Machine Learning maakt chips goedkoper
Chips voor auto’s worden uitgebreid getest, wat de chips 5 tot 10 procent duurder maakt. Ingenieurs bij halfgeleiderfabrikant NXP hebben een machine learning-algoritme ontwikkeld dat de meeste tests overbodig maakt.
Het experimentele algoritme leert van de patronen van testresultaten. Het berekent de subset van tests die echt nodig zijn en die veilig kunnen worden weggelaten. Chips werden, afhankelijk van het type, onderworpen aan 41 tot 164 tests. Het algoritme adviseerde om 42 tot 74 procent van die tests te verwijderen. De NXP-ingenieurs hebben dit gemeld op de IEEE International Test Conference in San Diego, meldt IEEE Spectrum.
NXP, met haar hoofdkantoor in Eindhoven, maakt chips met complexe schakelingen en geavanceerde chips, voor toepassingen zoals in omvormers voor motoren van elektrische auto’s, audiochips voor consumentenelektronica en sleutelhangertransponders voor auto’s.
Testen van chips
De chips worden getest met verschillende signalen bij verschillende spanningen en bij verschillende temperaturen. De chips worden allemaal onderworpen aan de volledige testprocedure, zelfs als sommige onderdelen onderweg een aantal tests niet doorstaan.
“We moeten veel testen uitvoeren om de strenge kwaliteitseisen in het veld te garanderen,” zegt Mehul Shroff, een NXP Fellow die het onderzoek leidde. “We hebben een manier bedacht om de testkosten te verlagen op een manier die statistisch streng was en goede resultaten opleverde, zonder de kwaliteit van de chips in gevaar te brengen.”
Aanbevelingssysteem
De methode vertoont volgens Shroff overeenkomsten met de op machine learning gebaseerde aanbevelingssystemen die in e-commerce worden gebruikt.
“We hebben het concept overgenomen uit de detailhandel, waar een data-analist naar bonnetjes kan kijken en kan zien welke artikelen mensen samen kopen”, zegt hij. “In plaats van een transactiebon hebben we een uniek onderdeel-ID en in plaats van de artikelen die een consument zou kopen, hebben we een lijst met mislukte tests.” Het NXP-algoritme ontdekt welke tests samen mislukken.
Betrouwbaarheid
“We moeten bijna 100 procent zekerheid hebben”, zegt Shroff. De normen voor de chips liggen weliswaar veel hoger dan in de retailwereld, maar ‘we gebruiken hetzelfde concept’, aldus de onderzoeker van NXP. Toch zegt Shroff om niet alleen te vertrouwen op het algoritme. “Je moet er zeker van zijn dat het logisch is vanuit technisch perspectief en dat je het in technische termen kunt begrijpen”, zegt hij. “Pas dan kun je de test verwijderen.”
Het algoritme is nu nog een pilotproject. Het NXP-team wil het systeem uitbreiden naar een bredere set onderdelen, de rekenkundige overhead verminderen en het gebruiksvriendelijker maken, voordat het in de praktijk zal worden toegepast.
In deze video legt Mehul Shroff uit hoe kostenbesparingen niet ten koste gaan van de kwaliteit.
Bekijk meer toepassingen in Machine Learning
Bron:
Semiconductor Testing: Machine Learning Might Mean Less Chip Testing – IEEE Spectrum
