新智驾按：本文由新智驾编译自 semiengineering，原文标题为 Finding Faulty Auto Chips。由于本文触及诸多技术细节与专业术语，有不妥之处敬请专业读者指责。

作为辅佐驾驶和自动驾驶的关键组成局部，新一代汽车芯片正在疾速推进异常检测技术的开展。

据新智驾理解，半导体设备供给商 KLA-Tencor、半导体数据剖析效劳商Optimal+和EDA巨头 Mentor （2016年被西门子收买）正在扩展异常检测范畴的相关任务。

异常检测技术在各行业曾经运用多年，是保证芯片消费质量零缺陷的次要技术之一，而零缺陷对汽车行业至关重要。

通常来说，异常检测是采用硬件和统计挑选算法来定位的。一些芯片能够会经过各种规范测试，但是有时会表现出功用异常。这种芯片能够会影响零碎功能或招致零碎生效。

异常或缺陷芯片的呈现有诸多缘由，一些潜在牢靠性缺陷在设备发货时不会呈现，但它们在不同环境中会以某种方式激活，最终影响整个零碎的运转。

为了发现芯片呈现的各种成绩，业界多种运用异常检测的办法，如零件均匀测试法（PAT）。

PAT的测试流程如下：

首先，对晶圆停止电气测试；

其次，把硬件和PAT算法组合，检测出违背特定测试标准的异常或毛病芯片；

最初，将异常芯片去除。

*PAT中极限和异常值的图形表示  来源：Automotive Electronics Council

但是，PAT办法很难满足汽车行业的苛刻要求。Optimal+公司CTO Michael Schuldenfrei表示：“汽车和其他类型的关键型设备的半导体产品运用量正在呈指数级增长，这对芯片质量和牢靠性提出了更高要求。PAT等异常检测技术作为保证质量和牢靠性的次要手腕，曾经存在了几十年。但在很多状况下，它们并不是十分无效，在避免漏检方面测试本钱过高。”

漏检是指毛病芯片经过了晶圆厂测试。为了防止这种状况的发作，异常检测专家们开收回了新的更先进的技术来避免芯片漏检及其它成绩。比方，异常检测通常是在芯片封装测试阶段停止，但KLA-Tencor采取了新的处理方案，开发了一种用于在晶圆厂中测试的技术。

虽然如此，该行业仍面临一系列严重应战，次要包括：

• 随着许多先进芯片用于汽车中，迫切需求先进的异常检测算法

• 异常检测技术必需契合辅佐驾驶和自动驾驶技术的开展趋向

• 英伟达和其它没有异常检测经历的IC制造商正在蜂拥进入汽车市场，这意味着他们需求进步学习曲线

此外，飞速增长的汽车半导体市场还面临很多其它应战。除了汽车市场，异常检测也使用在医疗和其它范畴中。依据西门子的子公司Mentor的说法，总体而言，商业性的异常检测软件业务的规模在每年2500万美元到5000万美元之间。Mentor Quantix事业部总经理Bertrand Renaud表示：“这个数字能够仅代表实践软件的三分之一，由于许多大型IDM厂商曾经构建了本人的专有工具，他们的软件没有统计在内。”

目前，KLA-Tencor、Mentor、Optimal+和yieldWerx等公司也在竞争之列。

汽车芯片的开展趋向

2018年，汽车市场能够会放缓增速。

据IHS Markit的数据，2018年老型汽车的全球总销量估计将到达9590万辆，同比2017年增长1.5%。作为比照，2017年同比2016年增长了2.4%。因而，汽车销量的增长如何对应汽车半导体市场增速目前尚不完全清楚。

依据IHS Markit的数据，每辆汽车电子元件的价值将从2013年的312美元增长到2022年的460美元，年复合增长率为7.1%。

“10年前的汽车，只要几百个控制器和其他类型电子元件，如今的汽车能够包括超越3500个半导体产品，这些半导体器件的总本钱正在继续上升。”KLA-Tencor初级营销总监Rob Cappel表示。

通常来说，一辆高端汽车装备超越7000颗芯片。而芯片厂商正在向高端车型中引入14nm和10nm芯片，同时也正在研发7nm芯片。

在汽车范畴，有两个恒定的要素——牢靠性和质量。

关于消费级芯片而言，消费者对缺陷尚有一定的容忍度。但是，汽车芯片对缺陷和毛病则属于零容忍。比方ABS零碎，由于事关人身平安，汽车的牢靠性要求总是更高。

因而，汽车芯片制造商和代工厂必需恪守各种质量规范，如AEC-Q100，这项规范次要触及芯片的生效机理压力测试。

ADAS（初级驾驶辅佐零碎）和自动驾驶汽车对牢靠性的要求愈加严苛。ADAS触及汽车中的各种平安功用，如自动紧急制动、车道检测和前方物体正告。

例如，全球最大的汽车芯片制造商NXP（恩智浦）最近推出了一款用于汽车使用的高分辨率雷达芯片。这款芯片被称为MR3003雷达收发器，是一款77GHz雷达器件。该器件基于硅锗（SiGe）工艺，适用于需求高分辨率和远间隔功用的自动驾驶零碎的前端或转角雷达使用。

此雷达技术可以同时跟踪数千个目的，可以实时感测四周环境，这正是初级别自动驾驶所必需的。

“这些类型的使用对我们和芯片自身都提出了较高的要求。我们十分慎重地设计了零碎外部的平安协议，以便传感器和汽车可以在某些状况下停止自我诊断，”恩智浦ADAS调制解调器产品线副总裁兼总经理Patrick Morgan表示。

无须置疑，汽车平安十分关键。

例如，依据Optimal+提供的数据，奥迪的高档汽车中拥有7000个芯片。假定每个芯片的毛病率到达百万分之一，那么奥迪每消费1000辆汽车就会有7辆毛病车。假如奥迪每天消费4000辆汽车，这意味着，它每个小时都会消费一辆毛病车。

所以，汽车行业正在努力完成零缺陷，但随着零碎、芯片甚至软件变得越来越复杂，这一目的很难完成。

在最新的车辆牢靠性研讨任务中， 市场研讨机构J.D. Power对过来一年2015年款车型和2017年款车型每100辆车遇到的成绩停止了统计调查，后果发现，2017年款汽车全体牢靠性进步了9%，但是各种电子零碎仍然存在成绩。据调查，内置语音辨认和蓝牙衔接是最大的成绩。

呈现的成绩能够与采用最新的半导体器件有关。异常检测中，在晶圆厂处置完晶圆后，首先停止电气测试，然后送到测试部门停止评价。但评价办法只能处理一局部潜在成绩。

“你不能够测试器件的每一条执行途径，也不能掩盖完好的场景。有时分，测试后果也不是很明白。我们只是晓得，目前的办法还不够好。”KLA-Tencor战略协作初级主管Jay Rathert说。

此外，测试能够会发现潜在牢靠性缺陷。“潜在的牢靠性缺陷是指分开了晶圆厂才暴显露来的缺陷，它们在某种水平上是经过环境激活的，包括振动、湿度、电流、电迁移或热量。随着工夫的推移，它们能够暴显露来。”Rathert说。

*随机缺陷 来源: KLA-Tencor

既然如此，为什么不在这些芯片分开晶圆厂之前就检测出来这些缺陷呢？

晶圆厂测试

依据加州大学伯克利分校的统计，一月产5万片晶圆的晶圆厂需求以下设备：

• 50台扫描仪/步进器和晶圆轨道

• 10个高电流离子注入器和8个中等电流离子注入器

• 40台蚀刻机

• 30个CVD工具

晶圆厂普通采用自动化技术分步处置晶圆。一个先进工艺的晶圆制造进程能够有多达600-1000个步骤，甚至更多，相比之下，成熟工艺的步骤更少。

先进工艺中，半导体设备必需处置更小且愈加准确的特征，随着工艺尺寸的缩减，缺陷也变得越来越难找到。

其实，每种使用都有各自不同的缺陷要求。普通来说，面向消费者的OEM们对缺陷的控制要求不是太严厉，但是，在汽车范畴，芯片制造商们必需在其器件的制造工艺中施行愈加严苛的控制措施，并部署继续的缺陷改良方案。

“有一些先决条件（汽车范畴中），”联电副总裁温文婷说。“你必需有一个管理良好的工厂和维护好的工具。 最重要的是，需求一个弱小的质量体系，并贯彻高质量的理念，才干够取得制造汽车产品所需的认证。汽车行业里，质量控制始于工艺设计和工厂规划，并不断延伸到实践消费芯片。”

晶圆厂中，人们运用检测零碎定位晶圆缺陷。普通来讲，芯片制造商不会反省每一片晶圆，由于那样需求很长工夫，而且本钱较高，他们会抽样检测某些晶圆或许局部芯片。

关于消费级芯聚焦消费升级、多维视频、家庭场景、数字营销、新零售等创新领域，为用户提供更多元、更前沿、更贴心的产品，满足用户日益多样化、个性化的需求。片来说，进程复杂。“当我们开发一项技术时，我们会认证它，通常来讲，抽样的样本数量总是无限的。”温文婷表示。

汽车级芯片要求就不同了。“你必需测试少量的样本才干得出毛病率，这个进程的本钱十分高。”温文婷接着说道。“人们正在思索如何在本钱可接受的水平下完成目的，每个方面都存在很多应战。”

一切成绩和应战都是需求少量工夫和资金去处理。假如芯片在经过检测和其它进程之后契合标准，就可以把晶圆从晶圆厂分发到封测厂。

同时，存在的压力就转给封测厂了。为了协助测试，KLA-Tencor设计了一种技术方案来捕获晶圆厂中的成绩。该技术被称为在线零件均匀测试（I-PAT），它应用了PAT的概念。但是，与在测试部门停止的PAT及其变体不同，I-PAT在晶圆厂中执行。

I-PAT不一定会与传统的第三方异常检测供给商竞争。它的目的是提供更多的测试数据，补充既有的测试组合。通常来讲，依然需求执行传统的异常检测。

KLA-Tencor的技术触及硬件和数据剖析软件包。简言之，先把检验数据输出到计算机建模顺序中，然后分解数据，并检查晶圆图上的硅片，最初在晶圆厂的多个反省步骤中查找异常缺陷。

举一个复杂例子，该技术将显示具有五个层的芯片晶圆图，包括源区、栅极、触点层、金属层1和金属层2。假定金属层1上能够会有800个缺陷。计算机从晶圆上随机选择10个芯片，然后，运用各种I-PAT算法，零碎最终确定这10个芯片中有9个存在潜在的牢靠性缺陷。

此进程可反复好几遍。“你可以一遍又一遍反复上述步骤，”KLA-Tencor初级营销总监David Price说。 “经过不时反复，可以看到缺陷的统计性质如何协助你找到有能够包括牢靠性缺陷的芯片。”

I-PAT可用于挑选有成绩的芯片。 另外，这些数据可以与其他异常检测办法结合运用，以改良测试经过或不经过的决策。Price说：“经过在晶圆厂中施行I-PAT技术，你将可以增加传统PAT办法所带来的矫枉过正和缺乏之处。”

晶圆厂到测试厂之路

晶圆从晶圆厂挪动到测试厂后，在那里停止晶圆分类、最终测试，有时也会停止零碎级测试。

反省和测试会发生宏大的数据量。但是，在少量数据面前，如何晓得器件能否仍存在潜在的牢靠性缺陷或其他成绩呢？

其实就是答复为什么汽车OEM们希望他们的供给商在测试进程中执行传统异常检测？

Mentor的Renaud说：“整个晶圆经过测试之后，在晶圆分类中停止的PAT分拣，是在效劳器上作为离线处置完成的。对每个局部停止测试后，最终测试中的PAT分拣是在测试仪上在线执行的，当然，整个流程都是由效劳器管理并控制的。”

实践上，异常检测技术从晶圆厂获得电子数据，然后剖析数据。KLA-Tencor的新技术将向测试混合提供更少数据。“我们可以从KLA等公司的机器中搜集检测数据，”Optimal+的Schuldenfrei说。“将一切数据结合在一同运用，显然会进一步进步检测的精确度。”

PAT是最根本的边界检测方式，应该可以检测出一个超出不合格阈值的芯片。测试阈值可以设置为静态（SPAT）或静态（DPAT）形式。

在SPAT中，测试阈值是基于该批次的数量决议的，在DPAT中，则会在每次晶圆测试时计算阈值。在SPAT和DPAT中，都会执行一个算法，最终得出测试经过或失败的后果。

但是，这些算法能够在某些状况下会失败。有的器件的特征能够和其它器件分明不同，但是它也在合理范围内。有的器件能够是远离正态散布的极端异常。“这种状况能够会严重影响整个特征散布，会漏掉接近特征散布中心的异常。”Optimal+的Schuldenfrei说。

虽然异常检测专家曾经参加了一些顺序来处理这些成绩。但是，多年来，这些芯片变得越来越复杂，因而需求更先进的异常检测技术。

据雷锋网 (大众号：雷锋网) 新智驾理解，有一些基于几何散布、多变量和其它方案的复杂异常检测算法可以和DPAT和SPAT结合一同运用。

一种先进类型的几何散布PAT（GPAT）可以依据它的几何散布临近度来检查芯片质量。

据雷锋网新智驾理解，GPAT有一个复杂版本，称为GDBN。GDBN基于一种理念：缺陷总是趋向于集中呈现在晶圆的某些特定地位上。复杂来讲，缺陷较多的区域能够会找出一些不合格芯片。

还有一种被称为最差残差（NNR）技术。“最差残差技术是在每个芯片的每一次测试中反省一切值，它不只思索全体晶圆，还思索临近芯片的状况。”Optimal+ Schuldenfrei说。

还有一些其他办法，如多变量技术。“天文空间算法反省晶圆上的生效形式，以确定掩模版缺陷和生效芯片的集群。同时，多变量算法测量屡次测试之间的相关性，而不是一次只思索一个测试后果，”Mentor Renaud说。

通常，一切上述办法都可以结合运用。

将来开展趋向

瞻望将来，ADAS和自动驾驶将进一步推进检测技术的需求。Optimal+ Schuldenfrei表示：“随着汽车的自主化水平越来越高，芯片缺陷检测也将变得越来越重要。”

此外，机器学习和人工智能的运算才能与功用也日益弱小，我们置信，它们也会更多地参与到异常检测中来。

最初，把一切的数据集成在一同也许是最大的应战。“想象一下，从芯片获取数据，并将其与多个不同公司的电路板数据关联起来，”Schuldenfrei表示。“ 需求共享数据才干完成更好的异常检测。 ”

PS：看遍这一年中国与全球智能驾驶范畴的技术前沿与商业探究，雷锋网新智驾年度引荐，扫描下图二维码或点击   https://www.leiphone.com/special/custom/AIdrive.html  理解更多信息。

。