本發明涉及半導體芯片批量測試技術領域，特別涉及一種半導體芯片批量測試方法。
背景技術：
半導體芯片的質量是通過一組不同單位，類型各異的測試數據反映。半導體芯片批量生產時，需要對數以千記測試數據快速分析，進行質量分級，分析缺陷分布特點并找出原因。由于測試數據的多維性和測試實時性要求，單變量數據統計分析方法以及傳統的多維數據統計方法均難以取得滿意的效果。
發明人之前獲得的國家發明專利“基于二位彩色數字圖譜的復雜機電系統狀態評估方法”(專利號：ZL201110146488.5)，和以第一作者發表的相關論文《Plant-wide quantitative assessment of a process industry system’s operating state based on color-spectrum》(Mechanical Systems and Signal Processing.2015(60-61):644-655)、《基于故障圖譜的企業級故障模式識別方法》(計算機集成制造系統，2015年21卷第2期：519-527)和《基于數據驅動的系統彩色圖譜分析現代工業系統健康狀態》(計算機集成制造系統，2015年21卷第2期：519-527)公開了一些利用數據可視化技術，對浮點型數據根據特定的規則著色，從而將人類不易識別的數值的變化情況轉化為人眼易于識別的色彩變換，達到數據分析和篩選的目的技術。
然之前公開的該等技術，面對高維度、非時序特征的半導體芯片分批次質量測試時，仍然無法解決大批量半導體芯片快速質量分級，分析缺陷分布特點并找出原因的問題。
技術實現要素：
本發明的目的是提供一種基于故障數據灰度圖譜的半導體芯片批量測試方法，以解決上述技術問題；本發明可以批量分析半導體芯片測試數據，快速實現芯片質量分級分揀，以及芯片缺陷分析的方法。
本發明將一個批次的芯片測試數據按照一定規則排列后，根據測試數據的偏離標準值的距離對數據染色，利用數字圖像的像素所特有的高度的關聯性和耦合性，構造反映該批次芯片缺陷分布規律的數字圖像—數據故障灰度圖譜。通過對數據故障灰度圖譜的分析，可以實現快速實現芯片質量分級分揀，以及芯片缺陷分析。
為了實現上述目的，本發明采用如下技術方案：
基于故障數據灰度圖譜的半導體芯片批量測試方法，包括以下步驟：
步驟1、構造測試數據矩陣X：一批次含有m個芯片，每個芯片都有n個測試參數；該批次的測試數據有共有m×n個變量數據，形成m×n測試數據矩陣X；
步驟2、確定質量分類區間：確定芯片的每個測試參數的質量分類及其參數區間；
步驟3、根據質量分類將測試數據矩陣X著色，轉換為質量等級矩陣Q；
步驟4、構造故障數據灰度圖譜：將質量等級矩陣Q中每一個元素作為二維平面圖像中的一個像素，得到該批次芯片測試數據集的故障數據灰度圖譜；
步驟5、根據故障數據灰度圖譜實現芯片質量等級快速和缺陷參數識別。
進一步的，構造m×n維測試數據矩陣X如下：
數據矩陣X的每一行代表包含n測試變量一個半導體芯片；數據矩陣X的每一列代表該批次所有芯片的某個測試參數的測試變量。
進一步的，一個芯片的質量由n個測試參數共同體現；步驟2中根據半導體芯片質量分類要求，確定芯片的每個測試參數的質量分類及其參數區間。
進一步的，步驟3)中將數據矩陣X與質量區間作比對，測試數據值在一級品質量分類區間的測試數據為0，在二級品質量分類區間的測試數據為1，…,以此類推，將數據矩陣X轉換為質量等級矩陣Q；對質量等級矩陣中的數值為0的元素著以白色，其它數值根據數值由小到大，對應進行由淺到深著以不同的灰度值，最大值著為黑色，從而為整個質量等級矩陣Q著色。
進一步的，步驟5中根據故障數據灰度圖譜上灰度的分布區域，以行為單位，根據灰度值的大小以及分布范圍，實現不同質量等級芯片的快速分揀。
進一步的，步驟5中根據故障數據灰度圖譜上灰度的分布區域，以列為單位，根據灰度值的大小以及分布范圍，分析造成該批次芯片質量曲線的對應測試參數，實現缺陷參數識別。
進一步的，步驟5中根據故障數據灰度圖譜上灰度的分布區域，直觀的觀察該批次半導體芯片的質量特征：故障數據灰度圖譜中的白色區域代表測試參數完全合格的部分，灰度由淺入深代表測試參數的缺陷程度。
相對于現有技術，本發明具有以下有益效果：
本發明針對全新的研究對象(由海量高維時序數據集變為非時序、高維測試數據集)和研究領域(由復雜機電系統狀態分析轉為半導體芯片分批次質量測試)，提出了全新的著色規則：根據測試值所在的質量區間著色，對顏色賦予了具體的含義，構造出了詳細反應整個批次芯片質量的芯片質量圖譜。本發明利用數據可視化技術構造反應整個批次半導體芯片缺陷參數分布的數據故障灰度圖譜，實現了多變量數據的統一分析及處理，開辟了一條多因素數據處理的新思路，具體技術效果如下：
1)將多維海量數據著色，利用灰度值反應芯片質量等級，同時直觀的揭示了缺陷數據與芯片測試參數之間的內在聯系。利用圖譜直觀的反映出多變量數據之間復雜的關聯關系，將復雜問題直觀化、形象化、簡單化。
2)在數學上，可以利用豐富的圖像處理方法分析系統的變化狀態。
3)可以大大簡化算法，縮短系統狀態的預測時間。
4)有利于從宏觀層面把芯片質量情況。
5)利用圖譜可以建立更多變量之間的關系。
附圖說明
圖1為單個參數的質量分類區間示意圖。
具體實施方式
生產線一批次生產含有m個芯片，每個芯片都有諸如電流、頻率、功耗等n個項目需要測試，其測試數據包含n個測試參數。則該批次的測試數據有共有m×n個變量數據，形成m×n測試數據矩陣X。將測試數據矩陣X依據著色規則二維灰度數字圖像—數據故障灰度圖譜，反映該批次芯片的缺陷分布整體情況。通過分析數據故障灰度圖譜，實現芯片質量分級分揀，以及芯片缺陷分析。
本發明一種基于故障數據灰度圖譜的半導體芯片批量測試方法，包括以下步驟：
步驟1：構造測試數據矩陣X
構造m×n維測試數據矩陣X(以下簡稱數據矩陣X)如下：
數據矩陣X的每一行代表包含n測試變量一個半導體芯片。數據矩陣X的每一列代表該批次所有芯片的某個測試參數的測試變量。
步驟2：確定質量分類區間
芯片的每個測試參數都有工藝規定的標準值和參數區間。一個芯片的質量由n個測試參數共同體現。第j個測試參數的標準值μj代表該類芯片處于最佳工作狀態時該參數的預期值。顯然，標準值μj只是一個理想狀態。在實際測試中，只要該參數的測試值在以標準值μj為中心定義的區間內，即xij∈[μj-αj1,μj+βj1](αj1,βj1＞0)，就可以認為該參數完全符合最苛刻的質量要求。μj-αj1和μj+βj1分別為質量要求允許的最小值和最大值，其中αj1,βj1＞0。區間[μj-αj1,μj+βj1]為該測試參數的一級品質量參數區間。根據半導體芯片質量分類要求，若稍微放寬對該測試參數的性能要求，擴大參數區間的范圍，允許該測試參數有更小的最小值μj-αj2和更大的最大值μj+βj2，其中αj2＞αj1＞0,βj2＞βj1＞0。即當該參數的測試值xij∈[μj-αj2,μj-αj1]∪[μj+βj1,μj+βj2]時，認為該參數雖然合格但芯片質量在這一項上不如第一類參數。區間[μj-αj2,μj-αj1]∪[μj+βj1,μj+βj2]為該測試參數二級品質量參數區間，…，以此類推，給定半導體芯片的該參數在不同質量等級的測試參數區間，稱為該參數的質量分類區間，如說明書附圖1所示。對每個測試參數都進行這樣的操作，則可以得出半導體芯片的所有參數k個質量等級的n×k個測試參數區間，構成該芯片的質量分類區間集。
步驟3：測試數據矩陣X著色
將數據矩陣X與質量區間作比對，測試數據值在一級品質量分類區間的測試數據為0，在二級品質量分類區間的測試數據為1，…,以此類推，將數據矩陣X轉換為質量等級矩陣Q。對質量等級矩陣中的數值為0的元素著以白色，其它數值由淺到深著以不同的灰度值，最大值著為黑色(黑色代表此參數不合格)，從而為整個數據矩陣著色。
步驟4.構造故障數據灰度圖譜
著色后的數據矩陣中的所有元素值xi,j＝X(i,j)都被特定的灰度值取代xi,j＝Pixel_Gray，將每一個元素xi,j＝Pixel_Gray作為二維平面圖像中的一個像素，就可以得到該批次芯片測試數據集的故障數據灰度圖譜。
步驟5.根據故障數據灰度圖譜實現芯片質量等級快速和缺陷參數識別
(1)根據圖譜上灰度的分布區域，以行為單位，根據灰度值的大小以及分布范圍，可以實現不同質量等級芯片的快速分揀。
(2)根據圖譜上灰度的分布區域，以列為單位，根據灰度值的大小以及分布范圍，分析造成該批次芯片質量曲線的對應測試參數，從而實現缺陷參數識別；
(3)故障數據灰度圖譜中的白色區域代表測試參數完全合格的部分，灰度由淺入深代表測試參數的缺陷程度。從圖譜上可以很直觀的觀察到該批次半導體芯片的質量特征。
因此，根據色彩突變的區域，可以快速的判斷系統故障等級、故障類型、定位故障范圍以及對系統的健康狀態進行預測，從而達到故障診斷、故障溯源與預警的目的，從而可以定性的評估系統運行狀態。
某半導體芯片批量測試數據分析：
某半導體芯片批量生產，由n個測試參數，部分測試數據見表1。
表1.田納西仿真數據監測點
由芯片設計知，某測試參數的質量區間如說明書附圖1所示。以此類推，所有測試參數均類似于說明書附圖1。可以得到該批次芯片的整體質量區間。將表1的中的測試數據與各自的質量區間作對比，可以得到質量等級矩陣Q如下：
將質量矩陣Q中數據值為零的元素著以白色，最大數據值的元素著以黑色，中間值的值依照從小到大的順序分別用由淺到深的灰度著色，即可把質量矩陣Q轉化為數據故障灰度圖譜。通過分析圖譜橫向的灰度像素分布，可以實現芯片質量分級分揀；通過分析圖譜橫向的灰度像素分布，可以實現芯片缺陷分析。