一种CP测试探针最佳路径的算法的制作方法

本发明涉及一种cp测试探针最佳路径的算法，属于芯片测试领域。

背景技术：

在半导体封测行业，cp测试是一种接触测试，测试会在圆晶上留下探针接触的痕迹，这些针痕在一定程度上会影响芯片的质量，并且带探针的探针卡是一种测试消耗品，这直接影响到测试成本。另外，有效快速的测试路径也能最大限度的减少测试时间，从而提高产能。路径优化，主要用在两种情况，一种部分失效芯片重测，一种是跳过凸块失效芯片的测试，这两种情况主要特点是待测试的芯片是离散分布的，而不是直接测试整片晶圆。路径优化的主要目的减少探针卡接触芯片的次数，从而实现提高测试效率；减少对不需要测试芯片的接触，以及避免需要测试芯片的重复接触，从而降低测试对芯片质量的影响。不同的探针卡一次接触测试可以测试芯片数量不一样，单片圆晶的芯片数量差异也很大，需要测试的芯片在圆晶中的分布也是无序的。cp测试行业，现有的测试设备有提供探针卡测试路径设置，但是有两个问题，自动测试的话，只能简单设置路径的起始点，以及设置是横向z字形，还是纵向z字形。在自由路径设置上，只能手动针对单片圆晶设置路径，这种方式效率特别低，而且fab操作员无法胜任，只能由工程师调整，这大大增加了人力人本。最重要的是设计出来的路径只是一个相对较优，工程师的经验和专业水平差异直接影响路径的优化程度。

技术实现要素：

本发明的目的在于提供一种cp测试探针最佳路径的算法，以解决上述问题。

一种cp测试探针最佳路径的算法,其特征在于，包括步骤：

步骤一，根据晶圆的芯片状态图将需要测试的芯片用坐标表示；

步骤二，用基于合并的层次聚类的改进算法对步骤一标识的芯片进行聚类；

步骤三，聚类结束距离跟探针卡的探针分布(n*m)一致，(n，m)->(长，宽)，

步骤四，将每个类的左上角坐标作为本类的新坐标；

步骤五，通过蚁群算法找到通过所有类的最短路径，此最短路径即为探针移动的最佳路径。

进一步，本发明的cp测试探针最佳路径的算法,还具有这样的特征：

步骤二中的层次聚类的改进算法，包括如下步骤：

步骤2.1，将每个需要测试的芯片看作一类，计算两两之间的最小距离；

步骤2.2，找出距离最小的两个类，并且两个类之间所有需要测试的芯片之间的距离在(n，m)内，则将两个类合并成一个新类，否则将这两个类标识为最终的类，并且此两个类不再参与后续的聚类计算；

步骤2.3，重新计算新类与所有类之间的距离；

步骤2.4，重复步骤2.2和步骤2.3，直到所有的类都标识为最终的类。

进一步，本发明的cp测试探针最佳路径的算法,还具有这样的特征，还包括：步骤六、控制探针沿步骤五得到的最短路径进行移动和检测。

发明的有益效果

本发明的cp测试探针最佳路径的算法，大大提高了路径设置的效率，有效减少人力成本和测试时间，提高产能。此算法结合多个动态参数，计算最优路径，有效减少探针卡的接触晶圆次数，从而提高测试效率，并尽可能地降低因为测试带给产品质量的影响。

附图说明

图1是圆晶上待测芯片的位置示意图；

图2是聚类过程示意图。

具体实施方式

以下结合附图来说明本发明的具体实施方式。

步骤一，根据晶圆的芯片状态图将需要测试的芯片用坐标表示，如图1所示，图中黑色圆形区域代表整个圆晶，黑色区域中白色方块代表待测芯片的位置；

步骤二，用基于合并的层次聚类的改进算法对步骤一中标识的芯片进行聚类；

步骤三，聚类结束距离跟探针卡的探针分布(n*m)一致。(n，m)->(长，宽)。比如探针卡一次接触芯片测试2*2＝4个芯片,则聚类结束距离为(2,2)。

步骤四，将每个类的左上角坐标作为本类的新坐标。

步骤五，通过蚁群算法找到通过所有类的最短路径，此最短路径即为探针移动的最佳路径。

步骤六，控制探针沿步骤五得到的最短路径进行移动和检测的步骤。

步骤二中的层次聚类的改进算法，如图2所示，包括如下步骤：

步骤2.1，将每个需要测试的芯片看作一类，计算两两之间的最小距离；

步骤2.2，找出距离最小的两个类，并且两个类之间所有需要测试的芯片之间的距离在(n，m)内，则将两个类合并成一个新类，否则将这两个类标识为最终的类，并且此两个类不再参与后续的聚类计算；

步骤2.3，重新计算新类与所有类之间的距离；

步骤2.4，重复步骤2.2和步骤2.3，直到所有的类都标识为最终的类，结果如图2中的步骤2.5和2.6所示。

步骤五中的蚁群算法是一种用来寻找优化路径的概率型算法。

蚂蚁找到最短路径要归功于信息素和环境，假设有两条路可从蚁窝通向食物，开始时两条路上的蚂蚁数量差不多：当蚂蚁到达终点之后会立即返回，距离短的路上的蚂蚁往返一次时间短，重复频率快，在单位时间里往返蚂蚁的数目就多，留下的信息素也多，会吸引更多蚂蚁过来，会留下更多信息素。而距离长的路正相反，因此越来越多的蚂蚁聚集到最短路径上来。

规则：

(1)感知范围

蚂蚁观察到的范围是一个方格世界，相关参数为速度半径，一般为3，可观察和移动的范围为3x3方格。

(2)环境信息

蚂蚁所在环境中有障碍物、其他蚂蚁、信息素，其中信息素包括食物信息素(找到食物的蚂蚁留下的)、窝信息素(找到窝的蚂蚁留下的)，信息素以一定速率消失。

(3)觅食规则

蚂蚁在感知范围内寻找食物，如果感知到就会过去；否则朝信息素多的地方走，每只蚂蚁会以小概率犯错误，并非都往信息素最多的方向移动。蚂蚁找窝的规则类似，仅对窝信息素有反应。

(4)移动规则

蚂蚁朝信息素最多的方向移动，当周围没有信息素指引时，会按照原来运动方向惯性移动。而且会记住最近走过的点，防止原地转圈。

(5)避障规则

当蚂蚁待移动方向有障碍物时，将随机选择其他方向；当有信息素指引时，将按照觅食规则移动。

(6)散发信息素规则

在刚找到食物或者窝时，蚂蚁散发的信息素最多；当随着走远时，散发的信息素将逐渐减少。

与其他优化算法相比，蚁群算法具有以下几个特点：

(1)采用正反馈机制，使得搜索过程不断收敛，最终逼近最优解。

(2)每个个体可以通过释放信息素来改变周围的环境，且每个个体能够感知周围环境的实时变化，个体间通过环境进行间接地通讯。

(3)搜索过程采用分布式计算方式，多个个体同时进行并行计算，大大提高了算法的计算能力和运行效率。

(4)启发式的概率搜索方式不容易陷入局部最优，易于寻找到全局最优解。

本发明所提供的方法，在现有系统条件下，通过此改造方法，能有效提高测试速度，减少探针卡接触芯片的次数。

1.此算法大大提高了路径设置的效率，有效减少人力成本和测试设备空转时间，提高产能。

2.此算法结合多个动态参数，计算最优路径，有效减少探针卡的接触芯片数量。从而提高测试效率，并尽可能地降低因为测试带给产品质量的影响。