应用于智能设备的智能化测试系统

智能设备正越来越多地为人们所接受：不仅仅是手机，也包括汽车以及整个工业化进程，尤其是传感器领域。在未来的测试领域里，全方位系统化的智能测试系统将是行业发展的趋势。面临这样的挑战，德国电工杂志特地邀请了业内专家对此进行了一番展望。



专家们在VIP会议中讨论“智能设备的测试所面临的挑战”

测试意味着不断优化，对于不断推陈出新的智能设备来说尤其如此。

“统计显示，到2020年，全世界大概有约200亿智能并且联网的设备。” “但我们肯定不会研发200亿种测试方案来测试这些设备。”
Rahman Jama---NI科技全球营销总监

“联网是一个重大的挑战。小型智能设备将变得多功能化，内在的智能系统将得到增长。正如从智能手机中看到的，信息直接从设备中提取。这也适用于传感器技术。也就是说，传感器中的信息，可用率将增强。” “在过程中，不同源的信息会经常被收集在一起，为了进一步了解这个过程，并且以模型的形式来建模。”

Christian Henke博士 Fraunhofer IEM研究所自动化及控制技术领域部门负责人



来自奥迪的NK表示：“现今，很多机器人组装一辆汽车，这就要求更多的粘合以及焊接。每个螺丝，每一个焊接过程，以及每一个粘合点都必须被记录下来。这样就会有很多数据被记录下来 - 包括拧螺丝过程中旋转过程。” “智能传感器可以预测设备是不是正常工作，而不是仅仅事后记录错误信息。这就意味着传感器技术将在整个生产网络中占据很重要的作用。

在测试中面临的挑战

对芯片的测试通常是在封装之前。测试本身是简单的，但是微微米级的定位处理被证明是非常具有挑战性的，因此零部件的设计就会变得相当重要了。将来的零部件，其数字化程度将变得更高。数字传感器部分的集成在微波上，将以能量采集器的形式进行自给自足的能源供应。每个单独的数字传感器节点又必须被单独测试。而这样一个系统，处理起来的复杂性大大的增加了。为了控制这个问题，更需要恰当的工序。



对于测试过程正变得越来越复杂，Michael Konrad这样认为：
“PCB板和传感器的尺寸正在变得越来越小，相关的测量点也面临着相同的问题。除此之外，测试过程中面临的机械方面的要求也越来越严格。要把测试点全部覆盖，复杂的光学系统往往是必要的。另一方面，测试本身已经成为了一种更简单的方法。过去，我们使用模拟信号技术对物理信号进行测量。今天，一些带有数字接口的智能传感器本身已经拥有了自检的途径。在很多情况下，我们甚至并不需要模拟测量技术，而只需要一个定义好的智能界面。不过，各种传感器拥有不同的传输协议，这些协议也是需要被预先集成到系统里的。
因此，我们要开发一种系统，使综合性测试变成可能。”

芯片越做越小，意味着精确接触被测点将变得越来越困难。各种功能的高密度化叠加将使测试变得更困难。以前使用机械和物理尺寸，两者中间还存在这换算，而今天这些都已经在板子上了。与此同时，编程和测试的时候，智能化需求也更高。在此之前，综合性的硬件环境已经存在，而现在我们也需要有与之配套的综合性的软件平台。

生产与车辆的共同性

在生产范围中，传感器被越来越多的使用到，特别对于工业4.0。

“我们的机器里安装了很多传感器。”Benjamin Döbbeler博士说到，“我们因此收集到了很多有关流程状态的信息。”
数千个传感器被安装在车辆上，从制动到转向，从照明到胎压，其中大多数的数据都会被进行分析 —— 和工业4.0相似。雷达是自主驾驶技术的核心技术之一。通过这种方式，所有运动物体都会被检测到，同时，数据也将做相应的评估。在Wolfram Koerver的眼里，智能汽车将有一个很好的未来，“在不远的未来，设备将代替我们自己来做决定。”Michael Konrad介绍说道，在汽车上安装传感器将拥有很大的潜力：“一个由数以百万计的传感器组成的终极互联智能系统还可以用来发送天气报告，追踪犯罪分子等等。”

从测试的角度而言，单个设备的测试方法已经相对完善。为了确保整个测试系统的安全性，必须制定许多不同的方案。从这方面来言，在自动驾驶领域中还没有现成的基础。制造商并没有做好这方面的产线布局，因为从某些测试环境来说，例如硬件在环测试和应用程序里的RF覆盖度，都还只是基于平台而不是系统的。在工业上测试却又是不可或缺的，例如，测试系统在航空方面非常重要，以尽可能避免生产链中发生的错误和不必要的额外工作。

建模和分析工具

近些年来建模在产品测试中越发重要。著名研究所Fraunhofer IEM对建模研发的态度非常积极 ---尤其对虚拟传感器。

在测试过程中有些物理量的值不能被直接测量的。而传感器性能的增长一定会使得整车建模和机械建模成为可能。采用建模的方法使得精确响应和二次优化成为可能。以热传导模型为例，建模使得预测机器内某一点温度成为了可能。有了机器建模和过程仿真，我们就能确定过程中起作用的力，同时也能知道相应的过程控制是如何实现的。即便如此，因为传感器选型和定位有相当的复杂性并且建立的模型也有一定得局限性，那些知道怎么测试和在哪些点测试的专家们也是不可替代的。

一些复杂的分析工具不仅相互密切关联，对系统的稳定性也提出了很高的要求。在这种情况下，尤其是测试方法之间不存在可比较性的时候，一个统一的接口标准成为了一种期许，同时也希望在供应商处统一一个共同的标准 —— 这对于自动驾驶行业来说尤其重要。当然，恪守德国汽车工业协会提出的建议也十分重要。

虽然测试行业都希望有一个统一的标准，但现实情况是：每一个测试解决方案一般都会涉及到一些独特的需求。这种现象在生产中也十分普遍。而当每个制造商都这样时，就成为一个严重的问题 —— 数据交接无法流畅完成。然而，在工业4.0的大背景下这显得不那么容易：参与方提供技术文件而非技术标准。然而制造商使用的却是技术标准。并且，标准是一把双刃剑。举例来说，PXI机箱首次出现在1997年，这个标准化产品是由市场上用户的压力促成的。一些生产商则只能改行：客户用他们的认可度来决定一个标准是否被接受，而非由制造商单方面决定。PXI制造商们提供了一些合适的支持 —— 比如驱动和编程工具，这些都被证明是非常成功的。

生态系统的利益
Rahman Jamal指出，从今天的角度来看，成功与否更取决于增值服务以及生态系统的规模。“纯粹的标准化已经是不够的了。”

Benjamin Döbbeler博士对于生态系统的利益做出了同样的回应：“谁都有其专长。一个正常运作的生态系统使得大家能一起相互学习。”每个人都能够共享知识或者算法以至于每个人都可以收益。

Christian Henke博士也把物联网和智能系统看作一个优势：“适应能力是走向成功的关键。在云端，它正在不断成长并且与其同伴互惠互利相互学习。最后破茧成蝶。”这同样适用于测试系统，测试需要成本投入是众所周知的，但是或许不知道跳过测试环节的话将会让我们承担更高的投资风险。

最后，我们希望测试将不再被视为一个成本因素，而是一个辅助设计的研发策略 —— 这也是我们想把理想变为现实的愿景！