基于FMECA和CARMES的飛騰通用模塊失效模式分析

王宇峰，史曉

（中國(guó)電子科技集團(tuán)公司第五十二研究所，浙江杭州 310012）

受美國(guó)貿(mào)易戰(zhàn)影響，進(jìn)口處理器的供應(yīng)已受到嚴(yán)重制約，迫使國(guó)家加速對(duì)國(guó)產(chǎn)處理器的自主研究。目前，國(guó)內(nèi)已經(jīng)形成了飛騰、龍芯、申威、兆芯等具有代表性的自主研制處理器[1-3]。

以國(guó)產(chǎn)處理器為基礎(chǔ)的產(chǎn)品，例如工控防火墻[4]、無(wú)線氣象采集系統(tǒng)[5]、計(jì)算機(jī)圖形顯示系統(tǒng)[6]等，已逐步應(yīng)用于國(guó)防、軍事、工業(yè)、航天等重要領(lǐng)域，但是對(duì)其可靠性問(wèn)題的研究相對(duì)較少。文獻(xiàn)[1]對(duì)某型國(guó)產(chǎn)處理器的可靠性環(huán)境試驗(yàn)方法與試驗(yàn)分析開展了研究，文獻(xiàn)[7]針對(duì)龍芯計(jì)算機(jī)內(nèi)存出錯(cuò)等常見故障，提出了故障診斷和可靠性增強(qiáng)方法。文中采用FMECA 方法，對(duì)飛騰最小系統(tǒng)通用模塊開展分析，并結(jié)合實(shí)際故障統(tǒng)計(jì)數(shù)據(jù)，歸納總結(jié)出飛騰通用模塊中危害性較高的元器件，并提出相應(yīng)的設(shè)計(jì)改進(jìn)措施，為模塊可靠性設(shè)計(jì)工作提供指導(dǎo)意見。

1 飛騰通用模塊設(shè)計(jì)

FT1500A/16處理器具備高性能、低功耗特點(diǎn)[8-9]。文中基于FT1500A/16 處理器，從飛騰最小系統(tǒng)出發(fā)，設(shè)計(jì)一款飛騰通用模塊，可作為通用產(chǎn)品與其他板卡搭配使用，實(shí)現(xiàn)數(shù)據(jù)處理控制功能，具備模塊化、通用化特點(diǎn)，靈活度高，結(jié)構(gòu)獨(dú)立、裝拆方便，維修簡(jiǎn)易。飛騰通用模塊實(shí)物如圖1 所示。

圖1 飛騰通用模塊實(shí)物圖

飛騰通用模塊硬件設(shè)計(jì)說(shuō)明如下。

1）內(nèi) 存：FT1500A/16 處理器集成4 個(gè)DDR3 存儲(chǔ)控制器。模塊設(shè)計(jì)時(shí)單個(gè)存儲(chǔ)通道擴(kuò)展為9 片內(nèi)存芯片（8+1 片，其中1 片作為ECC 使用）。

2）電源：模塊采用典型12 V 電源輸入，在板內(nèi)實(shí)現(xiàn)電源轉(zhuǎn)換。3）時(shí)鐘：FT1500A/16處理器的參考時(shí)鐘為50 MHz。4）復(fù)位：分為上電復(fù)位和熱復(fù)位，兩種復(fù)位信號(hào)上拉后，與外部控制器互連，低電平有效。

5）外設(shè)：FT1500A/16 包含豐富的外設(shè)，該模塊設(shè)計(jì)對(duì)扣插座，實(shí)現(xiàn)與其他板卡的信號(hào)輸出和互聯(lián)，設(shè)計(jì)各接口用途功能如下。

①2 路UART：一路為應(yīng)用串口，一路默認(rèn)調(diào)試串口；

②2路I2C：根據(jù)需要設(shè)計(jì)，該模塊目前設(shè)計(jì)使用1路，用作RTC 時(shí)鐘數(shù)據(jù)通信；

③PCIE：分為PCIE0 與PCIE1，使用時(shí)均按照X8使用，其中PCIE1[0:7]接口通過(guò)PCIE 轉(zhuǎn)SATA 接口芯片掛接系統(tǒng)盤；

④LPC：掛接LPC 設(shè)備；

⑤GPIO：使用FT1500A/16 處理器中B5、B6 引腳，用于系統(tǒng)關(guān)機(jī)/重啟指示；

⑥SPI：用于啟動(dòng)加載片外固件。

2 飛騰通用模塊FMECA

2.1 FMECA方法介紹

FMECA 方法是一種經(jīng)典通用的可靠性分析方法，已廣泛應(yīng)用于各行各業(yè)各類型產(chǎn)品上[10-12]。通過(guò)梳理產(chǎn)品故障模式，分析其故障原因及可能的影響，采用定性或定量的方法，識(shí)別產(chǎn)品薄弱環(huán)節(jié)，并進(jìn)行針對(duì)性改進(jìn)，從而保證或提高產(chǎn)品可靠性，同時(shí)可對(duì)測(cè)試性、維修性、保障性、安全性等通用質(zhì)量特性分析提供必要的輸入，為產(chǎn)品研制與維修決策提供有效信息[13-15]。

文中針對(duì)飛騰通用模塊，利用工業(yè)和信息化部電子第五研究所(廣五所)研發(fā)的CARMES 軟件對(duì)其開展硬件FMECA 工作，具體步驟如下所示。

1）系統(tǒng)定義，建立基本規(guī)則與假設(shè)；

2）按照約定層級(jí)建立模塊系統(tǒng)樹結(jié)構(gòu)；

3）自下而上開展FMECA 定性分析，填寫故障模式、故障原因、影響等；

4）開展可靠性預(yù)計(jì)工作，對(duì)元器件級(jí)進(jìn)行預(yù)計(jì)，并向上推導(dǎo)模塊級(jí)可靠性值；

5）關(guān)聯(lián)FMFCA 與可靠性預(yù)計(jì)值，進(jìn)行FMECA中的CA 工作；

6）分析FMECA 結(jié)果，識(shí)別薄弱環(huán)節(jié)，提出設(shè)計(jì)改進(jìn)建議。

2.2 基于CARMES的飛騰通用模塊FMECA分析

2.2.1 系統(tǒng)定義

依據(jù)原理圖、最小系統(tǒng)組成，將飛騰通用模塊功能電路劃分為電源管理電路、信號(hào)互聯(lián)電路、飛騰核心處理電路、DDR 存儲(chǔ)電路。其中電源管理電路實(shí)現(xiàn)模塊供電功能；信號(hào)互聯(lián)電路主要由接插件組成，負(fù)責(zé)通用模塊與外部板卡信號(hào)的互聯(lián)；以FT1500A/16 處理器為核心的飛騰核心處理電路能夠進(jìn)行外部數(shù)據(jù)的接收以及實(shí)現(xiàn)核心控制功能；DDR 存儲(chǔ)電路由板上的36 顆DDR 內(nèi)存顆粒及其外圍電路構(gòu)成，負(fù)責(zé)實(shí)現(xiàn)與CPU 之間的數(shù)據(jù)交換處理。依據(jù)以上描述，繪制其功能框圖，如圖2 所示，其基本可靠性模型為串聯(lián)模型。

圖2 飛騰通用模塊功能框圖

2.2.2 基本假設(shè)與約定

1）約定層次

該方案劃分其初始約定層次為飛騰通用模塊，最低約定層次為元器件級(jí)。

2）嚴(yán)酷度類別及定義

分析中采用的嚴(yán)酷度分級(jí)定義如表1 所示。

表1 嚴(yán)酷度類別表

2.2.3 分析結(jié)果

通過(guò)CARMES 軟件完成模塊的FMEA 分析與CA 分析，得到危害性矩陣圖與產(chǎn)品危害性較高的元器件，分別如下所示。

1）危害性矩陣圖

飛騰通用模塊危害性矩陣圖如圖3所示，圖中編號(hào)對(duì)應(yīng)的故障模式名稱如表2 所示。在危害性矩陣圖中，越靠近右上角的故障模式，表示其危害性越大，因此危害性最高的故障模式為全部功能失效，需重點(diǎn)關(guān)注。

表2 故障模式編號(hào)名稱

圖3 模塊危害性矩陣圖

2）元器件級(jí)產(chǎn)品危害性排序

對(duì)元器件級(jí)產(chǎn)品危害性排序，危害性較大的排名前10的元器件如表3 所示。

表3 元器件級(jí)產(chǎn)品危害性排序

2.2.4 設(shè)計(jì)改進(jìn)措施

針對(duì)飛騰通用模塊全部功能失效這一關(guān)鍵故障模式，分析其故障原因后，發(fā)現(xiàn)該故障模式主要由復(fù)位、電源、上電時(shí)序、DDR 數(shù)據(jù)、時(shí)鐘等故障導(dǎo)致，與此相關(guān)的元器件為DDR 芯片、飛騰處理器、接插件、電源芯片以及關(guān)鍵阻容，與危害性較高的元器件高度重合。綜上對(duì)于飛騰通用模塊，提出設(shè)計(jì)改進(jìn)措施建議，具體措施如下：

1）軟硬件設(shè)計(jì)方面

電源部分設(shè)計(jì)充分考慮了輸入和輸出保護(hù)，包括防浪涌設(shè)計(jì)、尖峰抑制、防反接保護(hù)、防倒灌設(shè)計(jì)等設(shè)計(jì)措施，同時(shí)對(duì)電路中的關(guān)鍵阻容感采取冗余設(shè)計(jì)；在信號(hào)互聯(lián)電路中，對(duì)于復(fù)位信號(hào)、電源使能信號(hào)與電源反饋信號(hào)等關(guān)鍵信號(hào)，接插件設(shè)計(jì)多點(diǎn)多線方式；對(duì)于飛騰核心電路中的關(guān)鍵阻容感，例如飛騰復(fù)位信號(hào)上拉電阻、PCIE1 與系統(tǒng)盤連接鏈路中的耦合電容、晶振供電濾波磁珠等，選用高等級(jí)器件，并采取冗余設(shè)計(jì)、降額設(shè)計(jì)等設(shè)計(jì)措施，提高其可靠性水平。

飛騰通用模塊軟件上增加ECC 校驗(yàn)，減少數(shù)據(jù)傳輸錯(cuò)誤，并增加心跳包信號(hào)，利用監(jiān)控電路檢查處理器是否正常工作。

另外，基于飛騰處理器平臺(tái)，可以采用板級(jí)管理控制器（Baseboard Management Controller,BMC）[16]來(lái)實(shí)現(xiàn)電源控制、外掛設(shè)備等的管理，能夠?qū)δK內(nèi)電壓、溫度進(jìn)行監(jiān)控，同時(shí)通過(guò)BIOS 固件，對(duì)模塊進(jìn)行初步故障診斷。若內(nèi)存出現(xiàn)故障，通過(guò)BIOS 診斷程序可定位到哪顆內(nèi)存顆粒出現(xiàn)故障。

2）PCB 設(shè)計(jì)方面

在PCB 布局方面，飛騰等大功耗高熱流密度器件單獨(dú)放置于印制板的特定區(qū)域，且盡可能靠近模塊與機(jī)箱的導(dǎo)熱面；DDR 等普通功耗器件均布置在印制板正反面，有效利用印制板面積；電源模塊等熱敏感器件盡可能避讓大功耗器件布置。

PCB布線方面，對(duì)于DDR芯片，DDR數(shù)據(jù)線、DQS、DM做到同組同層，且組內(nèi)做等長(zhǎng)；DDR 地址及控制線、clk 走線遵循Fly-by 拓?fù)洌M內(nèi)做等長(zhǎng)；DDR所有走線都參考完整地平面，不跨分割走線。

將以上設(shè)計(jì)措施應(yīng)用于飛騰通用模塊，在設(shè)計(jì)階段對(duì)模塊較高風(fēng)險(xiǎn)的故障模式加以控制以降低其影響，對(duì)以飛騰通用模塊為基礎(chǔ)的產(chǎn)品使用反饋，產(chǎn)品在外場(chǎng)使用因飛騰通用模塊導(dǎo)致的故障情況比較少。

3 結(jié)論

文中針對(duì)以FT1500A/16 處理器為核心的飛騰通用模塊，基于CARMES 軟件，開展了FMECA 工作，通過(guò)定性定量分析，得到模塊危害性較大的故障模式，并統(tǒng)計(jì)出危害性較高的元器件清單。同時(shí)針對(duì)其故障原因，在軟硬件設(shè)計(jì)、PCB 設(shè)計(jì)等方面給出設(shè)計(jì)改進(jìn)措施，作為飛騰通用模塊電路優(yōu)化和元器件選擇的理論基礎(chǔ)，為其質(zhì)量和可靠性的提高提供寶貴經(jīng)驗(yàn)，在一定程度上提高了飛騰通用模塊的可靠性、測(cè)試性水平。

在國(guó)產(chǎn)處理器可靠性研究方面，例如測(cè)試性建模、熱振仿真、故障物理等方面，仍有很多工作有待于開展，通過(guò)對(duì)國(guó)產(chǎn)處理器的可靠性研究，可為提升國(guó)產(chǎn)處理器性能的可靠性水平提供依據(jù)。