通常以典型方式测试“典型”

典型（典型）通常是集成电路（IC）测试中最容易被误解的词。典型值不能直接测试，因为它们是统计值。我们将讨论如何阅读数据手册以了解测试的参数和条件。突出了制造 （fab） 参数，包括工艺标准偏差、晶圆厂工艺拐角、六西格玛质量保护带和百万分之几缺陷零件 （DPMO） 概念。

循环逻辑

“这是一个谜语吗？”你说。不。这个标题听起来像是在循环，真正的循环逻辑，但它提出了一个观点。典型（典型）通常是（啊，是的，现在我和你玩得很开心！）集成电路（IC）测试中最容易被误解的词。还有其他词来描述它的概念：代表性、象征性、通常、正常、标准、主流、平均、平均和传统。困惑？在IC领域，典型被定义为具有一组零件的特性。很好，但正如古老的英语谚语所说，这就像“像泥一样清澈”。1让我们说出IC测试的一个狡猾的秘密：IC数据手册上的典型表示未测试。在那里，秘密就出来了。那么，为什么IC制造商要费心陈述典型值呢？让我解释一下。

典型值和种类范围

典型的IC值不能直接测试，因为它们是一个统计值。例如，这就像说人类成年人的平均身高是 5 英尺 5 英寸。测量任何一个人都无法确定平均身高、平均身高或典型身高。人类学家可以测量人类每个种族的身高，或者统计测量人口样本。然后，统计学家知道样本的大小，可以计算平均值的置信水平。从统计学上讲，IC的此过程是相同的。IC设计人员可以根据仿真测试结果统计预测典型值。同样，典型旨在为电路设计人员提供一般指导。

IC数据手册通常列出以下几类规格：

绝对最大值表示不要超过，否则零件可能会断裂。

电气特性是一般测试条件，除非另有说明。

最小（最小值）、典型值（典型值）和最大值（最大值）规格是具有指定单位和条件的测量值。请注意，“条件”是“除非另有说明”的修改。

注释修改、限制和阐明测试的内容以及如何进行测试。

看一个常见的例子会有所帮助。以下是从不同IC制造商的各种数据手册中获取的一般规则。

除非另有说明，否则将按照电气特性一般条件的规定测试最小值和最大值。您可能会看到“TA = TMIN 到 TMAX，除非另有说明。典型值为 TA = +25°C。“ 这意味着环境温度 （TA） 等于为工作温度列出的最小值和最大值，除非制造商另有说明。典型值仅在TA = +25°C时。注释如下，常见的是：

注1：所有器件均在+25°C下进行100%生产测试，并通过设计保证TA = TMIN至TMAX，如规定。
注2：线性度在GND和AVDD的20mV范围内进行测试，允许增益和失调误差。
注3：2047以上的代码保证在±8 LSB（最低有效位）以内。
注4：增益和失调在GND和AVDD的100mV范围内进行测试。
注5：通过设计保证。

注1和注5的末尾写着“通过设计保证”。这值得更多解释。所有IC制造（晶圆厂）工艺都有变化。由于组件和多层非常小，几乎任何东西都会引起更改。这些偏差是品种的正常范围。

我们将使用MAX5134 – MAX5137数据资料（图1）的一部分来解释这些笔记。

图1.MAX5134–MAX5137数模转换器（DAC）系列数据资料中的值。

注1表示，无论数据手册前面提到的温度如何，静态精度仅在室温（+25°C）下测试。其余工作范围由“设计保证”覆盖。（我们将很快解释这一点。

笔记2和4常见于轨到轨运算放大器和缓冲输出DAC。请注意，输出电压范围在“无负载”条件下被编目。这是因为所谓的轨到轨运营，老实说，是一厢情愿的想法。它并不完美，但肯定比具有输出电路的旧设备要好得多，这些设备从电压轨开始耗尽一伏特的电流。

注3对于DAC很常见。低于底部（通常是接地）的数字和顶部电压轨附近的数字上方的代码不像中心代码那样线性。在这里，在总共 2047，65 个代码中，底部的 536 个代码的 INL（积分非线性）为 ±10 LSB;在2047年以上，INL只有±8个LSB。

让我们暂时离题。考虑为您的房屋购买油漆。家居中心鼓励您携带一块布料，以便他们可以在他们的配色机上完全匹配其颜色。然后他们取白色底漆，机器会自动添加多种颜料以获得“完全匹配的颜色”。对购买的每罐油漆重复此过程。在所有这些完全匹配之后，他们告诉您该怎么做？专业画家是做什么的？拿起所有的油漆罐并将它们混合在一起。为什么？人眼和大脑可以更精确地比较颜色，因此可以在“精确匹配”机器上看到不同混合的任何残留颜色错误。这并不完全是机器的错。混合机的计量阀、分色滤光片、增益和偏移的校准并不完美。颜料本身甚至具有可接受的颜色和粘度范围。涂装过程不断进行，公差增加、组合，有时还会相乘，以产生小而可见的误差——品种范围、标准偏差。

图2是普遍接受的标准偏差或钟形曲线。黑色实线代表我们希望看到的正态分布。绿色虚线表示该过程已移至居中的右侧 - 希望我们了解导致此偏差的原因，以便我们可以纠正它。蓝色长虚线是一条分叉曲线，可能是两个参数在移动。当许多不同的因素可以改变时，会产生更复杂的曲线。这就是为什么专业油漆工在将油漆涂在墙上之前将罐子混合在一起的原因。平均误差不是很好吗？

图2.过程标准偏差或钟形曲线。变化的因素越多，曲线就越复杂。

补偿过程变化

为了确保IC符合其规格，在IC制造过程中设计了几层工程安全因素，以平均可能的误差。没有工程团队愿意运送“不合格”的零件。因此，设计人员在零件规格方面留有充足的回旋余地，然后测试和QA工程师期望预期变化的“六西格玛限制”。由此产生的性能规格非常保守。

设计过程弥补了许多设计、制造和过程差异。因此，设计人员使用仿真工具来探索晶圆厂工艺变化的“角落”。推理很简单。如果他们担心角落，那么过程的中心就会很好。然后，他们修改电路，使其对这些过程角落尽可能免疫。最极端的角落是热-快和冷-慢（见图 3）。冷热是温度。快是高增益，高电子迁移率;慢则相反。设计人员可以根据设计标准进行优化，但不能优化所有内容。因此，不会处理未指定的参数。

图3.IC工艺晶圆厂的变化。

了解六西格玛2

六西格玛最初由摩托罗拉的比尔史密斯于1986年开发，作为一套旨在改进制造工艺和消除缺陷的实践。Sigma（小写希腊字母σ）用于表示统计总体的标准差（即变异度量）。术语“六西格玛过程”的前提是，如果过程的平均值和最接近的规格限值之间有六个标准差，那么实际上就没有不符合规范的项目。该结论基于过程能力研究中采用的计算方法。

在能力算例中，过程均值与最接近的规格限之间的标准差数以西格玛单位给出。随着过程标准偏差的上升，或者随着过程的平均值远离公差中心，在平均值和最接近的规格限之间拟合的标准偏差将减少。这会减少西格玛数。

1.5西格玛转变的作用

经验表明，从长期来看，进程通常不如短期内那么好。因此，过程均值和最接近的规格限之间的西格玛数量可能会随着时间的推移而下降。与最初的短期研究相比，这已被证明是正确的。为了解释过程变化随时间的实际增加，在计算中引入了基于经验的 1.5 西格玛偏移。根据这个前提，在短期研究中，在过程均值和最接近的规格限之间拟合六西格玛的过程在长期内只能符合4.5西格玛。发生这种情况是因为过程均值将随时间移动，或者过程的长期标准差将大于短期内观察到的标准差，或两者兼而有之。

因此，广泛接受的六西格玛过程定义是产生百万分之三缺陷零件 （DPMO） 的过程。此定义基于这样一个事实，即正态分布的过程将具有百万分之 3.4 的分数，超出高于或低于平均值 3.4 个标准差的点。（这是一个片面的能力研究。因此，六西格玛过程的 4.5 DPMO 实际上对应于 3.4 西格玛，即六西格玛，减去为解释长期变化而引入的 4.5 西格玛偏移。该理论旨在防止低估实际操作中可能遇到的缺陷水平。

当考虑 1.5 西格玛偏移时，短期西格玛水平对应于以下长期 DPMO 值（单侧）。

690 西格玛 = 000，31 DPMO = <>% 效率

两个西格玛 = 308，000 DPMO = 69.2% 效率

三西格玛 = 66，800 DPMO = 93.32% 效率

四西格玛 = 6，210 DPMO = 99.379% 效率

五西格玛 = 230 DPMO = 99.977% 效率

六西格玛 = 3.4 DPMO = 99.9997% 效率

结论

我们相信，上述讨论有助于解释晶圆厂测试背后的原因，以及典型值如何真正典型（即正常）。

现在让我们更进一步。假设我们要设计一种将在测试实验室环境中使用的测量仪器。为了设置仪器规格，我们需要了解和控制组件制造变化。知道我们使用的 IC 是精确的六西格玛，有助于我们对最终的仪器规格充满信心。在这里我们补充说，仪器将在室温下运行。您可能错过了这一点，但是上面我们指定了一个“测试实验室环境”。这是一个关键规范。如果该仪器用于现场使用，则必须明确指定特定操作区域的温度、湿度和大气压力。对于医疗用途，我们必须回答哪些患者特定的部分需要消毒或一次性使用。如果仪器可以在太空或火箭上使用，需要什么振动、大气压力、辐射硬度、耐温性？

简而言之，知道我们从六西格玛IC开始，将使我们对IC数据手册提供的典型指导具有“典型信心”。