[发明专利]一种基于机器学习的集成电路ATE自动复测系统及方法

说明书

本发明公开了一种基于机器学习的集成电路ATE自动复测系统及方法，包括测试程序控制器、复测监控程序控制器、预测模型训练控制器，首先根据复测信息对被测器件集进行测试，然后根据测试结果数据，调用预测模型训练控制器生成的预测模型判断被测器件集是否需要复测，若需复测，则将复测信息发送给测试程序控制器；所述预测模型训练控制器用于根据复测数据建立训练数据队列，同时用于根据机器学习方法，生成预测模型，供复测监控程序控制器调用。本发明不仅能够避免芯片损伤，而且提高了芯片良率。

技术领域

本发明涉及一种基于机器学习的集成电路ATE自动复测系统及方法，属于半导体测试技术领域。

背景技术

集成电路测试过程中，经常出现复测的情况。导致复测的原因可能有：

圆片测试(Chip Prober Test,简称CP）过程中探针扎的太轻，或扎偏。

芯片的Wafer（晶片）上存在灰尘、油污导致芯片与探针接触不良。

集成电路自动测试设备(Auto Test Equipment，简称ATE)本身测试稳定性不足，存在误测。

ATE受周围环境干扰（温湿度、电磁等），存在误测。

成品测试(Final Test，简称FT)过程中，电路管脚歪斜、油污等。

对于非芯片自身原因导致的测试失效，需要通过复测，将部分实际为合格的芯片过滤出来，确保良率损失控制在最低限度。

传统测试方法，只能通过在整片Wafer（或整个Lot Wafer)，或整批次成品电路测试完毕后，根据设定的良率下限，当低于下限，将所有测试失效(Fail)的电路进行一次或多次复测，从中将误测的芯片或电路过滤出来，以此降低误测率，提高良率。

该方法存在测试成本高（失效电路的重复测试时间成本，加上人工判断所花费时间成本，转运等时间成本，人工成本等），多次复测导致芯片Pad或电路管脚损伤，电路内部出现损伤等问题。多次复测也存在生产管理系统管理复杂，容易出现混料等管理错误。

实际测试过程中影响被测电路失效的因素较多，导致传统的失效电路分析过程无法由单纯的ATE测试结果进行界定失效是否完全为芯片自身原因导致。而通过传统的测试程序编程，又无法高效的识别出失效的非芯片自身原因（识别过程不能占用太多测试时间）。同时，此类识别过程因为牵涉的影响因素较多，所需的编程知识与能力也有很高的要求，一般的测试工程师无法胜任。

发明内容

发明目的：为了克服现有技术中存在的不足，需要在正常测试程序运行的同时，有一个并行运行的复测监控程序实时对测试程序的测试结果进行分析，并在正常测试程序测试结束时告诉ATE是否需要立刻复测，本发明提供一种能够自动复测、且复测精度高的基于机器学习的集成电路ATE自动复测系统及方法。复测监控程序需要通过机器学习的方法，对一定数量在正常测试过程中失效的电路，在复测后如果又被判断为良品，则提取相关的失效特征,建立分类失效模型，每一类失效模型对应一种或几种失效机制。对于非DUT（DeviceUnder Test,被测器件，简称DUT)本身原因导致的失效，即可判断为需要复测，通知ATE（Auto Test Equipment, 自动测试设备，简称ATE）的测试程序控制器立刻进行复测。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于机器学习的集成电路ATE自动复测系统，包括测试程序控制器、复测监控程序控制器、预测模型训练控制器，其中：

所述测试程序控制器用于根据复测信息对被测器件集进行测试，将测试后的测试结果数据发送给复测监控程序控制器。

所述复测监控程序控制器用于根据测试结果数据，调用预测模型训练控制器生成的预测模型判断被测器件集是否需要复测，若需复测，则将复测信息发送给测试程序控制器。