如何用DFM方法提高LTCC设计效率

统计分析(基于蒙特卡洛分析)是采用规定的概率分布，在设计范围内改变一组参数的过程，用来确定性能如何随参数变化而发生改变。这种分析通常用于项目产出，其定义为满足或超过性能期望(指标)项的数量与在统计分析期间分析项总数之比。产出还是给定设计样本达到性能指标的概率。因为将要制造的设计总数会很大或者未知，产出通常是用更小的样本数量或试验次数估计得到，试验数被称作产出估计函数。随着试验次数增加，产出估计就接近真实的设计产出。产出优化使设计性能对于部件变差的敏感度最小化。产出优化估计产出和产出敏感度，并且改变电路统计参数标称值，这是为了同时使统计敏感度最小和电路产出最大。

统计设计流程的第一个步骤是收集厂商的过程变差数据，根据该数据，就能得到用于抽取出的电路模型的统计参数。然后，用这些相关联的统计参数对设计进行统计分析。如果设计满足产出指标，就结束分析过程开始制造过程，否则，就要对抽取的电路模型进行产出优化来修正设计以达到给定的产出指标。用于抽取模型的优化后部件参数值必须被实现成内嵌的无源物理部件。其后，从重设计的内嵌无源物理部件再次抽取出宽带电路模型，并再次进行统计分析直到满足产出指标。LTCC设计过程可以用图8所示的流程图来描述。

对低通滤波器电路实例的6,000次试验进行蒙特卡洛/产出分析(图9)，低通滤波器插损、二阶谐波抑制和三阶谐波抑制的统计分析结果(未给出)表明，这些情形中设计未满足指标，并显示设计通过6000次试验达到100%产出。

图10给出了总共5个测量样本跟单次EM仿真数据的比较。图中参数S11和S21是EM仿真结果，其它曲线反映测量数据的情况。测量样本数据同仿真结果具有良好的一致性。

两个实例显示DFM提供了获得一次性设计成功的实用手段，甚至在像LTCC具有固有变差那样的过程里。成功依赖于一个经十分慎重选择后得到的设计流程，选用宽带模型尤其重要。在整个设计过程中应用DFM提高了一次性设计成功的机会。尽管这两个说明DFM的例子是基于LTCC，该设计流程同样能用到其它过程。