【導讀】總有一天，您的汽車會使用調度應用程序自動開到維修廠進行召回，該應用程序不僅高效還可以考慮哪些車需要優先修復。但這仍然有很長的路要走，目前汽車還不能自動識別問題。
總有一天，您的汽車會使用調度應用程序自動開到維修廠進行召回，該應用程序不僅高效還可以考慮哪些車需要優先修復。但這仍然有很長的路要走，目前汽車還不能自動識別問題。
為此，當今的數據分析系統需要開始支持有針對性的召回，實現預測性維護并更快地識別現場質量問題，以便汽車制造商可以為ADAS（Advanced Driver Assistance System,高級駕駛輔助系統）L4級和L5級做好準備。現場質量問題通常源于兩種情況：新的可靠性故障模式，或影響電路性能的未建模機械應力。如果不深入研究這些數據，汽車制造商以及一級和二級供應商將無法做出適當的響應。
可追溯性（即每個電子設備具有唯一ID）為連接原本孤立在各個制造步驟中的數據奠定了基礎。SEMI（國際半導體設備與材料產業協會）去年推出了滿足了汽車行業連接數據點所需要求的新標準，將其與數據共享相結合，汽車制造商就可以掌握要求可追溯性的主動權。
圖1：整個供應鏈中的設備可追溯性。資料來源：SEMI
在電子設備中大海撈針
現在如果您的汽車有問題，引擎檢查燈會一直亮著，提醒你前往維修店；無視這些問題可能會對您的車或您自己造成傷害。或者，您會收到明信片或電子郵件，通知您您的汽車需要更換零件。高田（Takata）安全氣囊問題的陰影已經持續了七年，而且隨著ADAS L4級和L5級駕駛級別的問世，汽車制造商將需要更加積極主動地應對召回和進行預測性維護。
召回通常源于涉及復雜系統中單個組件的可靠性問題。以高田安全氣囊為例，安全氣囊中使用的氣體的性質會在產品使用壽命內發生變化。對于現代汽車電子產品而言，召回可能涉及非常多細微的問題和零部件。
目前最大的問題與封裝故障和電路板焊錫凸塊有關。但是，鑒于IC制造工藝與汽車所承受的機械應力和溫度應力之間的復雜關系，故障的確切原因仍然不那么容易診斷。
考慮納米壓痕（機械應力）對CMOS器件特性的影響。大眾汽車公司曾觀察到來自三個不同IC供應商的板級質量問題。在2018年國際可靠性和物理研討會上發表的一項研究中，研究人員展示了28nm CMOS SRAM單元在納米壓痕下晶體管性能的變化。當應力為0時，晶體管恢復正常。這將機械應力的影響細化到了一個全新的水平。應力一直存在，但是現在它們正在對當前的技術產生影響。
隨著半導體技術越來越先進，沒有人知道汽車電子供應鏈會出現什么新的故障機制。
“隨著汽車計算需求進入最新技術，硅片故障將比過去更高。”PDF Solutions（普迪飛半導體）高級解決方案副總裁Dennis Ciplickas說，“生命安全是一回事，但是產品質量是另一回事。你可能會有隨時壞掉的東西，因此產品質量可能是整合各生產步驟數據的重要短期驅動力。”
要滿足汽車領域對質量的嚴格要求，制造過程之后的測試結果反饋將至關重要，因為您不會對不了解的項目進行測試。
此外，借助汽車的現場數據，您可以查看半導體和電子產品供應鏈數據，更好地發現潛在問題的信號，并確定減輕風險的措施，用各種方式去獲取汽車的數據并與其制造譜系聯系起來，了解為什么會出現故障，并辨別是否可能存在更嚴重的故障。所有這些都需要可追溯性。
追蹤硅器件的制造來源
對于向安全關鍵型應用提供芯片或其他電子器件的公司來說，這一切都不會丟失。
“對我們所有客戶而言，最大的問題是可追溯性，”yieldHUB首席執行官John O''Donnell說，“你需要能夠在數據庫中搜索芯片，并查看其在晶圓分類中的位置，在模塊中的位置，以及與其他芯片相比該芯片的性能如何。每個人都在追求這種能力，現在人們還并不確定自己應該具體怎么做。但是他們確實知道自己必須這么做。我們的數據在模塊中、最終測試結果中和初始晶圓保持一致性。我們的客戶可以訪問模塊數據。我們向他們保證，他們可以在幾秒鐘內追蹤到從模塊到晶片分類的所有數據。由于沒有足夠的測試數據，可能會出現以前不明顯的常見故障。但是現在，如果你知道這些模塊的最終位置，則可以在所有芯片之間建立關聯。這很快就會實現了。所以現在如果有一個芯片體現出某種性能，而其他所有芯片都是那樣的，你就能夠分辨它們分別進入了哪個模塊。“
SEMI追溯標準委員會一直在制定一個跨供應鏈的追溯框架。在SEMI T23標準（2019年批準）中，從晶圓到多芯片設備都需要一個唯一的設備ID，可以通過供應鏈進行傳播。通過區塊鏈技術共享數據，可以增加安全性和防偽保護。這樣，就可以知道電子設備的供應過程。
半導體IDM和代工廠長期以來一直使用芯片ID來跟蹤缺陷測量并為晶圓制造提供反饋機制。他們使用芯片ID將晶圓分類測試數據前饋至組裝步驟和封裝級測試。交付給客戶封裝級ID可以由客戶進一步跟蹤。但是，不需要將封裝ID鏈接到芯片ID，因為不要求任何人都可以讀取這些ID。
如果符合SEMI T23標準，則制造商的設備ID可以在整個供應鏈上共享。
對于具有高可靠性要求的芯片終端用戶（例如網絡主干、醫療植入物和汽車制造商）而言，這是很有價值的。如果每個供應商都有設備ID，并且在后續制造步驟和最終使用系統中都可以讀取，就會極大地方便電子設備的分析。然后可以合并供應商之間的數據，以更深入地研究數據。
SEMI T23標準通過規定最低要求來實現數據融合。為了實現可追溯性，該標準規定設備供應商必須為每個設備提供唯一的設備ID，并且該ID必須在外部可讀。另外，它要求來自設備供應商的制造和測試數據能夠連接到設備ID。如果所有與電子設備有關的供應商都滿足了該標準，則該標準可以識別測試范圍的空白，支持有針對性地召回可疑部分，并在整個供應鏈中共享數據。
該標準與設備ID的實現方式無關。SEMI有各種關于設備ID的具體標準（T7、T9、T19、E142標準），IEEE也有關于電子芯片ID的規定1149.1-2013。沒有標準要求必須提供包含設備ID的數據，這可以通過供應商之間的保密協議或第三方解決。
那么，這一切對汽車制造商意味著什么呢？
以汽車制造系統中發生故障的某個零件為例，在退貨中心，制造商可以讀取所有的設備ID。例如運送到PCB制造商的MCM（Multi-Chip Module，多芯片模塊）包含以下設備ID：
圖2：MCM示例
此功能使汽車制造商可以對上一個制造步驟聲明“該零件有這些故障”，并指出“這是與每個故障相關的設備ID列表”。這樣一來，他們就可以繪制出每個設備故障的制造譜系。一旦確定了共同點，就可以將其前饋以識別供應鏈制造過程中的設備，從而防止有缺陷的零部件進入汽車，或者識別需要召回零部件的車輛。
多家數據分析公司說明了跨供應鏈數據整合的價值，這些數據有助于識別現場質量和可靠性問題。
“1-2級電子產品和新的制造或封裝技術之間存在時間相關性。”PDF Solutions的Ciplickas表示，“隨著封裝變得越來越復雜，芯片數量增加，封裝技術出現問題的可能性也隨之增加。因此，可追溯性和連接晶圓信息、封裝測試數據的能力，批次級和裝配級缺陷歷史記錄，以及原材料批次等記錄變得很重要。終端商需要這些數據來厘清發生的問題、根本原因以及問題的普遍程度，以便進行正確的召回。”
不過，這只是整個難題中的一小部分。多芯片模塊和多芯片封裝又增加了另一個層次的可追溯性要求，因為可能并非所有芯片都來自同一供應商。
“特別是汽車業，如何使用電子技術方面還有很多需要考慮，因為它們的價值將不斷上升，并且汽車中的內容將在未來幾年瘋狂增長，尤其是隨著高級駕駛輔助系統和電氣化的發展，”ASE（日月光半導體）的業務發展高級副總裁Rich Rice說，“因此，生產商不得不開始考慮怎么做更好。我們開始看到，現在的決策通常不是要做一些僅僅將電路連接起來的低成本產品，而是更傾向于做更加可靠的產品，從而可以降低故障率和返廠率。”
在各種方法中增加可追溯性同樣越來越有價值。“使用中的數據使汽車制造商感到興奮，因為從根本上講，這意味著再也沒有召回了。”OptimalPlus半導體業務部門副總裁兼總經理Doug Elder提到，“這都是關于預測模型的。如果某個相機在某天壞了，那么它壞了的原因是什么？生產工藝步驟是否有變化？此外，是焊錫機還是測試儀器出了問題？我們能夠做的就是把所有的誤差的公差加起來。而且，如果你可以讓汽車制造商使用一個貫穿整個供應鏈的通用平臺，那么你就可以將所有這些東西聯系在一起。”
可追溯性強制執行
作為一個嚴格管理其供應鏈的行業，汽車制造商應該歡迎可追溯性標準，能夠實現對商品及其相關數據的管理。盡管無人駕駛汽車的前景可能被視為長期因素，但目前僅僅管理零部件的質量就足以推動可追溯性的發展。不僅ADAS電子模塊中會用到半導體設備，整個汽車都會用到，例如燃油噴射和制動系統，這些也都會影響安全性。
“合格的汽車產品需要滿足全面質量管理的審核要求。”Synopsys汽車知識產權市場營銷部門總監Ron DiGiuseppe說，“盡管在汽車16年的使用壽命中，只有億分之一的缺陷率，我們仍然需要具備確定故障根源的能力。”
面臨的其他問題
軟件的應用又增加了另一層復雜性，特別是涉及到可追溯性。汽車中的軟件數量正在急劇增長。但是，并非所有軟件都是開放的，而且并非所有軟件都可以維修，幾乎不間斷地更新算法使得很難跟蹤更新導致的硬件功能問題。到目前為止，這已經超出了許多硬件行業的范圍。
“如果您正在運行軟件并且算法中有錯誤，則可能與其他算法不匹配。”來自西門子Mentor業務部門的AI架構師Rahul Singhal表示，“目前，唯一的解決方法是添加冗余和系統級方法。制造汽車系統的原始設備制造商必須為此提供適當的指導。如果你的軟件出現了錯誤，則可能來自于個別的應用程序。”
最重要的是，即使制定了標準，也并不意味著制造商會實施。要為L4級和L5級ADAS做準備，汽車制造商就需要可追溯性來提高質量。每一個沒有在生產線上及時發現的有缺陷的零件，都會使成本增加約10倍。憑借對供應鏈嚴格控制的歷史以及更多的電子供應商進入該供應鏈，汽車制造商可以要求其供應鏈中的每家供應商都符合SEMI T23標準。汽車制造商已經開始加入SEMI，這可能預示著需求正在到來。
下一步是什么？
雖然從理論上講，所有來源的數據都可以用來對電子零件的性能進行細致入微的洞察，但實現這種能力的關鍵在于實現可追溯性的成本以及供應商之間共享數據的信任度。
至少，現在關于可追溯性的討論比過去多得多。“醫療設備長期以來一直有可追溯性的需求動機，在汽車方面，它與成本有關，當然肯定也有聲譽的因素，但主要與成本有關。”Ciplickas說，“在什么情況下實施這些措施才最具有成本效益？”
其他人也有類似的觀點，O''Donnell說：“可靠性和可追溯性對于在云、區塊鏈、汽車、5G中運行的AI至關重要。要運行機器學習軟件，你需要非常快速的可追溯性和易于提取的能力，并且還要具備將任何可能存在的環境變量考慮在內的能力。”
在這一點上，供應鏈中供應商之間的數據共享還不是常態。甚至SEMI T23標準都聲明包含設備ID的數據不是必需的，并承認共享數據可能需要各個供應商之間的保密協議。這就造成從晶圓廠到現場汽車共享數據時可能產生官僚主義，同時也限制了當前的數據分析生態系統。
盡管如此，當所有來源的數據匯總時，汽車供應鏈中的每個環節都有學習、改進、降低成本和生產更高質量產品的潛在可能性。要實現這些，可追溯性是必要的，但僅僅有可追溯性還不夠。
PDF Solutions（普迪飛半導體技術有限公司）是一家為集成電路整個生命周期提供良率提升技術服務的領先供應商，同時也是業內頂級的半導體大數據解決方案專家。在公司成立近30年時間里，持續為全球客戶提供良率提升和數據分析方面的專業經驗和技術服務。針對中國大陸的半導體市場，PDF Solutions公司推出了基于云端部署的Exensio-Hosted半導體數據分析平臺。Exensio–Hosted是一款不需要任何IT維護的企業級的云端數據分析系統，它可以讓我們隨時隨地去訪問數據，并且可以做一些定制化的數據分析，快速的查找問題的根源。該平臺目前提供免費賬號的注冊申請，方便芯片設計企業迅速掌握先進的數據分析手段。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
