CN102799516A - 一种大规模集成电路测试人力成本管理方法 - Google Patents

Abstract

本发明属于大规模集成电路设计验证的电子设计自动化领域，特别涉及一种大规模集成电路设计验证测试人力成本管理方法。本发明对测试过程中，人力成本受限和追求快速最大功能覆盖率指标之间的矛盾问题，解决管理者如何分配每项测试改进的量化指标，才能达到人力成本的最佳利用，使得测试的功能覆盖率快速达到最高。本发明将功能覆盖率和磁盘用量信息建模为时间的幂函数，基于几何规划方法得出最大功能覆盖率的最优解γ^*和γ^*关于约束β_iγ^*0≤β_i≤1的灵敏度

Description

一种大规模集成电路测试人力成本管理方法

技术背景

本发明属于大规模集成电路(VLSI)设计验证的电子设计自动化(EDA)领域，特别涉及一种大规模集成电路测试的人力成本管理方法。

背景技术

VLSI设计的验证工作对于保证芯片的功能正确性具有非常重要的意义，在VLSI的设计过程中，回归测试贯穿始终。VLSI设计一般以RTL代码描述，当RTL代码进行了少量改动时，要重复运行已有的全部测试以确保本次修改没有引入设计错误。对于复杂的、含多个RTL模块的VLSI设计，多个验证人员参与回归测试的编写，回归测试较多，为快速达到整体100％的功能覆盖率指标，要求测试人员对每个测试进行多次改进，当然每次测试的改进需要投入人力成本，而实际的人力成本是受限的，不可能无限制多。由此存在着下面的问题：在某个状态下，管理者如何确定优先改进哪个测试，改进到何种程度，才能使得在人力成本受限的情况下，测试的整体功能覆盖率指标改进的最高，也就是使得有限的人力资源达到最佳的利用，可见测试人力资源的全局规划显得十分重要。

目前的状况是，缺乏全局的测试人力成本管理方法，无法合理分配可用的测试人力成本，无法高效地改进测试过程。要求每个测试人员尽全力改进，而缺少每个模块改进程度的量化指标，浪费了很多测试人力资源。

发明内容

本发明针对上述问题的缺点，提出了一种大规模集成电路测试的人力成本管理方法，此方法可以充分利用有限的人力资源，合理分配每项测试的改进程度，使人力资源达到最佳的利用，避免了人力资源分配不合理导致的浪费，进而加快测试快速达到整体100％的功能覆盖率指标。

本发明的方法实现步骤如下：

1)运行各个回归测试，收集功能覆盖率，并将其建模为时间t的幂函数：

(i＝1，2，…，N)，其中系数c_i，x_i分别是正实数与实数，自然数N代表回归测试的数目。

2)同样运行各个回归测试，收集磁盘用量信息，并也将其建模为时间t的幂函数：

(i＝1，2，…，N)，其中系数s_i，y_i分别是正实数与实数，自然数N代表回归测试的数目。

3)当对RTL代码进行少量改动时，由设计人员提供一组加权参数β_i(i＝1，2，…，N)，一般取作0≤β_i≤1，表示某模块与本次RTL代码改动的相关程度。对于明显不相关的模块，可设置β_i为很小，相关程度越大取值越大。

4)管理者给出可用的总计算时间上限T及总磁盘用量上限S。

5)用凸优化软件包求解下述几何规划问题(求解算法具有多项式时间复杂性)：

$\underset{t_i>0,\mathrm{\γ}>0}{\max }\mathrm{\γ}$

s.t. $c_i{t_i}^{x_i}\≥{\mathrm{\β}}_i\mathrm{\γ}$ (i＝1，2，…，N)

t₁+t₂+…+t_N≤T

$s_1{t_1}^{y_1}+s_2{t_2}^{y_2}+...+s_N{t_N}^{y_N}\≤S$

得到最大的功能覆盖率γ^*和每个测试的最优运行时间

同时，凸优化求解软件给出了最优解γ^*关于各个约束的灵敏度，特别地，对于N个覆盖率约束β_iγ(i＝1，2，…，N)，以(i＝1，2，…，N)表示最优解γ^*关于约束β_iγ^*(i＝1，2，…，N)的灵敏度。

6)由几何规划理论可知，当N个覆盖率约束β_iγ^*分别放松到ξ_i时，也就是β_iγ^*≥ξ_i(i＝1，2，…，N)，这时整体的最大功能覆盖率将从γ^*变大到

其中为常数且ρ＞0。可见，改进的最大功能覆盖率

是关于单个测试的改进值ξ_i的实数幂项的积。将每项测试的人力成本量化建模为

其中ε_i，δ_i分别为正实数和实数，由测试人员向管理者给出ε_i，δ_i的参考值，管理者根据提供的参考值和实际情况最终决定ε_i，δ_i取值。总的人力成本上限C由管理者决定，最优人力资源管理问题可表述为以下几何规划：

$\underset{{\mathrm{\ξ}}_i>0}{\max }\mathrm{\ρ}\underset{i=1}{\overset{N}{\mathrm{\Π}}}{{\mathrm{\ξ}}_i}^{-{\mathrm{\λ}}_i^{*}}$

s.t.ξ_i≤β_iγ^*(i＝1，2，…，N)

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_i{\left(\frac{{\mathrm{\β}}_i{\mathrm{\γ}}^{*}}{{\mathrm{\ξ}}_i}\right)}^{{\mathrm{\δ}}_i}\≤C$

7)根据第6步求得的每项测试需改进的量化指标的最优解ξ_i ^*，由此管理者将测试任务分配给测试人员，测试人员进行测试改进，其结果是使c_i，x_i变大，变大为

其中

为大于1的实数。测试改进程度

是否满足要求，可由下式判断

${\mathrm{\β}}_i{\mathrm{\γ}}^{*}-{\mathrm{\ξ}}_i^{*}\≤\frac{{\∂f}_i}{\∂c_i}{|}_{(c_i,x_i)}{c}_i({\mathrm{\Δ}}_{c_i}-1)+\frac{\∂f_i}{{\∂x}_i}{|}_{(c_i,x_i)}{x}_i({\mathrm{\Δ}}_{x_i}-1)$

$=c_i{\left(t_i^{*}\right)}^{x_i}[({\mathrm{\Δ}}_{c_i}-1)+\log \left(t_i^{*}\right)x_i({\mathrm{\Δ}}_{x_i}-1)]$

只要成立了，说明测试改进满足要求，就可以停止了，且此次测试改进的参数

作为下一次进行人力资源管理时，第1步表达式

(i＝1，2，…，N)中系数c_i，x_i的更新值。

本发明的有益效果是：通过将人力成本建模为

其中ε_i，δ_i分别为正实数和实数，ξ_i为单个测试的改进值，将最优人力资源管理问题转化为几何规划问题，其具有求解算法多项式时间复杂性，可以快速求得全局最优解，即最优解ξ_i ^*和最大的功能覆盖率指标，据此管理者知道每项测试分配的最优量化指标为ξ_i ^*时，人力资源能够得到最佳的利用，且测试的整体功能覆盖率指标达到最高。

具体实施例

下面针对一个含有5个模块、每个模块对应1个回归测试的RTL设计，演示发明方法的实现过程。

1)显然N＝5，其功能覆盖率数据拟合得到的参数c_i，x_i为：(10.3，0.31)，(922，0.29)，(9.65，0.27)，(9.03，0.28)，(10.1，0.26)。

2)同样运行各个回归测试，收集磁盘用量信息，得到其拟合参数s_i，y_i分别为：(15.2，0.15)，(14.3，0.12)，(14.8，0.14)，(14.6，0.11)，(15.5，0.13)。

3)对RTL代码进行了少量的改动，设计人员提供的一组加权参数β_i为：0.95，0.95，0.9，0.9，1，说明改动主要集中在模块5，功能上对模块1和模块2的影响较大，对模块3和模块4的影响较弱。

4)管理者给出可用的总计算时间上限T＝16000s及总磁盘用量上限S＝210GB。

5)用凸优化软件包求解最大覆盖率几何规划问题，得到了最大功能覆盖率为95.75％，而对应的每个测试的最优运行时间为：1126.5s，2679.6s，3324.4s，3154.5s，5715.1s。最优解γ^*＝95.75％对应5个约束β_iγ^*(i＝1，2，…，5)的灵敏度为：0.0622，0.1581，0.2107，0.1928，0.3762。

6)由管理者根据测试人员提供的参数ε_i，δ_i值和实际工程情况进行综合权衡考虑，最终管理者确定每个测试的人力成本系数ε_i，δ_i为：(1，1)，(1.5，1)，(2，1)，(0.5，1)，(1，1)，管理者确定总人力成本上限C＝6.1，求解几何规划得到最大功能覆盖率为99.34％，优化变量ξ_i ^*为：90.96％，90.96％，86.18％，79.47％，90.52％。

7)根据第6步求得的最优解ξ_i ^*，管理者将测试任务分配给测试人员，测试人员进行测试改进，其结果是使c_i，x_i变大，变大为

其中

为大于1的实数。测试改进程度

是否满足要求，可由下式判断

${\mathrm{\β}}_i{\mathrm{\γ}}^{*}-{\mathrm{\ξ}}_i^{*}\≤\frac{{\∂f}_i}{\∂c_i}{|}_{(c_i,x_i)}{c}_i({\mathrm{\Δ}}_{c_i}-1)+\frac{\∂f_i}{{\∂x}_i}{|}_{(c_i,x_i)}{x}_i({\mathrm{\Δ}}_{x_i}-1)$

$=c_i{\left(t_i^{*}\right)}^{x_i}[({\mathrm{\Δ}}_{c_i}-1)+\log \left(t_i^{*}\right)x_i({\mathrm{\Δ}}_{x_i}-1)]$

只要成立了，说明测试改进满足要求，就可以停止了，且此次测试改进的参数

作为下一次进行人力资源管理时，第1步表达式(i＝1，2，…，N)中系数c_i，x_i的更新值。

Claims (1)

1.一种大规模集成电路测试人力成本管理方法，此方法的实现步骤为：

1)运行各个回归测试，收集功能覆盖率，将其建模为时间t的幂函数：

(i＝1，2，…，N)，其中系数c_i，x_i分别是正实数与实数，自然数N代表回归测试的数目；

2)运行各个回归测试，收集磁盘用量信息，将其建模为时间t的幂函数：

(i＝1，2，…，N)，其中系数s_i，y_i分别是正实数与实数，自然数N代表回归测试的数目；

3)RTL代码进行少量改动时，由设计人员提供一组加权参数β_i(i＝1，2，…，N)，取作0≤β_i≤1，表示模块与本次RTL代码改动的相关程度；

4)管理者给出可用的总计算时间上限T及总磁盘用量上限S；

5)用凸优化软件包求解几何规划问题：

$\underset{t_i>0,\mathrm{\γ}>0}{\max }\mathrm{\γ}$

s.t.(i＝1，2，…，N)

t₁+t₂+…+t_N≤T

$s_1{t_1}^{y_1}+s_2{t_2}^{y_2}+...+s_N{t_N}^{y_N}\≤S$

得到最大的功能覆盖率γ^*和每个测试的最优运行时间给出了最优解γ^*关于各个约束的灵敏度，对于N个覆盖率约束β_iγ(i＝1，2，…，N)，最优解γ^*关于约束β_iγ^*(i＝1，2，…，N)的灵敏度记为

(i＝1，2，…，N)；

6)当β_iγ^*≥ξ_i(i＝1，2，…，N)，整体的最大功能覆盖率将从γ^*变大到其中

为常数且ρ＞0，将每项测试的人力成本建模为

其中ε_i，δ_i分别为正实数和实数，由测试人员向管理者给出ε_i，δ_i的参考值，管理者根据提供的参考值和实际情况最终决定ε_i，δ_i取值，总的人力成本上限C由管理者决定，最优人力资源管理问题表述为以下几何规划：

$\underset{{\mathrm{\ξ}}_i>0}{\max }\mathrm{\ρ}\underset{i=1}{\overset{N}{\mathrm{\Π}}}{{\mathrm{\ξ}}_i}^{-{\mathrm{\λ}}_i^{*}}$

s.t.ζ_i≤β_iγ^*(i＝1，2，…，N)

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_i{\left(\frac{{\mathrm{\β}}_i{\mathrm{\γ}}^{*}}{{\mathrm{\ξ}}_i}\right)}^{{\mathrm{\δ}}_i}\≤C$

7)根据第6步求得的每项测试需改进的量化指标的最优解ξ_i ^*，管理者将测试任务分配给测试人员，测试人员进行测试改进，其结果是使c_i，x_i变大，变大为

其中

为大于1的实数，

测试改进程度

是否满足要求，由下式判断

${\mathrm{\β}}_i{\mathrm{\γ}}^{*}-{\mathrm{\ξ}}_i^{*}\≤\frac{{\∂f}_i}{\∂c_i}{|}_{(c_i,x_i)}{c}_i({\mathrm{\Δ}}_{c_i}-1)+\frac{\∂f_i}{{\∂x}_i}{|}_{(c_i,x_i)}{x}_i({\mathrm{\Δ}}_{x_i}-1)$

$=c_i{\left(t_i^{*}\right)}^{x_i}[({\mathrm{\Δ}}_{c_i}-1)+\log \left(t_i^{*}\right)x_i({\mathrm{\Δ}}_{x_i}-1)]$

只要成立了，说明测试改进满足要求，就可以停止了，且此次测试改进的参数

作为下一次进行人力资源管理，第1步表达式

(i＝1，2，…，N)系数c_i，x_i的更新值。