在电子设备中大海捞针

 

现在如果您的汽车有问题，引擎检查灯会一直亮着，提醒你前往维修店；无视这些问题可能会对您的车或您自己造成伤害。或者，您会收到明信片或电子邮件，通知您您的汽车需要更换零件。高田（Takata）安全气囊问题的阴影已经持续了七年，而且随着ADAS L4级和L5级驾驶级别的问世，汽车制造商将需要更加积极主动地应对召回和进行预测性维护。

 

召回通常源于涉及复杂系统中单个组件的可靠性问题。以高田安全气囊为例，安全气囊中使用的气体的性质会在产品使用寿命内发生变化。对于现代汽车电子产品而言，召回可能涉及非常多细微的问题和零部件。

 

目前最大的问题与封装故障和电路板焊锡凸块有关。但是，鉴于IC制造工艺与汽车所承受的机械应力和温度应力之间的复杂关系，故障的确切原因仍然不那么容易诊断。

 

考虑纳米压痕（机械应力）对CMOS器件特性的影响。大众汽车公司曾观察到来自三个不同IC供应商的板级质量问题。在2018年国际可靠性和物理研讨会上发表的一项研究中，研究人员展示了28nm CMOS SRAM单元在纳米压痕下晶体管性能的变化。当应力为0时，晶体管恢复正常。这将机械应力的影响细化到了一个全新的水平。应力一直存在，但是现在它们正在对当前的技术产生影响。

 

随着半导体技术越来越先进，没有人知道汽车电子供应链会出现什么新的故障机制。

 

“随着汽车计算需求进入最新技术，硅片故障将比过去更高。”PDF Solutions（普迪飞半导体）高级解决方案副总裁Dennis Ciplickas说，“生命安全是一回事，但是产品质量是另一回事。你可能会有随时坏掉的东西，因此产品质量可能是整合各生产步骤数据的重要短期驱动力。”

 

要满足汽车领域对质量的严格要求，制造过程之后的测试结果反馈将至关重要，因为您不会对不了解的项目进行测试。

 

此外，借助汽车的现场数据，您可以查看半导体和电子产品供应链数据，更好地发现潜在问题的信号，并确定减轻风险的措施，用各种方式去获取汽车的数据并与其制造谱系联系起来，了解为什么会出现故障，并辨别是否可能存在更严重的故障。所有这些都需要可追溯性。

 

追踪硅器件的制造来源

 

对于向安全关键型应用提供芯片或其他电子器件的公司来说，这一切都不会丢失。

 

“对我们所有客户而言，最大的问题是可追溯性，”yieldHUB首席执行官John O''Donnell说，“你需要能够在数据库中搜索芯片，并查看其在晶圆分类中的位置，在模块中的位置，以及与其他芯片相比该芯片的性能如何。每个人都在追求这种能力，现在人们还并不确定自己应该具体怎么做。但是他们确实知道自己必须这么做。我们的数据在模块中、最终测试结果中和初始晶圆保持一致性。我们的客户可以访问模块数据。我们向他们保证，他们可以在几秒钟内追踪到从模块到晶片分类的所有数据。由于没有足够的测试数据，可能会出现以前不明显的常见故障。但是现在，如果你知道这些模块的最终位置，则可以在所有芯片之间建立关联。这很快就会实现了。所以现在如果有一个芯片体现出某种性能，而其他所有芯片都是那样的，你就能够分辨它们分别进入了哪个模块。“

 

SEMI追溯标准委员会一直在制定一个跨供应链的追溯框架。在SEMI T23标准（2019年批准）中，从晶圆到多芯片设备都需要一个唯一的设备ID，可以通过供应链进行传播。通过区块链技术共享数据，可以增加安全性和防伪保护。这样，就可以知道电子设备的供应过程。

 

半导体IDM和代工厂长期以来一直使用芯片ID来跟踪缺陷测量并为晶圆制造提供反馈机制。他们使用芯片ID将晶圆分类测试数据前馈至组装步骤和封装级测试。交付给客户封装级ID可以由客户进一步跟踪。但是，不需要将封装ID链接到芯片ID，因为不要求任何人都可以读取这些ID。

 

如果符合SEMI T23标准，则制造商的设备ID可以在整个供应链上共享。

 

对于具有高可靠性要求的芯片终端用户（例如网络主干、医疗植入物和汽车制造商）而言，这是很有价值的。如果每个供应商都有设备ID，并且在后续制造步骤和最终使用系统中都可以读取，就会极大地方便电子设备的分析。然后可以合并供应商之间的数据，以更深入地研究数据。

 

SEMI T23标准通过规定最低要求来实现数据融合。为了实现可追溯性，该标准规定设备供应商必须为每个设备提供唯一的设备ID，并且该ID必须在外部可读。另外，它要求来自设备供应商的制造和测试数据能够连接到设备ID。如果所有与电子设备有关的供应商都满足了该标准，则该标准可以识别测试范围的空白，支持有针对性地召回可疑部分，并在整个供应链中共享数据。

 

该标准与设备ID的实现方式无关。SEMI有各种关于设备ID的具体标准（T7、T9、T19、E142标准），IEEE也有关于电子芯片ID的规定1149.1-2013。没有标准要求必须提供包含设备ID的数据，这可以通过供应商之间的保密协议或第三方解决。

 

那么，这一切对汽车制造商意味着什么呢？

 

以汽车制造系统中发生故障的某个零件为例，在退货中心，制造商可以读取所有的设备ID。例如运送到PCB制造商的MCM（Multi-Chip Module，多芯片模块）包含以下设备ID：

 

 

图2：MCM示例

 

此功能使汽车制造商可以对上一个制造步骤声明“该零件有这些故障”，并指出“这是与每个故障相关的设备ID列表”。这样一来，他们就可以绘制出每个设备故障的制造谱系。一旦确定了共同点，就可以将其前馈以识别供应链制造过程中的设备，从而防止有缺陷的零部件进入汽车，或者识别需要召回零部件的车辆。

 

多家数据分析公司说明了跨供应链数据整合的价值，这些数据有助于识别现场质量和可靠性问题。

 

“1-2级电子产品和新的制造或封装技术之间存在时间相关性。”PDF Solutions的Ciplickas表示，“随着封装变得越来越复杂，芯片数量增加，封装技术出现问题的可能性也随之增加。因此，可追溯性和连接晶圆信息、封装测试数据的能力，批次级和装配级缺陷历史记录，以及原材料批次等记录变得很重要。终端商需要这些数据来厘清发生的问题、根本原因以及问题的普遍程度，以便进行正确的召回。”

 

不过，这只是整个难题中的一小部分。多芯片模块和多芯片封装又增加了另一个层次的可追溯性要求，因为可能并非所有芯片都来自同一供应商。

 

“特别是汽车业，如何使用电子技术方面还有很多需要考虑，因为它们的价值将不断上升，并且汽车中的内容将在未来几年疯狂增长，尤其是随着高级驾驶辅助系统和电气化的发展，”ASE（日月光半导体）的业务发展高级副总裁Rich Rice说，“因此，生产商不得不开始考虑怎么做更好。我们开始看到，现在的决策通常不是要做一些仅仅将电路连接起来的低成本产品，而是更倾向于做更加可靠的产品，从而可以降低故障率和返厂率。”

 

在各种方法中增加可追溯性同样越来越有价值。“使用中的数据使汽车制造商感到兴奋，因为从根本上讲，这意味着再也没有召回了。”OptimalPlus半导体业务部门副总裁兼总经理Doug Elder提到，“这都是关于预测模型的。如果某个相机在某天坏了，那么它坏了的原因是什么？生产工艺步骤是否有变化？此外，是焊锡机还是测试仪器出了问题？我们能够做的就是把所有的误差的公差加起来。而且，如果你可以让汽车制造商使用一个贯穿整个供应链的通用平台，那么你就可以将所有这些东西联系在一起。”

 

可追溯性强制执行

 

作为一个严格管理其供应链的行业，汽车制造商应该欢迎可追溯性标准，能够实现对商品及其相关数据的管理。尽管无人驾驶汽车的前景可能被视为长期因素，但目前仅仅管理零部件的质量就足以推动可追溯性的发展。不仅ADAS电子模块中会用到半导体设备，整个汽车都会用到，例如燃油喷射和制动系统，这些也都会影响安全性。

 

“合格的汽车产品需要满足全面质量管理的审核要求。”Synopsys汽车知识产权市场营销部门总监Ron DiGiuseppe说，“尽管在汽车16年的使用寿命中，只有亿分之一的缺陷率，我们仍然需要具备确定故障根源的能力。”

 

面临的其他问题

 

软件的应用又增加了另一层复杂性，特别是涉及到可追溯性。汽车中的软件数量正在急剧增长。但是，并非所有软件都是开放的，而且并非所有软件都可以维修，几乎不间断地更新算法使得很难跟踪更新导致的硬件功能问题。到目前为止，这已经超出了许多硬件行业的范围。

 

“如果您正在运行软件并且算法中有错误，则可能与其他算法不匹配。”来自西门子Mentor业务部门的AI架构师Rahul Singhal表示，“目前，唯一的解决方法是添加冗余和系统级方法。制造汽车系统的原始设备制造商必须为此提供适当的指导。如果你的软件出现了错误，则可能来自于个别的应用程序。”

 

最重要的是，即使制定了标准，也并不意味着制造商会实施。要为L4级和L5级ADAS做准备，汽车制造商就需要可追溯性来提高质量。每一个没有在生产线上及时发现的有缺陷的零件，都会使成本增加约10倍。凭借对供应链严格控制的历史以及更多的电子供应商进入该供应链，汽车制造商可以要求其供应链中的每家供应商都符合SEMI T23标准。汽车制造商已经开始加入SEMI，这可能预示着需求正在到来。

 

下一步是什么？

 

虽然从理论上讲，所有来源的数据都可以用来对电子零件的性能进行细致入微的洞察，但实现这种能力的关键在于实现可追溯性的成本以及供应商之间共享数据的信任度。

 

至少，现在关于可追溯性的讨论比过去多得多。“医疗设备长期以来一直有可追溯性的需求动机，在汽车方面，它与成本有关，当然肯定也有声誉的因素，但主要与成本有关。”Ciplickas说，“在什么情况下实施这些措施才最具有成本效益？”

 

其他人也有类似的观点，O''Donnell说：“可靠性和可追溯性对于在云、区块链、汽车、5G中运行的AI至关重要。要运行机器学习软件，你需要非常快速的可追溯性和易于提取的能力，并且还要具备将任何可能存在的环境变量考虑在内的能力。”

 

在这一点上，供应链中供应商之间的数据共享还不是常态。甚至SEMI T23标准都声明包含设备ID的数据不是必需的，并承认共享数据可能需要各个供应商之间的保密协议。这就造成从晶圆厂到现场汽车共享数据时可能产生官僚主义，同时也限制了当前的数据分析生态系统。

 

尽管如此，当所有来源的数据汇总时，汽车供应链中的每个环节都有学习、改进、降低成本和生产更高质量产品的潜在可能性。要实现这些，可追溯性是必要的，但仅仅有可追溯性还不够。

 

PDF Solutions（普迪飞半导体技术有限公司）是一家为集成电路整个生命周期提供良率提升技术服务的领先供应商，同时也是业内顶级的半导体大数据解决方案专家。在公司成立近30年时间里，持续为全球客户提供良率提升和数据分析方面的专业经验和技术服务。针对中国大陆的半导体市场，PDF Solutions公司推出了基于云端部署的Exensio-Hosted半导体数据分析平台。Exensio–Hosted是一款不需要任何IT维护的企业级的云端数据分析系统，它可以让我们随时随地去访问数据，并且可以做一些定制化的数据分析，快速的查找问题的根源。该平台目前提供免费账号的注册申请，方便芯片设计企业迅速掌握先进的数据分析手段。