|
作者：merlin2007 當工程師的都知道“debug”這個詞，意思是“排除故障”。英文的字面意思是“抓臭蟲”。但我覺得這不太貼切。臭蟲雖然討厭，但大不了就是咬一口，叮個包，總歸還要不了命。而且有時就在表面，抓起來并不困難。可在工程設計中要是留下個隱患，有時可要出大亂子。從這個意義上講，說是“捉鬼”可能更恰當。鬼不但嚇人，還可能要命啊。 從事硬件設計多年，捉的鬼不少了。本來嘛，硬件工程師的工作無非是倆部分：前期的工程設計，以及實驗室里或現場的故障排除。而每個故障的表現盡管千奇百怪，但原因無外乎：設計錯誤，元器件失效，使用不當。對新產品設計而言，則主要在前兩種。硬件工程師排除的自然是硬件故障，然而事情有時并非如此簡單。在今天這樣高度集成的電子設備中，這個界限越來越模糊。做個工程師，必須拳打腳踢，那樣都不能含糊。要不然，麻煩就要上身。 說說我的一次捉鬼的經歷吧。 遇見鬼 在C公司工作期間，一直做大型路由器接口模塊的硬件設計。大約是在04年開始的一個項目用到了QDR靜態存儲器。當時這款存儲器還屬新品，生產廠家不多。開始時只有CYPRESS一家的可用。但C公司的產品設計要求是：除非功能特殊的器件，一般器件必須要有倆個以上的供應商，以防止因供應商的原因造成器件短缺影響生產。對存儲器這種常規器件更要如此。于是一邊設計一邊要找這種存儲器的替代廠家。最后，在設計基本完成時，又從K公司找到了同樣的器件。至此全部器件的選型都滿足了設計要求。公司器件數據庫將這兩家的器件列入同一器件編號下，表示可以相互通用。因當時K公司還不能提供器件樣品，所以產品的測試只用了CYPRESS的器件。完成設計，樣機制作，實驗室調機，通過測試，為軟件團隊的軟件開發提供支持，指導試生產，。。。，一系列的辛苦不必再說。最終，產品順利投產。公司的產品目錄上又多了一個，每年公司巨額的收入賬上，又加入了新的一筆。。。。而我又轉入了下一個輪回，開始了新項目的設計，命啊。。。 大約兩年后，就在我已經漸漸淡忘了這個項目時，某一天，一個負責新品生產的工程師突然找到我，通報了一個嚴重情況：兩年前投產的那個產品在近期的生產中突然發現大批的成品不能通過測試。問題全部集中在QDR存儲器上。開始時工廠試圖通過更換器件來解決問題但是無效。更可怕的是：這一故障情況不穩定，同一塊板子，這次測試通過了，下次重復再測可能就通不過。這是最讓搞硬件的肝兒顫的“軟故障”。 聽完情況介紹，哥們的冷汗就下來了。通常情況下，我們在投產前已經對工廠的技術人員進行了培訓，常見的問題都有處理的措施。只有在無法解決的情況下才會聯系我們。現在因為這個故障已經造成停產，大批的成品堆在那無法出廠。更為嚴重的是幾年來已有上千件成品交付用戶使用，很多現在處于運行狀態。如果這些已經交付的產品中也存在同樣問題，在使用中發生故障，造成用戶數據流中斷，停機，用戶要求返修，退貨，這麻煩可就大了去了。別說我這個小小的工程師，上面幾級的頭頭腦腦都要有好看的。而事實也證明了我的猜想, 很快部門經理和高一級的主管就打電話或發來電郵詢問情況，同時再三強調：這是目前壓倒一切的中心任務，必須盡快破案！（呵呵，當然不是原話，但意思是對的，聽著有點兒像這兩天公安部急著抓殺人犯的口氣，這中外當頭兒都差不多）。 當時的感覺就是：遇見鬼了！ 抓鬼 等一驚一炸的功夫兒過去后，我冷靜下來，開始思考各種可能性。產品已經投產兩年，一直沒聽說有質量問題。突然暴出這個問題，肯定哪有了變化。于是我找到新品工程師仔細的詢問了情況，果然發現了線索：該產品在投產后一直使用CYPRESS的QDR存儲器，一切正常。前不久K公司的存儲器開始供貨，所以近期的生產使用的是K公司的器件。而問題就是在換器件后爆發的。很明顯，問題與K公司器件的使用有直接關系。 想到這兒我心里有了底：有目標就好辦！于是我要求馬上從工廠的測試通不過的板子中給我發5個過來，用來查找問題。與此同時，我還得恢復所需的測試設備。時間已經過去了兩年，原來的測試平臺或是已經拆除，或是轉做它用，現在再恢復起來又是一番辛苦，自然是不在話下。 很快工廠發來的板子到了。放到系統上一測，果然，存儲器的測試不斷出錯，而且出錯的地址和數據不固定，完全是隨機狀態。按照存儲器的技術指標反復核對了板子上的器件時間參數狀態，沒有發現問題。這說明問題不是由于時間關系計算錯誤引起的。這讓我松了一口氣。如果是這種問題，要解決就只能重新做板子了。那我基本上就死定了。這種隨機狀態的錯誤讓我感覺，這并不是由于器件的物理故障所引起，而更像工作狀態混亂造成的。我從廠家網站上下載了最新版本的技術文件，查找其中任何可能導致器件工作不穩定的原因。終于在有關數字鎖相環（DLL）的內容中，發現了一段描述： 1. 必須在控制線DOFF為低電平情況下加電。 2. 器件核心部分必須先于接口部分加電。 3. 待電源電壓及時鐘穩定后再恢復DOFF為高電平。 4. 如果做不到上面三條，則必須將輸入時鐘中斷30NS后再恢復。所有這些都是為了保證DLL的正常工作。 看了這段內容讓我很興奮，因為我清楚地記得以前的技術文件沒有這些要求。我有個習慣，每開始一個項目設計，便將有關的技術文件放在一個獨立的文件夾里。有問題抓過來一翻很方便。找到那個項目的文件夾，翻到原來保存的老版本的K公司存儲器技術文件，果然找不到這部分內容，這就對了。在初始設計時，電源時序是個重要內容。所有的器件都核對過是否對此有要求。以便分配相應的供電線路。 不過即使如此，恐怕也很難按此要求辦，該存儲器的兩路電源同為1.8V， 總不能為了兩個存儲器再多加一路電源和時序控制吧，那也太不經濟了。 如果是這樣，很有可能就不選它的器件了，因為同樣的產品，CYPRESS并沒有這些要求。文件中的這段描述，更像是在器件出來后發現了DLL的初始穩定性的問題而采取的一種補救措施。DLL是其內部工作的時鐘源，如果它工作不穩定，其余電路的工作無從談起。現在雖然還不能最后肯定，但直覺告訴我：它就是那個鬼！ |
