传感汽车IC故障

你越早发现任何电子系统的故障，你就能越早采取行动。数据分析和片上传感器将共同提高汽车芯片的质量，并为汽车增加越来越高的预测性维护水平。

随着芯片汽车数量的激增，每安装一个集成电路，很难达到10亿分之10的缺陷。在15年的生命中要求这样做变得更加困难。尽管如此，芯片制造商和系统供应商越来越善于在缺陷造成问题之前识别它们，无论是在零时间还是多年后的道路上。

这是一个非同小可的成就。在高级工艺节点检测缺陷被证明是极具挑战性的，因为微妙的物理会导致电气参数的微小变化。虽然在较老的节点上可能不会注意到这些问题，但在7nm及以下的公差变得更紧，超过这些公差的影响可能会导致质量和可靠性问题。这些问题可能表现为过早老化和信号中断。

使用依赖于单一度量的部分平均测试来识别这些微妙的缺陷机制是不够的。然而，代价高昂的替代方案是进行更多的测试，这可能会降低产量。对于可靠性缺陷，这种方法假设开发了一种测试来识别这些虚幻的缺陷。

因此，虽然传统的测试方法仍然必不可少，但几乎所有人都认识到，这些方法需要在线数据的补充。通过结合这两种方法，可以早期识别高级别缺陷，并且可以在芯片的整个生命周期中继续测试不太明显的和在某些情况下无法检测的缺陷。但这一切都需要融入到IC设计以及制造和测试过程中，这就是为什么晶圆厂、IC设计师、测试机构和数据分析公司一直在努力满足这些需求。

汽车制造商的期望
汽车集成电路一直严格控制质量。然而，当芯片使用长期建立的工艺节点开发时，这就更简单了。随着越来越多的人工智能被添加到辅助驾驶和最终自动驾驶的车辆中，所需的处理能力急剧增加，而在给定的功率范围内实现这一目标的唯一方法是增加晶体管密度。

这就是事情开始变得有趣的地方，因为还没有人设计过一种可以在高度控制的环境之外使用的先导节点芯片。最初的想法是，所有这些芯片都是多余的，以防其中一个出现故障。但随着人们对冗余部件的成本和重量有了更好的了解，相比冗余，大多数汽车制造商更关注的是可靠性。

“在电气化、互联互通和自动驾驶的推动下，汽车上的半导体数量越来越多，”福特汽车战略合作高级总监杰伊•拉瑟特(Jay Rathert)表示心理契约．“先进的芯片被要求承担越来越多的重要任务，这些任务既关键又安全。然而，当我们与一家汽车制造商的研发主管交谈时，他说，在你为一个零件的五分钱差价争论过之前，你真的还没有造出一辆车，因为利润率非常低。’所以对于这些昂贵的高端芯片，他们最不愿意做的事情就是把它们放在那里，以实现冗余。”

对于这些设备中的集中式逻辑来说尤其如此。高级水平ADAS(4和5)需要用于AI/ML应用的大型计算引擎，而这些计算引擎只能由高级流程节点支持。事实上，一些汽车制造商现在正在研究5nm芯片，但一些开发这些芯片的公司在这个市场领域几乎没有经验。

“有些初创公司正在设计人工智能加速soc，”腾讯营销设计IP总监汤姆•王(Tom Wong)表示节奏．“与老牌汽车SoC供应商相比，这些新进入者并不具备深厚的汽车知识储备。通常情况下，他们依赖第三方IP合作伙伴提供关键IP块，以便将其集成到最终的SoC中。”

为消费电子产品和数据中心设计的芯片每两到四年就会更换一次。相比之下，为汽车应用设计的芯片需要可靠工作10到15年。机器人汽车增加了更多的要求。“汽车soc在美国，有许多基本标准涉及质量、可靠性和功能安全。”“这些要求会直接影响到第三方IP本身。”

AEC-Q规定了满足汽车质量和可靠性目标的测试条件和实践。对于CMOS集成电路，可靠性包括晶体管级和互连特性。理想情况下，制造测试过程可以筛选有缺陷的模具/零件的时间零失效和寿命结束失效。

这与许多其他细分市场不同，在其他细分市场中，在时间零点发现早期寿命故障，并通过可靠性产品表征保证寿命结束就足够了。但在汽车中使用寿命较长，在温度、电压和机械应力方面的工作环境更恶劣，必须考虑更广泛的功能工作条件。所有这些，再加上高级流程节点，意味着像往常一样做生意已经不够好了。这就是片上传感器变得越来越重要的地方。

芯片内的更多数据
统计学家的格言是:“你的数据有多好，你就有多好。”片上传感器，也称为在线传感器，提供比标准制造测试指标更深入和更有针对性的数据。这些数据为工程师和工程电路提供了必要的情报。

起初，晶圆上传感器主要用于过程监测，仅驻留在划线线结构中。他们的测量继续支持晶圆验收测试(WAT)，并根据晶体管特性和互连、接触和通过结构完整性以及可打印性的直接测量，提供制造工艺健康状况的反馈。

过程的可变性这促使IC设计人员采用片上传感器来评估该晶圆的工艺偏差。相对简单的环形振荡器成为事实上电路设计的选择。测量频率作为流程倾斜代理的便利性使我们能够对流程倾斜进行简单的洞察，但需要注意的是，这是一种推断的洞察。

图1:带三个逆变器的环形振荡器。来源:Matthew H. Plough CC SA 1.0

然而，随着工艺节点的进步，片上传感器已经变得更加复杂，并在IC设计中更广泛地用于检测可能对芯片性能产生不利影响的工艺变化。公司首席技术专家Andrzej Strojwas表示:“工艺变化一直存在PDF的解决方案．“目前的情况是，由于设备不断缩小带来的复杂性，设计规则几乎没有允许出错的余地。要完全理解如何最好地为大型器件设计电路，已经变得更加难以描述半导体工艺。电路设计和工艺交互显著增加。例如，系统布局的敏感性(几何图案/空间关系)直到28nm工艺节点才被关注。”

片上传感器不仅限于理解工艺变化。设计人员使用电压和温度传感器来调制电路/系统行为，以及监控系统中的芯片健康状况。

Cadence的Wong说:“你可以在SoC中放置许多这样的微型传感器。“它们可以用于dvf比如，减慢时钟以降低功耗，降低温度。”

这种操作传感器可以记录芯片的使用历史。反过来，这些数据可以与其他芯片数据相结合，从而分析使用、电路设计和工艺之间的关系。简单地说，来自不同来源的更多数据可以用于识别行为模式和芯片行为的更精细分组。

“在我们的方法中，我们根据芯片代理(on-chip Agents)的推断数据将芯片分类为家族，从中提取工艺和设计行为的许多维度，”伊芙琳·兰德曼(Evelyn Landman)表示proteanTecs．“我们可以说，对于许多许多参数，它们在1西格玛附近的表现非常相似。因此，这比按晶圆分组分辨率要高得多。”

这些细化的芯片分组实现了更复杂的数据分析，可以指导通过/失败的决策，并指示自适应测试步骤。

虽然环振荡器技术继续被使用，IC设计师和数据分析公司现在拥抱了更广泛的片上传感器。这种传感器可以用来理解模具、电路或子系统的特定部分正在发生什么。

系统级的学习从你的车
尽管存在缺陷目标，但汽车行业正在从系统的角度准备应对故障。考虑到未来的辅助驾驶功能，ISO 26262早在2011年就开始规定IC组件的功能安全要求。该标准要求片上监控，以检测由外部或内在力引起的随机硬件故障。

“从知识产权的角度来看，除了资质和可靠性，我们还从功能安全的角度提供能力，”他说Synopsys对此产品营销经理Faisal Goriawalla。“这些钩子可以实现SoC的不同测试阶段。安全经理将发起、管理和安排这些测试。我们有一个安全网络来提供基础设施，将所有关键任务内存、逻辑、物理物理以及现场任务模式测试整合在一起。”

这是可靠性测试的一个方面。在现场，需要定期测试以支持功能安全，类似于飞机飞行员在起飞前进行的各种测试。但因为没有人会在每次点火时都坐在那里测试他们的汽车，所以这些测试需要定期进行，比如在充电时或在红灯前空转时，或者当一些异常行为触发了内部警报时。

支持现场功能安全所需的定期测试提供片上传感器数据。由于IP块内置冗余，以及随后的自我修复，在功能安全定期测试中存在更多的分析潜力。

“我们的客户正在使用的功能安全测试解决方案具有一定程度的自我修复，”Lee Harrison说，汽车IC测试营销经理Mentor是西门子旗下的企业．“新兴的现代汽车设备深入研究人工智能，可能有数百或数千个相同的处理器核心。如果你发现一个核心有缺陷，那么你可以换掉那个核心，因为你有两三个备件。”

这种开关可以在制造测试期间发生以提高产量，也可以在驾驶汽车时发生以处理故障。这种针对系统故障的增量修复策略也可以深入了解可靠性。

“这些数据变得非常有用，”哈里森说。“随着时间的推移，你可以开始看到缺陷是如何出现的。我是否需要修复额外的内存元件，或者我是否需要更换不同的内核?’我们可以开始报告这些数据，而无论是原始设备制造商还是一级供应商查看这些数据，取决于这些数据在生态系统中的位置。”现在可以提供数据了。

冗余数据可以与温度、功率和工作负载分析等其他传感器相结合，以了解系统正在使用的数据。更深入地研究电路级别的行为，可以提供可能解释维修需求的见解。

细化异常值测试
汽车芯片在通过生产测试后，必须在15年内保持相同的工作性能。设计工程师依靠老化分析和最知名的可靠性设计技术来满足这些严格的目标。然而，老化分析来自模拟，因此存在基于分析中所做假设的局限性，包括操作、环境和晶体管物理。

高级解决方案副总裁Dennis Ciplickas表示:“汽车二级IC设计公司对产品整个生命周期的可靠性非常敏感PDF的解决方案．“优化性能与可靠性之间的权衡，如VDD值、时钟速度和温度任务配置文件，是必要的，但还不够。还应该包括能够洞察故障物理原理的传感器。仅仅知道产品在现场失败并不能让你了解它失败的原因，来自rma和8D流程的数据很宝贵，但非常有限。”

Synopsys的Goriawalla表示，专注于电路性能的片上传感器提供了这种额外的洞察力，并有多种形式，例如监测关键锁相环或芯片上一组锁相环的占空比。“我们有一种称为测量单元的功能，作为DesignWare STAR分层系统(SHS)的一部分，它集成了一些时钟和过程监控功能，通过跟踪这些嵌入式传感器和监视器来记录和确认这些测量值符合硅的某些标准。”

定时裕度和速度传感器代表特定设计的片上传感器。在2018年国际可靠性物理研讨会上，意法半导体和TIMA实验室提出了关键路径传感器，使用复制电路概念来监测过程和老化影响。一项对实际电路性能的原位测量的模拟研究显示，早在2013年，加州大学洛杉矶分校和Arm的联合研究就取得了令人鼓舞的结果(在欧洲设计自动化测试会议上发表)。这些已经开始用于生产设计。

proteanTecs的Landman说:“在该领域，我们提供了Margin Agents，可以测量设计本身的Margin。“这不是一个独立的赛道。当它工作时，它实际上是在测量设计的数百万条路径的边缘。然后应用机器学习分析为这些测量提供背景和见解。”

设计工程师在硅的产生过程中发现了这种传感器的价值。随着时间的推移，观察频率退化的能力为可靠性工程师带来了价值。“对于NBTI、电迁移和热载流子注入等许多物理失效机制来说，频率下降是失效的一个很好的前兆。”

片上传感器还支持生产测试过程。对于在汽车领域工作的IC设计师和测试工程师来说，满足AEC-Q100要求和低缺陷目标成为良率和质量之间的一场拉锯战。严格的故障限制可能满足质量目标，但往往牺牲产量，因此工程师通过筛选异常值来争取平衡。部分平均测试(PAT)使用静态或动态设置的统计限制来筛选异常值，这通常在单个测量中完成。但是，当在多变量分析中使用多个测量时，异常值检测变得更加有用。片上传感器在这一领域提供了有用的测量。

PDF的Ciplickas说:“电路或性能在一个芯片上漂移的知识很难推广到该芯片以外的预测行动。”“追踪结构和电气特性系统趋势的片上传感器可以显示趋势的潜在物理特性。我们从制造和测试中获得的经验是，基于物理的模型具有更强的预测能力。”

反过来，这可以用来发现不明显的异常值，而不会影响产量。

再加上新的机器学习算法和领域专业知识，情况会变得更加清晰，这对于安全关键应用中使用的复杂设备尤其需要。

识别制造过程中的问题
在ic进入汽车之前检测出有缺陷的ic符合质量目标。在制造过程的早期发现它们可以达到同样的效果，同时还支持良率学习，并为自适应测试流程提供见解。不过，这需要一些高度专业化的片上传感器。

晶圆厂工艺工程师和测试工程师依靠划线线内的电气结构来检测加工错误。这些结构提供了关于晶体管特性、基本和物理设计结构以及晶圆质量的反馈。与已经讨论过的基于架构和电路的传感器不同，这些结构已经进化到能够理解设计过程敏感性的复杂性。

PDF的Strojwas说:“从28nm工艺节点开始，设计灵敏度的工艺步骤变得具有挑战性，仅靠硅前模拟就无法预测。”这促使我们与客户密切合作，对硅进行表征，以处理与表征车辆测试芯片和产品特定划线线结构的相互作用。”

利用最近的工艺节点，这些片上传感器已被开发出来，用于发现光学扫描晶圆无法检测到的缺陷。这些缺陷确实表现出电气特征，如小泄漏，增加的电阻和微小的v位移。专门设计的芯片传感器可以检测到这些细微的表现。2019年的电子设备和技术制造论文描述了PDF解决方案使用设计检查电路结构和晶体管/电阻阵列电路结构的方法。

图2:DFI填充单元。来源:PDF解决方案

检查结构的设计很小，相当于物理设计中用来填充空白空间的填充单元。因此，一个大型芯片可以包含数千万个DFI片上传感器，这提供了其他片上传感器无法实现的空间分辨率。DFI填充单元的设计目的是捕捉微小的泄漏，以及短路和打开，它们可以阐明FEOL/MOL/BEOL工艺步骤中的泄漏路径问题。

结论
及早发现缺陷可以节省成本-产量/质量。在IC在汽车中的使用寿命期间，检测缺陷可以确定维护需求，使汽车更安全。由于机器学习算法，片上传感器在检测中发挥着更大的作用，这可以有效地利用其数据的深刻丰富性。

现场数据完成了该领域所需的端到端分析。PDF的Strojwas说:“提供端到端(也就是从诞生到产品生命周期结束)分析的能力已经到来。”“现在，该行业拥有来自每个工艺步骤的数据，可以与t=0测试和t>现场数据相结合。业务问题是如何访问所有这些数据。这些数据子集上的机器学习算法对可以采取的行动有限制。为了从片上传感器获得最有效的机器学习，在现场操作之前结合有关模具/零件历史的信息，为客户提供更丰富的分析能力和可操作的决策。”

对于汽车制造商来说，这仅仅是个开始。“在接下来的几年里，这将变得越来越主流，”Mentor的哈里森说。“通过在设计中添加额外的结构，并查看设计中的其他指标，你可以收集更多数据。未来，原始设备制造商将开始定义他们希望从这些系统中收集哪些数据。”

你越早预测故障，就能越早采取行动降低IC制造成本，汽车就会变得更安全、更无故障。