半导体芯片封装测试的良率优化研究很少在国内外的文献中提及,国内外的研究大多是针对晶圆测试的良率优化。采用基于大数据的分析做良率的预测,分析输入参数与输出良率间的关系,挖掘出有价值的信息并加以探讨,进而达到控制产品的参数值,以提高良率、控制质量,最终达到降低成本的目的。本文将研究芯片封装测试中的良率优化问题,重点研究了共性分析法,通过共性分析法追踪封装测试工艺中引起良率下降的失效因子。这个失效因子可以是操作人员、生产设备、物料、设计缺陷和生产环境。找到失效因子后立即采取有效的行动防止良率持续下降。这就是本文提出的Corrective action(矫正措施)的概念,它是针对失效因子所采取的一系列活动的简称,是在失效因子被锁定的情况下采取的最直接有效的矫正方案。通过共性分析法找到失效因子并通过矫正措施防止良率持续下降是解决问题的第一步,可以在短期内避免良率持续下降。如何避免问题的再次发生是本文要解决的重点问题。本文基于数理统计的原理提出了MBPS(基于模型的问题解决方案),论证了其在失效模式分析中的有效性,举例说明了其在芯片测试良率的优化中的实际应用。通过工程实验证明了MBPS在芯片的封装测试良率问题中是行之有效的失效模式分析方法。只有清楚明白了失效因子的失效模式,并采取有效行动,才能预防同样的良率问题再次发生,这就是Preventative action(预防措施)。有了预防措施才能从根本上解决同一种失效模式引起的良率损失,实现芯片测试良率的优化。将这套方法应用于芯片封装测试的五个要素,将人、机、物料、设计缺陷、环境中产生的良率问题,应用共性分析法锁定失效因子提出矫正措施,应用MBPS分析失效模式,提出有效的预防措施。通过良率的提升,进一步验证了此方法的有效性。将这套方法应用于芯片封装测试的工艺流程控制系统,充分发挥其效用,当早期失效信号被触发时,自动发出警报通知疑似出现问题的工艺流程站点技术人员去检查指向的失效单元,在问题出现早期就采取有效措施避免良率损失的进一步扩大。