产线偶发读写失败 · 治具供电不稳排查手册
编制日期 2026-09-21 ｜ 版本号 Rev 1.0
XTX（芯天下）存储芯片 FAE 技术文档 · 量产治具（烧录工装）电气侧深度排查 · 面向产线工艺 / 设备 / FAE
治具电源参数（纹波、瞬态响应、带载能力）、接插件规格（接触电阻、插拔寿命）、夹具压力范围与弹簧寿命，一律以具体治具厂商规格书与保养手册为准；芯片的最低工作电压、编程 / 擦除窗口电流峰值以对应型号 datasheet 为准。文中出现的所有数值均为说明量级与判据结构的示例，不得直接当作出厂判据套用。
这份文档解决什么
一句话结论：产线偶发读写失败里，「治具供电 / 接触」类根因的最大特征是不跟着芯片走、而跟着工位与时间走。定位动作只需三步——先交叉换位（换芯片不动工位 / 换工位不动芯片）确认失败跟谁走，再在芯片引脚端量 VCC_min、纹波 Vpp、瞬态跌落三个数，最后把电源余量、回路电阻、夹具压力三项拉回规格并留档进 SPC。所有阈值（电压、纹波、接触电阻、压力）均以具体治具厂商规格与芯片 datasheet 为准，本文只给排查机制与判据结构。
1. 问题本质：治具供电不稳的 6 种典型表现
治具供电 / 接触类故障与「芯片坏」「固件错」最大的区别在于—— 失败与时间、工位、料盘位置强相关，而与芯片唯一身份（UID、料号批次）弱相关。 抓住这条指纹，就能在半小时内把问题从「芯片 / 固件 / 烧录器」三个方向里摘出来，收敛到治具侧。
1.1 六种典型表现速查
| # | 现场现象 | 强相关维度 | 最可能的治具侧根因 | 30 分钟判别动作 |
|---|---|---|---|---|
| 1 | 时好时坏：同一颗芯片复测又能过，失败率不高但不停出现 | 时间 / 重复次数 | 接触电阻处于临界值；纹波或瞬态跌落幅度处于临界值；供电余量刚好卡在边界 | 同一工位连续复测 20 次（不重新上下料），统计失败率与失败出现的序号分布 |
| 2 | 早上基本全过，下午开始零星失败，下班前变多 | 时段 / 连续运行时间 | 治具连续运行温升导致电源模块漂移；车间电网波动；空调或大功率设备启停 | 在 09:00 / 14:00 / 17:00 各量一次 VCC_min 与纹波 Vpp，同时记录车间母线电压 |
| 3 | 失败集中在某一个或某几个固定工位 | 工位 | 该工位线缆 / 接插件 / 探针老化；电源分配到该工位压降最大；该夹具未按期保养 | 交叉换位：换夹具不动工位、换工位不动夹具，看失败跟谁走 |
| 4 | 特定料盘、特定上料位失败 | 料盘 / 托盘位置 | 夹具压合机构在某段行程磨损；托盘定位销偏移使芯片相对探针偏移；托盘自身变形 | 把料盘旋转 180° 后复测；把芯片挪到同盘其它位置复测 |
| 5 | 只有特定数据 pattern 失败（全 0 / 全 1 / checkerboard） | 数据内容 | 不同 pattern 的编程电流峰值不同，全 0 / 全 1 时峰值最高，触发瞬态跌落 | 分别用 全 0 / 全 1 / checkerboard / 随机 四种 pattern 各测 10 次，对比失败率 |
| 6 | 常温全过，进温箱（高温或低温）后失败；或温箱外引线一加热就失败 | 温度 | 温箱内外引线压降增大；接触电阻温度系数；电解电容 ESR 随温度上升；LDO 压差不足 | 在温箱内芯片引脚端与温箱外电源端同时量 VCC，比较两者差值 |
1.2 判别总原则：三维交叉换位法
不要一上来就换芯片、换烧录器、改固件。先用最小代价的三个交叉实验确认失败「跟着谁走」， 这是整个定位流程里信息量最大、成本最低的一步。
实验一：换芯片，不动工位
- 取同一工位连续失败的 3 颗芯片，换到已知良好的工位复测
- 取已知良好的 3 颗芯片，放到可疑工位复测
- 判据：失败跟着工位走 → 治具侧；跟着芯片走 → 芯片 / 料批次
实验二：换工位 / 换夹具，不换芯片
- 同一颗芯片在 A/B/C 三工位各测 20 次，记录失败率
- 把可疑工位的夹具（含探针模组）整体搬到良好工位
- 判据：失败跟着夹具走 → 夹具 / 探针；跟着工位底座走 → 线缆 / 供电 / 接插件
实验三：换时间 / 换负载工况
- 早 / 中 / 晚各测一轮，每轮同一工位同 20 颗
- 空载（只该工位工作）与满载（全部工位同时工作）各测一轮
- 判据：满载显著恶化 → 电源余量 / 共阻抗；随时间恶化 → 温升 / 磨损 / 电容老化
配套动作：留证据而不是凭印象
- 每轮记录：工位号、夹具编号、芯片 UID 或料盘位号、失败项（擦 / 写 / 校验）、重试次数
- 示波器抓一轮编程启动瞬间的
VCC与I_CC，存档 - 失败率用「分母」说话：20 次里失败 3 次和 200 次里失败 3 次是两个完全不同的问题
复测通过不能证明芯片没问题，也不能证明芯片有问题——它只证明这一次的电气与机械条件满足要求。偶发失败的信息全在「失败出现的条件」里，而不在「复测是否通过」这一个比特里。
正确做法：把每一次失败记录为一条带上下文的数据（工位 / 夹具 / 时段 / pattern / 重试次数 / VCC_min），攒够 20~30 条再做统计。
1.3 与姊妹篇的分工
《Verify Failed 偶发校验失败 · 量产排查》给出的是通用五层故障模型与分流决策（L1 物理接触 → L2 电源完整性 → L3 信号与时序 → L4 协议与配置 → L5 存储介质）。 本份文档把其中的 L1 / L2 治具原因单独抽出来做深度展开：第 3~5 章对应 L2 的治具电源侧， 第 6~7 章对应 L1 的机械与接触侧，第 8 章对应 L1/L3 之间的信号调理环节。
第 2 章要先把「治具电源系统」「编程器电源」「板上电源」三者的边界划清楚。这三者混为一谈，是治具供电类问题久拖不决的头号原因——换了编程器没用，换了适配器也没用，因为真正的问题在工装板上那一级 DC-DC。
2. 治具供电系统的四种拓扑
排查治具供电，第一步不是拿万用表，而是搞清楚这台治具的供电属于哪一种拓扑。 拓扑决定了「电源」归谁管、点检对象是谁、出问题该找谁。
治具电源系统：工装板、分配网络、保护器件、探针到芯片这一段，归设备 / 工艺管，有自己的保养周期与点检项。
编程器电源：烧录器内部 DC-DC / LDO 与其输入（USB 或适配器），归烧录器厂商规格约束。
板上电源：目标板自身 PMIC / LDO 与板上其它负载，归硬件设计管。
三者的额定值、纹波指标、点检周期互不相同，不能互相套用。现场最常见的问题是拿编程器的指标去要求工装，或反过来。
2.1 四种拓扑对比
| 拓扑 | 供电路径 | 典型优点 | 典型风险 | 点检对象与周期 |
|---|---|---|---|---|
| A · 编程器自带供电 | USB / 适配器 → 编程器内部变换 → 编程器 VCC 引脚 → 夹具 → 芯片 | 接线最少，桌面调试方便；小容量芯片够用 | USB 口限流；编程器内部电源余量通常不大；多口 hub 共享更紧张；长排线压降明显 | 归编程器：查输入电压与端口供电能力；以编程器厂商规格为准 |
| B · 外置适配器供电 | AC/DC 适配器或台式电源 → 工装输入端 → 分配网络 → 夹具 → 芯片 | 功率余量好选；电源可独立更换与计量；多路便于单独关断 | 适配器带载能力虚标；线缆过长过细；多工位共用一只适配器时互相拉扯 | 归治具：日点检输出电压；周期点检纹波与带载（以治具厂商规格为准） |
| C · 工装内置电源模块 | 总输入（如 12 V / 24 V）→ 板上 DC-DC 或 LDO → 去耦与分配 → 夹具 → 芯片 | 电压档位灵活，可多路独立；便于做成多路隔离 | DC-DC 瞬态响应差；电感饱和；输出 bulk capacitor 不足；多路共地耦合 | 归治具：周期点检纹波、瞬态跌落、带载能力；电解电容按寿命更换 |
| D · 板上取电 | 目标板自身电源 → 板上网络（含其它负载）→ 芯片 | 与实际应用场景一致，测的是真实工作条件 | 板上其它负载动态变化；烧录时主控可能未复位而拉扯 IO；板上电源未必为编程电流设计 | 归硬件设计：确认复位态与负载关断；必要时飞线做对照 |
2.2 压降链：电压是在哪一段被吃掉的
芯片引脚上看到的电压，等于电源设定值减去沿途每一段寄生电阻上的压降，再减去纹波与瞬态跌落。 治具点检的全部目标，就是把 R2~R5 压到规格内，并让它们随时间保持稳定。
2.3 三个「电源」的边界（务必分清）
① 报修时能说清找谁：拓扑 B/C 出问题找设备，拓扑 A 找烧录器供应商，拓扑 D 找硬件。
② 点检表能分表：治具点检表只写治具侧的量测项，不要把编程器指标抄进去。
③ 备件能分级：适配器、DC-DC 模块、电解电容、探针模组属于不同备件库，更换周期也不同。
2.4 拓扑决定了第一手排查动作
3. 第 1 类 · 编程器自带供电不足
拓扑 A 的特征是信号与电源同源：编程器既给芯片发时序，又给芯片供电。 一旦上游（USB 口 / hub / 适配器）或编程器内部电源余量不够，表现就是「擦写校验时好时坏」， 而换一颗芯片、换一台电脑又能「好一阵」。
3.1 机理：USB 取电的三级约束
| 约束层级 | 约束内容 | 典型表现 | 备注 |
|---|---|---|---|
| 主机 USB 口 | 标准下行口的供电能力有上限；笔记本口通常比台式机后置口更保守 | 同一台编程器插笔记本失败多、插台式机后置口正常 | 具体限流值以主机与编程器厂商规格为准 |
| USB hub | 有源 hub 的总功率要在所有下行口之间分配；无源 hub 更是直接分掉上行口的电流 | hub 上插的设备越多，失败率越高；拔掉其它设备后好转 | 量产工位禁止使用无源 hub 给编程器供电 |
| 线缆与接插件 | USB 线缆线径细、长度长时压降显著；接头氧化会进一步抬升阻抗 | 换一根短线立刻好转；晃动接头时失败率跳变 | 归入第 6 章接插件与线缆老化一并点检 |
| 编程器内部变换 | 编程器内部 DC-DC / LDO 的持续输出能力与瞬态响应有限 | 待机电压正常，一进入编程就跌；示波器能看到明显的负载阶跃跌落 | 输出能力以编程器厂商规格为准 |
3.2 两个容易被混淆的口径：峰值 vs 持续
评估「编程器能不能带得动」，必须把两个口径分开看，混用会得出完全相反的结论。
| 口径 | 含义 | 为什么重要 | 怎么拿到 |
|---|---|---|---|
| 持续输出能力 | 编程器 VCC 引脚能长期稳定提供的电流 | 决定了稳态压降与温升；长时间连续量产看这个 | 编程器规格书标称值；或用电子负载做带载测试 |
| 峰值 / 瞬态能力 | 编程、擦除瞬间能提供的短时电流与跌落幅度 | 存储芯片编程与擦除是脉冲负载，峰值可数倍于待机电流；决定偶发失败的往往是它 | 示波器抓引脚端 VCC 与 I_CC（见图 3）；峰值电流以芯片 datasheet 为准 |
3.3 判别：现象 → 动作
| 观察到的现象 | 指向 | 30 分钟内的判别动作 |
|---|---|---|
| 把编程器从 hub 拔下直插主机后置口后，失败率明显下降 | USB 口 / hub 供电不足 | 记录前后各 100 次的失败率；同时量 hub 输入电压 |
| 换一台主机或用另一只适配器给编程器供电后恢复正常 | 上游电源余量不足 | 对比两只适配器的标称输出与实测带载压降 |
| 待机 VCC 正常，编程一启动就跌到阈值附近 | 编程器内部电源瞬态能力不足 / 排线压降 | 在芯片引脚端抓 VCC 与 I_CC 波形存档 |
| 一拖多时失败率随同时工作工位数上升 | 多工位叠加峰值电流 | 改为单工位单独跑一轮做对照；详见第 5 章 |
| 编程器外壳或线缆发热明显 | 长期过载 / 效率偏低 | 摸温只能作定性，需结合带载测试判定是否降额使用 |
3.4 处置清单（按成本从低到高）
- 直插主机后置口，绕开所有 hub（尤其是无源 hub 与显示器 hub）。这是零成本且见效最快的一步。
- 缩短 / 更换编程器到夹具的排线：加粗 VCC/GND 线径，或把 VCC/GND 各用两根以上并联，降低 R2。
- 改用外置适配器给编程器供电（若编程器支持），把供电从 USB 口解耦出来。
- 拓扑升级到 B：由外置电源直接给工装供电，编程器只负责信号，VCC 引脚不取电或仅作检测。
- 降低单工位同时上电数量：一拖多编程器改为分时错峰启动，削掉叠加的峰值电流。
- 在编程器 VCC 引脚端并联 bulk capacitor + 陶瓷电容（容值与 ESR 以编程器厂商规格为准），补偿瞬态。
禁止在治具或编程器带电状态下插拔 VCC 排线、更换保险丝、短接测量点——带电感负载的回路断开瞬间会产生高压尖峰，可能损坏编程器输出级、击穿芯片，并对操作者造成电弧伤害。
正确顺序：断电 → 等待电源指示灯熄灭 / 母线电容放电完成 → 验电确认无压 → 再操作。对含有 bulk capacitor 或长线缆的工装，断电后须按厂商规程确认放电完成，不得以指示灯熄灭作为唯一判据。
4. 第 2 类 · 工装电源模块设计缺陷
拓扑 B / C 的电源是治具自己的资产，也是量产现场偶发失败的高发源头。 这类问题的共同点是：电源输出端的读数往往「正常」，故障只出现在芯片引脚端—— 因为跌落发生在负载阶跃的那几微秒到几毫秒里，万用表根本看不见。
4.1 三个必须分开考核的指标
| 指标 | 定义 | 为什么影响偶发失败 | 量测要点 |
|---|---|---|---|
纹波与噪声 Vpp / RMS | 输出直流上叠加的周期性波动与随机噪声 | 纹波会直接吃掉电压余量；谷底瞬间等效于一次微小的瞬态跌落 | 示波器 20 MHz 带宽限制 + 探头接地弹簧（不用长地线夹），量芯片引脚端 |
| 瞬态响应（load transient） | 负载电流阶跃时输出电压的跌落幅度与恢复时间 | 编程 / 擦除是脉冲负载，跌落幅度不够小就会偶发失败 | 电子负载做阶跃，或直接抓编程启动瞬间波形（图 3） |
| 带载能力 / 负载调整率 | 输出电流变化时输出电压保持稳定的能力 | 余量不足时，多工位同时工作会把电压整体拉低，表现为「满载就失败」 | 空载 → 半载 → 满载三点量测，绘制图 4 那样的曲线 |
4.2 瞬态跌落：偶发失败的头号机理
存储芯片在 Page Program 与 Block Erase 期间需要远高于待机的电流， 且是脉冲式的。电源模块若瞬态响应不够快，或输出端的 bulk capacitor 不足以支撑到环路响应， VCC 就会出现一个跌落谷底；谷底若低于芯片最低工作电压，这一次编程就写坏或校验失败。
判读顺序（对着图 3 的波形看）：
- 先看谷底 VCC_min：是否仍在芯片最低工作电压之上，且留有余量。
- 再看跌落持续宽度：是否覆盖了整个写入 / 擦除窗口，还是只擦边一个角。
- 最后看恢复段的振铃与过冲：过冲是否越过芯片绝对最大额定值（以 datasheet 为准）。
- 把这三个数与「同一工位良好时」的存档波形对比，而不是与规格书的理论值对比。
4.3 bulk capacitor 与去耦：容量、ESR、位置三者缺一不可
| 要素 | 作用 | 常见错误 | 点检动作 |
|---|---|---|---|
| 容值 | 在环路响应之前提供电荷，撑住瞬态跌落 | 只按「经验值」放置，未核算编程峰值电流与跌落时长 | 按峰值电流 × 允许跌落 × 时长核算，并以厂商规格与实测为准 |
| ESR | 决定电容能否快速放出电荷；ESR 过高时容值再大也没用 | 只换大容量铝电解，忽略 ESR；或电解电容老化后 ESR 上升未被发现 | 周期点检中记录 ESR 趋势；电解电容按寿命定期更换 |
| 位置 | 去耦电容必须靠近负载，回路电感才会小 | 电容放在电源模块输出端，离芯片很远；过孔与走线细长 | 检查是否有芯片端就近去耦；必要时在夹具侧补电容 |
| 类型搭配 | bulk capacitor 管中低频，陶瓷电容管高频 | 只用一种；或陶瓷电容容值过大导致 DC-DC 环路不稳定 | 按电源模块厂商推荐的类型与容值搭配，改动后复测瞬态 |
4.4 带载能力与余量：降额不是保守，是工程必需
电源模块的额定输出电流是在特定散热与输入条件下给出的。量产治具长时间连续运行、工装内通风有限， 实际可持续输出往往低于铭牌值。因此选型与点检都要留出余量。
4.5 判别与处置
| 现象 | 最可能的设计缺陷 | 判别动作 | 处置方向 |
|---|---|---|---|
| 空载电压正常，一带载就掉 | 带载能力不足 / 电流限值设定过低 | 分级加载量测输出电压，绘制负载调整率曲线 | 换更大额定电流的模块，或减少单模块带动的工位数 |
| 待机纹波就偏大 | 输出滤波不足 / 电容 ESR 升高 / 模块老化 | 20 MHz 带宽限制下量 Vpp，并与新治具基线对比 | 更换输出电容；检查模块是否超期服役 |
| 只有编程 / 擦除瞬间失败 | 瞬态响应慢 / bulk capacitor 不足 | 抓引脚端 VCC 与 I_CC 波形（图 3） | 按厂商推荐补 bulk capacitor 与就近陶瓷电容；复测 |
| 连续运行几小时后失败率上升 | 温升导致参数漂移 / 电感饱和 / 电容 ESR 上升 | 冷机与热机各量一次纹波与瞬态，对比差值 | 改善工装散热；按寿命更换电解电容；必要时降额 |
| 同一批治具里只有个别台异常 | 器件个体差异 / 装配差异（端子扭矩、线径） | 把异常台与良好台做同条件对照量测 | 逐台建立基线档案，差异项即为整改项 |
DC-DC 效率高、适合压差大与电流大的场合，代价是纹波与瞬态响应需要认真设计，环路补偿不当还会振铃。
LDO 输出干净、瞬态好，代价是压差与功耗——压差不足会直接失去稳压能力，大电流下发热也不可忽视。
量产治具常见的稳妥做法是两级：DC-DC 粗变换 + LDO 精稳压，或在 DC-DC 后加大容量低 ESR 的 bulk capacitor。具体方案以治具厂商设计与芯片 datasheet 为准。
5. 第 3 类 · 多工位并联导致互相拉扯
多工位（一拖四、一拖八）是量产治具的常态，也是偶发失败最高发的场景。 原因是三个耦合同时存在：电源余量被分摊、公共回流阻抗耦合、地弹叠加。 单机调试全部正常，一上多工位就开始零星失败——这是本类问题的典型开场。
5.1 三种耦合机理
| 耦合类型 | 物理机理 | 典型表现 | 为什么多工位更严重 |
|---|---|---|---|
| 电源余量被分摊 | 单只电源的总输出电流在 N 个工位之间分配；任一工位峰值叠加会触到限流点 | 满载时所有工位一起变慢、一起偶发失败；降为单工位立刻正常 | 工位数越多，同时峰值的概率越高，叠加峰值越大 |
| 公共回流阻抗耦合（共阻抗） | 多工位共用一段回流路径，这段路径的阻抗上流过所有工位电流之和，产生公共压降 | 某个工位一动作，其它工位的参考地就跳动；表现为「别人动我失败」 | 串联回流（daisy-chain）时压降沿链路累加，末端工位最严重 |
| 地弹（ground bounce） | 回流路径的寄生电感在电流快速变化时产生 L·di/dt 感应电压 | 只在编程 / 擦除这种电流突变时刻失败；信号边沿出现台阶与振铃 | 多工位同时切换时 di/dt 成倍增加，地弹幅度叠加 |
5.2 判别：三组对照实验
实验一 · 空载 vs 满载
- 只让 1 个工位工作，其余工位上电但不动作：跑 100 次记录失败率
- 全部工位同时工作：再跑 100 次
- 满载失败率显著高于空载 → 本类问题成立
实验二 · 同步 vs 错峰
- 所有工位同时启动编程（最恶劣工况）
- 改为各工位错开一个固定相位启动
- 错峰后失败率下降 → 峰值电流叠加是主因
实验三 · 共电源 vs 独立供电
- 把可疑工位临时改由一只独立电源供电，其余不动
- 对比改前改后各 100 次的失败率
- 独立供电后好转 → 立即固化为设计变更
配套量测
- 在最远端工位的芯片引脚端量 VCC_min（最远端压降最大）
- 量各工位 GND 与系统地之间的差值，观察是否随其它工位动作而跳动
- 抓一次「所有工位同时启动」的波形存档，作为后续整改的基线
5.3 处置原则
| 优先级 | 措施 | 说明 | 代价 |
|---|---|---|---|
| P0 | 每个工位独立供电（或至少分组独立） | 从根上消除共阻抗与峰值叠加；单独供电优于共电源是本类问题的首选结论 | 电源模块数量增加，成本上升；但故障定位也变简单 |
| P0 | 回流路径改为星形单点接地 | 每个工位的回流独立回到电源负端，只在一点相连；功率回流不得串联 | 布线工作量增加；改造旧治具时需重新走线 |
| P1 | 各工位分时错峰启动编程 | 用软件或治具时序错开各工位的启动相位，削掉同时峰值 | 单件节拍基本不变，总吞吐可能略降 |
| P1 | 加大母线与回路线径，缩短回流路径 | 直接降低公共阻抗，减弱共阻抗耦合与地弹 | 改造成本低，适合作为过渡措施 |
| P2 | 每工位就近增加 bulk capacitor 与去耦电容 | 为本工位瞬态提供本地电荷，减少对公共电源的依赖 | 需注意容值与 ESR，改动后必须复测瞬态与环路稳定性 |
5.4 选型与改造建议
| 项目 | 建议 | 依据 / 备注 |
|---|---|---|
| 单电源带动工位数 | 尽量做到一工位一路；确需共用时，按最恶劣叠加峰值核算并留余量 | 余量倍数以治具厂商规格与实测峰值电流为准 |
| 电源额定余量 | 按实测峰值电流之和 × 余量系数选型，并考虑长期连续运行的降额 | 本文示例仅说明结构，具体系数以厂商规格为准 |
| 回流路径 | 功率回流与信号回流分开；功率回流不得与敏感信号共用一段走线 | 避免公共阻抗耦合到信号参考地 |
| 接地方式 | 星形单点接地；保护地 / 机壳地与功率回流地分开，只在一点连接 | 见图 5 右侧示意 |
| 最远端工位 | 把最远端工位作为点检的必测点，它的压降与地弹最大 | 点检记录须标明工位号与位置 |
核查工装电源时可能触及AC 市电输入端、大电流母线、大容量电容组。以下为强制要求：
① 测量市电侧必须由具备电工资质的人员执行，使用符合类别与电压等级的仪表与表笔；严禁用普通万用表笔或示波器探头直接测市电。
② 示波器探头的接地夹与市电地等电位，直接夹到被测电路的「非地」节点会造成短路；测量浮动节点须使用差分探头或隔离通道。
③ 大电流回路禁止用万用表电流档串联测量（会烧表或瞬间断开负载）；应使用电流探头或钳形表。
④ 电源模块与 bulk capacitor 断电后仍可能长时间带电，测量与更换前须按厂商规程确认放电完成。