扫码关注
元件误差都合格，电路为何仍会成批越界？
每个元件都没有超差，多个偏差沿同一方向叠加时，系统指标仍可能越过规格线
标称仿真通过、元件来料也合格，并不能保证每块板的带宽、增益或中心频率都合格。蒙特卡罗告诉你性能会怎样分布，最坏情况分析则寻找哪组偏差最容易把指标推到边界。
滤波器样机有的带宽偏宽，有的中心频率偏移，逐颗测量电阻电容却都在标称容差内。若继续用标称值重跑仿真，结果当然仍然漂亮，因为模型没有回答量产真正发生的问题。
元件合格是单变量条件，电路合格是多变量组合结果。当多个器件同时偏高或偏低，它们会通过传递函数共同改变极点和增益；每一颗都没越界，组合却可能把系统推到规格之外。
先把容差放进真实电路，而不是口头估计资料中的两级带通电路由多组电阻电容决定响应。对这类网络，某个电阻偏高并不只改变一个幅值，它可能同时移动Q值、中心频率和级间增益。只把所有器件统一按正负5%处理，也会掩盖不同系列与批次的真实差异。
图1 两级带通滤波器包含多组相互耦合的容差变量
建模时应使用目标料号的容差、温漂和必要的批次相关性。电容还要留意介质、直流偏压和老化；运放的带宽与输入参数若靠近边界，也应作为变量进入分析。
蒙特卡罗看分布，不替你证明最坏点蒙特卡罗按设定的统计分布重复抽样，每次得到一条响应。多条曲线展开以后，可以观察均值、离散程度和落在规格外的样本比例。样本数太少时，分布尾部可能没有被充分覆盖。
图2 蒙特卡罗分析要明确输出节点、分布与样本数
设置界面里的输出节点、分布类型、运行次数和保存方式都影响结论。若把设计容差误当成均匀分布，或把批次相关的器件当成完全独立，仿真良率就可能比真实生产乐观。
统计结果的可信度，取决于输入分布是否接近真实物料。
直方图比一叠曲线更容易看出尾部响应曲线适合看形状，直方图适合看指标分布。把带宽或中心频率提取成单一性能函数后，可以直接读取均值、中位数、离散程度和极端样本，判断规格线落在分布的哪个位置。
若均值本身靠近边界，设计中心需要回调；若均值居中但尾部过宽，应寻找高敏感度器件或收紧关键容差。两种问题的整改方向不同，不能都用“换1%电阻”解决。
图3 带宽直方图显示样本中心与分布尾部
最坏情况分析寻找偏差的同向组合最坏情况分析通常先计算各变量对目标指标的敏感度，再把器件推向最不利方向。它不表示所有器件一定同时处在极限，而是帮助设计者找出规格裕量最薄的位置。
图中的标称与最坏曲线在峰值和带宽上出现差异，说明系统边界不是任意一颗元件决定的。查看灵敏度排序后，可以把成本集中在真正影响指标的少数器件上，而不是全板无差别提高精度。
图4 标称与最坏情况响应揭示规格裕量
最坏组合还要和物料机制对应。来自同一电阻网络的比例误差可能比绝对误差小，同批电容的漂移也可能相关；若模型把它们全部当成独立变量，结果可能过于保守或过于乐观。对关键网络，应分别建立DEV与LOT层面的变化，再比较哪一种相关性真正推动指标越界。
仿真结束后不要只保存一张曲线。应导出越界样本的器件取值、目标函数和灵敏度排序，并用几块边界物料做实测回放。若实测分布比模型更宽，继续补充温度、偏置、运放参数或寄生；若更窄，则检查输入容差是否重复计算。模型和生产数据每闭环一次，下一版良率预测才更可信。
规格评审还要统一统计口径：是看所有样本必须通过，还是允许某个明确的失效率目标；是按室温单点，还是覆盖温度和供电边界。没有统一口径，所谓良率只是软件输出的百分比，无法变成量产判定。
对滤波器、基准和增益链，还可把关键输出拆成多个目标函数：中心频率、峰值增益、带宽、相位裕量与噪声不应只选其中一个。某组器件组合可能让带宽合格，却让峰值或时域过冲越界。多目标同时筛选，才能避免用一个合格数字掩盖另一项风险。
样机验证可刻意选择高低容差角的器件做小规模角落板。角落板不是替代统计抽样，而是用于确认灵敏度方向与模型一致：模型说R3偏高最危险，实物就应出现同方向变化。若方向相反，说明寄生、器件模型或测量边界仍有遗漏，应先修模型再谈量产良率。
当关键指标对某个比值敏感时，优先考虑网络电阻、同介质电容或校准方案，提高跟踪性往往比单纯提高每颗器件绝对精度更经济。
设计余量也要留给温度和老化。
结论量产越界并不和“元件都合格”矛盾。单件容差在组合电路里会经过灵敏度放大、相互叠加，并以分布尾部的形式暴露出来。
标称仿真负责确认设计方向，蒙特卡罗负责看分布，最坏情况负责找薄弱边界。三者连起来，才是一套面向良率的验证。
