CN117471288B - 测试数据的自动化分析方法、装置、电子设备及存储介质 - Google Patents
测试数据的自动化分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117471288B CN117471288B CN202311764466.4A CN202311764466A CN117471288B CN 117471288 B CN117471288 B CN 117471288B CN 202311764466 A CN202311764466 A CN 202311764466A CN 117471288 B CN117471288 B CN 117471288B
- Authority
- CN
- China
- Prior art keywords
- test
- coefficient
- test data
- parameter
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 404
- 238000004458 analytical method Methods 0.000 title claims abstract description 92
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000007405 data analysis Methods 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 230000005856 abnormality Effects 0.000 claims abstract description 26
- 238000009826 distribution Methods 0.000 claims description 70
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 12
- 239000006185 dispersion Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000003491 array Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 241000213006 Angelica dahurica Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101100168115 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) con-6 gene Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
- G01R31/2894—Aspects of quality control [QC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本公开提供了一种测试数据的自动化分析方法、装置、电子设备及存储介质,其中,该方法包括:获取多个芯片对应的测试数据集,测试数据集中的每条测试数据用于表征对应芯片在不同测试参数下的测试值;基于各个芯片在不同测试参数下的测试值计算测试数据集对应的至少一个准确系数,准确系数用于评估测试数据的异常程度;基于至少一个准确系数确定针对多个芯片的测试数据分析结果。本公开在测试数据出现异常的情况下,通过准确系数可以很好的对多个芯片,特别是批量芯片所存在的问题进行评估,且基于准确系数所得数据分析结果可以更为精准的呈现异常状况,整个分析过程无需人工参与,省时省力。
Description
技术领域
本公开涉及测试分析技术领域,具体而言,涉及一种测试数据的自动化分析方法、装置、电子设备及存储介质。
背景技术
目前,芯片的质量大多通过一组单位不同、类型各异的测试数据反映。对于批量芯片而言,要对数以千记测试数据快速分析以及时掌握芯片情况。
在实际分析中,需要分析不同电性测试所获取测试数据的相关情况,以此找出异常数据的芯片删除或者重新测试。例如通过人工查看电性测试数据以确定是否存在数据异常。
然而,由于芯片制作产能较大,尤其是对于型号、种类较多的大批量芯片,人工查看并分析数据,效率尤为低下,且检测准确性也不高,无法满足芯片的实际产能需求。
发明内容
本公开实施例至少提供一种测试数据的自动化分析方法、装置、电子设备及存储介质,能够针对芯片的测试数据进行自动化分析,无需人工参与,省时省力。
第一方面,本公开实施例提供了一种测试数据的自动化分析方法,包括:
获取多个芯片对应的测试数据集,所述测试数据集中的每条测试数据用于表征对应芯片在不同测试参数下的测试值;
基于各个芯片在不同测试参数下的测试值计算所述测试数据集对应的至少一个准确系数,所述准确系数用于评估测试数据的异常程度;
基于所述至少一个准确系数确定针对所述多个芯片的测试数据分析结果。
在一种可能的实施方式中,所述基于各个芯片在不同测试参数下的测试值计算所述测试数据集对应的至少一个准确系数,包括:
针对不同测试参数中的目标测试参数,基于各个芯片在所述目标测试参数下的测试值,确定针对所述目标测试参数的测试数组;
基于不同测试参数确定的各个测试数组进行统计学运算,确定所述测试数据集对应的至少一个准确系数。
在一种可能的实施方式中,所述基于不同测试参数确定的各个测试数组进行统计学运算,包括:
针对所述各个测试数组中的目标测试数组,基于所述目标测试数组所包括的各个测试值确定对应的统计学参数值,所述统计学参数值包括峰度、偏度、分布系数和标准差中的一个或多个;
基于所述目标测试数组对应的统计学参数值,确定所述目标测试数组的准确系数,作为所述测试数据集对应的一个准确系数。
在一种可能的实施方式中,在所述统计学参数值包括峰度、偏度、分布系数和标准差的情况下,所述确定所述目标测试数组的准确系数,包括:
获取针对所述峰度确定的第一参数系数、针对所述偏度确定的第二参数系数、针对所述标准差确定的第三参数系数、以及针对所述分布系数确定的第四参数系数;
基于所述峰度及其第一参数系数之间的乘积运算确定第一运算因子,以及,基于所述偏度及其第二参数系数、所述标准差及其第三参数系数、以及所述分布系数及其第四参数系数之间的加权求和运算确定第二运算因子;
基于所述第二运算因子与所述第一运算因子之间的比值运算,确定所述目标测试数组的准确系数。
在一种可能的实施方式中,按照如下公式确定所述目标测试数组的准确系数:
;
;/>;
用于表征四个所述统计学参数值分别对应的参数系数。
在一种可能的实施方式中,所述确定所述目标测试数组的准确系数,包括:
获取针对所述目标测试数组的增益系数,所述增益系数由所述偏度、所述分布系数以及所述目标测试数组内的参数值数量来确定;
基于所述增益系数与所述第二运算因子与所述第一运算因子之间的比值运算结果,确定所述目标测试数组的准确系数。
在一种可能的实施方式中,在所述统计学参数值包括峰度和偏度的情况下,所述方法还包括:
基于所述峰度与所述偏度判断所述目标测试数组内的测试值是否符合正态分布;
基于正态分布判断结果确定针对所述多个芯片的测试数据分析结果。
在一种可能的实施方式中,在任一芯片的任一测试参数具有多个测试值的情况下,所述方法还包括:
针对所述任一芯片的任一测试参数,基于所述多个测试值确定针对所述测试参数的一致性系数,所述一致性系数由所述测试参数对应的最大值、最小值、平均值及分布系数来确定;
基于所述一致性系数确定针对所述任一芯片的测试数据分析结果。
在一种可能的实施方式中,所述基于所述至少一个准确系数确定针对所述多个芯片的测试数据分析结果,包括如下方式中的一种:
在判断出任一所述准确系数超出预设值的情况下,确定所述多个芯片中存在测试数据异常的分析结果;
在判断出针对所述多个芯片当前时刻确定的第一准确系数与历史时刻确定的第二准确系数之间的差值超出预设差值的情况下,确定所述多个芯片中存在测试数据异常的分析结果。
在一种可能的实施方式中,所述方法还包括:
从预设的多层级异常提醒策略中确定与所述测试数据分析结果适配的异常提醒策略;
按照确定的所述异常提醒策略进行异常提醒。
第二方面,本公开还提供了一种测试数据的自动化分析装置,包括:
获取模块,用于获取多个芯片对应的测试数据集,所述测试数据集中的每条测试数据用于表征对应芯片在不同测试参数下的测试值;
计算模块,用于基于各个芯片在不同测试参数下的测试值计算所述测试数据集对应的至少一个准确系数,所述准确系数用于评估测试数据的异常程度;
分析模块,用于基于所述至少一个准确系数确定针对所述多个芯片的测试数据分析结果。
第三方面,本公开还提供了一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如第一方面及其各种实施方式中任一项所述的测试数据的自动化分析方法。
第四方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如第一方面及其各种实施方式中任一项所述的测试数据的自动化分析方法。
采用上述测试数据的自动化分析方法、装置、电子设备及存储介质,在获取到多个芯片对应的测试数据集的情况下,基于各个芯片在不同测试参数下的测试值计算测试数据集对应的至少一个准确系数,并基于至少一个准确系数确定针对多个芯片的测试数据分析结果。这里的准确系数用于评估测试数据的异常程度,也即,在测试数据出现异常的情况下,通过准确系数可以很好的对多个芯片,特别是批量芯片所存在的问题进行评估,且基于准确系数所得数据分析结果可以更为精准的呈现异常状况,整个分析过程无需人工参与,省时省力。
本公开的其他优点将结合以下的说明和附图进行更详细的解说。
应当理解,上述说明仅是本公开技术方案的概述,以便能够总体了解本公开的技术手段,进而依照说明书的内容予以实施。为了让本公开的上述和其它目的、特征及优点能够更明显易懂,以下特举例说明本公开的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍。此处的附图并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,附图仅示出了本公开的某些实施例,因此不应被看作是对保护范围的限制,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。而且在整个附图中,用相同的标号表示相同的部件。在附图中:
图1示出了本公开实施例所提供的一种测试数据的自动化分析方法的流程图;
图2示出了本公开实施例所提供的测试数据的自动化分析方法中,数据分析结果的展示示意图;
图3示出了本公开实施例所提供的测试数据的自动化分析方法中,数据分析结果的展示示意图;
图4示出了本公开实施例所提供的一种测试数据的自动化分析方法的应用流程图;
图5示出了本公开实施例所提供的一种测试数据的自动化分析装置的示意图;
图6示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,本公开可以以各种形式实现,而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整传达给本领域的技术人员。
在本公开实施方式的描述中,应理解,诸如“包括”或“具有”等术语旨在指示本说明书中存在所公开的特征、数字、步骤、行为、部件、部分或其组合,并且并不排除存在一个或多个其他特征、数字、步骤、行为、部件、部分或其组合的可能性。
除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
术语“第一”、“第二”等仅为了便于描述而用于区分相同或相似的技术特征,而不能理解为指示或暗示这些技术特征的相对重要性或者数量。由此,由“第一”、“第二”等限定的特征可以明示或者隐含地包括一个或者更多个这一特征。在本公开实施方式的描述中,除非另有说明,术语“多个”的含义是两个或多于两个。
经研究发现,目前为及时准确掌握正在测试中的芯片的情况,对测试数据的分析是必不可少的。以芯片的二次筛选行业为例,因为需要测试的芯片种类繁多,单批次数量多少不一,报告数量繁多,人工查看分析数据,效率太低,且准确度不高,无法达到及时发现实验异常的情况。
此外,在二次筛选中,从程序开发时,需要对程序测试稳定性和准确性分析,需要人工分析样件多次的数据,分析时间较长,且繁琐。在批量测试时,若出现异常情况时,也需要人工分析各个阶段的实验数据,效率较低,且分析效果一般。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个,本公开提供了至少一种自动化分析测试数据的方案,无需人工参与,省时省力。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种测试数据的自动化分析方法进行详细介绍,本公开实施例所提供的自动化分析方法的执行主体一般为具有一定计算能力的电子设备,该电子设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、用户终端、个人数字助理(Personal DigitalAssistant,PDA)、手持设备、可穿戴设备等。在一些可能的实现方式中,该自动化分析方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1,其示出了本公开实施例提供的测试数据的自动化分析方法的流程图,所述方法包括以下步骤S101~S103:
S101:获取多个芯片对应的测试数据集,测试数据集中的每条测试数据用于表征对应芯片在不同测试参数下的测试值;
S102:基于各个芯片在不同测试参数下的测试值计算测试数据集对应的至少一个准确系数,准确系数用于评估测试数据的异常程度;
S103:基于至少一个准确系数确定针对多个芯片的测试数据分析结果。
为了便于理解本公开实施例提供的测试数据的自动化分析方法,接下来首先对该方法的应用场景进行简单说明。这里的自动化分析方法可以应用于各种业务领域的芯片测试,例如,在芯片生产厂商出售芯片之前,可以基于本公开提供的自动化分析方法进行芯片测试,以内部把控芯片质量,除此之外,还可以帮助客户筛选异常情况,在实际应用中,不仅适用于二次筛选行业,也适应于一次筛选行业,具有广泛的应用前景。
这里所获取的测试数据集对应的是多个芯片在不同测试参数下的测试值,具体可以是以“条”的方式确定的测试数据,例如一条测试数据可以是{测试参数1:测试值1;测试参数2:测试值2……测试参数n:测试值n}。在实际应用中,被测芯片的数量与测试数据的条数相一致,但不排除一个测试参数具有多个测试值的情况。
上述测试值可以是在不同的测试条件下对应芯片管脚返回的值。以运行在自动测试机(Automatic Test Equipment,ATE)上的程序执行芯片测试为例,根据芯片的产品手册中的参数规定,此程序控制机台对被测芯片施加测试应力(电压、电流、逻辑波形等),然后回读芯片输出的信息(电压、电流、逻辑波形等),这些输出信息可以作为测试值。
需要说明是,本公开实施例实际所采用的测试值可以是剔除失效数据之后的数据。在具体应用中,将合格数据转存至其他文件中,并将机台数据自带的一些无关数据剔除。原始数据可不做修改,这是因为原始数据中的失效数据产生的原因有以下几点:(1)被测芯片本身故障;(2)测试时芯片和测试机台未接触良好;(3)因测试程序不稳定,导致测试不过,多次测试可以通过。鉴于本公开实施例提供的自动化分析方法主要分析测试合格数据中是否存在离散、假性通过(器件实际有问题,但是测试值还在规定判据内)、假值(即机台程序设置问题或者机台硬件偶发故障导致测试值非真实值)等情况,所以这里可以只处理分析通过的数据,通过计算所有通过的数据之间的分布情况,给出该份数据的合理情况评价。
为了实现自动化的测试数据分析,这里可以基于各个芯片在不同测试参数下的测试值计算测试数据集对应的至少一个准确系数,不同的准确系数可以在不同的测试参数下评估对应测试数据的异常程度,进而可以实现更为针对性的异常评估。基于各个准确系数还可以确定针对多个芯片的测试数据分析结果,这里的分析结果可以是针对批量的多个芯片得到的汇总后分析结果,无需人工分析多次的数据即可以实现更具针对性、更为高效的异常分析。
本公开实施例中的有关测试数据分析不仅可以是基于准确系数的分析,还可以是针对一个芯片在一个测试参数下的多个测试值所确定的一致性系数的分析,除此之外,还可以是有关正态分布的相关分析,具体可以结合实际的应用需求来确定,这里不做具体的限制。
考虑到准确系数的确定对于实现测试数据分析的关键,接下来将重点说明计算准确系数的具体过程。
本公开实施例可以按照如下步骤计算测试数据集对应的至少一个准确系数:
步骤一、针对不同测试参数中的目标测试参数,基于各个芯片在目标测试参数下的测试值,确定针对目标测试参数的测试数组;
步骤二、基于不同测试参数确定的各个测试数组进行统计学运算,确定测试数据集对应的至少一个准确系数。
其中,这里的统计学运算主要是确定包括峰度、偏度、分布系数和标准差等在内的统计学参数值的过程,基于这些统计学参数值可以确定针对各个测试参数所确定的各个测试数组的数据特性,进而实现全面的数据分析,具体可以通过如下步骤来实现:
步骤一、针对各个测试数组中的目标测试数组,基于目标测试数组所包括的各个测试值确定对应的统计学参数值,统计学参数值包括峰度、偏度、分布系数和标准差中的一个或多个;
步骤二、基于目标测试数组对应的统计学参数值,确定目标测试数组的准确系数,作为测试数据集对应的一个准确系数。
本公开实施例中,可以将原始数据中所有的测试参数分别放到单独的数组中,在实际应用中,将各个芯片的测试值按照对应参数,对应管脚,单独提取到一个数组中,然后针对此数组进行处理,测试参数的数量对应所形成数组的数量。
需要强调说明的是,本公开实施例中的统计学参数值包括但不限于峰度、偏度、分布系数和标准差,还可以包括对应数组的平均值、最大值、最小值、绝对最大偏差等。
针对任一测试数组而言,基于上述各个统计学参数值可以确定其准确系数,包括如下步骤:
步骤一、获取针对峰度确定的第一参数系数、针对偏度确定的第二参数系数、针对标准差确定的第三参数系数、以及针对分布系数确定的第四参数系数;
步骤二、基于峰度及其第一参数系数之间的乘积运算确定第一运算因子,以及,基于偏度及其第二参数系数、标准差及其第三参数系数、以及分布系数及其第四参数系数之间的加权求和运算确定第二运算因子;
步骤三、基于第二运算因子与第一运算因子之间的比值运算,确定目标测试数组的准确系数。
其中,有关峰度和偏度是衡量数据分布是否具有正态性的指标,在峰度较大(例如大于3)时说明数据有比正态分布更高的尖峰,即数据分布更加集中,在峰度较小(例如小于3)时,说明数据分布具有比正态分布更低的尖峰性,即数据分布更加分散;在偏度越大时,一定程度上说明分布形态偏移程度越大,等于0则说明分布形态和正态分布偏度相同。
具体可以按照如下公式分别确定峰度及偏度/>:
;/>;
其中,代表期望值,/>分别代表均值和方差。
有关标准差可以是归一化之后的标准差,用于描述的是各测量点偏离测量列平均值的程度,在实际应用中,可以将测试数组内的每个测试值除以平均值,而后计算对应的归一化后标准差。
有关分布系数则基于最大值、最小值/>、平均值/>来确定,用于确定数据分布情况;
具体可以按照如下公式分别确定分布系数:
;
对于评估测试数组的上述四个统计学参数值而言,为了进一步评估数据的异常情况,这里可以结合参数系数的加权实现更为精准的异常评估,具体可以通过如下公式来实现:
;
其中,;/>;
用于表征四个统计学参数值峰度/>、偏度/>、归一化标准差及分布系数/>分别对应的参数系数。
考虑到在实际确定准确系数的过程中,有关测试数量等可能产生的影响,本公开实施例可以结合增益系数确定准确系数,具体参见下述公式:
其中,增益系数主要由偏度、分布系数以及目标测试数组内的参数值数量来确定。
为了便于进一步理解上述准确系数的确定过程,接下来可以结合各参数系数及增益系数/>进行示例说明。
其中,作为常数系数,可以根据实际情况进行设置,例如可以取=1.3,/>=10,/>=400,/>=0.15,这里主要是为了在进行准确系数计算之前将各统计学参数划分到同一参考水平上。
另外,作为增益系数,当偏度绝对值大于允许最大偏度,并且分布系数大于允许最大分布系数时,/>的值为设置的增益值(Set_gain1),否则为/>= 1;并且允许最大偏度、允许最大分布系数、设置的增益值(Set_gain1)受样本数量影响。
具体规则可以参见如下表格所示:
可见,基于上述表格可以确定针对任一测试数组的增益系数。
此外,为了进一步确保所计算准确系数的精准度,本公开实施例还可以设置如下计算规则:
(1)为防止峰度参数出现异常大值导致计算结果偏差过大,所以设置以下规则:样本数量大于500只时,峰度最大值取15,即实际值大于15后,按15计算;样本数量小于500时,峰度最大值取10,即实际值大于10后,按10计算。
(2)考虑到在实际测试时,很可能出现输入高低电平漏电流、静态功耗、高阻态漏电流等实测值接近0的数据,在计算归1标准差计算时,若机台实际测试存在精度问题,会出现归1标准差较大的情况。为防止归1标准差出现异常值,所以设置如下规则:当实测值的最大值和实测值的最小值的差值小于0.1时,将限制归1标准差的上限,如当归1标准差计算值大于0.03时,按0.03计算。同时,此种情况下,也可能出现分布系数较大的情况,所以限制分布系数的上限为30,即大于30取30;小于30取真实值。
(3)实际测试时,确实存在有些类型的参数实测值分布范围较广,但是从直方图中分析比较符合正态分布的情况,但是归1标准差会比较大,所以针对此类型情况,进行优化:例如当峰度在2到5之间,偏度绝对值在1.5以内时,限制归1标准差的最大值为0.03,即当归1标准差计算值大于0.03时,按0.03计算。
除此之外,本公开实施例还可以结合各个统计参数值的灵活选择确定更为精准的准确系数。
基于确定出的准确系数可以实现针对多芯片的测试数据分析,例如,在判断出任一准确系数超出预设值的情况下,确定多个芯片中存在测试数据异常的分析结果;再如,在判断出针对多个芯片当前时刻确定的第一准确系数与历史时刻确定的第二准确系数之间的差值超出预设差值的情况下,确定多个芯片中存在测试数据异常的分析结果。
在实际应用中,若是首次比对,根据已经计算出的峰度、偏度、分布系数和归1后的标准差四项系数,计算数据的“准确系数”,根据准确系数,及预设的阈值进行判断,超出阈值,则认为数据异常,需要人工复核,排查异常情况。
此外,若已经分析过同型号的数据,则对比当前数据和之前测试的数据的“准确系数”,若差值在2倍以上,则作警告提醒。
本公开实施例提供的自动化分析方法除了可以基于准确系数直接进行异常数据分析,还可以结合正态分布判断结果来同步分析,具体参见如下步骤:
步骤一、基于峰度与偏度判断目标测试数组内的测试值是否符合正态分布;
步骤二、基于正态分布判断结果确定针对多个芯片的测试数据分析结果。
在实际应用中,可以采用的标准为判断峰度在2到4之间,偏度绝度值在1以内即认为符合正态分布。
为了进一步提升本公开实施例所提供的自动化分析方法的适用性,这里还可以结合同一测试参数的多参数值的情况进行分析,具体包括如下步骤:
步骤一、针对任一芯片的任一测试参数,基于多个测试值确定针对测试参数的一致性系数,一致性系数由测试参数对应的最大值、最小值、平均值及分布系数来确定;
步骤二、基于一致性系数确定针对任一芯片的测试数据分析结果。
这里,若针对一个测试参数具有多个测试值,则可以对多个测试值进行分析比对,判断多个测试值之间是否有离散的情况,因为在实际测试数据中,即使是同一个参数,多个管脚之间测试数据可能会出现离散情况,即不同管脚之间存在离散的可能性。但是同一批次的器件,同一个参数下的多个测试值的离散情况应该一致,所以此项检查,会计算每只器件测试数据中单项参数包含多个测试值(如单个参数存在多个管脚的测试值的情况)之间是否离散,对单只器件的单项参数对比,计算该项参数的一致性系数,具体可以按照如下公式确定同一测试参数对应的一致性系数:
;
其中,分布系数由同一测试参数的多个测试值所对应的最大值/>、最小值、平均值/>来确定,即/>,标准差/>为上述测试值对应的归一化标准差。
这里,在一致性系数超出预设阈值(如5)时,可以确定测试值存在明显离散,可以进行报警;反之,在未超出预设阈值时,可以确定测试值的离散情况较为正常。
对于上述涉及到的各种测试数据分析结果,本公开实施例可以根据指定的规则,将测试结果保存,生成图标的原始数据同样保存,以数据形式保存,不以图片格式保存,这样,在通过界面打开时,直接显示图片,进而实现节省空间,方便大批量数据存储。
这里的输出规则例如可以是:将分析的数值按照型号、时间、保存至excel表格中,并将参数名,归一化之前的平均值、最大值、最小值,归一化之后的标准差,分布系数保存,作为数据库使用。这样,当下次遇到同型号数据时,此项参数可以作为对比参考依据。
本公开实施例提供的自动化分析方法还可以通过预设的多层级异常提醒策略进行异常提醒。具体来说,针对一份测试数据集还可以按照如下评价结果进行提醒:
(A)测试数据离散度较小,且符合正态分布,数据无异常(可提示PASS通过);(B)测试数据离散度较大,但符合正态分布,数据无异常(可提示WARNING警告);(C)测试数据离散度较小,但不符合正态分布,数据无异常(可提示PASS通过);(D)测试数据离散度较大,且不符合正态分布,请检查!(可提示PASS FAIL失败);(E)测试数据和之前测试数据分布差异较大,请注意!(可提示WARNING警告);(F)测试数据同项参数,不同管脚之间测试值差异较大,请注意!(可提示WARNING警告)。
在上述示例的提醒策略中,A、B、C、D项仅出现一项,E、F项可以和A、B、C、D四项同时出现。
有关离散度的判定例如可以是在准确系数绝对值小于等于20时,确定数据离散度较小;有关判断是否符合正态分布,采用标准为判断峰度在2到4之间,偏度绝度值在1以内即认为符合正态分布;有关和之前数据的离散值对比,确定离散度差异是否较大;此外,根据同一参数,不同数据之间的一致性系数可以判断参数的测试值之间是否差异较大。
需要说明的是,在基于ATE上的程序进行芯片测试时,一方面可以手动运行上述分析方法,即,针对需要单独分析的数据,可以从手动运行处选择指定文件,进行处理;另一方面还可以定时自动运行,如设置默认为晚上10点自动启动运行,检查当天新生成的测试数据文件,并将分析结果自动保存至以当天日期命名的文件夹下。
在实际应用中,可以采用txt格式、word格式、excel表格式的数据文件,以适配针对STS6100机台、STS8205机台、STS8300机台、STS8207机台、JC-3166机台的自动处理软件,后期根据需求可以适配更多种类的测试机台的测试数据。
在运行本公开实施例提供的自动化分析方法之后,为了方便检查人员更直观地定位问题,各项参数的分布情况可以以直方图显示在一张大图中,如图2所示为待测批量芯片在示例的9个测试参数(如第一测试参数CON1、第二测试参数CON2、第三测试参数CON3、第四测试参数CON4、第五测试参数CON5、第六测试参数CON6、第七测试参数VRST、第八测试参数VOH、第九测试参数VOL)下分别确定的数据分布情况。
此外,还可以针对上述9个测试参数分别确定批量芯片对应的准确系数(如图3所示),与此同时,还可以通过“PASS!”、“FAIL!”等展示信息进行异常提醒或正常通过的提示,例如,在第七测试参数下存在异常的准确系数(该准确系数指向对应的芯片),进而可以索引到对应的异常芯片以进行针对性的异常处理,可视化程度更高,实用性更佳。
在实际应用中,可以标注显示异常参数的曲线,此外,将明显的离散数据在直方图中标注,并显示出测试值,方便在原始数据中查找和定位。
若是自动运行时,还可以生成一个清单,方便相关人员检查测试异常数据。
这里,针对PASS数据,会自动将分析结果保存至数据库中,针对FAIL和WARNING数据,会有提示是否将分析结果保存至数据库中,并且也可以直接通过excel表格打开分析结果数据库,对其中内容进行修改,删除、新增等操作。
为了便于进一步理解本公开实施例提供的自动化分析方法,可以结合图4所示的流程图进行具体说明。
如图4所示,对于待处理的测试数据文件而言,可以将数据文件中的合格数据转存至另一个文件夹以便进行单独处理。
针对单个参数可以确定是否有多个测试值,若存在多个测试值,则可以针对这一单一参数进行一致性系数的运算,有关运算过程在此不再赘述;而对于不存在多个测试值的参数而言,这里可以分别确定对应的测试数组继而进行数组内的统计学参数分析,以确定包括准确系数、正态分布情况在内的数据分析结果,对于异常情况可以执行报警,进而可以很好的满足种类繁多的批量芯片的自动化测试需求。
在本说明书的描述中,参考术语“一些可能的实施方式”、“一些实施方式”、“示例”、“具体示例”、或“一些示例”等进行的描述意指结合该实施方式或示例所描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施方式或示例中,而且上述术语未必表示相同的实施方式或示例。而且,所描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施方式或示例以及不同实施方式或示例的特征进行结合和组合。
关于本公开实施方式的方法流程图,将某些操作描述为以一定顺序执行的不同步骤。这样的流程图属于说明性的而非限制性的。可以将在本文中所描述的某些步骤分组在一起并且在单个操作中执行、或者可以将某些步骤分割成多个子步骤、并且可以以不同于本文中所示的顺序来执行某些步骤。可以由任何电路结构和/或有形机制(例如,由在计算机设备上运行的软件、硬件(例如,处理器或芯片实现的逻辑功能)等、和/或其任何组合)以任何方式来实现在流程图中所示出的各个步骤。
本领域技术人员可以理解,在上述具体实施方式中描述的方法中,各步骤的撰写顺序并不意味着严格的执行顺序,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与测试数据的自动化分析方法对应的自动化分析装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述自动化分析方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图5所示,为本公开实施例提供的一种测试数据的自动化分析装置的示意图,装置包括:获取模块501、计算模块502、分析模块503;其中,
获取模块501,用于获取多个芯片对应的测试数据集,测试数据集中的每条测试数据用于表征对应芯片在不同测试参数下的测试值;
计算模块502,用于基于各个芯片在不同测试参数下的测试值计算测试数据集对应的至少一个准确系数,准确系数用于评估测试数据的异常程度;
分析模块503,用于基于至少一个准确系数确定针对多个芯片的测试数据分析结果。
采用上述测试数据的自动化分析装置,在获取到多个芯片对应的测试数据集的情况下,基于各个芯片在不同测试参数下的测试值计算测试数据集对应的至少一个准确系数,并基于至少一个准确系数确定针对多个芯片的测试数据分析结果。这里的准确系数用于评估测试数据的异常程度,也即,在测试数据出现异常的情况下,通过准确系数可以很好的对多个芯片,特别是批量芯片所存在的问题进行评估,且基于准确系数所得数据分析结果可以更为精准的呈现异常状况,整个分析过程无需人工参与,省时省力。
在一种可能的实施方式中,计算模块502,具体用于按照如下步骤基于各个芯片在不同测试参数下的测试值计算测试数据集对应的至少一个准确系数:
针对不同测试参数中的目标测试参数,基于各个芯片在目标测试参数下的测试值,确定针对目标测试参数的测试数组;
基于不同测试参数确定的各个测试数组进行统计学运算,确定测试数据集对应的至少一个准确系数。
在一种可能的实施方式中,计算模块502,具体用于按照如下步骤基于不同测试参数确定的各个测试数组进行统计学运算:
针对各个测试数组中的目标测试数组,基于目标测试数组所包括的各个测试值确定对应的统计学参数值,统计学参数值包括峰度、偏度、分布系数和标准差中的一个或多个;
基于目标测试数组对应的统计学参数值,确定目标测试数组的准确系数,作为测试数据集对应的一个准确系数。
在一种可能的实施方式中,在统计学参数值包括峰度、偏度、分布系数和标准差的情况下,计算模块502,具体用于按照如下步骤确定目标测试数组的准确系数:
获取针对峰度确定的第一参数系数、针对偏度确定的第二参数系数、针对标准差确定的第三参数系数、以及针对分布系数确定的第四参数系数;
基于峰度及其第一参数系数之间的乘积运算确定第一运算因子,以及,基于偏度及其第二参数系数、标准差及其第三参数系数、以及分布系数及其第四参数系数之间的加权求和运算确定第二运算因子;
基于第二运算因子与第一运算因子之间的比值运算,确定目标测试数组的准确系数。
在一种可能的实施方式中,计算模块502,具体用于按照如下公式确定目标测试数组的准确系数:
;
;/>;
用于表征四个统计学参数值分别对应的参数系数。
在一种可能的实施方式中,计算模块502,具体用于按照如下步骤确定目标测试数组的准确系数:
获取针对目标测试数组的增益系数,增益系数由偏度、分布系数以及目标测试数组内的参数值数量来确定;
基于增益系数与第二运算因子与第一运算因子之间的比值运算结果,确定目标测试数组的准确系数。
在一种可能的实施方式中,在统计学参数值包括峰度和偏度的情况下,分析模块503,还用于:
基于峰度与偏度判断目标测试数组内的测试值是否符合正态分布;
基于正态分布判断结果确定针对多个芯片的测试数据分析结果。
在一种可能的实施方式中,在任一芯片的任一测试参数具有多个测试值的情况下,分析模块503,还用于:
针对任一芯片的任一测试参数,基于多个测试值确定针对测试参数的一致性系数,一致性系数由测试参数对应的最大值、最小值、平均值及分布系数来确定;
基于一致性系数确定针对任一芯片的测试数据分析结果。
在一种可能的实施方式中,分析模块503,具体用于按照如下一种方式确定针对多个芯片的测试数据分析结果:
在判断出任一准确系数超出预设值的情况下,确定多个芯片中存在测试数据异常的分析结果;
在判断出针对多个芯片当前时刻确定的第一准确系数与历史时刻确定的第二准确系数之间的差值超出预设差值的情况下,确定多个芯片中存在测试数据异常的分析结果。
在一种可能的实施方式中,该装置还包括:
提醒模块504,用于从预设的多层级异常提醒策略中确定与测试数据分析结果适配的异常提醒策略;按照确定的异常提醒策略进行异常提醒。
需要说明的是,本公开实施方式中的装置可以实现前述方法的实施方式的各个过程,并达到相同的效果和功能,这里不再赘述。
本公开实施例还提供了一种电子设备,如图6所示,为本公开实施例提供的电子设备结构示意图,包括:处理器601、存储器602、和总线603。存储器602存储有处理器601执行的机器可读指令(比如,图5中的装置中获取模块501、计算模块502、分析模块503对应的执行指令等),当电子设备运行时,处理器601与存储器602之间通过总线603通信,机器可读指令被处理器601执行时执行如下处理:
获取多个芯片对应的测试数据集,测试数据集中的每条测试数据用于表征对应芯片在不同测试参数下的测试值;
基于各个芯片在不同测试参数下的测试值计算测试数据集对应的至少一个准确系数,准确系数用于评估测试数据的异常程度;
基于至少一个准确系数确定针对多个芯片的测试数据分析结果。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的测试数据的自动化分析方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机程序产品承载有程序代码,所述程序代码包括的指令可用于执行上述方法实施例中所述的测试数据的自动化分析方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
本公开中的各个实施方式均采用递进的方式描述,各个实施方式之间相同或相似的部分可互相参见,每个实施方式重点说明的都是与其他实施方式的不同之处。尤其,对于装置、设备和计算机可读存储介质实施方式而言,由于其基本相似于方法实施方式,所以对其描述进行了简化,相关之处可参见方法实施方式的部分说明即可。
本公开实施方式提供的装置、设备和计算机可读存储介质与方法一一对应,因此,装置、设备和计算机可读存储介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述装置、设备和计算机可读存储介质的有益技术效果。
本领域的技术人员应明白,本公开的实施方式能够以方法和装置(设备或***)、或计算机可读存储介质来实施。因此,本公开可采用完全硬件实施方式、完全软件实施方式、或软件和硬件结合的实施方式。而且,本公开可采用在一个或多个包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、只读光盘存储器(CD-ROM)、光学存储器等)上实施的计算机可读存储介质的形式。
本公开是参照根据本公开实施方式的方法、装置(设备或***)和计算机可读存储介质的流程图和/或方框图来描述。应理解,可由计算机程序指令来实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可将这些计算机程序指令提供至通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现流程图中一个或多个流程和/或方框图中一个或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的产品,其中该指令装置实现流程图中一个或多个流程和/或方框图中一个或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现流程图中一个或多个流程和/或方框图中一个或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(Flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器、只读存储器、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、CD-ROM、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。此外,尽管在附图中以特定顺序描述了本公开方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示操作才能实现期望的结果。另外,也可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个子步骤执行。
以上虽然已经参考若干具体实施方式描述了本公开的精神和原理,但是应该理解,本公开并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合。本公开旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种测试数据的自动化分析方法,其特征在于,包括:
获取多个芯片对应的测试数据集,所述测试数据集中的每条测试数据用于表征对应芯片在不同测试参数下的测试值;
基于各个芯片在不同测试参数下的测试值计算所述测试数据集对应的至少一个准确系数,所述准确系数用于评估测试数据的异常程度;
基于所述至少一个准确系数确定针对所述多个芯片的测试数据分析结果;
其中,所述基于各个芯片在不同测试参数下的测试值计算所述测试数据集对应的至少一个准确系数,包括:
针对不同测试参数中的目标测试参数,基于各个芯片在所述目标测试参数下的测试值,确定针对所述目标测试参数的测试数组;
针对所述各个测试数组中的目标测试数组,基于所述目标测试数组所包括的各个测试值确定对应的统计学参数值,所述统计学参数值包括峰度、偏度、分布系数和标准差中的多个;
获取针对所述峰度确定的第一参数系数、针对所述偏度确定的第二参数系数、针对所述标准差确定的第三参数系数、以及针对所述分布系数确定的第四参数系数;
基于所述峰度及其第一参数系数之间的乘积运算确定第一运算因子,以及,基于所述偏度及其第二参数系数、所述标准差及其第三参数系数、以及所述分布系数及其第四参数系数之间的加权求和运算确定第二运算因子;
基于所述第二运算因子与所述第一运算因子之间的比值运算,确定所述目标测试数组的准确系数。
2.根据权利要求1所述的测试数据的自动化分析方法,其特征在于,按照如下公式确定所述目标测试数组的准确系数:
;
;/>;
其中,用于分别表征所述第一参数系数、所述第二参数系数、所述第三参数系数和所述第四参数系数。
3.根据权利要求1或2所述的测试数据的自动化分析方法,其特征在于,所述确定所述目标测试数组的准确系数,包括:
获取针对所述目标测试数组的增益系数,所述增益系数由所述偏度、所述分布系数以及所述目标测试数组内的参数值数量来确定;
基于所述增益系数与所述第二运算因子与所述第一运算因子之间的比值运算结果,确定所述目标测试数组的准确系数。
4.根据权利要求1或2所述的测试数据的自动化分析方法,其特征在于,在所述统计学参数值包括峰度和偏度的情况下,所述方法还包括:
基于所述峰度与所述偏度判断所述目标测试数组内的测试值是否符合正态分布;
基于正态分布判断结果确定针对所述多个芯片的测试数据分析结果。
5.根据权利要求1或2所述的测试数据的自动化分析方法,其特征在于,在任一芯片的任一测试参数具有多个测试值的情况下,所述方法还包括:
针对所述任一芯片的任一测试参数,基于所述多个测试值确定针对所述测试参数的一致性系数,所述一致性系数由所述测试参数对应的最大值、最小值、平均值及分布系数来确定;
基于所述一致性系数确定针对所述任一芯片的测试数据分析结果。
6.根据权利要求1或2所述的测试数据的自动化分析方法,其特征在于,所述基于所述至少一个准确系数确定针对所述多个芯片的测试数据分析结果,包括如下方式中的一种:
在判断出任一所述准确系数超出预设值的情况下,确定所述多个芯片中存在测试数据异常的分析结果;
在判断出针对所述多个芯片当前时刻确定的第一准确系数与历史时刻确定的第二准确系数之间的差值超出预设差值的情况下,确定所述多个芯片中存在测试数据异常的分析结果。
7.根据权利要求1或2所述的测试数据的自动化分析方法,其特征在于,所述方法还包括:
从预设的多层级异常提醒策略中确定与所述测试数据分析结果适配的异常提醒策略;
按照确定的所述异常提醒策略进行异常提醒。
8.一种测试数据的自动化分析装置,其特征在于,包括:
获取模块,用于获取多个芯片对应的测试数据集,所述测试数据集中的每条测试数据用于表征对应芯片在不同测试参数下的测试值;
计算模块,用于基于各个芯片在不同测试参数下的测试值计算所述测试数据集对应的至少一个准确系数,所述准确系数用于评估测试数据的异常程度;
分析模块,用于基于所述至少一个准确系数确定针对所述多个芯片的测试数据分析结果;
其中,计算模块,具体用于按照如下步骤确定所述准确系数:
针对不同测试参数中的目标测试参数,基于各个芯片在所述目标测试参数下的测试值,确定针对所述目标测试参数的测试数组;
针对所述各个测试数组中的目标测试数组,基于所述目标测试数组所包括的各个测试值确定对应的统计学参数值,所述统计学参数值包括峰度、偏度、分布系数和标准差中的多个;
获取针对所述峰度确定的第一参数系数、针对所述偏度确定的第二参数系数、针对所述标准差确定的第三参数系数、以及针对所述分布系数确定的第四参数系数;
基于所述峰度及其第一参数系数之间的乘积运算确定第一运算因子,以及,基于所述偏度及其第二参数系数、所述标准差及其第三参数系数、以及所述分布系数及其第四参数系数之间的加权求和运算确定第二运算因子;
基于所述第二运算因子与所述第一运算因子之间的比值运算,确定所述目标测试数组的准确系数。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的测试数据的自动化分析方法。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7中任一项所述的测试数据的自动化分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311764466.4A CN117471288B (zh) | 2023-12-20 | 2023-12-20 | 测试数据的自动化分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311764466.4A CN117471288B (zh) | 2023-12-20 | 2023-12-20 | 测试数据的自动化分析方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117471288A CN117471288A (zh) | 2024-01-30 |
CN117471288B true CN117471288B (zh) | 2024-03-15 |
Family
ID=89635005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311764466.4A Active CN117471288B (zh) | 2023-12-20 | 2023-12-20 | 测试数据的自动化分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117471288B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105519A (zh) * | 2007-08-03 | 2008-01-16 | 重庆大学 | 一种led芯片/晶圆的非接触式检测方法 |
CN109444712A (zh) * | 2018-11-09 | 2019-03-08 | 无锡中微腾芯电子有限公司 | 基于归一法结合欧式距离函数的集成电路数据筛选方法 |
CN112180230A (zh) * | 2020-08-31 | 2021-01-05 | 全芯智造技术有限公司 | 芯片测试参数异常的侦测方法、存储介质、终端 |
CN213149195U (zh) * | 2020-06-17 | 2021-05-07 | 珠海市运泰利自动化设备有限公司 | 一种用于测试设备的低成本高精度纹波测试模块 |
CN113420842A (zh) * | 2021-08-23 | 2021-09-21 | 晶芯成(北京)科技有限公司 | 晶圆测试数据处理方法 |
CN113448787A (zh) * | 2021-06-29 | 2021-09-28 | 海光信息技术股份有限公司 | 晶圆异常分析的方法、装置、电子设备及可读存储介质 |
CN114185765A (zh) * | 2021-09-29 | 2022-03-15 | 五八同城信息技术有限公司 | 测试数据处理方法、装置、电子设备及存储介质 |
CN115982269A (zh) * | 2022-12-21 | 2023-04-18 | 北京新享科技有限公司 | 一种测试数据的提取方法及*** |
CN116665748A (zh) * | 2023-06-07 | 2023-08-29 | 深圳市卓然电子有限公司 | 一种用于闪存芯片的自动化测试设备及其测试方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11921155B2 (en) * | 2022-05-16 | 2024-03-05 | Tango Ai Corp. | Dice testing method |
-
2023
- 2023-12-20 CN CN202311764466.4A patent/CN117471288B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105519A (zh) * | 2007-08-03 | 2008-01-16 | 重庆大学 | 一种led芯片/晶圆的非接触式检测方法 |
CN109444712A (zh) * | 2018-11-09 | 2019-03-08 | 无锡中微腾芯电子有限公司 | 基于归一法结合欧式距离函数的集成电路数据筛选方法 |
CN213149195U (zh) * | 2020-06-17 | 2021-05-07 | 珠海市运泰利自动化设备有限公司 | 一种用于测试设备的低成本高精度纹波测试模块 |
CN112180230A (zh) * | 2020-08-31 | 2021-01-05 | 全芯智造技术有限公司 | 芯片测试参数异常的侦测方法、存储介质、终端 |
CN113448787A (zh) * | 2021-06-29 | 2021-09-28 | 海光信息技术股份有限公司 | 晶圆异常分析的方法、装置、电子设备及可读存储介质 |
CN113420842A (zh) * | 2021-08-23 | 2021-09-21 | 晶芯成(北京)科技有限公司 | 晶圆测试数据处理方法 |
CN114185765A (zh) * | 2021-09-29 | 2022-03-15 | 五八同城信息技术有限公司 | 测试数据处理方法、装置、电子设备及存储介质 |
CN115982269A (zh) * | 2022-12-21 | 2023-04-18 | 北京新享科技有限公司 | 一种测试数据的提取方法及*** |
CN116665748A (zh) * | 2023-06-07 | 2023-08-29 | 深圳市卓然电子有限公司 | 一种用于闪存芯片的自动化测试设备及其测试方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117471288A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20040067875A (ko) | 반도체 테스팅 방법 및 장치 | |
US11170332B2 (en) | Data analysis system and apparatus for analyzing manufacturing defects based on key performance indicators | |
WO2008039918A2 (en) | Methods and apparatus for hybrid outlier detection | |
CN114201350A (zh) | 一种晶圆芯片的测试方法、装置、电子设备及存储介质 | |
CN112180230A (zh) | 芯片测试参数异常的侦测方法、存储介质、终端 | |
CN115841046B (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
Aslam et al. | Economic determination of modified multiple dependent state sampling plan under some lifetime distributions | |
CN110728008B (zh) | 一种用于确定智能电表的期望寿命的方法及装置 | |
KR100259322B1 (ko) | 반도체소자 검사장비의 안정도 분석방법 | |
CN117471288B (zh) | 测试数据的自动化分析方法、装置、电子设备及存储介质 | |
CN114636917A (zh) | 芯片的测试方法、***、设备及存储介质 | |
Ramaswamy et al. | Time truncated chain sampling plans for generalized exponential distribution | |
Stamm | A comparison of gauge repeatability and reproducibility methods | |
WO2021223214A1 (zh) | 接口性能测试方法和装置、服务器、计算机可读存储介质 | |
CN113791980A (zh) | 测试用例的转化分析方法、装置、设备及存储介质 | |
Nicholls et al. | Weibayes testing: What is the impact if assumed beta is incorrect? | |
Rabinovich et al. | Statistical methods for experimental data processing | |
CN116609642B (zh) | 芯片测试误差的补偿方法、装置、电子设备及存储介质 | |
CN113609659B (zh) | 蒸发损失测定试验条件的确定方法、装置及设备 | |
Seifi et al. | Designing different sampling plans based on process capability index | |
CN117745059A (zh) | 天然脂变压器风险评估方法、装置和计算机设备 | |
US20230138086A1 (en) | Data analysis system and computer program | |
Danilevich et al. | Use of simulation modelling for checking monitoring and testing procedures | |
Kang et al. | Application of Belief Reliability Theory in Accelerated Degradation Testing | |
CN116106204A (zh) | 双阻抗通道全程堵孔的识别方法、装置、存储介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |