Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.12984/8943
Title: Diagnóstico de fallas del tipo Stuck-at en interconexiones para circuitos de pruebas implementados en un FPGA aplicando redes neuronales
Authors: PORTALES GONZÁLEZ, YAIKEL
GÓMEZ FUENTES, ROBERTO;-GOFR740220HCLMNB04
NORIEGA LUNA, JOSÉ RAFAEL BENITO; 120711
Issue Date: Jan-2023
Publisher: Universidad de Sonora
Abstract: Diversos defectos en la manufactura de los circuitos integrados pueden afectar su rendimiento, y en el peor de los casos su correcta funcionalidad. Es por ello que es posible afirmar que el Testing es actualmente un componente esencial tanto para el diseño como para la fabricación de circuitos integrados CIs pues en dependencia de la naturaleza del defecto y la funcionalidad del CI es el tipo de Test que se realiza. En la actualidad existen numerosos algoritmos y metodologías, que han evolucionado con el transcurrir de los años, para potenciar las tareas de detección y diagnóstico de fallas y de esta forma garantizar la confiabilidad y el buen funcionamiento del circuito. Estas herramientas se basan en modelos de fallas, encontrándose como uno de los principales el modelo Stuck-at. Con el modelado de fallas se logra que los defectos físicos puedan ser analizados desde otro punto de vista, ya sea a nivel eléctrico, lógico o funcional, disminuyendo considerablemente la complejidad de análisis. En este capítulo se mencionarán los diferentes tipos de defectos que más afectan el proceso de fabricación, así como la relación defecto-falla. Además se exponen los niveles de Testing y los modelos más empleados durante el proceso de detección y diagnóstico de falla, destacando el modelo Stuck-at.
Description: Tesis de Maestría en Electrónica
URI: http://hdl.handle.net/20.500.12984/8943
ISBN: 2401371
Appears in Collections:Maestría

Files in This Item:
File SizeFormat 
portalesgonzalezyaikelm.pdf2.07 MBAdobe PDFView/Open
Show full item record

Google ScholarTM

Check

Altmetric


This item is licensed under a Creative Commons License Creative Commons