嵌入式软件和硬件在互相扯皮，项目进行不下去了！

置顶

精

活动

最近遇到了一件糟心的事情，交付给客户现场运行了不到一个月的硬件定制产品，开始出现无规律的停机现象，已经影响到客户的生产线运作，客户已经开始炸毛了。

在跟客户进行了一通“友好”的电话沟通之后，我和嵌入式软件工程师李工，马上订机票飞往客户现场，一方面是为了安抚好客户情绪（现场挨批），另一方面是为了了解现场机器的运行情况。

根据停机现象，我们怀疑是设备在运行一段时间后，程序出现了偶发性卡死，然后外部看门狗会对机器进行强制复位，复位后的设备虽然能重启进入界面，但机械结构会从运行态切换为停止态。

（有些工业设备不允许上电就直接运行，需要重新人工开机）

为了找出程序跑飞时的栈调用情况，李工启用了 cm_backtrace 组件，然后结合 addr2line 对程序跑飞时的栈调用情况进行了分析。

因为停机无规律出现（后来发现，电机启动一瞬间出现的概率高一点），很不容易地抓取到两三次停机之后，我们发现程序有时候出现 HardFault，有时候出现 BusFault，并且跑飞的位置不固定。

根据李工的经验，他怀疑是硬件设计的问题，于是打电话给第三方的硬件工程师陈工。。。

我：“李工，你跟陈工描述一下调试情况。”

软件李工：“ 陈工，我们现场排查了，程序跑飞的位置不固定，这种情况可能是某个硬件的可靠性或者是信号干扰影响导致的~”。

硬件陈工反驳道：“这完全不可能，硬件出厂时都是经过测试的，测试时都没出过岔子，是不是你软件内存溢出或者逻辑处理得不好？”

软件李工开始不耐烦：“我已经把内存可能溢出的地方处理了，不是软件的原因啊，~”

硬件陈工急了：“这个硬件原理，我们以前也用过啊，也没出现过这种情况，你再找找软件原因。”

。。。。。。（两人你一言我一语地争论起来，互不相让，反正都不承认各自的原因。）

我：“这样，吵下去也无济于事，我先安抚好客户，回公司后我们马上复刻现场进行重新测试验证！”

（从客户现场回到公司后。。。）

现场出现问题的是一款工业三相电机控制器设备，采用 AC-220V 供电，里面有 AC 转 DC 电源模块，带有显示屏和联网功能，支持继电器输出和隔离光耦输入，支持 RS485 和 CAN 通信功能，设计框图如下。

由于考虑到工业信号的实时性和多任务并发处理，李工设计嵌入式软件时，采用了 FreeRTOS 操作系统进行任务调度，而且还在外部SDRAM开启 Framebuffer 缓冲区，用来给GUI进行刷屏。

为了减少内存溢出的风险，李工对各个数据缓冲区数组进行了优化，采用静态方式进行管理，并且每次写缓冲区时都进行数组范围判断，防止内存申请失败或者写缓冲区时出现数组越界操作。

我们从仓库里面领取了新的硬件设备做测试，一开始怎么也没办法复现出现场的停机现象，验证过程一度陷入了停滞。。。

但是，在设备连续不断电运行了差不多240个小时之后，事情似乎出现了转机，设备开始出现偶尔的看门狗复位重启，并且随着设备运行时间越长，出现得越来越频繁。（电机启动或者电磁阀吸合瞬间，特别容易出现）

查找方向开始转到硬件设计上。。。

这款产品为了方便取电，陈工在硬件内部集成了开关电源，用隔离变压器和整流桥进行 AC 转 DC 处理，PCB 整体布局和布线，据说已经充分考虑 EMC 和 EMI 。

我们重新检测这台运行了“很久”的设备的各个电源回路，发现当设备运行了一段时间之后，3.3V 的电源回路上就会出现一些噪声，纹波忽高忽低，特别是在电机启动或者电磁阀吸合瞬间，电源噪声可能达到 2~3V 以上。（不是每次噪声都会导致MCU复位，说明这款MCU还是挺“扛噪”的。）

这对于 3.3V 供电的芯片来说可能是致命的，电源噪声很容易造成MCU和内存芯片的数据错乱，造成程序莫名其妙地跑飞~

有见及此，陈工马上开始对硬件进行整改，优化硬件的各路电源环路设计，将输入回路、辅助绕组回路和输出回路的环路面积做到最小，以增强抗干扰能力和减少对外的干扰。

为了更好的信号完整性和降低电磁干扰（EMI）和减少层间耦合噪声，陈工决定改用 6 层板对 PCB 进行重新 Layout，我们在嘉立创领取了打样券，现在样品也能用沉金工艺了，而且免费增加至2u"厚度，盘中孔工艺也可以免费使用，并且不限制BGA封装。

以前打个 6 层板的样品，打样费也是一笔不小的研发成本开销，现在嘉立创对于 6 层以上 PCB 的打样政策，工程费可以大降50%，对不少中小企业是非常大的利好。

在关键的电源和存储器芯片上面，也替换为进口方案（贵就贵点，但胜在够稳），这几天布线完之后，应该会发出去打样，等样品回来之后我们再仔细进行验证。

（事情虽然还没有结束，但总算看到了一点希望~）

在开发过程中，客户一直抠成本，产品做出来之后，客户又急着在生产线上面使用，只是经过了基本的功能逻辑测试就交付了（没经过疲劳和可靠性测试），没想到，最后在客户现场还是出现了问题~

整个过程，有几点是需要值得我去反思的：

1、产品在客户现场出现了问题，电话和信息无法解决的时候，该到现场（挨批）还是要到，一方面为了降低客户损失，另一方面也为了安抚和挽留客户。

2、处理好成员冲突，尽可能地不要让团队成员在客户现场发生矛盾，以解决问题为主要目的，团队成员才是解决现场问题的关键要素。

3、不能为了降低成本而忽略了产品的稳定性，哪怕客户一直要求降低成本，也要管理好客户的预期，明确告知客户降本的风险。

4、做硬件产品研发还是得坚守原则，该遵循的流程还是要遵循，该做的测试还是要做（哪怕后补，也要有测试数据），EMC和EMI，可靠性测试，疲劳测试，耐久度测试，等等。

5、事情的进展，有时候看上去似乎停滞不前，但也不要马上停下来，（就好比，让设备空转运行也得让它转），没准过一段时间就会迎来转机~

最后，希望这次改版能行，生活又给我上了一课！~