Академический Документы
Профессиональный Документы
Культура Документы
Supervisada por:
Dr. Vctor Hugo Champac Vilela
Investigador INAOE
Dr. Jos Luis Garca Gervacio
Investigador Universidad Veracruzana
INAOE 2013
Derechos Reservados
El autor otorga al INAOE el permiso de reproducir y
distribuir copias de esta tesis en su totalidad o en partes
mencionando la fuente.
Resumen
El escalamiento tecnologico ha permitido obtener circuitos con un mejor desempeno en una menor a rea. A medida que se disminuyen las dimensiones el numero de
interconexiones y de transistores aumenta, conllevando a un incremento en la probabilidad de ocurrencia de fallas tanto en la interconexion como en los dispositivos, es decir,
los circuitos fabricados son mas susceptibles a defectos en el proceso de manufactura.
El impacto general de estos defectos en el retardo de los circuitos no es detectado ya
que el incremento de retardo no presenta una gran magnitud, por lo que son difcilmente
detectados dichos defectos comprometiendo la confiabilidad de los circuitos fabricados.
En el primer captulo se presentan las bases conceptuales sobre los principales defectos en interconexiones, as como una explicacion detallada de las principales variaciones de proceso en los dispositivos. Tambien se presenta el estado del arte de tecnicas
convencionales de deteccion de fallas de retardo y luego se describe el concepto de defectos de retardos pequenos y las metodologas de deteccion de este tipo de fallas hasta
ahora propuestas.
En el segundo captulo se presenta la metodologa de deteccion de pequenos retardos, para la cual se explican los conceptos fundamentales de correlacion y como esta
puede ser aplicada en el analisis del retardo de caminos digitales. Este concepto es luego extendido aplicando el analisis de correlacion multivariable, obteniendose as una
mejora en la metodologa propuesta. En el tercer captulo se describen todos los conceptos basicos para modelar estadsticamente el retardo de una trayectoria y de igual
manera las consideraciones necesarias para obtener el grado de correlacion entre caminos.
CAPITULO
0. RESUMEN
Por u ltimo, en el sexto captulo se presentan las conclusiones generales y contribuciones del presente trabajo.
iii
iv
Agradecimientos
Al Concejo Nacional de Ciencia y Tecnologa (CONACYT)
por el apoyo economito para la ejecucion del proyecto a traves de la beca para
estudiantes de maestra.
A los Doctores Vctor Hugo Champac Vilela y Jose Luis Garca Gervacio
por el apoyo en el desarrollo de esta tesis y sus acertados comentarios para mejorar
cada da.
Mil Gracias!
vi
Indice
general
Resumen
Agradecimientos
1. Introduccion
1.2.1. Sistematicas
. . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2. No Sistematicas . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3. Fallas en Circuitos Integrados Digitales . . . . . . . . . . . . . . . . . 28
1.3.1. Defecto de Circuito Abierto . . . . . . . . . . . . . . . . . . . 30
1.3.2. Defecto de Corto Circuito . . . . . . . . . . . . . . . . . . . . 31
1.4. Estrategias de Pruebas por Corriente (IDDQ ) . . . . . . . . . . . . . . . 33
1.4.1. Metodologa de Pruebas Orientadas a Defectos . . . . . . . . . 33
1.4.2. Metodologa de Pruebas de Retardo . . . . . . . . . . . . . . . 35
1.5. Estrategias de Prueba para Retardos Pequenos
. . . . . . . . . . . . . 40
vii
INDICE
GENERAL
1.7. Organizacion de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . 49
51
91
INDICE
GENERAL
3.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4. Metodologa Heurstica de Seleccion de Caminos Logicos
125
171
219
ix
INDICE
GENERAL
A. Desarrollo de una Herramienta Estadstica en MATLAB
223
239
249
266
INDICE
GENERAL
Lista de Tablas
268
xi
INDICE
GENERAL
xii
Captulo 1
Introduccion
El escalamiento tecnologico ha permitido circuitos con mayor densidad de integracion y de alta complejidad. Esto ha permitido obtener circuitos con un mejor desempeno a menor costo. Por otro lado, a pesar de sofisticados procesos de manufactura, los
circuitos fabricados sufren desviaciones de sus caractersticas deseadas y a la vez se
han hecho mas susceptibles a los defectos de fabricacion.
Para verificar la funcionalidad de los circuitos desde el punto de vista del retardo,
se realiza un procedimiento conocido como Delay Testing (pruebas de retardo) el cual
busca caracterizar la informacion de retardo de los caminos crticos. A inicios de la ultima decada, la variaciones de proceso no eran tan crticas, por lo que esta metodologa
de pruebas era una aproximacion determinista del retardo. Con el pasar de los anos la
metodologa de Delay Testing ha sido modificada para tener en cuenta los efectos de las
variaciones de los parametros, anadiendo la parte estadstica al modelado de tiempos.
Por otra parte, se presenta un mayor desafo en cuanto a las tecnicas de prueba, ya
que en tecnologas nanometricas esta aumentando el numero de defectos que crean pequenas desviaciones en el retardo; Tales defectos producen retardos-pequenos (Small
Delays), que son difciles de detectar ya que generalmente estan enmascarados en la
informacion estadstica del retardo de los caminos. Estos defectos cuando no son detectados por las tecnicas tradicionales disminuyen la confiabilidad de los circuitos, ya
que a largo plazo pueden provocar fallas de funcionamiento en los mismos. Este tipo de
defecto es conocido por sus siglas en ingles como SDD (Small Delay Defect), el cual
es de difcil deteccion. Por lo que se deben enfocar esfuerzos a caracterizar su efecto
y a obtener metodologas de pruebas que permitan la identificacion de los mismos y
posteriormente la correccion de su efecto.
Captulo 1. Introduccion
1.1.
1.1.1.
Variaciones ambientales
Debido a esta integracion de dispositivos existe transferencia de calor y acoplamientos entre los componentes. Los principales tipos de acoplamiento existentes debido al
substrato y al empaquetado son el acoplamiento en la red de alimentacion, acoplamiento termico, capacitivo o elestrostatico, inductivo o electromagnetico y resistivo el cual
se presenta entre las lneas y el substrato del semiconductor. Los acoplamientos son los
causantes de fenomenos como el ruido y la interferencia [3].
El impacto de las variaciones ambientales en los circuitos integrados comunmente afectan al retardo, disipacion de potencia estatica y corriente de fuga, donde los
parametros de variacion son el voltaje de alimentacion, el cual se analiza principalmente con una variacion del 10 % y la temperatura con una variacion de 25 a 125 grados
celsius [3]. Estas variaciones provocan degradacion de los dispositivos y las interconexiones as como un impacto significativo en la frecuencia de operacion [2].
1.1.2.
A medida que pasa el tiempo de uso de los dispositivos los circuitos comienzan
a presentar defectos o fallas, las cuales se deben al desgaste, degradacion o envejecimiento de los dispositivos afectando la confiabilidad de los circuitos. Dichas fallas no
4
Captulo 1. Introduccion
presentan un tiempo determinado en el cual hacerse presentes ya que dependen de la
tecnologa y las condiciones de operacion tales como temperatura, voltaje de alimentacion, la frecuencia de uso del dispositivo entre otros.
Existen diferentes fenomenos fsicos que afectan la confiabilidad de los dispositivos, ya sea debido a los materiales del substrato y el o xido, as como la interfase entre
ellos. Los principales fenomenos de degradacion que afectan la confiabilidad son NBTI
(Negative Bias Temperature Instability), HCI (Hot Carriers Injection) y TDDB (Time
Dependent Dielectric Break-down) [4].
1.1.2.1.
NBTI
1.1.2.2.
HCI
En este fenomenos una porcion de portadores fluyen cerca de la region de estrangulamiento del canal, ganando energa de forma significativa debido al alto campo
electrico horizontal en la region de agotamiento. En la region lineal Vds se encuentra distribuido a traves de todo el canal mientras que el maximo campo electrico queda
limitado por el campo crtico, el cual presenta una dependencia directa con la velocidad
de saturacion del transistor, Vd sat . A medida que Vds incrementa al pasar a la region
de saturacion, el exceso de voltaje Vds Vd sat se distribuye en la region de estrangulamiento del canal cerca del drenador. En este punto, el campo electrico presenta una
dependencia exponencial con el espesor del canal [6].
Los portadores que han ganado mucha energa la pierden mediante impactos con
a tomos de silicio produciendo pares electron-hueco. A este fenomeno se le conoce como ionizacion por impacto (Impact Ionization) y contribuye a la corriente de substrato.
Algunos de estos portadores tienen la energa suficiente para romper los enlaces entre
silicio-hidrogeno en la interfase generando trampas.
1.1.2.3.
TDDB
La ruptura del o xido de compuerta con el paso del tiempo se debe a que a e ste
es aplicado constantemente un campo electrico. Debido a efectos de tuneleo algunos
portadores de carga pueden quedar atrapados en el dielectrico, mientras mas carga es
atrapada es posible formar un camino por el cual fluye corriente como se muestra en la
figura 1.3, por lo cual la compuerta y el canal estaran electricamente unidos afectando
el funcionamiento del transistor [8].
Captulo 1. Introduccion
1.1.2.4.
Electromigracion
Este fenomeno ocurre en presencia de densidades de corriente elevadas. La electromigracion hace referencia al transporte de masa dentro del metal debido a la densidad
de corriente, es decir, la existencia de una gran cantidad de electrones ocasiona colisiones o choques con los a tomos del metal provocando movimiento o arrastre hacia
distintas regiones de la lnea. Este arrastre ocasiona que la lnea presente vacos o apilamientos como se muestra en la figura 1.4. Dichas modificaciones en la estructura de
las lineas causa la presencia de fallas tales como ruptura y cortos circuitos [7].
1.1.3.
Variaciones de Proceso
Las variaciones de proceso son fluctuaciones en los valores nominales de los dispositivos, una variacion grande en la geometra y en los parametros de los dispositivos
causa un gran cambio en los valores nominales especificados en el diseno para el cual
fueron disenados.
1.2.
Variaciones de Proceso
Las variaciones de proceso son producto de una amplia gama de factores tales como
el pulido mecanico-qumico (CMP) utilizado para la planarizacion de los o xidos aislantes y las lneas de metal, as como los efectos de proximidad las cuales son consecuencia
de las caractersticas de modelado cuando estas son mas pequenas que la longitud de
onda de la luz y las imperfecciones de la lente en el sistema o ptico. Estas variaciones
afectan tanto a las interconexiones como a los dispositivos a nivel geometra y a nivel
parametro. Existen otras variaciones tales como el espesor del o xido, concentracion de
dopantes, etc [2, 9].
Captulo 1. Introduccion
se refieren a las variaciones fsicas, es decir, propias de layout. Estas variaciones sistematicas se dividen en dos grandes grupos, las variaciones geometricas que afectan a
las interconexiones y las que afectan a los dispositivos. Mientras que las variaciones
no sistematicas son aquellas que afectan directamente a los parametros propios de los
dispositivos y se dividen en dos ramas, las variaciones intra-die y las inter-die [9].
1.2.1.
Sistematicas
Las variaciones sistematicas son aquellas variaciones en las cuales es posible predecir su comportamiento y en la actualidad son bien conocidas, por lo cual es posible
reducir el impacto de dichas variaciones con tecnicas de diseno de layout. Estas variaciones usualmente son resultado del pulido mecanico-qumico (CMP) de la capa
inter-dielectrica (IDL) la cual presenta variaciones debido a la posicion dentro de la
oblea en la que fueron fabricados [10] y la correccion por proximidad o ptica (OPC).
El escalamiento tecnologico ha provocado que el control de la geometra de las interconexiones sea cada vez mas complejo y que las geometras de las lineas de metal
y del dielectrico inter-metal (IMD) sean cada vez mas pequenas [11]. Cuando se reduce el tamano propio de la linea de interconexion la resistencia aumenta, aumentando
a su vez el retardo de los dispositivos. Por lo cual es necesario conocer el impacto de
la manufactura para tener un buen modelado de las mismas. La causa principal de las
variaciones en las interconexiones es el CMP
Captulo 1. Introduccion
Existen variaciones en el ancho de la lnea W, donde las lneas definidas como una
forma rectangular perfecta (figura 1.7 a)) son modificadas obteniendose formas curvadas en las esquinas (corner rounding) como se muestra en la figura 1.7 b) o bien
muestran una forma estrecha en el centro de la lnea de forma no uniforme (line-width
shrinking) como se muestra en la figura1.7 c) [11].
11
Erosion:
teno que resulta en el adelgazamiento del IMD. Entonces, la erosion se define como la
diferencia en el espesor del IMD despues del CMP. El espesor de la pelcula de cobre o
tungsteno tambien es reducido. La magnitud de la reduccion es definida como la suma
del dishing y la erosion. La erosion ocurre tambien debido a que el planarizado de la
superficie no es uniforme a lo largo de la oblea [12, 13].
Captulo 1. Introduccion
interconexion sera menor que en otras como se muestra en la figura 1.10.
1.2.1.2.
Variaciones en Dispositivos
En tecnologas nanometricas los patrones definidos para las mascarillas responsables de delimitar cada dispositivo son cada vez mas pequenos, por lo cual definir una
longitud de onda adecuada para la definicion de estos patrones mediante la fotolitografa es cada vez mas complejo. En el proceso convencional CMOS se maneja que la
longitud de onda debe de estar definida para la dimension mnima (M3) en la que se
disena el circuito, dado que a dicha dimension se presentan variaciones pequenas que
causa un mayor impacto en la funcionalidad del dispositivo. Por esta razon las dimensiones mayores (M1,M2) presentan un error en la definicion de los bordes, a este efecto
se le denomina efecto de proximidad o ptica (OPE) [2].
13
1.2.2.
No Sistematicas
Las variaciones no sistematicas corresponden a aquellas que no pueden ser predichas, es decir, no pueden ser determinadas antes de la manifactura. Este tipo de variaciones presentan efectos que solo es posible describir por medio de la probabilidad y la
estadstica y son resultado del control del proceso de fabricacion y son independientes
del diseno. Las variaciones no sistematicas afectan a los parametros a nivel dispositivo
dentro de las cuales estas las variaciones lote a lote, oblea a oblea, dentro del lote, dado
a dado, de retcula a retcula, y dentro del chip. Estas categora caen dentro de dos tipos
de variaciones de proceso importantes inter e intra-die [2, 14, 15].
1.2.2.1.
Inter-die (D2D)
Las variaciones inter-die se dividen en tres tipos de variaciones, las variaciones lote
a lote, oblea a oblea y dado a dado.En la figura 1.12 a) se muestran las variaciones lote
a lote, b) oblea a oblea y en c)dado a dado.
Las variaciones lote a lote y oblea a oblea se deben principalmente a los diferentes
pasos de fabricacion de acuerdo a los requerimientos del lote y la oblea, por ejemplo a
las diferentes mascarillas utilizadas o bien al desgaste de ellas, estas variaciones tambien depende de la orientacion de las mascarillas sobre la oblea [15]. Para procesos de
14
Captulo 1. Introduccion
Las variaciones dado a dado son causadas por la distribucion de los dados dentro
dentro de la oblea, ya que e sta presenta diferentes caractersticas de acuerdo a la region
de la oblea en la que se encuentre. Los dados que se encuentran en el centro de la oblea
15
Captulo 1. Introduccion
las esquinas propias de cada tecnologa. Estos valores de esquina ayudan a definir un
rango numerico de las maximas variaciones de los parametros [1, 17].
17
Variaciones Correlacionadas
Los parametros en los que impactan este tipo de variaciones son el largo (L) y ancho
de canal (W), espesor del o xido (T ox ) y el voltaje umbral (Vth ). Las variaciones en estos
parametros son consecuencia de distintos pasos del proceso de fabricacion dependiendo del parametro.
18
Captulo 1. Introduccion
Esto significa que para obtener una K1 baja es necesario tener una CD pequena y
una longitud de onda grande lo cual implicara tener una baja resolucion de los
patrones. Por esta razon se busca tener un compromiso entre estos dos factores de
tal forma que la resolucion sea buena y que la dimension crtica sea pequena [15].
En general las variaciones en al ancho y largo de canal se deben principalmente
a efectos de proximidad o ptica, desviaciones en la mascarilla, defectos, a ngulos
de enfoque de los lentes y foto-sistemas utilizados durante el proceso, as como
la distancia de separacion (d) entre la mascarilla y el lente como se muestra en la
figura 1.17.
19
Variaciones en T ox :
El crecimiento del o xido de compuerta es uno de los pasos mas importantes
del proceso de fabricacion de transistores MOS. La integridad estructural, caractersticas electronicas y la uniformidad del espesor del dielectrico de compuerta
son parametros que deben ser controlados de forma precisa para asegurar la correcta operacion de los dispositivos.
Captulo 1. Introduccion
No obstante, conforme los dispositivos se escalan hacia dimensiones fsicas cada
vez mas pequenas, las ligeras variaciones en rugosidad del o xido de compuerta
pueden equipararse al espesor mismo del dielectrico. Por ejemplo, en un transistor con una longitud de canal de 30nm, el o xido de compuerta debe tener un
espesor de alrededor de 1.2nm, si se supone una rugosidad superficial del o xido
de 0.3nm, esto dara como resultado una variacion del espesor del dielectrico de
alrededor de 25 % a lo largo del a rea del canal.
Ademas, de forma adicional a las variaciones fsicas del espesor del o xido, en los
transistores actuales que se fabrican en dimensiones muy por debajo de los 65nm
los efectos mecanico-cuanticos juegan un papel muy importante. Una consecuencia de lo anterior impacta directamente en los modelos clasicos de la operacion
del transistor MOS. En e stos se asume que la carga en el canal se controla a traves
del potencial de compuerta aplicado a un capacitor cuya capacitancia esta determinada estrictamente por el espesor fsico del o xido.
Sin embargo, los efectos de las dimensiones de canal muy pequenas sobre los
portadores ocasionan que el canal no se forme en la superficie del semiconductor, sino que se forma a una distancia dentro del semiconductor. Entonces, el
espesor electrico (tambien llamado espesor efectivo) determina la magnitud del
acoplamiento electrico entre la compuerta y la carga en el canal [7, 22].
Variaciones en Vth :
Estas desviaciones aumentan debido a la variacion en la dosis de implante, energa,
o a ngulo, afectando la profundidad de union y el perfil de dopado e implantacion
ionica; El dopado es un metodo mediante el cual se modifica la concentracion de
21
A traves del dopado se modifica la resistividad de regiones especficas del material semiconductor. Por lo tanto, si se desea aumentar la densidad de electrones
(region tipo n) en el semiconductor, se eligen impurezas donadoras (fosforo,
arsenico, etc.) que se caracterizan por tener un electron adicional con respecto a
los a tomos en el cristal. Por otro lado, si lo que se requiere es aumentar la densidad de huecos (region tipo p), se eligen a tomos aceptores (boro, galio, etc.)
que poseen un electron menos [8].
En cualquiera de los dos casos, las impurezas se introducen al cristal por medio
de procesos a altas temperaturas y/o altas energas, como la difusion termica o
la implantacion ionica. La implantacion ionica es una tecnica de dopado de semiconductores en la cual las impurezas se introducen en el cristal en forma de
iones altamente energizados. Estos iones proceden de un plasma generado en el
implantador y son acelerados por medio de campos electricos de gran intensidad. El control de la direccion del haz de iones se realiza por medio de campos
magneticos y permite definir con mucha precision las regiones en las cuales las
impurezas deberan introducirse [12].
Captulo 1. Introduccion
perfil de impurezas puede alcanzar profundidades que dependeran de la energa
cinetica de los iones antes del impacto. No obstante, las impurezas que se han introducido por implantacion no son electricamente activas, es decir, se encuentran
distribuidas de forma aleatoria en la red y no estan ocupando espacios especficos
de la estructura cristalina. Es por eso que para la activacion de impurezas despues
de la implantacion se necesita de un proceso termico a alta temperatura. En este
proceso las impurezas pasan a ocupar lugares de la red y comienzan a funcionar
como fuentes de huecos o electrones en exceso [13].
Dentro de las ventajas que la implantacion tiene con respecto a otros metodos de
dopado estan: el gran control que se tiene para definir las regiones que deberan
doparse, el control sobre la dosis de impurezas que se introducen (numero de
impurezas por unidad de a rea) y perfiles de dopado mas controlados, es decir, no
se tiene mucha difusion lateral (impurezas que se difunden hacia los lados, fuera
de las dimensiones lmite de la region que se quiere dopar).
Variaciones Independientes
Las variaciones independientes son tambien conocidas como aleatorias, estas variaciones no presentan correlacion entre los dispositivos. Estas variaciones se deben a los
lmites propios de cada material, las cuales impactan en las caractersticas electricas de
dispositivos con geometras identicas [19, 23].
Variaciones pequenas tales como rugosidad en el largo de canal, variaciones atomicas en el espesor del o xido, localizacion y numero de a tomos de dopantes dentro del
transistor y la diferencia de granularidad debida a la estructura policristalina del polisilicio afectan fuertemente las caractersticas electricas de los dispositivos debido a que
estar imperfecciones son comparables al tamano del dispositivo. [24]. Random Dopant
Fluctuations (RDF), Line Edge Roughness (LER), Oxide Thickness Variations (OTV),
23
Actualmente la variacion en el voltaje umbral debido a este fenomeno es del 3035 % en tecnologa de 65nm [26]. El impacto del RDF es predominante cuando
24
Captulo 1. Introduccion
se trabaja en la region subumbral, esta region de operacion aunado a la variacion
en el voltaje umbral incrementa los fenomenos de canal corto como la disminucion en la barrera del dreno del transistor, conocido como Drain Induce Barrier
Lowering (DIBL). Se ha estudiado que modificar el a rea efectiva reduce el efecto
de este fenomeno, un transistor grande implica un mayor costo de silicio y un
incremento en el consumo de potencia dinamico [23].
25
Captulo 1. Introduccion
del canal y el potencial en la compuerta; Es por esto que las variaciones que afectan al canal de los transistores nanometricos, como el RDF, tambien ocasionan
variaciones en el espesor del o xido de compuerta [19].
Algunas de las aplicaciones del poli-silicio son: como fuente de difusion para el
dopado de regiones poco profundas, cuando se dopa fuertemente funciona como lnea de interconexion y tambien para fabricar resistencias de alta magnitud.
Tambien, al usarse como electrodo de compuerta en tecnologas CMOS el dopado del poli-silicio se utiliza para modular su funcion trabajo, y as ajustar el
voltaje de encendido del transistor. Desafortunadamente, al dopar el poli-silicio
las impurezas tienden a acumularse en las fronteras de grano y algunas de e stas
se difunden de manera localizada a traves del o xido hacia el substrato (en el caso
de o xidos ultra-delgados). Estos fenomenos distorsionan el campo electrico en el
canal, y a su vez esto causa variaciones en el voltaje de encendido del transistor [19].
27
1.3.
Para llegar a metodologas de pruebas para los circuitos integrados se requiere modelos que permitan llenar la brecha entre la realidad fsica y la abstraccion matematica.
Los modelos mas importante son los de fallas [30]. Sin embargo, el comportamiento
incorrecto que puedan tener los sistemas electronicos es usualmente descrito de diferentes formas. Terminos usualmente usados para esto son defecto, error y falla. A
1
2
28
Captulo 1. Introduccion
continuacion se dan las definiciones para estos terminos de acuerdo a lo usado en esta
tesis.
Definicion 1 (Defecto). Un defecto en un sistema electronico es la diferencia no deseada entre el valor disenado y el obtenido luego del proceso de manufactura. Algunos
defectos tpicos en circuitos VLSI son los debidos a proceso como la ausencia o adicion
de materiales no esperados y la ruptura del o xido; los defectos en los materiales como
las imperfecciones en el cristal y los defectos de uso como la ruptura del dielectrico o
los efectos de electromigracion [31].
Definicion 2 (Error). Una senal de salida erronea producida por un sistema defectuoso
es conocido como un error, es decir, es el impacto que causa un defecto en el desempeno del circuito. Generalmente, los errores causan una desviacion en el desempeno
nominal de los circuitos y afectan caractersticas inherentes de los transistores, tales
como la corriente o el voltaje umbral.
Definicion 3 (Falla). Las fallas en circuitos integrados digitales son una representacion
de los defectos y los errores.
Existen dos tipos de fallas que pueden ser causada por los defectos o los errores
dependiendo del impacto en el comportamiento del circuito y ambos tipos de fallas
conllevan a una perdida en el yield del proceso de manufactura [32]:
Falla Catastrofica: Si la falla hace que el circuito deje de ser operacional.
Falla Parametrica: Si la falla hace que el circuito sea operacional pero presenta
una desviacion en el desempeno respecto a las especificaciones.
Por otra parte, el escalamiento tecnologico produce circuitos con densidades de
integracion altas [33], lo que se traduce a la existencia de billones de interconexiones
29
1.3.1.
Los defectos de circuito abierto se deben a una ruptura total o parcial del material
conductor de la lnea de interconexion. Cuando la ruptura es total se le conoce como
un defecto completamente abierto (full-open) y causa que la informacion de la senal no
pueda ser transmitida, por ejemplo, de una compuerta a otra. Cuando se presenta una
ruptura parcial se le conoce como un defecto de resistencia abierta (resistive-open) lo
que se ve reflejado en que solo parte de la informacion puede ser transmitida. En la
figura 1.24 se presentan ambos tipos de defectos. Esta clase de defectos aumentan la
resistencia asociada a la interconexion, la cual depende del tipo de ruptura en la misma.
En [34] se han clasificado como defectos de ruptura altas cuando la resistencia es mayor
a 10M y bajas o debiles cuando es menor a dicho valor.
Las principales causas de la ruptura de las interconexiones se debe a [33, 35]:
La presencia de partculas indeseadas en la superficie de la oblea durante el proceso de litografico.
Deficiencia en la deposicion del metal.
Dishing y Erosion debido al proceso de planarizacion qumico-mecanico (CMP).
Aglomeracion de Silicio.
Efectos Antena..
Las rupturas completas (full-opens) conllevan a la aparicion de nodos flotantes en
las entradas de las compuertas por lo que el valor de voltaje queda determinado por
los acoplamientos electricos respecto a otras lneas de interconexion, esto produce un
30
Captulo 1. Introduccion
1.3.2.
31
Captulo 1. Introduccion
1.4.
1.4.1.
Una de las metodologas mas estudiadas para determinar la existencia de un defecto en un circuito integrado es la que se basa en la medicion de las corrientes de fugas,
conocida como pruebas IDDQ ; se basa en la medicion de la corriente de polarizacion de
un dispositivo en estado estable. En la logica CMOS estatica se consume poca potencia
cuando sus entradas presentan un valor constante (estado estable) dado que no existe un
camino de polarizacion directo entre VDD y tierra, por lo que si un dispositivo presenta
altos valores en dicha corriente puede ser indicador de la existencia de un defecto [38].
Las pruebas con base en la corriente IDDQ permiten detectar defectos de corto circuito entre dos lneas de interconexion de senal, o de polarizacion o combinacion de
estos casos. Un defecto activo degrada la funcionalidad del dispositivo ya que disminuye metricas de interes como los margenes de ruido. Por otra parte, puede que el defecto
no impacte directamente en la funcionalidad del circuito pero si en el aumento el con
Instituto Nacional de Astrofsica, Optica
y Electronica
33
Captulo 1. Introduccion
una cantidad significativa de corriente fluye a traves de ambos transistores, por tanto es
posible identificar un dispositivo defectuoso debido al aumento en corriente de fugas
que se presenta debido al defecto [38].
1.4.2.
1.4.2.1.
35
Con este modelo se asume que el retardo extra causado por el defecto tiene la suficiente magnitud para evitar que la transicion llegue a cualquier salida primaria en el
tiempo en el que se realiza la observacion (captura de la senal de salida). En otras palabras, se asume que la falla de retardo puede ser observada independientemente de la
propagacion de la transicion, es decir, sin importar si se considera un camino largo o
uno corto [41].
Captulo 1. Introduccion
salidas del circuito, la falla se muestra en la salida O2 (curva roja).
La principal ventaja del modelo de fallas por transicion es que el numero de fallas en
el circuito es lineal en terminos del numero de compuertas. Por otra parte, es un enfoque
muy optimista ya que se supone que la falla de retardo tiene la suficiente magnitud para
poder propagar su efecto hasta una salida primaria, y esto es menos probable al analizar
caminos con poca profundidad logica como se menciona en [41].
de retardo esta concentrada en una compuerta del circuito. Sin embargo, al contrario
que para el modelo anterior, no se asume que el incremento en el retardo de la compuerta afectara el desempeno del circuito, por lo que el enfoque de este modelo es
independiente del camino de propagacion del defecto. Se asume que solo caminos largos que pasan a traves de la ubicacion de la falla pueden degradar el desempeno del
circuito [41].
37
Captulo 1. Introduccion
La principal ventaja de este modelado de pruebas consiste en que permite detectar retardos de magnitudes pequenas distribuidos a traves del camino. Sin embargo, su
principal inconveniente radica en que es extremadamente costoso realizar las pruebas
a cada uno de los caminos existentes en un circuito logico ya que este es exponencial
con el numero de compuertas y entradas.
En la tabla 1.1 se presenta una comparacion entre los tres modelos explicados, se
observa que el numero de fallas para los dos primeros modelos es lineal respecto al
numero de compuertas, con un fallas detectadas concentradas en una compuerta seleccionada y con magnitudes de fallas dectectables altas. Para el caso del modelo de fallas
por retardo el numero de fallas que se pueden detectar es exponencial debido a que el
numero de caminos respecto al numero de compuertas ha demostrado tener dicha tendencia, sin embargo, este es el u nico modelo que permite detectar fallas de diferentes
rangos y distribuidas a traves del camino logico.
Modelo de Fallas
Transicion
Compuerta
Camino
Numero de Fallas*
Lineal
Lineal
Exponencial
Fallas Detectadas
Concentrada
Concentrada
Distribuidas
Magnitud Detectable
Grandes
Mayores al Umbral
Pequenas a Grandes
Tabla 1.1: Comparacion de los Diferentes Tipos de Modelos De Fallas [41].*Respecto al Numero de Compuertas
39
1.5. Estrategias de Prueba para Retardos Pequenos
1.4.2.2.
1.5.
Captulo 1. Introduccion
41
1.5. Estrategias de Prueba para Retardos Pequenos
camino P3 .
Speed Binning.- Es el proceso de categorizar los circuitos fabricados basados en la respuesta temporal que presentan; en otras palabras, es el proceso en el que se determinan aquellos circuitos considerados
como rapidos, lentos, o con velocidad de respuesta nominal.
42
Captulo 1. Introduccion
mayor que para el P1 , por lo que puede considerarse como un camino de longitud media. Por otro lado, se observa que el camino P3 al tener un menor retardo
respecto al ciclo del reloj presenta un mayor valor de slack time que para los caminos anteriores, por lo que es considerado como un camino corto.
d s3 > d s2 > d s1
Considerando los defectos de retardos pequenos se observa que caminos con
tiempos de slack menores presentan una mayor probabilidad de deteccion, ya
que el tamano del defecto es relativamente pequeno. En cuanto a caminos con
profundidad media (mayor slack time) el tamano del defecto puede no ser comparable al a su slack time haciendo difcil su deteccion. De igual manera sucede
para caminos cortos, ya que estos requieren tamanos de defectos considerablemente mayores para ser detectados [44].
43
1.5. Estrategias de Prueba para Retardos Pequenos
de proceso tienen una influencia significativa en el retardo de un camino, por lo
que se hace necesario tener en cuenta su impacto en la banda de guarda.
Figura 1.34: El nuevo ciclo del reloj queda establecido por la distribucion estadstica del LCP.
En la figura 1.34 se muestra la distribucion estadstica para el LCP de un circuito
dado. Se observa que el nuevo valor del periodo del reloj queda determinado por
la esquina derecha de la distribucion normal del LCP, ya que esta representa los
posibles valores de retardo mas lentos que se pueden obtener para el LCP.
Captulo 1. Introduccion
Figura 1.35: Distribuciones de Retardo Para Dos Caminos Con Diferentes Magnitudes de Defecto.
En este caso la distribucion normal defectuosa esta traslapada con la distribucion
de retardo del camino bajo analisis. Esta zona de interseccion se caracteriza por
disminuir la confiabilidad del circuito ya que como se observa caminos con defectos no estan siendo detectados. Es decir, son caminos que escapan a la prueba
de retardo realizada; este fenomeno se define a continuacion.
Definicion 4 (Test Escapes). Son aquellos caminos que caen en la region punteada a la izquierda del umbral (Figura 1.35(b)) y que a pesar de ser defectuosos
son considerados como libres de defectos. Debido a esto se dice que son circuitos que se ((escaparon)) a la prueba realizada (region punteada en azul). Este
escenario impacta en la confiabilidad del circuito implementado [28, 40].
El problema de confiabilidad es de vital importancia en la industria de circuitos
45
1.5. Estrategias de Prueba para Retardos Pequenos
integrados, ya que en gran cantidad de aplicaciones es necesario asegurar que los
circuitos utilizados cumplen la funcion especificada a lo largo del tiempo de vida
u til de los mismos. Con el fin de disminuir la cantidad de circuitos que escapan a las metodologas de prueba se ha estudiado el caso en el que el umbral
de deteccion es trasladado a la interseccion de las distribuciones del LCP y el
camino bajo analisis. Como se muestra en la figura 1.36 el numero de caminos
defectuosos que no son detectados se reduce (region punteada en azul), aumentando la confiabilidad del circuito. No obstante, dicho escenario induce a que se
tenga el caso contrario, en el que mas caminos sin defectos sean considerados
defectuosos y por lo tanto conlleve a descartar dicho circuito, este inconveniente
se conoce como perdida del yield y se define a continuacion:
Definicion 5 (Yield Loss). Hace referencia a la disminucion en el yield del proceso. Se debe a que una vez realizada la metodologa de pruebas, circuitos que
estan libres defectos son considerados como defectuosos y por lo tanto son circuitos descartados, por lo que representa una perdida innecesaria (region punteada
en amarillo).
Captulo 1. Introduccion
1.5.1.
Uno de los metodos para detectar SDD es estimar el retardo del camino durante
el proceso de prueba en vez de solo comprobar que cumple con la restriccion temporal presupuestada. Esto puede ser llevado acabo con la metodologa de pruebas como
faster-than-at-speed ya que permitan multiples capturas del retardo en el intervalo de
slack [48]. Si el retardo del camino excede el valor nominal, entonces esto puede ser
considerado como un indicador del defecto. No obstante, como se menciono en la seccion anterior, debido a las variaciones de proceso los valores del retardo de un camino
ya no pueden ser obtenidas de manera determinista, por lo que en esta metodologa no
es posible determinar si el aumento o decremento en el retardo es debido al defecto o a
las variaciones de proceso.
Los SDDs son difciles detectar en las metodologas de pruebas tradicionales, dado
que no son propiamente estudiados ni con pruebas del tipo stuck-at ni con pruebas del
tipo de transicion de fallas. En [48] se ha determinado que los defectos de circuito
abierto son los que mayoritariamente no son detectados en la metodologas de pruebas.
En general, la va mas efectiva para detectar defectos de retardos pequenos es hacerlo analizando caminos largos, considerando el efecto de las variaciones del proceso
y diferenciando si el aumento de retardo es debido a un defecto en el proceso o a una
variacion en el mismo [45].
47
1.6. Justificacion
Desde este enfoque, los autores en [49] han propuesto una metrica de cobertura de
fallas para detectar el camino mas largo sensibilizado que pasa por el sitio en el que
se encuentra una falla. Se basa principalmente, en el analisis robusto del retardo de
caminos y busca encontrar el camino mas largo que pasa por la falla generando una
transicion de subida o de bajada en el mismo. Sin embargo, es altamente costoso la
implementacion de este modelo para circuitos grandes, ya que el numero de caminos
en un circuito es una funcion exponencial del numero de compuertas. En cuanto a los
autores en [50] proponen una metrica basada en caminos y conos digitales, para estimar
el retardo del camino bajo analisis. No obstante, este metodo presenta varios inconvenientes, el principal es que se basa en un analisis estatico de tiempos y no considera los
efectos de variaciones de proceso, ni su impacto en los caminos que se analizan.
1.6.
Justificacion
Debido al escalamiento tecnologico se han obtenido circuitos con un mejor desempeno. Sin embargo, la reduccion en el tamano de los transistores tambien ha causado
se aumenten algunas problematicas propias del diseno de circuitos, como lo son problemas de confiabilidad a causa de determinar que circuitos defectuosos son libres de
defectos, ademas del otro extremo en el que circuitos libres de defectos sean determinados como defectuosos disminuyendo el yield del proceso. Dado que con metodologas convencionales de pruebas el tamano del defecto detectable es comparable con
el tiempo de slack, no es posible detectar facilmente los defectos causados por retardos
pequenos. En este trabajo se presenta una alternativa metodologica de deteccion independiente del tiempo de slack y que permite detectar defectos de retardos pequenos con
base en la informacion de correlacion entre caminos. Esta alternativa supone que para
camino bajo analisis es necesario tener un camino de referencia con el cual el grado de
correlacion sea alto y para tal efecto se proponen metodos heursticos de seleccion.
48
Captulo 1. Introduccion
1.7.
Organizacion de la tesis
La siguiente parte de la tesis esta dividida en cinco captulos que permiten obtener
los lineamientos para la obtencion de caminos digitales que permitan predecir pequenos
retardos utilizando la correlacion entre caminos. El captulo 2 resumen la metodologa
de deteccion de pequenos retardos, seguido del captulo 3 en el que se presentan todos los conceptos basicos para la obtencion de correlacion entre caminos, luego en el
captulo 4 se muestran los analisis realizados a camino bajo analisis (PUT) con los cuales se determinaron las consideraciones o caractersticas que debe poseer un camino
para ser utilizado en la metodologa de deteccion, seguido del captulo 5 en el que se
aplican la metodologa de seleccion y de deteccion de pequenos retardos en circuitos
ISCAS. Esta tesis finaliza en el capitulo 6 con las mas significativas conclusiones y
sugerencias para el trabajo futuro.
49
50
Captulo 2
En este captulo se describe la metodologa de deteccion de pequenos retardos utilizando la informacion de correlacion entre caminos logicos de un circuito digital. Una
vez conocido el grado de correlacion entre las salidas del circuito, esta metodologa
permite establecer un marco de referencia para detectar defectos de retardos pequenos
(SDD) y diferenciarlos de aquellos retardos producidos por las variaciones de proceso.
51
2.1.
Uno de los principales conceptos aplicados en los analisis estadsticos es el de la correlacion, ya que permite identificar dependencia entre variables de interes. Para aplicar
correctamente este concepto se presentan los aspectos generales en los que esta basado
el analisis de correlacion.
2.1.1.
La covarianza es un concepto ampliamente estudiado en la estadstica, ya que permite analizar el comportamiento conjunto de dos variables aleatorias determinadas.
Esta puede interpretarse como la medida de la relacion lineal entre las dos variables
bajo estudio y queda determinada por la ecuacion 2.1 [51].
(2.1)
= E[xy] x y
La covarianza indica la existencia de una relacion lineal entre variables, por lo que la
ecuacion 2.1 permite identificar cuando dos variables determinadas no tienden a variar
linealmente y cuando existe una variacion conjunta lineal.
La covarianza es mayor que cero cuando el valor esperado del producto de las variables es mayor a la multiplicacion de sus medias, lo que significa que el aumento
del valor de los datos de la media de una variable indicara que existe un aumento con
respecto a la media de los datos de la segunda variable. Del mismo modo se puede
analizar el caso en el que la covarianza es menor que cero, lo cual sucede cuando es
mayor el producto de las medias que el valor esperado del producto de los valores de
cada variable, por lo que el aumento con respecto a la media de una variable indicara la
52
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
disminucion con respecto a la segunda variable [51].
cov(x, x) = 2x
(2.2)
cov(x, y) = cov(y, x)
(2.3)
3. Si existen dos variables aleatorias X y Y, las cuales se conoce que son independientes implica que su covarianza es igual a cero, sin embargo lo opuesto no es
cierto ya que algunos pares de variables presentan una covarianza de cero y no
ser independientes, ya que pueden existir otro tipo de relacion entre las mismas.
Indica
Independencia cov(x, y) = 0
cov(x, y) = 0
No Indica
(2.4)
Independencia
(2.5)
cov(a + b x, c + d y) = b d cov(x, y)
(2.6)
53
2.1.2.
En [52] se presenta el analisis desarrollado por Sir Francis Galton. En sus estudios
observo que hijos de padres altos tendan a ser altos pero como media eran mas bajos que sus padres, y de igual manera en sentido contrario, en cuanto a que los hijos
de padres bajos tendan a ser bajos pero en promedio no tan bajos como sus padres.
Entre los principales objetivos de Galton se encuentran estudios antropometricos para
entender como las caractersticas fsicas de la descendencia de un ser humano estaban
relacionadas con sus progenitores. Con sus analisis Galton reconocio que la ecuacion
de prediccion que mejor estima la variable aleatoria Y denominada criterio, en funcion
de la variable aleatoria X denominada predictora, es la solucion de la ecuacion lineal Y
dada por:
Y = byx X + C
(2.7)
y = byx x
(2.8)
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
En la figura 2.2 se unen los conceptos de regresion a la media y de recta de estimacion, en la que se busca que los errores (residuos) sean minimizados, es decir que una
mayor cantidad de puntos queden mas cercanos a la recta trazada. Para esto, se aplica la
tecnica de analisis de datos estadsticos de optimizacion llamada mnimos cuadrados,
el cual consiste en un promedio del cuadrado de los residuos, tal y como se muestra en
la ecuacion 2.9 [52].
Ve =
=
=
n
X
e2
i=1
n
X
n
X
(y y )2
i=1
(y byx x)2
n
(2.9)
i=1
n
2
X
y 2byx xy + b2yx x2
i=1
Para obtener el mnimo de una funcion con respecto a una variable determinada se
debe derivar la expresion e igualar a cero:
55
(2.10)
= 2cov(x, y) 2byx 2x = 0
Obteniendose:
byx =
cov(x, y)
2x
(2.11)
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
b xy =
cov(x, y)
2y
(2.12)
Con los estudios de Galton, Karl Pearson modifico las expresiones encontradas para
estandarizar las medidas dividiendo por las desviaciones estandar de cada una de las
variables, lo cual tambien puede ser desarrollado obteniendo la media geometrica de las
dos pendientes relacionadas con el estudio (b xy y byx ), dando como resultado la ecuacion
conocida como el Producto-Momento del Coeficiente de Pearson (PPMCC) [53].
s
q
r xy = b xy byx =
r xy =
cov(x, y)cov(y, x)
2x 2y
(2.13)
cov(x, y)
x y
57
r x,y = (x, y)
"
!
!#
x x y y
=E
x
y
cov(x, y)
=
x y
2.1.2.1.
(2.14)
Error de Prediccion
Los diagramas de dispersion permiten comprobar si existe una relacion lineal entre
dos variables aleatorias estudiadas, por lo que se busca determinar la recta de regresion
que minimiza la diferencia entre la estimacion y la observacion realizada. En este caso
la variable ubicada en el eje de las ordenadas (y) es la que se busca explicar o predecir
por la relacion existente con la variable del eje de las abscisas (x). Sin embargo, hay que
tener en cuenta que las palabras explicar y predecir no son sinonimas, as que se debe
tener claro el objetivo del analisis realizado. Generalmente en investigacion se busca
explicar, es decir, comprender las diferencias entre una variable a partir de la relacion
con otra variable y entender en que medida las diferencias en la variable X explican las
diferencias en la variable Y.
Como se vio anteriormente, el objetivo es determinar la curva de regresion que explique las diferencias de las variables y que a su vez minimicen el error de prediccion,
a continuacion se muestra el desarrollo de la ecuacion del error bajo dos metodos llegando al mismo resultado.
2.1.2.2.
Metodo Analtico
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
regresion mostrado en la seccion anterior, en la que se determina que la pendiente byx
es la que minimiza la suma de los residuos al cuadrado, y que es necesario conocer que
tan grande es la varianza del residuo (error) del analisis. Partiendo del concepto de error
o residuo, elevando la diferencia al cuadrado y obteniendo su promedio se obtiene que
la varianza del residuo puede ser determinada de la ecuacion 2.15, en la cual se parte
de la recta estimada por las desviaciones estandar de las variables x e y.
Vr =
n
X
r2
i=1
n
X
(y y )2
i=1
n
X
(y byx x)2
i=1
cov(x,y)2
Vx
i=1
n
X
y2 2byx xy + b2yx x2
cov(x,y)2
Vx
2 cov(x,y)
V x cov(x, y)
2 cov(x,y)
= Vy
Vx
cov(x,y)2
Vx
Vr = Vy r2xy Vy = Vy (1 r2xy )
(2.15)
Para obtener la ecuacion de varianza del error obtenido se tiene en cuenta que V x =
2x , Vy = 2y y Vr = 2r = 2e , dado como resultado la ecuacion 2.16.
exy
2.1.2.3.
q
= 2y (1 2xy )
(2.16)
Metodo Grafico
59
Figura 2.3: Diagrama de Venn Para Dos Variables Aleatorias X e Y con un grado
de correlacion de 0.7
2y = 2exy + 2Pxy
(2.17)
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
Figura 2.4: Representacion en diagrama de venn para las varianzas de las variables
aleatorias X e Y.
2xy
2Pxy
(2.18)
2y
En la ecuacion 2.18 se procede a sustituir la varianza compartida, la cual se determina por el despeje de la ecuacion 2.17.
2xy
2y 2exy
2y
2y
2y
2exy
2y
=1
2exy
2y
(2.19)
Despejando la varianza del error de prediccion se observa que este presenta una
dependencia con el grado de correlacion de las dos variables analizadas, es decir el
coeficiente de determinacion.
exy
q
= 2y (1 2xy )
(2.20)
61
2.1.3.
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
(a) Homoscedasticidad
(b) Heteroscedasticidad
63
2.1.4.
Correlacion Multiple
2.1.4.1.
Y = 1 X 1 + 2 X 2 +
(2.21)
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
y X2 .
v
t
R2Y.X1 X2
2
2
rY,X
+ rY,X
2rY,X1 rY,X2 rX1 ,X2
1
2
1 rX2 1 ,X2
(2.22)
65
Y = 1 X 1 + 2 X 2 + + N X N +
(2.23)
Para este caso se obtiene que la variable Y es modelada por una combinacion lineal
de las variables X1 hasta XN cuyo impacto en la variable a predecir se vera representado
por la magnitud de los coeficientes que acompanan a cada variable conocidos como
factores beta () los cuales son analogos a los coeficientes b del caso de una variable
predictora, representa el error de aproximacion de la regresion realizada.
Para este analisis se hace necesario conocer una medida que exprese como la variable de interes Y se relaciona con las N variables (Xi ). Este concepto es analogo al
de correlacion entre dos variables y es una generalizacion del mismo ya que permite
conocer como una variable varia conjuntamente respecto a una serie de variables que
la componen o describen, y es conocido como grado de correlacion multiple. Dado que
el coeficiente de correlacion por si solo no indica en que proporcion se relacionan las
variables, se opto por analizar el coeficiente de determinacion multiple que esta representado por R2 .
Si se tiene que las N variables (Xi ) presentan un grado de correlacion nulo entre las
mismas, el coeficiente de determinacion multiple es la suma del grado de correlacion
elevado al cuadrado de cada variable independiente con la variable de interes, este caso
es representado con el diagrama de venn de la figura 2.9, en el que las variables X1 y
66
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
Sin embargo en la practica es comun encontrar que las variables predictoras tienen
un determinado grado de correlacion y por lo tanto es de vital importancia considerar
el grado de correlacion entre las mismas; a este tipo de correlacion se le conoce como
correlacion parcial y se denota como ryx y el coeficiente de correlacion multiple de una
variable Y en funcion de las N variables independientes X se denota como R2y,x1 x2 xn . A
continuacion se presenta el caso para dos variables predictoras que presentan un grado
de correlacion parcial determinado.
R xx
1 r
x1 ,x2 r x1 ,x3
r x ,x
1 r x2 ,x3
2 1
= r x3 ,x1 r x3 ,x2
1
..
..
..
.
.
.
r
xN ,x1 r xN ,x2 r xN ,x3
r x1 ,xN
r x2 ,xN
r x3 ,xN
..
...
.
(2.24)
67
(2.25)
T
R2y,x1 x2 xn = R xy R1
xx R xy
(2.26)
ey,x1 x2 xn
q
= (1 R2y,x1 x2 xN )
(2.27)
Sin embargo no siempre esto es correcto ya que si las variables predictoras estan
altamente correlacionadas, basicamente aportan la misma informacion al analisis, lo
que indica que se describe la misma cantidad de la varianza de la variable Y, es decir
sea una variable predictora o tres si estan altamente correlacionadas se llegara al mismo
resultado [55].
68
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
69
2.2. Metodologa de Deteccion de Retardos Pequenos
rY.X1 rY.X2 .
2.2.
Bajo la suposicion que dos caminos pueden ser modelados estadsticamente mediante las metricas de media y desviacion estandar del retardo se pueden aplicar los
conceptos explicados anteriormente para obtener una metodologa de deteccion de retardos pequenos que tiene como base principal la invariancia de la informacion de correlacion entre los caminos logicos analizados.
2.2.1.
Se conoce como correlacion entre caminos a la correlacion existente entre las distribuciones estadsticas de dos caminos en un circuito y representa el grado de relacion
que existe entre las varianzas del retardo de ambas trayectorias. Por lo tanto al realizar
la medicion del retardo de ambos caminos en el circuito el grado de correlacion debe
ser el mismo, de otra manera un defecto esta presente en el camino analizado. Por lo
tanto, el principio de la desviacion de la correlacion representa una tecnica de deteccion
de retardos que permite determinar la existencia de defectos de retardo muy pequenos
en cualquier trayectoria del circuito.
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
71
2.2. Metodologa de Deteccion de Retardos Pequenos
Una vez que se tiene la informacion de las muestras de retardo de los trayectos se
procede a identificar si la informacion de correlacion calculada en el bloque anterior
coincide con la informacion recopilada. Si los valores concuerdan indica que ninguno
de los trayectos presenta un defecto, sin embargo si existe una diferencia en los valores
se determina que existe un defecto en uno de los trayectos.
2.2.1.1.
Se analiza el caso de dos variables que cumplen con las caractersticas de normalidad, linealidad y homoscedasticidad. Las variables quedan definidas por su valor medio
y desviacion estandar como se indica en 2.28. Se asume para este analisis un grado de
correlacion alto entre las variables.
X N(X , X )
Y N(Y , Y )
(2.28)
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
variables de interes. Dicha dependencia puede ser explicada a traves de la lnea recta
definida con la ecuacion 2.29. En la que m hace referencia a la pendiente de la recta y
C el cruce con el eje de las ordenadas.
Y = mX +C
(2.29)
(Y + 3Y ) (Y 3Y )
(X + 3X ) (X 3X )
Y
m=
X
m=
(2.30a)
(2.30b)
La ecuacion 2.30 hace referencia al caso en el que el grado de correlacion entre las
variables X y Y se aproximan a la unidad, y queda determinada por la relacion de las
desviaciones estandar de la variable Y respecto a la de la variable X.
Por otra parte, la ecuacion 2.30 queda definida en funcion de las variables estandaX
) cada variable se presenta el caso en que la
rizadas X y Y . Al estandarizar (X = X
X
0
recta cambia el punto de cruce del eje de las ordenadas al origen, obteniendose que la
73
2.2. Metodologa de Deteccion de Retardos Pequenos
0
variable estandarizada Y queda definida por la ecuacion 2.31b.En este caso el valor de
la pendiente puede ser obtenido mediante la aplicacion de la ecuacion 2.31c.
Y =mX
(X X )
(Y Y )
=m
Y
X
(Y Y ) X
m=
(X X ) Y
(2.31a)
(2.31b)
(2.31c)
Ahora bien, dado que en la practica no existen variables con correlacion de uno,
se hace necesario enfocar el analisis para el caso en el que el grado de correlacion es
menor a la unidad. Y es en este enfoque donde el concepto de desviacion estandar del
error es ampliamente utilizado. Como se explica en la seccion anterior, el error de estimacion permite determinar que tanta diferencia existe entre la recta de regresion de
una variable y el valor puntual de la observacion de dicha variable.
El error de estimacion en este caso puede analizarse para determinar que tan alejado
esta un dato de la recta de regresion cuando el grado de correlacion entre las variables
analizadas es menor a la unidad y queda determinado por la ecuacion 2.32.
eX,Y =
q
2Y (1 2X,Y )
(2.32)
Hasta el momento se ha analizado el caso de dos variables completamente correlacionadas, en el que una variable predice exactamente los valores de la otra variable, y el
caso en el que las dos variables presentan una correlacion menor a uno, introduciendo
el concepto de desviacion estandar del error. Este analisis puede ser extrapolado para
cualquier par de variables independientemente de lo que estas representen.
Para el caso de este trabajo, se supone que dados dos caminos logicos de un circuito
74
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
se conoce su distribucion de retardo, las cuales quedan representadas por las variables
X y Y. Conociendo el grado de correlacion entre estas distribuciones la metodologa
planteada indica que se puede determinar cuando existe un defecto en el camino que se
desea analizar.
75
2.2. Metodologa de Deteccion de Retardos Pequenos
cuales se espera que se presente el valor de retardo de Y1 . Ya que se estan analizando
variables gaussianas el rango de valores esta acotado por una variable gaussiana con un
valor medio dado por la aproximacion FC y con una desviacion estandar determinada
por el error de estimacion (eX,Y ).
(2.33a)
(2.33b)
De la figura 2.13 se observa que el rango esta limitado por los valores Y1,U para la
cota superior y Y1,L para la cota inferior, los cuales pueden ser calculados utilizando
la expresion 2.33. Dado que la expresion de la desviacion estandar del error esta en
funcion del grado de correlacion se puede concluir que si la variable X tiene un valor
determinado, el valor de Y debe estar acotado en eX,Y para que el grado de correlacion
entre las variables sea el esperado, de lo contrario existe una variacion en la distribucion
del retardo del camino analizado.
Utilizando el valor de pendiente calculado en 2.31c para el caso de correlacion igual
a uno, que se puede determinar el valor de Y1,FC en funcion de X1 .
Y1,FC
!
Y
= m X1 + C =
X1 + C
X
(2.34)
(2.35)
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
!
Y
(X1 X ) + 3eX,Y
(Y1,U Y ) =
X
!
Y
(X1 X ) 3eX,Y
(Y1,L Y ) =
X
(2.36a)
(2.36b)
Con los valores obtenidos en 2.36 se obtiene una expresion que acota el rango en
el que la informacion de correlacion entre las variables X y Y para una muestra dada
coincide (X1 ), siendo este expresado por la ecuacion 2.37:
!
!
Y
Y
(X1 X ) 3eX,Y (Y1 Y )
(X1 X ) + 3eX,Y
X
X
(2.37)
2.2.1.2.
En la figura 2.14 se presenta el caso de aproximacion para un trayecto objetivo denominado con la variable aleatoria Y respecto a dos trayectos predictivos X1 y X2 . Si
se conoce la distribucion de las variables X1 y X2 y el grado de correlacion que estas
presentan, el concepto de correlacion multiple puede ser utilizado para detectar varia
Instituto Nacional de Astrofsica, Optica
y Electronica
77
2.2. Metodologa de Deteccion de Retardos Pequenos
Y = X2 X2 + X1 X1 + 0
(2.38)
Donde Y es la variable que se desea aproximar, generalmente conocida como variable criterio. Y los terminos X1 y X2 hacen referencia a las variables estadarizadas
utilizadas para predecir el comportamiento de la variable criterio, en otras palabras son
las variables predictoras. Para una aproximacion estandarizada de la variable se puede
obtener el valor de desviacion estandar del error utilizando la ecuacion 2.39.
eY.X1 X2 =
78
q
1 R2Y.X1 X2
(2.39)
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
Por lo tanto la expresion 2.37 es igualmente valida para este caso ya que el valor
que directamente se modifica es la de la magnitud del rango establecido por eX,Y .
2.2.2.
Teniendo el marco referencial de correlacion entre variables, este concepto sera aplicado para detectar defectos de retardos en caminos logicos de circuitos. Asumiendo que
dos caminos logicos denominados P1 y P2 presentan una distribucion estadstica X y
Y respectivamente, la expresion 2.37 para este caso queda determinada por la ecuacion
2.40.
!
!
Y
Y
(X1 X ) 3eX,Y (Y1 Y )
(X1 X ) + 3eX,Y
X
X
(2.40)
79
2.2. Metodologa de Deteccion de Retardos Pequenos
retardo para cada camino se obtiene que el camino 1 presenta un valor de retardo X1 y
el camino 2 un valor Y1 se dice que el camino bajo analisis no presenta defectos. Sin
embargo, si para el camino 2 se obtiene un valor Y(1,de f ) se dice que el camino bajo
analisis presenta un defecto ya que la informacion de correlacion no concuerda con la
esperada.
Figura 2.16: Mnima variacion del retardo que puede ser detectada.
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
un valor igual a Y1 , cuya valor puede ser obtenido utilizando la ecuacion 2.41.
Y1,FC
!
Y
=
X1
X
(2.41)
Utilizando este principio, los retardos pequenos que incrementan el retardo de los
caminos lo suficiente como para sobrepasar el intervalo umbral de deteccion pueden
ser identificados del incremento en el retardo de los caminos debidos a las variaciones
de proceso. Por lo que el retardo mnimo detectable, puede ser representado como el
menor incremento de retardo que puede ser detectado para una determinada condicion
de varianza del retardo del camino bajo analisis y un grado de correlacion especifico.
Este incremento mnimo es considerado tomando el valor de Y1,FC como referencia y
es representado como Ymin .
Ymin = 3eX,Y
2.2.3.
(2.42)
81
2.2. Metodologa de Deteccion de Retardos Pequenos
.Eficiencia de la Deteccion(DE) que da una medida cuantitativa del grado de deteccion
de la distribucion normal del camino bajo prueba. Esta metrica proporciona informacion equivalente a la correlacion, pero indica cuantitativamente la resolucion de la
deteccion realizada.
Esta metrica es representada graficamente en la figura 2.17, en la que Y es el valor
medio de la distribucion del retardo,Y y e representan la desviacion estandar del
retardo y la desviacion estandar del error, respectivamente.
!
e
100 %
DE = 1
Y
(2.43)
La DE puede ser calculada utilizado la expresion 2.43, la cual como se menciono anteriormente es una normalizacion del valor de desviacion estandar del retardo a la desviacion estandar del camino analizado, indicando que para altos valores de esta metrica
82
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
se obtendra que los defectos de retardo pequeno podran ser identificados en mayor
proporcion de la varianza del camino. Otro punto de importancia es que al existir un
grado de correlacion bajo (cero) en el peor de los casos la metodologa permite detectar
defectos mayores a 3e .
2.3.
A continuacion se exponen algunos puntos relevantes sobre los beneficios que presenta la metodologa planteada, as como su relacion con metodologas de pruebas similares:
del Defecto y Profundidad Logica.- En las metodologas de pruebas
Tamano
de retardo convencionales el tamano del defecto que puede ser detectado esta determinado segun el retardo del camino analizado con respecto a la senal de reloj
fijada o al tiempo en el que se captura la senal de salida.
Con la metodologa propuesta el tamano mnimo del defecto que se puede detectar ya no es determinado por la respuesta temporal del camino analizado ya
que se basa en la informacion de correlacion respecto a otro camino y no respecto a la informacion de retardo respecto al reloj del sistema. Por lo que con esta
metodologa caminos de diferentes profundidades logicas pueden ser probados.
Esquinas de Proceso.- Se tiene el caso en el que las metodologas de pruebas
analizan circuitos fabricados en la esquina de proceso lenta o rapida.
Segun la metodologa de pruebas de retardos convencionales en aquellos circuitos que presenten una respuesta lenta se podra obtener un menor valor de defecto
detectable, ya que la respuesta de sus caminos tiende a aproximarse al ciclo de
reloj especificado, mientras que para circuitos rapidos sucede lo contrario ya que
83
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
Figura 2.19: Diagrama de Tiempos Para un Circuito con Respuesta Temporal Lenta
y Rapida.
senta un valor cercano a la media de la distribucion denotado por X2 , lo que indica
que para el segundo camino la respuesta esta ubicada cerca al valor medio del retardo con un mnimo valor detectable 2 . Para una tercera muestra se tiene que
esta vez su valor se aproxima al extremo derecho, es decir una respuesta temporal mas lenta que la tpica (X3 ), nuevamente para el segundo camino se tiene un
mnimo detectable en el mismo extremo de la distribucion con una magnitud 3 .
Ahora bien, dado que en los todos casos se analiza el mismo conjunto de caminos la informacion del grado de correlacion es la misma en los tres escenarios,
por lo que se tiene que el retardo mnimo detectable es igual para caminos con
respuestas temporales lentas, tpicas o rapidas, es decir:
1 = 2 = 3
(2.44)
85
Figura 2.20: Representacion de los diferentes escenarios en los que un defecto puede ser detectado
respuesta lenta, ya que el mnimo tamano de defecto tiende a ser pequeno debido
a su proximidad con la respuesta del reloj, y por lo tanto el tamano de defecto
mnimo detectable en una metodologa de retardo convencional dependera del
tiempo de guarda asignado al circuito. Tal como se menciono previamente, la
metodologa propuesta en esta tesis no va a depender del tiempo de guarda.
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
2.4.
Dado que la metodologa propuesta tiene por base la comparacion entre medidas
de retardo se debe especificar que tipos de muestreo son ideales para llevar la a cabo.
La mejor mejor alternativa para esta metodologa es realizar mediciones continuas del
retardo de los trayectos en tiempo real, sin embargo, esto supone un costo elevado alto
y un tiempo computacional excesivo.
Para el muestreo del retardo convencionalmente se presentan dos tecnicas, la primera de estas se realiza a traves de mediciones indirectas de retardo, las cuales tiene
por principio identificar la relacion existente entre el desempeno del circuito y estructuras integradas al circuito. Para este caso, la tecnica mas utilizada es la de insercion de
anillos osciladores (ring-oscillators) en un lugar especifico del dado. La frecuencia de
87
Dado que se busca obtener valores precisos de retardo se deben aplicar metodologas de pruebas de retardo con muestreo directo, entre las cuales en [47] se presenta
la tecnica multiple-clock schemes la cual permite obtener valores exactos de retardo a
un bajo costo computacional, en esta tecnica el retardo de un circuito es aproximado
con base en el comportamiento del circuito para diferentes intervalos de observacion.
Esta tecnica ha demostrado ser economica y eficiente para la medicion de retardo [60].
Trabajos como el de Sing et al [47] han sido propuestos como una metodologa de pruebas de retardo eficiente.
88
Captulo 2. Metodologa Propuesta para la Deteccion de Retardos Pequenos
Esta tecnica de muestreo es ideal a ser aplicada con la metodologa planteada. Sin
embargo, la resolucion de la misma es un factor que se debe analizar. En esta tecnica,
las mediciones son obtenidas mediante un proceso de muestreo-cuantizacion, lo que
indicara que si la resolucion de este proceso no es la adecuada puede que no se detecte
el retardo mnimo (min ) ya que se puede asegurar que el defecto presenta un mayor que
este pero no se puede asegurar que sera cercano al proximo valor observado. En [56],
se propone para minimizar el error de muestro, que el tiempo de observacion debe ser
menor al valor min .
89
2.5. Conclusiones
2.5.
Conclusiones
En este captulo se ha desarrollado la propuesta metodologica de deteccion de retardos pequenos con base en el concepto de correlacion entre caminos. Se inicia con
los aspectos generales de correlacion entre variables aleatorias, los cuales son aplicados
para el caso de distribuciones de retardo de dos caminos logicos. As mismo, se expone
una mejora en la metodologa utilizando el concepto de correlacion multiple. Se denota que entre las ventajas de la tecnica propuesta se presenta que es independiente de
la profundidad logica, y de la esquina de operacion del circuito fabricado, ademas de
disminuir los test escapes lo que se ve reflejado en una mejora en la confiabilidad del
mismo. Y de igual manera, disminuye el numero de circuitos que son descartados aun
siendo libres de defectos, lo que indica que aumenta el yield del proceso
90
Captulo 3
Para calcular el grado de correlacion entre caminos se ha desarrollado una herramienta que realiza analisis estadstico de tiempos, teniendo en cuenta variaciones de
proceso intra e inter-die y su correspondiente modelado de correlacion espacial. Los
efectos de variaciones puramente aleatorias o independientes fueron tambien considerados.
91
3.1.
3.1.1.
3.1.2.
El principal objetivo del desarrollo de un analisis estadstico de tiempos o Statistical Static Timming Analysis (SSTA) es considerar las variaciones existentes en los
parametros de proceso de los transistores para analizar con mayor exactitud y de forma menos pesimista que un analisis estatico, el retardo de propagacion de un circuito
digital. El metodo de Monte Carlo es uno de los analisis mas utilizado en la industria
para modelar dicho tipo de variaciones [63], sin embargo este requiere un gran tiempo
computacional para obtener resultados precisos [64, 65].
93
Se han estudiado diferentes enfoques para generar herramientas de SSTA [9], encontrandose que el metodo mas simple para modelar variaciones en el retardo es definiendo los parametros que lo componen como variables aleatorias con una distribucion
estadstica determinada, siendo la distribucion de retardo resultante una funcion estadstica del mismo tipo. Por otra parte, existen dos aproximaciones para implementar
una herramienta SSTA, dependiendo de como se desea realizar el analisis, estas son:
3.1.2.1.
Ao = max(Ai + Di o, A j + D j o)
(3.1)
95
3.2.
3.2.1.
Modelado de la Variabilidad
Como se menciona en el capitulo 1, los dispositivos y las interconexiones presentan variaciones en los parametros de proceso. Para los dispositivos las variaciones de
mayor importancia son las que se presentan en la longitud y ancho de canal, el espesor
del o xido y el voltaje umbral. En cuanto a interconexiones se tienen variaciones en el
espesor, el largo y el ancho de la interconexion, as como en la separacion entre lneas
de metal y el espesor de la capa inter-dielectrica (ILD) [67].
P N(P , P )
(3.2)
Donde:
P es el valor medio que toma el parametro.
P es la desviacion estandar del parametro causada por las variaciones de proceso.
Las variaciones espacialmente correlacionadas estan compuestas por variaciones fsicas de los parametros que siguen un comportamiento determinado y pueden ser estimadas analizando la disposicion fsica del layout. Estas variaciones se generan debido
a los efectos de proximidad o ptica y el proceso de pulido mecanico-qumico (CMP) .
Estas variaciones presentan un grado de correlacion especfico entre transistores ubicados en diferentes posiciones del dado. El valor nominal (media) del parametro es dado
por el fabricante de la tecnologa, mientras que del valor de desviacion estandar no se
da informacion alguna, sin embargo, puede ser calculado con base en los modelos de
esquinas o asignando un porcentaje de variacion determinado.
97
Segun [19], el numero de dopantes en tecnologas nanometricas es de algunos cientos de a tomos. Por lo que, la estructura de dopado es discreta en vez de continua, lo que
afecta las caractersticas propias de los transistores, entre las cuales, la mas afectada es
el voltaje umbral. El efecto en este parametro puede ser modelado utilizando la ecuacion 3.3, en la que el valor de Vth0 hace referencia al porcentaje de variabilidad nominal
asignado al voltaje umbral, (Lmin ,Wmin ) a las dimensiones mnimas para un transistor en
la tecnologa trabajada, y (Le f f ,We f f ) a las dimensiones del transistor analizado.
s
VthR = Vth0
Lmin Wmin
Le f f We f f
(3.3)
De la ecuacion 3.3, se puede observar que la u nica variable de control para disminuir
el impacto de RDF es el area del transistor, ya que al aumentar el area los efectos de
RDF disminuyen. No obstante, transistores mas grandes significa un incremneto en la
cantidad de silicio por dado, as como un considerable aumento del consumo dinamico
de potencia [19].
98
3.2.2.
Modelado de Correlacion
COV(X, Y)
X Y
(3.4)
3.2.2.1.
Correlacion Parametrica
A nivel transistor se presenta una dependencia entre los parametros de los transistores que puede ser entendida como un tipo de correlacion parametrica. Este tipo de
correlacion se estudia desde dos enfoques, el primero es un enfoque fsico en el que
uno o varios parametros de los transistores comparten pasos del proceso de fabricacion, por lo que existe una dependencia en sus valores.
99
Correlacion Espacial
Se asume que todas las compuertas en una rejilla de un mismo nivel en particular presentan una correlacion de la unidad en sus parametros. Las variaciones entre
parametros de compuertas en rejillas diferentes se asumen independientes. De esta forma, el grado de correlacion entre dos compuertas queda determinado por el numero
de rejillas que comparten entre s. Para todos los casos se supone que el nivel superior
representa la superficie del circuito.
En la figura 3.6 se presenta un ejemplo para el caso de un camino compuesto por
4 compuertas. La variacion del parametro de un transistor en una rejilla en el nivel
inferior es representada mediante la suma de las variaciones en todas las rejillas que
101
(NOT 1)
(3.5a)
(NOT 2)
(3.5b)
(NOT 3)
(3.5c)
(NOT 4)
(3.5d)
103
La segunda seccion toma en cuenta los efectos de variables correlacionadas en ambas compuertas, el cual disminuye con el aumento de la distancia, indicando las variaciones al interior de un mismo dado (curva azul). La tercera seccion de la grafica
presenta un comportamiento constante, lo que hace referencia a que dos compuerta
presentaran un mnimo grado de correlacion obtenido por estar ubicadas en el mismo
104
(PA , PB ) = exp
R
A,B
CD
(3.6)
Donde:
PA y PA representan el parametro P en las posiciones A y B.
RA,B es la distancia entre las compuertas A y B.
CD es la distancia de correlacion, la cual es una constante que indica a que distancia desde el punto de referencia se puede considerar que el grado de correlacion
es constante.
q
(x j xi )2 + (y j yi )2
(3.7)
El modelo espacial de correlacion exponencial permite incluir efectos de variaciones intra e inter-die, asignando un porcentaje determinado al impacto que tiene cada
105
RA,B
CDWID
RA,B
CDD2D
(3.8a)
(3.8b)
(3.8c)
Donde:
(PA , PB ) representa el grado de correlacion total entre los parametros, WID (PA , PB )
representa el aporte intra-die y WID (PA , PB ) el aporte inter-die del parametro en
las posiciones A y B.
KWID y KD2D representan los porcentajes asociados a cada tipo de variacion.
CDWID y CDD2D representan las distancias de correlacion para cada tipo de variacion.
Un concepto clave en el modelo espacial exponencial de correlacion es la magnitud asignada a las constantes de distancia de correlacion WID-D2D. Suponiendo un
porcentaje de variacion del 80 % para variaciones intra-die y un porcentaje del 20 %
para variaciones inter-die, se analizo el comportamiento de la correlacion en funcion
de la distancia entre compuertas para diferentes valores de distancias de correlacion
(CDWID ,CDD2D ). Para el caso WID, se observa en la figura 3.10(a) que el maximo valor obtenido a una distancia cercana a cero es de 0.8 para todos los casos y a partir de
este valor la pendiente con la que decae el grado de correlacion depende del valor de
CD asignado, para este caso se obtiene que la correlacion es mayor con el aumento de
CDWID .
106
En 3.10(b) se muestra el caso inter-die, el cual inicia con un valor de 0.2 por el
porcentaje de variacion asignado. Se presenta el mismo comportamiento que para el
caso WID, con la diferencia que el grado de correlacion disminuye en menor proporcion
(mas lenta), lo que indica que dos compuertas ubicadas en los extremos del dado aun
107
3.3.
La ecuacion 3.9 presenta los componentes generales del retardo pin a pin (T D ) de
una compuerta, el cual es funcion de k parametros tecnologicos (P), el voltaje de polarizacion (Vdd ), la capacitancia de carga (C L ) y el tiempo de subida o bajada de la senal
de entrada (tin ). Generalmente, los u ltimos terminos se asumen constantes y se obtiene
que el retardo es una funcion de los parametros P.
T D = f (P, Vdd , C L , tin )
(3.9)
#
"
#
"
#
T D
T D
T D
+
P1 +
P2 + +
Pk
P1
P2
Pk
"
T D = T D0
T D = T D0 + S P1 P1 + S P2 P2 + + S Pk Pk
(3.10a)
(3.10b)
k
X
S Pm m
(3.11)
m=1
Donde:
T D0 : Retardo Nominal.
S Pm : Sensibilidad del retardo a variaciones en el parametro Pm . Es la razon de
cambio del retardo respecto al parametro y es evaluada en el valor nominal.
Pm : Desviacion estandar del parametro Pm .
109
3.3.1.
Vdd LT oxC L
ox (Vdd Vth )
(3.12)
T D = f (L, W, T ox , Vth )
(3.13)
Por lo que esta funcion tambien puede expandirse mediante series de Taylor para
analizar pequenas variaciones en los parametros de interes. Una aproximacion a dicho
procedimiento se presenta en [11] donde se utilizan expresiones que modelan estadsticamente el retardo, determinando su valor medio (Ec. 3.14) y su varianza (Ec.3.16).
"
T D = T D
1 ( + 1)2Vth 2W
1+
+ 2
2 (Vdd Vth )2
W
!#
(3.14)
Cabe senalar que la varianza del retardo de una compuerta esta en funcion de cada
parametro, ya que estos contribuyen e impactan de diferente manera el calculo de la
110
2T D ,L
2T D ,W
2T D ,Tox
2T D ,Vth
!2
T ox 2 2
L
W
!2
Cl Vdd
T ox L 2 2
=
W
ox (Vdd Vth )
W
!2 2
L
Cl Vdd
=
2Tox
2Vth
(3.15a)
(3.15b)
(3.15c)
(3.15d)
Obteniendose que la varianza del retardo queda determinada por la suma de las
varianzas del aporte de la variacion de cada uno de los parametros:
2T D = 2T D ,L + 2T D ,W + 2T D ,Tox + 2T D ,Vth
3.3.2.
(3.16)
El modelo lineal de retardo es una aproximacion teorico-practica utilizada para obtener la descripcion estadstica del retardo de una compuerta. A partir de las expresiones
en 3.10 se pueden obtener metricas que modelen la media y la desviacion estandar del
retardo de una compuerta, con base en valores obtenidos mediante simulacion HSPICE [9].
gate = D0
gate =
k
X
(3.17a)
S m m
(3.17b)
m=1
Retomando la expansion de series de Taylor se tiene que la media del retardo esta
dada por el valor medido en HSPICE, teniendo como referencia el tiempo que demora
la senal de entrada llegar a la salida respecto al punto medio de polarizacion, con los
111
Varianza Correlacionada
las variaciones que afectan uniformemente a los parametros de una misma compuerta,
dicha variacion puede suponerse uniforme debido a que los transitores son proximos
entre s y el impacto de la variacion tendera a ser el mismo. La expresion 3.17b aplicada a los parametros bajo analisis permite obtener la expresion 3.18, donde la S hace
referencia al concepto de sensibilidad del retardo y se define como la razon de cambio del retardo respecto a la variabilidad del parametro y P la desviacion estandar del
parametro.
2
2Dcorr = S 2L 2L + S W
2W + S T2 ox 2Tox + S V2 th 2Vth
Varianza Independiente
(3.18)
modela los efectos no correlacionados al interior de la compuerta, nuevamente la expresion 3.17b puede ser aplicada para considerar los efectos aleatorios deseados, en
este caso se tiene en cuenta la fluctuacion aleatoria de dopantes (RDF), la cual impacta directamente en el voltaje umbral del transistor, por lo que para cada transistor en
la compuerta se debe analizar por separado para obtener su impacto en el valor final
de la varianza. En este caso, ya que en una compuerta pueden existir transistores con
diferentes tamanos, se debe obtener para cada uno el valor de desviacion estandar que
112
S t21
2Vth
1
S t22
2Vth
2
+ +
S t2n
2Vthn
n
X
S t2 2Vtht
(3.19)
t=1
3.4.
(3.20)
Z = S U M(X, Y)
(3.21a)
Z = X + Y
(3.21b)
2Z = 2X + 2Y + 2 COV(X, Y)
(3.21c)
113
3.4.1.
3.4.1.1.
Al aplicar el operador suma a una cadena de dos inversores cuyos retardos fueron
modelados como variables aleatorias gaussianas se obtiene la distribucion del retardo
final del camino, tal como se observa en la figura 3.12. La distribucion del retardo se
representa como D1 para el primer inversor y D2 para el segundo, con un valor dado
por la expresion 3.22.
D1 = D1,0 +
D2 = D2,0 +
k
X
m=1
k
X
S 1,m X1,m
(3.22a)
S 2,m X2,m
(3.22b)
m=1
Donde Di,0 son los valores de retardo medio de cada compuerta en el camino, S i,m
es la sensibilidad del retardo de la compuerta i ante la variacion del parametro m y Xi,m
representa la variacion del parametro m en la compuerta i.
114
Generalmente, se asume que el tiempo de llegada inicial puede ser modelado como
una senal constante con un valor medio de cero y una varianza de cero, al aplicar el
operador suma entra la entrada reprensetada por An,in y la distribucion estadstica del
retardo de la compuerta representada por D1 se obtiene que el resultado es el valor
de D1 por las caracteristicas de la senal de entrada especificadas. Por lo que la salida
de la primera compuerta es An,1 =D1 . Luego para la segunda compuerta del camino, al
valor obtenido se le debe adicionar la distribucion del retardo de la segunda compuerta
(G2 ) utilizando el operador suma se obtiene que la distribucion del retardo del camino
mostrado es:
DP = S U M(An,1 , D2 ) = S U M(D1 , D2 )
(3.23a)
P = D1 + D2 = D1,0 + D2,0
(3.23b)
(3.23c)
Para determinar por completo la distribucion de retardo de un camino se debe obtener el termino de covarianza entre los retardos de las compuertas G1 y G2 , el cual
es obtenido mediante la aplicacion de la ecuacion 3.24, que depende del valor de las
sensibilidades del retardo ante la variacion de los cuatro parametros de interes y la
covarianza entre las variaciones de los mismos en cada compuerta.
115
(3.24)
(3.25)
Por ejemplo, para la longitud de canal la expresion de covarianza estara dada por
COV(Xi,L , X j,L ) = i, j i,L j,L . Cabe resaltar que para los analisis realizados en esta tesis
solo se considero que exista un grado de correlacion o de covarianza entre el mismo
parametro en diferentes ubicaciones del dado, lo que significa que la covarianza queda
en funcion del cuadrado de la desviacion estandar del parametro, es decir, la varianza
del mismo.
COV(D1 , D2 ) =
k
X
(3.26)
m=1
La covarianza entre compuertas del camino logico bajo analisis compuesto por dos
compuertas inversoras, puede representarse mediante una sumatoria de terminos que
tome en cuenta el producto de sensibilidades, el grado de correlacion espacial y la
variabilidad de los parametros, ecuacion 3.26.
116
2DP
N
X
2Di
+2
i=1
N X
N
X
COV(Di , D j )
(3.27)
i=1 j=i+1
COV(Di , D j ) =
k
X
(3.28)
m=1
(3.29)
117
2DP =
k
N X
N X
X
(3.30)
3.4.2.
Asumiendo que se conoce la distribucion del retardo para cada compuerta representandos por la Ec. 3.31.
118
D1 = D1,0 +
D3 = D3,0 +
k
X
m=1
k
X
S 1,m X1,m
S 3,m X3,m
D2 = D2,0 +
D4 = D4,0 +
k
X
m=1
k
X
S 2,m X2,m
(3.31a)
S 4,m X4,m
(3.31b)
m=1
m=1
Donde Di,0 son los valores medios del retardo de la compuerta i, S i,m representa la
sensibilidad del retardo de la compuerta i ante variaciones del parametro m, y Xi,m la
variacion del parametro m de la compuerta i de cada camino. Se tiene entonces que la
covarianza total entre caminos se calcula obteniendo el valor de covarianza entre todas
las combinaciones de compuertas posibles del camino A respecto al camino B, es decir:
(3.32)
+ COV(D2 , D3 ) + COV(D2 , D4 )
Cada covarianza entre compuertas se debe calcular utilizando la expresion 3.28
teniendo en cuenta el valor de la sensibilidad del retardo para cada parametro (L, W,
T ox , Vth ), el porcentaje de variacion asignado a cada uno y el grado de correlacion entre
los parametros para cada combinacion de compuertas.
3.4.2.1.
Para caminos con mayores profundidades logicas se debe extender el concepto mostrado en el caso de una cadena de dos inversores. Dado que se debe analizar cada combinacion de compuertas no es necesario que ambos caminos presenten la misma profundidad logica, el numero de compuertas en ambos caminos impactara en el numero
de terminos sumados para obtener el valor de covarianza total.
La covarianza entre caminos esta determinada por la covarianza entre las compuer
Instituto Nacional de Astrofsica, Optica
y Electronica
119
NB
NA X
X
COV(Di,PA , D j,PB )
(3.33)
i=1 j=1
El valor de covarianza entre compuertas de diferentes caminos puede ser calculada utilizando las expresiones 3.28 y 3.29 para obtener la ecuacion 3.34 la cual es una
expresion compacta que modela la covarianza entre caminos, en funcion de las sensibilidades, el grado de correlacion espacial y la variabilidad de los parametros.
COV(DPA , DPB ) =
NA X
NB X
k
X
(3.34)
3.4.2.2.
Se debe analizar el caso en el que los dos caminos analizados presentan compuertas
compartidas, es decir cuando existe lo que se conoce como correlacion estructural. En
la figura 3.16 se analizan el trayecto A compuesto por las compuertas G1 G2 G3 y el
trayecto B compuesto por las compuertas G4 G3 , dado que ambos trayectos terminan
en la misma compuerta las variaciones de los parametros afectan en igual magnitud a
ambos caminos.
120
Para obtener el valor final de covarianza entre caminos se debe obtener en primer lugar las covarianzas entre todas las posibles combinaciones de las compuertas de ambos
caminos lo cual se presenta en la ecuacion 3.35.
(3.35)
+ COV(D3 , D4 ) + COV(D3 , D3 )
121
(3.36)
+ COV(D3 , D4 ) + 2D3
3.4.3.
122
COV(DPA , DPB )
DPA DP B
(3.37)
3.5.
Conclusiones
123
3.5. Conclusiones
124
Captulo 4
Metodologa Heurstica de Seleccion de
Caminos Logicos
Uno de los principales inconvenientes en la metodologa de deteccion de retardos
pequenos es la correcta seleccion de los caminos que seran utilizados con el fin de predecir el comportamiento de un camino objetivo, ya que existen consideraciones en las
que a pesar de ser caminos proximos y altamente correlacionados la informacion que
aportan al analisis no es de gran utilidad. Es por esto que se hace necesario identificar las principales caractersticas presentes en los trayectos de un circuito digital. Los
circuitos digitales presentan un gran numero de caminos y sera laborioso obtener especficamente un camino deseado que ayudara en la metodologa de deteccion, as que
se buscan estrategias de solucion que permitan obtener una serie de caminos aptos para
la misma sin incrementar la complejidad del analisis.
125
Este captulo esta estructurado de la siguiente manera: la seccion 4.1 presenta los
analisis preliminares que se han realizado para determinar el comportamiento de los
trayectos. Con base en los resultados obtenidos se presenta en la seccion 4.2 los metodos heursticos de seleccion, los cuales son probados en caminos seleccionados en la
seccion 4.3. En la seccion 4.4 se presenta la metodologa de seleccion con base en los
heursticos propuestos. Finalmente, en la seccion 4.5 son presentadas las conclusiones
del captulo.
4.1.
Analisis Preliminares
Esta seccion esta compuesta por una serie de analisis que buscan comprobar que
existe una tendencia determinada para las metricas de varianza del retardo de un camino logico, la covarianza entre caminos y la desviacion estandar del error. En el primer caso se analiza el impacto de modificar el porcentaje de variabilidad asignado a los
parametros de los transistores. En el segundo caso se estudian cadenas de inversores
con diferentes profundidades logicas y en el tercero con distintos valores de capacitancia. Despues se analizan caminos con diferentes estructura topologica. Finalmente, se
analiza el impacto de considerar variaciones independientes y el efecto de correlacion
estructural entre caminos de interes.
4.1.1.
4.1.1.1.
El experimento consiste en analizar dos caminos A y B, los cuales aumentan simultaneamente su profundidad logica desde uno hasta veinte inversores; teniendo una
separacion de 20 ul entre compuertas de cada camino y de 20 ul de separacion entre los
dos caminos con las consideraciones del modelo de correlacion espacial mostradas en
la tabla 4.1.
K [ %]
CD [ul]
WID
75
60
D2D
25
1200
3P
=10 %
P
y en para el caso II de
3P
=30 %.
P
127
4.1.1.2.
En la figura 4.4 se observa la varianza del camino B con respecto al incremento del
numero de compuertas para ambos casos de variabilidad la curva naranja hace referencia a un porcentaje del 10 % y la violeta al 30 %. De la figura se concluye que existe
una relacion directa entre la magnitud de la varianza y el porcentaje de variabilidad
asignado a los parametros. Este comportamiento puede ser explicado analticamente
129
(a) Terminos e
131
Para el caso en el que existe una mayor separacion entre las compuertas de los
caminos analizados se obtiene el comportamiento mostrado en la figuras 4.7(a) para
los terminos componentes de la desviacion estandar del error y en la figura 4.7(b) para
la desviacion estandar del error. Se observa que existe una diferencia marcada con
respecto al caso de compuertas cercanas, lo que indica que se debe prestar especial
atencion a la distancia de separacion entre las compuertas de los caminos bajo analisis.
132
4.1.2.
En este caso se analizan tres caminos con diferentes profundidades logicas. Se busca
comprobar que el comportamiento de la varianza del camino analizado, la covarianza
entre caminos y la desviacion estandar del error presenta la misma tendencia.
Caso
Uno
Dos
T res
N Compuertas Camino A
11
15
20
N Compuertas Camino B
1, 2, 3 11
1, 2, 3 15
1, 2, 3 20
RS [ul]
3
30
60
90
120
133
La varianza final del camino B en cada uno de los casos queda determinada por el
numero total de compuertas que componen el mismo, para los tres caminos bajo analisis
se presenta un incremento en el valor de varianza con respecto a la profundidad logica,
el caso que presenta menor varianza es el mostrado en la figura 4.8(a) (11 Compuertas)
y el mayor valor para la figura 4.8(c) con 20 compuertas.
Figura 4.8: Varianza del Camino B Para Caminos con Diferentes Profundidades
Logicas
4.1.2.2.
Se obtiene que la covarianza entre caminos para cada uno de los casos analizados
presenta un comportamiento creciente con el numero de compuertas del camino B y
disminuye con el aumento en la distancia de separacion entre las compuertas de los
134
Figura 4.9: Covarianza entre el Camino A y el Camino B en Funcion de la Profundidad Logica para los Tres Conjuntos de caminos bajo analisis
4.1.2.3.
135
Figura 4.10: Desviacion Estandar del Error Para Caminos con Diferentes Profundidades Logicas
La primera region observable se obtiene para caminos con compuertas ubicadas
muy cercanas entre s, y muestra un comportamiento aproximadamente parabolico con
el numero de compuertas del camino B (curva negra), y la segunda region definida para
caminos alejados, en la que la desviacion estandar del error aumenta monotonicamente
con el numero de compuertas del camino B (casos B-E).
4.1.3.
4.1.3.1.
Para este experimento se analizan dos caminos A y B con igual numero de compuertas fijado a 20 inversores. La capacitancia interna de los nodos del camino A es fijada
a 3.34 fF mientras que la del camino B se modifico entre 2 y 14 fF. En la figura 4.11(a)
se presenta el comportamiento de la varianza ante el aumento en la capacitancia interna
del camino B, se observa que al aumentar la capacitancia promedio se incrementa la
magnitud de la varianza.
137
En la figura 4.11(c) se muestra el comportamiento de los componentes de la expresion del error, los cuales aumentan con el incremento en el valor de la capacitancia
promedio de los nodos del camino predictivo indicando una directa dependencia de la
varianza del error con la capacitancia promedio, tal y como se observa en 4.11(d), el
caso A (curva negra) presenta los menores valores de desviacion ya que es un camino
muy cercano al camino A con capacitancias de nodo bajas.
4.1.3.2.
C Pro [ f F]
2
6
12
16
presenta los cuatro casos de capacitancia promedio trabajados junto con los de distancia
de separacion entre caminos.
(a) CASO C I
(b) CASO C II
139
(b) CASO C IV
(a) CASO C I
(b) CASO C II
(d) CASO C IV
4.1.4.
En esta seccion se realizan los analisis de profundidad logica para el camino objetivo mostrado en la figura 4.16, el cual esta compuesto por un total de 11 compuertas de
diferentes tipos.
Camino A
Ob jetivo
Camino Predictivo B
Cadena Inversores
Igual Estructura Topologica
Diferente Estructura Topologica
141
K [ %]
CD [ul]
WID
75
60
D2D
25
1200
Figura 4.18: Analisis Desviacion Estandar del Error Utilizando el Camino Predictivo 1
4.18(b) el comportamiento de la desviacion estandar del error, ambos en funcion de la
profundidad logica y la distancia entre caminos.
4.1.4.2.
143
Figura 4.20: Analisis Desviacion Estandar del Error Camino con Similar Estructura
Topologica
4.1.4.3.
Se analiza el camino objetivo respecto a un camino con estructura topologica completamente diferente, es decir con otros tipos de compuertas. En este caso el camino
utilizado es el mostrado en la figura 4.21 el cual tiene el mismo numero de compuertas
que el camino objetivo.
145
4.1.5.
Para cuantificar apropiadamente el grado de correlacion entre caminos se debe analizar el impacto de las variaciones independientes en conjunto con las correlacionadas,
ya que las primeras no presentan dependencia alguna entre las compuertas de los caminos analizados. Para el analisis de la variacion correlacionada se utilizan las constantes
referentes al modelo espacial de correlacion mostrada en la tabla 4.3 y se asigna un
P
porcentaje de variabilidad en los parametros, como por ejemplo 10 % ( 3
).
P
s
VthR = Vth0
Lmin Wmin
Lgate Wgate
(4.1)
Para los efectos de variaciones independientes se utiliza la ecuacion 4.1 que modela
la variabilidad del voltaje umbral debida al fenomeno de RDF, la cual depende del
porcentaje de variabilidad inicial asignado al voltaje umbral y a la relacion del a rea
mnima dada por la tecnologa y el a rea de la compuerta estudiada. Para la tecnologa
TSMC 0.18 m se tiene que la longitud mnima del canal es de 180 nm y que el ancho
mnimo permitido es de 220 nm.
L [nm]
W [nm]
NMOS
180
450
PMOS
180
990
Las dimensiones del inversor se muestran en la tabla 4.7 y aplicando la ecuacion 4.1
se obtiene que el voltaje umbral del transistor NMOS presenta una desviacion estandar
(VthR ) por efectos de RDF de 25.828 mV y el transistor PMOS de 18.023 mV.
La varianza debido a los parametros correlacionados del camino predictivo aumenta con respecto al numero de compuertas, tal y como se observa en la figura 4.23(a),
as mismo sucede con la componente de la varianza debida a componentes independientes, sin embargo la magnitud de esta es menor respecto al aporte de varianza con
parametros espacialmente correlacionados, figura 4.23(b).
146
El aporte general de la varianza independiente en relacion con valor total de varianza de un camino disminuye con al aumento del numero de compuertas del mismo, tal
y como se observa en 4.23(d) donde el porcentaje que representa la varianza independiente de la total disminuye desde el 3 % hasta aproximadamente 0.5 % para caminos
con profundidades logicas altas. Por el contrario el aporte de las variaciones correlacionadas con respecto a la total aumenta con el incremento en la profundidad logica.
Una vez determinado el aporte a la varianza total del camino para cada tipo de
variacion se obtuvieron las graficas de las metricas de interes para los casos de separacion utilizados hasta el momento. En la figura 4.24(a) se presenta la varianza total para
el camino predictivo y en la figura 4.24(b) el valor de covarianza entre caminos para
147
149
2A,B
2A
4.1.5.1.
En la figura 4.28 se presentan los resultados obtenidos para la varianza del camino predictivo, la covarianza entre caminos, los terminos de la desviacion estandar
del error y la desviacion estandar del error cuando se tienen caminos candidatos con
150
(c) Terminos e
151
4.1.6.
Correlacion Estructural
Caso
I
II
III
IV
Compuertas Compartidas
0
1
2
3
Correlacion Estructural
Nula
Baja
Media
Alta
En la figura 4.30(a) se presenta el impacto de la correlacion estructural en la desviacion estandar del error para los cuatro casos bajo analisis, se observa que para el cuarto
caso esta metrica presenta un menor valor dado que es el caso en el que se registra un
mayor valor de correlacion entre caminos. Al considerar las variaciones independientes
se obtiene en la figura 4.30(b), que existe una comportamiento similar, con la diferencia
que las variaciones independientes hacen que la varianza total aumente, incrementando
la magnitud de la desviacion estandar del error.
Caso
I
II
III
IV
(No-RDF)
0.9273
0.9360
0.9518
0.9970
(RDF)
0.8822
0.8966
0.9186
0.9934
Error [ %]
4.8636
4.2094
3.4881
0.3611
Tabla 4.9: Correlacion entre Caminos para cada caso de Correlacion Estructural.
153
4.2.
Los analisis preliminares permiten reunir las caractersticas que un camino debe
poseer para obtener un grado de correlacion alto y por lo tanto que sea un camino ideal
para aplicar la metodologa de deteccion de retardos pequenos. Entre las caractersticas
que un camino debe poseer para ser considerado, se tiene la distancia de separacion
entre el camino a seleccionar y el camino denominado objetivo, si presenta algun grado de correlacion estructural, el numero de compuertas, la capacitancia interna de sus
nodos y la distancia entre compuertas son la base de la metodos heursticos propuestos y son basados en los resultados experimentales expuestos en la seccion anterior. A
continuacion, se presenta cada heurstico desarrollado para cada uno de estos puntos:
4.2.1.
H-Spatial
Ri, j =
q
(x j xi )2 + (y j yi )2
(4.2)
Para determinar el promedio todas las distancias calculadas de las posibles combinaciones se normaliza al producto del numero de compuertas de cada camino obteniendose la figura de merito indicada en la ecuacion 4.3.
NPC
NPO X
X
AIPD =
Ri, j
i=1 j=1
NPO NPC
(4.3)
Con base en las figuras de desviacion estandar del error obtenidas en los analisis preliminares se hace necesario determinar un valor de distancia umbral respecto al
camino objetivo donde el comportamiento de esta metrica cambia y que permita seleccionar caminos a ser considerados cercanos o lejanos, es decir que se impone la primera
condicion de la metodologa heurstica, Ec. 4.4.
(4.4)
155
4.2.2.
H-Structural
SG
NPO
(4.5)
El rango de valores que esta metrica puede tomar esta entre cero y uno, indicando
con el valor de cero que no existe correlacion estructural y uno o cercano a uno que un
gran numero de compuertas son compartidas. En la figura 4.31 se determinan 3 regiones
de analisis dependiendo del grado de correlacion. Cada region queda delimitada por
valores que el usuario considere las mejores para el analisis en cuestion, mediante la
modificacion de las variables lst y hst , las cuales indican hasta que valor se considera
correlacion estructural baja y desde que valor se considera que es alta.
Definicion 6. Region LSC (Low Structural Correlation): Esta region incluira a los
caminos que tengan un grado de correlacion estructural bajo, si se cumple que el st
es menor a un valor predeterminado lst , aquellos que cumplan con esta condicion se
156
(4.6)
Definicion 7. Region MSC (Medium Structural Correlation): Esta region incluira los
caminos que tienen un grado de correlacion medio, es decir entre los margenes inferior
y superior, en este caso los que cumplen la condicion se organizan desde el menor al
mayor valor en una variable determinada Rank3M.
MS C : lst < st < hst
(4.7)
Definicion 8. Region HSC (High Structural Correlation): Esta region incluira a los
caminos que posean un valor de correlacion estructural alto, mayor a un valor predeterminado hst , los cuales son organizados en la variable Rank3H.
HS C : st > hst
(4.8)
h-Segment
Este heurstico es implementado en la fase en la que el grado de correlacion estructural parcial es medio. Si no llegasen a existir caminos en la region de correlacion
estructural baja se procede a analizar aquellos caminos organizados en la region media
157
Definicion 10. S OP2 : Es un sub-camino compuesto por las compuertas que no estan
compartidas por los trayectos mencionados.
Posteriormente, con la informacion del camino S OP1 se procede a deteminar con los
metodos heursticos planteados, otro camino con correlacion estructural baja, el cual
sera utilizado para analizar la seccion compartida respecto al primer camino candidato
seleccionado.
4.2.3.
H-Variance
La varianza del error esta determinada por dos componentes principalmente, la varianza del camino con el que se realizara la prediccion y el grado de correlacion entre
los caminos, el cual es un indicador directo de la covarianza entre los caminos bajo
analisis. A partir de los analisis realizados en la seccion anterior se observa que para
obtener el menor valor posible de varianza de error se deben analizar los componentes
de la ecuacion de varianza por separado, ya que cada factor tiene un impacto diferente
en el valor final de varianza. Este heurstico se propone para tomar en cuenta las caractersticas de un camino que presenta un valor de varianza determinado que disminuya
el valor de varianza de error.
2B =
NB X
NB
X
i=1 j=1
158
S i S j i j i, j
(4.9)
h-Depth
En este heurstico se toma en cuenta el numero de compuertas del camino analizado, ya que como se observa en la ecuacion 4.9 al aumentar la profundidad logica se
incrementan el numero de terminos en la expresion de varianza aumentando el valor de
la misma.
Por otra parte, analizando la expresion de la varianza del error y observando la figura
4.10(a) se obtiene que en primer lugar se debe determinar la zona espacial dentro de la
cual se realizara el analisis ya que esta impacta directamente en el comportamiento de
la varianza del error.
Si se esta trabajando en la zona inicial hasta antes de la denominada distancia
umbral se obtiene que el numero de compuertas necesarias para minimizar la
varianza del error debe ser pequeno o comparable al numero de compuertas del
camino objetivo. Una vez aplicado este heurstico se procede a organizar la informacion de mayor a menor numero de compuertas en la variable de control
RankD.
Si se esta trabajando en la zona luego de la distancia umbral determinada, el
comportamiento de la varianza del error se minimiza solo si el numero de compuertas es reducido. Una vez aplicado este heurstico se procede a organizar la
informacion de menor a mayor numero de compuertas en la variable de control
RankD.
4.2.3.2.
h-Capacitance
El efecto de la capacitancia interna de los nodos esta presente en el valor de sensibilidad del parametro analizado. De los analisis preliminares se puede concluir que
la varianza del error aumenta con respecto a la capacitancia interna de los nodos de
interconexion de las compuertas, ya que mayores valores de capacitancia la magnitud
de la sensibilidad del retardo aumentan ante variaciones en los parametros.
159
Nip
X
Cip =
Cig
i=1
(4.10)
Nnodos
h-IGD (Inter-Gate-Distance)
AIGD =
4.3.
i=1 j=1
2
NPC
Ri, j
(4.11)
AIPD
21.7
26.3
449.9
441.1
st
CLPromedio [ f F]
2.20
N Compuertas
3
8
3
8
AIGD
10.4
21.4
114.4
123.1
Tabla 4.10: Principales Caractersticas del Conjunto de Caminos Predictivos Respecto al Camino Objetivo Uno
161
P
1,688e10
5,343e10
1,688e10
5,343e10
P
5,711e23
6,114e22
4,444e23
4,892e22
0,9672
0,9767
0,4133
0,4447
e
1,920e12
5,306e12
6,070e12
1,981e11
Como se ha explicado anteriormente, caminos con correlacion estructural mediaalta presentan una mejor resolucion en la desviacion estandar del error, ya que aumenta
la correlacion entre caminos analizadas, sin embargo estos caminos no son los mejores
caminos a seleccionar ya que dicho escenario evita que se pueda realizar la prueba correctamente al camino objetivo dado que toda la informacion relevante esta contenida
163
AIPD
40.9
40.4
40.7
40.6
st
0
0.2727
0.4545
0.8182
CLPromedio [ f F]
1.89
N Compuertas
10
10
10
10
AIGD
18.8
38.3
47.0
55.5
Tabla 4.12: Principales Caractersticas Del Conjunto de Caminos Predictivos Respecto al Camino Objetivo Dos
En la tabla 4.13 se presentan las metricas estadsticas de los cuatro caminos, donde
las metricas P y P estan dadas para los caminos predictivos y las metricas y e
para cada camino objetivo con relacion al predictivo analizado. Se observa que a pesar
de todos poseer un alto grado de correlacion con respecto al camino objetivo el camino
164
P
6,7010e10
5,8522e10
7,2045e10
6,121e10
2P
7,5441e22
7,0508e22
9,7424e22
7,6726e22
0.9333
0.9828
0.9814
0.9991
e
9,861e12
4,900e12
5,997e12
1,197e12
165
4.4.
167
4.5. Conclusiones
seleccionado.
El numero de caminos objetivos es denotado con la variable NCO. Si existen varios caminos objetivos se procede a aplicar el mismo flujo para el conjunto de caminos
candidatos; el proceso concluye cuando para cada camino objetivo se hayan obtenido
los NCA caminos predictivos deseados. En el apendice B se presenta el algoritmo de
implementacion de la metodologa planteada.
4.5.
Conclusiones
El porcentaje de variacion de los parametros determina el valor tanto de varianza de un camino como de covarianza entre caminos, aumentar dicho porcentaje
conlleva a obtener mayores valores de estos dos factores ya que analizando directamente la ecuacion en cada caso la variabilidad de los parametros se ve reflejada
como un producto con las sensibilidades de los parametros y el grado de correlacion espacial.
El comportamiento de la desviacion estandar del error esta completamente definido por dos factores iniciales, el primero de ellos es la distancia de separacion entre los caminos y el segundo la profundidad logica del camino predictivo
analizado. Por otra parte, se comprobo el comportamiento de este termino para
diferentes consideraciones del modelo de correlacion espacial y la tendencia en
todos los escenarios analizados permanecio constante.
Los principales aspectos a tener en cuenta en una metodologa de seleccion de
caminos estan enfocados a identificar caractersticas como la distancia entre las
compuertas, la distancia entre los caminos, el grado de correlacion estructural y
el numero de compuertas de los caminos analizados.
168
169
4.5. Conclusiones
170
Captulo 5
Desarrollo Herramienta HPSDD y
Resultados de Simulacion
Hasta esta parte del trabajo, se han realizado pruebas en conjuntos de caminos seleccionados y con base en los resultados obtenidos se han determinado tres metodos
heursticos principales que aplicados segun la metodologa propuesta conllevan a obtener caminos altamente correlacionados. No obstante, en la industria no es posible analizar caminos individuales ya que estos quedan determinados por la funcion especfica
de cada circuito. Para abordar este problema se ha propuesto la implementacion de una
herramienta en la que se analice un circuito, se obtengan los caminos topologicos existentes, se apliquen los metodos heursticos y la metodologa de deteccion de retardos
pequenos.
Este captulo inicia con la descripcion general y verificacion de la herramienta en la
seccion 5.1 , seguido de la seccion 5.2 en la que se analizan los metodos heursticos para
circuitos con un gran numero de trayectorias topologicas. En la seccion 5.3 se presentan
los resultados de simulacion para diferentes circuitos ISCAS implementados en Mentor
Graphics . Finalmente, en la seccion 5.4 se exponen las conclusiones y observaciones
del captulo.
171
5.1.
La herramienta Heuristic Path Selection for Small Delay Defects (HPSDD) es implementada en C++ y esta compuesta por cuatro etapas generales: la primera obtiene
los caminos topologicos del circuito bajo analisis, en la segunda se determinan los caminos a analizar (caminos objetivos), luego en la tercera se aplican los metodos heursticos
de seleccion propuestos y en la etapa final se implementa la metodologa de deteccion
de retardos pequenos.
La anterior etapa funciona como un pre-filtro para seleccionar los caminos que seran
determinados como objetivos, mediante el analisis estadstico de los mismos. Para cada
camino en este conjunto se obtiene la distribucion estadstica del retardo, utilizando la
informacion de media y varianza de cada compuerta. Una vez se tiene todas las distribuciones se comparan respecto a la del LCP y segun el criterio de seleccion aquellos que
sobrepasen un umbral determinado son seleccionados como caminos objetivos (PO).
Con los caminos objetivos seleccionados, se determina el conjunto de caminos candidatos (PC) como el resto de caminos topologicos que no son objetivos.
Con los conjuntos determinados se procede a analizar cada camino objetivo respecto a los candidatos, aplicando la metodologa de seleccion explicada al final del captulo
4. Para la aproximacion bi-variable es necesario obtener al menos un camino predictivo
173
El circuito C17, esta compuesto por 6 compuertas NAND de dos entradas, organizadas como se muestra en la figura 5.2, se puede observar que su camino mas largo
esta compuesto por tres compuertas y su camino mas corto por dos.
174
Entrada
N7
N6
N3
N6
N3
N2
N6
N3
N2
N3
N1
S alida
N22
N23
Compuertas
X5 -X9
X7 -X5 -X9
X7 -X5 -X9
X7 -X6 -X9
X7 -X6 -X9
X6 -X9
X7 -X6 -X4
X7 -X6 -X4
X6 -X4
X8 -X4
X8 -X4
Observaciones
PC0
PO
PC1
PC2
PC3
PC4
PC5
PC6
PC7
PC8
PC9
Camino
PC3
PC5
P [ps]
IPCA HPS DD
114,488 114,488
82,5107 82,5107
P [ps]
IPCA HPS DD
3,90050 3,90047
2,42803 2,42801
e [ps]
IPCA HPS DD
1,02568 1,02568
1,09403 1,09403
175
5.2.
Los circuitos han sido implementados en Mentor Graphics con la tecnologa TSMC
de 0.18 m. El flujo del proceso inicia con la descripcion en alto nivel (verilog) del circuito, el cual es optimizado con el programa ((Leonardo)) para minimizar el retardo
medio de las compuertas del circuito. Luego, se procede a obtener el esquematico del
circuito y posteriormente el diseno del layout del mismo Por u ltimo, se procede a realizar la extraccion post-layout (PEX) y de este proceso se generan los archivos de entrada
para la herramienta HPSDD.
Circuito
C499
C1908
C880
Numero Caminos
8225
8393
4399
5.2.1.
H-Spatial
Con el heurstico H-Spatial se busca obtener un subconjunto de caminos que presenten un alto grado de correlacion espacial. Ya que las distancias entre las compuertas
del PO respecto a las compuertas de los caminos candidatos quedan determinadas por
la disposicion fsica del layout es necesario caracterizar dicho comportamiento para
obtener una aproximacion de la distancia existente entre dos caminos. Para tal efecto se
utilizan las expresiones mostradas en 5.1 para la calcular la distancia euclidiana entre
dos puntos y para el calculo de la distancia promedio entre caminos (AIPD).
q
Ri, j = (x j xi )2 + (y j yi )2
NPC
NPO X
X
Ri, j
(5.1)
i=1 j=1
AIPD = N N
PO
PC
El objetivo principal de este analisis es determinar hasta que distancia promedio
entre el camino analizado y los caminos candidatos es conveniente considerar que son
cercanos, lo que da paso a la siguiente definicion:
Definicion 11. Distancia Promedio Umbral (AIPDU ) Maxima distancia a la cual se
puede considerar que dos caminos son cercanos, es decir, indica en promedio hasta
que ubicacion las compuertas de un camino pueden determinarse como cercanas al
camino de referencia, obteniendo la ecuacion:
AIPDU = AIPDmin (1 + Umbral)
(5.2)
177
ISCAS C499
Medida
Rango
Media
Mediana
Valor [ul]
447 - 645
537
536
Por otra parte, definir el rango para el cual se considera que un camino es cercano es
de vital importancia para la metodologa por lo que se analiza el impacto de modificar
la distancia promedio umbral, dando como resultado el concepto de region de proximidad con la cual se implementara la condicion del heurstico analizado. Es decir, que
modificar esta region conlleva a que un mayor numero de caminos sean considerados
cercanos, para este caso el valor de Umbral queda delimitado para valores entre el
5 % y el 30 % con pasos de 2.5 %.
En la figura 5.4(a) se encuentra que para cambios pequenos en los valores de distancia promedio umbral el numero de caminos se incrementa, lo que permite obtener
mayor cantidad de posibles caminos candidatos que cumplen con el primer heurstico
179
5.2.1.2.
ISCAS C1908
Valor [ul]
403 - 867
575
568
181
182
ISCAS C880
183
Valor [ul]
562 - 736
643
645
184
5.2.2.
H-Structural
st =
5.2.2.1.
SG
NPO
(5.3)
ISCAS C499
Para el caso del circuito C499 se obtiene el histograma de la figura 5.9, este no
presenta ninguna tendencia definida y puede decirse que tiene un comportamiento
asimetrico ya que no tiene un punto central de referencia. Se observa que existe una
gran cantidad de caminos que presentan baja correlacion estructural con el camino objetivo analizado.
185
Valor
0.1136
0
5.2.2.2.
ISCAS C1908
Para le LCP del circuito C1908 se obtiene el grado de correlacion estructural respecto al conjunto de caminos candidatos y se grafica el histograma de los mismos en
la figura5.10. Los datos presentan una distribucion asimetrica sin ningun valor puntual
sobre el cual esten distribuidos.
Medida
Media
Mediana
Valor
0.2084
0.1667
5.2.2.3.
ISCAS C880
187
Valor
0.4312
0.4074
188
5.3.
La herramienta HPSDD es aplicada a 8 circuitos ISCAS 85 e ISCAS 89, considerando variaciones de proceso en el largo del canal (L), el ancho del canal (W), el
espesor del oxido (T ox ) y el voltaje umbral (Vth ) de los transistores. Los circuitos son
implementados con la tecnologa TSMC 0.18 m, utilizando el flujo de diseno implementado con Mentor Graphics y basandose en el kit de diseno ASIC (ADK v3.1).
Circuito
C499
C1355
C1908
C2670
C880
S 1196
S 510
S 820
Topologicos
9440
7648
15638
3490
9231
5918
374
680
Objetivos
1512
951
261
57
39
18
15
5
189
N de Compuertas
190
178
225
393
241
431
183
270
PL
12
13
17
27
27
25
8
13
D [ns]
0.818
1.340
1.946
1.739
1.676
1.582
0.6755
0.9243
D [ps]
16.07
26.71
36.24
29.48
24.74
24.34
19.07
17.60
!
e
100 %
DE = 1
D
(5.4)
191
193
194
195
ISCAS C1908.- El tercer ISCAS bajo analisis es el C1908, el cua presenta 15638
trayectorias topologicas detectadas con el analisis del STA implementado. Mediante
analisis de esquinas se obtienen 8469 posibles caminos objetivos y luego del filtrado
estadstico se obtienen 261 trayectos objetivos.
Aproximacion Bi-variable
Una vez realizados los metodos heursticos y obtenidos los correspondientes caminos predictivos del set de candidatos se presenta la figura 5.19(a), en la que el
eje vertical hace referencia a la desviacion estandar del error y el eje horizontal
al camino objetivo. Una vez organizados los datos se determina que el rango en
el que esta metrica se presenta para el circuito analizado es de 9 a 16 ps, como
se puede apreciar en la figura 5.19(b), es decir, que el mnimo retardo detectable
(Dmin ) para el C1908 esta entre 27 y 48 ps.
En cuanto a la figura de merito DE para este circuito se obtiene la grafica 5.20(a),
en la que los porcentajes de analizar la desviacion estandar del error respecto
196
197
198
dad aritmetico-logica (ALU) con comparador, verificador de igualdad y una gran cantidad de estructuras de paridad. Este circuito presenta 3490 trayectos de los cuales
mediante el analisis de esquinas son preseleccionados 861 caminos y finalmente con el
analisis estadstico se obtienen 57 como objetivos.
Aproximacion Bi-variable
Con los metodos heursticos se obtuvieron el respectivo conjunto de caminos
predictivos altamente correlacionados con el objetivo.En la figura 5.22(a) se presenta el diagrama de barras para la desviacion estadnar del error de cada par
de caminos objetivo-predictivo. Una vez organizados dichos datos, con el fin de
obtener el comportamiento global de los trayectos objetivos de este circuito, se
muestra en la figura 5.22(b) el nuevo perfil obtenido, se observa que el rango e
se encuentra entre 13 y 16 ps, es decir un retardo mnimo detectable entre 39 a
48 ps.
199
Aproximacion Multi-variable
Con la aproximacion multiple se logra una mejora en la resolucion de la desviacion estandar del error, lo que se ve reflejado en las figuras 5.24(a) y 5.24(b) en
la que se obtienen caminos con valores mnimos desde 9 ps hasta 16 ps, lo que
indica que para estos caminos la aproximacion multiple conlleva a que el mnimo retardo detectable sea de 27 a 48 ps. En cuanto a la figura de merito, esta
disminucion en los valores de e se ve reflejada en un aumento en el porcentaje
de variabilidad; las figuras 5.24(c) y 5.24(d) permiten observar la tendencia para
cada camino objetivo analizado, obteniendo valores entre el 40 y 60 %.
ISCAS C880.-
yectorias logicas. Una vez realizado el analisis de esquinas se obtienen 2545 caminos;
a los que se les realiza el analisis estadstico respectivo,de los que 39 caminos cumplen
200
201
203
Aproximacion Multi-variable
En la aproximacion multi-variable realizada para este camino, se obtiene que
para los 18 caminos objetivos se presenta una reduccion en el mnimo valor de
desviacion estandar del error desde 5 a 8 ps, lo que traducido al mnimo retardo
detectable es 15 a 24 ps, figuras 5.29(a) y 5.29(a).
204
205
pocos caminos objetivos se puede apreciar claramente tanto para los datos originales como los organizados que el rango obtenido es menor que para el caso
bi-variable, el cual es de 3.8 a 8 ps.
207
209
210
5.3.1.
Sumario de Resultados
Para analizar globalmente los 8 circuitos ISCAS estudiados se presentan los diagramas de cajas y bigotes, estos diagramas permiten obtener una vision general de los
datos ya que indican la simetra y variabilidad de los mismos, con base en el valor
mnimo, los tres primeros cuartiles y el valor maximo. El primer cuartil de un grupo de
datos indica el valor en que el 25 % de los datos se ubican. El segundo cuartil en el que
se ubican el 50 % de los datos (mediana) y el tercer cuartil indica el valor en el que se
encuentran el 75 % de los datos. En el diagrama de cajas se tiene:
El rectangulo (caja) se forma desde el primer al tercer cuartil, indicando que el
50 % porciento de los datos estan contenidos en dicha region, es decir que los
extremos del rectangulo representan el primer y tercer cuartil.
La lnea central en la caja es conocida como la mediana o segundo cuartil, es
donde exactamente se encuentran el 50 % de los datos, si la variable analizada es
simetrica, esta lnea estara ubicada en el centro de la caja.
El recuadro en el centro de la caja indica el valor medio de los datos.
Las lneas que sobresalen del rectangulo son conocidas como los ((bigotes)) y
delimitan en que rango se encuentran el 95 % de los datos.
Si existe algun dato atpico, este se representa mediante una marca en la posicion
en la cual esta dicho valor en los extremos de los bigotes.
5.3.1.1.
Aproximacion Bi-variable
211
Para el ISCAS C1908 se puede apreciar que los valores de desviacion estandar del
error presentan una menor variacion ya que el 95 % de los valores esta contenido entre
9 y 15 ps, y se puede concluir que este presenta una distribucion simetrica respecto
a la mediana. Para el ISCAS C2670 se obtienen valores altos en todo el rango de la
metrica estudiada y se observa que los datos no presentan simetra ya que la mediana
esta por debajo del valor medio. En cuanto al circuito C880 en comparacion con el
resto de circuitos trabajados, presenta poca variabilidad en los valores de e obtenidos
lo que indica que en promedio para los caminos estudiados se obtendra una desviacion
estandar del error similar.
Para los circuitos secuenciales trabajados se puede concluir que el S1196 presenta
212
213
(a) Metrica DE ( %)
5.3.1.2.
Aproximacion Multi-variable
De igual forma se presentan el resumen de los resultados obtenidos con la aproximacion multi-variable, utilizando para cada camino objetivo un conjunto de 4 caminos
predictivos. El diagrama de cajas para los valores de desviacion estandar del error se
muestran en la figura 5.37(a), se observa que para todos los circuitos bajo analisis el
enfoque multiple disminuye la magnitud de e , por lo que el retardo mnimo detectable
tambien es menor.
214
(b) Metrica DE ( %)
215
5.3.1.3.
Comparacion de Aproximaciones
(b) Metrica DE ( %)
5.3.2.
Tiempos de Computo
Aproximacion
Bi-variable Multi-variable
1361
1827
618
996
496
817
51
80
109
136
19
31
4.2
7.1
1.1
4.9
5.4.
Conclusiones
En este capitulo ha sido presentada la implementacion y validacion de la herramienta HPSDD, en la que se analizan los camino topologicos de un circuito, se obtienen los
caminos objetivos a analizar y con la metodologa heurstica se determinan el camino o
conjunto de caminos que permiten obtener los mejores valores de desviacion estandar
217
5.4. Conclusiones
del error, los cuales indican el mnimo retardo detectable en presencia de variaciones
de proceso. Aplicando los metodos heursticos bi-variables se obtienen los caminos
que presentan un alto grado de correlacion con los caminos objetivos bajo analisis con
le fin mejorar el porcentaje de dectectabilidad de retardos pequenos. As mismo, utilizando un enfoque multi-variable se determina que al tener un conjunto de caminos
predictivos, teniendo en cuenta los efectos de multi-colinealidad, se puede disminuir la
magnitud del mnimo retardo detectable, aumentando el porcentaje de detectabilidad
de los defectos estudiados.
Se puede concluir que la magnitud del mnimo retardo detectable esta directamente
relacionada con el camino objetivo analizado y que depende de la estructura y las caractersticas del mismo. Ademas, del camino seleccionado con los metodos heursticos
dado que el analisis de correlacion se realiza con base en las caractersticas del mismo.
218
Captulo 6
Conclusiones
Los defectos debidos a pequenos retardos tienen un impacto considerable en tecnologas nanometricas ya que disminuye el yield del proceso, ademas tiene un impacto
directo sobre la confiabilidad de los circuitos debido a que con metodologas convencionales de pruebas no es posible detectar facilmente si los caminos del circuito presentan
este tipo de defectos. El impacto de las variaciones de proceso incrementa la complejidad en la deteccion debido a que no se conoce a priori a que se debe el incremento en
el retardo de un camino. Es decir no se conoce si es un retardo debido a una variacion
en los parametros de los transistores o un defecto en el proceso de manufactura.
En este trabajo se propone la aplicacion de una metodologa de deteccion de retardos pequenos, la cual con base en la informacion de correlacion entre caminos, permite
identificar la existencia de un defecto en presencia de las variaciones de proceso. Esta metodologa tiene como ventajas la deteccion de retardos pequenos sin importar el
tiempo de holgura (time slack) establecido en metodologas convencionales. Ademas
mejora la resolucion de defectos detectados para circuitos rapidos, tpicos o lentos sin
diferencia alguna. Por otra parte, permite disminuir el numero de defectos que escapan
a las pruebas, lo que significa un aumento de la confiabilidad del circuito. Esto mejora
el yield y la calidad del producto.
219
Se ha propuesto una metodologa heurstica para seleccionar caminos que presenten correlacion con el camino bajo prueba. Estos heursticos permiten identificar en
adelanto aquellos caminos que presentaran un alto grado de correlacion respecto a un
camino bajo prueba con base en: la distancia de separacion entre los caminos, el grado
de correlacion estructural, la profundidad logica, la capacitancia de carga promedio del
camino y la distancia de separacion de las compuertas del camino a selecionar.
Con base en los metodos heursticos se ha implementado una herramienta estadstica de tiempos en C++ denominada HPSDD (Heuristic Path Selecction for Small Delay
220
Captulo 6. Conclusiones
Defects), la cual analiza un circuito con base en la informacion obtenida post-layout y
la informacion de las celdas estandar pre-caracterizadas en la tecnologa trabajada. La
herramienta HPSDD determina en primer lugar los caminos topologicos de un cirucuito, luego se obtiene el conjunto de caminos bajo prueba o caminos objetivos, se aplican
los metodos heursticos y la metodologa de deteccion de pequenos retardos presentada.
Con esta herramienta han sido analizados diferentes circuitos ISCAS implementados con Mentor Graphics en tecnologa TSMC 0.18 m, para las aproximaciones
bi-variable y multi-variable planteadas, siendo la primera aproximacion una alternativa
economica de pruebas mientras que la segunda permite resoluciones de deteccion mayores a un mayor costo y complejidad computacional. Los resultados obtenidos para
ambas aproximaciones muestran la viabilidad de la metodologa propuesta.
221
222
Apendice A
Desarrollo de una Herramienta
Estadstica en MATLAB
Para analizar el grado de correlacion entre caminos se aplican los conceptos revisados en este captulo y se obtiene una metodologa aplicable a cualquier conjunto de
caminos para determinar que tan correlacionados estan sus distribuciones de retardo.
Esta metodologa tiene como base un analisis estadistico de tiempos, que es implementado en MATLAB. Este analisis se conoce como Inter Path Analysis Correlation
(IPCA).
diseno de experimentos expuesta en [53], la cual tiene como finalidad obtener un polinomio que modela la respuesta deseada. A continuacion se presenta el modelado estadstico de las compuertas seguido de la descripcion de la herramienta implementada.
223
de Experimentos
A.1. Diseno
A.1.
de Experimentos
Diseno
N = nk
(A.1)
B
B1
B2
B3
B1
B2
B3
B1
B2
B3
Resultado
R1
R2
R3
R4
R5
R6
R7
R8
R9
k
X
i=1
Ci Xi +
k
X
i=1
Cii Xi2
k
X
C i j Xi X j
(A.2)
1i j
(A.3)
De manera general se plantea una metodologa para la aplicacion del diseno factorial de experimentos: Definir el experimento; conocer las variables que se deben
analizar, definir el numero de niveles, es decir, cuantos valores distintos tomar a cada variable, finalmente determinar el numero de experimentos a realizar.
A.2.
El modelo estadstico del retardo de una compuerta queda determinado por la distribucion asiganda a los parametros de los transistores, ya que se trabaja con la suposicion
225
(A.4)
La distribucion gaussiana del retardo de una compuerta queda caracterizado con los
valores de la media y la desviacion estandar. Para obtener estos valores se realizaron simulaciones HSPICE para cada compuerta variando el tiempo de transicion a la entrada
entre 2 y 190 ps para un total de 24 capacitancias en un rango de 3 a 26 fF (Fig. A.1).
Con estos valores calculados y aplicando la metodologa de diseno de experimentos
expuesta en el apendice A, se procede a obtener un polinomio para las metricas que
caracterizan la compuerta analizada.
A.2.1.
El retardo nominal (media) de una compuerta presenta una dependencia directa con
el valor de la transicion a la entrada (tin ) y la capacitancia de carga (C L ), por lo que
es necesario modelar el comportamiento del mismo en funcion de dichos parametros,
ecuacion A.5.
gate = f (tin , C L )
(A.5)
En la figura A.2(a) se observa el plano obtenido para los 576 datos de retardos calculados con HSPICE para una compuerta inversora, se observa que el retardo para el
226
(a) HSPICE
(b) Polinomio
A.2.2.
227
tout = f (tin , C L )
(A.6)
A.2.3.
2gate
k
X
S m2 2m
m=1
(A.7)
S m = f (tin , C L )
Mediante un analisis de Monte Carlo se obtiene los valores de sensibilidad para los
parametros trabajados en el rango de transicion a la entrada y capacitancia de carga
establecidos. En la figura A.4(a) se presenta el plano obtenido para la sensibilidad del
retardo ante variaciones en la longitud del canal, se observa en este caso que existen
efectos no lineales para capacitancias bajas y tiempos de transicion altos.
228
(a) HSPICE
(b) Polinomio
A.3.
Una vez determinado conceptualmente como se debe calcular el grado de correlacion entre caminos es necesario plantear una estructura metodologica con el fin de
229
(a) HSPICE
(b) Polinomio
Figura A.4: Sensibilidad del Retardo Ante Variaciones en la Longitud del Canal
analizar la correlacion entre caminos. La herramienta de Inter Path Correlation Analisys (IPCA) fue implementada en MATLAB y desarrolla el diagrama de flujo mostrado
en la figura A.5.
los caminos, dado que este valor es necesario para calcular la media del retardo y la
magnitud de los valores de sensilidad para poder calcular la varianza de los caminos y
la covarianza entre estos.
231
232
A.4.
En la tabla A.2 se presenta el valor medio y la desviacion estandar del retardo junto
con el porcentaje de error asociado a cada una de las entradas de las compuertas de
interes. As mismo en la tabla A.3 se presenta el caso en el que las compuertas presentan una transicion de subida en el nodo de salida. Como se observa en ambas tablas la
caracterizacion de las compuertas coincide con los datos obtenidos por Hspice, obteniendose un porcentaje promedio de error de 0.071 % para el valor medio del retardo
de bajada y del 0.048 % para el de subida. En cuanto a la desviacion estandar del retardo se obtiene que para el tiempo de bajada su error promedio es aproximadamente del
0.774 % y para el de subida de 0.370 %.
233
Pin Entrada
INV
1
1
2
1
2
3
1
2
3
4
1
2
1
2
3
1
2
3
4
1
2
1
2
3
1
2
3
4
1
2
1
2
3
1
2
3
4
1
2
1
2
1
AND02
AND03
AND04
NAND02
NAND03
NAND04
OR02
OR03
OR04
NOR02
NOR03
NOR04
XOR2
XNOR2
BUFF
SPICE
D (ps)
63.60
57.23
61.69
57.27
65.74
70.10
62.44
74.56
82.26
86.32
108.7
120.4
112.4
126.2
137.6
123.0
137.6
150.0
159.8
138.9
119.9
173.5
157.9
122.0
233.0
218.9
185.5
135.0
86.44
70.73
98.22
87.86
68.37
69.76
69.18
62.96
49.02
137.3
119.8
118.5
139.6
89.83
IPCA
D (ps)
63.46
57.16
61.53
57.18
65.60
69.99
62.36
74.45
82.23
86.37
108.8
120.4
112.4
126.2
137.7
123.0
137.6
150.0
159.9
139.0
119.9
173.6
157.9
122.1
233.1
219.0
185.5
135.0
86.42
70.57
98.27
87.83
68.22
69.75
69.18
62.90
48.93
137.3
119.8
118.5
139.7
89.86
Error ( %)
0.2202
0.1315
0.2547
0.1495
0.1978
0.1513
0.1177
0.1429
0.0442
0.0577
0.0443
0.0324
0.0014
0.0138
0.0310
0.0010
0.0288
0.0033
0.0361
0.0582
0.0616
0.0557
0.0302
0.0324
0.0396
0.0166
0.0081
0.0292
0.0139
0.2261
0.0569
0.0425
0.2239
0.0071
0.0060
0.0892
0.1807
0.0194
0.0106
0.0138
0.0628
0.0347
SPICE
D (ps)
1.853
1.642
1.787
1.648
1.880
2.101
1.844
2.380
2.547
2.733
3.793
4.370
3.913
4.628
5.230
4.286
5.040
5.701
6.193
5.390
4.521
7.116
6.371
4.553
10.06
9.346
7.589
5.010
2.561
2.071
2.671
2.539
1.939
1.695
1.782
1.723
1.334
5.229
4.420
4.213
5.159
5.530
IPCA
D (ps)
1.850
1.628
1.796
1.653
1.965
2.127
1.834
2.288
2.570
2.712
3.778
4.382
3.918
4.640
5.227
4.282
5.035
5.682
6.201
5.400
4.509
7.130
6.372
4.554
10.05
9.336
7.602
4.996
2.568
2.073
2.789
2.530
1.936
1.702
1.768
1.685
1.277
5.225
4.396
4.222
5.055
5.530
Error ( %)
0.170
0.845
0.488
0.338
4.523
1.243
0.566
3.869
0.902
0.762
0.384
0.264
0.143
0.255
0.057
0.089
0.095
0.335
0.126
0.170
0.257
0.196
0.013
0.035
0.052
0.104
0.172
0.276
0.273
0.078
4.385
0.354
0.159
0.385
0.777
2.157
4.337
0.074
0.547
0.227
2.020
0.005
Pin Entrada
INV
1
1
2
1
2
3
1
2
3
4
1
2
1
2
3
1
2
3
4
1
2
1
2
3
1
2
3
4
1
2
1
2
3
1
2
3
4
1
2
1
2
1
AND02
AND03
AND04
NAND02
NAND03
NAND04
OR02
OR03
OR04
NOR02
NOR03
NOR04
XOR2
XNOR2
BUFF
SPICE
D (ps)
80.26
71.92
81.89
70.54
84.26
95.51
65.16
79.07
90.31
99.48
1.158
1.202
1.260
1.345
138.9
146.5
158.2
165.9
169.7
131.9
114.3
174.2
154.9
124.3
212.8
198.1
172.8
136.8
121.6
103.3
161.4
145.5
107.5
220.1
204.9
170.4
111.9
158.2
131.8
132.4
136.6
78.30
IPCA
D (ps)
80.08
71.79
81.88
70.42
84.23
95.58
65.10
79.03
90.32
99.54
1.158
1.201
1.260
1.344
138.8
146.4
158.1
165.8
169.7
131.9
114.3
174.2
154.9
124.4
212.9
198.1
172.7
136.9
121.6
103.2
161.4
145.5
107.4
220.1
204.9
170.4
111.9
158.2
131.7
132.3
136.6
78.24
Error ( %)
0.223
0.187
0.007
0.162
0.037
0.066
0.092
0.049
0.004
0.059
0.031
0.103
0.036
0.090
0.065
0.014
0.084
0.026
0.007
0.011
0.029
0.012
0.010
0.021
0.041
0.013
0.006
0.016
0.016
0.106
0.031
0.018
0.086
0.021
0.003
0.005
0.011
0.021
0.050
0.038
0.041
0.069
SPICE
D (ps)
3.227
2.934
3.426
2.850
3.583
4.167
2.589
3.356
3.975
4.469
4.652
4.805
5.042
5.332
5.440
5.824
6.200
6.488
6.684
5.084
4.459
6.352
5.790
4.766
7.512
7.072
6.391
5.201
5.314
4.421
7.358
6.617
4.658
10.44
9.655
7.924
4.887
6.124
5.181
5.474
5.613
14.49
IPCA
D (ps)
3.237
2.906
3.427
2.855
3.584
4.174
2.617
3.354
3.971
4.468
4.629
4.804
5.019
5.338
5.503
5.811
6.280
6.546
6.699
5.073
4.481
6.334
5.797
4.786
7.418
7.127
6.396
5.217
5.295
4.439
7.372
6.596
4.656
10.47
9.716
7.901
4.867
6.130
5.167
5.454
5.617
14.50
Error ( %)
0.301
0.936
0.021
0.176
0.031
0.173
1.058
0.069
0.105
0.027
0.481
0.015
0.464
0.128
1.155
0.223
1.281
0.898
0.233
0.222
0.491
0.281
0.119
0.427
1.249
0.784
0.089
0.312
0.357
0.399
0.190
0.329
0.052
0.266
0.626
0.284
0.411
0.110
0.269
0.372
0.065
0.065
235
A.4.1.
Una vez caracterizadas todas las compuertas para cada uno de los escenarios planteados, se procede a obtener una comparacion del modelo lineal trabajado respecto a
simulaciones HSPICE para un camino compuesto por diferente numero de compuertas
logicas. Para realizar la comparacion se procede a simular un camino de 2 inversores
y de 5 inversores bajo la suposicion que no existe correlacion entre los parametros de
las compuertas. Esto queda representado en la herramienta IPCA bajo las condiciones
del modelo de correlacion espacial, mostradas en la tabla A.4 para variaciones intra e
inter-die.
K [ %]
CD [ul]
WID
100
1e6
D2D
0
10e6
Cadena 2 Inversores Para una cadena de dos inversores con el cambio en la capacitancia de carga de los nodos de salida de cada compuerta entre 2 y 22 fF se obtienen las
figuras A.7(a) para el tiempo de bajada y A.7(b) para el tiempo de subida. Ambos casos
se compara con el valor obtenido con HSPICE y con la herramienta IPCA, se observa
que para ambos casos la tendencia se mantiene.
236
C L [fF]
2
8
14
Tiempo de Bajada
HS PICE
IPCA
5,36579e24 4,3038e24
1,34499e23 1,12315e23
2,51592e23 2,11926e23
ERROR
19,792
16,494
15,766
Tiempo de Subida
HS PICE
IPCA
ERROR
4,72638e24 4,03629e24 14,601
1,17805e23 1,06818e23
9,327
23
23
2,18850e
2,00901e
8,202
237
C L [fF]
2
8
14
Tiempo de Bajada
HS PICE
IPCA
1,27810e23 1,02626e23
3,26334e23 2,73522e23
6,14721e23 5,11878e23
ERROR
19,704
16,183
16,730
Tiempo de Subida
HS PICE
IPCA
1,39369e23 1,10718e23
3,53865e23 2,9691e23
6,66083e23 5,56275e23
238
ERROR
20,558
16,095
16,486
Apendice B
Analisis Herramienta HPSDD
Se presenta el algoritmo utilizado para la implementacion de la metodologa de
seleccion heurstica de caminos y de la herramienta HPSDD en C:
B.1.
B.1.1.
H-Spatial
239
B.1.2.
H-Structural
En la figura B.2 se muestra el diagrama del flujo del heurstico H-Structural. Se procede a deteminar el numero de compuertas compartidas (SG) entre el camino objetivo
y los caminos seleccionados con el anterior heurstico, una vez obtenida la informacion
del grado de correlacion estructural ( st ), dividiendo SG entre el numero total de compuertas en el camino objetivo NT PO , luego se procede a realizar un filtrado con base en
los lmites establecidos para los rangos de correlacion estructural baja-media-alta.
241
B.1.3.
H-Variance
243
B.1.4.
244
245
B.2.
246
247
248
Apendice C
Circuitos ISCAS Implementados
Los circuitos ISCAS son circuitos estandar de prueba [77]. Han sido ampliamente
utilizados desde que fueron determinados en el International Symposium on Circuits
and Systems en 1985. Los circuitos son disenos industriales de los cuales su funcion y
diseno a alto nivel no han sido publicados, principalmente por razones de confidencialidad y en segundo lugar para que sean reconocidos como circuitos con logica aleatoria
sin una estructura a alto nivel especificada.
Son un grupo de circuitos bien definidos tanto a nivel compuerta como a nivel funcional, implementados con bloques logicos generales como compuertas logicas, multiplexores, decodificadores, etc. Son ampliamente utilizados en el diseno de circuitos
integrados digitales en las a reas de verificacion, generacion de pruebas, distribucion de
reloj, consumo de potencia y analisis temporales.
Cada circuito utilizado en este trabajo es caracterizado en la tabla C.1. Los circuitos
analizados fueron implementados en Mentor Graphics. El kit de diseno ASIC (ADK
v3.1) es utilizado para crear el layout de cada circuito desde su escritura en verilog. La
tecnologa utilizada es la proveida por Taiwan Semiconductor Manufacturing Company
(TSMC) de 0.18 m:
249
Circuito
Funcion
C499
C1355
C1908
C2670
C880
S1196
S510
S820
Compuertas
190
178
225
393
241
431
183
270
Numero
Transistores Entradas
800
41
1348
41
1460
33
2146
155
1104
60
2032
25
2146
25
1258
23
C.1.
ISCAS C499
250
Salidas
32
32
25
50
26
13
13
24
C.2.
ISCAS C1355
251
C.3.
ISCAS C1908
252
C.4.
ISCAS C2670
253
C.5.
ISCAS C880
254
C.6.
ISCAS S1196
255
C.7.
ISCAS S510
256
C.8.
ISCAS S820
257
258
Indice
de figuras
1.1. Clasificacion de las variaciones de acuerdo a su fuente . . . . . . . . .
1.4. Electromigracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
259
INDICE
DE FIGURAS
1.21. Disminucion del Numero de Dopantes debido al Escalamiento Tecnologico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.22. Variacion en los Bordes. . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.23. Creciemiento del o xido . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.24. Clases de defectos de circuito abierto . . . . . . . . . . . . . . . . . . . 31
1.25. Defecto de Corto Circuito . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.26. Metodologa de Pruebas IDDQ , [38] . . . . . . . . . . . . . . . . . . . . 34
1.27. Circuito de Ejemplo para el Enfoque de Transicion. . . . . . . . . . . . 36
1.28. Diagrama Temporal Circuito Bajo Analisis. . . . . . . . . . . . . . . . 37
1.29. Circuito Analizado en el Modelo de Retardo de Caminos . . . . . . . . 38
1.30. Diagrama Temporal Circuito Analizado . . . . . . . . . . . . . . . . . 39
1.31. Distribucion de Fallas Debidas a Defectos de Retardo. [43] . . . . . . . 41
1.32. Circuito Utilizado Para Explicar el Concepto de Retardos Pequenos . . 41
1.33. Diagrama Temporal para Prueba Convencional de Retardo. . . . . . . . 42
1.34. El nuevo ciclo del reloj queda establecido por la distribucion estadstica
del LCP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.35. Distribuciones de Retardo Para Dos Caminos Con Diferentes Magnitudes de Defecto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.36. Distribucion de retardo para un Circuito. . . . . . . . . . . . . . . . . . 46
2.1. Grafica del residuo [52]. . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2. Regresion a la media [52]. . . . . . . . . . . . . . . . . . . . . . . . . 56
2.3. Diagrama de Venn Para Dos Variables Aleatorias X e Y con un grado
de correlacion de 0.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4. Representacion en diagrama de venn para las varianzas de las variables
aleatorias X e Y. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.5. Normalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.6. Linealidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
260
INDICE
DE FIGURAS
2.7. Diferentes Tipos de Uniformidad de las Distribuciones de Dos Variables Aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.8. Diagrama de Venn con Dos Variables Predictoras . . . . . . . . . . . . 65
2.9. Diagrama de Venn Variables Predictivas X1 X2 =0 . . . . . . . . . . . . . 67
2.10. Comportamiento de las Variables . . . . . . . . . . . . . . . . . . . . . 69
2.11. Diagrama de Flujo de la Metodologa Deteccion de Retardos Pequenos . 71
2.12. Correlacion Ideal Entre Variables . . . . . . . . . . . . . . . . . . . . . 72
2.13. Rango de Deteccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
2.14. Diagrama de Venn Multiples Variables Predictoras . . . . . . . . . . . 78
2.15. Efecto la Correlacion Correlacion Entre Camino X Sobre Camino Y . . 79
2.16. Mnima variacion del retardo que puede ser detectada. . . . . . . . . . . 80
2.17. Representacion Grafica Figura de Merito DE . . . . . . . . . . . . . . 82
2.18. Diagrama de Tiempos Para un Circuito con Respuesta Temporal RapidaTpica-Lenta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.19. Diagrama de Tiempos Para un Circuito con Respuesta Temporal Lenta
y Rapida. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
2.20. Representacion de los diferentes escenarios en los que un defecto puede
ser detectado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2.21. Distribucion del Retardo de dos Caminos Analizados. . . . . . . . . . . 87
2.22. Metodologa de Muestreo del Retardo. [61] . . . . . . . . . . . . . . . 89
3.1. Esquinas de Proceso . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.2. Propagacion del retardo en el analisis basado en bloques . . . . . . . . 95
3.3. Propagacion del retardo en el analisis basado en caminos . . . . . . . . 95
3.4. Efecto Random Dopant Fluctuation [70] . . . . . . . . . . . . . . . . . 98
3.5. Pasos del Proceso de Fabricacion de un Inversor CMOS. . . . . . . . . 100
3.6. Modelo de Rejillas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.7. Inconvenientes Modelo de Rejillas [56] . . . . . . . . . . . . . . . . . 103
3.8. Modelo Exponencial [74]. . . . . . . . . . . . . . . . . . . . . . . . . 104
261
INDICE
DE FIGURAS
3.9. Distancia Entre Compuertas . . . . . . . . . . . . . . . . . . . . . . . 105
3.10. Impacto de la distancia de correlacion para cada tipo de variacion. . . . 107
3.11. Circuito con Correlacion Estructural . . . . . . . . . . . . . . . . . . . 108
3.12. Camino Analizado: Cadena de 2 Compuertas . . . . . . . . . . . . . . 114
3.13. Cadena de N Compuertas . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.14. Caminos de dos compuertas . . . . . . . . . . . . . . . . . . . . . . . 118
3.15. Covarianza Entre caminos de N compuertas . . . . . . . . . . . . . . . 120
3.16. Dos caminos con correlacion estructural . . . . . . . . . . . . . . . . . 121
4.1. Caminos de Inversores con N Compuertas . . . . . . . . . . . . . . . . 127
4.2. Impacto Porcentajes de Variabilidad . . . . . . . . . . . . . . . . . . . 128
4.3. Desviacion Estandar del Error: 10 % y 30 %. . . . . . . . . . . . . . . . 128
4.4. Varianza Camino B . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.5. Impacto de la Variabilidad de Parametros en la Covarianza entre Caminos130
4.6. Impacto de la Variabilidad de Parametros en la Desviacion Estandar del
Error, Caminos Cercanos. . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.7. Impacto de la Variabilidad de Parametros en la Desviacion Estandar del
Error, Caminos Lejanos. . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.8. Varianza del Camino B Para Caminos con Diferentes Profundidades
Logicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
4.9. Covarianza entre el Camino A y el Camino B en Funcion de la Profundidad Logica para los Tres Conjuntos de caminos bajo analisis . . . . . 135
4.10. Desviacion Estandar del Error Para Caminos con Diferentes Profundidades Logicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
4.11. Analisis de Caminos con Similar Profundidad Logica . . . . . . . . . . 137
4.12. Varianza Camino B . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.13. Covarianza Entre Caminos para las Capacitancias I - II . . . . . . . . . 139
4.14. Covarianza Entre Caminos para las Capacitancias III - IV . . . . . . . . 140
4.15. Desviacion Estandar del Error . . . . . . . . . . . . . . . . . . . . . . 140
262
INDICE
DE FIGURAS
4.16. Camino A (Objetivo) . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
4.17. Analisis de la Varianza Camino Predictivo Uno y la Covarianza entre
Caminos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
4.18. Analisis Desviacion Estandar del Error Utilizando el Camino Predictivo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.19. Analisis de la Varianza Camino Predictivo Uno y la Covarianza entre
Caminos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.20. Analisis Desviacion Estandar del Error Camino con Similar Estructura
Topologica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.21. Camino Predictivo Uno . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.22. Analisis Para un Camino con Diferente Estructura Topologica . . . . . 145
4.23. Analisis Impacto de Ambos Tipos de Variaciones en la Varianza Total
de un Camino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
4.24. Comportamiento General Analizando Variaciones Independientes . . . 148
4.25. Impacto Variaciones Independientes: Varianza del Camino Predictivo.
Donde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
4.26. Impacto Variaciones Independientes: Componentes Desviacion Estandar
del Error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
4.27. Impacto Variaciones Independientes: Desviacion Estandar del Error . . 150
4.28. Impacto Camino Candidato con Mayor PL . . . . . . . . . . . . . . . . 151
4.29. Caminos para Analizar Efecto de Correlacion Estructural . . . . . . . . 152
4.30. Impacto de la Correlacion Estructural en la Desviacion Estandar del
Error. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
4.31. Rangos Correlacion Estructural . . . . . . . . . . . . . . . . . . . . . . 156
4.32. Camino Objetivo Uno . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
4.33. Conjunto de Caminos Predictivos para el Camino Objetivo Uno . . . . 162
4.34. Camino Objetivo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
4.35. Conjunto de Caminos Predictivos para el Camino Objetivo Dos . . . . . 164
4.36. Metodologa de Seleccion Heurstica de Caminos . . . . . . . . . . . . 167
263
INDICE
DE FIGURAS
5.1. Diagrama de Bloque Herramienta HPSDD . . . . . . . . . . . . . . . . 172
5.2. Circuito ISCAS C17 . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
5.3. Histograma AIPD C499 . . . . . . . . . . . . . . . . . . . . . . . . . . 178
5.4. Analisis del rango de proximidad en H-Spatial C499. . . . . . . . . . . 180
5.5. Histograma AIPD C1908 . . . . . . . . . . . . . . . . . . . . . . . . . 181
5.6. Analisis del rango de proximidad en H-Spatial C1908. . . . . . . . . . 182
5.7. Histograma AIPD C880 . . . . . . . . . . . . . . . . . . . . . . . . . . 183
5.8. Analisis del rango de proximidad en H-Spatial C880. . . . . . . . . . . 184
5.9. Histograma Correlacion Estructural Parcial C499 . . . . . . . . . . . . 185
5.10. Histograma Correlacion Estructural Parcial C1908 . . . . . . . . . . . 186
5.11. Histograma Correlacion Estructural Parcial C880 . . . . . . . . . . . . 187
5.12. Desviacion Estandar del Error (e ) C499, Aproximacion Bi-variable. . . 191
5.13. Eficiencia en la Detectabilidad (DE) C499, Aproximacion Bi-variable. . 191
5.14. Desviacion Estandar del Error (e ) C499, Aproximacion Multi-variable. 192
5.15. Eficiencia en la Detectabilidad (DE) C499, Aproximacion Multi-variable.193
5.16. Desviacion Estandar del Error (e ) y Eficiencia en la Detectabilidad
(DE) C1355, Aproximacion Bi-variable. . . . . . . . . . . . . . . . . . 194
5.17. Desviacion Estandar del Error (e ) C1355, Aproximacion Multi-variable.195
5.18. Eficiencia en la Detectabilidad (DE) C1355, Aproximacion Multi-variable.196
5.19. Desviacion Estandar del Error (e ) C1908, Aproximacion Bi-variable . 197
5.20. Eficiencia en la Detectabilidad (DE) C1908, Aproximacion Bi-variable 197
5.21. Desviacion Estandar del Error (e ) y Eficiencia en la Detectabilidad
(DE) C1908, Aproximacion Multi-variable . . . . . . . . . . . . . . . 198
5.22. Desviacion Estandar del Error (e ) C2670, Aproximacion Bi-variable . 199
5.23. Eficiencia en la Detectabilidad (DE) C2670, Aproximacion Bi-variable 200
5.24. Desviacion Estandar del Error (e ) y Eficiencia en la Detectabilidad
C2670, Aproximacion Multi-variable . . . . . . . . . . . . . . . . . . . 201
5.25. Desviacion Estandar del Error (e ) y Eficiencia en la Detectabilidad
C880, Aproximacion Bi-variable . . . . . . . . . . . . . . . . . . . . . 202
264
INDICE
DE FIGURAS
5.26. Desviacion Estandar del Error (e ) y Eficiencia en la Detectabilidad
C880, Aproximacion Multi-variable . . . . . . . . . . . . . . . . . . . 203
5.27. Desviacion Estandar del Error (e ) S1196, Aproximacion Bi-variable . 204
5.28. Eficiencia en la Detectabilidad (DE) S1196, Aproximacion Bi-variable . 205
5.29. Desviacion Estandar del Error (e ) S1196, Aproximacion Multi-variable 205
5.30. Eficiencia en la Detectabilidad (DE) S1196, Aproximacion Multi-variable206
5.31. Desviacion Estandar del Error (e ) y Eficiencia en la Detectabilidad
(DE) S510, Aproximacion Bi-variable . . . . . . . . . . . . . . . . . . 207
5.32. Desviacion Estandar del Error (e ) y Eficiencia en la Detectabilidad
S510, Aproximacion Bi-variable . . . . . . . . . . . . . . . . . . . . . 208
5.33. Desviacion Estandar del Error (e ) y Eficiencia en la Detectabilidad
S820, Aproximacion Bi-variable . . . . . . . . . . . . . . . . . . . . . 209
5.34. Desviacion Estandar del Error (e ) y Efectividad en la Detectabilidad
S820, Aproximacion Multi-variable . . . . . . . . . . . . . . . . . . . 209
5.35. Comparacion de Resultados Circuitos ISCAS: Aproximacion Bi-variable212
5.36. Comparacion de Resultados Circuitos ISCAS: Aproximacion Bi-variable214
5.37. Comparacion de Resultados Circuitos ISCAS: Aproximacion Multivariable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
5.38. Comparacion entre las dos Aproximaciones, Bivariable (Caja Izquierda)Multivariable(Caja Derecha)) . . . . . . . . . . . . . . . . . . . . . . . 216
A.1. Esquema de Caracterizacion de Compuertas . . . . . . . . . . . . . . . 226
A.2. Modelado de la Media del Retardo . . . . . . . . . . . . . . . . . . . . 227
A.3. Modelado del Tiempo de Transicion de Salida
. . . . . . . . . . . . . 229
A.4. Sensibilidad del Retardo Ante Variaciones en la Longitud del Canal . . 230
A.5. Diagrama de Flujo Herramienta IPCA . . . . . . . . . . . . . . . . . . 231
A.6. Cadena 2 Inversores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
A.7. Comparacion Hspice-Matlab . . . . . . . . . . . . . . . . . . . . . . . 237
A.8. Cadena 5 Inversores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
265
INDICE
DE FIGURAS
A.9. Comparacion Hspice-Matlab . . . . . . . . . . . . . . . . . . . . . . . 238
B.1. Diagrama de Flujo Heurstico H-Spatial . . . . . . . . . . . . . . . . . 240
B.2. Diagrama de Flujo Heurstico H-Structural . . . . . . . . . . . . . . . 241
B.3. Diagrama de Flujo Heurstico H-Variance . . . . . . . . . . . . . . . . 243
C.1. C499 Circuito SEC de 32 . . . . . . . . . . . . . . . . . . . . . . . . . 250
C.2. C1355:Circuito SEC de 32 Bits . . . . . . . . . . . . . . . . . . . . . . 251
C.3. C1908:Circuito SEC/DED de 16 Bits . . . . . . . . . . . . . . . . . . . 252
C.4. C2670: ALU de 12 bits con Controlador . . . . . . . . . . . . . . . . . 253
C.5. C880: ALU de 8 bits . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
C.6. S1196: Controlador de Alto Nivel . . . . . . . . . . . . . . . . . . . . 255
C.7. S510: Controlador de Alto Nivel . . . . . . . . . . . . . . . . . . . . . 256
C.8. S820: Controlador de Alto Nivel . . . . . . . . . . . . . . . . . . . . . 257
266
Indice
de cuadros
1.1. Comparacion de los Diferentes Tipos de Modelos De Fallas [41].*Respecto al Numero de Compuertas . . . . . . . . . . . . . . . . . . . . . 39
4.1. Consideraciones en el Modelo de Correlacion Espacial. . . . . . . . . . 127
4.2. Profundidad Logica Caminos Bajo Analisis . . . . . . . . . . . . . . . 133
4.3. Casos de Distancia de Separacion Entre Caminos. . . . . . . . . . . . . 133
4.4. Valores Capacitancia Promedio . . . . . . . . . . . . . . . . . . . . . . 138
4.5. Caminos Predictivos Analizados . . . . . . . . . . . . . . . . . . . . . 141
4.6. Consideraciones Modelo de Correlacion . . . . . . . . . . . . . . . . . 142
4.7. Dimensiones de los Transistores Componentes del Inversor CMOS. . . 146
4.8. Casos Analizados de Correlacion Estructural . . . . . . . . . . . . . . . 152
4.9. Correlacion entre Caminos para cada caso de Correlacion Estructural. . 153
4.10. Principales Caractersticas del Conjunto de Caminos Predictivos Respecto al Camino Objetivo Uno . . . . . . . . . . . . . . . . . . . . . . 161
4.11. Metricas Estadstica del Conjunto de Caminos Predictivos . . . . . . . 163
4.12. Principales Caractersticas Del Conjunto de Caminos Predictivos Respecto al Camino Objetivo Dos . . . . . . . . . . . . . . . . . . . . . . 164
4.13. Metricas Estadstica del Conjunto de Caminos Predictivos . . . . . . . 165
5.1. Caminos Topologicos ISCAS C17 . . . . . . . . . . . . . . . . . . . . 175
5.2. Tabla de Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
5.3. N de Caminos Candidatos Analizados para cada Circuitos ISCAS . . . 176
267
INDICE
DE CUADROS
5.4. Medidas de Tendencia Central AIPD C499 . . . . . . . . . . . . . . . . 179
5.5. Medidas de Tendencia Central AIPD C1908 . . . . . . . . . . . . . . . 181
5.6. Medidas de Tendencia Central AIPD C880 . . . . . . . . . . . . . . . . 184
5.7. Medidas de Tendencia Central st C499 . . . . . . . . . . . . . . . . . 186
5.8. Medidas de Tendencia Central st C1908 . . . . . . . . . . . . . . . . . 187
5.9. Medidas de Tendencia Central st C880 . . . . . . . . . . . . . . . . . 188
5.10. Numero de Caminos Circuitos ISCAS . . . . . . . . . . . . . . . . . . 189
5.11. Resultados de Simulacion Circuitos ISCAS . . . . . . . . . . . . . . . 190
5.12. Tiempos de Computo en Analisis de los Circuitos ISCAS en Segundos. 217
A.1. Ejemplo Aproximacion Factorial. . . . . . . . . . . . . . . . . . . . . 225
A.2. Media y Desviacion Estandar del Retardo: Tiempo de Bajada. . . . . . 234
A.3. Media y Desviacion Estandar del Retardo: Tiempo de Subida. . . . . . 235
A.4. Consideraciones Modelo Exponencial de Correlacion. . . . . . . . . . . 236
A.5. Porcentajes Error HSPICE-IPCA: Cadena 2 Inversores . . . . . . . . . 237
A.6. Porcentajes Error HSPICE-IPCA: Cadena 5 Inversores . . . . . . . . . 238
C.1. Caractersticas Circuitos ISCAS Implementados . . . . . . . . . . . . . 250
268
Bibliografa
[1] S. S. Sapatnekar, Overcoming Variations in Nanometer-Scale Technologies,
pp. 518, 2011. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/epic03/
wrapper.htm?arnumber=5762377
[2] D. Srivastava, Ashish, Sylvester, Dennis, Blaauw, Statistical Analysis and
Optimization for VLSI: Timing and Power, ser. Series on Integrated Circuits
and Systems.
//www.springerlink.com/index/10.1007/b137645
[3] D. Orshansky, Michael, Nassif, Sani, Boning, Design for Manufacturability and
Statistical Design: A Constructive Approach.
Springer, 2008.
Wiley, 2006.
269
BIBLIOGRAFIA
[8] C. M. Tsividis, Yannis, Operation and Modeling of the Mos Transistor.
Oxford
[14] J. Dietrich, Manfred; Haase, Process Variations and Probabilistic Integrated Circuit Design.
Springer, 2012.
BIBLIOGRAFIA
IEEE, Jan. 2007, pp. 699704. [Online]. Available: http://ieeexplore.ieee.org/
articleDetails.jsp?arnumber=4092123
[18] H. Masuda, S.-i. Ohkawa, A. Kurokawa, and M. Aoki, Challenge: variability
characterization and modeling for 65- to 90-nm processes, in Proceedings of
the IEEE 2005 Custom Integrated Circuits Conference, 2005.
[22] G. W. S. Ban Wong, Anurag Mittal, Yu Cao, Nano-CMOS Circuit and Physical
Design.
New Jer-
271
BIBLIOGRAFIA
[25] T. Chawla, S. Marchal, A. Amara, and A. Vladimirescu, Impact of intra-die
random variations on clock tree, in 2009 NORCHIP.
Boston: Springer.
[31] R. G. Fuentes, A Test Framework for interconnection Open Defects, Tesis Doc
toral, Instituto Nacional de Astrofsica, Optica
y Electronica., 2007.
272
BIBLIOGRAFIA
[32] H. T. Heineken and W. Maly, Performance - manufacturability tradeoffs in IC
design, pp. 563569, Feb. 1998. [Online]. Available: http://dl.acm.org/citation.
cfm?id=368058.368298
[33] C. F. Hawkins, J. M. Soden, A. W. Righter, and F. J. Ferguson, Defect classes-an
overdue paradigm for CMOS IC testing, pp. 413425, 1994. [Online]. Available:
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=527983
[34] R. R. Montanes, J. P. D. Gyvez, and P. Volf, Resistance characterization for
weak open defects, pp. 1826, 2002. [Online]. Available: http://ieeexplore.ieee.
org/lpdocs/epic03/wrapper.htm?arnumber=1033788
[35] J. Segura and C. F. Hawkins, CMOS electronics: how it works,
how
it
fails.
Wiley-IEEE
Press,
2004.
[Online].
Available:
http:
//books.google.com/books?hl=en&lr=&id=Vl8naJHBTDIC&oi=
fnd&pg=PR13&dq=Cmos+electronics&ots=2miajb--u9&
sig=wliKP2z54fQt5I8cufpX7jWQ3NY
[36] S. Irajpour, S. Nazarian, S. Gupta, and M. Breuer, Analyzing crosstalk
in the presence of weak bridge defects, in Proceedings. 21st VLSI Test
Symposium, 2003.
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=1197679
[37] B. Kruseman, A. Majhi, C. Hora, S. Eichenberger, and J. Meirlevede, Systematic
defects in deep sub-micron technologies, 2004.
[38] S. S. Sabade and D. M. Walker, Iddx -based test methods : A survey, Texas
A&M University, Tech. Rep., 2003.
[39] H. Villacorta, V. Champac, C. Hawkins, and J. Segura, Reliability analysis
of small delay defects in vias located in signal paths, in 2010 11th Latin
American Test Workshop.
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=5550366
273
BIBLIOGRAFIA
[40] H. Villacorta, J. Garcia-Gervacio, V. Champac, S. Bota, J. Martinez,
and J. Segura, Bridge defect detection in nanometer CMOS circuits
using Low VDD and body bias, in 2013 14th Latin American Test
Workshop - LATW.
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=6562671
[41] A. K. Cheng and K.-T. T., Delay Fault Testing for VLSI Circuits.
Kluewer Aca-
demic, 1998.
[42] C.
A.
testing.
Appello,
[Online].
Roberto
Mattiuzzo
Available:
and
Davide,
Small-delay-defect
http://www.edn.com/design/other/4381761/
Small-delay-defect-testing-4381761
[43] J. L. G. Gervacio, An Aware Methodology to Evaluate Circuit Testability for
BIBLIOGRAFIA
International Conference on Computer Aided Design.
McGraw-Hill, 2003.
Optica
y Electronica., 2011.
[57] A. Keshavarzi, K. Roy, and C. F. Hawkins, Intrinsic leakage in deep
submicron CMOS ICs-measurement-based test solutions, pp. 717723,
275
BIBLIOGRAFIA
2000. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?
arnumber=902266
[58] V. Agrawal and T. Chakraborty, High-performance circuit testing with slowspeed testers, in Proceedings of 1995 IEEE International Test Conference
(ITC).
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=529854
[59] J.-J. Liou, L.-C. Wang, K.-T. Cheng, J. Dworak, M. R. Mercer, R. Kapur,
and T. W. Williams, Enhancing test efficiency for delay fault testing
using multiple-clocked schemes, Proceedings of the 39th conference on
Design automation - DAC 02, p. 371, 2002. [Online]. Available: http:
//portal.acm.org/citation.cfm?doid=513918.514013
[60] X. Q. X. Qian and A. D. Singh, Distinguishing Resistive Small Delay Defects
from Random Parameter Variations, 2010.
[61] a.D. Singh, A self-timed structural test methodology for timing anomalies due
to defects and process variations, IEEE International Conference on Test, 2005.,
pp. 8490, 2005. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/epic03/
wrapper.htm?arnumber=1583964
[62] R. C. Bhasker, J, Static timing analysis for nanometer designs : a practical approach.
BIBLIOGRAFIA
[65] C. Amin, N. Menezes, K. Killpack, F. Dartu, U. Choudhury, N. Hakim,
and Y. Ismail, Statistical static timing analysis: how simple can we get?
Proceedings. 42nd Design Automation Conference, 2005., pp. 652657,
2005. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?
arnumber=1510412
[66] A. Devgan and C. Kashyap, Block-based static timing analysis with uncertainty,
pp. 607614, 2003.
[67] S. Nassif, Modeling and analysis of manufacturing variations, in Proceedings
of the IEEE 2001 Custom Integrated Circuits Conference (Cat. No.01CH37169).
IEEE, 2001, pp. 223228. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/
epic03/wrapper.htm?arnumber=929760
[68] H. Mahmoodi, S. Mukhopadhyay, and K. Roy, Estimation of delay variations
due to random-dopant fluctuations in nanoscale CMOS circuits, IEEE Journal of
Solid-State Circuits, vol. 40, no. 9, pp. 17871796, Sep. 2005. [Online]. Available:
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=1501976
[69] V. De and J. Meindl, Intrinsic MOSFET parameter fluctuations due to
random dopant placement, IEEE Transactions on Very Large Scale Integration
(VLSI) Systems, vol. 5, no. 4, pp. 369376, Dec. 1997. [Online]. Available:
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=645063
[70] M. Miranda, When every atom counts, Spectrum, IEEE, no. july, 2012. [Online].
Available: http://ieeexplore.ieee.org/xpls/abs all.jsp?arnumber=6221080
[71] A. Agarwal, D. Blaauw, and V. Zolotov, Statistical timing analysis for intra-die
process variations with spatial correlations, pp. 900907, 2003.
[72] A. Agarwal, D. Blaauw, V. Zolotov, S. Sundareswaran, K. Gala, and
R. Panda, Statistical delay computation considering spatial correlations, in
Proceedings of the ASP-DAC Asia and South Pacific Design Automation
277
BIBLIOGRAFIA
Conference, 2003.
//ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=1195028
[73] H. C. H. Chang and S. S. Sapatnekar, Statistical timing analysis considering
spatial correlations using a single PERT-like traversal, p. 621, 2003. [Online].
Available: http://portal.acm.org/citation.cfm?id=1009954
[74] J. Xiong, V. Zolotov, and L. He, Robust extraction of spatial correlation,
Computer-Aided Design of Integrated . . . , vol. 26, no. 4, pp. 619631,
2007. [Online]. Available: http://ieeexplore.ieee.org/xpls/abs all.jsp?arnumber=
4135379
[75] B. Paul and K. Roy, Statistical Timing Analysis using Levelized Covariance Propagation, Design, Automation and Test in Europe, pp. 764769. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=1395670
[76] T. Sakurai and A. Newton, Delay analysis of series-connected MOSFET
circuits, IEEE Journal of Solid-State Circuits, vol. 26, no. 2, pp. 122131,
1991. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?
arnumber=68126
[77] M. Hansen, H. Yalcin, and J. Hayes, Unveiling the ISCAS-85 benchmarks: a
case study in reverse engineering, IEEE Design & Test of Computers, vol. 16,
no. 3, pp. 7280, 1999. [Online]. Available: http://ieeexplore.ieee.org/lpdocs/
epic03/wrapper.htm?arnumber=785838
278