汽车制造商承担更多责任

芯片和EDA公司正忙于应对汽车芯片严格的安全法规和恶劣的环境条件，但汽车制造商也在做出重大改变，以确保所有这些组件都能像预期的那样协同工作。

其结果是汽车供应链中各公司的责任发生了重大转变。传统上，汽车制造商将芯片和子系统的验证、验证和测试交给供应商。在过去的几年里，这些公司——芯片制造商和一级和二级供应商——只要证明他们交付的每个组件都符合所需的安全标准，并且可以很好地互操作，无需进一步测试就可以插入。但随着电子内容的增加和这些系统的复杂性的增加，更不用说在安全关键系统中部署这些设备，汽车制造商正在发挥更大的作用，以确保这些组件在其他系统中正常工作。

推动这些变化的主要趋势有几个。其中包括:

• 复杂性显著上升，特别是当系统故障转移到车辆内的其他系统时ISO 26262．单独测试这些系统已经不够了，汽车制造商处于最好的位置，可以验证所有部件都能协同工作。
• 辅助和自动驾驶中的错误和缺陷的成本可能会使过去导致昂贵召回的问题相形见绌，特别是在技术对道路机动的责任越来越大的情况下。
• 目前汽车供应链分为在先进半导体技术方面经验有限的芯片制造商和供应商，以及在汽车领域经验有限的领先半导体公司。这一点在10/7纳米处表现得尤为明显，这是人工智能系统开发用于管理自动驾驶汽车的地方。

虽然汽车制造商可以帮助确保所有这些部分的整合工作，但他们也处于陡峭的学习曲线上。这是一项全新的技术，几乎可以肯定，在这一过程中会出现一些意想不到的减速带。

福特汽车战略副总裁伯克哈德•胡恩克(Burkhard Huhnke)表示:“你需要有一个全面的视角。Synopsys对此．“你不能只判断硬件。与过去不同的是，供应链出现了严重问题。作为一个行业，我们必须团结起来。如果SoC上有安全岛，但其他系统却没有，那就有大问题了。”

在语境中处理问题
快速有效地移动数据一直是半导体公司的核心关注点，它是半导体技术的基本组成部分冯·诺依曼结构．但是，移动汽车传感器产生的大量数据既低效又耗时，随着汽车制造商将自动驾驶级别提升到3级、4级和5级，这一点将变得更加明显。

这意味着必须就地处理更多的数据，并挖掘出哪些是关键的、哪些是重要但不时效性强的，以及哪些被认为是无用的。然而，所有这些都需要通过系统，系统的系统来妥善处理。对此的测试远远超出了电子学领域所做的。

英特尔IC验证解决方案部门营销总监Neil Hand表示，对于芯片制造商和Tier 1/2供应商来说，这意味着验证管理LTE、WiFi或其他无线通信协议的芯片将像宣传的那样运行，不会受到电磁干扰或其他类型噪音等因素的干扰Mentor是西门子旗下的企业．对于汽车制造商来说，这意味着把所有的部件都放在合适的位置，以便能够找出可能出现的问题。

然而，大多数汽车制造商正处于陡峭的学习曲线上。在经历了近一个世纪的机械工程之后，他们现在正被深入到先进的电子技术领域传感器与前沿节点开发的人工智能系统的融合先进的包装．

Hand说:“你需要能够对驱动进行多物理场模拟，并拥有样本集，能够将模拟的传感器数据处理到多物理场输出中，这样才能关闭闭环。”“但这仍然没有考虑到整个系统的系统。”

图1:20 50 - 2030年，全球汽车电子产品成本占汽车总成本的比例。来源:Statista

这标志着汽车制造商的责任发生了巨大转变，过去他们将这种验证、验证和测试分包给了供应链。

“传统上，你会有原始设备制造商或系统集成商，他们可以把现成的芯片组装在一起，世界将是一个快乐的地方，”汉德说。“现在你可以看到汽车公司开始自己进行集成测试，并承担起确保系统正常运行的责任。这对这些团队来说是一套新的技能和要求。”

一个真实世界的例子
马自达汽车(Mazda Motor Corp.)是这一领域出现的雄心勃勃的项目之一，该公司在电动汽车的开发以及汽车市场的总体份额方面都落后于大公司，目前马自达汽车的市场份额只有个位数。

马自达的测试工程师久保美志(Michi Kubo)表示:“马自达的规模无法与福特、日产或通用汽车的投资相提并论，因此他们希望在最大限度地降低成本和提高产品质量方面发挥一点创造性。国家仪器他帮助马自达开发了一个定制的模拟测试套件，其中包括一个机器人手臂，在测试过程中通过按按钮来模拟人类互动。

马自达电子测试与研究小组开发了这套测试套件，设计它是为了测试被测系统的逻辑(功能)和稳健性。该公司希望建立一个基于模型的模拟，而不需要建立和维护“数字双胞胎”模型所需的高额持续成本。数字孪生模型模拟系统中每个组件的各个方面，允许对它们之间的交互进行虚拟测试，而不是物理测试。

久保久久表示:“马自达将大量自动化技术从生产端引入测试端，并试图模拟驾驶员如何与系统交互——如果没有人参与，这是很困难的。”“这就是他们研发机械臂的原因。”

测试套件包括一个硬件在环(HIL)测试系统，图像处理器，语音合成器，噪声发生器和GPS模拟。Kubo说:“很多工作更多地集中在系统集成上，确保组件能够正确地协同工作，而不是测试单个组件，或者只是假设所有组件在根据供应商提供的规格进行组装时都应该协同工作。”

然而，马自达不仅仅是简单地评估各种部件的功能和可能的长期可靠性。它还测试了人机界面的功能和稳健性，使用机械臂操纵物理控制和模拟器来模仿老司机和年轻司机的声音，男女轮流说日语和英语。

一份白皮书称:“我们需要评估系统的鲁棒性，以确定在多大程度上可以正确识别这些不同变化的指令。”

由此产生的模块化系统能够节省测试系统集成所需的90%的时间和精力，每年减少数百万日元的测试成本，这在很大程度上要归功于NI平台的灵活性和可编程性，以及马自达内部电子测试与研究小组的存在。

马自达希望应用基于模型的设计方法来消除对物理测试的需求，并尽可能多地转向虚拟测试。

久保说:“获得真正的人类输入会让事情变得复杂。”“另一个问题是模型的保真度。与物理环境相比，我们试图让模型尽可能接近100%的准确性。要达到100%是不可能的，但只要你能足够好地测试正确的功能，就可以有一个70%或80%精度的模型。许多客户面临的情况是，他们要么外包所有的测试，要么只做手工测试，这是不够的。我们做的一些事情并不复杂，比如机械臂，但它能有效地按下按钮，就像人类按下按钮一样，而不会中断模拟，也不会让人类在正确的时间到达那里。它运行得很好，这才是重要的。”

仿真和ADAS测试
这种实验在辅助和自动驾驶汽车中是必不可少的。道路测试仍然被认为是必要的，但它也是有限的。虽然一些公司声称已经进行了数百万英里的真实测试，但一些专家表示，在有足够的数据来标准化什么可行什么不可行之前，还需要数十亿英里的测试。

同时，最好的解决方案是进行更多的仿真和建模。关键是要确保汽车中的所有电子设备都足够坚固，以应对极端高温、低温和振动带来的压力，以及应对各种突发事件电迁移和其他静电效应的电路，可能是“在”长时间。

“汽车测试流程与复杂性直接相关，”at的营销副总裁Anil Bhalla说天文测试系统．“现在最大的问题是我们需要改变什么。我们首先要做的是捕捉失败。但如果你在-40°C到150°C的范围内描述一个设备，大部分工作都是在鉴定上，而不是在生产上。所以现在你需要在流程、最终测试、晶圆或模块中处理这些问题。”

这在自动驾驶汽车领域尤为复杂，因为芯片既是模拟芯片，也是数字芯片。有功率半导体，混合信号和微机电系统传感器，以及数字逻辑和存储器。

“所以现在的问题是，哪辆车将使用哪款产品，因为在汽车行业，他们通常需要两到三家供应商，”福特汽车业务发展总监德里克•弗洛伊德(Derek Floyd)表示效果显著．“在功率和模拟方面，有低功率和高功率版本。然后是人工智能，这是汽车行业的新技术。”

这对测试行业来说是个好消息。汽车行业预计将成为未来几年测试设备的主要驱动因素之一。Frost & Sullivan估计，全球电子测试设备市场目前约有150家公司，2017年产生了108亿美元的收入，到2022年将增长到131.6亿美元，平均年复合增长率为4%。

模拟也有望从中受益。所有主要的EDA公司为高度自动化的车辆提供一系列仿真工具和服务。此外，Mentor的母公司西门子在2017年通过收购专注于ADAS测试的TASS International，加强了其产品生命周期管理(PLM)模拟软件。Mentor的EDA和验证/验证工具建立在其自己的PLM模拟测试产品上。

“即使在较低的组件级别，你也需要来自其他系统的输入，无论是带有障碍物数据的传感器还是其他东西，”Mentor’s Hand说。“你必须使用一些接近正确数据的东西来进行模拟。在输出端，你有驱动装置，这不仅仅涉及到电子设备——你可以有来自传感器的数据传到芯片上，还有一个需要使用制动系统的执行器，这样它就可以影响汽车的运行。你必须模拟整个循环，但当你开始研究汽车中的所有系统时，其复杂性会上升一个数量级，超出验证/验证级别。”

结论
汽车供应链的变化仅仅是个开始。这部分市场面临的挑战是如此之新，以至于很难预测汽车制造商将在多大程度上发挥更大的作用。在过去，像马自达这样的汽车制造商不需要花这么大力气来建立自己的物理/数字测试环境。

但这也不是一个简单的自动化过程。在汽车行业，使用数字双胞胎和基于仿真的系统集成等方法还太新，没有完善的最佳实践或易于使用的工具来构建模型和测试流程。

汉德说:“这是我们仍在努力了解的事情。”“这是一个复杂的问题，人们还没有足够的能力去做一些应该像跟踪整个系统的故障模式一样简单的事情。没有分层的方法来向上传播这些信息。就目前而言，这是一个棘手的问题，但在很大程度上，它遵循了我们随着行业发展而开发的其他东西的相同模式，所以我们非常乐观。”

-Ed Sperling对本文也有贡献。