基于 AI 的基板校准工具可准确预测故障

人工智能的发展与更好的机器视觉控制相结合，为智能制造行业创造了至关重要的新组成部分——高精度和可扩展的故障检测。这项技术的前景广阔，不仅可以提高效率，而且可以提高安全性并提供实时可见性。

AI驱动的故障检测是工业自动化领域新兴需求和创新领域的一个很好的例子。引起关注的部分趋势是，在制造过程的两个关键领域中，自动进行故障检测的能力至关重要–将其作为预测性维护计划的一部分和作为质量保证工具的一部分来检测工厂机械中的故障，以确保制造输出符合规格。

制造商转移到AI故障检测环境的主要挑战之一是：确保用于训练AI的数据清晰无歧义。例如，人工检查往往是主观的，不同的检查员会通过或未通过相同的缺陷，因此将主观通过/失败数据合并可能导致模棱两可或矛盾的决策，从而导致模型不完善。即使拥有干净的数据来训练AI，也只是过程的一小部分。确实，训练用于视觉检查的概念验证AI模型可能只占整个部署总时间和成本的10%。

另一个关键挑战是确保材料和环境因素(例如照明)的一致性。这两种方法中的任何一种更改都可能立即导致非常高的错误率，需要重新校准或重新训练模型。然后，这需要成功的部署才能使环境变化检测系统处于运行状态。但是，除了故障检测之外，环境变化检测系统还可以提供广泛的好处。例如，分段系统可能会提高工人的安全性(如果在受限区域检测到运动，则通过自动切断机器的动力)，监视火、烟或其他空气质量危害(如灰尘或气体泄漏)的安全性。

总部位于巴黎的 EDA 初创公司 Intento Design 推出了一种基于人工智能 (AI) 的工具，该工具可以为任何代工设计套件校准提取的基板模型，将人工智能和机器学习与固态物理学相结合。该公司表示，这解决了行业需要快速准确的早期故障预测，这在汽车/航空航天以及电源管理、医疗和国防应用中至关重要。

这款名为 ID-Calibre 的新工具是其 ID-Substrate 可靠性工具的扩展，用于早期检测和预防所有基板寄生效应。ID-Substrate 只需几秒钟即可将完整芯片的基板建模为有源 3D 物理模型，而 ID-Calibre 会校准提取的基板模型。然后，这加速了对 ID-Substrate 检测到的所有潜在基板故障区域的准确预测，同时还消除了测试结构制造和代工测量费用。

Intento Design 的首席执行官兼创始人 Ramy Iskander 阐明了 ID-Calibre 如何打开新的市场机会：“ID-Calibre 消除了对经验校准或测试结构制造的需求，有效地为 IDM、无晶圆厂和设计带来更好的市场竞争力和更高的投资回报率房屋。将 ID-Substrate/ID-Calibre 视为完整 AMS 芯片的行为 TCAD 仿真，比传统 TCAD 有限元方法快 1000 倍。”

Intento Design 专注于模拟设计自动化的设计工具和软件。在其产品中，ID-Substrate 可检测基板中存在可靠性风险的区域。它提取寄生参数的网表，以帮助设计人员回注到原始网表或重新模拟原理图，同时考虑基板寄生参数，并可视化制造后闩锁风险的潜在热点区域。

与模拟可以持续数天的有限元建模技术不同，Intento Design 表示 ID-Substrate 模拟可在几秒钟内给出准确的结果。这是基于基于电路的建模，结合自适应网格算法优化元素的数量，快速生成结果而不会出现收敛问题或精度损失。ID-Substrate 在 Cadence 模拟设计环境中运行。

说明了 ID-Substrate/ID-Calibre 组合解决方案如何在流片和制造之前预测基板故障并指导布局调整。当芯片上电时，系统会产生上电复位 (POR) 信号。ID-Substrate 分析检测到问题区域并执行布局调整以保护 POR 模块免受由输出驱动器电阻开关引起的少数载流子的影响。总共 2016 个二极管、8283 个电阻器和 3309 个同质结的提取时间为 1.606 秒。