数据会说话-Trimming中的数据分析

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1

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2

图3

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4

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5

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

+201