广告

人工智能是否会进入测试行业?

2019-07-01 Larry Desjardin 阅读:
暂且不提各种威胁情景,AI有可能在各种模棱两可的情况下帮助做出决策。这不仅仅是遵循自动流程图,这些情况以往通常需要人来进行判断。这就引出了电子测试和测试工程话题。AI在这里有用吗?

无论是叫做人工智能(AI)、机器学习(ML)还是专家系统,AI都已成为今天的新闻热点。Elon Musk曾经警告说,快速采用AI存在潜在风险,而IBM则已在其Watson服务中部署AI,用来处理某些需要进行某种判断的技术问题。科幻小说经常在情节中融入机器智能元素,例如《终结者》系列电影中的天网、《2001太空漫游》中的HAL 9000,或者冷战杰作《巨人:福宾计划》(图1)。rVLednc

暂且不提各种威胁情景,AI有可能在各种模棱两可的情况下帮助做出决策。这不仅仅是遵循自动流程图,这些情况以往通常需要人来进行判断。这就引出了电子测试和测试工程话题。AI在这里有用吗?为了找到答案,我联系了许多公司,就他们的AI工作以及如何看待未来进行了讨论。rVLednc

ednc1907-edncomment-1.jpgrVLednc

rVLednc

图1:《2001太空漫游》中有一台人工智能电脑HAL 9000,它成为了“发现一号”机组人员的敌人。AI变坏的假设例子不一而足,这就是其中之一。那么,测试领域如果有一台这样的新款HAL,它是否会告诉测试工程师说,“对不起,我不能那样重新调整测试顺序”?图片来源:PixabayrVLednc

对于这个讨论,我询问了几个具体问题:rVLednc

• AI是否真的适用?rVLednc

• 今天是否有产品或服务使用了AI?rVLednc

• 未来是否会有产品使用AI?rVLednc

• 如果有的话,哪些应用最有希望?rVLednc

• 您认为提供AI产品和服务有哪些商业模式?rVLednc

• 您公司现在提供哪些AI产品和服务?rVLednc

我的第一个有关AI适用性的问题缺少正面回复。有几家公司只是说他们没有做AI方面的工作,或者至少他们觉得不方便说。所以,我们知道AI在测试领域不是主流,至少现在还不是。rVLednc

从我收到的回复中确实可以看到一个重要的关系:半导体测试行业似乎已在追求AI。rVLednc

泰利达(Teradyne)公司的最优化设计(DfX)经理Mark Hutner和产品经理Yi Zhang一起进行了回答。他们看到AI在两个方面具有应用前景:客户生产经济性和整体设备效率(以避免意外停机)。他们表示:“两者都将通过提高良率和测试覆盖、缩短产品上市时间和优化测试运行时间来为客户创造价值。”他们看到,虽然今天是使用自适应测试根据规则进行测试优化,但是AI在此大有可为。“我们看到测试时间可缩短10%到15%。”rVLednc

在客户生产经济性方面,泰利达认为,AI在观察到初始故障后,可进行良率恢复,从而增加价值。这样可以实现更多测试,恢复不大好的裸片。再结合基于AI的自适应测试,这就会对产品盈利能力产生巨大影响。“良率恢复方法可使平均测试时间得到优化,良率得到恢复,借此,产品盈利能力有望提升超过30%。”Hutner和Zhang表示。rVLednc

由于每个客户的基础设施各不相同,泰瑞达为多种离线数据分析工具提供数据通路。Optimal+是一家为半导体和电子公司提供端到端产品分析解决方案的公司,他们就提供这类工具。我采访了该公司的技术院士Michael Schuldenfrei。rVLednc

ednc1907-edncomment-2.jpgrVLednc

rVLednc

rVLednc

图2:AI可用来找出引起各产地晶圆良率问题的根本原因。图片来源:Optimal+rVLednc

Schuldenfrei指出,Optimal+在其用于半导体制造的若干软件产品中使用AI来汇集多组产地或参数故障特征相似的晶圆,进而识别共同的根本原因(图2)。电子制造领域正使用神经网络来分析各检查步骤的输出,借此提供更好的故障分类。“我们使用AI来找出PCB中的裂缝。”Schuldenfrei表示。AI还可用来预测昂贵或破坏性工序(例如老化)的结果,以便可以跳过已预测通过的部分。rVLednc

Schuldenfrei认为AI未来充满希望。“随着芯片、电路板和产品的复杂性不断增加,制造、组装和测试过程势必产生大量数据。为了获得相关的高价值的见识,人工智能就成为了处理这些数据的关键组成部分。随着电子产品在自动驾驶汽车等关键任务应用方面变得越来越普及,为了因应这方面的质量和可靠性要求,业界将加大对AI领域的投资,以便找出制造过程中潜在的不良器件,而防止用到它们。”rVLednc

Optimal+通过年度订购提供产品。从长远来看,Schuldenfrei预计将会出现数据科学家把他们的AI模型部署到Optimal+等提供的第三方平台,而将它们变现的商业模式。这样的商业模式除了可以将AI部署到故障分析、制造和测试优化以外,还可以包含整个生命周期分析,他把它称为“圣杯”。rVLednc

因此业界已有基于AI的产品。但是半导体公司真的使用AI吗?英特尔的工程总监Rohit Mittal在向EDN投稿的文章《Machne learning improves production test(机器学习改进生产测试)》中谈论了英特尔在机器学习方面的应用。他表示:“本文描述了一种方法,它可以在制造测试期间,使用机器学习算法以及误差补偿裕量,通过常规测量的参数可靠地预测出难以测量的参数。然后,这些预测值可用于在制造测试期间动态设置其他影响良率的参数。这种方法由于不依赖于早期设计验证测试(DVT)所得出的固定规范,还可以检测到由于元器件或工艺变化而产生的质量漂移。”rVLednc

从全局来看就很容易想到,为什么半导体制造业可能最先采用机器学习进行测试。传统的电子制造通常有赖于对已知良好的、预先测试的器件进行组装。从理论上来讲,如果设计正确,只有零件和工艺缺陷才会导致故障。半导体制造却不同——工艺就是一切,包括“零件”的制造。实现高良率需要对多方面进行优化,而机器学习会是有用的工具。rVLednc

ednc1907-edncomment-3.jpgrVLednc

rVLednc

rVLednc

图3:虽然半导体测试看起来已准备好开发人工智能,但电子功能测试的前景并不确定。图片来源:Bloomy ControlsrVLednc

那么,传统的电子制造业呢?这里还有一段路要走。Bloomy Controls的首席技术官Grant Gothing接受了笔者采访。该公司在创建功能测试和数据采集系统方面具有丰富历史。Gothing表示,Bloomy目前使用基于规则的算法来优化生产功能测试系统(图3)。他认为AI是未来的技术,可以帮助对组件进行故障排除。这里他强调的问题是语义:严格来说,基于规则的系统不算AI系统。然而,这类系统在实现许多相同结果方面非常有用。当技术人员排除故障,打开复杂的电子组件时,它们可以为其提供见识和建议。问题是,与基于规则的系统或流程图相比,AI系统还有哪些优势?rVLednc

同时,这里的关键问题是,AI增强型产品是否会在功能测试方面找到重要应用领域。从我自己的观点来看,这也是种财务权衡。毕竟,如果良率变得足够高,是否还有令人信服的理由,要把资源用于修复不工作的组件?或许有,但问题的答案非常取决于环境。rVLednc

那么,回到“人工智能是否会进入测试行业”的问题,我认为这对于半导体行业来说是肯定的。业界已经有产品和成熟的答案。对于研发或制造领域方面的传统电子测试系统,答案尚不清楚。但有件事可以肯定,那就是所有这些工具都是用来帮助工程师,而不是取代他们。工程师不用担心机器会抢了他们的工作,至少现在还不会。rVLednc

本文为《电子技术设计》2019年7月刊杂志文章。原文链接:Will AI come to the test industry?rVLednc

rVLednc

rVLednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Larry Desjardin
Larry Desjardin是Modular Methods LLC公司总裁,这是一家专注于快速增长的模块化仪器行业的咨询公司。Larry 曾任职于惠普(现为Agilent Technologies),担任多个研发和执行管理职位。作为研发经理,Larry 获得了John Fluke Sr. Memorial Award,以表彰他对VXI总线的创建所做的贡献。在2011年退休前,他担任了安捷伦模块化产品运营的总经理。Larry 拥有加州理工学院的工程学士学位和斯坦福大学的电气工程硕士学位。Larry 还为“测试与测量世界(Test and Measurement World)”写了一列“他山之石”专栏。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • Microchip模拟嵌入式SuperFlash技术助力存算一体创新 SuperFlash memBrain存储器解决方案使知存科技片上系统(SoC)能够满足最苛刻的神经处理成本、功耗和性能要求
  • 用TinyML开始设计——开发评估套件 本文中展示的开发套件和评估板得到一些流行的机器学习库和用于 TinyML 工作流程资源的支持,包括用于微控制器的 Google TensorFlow Lite 和 Edge Impulse,因而它们能够成为您第一个项目的理想起点。
  • “中国IC设计成就奖”提名产品简介:高性能GPU芯片及解 沐曦致力于提供国际顶尖的高性能通用GPU芯片及解决方案,结合我国人工智能等领域对GPU芯片的强烈市场需求,对标当前国际领先的GPU芯片产品立项开展技术研发。
  • “中国IC设计成就奖”提名产品简介:全志科技高性能智能 高性能三重异构智能语音应用处理器R329芯片,采用业界先进的半导体工艺,首款集成Arm中国周易语音处理器。集成DSP、NPU、64位CPU及丰富的外设接口,创新突破了低功耗、边缘语音AI超级算力、多重异构通讯、多核调度等关键技术,处于国内领先水平。
  • “中国IC设计成就奖”提名产品简介:追萤3D AI芯片Ai310 埃瓦科技自主研发的追萤 3D AI芯片创新的采用了异构架构 SOC 设计和微内核架构设计,包含 NPU 神经网络加速核、3D 立体匹配加速核、ISP 核等功能性处理核心;其中 NPU 神经网络加速核基于可重构以及片上多级存储和缓存设计,使数据可高效送达加速核心,使该芯片拥有领先的高效智能处理能力、分析以及低功耗管理的能力;其设计架构的资源复用性使硬件计算单位可灵活分配,适应于不同场景的计算需求;在 3D 视觉算法加速方面创新的采用了自研立体匹配算法的 3D 加速微内核架构设计,可有效加速双目立体视觉、结构光等多种 3D 视觉算法。
  • “中国IC设计成就奖”提名产品简介:ada200优势 1.九天睿芯,感存算一体芯片,可以在功耗和性能满足”低功耗AI场景“的同时,成本也大幅度下降。2.采用模数混合的存内计算架构,ADA200相比传统数字芯片,1/3成本,1/10功耗。
  • “中国IC设计成就奖”提名产品简介:面向边缘视觉分析的 面向边缘视觉分析的数据流AI芯片CAISA是鲲云科技自主研发的专为人工智能图像提供高性能计算加速的AI芯片产品,是全球首个量产的数据流AI芯片。
  • “中国IC设计成就奖”提名产品简介:人工智能语音芯片CI 1、人工神经网络硬件引擎架构:具备高计算性能,进行神经网络计算时相当于数十个CPU并行计算的能力;低访问带宽和低功耗,通过并行计算和共用神经元权重参数,大幅降低访问带宽及功耗;高可配置性,支持神经元层数和节点数、神经网络结构的配置。 2、单、双、及麦克风阵列降噪增强技术:支持各种平稳、非平稳环境噪声抑制;可支持线阵、圆阵结构等常用麦阵结构;采用定向波束形成与自适应信号处理技术相结合;拾取方向动态可调;支持单声道、立体声等回声抑制;采用独立研发的空间预测技术,支持强回声情况下回声抑制;与降噪处理技术相结合;自动增益调节、高通、带通滤波等。 3、低功耗和可靠性设计技术:具备低功耗集成电路设计技术,包括基于活动语音检测的低功耗控制技术和时钟门控技术。 4、逻辑设计技术:掌握了语音信号处理IP的设计方法,包括算法硬件化、定点、浮点运算处理等。同时积累了整套SoC设计所需的控制类IP,并成功通过流片验证。
  • “中国IC设计成就奖”提名产品简介:智能安防AI SoC芯片 亿智SV826是2021年推出的高性能的安防AI SoC芯片,主要面向视频编解码AI摄像机产品。
  • “中国IC设计成就奖”提名产品简介:低功耗视觉AIoT SoC 亿智SH516芯片是亿智电子2021年推出的一款低功耗的智能视觉AIoT SoC芯片。
  • “中国IC设计成就奖”提名产品简介:高性能大算力全场景 - AI性能跑分更强,超越Nvidia Orin - 应用当前先进的安全技术和研发流程 - 国内唯一可获得、支持快速量产的整车智能计算平台芯片
  • “中国IC设计成就奖”提名产品简介:高端AIoT芯片RV1126 RK3568是瑞芯微的高端AIoT芯片。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了