By Ronak Shah

首先，我們要明確製造良率究竟意味著什麼？ 良率的定義公式如下：

電路良率

我們用一個簡單的圖示來理解電路良率的含義：

上述良率圖顯示了電路將在限值 Pmin 和 Pmax 之間工作，良率略低於 100％。 另外，請注意概率最高的時候，良率在 P average 附近達到最優。

為什麼這樣的良率圖有益於所有電路呢？

重要性

如今，電路設計人員可以在開始批量生產電路板之前對失敗進行量化。
讓我們再透過兩個例子來瞭解其重要性——如果我們需要大量生產 PCB 板，那麼即使只有 0.1％ 的拒收率也會令我們不安；或者，當我們在為軍事或太空應用領域構建關鍵任務專案時，一丁點的設計失敗都會造成極其嚴重的後果。因此，我們需要使設計中的器件變化保持最小或者毫無變化。在這種情況下，蒙地卡羅分析則必不可少！透過預測良率，我們可以評估更嚴格的器件容差（成本更高）是否會對我們的產品/設計產生更好的影響。若答案是否定的，那麼放心使用容差較鬆的器件便可以為我們節省大量資金。

那麼如何獲得 100％ 的良率呢？我們需要確保設計已經「真正」大規模生產做好了準備。蒙地卡羅統計可預測任何電路在一系列不同器件值時（在容差範圍內）的行為。它可以計算良率，並以易於理解的圖形格式展示（如圖 4 所示），由此我們可以平衡良率和成本。

讓我們來看看在 PSpice 中執行蒙地卡羅分析所需的簡單步驟。

蒙地卡羅分析流程

用於蒙地卡羅分析的電路

如上圖所示的電路與我們在系列文章 第三篇（Smoke 分析）中更換電晶體後使用的電路相同。在執行蒙地卡羅分析過程中，我們已經指定了容差，並在 靈敏度分析 中設置了測量運算式。我們現在所要做的就是在給出如下設定檔設置選項（圖 3）中的適當值之後，對此設計進行蒙特卡羅分析。

運行蒙地卡羅分析（設定檔設置）

設置選項詳細說明：

	運行次數：這是選定的模擬設定檔將被運行的次數。對於每次運行，帶有容差的器件參數將隨機變化。 模擬運行次數越多，良率預測越準確。良率越高，利潤率越高！
	起始運行編號：預設起始運行編號為 1。 這是使用標稱值運行模擬。
	隨機種子值：亂數產生器使用此值為蒙地卡羅模擬生成一個亂數序列。
	分隔數量：此值用於確定長條圖中的分隔數量。

蒙地卡羅使用原始參數值計算每個測量函數的標稱值。標稱值運行後，演算法根據平均（均勻）分佈或高斯分佈函數的容差隨機計算每個可變參數的值。對於每個設定檔，使用計算出的參數值來評估測量結果並保存這些值。

在對此設計執行蒙地卡羅分析後，輸出視窗如圖 4 所示（下圖）。

蒙地卡羅輸出環境

上圖中，X 軸為測量範圍，Y 軸為測量值的運行次數。概率分佈可以顯示在概率分佈函數（PDF）或累積分佈函數（CDF）的圖像中。

請注意，測量時使用的是與我們在 靈敏度分析、設計優化 和 smoke 分析 中一樣的增益、頻寬、雜訊係數和輸出雜訊測量值。隨著電路中每個器件容差範圍的變化，蒙地卡羅分析可計算出每個測量結果的良率，從而全面實現電路的所有功能。

對於該電路，圖 4 中選定的頻寬測量結果顯示，在 0.14 GHz 至 0.17 GHz 的整個頻率範圍內，良率為 100％。 其他三個測量值也有著相同的結果。 這意味著我們所有的目標都能在指定頻率範圍內完美實現！

通用 SPICE 技術與 PSpice AA 技術對比

我們來總結下攻克複雜電路系列文章，其中介紹的每個 PSpice 進階分析功能都有一個核心價值：

借助 PSpice 進階分析功能，我們可以輕鬆降低設計成本並提高設計的可靠性、工程師的生產力和製造良率。

快來使用 PSpice 進階分析 中的蒙地卡羅分析，提高電路設計的良率吧~

延伸閱讀

	靈敏度分析：以 RF 放大器為例，5 分鐘搞定靈敏度分析
	自從用對了 PSpice 優化器，我上班都有時間泡茶了
	Smoke 分析：據說每個「靠譜」的設計師都會做到這一點

原文出處

	Improve Your Circuit Manufacturing Yield With Monte Carlo Analysis In PSpice! (Part 4 of 4)