TWI768532B - 電路老化監測系統及其方法 - Google Patents
電路老化監測系統及其方法 Download PDFInfo
- Publication number
- TWI768532B TWI768532B TW109138488A TW109138488A TWI768532B TW I768532 B TWI768532 B TW I768532B TW 109138488 A TW109138488 A TW 109138488A TW 109138488 A TW109138488 A TW 109138488A TW I768532 B TWI768532 B TW I768532B
- Authority
- TW
- Taiwan
- Prior art keywords
- aging
- circuit
- enhanced
- neural network
- signal
- Prior art date
Links
Images
Landscapes
- Tests Of Electronic Circuits (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Measurement Of Radiation (AREA)
Abstract
本發明提供一種電路老化監測系統,用以監測待測電路。單一老化因子強化子電路輸出感測結果。類神經網路分類器電性連接單一老化因子強化子電路,類神經網路分類器包含可接收感測結果之類神經網路模型。單一老化因子強化震盪環陣列電性連接類神經網路分類器且包含複數單一老化因子強化震盪環,單一老化因子強化震盪環陣列透過此些單一老化因子強化震盪環產生學習註標。類神經網路模型依據感測結果及學習註標學習而優化,類神經網路分類器監測待測電路而產生老化訊號。藉此,透過影子樹與震盪環之共學習,可提升監測準確度。
Description
本發明是關於一種老化監測系統及其方法,特別是關於一種電路老化監測系統及其方法。
汽車電子為了提供整合性人工智慧系統以方便汽車之汽車安全、多媒體應用、物聯網應用及自動駕駛,需要一高速高容量的車用系統晶片,此車用系統晶片通常包含複數個以上不同等級的處理器,包含中央處理器(Central Processing Unit,CPU)、圖形處理器(Graphics Processing Unit,GPU)、張量處理器(Tensor Processing Unit,TPU)及輸入輸出處理器(Input Output Processor,IOP),也包含高容量高速記憶體、計算單元及微控制器,甚至也包含可以動態編程的場域可編程邏輯閘陣列(Field Programmable Gate Array,FPGA)。此車用系統晶片在車內高壓震動高噪音的嚴峻環境下,肩負起行車的安全,其可靠性需要有相當高的要求。
由於在晶片運行中的老化預測有一定的難度,目前的技術雖然能用神經網路協助系統晶片在線上為老化癥狀進行分群(Clustering),但是,分群的類別欠缺註標(Annotation),致使訓練學習緩慢,且所分類的群別與我們欲採取的緊急措施之價值觀很難正確應對,可能使得分類器研判為某一群應採取某一措施,但是電腦或系統並無法判讀此某一措施之作動細節。此外,當要分類的群別超過兩類時,便需要資料註標(Data Annotation)來監督學習。然而,個別的晶片有個別的歷程及特性,而且往往是在運行中的線上(即線,On Line),難以事先由人員進行註標。
由此可知,目前市場上缺乏一種可精準分類預警且可提供類神經網路分類器(Classifier)之監督式學習(Supervised Learning)的自我資料註標(Self Data Automation)以確保安全之電路老化監測系統及其方法,故相關業者均在尋求其解決之道。
因此,本發明之目的在於提供一種電路老化監測系統及其方法,其透過單一老化因子強化影子樹(Single-Aging Factor-Enhanced Shadow Trees,SAFEST)加速老化子電路與單一老化因子強化震盪環(Single-Aging Factor-Enhanced Rings,SAFER)之共學習,可提升監測準確度。再者,SAFEST加速老化子電路可單獨運行,能精準地分類預警,而SAFER可針對不同之單一老化因子設置犧牲元件(Victim Circuit),採用不同的電壓及週期,形成多維陣列,以指導類神經網路判定整體電路因老化所引發的響應。此外,高加速老化之SAFER可提供類神經網路分類器之監督式學習的自我學習註標,以確保安全。
依據本發明的結構態樣之一實施方式提供一種電路老化監測系統,其用以監測一待測電路。電路老化監測系統包含一單一老化因子強化子電路、一類神經網路分類器以及一單一老化因子強化震盪環陣列,其中單一老化因子強化子電路輸出一感測結果。類神經網路分類器電性連接單一老化因子強化子電路,類神經網路分類器包含一類神經網路模型,且類神經網路模型接收感測結果。再者,單一老化因子強化震盪環陣列電性連接類神經網路分類器且包含複數單一老化因子強化震盪環,單一老化因子強化震盪環陣列透過此些單一老化因子強化震盪環產生至少一學習註標並將此至少一學習註標傳送至類神經網路分類器。類神經網路模型依據感測結果及此至少一學習註標學習而優化,且類神經網路分類器監測待測電路而產生一老化訊號。
藉此,本發明之電路老化監測系統透過SAFEST加速老化子電路與SAFER之共學習,可提升監測準確度。再者,SAFEST加速老化子電路可單獨運行,能精準地分類預警,而SAFER可針對不同之單一老化因子設置犧牲元件,採用不同的電壓及週期,形成多維陣列,以指導類神經網路判定整體電路因老化所引發的響應。此外,高加速老化之SAFER可提供類神經網路分類器之監督式學習的自我學習註標,以確保安全。
前述實施方式之其他實施例如下:前述待測電路可受一第一電壓驅動,且單一老化因子強化子電路包含一影子樹子電路與一感測器。其中影子樹子電路受一第二電壓驅動,第二電壓大於第一電壓,且影子樹子電路的結構與待測電路的結構相同。感測器電性連接影子樹子電路,感測器感測影子樹子電路而產生感測結果。
前述實施方式之其他實施例如下:前述各單一老化因子強化震盪環可包含一非及閘、複數個犧牲元件及一計數器,其中非及閘具有二輸入端及一輸出端。此些犧牲元件彼此串接,此些犧牲元件之一者電性連接非及閘之輸出端,此些犧牲元件之另一者電性連接非及閘之二輸入端之一者。計數器電性連接此些犧牲元件之另一者並用以計數此些犧牲元件之另一者之一輸出訊號之一震盪次數。此些犧牲元件的數量為偶數,非及閘之二輸入端之另一者連接一加壓訊號,計數器受一計數訊號控制。
前述實施方式之其他實施例如下:前述單一老化因子強化震盪環之一者之一老化因子可為一負偏壓溫度不穩定性(Negative-Bias Temperature Instability,NBTI),且各犧牲元件包含一非或閘與一開關。非或閘包含一PMOS元件,非或閘受一第三電壓驅動,第三電壓大於第二電壓。開關電性連接非或閘。當開關切換至一受壓位置時,各犧牲元件之非或閘處於一受壓狀態,此些犧牲元件之複數個非或閘彼此獨立,且各犧牲元件之PMOS元件導通於第三電壓與一接地線之間。反之,當開關切換至一量測位置時,各犧牲元件之非或閘處於一量測狀態,非及閘、此些犧牲元件之複數個非或閘及複數個開關彼此串接而形成震盪,且計數器計數並輸出此些犧牲元件之另一者之輸出訊號之震盪次數。
前述實施方式之其他實施例如下:前述單一老化因子強化震盪環之一者之一老化因子可為一熱載子擊穿效應(Hot Carrier Injection,HCI),且各犧牲元件包含非閘,非閘受一第三電壓驅動,第三電壓大於第二電壓。非及閘及此些犧牲元件之此些非閘彼此串接而形成震盪,計數器計數並輸出此些犧牲元件之另一者之輸出訊號之震盪次數。
前述實施方式之其他實施例如下:前述單一老化因子強化震盪環之一者之老化因子可為金屬件之金屬疲勞癥候群(Fatigue),且各犧牲元件包含非閘、第一開關、金屬件及第二開關。非閘受第一電壓驅動。第一開關電性連接非閘。金屬件電性連接第一開關。第二開關電性連接金屬件。金屬件為矽穿孔、導線或焊點。當第一開關與第二開關同時切換至一受壓位置時,金屬件處於一受壓狀態,此些犧牲元件之複數個金屬件彼此獨立且導通於一第三電壓與一接地線之間。反之,當第一開關與第二開關同時切換至一量測位置時,非及閘、此些犧牲元件之複數個非閘、複數個第一開關、複數個金屬件及複數個第二開關彼此串接而形成震盪,且計數器計數並輸出此些犧牲元件之另一者之輸出訊號之震盪次數。
前述實施方式之其他實施例如下:前述單一老化因子強化震盪環陣列可更包含至少一選擇器,此至少一選擇器電性連接於此些單一老化因子強化震盪環及類神經網路分類器之間,此至少一選擇器選擇此些單一老化因子強化震盪環之一者之一震盪次數並將此震盪次數傳送至類神經網路分類器。
前述實施方式之其他實施例如下:前述類神經網路分類器判斷老化訊號而決定是否執行一緩和措施或一故障預警緊急措施。當老化訊號大於一預設門檻值時,對待測電路執行緩和措施;當老化訊號不符合一減緩狀況時,對待測電路執行故障預警緊急措施。
依據本發明的方法態樣之一實施方式提供一種電路老化監測方法,其用以監測一待測電路,電路老化監測方法包含以下步驟:一學習步驟、一挑選步驟以及一監測步驟。其中學習步驟係驅動一單一老化因子強化子電路輸出一感測結果,並驅動一單一老化因子強化震盪環陣列之複數單一老化因子強化震盪環產生至少一學習註標,藉以令一類神經網路分類器之一類神經網路模型依據感測結果及至少一學習註標學習而優化。挑選步驟係驅動類神經網路分類器判斷此些單一老化因子強化震盪環之一老化因子,並自對應此老化因子的此些單一老化因子強化震盪環之複數震盪次數中挑選出符合一預設震盪次數範圍之一者。此外,監測步驟包含一老化訊號產生步驟,老化訊號產生步驟係驅動類神經網路分類器依據此些單一老化因子強化震盪環之此些震盪次數中符合此預設震盪次數範圍之此者監測待測電路而產生一老化訊號。
藉此,本發明之電路老化監測方法能以安全保守的立場,在異常時能就研判類別做安全的緊急處置,並能在無法解決時,提出預警,由自駕改為手駕,甚或協助安全停車等候救援。
前述實施方式之其他實施例如下:前述監測步驟可更包含一第一老化訊號判斷步驟與一第二老化訊號判斷步驟。其中第一老化訊號判斷步驟係驅動類神經網路分類器判斷老化訊號是否大於一預設門檻值;當老化訊號小於等於預設門檻值時,重複執行老化訊號產生步驟;當老化訊號大於預設門檻值時,對待測電路執行一緩和措施。此外,第二老化訊號判斷步驟係驅動類神經網路分類器判斷老化訊號是否符合一減緩狀況;當老化訊號符合減緩狀況時,重複執行老化訊號產生步驟;當老化訊號不符合減緩狀況時,對待測電路執行一故障預警緊急措施。
以下將參照圖式說明本發明之複數個實施例。為明確說明起見,許多實務上的細節將在以下敘述中一併說明。然而,應瞭解到,這些實務上的細節不應用以限制本發明。也就是說,在本發明部分實施例中,這些實務上的細節是非必要的。此外,為簡化圖式起見,一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之;並且重複之元件將可能使用相同的編號表示之。
此外,本文中當某一元件(或單元或模組等)「連接」於另一元件,可指所述元件是直接連接於另一元件,亦可指某一元件是間接連接於另一元件,意即,有其他元件介於所述元件及另一元件之間。而當有明示某一元件是「直接連接」於另一元件時,才表示沒有其他元件介於所述元件及另一元件之間。而第一、第二、第三等用語只是用來描述不同元件,而對元件本身並無限制,因此,第一元件亦可改稱為第二元件。且本文中之元件/單元/電路之組合非此領域中之一般周知、常規或習知之組合,不能以元件/單元/電路本身是否為習知,來判定其組合關係是否容易被技術領域中之通常知識者輕易完成。
請參閱第1圖,第1圖係繪示本發明第一實施例的電路老化監測系統100的方塊示意圖。電路老化監測系統100用以監測一待測電路112,電路老化監測系統100包含一單一老化因子強化子電路110、一類神經網路分類器120以及一單一老化因子強化震盪環陣列130。
單一老化因子強化子電路110輸出一感測結果116。類神經網路分類器120電性連接單一老化因子強化子電路110,類神經網路分類器120包含一類神經網路模型121,且類神經網路模型121接收感測結果116。單一老化因子強化震盪環陣列130電性連接類神經網路分類器120且包含複數個單一老化因子強化震盪環131(Single-Aging Factor-Enhanced Rings,SAFER)。單一老化因子強化震盪環陣列130透過此些單一老化因子強化震盪環131產生至少一學習註標136並將至少一學習註標136傳送至類神經網路分類器120。類神經網路模型121依據感測結果116及至少一學習註標136學習而優化,且類神經網路分類器120監測待測電路112而產生一老化訊號。藉此,本發明的電路老化監測系統100透過單一老化因子強化影子樹(Single-Aging Factor-Enhanced Shadow Trees,SAFEST)加速老化子電路與SAFER之共學習,可提升監測準確度。此外,電路老化監測系統100適合應用在互補式金屬氧化物半導體(Complementary Metal-Oxide-Semiconductor,CMOS)積體電路之系統晶片中,可做為老化故障預警或分類之用。以下將透過較詳細的實施例來說明上述各步驟之細節。
請一併參閱第1圖與第2圖,其中第2圖係繪示第1圖之電路老化監測系統100的單一老化因子強化震盪環131之示意圖。如圖所示,電路老化監測系統100用以監測一待測電路112,電路老化監測系統100包含一單一老化因子強化子電路110、一類神經網路分類器120以及一單一老化因子強化震盪環陣列130。
單一老化因子強化子電路110包含複數輸入埠111、待測電路112、下一個待測電路113、影子樹子電路114及感測器115。輸入埠111電性連接待測電路112與影子樹子電路114。待測電路112受一第一電壓(即正常的工作電壓)驅動。下一個待測電路113電性連接待測電路112。影子樹子電路114電性連接輸入埠111並受一第二電壓驅動。第二電壓大於第一電壓,且影子樹子電路114的結構與待測電路112的結構相同。感測器115電性連接影子樹子電路114,感測器115感測影子樹子電路114而產生感測結果116。本實施例之待測電路112與影子樹子電路114可為緩衝器,感測器115可為電壓感測器,但本發明不以此為限。另外值得一提的是,影子樹子電路114與感測器115可視為SAFEST加速老化子電路,其可單獨運行,能精準地分類預警。
類神經網路分類器120電性連接感測器115,類神經網路分類器120包含一類神經網路模型121,且類神經網路模型121接收感測結果116。具體而言,類神經網路分類器120包含輸入層、類神經網路模型121及輸出層,輸入層包含複數個輸入神經元122,輸出層包含複數個輸出神經元123,類神經網路模型121包含複數條連結線,此些連結線將輸入神經元122及輸出神經元123連結而形成類神經網路。連結線包含權重(weight)與偏置(bias)。類神經網路分類器120監測待測電路112而產生一老化訊號。
單一老化因子強化震盪環陣列130電性連接類神經網路分類器120且包含複數個單一老化因子強化震盪環131及複數個選擇器135。單一老化因子強化震盪環陣列130透過單一老化因子強化震盪環131產生複數個學習註標136(Annotation)並將複數個學習註標136傳送至類神經網路分類器120。具體而言,類神經網路分類器120可為監督式學習(Supervised Learning),類神經網路分類器120之輸出神經元123接收來自單一老化因子強化震盪環陣列130之學習註標136,令類神經網路模型121透過學習註標136加以訓練;換言之,類神經網路模型121依據感測結果116及學習註標136學習而優化,可確保安全。此外,選擇器135電性連接於同一列之複數個單一老化因子強化震盪環131及類神經網路分類器120之間。選擇器135選擇同一列之此些單一老化因子強化震盪環131之一者之震盪次數並將震盪次數傳送至類神經網路分類器120。震盪次數對應學習註標136。選擇器135可為多對一的多工器(Multiplexer)。
各單一老化因子強化震盪環131包含一非及閘132(NAND)、複數個犧牲元件133及計數器134,其中非及閘132具有二輸入端及一輸出端。複數個犧牲元件133彼此串接,此些犧牲元件133之一者(即第2圖中最左邊之犧牲元件133)電性連接非及閘132之輸出端,此些犧牲元件133之另一者(即第2圖中最右邊之犧牲元件133)電性連接非及閘132之二輸入端之一者而形成回授。計數器134為定時計數器,計數器134電性連接此些犧牲元件133之另一者並用以計數此些犧牲元件133之另一者之輸出訊號Vout之震盪次數(即第3圖、第4圖及第5圖中量測週期CP內之震盪次數)。此些犧牲元件133的數量為偶數。非及閘132之二輸入端之另一者連接一加壓訊號
,且加壓訊號
具有電壓加壓週期。計數器134受一計數訊號EN控制,且計數訊號EN具有量測週期CP。
請一併參閱第2圖至第5圖,其中第3圖係繪示第1圖之電路老化監測系統100的單一老化因子強化震盪環131於第一電壓加壓週期SP1與量測週期CP之時序圖;第4圖係繪示第1圖之電路老化監測系統100的單一老化因子強化震盪環131於第二電壓加壓週期SP2與量測週期CP之時序圖;及第5圖係繪示第1圖之電路老化監測系統100的單一老化因子強化震盪環131於第三電壓加壓週期SP3與量測週期CP之時序圖。如圖所示,第一電壓加壓週期SP1為4秒;第二電壓加壓週期SP2為16秒;第三電壓加壓週期SP3為64秒。由於不同之電壓加壓週期導致對應之單一老化因子強化震盪環131的老化程度不同,因此在固定之量測週期CP的條件下,計數器134所計數到的輸出訊號Vout之震盪次數會有所差異。
請一併參閱第2圖與第6圖,其中第6圖係繪示第1圖之電路老化監測系統100的單一老化因子強化震盪環131之第一種犧牲元件133之電路示意圖。單一老化因子強化震盪環131之一老化因子為一負偏壓溫度不穩定性(Negative-Bias Temperature Instability,NBTI),且各犧牲元件133包含一非或閘1332a(NOR)與一開關1334a。其中非或閘1332a包含一PMOS元件,非或閘1332a受一第三電壓V
DDH驅動,第三電壓V
DDH大於驅動影子樹子電路114之第二電壓。開關1334a電性連接非或閘1332a,且受一反加壓訊號
S控制而切換,反加壓訊號
S與加壓訊號
彼此相反。再者,當開關1334a切換至一受壓位置時(即開關1334a連接一接地線),各犧牲元件133之非或閘1332a處於一受壓狀態,此些犧牲元件133之複數個非或閘1332a彼此獨立,且各犧牲元件133之PMOS元件導通於第三電壓V
DDH與接地線之間。反之,當開關1334a切換至一量測位置時,各犧牲元件133之非或閘1332a處於一量測狀態。非及閘132、此些犧牲元件133之複數個非或閘1332a及複數個開關1334a彼此串接而形成震盪,且計數器134計數並輸出此些犧牲元件133之另一者之輸出訊號Vout之震盪次數。
請一併參閱第2圖與第7圖,其中第7圖係繪示第1圖之電路老化監測系統100的單一老化因子強化震盪環131之第二種犧牲元件133之電路示意圖。單一老化因子強化震盪環131之老化因子為熱載子擊穿效應(Hot Carrier Injection,HCI),且各犧牲元件133包含非閘1332b(NOT),此非閘1332b受第三電壓V
DDH驅動,第三電壓V
DDH大於第二電壓。非及閘132及此些犧牲元件133之複數個非閘1332b彼此串接而形成震盪,且計數器134計數並輸出此些犧牲元件133之另一者之輸出訊號Vout之震盪次數。
請一併參閱第2圖與第8圖,其中第8圖係繪示第1圖之電路老化監測系統100的單一老化因子強化震盪環131之第三種犧牲元件133之電路示意圖。單一老化因子強化震盪環131之老化因子為金屬件1336c之金屬疲勞癥候群(Fatigue),且各犧牲元件133包含非閘1332c、第一開關1334c、金屬件1336c及第二開關1338c。其中非閘1332c受第一電壓驅動。第一開關1334c電性連接非閘1332c。金屬件1336c電性連接第一開關1334c。第二開關1338c電性連接金屬件1336c。金屬件1336c為靠近高溫區之矽穿孔(Through Silicon Via,TSV)、導線或焊點。此外,當第一開關1334c與第二開關1338c同時切換至一受壓位置時(即開關1334a連接一接地線,且第二開關1338c連接第三電壓V
DDH),金屬件1336c處於一受壓狀態,此些犧牲元件133之複數個金屬件1336c彼此獨立且導通於第三電壓V
DDH與接地線之間。反之,當第一開關1334c與第二開關1338c同時切換至一量測位置時,非及閘132、此些犧牲元件133之複數個非閘1332c、複數個第一開關1334c、複數個金屬件1336c及複數個第二開關1338c彼此串接而形成震盪,且計數器134計數並輸出此些犧牲元件133之另一者之輸出訊號Vout之震盪次數。
藉此,本發明之電路老化監測系統100透過SAFEST加速老化子電路與SAFER之共學習,可提升監測準確度。再者,SAFER可針對不同之單一老化因子設置犧牲元件133,採用不同的電壓及週期,形成多維陣列,以指導類神經網路判定整體電路因老化所引發的響應。此外,高加速老化之SAFER可提供類神經網路分類器120之監督式學習的自我學習註標136,以確保安全。
請一併參閱第1圖與第9圖,其中第9圖係繪示本發明第二實施例的電路老化監測方法200的流程示意圖。電路老化監測方法200用以監測一待測電路112且包含學習步驟210、挑選步驟220以及監測步驟230。
學習步驟210係驅動單一老化因子強化子電路110輸出一感測結果116,並驅動單一老化因子強化震盪環陣列130之複數單一老化因子強化震盪環131產生至少一學習註標136,藉以令類神經網路分類器120之類神經網路模型121依據感測結果116及至少一學習註標136學習而優化。
挑選步驟220係驅動類神經網路分類器120判斷此些單一老化因子強化震盪環131之老化因子,並自對應老化因子的此些單一老化因子強化震盪環131之複數個震盪次數中挑選出符合預設震盪次數範圍之一者。其中預設震盪次數範圍代表響應可測之範圍,響應對應震盪次數之變化,高響應代表震盪次數有高變化,震盪次數對應學習註標136。而預設震盪次數範圍之一者代表響應可測但較小者,亦即代表電路進入初期之老化程度。
監測步驟230係實行監測電路並提供老化之預警,監測步驟230包含老化訊號產生步驟231、第一老化訊號判斷步驟232及第二老化訊號判斷步驟234。其中老化訊號產生步驟231係驅動類神經網路分類器120依據此些單一老化因子強化震盪環131之複數個震盪次數中符合預設震盪次數範圍之一者監測待測電路112而產生一老化訊號,可提升監測準確度。再者,第一老化訊號判斷步驟232係驅動類神經網路分類器120判斷老化訊號是否大於一預設門檻值。當老化訊號小於等於預設門檻值時,重複執行老化訊號產生步驟231;反之,當老化訊號大於預設門檻值時,對待測電路112執行一緩和措施233。緩和措施233係讓小部分電路不運作或減少運作,例如:減少非必要之應用程式APP、降壓、增壓、降溫或切換替代處理器之措施,本發明不以此為限。此外,第二老化訊號判斷步驟234係驅動類神經網路分類器120判斷老化訊號是否符合一減緩狀況。當老化訊號符合減緩狀況時,重複執行老化訊號產生步驟231;反之,當老化訊號不符合減緩狀況時,對待測電路112執行一故障預警緊急措施235。故障預警緊急措施235係讓大部分或全部電路不運作或減少運作,例如:自駕改手駕、停車等待救援之措施,本發明不以此為限。
藉此,本發明之電路老化監測方法200能以安全保守的立場,在異常時能就研判類別做安全的緊急處置,並能在無法解決時,提出預警,由自駕改為手駕,甚或協助安全停車等候救援。
由上述實施方式可知,本發明具有下列優點:其一,透過SAFEST加速老化子電路與SAFER之共學習,可提升監測準確度。再者,SAFEST加速老化子電路可單獨運行,能精準地分類預警,而SAFER可針對不同之單一老化因子設置犧牲元件,採用不同的電壓及週期,形成多維陣列,以指導類神經網路判定整體電路因老化所引發的響應。此外,高加速老化之SAFER可提供類神經網路分類器之監督式學習的自我學習註標,以確保安全。其二,能以安全保守的立場,在異常時能就研判類別做安全的緊急處置,並能在無法解決時,提出預警,由自駕改為手駕,甚或協助安全停車等候救援。其三,適合應用在CMOS積體電路之系統晶片中,可做為老化故障預警或分類之用。其四,在類神經網路分類器訓練成熟後,由於低速老化的SAFEST加速老化子電路與待測電路有完全相同之操作歷程,具有高相關性(Correlation),其準確度才有監測之意義和價值。因此,本發明選擇適當程度且具高加速老化之SAFER來加入研判。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100:電路老化監測系統
110:單一老化因子強化子電路
111:輸入埠
112:待測電路
113:下一個待測電路
114:影子樹子電路
115:感測器
116:感測結果
120:類神經網路分類器
121:類神經網路模型
122:輸入神經元
123:輸出神經元
130:單一老化因子強化震盪環陣列
131:單一老化因子強化震盪環
132:非及閘
133:犧牲元件
1332a:非或閘
1334a:開關
1332b:非閘
1332c:非閘
1334c:第一開關
1336c:金屬件
1338c:第二開關
134:計數器
135:選擇器
136:學習註標
200:電路老化監測方法
210:學習步驟
220:挑選步驟
230:監測步驟
231:老化訊號產生步驟
232:第一老化訊號判斷步驟
233:緩和措施
234:第二老化訊號判斷步驟
235:故障預警緊急措施
CP:量測週期
EN:計數訊號
:加壓訊號
S:反加壓訊號
SP1:第一電壓加壓週期
SP2:第二電壓加壓週期
SP3:第三電壓加壓週期
Vout:輸出訊號
V
DDH:第三電壓
第1圖係繪示本發明第一實施例的電路老化監測系統的方塊示意圖;
第2圖係繪示第1圖之電路老化監測系統的單一老化因子強化震盪環之示意圖;
第3圖係繪示第1圖之電路老化監測系統的單一老化因子強化震盪環於第一電壓加壓週期與量測週期之時序圖;
第4圖係繪示第1圖之電路老化監測系統的單一老化因子強化震盪環於第二電壓加壓週期與量測週期之時序圖;
第5圖係繪示第1圖之電路老化監測系統的單一老化因子強化震盪環於第三電壓加壓週期與量測週期之時序圖;
第6圖係繪示第1圖之電路老化監測系統的單一老化因子強化震盪環之第一種犧牲元件之電路示意圖;
第7圖係繪示第1圖之電路老化監測系統的單一老化因子強化震盪環之第二種犧牲元件之電路示意圖;
第8圖係繪示第1圖之電路老化監測系統的單一老化因子強化震盪環之第三種犧牲元件之電路示意圖;以及
第9圖係繪示本發明第二實施例的電路老化監測方法的流程示意圖。
100:電路老化監測系統
110:單一老化因子強化子電路
111:輸入埠
112:待測電路
113:下一個待測電路
114:影子樹子電路
115:感測器
116:感測結果
120:類神經網路分類器
121:類神經網路模型
122:輸入神經元
123:輸出神經元
130:單一老化因子強化震盪環陣列
131:單一老化因子強化震盪環
135:選擇器
136:學習註標
Claims (9)
- 一種電路老化監測系統,用以監測一待測電路,該電路老化監測系統包含:一單一老化因子強化子電路,輸出一感測結果;一類神經網路分類器,電性連接該單一老化因子強化子電路,該類神經網路分類器包含一類神經網路模型,且該類神經網路模型接收該感測結果;以及一單一老化因子強化震盪環陣列,電性連接該類神經網路分類器且包含複數單一老化因子強化震盪環,該單一老化因子強化震盪環陣列透過該些單一老化因子強化震盪環產生至少一學習註標並將該至少一學習註標傳送至該類神經網路分類器;其中,該類神經網路模型依據該感測結果及該至少一學習註標學習而優化,且該類神經網路分類器監測該待測電路而產生一老化訊號。
- 如請求項1所述之電路老化監測系統,其中該待測電路受一第一電壓驅動,且該單一老化因子強化子電路包含:一影子樹子電路,受一第二電壓驅動,該第二電壓大於該第一電壓,且該影子樹子電路的結構與該待測電路的結構相同;及一感測器,電性連接該影子樹子電路,該感測器感測該影子樹子電路而產生該感測結果。
- 如請求項2所述之電路老化監測系統,其中各該單一老化因子強化震盪環包含:一非及閘,具有二輸入端及一輸出端;複數犧牲元件,彼此串接,該些犧牲元件之一者電性連接該非及閘之該輸出端,該些犧牲元件之另一者電性連接該非及閘之該二輸入端之一者;及一計數器,電性連接該些犧牲元件之該另一者並用以計數該些犧牲元件之該另一者之一輸出訊號之一震盪次數;其中,該些犧牲元件的數量為偶數,該非及閘之該二輸入端之另一者連接一加壓訊號,該計數器受一計數訊號控制。
- 如請求項3所述之電路老化監測系統,其中該些單一老化因子強化震盪環之一者之一老化因子為一負偏壓溫度不穩定性(Negative-Bias Temperature Instability,NBTI),且各該犧牲元件包含:一非或閘,包含一PMOS元件,該非或閘受一第三電壓驅動,該第三電壓大於該第二電壓;及一開關,電性連接該非或閘;其中,當該開關切換至一受壓位置時,各該犧牲元件之該非或閘處於一受壓狀態,該些犧牲元件之複數該非或閘彼此獨立,且各該犧牲元件之該PMOS元件導通於該第三電壓與一接地線之間;其中,當該開關切換至一量測位置時,各該犧牲元件之 該非或閘處於一量測狀態,該非及閘、該些犧牲元件之複數該非或閘及複數該開關彼此串接而形成震盪,且該計數器計數並輸出該些犧牲元件之該另一者之該輸出訊號之該震盪次數。
- 如請求項3所述之電路老化監測系統,其中該些單一老化因子強化震盪環之一者之一老化因子為一熱載子擊穿效應(Hot Carrier Injection,HCI),且各該犧牲元件包含:一非閘,受一第三電壓驅動,該第三電壓大於該第二電壓;其中,該非及閘及該些犧牲元件之複數該非閘彼此串接而形成震盪,且該計數器計數並輸出該些犧牲元件之該另一者之該輸出訊號之該震盪次數。
- 如請求項3所述之電路老化監測系統,其中該些單一老化因子強化震盪環之一者之一老化因子為一金屬件之一金屬疲勞癥候群(Fatigue),且各該犧牲元件包含:一非閘,受該第一電壓驅動;一第一開關,電性連接該非閘;該金屬件,電性連接該第一開關;及一第二開關,電性連接該金屬件;其中,該金屬件為一矽穿孔、一導線或一焊點; 其中,當該第一開關與該第二開關同時切換至一受壓位置時,該金屬件處於一受壓狀態,該些犧牲元件之複數該金屬件彼此獨立且導通於一第三電壓與一接地線之間;其中,當該第一開關與該第二開關同時切換至一量測位置時,該非及閘、該些犧牲元件之複數該非閘、複數該第一開關、複數該金屬件及複數該第二開關彼此串接而形成震盪,且該計數器計數並輸出該些犧牲元件之該另一者之該輸出訊號之該震盪次數。
- 如請求項1所述之電路老化監測系統,其中該類神經網路分類器判斷該老化訊號而決定是否執行一緩和措施或一故障預警緊急措施;其中,當該老化訊號大於一預設門檻值時,對該待測電路執行該緩和措施;其中,當該老化訊號不符合一減緩狀況時,對該待測電路執行該故障預警緊急措施。
- 一種電路老化監測方法,用以監測一待測電路,該電路老化監測方法包含以下步驟:一學習步驟,係驅動一單一老化因子強化子電路輸出一感測結果,並驅動一單一老化因子強化震盪環陣列之複數單一老化因子強化震盪環產生至少一學習註標,藉以令一類神經網路分類器之一類神經網路模型依據該感測結果及該至少一學習註標學習而優化; 一挑選步驟,係驅動該類神經網路分類器判斷該些單一老化因子強化震盪環之一老化因子,並自對應該老化因子的該些單一老化因子強化震盪環之複數震盪次數中挑選出符合一預設震盪次數範圍之一者;以及一監測步驟,包含:一老化訊號產生步驟,係驅動該類神經網路分類器依據該些單一老化因子強化震盪環之該些震盪次數中符合該預設震盪次數範圍之該者監測該待測電路而產生一老化訊號。
- 如請求項8所述之電路老化監測方法,其中該監測步驟更包含:一第一老化訊號判斷步驟,係驅動該類神經網路分類器判斷該老化訊號是否大於一預設門檻值;當該老化訊號小於等於該預設門檻值時,重複執行該老化訊號產生步驟;當該老化訊號大於該預設門檻值時,對該待測電路執行一緩和措施;及一第二老化訊號判斷步驟,係驅動該類神經網路分類器判斷該老化訊號是否符合一減緩狀況;當該老化訊號符合該減緩狀況時,重複執行該老化訊號產生步驟;當該老化訊號不符合該減緩狀況時,對該待測電路執行一故障預警緊急措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109138488A TWI768532B (zh) | 2020-11-04 | 2020-11-04 | 電路老化監測系統及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109138488A TWI768532B (zh) | 2020-11-04 | 2020-11-04 | 電路老化監測系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202219769A TW202219769A (zh) | 2022-05-16 |
TWI768532B true TWI768532B (zh) | 2022-06-21 |
Family
ID=82558895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109138488A TWI768532B (zh) | 2020-11-04 | 2020-11-04 | 電路老化監測系統及其方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI768532B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140097856A1 (en) * | 2012-10-05 | 2014-04-10 | Texas Instruments Incorporated | Circuit aging sensor |
TWI545900B (zh) * | 2013-02-11 | 2016-08-11 | 高通公司 | 使用基於環式振盪器之實體不可仿製功能及老化偵測電路之積體電路識別及可靠度驗證 |
TWI548886B (zh) * | 2014-04-18 | 2016-09-11 | 創意電子股份有限公司 | 老化偵測電路及其方法 |
CN106291322A (zh) * | 2016-08-08 | 2017-01-04 | 宁波大学 | 一种采用延迟放大结构的cmos电路老化传感器 |
TW201933155A (zh) * | 2017-11-08 | 2019-08-16 | 南韓商三星電子股份有限公司 | 對劣化電路的輸出進行模擬的電路模擬器、方法和系統 |
CN110456256A (zh) * | 2019-09-06 | 2019-11-15 | 电子科技大学 | 基于备份电路的原位老化传感器及老化监测方法 |
-
2020
- 2020-11-04 TW TW109138488A patent/TWI768532B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140097856A1 (en) * | 2012-10-05 | 2014-04-10 | Texas Instruments Incorporated | Circuit aging sensor |
TWI545900B (zh) * | 2013-02-11 | 2016-08-11 | 高通公司 | 使用基於環式振盪器之實體不可仿製功能及老化偵測電路之積體電路識別及可靠度驗證 |
TWI548886B (zh) * | 2014-04-18 | 2016-09-11 | 創意電子股份有限公司 | 老化偵測電路及其方法 |
CN106291322A (zh) * | 2016-08-08 | 2017-01-04 | 宁波大学 | 一种采用延迟放大结构的cmos电路老化传感器 |
TW201933155A (zh) * | 2017-11-08 | 2019-08-16 | 南韓商三星電子股份有限公司 | 對劣化電路的輸出進行模擬的電路模擬器、方法和系統 |
CN110456256A (zh) * | 2019-09-06 | 2019-11-15 | 电子科技大学 | 基于备份电路的原位老化传感器及老化监测方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202219769A (zh) | 2022-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11354465B2 (en) | Function safety and fault management modeling at electrical system level (ESL) | |
TWI663510B (zh) | 設備保養預測系統及其操作方法 | |
Xue et al. | PADRE: Physically-aware diagnostic resolution enhancement | |
Gómez et al. | A neural-network-based fault classifier | |
US10969424B2 (en) | Chip and performance monitoring method | |
CN111078456B (zh) | 设备故障诊断方法、装置、计算机可读存储介质和电子设备 | |
CN106292631A (zh) | 一种基于神经网络的pwm整流器故障诊断系统 | |
TWI768532B (zh) | 電路老化監測系統及其方法 | |
CN105760612A (zh) | 用于硅后芯片验证的断言检测装置、方法、系统、芯片 | |
Li et al. | A review of typical thermal fatigue failure models for solder joints of electronic components | |
Bhat et al. | Application of machine learning algorithms in prognostics and health monitoring of electronic systems: A review | |
CN103324890B (zh) | 对链接进行本地文件包含漏洞的检测方法和装置 | |
JP3884359B2 (ja) | 多目的設計最適化支援方法及び多目的設計最適化支援プログラム | |
Saberi et al. | Comparing performance and robustness of SVM and ANN for fault diagnosis in a centrifugal pump | |
Spyrou et al. | On-line testing of neuromorphic hardware | |
CN117763432A (zh) | 通讯故障预测方法、装置、设备及存储介质 | |
US20210182739A1 (en) | Ensemble learning model to identify conditions of electronic devices | |
JP2023052655A (ja) | 解析装置、解析方法および解析プログラム | |
US20220083414A1 (en) | Detection of degradation or an anomalous state across heterogenous internet-of-things devices using synthesized sensors | |
Luo et al. | A thermal-mechanical deformation based fault diagnosis method utilizing support vector machine algorithm for IGBT bonding wire crack detection | |
Chen et al. | A machine learning-based approach for failure prediction at cell level based on wafer acceptance test parameters | |
TWI710920B (zh) | 人工智慧技術估測產品良率的系統與方法 | |
Zhou et al. | Analog circuit fault diagnosis based on LVQ neural network | |
US8798944B2 (en) | Estimating ball-grid-array longevity in a computer system | |
Kaur et al. | Comparative Analysis of Power Efficiency in Heterogeneous CPU-GPU Processors |