Микросхемотехника / amelina_m_a_amelin_s_a_programma_shemotehnicheskogo_modeliro

ɜɚɪɶɢɪɭɟɦɵɯ ɩɚɪɚɦɟɬɪɨɜ. ȼɨ ɜɧɟɲɧɟɦ ɰɢɤɥɟ ɢɡɦɟɧɹɟɬɫɹ ɩɟɪɟɦɟɧɧɚɹ ɧɚ 1-ɨɣ ɡɚɤɥɚɞɤɟ, ɚ ɜ ɫɚɦɨɦ ɝɥɭɛɨɤɨɦ, ɜɧɭɬɪɟɧɧɟɦ — ɩɟɪɟɦɟɧɧɚɹ ɧɚ 20-ɨɣ ɡɚɤɥɚɞɤɟ.

ɇɚɩɪɢɦɟɪ, ɧɚ ɩɟɪɜɨɣ ɡɚɤɥɚɞɤɟ ɡɚɞɚɧɨ ɢɡɦɟɧɟɧɢɟ ɢɧɞɭɤɬɢɜɧɨɫɬɢ L1 ɨɬ 1U ɞɨ 2U ɫ ɲɚɝɨɦ 1U, ɧɚ 2-ɨɣ ɡɚɤɥɚɞɤɟ — ɢɡɦɟɧɟɧɢɟ ɟɦɤɨɫɬɢ C2 ɨɬ 1N ɞɨ 2N ɫ ɲɚɝɨɦ 1N. ɉɪɢ ɭɫɬɚɧɨɜɤɟ ɨɩɰɢɢ Step all variables simultaneously ɛɭɞɟɬ ɩɨɫɱɢ-

Ʉɨɦɚɧɞɧɵɟ ɤɧɨɩɤɢ

All On. ȼɤɥɸɱɟɧɢɟ ɜɚɪɢɚɰɢɢ ɩɚɪɚɦɟɬɪɨɜ ɧɚ ɜɫɟɯ ɡɚɤɥɚɞɤɚɯ. All Off. ȼɵɤɥɸɱɟɧɢɟ ɜɚɪɢɚɰɢɢ ɩɚɪɚɦɟɬɪɨɜ ɧɚ ɜɫɟɯ ɡɚɤɥɚɞɤɚɯ.

Default. Ɂɚɞɚɟɬ ɞɢɚɩɚɡɨɧ ɢɡɦɟɧɟɧɢɹ ɩɚɪɚɦɟɬɪɚ ɧɚ ɜɵɛɪɚɧɧɨɣ ɡɚɤɥɚɞɤɟ, ɩɪɢɧɹɬɵɣ ɩɨ ɭɦɨɥɱɚɧɢɸ — ɨɬ ɩɨɥɨɜɢɧɵ ɧɨɦɢɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ ɞɨ ɭɞɜɨɟɧɧɨ- ɝɨ ɧɨɦɢɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ ɫ ɥɨɝɚɪɢɮɦɢɱɟɫɤɢɦ ɲɚɝɨɦ ɪɚɜɧɵɦ 2. ɉɪɢ ɷɬɨɦ ɩɚ- ɪɚɦɟɬɪ ɩɪɢɧɢɦɚɟɬ 3 ɪɚɡɥɢɱɧɵɯ ɡɧɚɱɟɧɢɹ.

OK. ȼɵɯɨɞ ɢɡ ɞɢɚɥɨɝɨɜɨɝɨ ɨɤɧɚ Stepping ɫ ɫɨɯɪɚɧɟɧɢɟɦ ɜɫɟɯ ɫɞɟɥɚɧɧɵɯ ɢɡɦɟɧɟɧɢɣ.

Cancel. ȼɵɯɨɞ ɢɡ ɞɢɚɥɨɝɨɜɨɝɨ ɨɤɧɚ Stepping ɛɟɡ ɫɨɯɪɚɧɟɧɢɹ ɜɫɟɯ ɫɞɟ- ɥɚɧɧɵɯ ɢɡɦɟɧɟɧɢɣ.

Help. ȼɵɡɨɜ ɪɚɡɞɟɥɚ ɩɨɞɫɤɚɡɤɢ Stepping Dialog Box.

ɉɟɪɟɞ ɜɵɩɨɥɧɟɧɢɟɦ ɜɚɪɢɚɰɢɢ ɩɚɪɚɦɟɬɪɨɜ ɪɟɤɨɦɟɧɞɭɟɬɫɹ ɭɛɟɞɢɬɶɫɹ, ɱɬɨ ɦɨɞɟɥɢɪɨɜɚɧɢɟ ɜɵɩɨɥɧɹɟɬɫɹ ɛɟɡ ɨɲɢɛɨɤ ɩɪɢ ɧɨɦɢɧɚɥɶɧɨɦ ɡɧɚɱɟɧɢɢ ɩɚɪɚ- ɦɟɬɪɨɜ. ȿɳɟ ɪɚɡ ɨɛɪɚɳɚɟɦ ɜɧɢɦɚɧɢɟ, ɱɬɨ ɨɞɧɨɜɪɟɦɟɧɧɚɹ ɜɚɪɢɚɰɢɹ ɩɚɪɚ-

ɦɟɬɪɨɜ ɜ ɪɟɠɢɦɟ Stepping ɢ ɫɬɚɬɢɫɬɢɱɟɫɤɢɣ ɚɧɚɥɢɡ ɩɨ ɦɟɬɨɞɭ Ɇɨɧɬɟ-Ʉɚɪɥɨ ɧɟɜɨɡɦɨɠɧɵ.

ɉɪɢɦɟɪ ɦɧɨɝɨɜɚɪɢɚɧɬɧɨɝɨ ɚɧɚɥɢɡɚ ɩɟɪɟɯɨɞɧɨɣ ɯɚɪɚɤɬɟɪɢɫɬɢɤɢ ɨɩɟɪɚɰɢ- ɨɧɧɨɝɨ ɭɫɢɥɢɬɟɥɹ ɩɪɢ ɢɡɦɟɧɟɧɢɢ ɭɪɨɜɧɹ ɦɨɞɟɥɢ (ɩɚɪɚɦɟɬɪ LEVEL=1–3) ɩɪɢ- ɜɟɞɟɧ ɧɚ ɪɢɫ. 7.1. ɉɪɢɦɟɪ ɦɧɨɝɨɜɚɪɢɚɧɬɧɨɝɨ ɪɚɫɱɟɬɚ ɱɚɫɬɨɬɧɵɯ ɯɚɪɚɤɬɟɪɢ-

ɫɬɢɤ ɭɫɢɥɢɬɟɥɶɧɨɝɨ ɤɚɫɤɚɞɚ ɫ ɨɛɳɟɣ ɛɚɡɨɣ ɩɪɢ ɜɚɪɢɚɰɢɢ ɩɚɪɚɦɟɬɪɚ ɦɨɞɟɥɢ ɬɪɚɧɡɢɫɬɨɪɚ BF ɩɪɢɜɟɞɟɧ ɧɚ ɪɢɫ. 7.2. ɋɨɨɬɜɟɬɫɬɜɭɸɳɢɟ ɫɯɟɦɧɵɟ ɮɚɣɥɵ

Opamp_Levels.cir ɢ US_BJT_ɈȻ.cir ɦɨɠɧɨ ɩɨɫɦɨɬɪɟɬɶ ɜ ɤɚɬɚɥɨɝɟ Analysis\Stepping.

Ɉɝɪɚɧɢɱɟɧɢɹ ɧɚ ɜɚɪɢɚɰɢɢ ɩɚɪɚɦɟɬɪɨɜ

ɇɟɥɶɡɹ ɜɚɪɶɢɪɨɜɚɬɶ ɩɚɪɚɦɟɬɪɵ ɤɨɦɩɨɧɟɧɬɨɜ Transformer, User source,

Laplace source, Function source, ɡɚɜɢɫɢɦɵɯ ɢɫɬɨɱɧɢɤɨɜ SPICE (ɬɢɩɚ E, F, G ɢ ɇ).

ȼ ɡɚɤɥɸɱɟɧɢɟ ɨɬɦɟɬɢɦ, ɱɬɨ ɝɪɚɮɢɤɢ, ɩɨɥɭɱɟɧɧɵɟ ɩɭɬɟɦ ɦɧɨɝɨɜɚɪɢɚɧɬɧɨ- ɝɨ ɚɧɚɥɢɡɚ ɦɨɠɧɨ ɩɨɦɟɬɢɬɶ, ɱɬɨɛɵ ɡɧɚɬɶ, ɤɚɤɨɦɭ ɡɧɚɱɟɧɢɸ ɜɚɪɶɢɪɭɟɦɨɝɨ ɩɚ- ɪɚɦɟɬɪɚ ɫɨɨɬɜɟɬɫɬɜɭɟɬ ɤɚɠɞɚɹ ɤɪɢɜɚɹ. Ɉɫɭɳɟɫɬɜɥɹɟɬɫɹ ɷɬɨ ɫ ɩɨɦɨɳɶɸ ɤɨ-

ɦɚɧɞɵ SCOPE>Label Branches (ɪɢɫ. 7.2).

Ɋɟɚɥɶɧɵɟ ɤɨɦɩɨɧɟɧɬɵ ɷɥɟɤɬɪɨɧɧɵɯ ɫɯɟɦ ɜɫɟɝɞɚ ɢɦɟɸɬ ɨɩɪɟɞɟɥɟɧɧɵɣ ɪɚɡɛɪɨɫ ɩɚɪɚɦɟɬɪɨɜ. ɉɨɷɬɨɦɭ ɜɚɠɧɨɣ ɡɚɞɚɱɟɣ ɚɜɬɨɦɚɬɢɡɢɪɨɜɚɧɧɨɝɨ ɚɧɚɥɢɡɚ

ɷɥɟɤɬɪɨɧɧɵɯ ɫɯɟɦ ɹɜɥɹɟɬɫɹ ɢɫɫɥɟɞɨɜɚɧɢɟ ɩɨɜɟɞɟɧɢɹ ɷɥɟɤɬɪɨɧɧɨɣ ɫɯɟɦɵ ɜ ɫɥɭɱɚɟ, ɤɨɝɞɚ ɟɟ ɩɚɪɚɦɟɬɪɵ ɢɦɟɸɬ ɪɚɡɛɪɨɫ, ɚ ɧɟ ɠɟɫɬɤɨ ɡɚɞɚɧɵ. Ʉɚɤ ɩɪɚɜɢɥɨ, ɷɬɨ ɡɚɤɥɸɱɢɬɟɥɶɧɵɣ ɷɬɚɩ ɚɧɚɥɢɡɚ, ɜɵɩɨɥɧɹɟɦɵɣ ɩɨɫɥɟ ɬɨɝɨ, ɤɚɤ ɪɚɫɱɟɬɵ ɩɪɢ ɮɢɤɫɢɪɨɜɚɧɧɵɯ (ɧɨɦɢɧɚɥɶɧɵɯ) ɡɧɚɱɟɧɢɹɯ ɩɚɪɚɦɟɬɪɨɜ ɭɠɟ ɩɪɨɜɟɞɟɧɵ. MicroCap ɩɪɟɞɨɫɬɚɜɥɹɟɬ ɬɚɤɭɸ ɜɨɡɦɨɠɧɨɫɬɶ ɜ ɪɟɠɢɦɟ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-Ʉɚɪɥɨ (Monte Carlo). Ɂɚɤɥɚɞɤɚ Monte Carlo ɩɨɹɜɥɹɟɬɫɹ ɜ ɫɬɪɨɤɟ ɦɟɧɸ ɝɥɚɜɧɨɝɨ ɨɤɧɚ ɫɢɫɬɟɦɵ ɩɨɫɥɟ ɩɪɨɜɟɞɟɧɢɹ ɨɫɧɨɜɧɵɯ ɜɢɞɨɜ ɚɧɚɥɢɡɚ (Transient, AC, DC).

ȼɨ ɜɪɟɦɹ ɚɧɚɥɢɡɚ Monte Carlo ɩɪɨɢɡɜɨɞɢɬɫɹ ɦɧɨɠɟɫɬɜɨ ɡɚɩɭɫɤɨɜ ɩɪɨɰɟɫ- ɫɚ ɦɨɞɟɥɢɪɨɜɚɧɢɹ. Ⱦɥɹ ɤɚɠɞɨɝɨ ɜɚɪɢɚɧɬɚ ɫɨɡɞɚɟɬɫɹ ɧɨɜɚɹ ɫɯɟɦɚ, ɩɚɪɚɦɟɬɪɵ ɤɨɦɩɨɧɟɧɬɨɜ ɤɨɬɨɪɨɣ ɩɪɢɧɢɦɚɸɬ ɫɥɭɱɚɣɧɵɟ ɡɧɚɱɟɧɢɹ. ɉɪɨɰɟɫɫ ɜɵɛɨɪɚ ɱɢɫ- ɥɟɧɧɵɯ ɡɧɚɱɟɧɢɣ ɫɥɭɱɚɣɧɵɯ ɩɚɪɚɦɟɬɪɨɜ ɞɥɹ ɤɚɠɞɨɝɨ ɜɚɪɢɚɧɬɚ ɚɧɚɥɢɡɚ ɨɫɧɨ-

ɜɚɧ ɧɚ ɞɨɩɭɫɤɚɯ ɧɨɦɢɧɚɥɨɜ ɪɚɡɥɢɱɧɵɯ ɤɨɦɩɨɧɟɧɬɨɜ ɢ ɬɢɩɟ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɫɥɭɱɚɣɧɨɝɨ ɨɬɤɥɨɧɟɧɢɹ ɜ ɩɪɟɞɟɥɚɯ ɡɚɞɚɧɧɨɝɨ ɞɢɚɩɚɡɨɧɚ. ɉɨɫɥɟ ɩɪɨɜɟɞɟɧɢɹ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-Ʉɚɪɥɨ ɩɨɥɭɱɟɧɧɵɟ ɪɟɡɭɥɶɬɚɬɵ ɦɨɝɭɬ ɛɵɬɶ ɨɛɪɚɛɨɬɚɧɵ ɫ ɢɫ- ɩɨɥɶɡɨɜɚɧɢɟɦ ɮɭɧɤɰɢɣ Performance ɢ ɩɨɤɚɡɚɧɵ ɜ ɝɪɚɮɢɱɟɫɤɨɦ ɜɢɞɟ ɜ ɮɨɪɦɟ ɝɢɫɬɨɝɪɚɦɦɵ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɩɨɥɭɱɟɧɧɵɯ ɯɚɪɚɤɬɟɪɢɫɬɢɤ ɩɨ ɡɚɞɚɧɧɵɦ ɢɧɬɟɪ- ɜɚɥɚɦ, ɢɡ ɤɨɬɨɪɵɯ ɦɨɠɧɨ ɫɞɟɥɚɬɶ ɜɵɜɨɞ ɨ ɩɪɨɰɟɧɬɟ ɜɵɯɨɞɚ ɝɨɞɧɵɯ ɢɡɞɟɥɢɣ (ɷɥɟɤɬɪɨɧɧɵɯ ɫɯɟɦ) ɩɪɢ ɢɫɩɨɥɶɡɨɜɚɧɢɢ ɤɨɦɩɨɧɟɧɬɨɜ ɫ ɡɚɞɚɧɧɵɦɢ ɞɨɩɭɫɤɚɦɢ ɛɟɡ ɞɨɩɨɥɧɢɬɟɥɶɧɨɣ ɧɚɫɬɪɨɣɤɢ.

Ɉɫɨɛɟɧɧɨɫɬɢ ɚɧɚɥɢɡɚ Monte Carlo

xɉɨɥɶɡɨɜɚɬɟɥɶ ɦɨɠɟɬ ɨɩɪɟɞɟɥɹɬɶ ɧɚɱɚɥɶɧɨɟ ɡɧɚɱɟɧɢɟ (ɡɟɪɧɨ) ɝɟɧɟɪɚɬɨɪɚ ɫɥɭɱɚɣɧɨɣ ɩɨɫɥɟɞɨɜɚɬɟɥɶɧɨɫɬɢ;

xȾɨɛɚɜɥɟɧɨ ɞɢɚɥɨɝɨɜɨɟ ɨɤɧɨ ɭɫɬɚɧɨɜɤɢ ɞɨɩɭɫɤɨɜ ɩɚɪɚɦɟɬɪɨɜ ɤɨɦɩɨɧɟɧɬɨɜ Tolerance, ɞɨɫɬɭɩɧɨɟ ɤɚɤ ɢɡ ɨɤɧɚ ɫɯɟɦɧɨɝɨ ɪɟɞɚɤɬɨɪɚ ɬɚɤ ɢ ɢɡ ɨɤɧɚ Monte Carlo Options.

xɉɪɢ ɢɫɩɨɥɶɡɨɜɚɧɢɢ ɜ ɪɟɠɢɦɟ Cursor Mode ɮɭɧɤɰɢɢ Performance ɢɥɢ ɤɭɪ- ɫɨɪɧɨɣ ɮɭɧɤɰɢɢ ɜɵɛɨɪ ɜɚɪɢɚɧɬɚ ɚɧɚɥɢɡɚ ɩɪɢɜɨɞɢɬ ɤ ɩɨɤɚɡɭ ɟɟ ɡɧɚɱɟɧɢɹ.

xȼ MC10 ɚɧɚɥɢɡ Monte Carlo ɜɵɩɨɥɧɹɟɬɫɹ ɜ ɪɚɡɵ ɛɵɫɬɪɟɟ, ɡɚ ɫɱɟɬ ɩɨɞ- ɞɟɪɠɤɢ ɦɟɯɚɧɢɡɦɚ ɪɚɫɩɚɪɚɥɥɟɥɢɜɚɧɢɹ ɜɵɱɢɫɥɢɬɟɥɶɧɵɯ ɩɪɨɰɟɫɫɨɜ. ɇɚ ɞɜɭɯɹɞɟɪɧɨɦ ɩɪɨɰɟɫɫɨɪɟ ɭɫɤɨɪɟɧɢɟ ɜ 1.5 ɪɚɡɚ, ɧɚ ɱɟɬɵɪɟɯɹɞɟɪɧɨɦ — ɜ 3 ɪɚɡɚ.

xȼ ɨɤɧɟ ɭɫɬɚɧɨɜɨɤ ɩɚɪɚɦɟɬɪɨɜ ɚɧɚɥɢɡɚ Monte Carlo Options ɞɨɛɚɜɥɟɧ ɧɨɜɵɣ ɮɥɚɝ Eliminate Outliers. ȿɝɨ ɭɫɬɚɧɨɜɤɚ ɭɞɚɥɹɟɬ ɬɟ ɡɧɚɱɟɧɢɹ ɝɚɭɫɫɨɜɚ ɪɚɫ- ɩɪɟɞɟɥɟɧɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɵ, ɤɨɬɨɪɵɟ ɜɵɯɨɞɹɬ ɡɚ ɩɪɟɞɟɥɵ ɩɨɥɨɫɵ ɞɨɩɭɫɤɚ (MC10).

xɉɨɥɶɡɨɜɚɬɟɥɶ ɦɨɠɟɬ ɫɚɦ ɜɵɛɪɚɬɶ ɦɚɫɲɬɚɛɵ ɩɨ ɨɛɟɢɦ ɨɫɹɦ (X ɢ Y) ɝɢɫɬɨ-

ɝɪɚɦɦɵ (MC10).

xɇɚ ɝɢɫɬɨɝɪɚɦɦɟ ɬɟɩɟɪɶ ɭɤɚɡɵɜɚɟɬɫɹ ɤɨɥɢɱɟɫɬɜɨ ɜɚɪɢɚɧɬɨɜ ɚɧɚɥɢɡɚ ɜ ɩɨ-

ɡɢɰɢɢ Number of Runs (MC10).

xɇɚ ɜɟɪɲɢɧɟ ɝɢɫɬɨɝɪɚɦɦɧɨɝɨ ɫɬɨɥɛɢɤɚ ɬɟɩɟɪɶ ɦɨɠɧɨ ɜɵɜɨɞɢɬɶ ɤɚɤ ɩɪɨ- ɰɟɧɬɧɨɟ ɡɧɚɱɟɧɢɟ, ɬɚɤ ɢ ɤɨɥɢɱɟɫɬɜɨ ɩɨɩɚɞɚɧɢɣ (MC10).

ȼMicro-Cap ɞɨɩɭɫɤɢ ɦɨɝɭɬ ɢɦɟɬɶ ɬɨɥɶɤɨ ɩɚɪɚɦɟɬɪɵ ɦɨɞɟɥɟɣ ɢ ɫɢɦɜɨɥɶ- ɧɵɟ ɩɟɪɟɦɟɧɧɵɟ. Ʉ ɩɪɢɦɟɪɭ, ɱɬɨɛɵ ɩɨɥɭɱɢɬɶ ɜɨɡɦɨɠɧɨɫɬɶ ɩɪɨɜɟɫɬɢ ɚɧɚɥɢɡ

ɩɨɜɟɞɟɧɢɹ ɫɯɟɦɵ ɩɪɢ ɪɚɡɛɪɨɫɟ ɩɚɪɚɦɟɬɪɨɜ ɪɟɡɢɫɬɨɪɨɜ, ɞɥɹ ɧɢɯ ɧɭɠɧɨ ɧɟ ɩɪɨɫɬɨ ɡɚɞɚɬɶ ɧɨɦɢɧɚɥɶɧɵɟ ɡɧɚɱɟɧɢɹ ɫɨɩɪɨɬɢɜɥɟɧɢɹ, ɚ ɜɵɛɪɚɬɶ ɫɨɨɬɜɟɬɫɬ- ɜɭɸɳɢɟ ɦɨɞɟɥɢ.

7.2.1. Ɉɫɧɨɜɧɵɟ ɫɜɟɞɟɧɢɹ ɨɛ ɚɧɚɥɢɡɟ Ɇɨɧɬɟ-Ʉɚɪɥɨ

ɉɪɢ ɜɵɛɨɪɟ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-Ʉɚɪɥɨ ɩɪɨɢɫɯɨɞɢɬ ɚɧɚɥɢɡ ɦɧɨɠɟɫɬɜɚ ɫɯɟɦ. Ʉɚɠɞɚɹ ɫɯɟɦɚ ɤɨɧɫɬɪɭɢɪɭɟɬɫɹ ɢɡ ɤɨɦɩɨɧɟɧɬɨɜ, ɡɧɚɱɟɧɢɟ ɩɚɪɚɦɟɬɪɨɜ ɤɨɬɨɪɵɯ

ɦɨɠɟɬ ɩɪɢɧɢɦɚɬɶ ɫɥɭɱɚɣɧɨɟ ɡɧɚɱɟɧɢɟ ɩɨ ɡɚɞɚɧɧɨɦɭ ɡɚɤɨɧɭ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɜ ɩɪɟɞɟɥɚɯ ɡɚɞɚɧɧɨɝɨ ɞɢɚɩɚɡɨɧɚ (ɞɨɩɭɫɤɚ). Ⱦɨɩɭɫɤɢ ɡɚɞɚɸɬɫɹ ɜ ɦɨɞɟɥɢ ɤɨɦɩɨ- ɧɟɧɬɚ. Ⱦɨɩɭɫɤɢ ɨɛɵɱɧɨ ɭɤɚɡɵɜɚɸɬɫɹ ɜ ɚɛɫɨɥɸɬɧɵɯ ɟɞɢɧɢɰɚɯ ɢɥɢ ɜ ɩɪɨɰɟɧɬɚɯ ɨɬ ɧɨɦɢɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ.

Ⱦɨɩɭɫɤɢ ɞɥɹ ɩɚɪɚɦɟɬɪɨɜ ɦɨɞɟɥɢ

ȼ ɨɛɳɟɦ ɫɥɭɱɚɟ ɫɭɳɟɫɬɜɭɸɬ ɞɜɚ ɜɢɞɚ ɫɥɭɱɚɣɧɵɯ ɨɬɤɥɨɧɟɧɢɣ ɩɚɪɚɦɟɬɪɨɜ ɨɬ ɧɨɦɢɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ: ɤɨɪɪɟɥɢɪɨɜɚɧɧɨɟ (ɚɛɫɨɥɸɬɧɨɟ) ɨɬɤɥɨɧɟɧɢɟ LOT ɢ ɧɟɡɚɜɢɫɢɦɨɟ (ɨɬɧɨɫɢɬɟɥɶɧɨɟ) — DEV. Ⱦɥɹ ɤɚɠɞɨɣ ɦɨɞɟɥɢ ɤɨɦɩɨɧɟɧɬɚ ɦɨɝɭɬ ɛɵɬɶ ɭɤɚɡɚɧɵ ɤɚɤ ɨɛɚ ɜɢɞɚ ɨɬɤɥɨɧɟɧɢɣ, ɬɚɤ ɢ ɨɞɢɧ. Ʉɚɠɞɨɟ ɢɡ ɧɢɯ ɦɨɠɟɬ ɜɵ- ɪɚɠɚɬɶɫɹ ɜ ɚɛɫɨɥɸɬɧɵɯ ɟɞɢɧɢɰɚɯ ɢɥɢ ɤɚɤ ɩɪɨɰɟɧɬɧɨɟ ɨɬɤɥɨɧɟɧɢɟ ɨɬ ɧɨɦɢ- ɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ (ɫɦ. ɪɚɡɞɟɥ 4.9, ɞɢɪɟɤɬɢɜɚ .MODEL).

ɛɫɨɥɸɬɧɨɟ ɨɬɤɥɨɧɟɧɢɟ LOT ɞɚɟɬɫɹ ɨɞɧɨɜɪɟɦɟɧɧɨ ɜɫɟɦ ɭɤɚɡɚɧɧɵɦ ɩɚ- ɪɚɦɟɬɪɚɦ ɤɨɦɩɨɧɟɧɬɨɜ, ɢɦɟɸɳɢɦ ɨɞɧɭ ɢ ɬɭ ɠɟ ɦɨɞɟɥɶ. Ɉɬɧɨɫɢɬɟɥɶɧɨɟ ɨɬ- ɤɥɨɧɟɧɢɟ DEV ɞɚɟɬɫɹ ɜɫɟɦ ɭɤɚɡɚɧɧɵɦ ɩɚɪɚɦɟɬɪɚɦ ɪɚɡɥɢɱɧɵɯ ɤɨɦɩɨɧɟɧɬɨɜ ɨɬɞɟɥɶɧɨ, ɧɟɡɚɜɢɫɢɦɨ ɞɪɭɝ ɨɬ ɞɪɭɝɚ, ɞɚɠɟ ɟɫɥɢ ɨɧɢ ɢɦɟɸɬ ɨɞɧɭ ɢ ɬɭ ɠɟ ɦɨ- ɞɟɥɶ. ɉɪɢɱɟɦ, ɟɫɥɢ ɞɥɹ ɩɚɪɚɦɟɬɪɚ ɦɨɞɟɥɢ ɭɤɚɡɚɧɨ 2 ɨɬɤɥɨɧɟɧɢɹ ɢ LOT ɢ DEV, ɬɨ ɫɧɚɱɚɥɚ ɞɥɹ ɜɫɟɯ ɤɨɦɩɨɧɟɧɬɨɜ, ɢɦɟɸɳɢɯ ɭɤɚɡɚɧɧɭɸ ɦɨɞɟɥɶ, ɜɵɱɢɫ- ɥɹɸɬɫɹ ɫɥɭɱɚɣɧɵɟ ɡɧɚɱɟɧɢɹ ɩɚɪɚɦɟɬɪɚ ɫɨɝɥɚɫɧɨ ɡɧɚɱɟɧɢɸ LOT (ɨɧɢ ɛɭɞɭɬ ɤɨɪɪɟɥɢɪɨɜɚɧɧɵɦɢ ɢ ɜ ɫɥɭɱɚɟ ɨɞɢɧɚɤɨɜɨɝɨ ɡɧɚɱɟɧɢɹ ɩɚɪɚɦɟɬɪɚ — ɨɞɢɧɚɤɨ- ɜɵɦɢ), ɚ ɡɚɬɟɦ ɩɚɪɚɦɟɬɪɭ ɤɚɠɞɨɝɨ ɤɨɦɩɨɧɟɧɬɚ ɞɚɸɬɫɹ ɧɟɡɚɜɢɫɢɦɵɟ ɫɥɭɱɚɣ- ɧɵɟ ɨɬɤɥɨɧɟɧɢɹ, ɨɩɪɟɞɟɥɹɟɦɵɟ ɜɟɥɢɱɢɧɨɣ DEV.

Ɉɛɨɛɳɚɹ, ɦɨɠɧɨ ɫɤɚɡɚɬɶ, ɱɬɨ ɨɬɤɥɨɧɟɧɢɟ DEV ɜɜɟɞɟɧɨ ɞɥɹ ɭɱɟɬɚ ɪɚɡɛɪɨ- ɫɚ ɧɨɦɢɧɚɥɨɜ ɤɨɦɩɨɧɟɧɬɨɜ, ɢɡɝɨɬɚɜɥɢɜɚɟɦɵɯ ɜ ɟɞɢɧɨɦ ɬɟɯɧɨɥɨɝɢɱɟɫɤɨɦ ɩɪɨ- ɰɟɫɫɟ.

Ɏɨɪɦɚɬ ɡɚɞɚɧɢɹ ɞɨɩɭɫɤɨɜ ɩɚɪɚɦɟɬɪɨɜ ɜ ɦɨɞɟɥɶɧɨɣ ɫɬɪɨɤɟ ɫɥɟɞɭɸɳɢɣ: [LOT[t&d]=<value>[%]] [DEV[t&d]=<value>[%]]

ɉɪɢɦɟɪɵ:

x.MODEL N1 NPN (BF=300 LOT=10%) — ɦɨɞɟɥɶɧɚɹ ɫɬɪɨɤɚ ɡɚɞɚɟɬ 10% ɚɛɫɨ-

ɥɸɬɧɨɟ ɨɬɤɥɨɧɟɧɢɟ ɩɚɪɚɦɟɬɪɚ BF ɛɢɩɨɥɹɪɧɨɝɨ ɬɪɚɧɡɢɫɬɨɪɚ ɫ ɦɨɞɟɥɶɸ N1.

ȼɷɬɨɦ ɩɪɢɦɟɪɟ ɩɪɢ ɢɫɩɨɥɶɡɨɜɚɧɢɢ ɜ ɚɧɚɥɢɡɟ Ɇɨɧɬɟ-Ʉɚɪɥɨ ɪɚɫɩɪɟɞɟɥɟ- ɧɢɹ WORST CASE (ɧɚɢɯɭɞɲɢɣ ɫɥɭɱɚɣ) ɜɫɟ ɬɪɚɧɡɢɫɬɨɪɵ, ɢɦɟɸɳɢɟ ɦɨɞɟɥɶ N1, ɛɭɞɭɬ ɢɦɟɬɶ ɩɪɹɦɨɟ Beta 270 (ɥɢɛɨ 330). ȿɫɥɢ ɛɭɞɟɬ ɢɫɩɨɥɶɡɨɜɚɧɨ ɪɚɫ- ɩɪɟɞɟɥɟɧɢɟ GAUSS (Ƚɚɭɫɫɚ), ɬɨ BF ɜɫɟɯ ɬɪɚɧɡɢɫɬɨɪɨɜ ɫ ɦɨɞɟɥɶɸ N1 ɩɪɢɦɟɬ ɡɧɚɱɟɧɢɟ, ɨɩɪɟɞɟɥɹɟɦɨɟ ɪɚɫɩɪɟɞɟɥɟɧɢɟɦ Ƚɚɭɫɫɚ ɫɨ ɫɬɚɧɞɚɪɬɧɨɣ ɞɟɜɢɚɰɢɟɣ (standard deviation), ɡɚɜɢɫɹɳɟɣ ɨɬ ɧɨɦɢɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ (300) ɢ ɞɨɩɭɫɤɚ (10%). ȿɫɥɢ ɡɚɞɚɧɨ ɪɚɫɩɪɟɞɟɥɟɧɢɟ UNIFORM (ɪɚɜɧɨɦɟɪɧɨɟ) ɩɚɪɚɦɟɬɪ BF ɜɫɟɯ ɬɪɚɧɡɢɫɬɨɪɨɜ ɫ ɦɨɞɟɥɶɸ N1 ɛɭɞɟɬ ɜɵɛɪɚɧ ɢɡ ɞɢɚɩɚɡɨɧɚ 270-330 ɫɥɭɱɚɣ- ɧɵɦ ɨɛɪɚɡɨɦ ɫ ɨɞɢɧɚɤɨɜɨɣ ɜɟɪɨɹɬɧɨɫɬɶɸ ɞɥɹ ɥɸɛɨɝɨ ɡɧɚɱɟɧɢɹ ɜɧɭɬɪɢ ɞɢɚɩɚ- ɡɨɧɚ. Ȼɭɞɟɬ ɥɢ ɤɨɪɪɟɥɢɪɨɜɚɧɧɵɦ ɪɚɡɛɪɨɫ BF ɞɥɹ ɬɪɚɧɡɢɫɬɨɪɨɜ ɫ ɨɞɢɧɚɤɨɜɨɣ

ɦɨɞɟɥɶɸ N1 ɡɚɜɢɫɢɬ ɨɬ ɫɨɫɬɨɹɧɢɹ ɮɥɚɝɚ PRIVATEANALOG ɨɤɧɚ Global Settings. Ɉɬɦɟɬɢɦ, ɱɬɨ ɜɫɟ ɫɤɚɡɚɧɧɨɟ ɨɬɧɨɫɢɬɫɹ ɤ ɨɞɧɨɦɭ ɜɚɪɢɚɧɬɭ ɪɚɫɱɟɬɚ ɜ ɩɪɟɞɟɥɚɯ ɩɨɥɧɨɝɨ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-Ʉɚɪɥɨ, ɫɨɫɬɨɹɳɟɝɨ ɢɡ ɪɚɫɱɟɬɚ ɡɚɞɚɧɧɨɝɨ ɤɨɥɢɱɟɫɬɜɚ ɜɚɪɢɚɧɬɨɜ.

x.MODEL N1 NPN (BF=300 DEV=1%) — ɦɨɞɟɥɶɧɚɹ ɫɬɪɨɤɚ ɡɚɞɚɟɬ 1% ɨɬɧɨɫɢ-

ɬɟɥɶɧɨɟ ɨɬɤɥɨɧɟɧɢɟ ɩɚɪɚɦɟɬɪɚ BF ɛɢɩɨɥɹɪɧɨɝɨ ɬɪɚɧɡɢɫɬɨɪɚ ɫ ɦɨɞɟɥɶɸ N1.

Ⱦɨɩɭɫɤ DEV ɡɚɞɚɟɬ ɨɬɧɨɫɢɬɟɥɶɧɨɟ ɫɥɭɱɚɣɧɨɟ ɨɬɤɥɨɧɟɧɢɟ ɩɚɪɚɦɟɬɪɚ. ȼɟ- ɥɢɱɢɧɚ DEV=0% ɫɨɨɬɜɟɬɫɬɜɭɟɬ ɢɞɟɚɥɶɧɨɦɭ ɬɟɯɧɨɥɨɝɢɱɟɫɤɨɦɭ ɩɪɨɰɟɫɫɭ, ɩɪɢ ɤɨɬɨɪɨɦ ɨɬɤɥɨɧɟɧɢɹ ɩɨɥɧɨɫɬɶɸ ɤɨɧɬɪɨɥɢɪɭɸɬɫɹ ɢ ɧɟ ɜɵɯɨɞɹɬ ɡɚ ɩɪɟɞɟɥɵ ɡɚ- ɞɚɧɧɨɝɨ ɪɚɡɛɪɨɫɚ. Ɉɞɧɨɩɪɨɰɟɧɬɧɵɣ ɞɨɩɭɫɤ ɬɢɩɚ DEV ɩɨɞɪɚɡɭɦɟɜɚɟɬ, ɱɬɨ ɩɚ- ɪɚɦɟɬɪ BF ɤɚɠɞɨɝɨ ɬɪɚɧɡɢɫɬɨɪɚ ɫ ɦɨɞɟɥɶɸ N1 ɩɪɢɧɢɦɚɟɬ ɡɧɚɱɟɧɢɹ, ɨɬɥɢ-

ɱɚɸɳɢɟɫɹ ɨɬ ɧɨɦɢɧɚɥɶɧɨɝɨ ɧɚ r1% (ɜ ɫɥɭɱɚɟ ɢɫɩɨɥɶɡɨɜɚɧɢɹ ɪɚɫɩɪɟɞɟɥɟɧɢɹ WORST CASE). Ɂɚɞɚɧɢɟ ɞɨɩɭɫɤɚ DEV ɩɨɞɪɚɡɭɦɟɜɚɟɬ ɪɚɡɞɟɥɟɧɢɟ ɦɨɞɟɥɟɣ ɜɫɟɯ ɤɨɦɩɨɧɟɧɬɨɜ ɩɪɢ ɚɧɚɥɢɡɟ, ɞɚɠɟ ɟɫɥɢ ɨɧɢ ɢɦɟɸɬ ɨɛɳɭɸ ɦɨɞɟɥɶ ɢ ɮɥɚɝɢ

PRIVATEANALOG ɢ PRIVATEDIGITAL ɜ ɨɤɧɟ Global Settings ɫɛɪɨɲɟɧɵ. Ɍ.ɟ.

ɞɥɹ ɞɚɧɧɨɝɨ ɩɪɢɦɟɪɚ ɡɧɚɱɟɧɢɹ BF ɤɚɠɞɨɝɨ ɬɪɚɧɡɢɫɬɨɪɚ ɫ ɦɨɞɟɥɶɸ N1 ɛɭɞɟɬ ɧɟɡɚɜɢɫɢɦɨ ɫɥɭɱɚɣɧɵɦ ɨɛɪɚɡɨɦ ɩɪɢɧɢɦɚɬɶ ɨɞɧɨ ɢɡ ɞɜɭɯ ɡɧɚɱɟɧɢɣ ɥɢɛɨ 297, ɥɢɛɨ 303 ɜ ɨɞɧɨɦ ɫɟɚɧɫɟ ɚɧɚɥɢɡɚ.

x.MODEL N1 NPN (BF=300 LOT=10% DEV=1%) — ɦɨɞɟɥɶɧɚɹ ɫɬɪɨɤɚ ɡɚɞɚɟɬ

10% ɚɛɫɨɥɸɬɧɵɣ ɞɨɩɭɫɤ LOT ɢ 1% ɨɬɧɨɫɢɬɟɥɶɧɵɣ ɞɨɩɭɫɤ DEV ɞɥɹ ɩɚɪɚ- ɦɟɬɪɚ BF ɛɢɩɨɥɹɪɧɨɝɨ ɬɪɚɧɡɢɫɬɨɪɚ ɫ ɦɨɞɟɥɶɸ N1.

Ⱦɨɩɭɫɬɢɦ, ɩɪɢ ɩɪɨɜɟɞɟɧɢɢ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-Ʉɚɪɥɨ ɡɚɞɚɧɨ ɪɚɫɩɪɟɞɟɥɟɧɢɟ WORST CASE (ɧɚɢɯɭɞɲɢɣ ɫɥɭɱɚɣ). ȼ ɬɟɤɭɳɟɦ ɫɟɚɧɫɟ ɚɧɚɥɢɡɚ ɫɧɚɱɚɥɚ ɜɵɛɢ- ɪɚɟɬɫɹ ɫɥɭɱɚɣɧɵɦ ɨɛɪɚɡɨɦ ɨɞɧɨ ɢɡ 10% LOT ɨɬɤɥɨɧɟɧɢɣ, ɫɨɨɬɜɟɬɫɬɜɭɸɳɢɯ ɧɚɢɯɭɞɲɟɦɭ ɫɥɭɱɚɸ, ɬ.ɟ. BF ɜɫɟɯ ɬɪɚɧɡɢɫɬɨɪɨɜ ɫ ɦɨɞɟɥɶɸ N1 ɩɪɢɧɢɦɚɟɬɫɹ ɪɚɜɧɵɦ ɥɢɛɨ 270 (ɥɢɛɨ 330):

BF = 270 = 300 – 0.1 (300)

BF = 330 = 300 +0.1 (300)

ɉɪɟɞɩɨɥɨɠɢɦ, ɱɬɨ ɜ ɬɟɤɭɳɟɦ ɫɟɚɧɫɟ ɚɧɚɥɢɡɚ ɜɵɛɪɚɧɨ ɫɥɭɱɚɣɧɵɦ ɨɛɪɚɡɨɦ BF=330. Ɍɚɤɢɦ ɨɛɪɚɡɨɦ, ɧɚ ɩɟɪɜɨɦ ɷɬɚɩɟ ɪɚɫɱɟɬɚ ɩɚɪɚɦɟɬɪɨɜ ɦɨɞɟɥɟɣ ɫ ɞɨ- ɩɭɫɤɚɦɢ, BF ɜɫɟɯ ɬɪɚɧɡɢɫɬɨɪɨɜ ɫ ɦɨɞɟɥɶɸ N1 ɩɪɢɧɢɦɚɟɬɫɹ ɪɚɜɧɵɦ 330. Ɂɚɬɟɦ ɞɥɹ ɤɚɠɞɨɝɨ ɢɡ ɭɤɚɡɚɧɧɵɯ ɬɪɚɧɡɢɫɬɨɪɨɜ ɞɚɟɬɫɹ ɧɟɡɚɜɢɫɢɦɨɟ ɫɥɭɱɚɣɧɨɟ ɨɬɤɥɨ-

ɧɟɧɢɟ BF, ɨɩɪɟɞɟɥɹɟɦɨɟ ɞɨɩɭɫɤɨɦ DEV, ɪɚɜɧɨɟ ɞɥɹ ɧɚɢɯɭɞɲɟɝɨ ɫɥɭɱɚɹ r1%: 327=330 –0.01 300

333=330 +0.01 300

Ɍɚɤɢɦ ɨɛɪɚɡɨɦ, ɜ ɬɟɤɭɳɟɦ ɫɟɚɧɫɟ ɚɧɚɥɢɡɚ ɭ ɨɞɧɢɯ ɬɪɚɧɡɢɫɬɨɪɨɜ ɫ ɦɨɞɟ- ɥɶɸ N1 ɩɚɪɚɦɟɬɪ BF ɛɭɞɟɬ ɪɚɜɟɧ 327, ɚ ɭ ɞɪɭɝɢɯ — 333.

ɧɚɥɨɝɢɱɧɨ, ɟɫɥɢ ɜ ɬɟɤɭɳɟɦ ɫɟɚɧɫɟ ɪɚɫɱɟɬɚ ɫɨɝɥɚɫɧɨ ɞɨɩɭɫɤɭ LOT, BF ɜɵɛɪɚɧɨ ɫɥɭɱɚɣɧɵɦ ɨɛɪɚɡɨɦ ɪɚɜɧɵɦ 270, ɧɚ ɜɬɨɪɨɦ ɷɬɚɩɟ ɩɚɪɚɦɟɬɪɭ BF ɤɚ- ɠɞɨɝɨ ɬɪɚɧɡɢɫɬɨɪɚ ɫ ɦɨɞɟɥɶɸ N1 ɞɚɟɬɫɹ ɧɟɡɚɜɢɫɢɦɨɟ ɫɥɭɱɚɣɧɨɟ ɨɬɤɥɨɧɟɧɢɟ r3, ɨɩɪɟɞɟɥɹɟɦɨɟ ɡɧɚɱɟɧɢɟɦ ɞɨɩɭɫɤɚ DEV ɢ ɡɚɤɨɧɨɦ ɪɚɫɩɪɟɞɟɥɟɧɢɹ WORST

CASE:

267 = 270 –.01 300

273 = 270 + .01 300

ɇɚ ɪɢɫ. 7.3, ɚ RE ɬɪɚɧɡɢɫɬɨɪɚ Q1 ɢɦɟɟɬ ɫɥɭɱɚɣɧɵɣ ɪɚɡɛɪɨɫ, ɧɟɡɚɜɢɫɢ- ɦɵɣ ɨɬ ɫɥɭɱɚɣɧɨɝɨ ɪɚɡɛɪɨɫɚ RE ɬɪɚɧɡɢɫɬɨɪɚ Q2 (ɨɧɢ ɫɨɡɞɚɸɬɫɹ ɪɚɡɧɵɦɢ ɝɟ- ɧɟɪɚɬɨɪɚɦɢ ɫɥɭɱɚɣɧɵɯ ɱɢɫɟɥ). ȼ ɩɪɢɦɟɪɟ ɪɢɫ. 7.3, ɛ ɫɨɩɪɨɬɢɜɥɟɧɢɹ RE ɨɛɨɢɯ ɬɪɚɧɡɢɫɬɨɪɨɜ Q1 ɢ Q2 ɢɦɟɸɬ ɤɨɪɪɟɥɢɪɨɜɚɧɧɵɣ ɪɚɡɛɪɨɫ, ɨɞɧɚɤɨ ɢɯ ɡɧɚɱɟɧɢɹ ɧɟ ɛɭɞɭɬ ɨɞɢɧɚɤɨɜɵɦɢ ɢɡ-ɡɚ ɪɚɡɥɢɱɢɹ ɧɨɦɢɧɚɥɨɜ. ȼ ɫɥɟɞɭɸɳɟɦ ɩɪɢɦɟɪɟ (ɪɢɫ. 7.3, ɜ) ɫɥɭɱɚɣɧɵɟ ɪɚɡɛɪɨɫɵ RE (ɜ ɩɪɟɞɟɥɚɯ ɡɚɞɚɧɧɨɝɨ ɞɢɚɩɚɡɨɧɚ LOT) ɨɛɨɢɯ ɬɪɚɧɡɢɫɬɨɪɨɜ ɤɨɪɪɟɥɢɪɨɜɚɧɵ, ɨɞɧɚɤɨ ɜ ɰɟɥɨɦ ɪɚɡɛɪɨɫɵ ɧɟ ɫɜɹɡɚɧɵ ɢɡ- ɡɚ ɢɫɩɨɥɶɡɨɜɚɧɢɹ ɪɚɡɥɢɱɧɵɯ ɝɟɧɟɪɚɬɨɪɨɜ ɞɥɹ DEV. DEV ɡɚɞɚɟɬ ɨɬɧɨɫɢɬɟɥɶ-

ɧɨɟ ɢɡɦɟɧɟɧɢɟ ɩɚɪɚɦɟɬɪɚ ɜ ɩɪɨɰɟɧɬɚɯ ɜ ɫɬɨɪɨɧɭ ɭɜɟɥɢɱɟɧɢɹ ɢɥɢ ɭɦɟɧɶɲɟɧɢɹ ɩɨɫɥɟ ɜɵɱɢɫɥɟɧɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɵ ɩɨ ɡɧɚɱɟɧɢɸ LOT ɜ ɫɨɨɬɜɟɬɫɬɜɢɢ ɫ ɡɚɞɚɧɧɵɦ ɡɚɤɨɧɨɦ ɪɚɫɩɪɟɞɟɥɟɧɢɹ (ɫɦ. ɩɪɢɦɟɪɵ Correlation.cir,

Correlation_lot&dev.cir ɢɡ ɤɚɬɚɥɨɝɚ Analysis\Monte Carlo).

Ⱦɨɩɭɫɤɢ ɡɧɚɱɟɧɢɣ ɫɢɦɜɨɥɶɧɵɯ ɩɟɪɟɦɟɧɧɵɯ

ɋɢɦɜɨɥɶɧɵɟ ɩɚɪɚɦɟɬɪɵ, ɫɨɡɞɚɜɚɟɦɵɟ ɞɢɪɟɤɬɢɜɨɣ .DEFINE, ɬɚɤɠɟ ɦɨɝɭɬ ɢɦɟɬɶ ɞɨɩɭɫɤɢ.

Ɏɨɪɦɚɬ ɫɢɦɜɨɥɶɧɨɣ ɩɟɪɟɦɟɧɧɨɣ ɫ ɞɨɩɭɫɤɨɦ ɫɥɟɞɭɸɳɢɣ:

.DEFINE [{lotspec}] <ɢɦɹ ɩɟɪɟɦɟɧɧɨɣ> <ɜɵɪɚɠɟɧɢɟ>,

ɝɞɟ ɮɨɪɦɚɬ lotspec ɩɨɞɨɛɟɧ ɪɚɫɫɦɨɬɪɟɧɧɨɦɭ ɜɵɲɟ ɮɨɪɦɚɬɭ ɡɚɞɚɧɢɹ ɫɥɭɱɚɣ- ɧɵɯ ɨɬɤɥɨɧɟɧɢɣ, ɡɚ ɢɫɤɥɸɱɟɧɢɟɦ ɧɟɜɨɡɦɨɠɧɨɫɬɢ ɢɫɩɨɥɶɡɨɜɚɧɢɹ ɧɟɡɚɜɢɫɢɦɵɯ ɨɬɧɨɫɢɬɟɥɶɧɵɯ ɞɨɩɭɫɤɨɜ DEV:

[LOT[t&d]=<ɡɧɚɱɟɧɢɟ>[%]].

[t&d] — ɭɤɚɡɵɜɚɟɬ ɧɨɦɟɪ ɫɥɭɱɚɣɧɨɣ ɩɨɫɥɟɞɨɜɚɬɟɥɶɧɨɫɬɢ ɢ ɜɢɞ ɪɚɫɩɪɟ- ɞɟɥɟɧɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɵ, ɢɫɩɨɥɶɡɭɹ ɨɛɵɱɧɵɣ ɮɨɪɦɚɬ:

[/<lot#>][/<ɢɦɹ ɪɚɫɩɪɟɞɟɥɟɧɢɹ>]

ɉɪɢɦɟɪɵ:

.DEFINE {LOT/1/GAUSS=10%} RATE 100

Ⱦɢɪɟɤɬɢɜɚ ɨɩɪɟɞɟɥɹɟɬ ɩɟɪɟɦɟɧɧɭɸ RATE, ɢɦɟɸɳɭɸ ɧɨɦɢɧɚɥɶɧɨɟ ɡɧɚɱɟ- ɧɢɟ 100 ɢ 10% ɫɥɭɱɚɣɧɨɟ ɨɬɤɥɨɧɟɧɢɟ, ɩɨɞɱɢɧɹɸɳɟɟɫɹ ɪɚɫɩɪɟɞɟɥɟɧɢɸ Ƚɚɭɫɫɚ ɧɚ ɨɫɧɨɜɟ ɩɟɪɜɨɝɨ ɝɟɧɟɪɚɬɨɪɚ ɫɥɭɱɚɣɧɵɯ ɱɢɫɟɥ.

.DEFINE {LOT/3/UNIFORM=20%} VOLTAIRE 100

Ⱦɢɪɟɤɬɢɜɚ ɨɩɪɟɞɟɥɹɟɬ ɩɟɪɟɦɟɧɧɭɸ VOLTAIRE ɫ ɧɨɦɢɧɚɥɶɧɵɦ ɡɧɚɱɟɧɢɟɦ 100, ɢɦɟɸɳɭɸ 20% ɫɥɭɱɚɣɧɨɟ ɨɬɤɥɨɧɟɧɢɟ, ɤɨɬɨɪɨɟ ɩɨɞɱɢɧɹɟɬɫɹ ɪɚɜɧɨɦɟɪ- ɧɨɦɭ ɡɚɤɨɧɭ ɪɚɫɩɪɟɞɟɥɟɧɢɹ. Ⱦɥɹ ɝɟɧɟɪɚɰɢɢ ɫɥɭɱɚɣɧɨɝɨ ɨɬɤɥɨɧɟɧɢɹ ɢɫɩɨɥɶɡɭ- ɟɬɫɹ 3-ɢɣ ɝɟɧɟɪɚɬɨɪ ɫɥɭɱɚɣɧɵɯ ɱɢɫɟɥ.

ȼ ɜɟɪɫɢɢ MC10 ɞɥɹ ɡɚɞɚɧɢɹ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɵ ɦɨɝɭɬ ɛɵɬɶ ɢɫɩɨɥɶɡɨɜɚɧɵ ɧɨɜɵɟ ɮɭɧɤɰɢɢ AGAUSS, GAUSS, UNIF, ɢ AUNIF. ɇɚɩɪɢ- ɦɟɪ, ɟɫɥɢ ɜ ɩɨɥɟ VALUE ɪɟɡɢɫɬɨɪɚ ɡɚɞɚɬɶ agauss(1k,100,2) ɷɬɨ ɛɭɞɟɬ ɨɡɧɚ- ɱɚɬɶ ɱɬɨ ɪɟɡɢɫɬɨɪ ɧɨɦɢɧɚɥɨɦ 1k resistor ɢɦɟɟɬ ɞɨɩɭɫɤ 100 Ɉɦ ɩɪɢ ɤɨɷɮɮɢɰɢ- ɟɧɬɟ ɫɬɚɧɞɚɪɬɧɨɝɨ ɨɬɤɥɨɧɟɧɢɹ 2. ȼ ɷɬɨɦ ɫɥɭɱɚɟ ɫɬɚɧɞɚɪɬɧɨɟ ɨɬɤɥɨɧɟɧɢɟ ɧɫɨ- ɩɪɨɬɢɜɥɟɧɢɹ ɪɟɡɢɫɬɨɪɚ ɨɬ ɧɨɦɢɧɚɥɚ 50=100/2.

Ɂɚɜɢɫɢɦɨɫɬɶ ɤɨɪɪɟɥɹɰɢɢ ɞɨɩɭɫɤɨɜ ɨɬ ɫɨɫɬɨɹɧɢɹ ɮɥɚɝɨɜ

PRIVATEANALOG ɢ PRIVATEDIGITAL

1. ȿɫɥɢ ɢɫɩɨɥɶɡɭɸɬɫɹ ɞɨɩɭɫɤɢ ɬɢɩɚ DEV, ɬɨ ɩɚɪɚɦɟɬɪɵ ɜɫɟɯ ɤɨɦɩɨɧɟɧɬɨɜ, ɢɦɟɸɳɢɯ ɨɞɢɧɚɤɨɜɵɟ ɦɨɞɟɥɢ, ɩɨɥɭɱɚɸɬ ɧɟɡɚɜɢɫɢɦɨɟ (ɧɟɤɨɪɪɟɥɢɪɨɜɚɧɧɨɟ) ɫɥɭɱɚɣɧɨɟ ɨɬɤɥɨɧɟɧɢɟ, ɧɟɡɚɜɢɫɢɦɨ ɨɬ ɫɨɫɬɨɹɧɢɹ ɮɥɚɝɨɜ PRIVATEANALOG ɢ RIVATEDIGITAL ɜ ɨɤɧɟ Global Settings. ɉɪɢ ɷɬɨɦ ɩɚɪɚɦɟɬɪɵ ɭɤɚɡɚɧɧɵɯ ɤɨɦɩɨ-

ɧɟɧɬɨɜ ɦɨɝɭɬ ɢɦɟɬɶ ɪɚɡɥɢɱɧɵɟ ɡɧɚɱɟɧɢɹ ɜ ɨɞɧɨɦ ɫɟɚɧɫɟ ɪɚɫɱɟɬɚ ɬɨɥɶɤɨ ɜ ɬɨɦ ɫɥɭɱɚɟ, ɟɫɥɢ ɞɨɩɭɫɤ DEV ɨɬɥɢɱɟɧ ɨɬ ɧɭɥɹ.

2.ȿɫɥɢ ɞɨɩɭɫɤɢ ɬɢɩɚ DEV ɧɟ ɢɫɩɨɥɶɡɭɸɬɫɹ ɢ ɮɥɚɝɢ PRIVATEANALOG ɢ RIVATEDIGITAL ɜ ɨɤɧɟ Global Settings ɫɛɪɨɲɟɧɵ, ɬɨɝɞɚ ɩɚɪɚɦɟɬɪɵ ɤɨɦɩɨɧɟɧ- ɬɨɜ, ɢɦɟɸɳɢɯ ɨɞɢɧɚɤɨɜɵɟ ɦɨɞɟɥɢ, ɛɭɞɭɬ ɩɪɢɧɢɦɚɬɶ ɨɞɢɧɚɤɨɜɵɟ ɡɧɚɱɟɧɢɹ ɜ ɨɞɧɨɦ ɫɟɚɧɫɟ ɚɧɚɥɢɡɚ.

3.ȿɫɥɢ ɞɨɩɭɫɤɢ ɬɢɩɚ DEV ɧɟ ɢɫɩɨɥɶɡɭɸɬɫɹ ɢ ɮɥɚɝɢ PRIVATEANALOG ɢ RIVATEDIGITAL ɜ ɨɤɧɟ Global Settings ɭɫɬɚɧɨɜɥɟɧɵ, ɬɨɝɞɚ ɩɚɪɚɦɟɬɪɵ ɤɨɦɩɨ- ɧɟɧɬɨɜ, ɢɦɟɸɳɢɯ ɨɞɢɧɚɤɨɜɵɟ ɦɨɞɟɥɢ, ɦɨɝɭɬ ɩɪɢɧɢɦɚɬɶ ɪɚɡɧɵɟ ɡɧɚɱɟɧɢɹ ɜ ɨɞɧɨɦ ɫɟɚɧɫɟ ɚɧɚɥɢɡɚ, ɟɫɥɢ ɞɨɩɭɫɤ (ɜ ɞɚɧɧɨɦ ɫɥɭɱɚɟ ɬɨɥɶɤɨ LOT) ɨɬɥɢɱɟɧ ɨɬ ɧɭɥɹ.

Ɂɚɤɨɧɵ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɵ

Ⱦɟɣɫɬɜɢɬɟɥɶɧɵɟ ɜɟɥɢɱɢɧɵ, ɩɪɢɫɜɚɢɜɚɟɦɵɟ ɩɚɪɚɦɟɬɪɚɦ ɷɥɟɦɟɧɬɨɜ, ɢɦɟɸɳɢɦ ɪɚɡɛɪɨɫ, ɡɚɜɢɫɹɬ ɧɟ ɬɨɥɶɤɨ ɨɬ ɜɟɥɢɱɢɧɵ ɞɨɩɭɫɤɚ, ɧɨ ɢ ɨɬ ɡɚɤɨɧɚ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɫɥɭɱɚɣɧɨɝɨ ɨɬɤɥɨɧɟɧɢɹ ɨɬ ɧɨɦɢɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ.

1. Ɋɚɫɩɪɟɞɟɥɟɧɢɟ WORST CASE (ɧɚɢɯɭɞɲɢɣ ɫɥɭɱɚɣ) ɝɟɧɟɪɢɪɭɟɬ ɫɥɭɱɚɣ- ɧɵɦ ɨɛɪɚɡɨɦ ɷɤɫɬɪɟɦɚɥɶɧɵɟ ɡɧɚɱɟɧɢɹ ɧɚ ɝɪɚɧɢɰɚɯ ɞɢɚɩɚɡɨɧɚ. Ɉɧɨ ɫɨɨɬɜɟɬ- ɫɬɜɭɟɬ ɪɚɜɧɨɣ ɜɟɪɨɹɬɧɨɫɬɢ (0.5) ɩɪɢɧɹɬɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɨɣ ɦɢɧɢɦɚɥɶɧɨ ɜɨɡɦɨɠɧɨɝɨ ɢ ɦɚɤɫɢɦɚɥɶɧɨ ɜɨɡɦɨɠɧɨɝɨ ɡɧɚɱɟɧɢɹ (ɫɦ. ɩɪɢɦɟɪɵ carlo2.cir, Gauss.cir ɢɡ ɤɚɬɚɥɨɝɚ Analysis\Monte Carlo). Ⱦɜɚ ɜɨɡɦɨɠɧɵɯ ɡɧɚɱɟɧɢɹ ɩɚɪɚ- ɦɟɬɪɚ ɨɩɪɟɞɟɥɹɸɬɫɹ ɩɨ ɮɨɪɦɭɥɚɦ:

Min = <ɇɨɦɢɧ ɥɶɧɨɟ ɡɧ ɱɟɧɢɟ> – <Ⱦɨɩɭɫɤ>; Max = <ɇɨɦɢɧ ɥɶɧɨɟ ɡɧ ɱɟɧɢɟ> + <Ⱦɨɩɭɫɤ>.

2.Ɋɚɫɩɪɟɞɟɥɟɧɢɟ UNIFORM (ɪɚɜɧɨɦɟɪɧɨɟ) — ɨɡɧɚɱɚɟɬ ɨɞɢɧɚɤɨɜɭɸ ɜɟ- ɪɨɹɬɧɨɫɬɶ ɩɪɢɧɹɬɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɨɣ ɥɸɛɨɝɨ ɡɧɚɱɟɧɢɹ ɜɧɭɬɪɢ ɞɢɚɩɚɡɨɧɚ, ɨɩɪɟɞɟɥɹɟɦɨɝɨ ɩɚɪɚɦɟɬɪɨɦ ɦɨɞɟɥɢ — ɜɟɥɢɱɢɧɨɣ ɞɨɩɭɫɤɚ (LOT, DEV). Ɂɧɚ-

ɱɟɧɢɟ ɩɚɪɚɦɟɬɪɚ ɩɪɢɧɢɦɚɟɬ ɫ ɨɞɢɧɚɤɨɜɨɣ ɜɟɪɨɹɬɧɨɫɬɶɸ ɥɸɛɨɟ ɡɧɚɱɟɧɢɟ ɜɧɭɬɪɢ ɞɢɚɩɚɡɨɧɚ {<ɇɨɦɢɧɚɥɶɧɨɟ ɡɧɚɱɟɧɢɟ>–<Ⱦɨɩɭɫɤ>}…{<ɇɨɦɢɧɚɥɶɧɨɟ ɡɧɚɱɟɧɢɟ>+<Ⱦɨɩɭɫɤ>}.

3.Ɋɚɫɩɪɟɞɟɥɟɧɢɟ GAUSS (Ƚɚɭɫɫɚ) ɝɟɧɟɪɢɪɭɟɬ ɡɧɚɱɟɧɢɹ ɫ ɩɥɚɜɧɨ ɭɛɵ- ɜɚɸɳɟɣ ɩɥɨɬɧɨɫɬɶɸ ɜɟɪɨɹɬɧɨɫɬɢ ɨɬ ɰɟɧɬɪɚɥɶɧɨɝɨ (ɧɨɦɢɧɚɥɶɧɨɝɨ) ɡɧɚɱɟɧɢɹ ɤ ɝɪɚɧɢɰɚɦ ɞɢɚɩɚɡɨɧɚ. Ɂɧɚɱɟɧɢɹ ɪɚɫɩɨɥɨɠɟɧɧɵɟ ɛɥɢɠɟ ɤ ɧɨɦɢɧɚɥɶɧɨɦɭ ɡɧɚ- ɱɟɧɢɸ ɝɟɧɟɪɢɪɭɸɬɫɹ ɱɚɳɟ, ɱɟɦ ɡɧɚɱɟɧɢɹ, ɥɟɠɚɳɢɟ ɛɥɢɠɟ ɤ ɝɪɚɧɢɰɚɦ ɞɢɚɩɚ- ɡɨɧɚ (ɪɢɫ. 7.4 ɢ ɫɯɟɦɧɵɟ ɮɚɣɥɵ carlo2.cir, Gauss.cir, ɢɡ ɤɚɬɚɥɨɝɚ Analy-

sis\Monte Carlo).

Ƚɚɭɫɫɨɜɨ ɪɚɫɩɪɟɞɟɥɟɧɢɟ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɵ x ɨɩɢɫɵɜɚɟɬɫɹ ɭɪɚɜɧɟɧɢɟɦ:

ɞɚɪɬɧɨɣ ɞɟɜɢɚɰɢɢ (standard deviation), ɜɵɱɢɫɥɹɟɦɚɹ ɩɨ ɮɨɪɦɭɥɟ (7.2); x — ɡɧɚɱɟɧɢɟ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɵ; f(x) — ɩɥɨɬɧɨɫɬɶ ɜɟɪɨɹɬɧɨɫɬɢ ɩɪɢɧɹɬɢɹ ɫɥɭ- ɱɚɣɧɨɣ ɜɟɥɢɱɢɧɨɣ ɡɧɚɱɟɧɢɹ x.

ɋɪɟɞɧɟɤɜɚɞɪɚɬɢɱɟɫɤɨɟ ɨɬɤɥɨɧɟɧɢɟ ɩɚɪɚɦɟɬɪɚ ɨɬ ɧɨɦɢɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ

(standard deviation) V ɩɪɢ ɷɬɨɦ ɡɚɤɨɧɟ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɨɩɪɟɞɟɥɹɟɬɫɹ ɩɨ ɮɨɪ- ɦɭɥɟ:

ɝɞɟ SD — ɩɚɪɚɦɟɬɪ ɫɪɟɞɧɟɤɜɚɞɪɚɬɢɱɟɫɤɨɝɨ ɨɬɤɥɨɧɟɧɢɹ, ɨɬ ɤɨɬɨɪɨɝɨ ɡɚɜɢɫɢɬ ɤɨɥɢɱɟɫɬɜɨ ɩɨɩɚɞɚɧɢɣ ɜ ɞɢɚɩɚɡɨɧ ɞɨɩɭɫɤɚ (ɩɚɪɚɦɟɬɪ ɞɢɚɥɨɝɨɜɨɝɨ ɨɤɧɚ Global Settings, ɩɨ ɭɦɨɥɱɚɧɢɸ ɪɚɜɟɧ 2.58).

Ɋɢɫ. 7.4. Ɋɚɫɩɪɟɞɟɥɟɧɢɟ Ƚɚɭɫɫɚ ɞɥɹ ɫɨɩɪɨɬɢɜɥɟɧɢɹ ɪɟɡɢɫɬɨɪɚ ɫ 10%-ɵɦ ɪɚɡɛɪɨɫɨɦ

Ɍɚɤɢɦ ɨɛɪɚɡɨɦ, ɫɪɟɞɧɟɤɜɚɞɪɚɬɢɱɧɨɟ ɨɬɤɥɨɧɟɧɢɟ V ɩɪɢ ɝɚɭɫɫɨɜɨɦ ɪɚɫ- ɩɪɟɞɟɥɟɧɢɢ ɪɚɫɫɱɢɬɵɜɚɟɬɫɹ ɧɟɩɨɫɪɟɞɫɬɜɟɧɧɨ ɢɡ ɡɧɚɱɟɧɢɹ ɩɪɨɰɟɧɬɧɨɝɨ ɞɨ- ɩɭɫɤɚ. Ɉɬ ɡɧɚɱɟɧɢɹ SD ɡɚɜɢɫɢɬ ɩɪɨɰɟɧɬ ɩɨɩɚɞɚɧɢɣ ɫɝɟɧɟɪɢɪɨɜɚɧɧɵɯ ɫɥɭɱɚɣ- ɧɵɯ ɱɢɫɟɥ ɜ ɞɢɚɩɚɡɨɧ ɞɨɩɭɫɤɚ ɩɪɢ ɞɨɫɬɚɬɨɱɧɨ ɛɨɥɶɲɨɦ ɤɨɥɢɱɟɫɬɜɟ ɢɫɩɵɬɚ- ɧɢɣ (ɬɚɛɥ. 7.1). ɉɪɢɦɟɪɵ, ɢɥɥɸɫɬɪɢɪɭɸɳɢɟ ɷɬɭ ɡɚɜɢɫɢɦɨɫɬɶ, ɩɪɢɜɟɞɟɧɵ ɜ ɫɯɟɦɧɵɯ ɮɚɣɥɚɯ Gauss_01.cir, Gauss_02.cir.

ȿɫɥɢ ɩɪɨɢɡɜɨɞɢɬɟɥɶ ɤɨɦɩɨɧɟɧɬɨɜ ɝɚɪɚɧɬɢɪɭɟɬ, ɱɬɨ ɫɨɩɪɨɬɢɜɥɟɧɢɹ 99,9% ɜɵɩɭɫɤɚɟɦɵɯ 1ɤɈɦ ɪɟɡɢɫɬɨɪɨɜ ɫ 10% ɞɨɩɭɫɤɨɦ ɩɨɩɚɞɚɸɬ ɜɧɭɬɪɶ ɡɚɞɚɧɧɨɝɨ ɞɢɚɩɚɡɨɧɚ, ɧɟɨɛɯɨɞɢɦɨ ɭɫɬɚɧɨɜɢɬɶ ɜ Global Settings (ɢɥɢ ɞɢɪɟɤɬɢɜɨɣ .Options) SD=2.96. ɉɪɢ ɢɫɩɨɥɶɡɨɜɚɧɢɢ ɝɚɭɫɫɨɜɚ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɩɨɞɚɜɥɹɸɳɟɟ ɛɨɥɶ- ɲɢɧɫɬɜɨ ɪɟɡɢɫɬɨɪɨɜ ɛɭɞɟɬ ɢɦɟɬɶ ɫɨɩɪɨɬɢɜɥɟɧɢɟ, ɥɟɠɚɳɟɟ ɜ ɞɢɚɩɚɡɨɧɟ ɨɬ 0,9 ɞɨ 1,1 ɤɈɦ, ɥɢɲɶ 0,1% ɪɟɡɢɫɬɨɪɨɜ ɧɟ ɛɭɞɟɬ ɭɞɨɜɥɟɬɜɨɪɹɬɶ ɷɬɨɦɭ ɭɫɥɨɜɢɸ. Ƚɨɜɨɪɹ ɢɧɚɱɟ, ɜɟɪɨɹɬɧɨɫɬɶ ɜɵɯɨɞɚ ɧɨɦɢɧɚɥɚ ɪɟɡɢɫɬɨɪɚ ɡɚ ɩɪɟɞɟɥɵ ɞɢɚɩɚɡɨ- ɧɚ ɞɨɩɭɫɤɚ, ɤɪɚɣɧɟ ɦɚɥɚ (1/1000), ɧɨ ɜɫɟ ɠɟ ɬɚɤɨɟ ɫɨɛɵɬɢɟ ɦɨɠɟɬ ɩɪɨɢɡɨɣɬɢ.

Ɍɚɛɥɢɰɚ 7 . 1 . ɂɥɥɸɫɬɪɚɰɢɹ ɞɟɣɫɬɜɢɹ ɩɚɪɚɦɟɬɪɚ SD ɩɪɢ ɪɚɫɩɪɟɞɟɥɟɧɢɢ Ƚɚɭɫɫɚ

ɫɥɭɱɚɣɧɨɝɨ ɨɬɤɥɨɧɟɧɢɹ

7.2.2. Ⱦɢɚɥɨɝɨɜɨɟ ɨɤɧɨ Monte Carlo Options

ɉɨɫɥɟ ɜɵɛɨɪɚ ɥɸɛɨɝɨ ɜɢɞɚ ɚɧɚɥɢɡɚ, ɫɬɚɧɨɜɢɬɫɹ ɞɨɫɬɭɩɧɵɦ ɚɧɚɥɢɡ Ɇɨɧ-

ɬɟ-Ʉɚɪɥɨ — ɩɨɹɜɥɹɟɬɫɹ ɦɟɧɸ Monte Carlo. Ʉɨɦɚɧɞɨɣ ɷɬɨɝɨ ɦɟɧɸ Options ɨɬɤɪɵɜɚɟɬɫɹ ɞɢɚɥɨɝɨɜɨɟ ɨɤɧɨ ɞɥɹ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-Ʉɚɪɥɨ Monte Carlo Options (ɪɢɫ. 7.5). Ɉɤɧɨ ɢɦɟɟɬ ɫɥɟɞɭɸɳɢɟ ɩɚɧɟɥɢ:

Distribution to Use. ɗɬɚ ɩɚɧɟɥɶ ɩɨɡɜɨɥɹɟɬ ɜɵɛɪɚɬɶ ɨɞɢɧ ɢɡ ɬɪɟɯ ɜɨɡɦɨɠ- ɧɵɯ ɡɚɤɨɧɨɜ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɫɥɭɱɚɣɧɨɝɨ ɨɬɤɥɨɧɟɧɢɹ ɩɚɪɚɦɟɬɪɨɜ, ɭɤɚɡɚɧɧɵɯ ɜ ɦɨɞɟɥɶɧɵɯ ɫɬɪɨɤɚɯ ɤɥɸɱɟɜɵɦɢ ɫɥɨɜɚɦɢ LOT ɢ DEV. ȼɵɛɨɪ ɜ ɷɬɨɣ ɩɚɧɟɥɢ ɭɫ- ɬɚɧɚɜɥɢɜɚɟɬ ɡɚɤɨɧ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɬɟɯ ɩɚɪɚɦɟɬɪɨɜ, ɭ ɤɨɬɨɪɵɯ ɜ ɩɨɡɢɰɢɢ [t&d] ɡɚɤɨɧ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɧɟ ɡɚɞɚɧ.

xGauss — ɪɚɫɩɪɟɞɟɥɟɧɢɟ Ƚɚɭɫɫɚ ɫɥɭɱɚɣɧɨɝɨ ɨɬɤɥɨɧɟɧɢɹ ɩɚɪɚɦɟɬɪɚ ɨɬ ɧɨ- ɦɢɧɚɥɶɧɨɝɨ ɡɧɚɱɟɧɢɹ, ɨɩɪɟɞɟɥɹɟɦɨɟ ɮɨɪɦɭɥɨɣ (7.1).

xUniform — ɪɚɜɧɨɦɟɪɧɵɣ ɡɚɤɨɧ ɪɚɫɩɪɟɞɟɥɟɧɢɹ ɨɬɤɥɨɧɟɧɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟ- ɥɢɱɢɧɵ. Ɋɚɜɧɨɜɟɪɨɹɬɧɨ ɥɸɛɨɟ ɡɧɚɱɟɧɢɟ ɨɬɤɥɨɧɟɧɢɹ ɜ ɩɪɟɞɟɥɚɯ ɡɚɞɚɧɧɨɝɨ ɞɨɩɭɫɤɚ.

xWorst case — ɫɨɨɬɜɟɬɫɬɜɭɟɬ ɪɚɜɧɨɣ ɜɟɪɨɹɬɧɨɫɬɢ (0.5) ɩɪɢɧɹɬɢɹ ɫɥɭɱɚɣɧɵɦ

ɨɬɤɥɨɧɟɧɢɟɦ ɦɢɧɢɦɚɥɶɧɨ ɜɨɡɦɨɠɧɨɝɨ ɢ ɦɚɤɫɢɦɚɥɶɧɨ ɜɨɡɦɨɠɧɨɝɨ ɡɧɚɱɟɧɢɹ. Status. ȼɵɛɨɪ ON ɜɤɥɸɱɚɟɬ ɚɧɚɥɢɡ ɩɨ ɦɟɬɨɞɭ Ɇɨɧɬɟ-Ʉɚɪɥɨ, OFF — ɜɵ- ɤɥɸɱɚɟɬ. ɉɟɪɟɞ ɜɵɩɨɥɧɟɧɢɟɦ ɪɚɫɱɟɬɨɜ ɩɨ ɦɟɬɨɞɭ Ɇɨɧɬɟ-Ʉɚɪɥɨ ɫɥɟɞɭɟɬ ɩɨ- ɫɬɚɜɢɬɶ ɩɟɪɟɤɥɸɱɚɬɟɥɶ Status ɜ ɩɨɥɨɠɟɧɢɟ ON. ȼɵɞɟɥɟɧɢɟ ɩɚɪɚɦɟɬɪɨɜ, ɢɦɟɸɳɢɯ ɫɥɭɱɚɣɧɵɣ ɪɚɡɛɪɨɫ, ɜɵɩɨɥɧɹɟɬɫɹ ɫ ɩɨɦɨɳɶɸ ɤɥɸɱɟɜɵɯ ɫɥɨɜ LOT ɢ/ɢɥɢ DEV ɜ ɞɢɪɟɤɬɢɜɟ .MODEL, ɤɚɤ ɩɨɤɚɡɚɧɨ ɧɚ ɪɢɫ. 7.5 ɩɨɞ ɚɧɚɥɢɡɢɪɭɟɦɨɣ

ɫɯɟɦɨɣ.

Number of Runs. Ɂɚɞɚɟɬ ɱɢɫɥɨ ɪɟɚɥɢɡɚɰɢɣ (ɫɟɚɧɫɨɜ ɪɚɫɱɟɬɚ) ɩɪɢ ɩɪɨɜɟ- ɞɟɧɢɢ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-Ʉɚɪɥɨ. ɑɟɦ ɛɨɥɶɲɟ ɷɬɚ ɜɟɥɢɱɢɧɚ, ɬɟɦ ɬɨɱɧɟɟ ɪɟɚɥɢɡɭ- ɟɬɫɹ ɡɚɞɚɧɧɨɟ ɪɚɫɩɪɟɞɟɥɟɧɢɟ, ɬɟɦ ɜɵɲɟ ɞɨɫɬɨɜɟɪɧɨɫɬɶ ɜɵɯɨɞɧɵɯ ɫɬɚɬɢɫɬɢ- ɱɟɫɤɢɯ ɞɚɧɧɵɯ. Ɉɛɵɱɧɨ ɢɫɩɨɥɶɡɭɟɬɫɹ ɱɢɫɥɨ ɜ ɞɢɚɩɚɡɨɧɟ ɨɬ 30 ɞɨ 300. Ɇɚɤɫɢ- ɦɚɥɶɧɨɟ ɡɧɚɱɟɧɢɟ ɤɨɥɢɱɟɫɬɜɚ ɪɟɚɥɢɡɚɰɢɣ — 30000.

Show Zero Tolerance Curve. ɉɪɢ ɜɵɛɨɪɟ ɷɬɨɣ ɨɩɰɢɢ ɩɟɪɜɵɣ ɡɚɩɭɫɤ ɚɧɚ- ɥɢɡɚ (ɢ ɩɟɪɜɚɹ ɤɪɢɜɚɹ ɧɚ ɝɪɚɮɢɤɚɯ, Case=1) ɫɨɨɬɜɟɬɫɬɜɭɟɬ ɫɯɟɦɟ ɫ ɧɨɦɢ- ɧɚɥɶɧɵɦɢ ɡɧɚɱɟɧɢɹɦɢ ɩɚɪɚɦɟɬɪɨɜ, ɛɟɡ ɫɥɭɱɚɣɧɵɯ ɨɬɤɥɨɧɟɧɢɣ.

Eliminate Outliers. Ɏɥɚɝ ɚɤɬɢɜɟɧ ɬɨɥɶɤɨ ɩɪɢ ɢɫɩɨɥɶɡɨɜɚɧɢɢ Ƚɚɭɫɫɨɜɚ ɪɚɫ- ɩɪɟɞɟɥɟɧɢɹ ɫɥɭɱɚɣɧɨɣ ɜɟɥɢɱɢɧɵ. ɉɪɢ ɟɝɨ ɭɫɬɚɧɨɜɤɟ ɡɧɚɱɟɧɢɹ ɩɨɩɚɜɲɢɟ ɡɚ ɩɪɟɞɟɥɵ ɩɨɥɨɫɵ ɞɨɩɭɫɤɚ ɨɬɛɪɚɫɵɜɚɸɬɫɹ (ɬɨɥɶɤɨ ɞɥɹ MC10).

Ɋɢɫ. 7.5. ɋɟɦɟɣɫɬɜɨ ɝɪɚɮɢɤɨɜ ɩɟɪɟɯɨɞɧɨɝɨ ɩɪɨɰɟɫɫɚ

ɩɪɢ ɫɥɭɱɚɣɧɵɯ ɧɟɡɚɜɢɫɢɦɵɯ ɪɚɡɛɪɨɫɚɯ ɢɧɞɭɤɬɢɜɧɨɫɬɢ ɢ ɟɦɤɨɫɬɢ

Report When. ȼ ɷɬɨɣ ɫɬɪɨɤɟ ɭɤɚɡɵɜɚɟɬɫɹ ɭɫɥɨɜɢɟ, ɩɪɢ ɜɵɩɨɥɧɟɧɢɢ ɤɨɬɨ-

ɪɨɝɨ ɜ ɬɟɤɫɬɨɜɵɣ ɮɚɣɥ ɜɵɜɨɞɢɬɫɹ ɩɪɟɞɭɩɪɟɠɞɚɸɳɟɟ ɫɨɨɛɳɟɧɢɟ ɢ ɡɧɚɱɟɧɢɹ ɜɚɪɶɢɪɭɟɦɵɯ ɩɚɪɚɦɟɬɪɨɜ, ɩɪɢ ɤɨɬɨɪɵɯ ɡɚɞɚɧɧɨɟ ɭɫɥɨɜɢɟ ɨɤɚɡɵɜɚɟɬɫɹ ɢɫɬɢɧ- ɧɵɦ. Ɍɚɤ ɪɟɚɥɢɡɭɟɬɫɹ ɪɟɝɢɫɬɪɚɰɢɹ ɨɬɤɚɡɨɜ ɫɯɟɦɵ (ɜɵɯɨɞ ɟɟ ɯɚɪɚɤɬɟɪɢɫɬɢɤ ɡɚ ɞɨɩɭɫɬɢɦɵɟ ɝɪɚɧɢɰɵ) ɩɪɢ ɩɪɨɜɟɞɟɧɢɢ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-Ʉɚɪɥɨ. ɋɨɨɛɳɟɧɢɟ ɨɛ ɨɬɤɚɡɟ ɢ ɫɨɨɬɜɟɬɫɬɜɭɸɳɢɟ ɩɚɪɚɦɟɬɪɵ ɜɵɜɨɞɹɬɫɹ ɜ ɮɚɣɥ, ɤɚɠɞɵɣ ɪɚɡ, ɤɨɝɞɚ ɥɨɝɢɱɟɫɤɨɟ ɜɵɪɚɠɟɧɢɟ ɜ ɷɬɨɣ ɫɬɪɨɤɟ ɫɬɚɧɨɜɢɬɫɹ ɢɫɬɢɧɧɵɦ.

Ɍɟɤɫɬɨɜɵɣ ɮɚɣɥ ɫ ɩɚɪɚɦɟɬɪɚɦɢ, ɩɪɢ ɤɨɬɨɪɵɯ ɩɪɨɢɡɨɲɟɥ ɨɬɤɚɡ ɫɯɟɦɵ, ɢɦɟɟɬ ɬɚɤɨɟ ɠɟ ɢɦɹ, ɤɚɤ ɢ ɫɯɟɦɧɵɣ ɮɚɣɥ, ɚ ɪɚɫɲɢɪɟɧɢɟ — *.tno, *.ano ɢɥɢ *.dno ɞɥɹ Transient, AC ɢ DC ɚɧɚɥɢɡɚ ɫɨɨɬɜɟɬɫɬɜɟɧɧɨ.

ɂɦɹ ɭɤɚɡɚɧɧɨɣ ɜ ɷɬɨɣ ɫɬɪɨɤɟ ɮɭɧɤɰɢɢ ɦɨɠɟɬ ɛɵɬɶ ɜɵɛɪɚɧɨ ɜ ɪɚɫɤɪɵ- ɜɚɸɳɟɦɫɹ ɫɩɢɫɤɟ ɞɨɫɬɭɩɧɵɯ ɮɭɧɤɰɢɣ (ɪɢɫ. 7.5, 7.7). ɇɚɩɪɢɦɟɪ, ɦɨɠɧɨ ɡɚɞɚɬɶ

Rise_Time(V(1),1,1,0.5,4.5)>45ns, ɱɬɨ ɜɵɡɨɜɟɬ ɡɚɩɢɫɶ ɜ ɜɵɯɨɞɧɨɣ ɮɚɣɥ ɡɧɚɱɟ-

ɧɢɣ ɩɚɪɚɦɟɬɪɨɜ ɦɨɞɟɥɟɣ, ɩɪɢ ɤɨɬɨɪɵɯ ɜɪɟɦɹ ɧɚɪɚɫɬɚɧɢɹ ɫɢɝɧɚɥɚ ɨɬ 0.5 ɞɨ 4.5 ȼɨɥɶɬ ɩɪɟɜɵɫɢɥɨ 45 ɧɫ.

ɋɨɞɟɪɠɢɦɨɟ ɜɵɯɨɞɧɨɝɨ ɮɚɣɥɚ ɦɨɠɧɨ ɩɨɫɦɨɬɪɟɬɶ ɬɚɤ ɠɟ, ɤɚɤ ɢ ɫɨɞɟɪɠɢ- ɦɨɟ ɮɚɣɥɚ ɬɚɛɥɢɱɧɨɝɨ ɜɵɜɨɞɚ ɞɚɧɧɵɯ, ɤɨɬɨɪɵɣ ɮɨɪɦɢɪɭɟɬɫɹ ɩɪɢ ɩɪɨɜɟɞɟ- ɧɢɢ ɨɫɧɨɜɧɵɯ ɬɢɩɨɜ ɚɧɚɥɢɡɚ. Ⱦɥɹ ɷɬɨɝɨ ɦɨɠɧɨ ɢɫɩɨɥɶɡɨɜɚɬɶ ɤɨɦɚɧɞɭ Numeric

Output, ɤɥɚɜɢɲɭ F5 ɢɥɢ ɩɢɤɬɨɝɪɚɦɦɭ .

Ɇɨɠɧɨ ɬɚɤɠɟ ɡɚɝɪɭɡɢɬɶ ɷɬɨɬ ɮɚɣɥ ɜ Micro-Cap ɩɨ ɤɨɦɚɧɞɟ File>Load MC File. ɉɪɢ ɷɬɨɦ ɛɭɞɟɬ ɫɮɨɪɦɢɪɨɜɚɧɨ ɫɬɨɥɶɤɨ ɫɯɟɦ ɫ ɫɨɨɬɜɟɬɫɬ- ɜɭɸɳɢɦɢ ɩɚɪɚɦɟɬɪɚɦɢ, ɫɤɨɥɶɤɨ ɨɬɤɚɡɨɜ ɩɪɨɢɡɨɲɥɨ ɜ ɯɨɞɟ ɚɧɚɥɢɡɚ Ɇɨɧɬɟ-