Study on Adaptive Fault Diagnosis for Reducing Fault Diagnosis Time

2023 Fiscal Year Final Research Report

• Project/Area Number: 19K11877
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60040:Computer system-related
• Research Institution: Ehime University
• Principal Investigator: higami Yoshinobu 愛媛大学, 理工学研究科(工学系), 教授 (40304654)
• Co-Investigator(Kenkyū-buntansha): 稲元 勉 愛媛大学, 理工学研究科(工学系), 講師 (10379513) ; 高橋 寛 愛媛大学, 理工学研究科(工学系), 教授 (80226878) ; 王 森レイ 愛媛大学, 理工学研究科(工学系), 講師 (90735581)
• Project Period (FY): 2019-04-01 – 2024-03-31
• Keywords: 故障診断 / テスト容易化設計 / 故障辞書 / 機械学習

Outline of Final Research Achievements

In this study, we have developed fault diagnosis methods, which deduce fault sites in Large-Scale Integrated Circuits (LSIs). The methods include compaction of fault dictionary, test point insertion and machine learning based diagnosis methods. Fault dictionary stores output responses of faulty circuits. By using a fault dictionary, fault diagnosis time becomes short, but it requires large amount of memory requirement. The developed method compacts fault dictionary and results in reduction of memory requirement. Also test insertion method enhances the ability of fault diagnosis, and machine learning based method reduces fault diagnosis time without using a fault dictionary.

Free Research Field

信頼性工学

Academic Significance and Societal Importance of the Research Achievements

LSIの故障診断の結果は、2通りの活用法がある。１つは、故障診断位置や原因を解析することで、LSI設計・製造上の問題を発見し、それを改善することで歩留まり向上を実現することができる。もう１つは、実稼働中のシステムにおいて、故障位置から故障の影響する外部出力を推定することによって、故障影響のない外部出力のみを用いてシステムを稼働させることができる。これによって、故障が発見されても、システムを停止させることなく、縮小した機能でシステムを稼働させることができる。以上のように、本研究は、LSIの生産性向上、コンピュータシステム信頼性向上などに貢献する。