MBIST March 算法:MATS/March C-/March SS 操作序列与故障覆盖
更新时间:2026-09-29。在 MBIST 存储器内建自测试 里,我们把 MBIST 控制器、地址生成器、数据背景与比较器的整体结构搭了起来;MBIST 与 BISR 修复流程 又讲了测出坏单元之后怎么换冗余行列。这两篇都没有展开一件事:控制器里那段「读写操作序列」到底是怎么设计的、为什么是它而不是别的。这段序列就是 MBIST March 算法——它决定了测试时间花多少、哪些故障能抓到、哪些会漏网。这一篇把主流 March 算法逐个拆开,讲清记法、操作序列和故障覆盖能力的对应关系。
本文要回答的问题
- March 记法里
{↕(w0); ↑(r0,w1); ↓(r1,w0)}这种写法每个符号是什么意思? - MATS、MATS+、MATS++ 三个最简单的算法能抓什么故障,为什么抓不了耦合故障?
- March C- 为什么是工业界的默认选择,它比 MATS 多花了什么、多抓了什么?
- March SS 多出来的操作序列是为哪类故障准备的,什么场景值得为它多花测试时间?
- 给一块 SRAM 选算法时,决策维度有哪些,怎么权衡测试时间与覆盖率?
一、March 记法:把算法写成一串元素
March 算法的本质是一个对所有单元按固定寻址顺序执行固定读写操作的有限序列。工程界约定了一套紧凑记法来描述它,看懂记法就看懂了一切算法的差异。
上图把记法的四层结构摆清了。单个元素如 ↑(r0,w1) 的语义是:地址从 0 升到 n-1,每到一个单元,先做一次读 0(期望读出 0),再写 1,然后才移到下一个单元。整个算法就是若干元素用分号串起来依次执行。
r0/r1 里的期望值来自初始化背景——算法假定执行前阵列被写成全 0(或后续元素翻转成全 1)。比较器拿读出的值跟期望背景比对,不符就报错。这里有个细节:真实 MBIST 里 r0 经常写成 r 而不关心数据(比如只为翻转单元状态),但为了抓故障,读操作必须带期望值,无期望的读只是过渡动作。
操作复杂度用 n 的倍数度量:一个元素里每个单元做几次操作,整个算法就是几 n。这个数直接乘上单次操作的周期数,就是这块存储器的测试时间,所以算法选择本质上是「覆盖故障」与「测试成本」的交换。
二、故障模型:算法要抓的对手是谁
谈覆盖之前必须先明确故障模型,否则「覆盖率高」是句空话。SRAM 单元的经典功能故障模型按所需单元数分两类。
单单元故障:
| 故障 | 含义 | 检测所需条件 |
|---|---|---|
| SAF 固定故障 | 单元卡死在 0 或 1 | 写 1 读 1、写 0 读 0 各至少一次 |
| TF 跳变故障 | 0→1 或 1→0 写不进去 | 每个方向跳变后紧跟一次读 |
| SOF 固定开路故障 | 读放大器输出固定值 | 两个方向的跳变后各读一次(r after ↑、r after ↓) |
| DRF 数据保持故障 | 放一段时间后数据丢失 | 写入后等待再读,算法层面难覆盖,靠 retention 测试 |
双单元耦合故障(CF):单元 i 的写操作把单元 j 的值改掉了。按耦合行为细分有 CFin(反相耦合,j 被翻转)、CFst(状态耦合,i 处于某值时 j 固定)、CFds(跳变耦合)等。抓耦合故障的关键是:在写完一片区域之后、用另一个寻址方向再读一遍——因为耦合往往跟物理邻近和访问次序相关,单一方向全读完再写会漏掉「先访问者干扰后访问者」这一类。
算法的历史演进就是一张「对手清单」不断变长的过程:最早的算法只管 SAF,后来发现 TF 抓不全,再发现耦合故障大量存在,再后来深亚微米工艺下动态行为故障(读破坏、写破坏耦合)开始冒头。下面按这条时间线逐个拆。
三、MATS 家族:最短序列能走多远
MATS(Modified Algorithmic Test Sequence)是最短的可实用算法,只有三个元素:
MATS: { ↕(w0); ↑(r0,w1); ↓(r1) } 复杂度 4n第一个元素全阵列写 0;第二个元素升序,每单元读 0 再写 1;第三个元素降序读 1。它能抓所有 SAF:全 0 背景下的 r0 抓 stuck-at-1,r1 抓 stuck-at-0。但它完全抓不了 TF——因为每个单元只经历了 0→1 这一个方向的写跳变,stuck 在「写不进 0」这个方向上的单元(即 1→0 跳变故障)在整个算法里从未被要求跳过。
补上这个洞就是 MATS+,增加一次反向写:
MATS+: { ↕(w0); ↑(r0,w1); ↓(r1,w0,r0) } 复杂度 5n降序元素里写完 0 之后补一个 r0,0→1 和 1→0 两个方向的跳变后都各有一次读,全部 TF 可测。MATS++ 再把每个读都配齐跳变后的验证,复杂度 6n,对部分简单耦合故障有了一定检出能力,但没有系统性保证。
MATS 家族的价值在于测试时间下限:4n~6n,对几百 K 字节的片上 SRAM,整个阵列的测试时间可以压到毫秒级。代价是耦合故障基本裸奔——两个升序/降序各只有一遍,「先写者干扰后读者」这种次序敏感故障无法被激。所以 MATS 只用在故障率极低的成熟工艺老节点、或者只当快速冒烟测试用的场景。
四、March C-:工业界的默认答案
March C- 是 van de Goor 的 March C 去掉一个冗余元素后的版本,序列如下:
March C-: { ↕(w0);
↑(r0,w1);
↑(r1,w0);
↓(r0,w1);
↓(r1,w0);
↕(r0) } 复杂度 10n| 元素 | 操作 | 主要贡献 |
|---|---|---|
| E0 | ↕(w0) | 初始化全 0 背景 |
| E1 | ↑(r0,w1) | 升序抓 SAF(stuck-at-1)、0→1 TF |
| E2 | ↑(r1,w0) | 升序再写回 0,1→0 TF + 升序方向耦合激 |
| E3 | ↓(r0,w1) | 换降序,r0 验证 E2 写入;抓降序相关耦合 |
| E4 | ↓(r1,w0) | 1→0 TF 在降序方向再验一次 |
| E5 | ↕(r0) | 收尾全阵列读 0,兜住前面所有写的最终状态 |
March C- 能稳抓的对手清单:全部 SAF、全部 TF、全部 SOF、CFin、CFst、部分 CFds。它抓耦合故障的机理值得展开:E1 和 E3 用的是相反寻址方向。假设物理相邻的单元 A(低地址)和 B(高地址)存在「写 A 会把 B 翻转」的 CFin 耦合——E1 升序时 B 在 A 之后被写 1,A 写 1 的动作可能把已经写好的低地址单元翻转,E2 的升序 r1 会抓到;反向的「写 B 干扰 A」则由 E3/E4 的降序读抓到。两个方向都各跑一遍「写后读」,次序敏感的耦合就无处藏身。
上图里 E1/E2 与 E3/E4 的方向对调就是 March C- 抓 CF 的全部秘密,多花的 6n 相对于 MATS 全砸在「第二方向」上。10n 的代价换来的覆盖率让它成为绝大多数 SRAM BIST 的出厂默认配置,主流 EDA 工具生成 MBIST 控制器时的缺省算法就是它。
March C- 够不着的是动态耦合故障:需要「对同一单元连续多次读/写」才能激的那一类。这就是 March SS 登场的理由。
五、March SS:为动态故障多付一倍时间
March SS(Static Simple,名字里的第二个 S 指它覆盖 simple static 之外的更多行为)的序列明显更长:
March SS: { ↕(w0);
↑(r0,w0,r0,w1,r1,w1);
↑(r1,w1,r1,w0,r0,w0);
↓(r0,w0,r0,w1,r1,w1);
↓(r1,w1,r1,w0,r0,w0);
↕(r0) } 复杂度 22n对比 March C- 的每个元素 ↑(r0,w1),March SS 在每个元素里塞进了六个操作:读、同值写、再读、反值写、读、同值写。这串设计的针对性非常强:
r0,w0,r0:连续两次读夹一次同值写,激 RDF 读破坏故障(读操作本身把单元值改掉)和 deceptive read(第一次读对、多读几次就错)。w1,r1,w1:跳变写之后立即读验证,再补一次同值写,激 CFwd 写破坏耦合和 IRF 不正确读。- 升序、降序两个方向各跑一遍完整六操作,继承 March C- 对次序敏感耦合的覆盖。
March SS 能抓的清单在 March C- 基础上补全了 CFds、CFwd、RDF、IRF、WDF 等动态故障,对字间耦合(word-oriented 背景下的耦合)也有结构性检出能力。代价是复杂度从 10n 翻到 22n——一块 1MB 的 SRAM,单次访问 5ns 的话,March C- 大约 50ms 测完,March SS 要 110ms。全芯片几十块存储器串起来,ATE 测试成本的差距是可观的美元数。
上图这条演进线同时是一张决策线:越往右对手越刁钻、时间越贵。家族里还有 March A/B(15n,抓部分耦合但已被 C- 取代)、March LR(14n,主打 realistic linked fault)等变体,思路相同——在序列里增加特定模式激特定故障。
六、怎么选:按单元、工艺和测试预算定算法
选算法不是考试答题,是工程权衡。决策维度主要有四个。
单元类型。6T 单端口 SRAM 的故障谱最经典,March C- 通常够;双端口/两端口 SRAM 存在端口间干扰,需要专门的多端口故障模型和算法扩展(如在 SS 基础上加双端口并发读写序列);ROM/CAM 的读写行为不同,算法要相应改造。
工艺节点与缺陷密度。成熟节点(28nm 以上)缺陷率低,C- 甚至 MATS++ 就能达到 DPM 目标;先进节点 FinFET 工艺下动态耦合、电阻性开路占比上升,SS 或其变体(如 March SL、March AB1)更有必要。这个信息通常来自 Foundry 的单元表征报告,DFT 工程师要拿报告对清单,而不是拍脑袋。
测试预算。量产测试每秒都是钱,10n 和 22n 在百万片出货上差出一个测试机的采购价。常见折中:量产用 March C-,特性化/良率爬坡阶段用 March SS 收集故障分布数据,确认缺陷谱里没有动态故障的信号后再把量产程序退回 C-。
诊断与修复需求。要走 BISR 修复的场景(见 MBIST 与 BISR 修复流程),算法还得能输出故障位图供冗余分析,元素越多位图信息越丰富,对修复率反而有利。
把四个维度落到决策上,可以给出一个粗糙但实用的流程:先拿 Foundry 单元报告确定故障谱,如果谱里有动态耦合条目就直接锁定 March SS 一档;没有则默认 March C- 起跑,用特性化阶段的数据验证——抽几百片跑 SS,比对 C- 与 SS 的失效增量,增量低于 DPM 预算的十分之一就可以安心留在 C-。寻址方式上还有一个小分叉:行地址快速(row-fast)与列地址快速(column-fast)对耦合故障的激效率不同,位线方向相邻的耦合在 column-fast 下更容易暴露,字线方向的则相反,所以控制器的地址映射配置也属于算法覆盖的一部分,配置错了等于白跑。
| 算法 | 复杂度 | SAF/TF/SOF | 静态耦合 | 动态耦合 | 典型用途 |
|---|---|---|---|---|---|
| MATS | 4n | SAF | 无 | 无 | 冒烟测试 |
| MATS++ | 6n | 全覆盖 | 弱 | 无 | 成熟节点低成本 |
| March C- | 10n | 全覆盖 | CFin/CFst | 无 | 量产默认 |
| March SS | 22n | 全覆盖 | 全覆盖 | RDF/WDF/CFds | 先进节点/特性化 |
还有一个容易忽略的点:算法必须落在硬件里。上面所有序列最终由 MBIST 控制器的 FSM 实现,元素越多 FSM 状态越多、数据背景逻辑越复杂,门数开销也涨。好在现代 BIST 编译器把这些都封装成参数,工程师真正要写的只是配置文件里的一行 algorithm = march_ss。
常见坑
- 把 March C- 当成「最高覆盖率算法」——它抓不了动态耦合,先进节点上漏检的 DPM 会教你做人。
- 看到
r0就以为只是「读一下」,忘了它带期望值;控制器里比较器配置错背景极性,全阵列误报。 - 寻址顺序写反:升序元素用了降序计数器,耦合故障的激条件被悄然破坏,仿真却全绿。
- 多端口 SRAM 直接套单端口算法,端口间干扰故障完全没覆盖。
- 算法升级到 SS 却不回归测试时间预算,ATE 程序跑超时才发现量产成本翻倍。
- 初始化元素
↕(w0)被优化掉(觉得反正后面会写),结果第一遍读的期望背景不成立,误报一片。
这一篇在知识体系里的位置
- 向上承接:MBIST 存储器内建自测试 搭好了控制器/地址生成器/比较器的整体框架,本篇填进框架核心——操作序列本身的设计依据。
- 落地延伸:MBIST 与 BISR 修复流程 讲算法测出故障后如何生成位图、跑冗余分析、烧熔丝修复,算法的故障检出能力直接决定修复的上限。
- 横向相关:故障模型的另一大家族(桥接故障与固定开路)见 桥接故障与固定开路故障模型,与本文的耦合故障清单互补。
- 方法对照:逻辑部分的对应物是 ATPG 的故障覆盖率分级,见 ATPG 故障仿真与覆盖率分级,存储器走确定性序列、逻辑走生成向量,两条路殊途同归。
总结
MBIST March 算法是一条「寻址方向 × 读写操作」的确定性序列:MATS 家族 4n~6n 只能覆盖固定与跳变故障,March C- 用 10n 加上反向寻址把静态耦合故障尽收,成为量产默认,March SS 再以 22n 的每元素六操作序列补齐读破坏、写破坏等动态耦合故障;选型的本质是拿故障模型的对手清单对照测试时间与工艺节点的缺陷谱,量产用 C-、特性化用 SS、老节点可退到 MATS++,并且记住算法的每一分覆盖率最终都要由控制器 FSM 在硅上跑出来。