Cell-Aware故障模型为集成电路生产测试表现——EEJournal Gate-Exhaustive断层模型

在ICs生理缺陷,如短裤和打开时,可以在任何一步出现在生产制造过程中由于现代CMOS技术节点的复杂性。这些生理缺陷的传统测试方法包括结构性测试使用古典断层模型如困在(SA),桥接[1,2]和产品化的缺点[3]。这种方法已经有效地解决缺陷标准电池和缺陷之间的输入和输出端口的细胞库。

然而,困在断层模型检测故障和缺陷不足在细胞(5、6)。传统停留在/过渡测试方法以及低速或gross-delay cell-aware方法无法检测所有cell-internal桥梁缺陷。因此,我们必须从使用inter-cell断层模型intra-cell断层模型。我们发现测试模式的质量明显改善,明确针对cell-internal桥梁缺陷。

停留在模式还不足以检测所有探测cell-internal桥梁缺陷。我们先前的实验显示,只有约50%的今天的标准库细胞与停留在充分保证测试模式。

一个新开发的cell-aware[4]自动测试模式生成(生成)方法开发的导师图形地址cell-internal缺陷和提高了缺陷覆盖率约1.2%相比,缺陷覆盖率与停留在模式实现。这相当于减少400 ppm的逃逸率为50毫米²设计一个假定的收益率为90%;质量是非常重要的市场,ppm目标通常是在单个数字范围和下面,传统上需要添加应用程序模式测试。

最近,我们进行了分析,比较了所需数量的模式集gate-exhaustive模式与cell-aware模式集合。我们评估所需的模式集达到最大可覆盖应用gate-exhaustive和cell-aware断层模型时对1500细胞库的65 nm CMOS技术和工业设计10日。

Gate-Exhaustive Cell-Aware视图生成

我们开始与生成gate-exhaustive cell-aware库视图文件。在这两种情况下,这种模式生成始于一个生成模型生成步骤对所有库细胞使用。

Cell-Aware模型生成流

流生成cell-aware库视图从图书馆的布局视图细胞,例如,细胞的gds2文件。这是紧随其后的是一个模拟故障仿真步骤创建库cell-internal缺陷检查信息。缺陷检查信息矩阵(缺陷)然后输入cell-aware合成步骤,计算每个缺陷细胞内的所有可选的测试数据集。每一个可选的测试数据集只包含必要的输入作业。cell-aware合成步骤的输出的cell-aware视图细胞,这是传递给cell-aware生成时间。

这个库代流只有每个技术节点执行一次。cell-aware创建视图可以用于所有的设计。一代流详细描述[4],如图1所示。

图1:Cell-aware模型生成流。

Gate-Exhaustive模型生成流

流生成gate-exhaustive库视图从图书馆的网表视图单元开始,即。细胞的,Verilog文件。gate-exhaustive库视图的生成显著比cell-aware视图生成简单。唯一需要的是接口描述细胞的信息,也就是说,输入的数量和港口名称。从这个信息,一个简单的工具可以生成细胞的需要详尽的输入数据集。该工具只需要写出一个视图文件以某种格式相当于一个用于cell-aware模型。

结果从CMOS 65 nm图书馆细胞

以下是我们gate-exhaustive与cell-aware评估的细节。我们评估测试模式的数量需要在使用gate-exhaustive断层模型和使用cell-aware断层模型。我们也评估故障模型的缺陷的数量。

Gate-Exhaustive和Cell-Aware模式集

图2中的图表显示了每个库细胞所需数量的测试模式。对于每个单元格,两个值图所示:

cell-aware模式的数量需要检测所有港口停留在错误和cell-internal桥梁从1Ω20 kΩ,
一套详尽的模式和模式在图书馆细胞输入。

图2:许多gate-exhaustive模式与cell-aware每细胞库。

这个评价是进行CMOS 65 nm的所有1500个组合细胞库。

水平轴代表了个人图书馆细胞(细胞1到1500)。纵轴代表了每个细胞所需数量的测试模式。的细胞按降序排序gate-exhaustive模式从左到右数。cell-aware模式显示的数量作为参考。

许多细胞需要gate-exhaustive测试模式明显多于cell-aware模式。最大数量的细胞gate-exhaustive测试模式是一个多路复用器与4的数据输入和选择输入;也就是说,细胞与256 gate-exhaustive将结果输入模式。在其他技术,细胞甚至更多的输入可能是现在,和,因此,gate-exhaustive模式数可以很容易地在其他技术或其他细胞库。

Gate-Exhaustive和Cell-Aware缺陷

看缺陷的数量考虑每个库细胞gate-exhaustive和cell-aware断层模型,我们没有观察到很大的不同评估65 nm的图书馆。

gate-exhaustive缺陷的数量最多的细胞是一个多路复用器与4的数据输入和选择输入,也就是说,一个细胞与8输入导致到256年gate-exhaustive缺陷。相同的细胞有110等效cell-aware缺陷检测1-Ω20-kΩ桥梁。其他技术,或在细胞大量输入,gate-exhaustive缺陷的数量会大大增加cell-aware情况。

工业设计的结果

我们分析了10个不同的工业设计评价模式数和故障覆盖率数据gate-exhaustive和cell-aware断层模型。分析设计范围从小型设计(最小的有75000年盖茨)大的。最大的设计命名为“I6649k”有660万门,45.7万人字拖,4190万年和1011年内部扫描链,导致cell-aware桥梁缺陷和2160万gate-exhaustive缺陷。设计I1652k、I1676k I6649k使用片上测试压缩;因此,这些设计有大量的内部扫描链。

模式计算和测试时间

我们执行两个生成时间为每个运行设计(gate-exhaustive和cell-aware生成时间为每个设计),调查需要多少测试模式测试设计与gate-exhaustive cell-aware模式集。生成结果的数量对模式来测试所有测试的缺点是如图3所示。

图3:许多gate-exhaustive模式与cell-aware /工业设计。

在图3中,可以看出gate-exhaustive模式的数量明显高于cell-aware模式的数量。gate-exhaustive模式相比cell-aware模式的比例平均4比1。注意,测试时间有一个线性关系模式的数量以及测试成本。此外,这位大吃向量记忆会增加测试成本更尽快测试模式不符合向量记忆;而不是使用一个低成本的测试系统,可能需要高成本的测试系统上的这位大的测试时间。

故障覆盖率数据

一种流行的做法是实现故障覆盖率报告来判断测试模式的质量。停留在等建立了故障模型,这是常用且非常可行的。目标或99%通常达到98%左右。同样的适用于最近推出了cell-aware断层模型。gate-exhaustive和cell-aware报道结果如图4所示。

图4:Gate-exhaustive故障覆盖率和cell-aware故障覆盖率。

cell-aware故障覆盖率平均约为98%。gate-exhaustive故障覆盖率平均只有66%。这意味着它是不可能得到一个好的相关性gate-exhaustive故障覆盖率和质量的模式,这是在矛盾cell-aware故障覆盖率,这种相关性可以well-achieved的地方。

结论

我们确定的数量gate-exhaustive测试模式是关于这位比cell-aware测试模式的数量。测试时间和向量记忆受到更大的影响模式集。结果增加测试时间太昂贵的工业生产测试。

在评估CMOS 65 nm的细胞库,最大数量的细胞gate-exhaustive测试模式是一个细胞只有8输入导致到256年gate-exhaustive细胞隔离模式。在其他技术,或在其他图书馆细胞输入,gate-exhaustive模式数量和测试时间的增加可以很容易地明显高于四倍,这将使gate-exhaustive测试更不切实际。另一方面,cell-aware模式设置和测试时间是这位小,但cell-aware模式的质量是相同的gate-exhaustive模式集。

引用

1。K.Y.梅,“桥接和停留在错误”,IEEE计算机,C-23卷(7),pp.720 - 727, 1974。

2。F.J.弗格森和t .生活在“测试模式生成现实的桥在CMOS集成电路故障,”《IEEE国际测试会议,492 - 499年,1991页。

3所示。J.A. Waicukauski, e . Lindbloom B.K.罗森,V.S. Iyengar“过渡故障模拟,IEEE设计与测试的电脑,32-38,页。1987年4月。

4所示。f . Hapke r . Krenz-Baath a . Glowatz j . Schloeffel h . Hashempour Eichenberger,赫拉,d . Adolfsson”Defect-Oriented Cell-Aware工业细胞库和测试生成和故障仿真设计,”《IEEE国际测试会议,1.2,2009。

5。彭慕兰和克里Reddy,”N-detection测试集和变量N-detection故障测试集的过渡,“VTS学报》,第180 - 173页,1999年。

6。f . Hapke w . Redemund j . Schloeffel r . Krenz-Baath a . Glowatz h . Hashempour s Eichenberger”Defect-Oriented Cell-Internal测试,”《IEEE国际测试会议,10.1,2010。

作者的生平

弗里德里希Hapke是德国工程主任导师图形Silicon-Test-Solution部门。他主要是参与研究与开发的新方法和工具,包括defect-oriented测试,IEEE1687,生成时间,逻辑阿拉伯学者,边界扫描和故障诊断。他的兴趣还包括电子设计自动化一般deep-submicron技术。弗里德里希拥有电气工程应用科学大学的文凭汉堡,德国。在加入导师图形之前,他有各种NXP和飞利浦半导体研发管理职位。弗里德里希是作者的许多出版物和拥有超过20项专利设计领域的测试。

Stefan Eichenberger获得了科学(物理)博士学位从苏黎世大学,瑞士。他于1993年加入NXP(飞利浦)。他是一个高级首席工程师NXP半导体,奈梅亨,荷兰。他的研究兴趣包括defect-based测试、诊断、学习和产量。