故障仿真覆盖率评级:detected、possibly、ATPG untestable 分类与 proof-based 报告解读
更新时间:2026-09-29。在 ATPG 压缩与向量生成 里我们关心「向量怎么生、怎么压」;在 故障模型与覆盖率 里我们定义了 stuck-at、transition 这些「要抓什么」。但向量灌进故障仿真器之后,每一个故障最终都会被扔进一个分类桶——detected、possibly detected、ATPG untestable、undetected……覆盖率数字只是这些桶的加权汇总。这一篇讲清故障仿真覆盖率评级的完整语义:每个桶到底意味着什么、故障在桶之间怎么转移、AU 故障的 proof-based 证明报告怎么读,以及覆盖率卡在 97% 上不去时怎么按桶逐项收敛。配合 Tessent 扫描插入与 ATPG 流程 的工具视角阅读,正好把「算法语义」和「工具实操」两头接上。
本文要回答的问题
- 故障仿真结束后,detected、possibly、untestable 这些桶各自代表什么物理含义?
- possibly detected(posdet)算不算覆盖率?为什么 transition 故障里它特别多?
- ATPG untestable 和 undetected 一字之差,为什么前者可以直接从分母里扣掉?
- proof-based 报告里 redundancy proof 到底证明了什么,怎么读?
- 覆盖率卡壳时,按哪个顺序处理各桶性价比最高?
一、评级在 ATPG 流程里的位置
ATPG 不是「生成完向量就结束了」。每个候选向量都要经过故障仿真(fault simulation)打分:这个向量灌进去之后,故障列表里哪些故障的效应能传播到观测点。仿真结果回写故障状态,没被检出的故障再交给 ATPG 引擎定向生成新向量,如此迭代直到收敛。整条环路是「生成 → 仿真评级 → 更新桶 → 定向再生成」。
上图有两个要点。第一,故障仿真器干的事本质是双机比对:好机输出与注入某故障后的故障机输出在观测点(scan cell 或 PO)不同,才算这个故障被该向量「观测到」。第二,覆盖率统计是读故障状态表,不是重新仿真——所以桶的定义直接决定你看到的数字。理解评级,就是理解这张状态表的列语义。
工业界惯用的覆盖率公式有两个口径:
| 口径 | 公式 | 说明 |
|---|---|---|
| 测试覆盖率 TC | detected / 全部故障 | 最严格的口径,含 AU 在分母 |
| 故障覆盖率 FC | detected / (全部 − AU − ND) | 从分母扣掉可证明不可检的 |
其中 ND(not detected 中可证明部分,视工具口径)和 AU 被扣掉的理由会在第三节展开。管理层汇报常用 FC,tape-out 签核看 TC 与 FC 两个数。
举个具体例子感受两个口径的差距:一颗 1200 万故障的中等规模 SoC,DS 检出 1150 万,AU 证明 35 万,PT 剩 6 万,UD+ND 剩 9 万。那么 TC = 1150/1200 ≈ 95.8%,FC = 1150/(1200−35−可扣 ND) ≈ 98.9%。同一个向量集,两个数字差三个百分点——所以任何覆盖率汇报必须先声明口径,否则上下游对不上账,签核会议能吵一下午。成熟的测试计划文档会把 TC 目标、FC 目标、PT 计分口径三条写死在首页。
二、故障分类桶的完整语义
主流 ATPG 工具(Tessent、TetraMAX)把每个故障打上两类标签:class(大类,两字符,如 DS、AU)和 subclass(细分原因,如 redundant、blocked)。先记住大类桶图,再往里填细分。
逐桶解释:
DS(detected,确定检出)。至少一个向量下,故障效应确定地传播到观测点,好机与故障机输出在该点是明确的 0/1 相反。这是唯一无条件计入分子的桶。stuck-at 故障的 DS 通常占绝大多数;一颗成熟芯片 stuck-at DS 率做到 98% 以上很常见。
PT/PD(possibly detected,可能检出)。故障效应传播到了观测点,但观测值是 X(未知态),无法断定好坏机一定不同。典型来源:未初始化的寄存器、多驱动总线、时序违例路径上的 transition 故障。它算不算覆盖率各公司口径不同——多数签核流程不计入分子,只当作「有希望的候选」,因为 X 掩码下的「可能检出」上 tester 未必真能判 fail。
UD(undetected,尝试过但没检出)。ATPG 引擎对它定向努力过、abort limit 内没找到向量。这是覆盖率的真正损失项,也是人工介入的主战场——下一节细说。
AU(ATPG untestable,可证明不可检)。引擎能证明任何向量都检测不了它:要么故障效应永远传不到观测点,要么激活条件本身不可满足。注意这是「proven impossible」,不是「没试过」。正因如此它才有资格从分母扣除。
ND(not detected,未尝试)。受仿真资源、abort 策略限制根本没被定向过的故障。大量 ND 通常意味着向量集或仿真预算不够,而不是电路不可测。
记忆这组桶的口诀是「一个分子、两种灰色、一个证明」:DS 是唯一的分子;PT 和 UD 是两种灰——一个是看见了但看不清,一个是试过但没看见;AU 是唯一带证明的桶,也是唯一能合法改写分母的桶。抓住这条主线,任何工具版本的报告格式再怎么变,列名再怎么换(TetraMAX 的 DT/ND/AU 与 Tessent 的 DS/UD/AU 叫法略有差异),语义都能对上号。
故障在桶之间的转移方向大体是单向收敛的:ND → UD 或 DS;PT → DS(消 X 后确认)或 UD;UD → DS(加约束/换模型后检出)或 AU(证明完成)。好的迭代流程会让 UD 和 ND 单调缩小。
还有一类容易被忽略的细分:DS 内部还分 det_simulation(仿真确认检出)和 det_implication(蕴含检出,没仿真但由其他检出故障的蕴含关系直接推出)。后者是压缩向量数的功臣——一个精心设计的基础向量集检出 60% 故障后,蕴含分析能白捡 20% 以上,不再消耗任何仿真周期。看报告时如果 det_implication 占比异常低(比如不足 10%),往往说明向量集冗余度高、生成策略松散,值得回头调 ATPG 的 merge/compact 参数。
三、AU 为什么能扣分母:proof-based 报告解读
AU 是评级体系里最容易被误用的桶。「ATPG 说不可测」和「真的不可测」之间,隔着一份证明。现代工具对 AU 给出的是 proof-based 结论:引擎内部走形式化推理(SAT/蕴含分析),证明故障的激活条件不可满足或传播路径被结构性阻断。读 AU 报告要看 subclass 给出的证明理由。
| AU subclass | 证明理由 | 物理含义 | 处理建议 |
|---|---|---|---|
| redundant | 激活条件与电路逻辑矛盾 | 该 stuck-at 故障对应的线网在功能上冗余 | 接受,扣分母;量大提示 RTL 有死逻辑 |
| blocked | 故障效应被常数/约束阻断 | 传播路径上有 tie-off 或 test mode 约束 | 接受;检查约束是否符合测试模式意图 |
| tied | 线网被 tie 到固定值 | 与 fault site 的故障值相同,永不体现 | 接受,扣分母 |
| unobservable | 无路径到任何观测点 | 输出悬空、未连 scan 的黑盒内部 | 黑盒引起的大量此类 → 补 shadow logic 或换观测策略 |
以 redundant 为例,证明的骨架是:假设故障 f 要激活,需要线网 a=1;但蕴含分析推出在该测试模式约束下 a 恒为 0,矛盾,因此不存在任何能激活 f 的输入组合。这是完备性证明,不是搜索失败——与 UD 的「abort limit 到了没搜到」有本质区别。
上图是 AU 审查的决策流。最关键的一条出边是「约束写错嫌疑」:真实项目里大量 AU 不是电路真的冗余,而是 test mode 约束文件(add_input_constraints 之类)把不该约束的 pin 钉死了,导致激活条件被人为弄成不可满足。AU 数量突然比上一版 RTL 翻倍,第一嫌疑永远是约束 diff,而不是电路突然多出几万处冗余。
proof-based 报告在工具里的典型形态是逐故障一行:fault_id site class(AU) subclass(redundant) proof(SAT-unsat)。签核时要求 AU 清单 100% 过审:抽样用形式化工具独立复核,确认 SAT-unsat 结论可复现,才能把 FC 分母扣干净。
审查节奏上有个经验法则:AU 总量占全部故障 1%–3% 是正常区间(真实冗余逻辑天然存在,尤其老 IP 复用来的模块);超过 5% 几乎可以断定有系统性问题——约束过死、时钟域约束冲突、或大黑盒没建测试模型。按模块聚合 AU 报告比逐行看高效得多:哪个模块 AU 密度突然拔尖,问题就锁在哪个模块的约束文件或例化连接上。曾有个案例,整个子系统 8% AU,根因是 ATPG setup 里一条 add_input_constraints 把功能使能钉成了测试常数,删掉后 AU 落回 1.2%,FC 分母少扣十几万故障,签核数字反而更真实了。
四、possibly detected:X 态故障的灰色地带
PT 桶在 transition/at-speed 测试里占比显著高于 stuck-at,原因很简单:at-speed 在功能时钟沿上 capture,时序临界路径上的值天然容易带 X;加上多周期路径、异步时钟域交界的未约束信号,故障效应「到了观测点但看不清」就成了常态。
处理 PT 有三条路,按性价比排序:
- 消 X 源头。给未初始化寄存器加 reset、对多驱动总线在测试模式下约束单驱动、对异步交界在 SDC 里补
set_case_analysis。X 少了,PT 自然大量转 DS。这是投入产出比最高的一步。 - X-tolerant 观测。压缩逻辑(如 EDT 的 X-mask 或 X-tolerant compactor)允许响应里带少量 X 而不污染整个 signature,PT 中「观测点本身不 X、只是传播路径带 X」的那部分可以被确认检出。
- 接受口径。签核前与质量团队对齐 PT 是否部分计入(有些流程按
posdet_credit打折计入)。口径必须写进测试计划,不能汇报时临时改。
要警惕反向操作:为了把 PT 转成 DS 而过度约束电路,结果把真实功能路径也约束死了——DS 涨了,AU 也涨了,总故障可检空间反而缩小。判断标准是盯 FC 分母的变化,不是只看分子。
PT 在 stuck-at 与 transition 两种故障模型下的分布差异值得记一笔:stuck-at 测试用低速 shift + 单 capture,X 源主要是未初始化状态,PT 占比通常能压到 1% 以内;transition 是双沿 at-speed capture,时序边缘路径上 setup/hold 处于临界,仿真器只能给 X,PT 占到 3%–5% 都不罕见。所以 transition 覆盖率目标通常定得比 stuck-at 低 2–3 个百分点,这不是放水,是物理现实的折让。写测试计划时把这条折让的依据注明,评审时能少一轮扯皮。
五、覆盖率卡壳时的收敛顺序
97.2% 卡住不动,是 ATPG 项目的日常。按桶的收敛成本从低到高,正确顺序是:
第一步清 ND 几乎零成本:ND 多往往只是 set_atpg_limit 太紧或仿真 pattern budget 没给够,放参重跑一轮就能收掉大半。第二步消 PT 前面已展开。第三步审 AU 的收益被普遍低估——约束误伤救回来的 AU 会直接变成可检故障重新进入目标池,一鱼两吃。第四步啃 UD 才是真硬仗:残留 UD 通常是深度嵌套的时序故障或多故障耦合,常用手段是 top-off ATPG(换引擎/换随机种子再扫一轮)、提高 n-detect(每个故障要求 n 个不同向量检出,顺带提升缺陷覆盖率)、或对残余集中区域补 embedded deterministic test 逻辑。第五步是治理动作:所有接受不处理的 UD/PT 落 waiver 清单,写明理由与风险评估,作为签核包的一部分。
整个收敛过程盯住三个数的联动:DS 涨、AU 误伤回落、分母稳定,才是健康的收敛;只涨 DS 同时分母也在涨(新 AU 涌入),说明在拆东墙补西墙。
最后补一条流程纪律:每一轮迭代把五个桶的快照存档(工具命令 report_faults -summary 输出落盘即可),画成趋势曲线。卡壳判断不靠感觉靠曲线——DS 连续三轮增量不足 0.1% 就该换策略,而不是继续加向量硬磨。UD 桶同理:top-off 换两轮引擎后 UD 不再下降,剩余的就是结构性难题,转 waiver 评估比继续烧仿真 licence 划算。评级工作的终点不是漂亮的数字,而是一份每个故障都有归宿、每个归宿都有证据的故障状态表。
这一篇在知识体系里的位置
本篇是 DFT 专题里「评级与签核」一环:上游是 故障模型与覆盖率(定义抓什么)和 ATPG 压缩与向量生成(怎么抓),工具实操在 Tessent 扫描插入与 ATPG 流程。本篇回答「抓完之后怎么打分、怎么把分打满」。下游衔接诊断方向:量产后 tester fail 的芯片要靠同一套故障字典做失效定位,评级表就是字典的骨架。
总结
故障仿真覆盖率评级的本质是给每个故障分桶:DS 才计分子,AU 凭 proof-based 证明扣分母,PT 靠消 X 收敛,UD 是硬仗;覆盖率卡壳时按「清 ND → 消 PT → 审 AU → 啃 UD → 落 waiver」的顺序推进,盯住分子与分母的联动,才能把数字做实。