En el diseño de circuitos analógicos, a menudo utilizamos el análisis de variación para comprender qué causa que varíe el rendimiento. Usaremos una herramienta como la simulación Monte Carlo donde se toman múltiples parámetros para cada transistor de una distribución y simulamos el circuito para obtener una distribución de las medidas relevantes. La distribución de las mediciones se puede comparar con una especificación objetivo y podemos proyectar la probabilidad de falla.
Lo que busco es una manera de entender cómo las variaciones de los transistores individuales influyen en el resultado medido. Debido a que estos circuitos requieren mucho tiempo para simularse, es difícil realizar más de unos pocos cientos a mil pruebas de Monte Carlo. Y debido a la cantidad de transistores, la cantidad de variables independientes también es de cientos. Intuitivamente sabemos que el circuito será más sensible a combinaciones de parámetros. Por ejemplo, el peor caso puede ser cuando los transistores A y B tienen la mayor diferencia en el parámetro X, pero sólo si uno de los dos tiene un parámetro Y grande.
Estoy buscando orientación sobre cómo analizar mis resultados de Monte Carlo en JMP para encontrar las sensibilidades subyacentes que tienen la mayor influencia en los resultados medidos.
