基于Python的集成电路测试数据进行可视化探究

丁悠成

摘 要：集成电路测试是集成电路生产阶段重要步骤之一，但是传统集成电路检测较为繁琐，其自动化程度不高，导致检测消耗大量成本及时间。以Python支持的对集成电路数据进行可视化分析，可以迅速获取测试结果，还可以应用不同测试系统输出数据，其自动化水平突出，便于人员及时分析处理结果，做出相应操作。下文介绍一种以Python为支持的集成电路测试数据可视化方式，以此为更好的开展集成电路数据测试提供一定参考。

关键词：Python;可视化;集成电路;测试数据;分析

如今正是半导体发展“高光时刻”，和半导体生产对应的集成电路测试规模不断扩大，2017年在半导体电路测试上就有超出4000亿颗的数据，数据庞大且现有方式无法对数据落实有效分析[1]。而未来集成电路测试对测试能力要求严格，数据分析上应注重结合信息技术，积极开发以Python为支持的可视化数据分析方式，大大提高数据测试分析的自动化程度，提高分析效率，满足海量数据的迅速处理，将具体的结果可视化处理，也可以便于工程人员及时深入分析。

1.集成电路测试数据可视化分析

Python属于现代化高级程序设计语言，目前在制造业智能控制方面应用广泛，其拥有强大的库，可结合计算机对各个行业统计分析。关于集成电路的测试系统众多，其输出测试数据格式差异明显，而文章所提出的以Python为支持的测试系统可以对大部分测试系统的数据有效分析，适用性突出。

1.1文件预处理

以Python为支持的集成电路测试数据可视化分析需在分析前完成预备工作，为后续分析打下基础。例如，应提前设置好分析文件夹路径，考虑到各个测试机数据文件差异，设计统一的文件格式，保存后续分析结果地质，读取产品关键参数表[2]。

分析数据属第三段原始数据，此数据对应管芯测试值，需单独读取，可采用pandas库转为二维数据。先导入需使用的库，定义好其数据类型，而后设置目标路径、分析结果保存路径，读取关键参数后搜索目标路径的数据文件、读取文件，转换为所需要的文件格式，减哪里分析结果文档并保存。

1.2分析的实现方式

以晶圆测试为例分析，晶圆良率、参数失效分布、关键参数准确度是测试重点，采用Python可实现关键信息可视化分析。

1.2.1失效坐标

以Python可读取各个管芯坐标，绘制对应实物的失效图，绿色代表正常管芯，红色代表失效管芯，一些特别参数失效，也可以特别颜色显示。如此一来，工程人员可以迅速观察良率是否正常，失效的集中度、均匀性[3]。若失效集中某个区域，则表示制作工艺存在偏差，若失效均匀分布，可能是参数取值范围限定严格，或测试异常等。Python需以matplotlib库支持，以图形方式显示失效情况，系统读取预处理数据文件，找到管芯坐标数据，绘制原片图，按需求设置失效标识。

1.2.2参数分析

获取失效参数分布后，系统还同步绘制饼图，便于工程人员迅速了解各参数失效占比，了解重点失效参数。各个测试值可采用平均值、方差深入分析，了解某数据实际情况。集成电路量产阶段不仅要掌握测试值平均值、方差，了解数据分布，还包含频率分布分析。半导体管芯测试结果适用正态分布曲线，完成频率分布计算后可拟合正态分布。但集成电路其量产测试工作量大，往往各工位同时测试，故后续分析应体现各工位数据差异性，一些诸如工位分布中心值等关键参数，若发现其和其他工位相差过大，可推断为测试存在质量风险。分析其他工位分布曲线，若发现和标准正态分布曲线基本一致，且曲线中心值和标准曲线平均值差异不大，则其参考价值突出。

参数分析需以预先处理阶段的产品、关键参数表为支持，找到所需的参数数据，统计分析数据平均值、方差等关键数据，之后对数据按照不同工位筛选，了解各个工位信息，设定好系统绘制曲线的颜色、标题等信息，以sns绘制概率分布曲线。按照集成电路测试的不同要求，还可以进一步对数据作直方图、散点图、多参数比对分析等，便于对测试数据有更进一步的了解。

2.自动分析过程

基于Python的集成电路测试数据可视化分析将数据处理、可视化分析、结果处理、文件保存统一为一个具体的程序。

系统程序执行自动化分析之前，需要相关人员做好预备工作：将待处理数据存入规定路径，将参数写入参数表，以os库扫描，分析结果按照需求保存为多种不同格式，将各个结果单独保存为图像，数据数值则整合为Excel表格。文件需包含文件名、程序、批号、参数名、平均值、标准差、方差等，便于后续对结果全面剖析。

得到可视化的分析结果后，需要按照具体片号将各个结果单独保存起来，之后针对分析产品的差异，输出系统计算出与之对应的图像尺寸、排布。分析完成后系统出具图像格式的文件，可以让工程人员直观的看到测试是否异常，便于后期浏览分析。工程人员在最终的图像结果中可以看到测试的具体批号、片号，测试程序、良率及参数失效分布情况。

3.结束语

综上所述，在21世纪信息技术高速发展的大背景下，半导体集成电路生产制造业迎来新的发展空间，相关集成电路的測试行业也要紧紧抓住机遇，注重发挥信息技术的绝对优势，以现代化的新技术、新软件工具，大大提高测试的效率和质量。文章提出基于Python的集成电路测试数据的可视化分析，可以大大减轻工作人员的数据分析任务负担，减少工程师认为的数据处理操作步骤，并且统一分析结果，自动生成所需的分析图、计算平均值、方差等，真正实现对集成电路量产数据的“一键分析”，促进半导体集成电路相关技术进一步走向成熟。

参考文献：

[1]宋永生， 黄蓉美， 王军. 基于Python 的数据分析与可视化平台研究[J]. 现代信息科技， 2019， 003（021）：P.7-9.

[2]杨露， 葛文谦. 基于Python的制造业数据分析可视化平台设计[J]. 信息化研究， 2018， 44（05）：60-65.

[3]何寒冰， 罗小琴. 半导体集成电路可靠性测试和数据处理探析[J]. 电子制作， 2020， No.396（10）：16+22-23.

（国网江苏省电力有限公司常熟市供电分公司   215500）