测试基础概念：良率、故障模型、测试覆盖率、DPPM 与 ATE

各位同学，欢迎来到量产测试的第二课。今天我们要聊的这几个概念，可以说是整个测试行业的“黑话”基础。你出去面试，跟同行聊天，要是这几个词说不利索，那基本就露怯了。

我个人习惯，讲概念之前先给个全景图。你想想看，我们做测试，最终目的是什么？说白了就两件事：把坏的挑出来，别把好的误杀了。而良率、故障模型、测试覆盖率、DPPM 这些指标，就是用来衡量我们这件事干得怎么样的尺子。

核心逻辑： 故障模型告诉我们“测什么”，测试覆盖率告诉我们“测了多少”，良率和 DPPM 告诉我们“测完的结果好不好”，而 ATE 就是干活的工具。

故障模型，听起来很学术，其实就是给芯片可能出的毛病“建模”。芯片内部几亿个晶体管，出问题的方式千奇百怪，我们不可能每种都去测。所以，工程师们总结了几种最常见的“坏法”，把它们抽象成模型。

最常见的两个模型，你必须要记住：

固定故障模型 (Stuck-at Fault Model)：假设某个节点要么 stuck-at-0，要么 stuck-at-1。这是最经典的模型，覆盖了大部分物理缺陷，比如短路、断路。
过渡故障模型 (Transition Fault Model)：假设某个节点从 0 变 1 或者从 1 变 0 时，速度太慢，跟不上时钟。这主要用来抓“时序”相关的问题。

我的经验： 刚入行时，我总觉得固定故障模型就够了。直到有一次，一颗芯片在常温下全好，一跑到高温就挂。查了半天，是某个路径的上升沿慢了半拍。从那以后，我对过渡故障模型再也不敢轻视。

还有其他模型，比如 IDDQ 故障模型（测静态电流）、桥接故障模型（测两根线短路），但在量产测试中，固定和过渡是绝对的主力。

覆盖率，就是你的测试向量到底测到了多少潜在的故障。通常用百分比表示。

公式很简单：

测试覆盖率 = (被检测到的故障数 / 总故障数) × 100%

举个例子，你的芯片有 100 万个可能的固定故障点，你的测试向量只覆盖了 95 万个，那覆盖率就是 95%。

注意： 覆盖率不是越高越好。从 95% 提到 99%，测试向量可能要翻倍，测试时间也会暴涨。量产测试讲究“性价比”。我个人习惯，对于消费类芯片，固定故障覆盖率做到 97% 以上就算合格；车规级芯片，那得往 99.5% 以上走。

覆盖率跟良率有什么关系？我见过不少新人搞混。记住一句话：覆盖率低，你可能会把坏的芯片放过去（测试逃逸）；良率低，说明你的制造过程有问题。两码事。

良率，就是所有生产出来的芯片里，经过测试后，好的芯片占多少。

公式：

良率 = (测试通过的数量 / 总投入测试的数量) × 100%

良率是工厂的命根子。良率每掉 1%，对于月产百万颗芯片的工厂来说，可能就是几百万的损失。

良率通常分几种：

避坑指南： 我曾经遇到过一个项目，晶圆良率很高，但封装良率惨不忍睹。一开始以为是封装厂的问题，后来查出来是晶圆测试时，某些引脚在探针卡上没扎好，导致“坏品”流到了封装环节。所以，良率要分阶段看，不能只看总数。

DPPM，百万分之缺陷率。这是衡量交付给客户的产品质量的指标。

公式：

DPPM = (客户退回的坏品数 / 总交付数) × 1,000,000

举个例子，你交付了 10 万颗芯片，客户退回 5 颗坏的，那 DPPM 就是 50。

良率和 DPPM 有什么区别？良率是“出厂前”的指标，DPPM 是“出厂后”的指标。良率 99% 听起来很高，但算一下 DPPM：

DPPM = (1 - 0.99) × 1,000,000 = 10,000

也就是说，每 100 万颗芯片里，有 1 万颗是坏的。对于手机、电脑来说，这个水平勉强能接受。但对于汽车、医疗设备，DPPM 通常要求低于 100，甚至低于 10。

我的建议： 做量产测试，一定要盯着 DPPM 看。良率再高，如果 DPPM 下不来，客户迟早会找你麻烦。我见过一个团队，良率做到 99.5%，但 DPPM 高达 5000，结果被客户罚了上百万。

ATE，自动测试设备。说白了，就是一台专门用来测芯片的“超级电脑”。

ATE 的核心组成：

市面上主流的 ATE 厂商，比如 Teradyne、Advantest、Chroma，各有各的生态。我个人最早接触的是 Teradyne 的 J750，后来用过 Advantest 的 V93000。不同平台，指令集、波形编辑器都不一样，但核心逻辑是相通的。

注意： ATE 不是万能的。它只能测你写在测试程序里的东西。如果你的测试程序没覆盖某个故障模式，ATE 再贵也测不出来。所以，测试程序的质量，直接决定了 ATE 的测试效果。

好了，这一课的概念就讲到这里。这几个词，你以后每天都会跟它们打交道。多想想它们之间的关系，慢慢就能建立起自己的测试思维框架。