在故障发生之前预防故障

大约十年前，当MEMS传感器备受瞩目时，其中一个被吹捧的应用是将其安装在工业或其他设备上，以便在设备接近故障时获得提前警告。今天，在线监控带来了同样的希望。

这些是相互竞争的技术吗?或者他们能一起工作吗?

几乎所有先进工具制造公司都依赖于传感器,包括微机电系统该公司软件产品管理总监Mike McIntyre表示:“当工具接近维护间隔时，传感器和电路传感器在其工具内执行监测并提供信号上的创新．

这两种方法的关键都在于软件。分析包有助于将传感器或监控数据转换为可用于优化正常运行时间的操作信息。但是系统集成商将负责统一大部分软件。

从历史上看，在某些时候，家电、工业泵、汽车——几乎任何机械系统——都会在很少或没有警告的情况下出现故障，这被视为生活中不幸的事实。如果提前知道某个组件即将发生故障，则可以在相对方便的时间有序地更换该组件。

对于消费类产品，意外故障通常是一种烦恼，会将计划外的活动注入到日常生活中。但对于工业设备来说，这可能意味着生产线的意外停机，这将带来巨大的成本。对于像汽车这样的安全关键设备，如果适当的安全缓解措施不够充分，就有受伤或死亡的风险。

Julia Fichte，全球应用营销，电力和传感器系统部经理英飞凌科技，提供了一个可能受到这种影响的行业的例子。她说:“不得不处理暖通空调设备的设施管理人员和建筑业主正在积极寻求解决方案。”“这些用户首先寻求最大限度地延长设备的正常运行时间，同时也优化设备的性能。他们还想确保这些设备的寿命比现在要长得多。他们希望节省维护和运营成本。”

看着失败逼近
这激发了预测性和预防性维护的概念。其想法是，在设备运行过程中产生的传感器数据将提供故障是否即将发生的线索。

要监测的项目有两大类。McIntyre说:“第一类是由于正常磨损而失效的部件。“这些组件预计会持续下去，日复一日。它们通常按定时周期进行维护。第二类是消耗品。这些组件预计在设备中有一定的寿命。”

预测性和预防性维护可以补充定期维护，但也可以取代定期维护。如果设备在预定的时间没有显示出需要更换的迹象，为什么要浪费一个好的设备呢?在未来的某个时候，当它真的磨损了，它可以被更换。

这一点在芯片制造业中很明显，长期以来，芯片制造业一直通过内部和外部监视器生成数据。“当涉及到在晶圆厂混合新旧设备时，有标准的预防性维护计划，这假设所有设备都以相同的方式使用，”该公司营销副总裁David Park说PDF的解决方案．“它提供了一个一般的经验法则。但这就像比较一个祖母，她每周开一次车，周日去教堂，和一个像瑞奇赛车手一样开车，每天在100英里的高速公路上起停。平均可以解决问题，但个别情况会给你带来问题。祖母每隔7500英里就换一次油，而里基赛车迟早会爆头。因此，收集所有这些数据并使用所有这些传感器的原因之一是进行预测性维护和预防性维护。”

这是数据使用方式正在发生的重大转变之一。“基于从传感器收集的数据，智能算法可以预测故障的类型和时间，以便在故障发生之前触发维护活动，”Fichte说。“它优于其他维护技术，因为它可以通过避免过早更换设备来优化维护成本。”

“我们将可以说，‘这个电池需要一个新的校准，它将离线一天，’”该公司云解决方案总监Benjamin Lobmueller说效果显著．“‘当你这样做的时候，也去检查一下这些部分。也许可以交换这两种元素，因为它们也很有可能会下降。’”

磨损可能受到操作环境和外部因素(包括软件)的影响，因此了解上下文非常重要。“你有运行条件，你有软件，你有软件更新，”优步首席战略官Uzi Baruch解释道proteanTecs．“软件正在成为一个超级组件，因此它对系统的压力有很大影响。”

所需的数据可以由至少两种不同的技术生成，外部传感器和芯片内监视器和传感器。巴鲁克说:“把来自内部和外部不同类型监控器的不同信号结合起来有很大的价值。

这两种方法产生于不同的生态系统。诀窍是将它们统一起来，以便它们一起工作，生成一个可信的警报。

外部传感器用于机械系统
在本世纪初MEMS技术备受关注的时候，传感器率先实现了这一想法。这个想法是，各种传感器可以监测设备的某些机械方面，以寻找一切都不正常的证据。

温度和压力可能是偏离正常的两个指标。此外，运动部件会产生振动，加速度计可以测量这种振动，以检测其模式何时发生变化。

这些方法已经存在了一段时间，但它们遇到了挑战。“正常运行”概要文件是通过观察聚合设备建立的，它们的行为根本不够统一。对一台设备来说正常的功能可能对另一台设备来说就不正常了。结果是出现了大量的虚惊，对接受度产生了抑制作用。

罗布米勒说:“通常情况下，你并不确定这些见解是否可行。”“原因总是一样的:你得到了正确的数据吗?你能相信传感器的读数吗?如果你有一个从发动机上读取的传感器告诉你一个汽缸比其他五个汽缸的温度高三度，你可能是这个汽缸的垫圈有问题。然而，通常情况下，传感器被指定为正一到正三度，”这意味着它可能是基于正常变化的错误指示。

更有效的方法是学习特定设备的行为。对于圆柱体传感器，这意味着了解每个传感器的“典型”是什么。对于安装在电机上的加速度计，这可能意味着运行一段时间，以了解单个电机的“正常”情况。

目前，系统设计师负责构建软件堆栈，这些软件既能了解“正常”是什么样子，又能决定是否发出警报。对于传统的外部传感器来说，这可能是一个已经解决的问题。“你有预先训练好的模型和算法，可以在这些情况下工作，现在你可以使用现成的模型和算法，”Lobmueller说。“这里面已经没有那么复杂的科学了。”

芯片监视器可以更好地观察电子设备
最近，芯片内监控已成为一项新技术。监控器和内部传感器的种类因物理结构、生成的数据类型以及分析处理数据的方式而异。与外部传感器开始这样做的时候相比，分析现在是一个更加突出的概念，所以许多芯片方法都带有分析工具。

这些监控器可以查看低电压、温度、性能、总线行为、流量和操作芯片的其他特征。它们不只是用于预防性维护，而是它们支持的应用程序之一。这对半导体来说变得更加重要，因为芯片的使用寿命更长衰老的机制最终会导致失败。

“芯片内监控器可以帮助测量老化的影响，如晶体管性能的退化和互连电迁移，”Andy Heinig说，高效电子部门主管夫琅和费IIS自适应系统工程部．“其优势在于，在温度和机械应力等环境条件下，可以直接在系统中测量这些东西。”

监测老化的一种间接方法是观察芯片中没有功能的一些典型电路。“你可以使用老化监控器来监控老化控制电路，以了解它在一段时间内的情况，”英特尔公司硅生命周期管理营销总监兰迪·菲什(Randy Fish)说Synopsys对此的数字设计组。

但是在线监视器可以让你直接看到活动电路和它们的环境。费什解释说:“另一种方法是监控设计中实际使用的设备的活动，这样你就可以监控环境，看看有多少开关在发生，等等，以表明老化。”

图1:一个示例数据可视化页面，将降级延迟视为老化指标。来源:proteanTecs

内部和外部传感器可以具有互补的功能。虽然加速度计可以评估机械系统的健康状况，但它无法窥探电子芯片内部，了解它们是如何老化的。这就是芯片监视器的亮点所在。话又说回来，当试图确定一组轴承是否磨损时，这些芯片内监视器几乎没有用处。

但它们起源于不同的时代，通过不同的生态系统，它们的意图是一致的，仅此而已。但一种新的半导体技术可能会让这两种方法的集成变得更容易——新的硅工艺需要分析来管理良率。

半导体数据泛滥
硅芯片的生命周期比以往任何时候都受到更密切的关注。它存在的每个阶段都会产生数据。它从芯片设计阶段开始，通过大量验证数据建立所需的操作轮廓。它继续通过芯片的制造，测试和组装，然后在整个生命周期。

所有通过打包和部署的数据主要用于学习提高产量。在制造过程中产生的数据有助于确保制造芯片的设备正常运行。这些数据甚至可以有助于设备的预测和预防性维护。

图2:将可靠性失效与良率相关联的数据可视化页面示例。来源:PDF解决方案

这种学习得益于提取大量数据点的分析包。考虑到这些软件包的强大功能，它们还可以用于根据实际运行期间产生的数据来帮助预测设备故障。它可能仍然需要工作来了解使用哪些数据以及如何操作它，但至少摄取和处理数据的引擎已经到位——最初外部MEMS传感器并不是这样。

好消息是，许多这样的系统可以接受来自任何地方的数据。即使在预测性/预防性维护应用中，实时操作也可以与单个芯片构建时的检查和测试结果相关联。

这些系统为集成内部和外部传感器数据提供了基础。该软件需要能够将所有这些结合在一起，就未决问题发出单一警报，即使在维护指示问题所在的离散数据领域的同时。

云可以很好地处理大量的统计数据，但是将大量原始数据传输到云会占用带宽。如果需要自动警报，响应时间可能是一个问题。这意味着软件的一个更本地的实例化。最简单的地方是本地服务器。本地网络处理数据量的能力将远远超过互联网。

最快的响应将来自于将分析集成到系统的软件堆栈中。但这需要大大削减软件。这些软件包中有许多具有工程师查看和分析数据以帮助做出决策的广泛功能。它支持的分析类型可以是自动化的或特别的。

在系统软件中实现时，需要具体到所选择的分析算法和数据流。所使用的方法可以在脱机系统的帮助下开发，但需要对在线实现进行简化。这项工作将主要落在系统集成商身上。

一些芯片内监控公司已经推出了系统内版本。“这将取决于第三方传感器或监视器的供应商向芯片供应商或系统集成商提供软件，使他们能够访问和使用数据，”Richard Oxland指出西门子EDA．

数字双胞胎可能会承担这种负荷
对于具有严重故障后果的系统，数字的双胞胎可以用来消化许多数据流。数字双胞胎是物理设备的虚拟模型。它不同于模拟模型，因为模拟的目的是代表该设备的整个宇宙。对于芯片来说，这可能意味着快版本和慢版本，包括各种工艺变化。

一个数字双表示设备的特定实例。对于芯片来说，这意味着它理解所有的历史数据，这样它就知道它在许多分布曲线上的位置，这些分布曲线上有许多表征该设备的参数。例如，一个运行缓慢的设备可能不会引起任何关注，但一个运行缓慢的快速设备可能会引起关注。

给定实际设备运行时的实际数据，双胞胎可以预测任何数据趋势或异常的影响。奥克斯兰说:“通过数字双胞胎，来自任意数量的不同传感器或监视器的数据被输入到中央数据存储中，以构建真实系统的虚拟表示。”

如果出现故障，那么数字双胞胎可以在实际设备出现故障之前发现故障，从而使纠正干预成为可能。

图3:火箭助推器的数字孪生实例。资料来源:Wilmjakob,Cc by-sa 4.0，通过维基共享资源

数字双胞胎可以在任何级别创建。一个复杂设备的数字双胞胎可能包括其组件的数字双胞胎。数据可以从任何来源传输，无论是芯片内部还是芯片外部。

也就是说，数字双胞胎可能非常复杂，需要付出很多努力来创造。它们不仅仅是分析引擎，预防性维护只是它们可能的用途之一。因此，创建数字双胞胎需要长期构建和维护模型的战略承诺，为每个活动单元大量生成一个实例，并在发现改进时对它们进行维护。

更智能、更高效的维护
对预测性和预防性维护的需求很可能会继续增长。然而，问题是，什么样的数据将为它提供信息。目前，外部和内部数据流可能会结合在一起，以提高现有的可预测性。当使用传统的外部传感器时，在线监控器可以改善结果。

以加速度计为例，它是一种外部机械传感器。Oxland说:“最初，它们将相互共存，加速计提供数据集的连续性，芯片监视器提供新的保真度，这将提高预测模型的准确性。”

但随着我们对这些系统的了解越来越多，我们可能会发现，随着时间的推移，我们可以用更少的数据来应付，从而降低系统成本。他说:“是否有理由继续部署加速度计，将取决于它们收集的额外数据对模型精度是否重要，还是对检测芯片监控器无法检测到的故障模式是否重要，以及相关的经济回报。”

一旦工程师知道每个数据源对整个解决方案的贡献，他们就可以开始削减以提高效率。这并不意味着外部传感器会消失，而是由芯片内传感器来处理一切，因为内部传感器在观察机械部件性能方面没有那么好。对于内部监视器，只要它们可以隐藏在空白中，就可能没有理由摆脱它们。但那些额外花费的项目可能会受到未来的审查。

预测性维修工程
虽然更先进的预测性维护还处于早期阶段，但有迹象表明它可以提供真正的结果。Fichte表示:“我们已经发现，预测性维护可以减少70%的设备故障，还可以将维护成本降低25%，并将设备寿命延长20%。”

但是，从历史上看，这需要大量工程师的努力。她说:“要成功实施预测性维护，需要许多不同领域的专业知识。”“人们需要传感器专业知识来知道使用哪些传感器。你还需要知道在哪里放置它们，以及在数据分析方面的专业知识。您需要软件专业知识，以便开发预测即将发生故障的算法。所有这些信息都必须安全地存储在云中，所以你还需要云集成的专业知识。”

这就是新的分析软件包试图简化的地方。展望未来，仍将需要专业知识，但希望每种情况所需的工作将减少。