Semico Research Quantifies The Business Impact Of Deep Data Analytics, Concludes It Accelerates SoC TTM By Six Months - Semiwiki

Neuauflage von Plato

Verfolger: 0

Die Halbleiterindustrie hat auf vielfältige Weise auf die zunehmende Komplexität und Leistungsanforderungen von Geräten reagiert. Um kleinere und dichter gepackte Komponenten herzustellen, entwickelt die Industrie die Fertigungstechnologie kontinuierlich weiter. Dazu gehört der Einsatz neuer Materialien und Verfahren, etwa der Extrem-Ultraviolett-Lithographie (EUV) und 3D-Stacking. Um den Leistungsanforderungen gerecht zu werden, entwickelt die Industrie neue Chiparchitekturen, die eine effizientere Datenverarbeitung und einen effizienteren Stromverbrauch ermöglichen. Dazu gehören Open-Domain-Specific-Architekturen (ODSA), die spezialisierte Prozessoren und Beschleuniger für künstliche Intelligenz (KI) umfassen. Um Kosten zu senken und die Leistung zu verbessern, integriert die Industrie mehr Komponenten auf einem einzigen Chip, was zu System-on-Chip-Designs (SoC) führt oder sich für Multi-Die-Systeme mit Chiplet-basierten Implementierungen entscheidet. Es gibt auch ein zunehmendes Maß an Zusammenarbeit innerhalb des Ökosystems, einschließlich der Ausrüstungslieferanten, Gießereien, Verpackungs- und Montagehäuser.

Gleichzeitig gewinnt das Time-to-Market (TTM) für Produktunternehmen immer mehr an Bedeutung. In den sich schnell entwickelnden Märkten von heute kann das Marktfenster für ein Produkt nur zwei Jahre betragen. Ein Unternehmen kann es sich nicht leisten, zu spät zu irgendeinem Markt zu kommen, schon gar nicht zu solch schnelllebigen Märkten. Daher nutzt jedes Unternehmen seine eigenen erprobten und bewährten Methoden zur Erzielung von TTM-Vorteilen, um als Erster auf den Markt zu kommen. In letzter Zeit nutzen viele Unternehmen die umfassende Datenanalyse, um ihre Bemühungen zur Entwicklung von SoC-Produkten zu beschleunigen. Durch die Nutzung umfassender Datenanalysen können Designprobleme frühzeitig im Entwicklungsprozess erkannt werden, wodurch die Notwendigkeit teurer und zeitaufwändiger Neudurchläufe verringert wird. Darüber hinaus können potenzielle Leistungsengpässe und Optimierungsmöglichkeiten identifiziert werden. Im Wesentlichen kann eine umfassende Datenanalyse nicht nur die TTM reduzieren, sondern auch dazu beitragen, die Produktleistung zu verbessern, die Energieeffizienz zu steigern und die Zuverlässigkeit eines Produkts zu erhöhen. Das Produktunternehmen profitiert von größeren Marktanteilen bei deutlich verbessertem Return on Investment (ROI) und längerfristiger Kundenzufriedenheit.

proteanTecs ist ein führender Anbieter von Deep Data Analytics für die fortschrittliche Elektroniküberwachung. Die Lösung nutzt On-Chip-Monitore und Techniken des maschinellen Lernens, um von der Entwicklung über die Produktion bis hin zum Einsatz vor Ort umsetzbare Erkenntnisse zu liefern. Das Unternehmen veranstaltete kürzlich ein Webinar, bei dem Rich Wawrzyniak, Chefanalyst für ASIC und SoC bei Semico Research, einen direkten Vergleich zweier Unternehmen vorstellte, die einen ähnlichen Multicore-SoC auf einem 5-nm-Technologieknoten entwickeln. Eines der beiden Unternehmen in diesem Vergleich nutzte die Technologie von proteanTecs in seiner Produktentwicklung und erzielte einen sechsmonatigen TTM-Vorteil gegenüber dem anderen.

Das Webinar basiert auf einem Whitepaper von Semico Research, das wir im Artikel behandelt haben: „Wie Deep Data Analytics die SoC-Produktentwicklung beschleunigt"

Hier finden Sie einige Auszüge aus dem Webinar.

Der Kostenvorteil

Nachfolgend finden Sie eine Vergleichstabelle der Designkosten für zwei konkurrierende Lösungen für dieselbe Anwendung, basierend auf den aktuellen Design- und Produktionskosten der Branche. Die Lösung von Unternehmen A nutzte die analysebasierte Designmethodik von ProteanTecs und die Lösung von Unternehmen B nutzte die Standardmethodik. Die Lösung ist ein SoC-Produkt für Rechenzentrumsbeschleuniger, Einzelheiten dazu teilt Rich im Webinar mit. Die Kosteneinsparungen von Unternehmen A beliefen sich gegenüber Unternehmen B auf etwa 9 %.

Vergleich der Designkosten

Der Time-to-Market (TTM)-Vorteil

Durch den Einsatz des proteanTec-Ansatzes für tiefgreifende Datenanalysen erreichte Unternehmen A sein Marktfenster mit einem pünktlichen Eintritt und konnte so den Großteil des Zielmarkts erobern. Das Unternehmen erlangte einen 6-monatigen TTM-Vorteil gegenüber Unternehmen B. Außerdem konnte es seine Designinvestitionen zurückgewinnen, obwohl der Markt noch wuchs, was höhere Umsätze und eine höhere Rentabilität ermöglichte.

Auswirkungen auf Unternehmen A und B

Vorteil vor Ort

Wie in der Abbildung unten hervorgehoben, hilft die Analyselösung von proteanTecs nicht nur während der Entwurfs-, Aufbau- und Herstellungsphase, sondern auch nach dem Einsatz eines Produkts im Feld. Dies half Unternehmen A dabei, potenzielle Probleme vor Ort unter realen Betriebsbedingungen zu überwachen und zu beheben. Diese Art von Analyseerkenntnissen könnten für die vorbeugende Wartung und die Feinabstimmung des Stromverbrauchs und der Produktleistung vor Ort genutzt werden. Marc Hutner, Senior Director of Product Marketing bei proteanTecs, präsentierte diese Informationen während des Webinars.

proteanTecs Deep Data Analytics

Demo der Cloud-basierten Plattform

Zum Abschluss des Webinars zeigte Alex Burlak, Vice President, Test & Analytics bei proteanTecs, eine Demo der cloudbasierten Analyseplattform von proteanTecs. Er hob die Fähigkeiten der Plattform hervor und enthüllte die verschiedenen Arten von Erkenntnissen, die Benutzer von den On-Chip-Monitoren von proteanTecs, auch Agenten genannt, erhalten.

Screenshot der proteanTecs-Demo

Zusammenfassung

Jeder, der sich mit der Entwicklung von Halbleiterprodukten beschäftigt, wird die im Webinar präsentierten Informationen als sehr nützlich empfinden. Sie können das Webinar hier auf Abruf ansehen.