汽車SoC嵌入式存儲器的優化診斷策略

本文介紹了一種在SoC嵌入式存儲器測試期間壓縮診斷信息方法。 更具體地說，該方法被應用于診斷嵌入式FLASH存儲器。 這一策略允許在沒有任何損失的情況下重建故障位圖，而壓縮方法獲得一個近似值。 所提出的方法只使用了基于坐標的位映射方法所要求的一小部分內存，并且與壓縮方法相當。 以適度的測試時間開銷為代價，所提出的策略允許大幅增加可被完全診斷的設備數量，而沒有任何位圖重建損失。 在一個真實的嵌入式FLASH生產場景中，大多數故障設備在從片上到測試主機的一次傳輸后就被診斷出來。

I.引言

集成在現代汽車微控制器中的嵌入式存儲器占據了很大比例的芯片面積。 由于這個原因，它們對產量有很大的影響，因此在它們的測試和維修程序上投入了大量的精力。 然后必須研究他們的故障和 "故障歷史"，以診斷生產階段的問題。

測試的目的是確保每個商業化的設備都能按照預期的規格完美地工作。 在設計測試步驟時，要做很多考慮，要考慮到浴缸曲線上顯示的早期失效和其他影響電路物理參數的老化效應。

軟件測試是業界經常使用的可行解決方案，但眾所周知它的速度特別慢。 作為測試設計工作的一部分，已經開發了專門的硬件，就像在[3][4][5][6][7]中描述的那樣來改進這方面問題。 一個標準的方法是實現一個硬件BIST（內置自檢）。 這種直接在芯片上執行的硬件可以進行許多內部組件的測試，而采用外部測試工具或軟件方法是不切實際或不可能達到的。

對于嵌入式閃存（eFLASH）測試，一個存儲器需要多次擦除、編程和驗證操作來評估是否存在故障。 在特性化和提升階段，另一個重要的概念是收集測試數據，將其添加到純測試中，這使得制造商能夠將診斷信息不斷反饋給技術專家和設計師。 這樣一個精確的流程可以提高產量和盈利能力。

一個廣泛采用的報告故障的解決方案是位故障圖表示，其中位行為被報告，即創建一個存儲器的矩陣表示，顯示每一個位，如果正常工作則標記為0，如果檢測到故障則為1。 這種技術是內存密集型和時間密集型的，因為它需要在自動測試設備（ATE）和被測設備（DUT）之間進行復雜和耗時的通信。 由于這些原因，位圖很少在生產環境中使用，除非在批量生產期間出于統計過程控制的原因，來壓縮沿著測試收集的信息。 一個使位圖成本最小化的解決方案包括片上位圖壓縮。

在本文中提出了一種基于數據編碼和著色概念的創新方法來收集和壓縮eFlash存儲器的診斷信息。 使用這種片上方法實現了高度的數據壓縮，對速度的影響很小。

在我們的設備（Aurix TC39xB）中，eFLASH測試是由一個可編程的硬件BIST和一個CPU組成的復合片上模式進行的。 當BIST應用測試刺激時，CPU協調整個過程，包括接收和表述來自BIST的故障信息以產生編碼的故障位圖。 通過謹慎使用這種設置，可以節省很多內存，而且測試時間的開銷也是可以接受的。

本文組織如下：在第二部分，簡要解釋了用于eFlash測試的BIST架構，并分析了eFlash測試流程，以了解診斷信息的主要來源。 在第三節中，詳細解釋了特別是從失敗的坐標到創建基本信息結構的過程。 第四節展示了在生產階段收集的1800多個真實案例位圖的實驗結果。 在第五部分做了一些總結。

II.背景

A.嵌入式內存結構

在典型的嵌入式存儲器中，組成矩陣的位按行(稱為字行)和列(稱為位行)組織。 每個字行被進一步劃分為具有一定數量位的頁。 頁代表內存的最小粒度，由一定數量的位組成。 整個頁面將被訪問，并最終被修改，以讀取或編程一個單一的位。 由一定數量的字行和位行組成的單一存儲器單元被稱為物理扇區。 最后，更高層次的結構由多個物理扇區組成。 同樣重要的是提到一種常見的內存組織，稱為置亂，由多路復用和鏡像位組成，詳見[3]：

● 復用：具有相同索引的位在字行中物理上是相鄰的

● 鏡像：字行以其中間點為對稱軸進行鏡像。

圖1顯示了一個以4位字組織的16位存儲器的可視化表示。 在物理上，它實現了4的多路復用因子和每2個擾亂位的鏡像。

圖1.從BIST接收的存儲器組織和故障細節

B.用于診斷的架構

Landzberg等人所描述的嵌入式存儲器診斷的是最直接的結構。 這項工作提出了一種基于ATE的方法，該方法可以直接訪問被測存儲器，一旦出現故障坐標或存儲在芯片上的坐標集合，就立即檢索。 這種方法對收集到的數據不做任何處理，失敗的系列可以從整組坐標中重構出來。

不同的是，Schanstra等人、Chen等人和Bernardi等人通過利用整合內存測試能力和支持片上位圖收集的額外硬件提出了一些變化。 Schanstra等人的方法使用了一個經過修改的BIST架構，并將其擴展到執行形狀識別。 所描述的BIST識別和壓縮如失敗的位行或字行等形狀。 在這種壓縮過程中，一些故障可能會丟失，所以這種技術并不能產生準確的位圖表示。 Chen等人提出了一種壓縮方法，以減少重建故障群集所需的位數； 這種位數的減少是以重建群集的低精確度為代價的。 Bernardi等人使用集成的BIST與他們設備的CPU相結合，以壓縮他們測試中發現的故障坐標。 BIST報告了每個故障位的坐標。 然后，CPU對這些地址進行壓縮，通過有效搜索Karnaugh圖的立方體來利用不關心值。 這種方法限制了ATE和DUT之間的通信數量。

III.擬議的方法

所提出的方法是基于編碼的概念來創建片上緊湊的故障位圖。 通過利用復合測試架構，位圖信息被存儲在編碼或 "彩色 "片段中，我們稱之為 "切片"，并隨著測試的執行而更新。

提出的壓縮方法保證了高精確度，與[8]類似。 相反，由于壓縮而返回一個近似的信息，如表I所示。 關于內存需求，所提出的方法需要的內存資源比[8]所要求的少，而在使用最小壓縮比時，比[5]中的方法略多。 擬議的方法在片上運行，能夠在測試結束時下載完整的信息，就像[8]所做的那樣，也可能是[5]中的方法，它最初是通過額外的硬件和測試器能力來實現的。

圖2. CPU和可編程BIST組織

我們提出的位映射模式是由一個合適的硬軟件設計支持的，其中一個可編程的BIST可以直接從CPU中訪問，就像在[9]和[10]中一樣。 圖2展示了用于測試的閃存設計是如何工作的。 CPU激活可編程BIST運行的選定過程，然后等待故障事件。 當遇到故障時，BIST停止并顯示一個標志。 一旦CPU通過輪詢動作注意到這個缺陷，它就可以訪問數據，恢復BIST操作，然后進行一些計算。 這些片上計算可能涉及到分配一些冗余元素的修復算法和像本文所述的位映射算法。 在圖3中，顯示了一個黃金無故障測試的執行情況。 在這里，在初始階段之后，BIST在稱為 "tgold "的參考時間內獨立測試整個嵌入式閃存。

圖3.黃金測試執行

圖4顯示了一個不同的情況。 在這里，BIST發現了一個故障并停止，等待CPU讀取它并恢復其操作。 在這一點上，CPU和BIST可以以交錯的方式獨立工作。 因此，當BIST忙于測試存儲器的其他部分時，CPU可以分析發現的故障，并運行位映射算法或本文提出的著色算法。

圖4.故障位和交織CPU和BIST操作的測試

總的測試時間增加，現在是 "tfaulty"，它小于整個系統的單一時間成分的總和（例如，tfaulty小于tgold、tread 和tencoding的總和）。 當計算需要對故障的出現作出反應時，這樣的折疊方法對節省測試時間非常有利。 在我們的案例中，我們利用這種可能性對存儲在芯片上的位圖信息進行增量編碼。 每當PBIST返回一個故障時，編碼算法被執行，當前的位圖信息被更新。

A.擬議的編碼策略

所提出的方法的目標是產生失敗位圖的片上和動態編碼表示。 該方法的主要目標是使預先分配的片上存儲器所能容納的信息數量最大化。 片上存儲器構成了一個非常強的約束條件。 假設可用的內存資源在測試結束前就已經用完了。 在這種情況下，位圖將導致不完整，或者測試人員應該通過下載當前部分進行干預，恢復測試，并繼續反復進行，直到測試結束。 盡管多次下載的解決方案在理論上看起來是可行的，但很少有測試器架構支持它，而且它嚴重影響了測試時間。

因此，節省大量完整位圖的最可行的解決方案是通過對信息進行編碼來壓縮它們。 雖然代價編碼計算所帶來的測試時間開銷。

在我們的方法中，我們將芯片上的位圖信息編碼為 "彩色段"，也稱為 "切片"，這是我們壓實算法的基本結構。 在仔細檢查了成千上萬的故障集群后，我們選擇了片段而不是其他類型的形狀（即矩形）。 故障大多在字行和位行上排列，這使得片段成為編碼它們的最有效和最直接的方式。 一個片斷代表一個或多個屬于同一位行或字行的故障，其格式包括：

● 指示該段是水平還是垂直

● 該段中第一個和最后一個故障的物理坐標部分

● 一種顏色，考慮到它所覆蓋的故障的分布情況，來描述該段的特征。

對于擬議方法，提出了四種顏色，如圖5所描述的，并在下文中說明：

A) 黑色：一個黑色段包括一個單一的故障

B) 藍色: 代表兩個相距甚遠的故障

C) 紅色: 代表在奇數或偶數位置的兩個或多個故障（一個或多個故障定期由工作位交錯）。 這種顏色在應用棋盤圖案時是有好處的，因為內存準確地在其編碼圖案中測試。

D) 橙色: 兩個或更多物理上相鄰的故障

圖5.斷層形狀到顏色表示

在圖5中，左邊的部分顯示了實際的位圖，而右邊則報告了彩色的片段或切片。

圖6.基于以藍點表示的新輸入故障的位置更新切片

擬議的方法的目的是創建一個切片集，以滿足我們的DUT的故障集群。 這樣一個集合是由CPU在?y上建立的，它通過更新現有切片的內容或初始化一個新的切片來應對新的故障。

在圖6中，顯示了當新故障到來時如何更新切片的例子：

● 首先，收到一個故障，即A.1，然后在A.2中創建一個黑色切片。 在A.2中，收到一個新的故障，導致A.3中的黑色切片更新為紅色切片。 類似地，A.3中紅色切片中間收到的故障導致其更新為A.4中所示的橙色切片

● 首先，收到一個故障，即B.1，然后在B.2中創建一個黑切片。 在B.2中，收到一個新的故障，該故障導致B.3中的黑色切片更新為藍色切片。 在B.3中，在藍色切片的正下方發現了一個故障。 由于藍色片斷不能包含額外的故障，因此創建了一個黑色切片來編碼B4中的最后一個故障。

B.編碼信息的片上內存

需要考慮的一個重要問題是片上存儲器是如何組建的。 這不僅與潛在的存儲能力有關，而且還與內存信息的訪問時間有關。 事實上，該算法應該能夠快速檢查已經包含的信息，以演變出當前的編碼位圖。 換句話說，該算法必須在當前的切片集合中搜索是否有一個現有切片要更新或創建一個新的黑色切片。

擬議方法旨在最大限度地減少需要存儲的信息和算法處理一個新故障所需的時間。 存儲器組織就像緩存中使用的組織，它實現了一個集合關聯的方法。

鑒于所選集的數量為N，可用的內存被分成N個相等的部分。 當一個新的故障被記錄下來時，它的地址和故障掩碼被CPU檢索到，CPU對它們進行處理以提取三個部分：

● 從字行地址中可以看出

– 切片所屬的集合索引，如：計算地址%N

– 以Address/N計算的集合歸一化后的故障坐標

● 從故障掩碼中提取了一個標簽，然后用來進行搜索，表明該位在故障掩碼中的位置。

圖7用一個例子說明了如何解析PBIST的輸出。 圖8完成了內存組建的概述，在一個集數為N=32的情況下，故障掩碼包括256bits。 根據集合關聯組建的要求，內存被分為N個大小相同的塊。 一旦從故障信息中計算出集合，就會訪問正確的內存部分，并使用標簽在集合中尋找具有相同標簽值的切片。 如果這樣的切片已經存在于相應的集合中，那么它將按照前面的描述進行操作。 反之，如果當前的故障不能與以前存儲的任何故障相聯系，就會存儲一個新的切片。

圖7.當N=32時CPU分析的故障信息

圖示方法在搜索時間和所需位方面都非常有效。 以集為單位的劃分可以將搜索時間減少一個系數，該系數取決于集的數量N。 設定值不存儲在切片中，但可以通過反向公式從片上存儲器中的切片地址推斷出來。

圖8.用于片上切片存儲的可用存儲器的類似高速緩存的組織

C.選擇水平或垂直編碼方向

當然，故障掩碼可能包含一個以上的故障位。 在這種情況下，該算法可以創建一個垂直（面向位線）或水平（面向字線）的切片。 盡管垂直著色比較容易，而且是通過在故障掩碼中一次考慮一個位來進行的，但通過盡快識別水平形狀來盡可能減少其使用量是至關重要的。 由于擾亂效應，導致故障分布在一個字行中的許多閃存頁上，要斷定一個段是水平方向的，因此變得很困難。

為了解決在選擇垂直或水平方向的速度和準確性之間的權衡，當算法 "猜測 "到有一個水平形狀存在時，就會觸發水平著色。 這個猜測是基于當前頁面收到的故障數量； 如果超過一個給定的閾值，水平著色就被激活。

圖9中解釋了方向的選擇機制。 根據故障掩碼中的故障數量，如果它們的數量小于閾值，就立即逐個地垂直著色，或者暫時保存在緩沖區中，以便以后著色。 事實上，如果將按照置亂模式在同一字行上排列的所有頁面都一起處理，那么水平著色就更有效率。 一旦采取了水平方向，臨時緩沖區就會用最終來自同一字行的其他頁面的失敗數據來更新。 緩沖區的內容在第一次遇到不再是被調查的字行的故障時被處理。 所創建的水平切片被儲存在相應的內存組中。

圖9.垂直/水平編碼決定的流程圖

***IV.***實驗結果

本節顯示了擬議算法在各種研究案例中獲得的結果。 參考設備是Aurix TC39xB，由In?neon Technologies制造。 對于這個設備，在測試操作系統組件大小的過程中，將RAM內存中存儲位圖信息的限制定為24KB。 可用的片上內存約束是評估該方法的關鍵因素。

在下面的段落中將比較所提出的壓縮方法與采用逐位坐標的方法或像[5]中的壓縮方法的利弊。 根據置亂參數將這樣的空間分為32組。 配置參數，包括256位的故障掩碼和32位的地址，導致所提出的方法有6字節大小的切片。 相反，逐位法直接將故障坐標保存為4字節的元素，[5]則采用字行和位行之間的共享位。

接下來的實驗結果表明，圖示方法在內存需求方面保證了穩定的平均存儲，這意味著在提供相同數量的內存時，它可以比參考的逐位方法存儲更多的信息。 換句話說，與逐位法相比，所提出的方法可以完全記錄更多的故障設備。 該方法在增加位圖生成時間方面付出了代價，考慮到占用優勢，這看起來是可持續的。

關于與[5]的比較，在運行實驗時的壓縮率為4480倍。 這是可能的最低分辨率，它需要一個固定的20KB的片上存儲器，因此，在存儲器限制下，這種方法在片上是可行的。

在這一點上，首先報告了所提出的方法的優點和成本，并提到了來自生產數據的四個真實和典型的故障場景。 報告了所提出的方法和[8]之間的比較，后者在片上保存了故障單元坐標的完整列表。

然后，考慮了一個更廣泛的失敗設備集，大約2000個，這些設備被準確地挑選出來，構成了大量的生產樣本。 這一部分揭示了逐位法的速度稍快，但受到可用的片上存儲器空間的限制。 同時，這種限制在所提出的方法中得到了緩解。 還比較了[5]中壓縮后重建的位圖的平均精度，并計算了一個相關指數，以評定與無損方法相比在精度上的損失。

A.對一些典型階段的精細分析

下面的圖是經過裁剪的位圖，顯示了一些故障的嵌入式閃存的特定區域。 每張圖都有（A）故障位圖和（B）算法返回的相應表示。

圖10顯示了一個垂直方向的故障情況。 在這種特殊情況下，eFlash受到388個故障的影響，相對于黃金執行（具有良好內存的測試）的開銷是21ms。 與需要14.35ms的逐位方法相比，擬議方法顯示了46%的相對時間開銷。 盡管有時間上的損失，但與需要1.51KB的逐位法相比，擬議的算法節省了95%的所需RAM空間，即約78B。

垂直的情況是那些與提議的算法更吻合的情況。 事實上，PBIST需要一些時間來達到后續的故障，因此，在PBIST運行時，CPU極大地利用了這段時間來執行該算法。

圖10.部分故障位線定向場景的示例

在水平方向形狀的情況下，比如圖11中的形狀，預計會有更大的時間開銷，因為水平方向的著色來自于包含一個以上故障位的故障掩碼，因此需要更多的時間來計算，而且PBIST在每次連續讀取時都會遇到故障。

圖11.部分失效字線的示例

在這樣的情況下，總體上有18229個故障，與逐位法相比，測試時間增加了69%，而RAM內存節省了約98.68%。

圖12.稀疏故障場景的示例

表二顯示了在改變失敗位數時逐位方法與提議方法的比較。 值得注意的是，擬議的方法比逐位的方法需要稍多的時間和內存，因為故障的稀疏性使其無法聚集。

稀疏的故障構架是另一個需要觀察的重要場景。 由于壓實的可能性有限，這種集群是最難處理的。 圖12描述了一個相當密集的內存矩陣稀疏故障的案例。 其中一些距離較遠但在同一位行或字行形狀上對齊時，就會出現藍色的切片，這是以前考慮的情況的綜合。 盡管有內在的困難，但與逐位法相比，擬議的方法顯示了有限的損失。 在圖13中的案例中，包含了9949個故障，收集診斷信息的時間是680ms，而逐位法需要440ms。 相反，內存占用從逐位法的38.85KB急劇下降到擬議法的0.1KB。

B.在更大的設備基礎上取得的成果

實驗測量也可用于更廣泛的基礎的設備。 我們考慮了1864個來自前端晶圓測試操作的失敗設備。 這樣一個集合收集了許多不同的形狀，并用于進一步評估擬議方法的優勢和成本。

圖13.交叉點處具有工作鉆頭的十字形故障星座圖

我們將其與基于逐位坐標的方法和[5]中的壓縮方法進行比較。

表三報告了這些方法在整個基數上的設備數量，這些設備可以在不超過片上24KB RAM限制的情況下進行位圖繪制。 從這個表中可以看出，僅通過我們的方法和基于逐位坐標的方法，有多少設備在24KB內被完全記錄下來。

當24KB的片上RAM被填滿時，一些診斷信息就會丟失，除非測試和診斷過程被中斷，當前的位圖被轉儲到測試儀上，才能恢復內存測試程序。 假設診斷收集被暫停，新的故障不再被記錄。 在這種情況下，以前編碼的故障被保留下來，在測試流程的最后可以重建一個部分故障集群，如圖14所示。 選定的人口平均約為2000人。

圖14.從完整的24KB緩沖區部分重構的故障星座圖

所選群體顯示出平均約2000個故障，差異約為5000個故障。 通過觀察群體樣本的表現發現，測試和收集診斷信息的總體時間平均為192ms，差異為279ms。 對于逐位方法，這些值平均為152ms，差異為189ms。 表四涉及位圖大小的占用； 它顯示了被調查人群中位圖創建大小較小的百分比，比較了擬議的方法和參考方法。 考慮到所有的設備，擬議的方法在大約60%的情況下需要更少的內存。 如果只考慮超過250個故障的失敗場景，擬議的方法在大約91%的情況下顯示出規模優勢。 關于與[5]的比較，計算了皮爾遜相關指數來衡量與擬議方法的差異量。 將內存要求限制在20KB，[5]可以以相當低的精度存儲任何故障集群； 平均而言，擬議方法計算出的相關指數為61%。 圖15顯示了重建的故障集群，a）用[5]壓縮，b）用擬議的壓實方法壓實。 在這種特殊情況下，大約有2000個故障，相關指數為83%。

圖15.通過[5]（A）中所示的方法重建的位圖與所提出的兼容位圖（B）之間的比較

V.總結

在本文中提出了一種創新的算法，改善了eFlash測試中診斷信息的收集。 從真實數據中得到的結果表明，提出的方法在內存占用方面和速度方面都具備優勢。 通過使用開發的算法，考慮到內存的大量保存，有可能將一個設備的完整故障歷史永久地存儲在一個較小的內存中，為故障設備的分析提供更多關于位圖沿著測試步驟演變的細節。