数据会说话-Trimming中的数据分析

    |     2015年4月30日   |   原创分享, 测试数据分析   |     0 条评论   |    24376

©版权声明:本文为【看我哒 www.kanwoda.com】原创文章,转载时请注明出处!

数据会说话,我们今天来谈一下Trimming中的数据分析。

不管是Final Test还是Probe Test,我们都可能需要用到Trimming,对某些重要参数进行修调,以保证这些参数的精度。

Trimming的作用,其实就是通过配置不同的fuse或bit控制位,对应相应的补偿电路,以达到修调的目的。

Trimming的类型包括mental/poly fuse trimming、eeprom trimming、zener trimming等,trimming的类型不同,硬件的需求是不同的,有时候使用测试机测试源,有时候使用外加电源,还有比较常用的是使用外加电容等。

从程序或软件的角度来看,Trimming的方法是比较一致的。首先,我们需要得到trimming table也就是修调表,通常由设计人员提供。trimming table用来表现不同fuse或bit下参数的变化情况,通常用百分比或者相对偏差来表示。如下面信息所示,是用百分比变化来表现的table table。

[iout1]
Target=20 MA
Table=*0%,4%,8%,12%,16%,20%,24%,28%,-32%,-28%,-24%,-20%,-16%,-12%,-8%,-4%

接下来,我们需要测试参数的初始值trimming pre value,也就是进行修调前的参数值,然后根据trimming table也就是修调表来进行预判,是否需要进行trimming。因为受修调精度的影响,我们不可能将参数修调到与目标值完全一致,但是可以得到尽可能接近目标值的最佳值。如果修调的最小精度范围为LSB,实际上最理想的情况下,修调精度可以达到+/-0.5LSB。请看下图,就是参数trimming前后的直方图,大家可以看出来,trimming前参数分布比较宽,trimming之后,参数分布比较集中,其分布范围接近+/-0.5LSB。

这个时候,也许大家会认为,trimming很简单嘛,实际上并不是如此。在进行trimming的整个过程中,包含了trimming算法、测试资源配置及fuse trimming的对应软硬件方法,如果是eeprom bit,还包含其通讯及修调方法。今天我们不重点讨论这方面的内容,因为这两月重点讨论数据分析,接下来,我们就从数据分析的角度来看trimming。

首先,我们需要知道,要进行trimming数据分析,到底需要哪些信息?

(1) trimming table,前面已经做过介绍,这部分信息可能不会在数据中直接全部体现,但是,可以分段输出,用来判断期望与实际的偏差。trimming table其实包括理想和现实值两种,由于仿真的误差和工艺的差别,理想与现实的trimming table之间,其实是有一定的误差的,所以,比较智能的处理方法,是要建立动态的trimming table,根据实际情况对其进行优化。

(2) pre value/ptg,也就是trimming前的值或百分比。首先我们要确保测试的稳定性,控制测试误差,否则,trimming就没有意义了。

(3) pre bit,也就是trimming前fuse或者bit的情况。这也是初始条件之一。这个值往往被大家忽略,但是,在某些情况下,不判断初始fuse或者bit状态,会造成重大影响。

(4) target,这是trimming的目标值,往往在trim table里就有定义。在这里,主要是方便进行数据分析和判断。

(5) calc value/ptg,这是根据trimming table以及pre value和pre bit计算而得到的trimming最佳期望值和百分比。理论上来讲,期望值与目标值的偏差在+/-0.5LSB之间。

(6) target bit,这是根据trimming table以及pre value和pre bit计算而得到的trim bit最佳期望值。

(7) post value/ptg,这是trim之后再次测量参数后得到的值或百分比,理论上,这个值和calc value是应该相等的。

(8) post bit,这是trim之后fuse或者bit的状态。正常情况下,post bit与target bit是相同的,但是在异常情况下,会有不同。

从上面的信息来看,大家会觉得非常繁琐,事实上,很多工程师,在做trimming的时候,往往只有两个值,pre value和post value。这样的做的结果是,出现异常时很难判断是哪方面出了问题。

在实际的测试中,经常会出现一些异常情况,比如接触不良,trimming table与实际情况偏差太大,还有一些需要重测的情况,测试源异常造成fuse burn异常等等,没有足够的信息和数据显示,是很难看出异常的。

如下图1所示,是MFGDream的Correlate功能,对比Iout参数的pre value和post value的测试结果。大家很明显可以看到,Iout trimming前分布范围在16mA~20.5mA,经过trimming以后,Iout集中在19.5mA~20.6mA之间,精度大约为-2.5%~+3%。而实际上,trimming table的LSB为4%,最理想的trimming精度,是可以达到+/-2%的,那么,为什么会造成这么大的偏差呢?实际上,这就是由于trimming table的理想与实际的偏差造成的。

图1DR8RT8]{P1BK~0RW4@RR0@Y

我们继续correlatio post calc和post value,如下图2所示,我们也可以发现,期望值和实际值还是存在一定的偏差的。其实我们也可以发现,SITE3和SITE4的误差会更大一些。图3用来表示post ptg的结果。我们可以看到,各个site的结果基本一致。

图2pos_calc2pos_val

图36@M$2P96X$$$YU7X0YZ_DFI

我们再correlate一下post value/ptg与post step,就可以看到,对应trimming table上的每一个bit,trimming的效果,如下图4所示。

图4L7Q3V}[AO4TR`Y(9PVOJZ58

图5则为trim post bit的分布情况,我们可以知道,虽然一共有16个trim bit,实际上主要集中在bit2~bit6。

图5EGCX@7W719P{$L0P8O6NNJJ

上面的信息主要用来介绍,如何用MFGDream数据分析系统来分析trimming数据。实际上,上面的trimming是有改善空间的,应该如何改善,我们下次再讨论。在确定方案之前,首先需要数据分析工具进行比较清晰的分析,找到可以改善的地方,才可以对症下药。通过一系列的数据分析方法,我们可以很清晰的了解trimming的过程及可能存在的问题。

数据会说话,只有知道怎么跟数据交流,我们才能做到心中有数。
本文地址: http://www.kanwoda.com/blog/archives/0400202230451.html



  
回复 取消