产品中心

ca88测试测量5大领域 NI年度报告详解趋势

发布日期:2021-03-19 00:24

  在2018年的NI Days的前一天(11月13日),NI向包括电子发烧友在内的中国媒体发布了他们每年一度的报告《NI 趋势展望报告2019》。该报告探讨了他们对于2019年一些重要领域有关自动化测试和测量的趋势和挑战的看法。总的来讲,ca88这份报告涉及5个重要领域:1、5G的无线、开发过程标准化的趋势;4、借助物联网优化系统测试;5、多行业融合测试。图:NI市场营销副总裁John Pasquarette介绍NI年度报告的概况NI业务和技术首席研究员Charles Schroeder在这个领域的报告里指出,Ÿ5G带来广阔前景的同时,也使得测试日益复杂化,必须开发新的技术来测试5G设备,同时也需要成本更低的空口测试技术。5G标准将实现每用户10 Gbps的目标峰值速率,这需要引入新技术,比如MU-MIMO和毫米波(mmWave)技术。这俩个技术需要使用更多的天线元件。为了克服mmWave频率的信号衰减导致的损耗,5G发射器和接收器将利用并行工作的天线阵列,并使用波束成形技术来提升信号功率。而为了把这些天线封装到手机的小空间中,就需要采用新的封装技术,如集成天线封装(antenna in package,AiP,ca88!即天线阵列位于芯片的封装内),但天线阵列可能完全封闭,没有任何可直接接触的测试点。OTA技术可以解决5G多频率范围、新封装技术和更多的天线数量的高质量和低成本测试,但这也带来了挑战。图:5G采用空口(over-the-air,OTA)方法而不是当前使用的线G组件和设备。首先,测量精度是一大挑战。与有线测试不同,在进行OTA测量时,测试工程师需要处理天线校准和精度、连接件公差和信号反射等引起的额外测量不确定性;其次,设备测试计划必须纳入全新的测量方法,以进行消声室集成、波束特性分析、最佳码本计算和天线参数特性分;第三,随着RF带宽不断增加,在RF带宽上进行校准和测量所需的处理量也会增加,进而导致测试时间增加。最后,测试经理必须考虑额外的业务因素,以在确保产品质量的同时,最大限度地减少对上市时间、资本成本、运营成本和占地面积(以适应OTA测试暗室的面积)的影响。虽然OTA面临诸多挑战,但OTA测试提供了将阵列作为一个系统而不是一组独立元件进行测试的可能性,这有望提供系统级测试的高效率。NI汽车市场总监Jeff Phillip提供了这份报告。该报告认为,自动驾驶将挑战传感器冗余成本比率,以确保整体安全。软件定义的测试平台对于跟上处理器架构的发展至关重要。而随着自动驾驶的要求不断影响微处理器架构,半导体和汽车产业正在相互融合。ADAS是传感器、处理器和软件的融合,旨在提高安全性并最终提供自动驾驶功能。从驾驶辅助到L4或L5级别自主驾驶的转变让汽车行业面临着更加复杂的挑战。比如传感器融合技术,该技术需要同步、大功率处理以及传感器技术不断进步。2019年奥迪A8将是世界上第一辆提供L3级别自主驾驶技术的量产车。它配备了六个摄像头、五个雷达设备、一个激光雷达设备和12个超声波传感器。这就需要进行传感器融合,而冗余则是为了克服每个传感器的缺陷。另外,传感器数据处理要馈入决策算法,实现这一目标的最大挑战之一是选择合适的软件。以三个应用为例:紧密同步测量、维护数据可追溯性,以及在无数真实条件下对软件进行测试。ADAS的处理能力来自于多个独立的控制单元;但是传感器融合正在推动单个集中式处理器的普及。车辆所需的传感器、功能、电子硬件和软件架构会整合到一个中央系统中。这个中央驾驶辅助控制器会计算汽车周围环境的完整模型并激活所有辅助系统。这种集中式架构的主要问题是高功率处理的高成本,而且由于需要在汽车中的其他地方安装一个辅助融合控制器作为备用控制器来确保安全,这一成本就更加高了。随着控制器及其处理能力的发展,工程师的偏好可能会在分布式和集中式架构设计之间交替,这意味着软件定义的测试仪设计对于跟上这一演变至关重要。L5级别自动驾驶的要求不断影响微处理器架构,使得半导体和汽车产业正在相互融合。UBS估计雪佛兰Bolt电动动力系统的半导体器件要比同等内燃机汽车多6到10倍。这使得半导体公司调整了他们的产品策略,如NVIDIA已经改进了最初为消费电子产品开发的Tegra平台,以满足汽车ADAS应用的需求。另外,Denso已开始设计和制造自己的人工智能微处理器以降低成本和能耗,Denso的子公司NSITEXE Inc.计划在2022年发布一款数据流处理器,即下一代处理器IP,称为DFP。这些趋势使得通过软件实现灵活快速重新配置测试仪以最大限度地降低验证和生产测试成本和时间成为重要的方法。NI国防和航空航天市场总监Nicholas Butler就开发过程标准化趋势提供了这份报告。该报告认为开发标准化已经由早期的硬件抽象向软件转移,迭代式的软件开发流程可以更快地为客户提供更好的产品,所以测试组织必须采用标准化的迭代式软件开发方法,以保持竞争力。几十年来,标准化一直是测试组织的理想目标。标准模块化硬件平台可将电源、冷却和用户界面等冗余元件抽象为单个系统内的独立元素。而类似武器这样的系统具有的许多功能却来自于系统软件。这种从硬件功能向软件功能的转变正在迅速普及。现代仪器越来越多地包括处理器和FPGA等软件定义的组件。由于严苛的安全要求和快节奏的变化,现代测试工程团队必须开始采用和标准化迭代式软件开发方法,以跟上产品开发团队的步伐以及在快速现代化的行业中维持项目进度。与抽象化的硬件相比,抽象化软件平台包括执行特定功能的层。这允许团队单独修复和升级每个模块,同时通过保持相同的输入和输出来隔离其他层。但要满足新产品和功能,仅仅正确构建测试软件架构是远远不够的。测试软件组织必须采用更灵活的方法来更快速地向制造部门和客户交付产品。为了提供所有所需的功能,现代软件工程团队开始采用Agile等连续迭代式软件开发方法,该方法能够快速连续地捕获错误,轻松集成新代码,并在整个应用程序开发过程中获得用户反馈。迭代式软件开发与硬件平台和软件架构抽象类似,还包含共享和重复的概念和任务。迭代式开发是加速技术开发的一种可靠方法。虽然测试工程团队一直专注于硬件标准化和分层软件架构,但研发组织已经将焦点转向迭代式产品开发。标准化的各个方面对于测试组织都是非常重要而且有价值的,但标准化流程也必须进行完善,以便配合当今的工程做法。NI业务和技术首席研究员Mike Santori在这份报告里提出,IoT和IIoT使得测试日益复杂化,但可以利用智能机器,物联网(IoT)设备和工业物联网(IIoT)系统正变得越来越复杂,这种复杂化又增加了测试的复杂性。但同时物联网还可以大大增强自动化测试的工作效率。将系统管理、数据管理、可视化和分析以及应用程序支持等物联网功能应用于自动化测试工作流程,可以帮助测试工程师更轻松地应对物联网的挑战。物联网的海量数据不同的格式和来源,使得有效利用测试数据变得非常困难,从时域和频域的原始模拟和数字波形到参数测量等数据通常以远高于消费者或工业设备的速度和数量进行采集。另外,测试数据通常存储在没有标准化的“孤岛”(silos)中。比如在部署全面的基于物联网的数据管理解决方案之前,捷豹路虎(JLR)仅分析了10%的车辆测试数据。要将IoT功能应用于自动化测试数据,首先需要一套即用型的软件适配器,用于接入标准数据格式。这些适配器必须基于开放的文档化架构,以便能够接收新的和唯一的数据,包括来自设计和生产的非测试数据。测试系统必须能够与标准IoT和IIoT平台共享其数据,以从企业级数据中提取有用信息。更高级别的测试管理是从本地测试设备迁移到云端部署。基于网络的工具可用于查看测试设备的状态、安排测试时间以及检查推送到云或服务器的测试数据。更高级别的管理功能补充了使用NI LabVIEW、言、NI TestStand和Python等常用工具构建的现有测试系统。模块化测试软件架构(测试管理、测试代码、测量IP、仪器驱动程序、硬件抽象层)使用户能够评估将不同软件功能从本地移动到服务器或云端的价值。随着越来越多的测试软件栈迁移到云端部署,用户将意识到在云端计算存储的数据、可扩展计算以及随时随地轻松访问软件和数据等方面所带来的优势。NI自动化测试副总裁Luke Schreier在报告中指出,技术和流程正在跨越行业边界线,给测试领导者带来挑战的同时,也带来新机遇。基于封闭式专用方法构建的测试策略无法跟上时代脚步,反而使组织面临风险。与多个行业公司合作可以为组织提供所需的新视角,及时调整其测试组织架构。行业融合是组织发展最根本的机会,在测试中,基于平台的供应商会增加处理器或模数转换器等与行业无关的投资,以便以更低的价格向所有行业提供更优质的产品。当投资到测试硬件、软件或服务时,与单一行业选项不同的是,多行业解决方案可以最大化技术的利用率。尽管融合的趋势仍有望继续上升,但对于测试经理来说,行业融合增加了测试复杂性,需要更具适应性的测试平台和更灵活的组织。随着行业之间开始互相利用彼此的技术,它们需要对这些新技术领域进行测试并具备相关的专业知识。例如,汽车混合动力系统现在需要能够测试控制、机械、热力学、电子、软件甚至电池化学的系统。如果测试系统是构建在不灵活的封闭式专用平台之上,那么即使在几年前的测试系统,也早就已经过时了。因此,测试系统应具备能够支持多种I/O类型、编程语言和不同供应商的开放式和模块化硬件和软件,以及清晰定义的API和互操作性标准。图:STS半导体测试系统架构具有灵活性和成本优势,并且从实验室到产线的数据都可以复用。