中文 英语

好到可以用生命打赌的筹码

专家:改进汽车半导体的策略。

受欢迎程度

半导体工程坐下来讨论汽车电子可靠性与Jay Rathert,高级总监战略合作心理契约;Dennis Ciplickas,高级解决方案副总裁PDF的解决方案;Uzi Baruch,汽车业务部门副总裁兼总经理OptimalPlus;盖尔·卡梅尔,公司总经理proteanTecs'汽车部门;Andre van de Geijn,公司的业务发展经理yieldHUB;和杰夫·菲利普斯,去市场负责运输国家仪器.以下是那次谈话的节选。

SE:随着汽车越来越电气化,越来越多的汽车数据被数字化,需要更先进的电子设备。在这种极端环境下,还没有使用7纳米或5纳米芯片的历史。你认为会发生什么?

van de Geijn:我去过许多汽车工厂,从测试的角度来看,我们看到更多来自代工的信息正在流向组装和测试工厂。在那里,我们必须合并数据,以确保我们做正确的事情,并确保各个部分都在工作。但我们也看到这些客户开始以不同的方式工作。在过去,你的马达或引擎控制单元只有一个微控制器。如今,微控制器已经不止一个了。如果一个系统出了问题,尤其是那些关键的系统,另一个就会接管。即使你可以做各种测试和各种可靠性的事情,fmea(故障模式和影响分析)表明,覆盖这些问题的唯一方法是在你的微控制器中为那些关键项目提供冗余。如果某个部分出现故障,他们就需要接管。

Rathert例如几年前,我和一家大型汽车制造商的电子研发小组负责人开会。他说,如果你没有为了从一个零件中节省五分钱而争吵过,你就不算造出了一辆车。我有航空背景,冗余是我们通常处理可靠性问题的方式——三台飞行计算机投票决定谁是正确的。但我们在汽车上没有这样的奢侈,我们试图节省五分钱。我们在整个供应链中都感受到很大的压力,要让每个设备都可靠。冗余似乎是显而易见的路径,当然对于高端零件,一个模具可能是15美元,20美元或更多。但如果没有必要,汽车公司不愿意在那里安装多个单元。他们宁愿寻找其他解决方案。

菲利普斯:自主将会发生。这是不可避免的。但实现这一目标的途径将归结为两个关键问题。一个问题是,‘可靠是什么意思?另一个问题是,“你说的安全是什么意思?”如果人们期望安全可靠意味着零事故,那是不可能发生的。我们将看到测试过程在街头上演。我们会看到失败发生。另一方面,如果我们将其与人类司机进行比较,我们已经看到了科技对安全的影响,并减少了撞车事故。这只是一个问题,随着消费者不再将技术与自己进行比较,我们是否会转向追求完美。 But it’s going to take a long time before every car everywhere is fully autonomous.

Ciplickas:进入先进的技术是令人难以置信的兴奋,如果有点可怕。相信一辆车能做我能做的事情,并真正模仿它所需要的所有计算,这并不容易。但与此同时,它打开的可能性是惊人的。当然,像7nm这样的先进技术也存在一些问题。我们已经看到了在7nm芯片中发生的事情——不同类型的变化,线中间可能出现的缺陷,以及工艺模块之间的所有相互作用。在您的测试方式中理解这一点,您使用的故障模型,诊断和发现缺陷,以及构建理解这些因素的功能安全性,是一个巨大的挑战。我们将朝着自动驾驶的方向前进,我们最终会到达那里。我个人认为这将比人类现在所能做的更好,这将推动转变。但考虑到先进技术的表现方式,实现这一目标所需要的创新是一个巨大的挑战,也是一个巨大的机遇。

巴鲁克在过去的几年里,我走过了很多生产线,这些生产线突然发生了变化。这几乎就像在你的车里装了一部iPhone,因为生产每一个部件的复杂性是如此之大。失败的机会很多。如果你能以可控的方式重复这一过程,并在生产线内部、工厂之间或不同供应商之间找到根本原因,这对可靠性构成了重大挑战。无论你生产什么,都必须是可重复的,而且你需要能够信任它。这导致这些公司的运营方式发生了重大转变。

卡梅尔:将性能提升到L2+以上需要对车辆有一定的信任,一旦系统控制了车辆。这些系统的一个好处是,他们可以100%集中注意力,而不像司机那样因为数据推送和蜂窝技术而分心。我们的工作最终是提高这些系统的可用性。因此,整车厂正在寻找可扩展的方法来支持先进软件技术不断增长的性能,同时保持先进节点的电子可靠性。但他们需要的是数据,以了解何时以及如何优雅地失败,并在故障安全机制中平衡可用性和安全性。这是一种权衡,今天并不存在完美,但我们正在努力通过获得这些系统健康状况的准确可见性来改变这个等式。

SE:在过去,潜在的缺陷通常是在稳定的环境中记录的,但在汽车领域,这变得更加困难,因为汽车在非常不同的、通常是恶劣的环境中运行。解决方案是冗余(汽车制造商似乎不想为此买单),还是需要其他方法?

Rathert:我们认为解决办法是多方面的。没有一种单一的方法可以解决所有问题。精心设计,精心建造,低缺陷的设备,使用严密的工艺制作是基础。但我们不认为这是唯一的答案。我们也不认为测试本身是唯一的答案。这些技术的结合,再加上实时诊断和查看整个供应链的能力,并发现从设计到最终系统的弱点——所有这些技术结合在一起,是该行业创造零缺陷解决方案的最大希望。不只是我们中的一个。

菲利普斯:考虑到自动驾驶汽车的技术和通信标准的广度和深度,不会有一两家公司能够为汽车提供全面的端到端测试解决方案。这将是生态系统中不同的人一起工作,就如何互操作和集成我们的解决方案进行合作。利用云和基础设施处理,将制造和测试分析应用于雷达、激光雷达和I/O。但也有很多不同的技术载体必须结合在一起。

SE:从车辆中所有传感器收集的数据是否足够好,足以了解未来是否会出现问题?如果是的话,你能否尽早做出预测以避免出现问题?

巴鲁克:有很多数据来自不同的角度和不同的供应商。我们最近完成了一场黑客马拉松,与德国的一个高级汽车品牌合作,将汽车数据与制造数据结合起来,看看我们是否可以预测传感器的故障,并建立一个预测模型来发现故障。有几个重要的发现。首先,数据是存在的,但必须以连接的方式加以利用。如今,数据来源的一些领域是孤立的。如果是同一家制造商生产的,那就太好了。但事实并非如此。你可以看到零部件来自许多供应商和子供应商。所以数据就在那里,但不清楚他们是否愿意分享这些数据来解决其他公司或客户的特定问题。然而,我们确实看到,原始设备制造商越来越需要提高整个产业链的能见度。 They are forcing their suppliers, all the way down to the semiconductor companies, to supply data along with what they’re producing. It’s a sort of digital signature for the component they are producing. That is the start for unlocking the potential of connecting all those data points.

Ciplickas:我同意。在制造、测试和装配过程的每一步都收集了数据。每一毫秒或微秒,工厂内部都会产生大量的数据,一直传到现场,那里有模具内传感器。诀窍是把所有这些都放在一个单一的分析框架中。要真正共享这些数据是有巨大挑战的。这些数据的每个所有者都将其用于自己的目的,但在查找根本原因和提高质量筛选方面,将其放在一起也有很多好处。以一种安全或保密的方式在世界各地转移它是有实际问题的。还有隐私问题。打破这一局面将是棘手的,但在产量、质量、安全和保障方面的好处是值得的。我们在工厂和装配线工作时发现,通过我们的表征车辆测试芯片,你越接近系统的实际物理,你就越有可能建立一个预测模型。 For example, this can be a sensor on a tool that shows why a certain voltage is what changed or glitched or moved or ramped differently, which then led to this effect, which led to that defect. Standard metrology might not show you that, but the sensors that are measuring the physics can. So building up an understanding of why something behaved the way it did is critical, and a physics-based understanding is a key to getting a predictive model.

Rathert:即使在相邻的筒仓中,有时也很难清理或对齐数据。所以,梦想和愿景是存在的,但现实是,我们还需要迈出几步,才能实现这一切。

卡梅尔:从汽车流向云端的数据量正在迅速增长,这是好事。这些数据对于设计更好的系统至关重要。GDPR(欧盟的通用数据保护条例)明确规定了你可以移动什么数据以及如何移动数据。原始设备制造商确保被移动的数据不会泄露任何私人信息或增加安全风险。在其他市场,我们没有这些规定,所以自动驾驶汽车会保护这些信息是件好事。但问题是在所有这些数据中找到唯一的数据。如果我们不能建立一个模型,最终帮助我们建立更好的系统,那么这些数据就没有多大价值。我们需要从一组特定的失败中创建一个学习曲线,并了解哪些数据与哪个实体相关,以便他们构建更好的模型。这是一个非常强大的工具,对每个实体都适用。

van de Geijn在某种程度上,我同意。但你也想测试自动系统本身,并确保它们在工作。您可以收集大量数据,但这些数据必须与您想要解决的问题相关。在某些领域收集大量数据是有意义的。不过,汽车产品可能会发生很多事情。仅仅通过传感器或其他系统的数据,你不能完全预测单个晶体管上的单个粒子会破坏产品的功能。您仍然需要在产品中内置冗余,以防出现意外故障。这和收集所有数据一样重要。这是我看到许多公司正在研究的另一个领域,他们正在使用这些东西来防止产品失败。

相关的
让芯片寿命更长
对于不同的市场,以及这些市场中的应用程序,生命周期可能有很大的不同。
不断增长的复杂性增加了汽车IC安全挑战
构建汽车芯片安全性的验证方法是复杂的、多方面的、极其困难的。
汽车传感器融合的挑战
随着越来越多的自动驾驶汽车拼图进入人们的视野,挑战也越来越艰巨。



留下回复


(注:此名称将公开显示)

Baidu