基于工业互联网的集成电路测试信息化管理系统的制作方法

本发明涉及集成电路测试技术领域，进一步说，尤其涉及一种基于工业互联网的集成电路测试信息化管理系统。

背景技术：

当前，我国集成电路产业正面临发展的重要战略机遇期、创新期和攻坚期，一方面，全球市场格局加快调整，投资规模迅速攀升，市场份额加速向优势企业集中；另一方面，移动智能终端及芯片呈爆发式增长，互联网、物联网、大数据等新业态快速发展，集成电路技术演进出现新趋势。

最近几年，大数据一直是个非常热门的话题。当人们津津乐道于互联网时代海量数据带来如何的机会和价值的时候，而集成电路产业中却忽略了随时可见的芯片大数据的价值，如集成电路测试数据。当前，集成电路测试每天生成各种数据超过300g的大数据，每月测试2亿多颗芯片，每颗芯片测试参数平均约6000项，每颗芯片测试功能矢量平均约10,000,000条，测试数据还在持续增长中，若构建在线分布式数据部署、集中化信息处理等在线交互信息处理平台，研发集成电路测试海量数据(每天超过300g的数据)在线分析处理与离线深度挖掘技术，对集成电路每一环节的测试结果进行监督和分析,甚至通过一些数据的变化趋势预测问题的所在,在良率问题爆发出来以前就采取必要的措施,从而减少甚至避免产品质量的事故,降低芯片生产运营的成本，为国内外集成电路相关企业提供专业、安全的在线交互信息系统服务，这也是未来集成电路产业发展中海量测试数据所体现的价值。

国内集成电路产业测试信息化还面临着如下挑战和需求：

(1)物理服务集群系统需求

集成电路产业中随时可见芯片大数据的价值，如pcm工艺数据、验证数据、晶圆测试数据、qa数据等集成电路数据信息，几乎所有芯片在进入市场前，都需要经过很多环节严格的测试，而每个环节的都会产生海量信息数据。因此，国内集成电路企业急需一个具有智能、高效及形成一个庞大的数据网的物理服务集群系统，兼顾安全预警服务支撑系统、全面安全保障支撑系统、高效运维管理支撑系统等功能，为上层应用提供高度集成的数据接口，实现相应虚拟化，为平台上的用户提供应用服务，形成一个完整的生态圈，为集成电路产业用户提供整套安全可控、智能监控、安全预警、动态监控的集成电路基础构架平台和服务。

(2)在线信息交互服务系统的需求

集成电路产业链包括集成电路设计、制造、封装、测试以及支撑辅助上述三个环节的设备和材料等环节，但是每个环节由于自身规模、技术等限制，不可能负担高额的信息系统成本，所以未来对于在线交互服务这种成本较低创新服务的需求会出现爆发，布局互联网集成电路数据中心的创新服务及解决方案，满足集成电路产业链各环节企业按需自助服务的在线交互信息服务模式将会成为集成电路设计、制造、封装测试等生态系统良性互动发展的支柱。

(3)海量数据挖掘和分析需求

集成电路产业中，一颗芯片在进入市场前都要经过测试验证，通常会有几十甚至上百项的测试项目，除了测试只返回pass/fail外,其它项目结果都包含了具体的测试数据,且反映了芯片至少某一方面的功能特性，如果是量产的芯片,少则一年出货近百万,多则每个月都到几千万颗，可以看到这些测试结果将是一个多大的数据宝库，如果这些数据能够被充分地加以统计和分析，对于芯片整体的特性，以及设计、工艺、封装等方面的问题是非常有价值的。未来，若建立一套体系和流程，对每一批芯片每一环节的测试结果进行监督和分析，甚至能够通过一些数据的变化趋势预测问题的所在，在良率问题爆发出来以前就采取必要的措施,从而减少甚至避免产品质量的事故,降低芯片生产运营的成本，这也是未来集成电路产业发展中海量测试数据所体现的价值。

现有技术中，集成电路测试环境都是在千级、百级、十级等洁净车间，生产操作人员需要监管多台设备，如果出现测试异常、报警等，测试机台暂停，等待操作人员去处理，而且不一定能快速定位到问题所在，机台间的距离、异常情况、人员、异常发现及时性等都会影响处理效率，那如果多台测试机台同时出现异常，就会出现无法同时、快速的处理，设备只能停止工作，造成机时浪费、产能低等。

综上所述，本发明提供了一种基于工业互联网的集成电路测试信息化管理系统，将洁净度车间所有状态(包括测试prober、测试机台、测试数据、信息图表化)实时集成在信息化系统上，操作人员只需在工作台上，能实时监控车间里的状态，异常能及时响应、快速定位，直接在信息化系统上操作、控制及解决异常，并不需要亲自到设备旁边解决(减少80％以上时间)，同时大幅度减少人力成本(如100台测试设备，现在由20人监控，通过本发明应用，只需要2到3人就能满足)。

技术实现要素：

本发明提供了一种基于工业互联网的集成电路测试信息化管理系统，解决了目前在千级、百级、十级等洁净车间集成电路测试效率低、人力成本高、测试产量低等问题，其中，为解决上述技术问题，而采用的具体技术方案为：

1、包括设备互联、数据源融合模块子系统，用于以集成电路测试设备为基础，从底层出发，自主研发数据源整合ui，整合集成电路测试的复杂多样测试数据信息；以集成电路测试设备为基础，从底层出发，自主研发数据源，整合ui，整合集成电路测试中复杂多样的测试数据信息，其中，为实现上述技术效果，而采用的具体技术方案是：

设备互联、数据源融合系统是在集成电路自动化测试设备的基础上，通过改进的测试oi让测试机生成原始测试数据，使用数据分析服务器的运算能力及数据库服务器的筛选能力，在云端进行所有的运算处理；

设备互联、数据源融合系统包含测试设备(数据源)、中心服务器、数据预处理服务器、数据库服务器(sqlserver)、数据库服务器(mongodb)和分析服务器；其中，测试设备(数据源)负责生成原始测试数据，中心服务器负责调度数据处理任务，数据预处理服务器负责将不同类型测试设备产生的不同格式数据进行归一化，提取测试数据中的关键参数，分析服务器用于生成测试数据并进行实时分析处理并发送，数据库服务器(sqlserver)用于存储数据测试记录，便于中心服务器索引，数据库服务器(mongodb)用于存储数据预处理服务器生成的预处理数据，用于报表服务器生成报表；

1)测试数据源为各种不同类型的测试机，测试机通过开发的测试机ui生成统一格式的测试数据作为数据源，测试数据包含但不限于rawdata及与测试系统无关的stdf，在每片wafer开始测试和结束测试的时候，将必要的wafer信息存入数据库服务器(sqlserver)上，以便中心服务器查询wafer测试记录使用；另外，在每片wafer开始和结束时需要oi在数据库服务器(sqlserver)中写入wafer的基本信息，同时，还需要将prober的状态记录到数据库服务器(sqlserver)中，以便对环境进行监控；

2)生成测试数据之后，将测试数据存放于中心服务器，中心服务器根据数据库服务器(sqlserver)中wafer的测试记录分发数据处理任务给数据预处理服务器和测试分析服务器，在数据预处理服务器预处理完数据之后将预处理完的数据存入数据库服务器(mongodb)中，便于测试分析服务器生成数据报表；

数据库服务器(mongodb)用于记录数据预处理后的数据，是基于分布式文件存储的数据库，介于关系数据库和非关系数据库之间，用于存储所有die的关键参数的值，最大优势是改变关键参数时不需要重新生成表单记录，直接将新的参数作为新的key记入同一张数据库表；

3)在测试数据进行预处理之后，将生成的预处理数据存入数据库服务器(mongodb)，预处理完的数据包括但不限于wafermap、所有die关键参数的详细数据，数据预处理服务器由中心服务器指派数据处理任务，由于不同的产品关注的参数不同，因此，预处理完的数据也不同，通过使用主控+脚本的形式来处理数据，不同的产品使用不同的处理脚本，在产品处理脚本中将该产品要处理的关键参数列出并提取保存到mongodb中；

4)在预处理数据之后，中心服务器分发送任务给分析服务器，分析服务器根据中心服务器分发的任务从数据库服务器(mongodb)中获取预处理并生成分析报表，系统将最后的自动讲报表通过邮件、微信形式推送给产品相关的工程师及其他用户，以便实时掌握被测产品每片的良率、每天的良率波动情况、关键参数的变化趋势。

还包括资源管理系统子系统，用于通过信息化管理平台在客户、测试产品名称、测试device、测试程序、测试探针卡名称等进行自动登记和管理；

资源管理系统子系统，对集成电路测试流程如常规如测试、熔丝产品、墨水烘干、老化栏的显示等进行管理和实时更新状态；研发产品信息登记及管理，对集成电路测试的产品名称、测试device、测试程序及测试探针卡名称等产品信息自动获取及管理；研发测试设备信息管理及资源分配，实现“prober”、“tester”、“pe”等超过200台套设备(机器)不同类别的信息进行自动获取、资源分配及执行计划管理；研发测试全过程任务管控应用模块，包括在线高低温测试、打点、墨水烘干、质量检验等任务状态管控，同时包括类无人车间测试信息、测试数据上传、测试map图生成、测试二次查询等生产测试信息管控；diaguid校验及管控，对产品测试uid与服务器中的uid信息进行校验，并实时记录测试版本号、校验结果；mapedit信息管控，对集成电路测试产品的die坐标、pass、fail等信息进行修改、添加、删除管理。

2、资源管理系统子系统，通过信息化管理平台，对客户、测试产品名称、测试device、测试程序、测试探针卡名称等信息进行自动登记和管理，为实现上述功能，采用的技术方案为：

包括以下功能模块：

建立测试任务模型模块，对集成电路测试流程进行管理和实时更新状态；

产品信息登记及管理模块，对集成电路测试的产品信息进行登记及管理；

产品测试设备信息模块，对不同类别的设备信息进行管理；

测试任务状态监控模块，对任务状态进行管理；

测试生产管理模块，对生产测试信息进行管理；

diaguid校验及管理模块，对产品测试uid与服务器中的uid信息进行校验，并实时记录测试版本号、校验结果；

mapedit信息管理模块，对集成电路测试产品的信息进行修改、添加、删除管理。

下面对每个模块的具体技术方案及功能进行详细阐述：

1)建立测试任务模型

建立包括但不限于“test(测试)”、“quality(质量)”、“baking(烘干)”、“ink(打点)”以及设备、配件、测试探针卡、位置关键流程模型，并可以灵活配置和更改，起关键技术点在于在产品进入测试之前，生成唯一可溯源性联动id，id将成产品唯一贯穿整个测试流程的信息，包括但不限于消耗物料、流程，收集的参数化的数据、入出、中转的日期、时间、地点；

自动获取测试流程，是通过建立测试流程模型，对包括但不限于在线高低温测试、打点、墨水烘干、质量检验、老化任务状态信息进行管理，根据“产品名称”调用设置文件，对需要加工的流程也实现调用。

2)测试产品信息登记

测试信息根据测试产品信息及测试要求，预先登记和入库，测试信息在需要调用产品列表时随时使用，需要注意的是，产品名称是唯一不能重复的，包括但不限于测试产品名称、测试device、测试程序及测试探针卡名称，测试产品信息登记为全程无纸化提供基础数据，实现无纸化信息自动获取、跟踪及监控。

3)产品测试设备信息管理

测试设备信息共分“prober”、“tester”、“pe”三类，任何测试设备均可成为另外设备的附属，即在“归属于id”中填写附属设备的id，然后，在设备列表的pe版列表中体现出来。

4)测试任务状态监控

根据“产品名称”调用设置文件，需要加工测试的流程也会调用，默认的任务书产品数量为来料登记数量，系统支持临时更改、添加、删除，并可在系统中进行自动修改和更新；同时支持测试任务及测试程序的更新，为保证产业化测试的安全性，系统添加了安全机制、测试任务标号唯一性，即一个测试任务书标号只能且唯一的测试程序、测试流程及测试设备信息。

5)测试生产管理

对产品当前测试流程状态进行管理，包括但不限于流程卡号、任务书号、来料时间和状态运行时间，从而实现测试生产的管理。

6)diaguid校验及管理

在集成电路测试过程中，对所测试产品的uid与服务器中的uid信息进行校验，并实时记录测试版本号、校验结果，验证测试流程的正确性，校验信息包含但不限于测试bin合计数、每个site差异比对、每个site误测管芯数、每个site测试管芯数、总测试管芯数，在整改集成电路测试过程中实现多维度进行校验和验证，保证每次测试的唯一性。

8)mapedit信息管理及在线自动校验验证

mapedit信息管理包括但不限于对产品每颗测试die坐标(x.y)、pass、fail超过百项信息进行管理，包含但不限于lotid、parttype、jobname、testertype、setuptime、starttime、operatorname、sublotid、testcode、jobrev、executivetype、execversion、testtemp、flowid超过百项的信息，同时进行在线自动校验验证。

系统校验正确后，根据测试要求调度、智能分配、决策，开始测试，整合集聚测试数据信息，实时监控测试数据，并上传服务器，完成信息化管理。

另外，集成电路晶圆(wafer)测试过程中由于一些不可控原因，如实际测试范围与事先设定的范围不同，操作人员的信息输入与实际有差异、设备参数异常等，导致最终的量产测试结果与实际不符。为了避免此类事情发生，须testsystemplus在数据上传至数据中心前做一个全面的校验验证，在进行验证前，系统会自动获取测试产品信息，进行相应的规则设置及配置，过程是将客户要求的测试范围通过basicmap导入系统中、检查测试项目通过bdf软件模块导入系统，使用的测试探针卡信息通过probercardrelease导入系统中，最终进行信息校验验证。

3、还包括大数据智能分析子系统，基于大数据+ai算法融合，提取、拆分、分析、合并，实现多平台间的互联互通，用于集成电路测试与信息的图形化实时分析，将复杂、多样的数据转化为直观的图表，支撑预判、预警、预测等功能；

研发最终良率、最初良率、复测率、回复率的网格表和可视化、测试时间、测试map图等在线智能分析模块，具备waferlotyieldsummary、waferlotbinmap、waferlotstackmap、probe/setting、6sigma、testtime、summarycheck、probe/setting、report等多维度的分析功能，通过大数据的分析结果，实现多平台间的互联互通，通过一定的算法提取、拆分、分析、合并等方法，将这些数据转化成简单易懂的文件和图表，让不同领域的人都能快速得到想要的分析结果。

包括数据采集层、大数据处理分析层以及应用层，提供集成电路测试参数指标分析、晶圆测试良率分析、测试时间分析、晶圆map图信息、summarycheck及分析、touchdown、report(报告)、sqlhistory(测试记录)分析，本技术具有数据互通和数据备份的特点，安全性高、能实现对全生态链信息的数据检索、追踪和分析的功能，利于实时监控测试结果。

第一步：r1：输入产品名称device、测试批号lot、测试机台号tester等信息值，默认为空，即全搜索。

第二步：在r3里选择需要的起始时间和终止时间，默认起始时间为工具开启时间往前30天，默认终止时间为工具开启时间。

第三步：在r4里选择cp(晶圆测试)或ft(成品测试)，关系到搜索的数据库位置。

第四步：在r5里选择使用数据库的数据还是本地数据，然后在l1里会显示所有符合条件的信息，最后再根据实际需要选择具体哪些数据需要读取，读取temp文件或者csv文件。主要数据查询途径包括：“sqlsearch”为查询数据库里的temp文件；“sqlread”为读取数据库里的temp文件；“sqldcparameter”为读取数据库里的csv文件；“localsearch”为获取本地盘符里的temp文件；“localread”为读取本地盘符里的temp文件；“localdcparameter”为读取本地盘符里的csv文件。

第五步：读取中的文件会在r5里显示进度，读取完成后会在r7里显示，实时显示读取的片数和进度。

第六步：如果读取的是csv文件，会在l1里显示所有的参数信息。包括如下全参数信息；

l11：tc为测试总数量；rc为复测数量；wc为测试总数量减去复测数量；

l12：产品名，可以有多个产品名；

l13：指定产品名下的批号名；

l14：指定产品名批号名下的waferid和flowid；

l15：产品名的批号统计信息，lc为批号数量，tc为此产品测试总数量；rc为此产品复测数量；wc为此产品测试总数量减去复测数量；

l16：指定批号的统计信息，tc为此批号测试总数量；rc为此批号复测数量；wc为此批号测试总数量减去复测数量；

l17：指定waferid的测试结束时间；

l18：红色的表示此为复测的数据；

第七步：选择u1里的特色功能按钮，不同功能会在c1里显示不同的数据格式。主要包括的功能如下：“测试参数指标分析”，主要分析dc参数的具体指标；“良率分析”，主要分析wafer或ft文件的良率信息和具体site、bin信息；“时间分析”，主要分析wafer或ft文件的测试时间信息和touchdown信息；“tskmap”，主要查看wafer的map图信息及各种map相关检查功能；“summarycheck”，主要查看wafer或ft文件的summary及分析结果；“touchdown”，主要分析完整的一片wafer的实际touchdown个数和site测试个数；“report”，主要生成不同客户要求的不同报表；“sqlhistory”，主要查看数据库里的信息，包括cp测试记录、ft测试记录等。

第八步：在u1里根据实际需求选择相应功能，生成新的分析数据。

第九步：选择c1的不同tab，可以微信推送、邮件推送、本地保持等多终端显示。

特色功能具体说明：

(1)测试参数指标分析

数据整合：u311：x、y、site、flowpf为固定列，xy代表其在晶圆上的xy坐标，site代表此坐标是具体哪个工位测试的，flowpf代表此坐标的最终结果是pass还是fail。后面列根据所选测试项不同会相应显示出不同数据，一个测试项为两列，第一列为其测试项的pass/fail结果，第二列为测试项的具体测试值。

u312：晶圆上测试了多少die，就有多少行信息。

u313：具体的数据显示；

实现设定：removeflowfail:将此颗die最终结果是fail的值剔除；

removeitemfail:将此测试项结果是fail的值剔除；

removeoutliers:将1.5倍大于测试值的四分位距的值剔除；

removeexoutliers:将3倍大于测试值的四分位距的值剔除；

bysite:统计时是否需要分site进行计算；

支持的图表类型：

normaldistribution:正态分布图

scatterplot:散点图

barhistogram:柱状直方图

boxplot:箱型图

valuemap:测试项的map图

图表标记类型：

highlimit:上限

lowlimit:下限

max:最大值

min:最小值

mean:平均值

median:中位值

sigma:标准差

+3sigma:平均值加上3倍标准差

-3sigma:平均值减去3倍标准差

quartile1:第一四分位数

quartile3:第三四分位数

“数值分析”为将数值进行平均值、标准差等分析。

技术优势：通过将几百甚至几千项的测试参数，转换成直观的生成可视化图表，同时，可以将任何一个测试参数在一张map图的分布，形成测试值map，通过颜色变化能清晰的看出是否具有区域性和趋势性，更直观的判断晶圆本身是否存在问题，整张map的测试值分布对于晶圆厂来说也是非常重要。

(2)测试良率分析

数据整合：u321：列标题为固定参数，finalyield、firstyield、retestyield、recoveryield、finalpass、firstpass、retestcount、recovercount、testerid、pcid，分别代表最终良率、最初良率、复测率、回复率、最终pass数、最初pass数、复测数量、回复数量、测试机编号、针卡编号。

u322：选择的源数据数量，有多少个数据文件就有多少行。

u323：具体的数据显示。

支持的图表类型：

整改lot良率分析图：将不同lot的值用不同颜色显示出来，可以清晰的看出lot之间的良率差异；

probercard良率分析图：将不同的测试条件形成测试良率分析图，来查看不同硬件之前的良率差异；

site良率分析线性图：将不同site做成线性图表，直观看出site之间良率差异；

failbin分析图：将所有failbin的数量从大到小排列，并且将每个bin和之前的所有bin的数量累加，做条累加百分比线。可以看出主要失效是由哪几个bin造成的，并且造成的影响有多大。

单个site失效分析图：取最高数量的三个failbin做成叠加柱状图，通过每个site的高度直观的看出site良率差异；

多个site线性图：取最高数量的三个failbin做成线性图，看看是否由于site差异造成的fail数量变大；

技术优势：从整改lot良率、probercard影响因素、测试site之间、failbin因素等多维度去分析测试良率图，从最终良率、最初良率、复测率、回复率，快速统计每个lot的summary。能清晰的看出和分析区域性和趋势性。

(3)时间分析

数据整合：u331：列标题为固定参数，totaltime、normaltesttime、retesttesttime、normalpausetime、normaltotaltime、retestpausetime、retesttotaltime、retestfirstdietime、testerid、pcid，分别代表总测试时间、正常测试时间、复测测试时间、正常测试过程中暂停时间、正常测试总时间、复测过程中暂停时间、复测总时间、复测的第一个die时间、测试机编号、针卡编号。

u332：选择的源数据数量，有多少个数据文件就有多少行。

u333：具体的数据显示。

整改lot良率分析图：将不同lot的值用不同颜色显示出来，可以清晰的看出lot之间测试时间差异。

touchdown分析：touchdowndetail:显示每个touchdown的时间。

技术优势：通过查看每片的测试时间，能得出每片实际的测试时间。并且针对测试时间长的片子可以通过touchdown去看时间间隔，找到时间变长的原因，从而提高生产效率。

(4)tskmap

主要是分析cp测试的map图，包括所有bin的分布、复测和回复bin的分布、通过各种算法后判断的map图是否异常等，还可以将多张map叠加起来，分析failbin的分布。

数据整合：u351：列标题前4列为固定参数，bincount、binyield、s2scount、s2syield，分别代表bin的数量、bin的百分比、site差异个数、site差异百分比，后面是具体的site信息，有多少site就有多少列数据，代表各site各bin的数量。

u332：选择的源数据数量，有多少个数据文件就有多少行。

u333：具体的数据显示

recover/retest颜色区分：直观的看出回复率的高低，如果有明显的pattern图形，则说明硬件有差异，对后续测试和提高良率进行指导意见。

“summarycheck”，查看测试summary，并根据具体产品的判断规则进行自动判断，快速找出异常数据。良率判断：通过颜色直观看出问题所在；还可以直接先测试失效或异常的测试数项。

本系统另外的创新之处：

系统功能自动更新，为了保证每个人所使用的exe为最新版本，就需要对exe版本做个判断，如果低于最新版本就会从服务器上重新下载一个最新的exe可执行文件，可在工具打开后最上方找到其版本号。

(2)所有配置文件共享、以配置文件误操作防范：集成电路全生态链智能测试分析聚集很多配置文件，每个配置文件都有其对应的功能，例如devicesetting配置了map的范围，yieldsetting配置了产品的判断规则。如果管理员更新了配置文件，其他人也应该使用最新的配置文件。在任何对配置文件有操作后可以选择将修改后的配置文件上传到服务器，每次使用配置文件前又会将服务器上的配置文件下到本地使用。另外如果有任何误操作或不确定时，也可以选择不将修改后的配置文件上传，仅更新本地的配置文件，当确认无误后再选择上传服务器，避免误操作使所有人使用的配置文件都被误更新。

(3)自主创新的分析核心算法：

以某一个fail为中心，在其周围一圈8个点(左上、上、右上、右、右下、下、左下、左)再找任意一个fail，如果没有即认为9宫格fail数为当前fail总和，如果有继续以任意一个fail再为中心，当然之前那个fail点不能算在其中，一直到周围8个点没有fail为止，如果fail总数大于判断的标准即认为fail，在图上显示出来。

其难点在于判断时需要将之前那个fail去除在外，不能重复计算，因此在循环过程中会有两个列表变量，一个是当前所有统计到的fail列表，另一个是以当前fail为中心的fail列表，动态更新两个列表，保证不重复计算。

map图横竖连续失效算法具体内容为，以一个fail为中心，先以x轴横向两边寻找fail，连续fail数大于预期则为失效，如果当中有pass，则全部清零；然后以y轴纵向寻找fail，同x轴。

其难点在于x轴和y轴需要分别计算，又同时需要将结果合并，所以进行算法时使用两个变量存储x轴和y轴的值，最后再将合起来的结果放到最终的一个变量中，使用这个变量描出最终结果。

site连续失效算法具体内容为，以一个fail为中心，找到和它相同的连续的site，判断是否fail，如果连续fail大于预期，则为失效。

其难点在于几乎所有的cp都会进行复测，需要将最终结果替换掉之前的测试结果，但不能改变其测试顺序，然后判断其site是否一致，再判断连续fail的数量，因此先将site分组进行循环判断，使用一个字典将xy坐标作为key，测试顺序作为value，将复测后相同的xy为key的value替换掉，用一个顺序列表将所有pass/fail结果列出，最后通过顺序列表去判断连续失效的数量是否大于预期。

td连续失效算法具体内容为，以一个fail为中心，找到和它连续的touchdown，如果touchdown里有一个fail，则累加fail数，一旦大于预期，则为失效。其难点在于判断touchdown是否连续，同样会遇到复测问题，因此也需要将复测后的值替换掉之前的，然后根据时间来分组进行判断，用一个顺序列表将pass/fail连起来，就能判断是否fail连续。

原始->复测分布图，列出所有复测的die，和之前的bin号做对比，如果从fail到pass了，则用绿色表示，fail到fail，但是bin号没变，用黄色表示，bin号也变了，则用红色表示。其难点在于用可视化图表表现出来，需要将所有bin都列出来，将数字填入圆圈之中，并且根据数字大小来相应改变圆圈大小，并且用不同颜色区分。

4、还包括类无人车间工业级app应用系统，将测试车间异常报警，实时监控和可视化系统及时响应异常机制及处理界面集成在一个系统里，实现由现在人员巡视监控模式转型升级为类无人车间。

研发远程实时监控及可视化系统，包括自动化测试探针台(prober)远程监控管理平台、自动化测试机台(test)远程监控管理平台、数据监控平台、全过程监控远程管理平台等平台系统，测试车间异常报警，实时监控和可视化系统及时响应异常机制及处理界面。

其中，具体技术方案为：是一种远程实时监控及可视化系统，该系统通过无人车间监控系统对测试车间进行监控管理，测试车间内包括生产测试设备，无人车间监控系统包括自动化测试探针台(prober)远程监控管理平台、自动化测试机台(test)远程监控管理平台、数据实时监控平台、全过程监控远程管理平台；测试车间异常报警，实时监控和可视化系统及时响应异常机制及处理界面；

上述的类无人车间工业级app应用系统，其中：

自动化测试探针台(prober)远程监控管理平台，包括存储器，误判计数模块，判断模块，与误判计数模块和存储器相连，通过判断误判计数模块记录的连续不良品数量是否大于所述误判阈值，决定是否向探针台发送停止测试的指令，还包括与所述存储器连接的输入模块，所述存储器存储的误判阈值是通过输入模块输入的，还包括与所述误判计数模块连接的显示模块，接收所述误判计数模块记录的连续不良品数量并进行显示，还包括与所述判断模块连接的报警器；所述判断模块向探针台发送停止测试的指令的同时，还向报警器发送报警指令，指示报警器报警。

上述的类无人车间工业级app应用系统，其中：

自动化测试机台(test)远程监控管理平台，包括包括摄像头和智能终端，所述摄像头的内部固定安装有无线通讯器，且无线通讯器连接有服务器，所述服务器连接有智能终端，且控制终端的内部固定安装有处理器，所述核心处理器连接有电源接口、usb接口、解码器、调制解调器、控制器和a/d转换器，且a/d转换器连接有视频采集卡，且视频采集卡连接有无线通讯器，该移动互联网远程监控管理平台使用平板作为智能终端，进行在移动互联网的基础上实现实时远程监控管理。

上述的类无人车间工业级app应用系统，其中：

数据实时监控平台，包括数据采集模块、单片机、无线通信模块、数据处理模块、数据分析模块、数据存储模块，数据采集模块与单片机相连，单片机与无线通信模块相连，数据处理模块、数据分析模块、数据存储模块均与单片机连接，避免了数据监控的空间距离，组网灵活，性能可靠，成本低廉。

上述的类无人车间工业级app应用系统，其中：

全过程监控远程管理平台，该平台系统由以太网连接的真实物理系统、虚拟信息系统、信息反馈、信息控制、监控管理平台、设计变更、制造变更、数据/信息和数字模型组成，所述监控管理平台基于物联网信息感知层，利用虚拟现实技术，建立车间及生产线对象的三维可视化数字模型进行监控管理工作，贯穿于整个设计、制造和管理，达到真实物理系统和虚拟信息系统的高度融合。

本发明相对于现有技术具有如下有益效果：

与现有技术相比，所涉及的信息化管理系统能够提供丰富快速的线上服务，提高测试效率，提升测试产能，将洁净度车间所有状态(包括测试prober、测试机台、测试数据、信息图表化)实时集成在信息化系统上，操作人员只需在工作台上，能实时监控车间里的状态，异常能及时响应、快速定位，直接在信息化系统上操作、控制及解决异常，并不需要亲自到设备旁边解决(减少80％以上时间)，同时大幅度减少人力成本(如100台测试设备，现在由20人监控，通过本发明应用，只需要2到3人就能满足)。

利用中心服务器、数据预处理服务器、分析服务器、数据库服务器(sqlserver)、数据库服务器(mongodb)，为各种国际先进的大型自动化测试仪器组成的多级测试平台所产生的集成电路测试数据源进行整合，将不同类型测试设备产生的数据规划为统一格式测试数据作为数据源，测试数据格式包含rawdata、stdf(standardtestdataformat)格式的详细数据，在每片wafer开始测试和结束测试的时候，将必要的wafer信息存入数据库服务器(sqlserver)上，以便中心服务器查询wafer测试分析报告，并实时推送给用户。

资源管理系统子系统是集成从测试集成电路产品入库到出库一整套信息登记和信息管理，功能完备、实用简单、过程可控，可通过安全的在线远程进行访问控制，是一套模块管理、可视化、完善的、标准化的集成电路测试服务信息管理系统软件，其功能包括测试流程、产品登记、测试程序调用、device调用、探针卡管理、测试设备、来料登记、下达测试任务、测试流程卡管理、生产进程跟踪、进度查询、产品登记、diaguid、自动更新、mapedit、map数据统计、密码修改、测试map偏移检查等整套集成电路测试信息的登记和管理，方便测试监控、查询、分析及追溯。

通过研发最终良率、最初良率、复测率、回复率的网格表和可视化、测试时间、测试map图等在线智能分析模块，具备waferlotyieldsummary、waferlotbinmap、waferlotstackmap、probe/setting、6sigma、testtime、summarycheck、probe/setting、report等多维度的分析功能，通过大数据的分析结果，实现多平台间的互联互通，通过一定的算法提取、拆分、分析、合并等方法，将这些数据转化成简单易懂的文件和图表，让不同领域的人都能快速得到想要的分析结果。

集成电路全生态链智能测试分析，实现公司办公的实时性、移动性和智能性，具有远程数据互通和远程数据备份的特点，安全性高，通过不断的数据积累，基于6个月到1年的数据积累，引入工业大数据分析模型，实现对全生态链测试信息的数据检索、追踪、分析、预警、预判等，指导生产，提升生产效率及测试良率。

通过测试车间异常报警，实时监控和可视化系统及时响应异常机制及处理界面，实现由现在人员巡视监控模式转型升级为类无人车间，异常处理、测试效率等提升30％，提升通过大数据量与ai算法融合分析，预警预判，为测试产能、测试良率及测试质量提升起到至关重要作用。

附图说明

图1为基于工业互联网的集成电路测试信息化管理系统的框架示意图。

图2为数据生成、上传及写入测试信息的过程的示意图。

图3为设备互联、数据源融合模块子系统的总构架示意图。

图4为数据预处理模块结构图。

图5为rawdata文件内容的示意图。

图6为stdf文件的示意图。

图7为数据库服务器(sqlserver)记录包含的信息示意图。

图8为数据库服务器(mongodb)记录示意图。

图9为数据预处理记录示意图。

图10为报表模块结构图示意图。

图11为邮件报表示意图。

图12为微信自动发送示意图。

图13为集成电路测试信息化管理系统中的资源管理系统系统的框架示意图。

图14为建立测试任务模型的示意图。

图15为自动获取测试流程的示意图。

图16为测试产品信息登记的示意图。

图17为产品测试设备信息管理的示意图。

图18为测试任务状态监控的示意图。

图19为测试任务状态监控的示意图。

图20为测试项目及site信息校验的示意图。

图21为测试范围通过率校验的示意图。

图22为测试探针卡信息校验的示意图。

图23为集成电路全生态链智能测试分析方法的流程示意图。

图24为第六步显示参数信息的示意图。

图25为测试参数指标分析中具体数据显示的示意图。

图26为数值分析的示意图。

图27为具体的数据显示的示意图。

图28为site良率分析线性图的示意图。

图29为site线性图的示意图。

图30为时间分析中具体数据显示的示意图。

图31为touchdown分析的示意图。

图32为tskmap具体数据显示的示意图。

图33为recover/retest颜色区分的示意图。

图34为summarycheck的示意图。

图35为类无人车间工业级app应用系统的示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的描述。

现有的集成电路测试车间，通常是有很多生产操作人员监管多台设备，如果出现测试异常、报警等，测试机台暂停，等待操作人员去处理，而且不一定能快速定位到问题所在，机台间的距离、异常情况、人员、异常发现及时性等都会影响处理效率。如果多台测试机台同时出现异常，就会出现无法同时、快速的处理，设备只能停止工作，造成机时浪费、产能低等。

本发明提供了一种基于工业互联网的集成电路测试信息化管理系统，包括设备互联、数据源融合模块子系统、资源管理系统子系统、大数据智能分析子系统、类无人车间工业级app应用系统。

本发明提供的集成电路测试系统中设备互联、数据源融合系统，针对申请人每天生产超过1tb的各种测试信息数据，解决了测试数据源复杂多样、格式繁杂的难题，通过规划设计数据中心架构及自主研发测试数据源整合系统，将各种国际先进的大型自动化测试仪器组成的多级测试平台产生的集成电路测试数据源进行整合，其中包括目前大部分集成电路自动化测试设备。

本发明提供的集成电路测试系统中设备互联、数据源融合系统，从底层出发，自主研发数据源整合ui，支持国内自主研发测试设备、仪器仪表、工具软件等多类型软硬件接入和互联，将不同类型测试设备产生的数据规划为统一格式测试数据作为数据源，测试数据格式包含rawdata、stdf(standardtestdataformat)格式的详细数据，在每片wafer开始测试和结束测试的时候，将必要的wafer信息存入数据库服务器(sqlserver)上，以便中心服务器查询wafer测试记录使用，另外，整合了贯穿集成电路设计、制造、封装及应用全产业链过程的复杂多样测试数据信息，基于6个月到1年的数据积累，引入工业大数据分析模型，实现一定的预测能力，指导生产过程中提升了生产效率。

本发明提供的集成电路测试系统中设备互联、数据源融合系统实现过程为：主要是在集成电路自动化测试设备(测试系统包含目前大部分集成电路自动化测试设备。)的基础上，通过改进的测试oi让测试机生成原始测试数据，使用数据分析服务器及数据库(多台)，通过数据分析服务器强大的运算能力及数据库服务器强大的筛选能力，在云端进行所有的运算处理，如图1所示。

本发明提供的集成电路测试系统中设备互联、数据源融合系统包含测试设备(数据源)、中心服务器、数据预处理服务器、数据库服务器(sqlserver)、数据库服务器(mongodb)和分析服务器，如图1所示。其中，测试设备(数据源)负责生成原始测试数据，中心服务器负责调度数据处理任务，数据预处理服务器负责将不同类型测试设备产生的不同格式数据进行归一化(也称测试设备互联中心)，提取测试数据中的关键参数，分析服务器用于生成测试数据进行实时分析处理并发送，数据库服务器(sqlserver)用于存储数据测试记录，便于中心服务器索引，数据库服务器(mongodb)用于存储数据预处理服务器生成的预处理数据，用于报表服务器生成报表，如图3所示。

(1)测试数据源包括各种不同类型的测试机。各种不同类型的测试机通过开发的测试机ui来生成统一格式的测试数据作为数据源，测试数据包含但不限于rawdata(包含wafer坐标、hardbin、softbin、site、passfail、测试时间等信息)及与测试系统无关的stdf(standardtestdataformat)(包含所有测试项的详细测试内容，包括但不限于每个die的坐标、每个测试项中每个pin的详细测试数据，包括测试值、上下限等详细信息)，在每片wafer开始测试和结束测试的时候，将必要的wafer信息存入数据库服务器(sqlserver)上，以便中心服务器查询wafer测试记录使用。

在每片wafer开始和结束的时候需要oi在数据库服务器(sqlserver)中写入wafer的基本信息，包括这片wafer的产品名、批号、片号、开始测试时间、结束测试时间、使用的测试机、prober、probercard等，以便在不需要进行详细数据分析的时候对这片wafer进行快速分析。同时，还需将prober的状态记录到数据库服务器(sqlserver)中，以便对环境进行监控。

(2)生成测试数据之后将测试数据存放于中心服务器，中心服务器根据数据库服务器(sqlserver)中wafer的测试记录分发数据处理任务给数据预处理服务器和测试分析服务器，在数据预处理服务器预处理完数据之后将预处理完的数据存入数据库服务器(mongodb)中，便于测试分析服务器生成数据报表。其中，数据预处理服务器和报表服务器可以有多台服务器共同完成，根据数据和报表处理任务的强度动态分配工作负载。

数据库服务器(mongodb)用于记录数据预处理后的数据，基于分布式文件存储的数据库，介于关系数据库和非关系数据库之间的产品，存储所有die的关键参数的值，最大优势是改变关键参数时不需要重新生成表单记录，直接将新的参数作为新的key记入同一张数据库表。

(3)在测试数据进行预处理之后，将生成的预处理数据存入数据库服务器(mongodb)，预处理完的数据包括但不限于wafermap、所有die关键参数的详细数据等。数据预处理服务器由中心服务器指派数据处理任务，由于不同的产品关注的参数不同，因此，预处理完的数据也有很大的不同。通过使用主控+脚本的形式来处理数据，不同的产品使用不同的处理脚本，在产品处理脚本中将该产品要处理的关键参数列出来并提取保存到mongodb中。其优势在于，不同的脚本还可以使用多线程多进程技术，实现同时对多个产品进行处理，最大限度的利用了服务器高效的数据处理能力。

(4)在预处理数据之后，中心服务器分发送任务给分析服务器，分析服务器根据中心服务器分发的任务从数据库服务器(mongodb)中获取预处理处理并生成分析报表，系统将最后的自动讲报表通过邮件、微信等形式推送给产品相关的工程师及其他用户，以便实时掌握被测产品每片的良率、每天的良率波动情况、关键参数的变化趋势。

总之，本发明提供的集成电路测试系统中设备互联、数据源融合系统，实现了海量数据的实时处理以及报表的实时推送。如果产品增加，只需要增加处理数据脚本或者处理报表脚本即可。如果测试数据增加，现有的数据预处理无法满足需求时，只需要增加预处理服务器和数据库服务器(mongodb)的数量，即可完成运算能力的扩充提升。

本发明提供的集成电路测试信息化管理系统中的资源管理系统，用于通过信息化管理平台对客户、测试产品名称、测试device、测试程序、测试探针卡名称等进行自动登记和管理；

本发明提供的集成电路测试信息化管理系统中的资源管理系统系统，具有如下功能：对集成电路测试流程如常规测试、熔丝产品、墨水烘干、老化栏的显示等进行管理和实时更新状态；研发产品信息登记及管理，对集成电路测试的产品名称、测试device、测试程序及测试探针卡名称等产品信息自动获取及管理；研发测试设备信息管理及资源分配，实现“prober”、“tester”、“pe”等超过200台套设备(机器)不同类别的信息进行自动获取、资源分配及执行计划管理；研发测试全过程任务管控应用模块，包括在线高低温测试、打点、墨水烘干、质量检验等任务状态管控，同时包括类无人车间测试信息、测试数据上传、测试map图生成、测试二次查询等生产测试信息管控；diaguid校验及管控，对产品测试uid与服务器中的uid信息进行校验，并实时记录测试版本号、校验结果；mapedit信息管控，对集成电路测试产品的die坐标、pass、fail等信息进行修改、添加、删除管理。

本发明提供的集成电路测试信息化管理系统中的资源管理系统系统，由以下功能模块组成：

下面对每个模块的具体技术方案及功能进行详细阐述：

(1)建立测试任务模型

建立“test(测试)”、“quality(质量)”、“baking(烘干)”、“ink(打点)”以及设备、配件、测试探针卡、位置等关键流程模型，并可灵活配置和更改，其主要特征在于在产品进入测试之前，生成唯一可溯源性联动id，id将成产品唯一贯穿整个测试流程的信息，包括消耗物料、流程、收集的参数化的数据(如od、pc、prg等)、入出、中转的日期、时间、地点等。

(2)自动获取测试流程

建立测试流程模型，对在线高低温测试、打点、墨水烘干、质量检验、老化等任务状态进行管理，根据“产品名称”调用设置文件，需加工的流程也会调用。

(3)测试产品信息登记

根据测试产品信息及测试要求，预先登记和入库，信息在任何需要调用产品列表的时候都可使用，需要注意的是产品名称是唯一不能重复的，包括测试产品名称、测试device、测试程序及测试探针卡名称等，其创新在于为全程无纸化提供基础数据，无纸化信息自动获取、跟踪及监控。

(4)产品测试设备信息管理

测试设备信息共分“prober”、“tester”、“pe”三类，任何测试设备都可成为另外设备的附属，即在“归属于id”中填写附属设备的id，然后在设备列表的pe版列表中体现出来。

(5)测试任务状态监控

根据“产品名称”调用设置文件，需要加工测试的流程也被调用，默认的任务书产品数量为来料登记数量，系统支持临时更改、添加、删除，这些信息可在系统中进行自动修改和更新。

同时支持测试任务及测试程序的更新，另外，为了保证产业化测试的安全性，系统添加了安全机制，测试任务标号唯一性，即一个测试任务书标号只能且唯一的测试程序、测试流程及测试设备信息等。

(6)测试生产管理

即对产品当前测试流程状态进行管理，包括流程卡号、任务书号、来料时间和状态运行时间等，实现测试生产的管理。

(7)diaguid校验及管理

本模块在整改集成电路测试过程中应用，具有安全性、唯一性及可追溯性，系统对所测试产品的uid与服务器中的uid信息进行校验，并实时记录测试版本号、校验结果，验证测试流程的正确性。主要校验信息包含测试bin合计数、每个site差异比对、每个site误测管芯数、每个site测试管芯数、总测试管芯数等，通过多维度进行校验和验证，保证每次测试的唯一性。

测试算法如下：

判断uid是否要求

diaguid校验包含的信息

(8)mapedit信息管理及在线自动校验验证

mapedit信息管理主要是对产品每颗测试die坐标(x.y)、pass、fail等超过百项信息进行管理，包含了lotid、parttype、jobname、testertype、setuptime、starttime、operatorname、sublotid、testcode、jobrev、executivetype、execversion、testtemp、flowid等超过百项的信息。同时进行在线自动校验验证。

另外，集成电路晶圆(wafer)测试过程中由于一些不可控原因，如实际测试范围与事先设定的范围不同，操作人员的信息输入与实际有差异、设备参数异常等一些原因，导致最终的量产测试结果与实际不符。为了避免此类事情发生，须testsystemplus在数据上传至数据中心前做一个全面的校验验证，在进行验证前，系统会自动获取测试产品信息，进行相应的规则设置及配置，过程是将客户要求的测试范围通过basicmap导入系统中、检查测试项目通过bdf软件模块导入系统，使用的测试探针卡信息通过probercardrelease导入系统中，最终进行信息校验验证。

系统校验正确后，根据测试要求调度，智能分配，决策，开始测试，整合集聚测试数据信息，实时监控测试数据，并上传服务器，完成信息化管理。

集成电路全生态链智能测试分析方法，包括：数据采集层、大数据处理分析层以及应用层，提供集成电路测试参数指标分析、晶圆测试良率分析、测试时间分析、晶圆map图信息、summarycheck及分析、touchdown、report(报告)、sqlhistory(测试记录)分析，本技术具有数据互通和数据备份的特点，安全性高、能实现对全生态链信息的数据检索、追踪和分析的功能，利于实时监控测试结果。

第一步：r1：输入产品名称device、测试批号lot、测试机台号tester等信息值，默认为空，即全搜索。

第二步：在r3里选择需要的起始时间和终止时间，默认起始时间为工具开启时间往前30天，默认终止时间为工具开启时间。

第三步：在r4里选择cp(晶圆测试)或ft(成品测试)，关系到搜索的数据库位置。

第四步：在r5里选择使用数据库的数据还是本地数据，然后在l1里会显示所有符合条件的信息，最后再根据实际需要选择具体哪些数据需要读取，读取temp文件或者csv文件。主要数据查询途径包括：“sqlsearch”为查询数据库里的temp文件；“sqlread”为读取数据库里的temp文件；“sqldcparameter”为读取数据库里的csv文件；“localsearch”为获取本地盘符里的temp文件；“localread”为读取本地盘符里的temp文件；“localdcparameter”为读取本地盘符里的csv文件。

第五步：读取中的文件会在r5里显示进度，读取完成后会在r7里显示，实时显示读取的片数和进度。

第六步：如果读取的是csv文件，会在l1里显示所有的参数信息。包括如下全参数信息

l11：tc为测试总数量；rc为复测数量；wc为测试总数量减去复测数量。

l12：产品名，可以有多个产品名。

l13：指定产品名下的批号名。

l14：指定产品名批号名下的waferid和flowid。

l15：产品名的批号统计信息，lc为批号数量，tc为此产品测试总数量；rc为此产品复测数量；wc为此产品测试总数量减去复测数量。

l16：指定批号的统计信息，tc为此批号测试总数量；rc为此批号复测数量；wc为此批号测试总数量减去复测数量。

l17：指定waferid的测试结束时间。

l18：如图2，表示此为复测的数据。

第七步：选择u1里的特色功能按钮，不同功能会在c1里显示不同的数据格式。主要包括的功能如下：“测试参数指标分析”，主要分析dc参数的具体指标；“良率分析”，主要分析wafer或ft文件的良率信息和具体site、bin信息；“时间分析”，主要分析wafer或ft文件的测试时间信息和touchdown信息；“tskmap”，主要查看wafer的map图信息及各种map相关检查功能；“summarycheck”，主要查看wafer或ft文件的summary及分析结果；“touchdown”，主要分析完整的一片wafer的实际touchdown个数和site测试个数；“report”，主要生成不同客户要求的不同报表；“sqlhistory”，主要查看数据库里的信息，包括cp测试记录、ft测试记录等。

第八步：在u1里根据实际需求选择相应功能，生成新的分析数据。

第九步：选择c1的不同tab，可以微信推送、邮件推送、本地保持等多终端显示。

特色功能具体说明：

(1)测试参数指标分析

数据整合：u311：x、y、site、flowpf为固定列，xy代表其在晶圆上的xy坐标，site代表此坐标是具体哪个工位测试的，flowpf代表此坐标的最终结果是pass还是fail。后面列根据所选测试项不同会相应显示出不同数据，一个测试项为两列，第一列为其测试项的pass/fail结果，第二列为测试项的具体测试值。

u312：晶圆上测试了多少die，就有多少行信息。

u313：具体的数据显示，如图3。

实现设定：removeflowfail:将此颗die最终结果是fail的值剔除；

removeitemfail:将此测试项结果是fail的值剔除；

removeoutliers:将1.5倍大于测试值的四分位距的值剔除；

removeexoutliers:将3倍大于测试值的四分位距的值剔除；

bysite:统计时是否需要分site进行计算；

支持的图表类型：

normaldistribution:正态分布图

scatterplot:散点图

barhistogram:柱状直方图

boxplot:箱型图

valuemap:测试项的map图

图表标记类型：

highlimit:上限

lowlimit:下限

max:最大值

min:最小值

mean:平均值

median:中位值

sigma:标准差

+3sigma:平均值加上3倍标准差

-3sigma:平均值减去3倍标准差

quartile1:第一四分位数

quartile3:第三四分位数

“数值分析”为将数值进行平均值、标准差等分析，如图4。

技术优势：通过将几百甚至几千项的测试参数，转换成直观的生成可视化图表，同时，可以将任何一个测试参数在一张map图的分布，形成测试值map，通过颜色变化能清晰的看出是否具有区域性和趋势性，更直观的判断晶圆本身是否存在问题，整张map的测试值分布对于晶圆厂来说也是非常重要。

(2)测试良率分析

数据整合：u321：列标题为固定参数，finalyield、firstyield、retestyield、recoveryield、finalpass、firstpass、retestcount、recovercount、testerid、pcid，分别代表最终良率、最初良率、复测率、回复率、最终pass数、最初pass数、复测数量、回复数量、测试机编号、针卡编号。

u322：选择的源数据数量，有多少个数据文件就有多少行。

u323：具体的数据显示，如图5。

支持的图表类型：

整改lot良率分析图：将不同lot的值用不同颜色显示出来，可以清晰的看出lot之间的良率差异；

probercard良率分析图：将不同的测试条件形成测试良率分析图，来查看不同硬件之前的良率差异；

site良率分析线性图：将不同site做成线性图表，直观看出site之间良率差异，如图6；

failbin分析图：将所有failbin的数量从大到小排列，并且将每个bin和之前的所有bin的数量累加，做条累加百分比线。可以看出主要失效是由哪几个bin造成的，并且造成的影响有多大。

单个site失效分析图：取最高数量的三个failbin做成叠加柱状图，通过每个site的高度直观的看出site良率差异

多个site线性图：取最高数量的三个failbin做成线性图，看看是否由于site差异造成的fail数量变大，如图7。

技术优势：从整改lot良率、probercard影响因素、测试site之间、failbin因素等多维度去分析测试良率图，从最终良率、最初良率、复测率、回复率，快速统计每个lot的summary。能清晰的看出和分析区域性和趋势性。

(3)时间分析

数据整合：u331：列标题为固定参数，totaltime、normaltesttime、retesttesttime、normalpausetime、normaltotaltime、retestpausetime、retesttotaltime、retestfirstdietime、testerid、pcid，分别代表总测试时间、正常测试时间、复测测试时间、正常测试过程中暂停时间、正常测试总时间、复测过程中暂停时间、复测总时间、复测的第一个die时间、测试机编号、针卡编号。

u332：选择的源数据数量，有多少个数据文件就有多少行。

u333：具体的数据显示，如图8。

整改lot良率分析图：将不同lot的值用不同颜色显示出来，可以清晰的看出lot之间测试时间差异

touchdown分析：touchdowndetail:显示每个touchdown的时间，如图9。

技术优势：通过查看每片的测试时间，能得出每片实际的测试时间。并且针对测试时间长的片子可以通过touchdown去看时间间隔，找到时间变长的原因，从而提高生产效率。

(4)tskmap

主要是分析cp测试的map图，包括所有bin的分布、复测和回复bin的分布、通过各种算法后判断的map图是否异常等，还可以将多张map叠加起来，分析failbin的分布。

数据整合：u351：列标题前4列为固定参数，bincount、binyield、s2scount、s2syield，分别代表bin的数量、bin的百分比、site差异个数、site差异百分比，后面是具体的site信息，有多少site就有多少列数据，代表各site各bin的数量。

u332：选择的源数据数量，有多少个数据文件就有多少行。

u333：具体的数据显示，如图10。

recover/retest颜色区分：直观的看出回复率的高低，如果有明显的pattern图形，则说明硬件有差异，对后续测试和提高良率进行指导意见，如图11。

“summarycheck”，查看测试summary，并根据具体产品的判断规则进行自动判断，快速找出异常数据。良率判断：通过颜色直观看出问题所在；还可以直接先测试失效或异常的测试数项，如图12。

本系统另外的创新之处：

(1)系统功能自动更新，为了保证每个人所使用的exe为最新版本，就需要对exe版本做个判断，如果低于最新版本就会从服务器上重新下载一个最新的exe可执行文件，可在工具打开后最上方找到其版本号。实现代码如下：

(2)所有配置文件共享、以配置文件误操作防范：集成电路全生态链智能测试分析聚集很多配置文件，每个配置文件都有其对应的功能，例如devicesetting配置了map的范围，yieldsetting配置了产品的判断规则。如果管理员更新了配置文件，其他人也应该使用最新的配置文件。在任何对配置文件有操作后可以选择将修改后的配置文件上传到服务器，每次使用配置文件前又会将服务器上的配置文件下到本地使用。另外如果有任何误操作或不确定时，也可以选择不将修改后的配置文件上传，仅更新本地的配置文件，当确认无误后再选择上传服务器，避免误操作使所有人使用的配置文件都被误更新。

ftp-server＝′172.28.0.95′

username＝′bigdata′

password＝′sinoictest1′

ftp＝ftp()

ftp.set_debuglevel(2)#打开调试级别2，显示详细信息

ftp.connect(ftp_server，21)#连接

ftp.login(username，password)#登录，如果匿名登录则用空串代替即可

#上传文件2

remotepath＝′\bigdata\\tskmap_config.ini′

bufsize＝1024

localpath＝path+′\\tskmap_config.ini′

fp＝open(localpath，′rb′)

ftp.storbinary(′stor′+remotepath，fp，bufsize)#上传文件

ftp.set_debuglevel(0)#关闭调试

fp.close()

ftp.quit()#退出ftp服务器

(3)自主创新的分析核心算法：

以某一个fail为中心，在其周围一圈8个点(左上、上、右上、右、右下、下、左下、左)再找任意一个fail，如果没有即认为9宫格fail数为当前fail总和，如果有继续以任意一个fail再为中心，当然之前那个fail点不能算在其中，一直到周围8个点没有fail为止，如果fail总数大于判断的标准即认为fail，在图上显示出来。

其难点在于判断时需要将之前那个fail去除在外，不能重复计算，因此在循环过程中会有两个列表变量，一个是当前所有统计到的fail列表，另一个是以当前fail为中心的fail列表，动态更新两个列表，保证不重复计算。实现部分关键代码如下：

map图横竖连续失效算法具体内容为，以一个fail为中心，先以x轴横向两边寻找fail，连续fail数大于预期则为失效，如果当中有pass，则全部清零；然后以y轴纵向寻找fail，同x轴。

其难点在于x轴和y轴需要分别计算，又同时需要将结果合并，所以进行算法时使用两个变量存储x轴和y轴的值，最后再将合起来的结果放到最终的一个变量中，使用这个变量描出最终结果。实现部分关键代码如下：

site连续失效算法具体内容为，以一个fail为中心，找到和它相同的连续的site，判断是否fail，如果连续fail大于预期，则为失效。

其难点在于几乎所有的cp都会进行复测，需要将最终结果替换掉之前的测试结果，但不能改变其测试顺序，然后判断其site是否一致，再判断连续fail的数量，因此先将site分组进行循环判断，使用一个字典将xy坐标作为key，测试顺序作为value，将复测后相同的xy为key的value替换掉，用一个顺序列表将所有pass/fail结果列出，最后通过顺序列表去判断连续失效的数量是否大于预期。实现关键代码如下：

td连续失效算法具体内容为，以一个fail为中心，找到和它连续的touchdown，如果touchdown里有一个fail，则累加fail数，一旦大于预期，则为失效。其难点在于判断touchdown是否连续，同样会遇到复测问题，因此也需要将复测后的值替换掉之前的，然后根据时间来分组进行判断，用一个顺序列表将pass/fail连起来，就能判断是否fail连续。实现关键代码如下：

原始->复测分布图，列出所有复测的die，和之前的bin号做对比，如果从fail到pass了，则用绿色表示，fail到fail，但是bin号没变，用黄色表示，bin号也变了，则用红色表示。其难点在于用可视化图表表现出来，需要将所有bin都列出来，将数字填入圆圈之中，并且根据数字大小来相应改变圆圈大小，并且用不同颜色区分。实现部分关键代码如下：

本发明集成电路全生态链智能测试分析实现公司办公的实时性、移动性和智能性；具有远程数据互通和远程数据备份的特点，安全性高，通过不断的数据积累，基于6个月到1年的数据积累，引入工业大数据分析模型，实现对全生态链测试信息的数据检索、追踪、分析、预警、预判等，指导生产，提升生产效率及测试良率。

本发明提供了一种类无人车间工业级app应用系统，是一种远程实时监控及可视化系统，该系统通过无人车间监控系统对测试车间进行监控管理，测试车间内包括生产测试设备，无人车间监控系统包括自动化测试探针台(prober)远程监控管理平台、自动化测试机台(test)远程监控管理平台、数据实时监控平台、全过程监控远程管理平台；测试车间异常报警，实时监控和可视化系统及时响应异常机制及处理界面。

自动化测试探针台(prober)远程监控管理平台，包括存储器，误判计数模块，判断模块，与误判计数模块和存储器相连，通过判断误判计数模块记录的连续不良品数量是否大于所述误判阈值，决定是否向探针台发送停止测试的指令，还包括与所述存储器连接的输入模块，所述存储器存储的误判阈值是通过输入模块输入的，还包括与所述误判计数模块连接的显示模块，接收所述误判计数模块记录的连续不良品数量并进行显示，还包括与所述判断模块连接的报警器；所述判断模块向探针台发送停止测试的指令的同时，还向报警器发送报警指令，指示报警器报警。

自动化测试机台(test)远程监控管理平台，包括包括摄像头和智能终端，所述摄像头的内部固定安装有无线通讯器，且无线通讯器连接有服务器，所述服务器连接有智能终端，且控制终端的内部固定安装有处理器，所述核心处理器连接有电源接口、usb接口、解码器、调制解调器、控制器和a/d转换器，且a/d转换器连接有视频采集卡，且视频采集卡连接有无线通讯器，该移动互联网远程监控管理平台使用平板作为智能终端，进行在移动互联网的基础上实现实时远程监控管理。

数据实时监控平台，包括数据采集模块、单片机、无线通信模块、数据处理模块、数据分析模块、数据存储模块，数据采集模块与单片机相连，单片机与无线通信模块相连，数据处理模块、数据分析模块、数据存储模块均与单片机连接，避免了数据监控的空间距离，组网灵活，性能可靠，成本低廉。

全过程监控远程管理平台，该平台系统由以太网连接的真实物理系统、虚拟信息系统、信息反馈、信息控制、监控管理平台、设计变更、制造变更、数据/信息和数字模型组成，所述监控管理平台基于物联网信息感知层，利用虚拟现实技术，建立车间及生产线对象的三维可视化数字模型进行监控管理工作，贯穿于整个设计、制造和管理，达到真实物理系统和虚拟信息系统的高度融合。

虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。