The present invention is embodied in a system and method for recovering from design errors, such as errors in an integrated circuit design. The system and method of the present invention use a probabilistic model, such as a Bayesian Belief Network (BBN), in combination with case-based inferential reasoning to predict or detect design errors at any point in the design process by using information about the current design in combination with historical design error data from previous designs. Once conditions associated with design errors are predicted or detected, an error profile is generated. An inference engine then uses conditional probabilities produced by the probabilistic model to compile a set of exact or similar cases from a historical knowledge base containing solutions and workarounds to previously identified design errors, based on their probable relevancy to the current design case. These probable relevant cases are then presented to the user, ranked with their likelihood or probability of relevance to the current predicted or detected design error. These cases are preferably presented to the user both textually and graphically in an interactive computer program environment.

A invenção atual embodied em um sistema e em um método para recuperar dos erros do projeto, tais como erros em um projeto do circuito integrado. O sistema e o método da invenção atual usam um modelo probabilistic, tal como uma rede bayesian da opinião (BBN), em combinação com o raciocínio inferential caixa-baseado predizer ou detectar erros do projeto em algum ponto no processo do projeto usando a informação sobre o projeto atual em combinação com dados históricos do erro do projeto dos projetos precedentes. Uma vez que as circunstâncias associadas com os erros do projeto são preditas ou detectadas, um perfil do erro está gerado. Um motor de inference usa então as probabilidades condicionais produzidas pelo modelo probabilistic para compilar um jogo de casos exatos ou similares de uma base de conhecimento histórica que contem soluções e workarounds aos erros previamente identificados do projeto, baseado em sua relevância provável ao exemplo atual do projeto. Estes casos relevantes prováveis são apresentados então ao usuário, espesso com sua probabilidade ou probabilidade da relevância ao erro predito ou detectado atual do projeto. Estes casos são apresentados preferivelmente ao usuário textually e gràfica em um ambiente de programa interativo do computador.