又過熱了....

        不知道是帶賽還是怎樣，只要我經手的 Fan-less 系統，三不五時跟我說過熱。這次還說疑似過熱導致固件燒毀。只是，這種鳥問題都不是發生在試產或前幾次量產的時候，而都是不知道已經生產過幾次，才開始回報過熱的問題。不過，這次的機種，算是量產沒多久的的機種。


        當天，才開完會回到座位上，就看到該事件的相關 E-Mail。首先，當然是跟 PM 索取有問題的機器，目前還沒練到隔空抓藥的境界。PM 不知道是在我開會的時候就拿了機器給我主管，還是怎麼了？反正，我問到機器的下落，機器已經到我主管那邊了。接著，我去找我主管拿機器，但....但....但是....他已經把機器拆了。嚴格來說，是已經把板子與外殼分開，但這部機器，主要是用外殼在導熱，畢竟是 Fan-less Design。我....啞口無言了。但我想說的是，正常人分析問題前，應該先複製現象吧？如果能夠複製出來，當然就可以做進一步分析問題。如果複製不出來，耍賤就把測試結果寄給 PM 說無法複製現象，認真一點的，可能要做進一步的測試比對，畢竟有可能是測試軟體（通常 Thermal 的測試軟體與工廠的測試軟體不見得一樣），與測試手法上的差異。但是第一步，絕對不會是拆機器，至少對這部 Fan-less 的機器而言。

        後來我用了自己弄的測試軟體（為什麼是自己弄的測試軟體，因為我的測試軟體是操爆機器，壓力測試強度略勝工廠測試軟體），跑了一個晚上，溫度並不高。但畢竟不是在高溫 Chamber 測的，所以 PM 去 Booking 了 Chamber。後續就沒啥故事性了。

        而這次 CPU 的主角又是 Rangeley，這真是顆神奇的 CPU。為啥呢？因為我覺得他的溫度感應器超級不準，誤差有夠大。如同之前說的，這顆 CPU 在溫度較低的時候，量到過 Tj 低於 Tc 的。但不準歸不準，但也得頂到 Tj_max 也才會發過熱的訊號吧？即使實際物理溫度很高，但是只要不準的 Tj 還沒碰到 Tj_max，仍舊不應該發過熱的訊號，即使他的溫度是不準確的，但他的保護機制，卻應該是要如此的。看來，這問題可能是 Hardware 的問題比較大，看來這燙手山芋可以交接了。

        後記：自己搞的測試軟體，已經剩下最後一哩路了，只剩下加解密晶片無法加壓外，CPU 可以選擇用 Intel PTU，prime95，Burnin Test，或是工廠用的 stress（今天順便搞定這一部分的 script），HDD，NVME，LAN Chip，Wireless Module 都可以加壓了。

[更新: 2019/03/20]
        目前，一些跡象是指向線路設計的問題。

[更新: 2019/03/21]
        有此一說，上錯料。嘻嘻嘻....明天睜開眼睛，可能又有其他說法。但已經有現象了，目前看來過熱的訊號並不是由 CPU 發出，不了解 EE 為何還不去量測是否為電源 PWM 發出來的?