随着芯片含量的增加，重点转向以数据为中心的方法。
汽车制造商开始重新思考如何确保汽车电子产品在预期寿命内保持可靠，他们将精力集中在冗余、更以数据为中心的架构以及在汽车的整个生命周期内持续测试上。
现在要真正了解汽车芯片在未来15到20年的实际表现还为时过早，尤其是在前沿节点开发的人工智能逻辑。台积电7纳米芯片的量产始于2018年4月，而且这些芯片都没有在汽车芯片必须忍受的密集路况下使用。事实上，台积电直到2011年10月才宣布量产28纳米芯片。因此，如果汽车将在10年内使用最新的自动驾驶过程节点，他们可能会使用完全没有历史的晶体管结构。
此外，它们将运行人工智能和5G等全新应用程序。他们将使用这些应用程序来引导车辆通过一系列意想不到的危险，这就是为什么大多数汽车制造商都专注于辅助技术而不是自动技术。但现实情况是，这些系统中的许多都内置了自主功能，即使它们没有正确使用，因为它们会评估这些系统在极端压力下的表现。
5克特别是交流，增加了一套全新的问题，而这些问题几乎没有好的答案。
“人们发现，这比一般的数字基带要困难得多，”at的营销副总裁Kurt Shuler说Arteris IP．“这涉及到更多的处理，SoC架构也更加复杂。考虑到我们使用GSM和CDMA调制解调器的方式，这个行业不得不处理这个问题。这就是我们为5G必须处理的所有额外问题。”
大多数消费者将体验到增强的移动宽带5G，通常使用低于6 GHz的5G，范围从450 MHz到6 GHz。毫米波波段(24至86 GHz)提供最快的速度，但也存在问题，特别是如果有任何物体在运动时。雨水、树木、墙壁和其他车辆都会干扰毫米波信号。毫米波天线需要安装在车外，因为汽车的任何部分，包括玻璃，都会阻挡信号。
该公司高级解决方案营销经理Alejandro Buritica表示:“我们已经看到，在尝试使用毫米波实现移动测试用例时，人们存在很多紧张情绪，这种测试用例能够在用户移动时跟踪用户，然后执行从一个基站到另一个基站的切换，就像使用1 GHz蜂窝信号一样。国家仪器．“所以我们知道，到目前的4G频段或频率，已经完成了，已经证明，在这些频率上的移动性没有问题。但当你试图实现5G所需的一些技术时，比如大规模MIMO，并试图以毫米波的快速速度跟踪多个用户，那么这就变成了一个非常非常困难的问题。”
处理能力显著提高。Buritica说:“你必须每毫秒重新计算8次信道状态。”“这变得非常需要计算，非常非常困难。这个想法是让这些高带宽频道在车辆静止时(比如在红灯前)与车辆交换数据。所以你可以有小的单元，允许车辆和基础设施之间快速交换大量数据，但汽车必须完全停止。问题是，随着汽车越来越自动驾驶，也许在几十年后，我们将不再看到红绿灯。自动驾驶汽车将与其他自动驾驶车辆协商通过十字路口，你无需停车。有很多相互矛盾的观点。但他们知道，实现毫米波的移动性目前是一个非常困难的问题。”
事实上，有人怀疑它是否可行。舒勒说:“它的频率更高，范围更短。”“在手机或汽车中，你想要减少传输的电量。好消息是，如果你进行波束转向并转向5G网络中的下一个节点，你可以节省大量电力，而不是做一些全方位的事情。但是你需要进行大量的处理来找出它的位置。你还需要一些预测分析。对我们的客户来说，这是一种新的、令人兴奋的方式，许多自称来自传统无线背景的客户都在试图弄清楚这一点。”
尽管如此，人们普遍认为需要某种版本的高速通信。David Fritz，高级自动驾驶汽车SoC负责人Mentor是西门子旗下的企业他表示，5G将成为辅助和自动驾驶的一个转折点，但极有可能在6 GHz以下的范围内。“我们担心保持决策的区域，所以你可能有左前，右前，左后，右后。这使得这些区域能够对信息做出令人难以置信的快速反应，比如当红灯变绿，救护车驶来时，不应该有汽车行驶。由于5G基础设施，汽车知道这一点。你可以认为这是一个额外的人类感官。但你可能不需要用毫米波。当两辆车交换信息时，涉及的数据量非常小。”
更少的数据传输允许更快的处理，更低的延迟，并使用更少的电力。实际上，这就像车辆之间的短信。
但随着时间的推移，它将如何维持尚不清楚。安森美半导体汽车战略副总裁Lance Williams表示:“当谈到故障率和终身设计时，我们才刚刚开始——以及自动驾驶和拼车的许多其他挑战——看看让人们每天开车超过一个半小时意味着什么。”“这可能是一种‘一天开车22小时’的情况。”
一直测试
如果问两个人，这些设备在这种压力下如何承受，你可能会得到至少两种不同的答案。但每个人都同意，这些系统需要在他们的一生中受到监控。
“零件使用18年是可能的，但你不能说不会出现故障，”艾芙琳·兰德曼(Evelyn Landman)说proteanTecs．“我们需要的是能够在足够的时间内发出警报，以便采取行动，这样就能减少损失，控制军事冲突。从DPPM(百万分缺陷率)或DPPB的角度来看，您仍然会有一些非常小的缺陷，它们很难被发现。就会有漏电流，电迁移和NBTI(负偏置温度不稳定性)。在现场，当这些设备在使用时，老化会造成损失，性能下降会导致设备磨损。”
了解它们的影响需要在设备中有足够的覆盖范围，其中一个重要方面是现场和电路监测。
Landman表示:“为了让这种解决方案在安全关键应用中发挥作用，你需要比过去获得更高的覆盖范围。“随着自动驾驶越来越多，你需要在每个时间点跟踪大量数据。您需要确保硬件不会在路上出现故障。预测问题是关键。如果可以在问题发展成系统故障之前发现问题，就可以主动采取行动，避免损害。你可以通过应用片上监控和基于人工智能的分析来获得可见性。”
机器学习在这个领域有很大的影响，因为它可以在数据中发现人们无法发现的东西。
“我们真的需要机器学习，”托马兹·布罗泽克(Tomasz Brozek)说PDF的解决方案．“我们一直在硅上安装结构，提供质量和制造数据。这些结构监测生产过程中漂移的退化率。他们还可以监控过程窗口，例如接触/门弱点和泄漏故障。这可以在每一个晶圆和划线线上完成。”
他说，汽车行业的关键是识别薄弱结构。“如果没有很好的覆盖，就会出现通常处于噪音水平的泄漏。你需要为检查设计这些设备，这包括亚微米测试结构。这对面积或功率没有影响，因为它们通常嵌入在芯片的黑暗区域，大多数设计都有。它们也可以放在街区之间的灰色地带。它们不参与芯片的操作，但这种类型的测试结构可以判断芯片是否处于危险之中。然后通过收集来自制造、测试和每个模具的数据来闭合循环。”
所有这些的一个重要方面是将数据循环回制造过程的能力，这样缺陷就可以在未来的产品中进行分析和潜在的修复。目前的数据分析已经变得足够复杂，能够将问题追溯到特定制造批次中的特定晶圆，并且通过机器学习，可以将问题与同一天或不同日期的其他晶圆进行比较，以确定特定的芯片或晶圆是否发生了不同的事情。如果不是，它可能是一个更普遍的问题，或者它可能是一个永远不会再次出现的随机缺陷。
但是，做好这件事也有很大的经济动机。
“想象一下，如果你有40%的废料，”Uzi Baruch说，副总裁兼汽车业务总经理OptimalPlus．“因此，真正的成本是你进入市场所需的时间和废料的数量。在双摄像头系统中，您需要在一个模块中匹配两个不同的摄像头，以便它们表现相同。一旦你把它们粘在一起，如果它们的性能不一样，整个模块就完了。我们一直在做的是应用评分机制来衡量和比较不同的相机。因此，如果你有40万个镜头，你正在对CMOS问题进行数据分组，你可能会发现一两个不同的模块，或者在边缘上有一些东西，这是你用一个镜头不会注意到的，然后你就会重新设计。”
新技术
在设计和制造过程中，检查块级和触发器级将有所帮助。制造后，使用逻辑内置自检(LBiST)和片上监控是必不可少的。
“最终，失败是那些影响可靠性的事情，”Steve Pateras说，他是测试自动化的高级营销总监Synopsys对此．“如果一个flop可以做到容错，那么你就消除了这个贡献。如果你降到触发器级别，我们可以提供一个影响指标的触发器列表，我们可以自动将这些触发器替换为容错触发器。”
这不仅仅是发现错误，而是修正错误。帕特拉斯说:“我们提供不同级别的能力，但简而言之，我们可以快速估计指标，并就如何修复这些指标提供直接可行的指导。根据ASIL级别A、B、C或D，您需要达到某些指标级别，而这些指标需要在某个值中:90%、95%、99%。所以我们的客户面临着几个问题。一个是如何准确地衡量这些指标?然后，一旦这些指标被衡量出来，如果有必要，你将如何改进它们?”
另一个策略是重新思考数据在汽车中的处理方式和位置。“在过去的几年里，我们看到了大量不同的方法，”Mentor的Fritz说。“现在，他们似乎都在联合起来，朝着同一个方向前进。因此，我们看到的不是所有的事情都在一个设备中处理，而是朝着多个冗余级别和敏感计算元素的隔离方向发展。一些公司采用液体冷却，另一些采用空气冷却。但底线是，你需要为所有这些系统设计一个外壳，在设计周期的早期，你需要真实的数据，以使其正常工作，这并不总是可用的。你不能只是拿出一张电子表格，就指望它能起作用。你需要测量功率，计算面积，并进行热分析。”
新的方向是在更靠近传感器的地方进行更多的计算，以大大减少需要在车辆周围移动的数据量。但这也需要从根本上改变目前的车辆设计方式，基本上以数据为出发点来设计系统，而不是创建一台超级计算机来管理任何可能的极端情况。
“你需要更多地了解传感器的功能，”弗里茨说。“这对于减少带宽，减少需要移动的数据量至关重要，这需要更少的电力和冷却。所以如果你考虑物体检测和分类的算法，视频以每秒30到60帧的高分辨率进入。也就是每秒兆兆字节。但即使在最坏的情况下，也就是繁忙的城市，你只需要其中的一小部分。大部分都可以丢弃。答案不是传感器融合。它处理的数据更少。”
自检及校准
这也极大地简化了设计，并使测试系统变得更容易，并且这些测试可以在其生命周期的任何时间运行。
帕特拉斯说:“我们希望能够在飞行器运行期间的不同时间对电子设备进行测试。“典型的按键叫做开键和关键。我们启动一辆车，你知道你给它上或下电，你想对电子设备进行一定程度的测试。我们的客户还希望能够在车辆运行时进行定期测试。你希望能够在一定时间间隔内对电子设备进行一定程度的测试。”
LBiST并不总是可靠的。帕特拉斯说:“你肯定需要一个全面的汽车芯片测试和可靠性系统。“我们看到需求在不断演变和扩大。起初，对于某些汽车部件，只需启动汽车并快速测试就可以了。但与自动驾驶有关的任何事情，我们所有的客户都需要定期测试。他们要求这一切都是一个坚实的ASIL D，你需要能够验证并实现这一点。”
一种测试方法是不够的。他说:“你想要有能力监控芯片上的某些东西，某些信号，比如电源轨道、锁相环和时钟结构，看看这些功能或性能是否有任何变化或漂移。”“然后你希望芯片外分析能够获取这些数据并分析它，看看它是否朝着预测某个时间点的故障的方向发展。”
这对于提供数据的传感器来说尤为重要，汽车需要根据这些数据做出反应。随着传感器的老化，它们会漂移。它们也可能变得很脏，这会限制它们的效果。这里的关键是能够有一个基准来衡量这些变化。
“当你设计一个传感器，你真的需要知道它的行为，”弗里茨说。如果它老化了，传感器公司就知道发生了什么。你不必调整人工智能系统上的训练，但你必须将其纳入你的推理中。随着传感器的退化，你需要能够补偿这种退化，这样你才能对结果有信心。”
结论
无论是5G通信，还是传感器和数据网络的设计，汽车行业的底线是可靠性是一个多方面的挑战。
Mentor公司的副总裁兼Tessent总经理Brady Benware说:“当这些部件生产出来并通过第一级测试时，你知道，尤其是在汽车市场，每百万件中的缺陷部件要求为零。”“这就是目标。这意味着在现实中，百万分之数的缺陷率非常少，但在最初的测试中，这种情况很快就会转变为十亿分之一的缺陷率。”
在此之后，一旦这些设备部署到最终使用环境中，就需要有故障缓解策略。Benware说:“因此，功能安全实际上就是确保如果在现场发生故障，如果这些部件在现场退化，有一种安全的方法来处理这些部件的故障，更广泛的系统可以对此做出反应。”“这需要在这些设备的设计阶段进行大量的分析，以了解设备的哪些区域和哪些功能容易出现故障。如果这些失败真的发生了，会有什么影响?然后，你需要在设备中插入额外的电路，以确保如果出现故障，它是可以容忍或检测到的，以便在系统中做出反应。”
- Ed Sperling对本文也有贡献。
相关内容:
|
|
|
|
|
|
|
|
|
|
留下回复