前几天半夜,一个在深圳华强北做板卡维修的老朋友给我发语音,声音都是哑的。他说手里一批工控设备连续烧了三块核心板,客户催得急,他自己查了两天两夜,电源换了、电容测了、固件刷了,板子还是上电就趴窝。他问我,你们搞芯片技术解决方案的,遇到这种邪门故障到底从哪下手?说实话,这种场景我太熟了,我自己就干过更蠢的事。
那还是几年前,我接手一个车载显示模块的项目,现象是低温启动偶尔黑屏。我当时一根筋认定是屏体排线接触不良,把整机拆了装、装了拆,折腾了快一个礼拜,最后发现是供电芯片在低温下的使能时序有偏差。你看,故障现象和真正根因之间,往往隔着好几层假象。所以今天不跟你扯虚的,就聊聊我们维修工程师排查芯片级故障时,脑子里那套实实在在的推理逻辑。
很多人一上来就怀疑主控芯片坏了,其实根据我们实验室近两年大概三百多例返修统计,真正芯片本体失效的比例不到两成。更多时候,是芯片外围的供电、时钟、复位或者通信链路出了问题,导致芯片没法正常工作。打个比方,芯片就像你公司里那个技术大牛,他本事再大,你断他网、拔他电源、给他错误指令,他照样出不了活。
所以排查的第一步,永远是先确认芯片的“生存条件”是否满足。拿最常见的电源管理芯片来说,你得先量它的输入电压稳不稳、使能脚电平对不对、反馈脚有没有异常波动。我见过一个小伙子,查了一下午芯片技术解决方案,最后发现是反馈分压电阻虚焊,导致芯片一直以为输出过压,拼命保护关机。你说这能怪芯片吗?
先别急着骂供应商。我们实测发现,相当一部分“换了也不行”的情况,是焊接温度曲线不对导致芯片内部受损,或者原故障点根本没排除,新芯片一上电又被拉坏了。建议换芯片前,务必先断开负载,量一下各供电轨对地阻抗,确认没有短路再动手。
这几年高速接口越来越多,什么内存接口、显示接口、串行解串器,速率一上去,信号完整性问题就冒出来了。现象特别迷惑人:有时能跑,有时跑着跑着就丢数据,重启又好了。我以前就吃过这个亏,一个摄像头模组方案,常温测试一切正常,一上高温老化架就偶尔花屏。后来用示波器抓眼图才发现,是差分对走线在连接器附近阻抗突变,反射太厉害。
这类故障,你换多少颗芯片都没用,得回到板级设计去找问题。我们的经验是,先把故障复现条件摸清楚:是温度相关、电压相关,还是特定数据模式才触发?然后拿示波器看关键信号的上升沿、过冲、振铃,有条件的话用协议分析仪抓一段完整通信过程。说实话,这套流程走下来,大部分“玄学故障”都能现原形。当然,我上周就翻车了一次,抓了半天波形,最后发现是测试探头地线太长自己引入了噪声,气得我当晚没睡好。
先看外观和基本电性能,有没有烧痕、鼓包,各供电轨对地有没有短路。接着上电测时序,按芯片手册的上电顺序一个一个脚量过去,别嫌麻烦。然后查时钟和复位信号,很多时候芯片不跑就是时钟没起振或者复位一直被拉低。再然后才是通信链路,用示波器或者协议工具看有没有应答。最后才怀疑芯片本体,而且换芯片之前一定把外围可疑元件都排查一遍。
提示:很多芯片技术解决方案文档里都会标注绝对最大额定值,维修时哪怕瞬间超过这个值,芯片也可能内伤。所以热风枪温度和焊接时间一定要控制好,别故障没修好又添新伤。
说到这,我想起去年帮一个做工业网关的客户分析批量返修问题。他们的主控芯片频繁死机,换了三批芯片都没根治。我们过去蹲了两天,发现是散热设计余量不足,芯片长期在结温临界点附近跑,时间一长内部逻辑就出错。后来加了导热垫、改了外壳风道,问题直接归零。你看,这哪是芯片的问题,这是系统设计的问题。
所以每次有人问我芯片技术解决方案里什么最重要,我都说不是多高端的芯片,而是你有没有一套从现象倒推根因的排查习惯。工具再贵,思路乱了也是白搭。当然,我也做不到每次都一击即中,有时候查到最后发现是自己一开始就判断错了方向,那种感觉真挺打脸的。
写到这,我其实还有个困惑一直没解开:现在很多芯片原厂把故障诊断手册写得越来越简略,有的甚至只给个封装尺寸和基本参数,深层的失效模式分析全靠工程师自己摸。你说这是不是也在倒逼我们这些人把经验攒得更厚?反正我那个华强北的朋友,昨晚又发消息说板子修好了,原因是一颗不起眼的滤波电容在高温下容量掉了七成。你看,又是外围元件背的锅。下次再遇到类似的糟心事,欢迎来唠唠,说不定你的坑我已经踩过了。