半导体测试理论
半导体常规电学参数测试
❖ 3）测试电流
❖ 在测量过程中，通过样品的电流从两方面影响电阻率： ❖ a）少子注入并被电场扫到2,3探针附近，使电阻率减小； ❖ b）电流过大，使样品温度提高，样品的晶格散射作用加强，
导致电阻率会提高。
❖ 因此，要求电流尽量小，以保证在弱电场下进行测试。 ❖ a）对硅单晶材料，一般选取电场E小于1V/cm. ❖ b）若针距为1mm，则2,3探针的电位差不超过100mv.
半导体材料，电阻率反映了补偿后的杂质浓度。一般而言， 电阻率是杂质浓度差的函数。 ❖ 以P型半导体为例：
1
(NA ND)pq
式中----NA 为受主杂质浓度，ND 为施主杂质浓度 μp为空穴迁移率，q为电子电荷
第一章半导体常规电学参数测试
❖ 二、电阻率的测试方法
❖ 按照测量仪器分类：
两探针法
❖ 1、接触法：
❖ 3、用冷热探笔测量时，保证热探笔不能太高（40-60℃）， 并不断交换冷热探笔的位置（欧姆接触，探笔触头60°， In 或Pb） 。
❖ 4、三探针法：探针接触压力小，探针接触半径不大于 50μm，。
❖ 5、避免电磁场的干扰。
第一章半导体常规电学参数测试
1.2 半导体硅单晶电阻率的测量
❖ 一、半导体材料的电阻率与载流子浓度 ❖ 电阻率是荷电载体流经材料时受到阻碍的一种量度。对于
影响，试样测量表面一般要求经过粗砂研磨或喷砂处理。 ❖ b)要求试样表面具有较高的平整度，且样品厚度以及任一探
针距样品边缘的距离必须大于4倍针距，以满足近似无穷大 的测试条件。 ❖ c)各测试点厚度与中心厚度的偏差不应大于±1%。
第一章半导体常规电学参数测试
❖ 2）测试探针
❖ a）选择合适的材料作探针，目前一般使用钨丝、碳化钨等 材料。
半导体开尔文测试原理
半导体开尔文测试原理引言：半导体开尔文测试原理是一种用于测量半导体材料电阻的方法。
通过该原理，可以准确地测量出半导体材料的电阻值，从而了解其电导性能。
本文将详细介绍半导体开尔文测试原理的基本概念、测量方法和应用领域。
一、基本概念半导体开尔文测试原理是基于开尔文电桥原理的一种测试方法。
开尔文电桥是一种用于精确测量电阻的电路，它通过对被测电阻进行四点测量，消除了连接电阻的影响，从而得到准确的电阻值。
半导体开尔文测试原理就是将开尔文电桥应用于半导体材料的电阻测量中。
二、测量方法半导体开尔文测试的主要步骤如下：1. 准备工作：选择合适的测试仪器，如开尔文电桥或四线法测试仪。
同时，确保被测半导体材料表面清洁、平整，以保证测量结果的准确性。
2. 四点测量：将开尔文电桥的两个测量电极接触到被测半导体材料上，另外两个电极用于测量电流。
通过施加恒定电流，测量电压差，并计算出电阻值。
3. 数据处理：根据测得的电阻值，进行数据处理和分析。
可以通过计算、绘制曲线等方式，进一步了解半导体材料的电导性能。
三、应用领域半导体开尔文测试原理在半导体材料研究和工业生产中有着广泛的应用。
主要包括以下几个方面：1. 材料研究：通过测量半导体材料的电阻，可以了解其电导性能和导电机制，为新材料的开发和研究提供重要数据。
2. 半导体器件测试：在半导体器件的生产过程中，需要对电阻进行测试，以保证产品质量和性能。
3. 故障分析：当半导体器件出现故障时，可以通过半导体开尔文测试原理来定位故障点，并进行修复。
4. 质量控制：对于批量生产的半导体材料或器件，通过半导体开尔文测试原理进行质量控制，可以保证产品的稳定性和一致性。
结论：半导体开尔文测试原理是一种准确测量半导体材料电阻的方法。
通过该原理，可以得到被测半导体材料的电阻值，进而了解其电导性能。
在半导体材料研究、器件测试、故障分析和质量控制等领域，半导体开尔文测试原理都有着广泛的应用前景。
通过不断的研究和发展，相信半导体开尔文测试原理将为半导体技术的进步和应用提供更多的支持。
半导体测试原理
半导体测试公司简介Integrated Device Manufacturer (IDM):半导体公司，集成了设计和制造业务。
IBM：（International Business Machines Corporation）国际商业机器公司，总部在美国纽约州阿蒙克市。
Intel：英特尔，全球最大的半导体芯片制造商，总部位于美国加利弗尼亚州圣克拉拉市。
Texas Instruments：简称TI，德州仪器，全球领先的数字信号处理与模拟技术半导体供应商。
总部位于美国得克萨斯州的达拉斯。
Samsung：三星，韩国最大的企业集团，业务涉及多个领域,主要包括半导体、移动电话、显示器、笔记本、电视机、电冰箱、空调、数码摄像机等。
STMicroelectronics：意法半导体，意大利SGS半导体公司和法国Thomson半导体合并后的新企业，公司总部设在瑞士日内瓦。
是全球第五大半导体厂商。
Strategic Outsourcing Model（战略外包模式）：一种新的业务模式，使IDM厂商外包前沿的设计，同时保持工艺技术开发Motorola：摩托罗拉。
总部在美国伊利诺斯州。
是全球芯片制造、电子通讯的领导者。
ADI：（Analog Devices, Inc）亚德诺半导体技术公司，公司总部设在美国，高性能模拟集成电路（IC）制造商，产品广泛用于模拟信号和数字信号处理领域。
Fabless:是半导体集成电路行业中无生产线设计公司的简称。
专注于设计与销售应用半导体晶片，将半导体的生产制造外包给专业晶圆代工制造厂商。
一般的fabless公司至少外包百分之七十五的晶圆生产给别的代工厂。
Qualcomm：高通，公司总部在美国。
以CDMA(码分多址)数字技术为基础，开发并提供富于创意的数字无线通信产品和服务。
如今，美国高通公司正积极倡导全球快速部署3G网络、手机及应用。
Broadcom：博通，总部在美国，全球领先的有线和无线通信半导体公司。
半导体的cp测试基本原理
半导体的cp测试基本原理半导体的电荷平衡性测试（CP测试）是一项用于评估半导体器件或集成电路的质量、稳定性和可靠性的重要测试手段。
它通过在不同的电压、电流条件下测量器件的电荷容量和电荷传输特性，来判断半导体器件是否具有良好的性能。
CP测试的基本原理可以归纳为以下几个步骤：1. 差分电荷测量：CP测试常使用差分放大电路来测量半导体器件的电荷。
差分放大电路由两个输入电极和一个输出电极组成，其中一个输入电极接入被测器件，另一个输入电极接入一个参考电极。
测量时，参考电极保持在稳定电位，而测量电极则受到器件的电荷变化影响。
2. 电荷注入：为了测量器件的电荷容量，需要在测量电极与参考电极之间施加一定的电压。
通过向测量电极施加脉冲电压或持续电压，将一定数量的电荷注入到器件中，并观察电容变化。
3. 电荷传输特性测量：通过在不同的电压条件下反复进行电荷注入和读取，可以测量器件的电荷传输特性。
即测量在不同电场下，电荷注入到器件中和从器件中释放的速度。
4. 数据分析与解释：通过分析测量数据，可以得到器件的电荷容量、电荷传输速率等参数。
通过比较这些参数与设计要求或标准值，可以评估器件的性能是否符合要求。
CP测试的关键是保证测量精度和一致性。
为此，在实际应用中，往往需要采取一系列措施来降低干扰和误差。
例如，可以对测量电路和测量设备进行校准和校验，使用差分放大器来提高信噪比，合理选择测量电压和电流范围，以及采取适当的滤波和抗干扰措施等。
需要注意的是，CP测试不仅仅适用于器件的生产过程中，也可以用于研发和故障分析。
通过对器件的电荷容量和传输特性的测量和分析，可以帮助改进设计、优化工艺和提高产品性能。
总之，半导体的CP测试是一项重要的质量评估手段，它通过测量半导体器件的电荷容量和传输特性，来评估器件的性能和可靠性。
通过合理选择测量参数和采取抗干扰措施，可以提高测试精度和一致性，为半导体器件的制造和应用提供可靠的数据支持。
半导体基本测试原理
半导体基本测试原理半导体是一种具有特殊电学特性的材料，在电子、光电子和光电子技术等领域具有广泛的应用。
半导体器件的基本测试主要包括单个器件的电学测试、晶体管的参数测试以及集成电路的功能测试等。
本文将从半导体基本测试的原理、测试方法和测试仪器等方面进行详细介绍。
1.电学测试原理：半导体器件的电学测试主要是通过电压和电流的测量，来判断器件的电学性能。
常见的电学测试有阻抗测量、电流-电压特性测试等。
阻抗测量通常使用交流信号来测试器件的电阻、电感和电容等参数，可以通过测试不同频率下的阻抗来分析器件的频率响应特性。
2.晶体管参数测试原理：晶体管是半导体器件中最常见的器件之一，其参数测试主要包括DC参数测试和AC(交流)参数测试。
DC参数测试主要通过测试器件的电流增益、静态工作点等参数来分析和评估器件的直流工作性能。
AC参数测试主要通过测试器件在射频信号下的增益、带宽等参数来分析和评估其射频性能。
3.功能测试原理：集成电路是半导体器件的一种，其测试主要从功能方面进行。
功能测试主要分为逻辑测试和模拟测试两种。
逻辑测试主要测试器件的逻辑功能是否正常，比如输入输出的逻辑电平是否正确，数据传输是否正确等。
模拟测试主要测试器件的模拟电路部分，比如电压、电流、频率等参数是否在规定范围内。
二、半导体基本测试方法1.电学测试方法：常用的电学测试方法包括直流测试和交流测试。
直流测试主要通过对器件的电流和电压进行测量来分析器件的基本电学性能，如电流增益、电压饱和等。
交流测试主要通过在不同频率下测试器件的阻抗来分析器件的频率响应特性，一般使用网络分析仪等仪器进行测试。
2.参数测试方法：晶体管参数测试主要使用数字万用表等测试仪器来测量器件的电流和电压，并通过计算得到相关参数。
AC参数测试一般使用高频测试仪器，如频谱分析仪、示波器等来测试器件在射频信号下的特性。
3.功能测试方法：功能测试一般通过编写测试程序，控制测试仪器进行测试。
逻辑测试的方法主要是通过输入特定的信号序列，对输出结果进行判断，是否与预期的结果相符。
半导体基本测试原理资料
半导体基本测试原理资料1.测试原理半导体器件的测试原理主要包括以下几个方面：(1)电性能测试：电性能测试主要是通过对器件进行电流-电压（I-V）特性测试来评估器件的电气性能。
通过在不同电压下测量器件的电流来得到I-V曲线，从而确定器件的关键参数，如导通电压、截止电压、饱和电流等。
(2)高频特性测试：高频特性测试主要是通过对器件进行射频（RF）信号测试来评估其在高频工作状态下的性能。
常用的高频特性测试参数包括功率增益、频率响应、噪声系数等。
(3)温度特性测试：温度特性测试主要是通过对器件在不同温度条件下的测试来评估其温度稳定性和性能。
常用的测试方法包括恒流源和恒压源测试。
(4)故障分析测试：故障分析测试主要是通过对器件进行故障分析来确定其故障原因和解决方案。
常用的故障分析测试方法包括失效分析、电子显微镜观察和射线析出测试等。
2.测试方法半导体器件的测试方法主要包括以下几个方面：(1)DC测试：DC测试主要是通过对器件进行直流电流和电压的测试来评估其静态电性能。
常用的测试设备包括直流电源和数字电压表。
(2)RF测试：RF测试主要是通过对器件进行射频信号的测试来评估其高频性能。
常用的测试设备包括频谱分析仪、信号源和功率计。
(3)功能测试：功能测试主要是通过对器件进行各种功能的测试来评估其功能性能。
常用的测试方法包括逻辑分析仪和模拟信号源。
(4)温度测试：温度测试主要是通过对器件在不同温度条件下的测试来评估其温度性能。
常用的测试设备包括热电偶和恒温槽。
3.数据分析半导体器件的测试结果需要进行数据分析和处理，以得到结果的可靠性和准确性。
常用的数据分析方法包括统计分析、故障分析和回归分析等。
(1)统计分析：统计分析主要是通过对测试结果进行统计和分布分析来评估器件的性能和可靠性。
常用的统计方法包括平均值、标准偏差和散点图等。
(2)故障分析：故障分析主要是通过对测试结果中的异常数据进行分析来确定故障原因和解决方案。
半导体测试原理
半导体测试原理
半导体测试是一种评估半导体器件性能和可靠性的方法。
它通过对半导体器件进行一系列电学和物理测试，来确定其工作状态和质量特征。
半导体测试的主要目的是确保器件能够按照设计要求进行正常工作，并且能够在预期的环境下长时间稳定运行。
半导体测试通常包括以下几个方面：
1. 电学测试：这是半导体测试的核心部分。
通过对器件进行电流、电压、功率等电学参数的测量，可以评估器件的功能性能。
例如，通过测试电流特性，可以确定器件的静态和动态功耗；通过测试电压特性，可以了解器件的工作电压范围等。
2. 功能测试：这种测试主要是为了验证器件是否按照设计要求实现了各项功能。
这些功能可能包括逻辑门、存储器单元、模拟电路等。
通过输入特定的电信号，并观察输出信号，以确定器件是否正确执行了所需的功能。
3. 可靠性测试：这种测试用于评估器件在长时间使用和不同环境下的可靠性。
常见的可靠性测试包括温度循环测试、湿度测试、电热老化等。
通过模拟器件在实际使用中可能遇到的各种环境，可以预测其寿命和性能退化情况。
4. 外观检查：这是一种对器件外观进行检查和评估的测试。
通过目视检查、显微镜观察等方法，可以确定器件是否存在裂纹、磨损、划痕等表面缺陷。
这对于一些对外观要求较高的应用，
如汽车电子、消费电子等领域非常重要。
半导体测试原理基于电学和物理测试技术，通过对器件进行多种测试手段的组合，以全面评估器件的性能和可靠性。
测试结果将被用于判定器件是否合格，并进行进一步的工艺改进和性能调优。
最终目标是确保半导体器件的质量和可靠性，以满足不同领域应用的需求。
半导体测试基础
第1章半导体测试基础第1节基础术语描述半导体测试得专业术语很多，这里只例举部分基础得：1.DUT需要被实施测试得半导体器件通常叫做DUT （De viceUnderTest,我们常简称“被测器件”），或者叫u UT（Unit Unde r Test） <>首先我们来瞧瞧关于器件引脚得常识,数字电路期间得引脚分为“信号”、“电源”与“地”三部分。
信号脚，包括输入、输出、三态与双向四类，输入:在外部信号与器件内部逻辑之间起缓冲作用得信号输入通道;输入管脚感应其上得电压并将它转化为内部逻辑识别得“0"与电平.输出：在芯片内部逻辑与外部环境之间起缓冲作用得信号输岀通道;输出管脚提供正确得逻辑“ o ”或“r得电压，并提供合适得驱动能力（电流）。
三态:输岀得一类，它有关闭得能力（达到高电阻值得状态）.双向：拥有输入、输出功能并能达到高阻态得管脚。
电源脚，“电源”与“地”统称为电源脚，因为它们组成供电回路，有着与信号引脚不同得电路结构。
VCC： TTL器件得供电输入引脚.VDD:CMOS器件得供电输入引脚。
VSS:为VCC或V D D提供电流回路得引脚。
GND:地,连接到测试系统得参考电位节点或VSS,为信号引脚或其她电路节点提供参考0电位；对于单一供电得器件，我们称VSS为GND・2.测试程序半导体测试程序得口得就是控制测试系统硬件以一定得方式保证被测器件达到或超越它得那些被具体定义在器件规格书里得设计指标。
测试程序通常分为儿个部分，如DC测试、功能测试、AC测试等。
DC测试验证电圧及电流参数;功能测试验证芯片内部一系列逻辑功能操作得正确性；AC 测试用以保证芯片能在特定得时间约束内完成逻辑操作。
程序控制测试系统得硬件进行测试，对每个测试项给出pa s s或fail得结果。
Pass指器件达到或者超越了其设计规格；F a il则相反，器件没有达到设计要求，不能用于最终应用。
测试程序还会将器件按照它们在测试中表现出得性能进行相应得分类，这个过程叫做“B i nning",也称为“分Biif\ 举个例子，一个微处理器，如果可以在15 0 MHz下正确执行指令，会被归为最好得一类，称之为“Bin 1〃;而它得某个兄弟，只能在100MHz下做同样得事悄，性能比不上它，但就是也不就是一无就是处应该扔掉，还有可以应用得领域，则也许会被归为“B i n 2 卖给只要求100MHz 得客户。
半导体基本测试原理
对于SBD/FRD测试，以下测试项为IR参数：
1) IR
适用于单管芯及双管芯产品第一个管芯的反向电流测试；
2) ICBO 适用于双管芯产品第二个管芯的反向电流测试。
IR VCE
IR
ICBO
VCE
VCB
测试数据文件介绍(JUNO)
Juno机台测试数据文件：Juno测试机测试数据文件主要 有：
1. ＊.jdf ：原始测试数据，必须由Juno自带软件 “DfOpener”打开查看，且测试数据不能编辑或更改
基本测试原理
基本测试原理
半导体产品的不同阶段电学测试
测试种类 IC设计验证
生产阶段 生产前
在线参数测试（ PCM)
Wafer制造过 程中
硅片拣选测试（CP Wafer制造后 测试）
终测（FT）
封装后
测试描述
描述、调试和检验新的芯片设计，保证 符合规格要求
为了监控工艺，在制作过程的早期进行 产品工艺检验测试
产品电性测试，验证每个芯片是否符 合产品规格
使用产品规格进行的产品功能测试
CP测试主要设备 1. 探针卡（probe card） 探针卡是自动测试机与待测器件（DUT）之间的接口，在电学测试中 通过探针传递进出wafer的电流。 2. 探针台（prober) 主要提供wafer的自动上下片、找中心、对准、定位以及按照设置的步 距移动Wafer的功能，以使探针卡上的探针总是能对准硅片相应位置 进行测试。
3. 测试机（tester / ATE） 控制测试过程，可作为电压或电流源并能对输出的电压和电流进行测 量，并通过测试软件实现测试结果的分类（bin）、数据的保存和控制、 系统校准以及故障诊断。
CP测试主要过程
半导体测试理论
半导体测试理论半导体测试理论1测量可重复性和可复制性(GR&R)GR&R是⽤于评估测试设备对相同的测试对象反复测试⽽能够得到重复读值的能⼒的参数。
也就是说GR&R是⽤于描述测试设备的稳定性和⼀致性的⼀个指标。
对于半导体测试设备，这⼀指标尤为重要。
从数学⾓度来看，GR&R就是指实际测量的偏移度。
测试⼯程师必须尽可能减少设备的GR&R值，过⾼的GR&R值表明测试设备或⽅法的不稳定性。
如同GR&R名字所⽰，这⼀指标包含两个⽅⾯：可重复性和可复制性。
可重复性指的是相同测试设备在同⼀个操作员操作下反复得到⼀致的测试结果的能⼒。
可复制性是说同⼀个测试系统在不同操作员反复操作下得到⼀致的测试结果的能⼒。
当然，在现实世界⾥，没有任何测试设备可以反复获得完全⼀致的测试结果，通常会受到5个因素的影响：1、测试标准2、测试⽅法3、测试仪器4、测试⼈员5、环境因素所有这些因素都会影响到每次测试的结果，测试结果的精确度只有在确保以上5个因素的影响控制到最⼩程度的情况下才能保证。
有很多计算GR&R的⽅法，下⾯将介绍其中的⼀种，这个⽅法是由Automotive Idustry Action Group(AIAG)推荐的。
⾸先计算由测试设备和⼈员造成的偏移，然后由这些参数计算最终GR&R 值。
Equipment Variation (EV)：代表测试过程（⽅法和设备）的可重复性。
它可以通过相同的操作员对测试⽬标反复测试⽽得到的结果计算得来。
Appraiser Variation (AV)：表⽰该测试流程的可复制性。
可以通过不同操作员对相同测试设备和流程反复测测试所得数据计算得来。
GR&R的计算则是由上述两个参数综合得来。
必须指出的是测试的偏移不仅仅是由上述两者造成的，同时还受Part Variation（PV）的影响。
PV表⽰测试⽬标不同所造成的测试偏差，通常通过测试不同⽬标得到的数据计算⽽来。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
半导体测试理论1测量可重复性和可复制性(GR&R)GR&R是用于评估测试设备对相同的测试对象反复测试而能够得到重复读值的能力的参数。
也就是说GR&R是用于描述测试设备的稳定性和一致性的一个指标。
对于半导体测试设备，这一指标尤为重要。
从数学角度来看，GR&R就是指实际测量的偏移度。
测试工程师必须尽可能减少设备的GR&R值，过高的GR&R值表明测试设备或方法的不稳定性。
如同GR&R名字所示，这一指标包含两个方面：可重复性和可复制性。
可重复性指的是相同测试设备在同一个操作员操作下反复得到一致的测试结果的能力。
可复制性是说同一个测试系统在不同操作员反复操作下得到一致的测试结果的能力。
当然，在现实世界里，没有任何测试设备可以反复获得完全一致的测试结果，通常会受到5个因素的影响：1、测试标准2、测试方法3、测试仪器4、测试人员5、环境因素所有这些因素都会影响到每次测试的结果，测试结果的精确度只有在确保以上5个因素的影响控制到最小程度的情况下才能保证。
有很多计算GR&R的方法，下面将介绍其中的一种，这个方法是由Automotive Idustry Action Group(AIAG)推荐的。
首先计算由测试设备和人员造成的偏移，然后由这些参数计算最终GR&R 值。
Equipment Variation (EV)：代表测试过程（方法和设备）的可重复性。
它可以通过相同的操作员对测试目标反复测试而得到的结果计算得来。
Appraiser Variation (AV)：表示该测试流程的可复制性。
可以通过不同操作员对相同测试设备和流程反复测测试所得数据计算得来。
GR&R的计算则是由上述两个参数综合得来。
必须指出的是测试的偏移不仅仅是由上述两者造成的，同时还受Part Variation（PV）的影响。
PV表示测试目标不同所造成的测试偏差，通常通过测试不同目标得到的数据计算而来。
现在让我们来计算总偏差：Total Variation （TV），它包含了由R&R和PV所构成的影响。
TV = sqrt((R&R)**+ PV**)在一个GR&R报表中，最终的结果往往表示成：%EV, %AV, %R&R,和 %PV。
他们分别表示EV,AV,R&R 和PV相对TV的百分比。
因此%EV=(EV/TV)x100%%AV=(AV/TV)x100%%R&R=(R&R/TV)x100%%PV=(PV/TV)x100%%R&R如果大于10%，则此测试设备和流程是良好的；%R&R在10%和30% 之间表示可以接受；如果大于30%则需要工程人员对此设备和流程进行改良。
电气测试可信度（Electrical Test Confidence）电气测试可信度（Electrical Test Confidence）很多测试工程师都会发现测试的结果往往都不能预见，即使是用最先进的ATE也不能保证测试结果的正确性。
很多情况下，必须对产品重新测试（retest），浪费了大量时间。
电气测试可信度简而言之就是衡量一个测试设备提供给使用者测试结果正确性的指标。
一个电气测试可信度很高的测试设备无需作重复的retest，从而节省大量宝贵的测试时间。
如果把第一次测试下来的失效器件（rejects）重测，其中有些可能会通过测试，原因在于原始的错误可能由测试设备造成的，而非器件本身。
这样的失效被称为“非正常失效”（invalid），测试可信度可以通过衡量这些“非正常失效”的数量来计算。
非正常失效产生有很多原因：1、DUT和测试头之间接触不良2、测试设备硬件问题3、不合理的硬件搭构4、金属接触面氧化或污染导致接触失效5、测试环境湿度过高6、GR&R过高其中第一条是很多测试工程师面临的普遍问题，其原因有：1、DUT引脚和接触面没有对齐2、接触器件老化3、接触器件氧化和污染4、接触面湿度太大很多公司试图解决这个问题，毕竟其他的问题可以在产品测试正式release之前解决：1、测试程序调试和设计2、正确设置测试限值3、使用性能优良的测试设备4、使用可靠的接触件5、测试环境优化等等由此可见，电气测试可信度很大程度上依赖于电气接触可靠性。
具体的说，就是电气测试中各部件正确良好接触的几率。
90%的电气测试可信度就表示平均100个被测器件中有90个获得良好接触而其他10个则遇到了电气接触问题。
通过几轮的重测可以将这些非正常失效器件变成好的器件，因此重测获得的非正常失效器件的数量也由电气测试可信度决定。
假设初测成品率为Y1,那么这批产品真正的成品率为Y=Y1/C，其中C为该系统电气测试可靠度。
如果这批产品重测成品数量为R2，R2=Q(1-Y1)，其中Q为产品总数。
重测成品率为YY，YY = Rinvalid/R2 而重测后增加的成品率Y2 = (Rinvalid/R2) x C.通过计算可得：C = 1 - [Y2(1-Y1) / Y1]C：测试系统测试可信度Y1：初测成品率Y2：重测后成品率有人观察过RFIC测试的结果得出如下结论：1、C小于85%的测试是不合理的，应该重写2、C大于95%的测试无需重测3、C在85%和95%之间的需要重测当然以上数据不一定适合所有公司和所有产品，公司的测试经理应该通过计算得适合自己产品的测试原则，这是对测试专业人员提出的挑战。
电气测试的限值空间（Guardband）很多测试工程师认为电气测试参数的限值就是在进行参数测试的时候设定的允许范围，电测限值的使用是为了在产品量测的时候相对产品电气标准参数更保守，从而降低客户使用产品时出现问题的几率。
在大部分半导体测试工序中，往往采用两个版本的测试程序：1、产品量测程序2、质量确认程序（QA）前者用于产品量测线上，后者则用于抽样测试。
QA测试用于确保通过量测的产品是真正的没有问题，由于被测器件已经通过量测程序，理论上他们应该100%通过QA测试。
因此，QA不通过的器件将被重点调查。
QA测试程序是根据产品参数标准来设计的，而量测程序则是使用了更加严格的测试限值。
很多测试同时有上下限值，在这种情况下，必须保证两者都是用更加严格的限值。
那么，为什么在量测和QA之间有一个限值空间呢？答案在于没有两个测试系统的完全一致的，两个系统总会给出不同的测试量结果。
这可能导致一个器件在不同系统上测试得到不同的结果，事实上即使同一个系统上多次测试的结果也可能不尽相同。
测试系统的不一致性原因很多，而且很难全部解决，这也是为什么在量测和QA测试之间留置限值空间的原因。
电气测试参数 CPKCPK = process capability index.一个工序的性能可以由结果的集中度和距离标准的偏移度来衡量。
对于一个结果可以由正态分布表示的工序来说，它的性能可以由CpK来表示。
一个工序的CpK指数表示该工序输出结果在上下限之间的集中度和偏移度。
实际上，CpK代表了输出结果的和平均值之间的距离和比较近的标准限值之间的比率。
（也就是3个sigma）如果结果的平均值更靠近下限（LSL），假设标准差为Stdev,那么Cpk = (Mean-LSL) / (3 Stdev)。
如果结果平均值更靠近上限（USL）那么Cpk = (USL-Mean) / (3 Stdev)。
理想情况就是输出值一直在分布的正中间，那么Stdev=0,CpK=无限大。
当输出值离中间值越来越远，CpK将减小。
CpK减小代表了该工序产生结果在标准限值之外的可能性怎增大了。
因此，每个CpK的值可以表示相应的失效比率（PPM）。
下表列出CpK和相应的PPM值，在半导体业中，CpK的标准值应在1.67左右，最低不能低于1.33。
CPK and PPMCpK在半导体测试中用于描述测试工序的稳定度，它只适用于测试结果呈正态分布的情况下。
CpK 衡量两个指标：1、测试结果靠近中间值的距离2、测试结果分布情况CpK越高表示测试工序越好。
在电气测试中，CpK只能用于有数量读值并能构成正态分布的测试结果。
一个低的CpK暗示了3件事：1、结果的平均值远离中间值2、Stdev太大3、两者皆是测试工程师因该能够通过观察CpK变化寻找提高CpK的方法。
推荐的解决方法有：排出无效数据，维修出错的测试设备，调试测试程序，重新定义上下限值电气测试良品率模型良品率就是通过电气测试的器件数量和器件总数量的比例，同常用百分比来表示。
所有半导体厂商想方设法提高良品率，低良品率意味着成本的提高。
良品率低的原因有很多，包括工艺问题，产品设计问题等等。
下面举例说明工艺问题导致良品率低：1、氧化层厚度不匀2、参杂浓度不匀，导致某些区域的电阻增大3、掩模版偏移4、离子污染5、多晶硅层厚度不匀设计失误也会导致低良品率，对工艺过度敏感的器件不能经受生产工程的正常参数变化。
即使器件设计和制造工艺没有问题，某些产品批次也会遇到低良品率，这有可能是由于硅片的“点坏区”造成的。
因为在硅片生产过程中，很容易受到灰尘的污染，硅片的某个区域就不能正常工作。
我么必须了解低良品率的原因来降低生产的成本。
这可以通过数学方法“良品率模型”来获得，它将失效密度（defect density）转化为可以预计的良品率。
通常我们使用泊松模型，墨菲模型，指数模型和Seeds模型来计算。
半导体厂商往往通过实际数据来选择合适的数学模型。
比如一个晶圆厂的良品率数据可能是根据晶元大小对比其他数学模型而得来的。
一个简单的良品率数学模型假设造成良品率损失的原因是平均的失效密度和随机的失效点分布。
如果该晶圆上有很多晶元（N）其中有很多随机分布的失效晶元（n），那么一个晶元存在k个失效晶元的可能性可以根据泊松分布估算：Pk = e-m (mk/k!) 其中 m = n/N。
假设Y为良品率那么Y就是一个晶元没有任何失效的可能性即K=0，Y = e-m。
设D为晶元的失效密度，那么D=n/N/A=n/NA，其中A是每个晶元的面积，由m=n/N，m为每个晶元平均的失效晶元数即AD。
因此Y = e (-AD),这也就是泊松良品率模型。
许多专家提出泊松分布估算的良品率太低了因为失效晶元通常不会随机分布在晶圆上，他们一般都集中在某个区域。
这种现象导致估算的良品率要比实际良品率低的多。
另一个简单的数学模型假设失效晶元是不均匀的分布，此时良品率Y= 0∫∞ e (-AD) f(D) dD，其中f(D)为失效密度分布函数。
假设有一个三角形的失效密度分布函数如下图1所示，那么Y = [(1-e(-AD))/(AD)]2，此时模型被称为墨菲模型。
如果失效密度分布函数为长方形的（图2）那么Y = (1-e(-2AD))/(2AD)，许多实验数据都和此模型吻合。