테스트 혁신: 칩릿 생태계로의 격차 극복
발표자: 밍 장, PDF 솔루션스
초록:
본 논문은 급성장하는 칩릿 생태계의 설계 및 제조 과제를 해결하는 데 있어 테스트 혁신, 특히 인공지능(AI) 적용의 역할을 탐구한다. 3D 집적, 신규 팹 확산, AI 칩 제작을 위한 AI 활용 등 주요 산업 변화는 공정 변동성, 공급망 보안, 복잡한 검증 프로세스 등의 난제를 초래했다. 이러한 격차를 해소하기 위해 AI 기반 적응형 테스트가 중요한 기회를 제공한다. 모델 배포를 위한 강력한 AI 인프라를 활용함으로써 기업들은 웨이퍼 분류 데이터에 머신러닝을 적용해 최종 테스트 불량을 예측할 수 있다. 사례 연구에 따르면, 이 "데이터 피드 포워드(Data Feed Forward)" 접근법은 중복된 최종 테스트를 제거하면서도 백만 개당 불량 부품(DPPM)에 미치는 영향이 제로 또는 거의 제로 수준을 유지하며, 88% 이상의 테스트 건너뛰기(skip rate)를 달성한다. 이는 대량 생산 환경에서 효율성을 크게 향상시키고, 비용을 절감하며, 시스템 품질을 개선한다.
키워드: 칩렛 생태계, 테스트 혁신, 엔터프라이즈 AI, 적응형 테스트, 머신 러닝, 데이터 피드 포워드(DFF), 반도체 제조, 웨이퍼 분류, 최종 테스트, 공급망 관리.
오늘 바로 프레젠테이션을 다운로드하세요!
본 정보를 다운로드함으로써, 저는 PDF Solutions, Inc.가 본 문서에 제공된 제 정보를 사용하여 제품 및 서비스 관련 연락을 할 수 있음에 동의합니다. 이는 제가 이전에 해당 연락 수신을 거부한 경우에도 적용됩니다. 당사의 개인정보 처리방침 및 개인정보 보호에 대한 약속에 관한 정보는개인정보 처리방침을 참조하시기 바랍니다.