دستیابی به بسته شدن تأیید طراحی سریعتر

در پروژه‌های بزرگ طراحی تراشه، تلاش تأیید منطقی می‌تواند بزرگ‌تر از تلاش طراحی باشد و بر اساس داده‌های بدست آمده از تراشه، تا 70 درصد از زمان پروژه را به خود اختصاص دهد. 2022 گروه تحقیقاتی ویلسون یافته ها متأسفانه، اولین نرخ موفقیت سیلیکون از 31 درصد به تنها 24 درصد در 8 سال گذشته کاهش یافته است، که باعث شده است تا یک چرخش دیگر برای اصلاح عیوب، هزینه شرکت‌ها برای از دست دادن زمان برای بازار از دست رفته و قطعاً به برنامه‌های درآمدی آنها آسیب برساند. راستی‌آزمایی بهتر مطمئناً موفقیت اول سیلیکون را بهبود می‌بخشد، اما گفتن آن آسان‌تر از انجام آن است.

برخی اعداد نگران کننده دیگر از مطالعه گروه تحقیقاتی ویلسون:

• ASIC - 24٪ موفقیت در بار اول، 36٪ به موقع تمام می شود
• FPGA - 16٪ به صفر فرار می کنند، 30٪ به موقع تمام می شوند

تأیید طراحی کارهای دشوار بسیاری دارد: اشکال زدایی، ایجاد آزمایش و سپس اجرای موتورها، توسعه میز آزمایش و برنامه ریزی آزمایش. در حالت ایده‌آل، تیم شما می‌خواهد زمان‌های چرخش را به حداقل برساند، با کمترین افراد به بسته شدن تأیید برسد و منابع را محاسبه کند، رعایت ایمنی را رعایت کند، و بداند چه زمانی کیفیت طراحی به اندازه‌ای بالاست که تأیید را متوقف کند، در حالی که برنامه پروژه را رعایت می‌کند.

من اخیراً یک به‌روزرسانی از متخصص تأیید طراحی، Darron May در Siemens EDA دریافت کردم تا در مورد چیزی که به تازگی اعلام شده است، به نام آن بشنوم Questa Verification IQ. رویکرد آنها تماماً در مورد تأیید مبتنی بر داده است که با استفاده از قابلیت ردیابی، همکاری و تجزیه و تحلیل ارائه شده توسط AI/ML شکل گرفته است. تجزیه و تحلیل سنتی بهره وری و بینش محدودی را برای توصیف و تشخیص رفتار منطقی ارائه می دهد، در حالی که تجزیه و تحلیل مبتنی بر داده های بزرگ با استفاده از AI/ML اقدامات پیش بینی و تجویزی را برای تأیید ارائه می دهد. تیم‌های نرم‌افزار و سخت‌افزار با همکاری از طریق استفاده از CI (ادغام پیوسته)، فرز مواد و روش ها، ALM (مدیریت چرخه عمر برنامه)، طراحی مبتنی بر ابر، و استفاده از تکنیک های AI/ML. صنایع حیاتی ایمنی به قابلیت ردیابی بین الزامات، اجرا و تأیید نیاز دارند، همانطور که در استانداردهای صنعتی مانند ISO 26262 و DO-254 تعریف شده است.

در اینجا تصویر بزرگی از این است که چگونه Quest Verification IQ همه داده‌های موتورهای تأیید مختلف را به همراه یک ابزار ALM به یک جریان مبتنی بر داده متصل می‌کند.

داده های پوشش از شبیه سازی منطقی (این)، شبیه سازی و نمونه سازی (ولوک), AMS (سمفونی), رسمی (OneSpinاستاتیک و FuSa. ویژگی ML تمام این داده‌ها را تجزیه و تحلیل می‌کند تا الگوها را پیش‌بینی کند و هرگونه حفره را آشکار کند، دلایل ریشه‌ای را مشخص کند، سپس اقدامی را برای بهبود پوشش تجویز کند. ALM نشان داده شده است پلاریون از زیمنس، اگرچه می‌توانید از ALM دیگری استفاده کنید، درست مانند موتورهای تأیید مورد علاقه خود.

Questa Verification IQ یک چارچوب مبتنی بر مرورگر است که شامل یک راهنمای فرآیند است تا بتوانید یک جریان حیاتی ایمنی را با استفاده از مدیریت چرخه عمر برای برنامه‌ریزی و پیگیری همه الزامات ایجاد کنید. ناوبر رگرسیون به تیم شما امکان می‌دهد آزمایش‌هایی را ایجاد و اجرا کند، نتایج را نظارت کند و یک تاریخچه تأیید کامل داشته باشد. با تحلیلگر پوشش می‌دانید که پوشش شما برای کد، بلوک‌های عملکردی و طرح‌های آزمایشی چقدر کامل است. در نهایت، تجزیه و تحلیل داده های ارائه شده با استفاده از داشبورد پروژه و ارائه تجزیه و تحلیل متقاطع، یک پلت فرم متریک را در اختیار شما قرار می دهد.

چارچوب مبتنی بر وب برای هر اندازه پروژه الکترونیکی مقیاس می شود، و شما نیازی به نصب هیچ نرم افزاری نخواهید داشت یا نگران به روز نگه داشتن سیستم عامل خود نباشید. همچنین از تنظیمات ابری عمومی، خصوصی یا ترکیبی پشتیبانی می کند. با استفاده از AI/ML، فرآیند بسته شدن تأیید سرعت می‌یابد، در حالی که تلاش برای رفع اشکال تسریع می‌شود زیرا تجزیه و تحلیل علت ریشه‌ای به تعیین دقیق مکان‌های بهبود کمک می‌کند.

من از دارون می چند سوال روشنگر پرسیدم.

س: آیا می توانم Questa Verification IQ را با هر ابزار فروشنده EDA و ALM ترکیب و مطابقت دهم؟

A: Questa Verification IQ از ابزارها و موتورهای ALM از طریق یک رویکرد مبتنی بر استانداردها پشتیبانی می کند. با ابزارهای ALM با استفاده از Open Services for Lifecycle Collaboration (OSLC) ارتباط برقرار می کند، بنابراین می توان از هر ابزاری که از استاندارد پشتیبانی می کند مانند Doors next یا Siemens Polarion و Teamcenter استفاده کرد. هر موتوری را می‌توان با Questa Verification IQ راه‌اندازی کرد و دوباره ما از پوشش استاندارد قابلیت همکاری پوشش یکپارچه (UCIS) پشتیبانی می‌کنیم.

س: این رویکرد چگونه با Synopsys DesignDash مقایسه می شود؟

A: Synopsys DesignDash بر روی ML برای داده های طراحی متمرکز است در حالی که Questa Verification IQ بر روی تأیید مبتنی بر داده با استفاده از تجزیه و تحلیل، از جمله ML، برای تسریع بسته شدن تأیید، کاهش زمان چرخش و ارائه حداکثر کارایی فرآیند متمرکز است. Questa Verification IQ برنامه های مورد نیاز برای مدیریت تأیید مشارکتی مبتنی بر تیم را در چارچوبی مبتنی بر مرورگر با دسترسی متمرکز به داده ها ارائه می دهد.

س: این رویکرد چگونه با Cadence Verisium مقایسه می شود؟

A: Cadence Verisium فقط بر روی تأیید ML با کمک تمرکز دارد. در مقایسه Siemens Questa Verification IQ راه حل کامل تأیید مبتنی بر داده را ارائه می دهد که توسط Analytics، Collaboration و Traceability ارائه می شود. مدیریت تأیید در یک ابزار مبتنی بر مرورگر با برنامه های کاربردی ساخته شده بر اساس همکاری ارائه می شود. Coverage Analyzer اولین ابزار بسته شدن پوشش مشارکتی صنعت را با استفاده از ناوبری تحلیلی به کمک ML ارائه می کند. Question Verification IQ با Siemens Polarion با استفاده از OSLC واسط می‌شود و با مدیریت چرخه عمر برنامه بدون تغییر زمینه UI، قابلیت ردیابی رشته دیجیتال محکمی را فراهم می‌کند و قدرت ALM را به تأیید سخت‌افزار می‌آورد.

خلاصه

من همیشه تحت تأثیر ابزارهای جدید EDA هستم که با هوشمندانه‌تر کار کردن، کار پیچیده‌ای را آسان‌تر می‌کنند، بدون اینکه مهندسان ساعت‌ها تلاش دستی بیشتری را صرف کنند. با تایید اولیه Questa Verification IQ از شرکت‌های آشنا مانند Arm و Nordic Semiconductor، به نظر می‌رسد زیمنس EDA چیزی قانع‌کننده را برای تیم‌های راستی‌آزمایی اضافه کرده است.

وبلاگهای مرتبط

اشتراک گذاری این پست از طریق:

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
• منبع: https://semiwiki.com/eda/324031-achieving-faster-design-verification-closure/