Livscykelhantering, FuSa, pålitlighet och mer för fordonselektronik - Semiwiki

Livscykelhantering, FuSa, tillförlitlighet och mer för fordonselektronik – Semiwiki

Tidsstämpel: 22 april 2024 9:00
Källnod: 2554615

Synopsys var nyligen värd för ett informationsrikt webbseminarium, med blygsam titel "Förbättring av kvalitet, FuSa, tillförlitlighet och säkerhet i halvledare för fordon”. Jag tror att de undersålde evenemanget; det här handlade egentligen om att hantera alla dessa saker genom en bils livscykel, i linje med biltillverkares strategier för bilens framtid. Det enastående budskapet för mig var total livscykelhantering, från initial halvledararkitektur och design till slutet av livscykeln. Jag rekommenderar varmt att du tittar på det här webinariet.

Livscykelhantering för fordonselektronik

Heinz Wagensonner om ett OEM-perspektiv

Heinz är chef för Audi Progressive Semiconductor Program. Han inledde med en påminnelse om hur en biltillverkare ser på elektronikens framtid – avancerat körstöd, uppslukande upplevelse och omtanke om hur man kan tjäna pengar på mervärdesalternativ. En intressant uppsättning statistik är kring uppdragsprofiler mätt i timmar av aktiv drift under bilens livslängd. För en traditionell ICE-bil har detta varit 8000 1.5 timmar (cirka 15 timmar per dag under ett 55,000-årigt liv). För en elbil sträcker sig uppdragsprofilen till 130 XNUMX timmar, vilket kanske ger ström till huset på natten, och under dagen för laddning eller drift samtidigt som den stöder fler funktioner än i tidigare modeller. Heinz ser framtida EV-profiler köra till XNUMX XNUMX timmar, stödja flera alltid-på-funktioner som face-id för att komma in i och starta bilen, alltid på nätverk för OTA-uppdateringar och säkerhet för att skydda mot hot.

Idag bygger avancerade system på avancerade processer (TSMC erbjuder redan en 3nm tidig utvecklingssats för fordon), mycket kapabla men med minimal meritlista i tillförlitlighet (biltillverkare brukade kräva minst 5 år). Domänspecifika enheter med komplexa uppdragsprofiler förvärrar bristen på meritlista. Uppdragsprofiler, avancerade processer och avancerad design pekar tillsammans på en potentiell kris för OEM:er; en NHTSA-rapport citerar nästan 5 miljoner ADAS-relaterade återkallelser 2022. För 1,000 XNUMX dollar per bil är detta redan ett mycket dyrt problem.

Samtidigt som problemet börjar med en stark design, betonar Heinz också övervakning och kompensation under drift som en viktig del av lösningen. On-chip sensorer är centrala för dessa tekniker. Sådana sensorer spelar en roll i förebyggande underhåll och kanske varnar föraren för ett förväntat problem som kräver ett servicebesök på kort sikt. Eller ett överhängande problem som kräver att fordonet ställs om till ett säkert tillstånd och att föraren vidtar omedelbara åtgärder (kör över till sidan av vägen).

Dessa funktioner kan förhindra eller mildra en fara vid användning innan den inträffar. Vad händer när bilen tas in för service? Heinz utvecklade den mycket komplexa och uppenbarligen ganska spröda vägen för att diagnostisera en grundorsak från den första servicen och ner genom värdekedjan. Som ett exempel, 80 % av ECU:erna som antas vara en orsak till problemet (och sedan ersatts) visar sig vid en mer detaljerad analys inte ha varit källan till problemet! Ändå kan det ta 2 dagar att följa alla diagnostiska steg från första service till en nivå 30 (halvleverantör). om grundorsaken kan isoleras. Denna omkostnad är ohållbar för att hantera garantikostnader, risk för återkallelse eller ännu värre.

Han ser vägen framåt som en kombination av sensordata på chipet, lärande av tidigare problem genom AI, kombination i Signature Failure Analysis (SFA). Att ackumulera lärd erfarenhet kommer att leda till högsäkerhetsfixar som kan tillämpas kostnadseffektivt under ett servicesamtal och som också kan ge effektiv och korrekt feedback till Tier 1- och 2-leverantörer. Vissa signaturer kanske inte mappar till ett känt problem och kommer fortfarande att behöva följa den långa diagnostiska vägen. Men när de är lösta kan de också läggas till i träningsdatabasen.

Alessandra Nardi om ett EDA-perspektiv

Alessandra är en Distinguished Architect i Systems Solution-gruppen på Synopsys och en guru inom bilindustrin IMHO; varje Alessandra-föredrag jag har deltagit i har gett mig en bättre förståelse för bilsystems design och anvisningar, med liten eller ingen produktmarknadsföring. Hennes föredrag efterlyste en holistisk syn på livscykelutmaningar, som började med design och sedan genom ramp, produktion och övervakning på fältet.

In-design-optimeringar för PPA och robusthet är redan välkända men antyder fortfarande möjligheter till ytterligare framsteg. Här lyfte hon fram behovet av förbättrad modellering av osäkerhet, genom förfinade känslighetsanalyser av variationer baserade på olika faktorer (spänning, temperatur, etc) snarare än generella marginaler. Data som samlas in under ramp- och produktionsanalyser genom in-chip-monitorer placerade under design kommer att driva denna inlärning. Det kan i sin tur driva optimering av avkastning och tillförlitlighet och förbättringar av PPA, säkerhet och andra mätvärden. Samma monitorer kan fånga data under analys i fält, återkoppla information till leveranskedjan för att driva ytterligare optimeringar samtidigt som de möjliggör realtidsjustering genom tekniker som adaptiv spänningsskalning.

Den centrala komponenten i in-chip monitormetoder är ett maskininlärningssystem, som samlar in uppdragsfeedback från monitorer för att lära sig känsligheter/signaturer för trender eller avvikande beteenden. I ramp eller produktion kan dessa tyda på behov av finjustering av kisel eller processrevision. På samma sätt kan en ML-modell stödja diagnoser och inställning i fält.

Alessandra antydde att sådana livstidsoptimeringssystem inte bara är viktiga för fordonsmarknaderna. Allt hon och Heinz pratade om är sannolikt också viktigt inom flyg- och försvars-, industri-, medicin- och infrastrukturmarknader, men med olika trösklar över de olika mätvärdena som diskuteras i detta webbseminarium. Jag kan tänka mig att även hållbarhet kan spela en allt större roll, åtminstone i produktlivslängder och energiförbrukning.

Fascinerande diskussion. Återigen, du kan komma åt webbinariet HÄR.

Dela det här inlägget via:

Tidsstämpel:

Mer från Semiwiki