小延迟缺陷测试:时序感知 ATPG 与 slack 驱动路径选择怎么超越 transition fault
更新时间:2026-10-03。transition fault(跳变延迟故障模型)是 at-speed 测试的主力,LOC 与 LOS 发射方式对比 讲过它怎么被扫描时钟发射和捕获;但 transition fault 只问「这个节点能不能在一个时钟周期内完成翻转」,不问「沿哪条路翻转」。一个几十皮秒的额外小延迟,落在 slack 富裕 2ns 的短路径上毫无影响,落在 slack 只剩 50ps 的关键路径上就是整机偶发超时——这类毛病叫小延迟缺陷(Small Delay Defect,SDD),是先进工艺下 DPPM 居高不下的主要嫌疑犯。同族的 故障模型与覆盖率总览 把 SDD 定位为 transition 的补充而非替代,这一篇讲清楚它的检测原理:时序感知 ATPG 怎么吃 STA 的 slack 数据、怎么按 slack 挑敏化路径、以及 pattern 数量膨胀之后怎么收场。
本文要回答的问题
- transition fault 检出与 SDD 漏检之间的鸿沟到底从哪来?
- 时序感知 ATPG 读什么 slack 文件、按什么准则选敏化路径?
- slack 阈值(SDQL 或 defect size)怎么定,定松定紧各有什么代价?
- pattern 膨胀多少算正常,和压缩、fault dropping 怎么配合?
- SDD 覆盖率怎么报,和普通 transition 覆盖率怎么对账?
一、为什么 transition fault 抓不住小延迟缺陷
transition fault 的检测判定极其宽松:故障点翻转,效应传到任意观测点,就算检出。ATPG 引擎天然偷懒——它会选结构上最容易敏化的路径,而「最容易敏化」通常意味着扇出少、逻辑级数浅,也就是延迟最短、slack 最肥的那条路。缺陷引起的额外延迟 Δd 叠加在这条肥路径上,总延迟仍然远在周期之内,芯片在 ATE 上乖乖通过,到了客户手里跑真实场景(走关键路径的功能 pattern)才翻车。
鸿沟的量级可以用一个直观例子感受:某故障点有两条可敏化路径,短路径 slack 1.8ns,关键路径 slack 40ps。一个 100ps 的小延迟缺陷,经短路径测试纹丝不动(余量还有 1.7ns),经关键路径立刻 setup violation。传统 transition ATPG 有极大概率选前者——它根本不感知时序。这就是 SDD 测试要补的那一块:强制 ATPG 沿 slack 最紧的路径敏化每个故障点,让测试路径逼近功能场景里的时序边缘。
上图是 SDD 漏检的机理全景:缺陷本身不变,检出与否完全取决于敏化路径的 slack 是否小于缺陷延迟。ATPG 选 A 路,测试就是无效的;逼它选 B 路,测试才真正暴露问题。
二、时序感知 ATPG:把 slack 喂给故障引擎
时序感知 ATPG 的做法是把 STA 的 slack 数据注回 ATPG 流程。数据链上游是 signoff STA(如 PrimeTime 签核 STA 跑的报告),对每个故障点提取「经过该点的所有路径中最小的 slack」,导出成 ATPG 可读的 slack 文件(常见格式是工具私有的 pin slack 表)。ATPG 拿到这张表后改变选路策略:敏化故障时优先选使整条路径 slack 最小的后继链路,判定标准从「敏化成功」升级为「敏化成功且路径 slack ≤ 阈值」。
这里有一个常被误解的点:时序感知 ATPG 不是让 ATPG 自己做时序分析。它不做延迟计算,只消费 STA 给好的数字;路径延迟的精度(OCV 降额、crosstalk 增量这些,见 STA crosstalk 与 SI 增量延迟)全部由上游 STA 保证。所以 slack 文件的新鲜度是硬要求——网表 ECO 之后必须重导,否则 ATPG 拿旧地图走新路,选出来的「最紧路径」可能已经不是最紧。
判定准则的工程形态是 slack 阈值 T:敏化路径的 slack 小于 T 才算有效检测,否则引擎继续找别的路径,找不到就标记该故障点在当前阈值下不可测。这类「阈值下不可测」的故障要单独看报告——它不等于不可测,而是「沿足够紧的路径测不了」,常见原因是故障点本身就躺在 slack 富裕的逻辑锥里,物理上确实不可能被小延迟缺陷伤害,放心归到普通 transition 覆盖即可。T 的物理含义是要检测的最小缺陷尺寸——T = 100ps 意味着「凡是能造成 100ps 以上额外延迟且落在关键区域的缺陷都要被抓出来」。
三、slack 阈值与 SDQL:定松定紧的代价账
阈值怎么定,直接决定 pattern 数量和测试成本。定得太松(T 很大,比如 500ps),大量 slack 几百皮秒的半关键路径都被迫参与敏化,pattern 数可以膨胀到普通 transition 的 3-5 倍;定得太紧(T 接近 0),只有真关键路径上的故障算数,检测收益又接近裸 transition。工业界的常用落点是统计时序分布后取一个缺陷尺寸假设——典型值在周期的 5%-10% 或一个 buffer 延迟的量级,再由良率学习(良率学习与缺陷帕累托)用 silicon failure 数据回头校准。
报告的度量也随阈值一起升级,主流是 SDQL(Small Delay Quality Level):对每个故障点统计「实际被检测路径的 slack 与最小可能 slack 的比值」,全芯片加权汇总成一个质量分。SDQL 比裸覆盖率诚实——裸覆盖率只说「检出了」,SDQL 说「沿多紧的路径检出了」。
| 阈值策略 | pattern 膨胀 | 缺陷覆盖 | 适用场景 |
|---|---|---|---|
| 不感知时序(裸 transition) | 1×(基准) | 只检大延迟缺陷 | 成熟工艺、成本敏感 |
| 宽松阈值(约周期 15%) | 1.5-2× | 中等缺陷部分覆盖 | 消费类、DPPM 千级 |
| 典型阈值(约周期 5%-10%) | 2-3× | 主流 SDD 方案 | 通信、工业 |
| 紧阈值加多轮 dropping | 3-5× | 逼近关键路径全覆盖 | 车规、医疗高可靠 |
四、pattern 膨胀的收场:压缩、dropping 与分层检测
阈值一加,pattern 数量必然涨,但有三道闸门控制膨胀。第一道是 fault dropping 顺序:先跑 SDD 感知 ATPG 生成核心 pattern 集,再用这些 pattern 做 fault simulation 反标普通 transition 故障(故障仿真与覆盖率分级 的流程直接复用),已被顺带检出的不再单独生成 pattern。第二道是压缩架构兜底:scan 压缩比本来就预留了 pattern 增长空间,ATPG 压缩向量 讲的压缩比在 100× 档位时,3 倍 pattern 膨胀折算到测试时间往往只有几十个百分点增长。第三道是多轮阈值:第一轮用紧阈值只打关键路径簇,第二轮放宽阈值但只对第一轮未检出的故障补 pattern,避免全芯片一刀切。
sta: "signoff STA\n导出 pin slack 表"
atpg: "时序感知 ATPG\n按 slack 阈值选路\n注:阈值来自缺陷尺寸假设,由良率数据校准"
pat: "SDD pattern 集\n核心产出"
sim: "故障仿真反标\ntransition 故障"
fill: "未检出故障\n普通 ATPG 补 pattern"
sta -> atpg
atpg -> pat
pat -> sim: 顺带给普通故障记账
sim -> fill: 漏网的再补
fill -> pat: 合并成最终 pattern
pat.style: { fill: "#FEF3E2"; stroke: "#E08A1E" }上图是完整流程:STA 供数据、时序感知 ATPG 产出核心 pattern、故障仿真顺带消化普通 transition 覆盖、普通 ATPG 只补漏网之鱼。最终 pattern 集是「SDD 优先、transition 补漏」的并集,而不是两套独立 pattern。
落地时还有几个细节。slack 阈值要按时钟域分组设——高频域的 5% 和低频域的 5% 绝对值差好几倍,全局一个 T 会严重偏袒慢域。ECO 之后增量重导 slack 文件,只重跑受影响故障点的 ATPG。pattern 上 ATE 前的移植注意 at-speed 时钟序列与 at-speed 时钟控制 里的 OCC 配置一致,SDD pattern 对 launch-capture 间隔的精度更敏感,pattern 移植到 ATE 的时序参数校验要单独过一遍。
总结
小延迟缺陷测试的本质是给 ATPG 装上时序眼睛:从 signoff STA 导出每个故障点的最小 slack,强制敏化路径的 slack 小于阈值才算有效检测,让测试路径逼近功能场景的关键路径;阈值按缺陷尺寸假设(约周期 5%-10%)定、由良率数据校准,质量用 SDQL 度量而非裸覆盖率;pattern 膨胀用「SDD 先行、fault simulation 反标、普通 ATPG 补漏」的三段式收口——transition fault 保证翻转能到,SDD 测试保证沿最紧的路到,两者叠加才是先进工艺下可信的 at-speed 测试。