本文摘要：译成自——semiengineering传感器的规模性运用于和深度学习的发展趋势让集中化于测试在一些知名度较小的行业沦落了有可能。深度学习和集成电路芯片生产线设备中结合了更为多的传感器，这为芯片加工和测封代工企业针对目的性测试和变慢货运量创设了新的概率。这类做法的目地是为了更好地保证质量，降低生产制造简易处理芯片的成本费。 在最技术设备的连接点上，生产制造简易处理芯片需要的時间已经降低。

译成自——semiengineering传感器的规模性运用于和深度学习的发展趋势让集中化于测试在一些知名度较小的行业沦落了有可能。深度学习和集成电路芯片生产线设备中结合了更为多的传感器，这为芯片加工和测封代工企业针对目的性测试和变慢货运量创设了新的概率。这类做法的目地是为了更好地保证质量，降低生产制造简易处理芯片的成本费。

在最技术设备的连接点上，生产制造简易处理芯片需要的時间已经降低。伴随着晶体三极管总数的降低，更强的处理芯片被加到线路板或PCB中，这导致了务必更强的時间去测试这种元器件，也降低了整体成本费，假如测试時间保持稳定，就不容易降低被测机器设备在其生命期内的可信性。因此 ，大家有适度区别什么机器设备显而易见务必彻底测试，什么机器设备早就在光伏材料中得到 了充份的检测。

这相当于对一个测试模块展开遮光，可是这一务必收集充裕简易的数据来展开启用。过去这难以做，可是伴随着更为多传感器的参与，溶解了更为多的数据，大家就可以更为细致的查看数据并借此机会展开合理地识别模式。PDFsolutions企业息息相关解决方法高级副总裁DennisCiplickas讲到:“假如能建立一个准确度超出99.99%的实体模型来预测分析处理芯片什么时候不容易脆化，那麼你也就能够绕过处理芯片脆化的全过程，进而降低成本。”无论你原著的占比多少钱，20%、30%或50%的最后的冲刺亲率都能够，这将节约脆化成本费。

并且数据就越大，预测分析就就越精准。艰辛取决于怎样相接精确的数据来搭建这一点。

因此 假如你全部的数据都会测封代工企业上经营，从圆晶排列、安装，到最终的测试都会那边，你也就能够整合全部的数据并借此机会做出预测分析。但假如你一直在有所不同的地区展开的这种工艺流程，那么就必不可少从好几个地址分拆数据，这就务必一个系统软件来做这一点。”脆化测试作为检验处理芯片中各种各样元器件的初期常见故障。

过去，这类数据是根据数据互换共享的，尽管简易，但还足够防止测试。Ciplickas讲到:“最开始，数据互换互联网身后的念头是建立一个数据库，那样你也就能够看见你的供应链管理。”“深度学习现在可以让你将很多有所不同的作用放进一起，来保证一些新的事儿，例如预测分析。

”因此 根据从传感器获得的数据，就可以操控脆化成本费。下一个流程是使数据必须以连贯性、相接的方法一起流过有所不同的网站，根据这种来展开预测分析。”本质上，这就是一种将仅有步骤的各种各样部件描述的更加细腻，并精确地防止多余的测试。OptimalPlus副首席战略官经理DougElder答复:“如今，你能在展开圆晶排列和最终测试的立井中相接全部数据源，以确定常见故障来源于哪里。

你能提升你的测试集和疑似脆化的地区，你也能够经营深度学习优化算法来整修测试和改进你的方式。”过去，在现场推行以后，有可能务必几个月或两年的時间才可以显露出来生产制造难题。在其中一些难题能够根据手机软件来解决困难，例如智能机的无线天线难题，在技术性被替代以前，这种难题依然经营不错。但伴随着更为多的处理芯片被作为工业生产和轿车运用于上，这类方式早就依然仅限于。

Elder答复:“假如你能在查验中或脆化环节寻找这种难题，那麼你也就能将脆化测试時间提升10%到20%。”“这对生产商而言是个非常大的数据。在动态性状况下，根据查看响应式测试時间的增加率，度量什么测试没结束。

那样就可以提升测试時间，而且你能根据一个闭环控制系统软件将其加到返测试循环系统中，该系统软件能够包含从圆晶排列到最终测试的全部內容。除此之外，新的测试也不会降低大家的附加成本费。

但在毁损以前，你可以新的测试几回呢?在其中一个实例：一个机器设备被新的测试了17次，直至最终根据测试。”能够显出，这对已经测试的机器设备而言并并不是好事儿，既划算又用时。在芯片加工，每分每秒都是有成本费。

更优的数据，更优的結果“好的”数据在有所不同的销售市场有可能意味著有所不同的物品，乃至常常在同一个销售市场中也是这般。数据往往简易，是由于它对特殊的作业者、全过程或机器设备都合理地。但务必很多的专业领域科技知识来保证此规定。yieldHUBCEOJohnO’Donnell答复:“大家寻找一些较小的企业并并不是在每一个行业都是有特长。

”“特别是在是在轿车行业，一些企业有可能在设计方案层面很强悍，但在测试层面就沒有那麼通晓。”这就给简易的ic设计带来了一个难题，长此以往，对处理芯片而言，难题将看起来更加重要。但它也突显了超越全部设计方案到生产流程的一个挑戰，即确保参与在其中的人都能讲解别的工艺流程的工作中。“有些人很有可能会问，‘我们知道务必把時间花上在这方面吗?最重要的是精英团队中的每一个人都必不可少看清这一点，”Donnell表明到：“你有可能是某一处理芯片特殊一部分的权威专家，而不是另一个一部分的权威专家，因此 你也就务必协作和剖析，也要在知识库系统中展开保证。

这促使你对特殊行业拥有充裕的自信心，你能将你的科技知识加到结构化分析中，为此提升测试总数需要的成本费。确保数据品质的另一种方式是对数据展开到数馈送。因而，与全部外界数据有所不同，在其中一些数据能够在机器设备经营时展开精确测量。

proteanTecs的CEOShaiCohen讲到:“拥有线上数据，你也就能大大的提高特性，做出精确的规定。”“在工艺流程和运行内存中你都能够衡量主要参数缺少。这获得了很高的普及率，可是你务必加到多维代理商，这种代理商能够根据深度学习展开精确测量和应急处置。

如今你能为特殊的设计方案装有代理商，恢复数据，便于更优地了解已经再次出现的事儿。”空空如也，废弃物满天飞舞传感器过度精确，没事儿。以波音737MAX为例证，常见故障传感器有可能是多起坠毁和一系列错乱身后的元凶。

在其中一个难题是，数据务必更为广泛地共享，才可以识别不正确，而系统供应商通常将这种数据做为核心竞争力多方面维护保养。在测试层面，大家一般遵照规范化的测试去设计方案处理芯片，但详细机器设备生产商答复缺乏充裕的信任感。“NationalInstruments运送单位顶尖解决方法主管DougFarrell答复。

“她们不不肯共享资源数据，这类状况必不可少变化，由于你不有可能在一家企业里具有一切。在无人驾驶层面特别是在这般，一级汽车企业和详细机器设备生产商已经展开日趋激烈的市场竞争。”因此 大家仅有极大地测试传感器，以确保数据的品质。Farrell讲到:“针对作业者运输队的人而言，她们能够在调班完成时对传感器展开临床医学，并对其展开校正。

”“许多企业绕过了正中间流程，必需从纯碎的模拟仿真调向将传感器改装在车上，因而临床医学是不可或缺的。”为防止未来经常会出现难题，数据自身还要储存。PDF的Ciplickas讲到:“大家妄图避免 的是静寂数据的损坏。”“当这类事再次出现的情况下，你没法预测分析。

”针对安全系数重要型应用软件，結果有可能比这很差得多。如今，这种机器设备的作用带来了义务，而数据是确定哪儿出拥有难题及其缘故的最好方式。OptimalPlus电子器件单位经理UziBaruch答复:“汽车制造业与半导体业的显而易见差别取决于，测试仅仅汽车制造业的一个媒介。

”“这比你一般来说在半导体业看到的要多，不仅仅限于电子设备，它是一条初始的装配流水线，有好几个点接触。”设计方案检查检查在高級连接点和一些种类的高級PCB中看起来更为艰辛。因而，大家要在更强的地区改装更强的传感器——不论是在机器设备中還是在PCB中——然后使这种传感器更为小、更为慢、功能损耗更为较低。

CyberOpticsCEOSubodhKulkarni答复:“现阶段芯片加工和测封代工企业早就在展开抽样检验。”“如今大家已经对PCB展开功能检查。

难题是在大家展开100%的查验以前不容易有多少放射性物质浮尘。但因为PCB太贵了，有适度对其展开有效的成本费查验。

”伴随着新型材料的引入和新的构造的重进，这类查验不容易看起来更加艰辛。除此之外，因为散射光有别于别的化学物质，因此 有所不同的原材料务必有所不同的查验技术性。Kulkarni觉得，这二种方式都务必新的校正电子光学监控摄像头等检查设备。

他讲到:“这让技术设备的PCB检测和控制模块检测看起来更为艰辛，特别是在像HBM。”“过去，3D查验就充裕了。

如今你务必对存储芯片展开三维电子光学查验。”这将花销更强的時间，溶解更为多务必剖析的数据。

结果在加工制造业中，将传感器数据和深度学习结合用以的方式刚迅猛发展，可是保证质量和提升测试時间的机遇是巨大的。这也有利于提升校检的设计方案，这在构件、输出功率和净重层面全是弥足珍贵的。

proteanTecs顶尖商务接待官RaananGewirtzman答复:“大家的总体目标是中断持续增长的校检。”针对ISO26262要求特别是在最重要，因为它务必一定水平的校检。但我们可以根据降低更优的精确测量代理商来解决困难。”这务必用一种基本上有所不同的方法来来看和用以数据，可是以偏少的成本费获得更优的覆盖面积的市场前景得到 了多方面的瞩目，仅次的难题是这类方式能拓展到哪些水平。

本文关键词：传感器,+ML,可,节省,测试,时间,和,yobo体育全站下载,成本,译成

本文来源：yobo体育全站app下载-www.ruilaikesik.cn