随着汽车越来越电气化和自动化,越来越多的汽车数据被数字化,但对这些数据的使用少之又少。而要在严苛的汽车应用环境中诊断和发现缺陷以及构建理解这些因素的功能安全性更是一个巨大挑战,如何以变应变?我们来看看头部半导体和测试厂商的大佬们怎样解读。

 

 

自动驾驶:巨大的挑战和机遇


自动驾驶是不可避免的趋势,但汽车最重要的是安全可靠,实现这一目标需要整个价值链很长时间的努力,不可能一蹴而就。


国家仪器公司运输市场负责人Jeff Phillips认为:“如果人们期望的安全可靠意味着零事故,那自动驾驶就不会发生。我们看到车辆测试在街头上演,也会看到失效的发生。另一方面,如果将其与人类驾驶员进行比较,我们已经看到科技对安全性和减少车祸的影响。自动驾驶的到来只是一个时间问题,作为消费者,我们应该考虑是否应放弃将科技与自己进行比较,转而追求完美。但要让世界各地的每一辆车都能完全自动也不现实。”


转向先进技术令人难以置信的兴奋,因为人们相信一辆车能做我现在能做的事情,但是用所有计算来真正模仿人并不容易。


PDF Solutions高级解决方案副总裁Dennis Ciplickas认为:“别说5nm,像7nm这样的先进技术都存在一些问题。我们已经看到7nm芯片中会发生什么样的事情——不同类型的变化、生产线中间可能出现的缺陷,以及工艺模块之间的所有交互。测试方式、使用的故障模型、诊断和发现缺陷及构建理解这些因素的功能安全性是一个巨大挑战。我们是在朝着自动驾驶的方向前进,我们最终会到达那里。但是,考虑到先进技术的表现方式,要实现这一目标,需要进行的创新是一个巨大的挑战,也是一个巨大的机遇。”

 

可靠性必须保证


毋庸讳言,可靠性对于汽车应用就是天大的事情,要不也就不会有ISO 26262之类的汽车功能安全标准。


OptimalPlus汽车业务部门副总裁兼总经理Uzi Baruch说:“过去几年,我走了很多生产线,这些生产线正在突然进化。因为生产每一个零件的复杂性如此巨大,失效的机会很多。如果你能以可控的方式重复这一过程,并在这些生产线内部、工厂或不同供应商之间找到问题的根本原因,就可以应对可靠性的重大挑战。无论你在做什么,都必须是可重复的,而且你必须能够信任它。这使得这些公司的经营方式发生了重大转变。”


proteanTecs汽车部门总经理Gal Carmel说:“一旦系统控制了车辆,将性能范围提高到L2+以上,你就需要对车辆有一定的信任。这些系统的好处是100%专注,而不像司机有许多分心的事情,比如看手机。我们的工作最终是提高这些系统的可用性。因此,主机厂正在寻找可扩展的方法,以支持先进软件技术来不断提升性能范围,同时保持先进节点的电子可靠性。但他们需要的是数据,从而知道何时以及为什么发生故障,并在故障保护机制中平衡可用性和安全性。我们正努力通过获得这些系统健康状况的准确可见性来改变这个等式。”

 

主机厂为什么不想为冗余买单?


过去,像电脑、服务器等应用,通常可以在稳定环境中记录潜在缺陷,但在汽车中这变得更加困难,因为汽车在独特且通常是恶劣的环境中运行。冗余有助于解决潜在缺陷造成的问题,但汽车行业似乎有所不同。


yieldHUB的业务开发经理Andre van de Geijn说:“我去过很多汽车工厂,从测试角度看,有更多来自代工厂的信息正传送到装配和测试现场。在那里,必须进行数据合并,以确保器件正常工作。我也看到,这些客户开始改变工作方式。过去,电机或引擎控制单元只有一个微控制器(MCU),现在已不止一个。如果一个失效了,特别是对于那些关键系统,另一个将会接管。即使你可以做各种测试和可靠性的工作,FMEA(故障模式和影响分析)显示,唯一的覆盖方法就是在MCU中为那些关键项目提供冗余。如果其中一个部件出现故障,需要由它们来接管。”


KLA战略合作高级总监Jay Rathert也说:“几年前,我见了一家大型汽车主机厂的电子研发小组负责人。他说‘你还没有造过一辆车,你会为从零件中扣除一分钱的成本而争吵。我来自航空业,冗余是我们通常处理可靠性问题的重要方法——三台飞行电脑投票决定谁是对的。但汽车行业没有这么奢侈,我们只是想省一分钱。’整个汽车供应链都感受到很大压力,要使每个设备都可靠。冗余似乎是显而易见的途径,当然对片芯价格在15美元、20美元或更高的高端器件来说的确是这样。但如果不是迫不得已,汽车公司不愿意把多个单元放进去,而宁愿寻找其他解决办法。”


他说:“解决办法是多方面的,没有一种方法可以解决所有问题。精心设计、结构良好、低缺陷、使用严密工艺精心制造的器件是构建的基础。但我不认为这是唯一答案。我们也不认为测试本身是唯一的答案。这些技术的结合,以及实时诊断和查看整个供应链并发现从设计到最终系统的弱点的能力——所有这些结合在一起,才是业界创造零缺陷解决方案的最大希望。”


Phillips补充说:“考虑到自动驾驶汽车所需技术和通信标准的广度和深度,不会有一两家公司联合起来为汽车提供全面的端到端测试解决方案,而是需要生态系统中不同的公司一起协作,实现互操作和集成的解决方案。例如,利用云计算和基础设施处理,将制造和测试分析的优势应用于雷达、激光雷达和I/O,同时需要将很多不同技术载体结合在一起。”

 

数据是否能预测故障?


现在是大数据时代,更多的数据正在进入汽车,从汽车到云端的数据量也在迅速增长,包括生产商、供应商和用户的数据。这些数据对于设计更完善的系统至关重要。一辆车中所有传感器收集到的数据是否足以理解将来会出现问题?是否能够提前做出预测来避免出现故障呢?


Baruch表示:“我们最近完成了一个德国顶级汽车品牌黑客竞赛,将一辆汽车的数据与制造数据结合起来,看看我们是否能预测传感器的故障,并建立一个预测模型来发现这些故障。几个重要发现包括:首先,数据必须以连接的方式加以利用。如今,数据来源的一些域被孤立起来,因为数据不是源于同一家主机厂。你会看到许多供应商和子供应商提供的组件。所以虽然有数据,但不清楚厂商是否愿意分享数据来解决另一家公司或客户的特定问题。不过,主机厂的地位正在提高,可以迫使供应商直到半导体公司提供其生产数据,包括生产部件的数字签名。这是释放连接所有这些数据点的开始。”


Ciplickas同意这一观点,他表示:“制造、测试和装配过程的每一步都会收集到数据。工厂内部每毫秒或微秒都会产生大量数据,一直传输到现场的片内(in-die)传感器。诀窍是将所有这些数据放在一个分析框架中。要真正共享这些数据存在着巨大的挑战。数据的每个拥有者都将其用于自己的目的,而将其放在一起对发现故障原因和改进质量筛选有很多好处。以一种安全或保密的方式在世界各地移动数据存在一些实际问题,包括隐私。打破这种局面是一件棘手的事情,但在量产、质量、安全和保障方面的好处显而易见。我们在工厂和装配线上发现的东西,以及我们的汽车测试芯片越接近系统的实际物理特性,就越有可能建立预测模型。例如,它可以是一个传感器,用以显示为什么某个特定电压会以不同方式发生变化、毛刺、移动或斜坡,从而导致这种效应直至缺陷。因此,基于物理学的理解是获得预测模型的关键。”


Carmel补充说:“GDPR(欧盟通用数据保护条例)确切规定了哪些数据可以移动以及如何移动。主机厂确保移动的数据不会泄露任何私人信息或增加安全风险。在其他市场,我们没有这些法规,所以自动驾驶汽车要保护这些信息。但问题是在所有这些数据中找到唯一的数据。如果我们不能建立一个模型,最终帮助我们建立更好的系统,那么数据就没有多大价值。我们需要从一组特定的故障中创建一条学习曲线,并了解哪些数据与哪个供应链中的实体相关,以便他们建立更好的模型。”


yieldHUB的业务开发经理Andre van de Geijn表示:“你可以收集大量的数据,但它需要与你要解决的问题相关。汽车产品会发生很多事情,你不可能仅仅通过使用传感器或其他系统的数据就完全预测单个晶体管上的单个粒子会扰乱产品的功能。你仍然需要在产品中内置冗余,以防出现意外故障。这和收集所有的数据一样重要。这是我看到很多公司在做的另一个领域,他们正在利用这些东西来防止产品失效。”

 

综上所述


在自动驾驶、车内连接性和共享移动等大趋势推动下,汽车的数字化和连接性正在与日俱增。随着涉及的电子组件越来越复杂,解决安全和安保问题的责任现在正通过供应链传播到半导体公司,如何利用大数据和验证模型等方法预测未来产品的可信程度和失效情况,严把质量关,已成为关乎“汽车安规”的严峻现实。

 

作者:ED SPERLING

编译:与非网