威尼斯人棋牌-威尼斯欢乐娱人城-首页

解析装置、解析方法及解析程序与流程

文档序号:24941670发布日期:2021-05-04 11:34
解析装置、解析方法及解析程序与流程

本发明关于解析装置、解析方法及解析程序。



背景技术:

先前已知有一种试验装置,其在要对受测器件进行测量时,使治具接触受测器件来实行测量。

发明所要解决的问题

然而,对受测器件进行测量的测量系统的状态并非时常维持恒定,会因为各种要素而变动。因此,希翼能够对从测量系统获得的信息进行解析来管理测量系统。



技术实现要素:

为了解决上述问题,本发明的第1方面提供一种解析装置。解析装置可具备取得部,其取得复数个测量值,所述复数个测量值是经由治具对受测器件进行测量而得的。解析装置可具备解析部,其解析复数个测量值并算出变动数据,所述变动数据表示与治具接触受测器件的接触次数对应的测量值的变动。解析装置可具备管理部,其基于变动数据来管理治具的状态。

取得部可取得在受测器件中的不同位置处所测量到的复数个测量值;解析部可从复数个测量值将位置依存成分分离出来,并抽出与接触次数对应的测量值的变动,所述位置依存成分依存于受测器件中的测量位置。

位置依存成分可包含从受测器件的中心同心圆状地变化的成分。

位置依存成分在将受测器件配置于坐标平面上的情况下,可包含以下成分中的至少其中一者:依存于坐标平面中的其中一方的坐标轴方向的成分、及依存于坐标平面中的另一方的坐标轴方向的成分。

受测器件可为形成有复数个器件区域的晶圆;取得部可取得以下测量值中的至少其中一者:对器件区域个别地进行测量而得的复数个测量值、及对包含复数个器件区域的区域区块个别地进行测量而得的复数个测量值。

取得部可取得利用治具中的不同位置对复数个受测器件进行测量而得的复数个测量值;解析部可从复数个测量值将位置依存成分分离出来,并抽出与接触次数对应的测量值的变动,该位置依存成分依存于治具中的测量位置。

还可具备机器学习部,其使用复数个测量值,通过机器学习来学习位置依存成分的模型;解析部可将位置依存成分分离出来,且所述位置依存成分是使用已通过机器学习部学习到的模型来算出的。

解析部可解析复数个测量值并推测治具的接触电阻;管理部可基于解析部所推测出的治具的接触电阻来管理治具的状态。

解析部可解析复数个测量值并算出与接触次数对应的接触电阻的分散状况;管理部可基于通过解析部所算出的与接触次数对应的接触电阻的分散状况,来管理治具的状态。

管理部可基于变动数据来决定治具的清洁时期及治具的更换时期的至少其中一者。

本发明的第2方面提供一种解析方法,其为解析装置进行解析的解析方法。解析方法可具备以下步骤:解析装置取得复数个测量值,所述复数个测量值是经由治具对受测器件进行测量而得的。解析方法可具备以下步骤:解析装置解析复数个测量值并产生变动数据,所述变动数据表示与治具接触受测器件的接触次数对应的测量值的变动。解析方法可具备以下步骤:解析装置基于变动数据来管理治具的状态。

本发明的第3方面提供一种解析程序。解析程序可通过计算机来实行。解析程序可使计算机作为以下构件来发挥功能:取得部,其取得复数个测量值,所述复数个测量值是经由治具对受测器件进行测量而得的。解析程序可使计算机作为以下构件来发挥功能:解析部,其解析复数个测量值并产生变动数据,所述变动数据表示与治具接触受测器件的接触次数对应的测量值的变动。解析程序可使计算机作为以下构件来发挥功能:管理部,其基于变动数据来管理治具的状态。

此外,上述发明说明并未列举出本发明的所有必要特征。又,这些特征群的副组合也可成为发明。

附图说明

图1将本实施例的解析装置130与测量系统10一起表示。

图2表示本实施例的解析装置130基于测量值的偏差来检测试验装置100的异常的流程。

图3表示作为本实施例的解析装置130的解析对象的测量值中所含的成分的一例。

图4表示作为本实施例的解析装置130的解析对象的测量值中所含的成分的另外一例。

图5表示本实施例的解析装置130基于变动数据来管理治具110的状态的流程。

图6表示与接触次数对应的治具110的接触电阻的变化倾向。

图7表示可将本发明的复数个实施方式的整体或一部分地具体化的计算机2200的例子。

具体实施方式

以下,通过发明的实施例来说明本发明,但是以下的实施例并非用来限定本发明。又,在发明的解决手段中并不一定需要实施例中所说明的特征的全部组合。

图1将本实施例的解析装置130与测量系统10一起表示。本实施例的解析装置130取得在测量系统10中对测量对象进行测量而得的复数个测量值并加以解析,且使用解析出的信息来对实行测量的试验装置或是治具的健康度和稳定度等进行管理。本实施例的解析装置130可将测量系统10中所得到的以下各种测量值作为解析对象:对于形成有复数个半导体或微机电系统(microelectromechanicalsystems:mems)等电子器件的晶圆进行测试而得的测量值、对于将晶圆切片而加以单片化后的裸芯片进行测试而得的测量值、对于将芯片密封后的封装体进行测试而得的测量值等。也即,解析装置130可将所谓先前步骤及后续步骤的任一者中所测量到的测量值作为解析对象。本图所表示的例子中,解析装置130是将使用测试器对被安装至针测机的晶圆进行晶圆测试而得的测量值作为解析对象,以下说明该情况。

测量系统10具有试验装置100及治具110。试验装置100经由治具110来对受测器件120进行测量。

试验装置100具有测试器本体102及测试头104。试验装置100,例如可为系统lsi(大规模集成电路)测试器、模拟测试器、逻辑测试器及内存测试器等的器件试验装置。此外,试验装置100也包含不具有测试功能而单纯对受测器件120进行测量的测量装置。试验装置100经由治具110对受测器件120供给各种测试信号,并从受测器件120取得响应信号。

测试器本体102为试验装置100的本体部,实行各种测量的控制。测试器本体102可具有以下功能:经由有线或无线连接,将通过各种测量而获得的复数个测量值输出至本实施例的解析装置130。

测试头104被构成为经由缆线而被连接至测试器本体102,且可在对受测器件120进行测量的测量位置与退避位置之间驱动。测试头104在实行测量时,基于通过测试器本体102而实行的控制,在测量位置处将测试信号传送至受测器件120,并从受测器件120接收到响应然后将该响应中继至测试器本体102。

治具110表示测量系统10中的试验装置100以外的构成要素。治具110,例如可为在试验装置100对受测器件120进行测量时,连接试验装置100的测量功能与受测器件120的接口部。治具110可对应于要成为测量对象的受测器件120的种类来适当更换。本图中作为一例,治具110具有效能板112、探针卡114及针测机116。此外,本实施例的解析装置130在将后续步骤中所测量到的测量值作为解析对象的情况下,治具110也可具有测试座(socket)或分类机(handler)。

效能板112以可拆装的方式安装于测试头104,且与测试头104电性连接。

探针卡114以可拆装的方式安装于效能板112,且与效能板112电性连接。又,探针卡114具有复数个探针,其用来与受测器件120接触以形成电性接触。

针测机116搬运受测器件120并将其载置于平台上,且实行被设置于受测器件120上的电极垫与探针卡114的探针之间的位置对准。又,针测机116具有清洁单元,其用来清洁探针。在经由探针卡114而与受测器件120电性连接的情况下,通过探针刮擦电极垫的表面来形成接触。此时,在探针的针尖会附着上电极垫上的氧化物或尘埃等。因此,随着每次与电极接触(触碰),在探针的针尖上会逐步累积附着物,而渐渐变得无法进行正确的测量。于是,通过在针测机116中设置清洁单元并对探针的针尖进行研磨或清洗,能够清洁探针而除去累积于针尖上的附着物。

受测器件120被载置于针测机116的平台上,其为测量对象,也即要通过试验装置100来进行测量的对象。本图所表示的例子中,受测器件120是形成有复数个器件区域122(例如芯片)的晶圆。复数个器件区域122的各者中形成有复数个电极垫,试验装置100使探针卡114的探针接触这些电极垫来实行复数个器件区域122的测量。此时,试验装置100可对复数个器件区域122个别地实行测量,也可对包含复数个器件区域122的区域区块(例如4个芯片)个别地实行测量(也即以区域区块作为单位来实行测量)。并且,试验装置100例如将在不同位置处对这些受测器件120进行测量所得到的复数个测量值,直接或是经由网络或媒体来供给至解析装置130。

解析装置130取得在测量系统10中对受测器件120进行测量而得的复数个测量值,并加以解析。解析装置130可为pc(个人计算机)、平板计算机、智能型手机、工作站、服务器计算机或泛用计算机等的计算机装置,也可为连接复数台计算机的计算机系统。这样的计算机系统也是广义上的计算机。又,解析装置130也可在计算机内通过1个或是可复数实行的虚拟计算机环境来构装出来。作为上述的替代方案,解析装置130可为设计来用于测量值的解析的专用计算机,也可为由专用电路来实现的专用硬件。作为一例,解析装置130可为连接至网络的网站(web)服务器,在此情况下,用户能够自可连接至网络的各种环境,存取云端上的解析装置130来接受各种服务的提供。又,解析装置130可被构成为直接或经由局域网络(localareanetwork:lan)等网络来与试验装置100连接的单独装置,也可被构成为与试验装置100一体化,且被实现为试验装置100的功能区块的一部分。又,如后述,在例如能够通过来自用户的直接输入或usb(通用串行总线)内存等的存储介质来获取复数个测量值的情况中,解析装置130可不与试验装置100连接,也可被构成为是与测量系统10独立的装置。

解析装置130具备:输入部140、取得部150、机器学习部160、解析部170、管理部180及输出部190。

输入部140为用来输入复数个测量值的接口部。输入部140,例如直接或经由网络连接至试验装置100的测试器本体102,以输入通过试验装置100所测量到的复数个测量值。又,输入部140可为经由键盘或鼠标等接收来自用户的直接输入的用户接口,也可为用来将usb内存或盘片驱动器等连接至解析装置130的器件接口,并且可经由这些接口来输入通过试验装置100所测量到的复数个测量值。

取得部150连接至输入部140,取得试验装置100经由治具110对受测器件120进行测量而得的复数个测量值。取得部150可取得试验装置100在受测器件120中的不同位置处所测量到的复数个测量值,更详细地,是可取得使治具110接触受测器件120的不同位置来测量到的复数个测量值。例如,在受测器件120为形成有复数个器件区域122的晶圆的情况中,取得部150取得以下至少一者的测量值:对器件区域122个别地进行测量而得的复数个测量值、及对包含复数个器件区域122的区域区块个别地进行测量而得的复数个测量值。取得部150将已取得到的复数个测量值供给至机器学习部160及解析部170。又,在解析装置130是将后续步骤中测量到的测量值作为解析对象的情况下,取得部150可另外取得利用治具110中的不同位置对复数个受测器件120进行测量而得的复数个测量值,或是以此作为代替方案。例如,在解析装置130是将在最终测试中测量到的测量值作为解析对象的情况下,取得部150可取得在被设置于测试座基板上的复数个测试座中对复数个受测用ic(集成电路)分别进行测量而得的复数个测量值。

机器学习部160连接至取得部150,使用从取得部150供给而来的复数个测量值,通过机器学习来学习测量值中含有的位置依存成分等成分的模型,上述位置依存成分例如为依存于受测器件120中的测量位置的成分、及依存于治具110中的测量位置的成分,关于这部分将在之后描述。

解析部170连接至取得部150和机器学习部160,对于从取得部150供给而来的复数个测量值进行解析,并抽出测量值的偏差。又,解析部170解析复数个测量值以产生变动数据,该变动数据表示与治具110接触受测器件120的接触次数对应的测量值的变动。此时,解析部170从复数个测量值分离出位置依存成分,该位置依存成分为依存于受测器件120中的测量位置的成分、及依存于治具110中的测量位置的成分。解析部170能够使用通过机器学习部160所学习到的模型来计算该位置依存成分。

管理部180连接至解析部170,基于已通过解析部170将位置依存成分分离出来后的复数个测量值,实行治具110的状态管理及试验装置100的异常检测的至少其中一者。例如,管理部180基于解析部170所产生的变动数据来管理治具110的状态。又,管理部180基于解析部170所抽出的测量值的偏差,来检测试验装置100的异常。此外,此处作为治具110的状态管理,管理部180例如能够基于变动数据,来决定治具110的清洁时期和治具110的更换时期的至少其中一者。

输出部190连接至管理部180,输出管理部180已进行管理过的信息。输出部190可将该信息显示于解析装置130中所设的显示部(未图示),也可传送至直接或经由网络连接的其他装置。

图2表示本实施例的解析装置130基于测量值的偏差来检测试验装置100的异常的流程。步骤210中,解析装置130的取得部150,经由输入部140取得复数个测量值。

步骤220中,解析装置130的机器学习部160使用在步骤210中取得到的复数个测量值,并通过机器学习来学习位置依存成分等的测量值中含有的成分的模型。此处,位置依存成分,如后述,例如包含以下成分:从受测器件120的中心同心圆状地变化的成分、将受测器件120配置在xy平面上时的依存于x轴方向和依存于y轴方向的成分。又,复数个测量值,如后述包含依存于触碰次数的成分。机器学习部160,对复数个测量值进行取样,并通过机器学习来学习测量值中含有的成分的模型。关于此部分,将在之后描述。

接着,在步骤230中,解析装置130的解析部170从复数个测量值中将位置依存成分分离出来,该位置依存成分是使用在步骤220中通过机器学习部160所学习到的模型而算出的。

然后,在步骤240中,解析装置130的解析部170解析复数个测量值,并使用在步骤230中已将位置依存成分分离出来的复数个测量值来抽出测量值的偏差。然后,解析部170以概率分布来表现测量值的偏差,并算出测量值的概率分布。解析部170,例如假设测量值的概率分布是遵循常态分布而算出平均值及标准偏差σ等。此外,虽然在上述说明中是假设测量值的概率分布遵循常态分布,但并不限定于此。解析部170,例如也可假设测量值的概率分布遵循学生t分布及威夏(wishart)分布等其他的分布。

然后,在步骤250中,解析装置130的管理部180基于测量值的偏差来检测试验装置100的异常。管理部180可基于复数个测量值当中的偏离在步骤240中所算出的测量值的概率分布的离群值,来检测试验装置100的异常。例如,管理部180在测量值的概率分布中,当自平均值偏离标准偏差σ的规定倍数(例如2σ)的值(离群值)以预定基准以上的概率发生时,则可判断为在试验装置100中产生了某种异常。管理部180,作为试验装置100的异常,例如可能检测出要供给电力至受测器件120的电力源、驱动器、a/d(模拟/数字)转换器、d/a转换器等的故障。

如此,根据本实施例的解析装置130,基于解析复数个测量值而抽出的测量值的偏差,来检测试验装置100的异常。现有技术中,试验装置100的异常只能通过定期诊断来发现。然而,本实施例的解析装置130能够从要作为产品来出货的器件的试验及测量中所得到的测量结果的行为状况,来检查已进行过测量的试验装置100的健康度和稳定度等。因此,能够避免由已产生异常的试验装置100进行测量所导致的结果,即本来应该要被判断为良品的受测器件120被作为缺陷品处理而导致良率降低的情形、或是本来应该要被判断为缺陷品的受测器件120被作为良品处理而流出到下个步骤中的情形。又,本实施例的解析装置130,因为从复数个测量值中将依存于受测器件120中的测量位置的成分或依存于治具110中的测量位置的成分加以分离,所以能够更精准地抽出测量值的偏差。

此处,解析装置130的机器学习部160是使用贝氏推论,并通过机器学习来学习测量值中所含成分的模型。作为上述的替代方案,机器学习部160也可使用回归分析、决策树学习及类神经网络等其他的学习算法来进行学习。

一般而言,贝氏推论是根据已观测到的事实,以概率的意义来推论想要推测的事态。例如,若以p(a)来表示事件a发生的概率(事前概率),以p(a|x)来表示在事件x已发生的情况下事件a发生的条件概率(事后概率),则事后概率p(a|x)根据贝氏定理可表示成以下式子。此处,p(x|a)为概度,这在统计学中是表示,在遵照某个前提条件而出现结果的情况下,要反过来由观测结果来推测前述条件为何的理所当然程度。

(数学式1)

此处,从事件a的概率的观点来看,p(x)仅有标准化常数的意义所以经常被省略,于是事后概率p(a|x)能够表示成以下式子。也即,事后概率p(a|x)正比于事前概率p(a)与概度p(x|a)的乘积。

(数学式2)

p(a|x)∝p(x|a)p(a)

如此,若已得到关于事件x的某种结果,通过将该结果加以反映并乘上概度,便可将事件a的概率从事前概率更新至事后概率。也就是说,通过将主观的概率分布也就是事前概率p(a)乘上概度p(x|a),来算出考虑到事件x而更具客观性的概率分布也就是事后概率p(a|x)。并且,若进一步加入了新的事件x,便将事后概率作为新的事前概率来运用而反复进行贝氏修正。如此,利用使概率分布变得更客观的贝氏修正来推论事件a的方法即为贝氏推论。如上述,从测量系统10得到的复数个测量值是被给定为以下复数个成分的合计:同心圆状地变化的成分、依存于x轴的成分、依存于y轴的成分及依存于触碰次数的成分。本实施例的解析装置130的机器学习部160,将各成分函数中的常数,也即与受测器件120的中心间的距离r的函数中的常数w、x轴成分x及y轴成分y的函数中的常数s、以及触碰次数t的函数中的常数r等,分别用来作为(数学式1)及(数学式2)中的“a”,且将表示复数个测量值的数值用来作为(数学式1)及(数学式2)中的“x”,并使用测量值来逐步更新各常数的概率分布。

机器学习部160要通过机器学习来学习测量值中所含的成分的模型时,在有复数个参数处于简单的依存关系的情况下,能够使用联立方程式来作为用来获得不明参数的取样方法。作为上述的替代方案,在有复数个参数相互依存的情况下,机器学习部160能够使用迭代法、统计推论法及优化等。

图3表示作为本实施例的解析装置130的解析对象的测量值中所含的成分的一例。在解析装置130要解析的测量值中,含有依存于受测器件120中的测量位置的位置依存成分。位置依存成分,例如本图所示,包含从受测器件120的中心同心圆状地变化的成分。要在晶圆等受测器件120中形成复数个器件区域122时,有时会使用单片式的处理装置来实施制程。该单片式的处理装置中,是在将晶圆保持于旋转夹头(spinchuck)来使其旋转的状态中,自喷嘴向晶圆的中心涂布处理液,并利用旋转夹头的旋转所造成的离心力使处理液散开至整片晶圆来进行处理。此时,要控制成使处理液均匀地散开至整片晶体、或是对晶圆的边缘部分施加与中心部分相同的处理,严格来说均不容易。根据这样的理由,受测器件120会依存于从中心算起的距离而产生同心圆状的略微的制造偏差。因此,解析装置130要解析的测量值包含从受测器件120的中心同心圆状地变化的成分。

又,位置依存成分,例如本图所示,在将受测器件120配置于坐标平面(xy平面)上的情况下,包含以下两者的至少其中一者:依存于坐标平面中的其中一方的坐标轴方向(x轴方向)的成分、及依存于坐标平面中的另一方的坐标轴方向(y轴方向)的成分。例如,要在晶圆等受测器件120中形成复数个器件区域122时,有时会经过自一端侧逐渐地使处理液浸透晶圆的制程、或是自晶圆的一端侧使处理气体填充于处理腔室中的制程等。在这样的情况中,受测器件120会从一端朝向另一端产生略微的制造偏差。因此,解析装置130要解析的测量值,在将受测器件120配置于xy平面上的情况下,会包含依存于x轴方向的成分或依存于y轴方向的成分。

又,在最终测试中,是在设于测试座基板上的复数个测试座的各者中安装有受测用ic的状态下,对复数个受测用ic进行测量。在这样的情况中,会因为测试座基板的弯曲、倾斜或是温度依存性等,而使得复数个测量值包含依存于治具110中的测量位置的各种成分。

如此,作为解析装置130的解析对象的复数个测量值,包含由复数个维度的变量所构成的依存于位置的位置依存成分,例如同心圆状地变化的成分、依存于x轴方向的成分及依存于y轴方向的成分等。本实施例的解析装置130能够通过机器学习来学习由这些复数个维度的变量所构成的位置依存成分的模型。并且,本实施例的解析装置130能够通过将位置依存成分从复数个测量值分离出去,而去除因制造偏差而对测量值造成的影响、或是因治具110的位置而对测量值造成的影响。因此,根据本实施例的解析装置130,能够详细且精准地抽出测量值的偏差或其他因素对测量值造成的影响。

图4表示作为本实施例的解析装置130的解析对象的测量值中所含的成分的另外一例。解析装置130要解析的测量值,在图4所示的位置依存成分之外,如本图所示,还包含以下的变动成分:与使探针卡114所具有的探针接触受测器件120的触碰(td)次数对应的测量值的变动成分。

如上述,在经由探针卡114来与测量对象进行电性连接的情况下,是通过探针刮擦电极垫的表面来形成接触。此时,在探针的针尖会附着上电极垫上的氧化物或尘埃等。因此,探针的接触电阻(cres)值会对应于触碰次数而增加,结果会对测量值造成与触碰次数对应的变动。此外,该触碰次数是在使用上述清洁单元来研磨或清洗探针的针尖时会被重设的值。

本实施例的解析装置130,能够通过机器学习来学习测量值中所含的成分的模型,且该成分在包含同心圆状地变化的成分、依存于x轴方向的成分及依存于y轴方向的成分的位置依存成分之外,还包含与触碰次数对应的变动成分。并且,解析装置130能够从复数个测量值将位置依存成分分离,产生变动数据并基于变动数据来管理治具的状态,其中该变动数据表示与触碰次数对应的测量值的变动。

图5表示本实施例的解析装置130基于变动数据来管理治具110的状态的流程。关于步骤510至步骤530,与图2的步骤210至步骤230相同。

本流程中,解析装置130的解析部170在步骤540中产生变动数据,其表示治具110与受测器件120接触的接触次数,也即与触碰(td)次数对应的测量值的变动。解析部170以td次数将测量值的偏差加以分类,并以概率分布来表现各个分类。又,解析部170使用通过td次数加以分类而产生出的复数个概率分布,推测与td次数对应的治具110(探针卡114的探针)的接触电阻的分散状况。

然后,在步骤550中,解析装置130的管理部180基于在步骤540中所产生的变动数据来管理治具110的状态。例如,管理部180基于与td次数对应的治具110的接触电阻的分散状况,来决定治具110的清洁时期及治具110的更换时期的至少其中一者。

图6表示与接触次数对应的治具110的接触电阻的变化倾向。如上述,探针的接触电阻(cres)值,会对应td次数而增加。因此,如本图所示,在以td次数作为横轴时,cres值的平均值会随着td次数的增加而向右上方增加。除此之外,也可了解到,图中表示出cres值随着td次数的增加会有偏差增大的倾向。也即,在cres值的概率分布中,表示出随着td次数的增加而使分散状况增大的倾向。本实施例的解析装置130,利用了该变化倾向。

也即,解析装置130,在步骤540中,推测与td次数对应的接触电阻的分散状况,并在步骤550中,若与td次数对应的接触电阻的分散状况超过预定的基准,便判定需要清洁治具110。又,解析装置130,例如基于接触电阻的分散状况对应于td次数而增大的幅度,来决定治具110的清洁时期。也即,解析装置130可由与td次数对应的接触电阻的分散状况的增加,假设之后分散状况也会以同样的方式(例如线性)增加,来决定治具100的清洁时期。又,解析装置130也可基于接触电阻的分散状况来决定治具110的更换时期。例如,解析装置130,当比预定的次数更少的td次数便已超过预定基准时,可判定需要更换治具110。

根据本实施例的解析装置,因为是基于变动数据来管理治具110的状态,且该变动数据表示与治具110接触受测器件120的接触次数对应的测量值的变动,因此能够将治具110的维护加以优化。现有技术中,治具110的维护是定期进行。然而,本实施例的解析装置,通过基于推测出的接触电阻来将治具110的维护加以优化,能够削减治具110的维护次数。因此能够减低用于维护的时期,而能够谋求将耗费于测量的时间加以缩短和抑制维护的费用等。

本发明的各种实施例,可参照流程图和区块图来记载,此处的区块可表示(1)实行操作的制程的阶段或是(2)负责实行操作的装置的区段(section)。特定的阶段和区段可由以下各者来加以构装:专用电路、与存储于计算机可读取媒体上的计算机可读取指令一起提供的可程序化电路、及/或与存储于计算机可读取媒体上的计算机可读取指令一起提供的处理器。专用电路,可包含数字及/或模拟硬件电路,也可包含集成电路(ic)及/或离散电路。可程序化电路,可包含可重组硬件电路,该可重组电路包含and逻辑闸、or逻辑闸、xor逻辑闸、nand逻辑闸、nor逻辑闸及其他的逻辑操作、正反器、缓存器、现场可程序化逻辑门阵列(fpga)、可程序化逻辑数组(pla)等的内存要件等。

计算机可读取媒体,可包含能够存储通过适当的器件来实行的指令的任意实体器件,其结果,具有存储于其中的指令的计算机可读取媒体,将具备产品且在产品中包含为了产生用来实行流程图或区块图所指定的操作的手段而能够加以实行的指令。作为计算机可读取媒体的例子,可包含:电子存储介质、磁性存储介质、光存储介质、电磁存储介质、半导体存储介质等。作为计算机可读取媒体的更具体例子,可包含:软盘(登录商标)、磁盘、硬盘、随机存储器(ram)、只读存储器(rom)、可抹除可程序化只读存储器(eprom或闪存)、可电性抹除可程序化只读存储器(eeprom)、静态随机存储器(sram)、光盘(cd-rom)、数字多功能光盘(dvd)、蓝光(rtm)光盘、ms记忆卡、集成电路卡等。

计算机可读取指令包含:组译器指令、指令集架构(isa)指令、机器指令、机器依存指令、微程序代码、固件指令、状态设定数据、或是smalltalk、java(登录商标)、c++等的面向对象程序语言、以及如“c”程序语言或相等程序语言的先前的程序型程序语言;也可包含由1或复数种程序语言的任意组合所撰写出的原始码或对象码的任一者。

计算机可读取指令,针对泛用计算机、特殊目标计算机或是其他可程序化的数据处理装置的处理器或可程序化电路,可通过本地或是局域网络(lan)、因特网等的广域网(wan)来加以提供,并且为了产生用来实行流程图或区块图所指定的操作的手段,而实行计算机可读取指令。作为处理器的例子,包含有:计算机处理器、处理单元、微处理器、数字信号处理器、控制器、微控制器等。

图7表示可将本发明的复数个实施方式的整体或一部分实现化的计算机2200的例子。计算机2200中所安装的程序,能够使计算机2200作为与本发明的实施例的装置附加上关联性的操作,或是该装置的一或复数个区段来发挥功能,或是能够实行该操作或是该装置的一或复数个区段,以及/或是能够使计算机2200实行本实施例的制程或是该制程的阶段。这样的程序可由cpu2212来实行,以使计算机2200实行与本说明书中所述的流程图及区块图的其中几个区块或全部区块附加上关联性的特定操作。

根据本实施例的计算机2200,包含cpu2212、ram2214、影像控制器2216及显示器件2218,这些构件通过主机控制器2210来相互连接。计算机2200还包含如通讯接口2222、硬盘驱动器2224、dvd-rom驱动器2226及ic卡驱动器的输出入单元,这些构件经由输出入控制器2220而连接至主机控制器2210。计算机还包含如rom2230及键盘2242这样的传统输出入单元,这些构件经由输出入芯片2240而连接至输出入控制器2220。

cpu2212遵照被存储于rom2230及ram2214内的程序来运作,并由此控制各单元。影像控制器2216取得被提供于ram2214内的讯框缓冲区或是在其中通过cpu2212所产生的影像数据,并使影像数据被显示于显示器件2218上。

通讯接口2222经由网络来与其他电子器件通讯。硬盘驱动器2224存储有要通过计算机2200内的cpu2212来使用的程序及数据。dvd-rom驱动器2226从dvd-rom2201读取程序或数据,并经由ram2214将程序或数据提供至硬盘驱动器2224。ic卡驱动器从ic卡读取程序及数据,并且/或是将程序及数据写入至ic卡中。

rom2230在其中存储有起动时要通过计算机2200实行的开机程序等、及/或依存于计算机2200的硬件的程序。输出入芯片2240,也可经由并行端口、串行端口、键盘端口、鼠标端口等来将各种输出入单元连接至输出入控制器2220。

程序通过dvd-rom2201或是ic卡之类的计算机可读取媒体来加以提供。程序被从计算机可读取媒体读取出来,且被安装至也可作为计算机可读取媒体的例子的硬盘驱动器2224、ram2214或是rom2230中,并通过cpu2212来实行。撰写于这些程序内的信息处理由计算机2200读取出来而造就程序与上述各种类型的硬件数据之间的合作。装置或方法可通过使用计算机2200实现信息的操作或处理来加以构成。

例如,在计算机2200和外部器件之间实行通讯的情况下,cpu2212可实行被读取至ram2214中的通讯程序,并基于被撰写于通讯程序中的处理,对通讯接口2222下达通讯处理的指令。通讯接口2222在cpu2212的控制下,读取被存储于传送缓冲处理区域中的传送数据并将读取到的传送数据传送至网络、或是将自网络接收到的接收数据写入至接收缓冲处理区域等,其中传送缓冲处理区域及接收缓冲处理区域被提供在如ram2214、硬盘驱动器2224、dvd-rom2201或ic卡的记录媒体上。

又,cpu2212可将被存储于如硬盘驱动器2224、dvd-rom驱动器2226(dvd-rom2201)、ic卡等的外部记录媒体中的档案或数据库的整体或必要部分读取至ram2214中,并对ram2214上的数据实行各种类型的处理。cpu2212接着将已处理过的数据写回外部记录媒体。

各种类型的程序、数据、表格及数据库这样的各种类型的信息,可被存储于记录媒体中并接受信息处理。cpu2212针对从ram2214读取出的数据,可实行本揭示的各处记载的各种类型的处理,并将结果写回ram2214,上述处理包含通过程序的指令序列所指定的各种类型的操作、信息处理、条件判断、条件分歧、无条件分歧、信息的搜寻/置换等。又,cpu2212可搜寻记录媒体内的档案、数据库等之中的信息。例如,在记录媒体内存储有复数个条目(entry),且这些条目具有分别与第2属性的属性值附加上关联性的第1属性的属性值的情况下,cpu2212可从这些复数个条目中搜寻与被指定的第1属性的属性值条件一致的条目,并读取被存储于该条目内的第2属性的属性值,由此取得与满足预定条件的第1属性附加上关联性的第2属性的属性值。

上面已说明过的程序或App模块,可被存储于计算机2200上或是计算机2200附近的计算机可读取媒体中。又,连接至专用通讯网络或因特网的服务器系统中所提供的硬盘或ram之类的记录媒体,可作为计算机可读取媒体而使用,并由此经由网络将程序提供至计算机2200。

以上使用实施例说明了本发明,但本发明的保护范围并不限定于上述实施例中所记载的范围。本领域技术人员能够明确理解到可对上述实施例施加多种变更或改良。自权利要求范围能够明确理解到施加过这样的变更或改良的型态也被包含于本发明的保护范围中。

应注意到,权利要求范围、说明书及图式中表示的装置、系统、程序及方法中的动作、手法、步骤及阶段等的各处理的实行顺序,只要没有特别明确表示“在…之前”、“先加以”等,并且并未将先前处理的输出用在后续处理,便能够以任意顺序来实现。关于权利要求范围、说明书及图式中的动作流程,即便为了方便而使用“首先”、“接着”等来加以说明,也并非意味着一定要以该顺序来实施。

附图标记说明

100试验装置

102测试器本体

104测试头

110治具

112效能板

114探针卡

116针测机

120受测器件

122器件区域

130解析装置

140输入部

150取得部

160机器学习部

170解析部

180管理部

190输出部

2200计算机

2201dvd-rom

2210主机控制器

2212cpu

2214ram

2216影像控制器

2218显示器件

2220输出入控制器

2222通信接口

2224硬盘驱动器

2226dvd-rom驱动器

2230rom

2240输出入芯片

2242键盘

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1

威尼斯人棋牌|威尼斯欢乐娱人城

XML 地图 | Sitemap 地图