📚 课程目录第4章测试数据格式解析

4、测试数据格式解析：STDF格式介绍、ATDF格式介绍、CSV/Excel数据格式、常见数据字段含义

在半导体测试工程中，数据格式是连接测试机台（Tester）与良率分析系统（YMS）的桥梁。不同的测试阶段（CP/FT）和不同的设备供应商（Teradyne、Advantest、Chroma）会产出不同格式的数据文件。本章将深入解析四种主流数据格式的结构、适用场景及核心字段含义，帮助你在实际工作中准确解析与转换测试数据。

💡 工程要点： 数据格式的解析能力是良率工程师的基本功。错误的字段映射或格式误判，可能导致良率核算结果偏差超过5%。建议在项目初期就建立统一的数据字典。

4.1 测试数据格式全景图

下图展示了从测试机台原始输出到良率分析系统的数据流转路径，以及各格式在流程中的位置。

4.2 STDF 格式详解

STDF（Standard Test Data Format） 是半导体测试行业最广泛使用的二进制数据格式，由 Teradyne 公司制定并开放。几乎所有主流测试机台（如 Teradyne J750、UltraFLEX、Advantest T2000）都支持直接输出 STDF 文件。

4.2.1 STDF 文件结构

STDF 文件由一系列记录（Record）组成，每条记录包含记录类型、长度和数据体。核心记录类型如下：

记录类型	记录代码	描述	关键字段
文件头	FAR	标识 STDF 版本和文件结构	版本号、记录长度
零件信息	PIR	每个被测器件（DUT）的开始标记	HEAD_NUM、SITE_NUM、PART_ID
测试结果	PTR	单个测试项的数值结果	TEST_NUM、RESULT、TEST_TXT
参数测试结果	MPR	多参数测试结果（如 Pin 测试）	TEST_NUM、RESULT_ARRAY
零件结束	PRR	每个 DUT 的结束标记，包含良率判定	HARD_BIN、SOFT_BIN、PART_FLG
测试汇总	TSR	测试项统计汇总	TEST_NUM、AVG、STD_DEV

  🔍 解析要点： STDF 是二进制格式，不能直接用文本编辑器打开。推荐使用开源库（如 Python 的 pySTDF 或 stdf2csv）进行解析。解析时需注意字节序（Endianness）对齐，不同机台可能使用 Big-Endian 或 Little-Endian。

4.2.2 STDF 解析流程

4.3 ATDF 格式详解

ATDF（Advanced Test Data Format） 是另一种行业标准格式，由 SEMI 组织标准化（SEMI E148）。与 STDF 的二进制结构不同，ATDF 采用 ASCII 文本格式，可读性更强，但文件体积较大。

4.3.1 ATDF 与 STDF 对比

对比维度	STDF	ATDF
编码方式	二进制	ASCII 文本
文件大小	小（压缩率高）	大（约为 STDF 的 3~5 倍）
可读性	不可直接阅读	可用文本编辑器打开
解析速度	快（二进制流处理）	较慢（文本解析）
标准化组织	Teradyne（事实标准）	SEMI（正式标准）
主要应用	CP/FT 量产数据	工程验证、数据交换

4.3.2 ATDF 文件结构示例

ATDF 文件以行为单位，每行以关键字开头，后跟字段值。以下是一个简化的 ATDF 片段：

HEADER: VERSION 2.0, DATE 2024-03-15, LOT ABC123
PART: ID DUT001, HEAD 0, SITE 0
TEST: NUM 1, NAME VDD_MIN, RESULT 1.25, UNIT V, LOW_LIMIT 1.10, HIGH_LIMIT 1.40
TEST: NUM 2, NAME IDDQ, RESULT 0.002, UNIT A, LOW_LIMIT 0.0, HIGH_LIMIT 0.005
BIN: HARD 1, SOFT 1, FLAG PASS
END: PART

⚠️ 常见陷阱： ATDF 的字段分隔符可能因机台配置而异（空格、制表符或逗号）。解析前务必确认文件头中的分隔符定义，否则可能导致字段错位。

4.4 CSV / Excel 数据格式

在实际工程中，CSV（逗号分隔值）和 Excel（.xlsx）是最常用的数据交换格式。它们虽然缺乏 STDF/ATDF 的标准化结构，但胜在通用性强，可直接用 Excel、Python Pandas 等工具处理。

4.4.1 标准 CSV 良率数据模板

Lot_ID	Wafer_ID	Die_X	Die_Y	Test_Item	Result	Low_Limit	High_Limit	Hard_Bin	Soft_Bin
LOT2401	W01	10	20	VDD_MIN	1.25	1.10	1.40	1	1
LOT2401	W01	10	20	IDDQ	0.008	0.00	0.005	10	5
LOT2401	W01	11	20	VDD_MIN	1.30	1.10	1.40	1	1

  📋 工程建议： 在生成 CSV 时，建议遵循以下规范：

每行代表一个 DUT 的一个测试项（宽表格式），或每行代表一个 DUT 的所有测试项（长表格式）。

必须包含 Lot_ID、Wafer_ID、Die_X、Die_Y 用于定位。

Hard_Bin 和 Soft_Bin 是良率核算的核心字段，Hard_Bin 用于最终良率判定，Soft_Bin 用于失效分类。

4.5 常见数据字段含义与映射

无论使用哪种格式，以下字段是良率核算中必须理解和正确映射的：

字段名称	STDF 对应	ATDF 对应	CSV 建议名称	含义说明
批次号	WIR/LOT_ID	HEADER/LOT	Lot_ID	晶圆批次的唯一标识
晶圆编号	WIR/WAFER_ID	HEADER/WAFER	Wafer_ID	批次内晶圆的编号
芯片X坐标	PIR/DIE_X	PART/X	Die_X	芯片在晶圆上的行坐标
芯片Y坐标	PIR/DIE_Y	PART/Y	Die_Y	芯片在晶圆上的列坐标
测试项编号	PTR/TEST_NUM	TEST/NUM	Test_Item	测试项的唯一编号或名称
测试结果	PTR/RESULT	TEST/RESULT	Result	测试项的实际测量值
下限	PTR/LOW_LIMIT	TEST/LOW_LIMIT	Low_Limit	测试规格下限
上限	PTR/HIGH_LIMIT	TEST/HIGH_LIMIT	High_Limit	测试规格上限
硬分Bin	PRR/HARD_BIN	BIN/HARD	Hard_Bin	最终良率判定（1=Pass，其他=Fail）
软分Bin	PRR/SOFT_BIN	BIN/SOFT	Soft_Bin	失效分类码（用于分析失效原因）

4.6 格式转换实战要点

在实际项目中，经常需要将 STDF/ATDF 转换为 CSV 进行快速分析。以下是一个基于 Python 的转换示例：

import stdf2csv
import pandas as pd

# 将 STDF 转换为 CSV
stdf2csv.convert('input.stdf', 'output.csv')

# 读取 CSV 并查看良率
df = pd.read_csv('output.csv')
# 按 Hard_Bin 统计良率
yield_rate = df[df['HARD_BIN'] == 1].shape[0] / df.shape[0]
print(f"良率: {yield_rate:.2%}")

⚡ 效率提升： 对于大批量 STDF 文件（如一个批次包含 25 片晶圆，每片 5000 颗 Die），建议使用多线程解析，并直接写入数据库（如 SQLite 或 MySQL），避免中间 CSV 文件占用磁盘空间。

4.7 格式选择决策指南

选择建议：

量产环境： 优先使用 STDF，文件小、解析快、信息完整。
工程验证： 使用 ATDF 便于人工检查数据内容。
数据分析与报告： 转换为 CSV/Excel，利用 Pandas、Tableau 等工具快速分析。
长期归档： 保留原始 STDF 文件，CSV 作为中间产物可定期清理。

⚠️ 数据完整性检查： 在格式转换后，务必进行数据完整性校验：
1. 对比原始文件与转换文件的记录数（DUT 数量）是否一致。
2. 随机抽取 10~20 个 DUT，核对关键测试项结果是否一致。
3. 检查 Hard_Bin 分布是否合理（Pass Bin 占比应与预期良率接近）。