采用零件平均测试法检测汽车半导体元器件品质的方法

实时PAT根据对动态PAT限制的运算，在不影响测试时间的情况下，当零件被测试时就作出分选决策。这就需要能够处理监测和取样的复杂数据串流的动态实时引擎。同样，这一过程也需要强韧的统计引擎，该引擎可撷取测试数据并执行必要的计算以产生新的限制值，将新限制值和分选信息送入测试程序;同时，监测整个过程以确保稳定性及可控性。供货商需要对探测和最终测试进行实时处理并处理基线异常值。

统计后处理方法会产生相同的最终测试结果，在一个批次完成之后，要对元器件测试进行统计处理并作出分选决策。然而，因为分选决策是在批处理后作出的，后处理只能用于晶圆探测，因为测试和分选结果与特定元器件相关，以便重新分选。在封装测试中，元器件一旦被封装，就没有办法追踪或顺序排列，因而无法将测试及分选结果与特定元器件联系起来。SPP还要求进行完全测试结果的数据记录以便做出决策，日益增加的IT基础架构需要(大量时间)并大幅放慢了测试时间。由于结果被后处理，因此SPP将一个批次中基线异常值作为元器件整体的一个部份进行处理。

两种方法在处理测试和分选结果时都需要执行强大的运算，就像区域性PAT和其它故障模式一样。区域性PAT的实例是一块晶圆中的一颗合格芯片被多块有故障的芯片包围。研究显示：这颗合格元器件很可能过早出现故障，要努力减少汽车元器件中的DPM，大部份供货商都必须找到这颗合格元器件。

实时测试的实现假定此刻我们正制造用于汽车的电源管理元器件，我们将历史测试数据加载分析工具并对元器件参数数据作深度分析，以便发现哪个测试是PAT的较好备选。测试有优劣之分，有些测试更适合于PAT，有些测试对元器件的功能测试更为重要。如果选择元器件的所有测试，良率将难以接受。

某些测试的问题在于数据不够稳定，以致于不能根据PAT标准进行测量。造成这种可变性的原因可能是元器件本身所固有的，也可能是测试过程引起的(如自动测量设备中的一台仪器不能产生精确的测量结果)，还可能是封装过程导入的，这些测试恰好不能进行统计控制且不能被测量。

基线用于设立特定晶圆或批次的动态PAT限制值。例如，在一块含有1,000块芯片的晶圆上，100块典型芯片构成的基线就是这块晶圆最适当的统计取样值。

一旦达到基线，在动态PAT限制值应用于实时环境前就需要执行几项重要任务。要对每个被选测试进行常态检查。如果数据正常分布，标准偏差就要采用‘标准’方法计算;但是如果数据分布不正常，就要采用‘强韧’方法来计算标准偏差。

每个被选测试的动态PAT限制值必须被计算并储存在内存中以用于随后的测试。最初的LSL和USL保持不变，并依据最初测试程序被用于检测测试故障。对被选测试基线异常值进行计算。在探测中，要保存X-Y坐标以便在晶圆制作结束后进行处理。在封装测试中，基线元器件被分选进基线箱。如果检测到基线中的异常值，那么就要识别出这些元器件以便重新测试。

达到基线后，对每个被选测试进行动态PAT限制值检查，并对每个元器件进行实时装箱。那些不符合PAT限制值的元器件落入一个独特的‘异常值’软件或硬件箱，该箱会将它们识别为PAT异常值元器件以待进行后测试。