故障测试在芯片开发中是十分重要的部分,分布于开发的各个环节中。每个芯片在发布前都需要进行故障测试,以确保有缺陷的芯片不会流入市场。通常,通过将芯片安装在自动测试设备上,并对芯片应用不同的测试向量来检测故障。此外,对于故障测试未通过的芯片,需要对其进行诊断,以确定测试失败的原因,以便改进制造过程,提高成品率。测试集优化在降低芯片测试成本方面有重要的意义。随着芯片尺寸的减小,芯片上电路的复杂性也在增加,使得测试芯片所需要的测试向量数量增多,不但增加了测试时间,更重要的是增加了故障测试的成本。因此,减少故障测试时的测试向量数量可以有效降低测试成本,减少故障测试所需时间。同时,随着电路复杂性的增加,诊断芯片中的故障变得越来越具有挑战性,同样耗费了更多的时间。为了减少故障检测和故障诊断的时间,提高故障测试的效率,必须提高测试向量的质量,以提高测试向量区分故障的能力。基于模型诊断是一种新型智能诊断推理技术,被人工智能领域的专家称为诊断理论和技术的一场革命。极小碰集求解是基于模型诊断过程中的关键步骤,大量专家学者在极小碰集问题的研究中,获得了丰硕的成果。极小碰集求解是经典的组合优化问题,在调度、分配及集合覆盖相关的实际问题都有着重要的应用。本文通过对故障测试、极小碰集问题、测试集优化问题的深入研究,提出了一种用于故障测试集(Fault Test Set,FTS)的有效约简方法;在此基础上,还对用于诊断的诊断测试集,提出了一种效率更高的诊断测试集生成方法:1)结合极小碰集求解方法的故障测试集约简方法:在工业中得到广泛应用的自动测试向量生成工具Tetra MAX ATPG 2018,本文提出结合极小碰集求解方法对其产生的测试集进行约简。通过对故障测试集中的测试向量与电路中所有故障之间的关系进行重新建模,将故障测试集约简问题转化为集合覆盖问题。该方法不但能够得到完备的结果,同时可以保证最终测试集的规模最小。实验结果表明,此方法与Tetra MAX ATPG 2018相比能够有效缩减测试集的规模,同时保证测试集的故障覆盖率。2)结合极小碰集求解方法的全局性诊断测试集生成方法:针对简单有效但过于依赖测试向量排序、测试向量全局性不够强的COMEDI方法,本文提出了全局性诊断测试集生成方法,通过对测试向量对应输出响应之间的整体比较选出有效的测试向量,提高了测试向量的独立性。同时,当待诊断故障的规模缩小到一定程度时,使用极小碰集求解方法,加快诊断测试生成的速度。实验结果表明,与COMEDI方法相比,该方法的求解效率平均提高了4倍,有效提高了诊断测试生成的效率。以上1)方法对故障测试集的规模进行了约简,理论和实践表明取得了较好的约简效果;2)方法对诊断测试集的生成过程进行优化,实验结果表明对生成过程的效率有较大提高。