业界对于半导体器件零缺陷需求的呼声日益高涨，为此半导体制造商开始加大投资应对挑战，以满足汽车用户的需求。随着汽车中电子元器件数量的不断增加，必须严格控制现代汽车中半导体器件的质量以降低每百万零件的缺陷率(DPM)，将与电子元件相关的使用现场退回及担保等问题最小化，并减小因电子元件失效导致的责任问题。
美国汽车电子委员会AEC-Q001规范推荐了一种通用方法，该方法采用零件平均测试(Part Average Testing, PAT)方法将异常零件从总零件中剔除，从而在供应商这一级就改进部件的质量和可靠性。对给定晶圆、批号或被测零件组，PAT方法可以指示总平均值落在6σ之外的测试结果，任何超出给定器件的6σ门限值的测试结果均被视为不合格，并从零件总数中剔除，那些未达到PAT门限值的零件不能付运给客户,这样一来就改进了器件的质量和可靠性。
用户对这些规范的要求促使供应商之间的竞争更加激烈。在改进可靠性并降低缺陷率方面面临很大的压力，尤其对于目前由半导体控制的许多相当重要的安全功能，诸如刹车、牵引控制、动力及主动稳定控制系统。供应商既要改进已付运零件的质量,又要让这些规范对其成品率的影响最小。由于制造成本持续走低,测试成本却维持在相对不变的水平，因此测试成本在制造成本中的比重日益增大，元器件的利润空间持续缩水。由于绝大部分的成品率都不能够满足要求，所以供应商必须彻底评估他们的测试程序以便找到替代测试方法，并且从备选方法中反复试验直至找到最佳方法。

;
图1：PAT测试筛选异常零件
不借助尖端的分析和仿真工具，供应商就会在没有充分了解这些规范对供应链影响的情况下应用它们。更糟糕的是,如果盲目应用并遗漏了重要的测试,那么结果即使保证采用PAT之类的规范对器件进行了测试并以相同的DPM率付运,在这种情况下保证也是毫无疑义的，而且可靠性也会降低。
一些供应商似乎认为，在晶圆探测中进行PAT测试就足够了，但研究表明采用这种方法存在许多问题。在晶圆探测中采用PAT是第一道质量关，但在剩余的下游制造过程中，由于无数可变因素造成的变数增加，因此会在封装测试时导致更多的PAT异常值。如果供应商希望付运高质量的零件，他们就需在晶圆探测和最终测试两个阶段都进行PAT测试，而且他们的客户也应推动该方法的应用。
实时PAT和统计后处理
PAT过程所采用的方法之一是分析由几个批次的最新数据，为每个感兴趣的测试建立PAT门限。这些门限计算为鲁棒平均值+/-6σ，并且通常作为规格上限(USL)和规格下限(LSL)整合到测试程序中。静态PAT门限必须至少每六个月复审并更新一次。
首选的方法是计算每个批次或晶圆的动态PAT门限。动态PAT门限通常比静态PAT门限更为严格，并且清除不在正常分布内的任何异常值。最为重要的差异是动态PAT门限根据晶圆或批次计算，因而门限将会根据晶圆或批次所采用的材料性能连续变化。动态PAT门限计算为平均值+/-(n*σ)或中值+/-(N * 鲁棒σ)，且不能小于测试程序中所规定的LSL或大于USL。
所计算出的PAT门限定被用作图中所示的较低PAT门限(LPL)和较高PAT门限(UPL)。任何超过动态PAT门限且处于LSL和USL门限之间的值都被视为异常值。这些异常值通常被命名为故障并被装入一个特定的异常值软件和硬件箱。跟踪给定晶圆或批次所计算出的PAT门限以及每一个测试所检测到的异常量对于后期追溯具有重要意义。
实施PAT有两种主要方法：实时PAT和统计后处理(SPP)。供应商必须清楚是否要在探测和最终测试中采用两种不同方法，还是只采用一种方案更有意义。
实时PAT根据对动态PAT门限的计算，在不影响测试时间的情况下，当零件被测试时就作出分选决策。这就需要能够处理监测和取样的复杂数据流的动态实时引擎。同样，这一过程也需要鲁棒的统计引擎，该引擎可捕获测试数据并执行必要的计算以产生新的门限，将新门限和分选信息送入测试程序；同时，监测整个过程以确保稳定性及可控性。供应商需要对探测和最终测试进行实时处理并处理基线异常值。

图2： 实时的动态PAT流程。
统计后处理方法会产生相同的最终测试结果，在一个批次完成之后，要对器件测试进行统计处理并作出分选决策。然而，因为分选决策是在批次处理后作出的，后处理只能用于晶圆探测，因为测试和分选结果与特定器件相关，以便重新分选。在封装测试中，器件一旦被封装，就没有办法跟踪或顺序排列，因而无法将测试及分选结果与特定器件联系起来。SPP还要求进行完全测试结果的数据记录以便做出决策，日益增加的IT基础架构需要(大量时间)并大大放慢了测试时间。由于结果被后处理，因此SPP将一个批次中基线异常值作为器件整体的一个部分进行处理。
两种方法在处理测试和分选结果时都需要运行强大的运算，就像区域性PAT和其它故障模式一样。区域性PAT的实例是一块晶圆中的