TWI824155B - 動態智慧測試方法、系統、電腦裝置及存儲介質 - Google Patents
動態智慧測試方法、系統、電腦裝置及存儲介質 Download PDFInfo
- Publication number
- TWI824155B TWI824155B TW109118375A TW109118375A TWI824155B TW I824155 B TWI824155 B TW I824155B TW 109118375 A TW109118375 A TW 109118375A TW 109118375 A TW109118375 A TW 109118375A TW I824155 B TWI824155 B TW I824155B
- Authority
- TW
- Taiwan
- Prior art keywords
- test
- range
- data
- tested
- project
- Prior art date
Links
- 238000010998 test method Methods 0.000 title claims abstract description 10
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 246
- 238000009826 distribution Methods 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000010845 search algorithm Methods 0.000 claims description 14
- 238000012790 confirmation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 17
- 238000007405 data analysis Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
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
本發明提供一種動態智慧測試方法,所述動態智慧測試方法包括:在對待測目標進行專案測試時,調用該專案的資料分佈模型;基於所述資料分佈模型獲取所述專案對應的測試範圍;根據所述測試範圍對所述待測目標進行測試,得到所述待測目標處於最小功耗值時的測試值;及根據所述測試值更新所述專案對應資料分佈模型和測試範圍。本發明還提供動態智慧測試系統、電腦裝置和存儲介質。本發明可以提高測試效率。
Description
本發明涉及一種測試技術領域,尤其涉及一種動態智慧測試方法、電腦裝置及存儲介質。
新產品設計過程中為降低系統功耗,會在待測目標(如主機板)測試工站增加較多專案,每個專案需要待測目標運行不同頻率,不同負載下的電壓電流,從而找到一個最小的功耗值。再把這個最小功耗值寫入機台暫存器。當作業系統運行在不同狀態下時,可以調用所述最小功耗值來設定電流電壓的供應,以達到最大限度的節約電池能量的目的。然而,在獲取這個最小功耗值時,需要從標準電壓電流值一點一點的按步驟往下降,直到降到所述待測目標因欠壓或能量不足發出提示時,才找到臨界值,即最小功耗值。整個過程耗費時間長,並且由於性能差異的原因,測試時間還會延長,嚴重影響測試產能,給量產測試增加設備和人工成本。
鑒於以上內容,有必要提供一種動態智慧測試方法、系統、電腦裝置及存儲介質,可以提高測試效率。
所述動態智慧測試方法包括:在對待測目標進行專案測試時,調用該專案的資料分佈模型;基於所述資料分佈模型獲取所述專案對應的測試範圍;根
據所述測試範圍對所述待測目標進行測試,得到所述待測目標處於最小功耗值時的測試值;及根據所述測試值更新所述專案對應資料分佈模型和測試範圍。
所述動態智慧測試系統包括:調用模組,用於在對待測目標進行專案測試時,調用該專案的資料分佈模型;獲取模組,用於基於所述資料分佈模型獲取所述專案對應的測試範圍;測試模組,用於根據所述測試範圍對所述待測目標進行測試,得到所述待測目標處於最小功耗值時的測試值;及更新模組,用於根據所述測試值更新所述專案對應資料分佈模型和測試範圍。
所述電腦可讀存儲介質存儲有至少一個指令,所述至少一個指令被處理器執行時實現所述動態智慧測試方法。
所述電腦裝置包括記憶體和至少一個處理器,所述記憶體中存儲有至少一個指令,所述至少一個指令被所述至少一個處理器執行時實現所述動態智慧測試方法。
相較於習知技術,所述動態智慧測試方法、系統、電腦裝置及存儲介質,可以更新專案對應的測試範圍,提高測試效率。
1:電腦裝置
11:記憶體
12:處理器
10:動態智慧測試系統
101:調用模組
102:獲取模組
103:測試模組
104:更新模組
105:確認模組
圖1是本發明較佳實施例的電腦裝置的架構圖。
圖2是本發明較佳實施例的動態智慧測試系統的功能模組圖。
圖3是本發明較佳實施例的動態智慧測試方法的流程圖。
為了能夠更清楚地理解本發明的上述目的、特徵和優點,下面結合附圖和具體實施例對本發明進行詳細描述。需要說明的是,在不衝突的情況下,本發明的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本發明,所描述的實施例僅僅是本發明一部分實施例,而不是全部的實施例。基於本發明中的實施例,本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例,都屬於本發明保護的範圍。
除非另有定義,本文所使用的所有的技術和科學術語與屬於本發明的技術領域的技術人員通常理解的含義相同。本文中在本發明的說明書中所使用的術語只是為了描述具體的實施例的目的,不是旨在於限制本發明。
參閱圖1所示,為本發明較佳實施例提供的電腦裝置的架構圖。
本實施例中,電腦裝置1包括互相之間電氣連接的記憶體11、至少一個處理器12。
本領域技術人員應該瞭解,圖1示出的電腦裝置1的結構並不構成本發明實施例的限定,所述電腦裝置1還可以包括比圖1更多或更少的其他硬體或者軟體,或者不同的部件佈置。
需要說明的是,所述電腦裝置1僅為舉例,其他現有的或今後可能出現的電腦裝置如可適應於本發明,也應包含在本發明的保護範圍以內,並以引用方式包含於此。
在一些實施例中,所述記憶體11可以用於存儲電腦程式的程式碼和各種資料。例如,所述記憶體11可以用於存儲安裝在所述電腦裝置1中的動態智慧測試系統10,並在電腦裝置1的運行過程中實現高速、自動地完成程式或資料的存取。所述記憶體11可以是包括唯讀記憶體(Read-Only Memory,ROM)、可程式設計唯讀記憶體(Programmable Read-Only Memory,PROM)、可抹除可程式設計唯讀記憶體(Erasable Programmable Read-Only Memory,EPROM)、一次可程式設計唯讀記憶體(One-time Programmable Read-Only Memory,OTPROM)、電子抹除式可複寫唯讀記憶體(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、唯讀光碟(Compact Disc Read-Only Memory,
CD-ROM)或其他光碟記憶體、磁碟記憶體、磁帶記憶體、或者任何其他能夠用於攜帶或存儲資料的非易失性的電腦可讀的存儲介質。
在一些實施例中,所述至少一個處理器12可以由積體電路組成。例如,可以由單個封裝的積體電路所組成,也可以是由複數相同功能或不同功能封裝的積體電路所組成,包括一個或者複數中央處理器(Central Processing unit,CPU)、微處理器、數文書處理晶片、圖形處理器及各種控制晶片的組合等。所述至少一個處理器12是所述電腦裝置1的控制核心(Control Unit),利用各種介面和線路連接整個電腦裝置1的各個部件,藉由執行存儲在所述記憶體11內的程式或者模組或者指令,以及調用存儲在所述記憶體11內的資料,以執行電腦裝置1的各種功能和處理資料,例如,動態智慧測試功能(具體細節參後面對圖3的介紹)。
在本實施例中,動態智慧測試系統10可以包括一個或複數模組,所述一個或複數模組存儲在所述記憶體11中,並由至少一個或複數處理器(本實施例為處理器12)執行,以實現動態智慧測試功能(具體細節參後面對圖3的介紹)。
在本實施例中,所述動態智慧測試系統10根據其所執行的功能,可以被劃分為複數模組。參閱圖2所示,所述複數模組包括調用模組101、獲取模組102、測試模組103、更新模組104和確認模組105。本發明所稱的模組是指一種能夠被至少一個處理器(例如處理器12)所執行並且能夠完成固定功能的一系列電腦可讀的指令段,其存儲在記憶體(例如電腦裝置1的記憶體11)中。在本實施例中,關於各模組的功能將在後續結合圖3詳述。
本實施例中,以軟體功能模組的形式實現的集成的單元,可以存儲在一個非易失性可讀取存儲介質中。上述軟體功能模組包括一個或複數電腦可讀指令,所述電腦裝置1或所述至少一個處理器12(processor)藉由執行所述一個或複數電腦可讀指令實現本發明各個實施例的方法的部分,例如圖3所示的動態智慧測試方法。
在進一步的實施例中,結合圖2,所述至少一個處理器12可執行所述電腦裝置1中所安裝的各類應用程式(如所述的動態智慧測試系統10)、程式碼等。
在進一步的實施例中,所述記憶體11中存儲有電腦程式的程式碼,且所述至少一個處理器12可調用所述記憶體11中存儲的程式碼以執行相關的功能。例如,圖2中所述動態智慧測試系統10的各個模組是存儲在所述記憶體11中的程式碼,並由所述至少一個處理器12所執行,從而實現所述各個模組的功能以達到動態智慧測試功能的目的(詳見下文中對圖3的描述)。
在本發明的一個實施例中,所述記憶體11存儲一個或複數電腦可讀指令,所述一個或複數電腦可讀指令被所述至少一個處理器12所執行以實現動態智慧測試功能的目的。具體地,所述至少一個處理器12對上述電腦可讀指令的具體實現方法詳見下文中對圖3的描述。
圖3是本發明較佳實施例提供的動態智慧測試方法的流程圖。
在本實施例中,所述動態智慧測試方法可以應用於電腦裝置1中,對於需要進行動態智慧測試的電腦裝置1,可以直接在該電腦裝置1上集成本發明的方法所提供的用於動態智慧測試的功能,或者以軟體開發套件(Software Development Kit,SDK)的形式運行在所述電腦裝置1上。
如圖3所示,所述動態智慧測試方法具體包括以下步驟,根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。
步驟S1,在對待測目標進行專案測試時,所述調用模組101調用該專案的資料分佈模型。
在一個實施例中,所述待測目標為主機板,當需對所述主機板進行某一項目測試時(如主機板在不同頻率下的電壓最小功耗值測試),測試工站的測試軟體調用伺服器上的軟體開發套件內該專案的資料分佈模型,以獲取所述項目對應的測試範圍。需要說明的是,所述開發套件內包括不同專案的資料分佈
模型。
在一實施方式中,所述專案包括,但不限於,電壓、電流、頻率和射頻(Radio frequency,RF)。在本實施方式中,所述資料分佈模型是基於原始測試資料,經大資料分析後得到該專案所有測試值的分佈,並根據所述專案的測試值生成的模型。其中,所述原始測試資料包括待測目標為良品時的測試資料和待測目標為不良品時的測試資料。藉由在資料庫裡的測試資料插入人工智慧(AI)卷積深度學習模組,建立資料分佈模型。並根據每一驗證結果重新統計得到模型預測準確率,並判斷重新統計得到的模型預測準確率是否小於預設閾值,當所述模型預測準確率小於所述默認閾值時,將所述資料分佈模型上傳至所述伺服器中。需要說明的是,每一專案可生成各自的資料分佈模型。將所述每一專案的資料分佈模型上傳至所述伺服器中。
步驟S2,所述獲取模組102基於所述資料分佈模型獲取所述專案對應的測試範圍。
在一個實施例中,所述項目對應的測試範圍包括:藉由調用所述資料分佈模型得到所述專案對應的資料分佈範圍;根據所述資料分佈範圍得到預設概率的資料落入的資料區間;設定所述資料區間為所述測試範圍。例如,當對所述主機板的電壓進行測試時,測試工站的測試軟體調用伺服器上的工具包內的該專案的資料分佈模型,藉由所述資料分佈模型進行資料分析獲得電壓分佈範圍,根據所述電壓分佈範圍得到預設概率的資料落入的資料區間,定義所述資料區間為測試範圍。例如,藉由所述資料分佈模型進行資料分析獲得的電壓分佈範圍1.0V~0.9V,而95%的測試資料落入的資料區間為1.0V~0.95V,則定義測試範圍為1.0V~0.95V。需要說明的是,所述預設概率可自行根據實際情況設定,可藉由調整所述預設概率獲得想要的合理範圍。
在一實施方式中,還可以設置所述測試範圍的置信區間或者所述預設概率。
步驟S3,所述測試模組103比對獲取的測試範圍是否小於預設範圍。當獲取的測試範圍小於預設範圍時,執行步驟S4;當獲取的測試範圍大於或等於預設範圍時,執行步驟S5。
在本實施方式中,工廠測試工站的測試軟體調用伺服器上的資料分佈模型,並根據所述資料分佈模型來定義測試範圍。例如預設測試電壓範圍為1.2V~0.8V,而資料模型上的獲取的測試範圍為1.0V~0.9V,測試軟體只會對獲取的測試範圍1.0~0.9V內的電壓進行測試。
現有技術中,沒有使用所述資料分佈模型時,測試資料基本分佈在1.1V~0.85V之間。在對待測目標進行電壓測試時,所述預設範圍為1.2V~0.8V。
現在藉由對資料進行資料分析,並根據所述資料分佈模型獲得95%的測試資料分佈範圍為1.0V~0.9V,則定義測試範圍為1.0~0.9V,比沒使用該動態模型時的測試範圍小了。
步驟S4,所述測試模組103根據獲取的測試範圍對所述主機板進行測試,得到所述主機板處於最小功耗值時的測試值。
在一個實施例中,根據獲取的測試範圍藉由預設測試方法對所述待測目標進行測試,所述預設測試方法包括二分搜尋演算法、斐波那契查找演算法、分塊查找演算法、雜湊查找演算法和二叉樹查找演算法等。
在一實施方式中,藉由所述預設測試方法對待測目標進行測試,直到所述待測目標獲得最小功耗值。所述最小功耗值為所述待測目標因欠壓或能量不足出現提示時找到的臨界值。
例如,根據所述測試範圍採用二分搜尋演算法進行測試。例如,若獲取的電壓的測試範圍為1.0V-0.9V時,測試時從0.95V開始往上每次增加0.05V(間隔自行設置)後對主機板進行測試;往下每次減少0.05V後對主機板進行測試;若當電壓值為1.0V時待測目標測試正常,而電壓值為0.90V時主機板測試不正常,則說明所述臨界值在0.95V-0.90V之間,繼續採用二分搜尋演算法進行測試,
直到測出所述臨界值。
步驟S5,所述測試模組103根據所述預設範圍對所述待測項目進行測試,得到所述待測目標處於最小功耗值時的測試值。
在本實施方式中,根據所述預設範圍對所述待測目標進行測試的方法與根據獲取的測試範圍對所述待測目標進行測試的方法一致,在此不再贅述。
步驟S6,所述更新模組104根據所述測試值更新所述專案對應資料分佈模型和測試範圍。
在本實施方式中,將對所述待測目標進行測試,得到所述待測目標處於最小功耗值時的測試值添加到資料服務層的測試資料中,更新所述專案的資料分佈模型,重新進行資料分析獲得資料分佈範圍,並根據所述資料分佈範圍和設定的預設概率重新定義所述測試範圍。
需要說明的是,當測試資料越來越多時,其測試結果會越來越接近測試的真實閥值。資料分佈越集中,預設概率的資料分佈的區間會越來越小,需測試的範圍也會越小,測試速率越快。根據實際測試值的增加,資料分佈模型也會進一步的動態更新,比如後來測試值只在0.95V~0.9V之間,所述資料分佈模型也會動態的更新專案電壓對應的測試範圍為0.95V~0.9V。
步驟S7,所述確認模組105確認所有測試專案是否測試完成。當所有測試專案都測試完成時,結束流程;當還有測試專案沒有測試完成時,流程返回步驟S1。
在本實施方式中,當還有專案沒有完成測試時,調用所述資料分佈模型,獲得最新測試範圍,並根據所述最新測試範圍對待測目標進行測試,直到找到所述臨界值。測完後將驗證結果資料加入到原始資料中,更新所述資料分佈模型。由於良品的概率遠大於不良品的概率,所以當測試資料越來越多時,測試結果越接近真實值。當測試資料接近無窮大時,測試結果近似為真實值,則測試範圍越來越窄。例如,初始測試資料為100個,統計概率95%的資料分佈在
1.0V-0.9V之間。當資料越來越多時,則接近真實值的資料會越來越多。比如1000個測試資料,假設測試結果為0.96V的頻率最大,則說明其越接近真實值。則1000個測試資料接近0.96V的資料會越來越多,資料越集中。則95%概率的範圍越接近0.96V,比如在0.98-0.94V之間的資料佔95%。對比新的測試範圍與之前的測試範圍,若測試範圍變小,則更新資料分佈模型的測試範圍,下一次測試時調用該新的測試範圍。在下一次測試時繼續採用所述二分搜尋演算法進行測試。例如,新的測試範圍變為0.98V-0.94V。採用所述二分搜尋演算法,從0.96V開始往上每次增加0.02V後對主機板進行測試,從0.96V開始往下每次減少0.02V後對主機板進行測試。則需測試的範圍越來越小,測試速率越來越快,當資料為10,000個時,其測試範圍會更小,測試速率會更快,以此類推,直到得到理想的測試範圍。
需要說明的是,在一實施方式中,所述資料分佈模型對應有一個專案。例如,當需要對主機板的電壓進行測試時,調用第一資料分佈模型可以得到電壓對應的測試範圍;當需要對主機板的電流進行測試時,調用第二資料分佈模型可以得到電流對應的測試範圍。在另一實施方式中,所述資料分佈模型可以對應複數專案。例如,當需要對主機板的電壓和電流進行測試時,調用所述資料分佈模型可以得到電壓對應的測試範圍,也可以得到電流對應的測試範圍。
在一實施方式中,可以將對應不同專案的複數資料分佈模型疊加,從而得到包括複數專案的資料分佈模型。例如,電壓對應的測試範圍為0.95V~09V,電流對應的測試範圍為50mA~10mA,並且頻率對應的測試範圍為1M-2M。並同步上傳測試資料分佈模型到所述伺服器,工廠測試軟體就會同步所述資料分佈模型到工站測試軟體。可以理解的是,不同專案的資料分佈模型進行迭加後,資料分佈模型可從二維度變為多維度,可獲得不同測試條件下主機板的最小功耗值的資料分佈模型,獲得不同測試條件下主機板的最小功耗值測試範圍。如一開始是不同頻率下主機板的電壓最小功耗值測試資料分佈模型,可在該模型
上迭加測試的迴圈次數,則該資料分佈模型變為不同頻率,不同測試迴圈次數下的主機板的電壓最小功耗值測試資料分佈模型,該模型的維度從二維變為三維,依次類推,可藉由迭加其它的測試專案增加資料分佈模型的維度。
在一實施方式中,所述動態智慧測試方法還包括:對所述測試範圍內的測試區間的測試資料進行資料分析,判斷某一測試區間內的測試資料的頻率是否小於預設頻率值。若所述測試區間內的測試資料的頻率小於所述預設頻率值,則判斷該測試區間的測試資料較少或沒有測試資料,最小功耗值不在該測試區間內,直接跳過該測試區間不測,繼續進行其他測試區間的測試直到獲得最小功耗值,可結合資料分析簡化測試,進一步提高測試效率。若所述測試區間內的測試資料的頻率大於或等於所述預設頻率值,則需要在所述測試區間內進行測試。
在本發明所提供的幾個實施例中,應該理解到,所揭露的裝置和方法,可以藉由其它的方式實現。例如,以上所描述的裝置實施例僅僅是示意性的,例如,所述模組的劃分,僅僅為一種邏輯功能劃分,實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的,作為模組顯示的部件可以是或者也可以不是物理單元,即可以位於一個地方,或者也可以分佈到複數網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外,在本發明各個實施例中的各功能模組可以集成在一個處理單元中,也可以是各個單元單獨物理存在,也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現,也可以採用硬體加軟體功能模組的形式實現。
對於本領域技術人員而言,顯然本發明不限於上述示範性實施例的細節,而且在不背離本發明的精神或基本特徵的情況下,能夠以其他的具體形式實現
本發明。因此,無論從哪一點來看,均應將實施例看作是示範性的,而且是非限制性的,本發明的範圍由所附請求項而不是上述說明限定,因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本發明內。不應將請求項中的任何附圖標記視為限制所涉及的請求項。此外,顯然“包括”一詞不排除其他單元或,單數不排除複數。裝置請求項中陳述的複數單元或裝置也可以由一個單元或裝置藉由軟體或者硬體來實現。第一,第二等詞語用來表示名稱,而並不表示任何特定的順序。
最後所應說明的是,以上實施例僅用以說明本發明的技術方案而非限制,儘管參照以上較佳實施例對本發明進行了詳細說明,本領域的普通技術人員應當理解,可以對本發明的技術方案進行修改或等同替換,而不脫離本發明技術方案的精神和範圍。
Claims (8)
- 一種動態智慧測試方法,其改良在於,該方法包括:在對待測目標進行專案測試時,調用該專案的資料分佈模型;基於所述資料分佈模型獲取所述專案對應的測試範圍;確認所述測試範圍內的測試區間中的測試資料的頻率是否小於預設頻率值;若所述測試區間中的測試資料的頻率小於所述預設頻率值,跳過所述測試區間不進行測試;或若所述測試區間中的測試資料的頻率大於或等於所述預設頻率值,在所述測試區間內進行測試;根據所述測試範圍對所述待測目標進行測試,得到所述待測目標處於最小功耗值時的測試值;及根據所述測試值更新所述專案對應資料分佈模型和測試範圍。
- 如請求項1所述的動態智慧測試方法,其中,所述專案包括電壓、電流、頻率和射頻。
- 如請求項1所述的動態智慧測試方法,其中,藉由預設測試方法對所述待測目標進行測試,其中,所述預設測試方法包括二分搜尋演算法、斐波那契查找演算法、分塊查找演算法、雜湊查找演算法和二叉樹查找演算法。
- 如請求項1所述的動態智慧測試方法,其中,該方法還包括:比對獲取的測試範圍是否小於預設範圍;當獲取的測試範圍小於所述預設範圍時,根據獲取的測試範圍對所述待測目標進行測試;或當獲取的測試範圍大於或等於所述預設範圍時,根據所述預設範圍對所述待測目標進行測試。
- 如請求項1所述的動態智慧測試方法,其中,所述基於所述資料分佈模型獲取所述專案對應的測試範圍包括:藉由所述資料分佈模型得到所述專案對應的資料分佈範圍;根據所述資料分佈範圍得到預設概率的資料落入的資料區間; 設定所述資料區間為所述測試範圍。
- 一種動態智慧測試系統,其改良在於,所述系統包括:調用模組,用於在對待測目標進行專案測試時,調用該專案的資料分佈模型;獲取模組,用於基於所述資料分佈模型獲取所述專案對應的測試範圍;確認模組,用於確認所述測試範圍內的測試區間中的測試資料的頻率是否小於預設頻率值;若所述測試區間中的測試資料的頻率小於所述預設頻率值,跳過所述測試區間不進行測試;若所述測試區間中的測試資料的頻率大於或等於所述預設頻率值,在所述測試區間內進行測試;測試模組,用於根據所述測試範圍對所述待測目標進行測試,得到所述待測目標處於最小功耗值時的測試值;及更新模組,用於根據所述測試值更新所述專案對應資料分佈模型和測試範圍。
- 一種電腦可讀存儲介質,所述電腦可讀存儲介質存儲有至少一個指令,所述至少一個指令被處理器執行時實現如請求項1至請求項5中任意一項的所述動態智慧測試方法。
- 一種電腦裝置,該電腦裝置包括記憶體和至少一個處理器,所述記憶體中存儲有複數模組,所述複數模組被所述至少一個處理器執行時實現如請求項1至請求項5中任意一項的所述動態智慧測試方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010366713.5 | 2020-04-30 | ||
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 (2)
Publication Number | Publication Date |
---|---|
TW202143079A TW202143079A (zh) | 2021-11-16 |
TWI824155B true TWI824155B (zh) | 2023-12-01 |
Family
ID=78237668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11556818B2 (zh) |
JP (1) | JP7443175B2 (zh) |
CN (1) | CN113590390A (zh) |
TW (1) | TWI824155B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105103568A (zh) * | 2012-09-24 | 2015-11-25 | Actiwave公司 | 扬声器的控制和保护 |
US20170364931A1 (en) * | 2014-09-26 | 2017-12-21 | Bombora, Inc. | Distributed model optimizer for content consumption |
CN108268366A (zh) * | 2016-12-30 | 2018-07-10 | 腾讯科技(深圳)有限公司 | 测试用例执行方法及装置 |
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 |
CN109934341A (zh) * | 2017-11-13 | 2019-06-25 | 埃森哲环球解决方案有限公司 | 训练、验证以及监测人工智能和机器学习的模型 |
CN110716857A (zh) * | 2019-08-27 | 2020-01-21 | 平安普惠企业管理有限公司 | 测试用例管理方法、装置、计算机设备和存储介质 |
Family Cites Families (12)
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 |
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 |
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 |
-
2020
- 2020-04-30 CN CN202010366713.5A patent/CN113590390A/zh active Pending
- 2020-06-01 TW TW109118375A patent/TWI824155B/zh active
- 2020-07-03 US US16/920,571 patent/US11556818B2/en active Active
- 2020-07-13 JP JP2020120138A patent/JP7443175B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105103568A (zh) * | 2012-09-24 | 2015-11-25 | Actiwave公司 | 扬声器的控制和保护 |
US20170364931A1 (en) * | 2014-09-26 | 2017-12-21 | Bombora, Inc. | Distributed model optimizer for content consumption |
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 |
CN108268366A (zh) * | 2016-12-30 | 2018-07-10 | 腾讯科技(深圳)有限公司 | 测试用例执行方法及装置 |
CN109934341A (zh) * | 2017-11-13 | 2019-06-25 | 埃森哲环球解决方案有限公司 | 训练、验证以及监测人工智能和机器学习的模型 |
CN110716857A (zh) * | 2019-08-27 | 2020-01-21 | 平安普惠企业管理有限公司 | 测试用例管理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US11556818B2 (en) | 2023-01-17 |
JP7443175B2 (ja) | 2024-03-05 |
TW202143079A (zh) | 2021-11-16 |
JP2021174498A (ja) | 2021-11-01 |
CN113590390A (zh) | 2021-11-02 |
US20210342714A1 (en) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10748083B2 (en) | Automated tuning of a service configuration | |
TWI698813B (zh) | 基於區塊鏈的資料儲存以及查詢的方法及裝置 | |
CN108304553B (zh) | 数据迁移方法、装置、计算机设备和存储介质 | |
CN111767144B (zh) | 交易数据的交易路由确定方法、装置、设备及系统 | |
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 | |
CN110347590A (zh) | 业务系统的接口测试控制方法及装置 | |
CN110134598B (zh) | 一种批量处理方法、装置及系统 | |
TWI824155B (zh) | 動態智慧測試方法、系統、電腦裝置及存儲介質 | |
CN112511341B (zh) | 一种网络自动化故障定位方法、终端及存储介质 | |
US7475164B2 (en) | Apparatus, system, and method for automated device configuration and testing | |
CN113900913A (zh) | 确定功耗方法、装置、计算机设备及计算机可读存储介质 | |
CN113919257A (zh) | 一种编译仿真文件的方法、装置、设备及存储介质 | |
CN112052144B (zh) | 信息管理方法、装置、电子设备及存储介质 | |
CN110192178A (zh) | 程序打补丁的方法、装置、微控制单元和终端设备 | |
CN112685462A (zh) | 馈线数据分析方法、装置、计算机设备和存储介质 | |
CN115757172A (zh) | 测试执行方法、装置、存储介质及计算机设备 | |
CN110177006B (zh) | 基于接口预测模型的节点测试方法及装置 | |
CN103678545A (zh) | 进行网络资源聚类的方法及装置 | |
CN103972122A (zh) | 一种晶圆针测方法及装置 | |
CN103118121A (zh) | 一种高可用集群在虚拟化技术中的应用方法 | |
CN112380186A (zh) | 一种基于主动适配的国产数据库迁移方法 | |
CN106057247B (zh) | 测试电视机dram系统信号完整性的方法 | |
CN110781540A (zh) | 设计方案的分析方法、装置、存储介质及计算机设备 | |
CN110807244A (zh) | 一种电力电子开关的电磁暂态仿真方法及装置 |