聊聊汽车电子的靠得住性问题

确保汽车电子产品的可靠性已经引发了全体半导体供应链的争夺，并且创造了一系列数据不敷，缺少明确定义的标准以及不一致的专业知识水平的问题。

可靠的功能安全性，可在恶劣环境中利用18至20年，或在自动出租车或卡车上持续利用，这是一项艰巨的任务，须要在人工智能，激光雷达，雷达，车辆和车辆通讯等领域取得工程技能进步。
它还须要管理一个环球供应链，这个供应链由初创公司，没有汽车履历的芯片制造商以及在前辈电子方面履历不敷的汽车供应商组成。

图1.系统验证应确定系统出于精确的缘故原由做精确的事情。

此时，没有人确切知道7nm AI（人工智能）系统的可靠性，或者在涌现故障时故障将会如何有效地转移到另一个别系中。
事实上，没有人确定在测试期间要问什么是精确的问题。
供应链高下的所有供应商之间的沟通必须清晰和开放，但一些供应商通过遮盖主要数据来保护其知识产权，使汽车制造商须要自己创造一些数据。
更糟糕的是，将所有这些结合起来的规则充其量只是参差不齐的规则。

卡内基梅隆大学的Phillip Koopman和Edge Case Research的Mitch Wagner在2018年SAE天下的一篇2018年的论文中写道：“目前，还没有普遍认可的技能计策来验证这些车辆的非常规软件方面的安全性。
”。
“一旦开拓团队认为他们的车辆准备就绪，彷佛会支配许多HAV，然后他们就会看到公路上的事情如何发挥浸染。
纵然试点支配产生可接管的低故障率，仍旧存在这样的问题：有限规模支配是否能够准确预测更大规模支配的安全性以及随之而来的软件更新。

图2、全自动电动汽车电子技能的趋势和寻衅

缺少关于自动驾驶汽车确当局法规使得消费者受到竞争激烈的新兴自动驾驶汽车（AV）行业支配的影响。
但如果失落败，这些行业将会丢失很多。
这种经济威胁与ISO 26262标准的不断发展相结合，可能是拯救的恩典。
ISO 26262哀求在采购和制造的所有环节跟踪所有的材料和零件，为供应商之间的安全行为文化和互助奠定根本。
故障的故障诊断看起来像航空调查。
毫无疑问，对付安全关键系统而言，测试和跟踪过程更加昂贵，而可靠性和良好质量仍旧是非安全关键系统（如信息娱乐系统）的主要卖点。

通过向后看是真正理解高等节点的寿命和可靠性的唯一方法。
“前辈节点的最大问题是你须要为压力筛选测试得到可靠的数据，并且在前辈节点生产一段韶光之前你没有它们，”Gert J？rgensen说道。
Delta Microelectronics的发卖和营销。
“你可以利用仿照生命周期的旧方法，但实际上你不知道这个模型在韶光消逝之前是否得当。
这些工具是由于你将旧模型强加给新技能，但实际上你不知道它是否在韶光消逝之前是有用可靠的。
“

对零件可靠性的信心随着韶光的推移而增加。
“当你有多年调试过程时，你自然会有更高的可靠性，”KLA-Tencor计策互助高等主管Jay Rathert说。
“但是当你将7纳米和10纳米零件放入个中时，这些工艺仍旧有很多成熟的事情要做。
仍旧存在许多尚未调试的系统毛病和集成寻衅。
“

大多数汽车芯片不是在前辈节点上开拓的。
但是那些须要大量打算能力才能做出瞬间安全关键决策的运用，例如AI，须要最高的密度。
这就产生了在前辈节点上常常被忽略的可靠性问题，由于利用这些过程开拓的大多数芯片都用于消费者设备或受控环境。

图3、汽车电子系统架构繁芜性的演进

“较新的制造工艺常日会产生比有韶光成熟的旧工艺技能更多的毛病部件，”西门子奇迹部Mentor的高等营销总监Tessent Benware表示。
“在汽车运用中利用最新的工艺技能是两个关键寻衅。
这种较高的毛病密度意味着制造后的测试必须达到更高水平的毛病覆盖率以达到同等质量水平。
利用抽象逻辑故障模型天生检测毛病的测试序列的传统方法已不再充分。
利用前辈工艺节点实现繁芜IC的汽车级质量水平哀求测试模式天生须要理解毛病在物理上的表现办法和位置，并且必须理解这些毛病在仿照意义上的行为，而不仅仅是数字意义。
”

Benware看到了单元内部更多的毛病。
“在finFET工艺技能之前，常日会看到逻辑单元内部有50-50个毛病分裂，互连线中有缺陷。
随着finFET的引入，与互连层比较，制造晶体管和干系逻辑单元的工艺繁芜性不成比例地增长。
随着更多异国晶体管技能的引入，这种差异有望持续到5nm，3nm及以下。
现在汽车IC将利用这些前辈节点，必须更多地专门用于测试电池内部的毛病。
“

所有汽车电子产品 - 特殊是安全关键部件和系统 - 现在都在制造期间和之后经由严格的测试。
目标是淘汰早起失落效或早期有隐患的设备：早期失落效的设备。

“每一台设备都经历了加速的生命周期测试，然后你须要这样做128小时 - 整整一周，”Jrgensen说。
“你测试设备，你把它们放入烤箱，加速生命周期测试，一周后将它们取出，然后你就仿照了一年的寿命。
接下来，您将设备放入汽车或车内的模块中，它们该当持续事情20年。
通过[做到这一点]，你摆脱了所谓的早期失落效或者有隐患的设备。
“

第二步进一步进行测试。
“然后你有另一部分批次，这是你放在同一个温箱里的很多生产批次，”

Jrgensen教授连续说，“但它在那里待了1000个小时。
这是很多1,000个组件，然后你加速老化测试，然后你看看这1000个组件是否可以持续1,000小时大约相称于三个月。
然后该当产生20年的仿照寿命。
以是，我们有1,000台设备正在通过这一点，你得出结论，其他设备也会这样做。
这便是你如何对汽车零件进行质量担保，这便是为什么它们如此昂贵。
您在将它们放入车内之前，须要通过大量的QA（质量评估）测试。
“

图4、未来汽车中电子系统的分层和模块化构造

可靠性问题之一是它与本钱成正比。
在汽车安全关键部件和系统的设计中，在供应链的高下，每个供应商都有更多的测试步骤要做，这会增加更多的测试韶光并须要更多的测试，这反过来又会增加本钱。
虽然正在制订计策以同时进行更多测试，但本钱仍在不断上升。

“制造和测试的早期部分肯定会有更多的关注，”Astronics高等经理Anil Bhalla说。
“汽车测试是最繁芜和最昂贵的，现在每个人都在试图削尖他们的铅笔，并找出如何减少本钱的方法。
汽车是由大量数据驱动的。
这是非常小心和有条理的，它发生在很宽的温度范围内。
但是测试流程中也有很多冗余，重点是考试测验在精确的插入点找到精确的覆盖范围。
由于汽车首次得到更多前沿零件，这一点变得更加困难。
我们在汽车行业看到了7nm的零件，如果你看一下半导体市场的增长点，汽车便是最大的细分市场之一。
“

有两种不同的方法可以办理这个问题。
一种是利用系统级测试，这种测试更昂贵，但许可在实际系统的环境中进行测试。
目前尚不清楚系统级测试是否会实际上增加总体本钱，由于温度常日须要三个不同的插入点，而它可能只是一个别系级测试。
另一个是首先关注本钱，并找出测试可能须要或不须要的东西。

“问题是你不能两者都做，由于活动的部件太多了，”Bhalla说。
“在消费类设备中，您可以每六个月改换一次。
但在汽车领域，他们评论辩论的是零毛病和万亿分之一。
这必须与能包袱得起的人保持平衡。
“

图5：ISO 26262故障参考。
资料来源：Arteris IP

并非所有故障都是相同的，并非所有故障都是可预测的。
ISO 26262识别系统故障，这是我们可以找到并可能预测和修复的故障，以及属于“事物发生”线的随机故障。

“汽车制造商正在记录所有故障，看它是否是一次周期性故障，或者是否是随机故障，”Delta的Jrgensen说。
“当然，你有快速的报告系统。
当我们创造失落效时，我们须要确定它是否对其他部件产生影响，这是否是随机失落效。
“

因此，有处理这些的质量问题的丈量方法，以及须要存储哪些数据的程序。
所有东西都按照飞机的办法进行记录，并且该当保存15到20年。
但纵然这样也可能还不足。

图6、用于动力传动系统掌握确当地智能系统（C3U）

“虽然可以通过监控内置自检性能的细微变革来预测许多可靠性故障，但我认为预测故障不会100％准确，”Mentor的Benware说。
“许多可靠性故障在发生之前都没有任何迹象。
只要无法达到100％的准确性，故障缓解将优先于故障预测。
“

现在，全体汽车供应链必须参与安全文化，以使汽车系统可靠和安全。
可靠性是团队的努力。

“我们转向的每个地方都听到零毛病，”KLA的Rat​​hert说。
“在过去两年中，我们一贯致力于调度我们的工具，职员，方法和互助伙伴，以帮助实现这一目标。
”

这是一个难题。
另一个是准确理解谁在供应链中扮演的角色。

KLA-Tencor营销高等主管Rob Cappel说：“你肯定会看到五年前你不会看到的汽车电子游戏中的玩家。
” “有人设计自己的芯片 - 谷歌，苹果，亚马逊。
这可能不仅仅适用于汽车。
他们正在研究人工智能。
我们五年前所知道的生态系统正在发生变革。
对付汽车而言，全面的生态系统，从大型企业到半导体厂商，都认为质量和可靠性是关键。
“

与此同时，这些供应链关系变得越来越繁芜，Arteris IP营销副总裁Kurt Shuler在一篇关于ISO 26262的论文中阐明道。
“现在制造或设计芯片以实现自动驾驶运用的传统半导体供应商如今有时与一级电子系统设计职员和原始设备制造商竞争，他们可能正在制造自己的芯片或向其半导体供应商互助伙伴供应明确的哀求。
此外，Uber，Waymo和Apple等新进入者正在设计自己的完全部系，只管他们在汽车行业缺少干系履历。
ISO 26262哀求在全体过程中进行高水平的协作和信息共享，而新进入者可能不熟习全体代价链。
“

图7、汽车供应链。
资料来源：Arteris IP

ISO 26262标准是问题和全体供应链必须达到的长度的快照。
协作是关键。
现在，通信是汽车安全关键供应链高下安全标准的一部分。
它内置于标准中。

分享供应商皇冠上的知识 - 知识产权 - 必须在供应商和汽车OEM之间进行。
“半导体和软件供应链的参与者常日会对他们的知识产权的开拓办法以及它的事情事理保密，”舒勒说。
供应商应记住“您的客户仍有责任确认您是否符合ISO 26262”。

图8、组合环境压力测试的设备和观点

这也为利用IP的公司带来了一些有趣的寻衅，由于IP表征可能差异很大。
“如果你想在市场上竞争，你须要比以前更好地利用IP，”ClioSoft营销副总裁Ranjit Adhikary说。
“这便是为什么你听到很多汽车公司都在评论辩论知识产权管理。
但你也想确保从事IP事情的人不会看到其他IP。
“

IP的代价随着在实际运用中通过芯片认证和测试而上升。
“对付我们作为这些市场的IP供应商，我们还通过汽车认证将我们的IP运用到这些运用中，”Synopsys的DDR PHY高等产品营销经理Graham Allen说。
“因此，当供应商购买汽车级IP时，他们知道他们将得到IP，一旦他们得到了芯片的汽车级认证，他们的IP就不会在这方面造成任何问题。
”。

图9

图9、通过组合热循环和振动测试监测基于电阻的菊花链构造（左）和汽车电池管理系统的电路板（右）。

汽车制造商也为自己验证和验证零件。
福特汽车公司的高等可靠性工程师Keith Hodgson说：“我们实际年夜将每个人的设计分开，并将它们重新组合在一起。
”我们经历了最糟糕的电路剖析过程，我们实际上帮助他们重新设计我们的实际汽车客户利用情形和任务情形。
“

福特希望IC设计职员和制造商得到的数据是，对付99％的客户而言，利用最坏情形温度和冲击，芯片实际上能够正常运行多永劫光。
“然后让[IC制造商]希望与我们分享这些数据，这样我们就可以估算出我们对最坏情形客户的影响韶光，然后考试测验在失落效之前采纳方法减轻这种情形。
”

图10、动力循环测试台：具有实行叠加主动/被动循环测试的能力

失落效在某些时候是不可避免的，但是如何应对它会带来各种各样的选择。
“在福特，我们假设部件将会涌现故障，因此我们试图通过预测来缓解故障 - 这是一种预测方法，我们希望集成电路制造商帮助我们理解退化模型，以便我们将其构建到我们的软件中运行芯片并估算我们认为有用的生命。
然后，自主很随意马虎。
让车辆自己回家并改换处于故障边缘的模块。
而客户会忽略一些细节问题。
“

汽车制造商正在向芯片行业寻求有关性能退化模型的详细数据，但个中大部分尚未存在。

Dfr Solutions公司首席实行官兼管理合资人克雷格希尔曼说：“让我们对半导体公司有点猖獗的一件事便是他们在这些小型工艺节点上利用了令人惊异的繁芜工具来预测晶体管的可靠性。
” “但是当他们的用户讯问可靠性时，他们会说它只有0.70 v并且设备的故障率恒定为77，没有故障。
”

Dfr并不孤单。
“我们正在与一些德国汽车制造商进行会谈，他们基本上也有同样的问题，”弗劳恩霍夫自适应系统部门工程部门设计方法部卖力人罗兰·詹克说。
“他们没有从技能的能力中得到足够的信息。
如果你正在考虑最新的技能--10,12,7nm - 那么问题是它们没有得到足够的信息。
“

在过去，供应链利用瀑布模型，OEM将向一级供应商供应规格，然后他们将决定涉及哪个第2级玩家，依此类推至第3级和第4级。

“这种模式不再有效，”Jancke说。
“它太慢了，沿线供应的信息确实不足。
这是一个相称长的线 - 一个各种各样的代价链 - 并且有一些信息没有交给全体供应链。
因此，汽车制造商并不完备理解他们在汽车中涉及某些技能时会得到什么。
我们从浩瀚原始设备制造商那里听到他们开始冲破这个代价链。
他们开始直接联系技能供应商和代工厂，由于他们想知道这项技能的真正用场，特殊是在前辈技能方面。
他们想知道什么是代工厂正在测试，他们正在做些什么来确保该技能将持续20多年或能知足所有的哀求”。

图11、温度范围增加的高温循环系统

他指出，代工厂对此特殊感兴趣，由于它供应了双向信息流。
“一位汽车制造商见告我的是他们无法穿透一级层。
他们只通报最低限度必要的信息，而不是所有信息。
缘故原由是OEM和第1层供应商之间存在业务关系。
这有法律缘故原由。
他们没有透露所有信息的缘故原由有很多，但从OEM到技能供应商到代工厂，没有直接的法律联系。
因此，他们可以在业务层面进行交谈，但不能在技能层面上进行交谈。
代工厂很感兴趣，由于他们想知道终极用户 - 原始设备制造商 - 是用这些芯片做的。
这些芯片该当适用的运用条件是什么？“

汽车供应链比芯片和IP更深入，更远。
它还包括用于首先创建芯片的材料，以及制造过程完成时留下的材料。

“可靠性始于供应来源和与供应商的互助，”Brewer Science首席实行官Terry Brewer说。
“他们必须带来一定的质量和能力。
因此，您须要查看来源，他们与供应商的关系以及供应商的期望。
在过去，我们从未与供应商建立过亲密关系。
现在我们这样做，由于你必须对材料进行数百次测试。
我们从头开始构建新材料，因此我们须要监视器和预监视器。
如果我们不做所有这些，我们就没有机会得到所需的可靠性。
如果你看看More Than Moore，材料便是可靠性的代名词，而且剖析更加繁芜和繁琐。
“

图12

图12、丈量层堆栈顶部的应力丈量。
均匀应力取决于离子铣削的深度（i）在窄传感器构造上和（ii）在普通测试层上。

Brewer表示，由于前辈工艺节点的容差正在缩小，而且在电子元件比以前更多的系统中，客户哀求的毛病率乃至比过去低。
“十亿分之五十可能存在于某个地方，但每万亿分之五，我们不愿定现实中是否存在。
我们已经从牛顿变为量子，每万亿分之五。
它不仅仅是芯片。
这便是系统集成，既可以是救星也可以是寻衅。
“

图13、用于多组分的PHM金丝雀特色

个中一些可以通过系统进行分配。
“利用系统，你可以修正可靠性，”他说，“因此你可能能够降落分辨率并仍能从打算机中得到相同的性能。
因此，如果您向芯片制造商供货，他们可能须要万亿分之一。
如果您向系统供应商供货，他们可以更舒适地利用较低的数字。
“

所有这些都对汽车电子的可靠性产生了重大影响。
但它首先也提出了一些有关可靠性的有趣问题。

图14 240℃和450℃之间的热循环TSV构造在500次循环后显示出降解（右）

图14、 240℃和450℃之间的热循环TSV构造在500次循环后显示出降解（右）；

运用材料公司副总裁桑杰·纳塔拉扬说：“关键问题在于你是否能让它更可靠，以及你是否能够容忍它更不可靠。
” “什么时候不足可靠？你是如何让它变得可靠的，乃至在那里我们可以将它切割成我们此生成活的传统冯·诺依曼AI。
你在评论辩论数字设备的良好可靠性，你仍旧想要扩展。
如果你每隔几年没有更多的晶体管和更高的功效，这统统都会分裂。
如果你没有，那你就被困住了。
以是你真的在评论辩论如何在使它们更小并且运行温度更低的情形下使其可靠。
这有很多寻衅。
然后，说我们采取更具脑力的方法。
那么你就不能再隐蔽数字背后的变革，这便是我们本日所做的。
我们本日所有的晶体管都有变革，但这种变革都比时钟速率小。
因此，晶体管A可能会快速切换，晶体管B可能会切换为慢速，但只要所有晶体管都在一个时钟周期内完成切换，就没有人把稳到这种变革。
数字天下隐蔽了这种变革。
现在，如果你想要仿照，它更节能。
但是你必须掌握变革。
我们正在研究的部分缘故原由是，由于您无法隐蔽变革，现在您必须肃清或最小化变革。
而这正是个中一些综合股料办理方案发挥浸染的地方。
“

图15

图15、在MG器件的Ag烧结层和DCB铜之间的界面处的垂直裂纹网络的SEM图像和CT扫描

有两个问题正在引起汽车方面的可靠性问题。
一个是电子产品中的软缺点（soft errors）。
另一种是更经典的故障类型。

“由于软缺点，我们面临的寻衅是如何隔离或重启部分芯片，”Arteris IP营销副总裁Kurt Shuler表示。
“利用瞬态IP，您须要关闭部分互连，刷新数据，隔离数据，关闭数据并重新启动并同步备份。
对付永久性故障，您希望将其隔离但不重新启动它。
你想确保你可以利用降额或进入紧急模式。
“

图16

图16、电源循环期间的正向电压演化（左）和相应的引线键合故障（右）；

舒勒把稳到了目前，在老化和可靠性方面，封装问题导致的问题比硅芯片更多。
（这些是标准的塑料或陶瓷封装，而不是前辈的封装方法。
）

汽车的可靠性意味着用户可以在须要时依赖它们事情，而不会涌现任何性能问题和维修需求。
随着韶光的推移，汽车不按宣扬办法事情或完备失落效的频率将利用户感想熏染到交通工具的整体可靠性。

图17、通过FEM评估的多场效应和热机器失落效模式示意图

“推动汽车算法的假设存在很多差异，”National Instruments汽车营销卖力人Jeff Phillips表示。
“有些人想要顺利骑行。
其他人则专注于100％的安全性。
算法本身须要做出很多决策，而与供应链无关。
在所有这些方面，可靠性将成为一个差异化成分。
“

图18

图18、冷却后功率晶体管芯片中最大主应力的参数有限元研究，假设不同的连接层（金属间化合物）；

“如果你买车，你常日会依赖品牌亲和力和对汽车可靠性的意见，”美国国家仪器公司首席产品营销经理David Hall说。
“问题在于电气化，可靠性是未知的。
[雪佛兰]伏特或特斯拉没有10年的数据。
而另一方面便是做事水平（Uber，Lyft等）。
与汽车本身比较，这将更多地取决于用户体验和做事可靠性。
“

图19、热负荷下全体模块的变形丈量。
扩展的光学配置设备

Hall指出，传感器领悟设备上运行的代码也会随着韶光的推移而发生变革。

“也存在芯片级可靠性问题，”他说。
“大多数问题区域都是电气的，他们利用的是非汽车用的部件。
本日发生的很多事情是人们正在设计场景而不是为汽车设计零件。
随着行业在所有汽车模型中针对ADAS的ISO 26262标准化，这将发生变革。
这将加速统统，帮助我们实现硬件的完备自治，但我们在软件开拓过程中也须要这一点。
这种情形发生在像韩国这样的地方，在任何时候发生事件时，他们都会填写一个用于改变传感器领悟算法的标准化表格。
这在亚洲受到严格哀求。
不过，在美国，汽车制造商不必共享崩溃数据。
“

图20

图20、压力传感器，带有一叠压阻传感膜，由负载膜上的丈量梁顶部的Si3N4覆盖应力；

常日，汽车可靠性正在提高。
J.D. Power创造，三年前的模型（2015款车型，2017年末的丈量车主）的可靠性提高了9％。
不到三年的韶光可能是对汽车普遍可靠性进行初步评估的好机遇，但20年 - 安全系统的零毛病 - 是汽车的预期利用寿命。
总的来说，现在汽车均匀每100辆车碰着142个问题（PP100）。
该研究中最可靠的车辆达到了99到100 PP100。

图21、汽车电子设备中PHM实现的多级方法

（Prognostics health management (PHM)：预测康健管理（PHM））

“车载技能仍旧是最成问题的，”J.D. Powers宣布，“音频/通信/娱乐/导航（ACEN）对付车主而言仍旧是一个麻烦的种别，受到最多的投诉。
两个最常见的问题与内置语音识别（9.3 PP100）和内置蓝牙连接（7.7 PP100）有关。
“

虽然这对汽车行业来说是个好，但还有很长的路要走。

（完）