アダプティブ故障診断における故障診断時間の短縮に関する研究

点击翻译按钮获取中文摘要

令和4年度の研究実績は，縮退故障とブリッジ故障に対する機械学習に基づく故障診断法を開発したことである．故障診断とは，LSI（大規模集積回路）において故障が検出された場合に，故障位置を特定することを意味する．故障位置が特定された後は，設計・製造過程の改善による歩留まり向上や，故障の影響を避けるような限定されたシステム運用により，システムを即座に停止させるような状況の回避などにつながる．故障の種類は多岐にわたるため，故障診断においては，できるだけ多くの故障モデルを対象にすること，また，故障診断にかかる時間を短縮することによるコスト削減などが求められている．本研究では，ブリッジ故障と縮退故障を対象に，ニューラルネットワークによる機械学習の手法を用いて故障診断を行う手法を開発した．ニューラルネットワークを用いて故障候補を推定することによって，出力応答と故障候補との関係を記述した故障辞書が不要になる．または，故障候補絞り込みのための故障シミュレーションが不要になるなどの利点がある．ニューラルネットワークにおいて，学習用データの作成は，学習に要する時間やニューラルネットワークの規模に影響するため，２つのタイプを考案し，実験においてそれらの有効性を調査した．ベンチマーク回路に対して，コンピュータ上でのシミュレーション実験を行った結果，入力データとしてパターンIDと故障IDを合わせた入力データとするようなデータタイプの方が，正解率が高くなることが示された．また，故障辞書を用いた場合と同程度の故障候補が得られることが示された．