深度解讀基於ATE的IC測試技術

2020-11-30 電子發燒友

深度解讀基於ATE的IC測試技術

發表於 2017-10-27 15:48:12

  隨著科學技術的發展,IC產業得到了快速的提升,IC的製造複雜度也變得更加嚴格。IC測試也面臨了很多的挑戰,最為典型的就是測試的精確度及穩定性。尤其在量產ATE測試時表現更為嚴重,那我們如何去避免由於測試不穩定而導致反覆重測而浪費大量測試時間呢?

     本文就IC測試的基本參數:電壓、電流、時間、THD等的測試進行深入分析,並舉以實例來說明如何解決此類問題,以供廣大測試工程師參考。

 電壓測試問題

  在IC的測試中,電壓的測試是所有測試參數中最為常見的一種參數,尤其是模擬晶片的測試,電壓測試更顯常見及重要,如:LDO、LED驅動、音頻功放、運放、馬達驅動等很多類型的模擬晶片都含有電壓參數的測試,而且都是其主要性能參數。另外,也有很多其他的參數都是通過電壓的測量來間接得到的,如增益(Gain)、電源電壓抑制比(PSRR)、共模抑制比(CMRR)等。工程師們在調試中也經常會遇到電壓測的不精確或者不穩定的現象,對於測試不精確的問題,目前主要採用correlation的辦法,來調整測試的誤差,但這種方法對於線性的晶片尚可使用,但對於非線性的晶片卻無用武之地。針對測試不穩定的問題,大多採用多次測量取平均值的辦法來解決,但這種辦法也是治標不治本,同樣會給產品的質量帶來隱患。那麼如何解決電壓測試的這些問題呢?以下將具體分析產生這些現象的具體原因,並針對這些原因闡述一些解決辦法。

  晶片工作狀態未完全建立或有震蕩

  一般在開發測試程序之前必須了解所測試的晶片的功能及性能參數,這樣在開發及調試程序時才能心中有數,比如測試LDO的輸出電壓參數,你必須清楚:在當前的輸入及輸出濾波電容之下,它的輸入電壓加上之後,輸出電壓需要多長時間才能達到穩定,而你在程序中設定的等待時間必須大於這個穩定時間,這樣才能做到測試的準確且穩定。當然LDO的輸出穩定時間一般都在微秒級(幾十到上百微秒),所以調試時不太會遇到此類問題,但有的時候我們需要測試晶片內部的基準電壓,但又沒有辦法直接進行測試,只能通過其他的引腳間接測試,如圖1為LED驅動晶片的部分線路圖,

  

  圖1

  我們要測試晶片內部Vref的電壓,但又沒有直接的引腳出來,所以只能通過測試VO端的電壓進行間接測試,但是需要注意的是:如果VO端懸空,沒有任何電流流出,那麼它上面的MOS管則不能正常導通工作,EA1的反饋迴路也不能正常建立,而導致VO端的電壓也不確定,此時測試的VO電壓將不能代表Vref的電壓。所以在測試時,我們必須給VO一定的負載讓MOS管及EA1能夠正常工作,這樣才能正確測試Vref的電壓。

  晶片工作狀態的建立,有時需要比較長的時間,如圖2為一音頻功放(LM4990)的功能框圖及典型應用線路圖,

  

  圖2

  我們在ATE測試時會測試一些靜態直流參數,如bypass、Vo1、Vo2端電壓值,當你仔細研讀此晶片的手冊,你會發現在電源電壓為5V、Cbypass為1Uf時(注意不同的電源電壓及Cbypass電容,其穩定時間也是不同的),bypass端的電壓需要至少100ms才能達到穩定,而Vo1、Vo2端的電壓又受bypass端電壓的影響,所以要想穩定且準確的測試這些直流參數,必須要在晶片上電之後等待100ms以上再進行測試(必須考慮不同批次晶片間的差異,所以在實際測試中的等待時間可在120ms左右),但對於量產測試,測試時間的長短將直接影響到測試效率及測試費用,我們必須縮短測試時間!那麼如何來解決這個問題呢,一般我們可以採用如下兩種辦法:

  第一,可以減小Cbypass的電容,這樣同樣的充電電流及電壓,充電時間會隨著電容的減小而減少,可以使用0.1uF或者更小的電容來替代,此時有些讀者可能會說:這樣做肯定會影響到後面的交流參數(如THD)的測試,沒錯!肯定會有影響!那麼又如何來解決呢?其實很簡單,也可以有兩種解決方案:

  1、通過測試評估,適當調整在0.1uF時的交流參數的測試規範,當測試要求不高時可採用此方案;

  2、通過外加繼電器來選擇測試直流及交流參數時的電容值,但是繼電器的連接方式也是很有講究的,不然也會對交流參數有影響,這在後面的段落中再詳細闡述。

  第二,可以採用預充電的方式對Cbypass進行提前大電流充電,如果bypass端在電源電壓為5V時正常情況下是2.5V左右,我們可以預充電到2.3V,這樣同樣可以節省很多時間,但這種解決辦法必須注意一個問題就是:不要在充電的同時給bypass端帶來額外的幹擾,而導致晶片不能正常工作。

  

  圖3

  震蕩在晶片調試時也是比較常見的現象,由此給晶片測試也帶來諸多問題,引起震蕩的原因有很多:輸出容性負載的大小、阻抗不匹配、不當的反饋迴路等,如圖3為一款LDO(TL431)晶片手冊中的一幅電性能特性曲線及測試圖,圖中明顯規定了輸出容性負載CL的大小範圍,但是我們在實際調試中可能沒有注意到這一點,如果選用的輸出電容不是在晶片穩定所需要的容值範圍之內,那麼輸出就會產生震蕩,導致輸出測試不準且不穩定。所以在此再次提醒大家:在調試之前務必將晶片性能做到比較詳細的了解,以免在後期的調試中浪費大量的時間。

  另外震蕩不光是在晶片正常工作時發生,在靜態時也有可能發生。尤其當你測試放大倍數比較高的運放時,此時的輸入引腳要特別注意,必要時要進行隔離,以免引入不必要的噪聲而導致輸出產生震蕩。

打開APP閱讀更多精彩內容

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容圖片侵權或者其他問題,請聯繫本站作侵刪。 侵權投訴

相關焦點

  • IC測試基本原理與ATE測試向量生成
    而測試向量作為IC測試中的重要部分,研究其生成方法也日漸重要。1 IC測試1.1 IC測試原理IC測試是指依據被測器件(DUT)特點和功能,給DUT提供測試激勵(X),通過測量DUT輸出響應(Y)與期望輸出做比較,從而判斷DUT是否符合格。圖1所示為IC測試的基本原理模型。
  • 基於單目圖像的深度估計算法,大幅度提升基於單目圖像深度估計的精度
    基於單目圖像的深度估計算法,大幅度提升基於單目圖像深度估計的精度 李倩 發表於 2018-06-04 15:46:49 基於視覺的自動駕駛系統需要基於單目攝像頭獲取的圖像
  • 基於深度學習的人臉識別技術全解
    作為最早投入深度學習技術研發的華人團隊,在多年布局的關鍵技術基礎之上,香港中文大學教授湯曉鷗率領的團隊迅速取得技術突破。2012 年國際計算視覺與模式識別會議(CVPR)上僅有的兩篇深度學習文章均出自湯曉鷗實驗室,而在 2013 年國際計算機視覺大會(ICCV)上全球學者共發表的 8 篇深度學習領域的文章中,有 6 篇出自湯曉鷗實驗室。
  • 黃浴:基於深度學習的超解析度圖像技術發展軌跡一覽
    作者 | 黃浴轉載自知乎導讀:近年來,使用深度學習技術的圖像超解析度(SR)取得了顯著進步。本文中,奇點汽車自動駕駛首席科學家黃浴對基於深度學習技術的圖像超解析度技術進行了一次全面的總結,分析了這門技術近年來的發展軌跡。
  • CellPress|單細胞技術和基於深度學習的藥物反應預測
    不僅如此,據調查顯示,單細胞測序分析技術可以使腫瘤對藥物暴露的反應更大。目前,深度學習模型已經能夠從大量複雜的序列數據中提取出特徵,用於預測藥物的反應。論文的作者總結了近來單細胞技術和基於深度學習方法的藥物敏感性預測模型。作者認為,通過利用大規模的序列數據,深度學習模型可以幫助我們更好的利用單細胞數據去完成藥物反應預測任務。
  • Nature子刊深度解讀!基於ctDNA的液體活檢技術在癌症診斷中的應用...
    ,而且越來越多的研究證據揭示了該技術在診斷測試中的能力,ctDNA液體活檢在實體瘤和惡性血液癌症中的診斷、特性分析及管理中的全部潛力將通過評估臨床實用性的介入性臨床試驗來揭示,這篇綜述報告匯總,研究人員討論了ctDNA液體活檢在癌症檢測中的應用以及未來臨床應用的前景。
  • 專家解讀阿法狗原理:是「深度學習」
    它的致命法寶就是模仿人類的「深度學習」工作原理。機器到底是怎樣像人類一樣學習的?有一天它無所不能,人類的未來又將怎樣?北京晨報記者採訪了國內專家進行解讀。  阿法狗原理是「深度學習」  AlphaGo(阿法狗)由位於英國倫敦的谷歌旗下DeepMind公司開發。它的主要工作原理是「深度學習」。
  • 基於深度學習的多目標跟蹤(MOT)技術一覽
    個人認為有這樣嚴格的條件和測試集有關係。因為測試集給的檢測輸入非常的差,誤檢有很多,因此軌跡的產生必須要更嚴格的條件。級聯匹配流程圖裡上半部分就是特徵提取和相似度估計,也就是算這個分配問題的代價函數。關於DeepSORT算法的詳細代碼解讀我比較推薦:目標跟蹤初探(DeepSORT)但關於卡爾曼濾波的公式講的不是很詳細,具體推導可以看看 Kalman Filter 卡爾曼濾波改進策略看到這個DeepSORT的流程圖不知道大家可以想到什麼優化的地方?其實有幾個點是很容易想到的。
  • 技術| 基於深度學習圖像識別的變電站監控系統
    打開APP 技術 | 基於深度學習圖像識別的變電站監控系統 發表於 2019-07-22 08:29:10 基於計算機網絡技術以及無線通信技術和視頻監控技術,研究深度學習圖像識別的變電站基建安全行為監控系統。
  • 基於ZigBee技術的紅外人體探測系統測試
    摘要:為減少城市戰傷亡率,提出了一種基於ZigBee和藍牙技術的紅外人體探測系統運用無線傳感器網絡技術能有效地提高城市戰中精確打擊、重點防禦能力,ZigBee作為現存的最適合於搭建無線傳感器網絡的新興技術,已經受到國內外普遍關注,探索其城市戰應用對提高我軍戰技水平跨躍式發展具有重大的現實意義。筆者以紅外人體探測這一典型應用為突破口,對基於ZigBee技術的紅外人體探系統進行了測試,為實戰應用提供了參考。
  • 深度解析音頻檢測背後的技術|硬創公開課
    本期雷鋒網硬創公開課,我們邀請了極限元智能科技聯合創始人馬驥為大家解讀關於音頻審核背後的技術。嘉賓介紹馬驥:極限元智能科技聯合創始人,曾先後就職於中科院軟體研究所、華為技術有限公司,獲得多項關於語音及音頻領域的專利,資深軟體開發工程師和網絡安全解決方案專家,擅長從用戶角度分析需求,提供有效的技術解決方案,具有豐富的商業交流和項目管理經驗。
  • 深度解析音頻檢測背後的技術 | 雷鋒網公開課
    本期雷鋒網(公眾號:雷鋒網)硬創公開課,我們邀請了極限元智能科技聯合創始人馬驥為大家解讀關於音頻審核背後的技術。今年,相關部門已經針對這些亂象加大了打擊力度,因此基於網際網路直播平臺的有害信息檢測成為重中之重。以圖像識別技術為基礎如何進行鑑黃?
  • 基於深度神經網絡技術的自學習AI智能設備
    隨著網絡犯罪技術繼續加劇網絡威脅,基於AI,機器學習和開源社區的複雜智能攻擊正在增加。隨著數百萬個新應用程式的出現,雲遷移的增加以及連接設備的增加,攻擊的範圍也擴大了,這使得組織難以對可能產生大量潛在入口點的日益增長的威脅做出適當的響應。
  • 基於PXI平臺的下一代半導體ATE解決方案
    實際情況是,通過採用諸如並行測試(也叫多點測試)等技術來提高傳統或「big ATE」測試系統利用率,只會在測試費用方面產生有限的改進,而不真正解決測試系統成本的核心問題基於PXI(Compact PCI Extensions for Instrumentation)數字,模擬和射頻測試產品和系統的最新進展使測試工程師能夠利用PXI平臺滿足一系列ATE設備的測試需求。特別是,PXI數字產品中提供每引腳具備參數測量單元(PMU)功能,現在提供具有高價值和性能的ATE半導體測試功能。
  • 實踐入門NLP:基於深度學習的自然語言處理
    特別是最近兩年,基於深度學習的自然語言處理逐漸取得了一定進展,在人機對話、問答系統、語言翻譯等方向的應用也一直是自然語言處理中的熱門話題,而這些應用的實現,基本依賴於底層技術和模型的進步,再加上自然語言處理領域也算是一個多學科交叉的行業,自然語言處理的未來發展對於很多相關學科和方向都具有深遠的影響力。
  • 滴滴KDD 2019 論文詳解:基於深度價值網絡的多司機智能派單模型
    今年,滴滴共有三篇Oral論文入選KDD2019,研究內容涵蓋基於深度學習方法自動化地生成工單摘要、基於深度強化學習與半馬爾科夫決策過程進行智能派單及模仿學習和GAN在環境重構的探索。本文是對滴滴Oral論文《A Deep Value-networkBased Approach for Multi-Driver Order Dispatching》的詳細解讀。
  • 集成電路IC的EMC測試標準
    北美的汽車工程學會(SAE)建議使用TEM小室進行集成電路的輻射發射的測試。1997年,國際電工委員會IEC第47A技術分委會下屬的第9工作組(WG9)對各種已建議的測試方法進行分析,最終出版了針對組部件級的集成電路的EMC測試的相應的EMI測試標準IEC 61967系列和EMS測試標準IEC 62132系列。這兩個系列的測試又進一步分成傳導和輻射兩大類。
  • 深度解讀晶片測試:三大機器貫穿全流程,國產設備突飛猛進
    公司來自荷蘭,被曝中國員工竊密)(深度解讀晶片刻蝕:國產5nm機器已就緒,2018全球銷售額破歷史新高)(揭秘晶片製造關鍵一環,百億美元市場的光刻膠產業)以下為智能內參整理呈現的乾貨:一、測試設備貫穿生產流程:探針臺、分選機、測試機正如開篇提及,集成電路工藝繁多複雜,其中任何一道工藝出錯都可能導致生產的集成電路不合格,拉低良品率。
  • 英偉達Volta架構深度解讀:專為深度學習而生的Tensor Core到底是...
    之後,英偉達開發博客又更新了一篇深度解讀文章,剖析了 Tesla V100 背後的新一代架構 Volta,其在提供了更好的高性能計算支持之外,還增加了專門為深度學習所設計的 Tensor Core。機器之心在本文中對這篇博客文章進行了編譯介紹,同時還在文中加入了一些機器之心對英偉達應用深度學習研究副總裁 Bryan Catanzaro 的採訪內容。
  • 基於「柔性測試」技術的噪聲源定位分析系統
    1.引言:本文引用地址:http://www.eepw.com.cn/article/194261.htm「柔性測試」技術是以相關技術為依託,滿足測試測量需求的系統設計與實現技術。它以虛擬儀器技術、測試測量技術、機電一體化技術、軟體技術、通信及網絡技術為核心,是現代測試技術的代表之一,它的特點有: (1)適用性:滿足多種測試環境要求,提供多種測試性能,融合多種信號測試能力;(2)靈活性:發揮模塊化、插件化、分布式設計的靈活性,根據客戶需求改變測試系統的功能及性能;(3)可擴展性:跟進相關技術進展,實現測試能力的不斷提高。