【車規測試】解密 SPAT（統計分區平均測試）：如何靠「看鄰居」抓出晶圓潛在未爆彈？

【車規測試】解密 SPAT（統計分區平均測試）：如何靠「看鄰居」抓出晶圓潛在未爆彈？

延續先前用來篩選「群體異常（Outlier）」的 DPAT，今天我們來聊聊它的親兄弟——SPAT（Statistical Part Average Testing，統計分區平均測試）。

如果說 DPAT 是在「全體晶片」中抓出不合群的怪咖，SPAT 就是進一步考慮了「地理位置」的晶片界實境節目。以下為您整理 SPAT 的核心概念與重點：

CONCEPT OVERVIEW // 核心概念概述

一、什麼是 SPAT？

SPAT（Statistical Part Average Testing） 是一種進一步延伸的統計篩選技術。它不僅僅看單一晶片職自身的測試數值，還會參考該晶片在晶圓（Wafer）上周邊鄰居（Neighboring Dies）的測試表現。

因為在半導體製程中，晶圓的物理特性（如厚度、摻雜濃度、曝光均勻度）通常具有區域連續性。如果某個晶片的周圍鄰居表現都很差，就算該晶片本身的數值勉強通過了規格線（Spec），它未來演變成不良品的機率也非常高。SPAT 就是專門來剔除這種「壞鄰居包圍中的潛在未爆彈」。

COMPARISON ANALYSIS // 技術對比分析

二、DPAT vs. SPAT：有什麼不同？

這兩者都是車規晶片實踐「零缺陷（Zero Defect）」的必備利器，但篩選的角度不同：

比較項目	DPAT (Dynamic PAT)	SPAT (Statistical PAT / Spatial PAT)
核心依據	整體晶圓或整批（Lot）晶片的統計分佈。	晶片在晶圓上的相對地理位置與周邊鄰居。
篩選邏輯	「你的數值偏離了整個大群體的平均值。」	「你的數值雖然及格，但你周圍的鄰居都怪怪的。」
針對缺陷	全局性的統計異常值（Global Outliers）。	區域性的集體缺陷或邊緣效應（Cluster / Spatial Outliers）。

SIFTING MECHANISM // 核心篩選機制

三、SPAT 的核心篩選機制

SPAT 的實作通常會結合卷積（Convolution）或鄰近演算法，常見的篩選手法包括：

● 1. 鄰居晶片連坐法（Good Neighbor / NNDAT）

檢查目標晶片周圍（例如 $3 \times 3$ 或 $5 \times 5$ 矩陣內）的鄰居。如果周圍的鄰居在測試中被判定為不良品（Reject）的數量超過設定上限，即使目標晶片本身測試 Pass，也會被 SPAT 強制剔除（稱為 Ink by Neighbor）。

● 2. 區域移動平均（Spatial Moving Average）

計算目標晶片周圍區域的動態平均值與標準差，並為該晶片量身打造一個「局部動態邊界」。如果該晶片偏離「局部鄰居的平均值」太多，就會被挑出來。

INDUSTRY REQUIREMENT // 車規導入價值

四、為什麼車規測試一定要導入 SPAT？

• 抓出潛在的晶圓瑕疵（Wafer Material Defects）：
  晶圓製造時的微塵污染、光阻塗佈不均或蝕刻過度，往往是「一整片區域」受影響。邊緣的晶片可能還沒死透，但結構已經受損，SPAT 能精準把這些「內傷」的晶片攔截下來。
• 降低早期夭折率（Early Life Failure, ELF）：
  那些處在壞鄰居中央的晶片，極可能存有微小的物理缺陷，在出廠測試時驗不出問題，但裝在汽車上開了兩年後，受到高溫、震動刺激就會突然崩潰。
• 符合 AEC-Q001 / AEC-Q002 規範：
  車用電子協會（AEC）的指導原則中，明確建議封測廠使用統計與空間分析技術（如 SPAT）來提升車載晶片的可靠度。

💡 總結：DPAT 是「縱觀全局」，防範的是個體特異性的缺陷；SPAT 是「環顧四周」，防範的是區域環境性的潛在風險。在車載晶片的晶圓測試（CP）與成品測試（FT）階段，通常會將 DPAT + SPAT 雙劍合璧，透過層層的統計濾網，確保最後交給車廠的晶片達到真正的「零缺陷（Zero Defect）」。