Ultrasoc与PDF解决方案合作，将数据分析与机器学习（ML）技术相结合，以预测和防止该字段中的芯片故障。
基于Ultrasoc硬件的监视器将与PDF解决方案的端到端机器学习和分析平台相关联，以识别可能在现场失败的芯片，允许OEM在发生之前预测和主动地解决问题。
“质量的价值——或者相反，质量差的代价——太高了，不容忽视。我们已经看到，随着设计和制造复杂性的增加，以及系统复杂性的增加，产品故障和召回也在增加。”ultrasc已经将其基于硬件的智能监控和分析应用到各种生活应用中，包括网络安全、功能安全和性能优化。利用PDF解决方案，我们可以利用全面的制造数据和先进的ML技术。由此产生的从晶圆厂到现场的分析框架将具有巨大的潜力，帮助制造商了解其产品在现实生活中的变化情况，并在实际发生故障之前预测出现场故障。”
尽管名字如此，Exensio软件与pdf几乎没有什么关系。该软件被多个半导体公司用于制造、测试、组装、供应链追溯和具有通用语义数据模型的现场数据。加上芯片运行的数据，预计将有助于减少产品召回的影响，比如2016年汽车行业因召回超过5300万辆汽车而损失220亿美元。
Exensio收集的数据用于机器学习算法，收集和评估来自全球21,000多台机器的半导体产率、控制、测试和组装数据。工程师使用这些数据来监视、诊断和识别制造问题。UltraSoC的嵌入式分析和监测技术通过监测一段时间内的功能行为趋势，提供有关芯片或系统行为的数据。
结合现场监测数据、制造数据和由机器学习驱动的适当人工智能，有可能为芯片制造商和oem提供一个完整的芯片上系统的预测分析平台
