[发明专利]基于深度学习的集成电路测试异常分析系统及其方法

说明书

本发明提供一种基于深度学习的集成电路测试异常分析系统及其方法，经过对测试过程中累积的历史测试数据进行深度学习反复训练，可根据学习与训练情况自动优化参数设置，并通过实时的测试数据时进行测试异常预警预判及早干预，避免测试异常发生，对发生的异常自动识别测试异常解决方法予以提示，减少不同技术员处理测试异常的时间，提高整体机台有效利用率，降低测试成本。

技术领域

本发明涉及集成电路测试技术和测试硬件领域，特别涉及一种基于深度学习的集成电路测试异常分析系统及其方法。

背景技术

集成电路测试是对集成电路或模块进行检测，通过施加激励给被测集成电路，然后将集成电路的输出响应和预期输出比较，以确定或评估集成电路元器件功能和性能的过程，是验证集成电路设计、工艺制造、封装等各环节，以保证集成电路质量的重要手段。集成电路测试开发主要包括测试硬件设计与测试程序开发，完成后对测试环境、测试硬件、测试程序等进行验证，验证通过后进行固化，然后采用集成电路自动测试设备(ATE)、集成电路成品测试用机械手(Handler)、集成电路晶圆测试用探针台(Prober)等设备对集成电路进行自动化量产测试，以提高生产测试效率。

在测试过程中，难免会发生测试异常，例如硬件异常、软件异常和良率异常。其中硬件异常包括测试夹具(Socket)、测试探针卡(ProberCard)、测试负载板(Loadboard)等异常；软件异常包括测试程序、测试配置调用等异常；良率异常包括测试总良率低、Site2site良率差异大等异常。这些异常导致不能正常量产测试，很多异常不容易提前发现，使得在异常发生时造成直接停产。在异常发生时需要生产技术人员进行干预处理，解决异常问题以使得可以继续量产测试，但是，技术员解决异常的经验与能力直接决定了异常处理花费的时间与量产测试恢复的快慢和测试产出直接相关。

发明内容

本发明的目的在于提供一种基于深度学习的集成电路测试异常分析系统及其方法，对集成电路测试异常进行预警预判及早干预，并提出测试异常的解决方法，从而减少测试异常的处理时间，提高整体机台的有效利用率，降低测试成本。

为了解决上述问题，本发明提供一种基于深度学习的集成电路测试异常分析方法，包括以下步骤：

S1：数据收集模块收集测试数据，其中，所述测试数据包括历史的测试数据和实时的测试数据；

S2：第一输入层对历史的所述测试数据进行格式转化以及特征提取，预处理子模块对实时的所述测试数据进行预处理；

S3：神经网络子模块采用神经网络对特征提取后的历史的所述测试数据进行深度学习和训练，以获得一个训练好的神经网络，并将预处理后的实时的所述测试数据输入至训练好的所述神经网络中进行运算处理，以得到测试异常预警信息和已发生测试异常的解决方法；以及

S4：人机交互模块接收所述测试异常预警信息和已发生测试异常的解决方法，并进行测试异常预警及解决方法的显示。

可选的，S3包括：

S31：第二输入层接收特征提取后的历史的所述测试数据，并将其发送给中间层，所述第二输入层还接收所述预处理子模块预处理后的实时的所述测试数据；

S32：采用神经网络对特征提取后的历史的所述测试数据进行深度学习和训练，以获得一个训练好的神经网络；以及

S33：输出层接收所述中间层输出的测试异常预警信息和已发生测试异常的解决方法，并将其发送给人机交互模块。

进一步的，经过神经网络的学习获得所述中间层的输出数据y1满足以下公式：

y1＝F(x,{W_i})；

其中，x为中间层输入的历史的测试数据；Wi为第i层网络。

进一步的，经过一个两层的神经网络的学习获得所述中间层的输出y1为：