CN109508468A - 装置寿命估计方法、装置设计方法和计算机可读存储介质 - Google Patents

装置寿命估计方法、装置设计方法和计算机可读存储介质 Download PDF

Info

Publication number
CN109508468A
CN109508468A CN201811025156.XA CN201811025156A CN109508468A CN 109508468 A CN109508468 A CN 109508468A CN 201811025156 A CN201811025156 A CN 201811025156A CN 109508468 A CN109508468 A CN 109508468A
Authority
CN
China
Prior art keywords
destination apparatus
information
software
multiple physical
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811025156.XA
Other languages
English (en)
Inventor
安将赫
金成范
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN109508468A publication Critical patent/CN109508468A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3414—Workload generation, e.g. scripts, playback

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Debugging And Monitoring (AREA)

Abstract

一种装置寿命预测方法，包括：使用从用户场景池中选择的用户场景情况来执行加载在目标装置上的软件；基于所述软件的执行，针对所述目标装置的各个构成块单元收集使用信息；以及通过分析所收集的使用信息来预测所述目标装置的寿命。

Description

装置寿命估计方法、装置设计方法和计算机可读存储介质
相关申请的交叉引用
该专利申请要求于2017年9月14日在韩国知识产权局提交的韩国专利申请No.10-2017-0117867的优先权，其公开内容通过引用方式整体并入本文。
技术领域
本公开涉及装置寿命预测方法、装置设计方法和计算机可读存储介质。
背景技术
可靠性设计(DFR)是指设计可靠的产品。
在相关技术中，预测芯片寿命的方法已被用于仅使用理论和推测预测(例如借助全函数矢量)的功能测试，以用于确认芯片的可操作性来验证半导体芯片的设计等。
然而，仅使用理论和推测预测的方法(例如借助全函数矢量)存在的问题在于该方法与用户使用装置的实际情况不匹配。换句话说，在仅使用理论和推测预测的情况下(例如借助全函数矢量)，仅执行功能测试而不考虑例如装置用户的实际使用环境。因此，仅使用理论和推测预测固有地限制了寿命预测的准确性。此外，在装置设计期间可能发生过度设计或易受攻击的设计。
发明内容
本公开的一个方面提供一种装置寿命预测方法、一种装置设计方法以及一种计算机可读存储介质，其中，考虑例如装置用户的实际使用环境而可以准确地预测装置寿命。改进的寿命预测导致装置设计的改进、装置的生产/制造的改进，并最终导致生产/制造并提供给用户改进的装置或装置的未来版本。
根据本公开的一方面，一种装置寿命预测方法包括：使用从用户场景池中选择的用户场景情况来执行加载在具有多个物理构成块单元和存储器的目标装置上的软件，所述用户场景池存储在所述存储器中。所述方法还包括：基于所述软件的执行，针对所述目标装置的多个物理构成块单元中的至少一个，收集使用信息以作为收集的使用信息。所述方法还包括：通过分析所收集的使用信息来预测所述目标装置的寿命以作为预测寿命。
根据本公开的一方面，一种装置寿命预测方法包括：使用从用户场景池中选择的用户场景情况来执行加载在具有多个物理构成块单元和存储器的目标装置上的软件，所述用户场景池存储在所述存储器中。所述方法还包括：基于所述软件的执行，收集关于系统的电压变化和温度的变化的信息以作为收集信息。所述方法还包括：通过分析所收集的信息来预测所述目标装置的寿命以作为预测寿命。
根据本公开的一方面，一种装置设计方法包括：使用从用户场景池中选择的用户场景情况来执行加载在具有多个物理构成块单元和存储器的目标装置上的软件，所述用户场景池存储在所述存储器中。所述方法还包括：基于所述软件的执行，针对所述目标装置的多个物理构成块单元中的至少一个，收集使用信息以作为收集的使用信息。所述方法还包括：通过分析所收集的使用信息来预测所述目标装置的寿命以作为预测寿命。所述方法还包括：基于所述目标装置的所述预测寿命的信息来改变所述目标装置的设计。
根据本公开的一方面，一种计算机可读存储介质包括写在其上并且可由处理器执行以执行装置寿命预测方法的命令。所述装置寿命预测方法包括：使用从用户场景池中选择的用户场景情况来执行加载在目标装置上的软件，所述用户场景池存储在所述存储器中。所述装置寿命预测方法还包括：基于所述软件的执行，针对所述目标装置的多个物理构成块单元中的至少一个，收集使用信息以作为收集的使用信息。所述装置寿命预测方法还包括：通过分析所收集的使用信息来预测所述目标装置的寿命以作为预测寿命。
根据本公开的一方面，一种计算机可读存储介质包括写在其上并且可由处理器执行以执行装置设计方法的命令。所述装置设计方法包括：使用从用户场景池中选择的用户场景情况来执行加载在具有多个物理构成块单元和存储器的目标装置上的软件，所述用户场景池存储在所述存储器中。所述装置设计方法还包括：基于所述软件的执行，针对所述目标装置的多个物理构成块单元中的至少一个，收集使用信息以作为收集的使用信息。所述装置设计方法还包括：通过分析所述收集的使用信息来预测所述目标装置的寿命以作为预测寿命。此外，所述装置设计方法包括：基于所述目标装置的所述预测寿命的信息来改变所述目标装置的设计。
附图说明
根据以下结合附图来理解的详细描述，将更清楚地理解本公开的上述和其他方面、特征和优点，在所述附图中：
图1是示出根据本公开的示例实施例的装置寿命预测方法的流程图；
图2是示出根据本公开的示例实施例的基于用户场景情况来针对每个构成块单元收集使用信息的示例的示图；
图3是示出可以应用本公开的示例实施例的应用处理器(AP)的示意图；以及
图4是示出可以应用本公开的示例实施例的应用处理器与其外围装置之间的关系的示意图。
具体实施方式
在下文中，将参考附图来描述本公开的示例实施例。
图1是示出根据示例实施例的装置寿命预测方法的流程图。
参考图1，在S110中，可以从包括一个或多个用户场景情况的用户场景池中选择场景情况。
如本文所述，术语“用户场景情况”可以指用户在实际使用环境中执行安装在装置中的软件的场景。用户场景情况可以基于由目标装置的用户提供的装置要求的相关信息和/或基于对目标装置的用户的装置使用模式的分析而生成。本文描述的目标装置具有一个或多个物理构成块单元，所述物理构成块单元例如电路、线路(circuitry)、处理器、照相机、发射器、接收器、收发器等。目标装置还具有存储用户场景池的存储器，所述用户场景池包括可以选择的一个或多个用户场景情况。可以监测和收集不同的物理构成块单元的使用信息，并将其用作本文描述的确定的基础。
详细地，例如，当目标装置是半导体芯片时，用户场景情况的示例可以包括：关于包括并实现目标装置/半导体芯片的许多不同类型的装置的用户场景。可以针对装置的类型、装置类型的不同模型(甚至可以包括和实现目标装置/半导体芯片的装置类型的每个模型的不同实施例)而生成不同的用户场景情况。针对其开发了不同的用户场景情况的不同类型的装置的示例包括：可以包括半导体芯片以作为目标装置的移动终端、汽车、IOT装置、PC、TV等。
此外，每个用户场景情况可以包括使用以下各项中的至少一个或任何一个的信息特性：
-多媒体特性(音频、显示器、Wi-Fi显示器等)
-视频输入/输出特性(HDMI、eDP等)
-通信特性(Wi-Fi、蓝牙、RF等)
-相机特性(预览、录制、快照等)
-数据存储特性(UFS、eMMC、高速缓冲存储器等)
-电源管理特性
-连接特性(USB、UART、I2C、SPI、PWM、PCIe等)
上面提到的每个特征可以由本文描述的不同物理构成块单元中的一个或多个来实现。
上面描述的每种类型的信息特性可以包括使用次数、使用时长、每次使用的处理量、以及特定于现代电子装置的不同类型的能力的使用的类似类型的可导出特性。所述信息可以从例如由本文描述的装置的内核对装置的监测而获得。
如上所述，可以基于由目标装置的用户提供的装置要求的相关信息和/或基于对目标装置的装置使用模式的分析来生成用户场景情况。用户场景情况可以包括要安装在装置上的软件类型、所述软件的执行模式或使用模式等，使得针对用户场景情况的寿命预测将基于特定于所述用户场景情况的这些以及其他方面。因此，用户场景情况下的软件信息可以包括软件类型，例如程序名称、程序格式、程序大小、程序执行要求等。
随后，可以在S120中基于所选择的用户场景情况来收集关于目标装置的可靠性的信息。在这种情况下，操作S120可以包括在S121中针对目标装置的每个构成块单元收集使用信息，以及在S122中收集温度信息、电压信息和操作频率信息中的至少一个。为了完全清楚，关于可靠性的信息是作为图1的过程的一部分而新创建的信息，并不是以前存在的信息。可以根据以与新创建医学测试信息并随后在对患者进行测试时对其进行收集相同的方式或类似的方式的算法，来创建并随后收集关于可靠性的信息。因此，基于根据本文描述的用户场景情况的监测，针对收集过程来动态地生成和创建信息。
详细地，基于所选择的用户场景情况来收集关于目标装置的可靠性的信息可以包括通过使用所选择的用户场景情况来执行加载在目标装置上的软件。收集关于目标装置的可靠性的信息还可以包括基于软件的执行/正在执行来监测中央处理单元(CPU)、图形处理单元(GPU)、存储器等的访问信息和操作信息。收集关于目标装置的可靠性的信息还可以包括监测系统的操作系统的电压和温度变化信息以及诸如CPU等的各个构成块单元的使用次数和使用时间段。所收集的信息可以用于识别由所述软件进行的访问、访问次数、每次访问的时长、访问或以其他方式使用哪个构成块单元、每次访问中使用的构成块单元的资源量与整个装置的特性之间的相关性，所述整个装置的特性例如电压和温度或所述装置的其他物理特性。
换句话说，根据示例实施例，代替仅通过装置的功能测试来收集可靠性信息，在目标装置上(实际)加载和执行软件期间关于所述目标装置的可靠性的信息可以由基于装置要求的相关信息和/或基于装置使用模式分析而生成的用户场景情况来收集。装置使用模式分析可导致装置使用模式分析信息用作寿命预测的基础。因此，用户可以通过充分反映目标装置的实际操作环境来执行目标装置的寿命预测，从而提高寿命预测的准确性。
如上所述，寿命预测可以用于改变、更新、修改或以其他方式改进装置设计。寿命预测可以用于确定要生产/制造的装置的哪个模型或原型。寿命预测可以用作生产/制造修改的装置或某种类型的装置的未来模型的基础。
将参考图2来详细描述在操作S120中针对目标装置的每个构成块单元收集使用信息的详细方法。
随后，可以通过在S130中分析所收集的信息来预测装置的寿命。
详细地，通过使用所选择的用户场景情况来操作目标装置。之后，可以使用所收集的信息来计算目标装置的劣化程度。从而，可以预测装置的寿命。
如上所述，根据示例实施例，在计算目标装置的劣化程度时，考虑基于执行/正在执行软件的、针对目标装置的每个构成块单元的使用信息。从而，可以基于反映目标装置的实际操作环境来执行寿命预测。
在这种情况下，可以通过商业可用的程序、可靠性模拟器等来执行劣化程度的计算和装置寿命预测。其详细方法在本领域中是已知的，因此，将省略所述方法的详细描述。
在S140中，可以根据需要使寿命预测信息可视化。
根据示例实施例，可以基于作为基本信息的寿命预测信息来显示目标装置的劣化程度，和/或可以基于寿命预测来显示寿命延长状态。因此，寿命预测信息可以与其他信息(例如，劣化程度、寿命延长状态)一起可视化，以向装置设计者提供可视化的寿命预测信息。
此外，根据示例实施例，在S 150中，如上所述获得的寿命预测信息可以反映在装置设计中，并且随后反映在装置的修改模型或装置的新模型的生产/制造中。
根据示例实施例，构成块单元的使用时间可以用作寿命预测的基础。例如，可以基于在上述操作S120中收集的目标装置的每个构成块单元的访问信息来反映各个构成块单元的访问时间和/或访问次数的差异。访问时间/使用时间的差异可以用于执行目标装置的设计变化、芯片尺寸的变化、产品规格的变化(例如寿命保证期、工作电压、温度等)、可靠性裕度的变化和定时裕度的变化中的至少一个。
因此，可以获得适于所述装置的设计的芯片尺寸和产量。此外，装置寿命预测用于防止或改善过度设计或易受损设计，以保证产品的使用寿命。
此外，可以通过在上述操作S120中收集的所述目标装置的每个构成块单元的访问信息(例如，访问时间、访问次数)来评估相关软件对所述装置的影响。从而，可以基于所评估的影响，通过对延长装置的预测寿命的软件策略的研究来增加软件开发的能力。
寿命预测可以基于如本文所述的许多不同的因素而变化，所述不同的因素包括构成块的使用次数和使用时间、内核对构成块的访问、来自目标装置的用户的装置需求信息、目标装置的装置使用模式分析信息、哪个软件加载在目标装置上、在使用期间改变的目标装置的特性(例如电压和温度)、以及本文描述的各种其他方面。不同寿命预测的一个简单示例是：一个结果可能是基于一组因素的72个月，而另一个结果可能是基于另一组因素的62个月。因此，分析目标装置的实际使用以确定、近似、计算或以其他方式来预测目标装置的寿命。
以上参考图1描述的装置寿命预测方法可以由计算装置执行，并且可以与商业化程序、可靠性模拟器等相关联地预测装置的寿命。
另外，根据示例实施例，计算机可读存储介质存储可由处理器执行的命令。当由处理器执行时，所述命令可以导致执行如图1所示的装置寿命预测方法的各操作。
图2是示出根据示例实施例的基于用户场景情况来针对每个构成块单元收集使用信息的示例的示图。
参见图2，硬件210对应于目标装置，并且硬件210可以包括多个块单元211、212和213。
作为操作系统(OS)的核心部分，内核220可以位于硬件210和软件230之间，并可以在执行期间管理软件230，并且可以管理硬件210的资源。例如，当执行任何应用程序231时，内核220可以访问硬件210的所需部分以执行预定操作。
此外，可以将包括诸如应用231等至少一个应用的软件230加载到硬件210上，以操作硬件210。
根据示例实施例，内核220可以包括监测模块221。当根据所选择的用户场景情况来执行应用231时，可以通过监测模块221来监测内核220对硬件210的每个构成块单元的访问信息，例如访问时间、访问次数等。
可以使用如上参考图1所述的监测信息来预测目标装置的寿命。
图3是示出可以应用本公开的示例实施例的应用处理器(AP)的示意图。
如本文使用的术语，应用处理器可以是使用至少一个处理器来处理应用(例如，软件应用)的装置。因此，术语应用处理器可以指的是单个处理器，或者指的是包括包含处理器的多个有形且非暂时的模块的装置。本文使用的应用处理器的示例包括不同类型的装置，例如智能电话、移动计算机、平板计算机、可穿戴装置、以及具有至少一个用于处理应用的处理器的许多其他形式的装置和系统。参考图3，可以应用示例实施例的应用处理器300可以包括显示器310、音频装置320、存储器330、通信模块340、传感器模块350、处理器360等。应用处理器300的各构成块单元可以经由总线370彼此通信以互相传递数据。应用处理器300的构成块单元是物理块单元，例如不同的电路和线路。另外，在存储器330可以与构成块单元分离的情况下，存储器330可以存储具有可以各自被选择的多个用户场景情况的用户场景池。
在示例实施例中，当预测应用处理器300的寿命时，可以监测各种活动和活动的特性，并将其用于预测应用处理器300的寿命。例如，所述监测可以包括根据所选择的用户场景情况，在任何应用的执行期间监测内核对应用处理器300的各个组成元件的访问次数以及对其的访问时间等。
因此，考虑到目标装置的实际使用环境，可以获得应用处理器300的各组件的劣化程度。可以基于所获得的劣化程度来准确地预测应用处理器300的寿命。
图4是示出可以向其应用示例实施例的应用处理器与其外围装置之间的关系的示意图。
参考图4，应用处理器300可以连接到各种外围装置。例如，应用处理器可以连接到射频(RF)装置410、编解码器420、电源管理集成电路(PMIC)430、多媒体装置440、相机模块450、无线局域网(WLAN)装置460、嵌入式多媒体控制器(eMMC)470、和动态随机存取存储器(DRAM)480等。
在当前情形下，以上参考图1描述的装置寿命预测方法还可以扩展地应用于应用处理器300和各种外围装置被配置为彼此连接的整个系统。
例如，可以预测包括应用处理器300的整个系统的寿命。在该示例实施例中，可以监测在根据所选择的用户场景情况来执行任何应用期间应用处理器300对各个外围装置的访问次数和访问时间。
因此，考虑到系统的实际使用环境，可以获得相关系统的各个组成元件的劣化程度。可以基于所述劣化程度来准确地预测所述系统的寿命。
如上所述，根据示例实施例，提供了使用通过考虑装置用户的实际使用环境而提供的用户场景来准确地预测装置寿命的一种装置寿命预测方法、一种装置设计方法和一种计算机可读存储介质。本文描述的机制不特别依赖于通过监测实际使用环境而动态生成的信息的类型或含义。而是，所预测的生命周期基于所述监测，而所述监测转而又基于本文描述的所选择的用户场景情况的特定参数和特征。
虽然已经在上面示出和描述了示例实施例，但是对于本领域技术人员来说显而易见的是，可以在不脱离由所附权利要求书限定的本公开的范围的情况下进行修改和变化。

Claims (18)

1.一种装置寿命预测方法，包括：
使用从用户场景池中选择的用户场景情况来执行加载在具有多个物理构成块单元和存储器的目标装置上的软件，所述用户场景池存储在所述存储器中；
基于所述软件的执行，针对所述目标装置的多个物理构成块单元中的至少一个收集使用信息以作为收集的使用信息；以及
通过分析所收集的使用信息来预测所述目标装置的寿命以作为预测寿命。
2.根据权利要求1所述的方法，
其中，针对所述目标装置的所述多个物理构成块单元中的至少一个收集使用信息包括：基于所述软件的执行，收集所述多个物理构成块单元中的至少一个的使用次数和使用时间，以及
所述预测寿命是基于所述多个物理构成块单元中的至少一个的使用次数和使用时间来预测的。
3.根据权利要求1所述的方法，
其中，针对所述目标装置的所述多个物理构成块单元中的至少一个收集使用信息包括：在执行所述软件期间收集对所述多个物理构成块单元中的至少一个进行内核访问的相关信息，以及
所述预测寿命是基于对所述多个物理构成块单元中的至少一个进行内核访问的相关信息来预测的。
4.根据权利要求1所述的方法，
其中，所述用户场景情况是基于装置需求信息和装置使用模式分析信息中的至少一个来生成的，所述装置需求信息是从所述目标装置的用户提供的，所述装置使用模式分析信息基于对所述目标装置的用户使用所述目标装置的分析。
5.根据权利要求1所述的方法，
其中，所述用户场景情况包括要加载到所述目标装置上的软件的信息和所述软件的执行模式，以及
所述预测寿命是基于所述目标装置上加载的软件的信息和所述软件的执行模式来预测的。
6.根据权利要求1所述的方法，
其中，预测所述目标装置的寿命是通过以下操作来执行的：
使用所述目标装置的所述多个物理构成块单元中的至少一个的使用信息来计算所述目标装置的劣化程度，以及
基于所述目标装置的劣化程度来预测所述目标装置的寿命。
7.根据权利要求1所述的方法，还包括使所述目标装置的预测寿命的信息可视化。
8.一种装置寿命预测方法，包括：
使用从用户场景池中选择的用户场景情况来执行加载在具有多个物理构成块单元和存储器的目标装置上的软件，所述用户场景池存储在所述存储器中；
基于所述软件的执行，收集关于系统的电压和温度的变化的信息以作为收集的信息；以及
通过分析所收集的信息来预测所述目标装置的寿命以作为预测寿命。
9.根据权利要求8所述的方法，还包括：
基于所述软件的执行来针对所述目标装置的所述多个物理构成块单元中的至少一个收集使用信息，
其中，所述预测寿命是基于针对所述目标装置的所述多个物理构成块单元中的至少一个的使用信息来预测的。
10.根据权利要求9所述的方法，
其中，针对所述目标装置的所述多个物理构成块单元中的至少一个收集使用信息包括：基于所述软件的执行，收集所述多个物理构成块单元中的至少一个的使用次数和使用时间，以及
所述预测寿命是基于所述多个物理构成块单元中的至少一个的使用次数和使用时间来预测的。
11.根据权利要求9所述的方法，
其中，针对所述目标装置的所述多个物理构成块单元中的至少一个收集使用信息包括：在执行所述软件期间收集对所述多个物理构成块单元中的至少一个进行内核访问的相关信息，以及
所述预测寿命是基于对所述多个物理构成块单元中的至少一个进行内核访问的相关信息来预测的。
12.根据权利要求9所述的方法，其中，预测所述目标装置的寿命是通过以下操作来执行的：
使用关于系统的电压变化和温度变化的信息和所述目标装置的所述多个物理构成块单元中的至少一个的使用信息来计算所述目标装置的劣化程度，以及
基于所述目标装置的所述劣化程度来预测所述目标装置的寿命。
13.根据权利要求8所述的方法，其中，所述用户场景情况是基于装置需求信息和装置使用模式分析信息中的至少一个来生成的，所述装置需求信息是从所述目标装置的用户提供的，所述装置使用模式分析信息基于对所述目标装置的用户使用所述目标装置的分析。
14.根据权利要求8所述的方法，其中，所述用户场景情况包括要加载到所述目标装置上的软件的信息和所述软件的执行模式，以及
所述预测寿命是基于所述目标装置上要加载的软件的信息和所述软件的执行模式来预测的。
15.根据权利要求8所述的方法，还包括使所述目标装置的预测寿命的信息可视化。
16.一种装置设计方法，包括：
使用从用户场景池中选择的用户场景情况来执行加载在具有多个物理构成块单元和存储器的目标装置上的软件，所述用户场景池存储在所述存储器中；
基于所述软件的执行，针对所述目标装置的多个物理构成块单元中的至少一个收集使用信息以作为收集的使用信息；以及
通过分析所述收集的使用信息来预测所述目标装置的寿命以作为预测寿命；以及
基于所述目标装置的预测寿命的信息来改变所述目标装置的设计。
17.根据权利要求16所述的方法，
其中，针对所述目标装置的所述多个物理构成块单元中的至少一个收集使用信息包括：在执行所述软件期间收集对所述多个物理构成块单元中的至少一个进行内核访问的相关内核访问信息，以及
所述预测寿命是基于所述对所述多个物理构成块单元中的至少一个的内核访问信息来预测的。
18.根据权利要求17所述的方法，其中，改变所述目标装置的设计是通过以下操作来执行的：
基于所述内核的访问时间，通过反映所述多个物理构成块单元中的至少一个的访问时间的差异，执行以下各项中的至少一项：所述目标装置的设计变化、芯片尺寸的变化、产品规格的变化、可靠性裕度的变化、以及定时裕度的变化。
CN201811025156.XA 2017-09-14 2018-09-04 装置寿命估计方法、装置设计方法和计算机可读存储介质 Pending CN109508468A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170117867A KR102375417B1 (ko) 2017-09-14 2017-09-14 디바이스 수명 예측 방법, 디바이스 설계 방법, 및 컴퓨터 판독 가능한 저장매체
KR10-2017-0117867 2017-09-14

Publications (1)

Publication Number Publication Date
CN109508468A true CN109508468A (zh) 2019-03-22

Family

ID=63582675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811025156.XA Pending CN109508468A (zh) 2017-09-14 2018-09-04 装置寿命估计方法、装置设计方法和计算机可读存储介质

Country Status (3)

Country Link
US (1) US10789112B2 (zh)
KR (1) KR102375417B1 (zh)
CN (1) CN109508468A (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10990760B1 (en) 2018-03-13 2021-04-27 SupportLogic, Inc. Automatic determination of customer sentiment from communications using contextual factors
US11763237B1 (en) * 2018-08-22 2023-09-19 SupportLogic, Inc. Predicting end-of-life support deprecation
US11468232B1 (en) 2018-11-07 2022-10-11 SupportLogic, Inc. Detecting machine text
US11631039B2 (en) 2019-02-11 2023-04-18 SupportLogic, Inc. Generating priorities for support tickets
US11861518B2 (en) 2019-07-02 2024-01-02 SupportLogic, Inc. High fidelity predictions of service ticket escalation
US11336539B2 (en) 2020-04-20 2022-05-17 SupportLogic, Inc. Support ticket summarizer, similarity classifier, and resolution forecaster
US11556257B2 (en) * 2020-08-14 2023-01-17 Micron Technology, Inc. Selectable wear life indicator based on data retention
US11544169B2 (en) * 2021-01-05 2023-01-03 Lenovo (Singapore) Pte. Ltd. Apparatus, method, and program product for determining usage of an information handling device

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7447919B2 (en) 2004-04-06 2008-11-04 Hewlett-Packard Development Company, L.P. Voltage modulation for increased reliability in an integrated circuit
US7359832B2 (en) * 2004-06-23 2008-04-15 Ford Motor Company Method of time-in-service reliability concern resolution
US7444528B2 (en) 2005-12-06 2008-10-28 Intel Corporation Component reliability budgeting system
KR101478554B1 (ko) 2008-10-02 2015-01-06 삼성전자 주식회사 오버 슈트 전압의 산출 방법 및 그를 이용한 게이트 절연막열화분석방법
US8566506B2 (en) * 2009-08-07 2013-10-22 Intel Corporation Tracking a lifetime of write operations to a non-volatile memory storage
JP5663393B2 (ja) 2011-04-28 2015-02-04 日立建機株式会社 稼働機械及び保守点検情報生成装置
US20130145075A1 (en) * 2011-12-01 2013-06-06 International Business Machines Corporation Dynamically managing memory lifespan in hybrid storage configurations
WO2013126066A1 (en) * 2012-02-24 2013-08-29 Hewlett-Packard Development Company, L.P. Wear-leveling cores of a multi-core processor
US20150205657A1 (en) * 2012-09-28 2015-07-23 Longsand Limited Predicting failure of a storage device
US20140181595A1 (en) * 2012-12-20 2014-06-26 Virtium Technology, Inc. Estimating lifespan of solid-state drive using real usage model
US20140181585A1 (en) * 2012-12-20 2014-06-26 Virtium Technology, Inc. Real usage model for solid-state drive
US8918583B2 (en) * 2012-12-20 2014-12-23 Virtium Technology, Inc. Adapting behavior of solid-state drive using real usage model
US9483068B2 (en) 2013-04-19 2016-11-01 Nvidia Corporation Estimating and monitoring the effects of transistor aging
US20160378628A1 (en) * 2015-06-26 2016-12-29 Intel Corporation Hardware processors and methods to perform self-monitoring diagnostics to predict and detect failure
US10339601B2 (en) * 2015-08-31 2019-07-02 The Toronto-Dominion Bank Connected device-triggered failure analysis
US9678817B1 (en) * 2016-10-28 2017-06-13 International Business Machines Corporation Lifespan forecast for storage media devices

Also Published As

Publication number Publication date
US10789112B2 (en) 2020-09-29
KR20190030428A (ko) 2019-03-22
KR102375417B1 (ko) 2022-03-17
US20180276061A1 (en) 2018-09-27

Similar Documents

Publication Publication Date Title
CN109508468A (zh) 装置寿命估计方法、装置设计方法和计算机可读存储介质
US10372422B2 (en) Performance verification device for verifying performance of program, method, and recording medium having program recorded thereon for causing computer to perform the method
US20180357541A1 (en) Training task optimization system, training task optimization method and non-transitory computer readable medium for operating the same
US9569179B1 (en) Modifying models based on profiling information
CN114616540A (zh) 大数据机器学习用例的自主云节点范围界定框架
KR20140029721A (ko) Ｄｖｆｓ 제어 방법 및 이를 이용한 시스템-온 칩
JP2007249974A (ja) プロセッサ設計を特徴付けるための方法、装置、論理プログラム及びシステム
NL2030226A (en) Methods, systems, articles of manufacture and apparatus to optimize resources in edge networks
US8457944B2 (en) Method and device for determining requirement parameters of at least one physical hardware unit
US10248462B2 (en) Management server which constructs a request load model for an object system, load estimation method thereof and storage medium for storing program
US20180276317A1 (en) Adaptive bug-search depth for simple and deep counterexamples
US11593003B2 (en) Method and systems for recommending storage management actions based on capacities of storage systems
EP3754489A1 (en) Method for evaluating application deployment, apparatus, computer program product, and readable medium
CA3132644C (en) System and method of detecting application affinity using network telemetry
EP4080789A1 (en) Enhanced uncertainty management for optical communication systems
CN113627107A (zh) 确定电源电压数据的方法、装置、电子设备和介质
US11275875B2 (en) Co-simulation repeater with former trace data
Willnecker et al. Model-based Energy Consumption Prediction for Mobile Applications.
US10386395B1 (en) Subcircuit physical level power monitoring technology for real-time hardware systems and simulators
US10430313B2 (en) System for correlation of operating system and hardware trace events
Hartmann et al. An extended analysis of memory hierarchies for efficient implementations of image processing applications
US11842130B1 (en) Model-based simulation result predictor for circuit design
US20230367640A1 (en) Program execution strategies for heterogeneous computing systems
US20230054303A1 (en) System and method for electronic circuit resimulation
US10936043B2 (en) Thermal management of hardware accelerators

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190322