Analysis And Verification Of Single Event Upset Mitigation - Semiwiki

Julkaissut Platon

seuraajia: 0

The evolution of space-based applications continues to drive innovation across government and private entities. The new demands for advanced capabilities and feature sets have a direct impact on the underlying hardware, driving companies to migrate to smaller geometries to deliver the required performance, area, and power benefits.

Simultaneously, the application space is evolving, and mission parameters for these new applications are causing companies to evaluate non-traditional approaches. Commercial high-reliability processes (i.e., those developed for automotive designs) are being considered for aerospace as they meet both the survivability requirements of certain scenarios and provide reduced development timelines and cost.

Valitettavasti alemmilla geometrioilla tarjotut edut maksavat, ja yksi niistä haitoista on, että taustalla oleva laitteisto on herkempi pehmeille virheille, joita kutsutaan yleisesti yksittäistapahtumien häiritsemiseksi (SEU). Perinteiset lähestymistavat redundanssiin tai kolminkertaistamiseen tärkeimmissä (jos ei kaikissa) toiminnoissa sirussa ovat nopeasti tulossa kalliiksi.

Fortunately, new flows and automation provide project teams insights into SEU mitigation and offer the ability to optimize the SEU mitigation architecture, also referred to as selective hardening.

Figure 1 Driving trends — Figure 1. Driving trends to selective radiation mitigation

Ensin tarkastellaan haasteita.

Selective Hardening Challenges

Feedback from the aerospace industry suggests that the traditional approach to SEU mitigation has many pitfalls and leaves two important questions unanswered.

Kuinka tehokas toteutettu lievennys on niiden suunnitteluelementtien osalta, joiden tiedetään olevan kriittisiä?
Miten tunnistan suojaamattomien suunnitteluelementtien vioista johtuvan vian mahdollisuuden?

The traditional approach to SEU mitigation is best summarized in a three-step workflow.

Step 1: Identify failure points through expert driven analysis
Step 2: Design engineers insert the mitigation (HW and/or SW)
Step 3: Verify the effectiveness of the mitigation
- Simulaatio hyödyntää toiminnallisia regressioita ja pakottaa komentoja syöttämään SEU:t
- Piin jälkeinen toiminnallinen testaus raskaiden ionien altistuksessa

Figure 2 old workflow — Figure 2: The traditional approach to SEU mitigation

Valitettavasti perinteisellä lähestymistavalla on useita haittoja, mukaan lukien:

Ei yhteistä mittausta (metriikkaa), joka määrittää SEU:n lieventämisen tehokkuuden.
Asiantuntijalähtöinen analyysi ei ole toistettavissa tai skaalattavissa monimutkaisuuden kasvaessa.
Vikojen manuaalinen pakottaminen toiminnallisessa simulaatiossa vaatii huomattavaa suunnittelutyötä.
Kyvyttömyys analysoida koko vikatila-avaruutta toiminnallisen simuloinnin ja voimalausekkeiden avulla.
Vikojen myöhäinen tunnistaminen keilaympäristössä testattaessa ja viankorjausnäkyvyys on rajoitettu, kun niitä esiintyy.

Automation and Workflows Supporting Selective Hardening

Selektiivisen karkaisun päätavoite on suojata suunnittelutoimintoja, jotka ovat kriittisiä toiminnan kannalta, ja säästää kustannuksissa (teho ja pinta-ala) jättämällä ei-kriittiset toiminnot suojaamatta. Laskemalla tämän tason alas, metodologialla on kolme tavoitetta:

Varmista suunnittelusyklin alussa, että lievennys on optimaalinen.
Esitä empiirisiä todisteita siitä, että se, mikä jätetään suojaamatta, ei voi johtaa epänormaaliin käyttäytymiseen.
Suorita kvantitatiivinen arvio, jossa esitetään yksityiskohtaisesti toteutetun lieventämisen tehokkuus.

Siemens on kehittänyt metodologian ja integroidun työnkulun tarjotakseen systemaattisen lähestymistavan olemassa olevan lieventämisen tehokkuuden mittaamiseen sekä suojaamattoman logiikan kriittisyyden määrittämiseen. Työnkulku on jaettu neljään vaiheeseen.

Figure 3 mitigation flow — Figure 3. The Siemens SEU mitigation workflow

Rakenteellinen osiointi: Virran ensimmäinen vaihe hyödyntää rakenneanalyysimoottoreita suunnittelutoimintojen arvioimiseksi yhdessä toteutetun toimintoa suojaavan laitteiston lieventämisen kanssa. Rakenteellisen osioinnin tulos on raportti, joka osoittaa nykyisen laitteiston lieventämisen tehokkuuden sekä näkemyksiä olemassa olevista aukoista.

Vian ruiskutusanalyysi: Lievennyksiä, joita ei voitu todentaa rakenteellisesti, voidaan lisätä vikaan. Tässä vaiheessa SEU:t ruiskutetaan, levitetään ja vaikutus arvioidaan. Vian ruiskutusanalyysin tulos on vian luokitteluraportti, jossa luetellaan mitkä viat havaittiin laitteiston tai ohjelmiston lieventämisellä ja mitä vikoja ei havaittu.

Levitysanalyysi: Suojaamatta jätetyt SEU-paikat arvioidaan rakenteellisesti odotetun työkuormituksen vaikutuksesta, jotta voidaan määrittää toimipaikkakohtainen kriittisyys ja sen todennäköisyys johtaa toimintahäiriöön. Etenemisanalyysin tulos on luettelo tällä hetkellä suojaamattomista vioista, joiden havaittiin vaikuttavan toimintaan.

Mittareiden laskenta: Rakenne-, injektio- ja leviämisanalyysin tiedot syöttävät mittauslaskentajärjestelmää ja visualisointia. Ohjaamo tarjoaa visuaalisia näkemyksiä vikatiheydestä, lieventämisen tehokkuudesta ja mahdollisista aukoista.

Jokaisella puolijohteiden kehitysohjelmalla on ainutlaatuisia ominaisuuksia. Yllä kuvattu menetelmä on joustava ja hyvin konfiguroitavissa, joten projektiryhmät voivat mukautua tarpeen mukaan.

Yhteenveto

Yksittäisten tapahtumien häiriöiden lieventäminen haastaa edelleen kokeneimmatkin projektiryhmät, ja tämä haaste pahenee suunnittelun monimutkaisuuden kasvaessa ja teknologian solmujen kutistuessa. On olemassa uusia menetelmiä SEU:n lieventämisen tehokkuutta kuvaavien määrällisten tulosten saamiseksi.

Yksityiskohtaisemman kuvan Siemensin SEU-metodologiasta ja haasteista, jotka se auttaa sinua voittamaan, on valkoisessa kirjassa, Valikoiva säteilyn vaimennus integroiduille piireille, johon pääsee myös osoitteessa Varmennusakatemia: Selektiivinen säteilyn lieventäminen.

Jacob Wiltgen is the Functional Safety Solutions Manager for Siemens EDA. Jacob is responsible for defining and aligning functional safety technologies across the portfolio of IC Verification Solutions. He holds a Bachelor of Science degree in Electrical and Computer Engineering from the University of Colorado Boulder. Prior to Mentor, Jacob has held various design, verification, and leadership roles performing IC and SoC development at Xilinx, Micron, and Broadcom.