零基础搭建DFT测试环境 - 第2节
一、故障模型：芯片出错的“标准答案”
做DFT测试，说白了就是给芯片“体检”。但芯片那么大，怎么知道它哪里疼？
这时候就需要故障模型了。它就像医生的诊断手册，把各种可能的“病症”标准化。我个人习惯把故障模型理解为：用数学语言描述物理缺陷。
1.1 Stuck-at 故障模型
这是最经典的模型，也是我入行时学的第一个概念。
Stuck-at 故障，就是某个节点“卡死”在逻辑0或逻辑1上。比如一根信号线本该能高能低，结果它永远输出0，这就是 Stuck-at-0（SA0）。
举个例子：
正常情况：A = 1 → 输出 Y = 1
SA0故障： A = 1 → 输出 Y = 0（因为A被卡死在0）我在项目中遇到过最典型的案例：某颗芯片的复位信号线有SA1故障，结果芯片永远处于复位状态，根本跑不起来。排查了三天才发现是制造过程中的金属残留。
- 每个节点有两种故障：SA0 和 SA1
- 一个芯片有N个节点，理论上就有2N个故障
- 实际测试中，我们只关心“可测”的故障
1.2 Transition Delay 故障模型
Stuck-at 测的是“静态”问题，但芯片跑起来是动态的。Transition Delay 模型就是用来抓“慢半拍”的毛病。
你想想看，信号从0变1（上升沿）或者从1变0（下降沿），如果变化太慢，就会导致时序违规。这种故障在高速芯片中特别常见。
两种类型：
- Slow-to-Rise： 从0变1时太慢
- Slow-to-Fall： 从1变0时太慢
二、测试覆盖率：你的测试够不够“狠”
测试覆盖率，就是衡量你测试质量的指标。说白了：你测了多少？漏了多少？
公式很简单：
测试覆盖率 = (检测到的故障数 / 总可测故障数) × 100%举个例子：芯片有1000个可测故障，你的测试向量能检测到950个，那覆盖率就是95%。
我曾经遇到一个项目，为了追求99%的覆盖率，测试向量增加了3倍，测试时间从10秒变成了40秒。结果量产时测试成本太高，利润全被吃掉了。嗯，这就是典型的“过度测试”。
三、ATPG：自动生成测试向量的“大脑”
ATPG，全称 Automatic Test Pattern Generation。它的任务就是：自动生成测试向量，让故障“现出原形”。
3.1 ATPG 的基本原理
ATPG 的核心思想是：激励 + 观察。
- 激励： 给芯片输入特定的信号组合
- 观察： 看输出是否和预期一致
如果输出和预期不一样，说明有故障。ATPG 就是自动找出“什么样的输入组合能暴露故障”。
3.2 常用算法
| 算法 | 原理 | 适用场景 |
|---|---|---|
| D算法 | 基于布尔差分，精确但慢 | 小规模电路 |
| PODEM | 定向搜索，效率高 | 中等规模电路 |
| FAN | 改进版PODEM，更快 | 大规模电路 |
3.3 ATPG 流程
我画了一张图，帮你理清ATPG的完整流程：
3.4 ATPG 的“坑”与“避坑”
ATPG 不是万能的。我总结几个常见问题：
- 时序问题： ATPG 默认是组合逻辑，遇到时序电路要特别处理
- X态传播： 未初始化的寄存器会导致X态，影响测试结果
- 测试点插入： 覆盖率不够时，需要手动插入测试点
四、三个概念的关系
最后，我用一句话总结这三者的关系：
故障模型定义了“测什么”，测试覆盖率衡量了“测了多少”，ATPG解决了“怎么测”。
三者缺一不可。没有故障模型，ATPG就是无头苍蝇；没有覆盖率指标，你永远不知道测试够不够；没有ATPG，手工写测试向量会累死人。