扫码关注
今天学习了一下AD的统计仿真，以前没有用过。
十多年前做板级低噪的时候，产品数量基本都是个位数的，多的，也就几十个，所以就没想过去用这个。
但这个统计仿真的作用很诱人，可以仿真器件值的精度等，对产品良率的影响。
觉得后续会有帮助，所以今天特意看了一下。
我的学习路径是这样的：
首先在网上搜索了一下，发现有相关视频，总时长大约半小时(如果有需要，可以扫码观看)。
夸克的那个提取课件的功能挺好的，特别在已经扫过一遍视频，然后想参照视频进行操作的时候，非常省时间。
看完视频后，参照视频进行操作，这个时候，遇到了一些疑问，这个一般可以去求助help文件。
比如说，看视频的时候，总觉着yield仿真好像已经包含了蒙特卡洛仿真，两者仿真器的设置也基本一样。
然后看help文件的话，有这样一句话，看完，就明白了，确实是很类似。
看到这，你会不会有点疑问，如果出来的yield值不高，那怎么办？是不是就需要重新设计电路？
我觉着，这是最差情况。
在视频中，有讲解了一点手动调整优化的方法。
比如说，刚开始看到的histogram，是这样子的。这个时候，可以在原理图上修正电感的初值，再仿真，yield值就上来了。
当然，还可以用yield优化功能。
通过软件自动优化来提高yield值。
在蒙特卡洛仿真与yield仿真中，有一个N值的设置。
在视频的演示中，设置成250，是为了流程演示的方便。
但是实际设置的时候，是有要求的，这点在视频和help文件中都有说明。
不同良品率，不同误差，不同置信度下，所要求的N是不同的。
比如说:
意思就是，当N设置成1600时，有95.4%的概率，实际的良品率落在78%到82%之间。
就是和视频中设置的一样的值，出来的yield值，要偏小一点，不知道是不是版本和视频中差的有点多，软件算法有变？
