对集成电路弹性的需求推动方法的变化

要求安全性、安全性和弹性的应用程序正在大规模地推动设计、验证和芯片长期可靠性的新思路。

对芯片的需求正在增长，这些芯片可以更快地、更长时间地处理更多数据，而且通常在不断缩减的功耗预算范围内。反过来，这迫使在架构、设计、验证和测试阶段进行多个层面的更改，每个阶段都由现场数据分析支持，这些数据分析在流程的每一步都增加了增量可靠性改进。

“对于设计工程师来说，关键的变化之一是与那些将从设计阶段所做的增强中受益的下游人员进行接触，”公司投资组合策略高级总监Aileen Ryan说西门子EDA．“对于DFT工程师来说，他们已经与测试社区建立了很强的联系。通过添加嵌入式分析，在设计中嵌入IP和在开发阶段使用IP之间也有联系，在这个阶段，你试图将你的芯片推向市场，降低成本，并通过尽快进入市场来实现收入最大化。对于设计工程师来说，最重要的事情之一就是要超越这个阶段，也就是说，一旦芯片交付使用，你还赋予了该芯片哪些额外的功能?而且，谁能从中受益呢?他们将如何从中受益?思维方式的一个独特变化，以及需要在整个价值链中建立的关系，是预先设计芯片的人与从设计增强中受益的人之间的联系，这种联系可以持续到芯片的整个生命周期。”

甚至在这些术语被创造出来之前，硅生命周期管理/解决方案的最初意图是让人们了解芯片在其生命周期内发生了什么，以及它在该领域的表现，英特尔首席战略官Uzi Baruch说proteanTecs．“当你想验证你的设计，并将第一块到达的硅与你第一次设计所有模拟点时的想法联系起来时，在你进入新产品引入过程和大规模制造的第一阶段之前，芯片内传感器发挥着关键作用，以了解实际情况与计划情况。”

这有助于打破芯片设计师长期以来的筒仓思维。尽管在将硬件和软件团队结合在一起方面已经取得了长足的进步，但思想上的重大变化是必要的，而且正在进行中。虽然产品生命周期管理举措在某些行业已经存在多年，但对于半导体来说，它们相对较新。

微软解决方案营销高级集团总监Frank Schirrmeister表示:“硅技术实际上起步较晚节奏．“现在推动这一趋势的是，如果你看看产品开发，你会发现我们今天所做的很多事情都是在开发硅之前，之后是实验室测试，然后是产品的实际生命周期。但是在整个生命周期中你要做什么呢?它是由长生命周期市场驱动的，需要准备好这个设备可以使用20年。你必须处理的一个问题是过时。你必须为长生命周期的市场做好准备。这发生在汽车等领域的一些部件上，在设计阶段就必须考虑到这一点，这意味着冗余和增强的灵活性。

在某种程度上，这是测试设计(DFT)，现在从建筑阶段一直延伸到制造阶段。在过去的几年里，随着设计变得越来越复杂和异构，DFT变得越来越复杂。下一步是将其推向实际应用，通过各种传感器对其进行增强，以监测芯片和系统行为，并在异常情况演变为严重问题之前识别出它们。

“很明显，有一种趋势是想要做越来越多的测试，不仅仅是在制造过程中，不仅仅是在你发货之前，而是在现场进行开机测试，等等，”史蒂夫·帕特拉斯说，他是微软硬件分析和测试的高级营销总监Synopsys对此．“这演变成了一个持续测试的概念，它演变成了对持续监控设备的需求的理解，并优化它们正在做的事情。这是因为在较低的流程节点中，有许多关键的应用程序，如汽车ADAS，以及关键的物联网应用程序，以及数据中心，这些应用程序的增长呈爆炸式增长，成本令人难以置信。你需要可靠性，你需要性能，考虑到这些系统的复杂性，除了测试和发货之外，还需要更多的东西。这已经发展成为‘硅生命周期管理’的概念。”

图1:硅生命周期元件。来源:Synopsys对此

这里的想法是能够在部件发货后进行管理，这是必不可少的，因为电路老化以及现场软件更新。从历史上看，大多数EDA公司的重点一直是如何创建和验证最佳设计，但这些努力基本上在零件发货后就停止了。

“我们需要做得更多，”帕特拉斯说。“这些部分不能再被孤立了。你不能只是把头埋在沙子里，希望它们能在它们的一生中继续正常工作，所以我们需要做一些事情来提供这种支持，维护这些部件。从测试的角度来看，自然的事情是扩展测试—扩展监视和分析现场部件的能力。这需要两个条件。它需要从芯片中提取数据的能力，以及对这些数据的某种分析，这是SLM的两个基石。但一旦我们开始思考这个问题，我们意识到这些数据不仅可以用于现场的部件，而且它实际上可以帮助我们了解设备生命周期的各个方面，从设计优化到良率斜坡，通过测试优化，通过抚养，上市时间，最终在现场。它真的扩展到整个生命周期管理概念。这涉及半导体的许多方面。如何设计，如何制造，如何测试，如何调试。 It’s all about data analytics. It’s all about gathering data, then analyzing it to understand the issues and trends. Ultimately you want to be able to react to that analysis so it’s all about optimization, and how to send information back to change things in a full loop.”

图2:硅生命周期解决方案包含了设计、实现和利用的完整周期，解决了调试、测试、产量管理、安全和保障以及现场优化。来源:西门子EDA

拼图的碎片
芯片内监测和传感器产生的数据分析只是所需技术的一部分。该数据还需要在产品的整个生命周期中存储。

Synopsys负责硅生命周期管理的营销总监兰迪·菲什(Randy Fish)说:“你需要有能力存储所有产品线的数据，海量的数据。”“你可能要运送数百万或数千万个部件，必须有存储历史测试数据或参数数据的能力，以及在现场收集的数据，并且能够在整个生命周期内(在汽车应用中可能是10或15年)继续基于新信息或扩展数据进行分析。今天有一些可用的技术，没有它们我们不可能做到这一点，即大数据分析和机器学习。这些都是工具箱里的巨大工具，打开了巨大的机会。以前可以收集数据，但对数据进行任何操作仍然是最近才发生的事情，您可以处理这种大量的、有时是非结构化的数据。

硅生命周期管理还需要包括验证，Rob van Blommestein指出OneSpin解决方案．“如果没有持续的验证工作，芯片可能会出现安全和安全问题。设备必须符合最新的安全标准，并防范不断变化的硬件漏洞。”

形式验证是处理此持续工作的理想选择。它的详尽性可以有效地证明不存在漏洞和与安全相关的问题。但是，总的来说，核查也已演变成一个永远不会真正结束的连续过程。

公司首席执行官Shubhodeep Roy Choudhury说:“即使你的设计已经在市场上了，持续改进测试并表明你在使用旧设计也是有意义的。Valtrix系统．“时不时地会有一些改进，然后你也会想在之前的设计上运行这些改进。当一个设计在模拟中被验证时，你可能有一个早期的设计在硅中被验证。所以这是一个持续的过程，我们必须不断改进我们的测试，获得更好的覆盖率。”

保持系统更新是一项挑战，特别是在汽车等市场，旧车辆将不得不与使用新技术的车辆共享道路。保持与时俱进需要不断更新固件和软件。这意味着负责芯片的公司需要在启动项目之前编写一份验证计划，详细说明如何在整个生命周期内进行验证。

循环回
生命周期管理的好处之一是能够将可靠性数据循环回设计过程，这反过来可以用来减少缺陷的数量。当芯片和系统中内置冗余时，这尤其有用，因为它为分析提供了基线比较数据。

“在进行设计和验证时，我们正在构建冗余机制，这样大多数功能都是双倍的，如果其中一个出现故障，还可以提供备份选项，”该公司数字设计经理Aleksandar Mijatovic表示Vtool．“我们还增加了对硅缺陷的在线测试，以检测它们。在芯片的生命周期中会有缺陷。这是不可避免的。你做了硅迭代。但我们能做的是防止最终用户因此陷入麻烦。这并不是什么新鲜事。所有这些概念都和硅技术一样古老。”

但最近随着数字芯片中传感器的加入，情况有所改善。米贾托维奇说:“这是很新的事情。“我们都在做模拟CMOS传感器。有一些技术可以检查硅的质量。你总是可以尝试进行一些锁相环检查，比如，‘当时可能的最大频率是多少?但它很少被使用。你只是试着检查你的硅是否仍然在标准频率上工作它应该使用，做这样的检查。这样做的技术已经从DFT逃到了功能逻辑BiST，内存BiST，还有另一组用于安全相关问题的技术。所有这些都被纳入了汽车行业遵循的最新汽车和安全标准。”

还需要将故障注入添加到该流程中。Vtool的验证主管Darko Tomusilovic指出:“这是有安全逻辑的，但除此之外，我们还需要确保我们有办法注入错误，以确保我们能够在芯片上进行测试，而不仅仅是在模拟中。”“在所有安全机制之上，我们现在添加了额外的测试逻辑，以便能够访问它，以确保它真的有效。”

最重要的是，需要确定老化效应，并将其插入数据集，以确定设备随着时间的推移将如何工作。

是什么改变了
虽然有许多技术方法来检查和分析硅的寿命，但没有数据模型的开放标准。最重要的是，在整个供应链上没有达成一致的数据共享机制，随着芯片被用于安全和关键任务应用程序，以及越来越多的IP，甚至芯片和芯片被打包在一起，这个问题变得越来越具有挑战性。

西门子EDA的Ryan表示:“我们绝对需要实现这一目标，以实现完整的愿景。”“这是一个新兴的概念。我们今天所拥有的有价值吗?绝对的。但我们仍有工作要做。”

尽管如此，以新方式收集、分析和处理所有类型的芯片数据的工作可以帮助设计和验证团队了解设计决策对制造设备的影响。

proteanTecs的Baruch解释说:“以前，你可以通过检查电源来释放电路板，根据你运行的指标和测试，你会看到‘通过’或‘失败’，就是这样。现在你可以从芯片的行为数据中引入数据，突然你会看到以前没有见过的电压波动。”在此之前，你唯一能看到的是一个过路牌，然后继续前进。现在你可以看到行为，也许它与软件有关，因为当你将软件卸载到游戏中时，例如，你在芯片上安装了软件，在电路板上安装了软件，现在你了解了系统与不同芯片组件的实际最终行为的影响。”

开发无缺陷设备和产品生命周期可靠性的方法依赖于许多传统概念，但它带来了新的数据集。巴鲁克说:“在测试中进行了多年的异常值检测的概念现在可以付诸实践了。”“例如，在电路板层面上的相同概念现在适用于系统层面，因为你可以感受到芯片带来的模块化行为，这是你以前从未见过的。它可能与董事会的其他部分不同，所以从质量的角度来看，它允许您比以前更深入地推动根本原因概念。实际上，你可以用芯片供应商和系统供应商之间的相同数据集来衡量芯片的表现，只要比较芯片读数本身，以及芯片产生的数据，它在芯片方面的功能，最终测试，或者芯片供应商方面的系统级测试与它的表现。”

目前的SLM方法包含复杂的传感器和/或测量各种指标的片上监视器。这些传感器/监控器需要嵌入到整个设计中，以确保随着设计沿着DV链进行，数据是可用的。

利用芯片和测试数据的全部功能是通过算法将其与存在于每个阶段的其他数据源结合起来。

“基于芯片HVM的测试数据和来自芯片的新深度数据创建一个异常值检测算法，可以带来比只查看一个数据源更好的解决方案。这同样适用于系统层面，你现在可以进行ICT等结构测试、功能测试，以及与之相关的软件，将这些数据源结合在一起，以了解根本原因、差异等。”“然后，你需要一个能够理解数据的分析平台，并有能力将不同的测量数据与生命周期不同阶段的新深度数据结合起来。然后你需要所有的算法和机制在这些数据之上，使其具有可操作性。我该拿它怎么办?上面写了什么?我如何解释我所看到的某些签名?它们是相关的，还是我需要处理的独立问题，或者忽略?这为你提供了所有的工具和能力来学习和理解你所看到的以及应该采取什么样的行动。”

渐进的演变
虽然这一切听起来很有希望，但可能还需要几年的时间才能将所有的方法都落实到位并全速运行。

Synopsys公司的Fish说，虽然现在已经有了一些监控器，但其他的仍在开发中，但在现场的应用是最重要的。“我们与测试社区密切合作，现在在量产方面我们在那里有很大的足迹。我们与ATE供应商合作。然后，当您进入该领域时，没有一个被证明的用例。有很多活动的部分。有半导体供应商，有代工，有最终用户。最终用户是数据中心，还是你坐在那里访问数据?数据中心和汽车应用都有很多问题，这两个应用预计将是最初的两个驱动因素。但在未来几年，基础设施将开始建设。”

其他工具，如数字双胞胎，也可以在这里发挥作用。

Cadence的Schirrmeister说:“从本质上讲，整个生命周期管理从芯片延伸到系统，使其成为系统的数字双胞胎，然后你可以根据个人使用情况来优化汽车。”“思考智慧城市环境中潜在的积极环境方面，以帮助节约能源，优化成本。数据的模型把所有数据都整合在一起。这就像20年前的系统设计以及是否自上而下设计的概念。在芯片层面，我有整个芯片的表示吗?现在这一水平正在上升。”

结论
归根结底，芯片和系统的设计、验证、制造和现场管理方式正在发生转变。

proteanTecs Baruch补充说:“我们正在向系统公司展示他们从未见过的东西，这是以前不可能做到的。”“这改变了他们可以利用这些资源做些什么，比如如何提高效率和质量。他说:“我有退货，一场军事革命又回来了，我怎么排除故障?在那之前，它是一个黑盒子。现在我可以知道它是不是芯片供应商。也许是我的分量。现在很多问题都可以得到解答了。这就是改变整个行业的原因。”