&lt;title&gt;Cost and yield estimation in a virtual IC factory&lt;/title&gt;

Axelrad, V.; Granik, Yuri; Boksha, Victor V.; Rollins, J.G.

doi:10.1117/12.186767

Cited by 3 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…La estimación del esfuerzo para el desarrollo de software es una actividad compleja y de poca precisión en los resultados obtenidos [3], lo que ha ocasionado la aparición de varias herramientas comerciales para la estimación de costos del software, tales como [4]: Cocomo-II [5], CoStar [6], CostModeler [7], CostXpert [8], KnowledgePlan® [9], SEER [10], y SoftCost-R [11]. Por otra parte, existen algunas herramientas de estimación de costos que están tendiendo a la obsolescencia [12], debido principalmente a su temprana aparición; así tenemos: CheckPoint [13], ESTIMACS [14], REVIC [15] y SPQR/20 [16].…”

Section: Introductionunclassified

Modelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de Software (MONEPS)

Raura²,

Ruíz

et al. 2015

Revista Latinoamericana De Ingenieria De Software

View full text Add to dashboard Cite

Resumen-La estimación temprana del esfuerzo para la construcción de un producto software, es crucial en la previsión del costo y tiempo necesarios para su desarrollo. Los modelos y técnicas para la estimación del esfuerzo presentan como principal inconveniente, la poca precisión en las predicciones realizadas y generalmente se hace una mínima consideración de los aspectos no funcionales del software. Se propone la construcción de un modelo de estimación para el esfuerzo en el desarrollo de software denominado MONEPS, que pretende mejorar la precisión en la estimación del esfuerzo, utilizando una Red Neuronal Artificial (RNA) en Backpropagation, cuya capa de entrada se estructura sobre la base de un conjunto de características y atributos tomados de la norma ISO/IEC 25000 de la calidad del software. La RNA fue entrenada con datos recopilados de aplicaciones desarrolladas en el ámbito académico, de las cuales se conocían sus tiempos de desarrollo y costos asociados. Las estimaciones de tiempo y costo, para dos casos de prueba, muestran más precisión en el modelo neuronal, en comparación con los modelos Cocomo-81 y Cocomo-II. MONEPS ha logrado la convergencia de aspectos funcionales y no funcionales para mejorar la precisión en la estimación del esfuerzo en proyectos de software.

show abstract

Section: Introductionunclassified

Modelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de Software (MONEPS)

Raura²,

Ruíz

et al. 2015

Revista Latinoamericana De Ingenieria De Software

View full text Add to dashboard Cite

show abstract

“…Technology computer aided design (TCAD) is computer aided design and engineering used in semiconductor fabrication process design and manufacturing yield optimization [1][2][3][4]. TCAD includes detailed simulation of all fabrication process steps [5,6], and it is essential for the successful design of today's devices and integrated circuits because of their increasing complexity and the increasing cost and delay of experimental design iteration [7]. Practical TCAD problem solving usually requires the use of one or more simulation algorithms for each process step [8].…”

Section: Introductionmentioning

confidence: 99%

Simulation of deposition-topography granular distortion for TCAD

Karafyllidis

Georgoulas

Hagouel

et al. 1998

Modelling Simul. Mater. Sci. Eng.

View full text Add to dashboard Cite

A new deposition simulator for technology computer aided design (TCAD) is presented in this paper. The solution, on a cellular automaton lattice, of the equations that describe the deposition process has enabled the proposed simulator to handle the complicated boundary and initial conditions imposed by granular defects. This simulator can provide scanning electron microscope (SEM)-like cross-sectional views that are in very good agreement with experimental and simulation results found in the literature, and it can also be used to perform numerical experiments. The effects of granule temperature, location, and size on the deposition profiles have been studied by performing numerical experiments using this simulator.

show abstract