更多的(汽车芯片

自动汽车之旅正迫使芯片设计方式的根本性的变化,从整个系统的功能测试和跟踪,进入这些系统的IP。

这包括从新的生产要求芯片平均故障间隔时间更长。但这也使得它更有挑战性,费时和复杂来创建这些设备,因为他们必须在其他系统的背景下设计的。其中一些系统仍在开发阶段。

新的可靠性目标循环在汽车市场7σ。尽管这在数学上是可能的,这当然不清楚现实的这一目标。六西格玛,长期以来被认为是黄金标准制造,相当于3.44缺陷每百万。但这些数字还需要从复杂系统的上下文在较长一段时间。至少,汽车标记正在大幅提高现有失败率,他们急于开发自动驾驶的车辆。协助和自主驾驶添加新的责任问题进入汽车世界,和部分故障preventable-at至少在纸更好的模拟,验证、原型和测试。

“在我们开发产品的半导体业务强劲,这意味着我们有规范和不同级别的质量,通常以σ,”解释将楚,副总裁和总经理的汽车业务单元迈威尔公司。“这一切回到statistics-3, 4、5、6σ。他们的目标,根据不同的行业。西格玛水平越高,你越有信心,你会议规范下您的具体需求。在汽车,这转化为鲁棒性。专门为自主驾驶,这是一个统计表示。”

在过去的一年中,汽车制造商已经告诉供应商,他们预计零缺陷长达15年。

“你希望你的自主车辆在非常不利的条件下工作,”朱说。“考虑到这一点,如果你的领带,不同程度的自主权,可以看到它作为一个矩阵和试图找出目标应该是什么。这样,汽车半导体公司有一个决策点是如何它希望系统架构师,如果是某种程度上它想说法其鲁棒性的水平。”

达到这种程度的鲁棒性估计自驾车辆变得特别重要,因为4 tb的数据流,,,并通过自主车,他说。

但是设计电子来处理这些车辆的极端温度和压力是一项艰巨的任务,和一个只有有限的先例。

“EDA行业几十年来创造了伟大的解决方案来解决非常复杂的路由算法,设计“观察Burkhard Huhnke,汽车战略的副总裁Synopsys对此。“如果你看看现代soc的老化的因素,然后进入汽车等级要求,我们正在谈论ASIL作为汽车、安全完整性标准ISO 26262,你定义functional-safety相关方面的设计你的汽车系统。”

曾在大众哈恩科表示,500亿年半导体被送到2014模型的汽车制造商——数量快速增长,随着越来越多的电子产品被添加到汽车。

“这是一个很大的数字,我意识到当我负责软件和硬件集成的一面是我们有场问题引起的半导体,因为晶片没有正常工作,等等,”他说。“问题是汽车级半导体世界是什么?我们如何正确设计,所以它将持续15年,因为这是一辆车的平均寿命?你需要3 +年的开发时间,然后7年生产时间和在最坏的情况下,在市场上8年,所以7 + 8在最坏的情况下。车,现在有一个15岁的系统和电子设备正常工作。所有这些应用到自动驾驶汽车,现在我们讨论的是责任,这使得很多oem的整个生态系统的压力。什么是可用的和所能提供的半导体世界?”

内建自测试算法可以提供帮助。“一个纠错机制已经建立。甚至安全整数与双核处理器同步的解决方案是提供冗余。我很惊讶,我们有冗余已经实现SoC水平。这些都是在最复杂的soc,但它是可用的。你怎么能应用在整个生态系统中可用的车吗?如果我从OEM角度讲,我就会通过第二个计算机建立冗余。如果我使用了SoC和半导体机会直接通过与他们交谈,我可以大幅降低成本。”

这个深度的了解来自世界半导体解决方案在汽车行业相对较新。“汽车制造商是过时的,因为当他们开始设计汽车寻找系统组件的可用性通常车辆启动前五年。所以他们选择在架子上,把可用的处理器,可能用于汽车等级下,除了非常可靠和健壮。这意味着他们正在前五年的推出产品,也许一个过时的处理器从创新的角度看,但是一个非常可靠和健壮的系统。如果你想提高,压力来自所有的汽车制造商,需要更多的计算能力,随着更多的内存,更多的连接,从更复杂的计算能力和更多的情报,”哈恩科指出。

这些变化已经开始出现在汽车设计。在奥迪的情况下,开发人员能够区分硬件和软件开发利用虚拟样机的硬件与软件开发开始。但设计high-sigma汽车设计发生规模惊人的理解。例如,一个奥迪A7多软件代码行数的两倍与飞机相比。

“问题是谁将能够处理复杂性,”哈恩科说。“汽车制造商不是专家软件。如果一个汽车制造商占1000万辆汽车一年在世界各地的100家工厂,这需要一个巨大的转变在他们的组织结构。此外,它需要标准化,因为没有人可以处理的指数增长率软件代码的数量

这意味着软件必须标准化,操作系统必须标准化,平台必须被创建,软件知识产权必须重用——这是一个巨大的改变游戏规则将要求成千上万的软件工程师是雇来确保OEM为未来做好准备。的一部分,这将是整个汽车电子架构的设计。

更高的复杂性
复杂性只生长在那里。而静电的影响,如噪声、电迁移和芯片上的变化可以忽略老节点,汽车制造商正在寻找最先进的技术节点自主车辆的AI晶中央大脑。这部分是由于设计周期太长,但也部分是因为这些系统将需要最高性能的单位面积和每瓦。

说:“High-sigma抽样棘手的Christoph Sohrmann先进物理验证组的一员弗劳恩霍夫工程分工(EAS)的自适应系统。“许多新方法已经出版试图从high-sigma提高抽样效率分布。通常更少关注正确的处理参数的相关性。在实际统计数据,你会发现复杂空间所有参数之间的依赖关系。降低这种复杂性,引入了局部和全局变异的概念,意义不相关或fully-correlated,分别。在不久的将来,我们可能会看到这个模型高估或低估了在系统级的变化。这不足以解释变化准确,和更高级的相关性模型是必需的。这将带来另一个问题需要解决,例如如何衡量这些统计模型,并从设计的角度来看,如何样品这些高度相关,high-sigma分布。”

可追溯性增加了另一个层面的复杂性。“如果所有上述一直照顾在设计,现场故障可能与一个临时生产异常,“Sohrmann说。“新规定可能要求OEM回忆整个批受影响的产品。这立即提出了可追溯性问题:哪里,何时以及在哪些条件下半导体制造的吗?从这批其他产品在哪里?如何优化召回?一个人可以想象新的挑战关于半导体的记账为每个部分在最终的产品。”

记账可能仍然是发展的,因为汽车制造商正试图添加尽可能多的功能。

”总是一个问题你能知道多少你愿意创新风险,“Ranjit说Adhikary,负责营销的副总裁ClioSoft。“欧洲和美国的汽车制造商试图把越来越多的功能,所有这些都必须测试。有各种各样的新技术结合在一起,不同型号的汽车之间的变化,跟踪的所有信息将是非常具有挑战性的。”

这是一个数据管理的问题,至少需要访问的数据在一个公司,在某些情况下,在整个供应链。需要限制谁可以看到什么,设置权限和身份验证,但它也需要了解所有的这些作品一起去。用来做一个电子表格,但数据管理的问题已经远远超出了一个电子表格可以处理在一个自治车辆。

“当你处理很多客户,你想要的所有信息,知识基础,一切都在一个地方,“Adhikary说。

更好的验证
验证high-sigma水平需要很多很多的模拟和蒙特卡洛运行时,所有这些都非常昂贵和耗时。

High-sigma验证尤为关键在1)汽车安全、可靠性方面;2)移动芯片,设计最先进的节点;3)低功率设计,更高的σ变成了挑战;4)IoT-type应用程序,并确保芯片和可靠工作;和5)高性能计算能力和先进的节点是非常重要的,解释了阿米特·古普塔Solido集团的总经理在集成电路验证解决方案部门导师,西门子业务。他观察到high-sigma为用户痛点顶级挑战。

内存设计尤其容易high-sigma的压力问题。“从细胞控制逻辑,整个数组的内存是非常重要的实现higher-sigma类型缺陷率防止失败,”Gupta说。“这也是进化超越记忆到标准单元库的设计,当您运行所有的触发器类型或逆变器的设计,如整个简单和复杂细胞库的标准,高σ。这是非常重要的,获得大量的使用从铸造厂和IP提供商,随着无生产线半导体公司。还有模拟,这是非常重要的,,因为传统的方法是运行整个过程电压温度角落找到最坏的角落。你可能会做一个几百蒙特卡罗样本在那些糟糕的角落为了做最后的检查。”

追逐尾巴
然而,它变得更加难以跟踪失败,因为最坏的角落在非统计性变化可能不同于蒙特卡罗分析完成时由于变异。因此,哪些工具可以依靠正确的价值让你高斯尾巴屡见不鲜特别是当没有简单的计算显示,尾巴一点会是什么样子?

“这是一个组合的这些变化可能发生铸造是制造晶体管,”迪帕克说人力副总裁IP工程eSilicon。“他们将是多少掺杂剂?他们会有什么样的变化?他们跑到其他面具的变化是什么?铸造厂所做的就是他们试图建立这些模型,然后建立一个综合模型来表示这些变化。然后你需要特殊的工具,真正从这些模型中提取high-sigma领域中的信息。我经常看到人们计算3σ,然后推断6σ。他们说,‘如果3σ是15%的变异,6σ应该30,但这不是真的。这就是为什么你必须使用特殊的技术,我们通常称之为high-sigma分析,这些尾位的数字。然后你的利润率设计申请那些尾巴。”

幸运的是,今天的铸造厂做给指导,他说。“他们告诉你,‘当你做定时关闭,在您的设计应用某某额外的保证金。当心这种效果,这效果。所以他们帮助你摆脱困境,原因是他们看到发生了变化,要确保人们可以构建设计工作,因为最终是在最佳利益的获得生产这些东西。”

变化的部分本身是不会消失的。人力说:“呆在这儿,”这些芯片的集成密度,人们会更疯狂,疯狂,有时我认为这是一个奇迹,我们甚至可以让这些设计甚至运行。”

6或7σ呢?并在汽车系统98%正确是什么意思吗?

”,剩下的2%,或者1%,甚至0.5%,剩下的,你可以想象高斯曲线和高σ是关于行为的尾巴,”史蒂文·刘易斯说,混合信号的营销总监节奏。“我们有兴趣发生了什么尾巴。我们生产很多芯片,即使是少量的失败仍然是大量的芯片可能会失败。我们要确保无论行为是在遥远的尾巴,我们仍然占我们的设计。它可能成为安全问题时汽车或医疗设备。很高兴在10000年或100000年,只有一个失败,但如果它恰好是你的起搏器或防抱死刹车,这是你不在乎,这是一个在百万。这是非常罕见的,但人们赢得彩票。看着这些统计数据时,我们要确保如果你彩票得主,防抱死刹车,还是会好的。芯片的设计处理,是好的。当然,这通往其它话题的功能安全性和各种各样的其他事情,但是当我们再次看high-sigma应用程序中,我们看到在极端情况下的极端部分尾巴,我们要确保我们占了。”

更多(开关)
而六西格玛方法已经使用了超过30年了,它的采用大大扩大了。

“最初的焦点集中在制造业和消除缺陷,”汤姆·安德森说,技术营销顾问OneSpin解决方案。最近,六西格玛有纪律的、数据驱动的原则被应用于改善许多类型的过程,包括设计,产品开发,甚至服务。因此,它是一个完全适当提高复杂芯片的验证方法。许多高安全性的应用程序时采用六西格玛的验证过程,特别是汽车电子努力满足ISO 26262标准。”

而且,可靠性和安全性需求驱动需要更好的验证指标和更全面的验证在许多类型的芯片设计。

“在pre-silicon验证、设计工具和分析正式的应用程序找到各种各样的自动系统失败(设计缺陷),”安德森说。“指定断言设计意图融入到更深的形式分析发现个别案例bug逃脱传统simulation-only验证流。正式的等价性检查确保不损坏工具,功能变换设计,包括逻辑合成和place-and-route。”

此外,本文中讨论的安全标准,包括ISO 26262、IEC 61508, - 254系统的验证,以便设定了一个很高的标准设计错误不进入硅。“许多这样的标准也要求减轻错误发生在芯片的操作自己一旦使用,”安德森说。“正式的工具提供了一个解决方案在这里通过考虑可能的随机故障和确定哪些不会影响功能,将被检测到,并将纠正。当结合强大的制造流程,6西格玛方法可以最小化系统的故障和硅制造缺陷而减轻随机故障的影响。”

展望未来,导师的古普塔预计更多的设计将验证高σ。“现在,有一个子集的正在运行的设计,但我们已经看到增加的类型设计,以及设计的数量,在经历这些工具在过去的三年半。同时,我们希望看到更多的公司做汽车设计。有很多风险资本融资2017年半导体行业的初创公司所以有很多更多的设计活动。我们看到铸造厂开发汽车应用中,IP运行的IP高σ结果,以及IP公司本身。我们看到半导体公司做higher-sigma设计也从5或6σ,现在做一个6.5 -或7-sigma类型的验证。”

底线:当电子仍然失败了,至少他们会失败少,可以更紧密地跟踪和固定的方式更快。

有关的故事
fpga驱动深入汽车
汽车oem为算法,利用可编程性发展的安全标准,和市场差异化特征。
验证功能安全
的第2部分2:公司应该如何验证功能安全可以使用什么工具?
验证是一个流
专家在餐桌上,第3部分:便携式刺激将如何影响SoC验证和采用的方法可能会赶在第一次什么?