CN113590390A - 动态智能测试方法、系统、计算机装置及存储介质 - Google Patents

动态智能测试方法、系统、计算机装置及存储介质 Download PDF

Info

Publication number
CN113590390A
CN113590390A CN202010366713.5A CN202010366713A CN113590390A CN 113590390 A CN113590390 A CN 113590390A CN 202010366713 A CN202010366713 A CN 202010366713A CN 113590390 A CN113590390 A CN 113590390A
Authority
CN
China
Prior art keywords
test
range
data
data distribution
tested
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
CN202010366713.5A
Other languages
English (en)
Inventor
单江锋
余雷同
邹存伟
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.)
Hongfujin Precision Electronics Zhengzhou Co Ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Hongfujin Precision Electronics Zhengzhou Co Ltd
Hon Hai Precision Industry 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 Hongfujin Precision Electronics Zhengzhou Co Ltd, Hon Hai Precision Industry Co Ltd filed Critical Hongfujin Precision Electronics Zhengzhou Co Ltd
Priority to CN202010366713.5A priority Critical patent/CN113590390A/zh
Priority to TW109118375A priority patent/TWI824155B/zh
Priority to US16/920,571 priority patent/US11556818B2/en
Priority to JP2020120138A priority patent/JP7443175B2/ja
Publication of CN113590390A publication Critical patent/CN113590390A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
    • G01R31/281—Specific types of tests or tests for a specific type of fault, e.g. thermal mapping, shorts testing
    • G01R31/2815—Functional tests, e.g. boundary scans, using the normal I/O contacts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2273—Test methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
    • G01R31/281—Specific types of tests or tests for a specific type of fault, e.g. thermal mapping, shorts testing
    • G01R31/2817—Environmental-, stress-, or burn-in tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供一种动态智能测试方法，所述动态智能测试方法包括：在对待测目标进行项目测试时，调用该项目的数据分布模型；基于所述数据分布模型获取所述项目对应的测试范围；根据所述测试范围对所述待测目标进行测试，得到所述待测目标处于最小功耗值时的测试值；及根据所述测试值更新所述项目对应数据分布模型和测试范围。本发明还提供动态智能测试系统、计算机装置和存储介质。本发明可以提高测试效率。

Description

动态智能测试方法、系统、计算机装置及存储介质
技术领域
本发明涉及一种测试技术领域，尤其涉及一种动态智能测试方法、计算机装置及存储介质。
背景技术
新产品设计过程中为降低系统功耗，会在待测目标(如主板)测试工站增加较多项目，每个项目需要待测目标运行不同频率，不同负载下的电压电流，从而找到一个最小的功耗值。再把这个最小功耗值写入机台寄存器。当操作系统运行在不同状态下时，可以调用所述最小功耗值来设定电流电压的供应，以达到最大限度的节约电池能量的目的。然而，在获取这个最小功耗值时，需要从标准电压电流值一点一点的按步骤往下降，直到降到所述待测目标因欠压或能量不足发出提示时，才找到临界值，即最小功耗值。整个过程耗费时间长，并且由于性能差异的原因，测试时间还会延长，严重影响测试产能，给量产测试增加设备和人工成本。
发明内容
鉴于以上内容，有必要提供一种动态智能测试方法、系统、计算机装置及存储介质，可以提高测试效率。
所述动态智能测试方法包括：在对待测目标进行项目测试时，调用该项目的数据分布模型；基于所述数据分布模型获取所述项目对应的测试范围；根据所述测试范围对所述待测目标进行测试，得到所述待测目标处于最小功耗值时的测试值；及根据所述测试值更新所述项目对应数据分布模型和测试范围。
所述动态智能测试系统包括：调用模块，用于在对待测目标进行项目测试时，调用该项目的数据分布模型；获取模块，用于基于所述数据分布模型获取所述项目对应的测试范围；测试模块，用于根据所述测试范围对所述待测目标进行测试，得到所述待测目标处于最小功耗值时的测试值；及更新模块，用于根据所述测试值更新所述项目对应数据分布模型和测试范围。
所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述动态智能测试方法。
所述计算机装置包括存储器和至少一个处理器，所述存储器中存储有至少一个指令，所述至少一个指令被所述至少一个处理器执行时实现所述动态智能测试方法。
相较于现有技术，所述动态智能测试方法、系统、计算机装置及存储介质，可以更新项目对应的测试范围，提高测试效率。
附图说明
图1是本发明较佳实施例的计算机装置的架构图。
图2是本发明较佳实施例的动态智能测试系统的功能模块图。
图3是本发明较佳实施例的动态智能测试方法的流程图。
主要元件符号说明
Figure BDA0002476722260000021
Figure BDA0002476722260000031
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
参阅图1所示，为本发明较佳实施例提供的计算机装置的架构图。
本实施例中，计算机装置1包括互相之间电气连接的存储器11、至少一个处理器12。
本领域技术人员应该了解，图1示出的计算机装置1的结构并不构成本发明实施例的限定，所述计算机装置1还可以包括比图1更多或更少的其他硬件或者软件，或者不同的部件布置。
需要说明的是，所述计算机装置1仅为举例，其他现有的或今后可能出现的计算机装置如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器11可以用于存储计算机程序的程序代码和各种数据。例如，所述存储器11可以用于存储安装在所述计算机装置1中的动态智能测试系统10，并在计算机装置1的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器11可以是包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者任何其他能够用于携带或存储数据的非易失性的计算机可读的存储介质。
在一些实施例中，所述至少一个处理器12可以由集成电路组成。例如，可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器12是所述计算机装置1的控制核心(Control Unit)，利用各种接口和线路连接整个计算机装置1的各个部件，通过执行存储在所述存储器11内的程序或者模块或者指令，以及调用存储在所述存储器11内的数据，以执行计算机装置1的各种功能和处理数据，例如，动态智能测试功能(具体细节参后面对图3的介绍)。
在本实施例中，动态智能测试系统10可以包括一个或多个模块，所述一个或多个模块存储在所述存储器11中，并由至少一个或多个处理器(本实施例为处理器12)执行，以实现动态智能测试功能(具体细节参后面对图3的介绍)。
在本实施例中，所述动态智能测试系统10根据其所执行的功能，可以被划分为多个模块。参阅图2所示，所述多个模块包括调用模块101、获取模块102、测试模块103、更新模块104和确认模块105。本发明所称的模块是指一种能够被至少一个处理器(例如处理器12)所执行并且能够完成固定功能的一系列计算机可读的指令段，其存储在存储器(例如计算机装置1的存储器11)中。在本实施例中，关于各模块的功能将在后续结合图3详述。
本实施例中，以软件功能模块的形式实现的集成的单元，可以存储在一个非易失性可读取存储介质中。上述软件功能模块包括一个或多个计算机可读指令，所述计算机装置1或所述至少一个处理器12(processor)通过执行所述一个或多个计算机可读指令实现本发明各个实施例的方法的部分，例如图3所示的动态智能测试方法。
在进一步的实施例中，结合图2，所述至少一个处理器12可执行所述计算机装置1中所安装的各类应用程序(如所述的动态智能测试系统10)、程序代码等。
在进一步的实施例中，所述存储器11中存储有计算机程序的程序代码，且所述至少一个处理器12可调用所述存储器11中存储的程序代码以执行相关的功能。例如，图2中所述动态智能测试系统10的各个模块是存储在所述存储器11中的程序代码，并由所述至少一个处理器12所执行，从而实现所述各个模块的功能以达到动态智能测试功能的目的(详见下文中对图3的描述)。
在本发明的一个实施例中，所述存储器11存储一个或多个计算机可读指令，所述一个或多个计算机可读指令被所述至少一个处理器12所执行以实现动态智能测试功能的目的。具体地，所述至少一个处理器12对上述计算机可读指令的具体实现方法详见下文中对图3的描述。
图3是本发明较佳实施例提供的动态智能测试方法的流程图。
在本实施例中，所述动态智能测试方法可以应用于计算机装置1中，对于需要进行动态智能测试的计算机装置1，可以直接在该计算机装置1上集成本发明的方法所提供的用于动态智能测试的功能，或者以软件开发工具包(Software Development Kit，SDK)的形式运行在所述计算机装置1上。
如图3所示，所述动态智能测试方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S1、在对待测目标进行项目测试时，所述调用模块101调用该项目的数据分布模型。
在一个实施例中，所述待测目标为主板，当需对所述主板进行某一项目测试时(如主板在不同频率下的电压最小功耗值测试)，测试工站的测试软件调用服务器上的工具包内该项目的数据分布模型，以获取所述项目对应的测试范围。需要说明的是，所述工具包内包括不同项目的数据分布模型。
在一实施方式中，所述项目包括，但不限于，电压、电流、频率和射频(Radiofrequency，RF)。在本实施方式中，所述数据分布模型是基于原始测试数据，经大数据分析后得到该项目所有测试值的分布，并根据所述项目的测试值生成的模型。其中，所述原始测试数据包括待测目标为良品时的测试数据和待测目标为不良品时的测试数据。通过在数据库里的测试数据插入人工智能(AI)卷积深度学习模块，建立数据分布模型。并根据每一验证结果重新统计得到模型预测准确率，并判断重新统计得到的模型预测准确率是否小于默认阈值，当所述模型预测准确率小于所述默认阈值时，将所述数据分布模型上传至所述服务器中。需要说明的是，每一项目可生成各自的数据分布模型。将所述每一项目的数据分布模型上传至所述服务器中。
步骤S2、所述获取模块102基于所述数据分布模型获取所述项目对应的测试范围。
在一个实施例中，所述项目对应的测试范围包括：通过调用所述数据分布模型得到所述项目对应的数据分布范围；根据所述数据分布范围得到预设概率的数据落入的数据区间；设定所述数据区间为所述测试范围。例如，当对所述主板的电压进行测试时，测试工站的测试软件调用服务器上的工具包内的该项目的数据分布模型，通过所述数据分布模型进行数据分析获得电压分布范围，根据所述电压分布范围得到预设概率的数据落入的数据区间，定义所述数据区间为测试范围。例如，通过所述数据分布模型进行数据分析获得的电压分布范围1.0V～0.9V，而95％的测试数据落入的数据区间为1.0V～0.95V，则定义测试范围为1.0V～0.95V。需要说明的是，所述预设概率可自行根据实际情况设定，可通过调整所述预设概率获得想要的合理范围。
在一实施方式中，还可以设置所述测试范围的置信区间或者所述预设概率。
步骤S3、所述测试模块103比对获取的测试范围是否小于预设范围。当获取的测试范围小于预设范围时，执行步骤S4；当获取的测试范围大于或等于预设范围时，执行步骤S5。
在本实施方式中，工厂测试工站的测试软件调用服务器上的数据分布模型，并根据所述数据分布模型来定义测试范围。例如预设测试电压范围为1.2V～0.8V，而数据模型上的获取的测试范围为1.0V～0.9V，测试软件只会对获取的测试范围1.0～0.9V内的电压进行测试。
现有技术中，没有使用所述数据分布模型时，测试数据基本分布在1.1V～0.85V之间。在对待测目标进行电压测试时，所述预设范围为1.2V～0.8V。现在通过对数据进行数据分析，并根据所述数据分布模型获得95％的测试数据分布范围为1.0V～0.9V，则定义测试范围为1.0～0.9V，比没使用该动态模型时的测试范围小了。
步骤S4、所述测试模块103根据获取的测试范围对所述主板进行测试，得到所述主板处于最小功耗值时的测试值。
在一个实施例中，根据获取的测试范围通过预设测试方法对所述待测目标进行测试，所述预设测试方法包括二分搜寻算法、斐波那契查找算法、分块查找算法、哈希查找算法和二叉树查找算法等。
在一实施方式中，通过所述预设测试方法对待测目标进行测试，直到所述待测目标获得最小功耗值。所述最小功耗值为所述待测目标因欠压或能量不足出现提示时找到的临界值。
例如，根据所述测试范围采用二分搜寻算法进行测试。例如，若获取的电压的测试范围为1.0V-0.9V时，测试时从0.95V开始往上每次增加0.05V(间隔自行设置)后对主板进行测试；往下每次减少0.05V后对主板进行测试；若当电压值为1.0V时待测目标测试正常，而电压值为0.90V时主板测试不正常，则说明所述临界值在0.95V-0.90V之间，继续采用二分搜寻算法进行测试，直到测出所述临界值。
步骤S5、所述测试模块103根据所述预设范围对所述待测项目进行测试，得到所述待测目标处于最小功耗值时的测试值。
在本实施方式中，根据所述预设范围对所述待测目标进行测试的方法与根据获取的测试范围对所述待测目标进行测试的方法一致，在此不再赘述。
步骤S6、所述更新模块104根据所述测试值更新所述项目对应数据分布模型和测试范围。
在本实施方式中，将对所述待测目标进行测试，得到所述待测目标处于最小功耗值时的测试值添加到数据服务层的测试数据中，更新所述项目的数据分布模型，重新进行数据分析获得数据分布范围，并根据所述数据分布范围和设定的预设概率重新定义所述测试范围。
需要说明的是，当测试数据越来越多时，其测试结果会越来越接近测试的真实阀值。数据分布越集中，预设概率的数据分布的区间会越来越小，需测试的范围也会越小，测试速率越快。根据实际测试值的增加，数据分布模型也会进一步的动态更新，比如后来测试值只在0.95V～0.9V之间，所述数据分布模型也会动态的更新项目电压对应的测试范围为0.95V～0.9V。
步骤S7、所述确认模块105确认所有测试项目是否测试完成。当所有测试项目都测试完成时，结束流程；当还有测试项目没有测试完成时，流程返回步骤S1。
在本实施方式中，当还有项目没有完成测试时，调用所述数据分布模型，获得最新测试范围，并根据所述最新测试范围对待测目标进程测试，直到找到所述临界值。测完后将验证结果数据加入到原始数据中，更新所述数据分布模型。由于良品的概率远大于不良品的概率，所以当测试数据越来越多时，测试结果越接近真实值。当测试数据接近无穷大时，测试结果近似为真实值，则测试范围越来越窄。例如，初始测试数据为100个，统计概率95％的数据分布在1.0V-0.9V之间。当数据越来越多时，则接近真实值的数据会越来越多。比如1000个测试数据，假设测试结果为0.96V的频率最大，则说明其越接近真实值。则1000个测试数据接近0.96V的数据会越来越多，数据越集中。则95％概率的范围越接近0.96V，比如在0.98-0.94V之间的数据占95％。对比新的测试范围与之前的测试范围，若测试范围变小，则更新数据分布模型的测试范围，下一次测试时调用该新的测试范围。在下一次测试时继续采用所述二分搜寻算法进行测试。例如，新的测试范围变为0.98V-0.94V。采用所述二分搜寻算法，从0.96V开始往上每次增加0.02V后对主板进行测试，从0.96V开始往下每次减少0.02V后对主板进行测试。则需测试的范围越来越小，测试速率越来越快，当数据为10,000个时，其测试范围会更小，测试速率会更快，以此类推，直到得到理想的测试范围。
需要说明的是，在一实施方式中，所述数据分布模型对应有一个项目。例如，当需要对主板的电压进行测试时，调用第一数据分布模型可以得到电压对应的测试范围；当需要对主板的电流进行测试时，调用第二数据分布模型可以得到电流对应的测试范围。在另一实施方式中，所述数据分布模型可以对应多个项目。例如，当需要对主板的电压和电流进行测试时，调用所述数据分布模型可以得到电压对应的测试范围，也可以得到电流对应的测试范围。
在一实施方式中，可以将对应不同项目的多个数据分布模型叠加，从而得到包括多个项目的数据分布模型。例如，电压对应的测试范围为0.95V～09V，电流对应的测试范围为50mA～10mA，并且频率对应的测试范围为1M-2M。并同步上传测试数据分布模型到所述服务器，工厂测试软件就会同步所述数据分布模型到工站测试软件。可以理解的是，不同项目的数据分布模型进行迭加后，数据分布模型可从二维度变为多维度，可获得不同测试条件下主板的最小功耗值的数据分布模型，获得不同测试条件下主板的最小功耗值测试范围。如一开始是不同频率下主板的电压最小功耗值测试数据分布模型，可在该模型上迭加测试的循环次数，则该数据分布模型变为不同频率，不同测试循环次数下的主板的电压最小功耗值测试数据分布模型，该模型的维度从二维变为三维，依次类推，可通过迭加其它的测试项目增加数据分布模型的维度。
在一实施方式中，所述动态智能测试方法还包括：对所述测试范围内的测试区间的测试数据进行数据分析，判断某一测试区间内的测试数据的测试频率是否小于默认频率值。若所述测试区间内的测试数据的测试频率小于所述默认频率值，则判断该测试区间的测试数据较少或没有测试数据，最小功耗值不在该测试区间内，直接跳过该测试区间不测，继续进行其他测试区间的测试直到获得最小功耗值，可结合数据分析简化测试，进一步提高测试效率。若所述测试区间内的测试数据的测试频率大于或等于所述默认频率值，则需要在所述测试区间内进行测试。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照以上较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种动态智能测试方法，其特征在于，该方法包括：
在对待测目标进行项目测试时，调用该项目的数据分布模型；
基于所述数据分布模型获取所述项目对应的测试范围；
根据所述测试范围对所述待测目标进行测试，得到所述待测目标处于最小功耗值时的测试值；及
根据所述测试值更新所述项目对应数据分布模型和测试范围。
2.如权利要求1所述的动态智能测试方法，其特征在于，所述项目包括电压、电流、频率和射频。
3.如权利要求1所述的动态智能测试方法，其特征在于，通过预设测试方法对所述待测目标进行测试，其中，所述预设测试方法包括二分搜寻算法、斐波那契查找算法、分块查找算法、哈希查找算法和二叉树查找算法。
4.如权利要求1所述的动态智能测试方法，其特征在于，该方法还包括：
比对获取的测试范围是否小于预设范围；
当获取的测试范围小于所述预设范围时，根据获取的测试范围对所述待测目标进行测试；或
当获取的测试范围大于或等于所述预设范围时，根据所述预设范围对所述待测目标进行测试。
5.如权利要求4所述的动态智能测试方法，其特征在于，所述基于所述数据分布模型获取所述项目对应的测试范围包括：
通过所述数据分布模型得到所述项目对应的数据分布范围；
根据所述数据分布范围得到预设概率的数据落入的数据区间；
设定所述数据区间为所述测试范围。
6.如权利要求1所述的动态智能测试方法，其特征在于，该方法还包括：
确认所述测试范围内的测试区间中的测试数据的测试频率是否小于默认频率值；
若所述测试区间中的测试数据的测试频率小于所述默认频率值，跳过所述测试区间不进行测试；或
若所述测试区间中的测试数据的测试频率大于或等于所述默认频率值，在所述测试区间内进行测试。
7.一种动态智能测试系统，其特征在于，所述系统包括：
调用模块，用于在对待测目标进行项目测试时，调用该项目的数据分布模型；
获取模块，用于基于所述数据分布模型获取所述项目对应的测试范围；
测试模块，用于根据所述测试范围对所述待测目标进行测试，得到所述待测目标处于最小功耗值时的测试值；及
更新模块，用于根据所述测试值更新所述项目对应数据分布模型和测试范围。
8.如权利要求7所述的动态智能测试系统，其特征在于，所述系统还包括：
确认模块，用于确认所述测试范围内的测试区间中的测试数据的测试频率是否小于默认频率值；
若所述测试区间中的测试数据的测试频率小于所述默认频率值，跳过所述测试区间不进行测试；
若所述测试区间中的测试数据的测试频率大于或等于所述默认频率值，在所述测试区间内进行测试。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至6中任意一项的所述动态智能测试方法。
10.一种计算机装置，其特征在于，该计算机装置包括存储器和至少一个处理器，所述存储器中存储有多个模块，所述多个模块被所述至少一个处理器执行时实现如权利要求1至6中任意一项的所述动态智能测试方法。
CN202010366713.5A 2020-04-30 2020-04-30 动态智能测试方法、系统、计算机装置及存储介质 Pending CN113590390A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010366713.5A CN113590390A (zh) 2020-04-30 2020-04-30 动态智能测试方法、系统、计算机装置及存储介质
TW109118375A TWI824155B (zh) 2020-04-30 2020-06-01 動態智慧測試方法、系統、電腦裝置及存儲介質
US16/920,571 US11556818B2 (en) 2020-04-30 2020-07-03 Dynamic intelligent test method and computer device employing the method
JP2020120138A JP7443175B2 (ja) 2020-04-30 2020-07-13 動的インテリジェントテスト方法、システム、コンピュータ装置及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010366713.5A CN113590390A (zh) 2020-04-30 2020-04-30 动态智能测试方法、系统、计算机装置及存储介质

Publications (1)

Publication Number Publication Date
CN113590390A true CN113590390A (zh) 2021-11-02

Family

ID=78237668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010366713.5A Pending CN113590390A (zh) 2020-04-30 2020-04-30 动态智能测试方法、系统、计算机装置及存储介质

Country Status (4)

Country Link
US (1) US11556818B2 (zh)
JP (1) JP7443175B2 (zh)
CN (1) CN113590390A (zh)
TW (1) TWI824155B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080189090A1 (en) * 2007-02-06 2008-08-07 Makoto Aikawa System and Method for Determining a Guard Band for an Operating Voltage of an Integrated Circuit Device
CN105103568A (zh) * 2012-09-24 2015-11-25 Actiwave公司 扬声器的控制和保护
CN106406489A (zh) * 2015-07-28 2017-02-15 Hgst荷兰公司 数据存储阵列的增强式功率控制
CN109313475A (zh) * 2016-06-10 2019-02-05 微软技术许可有限责任公司 处理器设备电压表征

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4152639A (en) * 1978-01-27 1979-05-01 Mono-Probe Corporation Electrical circuit voltage and continuity testing device
US4357574A (en) * 1979-05-21 1982-11-02 Takamisawa Cybernetics Co., Ltd. Loading apparatus for testing a power supply
JP2000040035A (ja) * 1998-07-24 2000-02-08 Mitsubishi Electric Corp 半導体記憶装置およびそれを用いたメモリシステム
JP2001326151A (ja) * 2000-05-16 2001-11-22 Nec Corp 半導体集積回路製作システム
US7218980B1 (en) * 2001-07-23 2007-05-15 Esilicon Corporation Prediction based optimization of a semiconductor supply chain using an adaptive real time work-in-progress tracking system
US6504395B1 (en) * 2001-08-30 2003-01-07 Teradyne, Inc. Method and apparatus for calibration and validation of high performance DUT power supplies
JP2003084034A (ja) * 2001-09-14 2003-03-19 Advantest Corp 電気部品テストシステムおよび電気部品テスト方法
TWI367343B (en) * 2006-11-27 2012-07-01 Hon Hai Prec Ind Co Ltd Power voltage testing circuit
US20100094572A1 (en) 2008-10-15 2010-04-15 International Business Machines Corporation Dynamic Frequency And Voltage Scaling For A Computer Processor
US20170364931A1 (en) * 2014-09-26 2017-12-21 Bombora, Inc. Distributed model optimizer for content consumption
KR20160087966A (ko) * 2015-01-14 2016-07-25 삼성전자주식회사 반도체 제조 프로세스를 위한 품질 유효 인자 생성방법 및 그에 따른 생성 시스템
US9954727B2 (en) * 2015-03-06 2018-04-24 Quanta Computer Inc. Automatic debug information collection
CN108268366B (zh) * 2016-12-30 2021-01-22 腾讯科技（深圳）有限公司 测试用例执行方法及装置
US10990901B2 (en) * 2017-11-13 2021-04-27 Accenture Global Solutions Limited Training, validating, and monitoring artificial intelligence and machine learning models
CN111507483A (zh) * 2019-01-30 2020-08-07 鸿富锦精密电子(天津)有限公司 返修板检测装置、方法及计算机可读存储介质
CN110716857B (zh) * 2019-08-27 2023-12-29 天航长鹰(江苏)科技有限公司 测试用例管理方法、装置、计算机设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080189090A1 (en) * 2007-02-06 2008-08-07 Makoto Aikawa System and Method for Determining a Guard Band for an Operating Voltage of an Integrated Circuit Device
CN105103568A (zh) * 2012-09-24 2015-11-25 Actiwave公司 扬声器的控制和保护
CN106406489A (zh) * 2015-07-28 2017-02-15 Hgst荷兰公司 数据存储阵列的增强式功率控制
CN109313475A (zh) * 2016-06-10 2019-02-05 微软技术许可有限责任公司 处理器设备电压表征

Also Published As

Publication number Publication date
JP7443175B2 (ja) 2024-03-05
US20210342714A1 (en) 2021-11-04
US11556818B2 (en) 2023-01-17
TW202143079A (zh) 2021-11-16
JP2021174498A (ja) 2021-11-01
TWI824155B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN113901675B (zh) 电子元器件寿命预测方法、装置、计算机设备和存储介质
CN112506757A (zh) 自动测试方法、系统、计算机设备及其介质
CN112306877B (zh) 一种电力系统故障运维方法及系统
CN108681504A (zh) 自动化测试方法、测试服务器及计算机可读存储介质
CN113204938B (zh) 一种集成电路的时延特性改进方法、装置及存储介质
CN111651358B (zh) 生成测试用例的方法、软件测试方法、装置和服务器
CN112181430B (zh) 代码变更统计方法、装置、电子设备及存储介质
CN109740760A (zh) 文本质检自动化训练方法、电子装置及计算机设备
CN116502596B (zh) 芯片功耗评估方法、功耗模型的生成方法和计算机设备
CN112084459A (zh) 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质
CN110134598B (zh) 一种批量处理方法、装置及系统
CN110177006B (zh) 基于接口预测模型的节点测试方法及装置
CN116401113B (zh) 一种异构众核架构加速卡的环境验证方法、装置及介质
CN113590390A (zh) 动态智能测试方法、系统、计算机装置及存储介质
CN114143235A (zh) Nfv自动测试方法、装置、设备及存储介质
CN115248783B (zh) 软件测试方法、系统、可读存储介质及计算机设备
CN113127331A (zh) 一种基于故障注入的测试方法、装置及计算机设备
CN115687950A (zh) 一种电力系统负荷波动分析方法和系统
CN113792875B (zh) 一种分布式通信库的性能测试方法、装置、设备及介质
CN114876731A (zh) 风电场低效运行风电机组排查方法、系统、设备和介质
CN113409022A (zh) 一种面向平台的自动化验收方法和装置
CN105740114A (zh) 移动终端的容错测试方法及装置
CN113627755A (zh) 智能终端工厂的测试方法、装置、设备及存储介质
CN112463164A (zh) SoC程序执行的显示定位方法、装置、计算机设备及存储介质
CN112069364A (zh) 一种多源数据监控方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination