技術頻道

在電信網路中，與射頻(Radio Frequency, RF)訊號混合期間，從本機振盪器(Local Oscillator)和放大器的電源注入到中頻(Intermediate Frequency, IF)的低頻雜訊的增頻與變頻導致中頻的兩側形成頻帶，產生了更高的相位雜訊。在偵測數位調變訊號時，相位雜訊增加了均方根(Root-Mean-Square, RMS)相位誤差，而限制了網路的性能。本文解釋了雙極型接面電晶體(Bipolar Junction Transistors, BJT)、金屬氧化物半導體場效應電晶體(Metal-Oxide Semiconductor Field-Effect Transistors, MOSFET)和電阻器中的低頻雜訊來源，以及這種雜訊如何傳遞(Propagate)到DC-DC轉換器的輸出電壓。此外，本文還介紹了一種用於量測DC-DC轉換器輸出電壓的低頻雜訊頻譜的設置，並使用該設置將低頻雜訊最佳化的DC-DC轉換器的雜訊頻譜與標準DC-DC轉換器進行比較。 低頻雜訊類型多 積體電路(IC)有不同類型的雜訊，包括閃爍雜訊(Flicker Noise)、熱雜訊(Thermal Noise)、射擊雜訊(Shot Noise)、突發雜訊(Popcorn Noise)和產生複合雜訊(Generation-Recombination Noise)。閃爍雜訊和熱雜訊在DC-DC轉換器的低頻輸出電壓雜訊頻譜中占大部分。 ．閃爍雜訊 偏壓下在所有電子設備中均觀察到閃爍雜訊(也稱為1/f雜訊)，頻率從10-6Hz到幾百赫茲。閃爍雜訊源於對通道電導率的調變。公式1將半導體的電導率(σ)表示為載子濃度(Carrier Concentration)與移動率的乘積：  公式1 其中q是電子的電荷；n和p分別是電子和電洞的濃度；μe和μh分別是材料中的電子和電洞移動率。 文中的兩個模型解釋σ調變：McWhorter 1957年開發的數字波動模型和Hooge在1969年開發的移動性波動模型。 根據McWhorter模型，閃爍雜訊是一種表面現象，它源於表面狀態下電荷捕捉(Charge Trapping)引起的載子濃度的變化。圖1顯示了反轉中N通道金屬氧化物半導體(NMOS)的能帶圖。 圖1　反轉中NMOS的能帶圖。 由於矽(Si)和二氧化矽(SiO2)之間的介面並不完全，因此在矽與二氧化矽介面的能隙中存在陷阱或居間能量狀態(Intermediate Energy States)。SiO2的缺陷也會導致整體SiO2陷阱。當應用於MOSFET時，McWhorter理論指出陷阱會導致載子從通道中捕獲和釋放，而引起臨界值電壓(Vt)的變化和載子濃度的波動。這些過渡的時間常數取決於陷阱與表面的距離，距離較遠的陷阱捕獲載子的可能性較小。 在Hooge的移動率波動模型中，半導體零組件中的閃爍雜訊主要來自於兩種載子散射機制：半導體晶格中的散射和雜質的散射。該模型更適合解釋BJT中的閃爍雜訊，而McWhorter模型則給予MOSFET中的閃爍雜訊更好的解釋。 ．熱雜訊 熱雜訊是指由電阻介質中的熱激發引起的電荷載子隨機運動而導致的電壓波動。熱雜訊，也稱為詹森雜訊(Johnson...

由於通訊設備中含有動輒數百條負載點電壓軌，因此系統工程師需要一個簡單的方法來管理這些電壓軌，包括其輸出電壓、定序以及最高容許電流。現今許多深次微米IC的數位處理器要求在其核心電壓之前升高其I/O電壓，許多DSP則要求核心電壓在其I/O電壓之前進行升壓。此外，關閉電源的定序也不可或缺。為此，系統工程師需要一種簡易的變更方法，藉以優化系統效能，以及為每個DC-DC轉換器儲存特定組態，以便簡化設計操作。 此外，大多數通訊設備製造商除了著手提高其系統的資料吞吐量與效能之外，還設法加入更多功能與特色。在此同時，業者也面臨壓力必須降低系統整體功耗。舉例來說，常見的挑戰是重新排定操作流程，把作業移至使用率偏低的伺服器，設法關閉其他伺服器，以藉此降低整體耗電量。為因應這些要求，關鍵在於必須知道終端使用者設備的功耗。因此妥善設計數位電源管理系統(DPSM)即能提供使用者功耗資料，進而做出明智的能源管理決策。 DPSM的主要利益是降低設計成本以及加快產品上市時程。運用完備的開發環境，透過內附直覺化操作的圖形介面(GUI)，即可輕鬆開發各種複雜的多軌系統。此外，這類的系統還能簡化電性測試In-Circuit Testing(ICT)以及機板除錯，直接透過GUI進行修改，而不是在電路板上以補焊接線(White Wire)的方式進行修正。另一項好處，是其能預測電源系統故障以及進行預測性措施，而這一切都要歸功於具有即時遙測資料來提供協助。最關鍵的好處，可能是具有數位管理功能的DC-DC轉換器，讓設計者能開發各種「綠能」電源系統，在負載點、機板、機架、甚至安裝系統層面以最低耗能達到目標效能(包括運算速度、資料傳輸率等)，藉此降低基礎設施成本以及產品生命週期內的總體持有成本。追根究柢，資料中心占最大比重的成本項目就是冷卻系統的耗電成本，而這些冷卻系統則負責讓資料中心內部的溫度維持在預設最佳作業溫度以下。 此外，系統工程師仍需要透用一些相對簡單的功率轉換器來滿足機板上其他電源軌，但能用來置放它們的電路板空間則一直不斷地縮減中。這方面也導致無法將這些轉換器置於電路板的背面，因為2mm最高元件高度的限制，以致必須裝在多片電路板上，安排成並列機架的組態。業界真正想要的是微型化的完整電源供應器，採用的元件貼焊到印刷電路板(PCB)時其高度不會超過2mm。本文將詳加探討這樣的解決方案。 廠商推SiP方案應戰 為此，半導體商ADI便推出Power by Linear µModule穩壓器，該產品是完整系統晶片構裝(SiP)解決方案，不僅可將設計時間縮至最短，還能解決通訊系統常見的機板空間與電源密度等問題。這些µModule產品是完整的電源管理解決方案，內含整合式DC-DC控制器、功率電晶體、輸入與輸出電容、補償元件以及電感等，全部均包含於微型表面黏著BGA或LGA封裝中。運用Power by Linear的µModule產品來進行設計，將使完成設計流程所需的時間大幅減少50%，而縮減幅度端視設計的複雜度而定。此系列µModule穩壓器能將元件選擇、最佳化以及布線等設計重擔轉移到元件，進而縮短整體設計與系統除錯時間，最終加快產品上市時程。 這些µModule解決方案整合許多分立式電源、訊號鏈以及隔離式設計中常用的關鍵元件，裝入一個類似IC的纖巧封裝內。之後再經過嚴格的測試與高可靠度的製程，使µModule產品系列能簡化各種電源管理與轉換方案的設計與布線流程。此產品系列涵蓋廣泛的應用領域，其中包括負載點穩壓器、電池充電器、DPSM產品(PMBus數位管理電源供應器)、隔離式轉換器、電池充電與LED驅動器。針對每種元件提供隨附PCB Gerber電路圖檔的高度整合解決方案，使這些µModule電源穩壓器不僅能解決時間與空間的限制，本身就是一款高效率與可靠的方案。此外，ADI許多新產品能協助客戶開發低電磁干擾(EMI)的解決方案，符合EN55022 Class B標準的規範，使系統設計者能獲得十足的信心，讓自身開發的終端系統能符合嚴格的雜訊性能標準，包括終端系統必須遵循的雜訊免疫力業界標準。 此外，隨著系統複雜度提高，所運用的設計資源也更廣泛，而縮短的設計週期，致使業者必須專注開發系統的關鍵智財。這通常意謂電源供應器會被擱在一旁，直到開發週期的後期階段才會展開設計。加上有限的時間，以及有限的專業電源設計資源，如此巨大的壓力催生出一款擁有最小底面積的高效率解決方案，透過PCB底部空間的善用，達到最大的空間使用率。 µModule穩壓器在這個關鍵領域能提供理想的解決方案。其概念是內部複雜，但外部簡單，結合切換穩壓器的效率以及線性穩壓器的設計簡易性。審慎設計、PCB布線以及元件的選擇，這些在設計切換器穩壓器都是相當重要的環節。許多有經驗的設計者在其職場生涯初期都有燒掉電路板的經歷，若是面臨時程短暫，或是電源供應器設計人才有限，現成的µModule穩壓器則不僅能節省時間與空間，還能減少設計程式所面臨的風險。 超薄µModule解決方案最新出爐的成員就是LTM4622。這款雙2.5安培或單一雙相5安培輸出降壓(Step-Down)電源穩壓器，達到6.25mm×6.25mm×1.8mm尺吋的超薄LGA封裝。高度接近下焊式1206電容，其超薄的高度讓它能貼焊在機板的正面(Topside)。此外，薄型化規格使其能符合各種嚴苛的高度限制，例如PCIe，以及嵌入式運算系統採用的先進夾層卡(Mezzanine Cards)，如圖1所示。 圖1　LTM4622(A)能貼焊到PCB的背面 此外，LTM4622A是最近發表的產品。LTM4622的衍生「A」版本擁有更高的輸出電壓範圍，從1.5至12伏特，取代非A版本的0.6至5.5伏特。系統設計者能藉此得到更寬廣的輸出電壓，並支援需要較高電壓的終端系統。A版與非A版元件的輸入電壓範圍都是3.6至20伏特。Power by Linear的µModule DC-DC穩壓器還可透過一個簡單的方式來提供高功率與DPSM功能。由於許多µModule穩壓器能以並聯方式組建出高負載電流與精準的電流匹配功能(額定準確度為1%)，其能減輕各處熱點(Hot Spot)的電勢。此外，只需動用其中一款µModule穩壓器就能將DPSM功能納入到產品中，即使其他並聯的µModule元件並沒有內建DPSM功能，只要有一個支援DPSM的µModule就足以提供完整的數位介面。 有了DPSM元件，系統設計者就能進行許多工作，其中包括： 設定電壓、定義複雜的導通/關斷順序、定義包括過壓與低電壓極限值等預設失效條件以及設定在數位通訊匯流排上的重要電源供應器參數，像是切換頻率以及電流界限等。 透過同一個通訊匯流排，我們可以讀回各項重要的作業參數，像是輸入電壓與輸出電壓、輸入與輸出電流、輸入與輸出功率、內部與外部溫度以及在我們產品中的耗用能源量測值。 另外業者也可針對其設計執行極精準的封閉循環式邊限測試，以及極精準地微調電源電壓。 這些元件本身就設計成能夠自主運行。一旦設定並灌入輸入電力，它們就會啟動電源供應；在負載點極精準地穩壓電壓，並持續監控電壓與電流來執行使用者設定的失效管理機制，啟動非揮發性記憶體的失效記錄器，以在偵測到失效狀況時用來儲存電源系統的資訊。 lDPSM可以層疊(Cascaded)方式組建出彼此同調(Coherent)的大型電源供應器系統。其中運用了跨晶片協調匯流排，其運行速度達到全線速(Wireline Speed)。 內建的非揮發性記憶體(NVM)支援元件組態儲存以及失效日誌記錄等功能。 這些元件內含I2C/PMBus通訊埠，並採用業界標準PMBus指令集來控制與管理電源系統。 這些PSM元件背後都有共用LTpowerPlay  GUI全力支援。LTpowerPlay是一款工程級圖形介面，在開發時就納入電源系統設計與除錯方面的需求，並融入遠端用戶支援的功能。 圖2顯示一個LTM4677(36安培DPSM µModule穩壓器)的應用示意圖，其與三個LTM4650s(50安培µModule穩壓器)並聯，組成一個180安培DPSM負載點解決方案。 圖2　結合一個LTM4677 DPSM µModule 與3個LTM4650 µModule穩壓器，能從一個額定12伏特輸入，轉換成186安培/1伏特的輸出。 在現今通訊設備中採用具有DPSM功能與超低晶片高度的功率轉換元件，能為電源供應器設計業者提供一個簡單且有力的途徑，藉此向核心電壓提供高功率輸出，最低並可支援至0.5伏特，在作業溫度範圍內最大直流輸出誤差範圍為正負0.5%，如此的規格很接近最新20奈米以下ASIC、繪圖處理器以及FPGA等元件。若是具有晶片高度的限制，可採用超薄型µModule穩壓器，例如LTM4622(A)，這款晶片裝到電路板時的高度不到2mm，因此原本沒用到的電路板的底側空間還能善加運用，如此不僅可省下昂貴的電路板空間，由於整體的操作效率提高，所需的冷卻資源也將隨之減少。 最後，µModule穩壓器非常適合運用於通訊設備，因為它們不僅能大幅縮短除錯時間，還能提高電路板空間的使用效率。如此不但降低基礎設施的成本，系統生命週期的總體持有成本也會隨之降低。對於設計與組裝等設備廠商而言，這也是一項雙贏的局面，因為企業一旦加以運用，就會將之安裝在自身的資料中心。 (本文作者為ADI電源產品行銷總監)

控制計劃詳細說明了受到監控的製程步驟及其監控方式，包括指定檢測靈敏度、採樣頻率以及所採用的確切製程控制系統訊息等細節。精心設計的控制計劃能夠檢測到所有偏移，並防止因採樣不足使得「極端異常的」漏網晶圓出廠。此外，該計劃將清楚地指出哪些晶圓受到每次偏移的影響，從而可以將其隔離並更充分地處置，這確保了不合格的元件不會被無意的運送出廠。 進行缺陷檢測確保晶圓品質 為了實現這些目標，確保晶圓品質，整套車用晶片服務的控制計劃與消費產品IC生產的控制計劃相比，往往需要更全面的檢測和量測。 在晶圓廠中，對採用同一設計規則的車用和非車用產品的製程控制進行基線數據分析，其結果表明晶圓廠為車用產品採取了更多的缺陷檢測步驟和更多類型的製程控制(檢測和量測)。數據顯示就平均而言： ．車用流程所採用的缺陷檢測步驟大約多1.5到2倍。 ．車用流程使用更為頻繁的採樣，不僅是批次採樣百分比更高而且每批次採樣晶圓也更多。 ．車用流程使用更高的靈敏度用以捕獲較小缺陷，因其可能對可靠性產生影響。 這些因素的綜合影響導致典型的車用晶圓廠需要比消費產品製造同僚多50%的製程控制性能，仔細觀察一下會看到該性能的確切部署方式。 圖1顯示了在同一晶圓廠中車用和非車用製程流程的檢測點之間的批次數量示例。由於檢測步驟數量更多，如果存在缺陷偏移，則可以在車用流程中更快地發現。而迅速發現偏移則可以減少受影響的批次數量，以更少並更為明確的批次中發現受較高缺陷影響的貨，這有助於滿足車用晶片可追溯性的要求。然後這些偏移批次被單獨隔離並進行100%的高靈敏度晶圓檢測，以便決定其處置方式是放行、報廢或在適用時降級至非車用應用。 圖1　顯示了車用製程流程和非車用(基線)製程流程中在檢測點之間受影響的批次數量示例。車用製程流程在FEOL有更多的檢測點，因此在偏移發生時受影響的批次數量較少。 整套車用晶片服務中的額外檢測點也帶來更多益處，因其縮小了偏移潛在原因的範圍，所以尋找偏移根本原因更為簡便。縮小潛在原因的範圍也有助於8D調查更為迅速有效，以便尋找並解決問題。與直覺相反，因為減少了生產線上的變化，增加檢測點數量反而會減少生產週期時間。 提高異常晶圓捕獲率　高產量宏觀缺陷檢測需求增 雖然提高檢測能力有助於對製程偏移進行監控和控制，但車用IC質量仍存在著風險。因為每個晶圓在晶圓廠中通過眾多個製程反應室的路徑可能各不相同，所以數百個製程步驟中的微小變化和邊際化的總和可能會產生「極端異常」的晶圓。這樣的晶圓很容易通過一個高度依賴於次級採樣的控制計劃，讓受影響的晶片進入供應鏈。為解決這一問題，許多車用晶片廠正在將高產量宏觀缺陷檢測機台加入其設備組合中，對於每一批次進行更多晶圓的掃描，這顯著提高了捕獲異常晶圓並防止其進入汽車供應鏈的可能性。 新一代宏觀缺陷檢測機台可以將許多老一代明場和暗場晶圓缺陷檢測機台的靈敏度和缺陷捕獲能力結合到一個平台之中，並且可以每小時運行近150個晶圓，可以降低擁有成本。在採用較大線寬設計的200mm晶圓廠中，該檢測能力的提升通常可以捕獲以前未檢測到的多個低水平偏移，如圖2所示。 圖2　每批5個晶圓(圓圈)的傳統採樣計劃可能不會檢測到單個異常的晶圓偏移(方塊)。高產量宏觀缺陷檢測機台可以通過減少採樣不足及其相關風險來防止漏網之魚。 在先進及較小設計線寬的晶圓廠中，宏觀缺陷檢測機台缺乏必要的靈敏度，因而無法取代寬帶電漿和雷射掃描晶圓缺陷檢測機台在傳統生產線監控和圖案晶圓偏移監控中所占據的角色。然而，它們的高產量已經使其在補強現有樣本計劃和捕獲異常晶圓的晶圓級缺陷分布特徵等方面發揮了重要的作用。 車用晶片控制策略的最新發展是採用晶片級別的缺陷檢測篩選。該項技術其中一種，稱為線上缺陷元件平均測試(I-PAT)，使用異常值檢測技術來進一步增強晶圓廠的識別能力，找出那些可能通過電性測試但由於潛在的缺陷而在未來產生可靠性失效的晶片，此一方法將會在未來的文章中討論。 (本文作者David W. Price博士和Jay Rathert為KLA資深總監；Douglas Sutherland為KLA首席科學家)  

隨著車用電子的角色從娛樂轉為協助駕駛人，進而完全掌控車輛，對可靠度的要求亦越來越高。關鍵車用電子系統至少要有10年的壽命，處於引擎蓋下的環境也很惡劣，溫度可高達攝氏150度。而模擬工具可幫助工程師針對電子系統進行模擬、除錯與最佳化，涵蓋可能導致自駕系統故障的各種議題。同時，模擬有助於設計可靠高效率的電子系統，以滿足自駕應用的嚴格可靠度要求。本文將聚焦在可靠度和晶片-封裝-系統CPS)模擬的各個層面，有助於催生封裝/系統感知積體電路IC設計和IC感知封裝/系統設計(圖1)。 圖1　運用模擬工具RedHawk-CTA和Icepak進行晶片-封裝-系統熱可靠度分析。 可靠度為自駕車設計主要挑戰 現在的駕駛人越來越仰賴電子系統確保安全性，像是近來盛行的先進駕駛輔助系統(ADAS)功能，進一步提升電子設備對車輛安全的重要性。當然新興的自駕系統，能瞭解每一個能夠想到的駕駛情境，並做出判斷，確保車輛乘客行人的安全，將進一步增加駕駛、乘客和行人安全對車用電子的依賴。 現在有很多車用電子皆使用較舊的半導體製程，因為其特徵尺寸較大以及設計師的經驗，這些應用的可靠度相對上較容易驗證。但ADAS和自駕科技使用的感測器會產生大量數據，處理速度必須超快，延遲亦需要很低。這些應用需要大幅提升運算能力，因此必須使用剛上市的最先進半導體製程，其特徵尺寸也小得多。 以先進製程設計的新一代積體電路將更多電晶體壓縮到更小的面積上，提供最高運算效能。這些IC運作的供電電壓要低得多，因此更容易受電源和訊號雜訊耦合的影響。在許多情境下，這些半導體需在溫度可達攝氏135度的引擎蓋下運作，因此更容易因高溫導致故障，這亦是一大挑戰。而許多車用電子會暴露在水和塵土下，所以必須密封，進一步增加散熱挑戰。因此如何提供足夠冷卻的難度亦增加。 強化晶片可靠性　電子飄移現象須消除 由於支援ADAS和自駕的車用電子須採先進製程，其普級化使電子飄移(EM)，使用期限的可靠度問題，成為關鍵的系統設計議題。電子飄移指的是電子流經積體電路並撞擊導體內的金屬原子，逐漸造成開路或短路，長久下來將導致晶片故障。由於導體的橫切面隨著製程的引進而縮小，晶片變得更容易受到電子飄移影響。電子飄移的現象亦隨著溫度大幅上升，先進2.5D和3D積體電路使得晶粒(Die)愈放愈近，產生熱點(Thermal Hot Spots)的機率亦隨之升高。 我們通常不知道晶片上各導體的溫度，因此設計工程師會替晶片假設一個最壞狀況的均勻溫度。此做法對較舊的製程夠用，但現在先進製程轉換速度更高、導體更細、層數更多，使用此方法大幅地增加EM違規現象(EM Violations)。設計團隊花在評估與修正這些違規的時間亦越來越長，但是如果模擬採用正確的非均溫度剖面圖(Temperature Profile)，即能發現許多EM違規現象是假的並且絕對不可能被觸發。 為此，模擬工具如安矽思(ANSYS)旗下的RedHawk平台藉由準確地決定元件和金屬周遭的溫度，正確預測EM違規現象，來處理這些挑戰(圖2)。該平台運用焦耳自加熱(Joule Self-heat)和晶片內金屬導體間的熱耦合原則來製作升溫模型，元件溫度是各電晶體耗電流量以及與鄰近電晶體距離的函數；並運用晶圓廠的製程參數，加上晶粒上金屬和介電質(Dielectric)的熱特性，正確預測局部區域的溫度變化。 圖2　以ANSYS RedHawk-CTA進行晶片和封裝熱分析  另外，該平台亦根據晶片上各導線實際經歷的溫度，運用溫度剖面圖來進行熱感知(Thermal-aware)EM查核。此做法能大幅減少EM違規現象的數量，提供的診斷資訊亦遠多於過去。工程師能將精力集中在真正重要的EM違規現象上，並更快修復，大幅減少產品上市時程並降低EM故障風險。 提升車用電子可靠性　熱效應不容忽視 熱效應是確保關鍵車用電子可靠度的另一個重要考量。就晶粒和封裝層次而言，工程師必須確保整個晶片的溫度絕對不會高過最高運作溫度，同時也必須評估運作時的熱週期，因為晶圓和金屬層的熱膨脹係數(Coefficients of Thermal Expansion, CTEs)不同，此會導致晶粒和封裝變形。 另外，電路板層級的熱週期亦可能因為銅和介電質之間的差異造成壓力，變形會造成連接電路板和晶片的錫球(Solder Ball)伸縮，可能導致焊錫疲勞(Solder Fatigue)和其他故障。 因應此一需求，車用電子元件的設計工程師，能夠運用ANSYS晶片熱模型(Chip Thermal Models, CTMs)處理晶粒層級的熱可靠度問題，進而達成完整的晶片與封裝共同分析。 接著，ANSYS Mechanical能夠沿用分析的溫度剖面圖，進一步預測晶粒的熱或機械負載對壓力、張力，以及變形的溫度影響。 就電路板層次而言，能夠用ANSYS SIwave Signal Integrity Analyzer計算印刷電路板(Printed Circuit Board, PCB)電路和鑽孔(Vias)的焦耳熱，評估電路板電路圖和電流密度預測。無縫銜接至Icepak系統層級熱模擬工具，計算主機板的垂直熱傳導率(Orthotropic...

UE喚醒時，必須先與時間、頻率及基站參數同步才能接收資料。本文的主要重點為UE的初始蜂巢網搜尋，此時的載波頻率不確定性的範圍非常高。此流程是NB-IoT中最耗能的流程之一，因為需要UE持續啟動Rx射頻(RF)鏈及不斷處理輸入樣本，直到同步階段完成為止。 本文的目標讀者為期望拓展關於執行同步創新方法新知的通訊及訊號處理工程師，以及有志於NB-IoT通訊系統的工程師。本文亦提出同步程序，以強化NB-IoT在UE喚醒時的主要同步程序性能。此新程序能讓UE以相對低的偵測延遲評估傳輸的NB-IoT訊號正時及頻率，即使在非常艱困的都會環境亦然；此程序是發展用在CEVA-X核心系列進行高效率執行。 本文分為上下兩篇，上篇主要探討不同的已知同步程序、討論其優缺點；下篇則針對DSP架構實作提出能加強運用窄頻主要同步訊號(NPSS)結構的新同步程序。 物聯網(IoT)是快速成長的市場，並以機器類通訊為基礎，且只需最低的人力監控。Ericsson預測2021年將有大約280億台具備IoT功能的裝置，其中超過150億台將屬於機器對機器類型及消費者電子裝置。Cisco預估從2015年到2020年，機器對機器連線的年度成長率將為38%。 NB-IoT獨到優勢攻物聯網市場 在廣泛領域範圍內，近期這類步調快速的技術發展對提供機器類通訊的簡易可靠連線解決方案產生急迫的需求，如感測器、儀表、智慧電網、監控及安全性等等。然而，由於IoT市場的需求與基地台市場的需求不同(例如低複雜性及耐用性)，故稱為NB-IoT的新式無線存取技術應運而生。此技術最近由第三代合作夥伴計畫(3GPP)在第13版中推出。 NB-IoT技術具有適合IoT市場的許多優勢，例如降低裝置複雜性、延伸覆蓋範圍、增加電池壽命及低成本。此外，NB-IoT僅使用一小部分的可用頻譜，因而能與LTE及UMTS其他通訊訊號同時進行傳輸。NB-IoT的主要設計為適用於超低階IoT應用。 NB-IoT需要的最低頻寬為180kHz，等於LTE物理資源區塊(PRB)的最小大小，可部署於下列情境(視可用頻譜而定)： 1.獨立部署 2.現有LTE/UMTS頻譜的保護載波(保護波段部署) 3.LTE載波內部，取代其中一個波內部署(PRB) 在以上所有可能的部署情況中，LTE系統與NB-IoT間的資源衝突需要在各子訊框開始時使用下行控制頻道來處理衝突。若採用波內部署，則必須在分配NB-IoT系統的資源前，在每個子訊框插入額外的蜂巢網專用參考訊號(CRS)。 NB-IoT會重複使用大部分的LTE設計，例如在下行方向使用正交分頻調變(OFDM)，以及在上行方向使用單一載頻分頻多重存取(SC-FDMA)，另外也會使用頻道編碼、速率匹配及交錯，因此可與LTE頻譜同時部署。而且，NB-IoT也承襲了舊版LTE的變更，如同步訊號、廣播頻道及控制頻道，因此其設計能提供良好性能並與舊版LTE共存。 NB-IoT設計有挑戰 NB-IoT採專門設計以支援物聯網裝置間的M2M通訊。因此，此通訊技術必須解決下列挑戰： 1.低訊號雜訊比(SNR)和困難頻道 IoT裝置可能置放於室內深處的位置(如地窖及地下室)或都會環境(如智慧城市)，進而導致低SNR和多徑衰弱傳播的頻道。 若要因應這類型的環境及/或SNR問題，NB-IoT通訊頻道必須包含極為耐用的訊號處理方法，並且需在設計上能耐受非常低的SNR(如-12.6dB)。 2.頻率偏移 NB-IoT預定用於可從周圍區域的基站接收資訊的超低價UE裝置。這類UE通常配備低價振盪器，可能會因其最高百萬分之20ppm的有限穩定性以及頻率柵格(100kHz柵格)的額外±7.5kHz，進而引發初始載波頻率偏差(CFO)。  3.低偵測延遲 UE RF鏈開啟及啟用的時段稱為RF-ON，包括放大器、類比轉數位轉換器(ADC)及數位前端(DFE)。RF-ON階段非常耗能；為了延長電池使用壽命，我們的目標是藉由縮短NPSS的偵測時間(需要常態性處理輸入)以將其降到最低。 4.複雜性 IoT裝置可能會設置於無可靠電源供應的位置，或是不容易更換電池。因此，裝置的壽命通常取決於其電池耗電量。超低價UE裝置的處理功率有限，因此NB-IoT訊號處理演算法必須能輕易實作且具備低取樣率。 NB-IoT初始同步有訣竅 IoT UE裝置大部分時間預期處於休眠狀態。開啟電源時，UE必須進行下列各項設定工作： 1.將載波頻率與基站的載波頻率校準，以低位元錯誤率接收資料。基站會每10 msec以重複結構(又稱為無線訊框)傳輸資訊，另外，UE則必須偵測到無線訊框的開頭以在正確時間擷取資料。這代表了UE必須與基站(eNodeB)執行時間和頻率同步才能夠傳輸和接收資料。在此篇文章中，此同步流程稱為主要同步流程。 2.完成第一步驟後，UE必須擷取其他資料，如基站蜂巢網ID及無線訊框80 msec邊界。在本文中，此同步流程稱為次要同步流程。 3.偵測到必要的系統組態後，蜂巢網同步流程即完成，UE會開始解碼控制頻道(NPBCH、NPDCCH)及資料頻道(NPDSCH)。 NB-IoT無線訊框係由10個子訊框組成，各子訊框皆有1msec的時段。子訊框含有14個OFDM符號。前三個符號用於舊版LTE的控制頻道，並假設不用於NB-IoT傳輸。 同步程序的目的為根據窄頻主要及次要訊號(NPSS及NSSS)估算系統參數；主要及次要訊號會分別每1及2個無線訊框重複一次。主要同步程序會嘗試偵測無線訊框窗段內的NPSS，因而UE需要持續接收資料，直到找出此訊號為止。 UE RF鏈開啟及啟用的時段稱為RF-ON，包括放大器、類比轉數位轉換器(ADC)及數位前端(DFE)。RF-ON階段非常耗能，我們的目標是藉由縮短NPSS的偵測時間以將其降到最低。 NPSS/NSSS部署有訣竅 NB-IoT物理通道大多數是以舊版LTE為基礎，但同步訊號已經全盤重新設計，以能在LTE載波內部及鄰近採用不同的部署方式。舊版LTE系統的同步訊號如下： 1.主要同步訊號(PSS)用於訊框正時及頻率估算，另外也納入蜂巢網身分偵測(NID2)內。 2.次要同步訊號(SSS)保留蜂巢網身分(NID1)的補充部分，並用於CP偵測及雙工模式判定(FDD/TDD)。 但是，NB-IoT系統的窄頻同步訊號是由多個OFDM訊號組成，其占用的頻寬與LTE不同(180kHz與1.08MHz)： 1.窄頻PSS(NPSS)會取得訊框正時及載波頻率的估算值。 2.窄頻SSS(NSSS)會在80msec窗段內取得蜂巢網身分及訊框邊界，然後啟用蜂巢網追蹤。 同步訊號會占用180kHz的頻寬。NPSS位於每個無線訊框的第六個子訊框，NSSS則位於每個偶數無線訊框的第十個子訊框，如圖1所示。NPSS會在第六個子訊框每10msec傳輸一次(圖2)。NPSS由子訊框內的後11個OFDM符號組成(前三個符號保留給舊版LTE控制區)，並使用分配到的PRB前11個子載波(共12個)。若為波內部署，則NPSS會由CRS穿刺。 圖1　無線訊框同步訊號 圖2　NPSS結構(頻域) 為了有效實作及取得良好的同步表現，NB-IoT採用預先判定的偽隨機碼做為OFDM正負符號的記號，如表1所列。 由於UE已知NPSS，因而能用於同步流程。另外，也有鑒於傳輸訊號正時及頻率的高度不確定性，所以NPSS偵測是UE執行的過程中，最為消耗運算資源的作業之一。 在偶數編號的無線訊框索引中，NSSS會在第十個子訊框每20msec傳輸一次。NSSS是由子訊框內的後11個OFDM符號組成(前三個符號保留給舊版LTE控制區)，並使用分配到的PRB所有12個子載波(圖3)。 圖3　NSSS結構(頻域) NSSS是由總計132個頻域項目所組成(即11個OFDM符號中的12個子載波)，其數值是以長度-131 ZC順序為基礎，且ZC順序的根是以基站的蜂巢網ID為基礎。NSSS是根據80msec邊界的系統訊框編號(SFN)為基礎，透過ZC順序與二進位碼之間的項目式乘法產生。 UE藉由蜂巢網ID及無線訊框索引可以得知NSSS，亦即可將其用在判定蜂巢網 ID和無線訊框索引。只有當時間及頻率同步完成後，UE才會偵測到這些參數，否則即必須解決四維估算問題。蜂巢網ID及SFN是UE作業及資料擷取的必要資訊。 時間及頻率估算完成，以及偵測到蜂巢網ID和無線訊框邊界後，UE即可開始解碼控制頻道(NPBCH、NPDCCH)及資料頻道(NPDSCH)。 (本文作者為CEVA演算法工程師、演算法團隊負責人與資深系統架構師)

如此除了能避免不必要的磨耗以及可能發生的故障，還能及早偵測出故障的成因。藉由這種監控機制的協助，在設施可用度方面可發揮可觀的優化潛力，成效也能隨之提升，同時帶來許多關鍵性的優勢。舉例來說，ABB藉此最多減少70%的關機時間；延長30%的馬達耐用年限；設施每年消耗能源則減少10%。 這種預測維護(Predictive Maintenance, PM)的主要元素，其專業術語為視狀況維護(Condition-Based Monitoring, CBM)，通常用在各種旋轉機器，包括像渦輪機、風扇、泵浦以及馬達等。透過CBM，有關運轉狀態的資訊都會即時記錄下來。但這種方法卻沒有做出有關可能故障或磨耗的預測。只有透過預測維護才能得知這類預測資訊，因此浮現出一個轉折點。在日趨智慧化感測器以及更強大的通訊網路與運算平台的幫助之下，我們不僅能建構模型、偵測變化，還能針對耐用年限進行詳細的計算。 為建立有意義的模型，必須分析包括振動、溫度、電流以及磁場等。現代的有線與無線通訊方法已經能進行全廠或全公司的設施監控。而透過各種雲端系統，還能進行更多型態的分析，這些資料能提供有關機器狀況的資訊，而操作或維護技術人員也能存取這些資訊。然而，對於這些額外的分析而言，機器上的智慧感測器與通訊設施是不可或缺的基礎，這些感測器該如何監控？應該有哪些要求？以及該具備什麼關鍵特性？這些與其他問題都將在本文中探討。 機器生命週期的表示法 狀態監控最基本的問題，應該是：機器還能放著讓它運作多久才必須進行維護？ 一般而言，照理說越早進行維護越好。然而，若目標是要優化營運與維護成本，或是達到設施的最大效率，就需借助熟悉機器特性的專家提供相關知識。在分析馬達方面，這些專家主要來自軸承/潤滑專業領域，根據以往的狀況顯示，最弱的環結在於經驗。這些專家最終要決定偏離正常狀態與當時的生命週期(圖1)是否該另外進行維修或甚至直接更換。尚未使用過的機器，初期仍處在保固階段。不能排除在生命週期初期階段出現故障，但其機率相對罕見，且通常可追溯至各種製造瑕疵。只有在後續間隔性維護的階段，才會由妥善訓練的維護人員進行焦點式介入(Targeted Interventions)。其中包括定期性維護，不論機器狀況如何都要在特定時間點或經過一定時間之後如期進行，在本文的案例中，維護工作則是更換潤滑機油。在維護間隔之間出現故障的機率，同樣也相當低。機器使用累積到一定時間，就會進入狀態監控階段。從此之後，就理應會出現各種故障狀況。 圖1　機器的生命週期 圖1顯示以下6種變化，從超音波範圍的位準變化(1)之後是振動(2)透過潤滑劑的分析(3)或透過微幅增溫(4)根據可感知異音，在發生實際故障之前偵測出未決故障(Pending Failure)的早期跡象(5)或產生熱溫(6)振動經常用來判斷機件老化。這三部相同機器在其生命週期中出現的振動模式如圖2所示。在最初時期，三部機器都維護在正常範圍。但從中壽期開始，依其負載不同導致振動呈現增加或減少的趨勢，最後到了壽命終期，振動就急速增加到臨界範圍。一旦機器達到臨界範圍，就須立即採取必要反應。 圖2　各項振動參數的長期變化 透過振動分析進行CBM 包括輸出速度、齒輪比以及軸承元件數量等參數都是機器振動模式分析的主要元件。一般而言，齒輪箱造成的振動會在頻域中偵測出，而幅度會是動力軸轉速的倍數，軸承的特性頻率通常不會代表諧波分量。因渦流(Turbulence)與空泡化(Cavitation)產生的振動通常都會被偵測出來。其通常和經過風扇與泵浦的氣流或液流具關聯性，因此，一般被視為隨機振動。這類振動通常為靜態，而且在其統計特性上沒有變異數(Variance)。然而，隨機振動也可能是循環穩態(Cyclostationary)，因此會有各種統計特性。它們是由機器產生且具週期性，內燃機引擎的每個氣缸每次循環進行點火時就會出現震動。 另外，感測器的方位同時也扮演著重要的角色。如果單軸感測器量測到的主要是線性振動，那麼就必須根據振動的方向來調整感測器。雖然目前也有多軸感測器能記錄所有方向的振動，但單軸感測器由於本身的物理特色使它能提供較低的雜訊、更大的力量量測範圍以及更大的頻寬。 振動感測器的要求 要讓振動感測器廣泛用在狀態監控，有兩項因素最為關鍵：低成本以及小尺寸。以往業界主要採用的是壓電式感測器，如今微機電系統(MEMS)加速計的使用率則逐漸升高，它們都具有更高的解析度、卓越的漂移與靈敏度特性以及更佳的訊號雜訊比，能夠偵測接近dc範圍的超低頻率振動。此外，它們極度省電，因此適合用在電池供電的無線監控系統。另一項勝過壓電式元件的優勢，則是能將整個系統整合至一個外殼(系統晶片構裝)內。這些所謂的SiP解決方案逐漸發展成用來建構各種智慧系統，因為其額外納入許多重要功能：包括類比至數位轉換器以及微控制器等，其配合嵌入式韌體用來執行應用相關處理、通訊協定以及通用式介面，另外還包含了多元的保護功能。 整合式保護功能也相當重要，因為施予在感測器上的超大力道，經常會造成感測器破損甚至毀壞。整合可能發生的超範圍(Overrange)偵測能力，提供警訊機制，或藉由切斷內部時脈來關掉陀螺儀中的感測器元件，藉此保護感測器。圖3顯示SiP解決方案。 圖3　MEMS型態的系統晶片構裝(圖左) 隨著CBM領域的要求增加，對感測器的要求也同樣會提高。對於實用的CBM而言，感測器量測範圍的要求(滿刻度量測範圍或FSR)要大於正負50g。 由於加速和頻率的平方成正比，因此也相對迅速達到這些高加速力。從公式1中可證明：   　公式1 變數a代表加速，f代表頻率，d代表振動幅度。因此舉例來說，一個1kHz頻率的振動，光是1μm振幅就會產生39.5g的加速。 在雜訊效能方面，盡量加大頻率範圍下，這樣的數據顯得極低，從接近dc一直到兩位數kHz範圍，因此除了其他假影(Artifact)訊號外，系統能在極低轉速下偵測到軸承的異音，但精準地說，振動感測器的製造商目前已面臨許多巨大挑戰，尤其是多軸感測器。只有少數製造商提供適合的低雜訊感測器，為超過一個軸向提供2kHz以上的頻寬。其中Analog Devices(ADI)已針對CBM應用開發出ADXL356/ADXL357三軸感測器系列，不僅擁有卓越的雜訊效能，還具備優異的溫度穩定性。儘管其受限的頻寬僅1.5kHz(共振頻率=5.5kHz)，這些加速計仍能針對諸如風力發電機組等低轉速設備的狀態監控提供各項重要讀數。 該系列單軸感測器適合用於較高頻寬的應用，可提供最高到24kHz的頻寬(共振頻率=45kHz)，g值範圍可到正負100g，具備極低的雜訊。由於高頻寬的緣故，大多數故障發生在旋轉機器(受損的滑動軸承、不平衡、摩擦、鬆動、輪齒缺陷、軸承磨耗以及齒輪空蝕(Cavitation)，這些狀況都能透過此感測器系列偵測出來。 視狀況維護的可能分析方法 在CBM中的機器狀態分析可利用不同的方法完成。最常見的方法包括時域分析、頻域分析以及混合兩種分析法。  時域分析 在時域進行振動分析，有效值(根均方或rms)、峰至峰值以及振動幅度都會考量到，如圖4。 圖4　譜波振動訊號的幅度、有效值、峰至峰值 峰至峰值反映馬達轉軸的最大偏角，因此能計算其最大負荷(Loading)。相對之下，幅度值則描述振動時的最大幅度，以及判斷未感知的振動事件。然而，振動事件的經過時間或能源，以及破壞能力，這些都未被考量。因此效率值(Effective Value)通常是最具意義，因為它考量到振動時間歷史以及振動幅度值。rms振動統計臨界值的相關性，可透過馬達轉速所有參數的相依性獲得。 這類分析相當簡單，因為它既不需要基礎系統知識，也不需要任何類型的頻譜分析。  頻域分析 藉由頻率分析，振動訊號的暫時性變化會透過高速傅立葉轉換(FFT)分解成許多頻率元素。產生的幅度對頻率的頻譜圖可用來監控特定頻率元素，以及其諧波與邊頻，如圖5所示。 圖5　振動與頻率的頻譜圖 FFT被廣泛運用在振動分析，特別是偵測軸承損壞。藉此我們可將相關元素分派到每個頻率元素。透過FFT，滾動元件與受損區域之間接觸造成某些失效的重複性脈衝，其主要頻率就能加以濾除。由於其不同的頻率元素，我們也能區別出不同種類的軸承損壞(軸承外環或內環損壞，或是滾珠軸承受損)。然而，這類分析仍需要有關軸承、馬達以及整個系統的精準資訊。 此外，FFT程序需要透過微控制器持續錄下與處理振動的離散時間模組。雖然這需要的運算力稍微高於時間分析，但卻能更仔細地分析損壞。  結合時間與頻率分析 這種分析最為全面，因為它結合兩種方法的優點。時域的統計分析除了能提供系統在經過一段時間振動強度的資訊，還能分析是否落在允許範圍。頻率分析能以基礎頻率以及諧波元素的形式來監控速度，透過諧波能精準辨識出各種故障徵候。 追蹤基本頻率尤其能發揮關鍵作用，因為有效值以及其他統計參數都會隨著轉速而變化。如果統計參數和最後一次量測數據有大幅的改變，就必須檢查基本頻率以避免可能的假警報(False Alarms) 重複量測值經過時間出現變化，在所有三種分析方法中都相當常見。監控系統其中一種可行方法涉及第一次記錄健康狀況，或產生一個所謂的指紋(Fingerprint)。之後再將其用來和持續記錄的資料進行比對。在出現大幅偏離或超過對應臨界值時，屆時須進行反應。如圖6所示，可能的反應包括警告②或警報④，而依照嚴重程度的不同，偏離也可能需要維護人員立即介入。 圖6　FFT的臨界值與反應 藉由磁場分析進行CBM 由於整合式磁量計的快速發展，量測馬達周圍的散逸磁場便成為針對旋轉機器進行狀態監控中另一項前景看好的方法。這種方法是非接觸式，機器與感測器之間不需要直接連結。對於振動感測器而言，會用到的磁場感測器分為單軸與多軸版本。 對於故障偵測而言，應在軸向(與馬達軸平行)以及徑向(與馬達軸成直角)上量測。徑向磁場通常會被定子鐵芯以及馬達外殼所減弱。此外，還會受到空氣間隙內的磁通量所影響。徑向磁場是由籠狀轉子以及定子繞組端部的電流所產生。就量測兩種方向的磁場而言，磁量計的位置與方向都有決定性的影響。因此，建議選擇靠近馬達軸或馬達外殼的合適位置。另外同時量測溫度也絕對必要，因為磁場強度和溫度有直接關連。因此大致而言，現今磁場感測器都含有整合式溫度感測器。所以別忘了校正感測器以補償其溫度漂移。 FFT用來對電動馬達進行磁場式狀態監控，就如同振動量測的方法。然而就評估馬達狀況而言，就算約120Hz的低頻率範圍也算足夠。其中線頻率尤其顯眼，若出現故障，頻譜中會出現大量低頻率元素。 當籠狀轉子內的轉子導條(Rotor Bar)斷裂，滑差值(Slip Value)也會扮演決定性角色。它和負載有相關性，在無負載時的理想值為0%。在額定負載下，健康的機器會介於1%到5%之間，在故障事件時則會提高。就CBM而言，應在相同負載條件下進行量測，以消除負載相依性的效應。 預測性維護的狀態 不論狀態監控的類型為何，即使是最智慧的監控概念，也無法100%保證沒有非規劃的停機、故障或安全風險。能做的只是降低這些風險。應把它們看成是未來生產設施永續成功的先決條件。因此需要創新與迅速的研發－涉及其中的相關技術。目前不足之處是得權衡顧客的利益與成本。 不過，許多產業企業已體認到PM作為一項成功因素的重要性，因而也是未來業務的一項機會－不光只是在維護領域。儘管特別是在資料分析領域存在著許多嚴苛的挑戰，PM的技術可行性已大致成熟。然而，目前PM的發展仍是隨機應變的模式，預料未來的商業模式主要會由軟體元件來決定，硬體的附加價值則將逐漸降低。總結而言，PM在硬體與軟體的投資能促成更長的機器運轉時間，從更高良率的角度來看，其已經值回票價了。 (本文作者任職於ADI)  

智慧工業發展歷程 首次工業革命在18世紀，這代表著以蒸汽機為動力的機械工業時代來臨，每個勞動力參與大規模生產的全部環節。第二次工業革命發生於20世紀，機械設備的動力由蒸汽變為電力，大規模生產首次出現勞動分工，每個工人只負責產品加工過程中的一個製程，不再全程參與生產過程。 第三次工業革命出現在20世紀70年代，因為電子資訊技術的廣泛應用，製造過程自動化，大型機械設備被電子設備取代。這次革命還是半導體產業發展史上的一個重要里程碑，半導體工業成為自動化發展的引擎。 第四次工業革命則發生在今天，機器變得越來越智慧，而人機協作更加直覺，新機器可以自主監測性能狀態、使用情況和故障狀況，因此，效能、安全和靈活度更高。企業可以使用巨量資料、分析學和分權決策方法提高供應鏈的可靠性和生產效率。 在智慧工業時代，製造過程更加高效和環保，工作環境更加安全，工人的工作體驗更好，人機協作更直覺，可以依照客戶需求更靈活、大量地製造產品。 智慧工業技術特點 智慧機器在每種工作模式下都能保持高效能，可將電能高效地轉化成機械能，必要時還能高效地儲備電能。現今馬達效能相較過去提升很多；照明系統可透過無線網路遠端控制燈具，只在需要時才點亮。 另一方面，智慧型機器使用感測器測量振動、溫度以及濕度等參數，並將感測器資料送到處理器處理，將其變成有用的資訊，智慧型機器與附近的作業員互動，將感測器資訊提供給作業員。 而在工廠內部，所有的智慧型機器連上雲端，提供基層的即時資訊，融入一個超大供應鏈。感測器資訊被安全地送到雲端，供分析技術使用，包括停機預測。 智慧工業四大應用領域 智慧工業應用領域多元，包括工廠自動化、工業機器人、工業照明，以及智慧製造都是常見的應用。 工廠自動化是使用各種控制系統管理製造過程，讓機器按照預定程序運行，盡可能減少人工作業。透過在製造過程中監測各種資料，例如，原料和成品的溫濕度、故障檢測、自動測試報告等，自動化系統可以做出各種決策。不同的機器可以透過6LoWPAN、sub-Ghz、RF技術連接，構成網路，共用資訊。 工業機器人是一種自由度很高的機器。在設定程式後，工業機器人可以完成製造、測試和生產任務，有助於實現高品質製造，節省人工成本，在對人體健康有害和不適宜人類生存的危險環境中代替人類作業(圖1)。 圖1 工業機器人可節省人工成本，加速生產效率。 新一代機器人靈活可變，能夠執行程式，按照客戶的需求和意願，一對一的量身打造產品。機器人有多顆感測器，能夠準確地監測運動位置和角度；而工業智慧型機器人之間亦採用無線通訊，收發資料。 在非製造類設施用電量中，照明用電占了相當大的比例。如果燈具不用時還點亮，大量的電能將被浪費。智慧照明系統可以透過6LoWPAN、sub-Ghz網路監控每支燈具，只在必要時才會開啟燈具，並自動檢測故障燈具，甚至還能遠端調節燈光亮度；燈杆上還可以安裝氣象監測裝置和安全監測站。 智慧製造將各種製造領域與供應鏈完全融為一體，這個概念覆蓋自動化控制、先進機器人、馬達控制、感測器、聯網機器等。智慧製造設備能夠自動訂購原料，在故障發生前提出維修需求，能夠改善工作條件，更安全地管理危險製造流程。智慧製造設備也需要用到巨量資料和人工智慧技術，且經濟實惠的低功耗感測器和通訊連接技術正在讓智慧工業離我們越來越近。 傳統/智慧監測方法大不同 因為機器易磨損和斷裂，所以企業必須採用預防性維護計畫，定期檢查機器的內部元件，即便沒必要也必須執行，或者定期監測機器的運作狀態。預防性維護計畫通常外包給外部服務機構，他們會定期派人上門監測振動參數。這種方法成本很高，因為委託企業承擔維修工的服務費和差旅成本。此外，因為資料監測不是連續的過程，故障發生率仍然很高，致使故障不可預測。 機器本身配備感測器和射頻通訊模組。感測器連續監測振動和溫度等參數，並且透過BLE藍牙或RF sub-Ghz無線技術將資料上傳至閘道，再傳送到雲端伺服器。感測器和射頻通訊模組的功耗極低，甚至可以選用電池作為電源。閘道將數據傳到雲端進行振動分析和FFT分析。 機器振動特徵分析技術可提前發現各種故障或異常，例如，負載均衡、錯位偏差、軸承缺陷、齒輪嚙合等。 感測器各有妙用　工業智慧化中居要角 感測器在工業智慧化之中，可說是扮演了相當關鍵的角色，而各式的感測器，各有著不同的功用。 加速度計 加速度計用於測量工業機器沿X、Y、Z三軸方向發生的加速度，還可以測量機器或機械手臂的傾角。如果機器水平靜止，則X、Y兩軸輸出資料是0g，而Z軸輸出則是1g。1g是地球上所有物體都要承受的引力。如果機器沿著X軸旋轉90度，則X和Z兩軸將會輸出0g，Y軸輸出1g。在傾斜狀態之下，X、Y、Z三軸的輸出值在0和1g之間，然後將輸出值代入三角函數公式，算出機器的傾角。 加速度計還能測量沿水平和垂直方向的線性加速度，這些資料可用於計算運動速率和方向，甚至還能計算高度變化率。加速度計另外還可檢測機器振動，在馬達上安裝的加速度計為檢測故障類型提供關鍵資料。因為馬達負載失衡引起的故障、軸承缺陷和齒輪嚙合故障三者的振動頻率不同，這些資訊可用於預測馬達檢修需求。 陀螺儀 陀螺儀是一種測量沿三軸方向的角速度的感測器，能夠測量俯仰、橫滾、航向三軸的角度變化率。角速率變化資訊可用於提升機器運作的穩定性，防止機器橫向晃動。在收到陀螺儀資訊後，馬達控制器可以動態調節馬達轉速，確保機器或機械手臂穩定運行。陀螺儀還能讓機器或機械手臂按照使用者需求的角度精確旋轉。 磁力計 顧名思義，磁力計為機器或機械手臂提供運動方向資料。磁力計用來測量物體所在磁場沿X、Y、Z三軸方向的資料，並傳送到微控制器，利用專門演算法算出以北極為參照點的航向角，以確定地理方向。 為取得準確方向，應將加速度計的傾角資料和磁力計資料一起應用。磁力計精確度容易受到軟硬鐵或運行角度影響。硬鐵是存在於感測器附近的硬磁鐵材料，可使羅盤指針發生永久性偏移。軟鐵是感測器附近的弱磁鐵材料、電路跡線等，可使羅盤指針發生可變性偏移。為濾除這些異常，需一個磁感測器校準演算法，且重要的是校準快，人工干預少。 氣壓計 氣壓計可以把氣壓值換算成高度值，而氣壓感測器可測量地球大氣壓。氣壓計數據有助於機器或機械臂導航，達到目標高度。升降速度估算的準確性對包括機器人在內的很多機器至關重要。以意法半導體(ST)為例，該公司便推出了新款資料速率200Hz的壓力感測器LPS22HD，能夠滿足高度估算需求。 濕度感測器 濕度感測器可以測量濕度參數，用於氣象站、凝結度監測、空氣密度監測和氣體感測器測量校正。例如，意法半導體旗下的濕度感測器--HTS221，包括感測器元件和類比前端，透過數位連接埠輸出測量資料。感測元件包括聚合物電介質平面電容結構，能夠測量相對濕度變化。 MEMS麥克風 MEMS麥克風是一種將聲音訊號轉換成電訊號的音訊感測器。MEMS麥克風的人氣越來越高，與傳統麥克風相比，MEMS麥克風信噪比高、尺寸小、數位介面、抗射頻干擾性強、抗振性強，主要用於攝影機、安全監控和情報搜集等設備。 總而言之，機器很容易發生極端的工況，包括振動、雜訊和環境的影響。工業機器感測器應有很強的抗振性能，能夠捕捉更少的雜訊訊號，回應速度快，能夠捕捉到所有的振動，性能穩定，不受溫度、濕度等環境參數變化的影響。最後，可靠性和性能應該很高。 轉換原始資料　軟體演算法大有作用 在把感測器原始資料變成有意義的用例過程中，軟體庫在其中發揮著重要作用。演算法可提升感測器的功能性，實現預想不到的功能；演算法整合不同感測器發送的資料，然後輸出上下文感知資料。 加速度計、陀螺儀和磁力計三個運動感測器有各自的優缺點。感測器的短板包括校準不完美、時間或溫度漂移、隨機雜訊。 磁力計和加速度計受失真問題困擾，陀螺儀本身有漂移問題。感測器融合演算法庫用於讓三個感測器相互取長補短，提高校準精度，在所有的場景中輸出精確的結果，不僅輸出經過校準的感測器資料，而且還有角度和航向角資訊以及四元數。 智慧機器連接技術各有所長 智慧型機器可以透過不同的通訊連接技術聯網，低功耗藍牙和Wi-Fi用於機器和手機之間的連接。Sub-1GHz射頻技術用於透過專屬協定連接感測器網路，兼具功耗低和通訊距離遠兩大優點。行動蜂窩通訊和Sigfox用於將機器資料直接上傳到電信基礎建設。 下表列出了各種連接技術的通訊距離和功耗情況。在下文中我們將更詳細地討論低功耗通訊技術，例如，BLE、RF sub-1GHz和Sigfox(圖2)。 圖2　智慧型機器可藉由不同的通訊技術實現聯網功能。 低功耗藍牙有效延長電池壽命 低功耗藍牙(BLE)又稱智慧藍牙，是一種低功耗的機器連接通訊技術，適用於低階機器，特別是玩具。支援機器與控制器之間雙向通訊，例如，手機、平板、筆電和專用遙控器。低功耗藍牙協議可大幅延長機器電池的續航時間，令Wi-Fi和Classical Bluetooth等傳統無線技術望塵莫及。  低功耗藍牙可在免授權費的2.4GHz ISM頻段。藍牙技術聯盟(SIG)是低功耗藍牙標準的管理者，所有大型手機商都支援該標準。目前低功耗藍牙的晶片市場有兩大陣營，分別為： a.網路處理器：網路處理器運作低功耗藍牙協議，包括控制器、主設備和協定棧。與運作不同的藍牙應用協定和應用的主微控制器互動，網路處理器還需要一個單獨的微控制器。另一方面，網路處理器是一個獨立的平台，為使用者選擇最適合的微控制器或作業系統，以提供很大的靈活性。例如，BlueNRG-MS為意法半導體開發相容BLE 4.1的網路處理器，能夠同時做為主控制器和從控制器兩個角色，可以讓一個遙控器當手機的從設備，機器的主控制器。 b.系統晶片：系統單晶片(SoC)是一個獨立的晶片組，包括控制器、主設備、應用協定棧和應用。像是意法半導體的BlueNRG-1是BLE 4.2認證系統晶片，包含了15個GPIO針腳、I2C、SPI、UART、PWM、PDM，以及160kB RAM。這款晶片還能提供BLE 4.2的先進資料安全和隱私保護功能。 RF sub-1GHz具備低雜訊/遠距離優勢 顧名思義，RF sub-1GHz技術是以低於1GHz的載波頻率傳送訊號，不同的國家為工業和科技研究領域分配了不同的免授權費的無線電波段。 以下列出為各個國家的免費無線電波段。 ．北美：315, 433, 915Mhz ．歐洲：433, 868Mhz ．印度：433, 865~867Mhz sub-1GHz技術的優點是雜訊小，通訊距離遠，功耗低，缺點是不能直接連手機，應用不廣泛。Sigfox是採用sub-1GHz頻率且須付費的LPWAN服務，該技術可直連接電信基礎建設的雲端，通訊距離長達幾公里。在機器中，Sigfox可用於追蹤，向雲端上傳感測器資料，其作為直連電信基礎建設的低速率通訊技術，預計未來不會取代低功耗藍牙等控制直連技術和RF sub-1GHz直接對等連接。 降低研發時間/成本　開發平台不可或缺 物聯網市場正在飛速發展，產品能否成功，很大程度取決於研發時間和成本，在這種情況下，擁有一個價格划算、靈活可變、有彈性的生產級開放式的開發平台很重要。為此，半導體業者紛紛推出相關解決方案，例如，意法半導體備有STM32開放式開發環境，為設計人員使用意法半導體產品開發應用提供了一個靈活多變、經濟實惠的解決方案。 STM32開發環境包括微控制器、感測器、射頻晶片、類比元件。除了硬體平台外，開發環境還提供驅動軟體、中介軟體和應用，以及相關的Android和iOS代碼。使用者只要在電腦上簽署一份授權協定，就可以使用這些先進的軟體庫。在平台測試成功後，設計人員就可開發自己的印刷電路板，裝載在這個平台上開發的韌體；而使用者只有在自己的電路板上測試應用時，才須要簽署生產級軟體庫的許可證。 或是像SensorTile解決方案，該產品是一個方磚狀微型設計平台(圖3)，其具有遠端感測運動、環境和聲學等參數所需的全部功能，讓設備開發人員集中精力研發機器或機械手臂的空氣動力、馬達控制和物理設計，而毋須考慮通訊連接和感測器整合等問題。該解決方案可以開發預防性和預測性機器維護方法，監控安裝在危險和危害人體健康的環境中的機器，因為維護技師毋須到現場檢修，為企業節省一大筆維修費。 圖3　SensorTile解決方案。 綜上所述，為實現更高的生產率、更安全的工作環境和更高的效能，智慧工業是當務之急。低功耗感測器和通訊連接技術的問世為智慧工業的發展提供了可能。多元化的感測器和連接技術正在解決諸多的複雜難題，過去這些難題是根本無法解決的，即使能夠解決，也需要付出很大的代價。 (本文作者任職於意法半導體)

放眼未來，在面對更先進的神經網路時，能隨時進行調整的靈活性是我們關注的焦點。現今廣受歡迎的CNN正加速被新型的先進架構所取代。然而，傳統系統單晶片(SoC)的設計必須要使用當前的神經網路架構知識，而且從開發到部署通常需花費約三年的時間，像RNN或膠囊網路(Capsule Network)等新型神經網路，可能會使傳統SoC變得低效，且難以提供保持競爭力所需的效能。 因此，若嵌入式AI要滿足終端使用者的期望，特別是要跟上可預見未來裡不斷提升的需求，就必須採用更加靈活的自我調適運算平台。我們利用使用者可配置的多重處理系統晶片(MPSoC)元件，整合主應用處理器和可擴展的可編程邏輯結構，其包含可配置的記憶體架構與滿足可變精度推論所需的訊號處理技術，來滿足上述需求。 推論精度最佳化提升效能 在傳統的SoC中，決定效能特性的因素如記憶體架構和運算精度是固定的，透過核心CPU定義，最小值通常為8位元，即使針對特定的演算法最佳精度可能更低。而MPSoC因能夠支援可編程邏輯最佳化至電晶體層面，因此能根據需求讓推論精度降低至最低1位元。此外，這類元件還包含成千上萬可配置的DSP分割(Slice)，能高效處理乘法累加(MAC)運算。 當能自由地最佳化推論精度時，就能根據平方定律提供剛好滿足需求的運算效率。也就是說，單一位元的運算當用1位元核心執行時，相對於用8位元核心完成時，所需的邏輯僅為1/64。此外，MPSoC能讓推論精度針對每層神經網路做出不同最佳化，進而以最大的效率提供所需的效能。 MPSoC晶載記憶體提升4倍 除了透過改變推論精度來提高運算效率之外，配置可編程晶載記憶體的頻寬和結構，能進一步提高嵌入式AI的效能和效率。當運行相同推論引擎時，客制化的MPSoC與傳統運算平台相比，晶載記憶體可能達到4倍以上，而記憶體介面頻寬可能達到6倍。記憶體的可配置性能幫助使用者降低瓶頸，並最佳化晶片資源的利用率。此外，典型的子系統僅具備有限的晶載整合快取記憶體，因此必須與外接儲存裝置頻繁互動，導致延遲與功耗的增加。在MPSoC中，大多數記憶體交換都在晶片上進行，因此可以大幅提高速度，且能省下超過99%因與外接記憶體互動所產生的功耗。 解決方案的尺寸大小也越來越重要，特別對採用行動AI的無人機、機器人或無人/自動駕駛汽車而言更是如此。在MPSoC的FPGA結構上運行的推論引擎可以僅占用傳統SoC八分之一的晶片面積，這能讓開發者在更小的元件中建構功能更強大的引擎。 此外，MPSoC元件系列為設計人員提供豐富選擇來建置推論引擎，能支援最節能、成本效率最高、面積占用最小的方案，進而滿足系統效能需求。一些通過汽車應用認證的零件具備硬體功能安全特性，達到業界標準的ISO 26262 ASIL-C安全規範，這對自動駕駛應用而言至關重要。例如賽靈思的Automotive XA Zynq UltraScale+系列採用64位元四核Arm Cortex-A53和雙核Arm Cortex-R5處理系統(圖1)，以及可擴展的可編程邏輯結構，因此就能在單個晶片上整合控制處理、機器學習演算法和安全電路，同時具備故障容錯能力。 圖1　賽靈思的Automotive XA Zynq UltraScale+系列符合ISO 26262 ASIL-C安全規範。 現今嵌入式推論引擎可建置於單個MPSoC元件內，且功耗低至2瓦，這對行動機器人或自動駕駛汽車而言都是合適的功耗水準。傳統運算平台即便現在也無法以這麼低的功耗運行即時CNN應用，未來也不太可能在更嚴格的功耗限制條件下，滿足更快回應和更複雜功能的需求。採用可編程MPSoC的平台能夠提供更高的運算效能、更高的效率，並在15瓦以上的功率水準下減少面積和減輕重量。 若開發者不能在其專案中輕鬆應用這些優勢，那麼這些可配置型多平行運算架構的好處就僅限於學術領域。因此，若想要成功應用，需要有適當的工具來協助開發者最佳化其目標推論引擎的建置。為了滿足相關需求，賽靈思不斷擴展其開發工具和機器學習軟體堆疊的生態系統，並與專業夥伴合作，一起簡化與加速電腦視覺和視訊監控等應用的建置。 藉由SoC的可配置性能為目前應用創建最佳平台，也讓AI開發者能夠靈活地跟上神經網路架構快速發展演進的需求。業界遷移至新型神經網路的可能性，對於平台開發者來說是一個巨大的風險。然而，可重配置的MPSoC透過重配置能力，以及當前最先進的策略來建構最高效的處理引擎，能讓開發人員靈活地回應神經網路架構方式的變化。 工業控制、醫療設備、安全系統、機器人和自動駕駛汽車等越來越多的設備內已嵌入AI，利用可編程邏輯結構的MPSoC元件所具備的自行調適加速技術，是保持快速反應、高階功能及維持競爭力所需的關鍵。 (本文作者為賽靈思策略市場開發總監)

DDR3提供800~2133MT/s(每秒傳輸Mega)。DDR4提供1600~3200MT/s，傳輸速度是DDR3的兩倍。只需使用1.2V電壓，不僅效率比DDR3的1.5V更高，更可延長電池壽命並降低負載。循環冗餘檢查(CRC)和DDR4技術的晶片內建同位元偵測可增加額外指令與位址傳輸驗證，也能改善資料完整性。此外，DDR4記憶體容量也提升為四倍。DDR3最大記憶體容量是128GB，DDR4最多則可儲存512GB。 簡而言之，DDR4相較於DDR3的優勢包括：傳輸速度更快、效率更高、資料完整性更佳以及、更多記憶體空間。 至於DDR5標準，則可提供超過6GT/s傳輸速度及Tb等級記憶體容量時；整體傳輸速度和記憶體容量會再提高一倍；也就是傳輸速度更快、效率更高，以及記憶體空間更多。 訊號完整性為首要設計挑戰 DDR設計中最常見的訊號完整性挑戰就是記憶體控制器的時序問題。使用者可能會直接以購買方式取得設計所需記憶體控制器，而非採用訂製方式，若是如此，便需要在主機板和記憶體控制器間調整時序。 這樣的方式便足以執行設定和保持時間測試，以進行資料傳輸驗證。過去由於速度較慢，邊限也較寬，因此只要在通過設定與保持時間測試的情況下，在規格內便有足夠空間進行DDR2或DDR3設計。但速度提升也使邊限變得更加嚴格。若於進行DDR4或DDR5設計採用簡易的設定與保持時間測試，所提供之邊限已不足以通過規格驗證，而驗證DDR4需要眼圖(圖1)。 圖1　相符性應用測試內容中之DDR4遮罩測試，眼圖中央的矩形即為遮罩區域。 DDR4標準需在規格內符合隨機抖動和誤碼率的特定邊限與容差，因此可根據此標準為示波器建立遮罩，遮罩會定義示波器顯示器上的某個區域，此區域內的波形必須維持在滿足標準需求的狀態；如果眼圖閉合過多且進入遮罩，可能代表存在誤碼而無法通過規格標準。 我們預測DDR5眼圖會因DDR5速度提升而閉合。若確實如此，就必須利用等化技術讓眼圖張開至適當程度，以驗證設計。此外，DRAM錫球中會定義DDR5規格，但無法進入晶片探量。因此，必須改對通道進行探量，但無法透過此方式得知晶片中的眼圖為張開或閉合，需要決策回饋等化器來消除通道的脈衝響應效應。 善用邏輯分析儀避免資料毀損 驗證DDR4、LPDDR4、DDR5或LPDDR5設計時，常會遇到資料毀損的問題。造成資料毀損的原因有許多種，包含訊號完整性或功能性問題。示波器可對訊號完整性(包括眼圖大小、上升與下降時間及功率完整性)進行驗證與除錯，而邏輯分析儀則用來對記憶體系統功能或協定相符性進行除錯與驗證。若發生記憶體裝置無法以正確順序或在指定時序內接收正確指令等功能性問題，可能會造成資料毀損和系統癱瘓。測試是判斷實體或功能性錯誤和原因的重要方式，讓設計人員可為設計進行除錯並防止故障。 相符性測試軟體降低除錯難度 另外，設計人員還可利用相符性測試軟體，讓測試和除錯作業變得更輕鬆。相符性測試軟體可於示波器上執行，幫助驗證設計的訊號完整性及實體層。此軟體可自動執行相符性測試、驗證設計，並可產生通過/不通過報告，只需要將訊號連接到示波器，然後執行應用軟體即可。 若於進行設計功能或協定相符性測試時選擇合適的邏輯分析儀，便能以高達4200MT/s的資料速率及最高每個訊號400M樣本的追蹤深度，同步擷取所有DDR訊號(在DIMM/SODIMM設計超過100個訊號)。強大的分析軟體可進行記憶體協定傳輸解碼，並針對流經系統的訊務提供多種視圖與圖表，視圖和圖表可幫助驗證工程師快速瀏覽訊務流量，找出有問題的區域，協定相符性驗證軟體可於記憶體系統中精確找出問題。 總而言之，DDR記憶體晶片技術在過去十年歷經了兩個世代的演進，而新一代目前正在進行定義。每一代技術在速度、效率及記憶體容量方面都有所改進。 (本文由是德科技提供)

電源供應的雜訊程度是鎖相迴路(Phase-Locked Loops, PLLs)、壓控振盪器(Voltage-Controlled Oscillators, VCO)、類比-數位轉換器(Analog-to-Digital Converters, ADC)和放大器等零組件的重要性能指標。 在電信網路中，與射頻(Radio Frequency, RF)訊號混合期間，從本機振盪器(Local Oscillator)和放大器的電源注入到中頻(Intermediate Frequency, IF)的低頻雜訊的增頻與變頻導致中頻(IF)的兩側形成頻帶，產生了更高的相位雜訊。在偵測數位調變訊號時，相位雜訊增加了均方根(Root-Mean-Square, RMS)相位誤差，而限制了網路的性能。本文解釋了雙極型接面電晶體(Bipolar Junction Transistors, BJT)、金屬氧化物半導體場效應電晶體(Metal-Oxide Semiconductor Field-Effect Transistors, MOSFET)和電阻器中的低頻雜訊來源，以及這種雜訊如何傳遞(Propagate)到DC-DC轉換器的輸出電壓。此外，本文還介紹了一種用於量測DC-DC轉換器輸出電壓的低頻雜訊頻譜的設置，並使用該設置將低頻雜訊最佳化的DC-DC轉換器的雜訊頻譜與標準DC-DC轉換器進行比較。 低頻雜訊類型多 積體電路(IC)有不同類型的雜訊，包括閃爍雜訊(Flicker Noise)、熱雜訊(Thermal Noise)、射擊雜訊(Shot Noise)、突發雜訊(Popcorn Noise)和產生複合雜訊(Generation-Recombination...