用于工业物联网的预测系统技术方案

本文描述了用于在自主设备中实现传感器发现的系统、装置和方法。用于执行系统级验证预测的示例设备包括包含神经网络的神经网络电路。在第一阶段期间，神经网络电路用于使用与第一多个半导体管芯中的每一个相关联的相应组装级测试数据和系统级验证测试数据来训练神经网络。第一多个半导体管芯从多个训练晶片产生。在第二阶段期间，神经网络电路用于基于与第二多个半导体管芯中的每一个相关联的相应组装级测试数据来使用神经网络确定针对第二多个半导体管芯中的每一个的系统级通过/未通过决策。第二多个半导体管芯从多个生产晶片产生。

【技术实现步骤摘要】
【国外来华专利技术】用于工业物联网的预测系统优先权申请本申请要求2016年5月20日提交的第15/160,429号美国申请序列的优先权的权益，该申请通过引用整体结合于此。
技术介绍
一些制造过程可包括增量组装(例如，制作、构造等)和测试过程，以确保产品在整个组装过程中满足规格，并且允许在到达终端之前校正或移除未通过的产品。一旦组装好最终产品，可对最终产品进行最终系统级验证测试，以确保最终产品满足预期规格并按预期操作。然而，系统级测试可能是耗时且昂贵的，这可能导致生产量增加和成本的增加。附图说明在附图中(这些附图不一定是按比例绘制的)，相同的数字可以描述不同视图中的类似的组件。具有不同的字母后缀的相同的数字可以表示类似组件的不同实例。附图一般通过示例的方式而不是限制的方式来图示在本文档中所讨论的各实施例。图1例示出根据一些实施例的工业物联网(IoT)预测系统的组件。图2例示出根据一些实施例的工业物联网(IoT)预测系统的组件。图3例示出根据本公开的实施例的工业物联网(IoT)预测半导体管芯(die)制作系统(系统)300。图4例示出根据一些实施例的用于生成系统级验证预测的方法。图5例示出根据一些实施例的用于生成系统级验证预测的方法。图6是根据示例实施例的例示本文中所讨论的技术(例如，方法)中的任一种或多种可对其执行的示例机器的框图。具体实施方式以下阐述某些细节以提供对本公开实施例的充分理解。然而，将对本领域技术人员清楚的是，没有这些具体细节的各方面也可实施本公开的实施例。在一些实例中，未详细示出众所周知的电路、控制信号、定时协议、计算机系统组件以及软件操作，以便避免不必要地模糊本公开的所描述实施例。本文描述的工业物联网(IoT)预测验证系统的示例可允许使用预测引擎对终端产品进行预测验证。可训练预测引擎以预测哪些终端产品很可能通过系统级验证测试，以及哪些终端产品很可能未通过。可使用对于个体终端产品的来自预测引擎的预测来代替系统级测试以确定通过/未通过验证，这可降低生产成本并提高生产量。图1例示出根据本公开的实施例的工业物联网(IoT)预测系统(系统)100。系统100可涉及药物开发和制造、汽车/飞机组装和制造、消费者电子系统组装和制造、或其他制造或工业环境。系统100可包括预测电路170，该预测电路170被训练用于基于来自制造过程的测试数据来预测终端产品是否将通过系统级验证测试。系统100可包括供给110，供给110被分成若干训练单元120和若干生产单元122。训练单元120和生产单元122可经由制造装备和测试器140而经历组装(例如，制作、构造等)和测试以提供相应的终端产品150。相应的终端产品150可被提供至系统级测试器160和预测电路170中的一者或两者，以确定终端产品150中的个体是否通过系统级验证测试。供给110可包括在用于生产终端产品150的制造过程中使用的任何材料、设备、组件、组装件等。供给110可被分成训练单元120和生产单元122。制造装备和测试器140可包括在用于提供多个终端产品150的制造过程期间使用的制造(例如，制作、组装、感测、构造等)装备。制造装备和测试器140可进一步包括当训练单元120和生产单元122转换成终端产品150时在制造过程中的指定点递增地测试训练单元120和生产单元122的测试器。制造装备和测试器140可包括允许制造装备和测试器140与彼此、系统级测试器160、预测电路170或其组合通信的收发机。在一些实施例中，测试器可与制造装备和测试器140的制造装备集成。系统级测试器160可对终端产品150执行系统级验证测试，以确定终端产品150中的一者是否满足设计规范。在第一阶段期间，可训练预测电路170以基于来自制造装备和测试器140的测试器的测试数据以及来自系统级测试器160的测试数据来预测终端产品150中的每一个是否将通过系统级验证测试。在第二阶段期间，预测电路170可被用于进行通过/未通过确定。在操作中，供给110可被分成训练单元120和生产单元122。在第一阶段(例如，训练阶段)期间，可使训练单元120通过制造装备和测试器140，并且可经由系统级测试器160测试所得终端产品150，以确定每个个体终端产品是否通过系统级验证测试。来自制造装备和测试器140以及系统级测试器160的测试数据可被用于训练预测电路170。在第二阶段(例如，测试阶段)期间，可使生产单元122通过制造装备和测试器140以提供所得终端产品150和所得测试数据。终端产品150中的每一个的所得测试数据可被提供至预测电路170，并且预测电路170可使用所得测试数据来确定终端产品150中的每个个体终端产品是否通过系统级验证测试。使用预测电路170确定通过/未通过信息而非执行系统级验证测试可降低制造成本和时间。在组装期间，训练单元120和生产单元122中的每一个可在其被转换成相应的终端产品150时经历组装级测试。在第一阶段期间，系统级测试器160可对来自训练单元120的终端产品150中的每一个执行系统级验证测试以确定通过或未通过信息。来自制造装备和测试器140的以及来自系统级测试器160的针对从训练单元120产生的终端产品150中的每一个的测试数据可被提供至预测电路170。预测电路170可使用来自制造装备和测试器140以及系统级测试器160中的每一个的测试数据来将预测模型训练成能够预测给定终端产品150是否很可能通过系统级验证测试。对用于第一阶段的训练单元120的选择可基于供给110内的每个单元的位置。例如，如果供给110是固体材料块(例如，锭)，则供给110的成分可在供给110内纵向地从一点到另一点略微变化。即，纵向地，一端可具有与中间部分略微不同的成分，中间部分可具有与第二端略微不同的成分。因此，可在沿供给110的纵向轴线的各个点处选择训练单元120，以帮助改进预测电路170的训练的稳健性。制造装备和测试器140可从训练单元120和生产单元122组装和测试终端产品150。组装可包括多个步骤，并且可包括添加其他材料130。当训练单元120和生产单元122中的每一个转换成终端产品150时，制造装备和测试器140的测试器可在某些组装点测试训练单元120和生产单元122的特性。制造装备和测试器140可包括用于将测试数据传送至预测电路170的收发机。在一些示例中，制造装备和测试器140可进一步将其他遥测数据(诸如，环境数据或装备健康数据)传送至预测电路170。预测电路170可在第一和第二阶段两者期间使用测试数据、遥测数据或其组合。制造装备和测试器140可进一步于组装过程期间在彼此之间或与中央计算机通信遥测。遥测数据的通信可被用于在组装期间影响对制造装备或测试器的改变，诸如中央计算机或服务器改变制造装备、测试器、系统级测试器160、预测电路170或其组合中的一个或多个设置。在一些示例中，预测电路170可被包括在中央计算机或服务器中。在第一阶段期间，系统级测试器160可对从训练单元120产生的终端产品150执行系统级验证测试以做出通过/未通过确定。来自系统级测试器160的通过/未通过确定可被提供至预测电路170。预测电路170可使用来自制造装备和测试器140的测试和/或其他遥测数据连同来自系统级测试器160的测试数据来训练预本文档来自技高网...

【技术保护点】
1.一种用于执行系统级验证预测的设备，包括：包括神经网络的预测电路，所述预测电路用于：在第一阶段期间：接收与第一多个终端产品中的每一个相关联的相应组装级测试数据和相应系统级验证测试数据，所述第一多个终端产品从多个训练单元产生；以及使用与所述第一多个终端产品中的每一个相关联的所述相应组装级测试数据和所述系统级验证测试数据来训练所述神经网络；以及在第二阶段期间：接收与第二多个终端产品中的每一个相关联的相应组装级测试数据，所述第二多个终端产品从多个生产单元产生；以及基于所述相应组装级测试数据来使用所述神经网络确定针对所述第二多个终端产品中的每一个的系统级通过/未通过决策。

【技术特征摘要】
【国外来华专利技术】2016.05.20 US 15/160,4291.一种用于执行系统级验证预测的设备，包括：包括神经网络的预测电路，所述预测电路用于：在第一阶段期间：接收与第一多个终端产品中的每一个相关联的相应组装级测试数据和相应系统级验证测试数据，所述第一多个终端产品从多个训练单元产生；以及使用与所述第一多个终端产品中的每一个相关联的所述相应组装级测试数据和所述系统级验证测试数据来训练所述神经网络；以及在第二阶段期间：接收与第二多个终端产品中的每一个相关联的相应组装级测试数据，所述第二多个终端产品从多个生产单元产生；以及基于所述相应组装级测试数据来使用所述神经网络确定针对所述第二多个终端产品中的每一个的系统级通过/未通过决策。2.如权利要求1所述的设备，进一步包括收发机，所述收发机用于接收与所述第一多个终端产品中的每一个相关联的所述相应组装级测试数据以及与所述第二多个终端产品中的每一个相关联的所述相应组装级测试数据。3.如权利要求2所述的设备，其特征在于，所述收发机与多个测试器通信以接收与所述第一多个终端产品中的每一个相关联的所述相应组装级测试数据以及与所述第二多个终端产品中的每一个相关联的所述相应组装级测试数据。4.如权利要求2所述的设备，其特征在于，所述收发机进一步用于接收与所述第一多个终端产品中的每一个相关联的所述相应系统级测试数据。5.如权利要求1所述的设备，其特征在于，所述预测电路进一步用于从测试器接收遥测数据，其中对所述神经网络的训练进一步使用所述遥测数据。6.如权利要求5所述的设备，其特征在于，所述遥测数据包括环境数据或测试器健康数据。7.如权利要求1所述的设备，其特征在于，在所述第二阶段期间，所述预测电路进一步用于：接收与第三多个终端产品中的每一个相关联的相应组装级测试数据和相应系统级验证测试数据，所述第三多个终端产品从所述多个生产单元产生；以及使用与所述第三多个终端产品中的每一个相关联的所述相应组装级测试数据和所述系统级验证测试数据来进一步训练所述神经网络。8.如权利要求1所述的设备，其特征在于，所述多个训练单元和所述多个生产单元是从公共供给划分的。9.一种用于执行系统级验证预测的设备，包括：包括神经网络的神经网络电路，其中，在第一阶段期间，所述神经网络电路用于使用与第一多个半导体管芯中的每一个相关联的相应组装级测试数据和所述系统级验证测试数据来训练所述神经网络，所述第一多个半导体管芯从多个训练晶片产生，其中，在第二阶段期间，所述神经网络电路用于基于与第二多个半导体管芯中的每一个相关联的相应组装级测试数据来使用所述神经网络确定针对所述第二多个半导体管芯中的每一个的系统级通过/未通过决策，所述第二多个半导体管芯从多个生产晶片产生。10.如权利要求9所述的设备，其特征在于，在所述第二阶段期间，所述神经网络电路进一步用于使用与第三多个半导体管芯中的每一个相关联的所述相应组装级测试数据和所述系统级验证测试数据来训练所述神经网络，所述第三多个半导体管芯从所述多个生产晶片中的每一个产生。11.如权利要求9所述的设备，其特征在于，所述第三多个半导体管芯从所述多个生产晶片中的每一个上的指定位置产生。12.如权利要求9所述的设备，...

【专利技术属性】
技术研发人员：S·辛贾，S·阿加瓦尔，M·B·耶尔腾，C·L·泰斯，T·K·简扎克，S·C·约翰逊，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：美国,US