Techniques de compression de données de test

Slides:



Advertisements
Présentations similaires
Multiple Protocol Label Switching (MPLS)
Advertisements

Laboratoire de lIntégration du Matériau au Système CNRS UMR ICECS 2010 A 65nm CMOS Fully Integrated 31.5dBm Triple SFDS Power Amplifier dedicated.
Dépôt électronique de dessins/modèles: Niveau(x) de services offerts
Architecture de machines Codage des informations
Fabrice Lauri, François Charpillet, Daniel Szer
Apprentissage semi-supervisé
CORP VG G G 1 P&WC PROPRIETARY DATA 1 Charles Litalien PWC - Bureau de la Technologie Charles Litalien Août 2002 Conception & Développement dune.
AFRICAN DEVELOPMENT BANK BANQUE AFRICAINE DE DEVELOPMENT
Data Management for Large-Scale Scientific Computations in High Performance Distributed Systems A. Choudhary, M. Kandemir, J. NoG. Memik, X. Shen, W. Liao,
Guebli Sid AliCost-Aware WWW Proxy Caching Algorithms 1 Pei Cao & Sandy Irani, Proceedings of the 1997 USENIX Symposium on Internet Technology and Systems,
Data & MetaData Management and Monitoring Metacomputing 4 février 2003 DEA DISIC.
Simplification Out-of-Core des modèles polygonales complexes
1 La bibliométrie pour l'évaluation stratégique des institutions de recherche : usages et limites Indicators for strategic positioning of the research.
LIRMM 1 Journée Deuxièmes années Département Microélectronique LIRMM.
Gérard CHOLLET Fusion Gérard CHOLLET GET-ENST/CNRS-LTCI 46 rue Barrault PARIS cedex 13
ACTIVITES Le calcul littéral (3).
© 2009 IBM Corporation IBM Institute for Business Value Le Nouveau Visage du DSI Étude IBM Global Chief Information Officer Study.
LA COMPRESSION : SES ALGORITHMES, SES UTILISATIONS
Coopération/Distribution DEA Informatique Nancy. Content 4 Introduction - Overview 4 Coordination of virtual teams : –explicit interaction model –explicit.
Vers un outil d’aide à la conception des cannelures à flancs en développante de cercle La recherche effectuée lors de ma thèse a consisté à décrire le.
MEDICEN PARIS REGION THE WORLD CLASS CLUSTER for innovative therapies and advanced technologies in Healthcare in the Paris Region welcomes the chinese.
Le remplacement moléculaire
Plus rapide chemin bicritère : un problème d’aménagement du territoire
Primitives - Intégration
Analyse de la variance à deux facteurs (données déséquilibrées) Michel Tenenhaus.
High Frequency Trading Introduction. Séminaires de 30 minutes, une fois par semaine (8 en tout) Sujets abordés – Définition dun algorithme et introduction.
جامعــــــة محمد خيضــــــــــــر
Contrôle daccès et qualité de service dans les réseaux basés sur ATM Olivier Paul.
Une théorie générale des réseaux connexionnistes
La compilation logicielle dEsterel v5 Gérard Berry Chaire Algorithmes, machines et langages Collège de France Cours 4, 23 avril 2013.
#JSS2013 Les journées SQL Server 2013 Un événement organisé par GUSS.
Ali Gannoun Médiane et Quantiles Conditionnels multivariés. Application à la Modélisation des Processus Workshop : Des Mathématiques à leurs Applications.
Eri Prasetyo Universitas Gunadarma
BURDET Georges CORRIGNAN Yoann GALLOIS Jean Claude
Calval for land ice Part I D. Blumstein and F. Remy -Scientific objectives, requirements -- density of data depending on tracking mode - comparison with.
Historique de SystemC Regroupe 4 courants didées: SCENIC Project : Synopsys+UC Irvine Philips System-Level Data Types, VSIA SLD DWG IMEC, Hardware-Software.
Optimisation et parallélisation de code pour processeur à instructions SIMD multimedia François Ferrand.
Réunion ANR IODISSEE 12 juin Programme de la journée Matinée : exposés de Chang, Didier et Jean- Jacques Déjeuner Après midi : groupes de travail.
Laboratoire de Bioinformatique des Génomes et des Réseaux Université Libre de Bruxelles, Belgique Introduction Statistics.
Optimisation non différentiable. Ce chapitre est consacré aux méthodes de type sous-gradient pour résoudre des problèmes de programmation mathématique.
29e CONFÉRENCE INTERNATIONALE DES COMMISSAIRES À LA PROTECTION DES DONNÉES ET DE LA VIE PRIVÉE 29 th INTERNATIONAL CONFERENCE OF DATA PROTECTION AND PRIVACY.
ETL et Data Mining Présenté par : Marc Catudal-Gosselin Université de Sherbrooke automne 2004 automne 2004.
Bioinformatique et Biologie Structurale 1 – Principes et techniques A/ Linformation structurale B/ Les différentes techniques de détermination de structure.
ACTIVITES Les quotients (5).
Mémoires associatives
26 janvier 2006 AB/PO/PH G. Simonet 1/15 CONVERTISSEURS DANFYSIK 4 QUADRANTS ±20A ±75V DANFYSIK SYSTEM 7000.
Gestion de Fichiers Tri Interne Efficace et Tri Externe.
Corrélation Principe fondamental d’une analyse de corrélation
Geneva SSED - TECFA Uni Geneva Lombard F. 30 I 07 Biology Teaching Methods : Impossible convergence ? Point in time in my thesis Selected findings A short.
HIPSSA Cost model training workshop: Session 6: Calculation of call termination costs using different cost concepts 1 FORMATION NIVEAU EXPERT EN MODELISATION.
1 IFT 6800 Atelier en Technologies dinformation Organisation du Cours M. Adel Serhani Session Été 2005.
Modélisation et analyse de la variabilité dans une chaîne logistique par Laurence Morlet Promoteur : Philippe Chevalier Lecteurs : Laurence.
Marketing électronique Cours 5 La personnalisation.
ELE6306 : Test de systèmes électroniques Projet de cours Chaîne de scan unique: Reconfiguration = Optimisation Louis-Martin Côté Professeur : A. Khouas.
Réduction de la consommation de puissance durant le test des circuits munis de chaines de scan khalid El Amrani-ele6306 khalid El Amrani.
Cours #7 Vérification d’un modèle VHDL
CLS algorithm Step 1: If all instances in C are positive, then create YES node and halt. If all instances in C are negative, create a NO node and halt.
Institut Supérieur des Etudes Technologiques de Djerba Exposé du Traitement de Données Réalisé par: Khalifa Marwa Magroun Amira Jawadi Souad L2MDW.
Tutorat en bio-informatique Le 21 novembre Exercices 2 et 3 (MAT1400) - solutions Chapitre 11.7, Analyse - concepts et contextes vol. 2 27) Cherchez.
Stage 2A CS80 pour Origin 1/28. 1) Presentation of the internship 2) The Multi-Oscillator 3) Connection-GUI’s API Conclusion Stage 2A CS80 pour Origin.
Introduction à la programmation (420-PK2-SL) cours 20 Gestion des applications Technologie de l’information (LEA.BW)
VTHD PROJECT (Very High Broadband Network Service): French NGI initiative C. GUILLEMOT FT / BD / FTR&D / RTA
DESIGN D’UN CODEUR- DÉCODEUR CHAOTIQUE AUTO-SYNCHRONISANT EN TEMPS RÉEL ET EN PRÉSENCE DE BRUIT Laboratoire d’Automatique et d’Informatique Industrielle-POITIERS.
Efficient Code Generation for Automatic Parallelization and Optimization Cédric Bastoul Proposé par : Albert Cohen Présenté par : L.Landwerlin, J.Rahme,
Techniques de BIST à puissance réduite
1 INFOR 101 Chapitre 4 Marianne Morris. 2 Révision de chapitre 3 Algorithmes Sequential Search Selection Sort Binary Search Ordre de magnitude  (n) Mesurer.
Compression de données de test : Réduction du nombre de broches et gain en temps de test Julien DALMASSO, Marie-Lise FLOTTES, Bruno ROUZEYRE {dalmasso,
ELE6306 : Test de systèmes électroniques Test intégré et Modèle de faute de délai Etudiante : S. BENCHIKH Professeur : A. Khouas Département de génie électrique.
Conditions aux limites absorbantes pour les milieux périodiques 2D
Transcription de la présentation:

Techniques de compression de données de test ELE-6306 TESTS DE SYSTÈMES ÉLECTRONIQUES Techniques de compression de données de test Par Patrick Delisle Et Aziz El maghri École Polytechnique de Montréal

Techniques de compression de données de test Problématique Fonctionnement Prétraitement Technique de compression Choix d’un algorithme de compression Conclusion

Problématique Augmentation de la complexité des circuits Augmentation du volume de données de test Entraîne des coûts élevés pour les équipements de test automatiques (ATE)

Coût ATE Nombre de plot connexion Mémoire pour emmagasiner les données de test Temps de test

Solution Compression des données Réduction du volume de données Réduction du nombre de plot

Règles à respecter Compression sans perte (réversible) Les vecteurs de test doivent être récupérable Facile à compresser & décompresser Pour ne pas augmenter le temps de test Limiter la complexité des parties à implémenter matériellement Requiert peu de surface sur le SOC

Fonctionnement

Prétraitement des Données les techniques qui préparent les données de test à être compressé Les techniques étudiées Bits indéterminés Barrow Wheeler transformation

Bits Indéterminés (X) 1X0011XXX00XXXX1X001 Détermination selon la technique Run Length: 10001100000000010001

Burrows Wheeler Transformation Permet réorganisation des vecteurs Détermination d’une matrice n x n Rotation (n-1) Sort

Burrows Wheeler Transformation Matrice Vecteur 10010010 1 N - 1 = 7 N = 8

Burrows Wheeler Transformation Réorganisation Si on tri le dernier tableau on retrouve : Le nouveau vecteur 1 Vecteur initial Position 6

Burrows Wheeler Transformation Retour Pour retrouver le vecteur initial : Ajout du vecteur initial (MSB) Le vecteur Tri Tri R1 S R2 R3 R4 R5 1 10 00 100 001 1001 0010 10010 00100 00101 01 101 010 1010 0100 10100 01001 0101 01010

Burrows Wheeler Transformation Retour Si on refait la même chose N fois, on retrouve le vecteur de test initial à la position R6 S R7 R8 100100 001001 1001001 0010010 10010010 00100101 100101 001010 1001010 0010100 10010100 00101001 101001 010010 1010010 0100100 10100100 01001001 0100101 01001010 010100 0101001 01010010 Vecteur initial à La Position 6

Burrows Wheeler Transformation Permet meilleur adaptation des vecteurs Effectif sur série avec cycle → Pas toujours avantageux 000111 => 100110

Techniques de Compression Compression Run-Length Encodage par Entropie Codage de Golomb Codage de Huffmen Codage 9C Codage arithmétique Technique du dictionnaire

Compression Run-Length Remplace des séquences par un code Séquence de « 0 » ou Séquence de « 1 » 2 méthodes On remplace chaque séquence par un «  flag» qui représente le bit de la séquence, puis le nombre de fois que ça se répète. On remplace ou bien la séquence des « 0 » ou la séquence des « 1 ». Avantage Logique minime

Compression Run-Length Exemple : Méthode 1 1111000000 → 1100 0110 10 bits 8 bits Compression: 20% Méthode 2 0100000001 → 001 111 10 bits 6 bits Compression: 40%

Encodage par Entropie Codage de Golomb Codage de Huffmen Codage 9C Codage arithmétique

Codage de Golomb Similaire à Run-Length Utilise code pour remplacer des « 0 » Divisé en groupe selon paramètre m Formé d’un préfixe et d’un suffixe Requiert une terminaison par « 1 »

Codage de Golomb A. Chandra, K. Chakrabarty « System-on-a-Chip Test-Data Compression and Decompression Architectures Based on Golomb Codes »

Codage de Golomb Détermination de la compression n: nombre de bit r: nombre de « 1 » Détermination du paramètre m

Codage de Huffman Remplace une séquence par un code Longueur du code non fixe Remplace selon le poids de la séquence Aucun préfixe

Codage de Huffman Compression Huffman: 28% Selected: 19% ] A. Jas, J. Ghosh-Dastidar, Mom-Eng Ng, N. A. Touba « An Efficient test vector compression scheme using selective Huffman Coding »

Codage de Huffman A. Jas, J. Ghosh-Dastidar, Mom-Eng Ng, N. A. Touba « An Efficient test vector compression scheme using selective Huffman Coding »

Codage 9C Remplace séquences par un code Utilisation de 9 code Séquence indéfinie Paramètre K à choisir

Mohammad Tehranipoor « Test Data Compression » Codage 9C Mohammad Tehranipoor « Test Data Compression »

Codage Arithmétique Basé sur le calcul d’entropie Utilisation de probabilité Donne meilleur longueur de code possible

Technique du dictionnaire Banque de donnée Code de même longueur Statique ou dynamique Bit d’identification

Technique du dictionnaire Séquences 1 : 1 10001 2 : 0 01101 10011 01001 Dictionnaire 10001 → 00010 11100 10101 Autre 0 01101 10011 01001 → 011011001101001 Compression: 27%

Choix d’un Algorithme de Compression Comment choisir? Coût des tests Paramètres à vérifier Dépendance sur les données de test

Taux de compression Compression Réduction du temps de test 20-70% Moyenne: 50-60% Réduction du temps de test

Conclusion Nécessité de la compression Prétraitement Technique Choix des X Burrows Wheeler Technique Run-Length Entropie Golomb Huffman Codage 9C Technique du dictionnaire Choix d’un algorithme

Bibliographie [1] M-L Flottes, R. Poirier, B. Rouzeyre « An arithmetic structure for test data horizontal compression » Laboratoire de Montpellier 2004. [2] I. Pomeranz, S. M. Reddy « Test data compression based on input-output dependance » IEEE transactions on computer-aided design of integrated circuits and systems.Vol. 22 Oct. 2003 [3] A. Chandra, K. Chakrabarty « System-on-a-Chip Test-Data Compression and Decompression Architectures Based on Golomb Codes » IEEE transactions on computer-aided design of integrated circuits and systems. Vol. 20 Mars 2001 [4] T. J. Yamaguchi, D. S. Ha, M. Ishida, T. Ohmi « A method for compressing test data based on Burrows-Wheeler transformation » IEEE transactions on computer-aided design of integrated circuits and systems. Vol. 20 Mai 2002 [5] A. Jas, J. Ghosh-Dastidar, Mom-Eng Ng, N. A. Touba « An Efficient test vector compression scheme using selective Huffman coding » IEEE transactions on computer-aided design of integrated circuits and systems. Vol. 20 Juin 2002 [6] J. Rajski, J. Tyszer « Test Data Compression and Compaction for Embedded Test of Nanometer Technology Designs » IEEE 21st International conference on computer design, 2003. [7] Kedarnath J. Balakrishnan, Nur A. Touba « Relating Entropy Theory on Test Data Compression » Computer Engineering Research Center. [8] Armin Wurtenberger, Christofer S. Tautermann, Sybille Hellebrand « A Hybrid Coding Strategy fir Optimized Test Data Compression » University of Innsbruck Austria. [9] Paul Theo Gonciari, Bashir M Al-Hashimi, Nicola Nicolici « Test Data Compression: The System Integrator’s Perspective » University of Southampton, McMaster University, 2003. [10] Sherief Reda, Alex Orailoglu « Reducing Test Application Time Through Test Data Mutation Encoding » IEEE Proceedings of the 2002 Design, Automation and Test in Europe Conference and Exhibition, 2002. [11] Gang Zeng, Hideo Ito « X-Tolerant Test Data Compression for SOC with Enhanced Diagnosis Capability » The Institute of Electronics, Information and Communication Engineers, 2005.

Question?