“
在AI芯片高速迭代、量产良率攻坚难度持续升级的行业背景下，智能化失效诊断已成为高端芯片研发量产的核心刚需。广立微QuanTest-YAD良率感知大数据诊断分析平台凭借过硬的产品性能与落地能力，收获了行业主流客户的高度认可。目前YAD已顺利通过行业头部Fab功能与性能双重认证，同时在多家顶级Fabless商用落地，充分验证了产品在高端芯片量产场景的实用性与稳定性。
”
在AI芯片高速迭代、量产良率攻坚难度持续升级的行业背景下，智能化失效诊断已成为高端芯片研发量产的核心刚需。广立微QuanTest-YAD良率感知大数据诊断分析平台凭借过硬的产品性能与落地能力，收获了行业主流客户的高度认可。目前YAD已顺利通过行业头部Fab功能与性能双重认证，同时在多家顶级Fabless商用落地，充分验证了产品在高端芯片量产场景的实用性与稳定性。
当前，芯片良率损失不再局限于单点随机缺陷，更多源于版图热点、时序与IR-drop违例、制造工艺偏移等多重因素交织引发的系统性失效。面对多因子混杂的超大规模数据，传统诊断工具普遍存在解析能力不足、分析链路割裂等问题，工程师只能在海量数据与复杂失效路径中被动排查、低效攻坚，极大制约了芯片研发与量产迭代效率。
QuanTest-YAD打通DFT诊断数据与YMS良率管理系统的数据壁垒，融合AI算法实现数据解析、根因定位、PFA候选点推荐的全流程自动化分析，尤其适配大尺寸、高复杂度AI芯片的复杂失效诊断场景，为行业破解系统性良率难题提供高效解决方案。
案例一 全流程自动分析：数周→数小时，加速NPI良率曲线抬头
挑战：
某AI芯片项目中，诊断结果总文件过大，国外某DFT诊断分析工具无法实施解析，工程师陷入“有数据却无从下手”的困境。
YAD方案：
YAD展现出优异的解析性能，自动捞取目标数据完成解析入库，并使用自建模板对数据做自动化分析，自动导出分析报告及PFA报告，自动排序最值得切片的Die/位置。
成果：
在保证PFA切片选点准确率的基础上，数倍提升工程师诊断分析效率，将根因识别周期从数周压缩至数小时，加速了该项目NPI良率曲线抬头。
案例二 AI拓展能力：在海量历史数据中挖掘系统性失效根因
挑战：
项目希望在历史诊断结果中挖掘系统性失效根因，指导进一步良率提升，但海量数据中的有效信息难以自动提取。
YAD方案：
YAD提供Wafer失效相似性Pattern自动识别功能（WPA）、AI数字员...
猜你喜欢
