芯片测试参数异常的侦测方法、存储介质、终端

技术领域

本发明涉及芯片制造和测试技术领域，具体地涉及一种芯片测试参数异常的侦测方法、存储介质、终端。

背景技术

芯片测试时，测试机台会按照测试程序依次对芯片进行几百甚至几千项测试，测试获得的结果称之为测试参数。将测试程序测得的每个测试参数的数值(即测试结果)与芯片规格书中规定的对应测试项的芯片测试规格(specification，简称spec)相比较以判定好坏，如果芯片某个测试项测试得到的测试参数的数值不符合芯片测试规格的要求，则按照测试参数和Bin的对应关系，把这颗芯片判定为该测试参数对应的Bin失效。其中，Bin可以用于表征对一颗芯片的分类，用于区分这颗芯片是否为功能正常的芯片。进一步，当这颗芯片无法正常工作时，还可以用Bin来区分这颗芯片具体是哪部分的功能无法正常实现。

针对芯片测试参数，由于测试数据量极其庞大，每片晶圆(wafer)的测试数据压缩文件高达数百兆字节(Bytes)。目前很多公司基本处于用作工程分析的阶段，当发生某个Bin失效异常时，对这个Bin的测试参数数值进行分析，为失效原因分析提供方向。

目前的芯片测试参数还通常用于批次(lot)或晶圆(wafer)处置(disposition)。具体而言，根据人工经验和基于芯片测试参数分析得到的失效原因决定是否可以放货、是否需要通知客户处理以及是否需要把一些好芯片标记成坏芯片并不出货等。

综上所述，现有技术对芯片测试参数的利用还局限于失效分析相关场景，一方面需要人力介入进行异常数值筛查和失效分析，另一方面，现有的芯片测试参数只有在发生Bin失效后才起作用，无法在Bin失效前起到预警作用。

发明内容

本发明解决的技术问题是如何实现对芯片测试参数异常的自动侦测。

为解决上述技术问题，本发明实施例提供一种芯片测试参数异常的侦测方法，包括：获取当前批次芯片的第一测试参数，其中，所述第一测试参数为所述当前批次芯片在预设测试项的测试结果；根据所述第一测试参数计算所述当前批次芯片的边缘芯片比例，其中，所述边缘芯片比例为所述当前批次芯片中边缘芯片的占比，所述边缘芯片是所述第一测试参数的数值落入合格范围但超出边缘范围的芯片；当所述边缘芯片比例与基准边缘芯片比例之差大于第一预设提示值时，确定侦测到芯片测试参数异常，其中，所述基准边缘芯片比例与所述预设测试项相对应。

可选的，所述基准边缘芯片比例的计算步骤包括：获取历史批次芯片的第二测试参数，其中，所述第二测试参数为所述历史批次芯片在所述预设测试项的测试结果；根据所述第二测试参数获取所述历史批次芯片中合格芯片的数量以及良率测试缓冲数据，其中，所述良率测试缓冲数据用于表征所述第二测试参数的数值分布；基于所述良率测试缓冲数据限缩所述合格范围，以得到所述边缘范围；根据所述边缘范围和合格范围，从所述历史批次芯片中筛选得到第一数量的芯片，其中，所述第一数量的芯片是第二测试参数的数值落入所述合格范围但超出所述边缘范围的芯片；将所述第一数量与所述合格芯片的数量的比值确定为所述基准边缘芯片比例。

可选的，所述根据所述第二测试参数获取所述历史批次芯片的良率测试缓冲数据包括：计算所述第二测试参数的四分位距，以得到所述良率测试缓冲数据；或者，计算所述第二测试参数的标准差，以得到所述良率测试缓冲数据。

可选的，所述根据所述第一测试参数计算所述当前批次芯片的边缘芯片比例包括：获取当前批次芯片中合格芯片的数量；根据所述合格范围和边缘范围，从所述当前批次芯片中筛选得到所述边缘芯片；将筛选得到的所述边缘芯片的数量与所述当前批次芯片中合格芯片的数量的比值确定为所述当前批次芯片的边缘芯片比例。

可选的，所述侦测方法还包括：统计预设侦测周期内侦测的所有批次芯片的平均边缘芯片比例；当所述平均边缘芯片比例与所述基准边缘芯片比例之间的差值大于第二预设提示值时，确定侦测到芯片测试参数异常。

可选的，所述第一预设提示值和所述第二预设提示值均是根据所述芯片的退货率确定的，且所述第二预设提示值小于所述第一预设提示值。

可选的，所述侦测方法还包括：获取预设时间段内多个批次芯片的第三测试参数的数值随时间的变化趋势，其中，所述第三测试参数为所述多个批次芯片在所述预设测试项的测试结果；当所述变化趋势为持续超出控制范围时，确定侦测到芯片测试参数异常。

可选的，所述控制范围的确定过程包括如下步骤：获取历史多个批次芯片的第四测试参数，其中，所述第四测试参数为所述历史多个批次芯片在所述预设测试项的测试结果；计算所述第四测试参数的关键统计值；根据所述关键统计值以及所述关键统计值的标准差确定控制范围。

可选的，所述获取预设时间段内多个批次芯片的第三测试参数的数值随时间的变化趋势包括：计算所述第三测试参数的关键统计值；绘制所述关键统计值随时间的变化趋势。

可选的，所述关键统计值选自：中位数、95分位数、5分位数、99分位数以及1分位数。

为解决上述技术问题，本发明实施例还提供一种芯片测试参数异常的侦测装置，包括：获取模块，用于获取当前批次芯片的第一测试参数，其中，所述第一测试参数为所述当前批次芯片在预设测试项的测试结果；计算模块，用于根据所述第一测试参数计算所述当前批次芯片的边缘芯片比例，其中，所述边缘芯片比例为所述当前批次芯片中边缘芯片的占比，所述边缘芯片是所述第一测试参数的数值落入合格范围但超出边缘范围的芯片；侦测模块，当所述边缘芯片比例与基准边缘芯片比例之差大于第一预设提示值时，确定侦测到芯片测试参数异常，其中，所述基准边缘芯片比例与所述预设测试项相对应。

为解决上述技术问题，本发明实施例还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述方法的步骤。

为解决上述技术问题，本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

本发明实施例提供一种芯片测试参数异常的侦测方法，包括：获取当前批次芯片的第一测试参数，其中，所述第一测试参数为所述当前批次芯片在预设测试项的测试结果；根据所述第一测试参数计算所述当前批次芯片的边缘芯片比例，其中，所述边缘芯片比例为所述当前批次芯片中边缘芯片的占比，所述边缘芯片是所述第一测试参数的数值落入合格范围但超出边缘范围的芯片；当所述边缘芯片比例与基准边缘芯片比例之差大于第一预设提示值时，确定侦测到芯片测试参数异常，其中，所述基准边缘芯片比例与所述预设测试项相对应。

采用本实施方案能够实现对芯片测试参数异常的自动侦测和推送，以在实际出现Bin失效前，提前预警芯片可靠性问题以及生产工艺和测试环节可能存在的问题。具体而言，通过分析当前批次芯片中的边缘芯片占比，能够较准确的获得当前批次芯片在预设测试项的测试结果分布情况。进一步，若当前批次的边缘芯片比例增大至与基准边缘芯片比例之差大于第一预设提示值时，表明第一测试参数的数值分布出现偏离基准分布的问题，也即出现芯片测试参数异常。由此，本实施方案能够实现对测试参数异常的自动侦测。当第一测试参数的数值分布偏离基准分布时，即使所述第一测试参数的数值变化尚未导致Bin失效，采用本实施方案仍能准确且自动地侦测到这种异常偏离情况并及时发出预警，利于解决芯片可靠性问题。

进一步，所述侦测方法还包括：获取预设时间段内多个批次芯片的第三测试参数的数值随时间的变化趋势，其中，所述第三测试参数为所述多个批次芯片在所述预设测试项的测试结果；当所述变化趋势为持续超出控制范围时，确定侦测到芯片测试参数异常。

由此，能够尽早侦测出潜在的生产工艺和测试问题，使得在Bin失效前提前结果工艺和测试缺陷成为可能。具体而言，当一段时间内多个批次芯片在同一预设测试项的第三测试参数的数值持续变高或持续变低时，即使测试结果仍然落在芯片测试规格规定的合格范围内，但实质上极有可能意味着生产线的某个工艺参数已经发生偏离，若不提前解决，之后可能出现大批的低良率问题。因此，本实施方案设置控制范围并与测试结果随时间的变化趋势相配合以实现自动侦测。当变化趋势持续超出控制范围时，表明第三测试参数的数值已经逼近合格范围的上限或下限，需要发出预警。

附图说明

图1是一种芯片测试参数的数值分布图；

图2是一种芯片测试参数的数值随时间的变化趋势图；

图3是本发明实施例一种芯片测试参数异常的侦测方法的流程图；

图4是一段时间内监测得到的多个批次芯片在测试项IDDQ_GPU的边缘芯片比例与基准边缘芯片比例之差随时间的变化趋势；

图5是图4中批次A芯片在测试项IDDQ_GPU的测试参数的数值分布图；

图6是一段时间内监测得到的多个批次芯片在测试项Vmin_CPU的边缘芯片比例与基准边缘芯片比例之差随时间的变化趋势；

图7是图6中第20周测试得到的所有批次芯片在测试项Vmin_CPU的测试参数的数值分布图；

图8是本发明实施例一种芯片测试参数异常的侦测装置的结构示意图。

具体实施方式

如背景技术所言，现有技术对芯片测试参数的利用还局限于失效分析相关场景，一方面需要人力介入进行异常数值筛查和失效分析，另一方面，现有的芯片测试参数只有在发生Bin失效后才起作用，无法在Bin失效前起到预警作用。

本申请发明人经过分析发现，同一产品的同一测试项，所有芯片对该测试项的测试结果(即测试参数)的数值分布范围是有一个基准分布的。这个基准分布可以是晶圆级别(wafer level)、Fab制造批次级别或者封装批次级别的。即使测试参数的数值变化没有导致Bin失效，但如果数值分布偏离了基准分布，也希望检测到这种存在测试参数异常的晶圆或批次，并且尽可能少的误报警(false alarm)。

经过发明人归类来看，芯片测试参数异常通常包括如图1和图2示出的四种情况，图1中每条曲线代表一片晶圆或一个批次的芯片某一测试参数的数值分布，图2中的曲线代表一段时间内多个晶圆或多个批次的芯片某一测试参数的数值随时间的变化趋势。图1和图2以在特定测试项的测试参数的数值分布和变化趋势为例进行具体展示。

四种芯片测试参数异常情况罗列如下：

1、测试参数的数值分布移动(shift)，如图1中曲线11所示；

2、测试参数的数值分布变宽，如图1中曲线12所示；3、测试参数的测试结果的数值分布拖尾(long tail)，如图1中曲线13所示；

4、测试参数的数值连续变高或变低，图2以连续变高为例进行示例性展示，连续变低同理。

对于上述四种芯片测试参数异常情形，由于测试参数的数值仍然落在规格(specification，简称spec)规定的合格范围内，因此现有技术在获取到这些测试参数时仍然将芯片判定为“好”芯片。以图1为例，图1示出的合格线14界定了芯片在该测试项的合格上限，测试得到的测试参数大于合格线14所表征数值的芯片将被判定为“坏”芯片，测试得到的测试参数小于合格线14所表征数值的芯片将被判定为“好”芯片。以图2为例，图2示出的规格上线21和规格下线22共同定义了所述合格范围，测试结果大于规格上线21所表征数值的芯片以及小于规格下线22所表征数值的芯片将被判定为“坏”芯片，测试结果落在规格上线21和规格下线22之间的芯片将被判定为“好”芯片。

以曲线13为例，由于测试参数的数值始终落在合格线14左侧，因此曲线13所表征的晶圆或批次的芯片是通常意义上的“好”芯片。但是，从图中可以看出，这批芯片的测试参数的具体数值其实已经非常接近合格线14了，尤其是图中圆圈圈出部分，这些芯片在长期使用后可能会有可靠性问题。而现有技术无论是基于人工还是基于计算机均无法侦测识别这类情形。

以图2所示测试参数的数值随时间的变化趋势为例，虽然该测试参数的数值在图2所示绘制时间段内始终位于规格上线21和规格下线22之间，但实际上随着时间的推进所述测试参数的数值是在持续变高的。这意味着生产线的某工艺参数已经发生偏离，若不提前解决，之后可能会出现一大批的低良率问题。同样的，现有技术无论是基于人工还是基于计算机均无法侦测识别这类情形。

本发明实施例提供一种芯片测试参数异常的侦测方法，包括：获取当前批次芯片的第一测试参数，其中，所述第一测试参数为所述当前批次芯片在预设测试项的测试结果；根据所述第一测试参数计算所述当前批次芯片的边缘芯片比例，其中，所述边缘芯片比例为所述当前批次芯片中边缘芯片的占比，所述边缘芯片是所述第一测试参数的数值落入合格范围但超出边缘范围的芯片；当所述边缘芯片比例与基准边缘芯片比例之差大于第一预设提示值时，确定侦测到芯片测试参数异常，其中，所述基准边缘芯片比例与所述预设测试项相对应。

采用本实施方案能够实现对芯片测试参数异常的自动侦测和推送，以在实际出现Bin失效前，提前预警芯片可靠性问题以及生产工艺和测试环节可能存在的问题。具体而言，通过分析当前批次芯片中的边缘芯片占比，能够较准确的获得当前批次芯片在预设测试项的测试结果分布情况。进一步，若当前批次的边缘芯片比例增大至与基准边缘芯片比例之差大于第一预设提示值时，表明第一测试参数的数值分布出现偏离基准分布的问题，也即出现芯片测试参数异常。由此，本实施方案能够实现对测试参数异常的自动侦测。当第一测试参数的数值分布偏离基准分布时，即使所述第一测试参数的数值变化尚未导致Bin失效，采用本实施方案仍能准确且自动地侦测到这种异常偏离情况并及时发出预警，利于解决芯片可靠性问题。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图3是本发明实施例一种芯片测试参数异常的侦测方法的流程图。

本实施方案可以应用于芯片制造场景，通过及时、自动地侦测芯片测试参数异常情形，使得芯片制造企业更准确地进行批次或晶圆处置和出货提前预警。该侦测方法可以由执行或者辅助芯片测试的设备执行，例如可以由自动测试设备(Automatic TestEquipment，简称ATE)或者与ATE本地或者远程耦接的计算设备执行。

具体地，参考图3，本实施例所述芯片测试参数异常的侦测方法可以包括如下步骤：

步骤S101，获取当前批次芯片的第一测试参数，其中，所述第一测试参数为所述当前批次芯片在预设测试项的测试结果；

步骤S102，根据所述第一测试参数计算所述当前批次芯片的边缘芯片比例，其中，所述边缘芯片比例为所述当前批次芯片中边缘芯片的占比，所述边缘芯片是所述第一测试参数的数值落入合格范围但超出边缘范围的芯片；

步骤S103，当所述边缘芯片比例与基准边缘芯片比例之差大于第一预设提示值时，确定侦测到芯片测试参数异常，其中，所述基准边缘芯片比例与所述预设测试项相对应。

更为具体地，所述预设测试项可以是测试机台按照测试程序需要对所述芯片进行的任一项测试项目。本实施方案可以是重复执行的，每次执行时获取不同预设测试项的测试结果，以判断当前批次芯片在该预设测试项的第一测试参数是否存在异常。

进一步，所述第一测试参数可以包括所述当前批次芯片中每一芯片在所述预设测试项的测试结果。为便于表述，接下来对当前批次中单个芯片在所述预设测试项的测试结果也统称为所述第一测试参数。

进一步，可以以批次为单位实施本实施方案，以侦测特定批次芯片在预设测试项的测试参数是否异常。需要指出的是，在实际应用中，还可以以晶圆(wafer)为单位实施本实施方案。

在一个具体实施中，所述当前批次芯片是指本次执行本实施方案需要侦测测试数据是否存在异常的批次芯片。

在所述步骤S101中，所述测试结果可以是测试机台在按测试程序对所述当前芯片进行测试的过程中实时获取的。

或者，所述测试结果可以获取自预设数据库，其中，所述预设数据库用于存储测试机台在历史上按测试程序对一个或多个批次芯片进行测试后得到的测试结果。

在一个具体实施中，所述边缘范围和合格范围均与预设测试项一一对应。也即，每一预设测试项均设置有对应的边缘范围和合格范围。

合格范围是预先设定的芯片测试规格，也即，所述合格范围是指芯片规格书中规定的芯片在所述预设测试项应当符合的规格上限和/或下限，如图1示出的合格线14、图2示出的规格上线21和规格下线22。

边缘范围是在预先设定的芯片测试规格的基础上限缩得到的更新芯片测试规格，也即，边缘范围是在合格范围的基础上限缩得到的上限和/或下限。对于测试参数的数值落入所述合格范围内但超出所述边缘范围的芯片，说明这类芯片在所述预设测试项的测试结果实质上已经非常接近合格范围规定的临界线了(如图1中圆圈圈出部分)。实验表明，这类芯片在长期使用过程中极易出现可靠性问题，因此，本实施例方案通过增设边缘范围来自动侦测存在可靠性隐患的芯片，使得对图1所示测试参数分布移动、变宽以及拖尾情况的自动侦测成为可能。

进一步，边缘范围较之合格范围的限缩程度可以是通过对历史数据的统计分析确定的，其中，所述历史数据包括历史上多个批次芯片在所述预设测试项的测试参数。通过合理设置边缘范围，能够在有效侦测测试参数的数值分布向合格范围的边界逼近的同时，避免误报警。

在一个具体实施中，可以选择历史上良率均达到基准良率的多个批次芯片的第二测试参数，并基于所述第二测试参数确定所述边缘范围，其中，所述第二测试参数为所述历史批次芯片在所述预设测试项的测试结果。例如，可以选择历史上良率接近基准良率的20个批次的芯片，并获取这些批次芯片的第二测试参数。

具体地，可以选取该芯片产品近期(例如上一个季度)的所有批次，计算其平均良率(average)和良率的标准差(sigma)，把良率低于average-6×sigma的晶圆去除后重新计算得到的平均值，作为该芯片产品的基准良率。

其中，所述平均良率可以是所述所有批次芯片各自良率的加和求平均。对于任意批次芯片，所述批次芯片的良率是指所述批次芯片中合格芯片的数量与有效芯片的数量的比值。

所述良率的标准差可以为总体标准差

所述良率的标准差还可以为样本标准差

进一步，可以获取所述多个批次芯片中合格芯片(pass die)的第二测试参数。其中，合格芯片是指按测试程序测试得到的各项测试参数的测试结果均落入芯片规格书规定的合格范围内的芯片，即通常意义上的“好”芯片。

进一步，可以根据所述第二测试参数获取所述历史批次芯片的良率测试缓冲数据，所述良率测试缓冲数据用于表征所述第二测试参数的数值分布。具体而言，所述数值分布可以用于表征第二测试参数的数值波动和分布情况。例如，所述数值分布可以为所述第二测试参数的四分位距(Inter Quartile Range，简称IQR)。

进一步，可以根据所述良率测试缓冲数据确定限缩量，并按照所述限缩量缩小所述预设测试项的合格范围，以得到所述预设测试项的边缘范围。

假设预设测试项的合格范围仅包括下限(low spec)，则对应的边缘范围可以为所述下限加上IQR乘预设系数。其中，预设系数可以为0.5。

假设预设测试项的合格范围仅包括上限(high spec)，则对应的边缘范围可以为所述上限减去IQR乘预设系数。其中，预设系数可以为0.5。

假设预设测试项的合格范围包括下限和上限，即[low spec,high spec]，则对应的边缘范围可以为[low spec+0.5×IQR,high spec-0.5×IQR]。

仅考虑合格芯片的测试结果是因为，本实施方案关注的是对测试结果在合格范围内的测试参数的异常侦测。进一步，结合IQR对异常值的耐抗性，本具体实施能够客观准确地表征测试结果在合格范围内的测试参数的数值分布情况。

在一个变化例中，可以将四分位距替换为标准差(sigma)。也即，可以计算所述第二测试参数的标准差，以得到所述良率测试缓冲数据。

在一个具体实施中，可以把测试参数的数值介于边缘范围和合格范围之间的芯片记作边缘芯片(marginal die)，以表征这些芯片是临近芯片测试规格的芯片，也就是前述可能存在可靠性问题的芯片。

在所述步骤S102中，可以基于公式marginal die ratio＝marginal_die_count/good_die_count计算得到所述边缘芯片比例，其中，marginal die ratio为所述边缘芯片比例，marginal_die_count为所述当前批次芯片中边缘芯片的数量，good_die_count为所述当前批次芯片中合格芯片的数量。

具体地，当前批次芯片中的合格芯片即为实际出货的好芯片。

进一步，对于当前批次芯片而言，marginal_die_count即为当前批次芯片中第一测试参数的数值落入合格范围但超出边缘范围的芯片的数量。

在一个具体实施中，所述基准边缘芯片比例可以是通过对历史数据的统计分析确定的，其中，所述历史数据包括历史上多个批次芯片的第二测试参数。具体而言，所述基准边缘芯片比例可以用于描述芯片测试参数的数值分布为基准分布时边缘芯片的占比。呈基准分布的测试参数的数值落入合格范围内，且距离合格范围的边缘较远，如图1所示。

例如，在确定所述边缘范围后，针对用于确定边缘范围的所述历史上多个批次芯片，可以根据这些批次芯片的第二测试结果筛选得到第一数量的芯片，所述第一数量的芯片是第二测试参数的数值落入所述合格范围但超出所述边缘范围的芯片，也即历史上多个批次芯片中的边缘芯片。进一步，将第一数量除以所述历史上多个批次芯片中最终出货的好芯片的数量(即历史多个批次芯片中合格芯片的数量)，既可以得到所述基准边缘芯片比例(marginal die ratio of baseline)，记作R

在一个具体实施中，所述步骤S102可以包括步骤：获取当前批次芯片中合格芯片的数量；根据所述合格范围和边缘范围，从所述当前批次芯片中筛选得到所述边缘芯片；将筛选得到的所述边缘芯片的数量与所述当前批次芯片中合格芯片的数量的比值确定为所述当前批次芯片的边缘芯片比例。

在一个具体实施中，在所述步骤S103中，通过公式i_ΔR

在一个具体实施中，所述第一预设提示值可以是根据芯片的退货率确定的，如基于百万分率(parts per million，简称ppm)表征。具体而言，可以通过ppm来表征芯片出货到终端后由于芯片早起失效导致的退货率。

进一步，不同芯片产品对ppm的要求不尽相同，出货芯片每个固定周期(如每周、每月或每季度)的退货率不能超过协定好的ppm。

例如，第一预设提示值可以为1000ppm。

在一个具体实施中，本实施例所述侦测方法还可以包括：统计预设侦测周期内侦测的所有批次芯片的平均边缘芯片比例；当所述平均边缘芯片比例与所述基准边缘芯片比例之间的差值大于第二预设提示值时，确定侦测到芯片测试参数异常。

具体地，所述第二预设提示值可以是根据所述芯片的退货率确定的，且所述第二预设提示值小于所述第一预设提示值。例如，第二预设提示值可以为500ppm。

例如，可以每隔7天统计本周期内制造的所有批次芯片的平均边缘芯片比例，若所述平均边缘芯片比例大于第二预设提示值，则确定本周期内生产的芯片存在测试参数异常。

在一个具体实施中，在确定侦测到芯片测试参数异常时，可以向外发送提示信息，以提示本次侦测结果。

具体地，所述提示信息可以发送至芯片制造企业的质检员、品控员等需要获取芯片测试参数异常信息的人员。

进一步，提示信息可以发送至上述人员登录的服务器，如计算机等，还可以发送至个人终端，如手机、IPAD等。

例如，当触发提示信息时，可以由执行本实施方案的设备自动生成提示信息并发送至上述服务器和/或个人终端。

进一步，所述提示信息可以包括存在测试参数异常的批次、异常的测试参数的数值分布、异常原因分析等。

本具体实施将测试参数的数值分布从图形转化为数字化描述。也即，把每一测试参数由原先的一颗芯片一个数值形成的巨大体量数据结果，转化为可用来描述每个测试参数可靠性的计算值(即边缘范围)。由此，在所需存储的数据量减少上千倍的同时，实现对测试参数异常的侦测。

进一步，本具体实施能够在实现异常侦测的同时尽可能少的误报警，确保运行本实施例所述方案的系统的准确性。也即，即使某个批次芯片的某个测试参数的数值分布出现诸如分布变宽、拖尾等的异动，只要离合格范围还比较远或者没有导致边缘芯片比例与对应的基准边缘芯片比例之差的增加，就不会发出提示信息，避免给用户造成困扰。

进一步，本具体实施可以由系统定时运行，以实现对异常侦测的自动计算和用户推送。

进一步，通过进入边缘芯片和ppm的概念能够实现灵活反馈校正。具体而言，可以根据产品的实际情况灵活优化，结合出货退货率原因分类的反馈(即不同测试失效分别贡献多少ppm退货率)，校正各测试参数用于确定边缘范围的预设系数、第一预设提示值和第二预设提示值。由此，确保各测试参数计算得到的ppm尽可能接近最终芯片退货率的实际值，从而准确知道批次处置和出货的提前预警。

在一个具体实施中，本实施例所述侦测方法还可以包括步骤：获取预设时间段内多个批次芯片的第三测试参数的数值随时间的变化趋势，其中，所述第三测试参数为所述多个批次芯片在所述预设测试项的测试结果；当所述变化趋势为持续超出控制范围时，确定侦测到芯片测试参数异常。

具体而言，所述控制范围可以是在合格范围的基础上限缩得到的上限和/或下限。当第三测试参数的数值随时间的趋势为持续超出控制范围时，表明一段时间内制造得到的多个批次芯片的测试结果在朝着合格范围的边缘逼近，如图2中持续变高的变化趋势。实验表明，出现这类变化趋势极有可能意味着芯片生产线的某个工艺参数发生偏离，若不加以干预，未来仍按当前工艺制造的芯片对应测试参数的数值极有可能超出合格范围。因此，本实施例方案通过增设控制范围来自动侦测工艺参数偏离现象，使得对图2所示测试参数的数值连续变高或变低情况的自动侦测成为可能。

进一步，所述控制范围较之合格范围的限缩程度可以是通过对历史数据的统计分析确定的，其中，所述历史数据包括历史上多个批次芯片的第四测试参数，所述第四测试参数为所述历史多个批次芯片在所述预设测试项的测试结果。通过合理设置控制范围，能够在有效侦测测试参数的数值分布持续且逐渐地向合格范围的边界逼近的同时，避免误报警。

在一个具体实施中，可以选择历史上良率均达到基准良率的多个批次芯片中合格芯片的第四测试参数。

进一步，可以计算所述第四测试参数的关键统计值。例如，所述关键统计值可以选自：中位数、95分位数、5分位数、99分位数以及1分位数。

进一步，可以根据所述关键统计值以及所述关键统计值的标准差确定控制范围。

假设测试参数的合格范围仅包括下限(low spec)，则对应的控制范围可以为statistic-3×statistic value’s sigma，其中statistic为所述关键统计值，statisticvalue’s sigma为所述关键统计值的标准差。该控制范围为下限。在仅考虑下限的场景中，可以不考虑高侧的百分位数如95分位数以及99分位数。

假设测试参数的合格范围仅包括上限(high spec)，则对应的控制范围可以为statistic+3×statistic value’s sigma，其中statistic为所述关键统计值，statisticvalue’s sigma为所述关键统计值的标准差。该控制范围为上限。在仅考虑上限的场景中，可以不考虑低侧的百分位数如1分位数和5分位数。

假设测试参数的合格范围包括下限和上限，即[low spec,high spec]，则对应的控制范围可以为[statistic-3×statistic value’s sigma,statistic+3×statisticvalue’s sigma]。

上述假设中采用的预设系数的数值3仅用于示例，在实际应用中，可以根据需要调整预设系数的具体数值。

在一个具体实施中，可以计算所述第三测试参数的关键统计值。进一步，可以绘制所述关键统计值随时间的变化趋势。

具体而言，若任何一个关键统计值连续预设数量的批次超出所述控制范围，则可以确定侦测到芯片测试参数异常。

例如，预设数量可以为8。在实际应用中，所述预设数量可以根据产品的实际情况进行优化。

由上，采用本实施例方案，能够实现对芯片测试参数异常的自动侦测和推送，以在实际出现Bin失效前，提前预警芯片可靠性问题以及生产工艺和测试环节可能存在的问题。具体而言，通过分析当前批次芯片中的边缘芯片占比，能够较准确的获得当前批次芯片在预设测试项的测试结果分布情况。进一步，若当前批次的边缘芯片比例增大至与基准边缘芯片比例之差大于第一预设提示值时，表明第一测试参数的数值分布出现偏离基准分布的问题，也即出现芯片测试参数异常。由此，本实施方案能够实现对测试参数异常的自动侦测。当第一测试参数的数值分布偏离基准分布时，即使所述第一测试参数的数值变化尚未导致Bin失效，采用本实施方案仍能准确且自动地侦测到这种异常偏离情况并及时发出预警，利于解决芯片可靠性问题。

进一步，能够尽早侦测出潜在的生产工艺和测试问题，使得在Bin失效前提前结果工艺和测试缺陷成为可能。具体而言，当一段时间内多个批次芯片在同一测试参数的测试结果数值持续变高或持续变低时，即使测试结果仍然落在规格规定的合格范围内，但实质上极有可能意味着生产线的某个工艺参数已经发生偏离，若不提前解决，之后可能出现大批的低良率问题。因此，本实施方案设置控制范围并与测试结果随时间的变化趋势相配合以实现自动侦测。当变化趋势持续超出控制范围时，表明所述多个批次芯片对应测试参数的测试结果已经逼近合格范围的上限或下限，需要发出预警。

进一步，对于测试规格外的失效情况，可以通过专门的Bin失效率来表征。

在第一个典型的应用场景中，图4展示的是一段时间内监测得到的多个批次芯片在测试项IDDQ_GPU的边缘芯片比例与基准边缘芯片比例之差(记作IDDQ_GPU_ΔR

图4示出的1000ppm为测试项IDDQ_GPU的第一预设提示值，500ppm为第二预设提示值。

参考图4可知，批次A在测试项IDDQ_GPU的边缘芯片比例为1200ppm已经超出第一预设提示值1000ppm。虽然从图5来看批次A在测试项IDDQ_GPU的测试参数的数值分布并未触发合格线，但实质上该批次的数值分布已经严重偏离测试项IDDQ_GPU的基准分布了。

因此，采用本实施例方案，通过设置边缘线，自动侦测像批次A这种在测试项IDDQ_GPU的测试参数的数值分布较之基准分布出现拖尾的情况，并发出提示。

在第二个典型的应用场景中，图6展示的是一段时间内监测得到的多个批次芯片在测试项Vmin_CPU的边缘芯片比例与基准边缘芯片比例之差(记作Vmin_CPU_ΔR

图8是本发明实施例一种芯片测试参数异常的侦测装置的结构示意图。本领域技术人员理解，本实施例所述芯片测试参数异常的侦测装置8可以用于实施上述图3所述实施例中所述的方法技术方案。

具体地，参考图8，本实施例所述芯片测试参数异常的侦测装置8可以包括：获取模块81，用于获取当前批次芯片的第一测试参数，其中，所述第一测试参数为所述当前批次芯片在预设测试项的测试结果；计算模块82，用于根据所述第一测试参数计算所述当前批次芯片的边缘芯片比例，其中，所述边缘芯片比例为所述当前批次芯片中边缘芯片的占比，所述边缘芯片是所述第一测试参数的数值落入合格范围但超出边缘范围的芯片；侦测模块83，当所述边缘芯片比例与基准边缘芯片比例之差大于第一预设提示值时，确定侦测到芯片测试参数异常，其中，所述基准边缘芯片比例与所述预设测试项相对应。

关于所述芯片测试参数异常的侦测装置8的工作原理、工作方式的更多内容，可以参照上述图3中的相关描述，这里不再赘述。

进一步地，本发明实施例还公开一种存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述图3所示实施例中所述的方法技术方案。优选地，所述存储介质可以包括诸如非挥发性(non-volatile)存储器或者非瞬态(non-transitory)存储器等计算机可读存储介质。所述存储介质可以包括ROM、RAM、磁盘或光盘等。

进一步地，本发明实施例还公开一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述图3所示实施例中所述的方法技术方案。具体地，所述终端可以为计算机、服务器等设备。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。