目前成品率分析及优化的方法大致可分为两类,一种是数值方法,根据电路方程的特点对成品率进行估算及优化,具有运算速度快、估计结果精确的特点,但是其灵活性差,难以应用于复杂电路中;另一种是统计方法,主要是Monte Carlo 方法及其改进方法,这种方法简单灵活,可用于复杂电路的成品率分析及优化,但是其准确性依赖于仿真模型的准确性及仿真次数,而且其运算效率也与模型的复杂程度及仿真次数有关。
基于统计学的成品率分析及优化算法(在有的文献中称之为统计设计方法)的核心是蒙特卡罗(Monte Carlo )方法。蒙特卡罗方法又称为计算机随机模拟方法,是一种基于“随机数”的计算方法。这一方法源于美国在第一次世界大战中研制原子弹的“曼哈顿计划”。该计划的主持人之一,数学家冯·诺伊曼用驰名世界的赌城——摩纳哥的Monte Carlo ——来命名这种方法,为它蒙上了一层神秘色彩。其实Monte Carlo 方法的基本思想很早以前就被人们所发现和利用,早在17 世纪,人们就知道用事件发生的“频率”来决定事件的“概率”。19 世纪人们用投针试验的方法来决定圆周率л。上世纪40 年代电子计算机的出现,特别是近年来高速电子计算机的出现,使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。
基于蒙特卡罗方法的成品率算法的基本原理:首先根据电路中参数的特点对参数分布情况进行假设(一般是具有特定参数的正态分布),利用计算机伪随机数算法产生一批服从于假设分布的样本点,将样本点值代入电路仿真模型,进行电路仿真,通过比较仿真结果与预定的成品合格指标,对合格样本点进行统计,那么合格样本点数与总样本点数的比值就是成品率的估计值。