通常以典型方式测试“典型值”

循环逻辑

“这是猜谜语吗?”您会问。当然不是。这个标题听起来像是一种循环，真正的循环逻辑，但它说明了一个问题。典型值(typ)往往是集成电路(IC)测试中最容易误解的词，可以用其它词来说明其概念：代表性、象征性、一般、正常、标准、主流、平均、中等、惯常。糊涂了?在IC世界中，典型值通常定义为具有器件组的特性。好吧，但就像老话说的那样，这真是“拐弯抹角”。我告诉您一个IC测试的小花招。IC数据资料中的“典型值”意味着未经测试。秘密被揭穿了!那么IC制造商为什么要费劲地给出典型值呢?我来解释一下。

典型值与变化范围

IC典型值是统计值，所以不能直接测试得到。例如，就好比说成人的平均身高为5英尺5英寸。测量任何单个人都不能确定中等、平均或典型身高。人类学家可测量每种人种的身高或者以统计方式测量人口样本，然后统计学家在已知样本量的情况下可计算得到平均值的置信度。IC的统计过程与此相同。IC设计者可根据模拟测试结果以统计方式预测典型值。同样，对典型值进行平均，为电路设计者提供一般指导。

IC数据资料列出的技术指标通常有以下几类：

●绝对最大值意味着不得超过该值，否则器件可能损坏。

●电气特性是一般测试条件，除非另有说明。

●最小值(min)、典型值(typ)和最大值(max)指标为规定单位和条件下的测量值。注意，“条件”是对“除非另有说明”的补充。

●注释变更、限制和声明被测项目及测试方法。

为帮助理解，我们举一个常见的例子。以下内容是不同IC制造商各种数据资料中的一般规则。

除非另有说明，按照电气特性一般条件的规定测试最小值和最大值。表达方式可能为：“TA = TMIN至TMAX，除非另有说明。典型值为TA = +25℃时的值。”这意味着环境温度(TA)等于工作温度列出的最小和最大温度，除非制造商另有说明。典型值仅为TA = +25℃时的值。随后有注释，常见的有：

注1：所有器件在+25℃条件下 100%经过生产测试，所列出的TA = TMIN至TMAX条件由设计保证。

注2：在GND+20mV和AVDD-20mV之内进行线性度测试，允许存在增益和失调误差。

注3：高于2047的编码保证在±8 LSB(最低有效位)之内。

注4：在GND+100mV和AVDD-100mV之内进行增益和失调测试。

注5：设计保证。

注1和注5的末尾说明“由设计保证”。这句话意味深长。所有IC制造(fab)工艺都存在变化。由于元件和多层都非常小，几乎任何因素都会引起变化。这些偏差属于正常的变化范围。

我们将借用MAX5134至MAX5137数据资料的部分内容(图1)解释这些注释。

图1. 摘自MAX5134至Ma x5137数/模转换器(DAC)系列数据资料。

注1意味着无论数据资料中之前所述的温度是多少，仅在室温(+25℃)下测试统计精度。其它工作温度范围则由“设计保证”涵盖。(我们将对此进行简要介绍)。

注2和注4常见于满摆幅运算放大器和缓冲输出DAC。注意输出电压范围的计算条件为“空载”。这是因为所谓的满摆幅工作，坦白讲，是一厢情愿。这并不完美，但却远远优于较早的器件，这些器件的输出电路在输出电流时会偏离电源电压。

注3常见于DAC。当编码低于接近底部(通常为地)的某个数及高于接近顶部电压轨的某个数时，其线性度低于中间编码。这里，总编码为65,536，底部编码2047的INL(积分非线性)为±10 LSB;高于2047时，INL仅为±8 LSB。

容我插一句题外话。想象一下为家里买油漆的情况。家居城建议您挑一块色布，以便在其配色机上准确配色。然后他们采用白色底漆，配色机自动添加多种颜料，得到“精确配色”。对购买的每一罐油漆重复这一过程。所有油漆精确匹配后，他们告诉您怎么做?专业的油漆工会怎么做?将所有罐内的油漆混合在一起。为什么?人眼和大脑分辨颜色的能力更精确，因此能够看到“精确配色”机上不同混合油漆的颜色误差。这不全是机器的过错。混合机的计量阀、分色过滤器、增益和失调校准都不完美。甚至颜料本身也存在可接受的颜色和黏度范围。随着喷涂过程的不断进行，会发生各种容限叠加、组合，有时甚至发生倍增，从而产生微小但可见的误差——变化范围、标准偏差。

图2所示为常见的可接受标准偏差或钟形曲线。黑色实线表示正态分布，是我们所希望的情况。绿色虚线表示过程向中心右侧移动——希望我们了解引起偏差的原因，从而可将其修正。蓝色的破折号虚线为分叉曲线，可能有两个参数变化。多种不同因素变化时，会形成更复杂的曲线。这就是专业油漆工在粉刷墙壁之前将所有罐内的油漆混合在一起的原因。平均误差是不是很奇妙?

图2. 过程标准偏差或钟形曲线。变化因素越多，曲线越复杂。

补偿过程变化

为确保IC满足其指标，IC制造工艺中设计了多层工程化安全措施对可能产生的误差进行平均。没有哪个工程化小组愿意供应“不符合指标”的器件。所以，设计者在器件指标上留有足够的回旋余地，而测试和QA工程师则希望预期变化满足“6σ规格限值”。最后得到的性能指标是非常保守的。

设计过程弥补了许多设计、制造和过程差异。所以设计者利用仿真工具研究制造工艺的变化“工艺角”。推理很简单。如果他们担心工艺角，说明过程中心很好。然后他们修改电路，使其尽量不受这些工艺角的影响。最极端的工艺角是快热和慢冷(见图3)。热和冷指的是温度。快指的是高增益、高电子迁移率;慢则相反。设计者可优化设计标准，但不能优化所有因素。所以，不解决没有规定的参数。

图3. IC制造工艺变化。

理解6σ2

6σ的概念最早由摩托罗拉的比尔˙史密斯在1986年提出，是一套设计用于改善制造工艺和避免缺陷的标准。西格玛(小写希腊字母σ)用于表示统计群体的标准偏差(即表示变化的参数)。术语“6σ流程”是指，如果在过程均值与最接近规格限值之间有6倍标准偏差，那么就几近完美地满足规格要求。这一结论基于过程能力分析中采用的计算方法。

在能力分析中，过程均值与最近规格限值之间的标准偏差数量以σ单位给出。随着过程标准偏差增大，或者过程均值远离容限中心值，均值与最近规格限值之间的标准偏差数量将减小，这就降低了σ数量。

1.5σ偏移的角色

经验表明，过程的长期性能往往不如短期性能。所以，过程均值与最近规格限之间的σ数量很可能随时间推移而下降。通过对初始短期分析证明确实如此。考虑到随时间推移发生的过程偏移实际增大，在计算中引入了基于经验的1.5σ偏移。根据这一前提，某个过程在短期分析中过程均值与最近规格限值之间为6σ时，长期则对应4.5σ。发生这一现象的原因是过程均值将随时间发生移动，或过程的长期标准偏差将大于短期观察到的标准偏差，或者两者皆然。

所以，被广泛接受的6σ过程的定义为在每一百万个机会中有3.4个瑕疵(DPMO)。该定义基于的事实是，对于呈正态分布的过程，比均值高或低4.5倍标准偏差的点为百万分之3.4。(为单边能力分析)。所以，6σ的3.4 DPMO实际对应4.5σ，名义上为6σ，减去1.5σ偏移，以考虑长期变异。设计该理论的目的是防止实际工作中很可能发生的低估瑕疵率现象。

考虑1.5σ偏移时，短期σ水平对应以下的长期DPMO值(单边)。

●1 σ = 690,000 DPMO = 31%效率

●2 σ = 308,000 DPMO = 69.2%效率

●3 σ = 66,800 DPMO = 93.32%效率

●4 σ = 6,210 DPMO = 99.379%效率

●5 σ = 230 DPMO = 99.977%效率

●6 σ = 3.4 DPMO = 99.9997%效率

结论

相信以上讨论有助于解释晶圆测试背后的原因，以及典型值到底有多典型(即多正常)。

现在，我们再深入一步。假如我们要设计一种用于测试实验室环境的测量仪器。为设定仪器指标，我们需要理解和控制元件制造变化。如果知道所用IC的精度为6σ，将有助于增强我们对最终仪器指标的信心。这里，我们限定仪器的工作环境为室温。您可能已经忽略了，但上文中我们规定了“测试实验室环境”。这是一项关键指标。如果仪器供现场使用，则必须明确限定特定工作现场的温度、湿度和大气压。对于医疗用途，我们必须说明那些患者相关的部分，例如需要进行消毒或者是一次性的。如果仪器可用于太空或火箭，需要什么样的振动、大气压力、耐辐射性、耐温性?

简而言之，如果确信我们开始使用的就是6σ IC，IC数据资料提供的典型指导将使我们具备“典型的信心”。