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程，用來確定性能如何隨參數變化而發生改變。這種分析通常用于項目產出，其定義為滿足或超過性能期望(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很大或者未知，產出通常是用更小的樣本數量或試驗次數估計得到，試驗數被稱作產出估計函數。隨著試驗次數增加，產出估計就接近真實的設計產出。產出優化使設計性能對于部件變差的敏感度最小化。產出優化估計產出和產出敏感度，并且改變電路統計參數標稱值，這是為了同時使統計敏感度最小和電路產出最大。

統計設計流程的第一個步驟是收集廠商的過程變差數據，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，用這些相關聯的統計參數對設計進行統計分析。如果設計滿足產出指標，就結束分析過程開始制造過程，否則，就要對抽取的電路模型進行產出優化來修正設計以達到給定的產出指標。用于抽取模型的優化后部件參數值必須被實現成內嵌的無源物理部件。其后，從重設計的內嵌無源物理部件再次抽取出寬帶電路模型，并再次進行統計分析直到滿足產出指標。LTCC設計過程可以用圖8所示的流程圖來描述。

對低通濾波器電路實例的6,000次試驗進行蒙特卡洛/產出分析(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足指標，并顯示設計通過6000次試驗達到100%產出。

圖10給出了總共5個測量樣本跟單次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。

兩個實例顯示DFM提供了獲得一次性設計成功的實用手段，甚至在像LTCC具有固有變差那樣的過程里。成功依賴于一個經十分慎重選擇后得到的設計流程，選用寬帶模型尤其重要。在整個設計過程中應用DFM提高了一次性設計成功的機會。盡管這兩個說明DFM的例子是基于LTCC，該設計流程同樣能用到其它過程。