JP2011107973A - Power estimation point selection method and simulation device - Google Patents
Power estimation point selection method and simulation device Download PDFInfo
- Publication number
- JP2011107973A JP2011107973A JP2009262180A JP2009262180A JP2011107973A JP 2011107973 A JP2011107973 A JP 2011107973A JP 2009262180 A JP2009262180 A JP 2009262180A JP 2009262180 A JP2009262180 A JP 2009262180A JP 2011107973 A JP2011107973 A JP 2011107973A
- Authority
- JP
- Japan
- Prior art keywords
- point
- data
- elements
- series
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
Description
本発明は、回路ブロック毎に特徴量を要素としてサンプリングし、前記サンプリングしたポイントから消費電力を見積もるポイントを選択する電力見積ポイント選択方法及びシミュレーション装置に関する。 The present invention relates to a power estimation point selection method and a simulation apparatus that sample a feature amount as an element for each circuit block and select a point for estimating power consumption from the sampled points.
半導体集積回路の設計は、ハードウェア記述言語で記述さたれＲＴＬ（Register Transfer Level）ファイルを論理合成してネットリストを生成し、そのネットリストに基づいてレイアウト設定を行ってレイアウトデータを生成している。そしてネットリストを作成する段階で、論理検証と共に消費電力を見積もることが行われる。消費電力を見積もる際には、半導体集積回路を構成する回路ブロック毎に、例えば消費電力の大きい点等の特徴的なポイントの波形データを取得し、この波形データに基づき消費電力の見積もりを行う。 The design of a semiconductor integrated circuit involves generating a netlist by logically synthesizing an RTL (Register Transfer Level) file described in a hardware description language, and performing layout settings based on the netlist to generate layout data. Yes. Then, at the stage of creating the netlist, power consumption is estimated together with logic verification. When estimating the power consumption, waveform data of characteristic points such as a point with high power consumption is acquired for each circuit block constituting the semiconductor integrated circuit, and the power consumption is estimated based on the waveform data.
しかしながら、回路ブロック毎に波形データを取得するポイントを選択すると、ポイントの数が多くなり、消費電力の見積もりに時間がかかる。また回路ブロック毎の消費電力を知りたい場合には、必ずしも消費電力が大きい点が回路ブロックの消費電力を観測する上で好ましい点であるとはいえない。 However, if points for acquiring waveform data are selected for each circuit block, the number of points increases and it takes time to estimate power consumption. In addition, when it is desired to know the power consumption of each circuit block, it is not necessarily preferable that the power consumption is large in observing the power consumption of the circuit block.
このような理由により、波形データを取得するポイントは、最終的には回路設計者等の経験則によって決めなければならず、非技術的なコストがかかるという問題があった。 For these reasons, the point at which waveform data is acquired must be finally determined by an empirical rule of a circuit designer or the like, and there is a problem that non-technical costs are required.
本発明は、上記の点に鑑みなされたもので、波形データを取得するポイントを自動的に適切に選択することが可能な電力見積ポイント選択方法及びシミュレーション装置を提供することを目的とする。 The present invention has been made in view of the above points, and an object of the present invention is to provide a power estimation point selection method and a simulation apparatus capable of automatically and appropriately selecting a point for acquiring waveform data.
開示の電力見積ポイント選択方法は、回路ブロック毎に特徴量を要素としてサンプリングし、前記サンプリングしたポイントから消費電力を見積もるポイントを選択する電力見積ポイント選択方法であって、前記回路ブロック毎に前記特徴量の最大値を基準とする所定範囲内で前記要素をグループ化するグループ化手順と、前記サンプリングしたポイントのうち、グループ化された前記要素の数が最も多いポイントを選択するポイント選択手順と、をコンピュータが実行する。 The disclosed power estimation point selection method is a power estimation point selection method that samples a feature amount for each circuit block as an element and selects a point for estimating power consumption from the sampled point, wherein the feature is determined for each circuit block. A grouping procedure for grouping the elements within a predetermined range based on a maximum value of the amount; a point selection procedure for selecting a point having the largest number of the grouped elements among the sampled points; Is executed by the computer.
本発明によれば、波形データを取得するポイントを自動的に適切に選択することができる。 According to the present invention, a point for acquiring waveform data can be automatically and appropriately selected.
以下、本発明の実施の形態を図面に基づいて説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
本発明に係る方法を実現するシミュレーション装置１００は、コンピュータ装置であって、図１に示すようなハードウェア構成を有する。図１は、本発明の一実施例に係るシミュレーション装置のハードウェア構成を示す図である。
A
図１において、シミュレーション装置１００は、コンピュータによって制御される装置であって、ＣＰＵ（Central Processing Unit）１１と、メモリユニット１２と、表示ユニット１３と、入力ユニット１５と、記憶装置１７と、ドライバ１８とで構成され、システムバスＢに接続される。
In FIG. 1, a
ＣＰＵ１１は、メモリユニット１２に格納されたプログラムに従ってシミュレーション装置１００を制御する。メモリユニット１２は、ＲＡＭ（Random Access Memory）及びＲＯＭ（Read-Only Memory）等にて構成され、ＣＰＵ１１にて実行されるプログラム、ＣＰＵ１１での処理に必要なデータ、ＣＰＵ１１での処理にて得られたデータ等を格納する。また、メモリユニット１２の一部の領域が、ＣＰＵ１１での処理に利用されるワークエリアとして割り付けられている。
The
表示ユニット１３は、ＣＰＵ１１の制御のもとに必要な各種情報を表示する。入力ユニット１５は、マウス、キーボード等を有し、利用者がシミュレーション装置１００が処理を行なうための必要な各種情報を入力するために用いられる。
The
記憶装置１７は、例えば、ハードディスクユニットにて構成され、各種処理を実行するプログラム等のデータを格納する。
The
シミュレーション装置１００によって行われる電力見積ポイント選択方法での処理を実現するプログラムは、例えば、ＣＤ−ＲＯＭ（Compact Disk Read-Only Memory）等の記憶媒体１９によってシミュレーション装置１００に提供される。即ち、プログラムが保存された記憶媒体１９がドライバ１８にセットされると、ドライバ１８が記憶媒体１９からプログラムを読み出し、その読み出されたプログラムがシステムバスＢを介して記憶装置１７にインストールされる。そして、プログラムが起動されると、記憶装置１７にインストールされたプログラムに従ってＣＰＵ１１がその処理を開始する。
A program that realizes processing in the power estimation point selection method performed by the
尚、プログラムを格納する媒体としてＣＤ−ＲＯＭに限定するものではなく、コンピュータが読み取り可能な媒体であればよい。シミュレーション装置１００が外部とのネットワーク通信を行う通信ユニットを有する場合には、本発明に係る処理を実現するプログラムを通信ユニットによってネットワークを介してダウンロードし、記憶装置１７にインストールするようにしても良い。また、シミュレーション装置１００が外部記憶装置との接続を行うＵＳＢ（Universal Serial Bus）等のインタフェースを有する場合には、ＵＳＢ接続によって外部記憶媒体からプログラムを読み込んでもよい。
The medium for storing the program is not limited to a CD-ROM, and any medium that can be read by a computer may be used. When the
図２は、本実施例のシミュレーション装置の機能構成を説明する図である。 FIG. 2 is a diagram illustrating a functional configuration of the simulation apparatus according to the present embodiment.
シミュレーション装置１００は、設計データ生成部１１０と、シミュレーション部１２０と、波形データ取得ポイント選択部１３０と、電力見積部１４０と、計測回路ライブラリ１５０と、を有する。また本実施例のシミュレーション装置１００は、例えば記憶装置１７に、設計データ２１０が格納されている。本実施例の設計データ２１０は、例えばＲＴＬファイルやネットリスト等を含む。また後述する処理により、記憶装置１７には、計測回路付設計データ２２０、特徴量データファイル２３０、波形データ２４０、解析結果データ２５０が格納される。
The
以下に、図３を参照して本実施例のシミュレーション装置１００の動作について説明する。図３は、本実施例のシミュレーション装置の動作を説明するフローチャートである。
Hereinafter, the operation of the
設計データ生成部１１０は、設計データ２１０と計測回路ライブラリ１５０とに基づき計測回路付設計データ２２０を生成する（ステップＳ３０１）。尚計測回路ライブラリ１５０とは、例えばデータをカウントするカウンタ回路等が含まれる。
The design data generation unit 110 generates design data with
続いてシミュレーション部１２０は、計測回路付設計データ２２０のシミュレーションを実行し、特徴量データファイル２３０を生成する（ステップＳ３０２）。尚特徴量データファイル２３０は、所定期間毎にサンプリングしたポイントで、回路ブロック毎に計測された特徴量を示すデータを含む。特徴量とは、例えばクロックゲーティングセルの動作率とフリップフロップ数とを乗算した値や、フリップフロップの入力端子動作率等を用いる。
Subsequently, the
続いて波形データ取得ポイント選択部１３０は、特徴量データファイル２３０を解析して消費電力の見積のための波形データを取得するポイントを選択する（ステップＳ３０３）。本実施例の波形データ取得ポイント選択部１３０の処理の詳細は後述する。
Subsequently, the waveform data acquisition
続いてシミュレーション部１２０は、選択されたポイントから消費電力見積用の波形データ２４０を取得する（ステップＳ３０４）。続いて電力見積部１４０は、波形データ２４０を解析して消費電力の見積もりを行い、解析結果データ２５０を出力して（ステップＳ３０５）、処理を終了する。
Subsequently, the
本実施例のシミュレーション装置１００では、波形データ取得ポイント選択部１３０により、波形データ２４０を取得するポイントを自動的に選択する。以下に本実施例の波形データ取得ポイント選択部１３０の詳細を説明する。
In the
図４は、本実施例の波形データ取得ポイント選択部の機能構成を説明する図である。本実施例の波形データ取得ポイント選択部１３０は、データ読み込み部１３１と、分類部１３２と、同値類化部１３３と、重み付け部１３４と、ポイント別データ作成部１３５と、ポイント選択部１３６と、削減部１３７と、結果データ出力部１３８と、を有する。
FIG. 4 is a diagram illustrating the functional configuration of the waveform data acquisition point selection unit of the present embodiment. The waveform data acquisition
データ読み込み部１３１は、特徴量データファイル２３０を読み込んで解析し、後述する特徴量データ３１０を生成して出力する。
The
分類部１３２は、回路ブロック毎に特徴量データ３１０を参照して後述する方法でデータを分類し、グループ化したデータを、グループ化データ３２０として記憶領域に格納する。
The
同値類化部１３３は、回路ブロック毎にグループ化データ３２０を同値類化し、同値類化したデータを、同値類化データ３３０として記憶領域に格納する。
The
重み付け部１３４は、同値類化データ３３０に重み付し、重み付けした同値類化データ３３０を、重み付同値類化データ３４０として記憶領域に格納する。
The
ポイント別データ作成部１３５は、ポイント毎の最大値のデータを作成し、ポイント毎の最大値のデータをポイント別最大値データ３５０として記憶領域に格納する。
The point-specific
ポイント選択部１３６は、電力見積のためのポイントを選択し、その選択結果を結果データ３６０として記憶領域に格納する。削減部１３７は、結果データ３６０を参照して特定のポイントを削除する。
The
結果データ出力部１３８は、波形データ取得ポイント選択部１３０による処理の結果を結果データファイル３７０として記憶領域に格納する。
The result
以下に、図５を参照して波形データ取得ポイント選択部１３０の動作を説明する。図５は、本実施例の波形データ取得ポイント選択部の動作を説明するフローチャートである。
The operation of the waveform data acquisition
波形データ取得ポイント選択部１３０が処理を開始すると、データ読み込み部１３１は、特徴量データファイル２３０を読み込み、特徴量データ３１０を生成する（ステップＳ５０１）。
When the waveform data acquisition
ここで本実施例の特徴量データファイル２３０と、特徴量データ３１０について説明する。本実施例では、説明の便宜上、消費電力の見積対象を４つの回路ブロック（ＢｌｏｃｋＡ，・・・，ＢｌｏｃｋＤ）で構成される回路として説明する。
Here, the feature amount data file 230 and the
図６は、特徴量データファイルを説明するための図である。図６に示す特徴量テーブル２３０Ｔは、特徴量データファイル２３０と対応したテーブルである。特徴量テーブル２３０Ｔには、４つの回路ブロックＡ〜Ｄについて、ポイントＰ０〜Ｐ９までの１０ポイントの特徴量データが示されている。尚本実施例のポイントＰｎ（ｎは整数）は、消費電力のサンプリングを行ったタイミングを示す。 FIG. 6 is a diagram for explaining the feature data file. The feature amount table 230T illustrated in FIG. 6 is a table corresponding to the feature amount data file 230. The feature value table 230T shows feature data of 10 points from points P0 to P9 for the four circuit blocks A to D. The point Pn (n is an integer) in this embodiment indicates the timing at which power consumption is sampled.
図７は、本実施例の特徴量データファイルの一例を示す図である。図７では特徴量データファイル２３０を、ＣＳＶ（Comma-Separated Values）形式とした例を示す。 FIG. 7 is a diagram illustrating an example of the feature amount data file of the present embodiment. FIG. 7 shows an example in which the feature data file 230 is in the CSV (Comma-Separated Values) format.
図８は、本実施例の特徴量データの一例を示す図である。図８に示されるように、特徴量データファイル２３０を解析することによって、特徴量データ３１０のような配列構造で、回路ブロック毎にサンプリングした時系列順に特徴量データが出力される。
FIG. 8 is a diagram illustrating an example of feature amount data according to the present embodiment. As shown in FIG. 8, by analyzing the feature data file 230, the feature data is output in the time-series order sampled for each circuit block in the arrangement structure like the
本実施例の特徴量データ３１０の配列は、インデックス番号が系列番号となる。系列番号は回路ブロックＡ〜Ｄを特定する値であり、本実施例では回路ブロックＡの系列番号をＳ０、回路ブロックＢの系列番号をＳ１、回路ブロックＣの系列番号をＳ２、回路ブロックＤの系列番号をＳ３とした。ｄａｔａ３１０［ｉｎｄｅｘ］は、ポイントを時系列順に並べたデータである。
In the arrangement of the
例えばｄａｔａ３１０［１］［１］は、系列番号１（Ｓ１）のポイント１（Ｐ１）のデータである。すなわち以下のように示される。 For example, data 310 [1] [1] is data of point 1 (P1) of sequence number 1 (S1). That is, it is shown as follows.
＜３１０データ構造＞：= [＜系列０のデータ＞，・・・，＜系列Ｎのデータ＞]
＜系列Ｉのデータ＞：=[＜系列Ｉ，ポイント０の値＞,・・・,＜系列Ｉ,ポイントＭの値＞]
図５に戻って、次に波形データ取得ポイント選択部１３０は、特徴量データ３１０を参照して分類部１３２により、各系列のポイントをグループ化し、グループ化データ３２０を生成する（ステップＳ５０２）。
<310 data structure>: = [<
<Series I data>: = [<Series I, value of
Returning to FIG. 5, next, the waveform data acquisition
以下に図９ないし図１１を参照してグループ化について説明する。図９は、本実施例の分類部によるグループ化を説明する第一の図である。 The grouping will be described below with reference to FIGS. FIG. 9 is a first diagram illustrating grouping by the classification unit of this embodiment.
図９は、特徴量データ３１０に基づき回路ブロック毎の特徴量の値をグラフにしたものである。図９において、回路ブロックＡはポイントＰ２で最も特徴量が大きく、回路ブロックＢはポイントＰ５で最も特徴量が大きく、回路ブロックＣはポイントＰ３で最も特徴量が大きく、回路ブロックＤはポイントＰ６で最も特徴量が大きいことがわかる。
FIG. 9 is a graph showing the feature value for each circuit block based on the
図１０は、本実施例の分類部によるグループ化を説明する第二の図である。図１０では、回路ブロックＣを例として、グループ化について説明する。 FIG. 10 is a second diagram illustrating grouping by the classification unit of this embodiment. In FIG. 10, the grouping will be described by taking the circuit block C as an example.
本実施例の分類部１３２は、回路ブロックＣの各ポイントを基準として、基準となるポイントの特徴量から所定の範囲内の特徴量を有するポイントを１つのグループとしてグループ化する。
The
例えば特徴量データ３１０によれば、回路ブロックＣの特徴量データは、Ｐ０＝２．４，Ｐ１＝１７．０，Ｐ２＝１６．７，Ｐ３＝１７．５，Ｐ４＝１．５，Ｐ５＝１．０，Ｐ６＝０．９，Ｐ７＝１．１，Ｐ８＝１．１，Ｐ９＝０．０である。そこで分類部１３２は、始めにポイントＰ０を基準としてポイントＰ０の特徴量から所定の範囲内の特徴量を有するポイントを探す。尚実施例の所定の範囲とは、−２とした。
For example, according to the
ポイントＰ０を基準として１つのグループとされるポイントは、特徴量が０．４から２．４の範囲にあるポイントである。回路ブロックＣでは、ポイントＰ０とグループ化されるのは、ポイントＰ４である。 Points that are grouped on the basis of the point P0 are points whose feature amounts are in the range of 0.4 to 2.4. In the circuit block C, the point P4 is grouped with the point P0.
次に分類部１３２は、ポイントＰ１とグループ化されるポイントを探す。ポイントＰ１とグループ化されるのは、特徴量が１５．０から１７．０の範囲にあるポイントである。よってポイントＰ１は、ポイントＰ２とグループ化される。図１０では、ポイントＰ１を基準としたグループをグループＧ１として示す。
Next, the
次に分類部１３２は、ポイントＰ２とグループ化されるポイントを探す。ポイントＰ２とグループ化されるのは、特徴量が１４．７から１６．７の範囲にあるポイントである。よってポイントＰ２は、ポイントＰ２のみで一つのグループとされる。図１０では、ポイントＰ２を基準としたグループをグループＧ２として示す。
Next, the
次に分類部１３２は、ポイントＰ３とグループ化されるポイントを探す。ポイントＰ３とグループ化されるのは、特徴量が１５．５から１７．５の範囲にあるポイントである。よってポイントＰ３は、ポイントＰ１及びポイントＰ２とグループ化される。図１０では、ポイントＰ３を基準としたグループをグループＧ３として示す。
Next, the
分類部１３２は、回路ブロックＣの他のポイントについても同様にしてグループ化を行う。また分類部１３２は、他の回路ブロックについても同様にしてグループ化を行う。
The
図１１は、グループ化データの一例を示す図である。 FIG. 11 is a diagram illustrating an example of grouped data.
図１１は、各回路ブロック（系列）毎において、ポイントＰ０〜Ｐ９をそれぞれ基準としてグループ化した結果を示している。例えば系列Ｓ２（回路ブロックＣ）では、ポイントＰ０を基準としたグループをグループＧ０、ポイントＰ１を基準としたグループをグループＧ１、・・・、ポイントＰ９を基準としたグループをグループＧ９とした。 FIG. 11 shows the result of grouping for each circuit block (series) based on points P0 to P9. For example, in series S2 (circuit block C), the group based on point P0 is group G0, the group based on point P1 is group G1,..., And the group based on point P9 is group G9.
尚図１１に示すグループ化データ３２０において、最も外側の配列のインデックスは系列番号（Ｓ）である。外側から２番目の配列のインデックスはポイント（Ｐ）である。外側から３番目の配列は、系列番号ＳのポイントＰを基準にグループ化したデータのリストである。このリストの要素も配列で[＜要素の値＞，＜ポイント番号＞]である。例えば、Ｓ０（回路ブロックＡ），Ｐ０の値を基準にグループ化した結果は[[１０．２，０]，１０．１，３]]であり、要素数は２である。メンバーはＳ０のＰ０(基準となるポイント）とＳ０のＰ３で、各々の要素値は１０．２、１０．１である。
In the grouped
すなわち本実施例のグループ化データ３２０は以下のように示される。
That is, the grouped
＜３２０データ構造＞：= [＜系列０のデータ＞，・・・，＜系列Ｎのデータ＞]
＜系列Ｉのデータ＞：=［＜ポイント０のデータ＞，・・・，＜ポイントＭのデータ＞]
＜ポイントＩのデータ＞：=[＜ポイントＭと同値なデータ０＞，・・・，＜ポイントＭと同値なデータＫ＞]
＜ポイントＭと同値なデータＩ＞：=[＜要素値＞，＜ポイント番号＞]
図５に戻って、次に波形データ取得ポイント選択部１３０は、グループ化データ３２０を参照して、同値類化部１３３により同値類化データ３３０を生成する（ステップＳ５０３）。
<320 data structure>: = [<
<Series I data>: = [<
<Data of point I>: = [<
<Data I equivalent to point M>: = [<element value>, <point number>]
Returning to FIG. 5, next, the waveform data acquisition
以下に図１２ないし図１５を参照して同値類化について説明する。図１２は、本実施例の同値類化部による同値類化を説明する第一のフローチャートである。 Hereinafter, the equivalence classification will be described with reference to FIGS. FIG. 12 is a first flowchart for explaining equivalence categorization by the equivalence categorization unit of the present embodiment.
本実施例の同値類化部１３３は、グループ化データ３２０における特徴的なデータを取り出し、同値類化する。本実施例では、グループ化データ３２０において、要素数が多いグループのデータを特徴的なデータとした。
The
本実施例の同値類化部１３３は、例えばシミュレーション装置１００のメモリユニット１２に、同値類化データ３３０が格納される同値類化データの領域を生成する（ステップＳ１２０１）。次に同値類化部１３３は、グループ化データ３２０に含まれる全ての系列について処理が終了したか否かを判断する（ステップＳ１２０２）。
The
ステップＳ１２０２において、全ての系列について処理が終了していない場合、同値類化部１３３は、グループ化データ３２０に含まれる系列を選択する（ステップＳ１２０３）。そして選択された系列（以下、系列Ｓｘ）において、系列のリストを参照して同値類化の処理を行う（ステップＳ１２０４）。
In step S1202, if the processing has not been completed for all the series, the
以下に図１３を参照して図１２のステップＳ１２０４の処理の詳細を説明する。図１３は、本実施例の同値類化部による同値類化を説明する第二のフローチャートである。 Details of the processing in step S1204 in FIG. 12 will be described below with reference to FIG. FIG. 13 is a second flowchart for explaining equivalence categorization by the equivalence categorization unit of the present embodiment.
本実施例の同値類化部１３３は、例えばメモリユニット１２に、系列Ｓｘの結果を書き込む領域を確保する（ステップＳ１３０１）。次に同値類化部１３３は、系列Ｓｘの要素数が０か否かを判断する（ステップＳ１３０２）。
The
ステップＳ１３０２において系列Ｓｘの要素数が０でない場合、同値類化部１３３は、系列Ｓｘのグループ化データ３２０において、要素数が最も多いグループを取り出す（ステップＳ１３０３）。尚要素数が同じグループの場合は、要素の値の最大値が大きい方のグループを取り出す。
If the number of elements of the sequence Sx is not 0 in step S1302, the
同値類化部１３３は、取り出されたグループのデータを最重要データ３３１として、ステップＳ１３０１で確保された領域に登録する（ステップＳ１３０４）。また同値類化部１３３は、最重要データ３３１を系列Ｓｘ用の同値類化データ３３０Ａとして登録する。系列毎の同値類化データ３３０Ａは、同値類化データ３３０に含まれるデータである。
The
次に同値類化部１３３は、最重要データ３３１を参照し、系列Ｓｘから最重要データ３３１として登録された要素をグループ化データ３２０から全て除去する（ステップＳ１３０５）。次に同値類化部１３３は、系列Ｓｘにおいて空集合となったグループをグループ化データ３２０から除去する（ステップＳ１３０６）。
Next, the
以下に、図１１を参照して、同値類化の処理を具体的に説明する。 The equivalence categorization process will be specifically described below with reference to FIG.
図１２のステップＳ１２０３において、グループ化データ３２０の系列Ｓ２が選択されると、同値類化部１３３は、図１３のステップＳ１３０１において系列Ｓ２に含まれるグループのうち、要素数が最も多いグループを最重要データ３３１として取り出す（ステップＳ１３０３に対応）。
When the series S2 of the grouped
系列Ｓ２では、グループＧ４、Ｇ７、Ｇ８の要素数がそれぞれ５つあり、要素数が最も多い。そこで同値類化部１３３は、３つのグループのうち要素の値の最大値を含むグループを最重要データ３３１とする。系列Ｓ２では、グループＧ４のポイントＰ４の特徴量１．５が３つのグループのうち要素の値の最大値である。よって同値類化部１３３は、グループＧ４を最重要データ３３１として登録する。また同値類化部１３３は、系列Ｓ２用の同値類化データ３３０Ａとして登録する（ステップＳ１３０４に対応）。
In series S2, there are five elements in groups G4, G7, and G8, respectively, and the number of elements is the largest. Therefore, the
次に同値類化部１３３は、系列Ｓ２から、最重要データ３３１に含まれる要素をグループ化データ３２０から全て除去する。最重要データ３３１に含まれる要素は、グループＧ４に含まれる［１．５，４］，［１．０，５］，［０．９，６］，［１．１，７］，［１．１，８］である。よって同値類化部１３３は、系列Ｓ２の各グループからポイントＰ４〜Ｐ８に対応する要素をグループ化データ３２０から除去する（ステップＳ１３０５に対応）。
Next, the
するとグループＧ０ではポイントＰ０に対応する要素が残り、グループＧ１ではポイントＰ１、Ｐ２に対応する要素が残り、グループＧ２ではポイントＰ２に対応する要素が残り、グループＧ３ではポイントＰ１〜Ｐ３に対応する要素が残る。そしてグループＧ４は空集合となる。グループＧ５〜Ｇ９ではポイントＰ９に対応する要素が残る。 Then, the element corresponding to the point P0 remains in the group G0, the elements corresponding to the points P1 and P2 remain in the group G1, the elements corresponding to the point P2 remain in the group G2, and the elements corresponding to the points P1 to P3 in the group G3. Remains. Group G4 is an empty set. In the groups G5 to G9, the element corresponding to the point P9 remains.
同値類化部１３３は、この処理を繰り返すことで、グループ化データ３２０の系列毎のデータを同値類化する。
The
図１４は、同値類化データの一例を示す図である。 FIG. 14 is a diagram illustrating an example of equivalence grouping data.
本実施例の同値類化データ３３０では、最も外側の配列のインデックスは系列番号（Ｓ）である。外側から２番目の配列は同値類のリストである。この同値類の要素は、[＜要素の値＞，＜ポイント番号＞]である。
In the
例えば、系列Ｓ２は下記の４つの同値類で構成されている。同値類リストの先頭の要素は、ポイントＰ１，Ｐ２，Ｐ３で構成され、各々の数値は１７．０，１６．０，１７．５である。同値類リストの先頭から、同値類１、同値類２、同値類３、同値類４と呼ぶ。
For example, the series S2 is composed of the following four equivalence classes. The top element of the equivalence class list is composed of points P1, P2, and P3, and the numerical values thereof are 17.0, 16.0, and 17.5, respectively. From the top of the equivalence class list, they are called
系列Ｓ２の同値類
[１７．０，１]，[１６．７，２]，[１７．５，３]]，
[[２．４，０]]，
[[１．５，４]，[１．０，５]，[０．９，６]，[１．１，７]，[１．１，８]]，
[[０．０，９]]
本実施例の同値類化データ３３０は、以下のように示される。
Equivalence class of series S2
[17.0, 1], [16.7, 2], [17.5, 3]],
[[2.4,0]],
[[1.5, 4], [1.0, 5], [0.9, 6], [1.1, 7], [1.1, 8]],
[[0.0,9]]
The
＜３３０データ構造＞：＝[＜系列０の同値類リスト＞，・・・，＜系列Ｎの同値類リスト＞]
＜系列Ｉの同値類リスト＞：＝[＜ポイントデータ０＞，・・・，＜ポイントデータＭ＞]
＜ポイントデータＩ＞：＝[＜要素の値＞，＜ポイント番号＞]
図１５は、図９に示すグラフにおいて同値類化データを示す図である。図１５では、系列Ｓ２（回路ブロックＣ）の同値類化データを示し、図１４に示す同値類１〜同値類４までが示されている。
<330 data structure>: = [<equivalence class list of
<List of equivalence classes of series I>: = [<
<Point data I>: = [<Element value>, <Point number>]
FIG. 15 is a diagram showing equivalence grouping data in the graph shown in FIG. FIG. 15 shows the equivalence grouping data of the series S2 (circuit block C), and the
図５に戻って、次に波形データ取得ポイント選択部１３０は、重み付け部１３４により同値類化データ３３０を加工して重み付けを行い、その結果である重み付同値類化データ３４０を出力する（ステップＳ５０４）。
Returning to FIG. 5, the waveform data acquisition
同値類化データ３３０に対する重み付けの方法は、以下の３通りが考えられる。
As the weighting method for the equivalence categorized
まず一つ目の方法は、任意の系列Ｓの任意の同値類Ｉの要素の最大値Ｍａｘを調べ、Ｍａｘ−Ｐｎの値（各要素の値）を重み値とする方法である。例えば系列Ｓ２の同値類１の要素の最大値は１７．５である。よってこの場合、ポイントＰ１の重み値は、１７．５−１７．０＝０．５となる。またポイントＰ２の重み値は、１７．５−１６．７＝０．８となる。
The first method is a method in which the maximum value Max of an element of an arbitrary equivalence class I of an arbitrary series S is examined, and the value of Max-Pn (value of each element) is used as a weight value. For example, the maximum value of the
二つ目の方法は、任意の系列Ｓの任意の同値類Ｉの要素の最大値Ｍａｘを調べて、（Ｍａｘ−Ｐｎ）２を重み値とする方法である。 The second method is a method in which the maximum value Max of an element of an arbitrary equivalence class I of an arbitrary series S is examined and (Max−Pn) 2 is used as a weight value.
三つ目の方法は、任意の系列Ｓの任意の同値類Ｉの要素の最大値Ｍａｘを調べて、（Ｍａｘ−Ｐ）２／（Ｍａｘ）２を重み値とする方法である。 The third method is a method in which the maximum value Max of an element of an arbitrary equivalence class I of an arbitrary series S is examined and (Max−P) 2 / (Max) 2 is used as a weight value.
波形データの取得ポイントを選択する際に、最終的に重み値が小さくなるポイントを選択する場合、一つ目の方法は各系列において特徴量が大きいポイントが選択される。一つ目の方法の場合、選択されたポイントから離れているものが1点あったとしても、他のポイントが選択されたポイントの特徴量に近ければ、好ましいポイントを選択したことになる。 When selecting an acquisition point of waveform data, when selecting a point that finally has a smaller weight value, the first method selects a point having a large feature value in each series. In the case of the first method, even if there is one point away from the selected point, a preferred point is selected if other points are close to the feature amount of the selected point.
二つ目の方法は、系列毎に最終結果を評価することを考えて、特徴量が極端に離れているものが選択されにくくした方法である。特徴量がＭａｘ値から離れるほど重み値（つまりペナルティ）が大きくなるので、特徴量がＭａｘ値と極端に離れたポイントは選択されにくくなる。 The second method is a method in which it is difficult to select a feature whose feature amount is extremely different in consideration of evaluating the final result for each series. Since the weight value (that is, the penalty) increases as the feature amount is farther from the Max value, it is difficult to select a point where the feature amount is extremely far from the Max value.
三つ目の方法は、二つ目の方法と同様であるが、特徴量の合計が回路面積等に比例する傾向がある場合等では、回路面積が大きいほうが良い値が割り振られやすくなる。そこで、最大値を基準にして規格したものである（ただし次数を合わせる）。尚上述の三つの方法以外にも、回路面積値等の回路情報を入れて計算しても良い。 The third method is the same as the second method, but in the case where the total feature amount tends to be proportional to the circuit area or the like, it is easier to assign a better value when the circuit area is larger. Therefore, the standard is based on the maximum value (however, the orders are matched). In addition to the above three methods, calculation may be performed by including circuit information such as a circuit area value.
本実施例の重み付け部１３４は、三つ目の方法により、同値類化データ３３０に対する重み付けを行う。本実施例では、重み付けの結果を重み付同値類化データ３４０とした。図１６は、本実施例の重み付同値類化データの一例を示す図である。
The
本実施例の重み付同値類化データ３４０は、同値類Ｉの要素に対して、重み値が付加された以外は、同値類化データ３３０と同じである。尚重み値は、二番目の要素となる。すなわち、重み付同値類化データ３４０のポイントデータＩは、
＜ポイントデータＩ＞：＝[＜要素の値＞，＜ポイント番号＞，＜重み値＞]
となる。
The weighted
<Point data I>: = [<Element value>, <Point number>, <Weight value>]
It becomes.
例えば系列Ｓ２の同値類化データ３３０に重み値が付加された場合、以下のようになる。
For example, when a weight value is added to the
系列Ｓ２の重み付同値類
[１７．０，１，０．０００８]，[１６．７，２，０．００２１]，[１７．５，３，０．００００]]，
[[２．４，０，０．００００]]，
[[１．５，４，０．００００]，[１．０，５，０．１１１１]，[０．９，６，０．１６００]，[１．１，７，０．０７１１]，[１．１，８，０．０７１１]]，
[[０．０，９，０．００００]]
図５に戻って、次に波形データ取得ポイント選択部１３０は、ポイント別データ作成部１３５により、ポイント別最大値データ３５０を作成する（ステップＳ５０５）。
Weighted equivalence class of series S2
[17.0, 1,0.0008], [16.7, 2, 0.0021], [17.5, 3,0.0000]],
[[2.4,0,0.0000]],
[[1.5, 4,0.0000], [1.0, 5, 0.1111], [0.9, 6, 0.1600], [1.1, 7, 0.0711], [ 1.1, 8, 0.0711]],
[[0.0,9,0.0000]]
Returning to FIG. 5, the waveform data acquisition
図１７は、ポイント別最大値データの一例を示す図である。 FIG. 17 is a diagram illustrating an example of the point-specific maximum value data.
図１７に示す例は、ハッシュである。配列がインデックスで値を参照するのに対して、ハッシュはキー値で取り出すコンテナである。Perlでは連想配列と呼ばれるものに相当する。Rubyを用いて開発した場合、図１９のように書く。図１９は、ハッシュの記述例を示す図である。 The example shown in FIG. 17 is a hash. While an array refers to a value by an index, a hash is a container that retrieves a key value. In Perl, it corresponds to what is called an associative array. When developing with Ruby, write it as shown in Figure 19. FIG. 19 is a diagram illustrating a description example of a hash.
図１９の例では、dataHashにHashクラスのオブジェクトを代入して、dataHashに対して'apple'というキーで参照できる領域に、更にHashクラスのオブジェクトを代入している。そして、dataHash['apple']['jp'] に'ringo'を代入している。Rubyには、p関数がある。これはデバッグ用の関数で、Array, Hashにおいては、データ構造をタプル形式で印字する。図１９に示す記述例のp関数の出力値は、図２０に示す応答例のようになる。図２０は、ハッシュの記述例の応答を示す図である。図１７の例では、この記述形式に習って、ハッシュは{＜keyValue0＞＝＞＜データ0＞，・・・，＜keyValueN＞＝＞＜データ N＞}という形式で記述している。
In the example of FIG. 19, a Hash class object is assigned to dataHash, and a Hash class object is further assigned to an area that can be referred to with a key “apple” for dataHash. And 'ringo' is assigned to dataHash ['apple'] ['jp']. Ruby has a p function. This is a debugging function. In Array and Hash, the data structure is printed in a tuple format. The output value of the p function in the description example shown in FIG. 19 is as in the response example shown in FIG. FIG. 20 is a diagram illustrating a response of a hash description example. In the example of FIG. 17, following this description format, the hash is described in the format {<keyValue0> => <
図１７に示すポイント別最大値データ３５０は、ポイントをキーとするデータであり、各系列の要素の値の最大値を含む同値類の要素のリストである。ポイント別最大値データ３５０は、最も外側がハッシュになっている。
The point-specific
ポイント別最大値データ３５０の要素は、[＜要素値＞，＜重み＞，＜系列番号＞]という配列で表現されている。例えば、ポイントＰ１で何れの系列の最大値を含む同値類の要素になっているものは、[[１０．５，０．００２１，０]，[１７．０，０．０００８，２]，[７．１，０．００１６，３]]である。
The elements of the point-specific
これは、ポイントＰ１の系列Ｓ０で値が１０．５、重みが０．００２１、系列Ｓ２で値が１７．０、重みが０．０００８、系列Ｓ３で値が７．１、重みが０．００１６４の点の集合が何れかの系列の要素の値の最大値を含む同値類の要素のリストであることを示している。尚ポイント別最大値データ３５０は以下のように示される。
This is because the value of the sequence S0 of the point P1 is 10.5, the weight is 0.0021, the value of the sequence S2 is 17.0, the weight is 0.0008, the value of the sequence S3 is 7.1, and the weight is 0.00164. Indicates that the set of points is a list of elements of the equivalence class including the maximum value of the elements of any series. The point-specific
＜３５０データ構造＞：= {＜ポイントa0＞=＞＜ポイントa0のデータ＞，・・・，
＜ポイントaj＞=＞＜ポイントajのデータ＞}
＜ポイントaIのデータ＞：=［＜データタプル０＞，・・・，＜データタプルＫ＞]
＜データタプルＩ＞：= [＜要素値＞，＜重み＞，＜系列番号＞]
図１８は、ポイント別最大値データを説明するための図である。図１８に示すように、ポイントＰ０からポイントＰ７については、何れかの系列の要素の値の最大値を含む同値類の要素が存在するため、ポイント別最大値データ３５０が作成される。また各ポイントＰ８、Ｐ９では、何れかの系列の要素の値の最大値を含む同値類の要素が存在しなため、ポイント別最大値データ３５０は作成されない。
<350 data structure>: = {<point a0>=><data of point a0>, ...,
<Point aj>=><Data for point aj>}
<Data of point aI>: = [<
<Data tuple I>: = [<element value>, <weight>, <sequence number>]
FIG. 18 is a diagram for explaining the point-specific maximum value data. As shown in FIG. 18, for point P0 to point P7, there is an equivalence class element including the maximum value of the element value of any series, so point-specific
図５に戻って、次に波形データ取得ポイント選択部１３０は、ポイント選択部１３６により、ポイント別最大値データ３５０を参照して波形データを取得するポイントを選択し、その結果を示す結果データ３６０を生成する（ステップＳ５０６）。
Returning to FIG. 5, the waveform data acquisition
以下に本実施例のポイント選択部１３６の処理について説明する。図２１は、ポイント選択部の処理を説明するためのフローチャートである。
The processing of the
本実施例のポイント選択部１３６は、任意の系列の最大値を含む同値類を処理対象とするものとして説明する。最大値を含む同値類を処理対象とすることで、実際には最大値とならないポイントであっても、最大値と同値であるポイントとして選択すべきポイントの候補として扱うことができる。
The
ポイント選択部１３６は、例えばメモリユニット１２等に、処理の終了判定を行うための判定用テーブル４１０を用意する（ステップＳ２００１）。本実施例の判定用テーブル４１０は、すべての要素が偽で初期化されている。判定用テーブル４１０は、系列から真偽のマップになっている。もし該当する系列が、既に後述する結果データ３６０に含まれている場合、該当する系列の要素は真である。また該当する系列が結果データ３６０に含まれていない場合、該当する系列の要素は偽である。
The
次にポイント選択部１３６は、全ての系列が判定用テーブル４１０にエントリされているか否かを判断する（ステップＳ２００２）。
Next, the
ステップＳ２００２において、全ての系列がエントリされている場合（未処理の系列が存在しない場合）、判定用テーブル４１０において、すべて真になる。判定用テーブル４１０が全て真となれば、系列毎の条件を満たすデータが結果データ３６０に書き込まれたことになる。系列Ｓ０〜Ｓ３は回路ブロックＡ〜Ｄを表しているので、回路ブロック毎に着目すべきデータが見つけられたことになる。つまり所望のデータが結果データ３６０に書き込まれたことになり、ポイント選択の処理を終了することができる。
In step S2002, when all the series are entered (when there is no unprocessed series), all are true in the determination table 410. If all the determination tables 410 are true, data satisfying the conditions for each series is written in the
ステップＳ２００２において全ての系列が判定用テーブル４１０にエントリされていない場合（未処理の系列が存在する場合）、ポイント選択部１３６は、ポイント別最大値データ３５０を参照して、結果データ３６０として登録する選択データ４１５を取り出す。またポイント選択部１３６は、取り出した選択データ４１５を結果データ３６０へ登録する（ステップＳ２００３）。尚ステップＳ２００３の詳細は後述する。
When all the series are not entered in the determination table 410 in step S2002 (when there is an unprocessed series), the
次にポイント選択部１３６は、系列リスト４２０を生成する（ステップＳ２００４）。次にポイント選択部１３６は、選択データ４１５に含まれている系列の集合を取り出し、系列リスト４２０へ書き込む。また選択データ４１５に含まれている系列は、結果データ３６０に書き込まれているので、ポイント選択部１３６は判定用テーブル４１０の該当する系列の要素を真に更新する（ステップＳ２００５）。
Next, the
次にポイント選択部１３６は、削減部１３７によりポイント選択部１３６に選択されたポイントの数を削減する（ステップＳ２００６）。削減方法については、後述するステップＳ２００６の削減部１３７による処理の詳細で説明する。
Next, the
次に図２２を参照して、図２１のステップＳ２００３の処理の詳細を説明する。図２２は、図２１のステップＳ２００３の処理の詳細を説明するフローチャートである。 Next, details of the processing in step S2003 in FIG. 21 will be described with reference to FIG. FIG. 22 is a flowchart illustrating details of the process in step S2003 in FIG.
本実施例のポイント選択部１３６は、メモリユニット１２等に、中間データを書き込むための中間データ領域を生成する（ステップＳ２１０１）。次にポイント選択部１３６は、ポイント別最大値データ３５０に含まれる全てのポイントＰｘ毎に各系列の重み付け計算をし、計算が終了したか否かを判断する（ステップＳ２１０２）。
The
ステップＳ２１０２において全てのポイントについての計算が終了していない場合、ポイント選択部１３６は、ポイント別最大値データ３５０のポイントＰｘの重み値の平均値を算出して（ステップＳ２１０３）、算出したデータを中間データ４３０として、中間データ領域に記録する。そしてステップＳ２１０２に戻り、次のポイントＰｘについて同様の処理を行う。
When the calculation for all points is not completed in step S2102, the
図２３は、本実施例の中間データの一例を示す図である。図２３に示す中間データ４３０は、ステップＳ２００３の実行回数が０回目の結果、つまり、ポイント別最大値データ３５０（図１７参照）の全要素に対して、ステップＳ２１０３を適用した結果である。本実施例の中間データ４３０のデータ構造は以下のようなリスト構造とした。尚メトリクス値とは、あるデータ同士の関連を数値化した値であり、本実施例ではポイントＰｘの重み値の平均値を示す。
FIG. 23 is a diagram illustrating an example of intermediate data according to the present embodiment. The
＜中間データ４３０のデータ構造＞：＝＜メトリクス値データ０＞，...，＜メトリクス値データＫ＞]
＜メトリクス値データＩ＞：＝[＜属性値＞，＜データ＞]
＜属性値＞：＝[＜ポイント番号＞，＜メトリクス値＞]
＜データ＞：＝[＜選択ポイントの構成データ０＞，...，＜選択ポイントの構成データＯ＞]
＜選択ポイントの構成データ＞：＝[＜要素値＞，＜重み＞，＜系列番号＞]
ポイント選択部１３６は、ステップＳ２１０２において全てのポイントについての計算が終了した場合、ポイント選択部１３６は、中間データ４３０を参照して最も重要なデータを探し、選択データ４１５として取り出す（ステップＳ２１０４）。
<Data structure of
<Metric value data I>: = [<attribute value>, <data>]
<Attribute value>: = [<point number>, <metric value>]
<Data>: = [<Configuration data for selected
<Configuration data of selection point>: = [<element value>, <weight>, <sequence number>]
When the calculation for all the points is completed in step S2102, the
ステップＳ２１０４における最も重要なデータとは、要素数の多いポイントに関するデータである。要素数の多いデータを選択すれば、できるだけ多くの要素がカバーできるポイントを選択することができる。この時点において、要素は、最大値となる要素又は最大値に対して同値類となる要素のみであるので、本実施例のポイント選択部１３６は、中間データ４３０を参照し、＜データ＞の要素数が多いものを選択する。もし要素数が同じ数である場合には、ポイント選択部１３６は、＜属性値＞の＜メトリクス値＞に基づき選択する順番をつける。
The most important data in step S2104 is data relating to points with a large number of elements. If data having a large number of elements is selected, points that can be covered by as many elements as possible can be selected. At this point in time, the elements are only elements that are the maximum value or elements that are equivalent to the maximum value. Therefore, the
本実施例の重み値は、特徴量の最大値と、該当するポイントの特徴量との差（ペナルティ）を示している。よって重み値が小さい方が良い。そこで本実施例で＜メトリクス値＞が小さいほうから順にポイントを選択する。 The weight value of the present embodiment indicates a difference (penalty) between the maximum feature value and the feature value of the corresponding point. Therefore, a smaller weight value is better. Therefore, in this embodiment, points are selected in order from the smallest <metric value>.
図２４は、図２３に示す中間データを表形式とした例を示す図である。本実施例の中間データ４３０では、＜データ＞の要素数が多いポイントは、ポイントＰ１、Ｐ２、Ｐ３であり、それぞれのポイントにおいて要素数が３個ある。このポイントＰ１〜Ｐ３のメトリクス値（表中のscore）は、ポイントＰ１が０．００１５、ポイントＰ２が０．０００９、ポイントＰ３が０．００３８である。よってポイントＰ２のメトリクス値が一番小さいことがわかる。したがってポイント選択部１３６は、ステップＳ２１０４において、ポイントＰ２を選択し、選択データ４１５とする。図２５は、ポイントＰ２が選択された状態を示す図である。
FIG. 24 is a diagram showing an example in which the intermediate data shown in FIG. In the
次に、図２１のステップＳ２００６の処理の詳細を説明する。本実施例の削減部１３７は、２種類の削減ポリシー（削減ポリシー０、削減ポリシー１）に基づき削減の処理を行う。削減ポリシーとは、ポイント選択部１３６により選択されたポイントの削減の仕方を定義したものである。
Next, details of the processing in step S2006 of FIG. 21 will be described. The
図２６は、図２１のステップＳ２００６の処理の詳細を説明するフローチャートである。本実施例の削減部１３７は、削減ポリシー０又は削減ポリシー１の何れを用いるか判断する（ステップＳ２４０１）。ステップＳ２４０１において削減ポリシー０を用いる場合、削減部１３７は削減ポリシー０に基づき、系列リスト４２０を参照してポイントを削減し、ポイント別最大値データ３５０を書き換える（ステップＳ２４０２）。ステップＳ２４０１において削減ポリシー１を用いる場合、削減部１３７は削減ポリシー１に基づき、判定用テーブル４１０を参照してポイントを削減し、ポイント別最大値データ３５０を書き換える（ステップＳ２４０３）。
FIG. 26 is a flowchart illustrating details of the process in step S2006 of FIG. The
始めに図２７ないし図３１を参照して、削減ポリシー０に基づく削減について説明する。図２７は、削減ポリシー０に基づく削減を説明するフローチャートである。
First, the reduction based on the
削減ポリシー０は、系列リスト４２０、すなわち選択データ４１５に含まれる系列のリストを用いる。
The
削減部１３７は、系列リスト４２０の全要素を評価したか否かを判断する（ステップＳ２５０１）。ステップＳ２５０１で全要素を評価していない場合、ポイント別最大値データ３５０からデータの削除を行い（ステップＳ２５０２）、ステップＳ２５０１へ戻る。
The
以下にステップＳ２５０２の処理を説明する。 The process of step S2502 will be described below.
削減部１３７は、ポイント別最大値データ３５０から、系列リスト４２０に含まれる系列を持つデータを削除する。本実施例の場合、選択データ４１５であるポイントＰ２に含まれる系列はＳ０、Ｓ２、Ｓ３である（図２３、２４参照）。ポイント別最大値データ３５０に削減ポリシー０を適用すると、例えば、ポイント別最大値データ３５０から系列Ｓ０のデータである[１０．２，０．００５３，０]、[１０．５，０．００２１，０]は削除される。その他の系列Ｓ０のデータも削除される。
The
同様に系列Ｓ２、系列Ｓ３のデータもポイント別最大値データ３５０から削除される。その結果、空集合になるものがある。更にその空集合を取り除かれると、ポイント別最大値データ３５０は、図２８に示すように系列Ｓ１のデータのみとなる。図２８は、削減ポリシー０に基づきデータを削減したポイント別最大値データの例を示す図である。
Similarly, the data of the series S2 and the series S3 are also deleted from the point-specific
本実施例のポイント選択部１３６は、削減部１３７による削減処理が終了すると、図２１のステップＳ２００２へ戻り、ステップＳ２００２以降の処理を繰り返すことによって、ポイントＰ５を選択する。図２９は、ポイントＰ５が選択された状態を示す図である。以下にポイントＰ５が選択される様子について説明する。
When the reduction process by the
ポイント選択部１３６は、ステップＳ２００２へ戻り、全ての系列がエントリ済みか否かを判断する。このとき判定用テーブル４１０は、系列Ｓ０、Ｓ２、Ｓ３のみが真となっている。よってポイント選択部１３６はステップＳ２００３へ進む。
The
ポイント選択部１３６は、系列Ｓ１のデータのみとなったポイント別最大値データ３５０を参照してステップＳ２００３の処理を行い、ポイントＰ５を選択データ４１５として新たに取り出し、結果データ３６０へ登録する。ポイント選択部１３６は、系列リスト４２０に系列Ｓ１を記憶し、判定用テーブル４１０の系列Ｓ１が真とされる。
The
次に削減部１３７が削減ポリシー０に基づいて削減処理を行うと、図２８に示すポイント別最大値データ３５０から系列Ｓ１のデータが削除され、ポイント別最大値データ３５０は空集合となる。
Next, when the
ポイント選択部１３６は、再度ステップＳ２００２へ戻り、全ての系列がエントリ済みか否かを判断する。このとき判定用テーブル４１０は、全ての系列が真となっているため、ポイント選択部１３６は処理を終了する。
The
図５に戻って、以上で削減ポリシー０を用いた場合の図５のステップＳ５０６の処理が終了する。
Returning to FIG. 5, the processing in step S <b> 506 in FIG. 5 when the
この処理で選択されたポイントは、図３０に示すように、結果データ３６０に登録されたポイントＰ２とポイントＰ５となる。図３０は、削減ポリシー０における結果データの一例を示す図である。
The points selected in this process are point P2 and point P5 registered in the
次に本実施例の波形データ取得ポイント選択部１３０は、結果データ出力部１３８により結果データ３６０を結果データファイル３７０として出力する（ステップＳ５０７）。結果データ出力部１３８は、図３０に示す結果データ３６０をフォーマット変換し、図３１に示すデータを出力する。図３１は、削減ポリシー０における結果データをフォーマット変換した例を示す図である。
Next, the waveform data acquisition
以上のように本実施例では、削減ポリシー０に基づきポイントの選択を行った場合、図３２に示すように、系列Ｓ０、Ｓ２、Ｓ３ではポイントＰ２が選択され、系列Ｓ１ではポイントＰ５が選択されることがわかる。図３２は、削減ポリシー０において選択されたポイントを示す図である。
As described above, in this embodiment, when a point is selected based on the
次に、図３３ないし図３８を参照して、削減ポリシー１に基づく削減について説明する。図３３は、削減ポリシー１に基づく削減を説明するフローチャートである。
Next, reduction based on the
削減ポリシー１は、判定用テーブル４１０を用いて削減するポイントを決定する。削減部１３７は、ポイント別最大値データ３５０の全要素を評価したか否かを判断する（ステップＳ３００１）。ステップＳ３００１で全要素を評価していない場合、判定用テーブル４１０を参照し、選択データ４１５を含む系列が登録されているか否かを判断する（ステップＳ３００２）。
The
ステップＳ３００２において選択データ４１５を含む系列が登録されている場合、削減部１３７は、判定用テーブル４１０に登録されている系列のデータをポイント別最大値データ３５０から削除する（ステップＳ３００３）。
When the series including the
例えばポイントＰ２が選択データ４１５として取り出されていた場合、判定用テーブル４１０は、ポイントＰ２に含まれる系列Ｓ０、Ｓ２、Ｓ３が真となっている。したがって削減部１３７は、ポイント別最大値データ３５０から系列Ｓ０、Ｓ２、Ｓ３以外の系列を含まないデータを削除する。
For example, when the point P2 is taken out as the
すなわち削減部１３７は、ポイント別最大値データ３５０から、系列Ｓ１のデータを含まないデータを削除する。その結果、空集合になるものがある。更にその空集合を取り除かれると、ポイント別最大値データ３５０は、図３４に示すように、系列Ｓ１と系列Ｓ３のデータとなる。図３４は、削減ポリシー１に基づきデータを削減したポイント別最大値データの例を示す図である。
That is, the
本実施例のポイント選択部１３６は、削減部１３７による削減処理が終了すると、図２１のステップＳ２００２へ戻り、ステップＳ２００２以降の処理を繰り返すことによってポイントＰ６を選択する。図３５は、ポイントＰ６が選択された状態を示す図である。以下にポイントＰ６が選択される様子について説明する。
When the reduction process by the
ポイント選択部１３６は、ステップＳ２００２へ戻り、全ての系列がエントリ済みか否かを判断する。このとき判定用テーブル４１０は、系列Ｓ０、Ｓ２、Ｓ３のみが真となっている。よってポイント選択部１３６はステップＳ２００３へ進む。
The
ポイント選択部１３６は、系列Ｓ１と系列Ｓ３のデータとなったポイント別最大値データ３５０を参照してステップＳ２００３の処理を行い、ポイントＰ６を選択データ４１５として新たに取り出して結果データ３６０へ登録する。ポイント選択部１３６は、系列リスト４２０に系列Ｓ１を記憶し、判定用テーブル４１０の系列Ｓ１が真とされる。
The
次に削減部１３７が削減ポリシー１に基づいて削減処理を行うと、図３４に示すポイント別最大値データ３５０から、系列Ｓ１と系列Ｓ３以外の系列を含まないデータが削除される。すなわち図３４に示すポイント別最大値データ３５０から系列Ｓ０、系列Ｓ２を含まないデータが削除される。その結果ポイント別最大値データ３５０は空集合となる。
Next, when the
ポイント選択部１３６は、再度ステップＳ２００２へ戻り、全ての系列がエントリ済みか否かを判断する。このとき判定用テーブル４１０は、全ての系列が真となっているため、ポイント選択部１３６は処理を終了する。
The
図５に戻って、以上で削減ポリシー１を用いた場合の図５のステップＳ５０６の処理が終了する。
Returning to FIG. 5, the processing in step S <b> 506 in FIG. 5 when the
この処理で選択されたポイントは、図３６に示すように、結果データ３６０に登録されたポイントＰ２とポイントＰ６となる。図３６は、削減ポリシー１における結果データの一例を示す図である。
The points selected in this process are point P2 and point P6 registered in the
次に本実施例の波形データ取得ポイント選択部１３０は、結果データ出力部１３８により結果データ３６０を結果データファイル３７０として出力する（ステップＳ５０７）。結果データ出力部１３８は、図３６に示す結果データ３６０をフォーマット変換し、図３７に示すデータを出力する。図３７は、削減ポリシー１における結果データをフォーマット変換した例を示す図である。
Next, the waveform data acquisition
以上のように本実施例では、削減ポリシー１に基づきポイントの選択を行った場合、図３８に示すように、系列Ｓ０、Ｓ２、Ｓ３ではポイントＰ２が選択され、系列Ｓ１、Ｓ３ではポイントＰ６が選択されることがわかる。図３８は、削減ポリシー１において選択されたポイントを示す図である。
As described above, in this embodiment, when a point is selected based on the
尚本実施例において、削減ポリシー１のバリエーションとして、要素数が同じ場合、判定用テーブル４１０で偽が立っている要素数が多いものを選択し、偽が立っている要素数が同じものがある場合には、メトリクス値で選択するとしてもよい。このようにすると上述した方法に比べてより少ないポイントを選択できる可能性がある。
In this embodiment, as a variation of the
以上に説明したように、本実施例では、重み付けの方針及び削減ポリシーに基づいて、自動的に波形データを取得するポイントを決定することができる。 As described above, in the present embodiment, it is possible to automatically determine a point for acquiring waveform data based on a weighting policy and a reduction policy.
したがって、回路ブロック毎に特徴量の最大値となるポイントを選択する方法と比べて、波形データを取得するポイントの数を少なくすることができる。また例えば回路ブロックが多数存在した場合において、回路ブロック毎の最大値となるポイントから設計者の経験則により波形データを取得するポイントを決定する方法と比べて、自動的に回路ブロック単位で納得性が高いポイントを定量的に決定することができる。 Therefore, the number of points for acquiring waveform data can be reduced as compared with the method for selecting the point having the maximum feature value for each circuit block. In addition, for example, when there are many circuit blocks, it is automatically convincing for each circuit block compared to the method of determining the point for acquiring waveform data from the point of maximum value for each circuit block based on the designer's rule of thumb. A high point can be determined quantitatively.
また、本実施例では、同値類にわけることにより、特異点を検出することも可能である。例えば、３個の同値類Ａ、Ｂ、Ｃに分けられていて、各々の最大値がａ、ｂ、ｃであって且つａ＞ｂ＞ｃの関係があるとき、同値類Ａの要素数が同値類Ｂの要素数の５％未満であれば同値類Ｂを最大値を含む同値類として選択するというルールをおけば、数が少ない突出したポイントを無視することが出来る。 In this embodiment, it is also possible to detect singular points by dividing into equivalence classes. For example, when it is divided into three equivalence classes A, B, and C, and the maximum value of each is a, b, c and a> b> c, the number of elements of the equivalence class A is If the rule of selecting the equivalence class B as the equivalence class including the maximum value is less than 5% of the number of elements of the equivalence class B, the protruding point with a small number can be ignored.
また本実施例では、同値類を検出するので、同値類間の大小関係により平均的な同値類に着目してもよいし、平均電力への応用を考えて、要素数が多い同値類に着目してもよい。または平均値を含む、あるいは近い同値類を選択するようにしてもよい。本実施例では、電力見積において最大電力に着目する場合が多いことを考慮して、最大値を含む同値類を例として説明した。 Also, in this embodiment, equivalence classes are detected. Therefore, attention may be paid to average equivalence classes depending on the magnitude relationship between equivalence classes, or to equivalence classes with a large number of elements in consideration of application to average power. May be. Alternatively, an equivalence class including or close to the average value may be selected. In the present embodiment, the equivalence class including the maximum value has been described as an example in consideration of the fact that the maximum power is often focused in the power estimation.
以上に説明したように、本実施例によれば、波形データを取得するポイントを自動的に適切に選択することができる。 As described above, according to the present embodiment, a point for acquiring waveform data can be automatically and appropriately selected.
本発明は、以下に記載する付記のような構成が考えられる。
（付記１）
回路ブロック毎に特徴量を要素としてサンプリングし、前記サンプリングしたポイントから消費電力を見積もるポイントを選択する電力見積ポイント選択方法であって、
前記回路ブロック毎に前記特徴量の所定値を基準とする所定範囲内で前記要素をグループ化するグループ化手順と、
前記サンプリングしたポイントのうち、グループ化された前記要素の数が最も多いポイントを選択するポイント選択手順と、をコンピュータが実行する電力見積ポイント選択方法。
（付記２）
前記ポイント選択手順は、
前記回路ブロック毎の前記特徴量の所定値を含むグループの要素と、前記回路ブロックとを対応させたデータを前記ポイント毎にリストしたポイント別所定値データを作成する手順を有し、
前記ポイント別所定値データにおいて前記要素の数が最も多いポイントを選択する付記１記載の電力見積ポイント選択方法。
（付記３）
前記ポイント選択手順は、
前記回路ブロック毎に、前記特徴量の所定値と前記要素の特徴量との差分に基づきグループ内の前記要素に重み付けを行う重み付け手順と、
前記ポイント毎に、前記要素に付けられた重みの平均値を算出する手順とを有し、
前記要素の数が同じグループが存在する場合には、前記重みの平均値が小さいポイントから選択する付記１又は２記載の電力見積ポイント選択方法。
（付記４）
前記ポイント選択手順により選択されたポイントに基づき、前記ポイント別所定値データから削除するポイントのデータを決定する削除手順を有する付記１乃至３の何れか一項に記載の電力見積ポイント選択方法。
（付記５）
前記削除手順は、
前記ポイント別所定値データから、前記ポイント選択手順により選択されたポイントに含まれる要素と対応した前記回路ブロックのデータを削除する付記４記載の電力見積ポイント選択方法。
（付記６）
前記削除手順は、
前記ポイント別所定値データから、前記ポイント選択手順により選択されたポイントに含まれる要素と対応した前記回路ブロック以外の回路ブロックを含まないデータを削除する付記４記載の電力見積ポイント選択方法。
（付記７）
前記所定値は、前記特徴量の最大値である付記１乃至６の何れか一項に記載の電力見積ポイント選択方法。
（付記８）
回路ブロック毎に特徴量を要素としてサンプリングし、前記サンプリングしたポイントから消費電力を見積もるポイントを選択して消費電力の見積もりをシミュレーションするシミュレーション装置であって、
前記回路ブロック毎に前記特徴量の所定値を基準とする所定範囲内で前記要素をグループ化するグループ化手段と、
前記サンプリングしたポイントのうち、グループ化された前記要素の数が最も多いポイントを選択するポイント選択手段と、を有するシミュレーション装置。
（付記９）
回路ブロック毎に特徴量を要素としてサンプリングし、前記サンプリングしたポイントから消費電力を見積もるポイントを選択して消費電力の見積もりをシミュレーションするシミュレーション装置により実行される電力見積ポイント選択プログラムであって、
前記シミュレーション装置に、
前記回路ブロック毎に前記特徴量の所定値を基準とする所定範囲内で前記要素をグループ化するグループ化ステップと、
前記サンプリングしたポイントのうち、グループ化された前記要素の数が最も多いポイントを選択するポイント選択ステップと、を実行させる電力見積ポイント選択プログラム。
（付記１０）
付記９に記載の電力見積ポイント選択プログラムが記録されたコンピュータ読み取り可能な記憶媒体。
The present invention may have the following configurations as described below.
(Appendix 1)
A power estimation point selection method for sampling a feature amount for each circuit block as an element and selecting a point for estimating power consumption from the sampled points,
A grouping procedure for grouping the elements within a predetermined range based on a predetermined value of the feature value for each circuit block;
A power estimation point selection method in which a computer executes a point selection procedure for selecting a point having the largest number of grouped elements among the sampled points.
(Appendix 2)
The point selection procedure includes:
A step of creating point-specific predetermined value data in which data corresponding to the elements of a group including the predetermined value of the feature amount for each circuit block and the circuit block are listed for each point;
The power estimation point selection method according to
(Appendix 3)
The point selection procedure includes:
For each circuit block, a weighting procedure for weighting the elements in the group based on the difference between the predetermined value of the feature value and the feature value of the element;
Calculating an average value of weights attached to the elements for each point;
The power estimation point selection method according to
(Appendix 4)
The power estimated point selection method according to any one of
(Appendix 5)
The deletion procedure is:
The power estimation point selection method according to
(Appendix 6)
The deletion procedure is:
The power estimation point selection method according to
(Appendix 7)
The power estimation point selection method according to any one of
(Appendix 8)
A simulation device that samples a feature amount as an element for each circuit block, selects a point for estimating power consumption from the sampled points, and simulates estimation of power consumption,
Grouping means for grouping the elements within a predetermined range based on a predetermined value of the feature value for each circuit block;
A simulation apparatus comprising: a point selection unit that selects a point having the largest number of grouped elements among the sampled points.
(Appendix 9)
A power estimation point selection program executed by a simulation apparatus that samples a feature amount as an element for each circuit block, selects a point for estimating power consumption from the sampled points, and simulates an estimation of power consumption,
In the simulation device,
A grouping step for grouping the elements within a predetermined range based on a predetermined value of the feature amount for each circuit block;
A power estimation point selection program that executes a point selection step of selecting a point having the largest number of the grouped elements among the sampled points.
(Appendix 10)
A computer-readable storage medium in which the power estimation point selection program according to attachment 9 is recorded.
本発明は、具体的に開示された実施例に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。 The present invention is not limited to the specifically disclosed embodiments, and various modifications and changes can be made without departing from the scope of the claims.
１００ シミュレーション装置
１１０ 設計データ生成部
１２０ シミュレーション部
１３０ 波形データ取得ポイント選択部
１３２ 分類部
１３３ 同値類化部
１３４ 重み付け部
１３５ ポイント別データ作成部
１３６ ポイント選択部
１３７ 削減部
１３８ 結果データ出力部
１４０ 電力見積部
１５０ 計測回路ライブラリ
２３０ 特徴量データファイル
２４０ 波形データ
３２０ グループ化データ
３３０ 同値類化データ
３４０ 重み付同値類化データ
３５０ ポイント別最大値データ
３６０ 結果データ
DESCRIPTION OF
Claims (5)
前記回路ブロック毎に前記特徴量の所定値を基準とする所定範囲内で前記要素をグループ化するグループ化手順と、
前記サンプリングしたポイントのうち、グループ化された前記要素の数が最も多いポイントを選択するポイント選択手順と、をコンピュータが実行する電力見積ポイント選択方法。 A power estimation point selection method for sampling a feature amount for each circuit block as an element and selecting a point for estimating power consumption from the sampled points,
A grouping procedure for grouping the elements within a predetermined range based on a predetermined value of the feature value for each circuit block;
A power estimation point selection method in which a computer executes a point selection procedure for selecting a point having the largest number of grouped elements among the sampled points.
前記回路ブロック毎の前記特徴量の所定値を含むグループの要素と、前記回路ブロックとを対応させたデータを前記ポイント毎にリストしたポイント別所定値データを作成する手順を有し、
前記ポイント別所定値データにおいて前記要素の数が最も多いポイントを選択する請求項１記載の電力見積ポイント選択方法。 The point selection procedure includes:
A step of creating point-specific predetermined value data in which data corresponding to the elements of a group including the predetermined value of the feature amount for each circuit block and the circuit block are listed for each point;
The power estimation point selection method according to claim 1, wherein a point having the largest number of the elements is selected in the predetermined value data for each point.
前記回路ブロック毎に、前記特徴量の所定値と前記要素の特徴量との差分に基づきグループ内の前記要素に重み付けを行う重み付け手順と、
前記ポイント毎に、前記要素に付けられた重みの平均値を算出する手順とを有し、
前記要素の数が同じグループが存在する場合には、前記重みの平均値が小さいポイントから選択する請求項１又は２記載の電力見積ポイント選択方法。 The point selection procedure includes:
For each circuit block, a weighting procedure for weighting the elements in the group based on the difference between the predetermined value of the feature value and the feature value of the element;
Calculating an average value of weights attached to the elements for each point;
3. The power estimation point selection method according to claim 1, wherein when there are groups having the same number of elements, selection is made from points having a small average value of the weights.
前記回路ブロック毎に前記特徴量の所定値を基準とする所定範囲内で前記要素をグループ化するグループ化手段と、
前記サンプリングしたポイントのうち、グループ化された前記要素の数が最も多いポイントを選択するポイント選択手段と、を有するシミュレーション装置。 A simulation device that samples a feature amount as an element for each circuit block, selects a point for estimating power consumption from the sampled points, and simulates estimation of power consumption,
Grouping means for grouping the elements within a predetermined range based on a predetermined value of the feature value for each circuit block;
A simulation apparatus comprising: a point selection unit that selects a point having the largest number of grouped elements among the sampled points.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009262180A JP5423335B2 (en) | 2009-11-17 | 2009-11-17 | Power estimation point selection method and simulation apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009262180A JP5423335B2 (en) | 2009-11-17 | 2009-11-17 | Power estimation point selection method and simulation apparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011107973A true JP2011107973A (en) | 2011-06-02 |
| JP5423335B2 JP5423335B2 (en) | 2014-02-19 |
Family
ID=44231369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009262180A Expired - Fee Related JP5423335B2 (en) | 2009-11-17 | 2009-11-17 | Power estimation point selection method and simulation apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5423335B2 (en) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0844788A (en) * | 1994-05-24 | 1996-02-16 | Toshiba Corp | Method and device for calculating power consumption of integrated circuit |
| JP2008065496A (en) * | 2006-09-06 | 2008-03-21 | Fujitsu Ltd | Power consumption peak estimation program for lsi and its device |
| JP2008176464A (en) * | 2007-01-17 | 2008-07-31 | Fujitsu Ltd | Design support program, design support method, and design support device |
| JP2008234240A (en) * | 2007-03-20 | 2008-10-02 | Fujitsu Ltd | Power consumption analyzing method and power consumption analyzing device |
| JP2008234224A (en) * | 2007-03-19 | 2008-10-02 | Fujitsu Ltd | Method and program for estimating power consumption |
| JP2009070052A (en) * | 2007-09-12 | 2009-04-02 | Omron Corp | Monitoring device and program |
-
2009
- 2009-11-17 JP JP2009262180A patent/JP5423335B2/en not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0844788A (en) * | 1994-05-24 | 1996-02-16 | Toshiba Corp | Method and device for calculating power consumption of integrated circuit |
| JP2008065496A (en) * | 2006-09-06 | 2008-03-21 | Fujitsu Ltd | Power consumption peak estimation program for lsi and its device |
| JP2008176464A (en) * | 2007-01-17 | 2008-07-31 | Fujitsu Ltd | Design support program, design support method, and design support device |
| JP2008234224A (en) * | 2007-03-19 | 2008-10-02 | Fujitsu Ltd | Method and program for estimating power consumption |
| JP2008234240A (en) * | 2007-03-20 | 2008-10-02 | Fujitsu Ltd | Power consumption analyzing method and power consumption analyzing device |
| JP2009070052A (en) * | 2007-09-12 | 2009-04-02 | Omron Corp | Monitoring device and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5423335B2 (en) | 2014-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Smit et al. | Comparing parameter tuning methods for evolutionary algorithms | |
| JP4704299B2 (en) | LSI power consumption peak estimation program and apparatus | |
| US20090063564A1 (en) | Statistical design closure | |
| US9189216B2 (en) | Power consumption design-optimization of a communication device software program | |
| JP5872324B2 (en) | Mesh generator | |
| JP6567484B2 (en) | Estimated model construction system, estimated model construction method and program | |
| JP2017146888A (en) | Design support device and method and program | |
| JP5966836B2 (en) | Evaluation support method, information processing apparatus, and program | |
| JP2020135171A (en) | Machine learning program verification apparatus and machine learning program verification method | |
| US20080244478A1 (en) | Model generation method and model generation apparatus of semiconductor device | |
| US20090287965A1 (en) | Verification supporting system | |
| JP5785725B2 (en) | Power estimation apparatus, power estimation method and program | |
| JP7235960B2 (en) | Job power prediction program, job power prediction method, and job power prediction device | |
| JP6471615B2 (en) | Performance information generation program, performance information generation method, and information processing apparatus | |
| JP5423335B2 (en) | Power estimation point selection method and simulation apparatus | |
| JP2009295097A (en) | Information classification device, information classification method, information processing program, and recording medium | |
| JP4827469B2 (en) | Cache memory analysis method, processor, and simulated information processing apparatus | |
| JP6966289B2 (en) | Information analyzers, programs and methods | |
| JP7292235B2 (en) | Analysis support device and analysis support method | |
| JP5321286B2 (en) | Program model checking method, program model checking program | |
| JP2009271653A (en) | Power consumption estimation method, circuit design support device and program | |
| JP6869082B2 (en) | Computer for selecting test cases and test case selection method | |
| JP6999207B1 (en) | Data analysis method, data analysis device, and data analysis program | |
| JP7363914B2 (en) | Search method, search program and search device | |
| JP6175637B2 (en) | Power estimation support program, power estimation support device, and power estimation support method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120720 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130312 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130409 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131029 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131111 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |