4. ATPG 自动测试向量生成面试题

面试问题：请介绍一下常见的故障模型及其在 ATPG 中的应用。

面试官考察点：基础知识扎实度、能否区分故障模型适用场景、是否了解工业界常用模型。

回答框架：

1. 先给出定义：故障模型是对芯片物理缺陷的抽象。
2. 列举 2-3 种主流模型：Stuck-at（固定型）、Transition（跳变型）、Bridging（桥接型）。
3. 说明每种模型对应哪些缺陷（如 Stuck-at 对应短路/断路）。
4. 结合实际应用：DFT 项目中常用 Stuck-at 做静态测试，Transition 做时序测试。

简短示例回答：“故障模型是物理缺陷的抽象。最常用的是 Stuck-at 模型，模拟信号固定为 0 或 1；Transition 模型用于捕捉时序延迟故障，如上升沿变慢。我在项目中主要使用这两种，结合 ATPG 工具生成对应向量，基础覆盖率可达 95% 以上。”

可能追问：“为什么 Stuck-at 模型不能覆盖所有真实缺陷？”、“你如何处理多故障模型共存？”

避坑提醒：不要只背定义；要对比各模型的局限性和适用场景；避免说“我会所有模型”，应聚焦 2-3 个深挖。

面试问题：ATPG 为什么要做向量压缩？常见的压缩算法有哪些？

面试官考察点：对测试成本的理解、算法原理掌握、压缩率与测试质量权衡。

回答框架：

1. 先说明动机：减少测试时间和测试数据存储，降低 ATE 成本。
2. 分类介绍：静态压缩（合并兼容向量）和动态压缩（在 ATPG 过程中优化）。
3. 举例：X-fill 技术（用 X 态填充无关位）、多链扫描压缩。
4. 补充权衡：过度压缩可能导致覆盖率下降或增加运行时间。

简短示例回答：“压缩能显著降本。常用静态合并：将兼容向量合并为一条；以及动态的 X-fill：将未指定位置随机填充为 0/1 以激活更多故障。项目中我使用 TetraMAX 的自动压缩，向量数量减少 40%，覆盖率仅降 0.3%，在可接受范围。”

可能追问：“解释一下什么叫‘兼容向量’？”、“压缩率和测试时间的关系是什么样的？”

避坑提醒：不要只提一种算法；要体现你理解压缩不是单纯的“减量”，而是质量、时间、成本的三角平衡。

面试问题：如何分析并提升 ATPG 的故障覆盖率？

面试官考察点：指标定义、分析工具使用、发现问题并优化能力。

回答框架：

1. 解释故障覆盖率 = 检测到的故障数 / 总故障数。
2. 分析过程：运行 ATPG 后查看报告，识别未被覆盖的故障类型及区域。
3. 提升方法：增加测试向量、优化扫描链配置、修改测试模式（如功能 vs 扫描）。
4. 提及工具：TetraMAX 的故障字典、覆盖率分类（DC/TC）。

简短示例回答：“覆盖率是 ATPG 核心指标。我会先检查报告，找出不可测故障（untestable）是因为约束限制还是设计本身。然后针对性地增加 at-speed 测试模式或调整 scan chain。实践中将覆盖率从 92% 提升至 97%，主要靠优化时序约束和添加过渡故障向量。”

可能追问：“什么叫 untestable fault？它和 redundant fault 的区别？”、“覆盖率 100% 不可能吗？为什么？”

避坑提醒：不要只背公式；要展示分析思路和实际调优步骤；避免说“我能做到 100%”，应说明实际限制。