如何用DFM方法提高LTCC設計效率

統計分析(基于蒙特卡洛分析)是采用規定的概率分布，在設計范圍內改變一組參數的過(guò)程，用來(lái)確定性能如何隨參數變化而發(fā)生改變。這種分析通常用于項目產(chǎn)出，其定義為滿(mǎn)足或超過(guò)性能期望(指標)項的數量與在統計分析期間分析項總數之比。產(chǎn)出還是給定設計樣本達到性能指標的概率。因為將要制造的設計總數會(huì )很大或者未知，產(chǎn)出通常是用更小的樣本數量或試驗次數估計得到，試驗數被稱(chēng)作產(chǎn)出估計函數。隨著(zhù)試驗次數增加，產(chǎn)出估計就接近真實(shí)的設計產(chǎn)出。產(chǎn)出優(yōu)化使設計性能對于部件變差的敏感度最小化。產(chǎn)出優(yōu)化估計產(chǎn)出和產(chǎn)出敏感度，并且改變電路統計參數標稱(chēng)值，這是為了同時(shí)使統計敏感度最小和電路產(chǎn)出最大。

統計設計流程的第一個(gè)步驟是收集廠(chǎng)商的過(guò)程變差數據，根據該數據，就能得到用于抽取出的電路模型的統計參數。然后，用這些相關(guān)聯(lián)的統計參數對設計進(jìn)行統計分析。如果設計滿(mǎn)足產(chǎn)出指標，就結束分析過(guò)程開(kāi)始制造過(guò)程，否則，就要對抽取的電路模型進(jìn)行產(chǎn)出優(yōu)化來(lái)修正設計以達到給定的產(chǎn)出指標。用于抽取模型的優(yōu)化后部件參數值必須被實(shí)現成內嵌的無(wú)源物理部件。其后，從重設計的內嵌無(wú)源物理部件再次抽取出寬帶電路模型，并再次進(jìn)行統計分析直到滿(mǎn)足產(chǎn)出指標。LTCC設計過(guò)程可以用圖8所示的流程圖來(lái)描述。

對低通濾波器電路實(shí)例的6,000次試驗進(jìn)行蒙特卡洛/產(chǎn)出分析(圖9)，低通濾波器插損、二階諧波抑制和三階諧波抑制的統計分析結果(未給出)表明，這些情形中設計未滿(mǎn)足指標，并顯示設計通過(guò)6000次試驗達到100%產(chǎn)出。

圖10給出了總共5個(gè)測量樣本跟單次EM仿真數據的比較。圖中參數S11和S21是EM仿真結果，其它曲線(xiàn)反映測量數據的情況。測量樣本數據同仿真結果具有良好的一致性。

兩個(gè)實(shí)例顯示DFM提供了獲得一次性設計成功的實(shí)用手段，甚至在像LTCC具有固有變差那樣的過(guò)程里。成功依賴(lài)于一個(gè)經(jīng)十分慎重選擇后得到的設計流程，選用寬帶模型尤其重要。在整個(gè)設計過(guò)程中應用DFM提高了一次性設計成功的機會(huì )。盡管這兩個(gè)說(shuō)明DFM的例子是基于LTCC，該設計流程同樣能用到其它過(guò)程。