这些属性。例如,个代表纳米晶体管有栅氧化层厚度海里。鉴于个二氧化硅分子约,氧化物厚度只包含四个或五个分子。个分子差异代表着变化。这将转化改变阈值电压阈下泄漏电流和有功电流。随机掺杂剂波动可能导致相当大延迟,而大小和位置引起显著参数变化。虽然果效差异原因可以理解,对硅预测结果是另个重大挑战。设计最坏状况是不现实,因为它会导致不能实现操作,以及过度区和功耗。解决这些问题已经有很多基于统计学设计研究,无论大门水平和高度水平。然而,所有变化和不确定性是不可控,所以测试要求考虑周全。个类似争论在住宿可变性是不足以允许传统警卫带提供有用部分。试测目是为节省成本以及提高幕屏质量和可靠性,维护他们在致水平,同时限制不必要产量损失。传统方法背景下它是非常难去做变