מבט מבפנים על שבבים: גישה חדשה לניטור תפקוד אמיתי בתנאי עומס

תמונה: dreamstime

בעולם שבו שבבים הולכים ונעשים מורכבים יותר והביקוש למערכות מתקדמות (AI, ענן, רכב) רק עולה, אתגרי האיכות והאמינות בתהליכי הייצור הופכים לקריטיים. חברת proteanTecs הישראלית מציגה גישה שונה לאיסוף מידע, כזו שמגיעה מתוך השבב עצמו.

היום, כששבב משולב במערכת שלמה, קשה מאוד להבין בדיוק איך הוא מתפקד "בשטח". האם יש בעיות חום נקודתיות, האם הספק הכוח מגיע בצורה אופטימלית לכל רכיב? שיטות הבדיקה המסורתיות מוגבלות ביכולתן לספק תמונה מלאה של תפקוד השבב תחת עומסים אמיתיים ובאינטראקציה עם רכיבים אחרים במערכת. הפער הזה בין מה שאנחנו יודעים על השבב כרכיב בודד לבין התנהגותו במערכת מורכבת עלול לגרום לתקלות נסתרות, לפגוע בביצועים ולייקר תהליכי איתור ובדיקה.

חיישנים פנימיים וניתוח חכם

proteanTecs מציעה פתרון שמתבסס על חיישנים (Agents) המוטמעים ישירות בתוך השבב. אלו אוספים באופן רציף נתוני טלמטריה עמוקים (Deep Data) – מידע מפורט על תפקוד השבב, טמפרטורה, מתח ועוד – לאורך כל שלבי הייצור. הנתונים שנאספים מהשבבים מועברים לפלטפורמת אנליטיקה מבוססת ענן, ושם מודלים של למידת מכונה (ML) מנתחים את המידע ומייצרים תובנות. חלק מניתוח ה-ML מתבצע גם בהתקני הבדיקה (Testers), מה שמאפשר קבלת החלטות מהירות בזמן אמת.

איך זה משפיע על תהליכי הפיתוח והייצור? הפתרונות החדשים מאפשרים בדיקות מדויקות יותר בזכות נראות פרמטרית בזמן אמת, כשהתוכנה מריצה את השבב במערכת. יכולת זו חושפת בעיות נסתרות כמו חריגות הספק, בעיות חום או תקלות הרכבה עדינות, שאיתורן היה קשה בעבר. הנתונים העמוקים שנאספים מייעלים משמעותית את תהליכי הפיתוח, כולל שלבי ההתנעה (Bring-up) של מערכות חדשות ואיתור תקלות (Debug), בכך שהם מסייעים לצוותי הפיתוח להבין במהירות רבה יותר את שורש הבעיה, מפשטים תהליכים ומקצרים זמנים יקרים.

כל עדכוני ה-IT, תשתית וטכנולוגיה בערוץ הטלגרם של ITtime

בנוסף, המערכת תורמת לשיפור מתמיד בתהליכי ייצור המוני (HVM). היא ממשיכה לנטר ולנתח נתונים גם בשלב זה

ומאפשרת ניתוח מגמות רוחביות על פני מספר רב של שבבים ומערכות. כך ניתן לזהות חריגות ולעקוב אחר התנהגות רכיבים, מה שתורם לשיפור האיכות הכוללת של המוצר הסופי. כל זאת מתאפשר בזכות הסתמכות על נתונים אמיתיים הנאספים ישירות מהתנהגות השבב בפועל, במקום על הנחות או מודלים. גישה זו מאפשרת קבלת החלטות מבוססות נתונים מדויקים יותר, החל משלב התכנון ועד לייצור.

"היכולת לקבל נתונים ישירות מתוך השבב בזמן שהוא פועל בתוך המערכת הכוללת, היא שינוי מהותי", מסבירה אוולין לנדמן, מייסדת שותפה ו-CTO ב-proteanTecs. "אנחנו לא מסיקים נתונים, אלא אוספים אותם באופן ישיר, וזה נותן תמונה אמיתית של הביצועים, איכות צריכת ההספק והאמינות".

"ככל שמערכות AI ומחשוב ענן הופכות לחלק מחיינו, שיטות הבדיקה המסורתיות מגיעות לקצה גבול היכולת שלהן", ציין עוזי ברוך, סמנכ"ל אסטרטגיה ב-proteanTecs. "אנחנו משנים את הגישה: במקום בדיקה סטטית, אנחנו מאפשרים תהליך חכם ומבוסס נתונים שמגיב להתנהגות בפועל של כל רכיב. זה פותח עידן חדש של דיוק ואבטחת איכות בייצור".