ऐन केफ़र, अरुण गोगिनेनी और जेम्स किम द्वारा
एडीएएस और एवी सुविधाओं को तैनात करने वाली कारें महत्वपूर्ण वास्तविक समय अनुप्रयोगों को निष्पादित करने के लिए जटिल डिजिटल और एनालॉग सिस्टम पर निर्भर करती हैं। इन आधुनिक ऑटोमोटिव डिज़ाइनों में बड़ी संख्या में दोषों का परीक्षण करने की आवश्यकता होती है, जो एकल तकनीक का उपयोग करके सुरक्षा सत्यापन करना अव्यावहारिक बनाते हैं।
फिर भी, अनुकरण, अनुकरण और औपचारिकता के लिए स्वचालित रूप से लक्षित विशिष्ट दोष सूचियों के साथ एक अनुकूलित सुरक्षा पद्धति विकसित करना चुनौतीपूर्ण है। एक अन्य चुनौती अंतिम मीट्रिक गणना के लिए विभिन्न दोष इंजेक्शन रन से दोष समाधान परिणामों को समेकित करना है।
अच्छी खबर यह है कि गलती इंजेक्शन इंजन, अनुकूलन तकनीक और एक स्वचालित प्रवाह की अंतरसंचालनीयता सुरक्षा विश्लेषण से सुरक्षा प्रमाणन तक लूप को जल्दी से बंद करने के लिए समग्र निष्पादन समय को प्रभावी ढंग से कम कर सकती है।
चित्र 1 सुरक्षा प्रवाह में कुछ अनुकूलन तकनीकों को दिखाता है। ऑटोमोटिव एसओसी के लिए सुरक्षा आवश्यकताओं को मान्य करने के लिए अनुकूलन और फॉल्ट प्रूनिंग, समवर्ती फॉल्ट सिमुलेशन, फॉल्ट इम्यूलेशन और औपचारिक आधारित विश्लेषण के लिए सुरक्षा विश्लेषण जैसी उन्नत पद्धतियों को तैनात किया जा सकता है।
अंजीर. 1: दोष सूची इष्टतमीकरण तकनीक।
अवधारणा का प्रमाण: एक ऑटोमोटिव एसओसी
एसओसी स्तर के परीक्षण मामले का उपयोग करते हुए, हम प्रदर्शित करेंगे कि यह स्वचालित, बहु-इंजन प्रवाह बड़ी संख्या में दोषों को कैसे संभालता है जिन्हें उन्नत ऑटोमोटिव डिजाइनों में परीक्षण करने की आवश्यकता होती है। इस परीक्षण मामले में हमने जिस SoC डिज़ाइन का उपयोग किया था उसमें लगभग तीन मिलियन गेट थे। सबसे पहले, हमने अंतिम मेट्रिक्स के लिए गलती अभियानों को कुशलतापूर्वक पूरा करने के लिए सिमुलेशन और इम्यूलेशन गलती इंजेक्शन इंजन दोनों का उपयोग किया। फिर हमने समग्र दोष इंजेक्शन को समाप्त करने के भाग के रूप में औपचारिक विश्लेषण किया।
अंजीर. 2: मोटर वाहन समाज शीर्ष स्तर के खंड आरेख।
चित्र 3 चित्र 2 से सुरक्षा द्वीप ब्लॉक का प्रतिनिधित्व करता है। रंग-कोडित क्षेत्र दिखाते हैं कि दोष इंजेक्शन और दोष वर्गीकरण के लिए सिमुलेशन, अनुकरण और औपचारिक इंजन का उपयोग किया गया था।
अंजीर. 3: विस्तृत सुरक्षा द्वीप खंड आरेख।
सिमुलेशन का उपयोग करके फॉल्ट इंजेक्शन सीपीयू कोर और कैश मेमोरी ब्लॉक के लिए बहुत अधिक समय और संसाधन लेने वाला था। दक्षता के लिए इम्यूलेशन इंजन के साथ दोष इंजेक्शन के लिए उन ब्लॉकों को लक्षित किया गया था। सीपीयू कोर एक सॉफ्टवेयर टेस्ट लाइब्रेरी (एसटीएल) द्वारा संरक्षित है और कैश मेमोरी ईसीसी द्वारा संरक्षित है। बस इंटरफ़ेस को एंड-टू-एंड सुरक्षा की आवश्यकता होती है जहां सिमुलेशन के साथ दोष इंजेक्शन को कुशल होना निर्धारित किया गया था। दोष प्रबंधन इकाई इस प्रयोग का हिस्सा नहीं थी। अगले चरण के रूप में औपचारिक प्रौद्योगिकी का उपयोग करके दोष प्रबंधन इकाई के लिए दोष इंजेक्शन पूरा किया जाएगा।
तालिका 1 सुरक्षा द्वीप में ब्लॉकों के लिए रजिस्टर संख्या दिखाती है।
तालिका 1: ब्लॉक रजिस्टर गिनती।
इनमें से प्रत्येक ब्लॉक के लिए उत्पन्न दोष सूचियों को सुरक्षा तंत्र/सुरक्षा वाले सुरक्षा महत्वपूर्ण नोड्स पर ध्यान केंद्रित करने के लिए अनुकूलित किया गया था।
सेफ्टीस्कोप, एक सुरक्षा विश्लेषण उपकरण, वेलोस फॉल्ट ऐप (फॉल्ट एमुलेटर) और फॉल्ट सिम्युलेटर दोनों के लिए एफएम के लिए फॉल्ट सूचियां बनाने के लिए चलाया गया था और फंक्शनल सेफ्टी (फूसा) डेटाबेस में फॉल्ट सूचियां लिखी थीं।
सीपीयू और कैश मेमोरी ब्लॉक के लिए, एमुलेटर संश्लेषित ब्लॉक और फॉल्ट इंजेक्शन/फॉल्ट डिटेक्शन नेट (फिन/एफडीएन) इनपुट करता है। इसके बाद, इसने प्रोत्साहन को क्रियान्वित किया और सभी एफडीएन की स्थिति पर कब्जा कर लिया। राज्यों को सहेजा गया और फॉल्ट इंजेक्ट रन के मुकाबले तुलना के लिए "गोल्ड" संदर्भ के रूप में उपयोग किया गया। अनुकूलित गलती सूची में सूचीबद्ध प्रत्येक गलती के लिए, दोषपूर्ण व्यवहार का अनुकरण किया गया था, और एफडीएन की तुलना गोल्डन रन के दौरान उत्पन्न संदर्भ मूल्यों के साथ की गई थी, और परिणामों को वर्गीकृत किया गया था और विशेषताओं के साथ गलती डेटाबेस में अद्यतन किया गया था।
चित्र 4: सीपीयू क्लस्टर। (स्रोत से https://developer.arm.com/Processors/Cortex-R52)
ब्लॉक आरेख में दिखाए गए प्रत्येक उप भाग के लिए, हमने विश्लेषण इंजन का उपयोग करके एक अनुकूलित गलती सूची तैयार की। दोष सूचियाँ फ़ूसा डेटाबेस में अलग-अलग सत्र में सहेजी जाती हैं। हमने फ़ूसा डेटाबेस से यादृच्छिक नमूना उत्पन्न करने के लिए समग्र दोषों पर सांख्यिकीय यादृच्छिक नमूनाकरण का उपयोग किया।
अब आइए देखें कि क्या होता है जब हम अनुकरण का उपयोग करके दोष इंजेक्शन के माध्यम से एक यादृच्छिक नमूना लेते हैं। हालाँकि, फॉल्ट इंजेक्शन को पूरी तरह से बंद करने के लिए, हमने एन नमूनों को संसाधित किया।
तालिका 2: का पता चला दोष by सुरक्षा तंत्र।
तालिका 3 से पता चलता है कि कुल दोषों के लिए समग्र दोष वितरण यादृच्छिक नमूना दोषों के दोष वितरण के अनुरूप है। तालिका कुल 3125 दोषों में से 4782 की कुल पाई गई दोषों को दर्शाती है। हम प्रति उप भाग में पाई गई खराबी का मॉडल बनाने में भी सक्षम थे और 65.35% का समग्र पता लगाया गया गलती अनुपात प्रदान करते थे। यादृच्छिक नमूने में दोषों और 90% के हमारे कवरेज लक्ष्य के आधार पर, हमने गणना की कि त्रुटि का मार्जिन (एमओई) ±1.19% है।
तालिका 3: सीपीयू और कैश मेमोरी में दोष इंजेक्शन के परिणाम।
कुल ज्ञात (अवलोकित + न देखे गए) 3125 दोष एक स्पष्ट दोष वर्गीकरण प्रदान करते हैं। न पाया गया अवशिष्ट दोषों के लिए एक स्पष्ट वर्गीकरण भी प्रदान करता है। हमने अनिर्धारित और न देखे गए दोषों का और अधिक विश्लेषण किया।
तालिका 4: दोष वर्गीकरण बाद दोष इंजेक्शन।
हमने 616 अनडिटेक्टेड अनऑब्जर्व्ड दोषों का विश्लेषण करने के लिए कई डिबग तकनीकों का उपयोग किया। सबसे पहले, हमने इन यूयू दोषों के प्रभाव के शंकु (सीओआई) की जांच के लिए औपचारिक विश्लेषण का उपयोग किया। जो दोष सीओआई के बाहर थे उन्हें सुरक्षित माना गया, और पांच दोष ऐसे थे जिन्हें विश्लेषण से हटा दिया गया। सीओआई के अंदर जो दोष थे, उनके लिए हमने विभिन्न कॉन्फ़िगरेशन जैसे ईसीसी, टाइमर, फ्लैश मेम संबंधित आदि के औचित्य के साथ इंजीनियरिंग निर्णय का उपयोग किया। अंत में, औपचारिक और इंजीनियरिंग निर्णय का उपयोग करके हम 616 यूयू दोषों को सुरक्षित दोषों और शेष में वर्गीकृत करने में सक्षम हुए। यूयू दोष रूढ़िवादी रूप से अवशिष्ट दोषों में होता है। हमने 79 अवशिष्ट दोषों की भी समीक्षा की और 10 दोषों को सुरक्षित दोषों में वर्गीकृत करने में सक्षम हुए। यह जांचने के लिए कि क्या कोई और उत्तेजना उन दोषों को इंजेक्ट करने में सक्षम है, सिमुलेशन मॉडल के विरुद्ध इंजेक्शन न किए गए दोषों का भी परीक्षण किया गया था। चूंकि कोई भी प्रोत्साहन इन दोषों को इंजेक्ट करने में सक्षम नहीं था, इसलिए हमने इन दोषों को अपने विचार से हटाने और तदनुसार त्रुटि की संभावना के विरुद्ध निर्णय लिया। इस परिवर्तन के साथ हमारा नया MOE ±1.293% है।
समानांतर में, फॉल्ट सिम्युलेटर ने बस ब्लॉक के विफलता मोड के लिए अनुकूलित फॉल्ट सूचियां खींचीं और कार्यात्मक सत्यापन से उत्तेजना का उपयोग करके फॉल्ट सिमुलेशन चलाया। उत्तेजनाओं का प्रारंभिक सेट पर्याप्त कवरेज प्रदान नहीं करता था, इसलिए उच्च गुणवत्ता वाली उत्तेजनाएं (परीक्षण वैक्टर) तैयार की गईं, और नई उत्तेजनाओं पर अतिरिक्त दोष अभियान चलाए गए। सभी दोष वर्गीकरण फ़ूसा डेटाबेस में लिखे गए थे। समग्र दक्षता और उच्च प्रदर्शन के लिए सभी रन समानांतर और समवर्ती थे।
सेफ्टीस्कोप का उपयोग करके सुरक्षा विश्लेषण ने अधिक सटीकता प्रदान करने और गलती सिमुलेशन की पुनरावृत्ति को कम करने में मदद की। विभिन्न परीक्षणों पर अनुकरण के बाद सीपीयू और कैश मेम का कुल एसपीएफएम 90% से अधिक था जैसा कि तालिका 5 में दिखाया गया है।
तालिका 5: कुल परिणाम है.
इस समय फॉल्ट सिमुलेशन करने वाले बस ब्लॉक (एंड टू एंड प्रोटेक्शन) के सभी परीक्षण पूरे नहीं हुए थे। तालिका 6 से पता चलता है कि पहला प्रारंभिक परीक्षण 9.8% दोषों को बहुत जल्दी हल करने में सक्षम था।
तालिका 6: E2E SM द्वारा BUS ब्लॉक के लिए पता लगाए गए दोषों का प्रतिशत।
हम SoC की रनटाइम ऑपरेशन स्थिति की नकल करने के लिए और अधिक परीक्षणों को एकीकृत कर रहे हैं जिनमें BUS पर उच्च ट्रैफ़िक है। इन स्वतंत्र दोष इंजेक्शन (सिमुलेशन और अनुकरण) के परिणामों को तालिका 7 में दिखाए गए परिणामों के साथ, उपरोक्त ब्लॉकों पर अंतिम मैट्रिक्स की गणना के लिए जोड़ा गया था।
तालिका 7: विश्लेषण के बाद अंतिम दोष वर्गीकरण।
निष्कर्ष
इस लेख में हमने SoC स्तर के ऑटोमोटिव परीक्षण मामले में उपयोग की जाने वाली एक नई कार्यात्मक सुरक्षा पद्धति का विवरण साझा किया है, और हमने दिखाया है कि कैसे हमारी पद्धति औपचारिक, सिमुलेशन और इम्यूलेशन सत्यापन इंजनों का उपयोग करके गलती इंजेक्शन के लिए अनुकूलन तकनीकों का उपयोग करके एक स्केलेबल, कुशल सुरक्षा वर्कफ़्लो का उत्पादन करती है। . फॉल्ट इंजेक्शन चलाने से पहले सुरक्षा विश्लेषण करना बहुत महत्वपूर्ण और समय बचाने वाला था। इसलिए, इस पैमाने की परियोजना के लिए एकाधिक इंजनों का उपयोग करने और एक सामान्य फूसा डेटाबेस से परिणाम पढ़ने के लिए अंतरसंचालनीयता आवश्यक है।
एडीएएस और एवी ऑटोमोटिव डिज़ाइन के लिए इस अत्यधिक प्रभावी कार्यात्मक सुरक्षा प्रवाह पर अधिक जानकारी के लिए, कृपया सीमेंस ईडीए श्वेतपत्र डाउनलोड करें जटिल सुरक्षा तंत्रों को सत्यापन और मीट्रिक समापन के लिए अंतरसंचालनीयता और स्वचालन की आवश्यकता होती है.
अरुण गोगिनेनी सीमेंस ईडीए में आईसी कार्यात्मक सुरक्षा के लिए एक इंजीनियरिंग प्रबंधक और वास्तुकार हैं।
जेम्स किम सीमेंस ईडीए में तकनीकी नेता हैं।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://semiengineering.com/interoperability-and-automation-yield-a-scalable-and-efficient-safety-workflow/
