Sự định nghĩa

Tạo Mẫu Kiểm Tra Tự Động, hay ATPG, là một quy trình được sử dụng trong thử nghiệm điện bán dẫn, trong đó các vectơ hoặc mẫu đầu vào cần thiết để kiểm tra lỗi thiết bị được tự động tạo ra bởi một chương trình. Các vectơ được áp dụng tuần tự cho thiết bị đang được thử nghiệm và phản ứng của thiết bị đối với từng bộ đầu vào được so sánh với phản ứng dự kiến ​​từ một mạch tốt. Một 'lỗi' trong phản ứng của thiết bị có nghĩa là thiết bị bị lỗi. Hiệu quả của ATPG chủ yếu được đo lường bằng phạm vi bao phủ lỗi đạt được và chi phí thực hiện thử nghiệm.

Một chu kỳ ATPG thường có thể được chia thành hai giai đoạn riêng biệt: 1) tạo bài kiểm tra; và 2) áp dụng bài kiểm tra. Trong quá trình tạo bài kiểm tra, các mô hình phù hợp cho mạch thiết bị được phát triển ở cấp độ cổng hoặc transistor sao cho phản ứng đầu ra của thiết bị bị lỗi đối với một bộ đầu vào nhất định sẽ khác với phản ứng của thiết bị tốt. Việc tạo bài kiểm tra này về cơ bản là một quy trình toán học có thể được thực hiện theo ba cách: 1) bằng phương pháp thủ công; 2) bằng phương pháp thuật toán (có hoặc không có phương pháp heuristic); và 3) bằng phương pháp giả ngẫu nhiên. Phần mềm được sử dụng cho các ứng dụng ATPG phức tạp khá tốn kém, nhưng quy trình tạo bài kiểm tra chỉ cần được thực hiện một lần vào cuối quá trình thiết kế.

Khi tạo bài kiểm tra, mục tiêu nên là làm cho nó hiệu quả nhất có thể về mặt không gian bộ nhớ và thời gian. Do đó, quy trình ATPG phải tạo ra tập hợp vectơ tối thiểu hoặc gần tối thiểu cần thiết để phát hiện tất cả các lỗi quan trọng của thiết bị.

Những cân nhắc chính khi tạo bài kiểm tra là:

1. thời gian cần thiết để xây dựng tập hợp kiểm tra tối thiểu;
2. kích thước của bộ tạo mẫu, hoặc hệ thống phần cứng/phần mềm cần thiết để kích thích đúng cách các thiết bị đang được kiểm tra;
3. quy mô của chính quy trình kiểm tra;
4. thời gian cần thiết để tải các mẫu kiểm tra; và
5. thiết bị bên ngoài cần thiết (nếu có).

Các ví dụ về các phương pháp thuật toán ATPG đang được sử dụng rộng rãi hiện nay bao gồm D-Algorithm, PODEM và FAN. Việc tạo mẫu thông qua bất kỳ phương pháp thuật toán nào trong số này đều yêu cầu cái gọi là 'path sensitization' (nhạy cảm hóa đường dẫn). Độ nhạy đường dẫn (path sensitivityization) đề cập đến việc tìm một đường dẫn trong mạch cho phép lỗi xuất hiện ở đầu ra quan sát được của thiết bị nếu nó bị lỗi. Ví dụ, trong cổng AND hai đầu vào, việc độ nhạy đường dẫn của một đầu vào yêu cầu đầu vào còn lại phải được đặt thành '1'.

Hầu hết các phương pháp tạo thuật toán cũng tham chiếu đến các ký hiệu D và D'. Các ký hiệu này được giới thiệu bởi thuật toán D và đã được các thuật toán khác áp dụng kể từ đó. D đơn giản là viết tắt của '1' trong một mạch tốt và '0' trong một mạch bị lỗi. Mặt khác, D', ngược lại với D, viết tắt của '0' trong một mạch tốt và '1' trong một mạch bị lỗi. Do đó, việc truyền D hoặc D' từ đầu vào đến đầu ra chỉ đơn giản là áp dụng một tập hợp các đầu vào cho một thiết bị để làm cho đầu ra của nó hiển thị 'lỗi' nếu có lỗi trong mạch.

Việc tạo mẫu thuật toán về cơ bản bao gồm các bước sau:

1. lựa chọn lỗi, hoặc chọn một lỗi cần được phát hiện;
2. gán ban đầu, hoặc tìm một mẫu đầu vào thiết lập D hoặc D' tại đầu ra của cổng bị lỗi;
3. truyền động thuận, hoặc truyền D hoặc D' đến một đầu ra quan sát được bằng đường dẫn ngắn nhất có thể;
4. điều chỉnh, hoặc gán giá trị cho các đầu vào chưa được gán khác để điều chỉnh các phép gán được thực hiện trong quá trình điều chỉnh thuận.

Nếu phát sinh sự không nhất quán trong quá trình điều chỉnh, việc quay lui hoặc truyền ngược sẽ được thực hiện, tức là truyền động thuận được thực hiện lại bằng một đường dẫn thay thế. Chu trình đệ quy này được thực hiện cho đến khi xác định được đúng tập hợp các mẫu đầu vào cần thiết để 'nhạy cảm hóa' một đường dẫn và truyền lỗi đến một đầu ra quan sát được.

Thuật toán D được Roth phát triển tại IBM vào năm 1966 và là thuật toán mẫu kiểm tra 'hoàn chỉnh' đầu tiên được thiết kế để có thể lập trình trên máy tính. Một thuật toán kiểm tra được coi là 'hoàn chỉnh' nếu nó có thể truyền lỗi đến một đầu ra quan sát được nếu lỗi thực sự tồn tại. Như đã thảo luận ở đoạn trước, thuật toán D đòi hỏi phải tìm tất cả các bộ đầu vào cho mạch có thể gây ra lỗi trong mạch. Một 'khối D nguyên thủy của lỗi', hay PDCF, là một tập hợp các đầu vào giúp nhạy cảm hóa một đường dẫn cho một lỗi cụ thể trong mạch. 'Khối D lan truyền', hay PDC, là một tập hợp các đầu vào lan truyền một D từ đầu vào đến đầu ra.

Thuật toán D chọn tất cả các PDCF khả thi cho mạch đang được kiểm tra và áp dụng chúng vào mạch với các PDC tương ứng để truyền các lỗi khác nhau đến đầu ra. Trong khi các PDCF và PDC đang được áp dụng, các giá trị 'ngụ ý' cho các nút mạch khác được kiểm tra tính nhất quán, loại bỏ các tập hợp đầu vào gây ra vi phạm mạch. Việc áp dụng và kiểm tra các PDCF và PDC khác nhau cho một mạch được thực hiện lặp đi lặp lại và đệ quy, cho đến khi xác định được tập hợp tối thiểu các mẫu đầu vào cần thiết để kiểm tra mạch đối với các lỗi cụ thể.

Phương pháp Ra Quyết định Hướng Đường, hay PODEM, được Goel phát triển vào năm 1981 để giải quyết vấn đề mà thuật toán D gặp phải với các cổng XOR. PODEM là cải tiến lớn đầu tiên của thuật toán D về mặt hiệu quả. Thuật toán D tăng độ phức tạp theo cấp số nhân với số lượng nút mạch bên trong, trong khi độ phức tạp của PODEM thay đổi theo cấp số nhân với số lượng đầu vào mạch. PODEM hiệu quả hơn thuật toán D vì số lượng đầu vào thường nhỏ hơn nhiều so với số lượng nút mạch bên trong.

Đối với mỗi lỗi mục tiêu cần kiểm tra, PODEM sẽ kiểm tra tất cả các giá trị đầu vào khả thi cho đến khi tìm thấy một phép thử hợp lệ cho lỗi đó. Thuật toán này thực hiện việc này bằng cách gán các giá trị khác nhau cho các đầu vào chính của mạch. Mỗi khi một giá trị mới được áp dụng cho một đầu vào chính, hàm ý của nó sẽ được đánh giá xem liệu nó có góp phần vào việc phát hiện lỗi hay không. Các giá trị đầu vào ngăn chặn việc phát hiện lỗi bằng cách làm giảm độ nhạy đường dẫn hoặc chặn sự lan truyền sẽ được thay đổi bằng một quá trình gọi là 'truy vết ngược'. PODEM liên tục gán các giá trị khác nhau cho các đầu vào chính cho đến khi tìm thấy một vectơ kiểm tra phát hiện lỗi. PODEM cũng dừng lại khi tất cả các tổ hợp đầu vào đã được sử dụng hết mà không tìm thấy vectơ kiểm tra phù hợp, trong trường hợp đó lỗi được coi là không thể kiểm tra được.

Thuật toán Fan-out Oriented (FAN) là một cải tiến hơn nữa của PODEM với một số tính năng bổ sung. Ví dụ, nó sử dụng thông tin về cấu trúc mạch để tăng hiệu quả tìm kiếm. FAN khác với PODEM ở một số điểm, bao gồm: nó dừng việc quay lui tại một số đường nội bộ nhất định; nó thực hiện nhiều lần quay lui; nó cho phép cả hàm ý ngược và xuôi; và nó ngay lập tức gán các tín hiệu được xác định duy nhất.

Các phương pháp thuật toán tạo mẫu thử nghiệm được thảo luận trong các đoạn trước đều đòi hỏi nhiều tính toán và có thể khá tốn kém, chưa kể đến vô số khó khăn có thể gặp phải trong các trường hợp phức tạp. Trên thực tế, trong một số mạch phức tạp, việc sử dụng các thuật toán như vậy không còn khả thi hoặc thực tế nữa.

Việc tạo mẫu thử nghiệm giả ngẫu nhiên kết hợp với mô phỏng lỗi là một phương án thay thế đơn giản hơn cho các phương pháp thuật toán. Phương pháp này bao gồm việc tạo các vectơ đầu vào bằng một bộ tạo số giả ngẫu nhiên tương đối rẻ tiền và thực hiện các mô phỏng lỗi để xác định xem các vectơ này có dẫn đến việc phát hiện lỗi mục tiêu hay không. Các đặc điểm của lỗi mục tiêu có ảnh hưởng lớn đến hiệu quả hoạt động của việc tạo thử nghiệm giả ngẫu nhiên. Phương pháp này thường được sử dụng ở giai đoạn đầu của quá trình tạo thử nghiệm để bao phủ các lỗi dễ phát hiện từ danh sách các lỗi cần bao phủ. Các lỗi không được bao phủ bởi phương pháp tạo bài kiểm tra giả ngẫu nhiên có thể được bao phủ bởi các phương pháp thuật toán.

Các phương pháp thuật toán để tạo bài kiểm tra là ví dụ về ATPG 'xác định', vì các bài kiểm tra được phát triển một cách có hệ thống với kết quả xác định cho các lỗi mục tiêu. Tạo bài kiểm tra giả ngẫu nhiên là một ví dụ về ATPG 'xác suất', vì các vectơ kiểm tra được tạo ra một cách 'ngẫu nhiên' và chỉ cần xác nhận hiệu quả bằng mô phỏng lỗi. Kết hợp tạo bài kiểm tra giả ngẫu nhiên với tạo bài kiểm tra thuật toán là một ví dụ về ATPG 'hỗn hợp'. ATPG hỗn hợp là một phương pháp tốt vì nó có thể tận dụng được những ưu điểm của cả ATPG xác định và xác suất.