بخشی از مقاله
خلاصه
در این مقاله روشی جدید به منظور انتخاب بهینه نقاط تست برای تشخیص خطای مدار آنالوگ در روش دیکشنری خطا پیشنهاد شده است. برای تحقق این امر ابتدا یک دیکشنری خطای اعداد صحیح ایجاد میشود و از روی آن جدول ایزولهسازی خطا طراحی و گسترش داده میشود، که با استفاده از آن نقاط تست ویژه بدست می آیند، حال باید بررسی شود که آیا نقاط تست ویژه قابلیت ایزولهسازی همهی خطاها را دارا هستند یا خیر. اگر پاسخ مثبت باشد، این مرحله به عنوان آخرین مرحله تلقی میشود و تمام خطاها با کمترین نقاط تست و در کمترین زمان ایزوله میشوند. اگر پاسخ منفی باشد، باید مرحله بعد اجرا شود، در این بخش نقاط تست ویژه به همراه خطاهایی که توسط آنها ایزوله شدند از جدول دیکشنری خطا حذف شده و دیکشنری جدیدی ایجاد میشود.
در این دیکشنری جدید باید نقاط تستی که خطاهای تک بیشتری را ایزوله میکنند، یا به عبارت دیگر دارای گروههای مبهم تک عضوی هستند، انتخاب شوند. در مرحله بعد دوباره بررسی میشود که آیا با استفاده از نقاط تست موجود میتوان همهی خطاها را ایزوله کرد یا خیر. اگر جواب مثبت باشد، این مرحله به عنوان مرحلهی آخر تلقی میشود، در غیر اینصورت دو مرحله آخر دوباره تکرار میشوند تا همهی خطاها ایزوله شوند. این الگوریتم روی مدار Elliptical اعمال شده است و نتایج آن با دیگر مقالات مقایسه شده است.
نتایج نشان میدهد که این الگوریتم در مقایسه با سایر روشها دارای سرعت عمل و دقت بالاتری میباشد و در مدت زمان 0,26 ثانیه تمام خطاها ایزوله می شوند. همچنین در این روش تعداد نقاط تست از 14 عدد به 6 عدد کاهش پیدا کرده است و در مقایسه با دیگر مقالات دیکشنری خطای کوچکتری ایجاد شده است. بنابراین با اعمال این الگوریتم روی روش دیکشنری خطا، این روش یکی از بهترین روشها در ایزولهسازی خطاها به شمار میآید.
.1مقدمه
تشخیص خطا در مدرات آنالوگ به دو دسته شبیهسازی قبل از تست1 و شبیهسازی بعد از تست1 تقسیم بندی میشود.[1-3] دیکشنری خطا یکی از مهمترین و کاربردی ترین روشهای شبیهسازی قبل از تست میباشد. دیکشنری خطا مجموعهای از اندازهگیریهای مدار تحت تست است، که تحت شرایط خطایی مختلف، قبل از انجام تست شبیهسازی شده است. این اندازهگیریها میتوانند در نقاط تست مختلف، فرکانسهای تست و زمانهای نمونه برداری انجام شوند.[4, 5]
سه بخش مهم در نظریه دیکشنری خطا وجود دارد .[6] ابتدا یک شبکه تحت شرایط خطایی مختلف و با استفاده از ورودی ac یا dc شبیهسازی میشود، سپس پاسخ مدار نسبت به این خطاها به دست میآید و در یک دیکشنری ذخیره میشود. بخش دوم انتخاب نقاط تست میباشد، انتخاب بهینه نقاط تست هدف اصلی این بخش میباشد، بدین وسیله میتوان با تعداد نقاط تست کم به درجه بالایی از ایزولهسازی رسید و زمان تشخیص خطا را نیز تا حد زیادی کاهش داد.
بخش آخر ایزولهسازی خطا میباشد، در زمان تست، مدار تحت همان شرایطی قرار میگیرد که در زمان تشکیل دیکشنری خطا قرار گرفته بود، یعنی همان ورودیهایی که در زمان ساخت دیکشنری خطا به مدار داده شده بود، حال به مدار تحت تست داده میشود و خروجی مدار در نقاط تستی که در بخش دوم انتخاب شد، به دست میآید، سپس این خروجی با خروجی هایی که قبلا در دیکشنری ذخیره شده بود مقایسه میشود تا خطا به دست آید. این مقاله روی بخش دوم یعنی انتخاب نقاط تست تمرکز دارد.
این روش دارای محاسبات آنلاین کم و ساده میباشد. بنابراین در زمان تست، برای تشخیص خطای مدار آنالوگ زمان زیادی مورد نیاز نمیباشد. تنها ایراد این روش این میباشد که محاسبات آفلاین و قبل از انجام تست زمانگیر است و در هر مرحله ابتدا باید پاسخ مدار در حالی که تمامی المانهای مدار مقدار اسمی خود را دارند در تمام نقاط تست بدست آید، سپس وقتی المانهای مدار از مقدار اسمی خود منحرف شدند، بار دیگر مدار در تمام نقاط تست شبیهسازی شود.
سپس پاسخ مدار در دو مرحله با هم مقایسه شود تا المان معیوب شناسایی شود. بنابراین محاسبات آفلاین بسیار زمانگیر بوده، و این موضوع نقص این روش میباشد. به منظور کاهش زمان محاسبات و بعد دیکشنری خطا، انتخاب بهینهی نقاط تست امری مهم و ضروری میباشد. به واسطهی این کار محاسبات اضافی حذف شده و در زمان کمتری هدف اصلی یعنی ایزولهسازی خطاها تحقق مییابد .[7]
Sopt نقاط تست بهینه
در بخش 2 مروری بر کارهای گذشته در زمینه انتخاب بهینه نقاط تست میشود. در بخش 3 مراحل کلی الگوریتم پیشنهادی انتخاب نقاط تست ارائه میشود و هر کدام از مراحل الگوریتم پیشنهادی با جزئیات مطرح میشوند. در بخش 4 زمان مورد نیاز برای الگوریتم پیشنهادی محاسبه میشود. در بخش 5 نتایج تجربی مطرح میشود و روش ارائه شده در این مقاله روی مدار فیلتر Elliptical اعمال میشود و با دیگر مقالات مقایسه میشود. در بخش 6 نیز نتیجهگیری از عملکرد الگوریتم پیشنهادی بیان میشود.
.2 کارهای گذشته
مساله انتخاب نقاط تست برای دیکشنری خطا در بسیاری از مقالات مورد مطالعه قرار گرفته است. Varghese [8] یک روش ابتکاری بر اساس شاخصهای عملکردی به منظور پیدا کردن نقاط تست ارائه داده است. [9] Hochwald,Bastian بر اساس مفهوم گروههای مبهم و قوانین منطقی توسعه یافته به انتخاب نقاط تست پرداختهاند. [10] Lin,Elcherif، دو روش ابتکاری بر اساس دو قاعدهی پیشنهاد شده توسط Hochwald,Bastian ارائه دادهاند. [11] Pinjala,Kim توسط محاسبهی اطلاعات همهی نقاط تست موجود، روشی برای پیدا کردن نقاط تست ارائه دادهاند. [12] Golonek,Rutkowsk با استفاده از الگوریتم ژنتیک به انتخاب بهینه نقاط تست پرداختند.
[13] Yang,Tian با استفاده از گراف نقاط، روشی برای پیدا کردن نقاط تست بهینه ارائه دادهاند. در مقاله [14] با استفاده از اندازهگیری بر اساس آنتروپی به انتخاب بهینه نقاط تست پرداختهاند. در مقاله [15] با استفاده از روش 1GRASP به حل مشکل انتخاب بهینه نقاط تست پرداختهاند. این الگوریتم با ترکیب تصادفی دو فاز ساخت و فاز جستجوی داخلی، به پیدا کردن مجموعه نقاط تست بهینه در زمان کوتاهی پرداخته است.
.3 الگوریتم انتخاب نقاط تست
این الگوریتم به صورت زیر مطرح میشود:
1. ابتدا تمام نقاط تست موجود در دیکشنری خطا در متغیر Sc قرار داده میشود، سپس جدول دیکشنری اعداد صحیح، طراحی میشود.
2. جدول ایزولهسازی خطا طراحی شده و سپس گسترش داده میشود و جدول گسترش یافته ایزولهسازی خطا ایجاد میشود.
3. در این مرحله، در جدول گسترش یافته ایزولهسازی خطا، ستون NIi بررسی میشود، اگر مقدار NIi در هر ردیف برابر 1 باشد، نقطه تست مربوط به آن را پیدا کرده و به عنوان نقطه تست ویژه در متغیر Sopt قرار داده میشود.
4. در این مرحله چک میشود که آیا نقاط تست ویژه موجود در متغیر Sopt میتوانند تمام خطاها را ایزوله کنند یا خیر. اگر جواب مثبت باشد، این مرحله به عنوان آخرین مرحله تلقی میشود و تمام خطاها با کمترین نقاط تست ایزوله میشوند. اگر جواب منفی باشد، مرحله 5 اجرا میشود.
5. در این مرحله، دیکشنری خطا بازنویسی میشود، به این صورت که ردیفهای مربوط به خطاهایی که توسط نقاط تست ویژه ایزوله شدند حذف میشوند، همچنین نقاط تست ویژه نیز از جدول دیکشنری و از متغیر Sc حذف میشوند. [16]
6. در این مرحله بعد از حذف نقاط تست ویژه و خطاهای ایزوله شده یک دیکشنری با ابعاد کوچکتر ایجاد میشود، سپس جدول گروههای مبهم برای این دیکشنری ساده شده ایجاد میشود.
