数据管理新挑战

半导体设计和制造数据的爆炸式增长，以及芯片在安全关键型和任务关键型应用中的广泛使用，正促使芯片制造商更有效地收集和管理这些数据，以提高整体性能和可靠性。

这组数据揭示了许多没有简单解决方案的挑战。数据可能是孤立的和不一致的，这意味着并非所有数据都可以在供应链上被所有相关参与者使用。对于数据应该存储多长时间、谁应该访问它以及访问多长时间，或者如何将数据循环回流以提高质量和涉及功率、性能和面积的权衡，没有明确的规则。同样悬而未决的还有如何量化和限定数据，如何最好地从中学习，或者何时以及如何提供数据。

确实存在各种商业工具来帮助管理设计和IP数据。但是，需要管理的数据量、通过IP重用跟踪的数据量，以及不同团队在不同时间点利用的数据量是一个令人难以置信的挑战。

“越来越多的数据已经被管理，或者必须被发现，”公司营销副总裁西蒙·兰斯(Simon Rance)说ClioSoft．“根据公司的规模，这些数据可能来自一个大陆，也可能来自不同的大陆。您可能不知道所有的设计数据在哪里，因此需要设计数据管理系统和改进的协作。如何重用这些设计?你是否知道这些数据的质量，以便你可以将其应用于未来的设计?这就是我们现在在数据管理领域看到的转变。”

数据管理需要在多个层面上进行，从设计开始，一直到制造，再到现场。但是，由于数据之间的连接可能不在一个地方，管理可能会变得非常复杂。

“当你在小数据的世界里，你运行晶圆，你会得到这些晶圆的结果，”他说。Rob Conant，微软软件和生态系统副总裁英飞凌科技．“例如，你进行测试，你渴望达到某种程度的可靠性或性能。然后你开始向世界运送数亿或数十亿这样的东西。但在半导体行业，从历史上看——以及几乎所有的行业——你监控这些东西的能力消失了。所以你按下印刷体，然后它就不见了。这就像在1995年出售一个操作系统。我们发了一堆磁盘，一切看起来都很好，我们接到了一些支持电话。”

自那以后，情况发生了很大变化。“整个软件世界已经发生了根本性的变化，人们可以准确地看到你在做什么，”Conant说。“突然之间，你在测量使用这些产品的数十亿人，这从根本上改变了那些软件公司设计软件的方式，因为他们实际上可以看到什么是重要的，什么是不重要的，人们在哪里遇到了问题，什么是有效的，什么是流行的。它完全改变了软件设计方法。”

目前，半导体生态系统正在采用其中的大部分技术。“我们仍然会运送硬件，但我们会测量，例如，这个模具送到那个客户那里，然后最终完成那个。我们已经做了数亿次了。这些数据会反馈到我们的生产过程中吗?我们是否能够说，‘那个工厂在那个日期生产的晶圆比这个工厂在这个日期生产的晶圆可靠性低?的可能。这就是事情发展的方向。”

卡姆·基特雷尔，数字签名组的产品经理节奏他指出，为了进行这种类型的遥测，需要整个行业的合作。“例如，在对设计进行IR跌落测试时，这是对电源准确性的测试，如果我有一些东西在切换，我的电网是否会飙升到可能危险地影响物理物理功能的程度?但因为你可以将任何设备置于临界功率下降状态，如果你在同一区域切换它，你从统计上检查的可能不是实际发生的情况。有一些方法可以添加电压表，并将它们放置在电网的某些部分，因此您可以稍后返回并扫描它，以确定电压的低水位标记。这提供了反馈，可以影响未来如何避免这种情况的设计决策。”

在测试器上看到的内容可能与黑板上的内容有很大不同。“一旦产品上线，用户就会开始对机器学习提出要求，因为他们会不断尝试优化设计，”ibm的业务开发主管杰罗姆·图布兰科(Jerome Toublanc)说有限元分析软件．“以模拟数据为例，当涉及到管理数据时，我们专注于最重要的事情，这就是模拟数据管理过程发挥作用的地方。在过去，用户只热衷于收集数据，并在设计过程中使用这些数据，直到制作结束。现在，用户希望包含更多来自实验室的数据，并考虑来自现场的数据。现在他们想要包含来自产品的数据，无论是5年还是10年的数据，因为他们将更多地了解产品的质量。与5、6年前相比，我们在这里看到了越来越多的数据。然后，一旦产品投入生产，就没有人要求我们包含来自产品的数据管理数据。这是一种全新的数据管理和使用方式。”

Toublanc指出，许多IP公司正在为现场数据收集提供IP。“这是产品生命周期的一部分。一旦你收集了这些数据，你就可以看到它随着时间的推移是如何表现的，然后把它与你在设计时的假设联系起来。但是你必须处理数据的增长，因为你在设计之后会得到很多数据。想象一下在那之后收集多年的现场数据。”

从不同角度思考数据
实际上，半导体产业正在通过芯片的部署方式，成为一个物联网产业。“这是一个相当激进的想法，将在未来几十年对这个行业产生巨大影响，就像它对一个又一个行业产生的影响一样，”英飞凌的Conant说。

但是系统架构师和设计团队如何决定保留哪些数据，以及保留多长时间?在发布数据之前，对数据做了什么?答案取决于谁想要这些数据、分析方法，以及他们想用这些数据做什么。

ClioSoft的Rance说:“对于设计团队来说，他们现在可能不想看它。“也许建筑师想要从性能和低功耗的角度来改进设计的下一个架构。但也有其他方面没有达到预期的效果。软件团队如何通过无线软件更新来弥补硬件的缺陷，以便立即采取行动?”

这在今天开始发生。Conant说:“作为将WiFi芯片部署到现场的一部分，我们开始专门收集电池供电产品的数据，以及这些设备在现场的能源消耗。”“在一个案例中，我们发现有一个平均值，但20%的设备消耗是平均值的8倍。这意味着如果你的电池寿命应该是16个月，那20%的电池寿命将是2个月。所以你会有一群愤怒的顾客。我们开始分析这些数据，把它们联系起来，找出它们与什么相关，最终弄清楚发生了什么。我们为在该领域运营这些产品的公司提供了软件更新。他们进行了一次无线更新，并在产品发货后将这些异常值的电池寿命延长了两倍。这就是如今物联网公司所做的。这就是他们一直在做的事情，以改进他们在该领域的产品，我相信半导体行业会做得越来越多。 In our case, we just brought it back to the software that runs on the chip. If you can bring that back into the chip design, the benefit can be even higher.”

从哪里开始
何时实现这种数据共享取决于市场、最终产品和各种用例。

ClioSoft的Rance表示:“大多数公司都有自己的数据管理方法。“核查小组也是如此。他们如何合作?他们如何利用这些数据?谁用它做什么?他们怎么回来说他们学到了什么，他们需要改进什么?这是需要发生的事情。我们还没有看到那么多。我们看到大公司的高管们承认这是一个问题。他们知道他们必须想出解决方案和方法。 That’s where we see it going.”

在过去，内置自检(BiST)方法被用于芯片和汽车等行业，但没有任何一致性。Kittrell说:“在构建系统时，要考虑到硬件诊断，以便尽早向硬件设计师提供有意义的反馈，这样他们就可以分析出可能存在的问题，以及如何防止下一代出现这种问题等等，这就是我们的目标。”“但目标总是在变化，因为下一代可能会是一个不同的节点，有不同的问题，等等。他们至少要能在它们造成故障之前把它们取下来。你可不想在飞机发生故障并造成破坏的时候，还背负着客户的载荷。”

尽早应用数据是我们的目标。Toublanc说:“用户现在希望从新项目的第一天开始收集数据。”“一开始，数据非常传统，非常基础。但人们喜欢做的是跟踪这些指标，并确保在整个设计生命周期中发生。每个人都会以不同的方式来做，这取决于项目。这就是为什么现在的解决方案必须尽可能地开放。每个人都不会以相同的方式跟踪相同的指标，甚至不会跟踪相同的指标。因此，我们的解决方案必须是完全开放的，无论他们使用哪种工具进行设计，以确保客户可以得到他们需要的任何东西，并以他们想要的方式跟踪它。这将改变EDA解决方案。如果你不开放，数据管理将是一个大问题。”

对于数字双胞胎来说，这也变得至关重要。随着越来越多的电子产品被部署在安全和关键任务应用中，数字双胞胎这个古老的概念正在得到越来越多的认可。

“汽车公司生产汽车不是为了进行碰撞测试，也不是为了进行研究，”福特汽车技术解决方案销售高级总监迈克尔·蒙西(Michael Munsey)说西门子数字工业软件．“他们为政府在碰撞测试上签字做了一两个，但他们做的一切都是虚拟的。所以系统公司很清楚他们需要捕获和保存哪些数据，因为他们出于某些原因一直在考虑这个问题。在半导体方面，我们面临的问题是产生的数据超过了我们的处理能力，这是我们实际上可以学习的东西。有些系统公司知道应该保存哪些数据，因为他们很清楚分析和碰撞测试等工作所需的数据。”

简单地说，数据收集、分析和保留需要更加细化，并且需要在生态系统中的更多地方进行。柯南特说:“举例来说，我们为电动汽车提供了大量的零部件。“世界上谁最擅长为这些组件的剩余生命周期建模?我们是来旅游的。但这要求设备的供应商也提供数字双胞胎，以便拥有这些功能，以及通知数字双胞胎的数据提要，以便在每个设备的基础上都是准确的。这需要一个数据合作伙伴关系，而这是业内不太愿意做的事情。”

在航空航天等行业尤其如此，因为开发人员不希望共享敏感数据。但总体而言，数据共享正在改善。

Cadence的Kittrell说:“以前，EDA会与半导体供应商合作，他们会生产现成的零件，谁知道这些零件会被用在什么地方，只要他们能找到客户。”“这取决于客户将他们的系统整合在一起，并确定其可靠性。现在很多硅都被用于非常特定的用途，每一个都需要很高的产量，这是非常重要的。因此，系统公司正在推动这整个过程必须如何工作，例如，观察数据中心，以便能够检测故障的可能性。这将影响整个设计过程和IP选择。”

然而，并非所有这些数据都以一致的格式生成。数据需要具有互操作性。西门子的Munsey说:“重要数据必须有一些标准，而且必须以客户为导向，因为这才是真正推动事情发展的因素。”“还需要用分析工具的结果建立一个公共数据模型，这将开始让事情协同工作。一定有一种方法可以更容易地管理和跟踪事情。这是进化的下一步。你仍然可以拥有数据，但至少要以一种其他人和客户都能分析的方式来创建数据。”

在此之后，数据需要在设计-制造流程中上下使用。

Munsey表示:“我们现在正在解决点工具优化问题。“然后，当你有了数据模型，你可以全面收集数据，然后让地点和路线工具说，‘如果我们在综合中这样做，我们可以在这里做得更好。通过这种方式，工具将信息反馈回上游，所以下一次通过时，你实际上是在向合成工具输入新的约束条件，以实现更好的放置和路由结果。你不断地向链条的上游传递，这就是“左移”自动化的整个思想，这又回到了你想要保留哪些数据的问题上?尽可能多地保留这些数据，因为在开始实现这些其他优化之前，您可能不知道需要分析哪些数据。然后你可以考虑，也许位置和路线工具实际上是在查看合成工具创建的数据。”

结论
所有迹象都表明，半导体设计生态系统将发生彻底的变化，从概念到工具和方法，以利用和学习数据。

科南特说:“如果我们看看通用电气和劳斯莱斯提供引擎的例子，他们实际上从提供硬件转变为提供服务，因为这本质上改变了商业模式，不再提供组件，而是围绕引擎提供所有数据和所有维护。”“他们意识到，把这些东西捆绑在一起会带来巨大的经济效益。半导体行业还没有做到这一点。我从未听说过有半导体公司提供半导体即服务。但它发生在其他一些更高层次的行业，这就引出了一个问题，‘半导体行业如何朝着这个方向发展?’”