Komputerowa Analiza Układów Elektrycznych 2
część 2
dr hab. inż. Stanisław Hałgas
Instytut Systemów Inżynierii Elektrycznej
Zakład Układów i Systemów Nieliniowych
Politechnika A
ódzka
A
ódz
2013
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 1 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Analiza wrażliwościowa
Wrażliwość funkcji charakteryzującej układ (np. transmitancji) lub wielkości
obwodowej (np. napięcia, prądu) umożliwia określenie wpływu zmiany parametrów (np.
rezystancji, wzmocnienia) na właściwości układu.
Znajomość wrażliwości pozwala znalez
ć elementy o istotnym wpływie na działanie
układu, identyfikację elementów zbędnych oraz umożliwia poprawnie określić tolerancję
elementów.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 2 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Analiza wrażliwościowa
Wrażliwość funkcji charakteryzującej układ (np. transmitancji) lub wielkości
obwodowej (np. napięcia, prądu) umożliwia określenie wpływu zmiany parametrów (np.
rezystancji, wzmocnienia) na właściwości układu.
Znajomość wrażliwości pozwala znalez
ć elementy o istotnym wpływie na działanie
układu, identyfikację elementów zbędnych oraz umożliwia poprawnie określić tolerancję
elementów.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 2 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Analiza wrażliwościowa
Wrażliwość funkcji charakteryzującej układ (np. transmitancji) lub wielkości
obwodowej (np. napięcia, prądu) umożliwia określenie wpływu zmiany parametrów (np.
rezystancji, wzmocnienia) na właściwości układu.
Znajomość wrażliwości pozwala znalez
ć elementy o istotnym wpływie na działanie
układu, identyfikację elementów zbędnych oraz umożliwia poprawnie określić tolerancję
elementów.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 2 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Podstawowe problemy rozwiązywane na gruncie analizy wrażliwościowej:
opracowywanie adekwatnych modeli elementów
wpływ temperatury na działanie układu
określenie wartości nominalnych i tolerancji parametrów
identyfikacja elementów, których uszkodzenie prowadzi do katastrofalnych skutków
informacja o reakcji obwodu na zmianę jego parametrów jest istotna przy wyborze
odpowiedniego układu spośród różnych rozwiązań otrzymanych w procesie syntezy.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 3 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Podstawowe problemy rozwiązywane na gruncie analizy wrażliwościowej:
opracowywanie adekwatnych modeli elementów
wpływ temperatury na działanie układu
określenie wartości nominalnych i tolerancji parametrów
identyfikacja elementów, których uszkodzenie prowadzi do katastrofalnych skutków
informacja o reakcji obwodu na zmianę jego parametrów jest istotna przy wyborze
odpowiedniego układu spośród różnych rozwiązań otrzymanych w procesie syntezy.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 3 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Podstawowe problemy rozwiązywane na gruncie analizy wrażliwościowej:
opracowywanie adekwatnych modeli elementów
wpływ temperatury na działanie układu
określenie wartości nominalnych i tolerancji parametrów
identyfikacja elementów, których uszkodzenie prowadzi do katastrofalnych skutków
informacja o reakcji obwodu na zmianę jego parametrów jest istotna przy wyborze
odpowiedniego układu spośród różnych rozwiązań otrzymanych w procesie syntezy.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 3 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Podstawowe problemy rozwiązywane na gruncie analizy wrażliwościowej:
opracowywanie adekwatnych modeli elementów
wpływ temperatury na działanie układu
określenie wartości nominalnych i tolerancji parametrów
identyfikacja elementów, których uszkodzenie prowadzi do katastrofalnych skutków
informacja o reakcji obwodu na zmianę jego parametrów jest istotna przy wyborze
odpowiedniego układu spośród różnych rozwiązań otrzymanych w procesie syntezy.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 3 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Podstawowe problemy rozwiązywane na gruncie analizy wrażliwościowej:
opracowywanie adekwatnych modeli elementów
wpływ temperatury na działanie układu
określenie wartości nominalnych i tolerancji parametrów
identyfikacja elementów, których uszkodzenie prowadzi do katastrofalnych skutków
informacja o reakcji obwodu na zmianę jego parametrów jest istotna przy wyborze
odpowiedniego układu spośród różnych rozwiązań otrzymanych w procesie syntezy.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 3 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Podstawowe problemy rozwiązywane na gruncie analizy wrażliwościowej:
opracowywanie adekwatnych modeli elementów
wpływ temperatury na działanie układu
określenie wartości nominalnych i tolerancji parametrów
identyfikacja elementów, których uszkodzenie prowadzi do katastrofalnych skutków
informacja o reakcji obwodu na zmianę jego parametrów jest istotna przy wyborze
odpowiedniego układu spośród różnych rozwiązań otrzymanych w procesie syntezy.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 3 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Jak ręcznie obliczyć wrażliwość?
W analizie wrażliwości obliczana jest pochodna cząstkowa wielkości wyjściowej
względem wszystkich parametrów układu.
Wielkością wyjściową może być np. napięcie lub prąd, a parametrami układu
rezystancja, pojemność, napięcie z
ródłowe, parametr modelu tranzystora itp.
W programie zaimplementowane są procedury liczenia wrażliwości oparte o tzw. metodę
układu dołączonego (alternatywą jest metoda układu wrażliwosciowego) wykorzystującą
znane z KAUE1 twierdzenie Tellegena.
Program oblicza również wrażliwość znormalizowaną:
wrażliwość znormalizowana=(wrażliwość*wartość elementu)/100.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 4 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Jak ręcznie obliczyć wrażliwość?
W analizie wrażliwości obliczana jest pochodna cząstkowa wielkości wyjściowej
względem wszystkich parametrów układu.
Wielkością wyjściową może być np. napięcie lub prąd, a parametrami układu
rezystancja, pojemność, napięcie z
ródłowe, parametr modelu tranzystora itp.
W programie zaimplementowane są procedury liczenia wrażliwości oparte o tzw. metodę
układu dołączonego (alternatywą jest metoda układu wrażliwosciowego) wykorzystującą
znane z KAUE1 twierdzenie Tellegena.
Program oblicza również wrażliwość znormalizowaną:
wrażliwość znormalizowana=(wrażliwość*wartość elementu)/100.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 4 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Jak ręcznie obliczyć wrażliwość?
W analizie wrażliwości obliczana jest pochodna cząstkowa wielkości wyjściowej
względem wszystkich parametrów układu.
Wielkością wyjściową może być np. napięcie lub prąd, a parametrami układu
rezystancja, pojemność, napięcie z
ródłowe, parametr modelu tranzystora itp.
W programie zaimplementowane są procedury liczenia wrażliwości oparte o tzw. metodę
układu dołączonego (alternatywą jest metoda układu wrażliwosciowego) wykorzystującą
znane z KAUE1 twierdzenie Tellegena.
Program oblicza również wrażliwość znormalizowaną:
wrażliwość znormalizowana=(wrażliwość*wartość elementu)/100.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 4 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Jak ręcznie obliczyć wrażliwość?
W analizie wrażliwości obliczana jest pochodna cząstkowa wielkości wyjściowej
względem wszystkich parametrów układu.
Wielkością wyjściową może być np. napięcie lub prąd, a parametrami układu
rezystancja, pojemność, napięcie z
ródłowe, parametr modelu tranzystora itp.
W programie zaimplementowane są procedury liczenia wrażliwości oparte o tzw. metodę
układu dołączonego (alternatywą jest metoda układu wrażliwosciowego) wykorzystującą
znane z KAUE1 twierdzenie Tellegena.
Program oblicza również wrażliwość znormalizowaną:
wrażliwość znormalizowana=(wrażliwość*wartość elementu)/100.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 4 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - uwagi ogólne
Jak ręcznie obliczyć wrażliwość?
W analizie wrażliwości obliczana jest pochodna cząstkowa wielkości wyjściowej
względem wszystkich parametrów układu.
Wielkością wyjściową może być np. napięcie lub prąd, a parametrami układu
rezystancja, pojemność, napięcie z
ródłowe, parametr modelu tranzystora itp.
W programie zaimplementowane są procedury liczenia wrażliwości oparte o tzw. metodę
układu dołączonego (alternatywą jest metoda układu wrażliwosciowego) wykorzystującą
znane z KAUE1 twierdzenie Tellegena.
Program oblicza również wrażliwość znormalizowaną:
wrażliwość znormalizowana=(wrażliwość*wartość elementu)/100.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 4 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - prosty przykład
Przykład
Dzielnik napięcia
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 5 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - prosty przykład
Przykład
Ręczne obliczenie wrażliwości wielkości wyjściowej - V(out)
Napięcie V(out) określa wzór
R2R3
V(out) = V1
R1R2 + R1R3 + R2R3
Wrażliwość V(out) względem R1
"V(out) -R2R3V1(R2 + R3)
= = -0.0496
"R1 (R1R2 + R1R3 + R2R3)2
Wrażliwość znormalizowana względem R1
"V(out) R1
= -1.4876 · 10-3
"R1 100
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 6 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - prosty przykład PSPICE
Przykład
Obliczenie wrażliwości wielkości wyjściowej - V(out)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 7 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - prosty przykład PSPICE
Przykład
Obliczenie wrażliwości wielkości wyjściowej - V(out)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 8 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - prosty przykład PSPICE
Przykład
Wyniki zbliżone do wrażliwość można otrzymać analizując układ dla dwóch wartości
parametru nieznacznie różniących się (im mniej tym dokładniejsze oszacowanie).
Wartość nominalna napięcia V(out) = 181.82mV.
Jeżeli zmienimy R2 o 5% do wartości 1.05&! wartość V(out) = 186.67mV, czyli wzrosła o
4.85mV. W ten sposób można obliczyć przybliżoną wartość wrażliwości
"V(out)
4.85·10-3
H" = 0.097.
"R2 0.05
Jeżeli zmienimy R1 o 5% do wartości 3.15&! wartość V(out) = 174.67mV, czyli zmalała o
"V(out) -7.15·10-3
7.15mV. Można obliczyć przybliżoną wartość wrażliwości H" = -0.048
"R1 0.15
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 9 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - przykład praktyczny PSPICE
Przykład
18.0
1
R5
V1
2.48k
R1
-3.47m
75k
4
9.88
3
Q2
BC107A
3.13
R8
2.45
2
1
11
1.32 Q1
9 BC107A
R6
0.704 R3 500
12 7.56k
R2 R7
500 690
R4
220k
1.42
10
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 10 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - przykład praktyczny PSPICE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 11 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - przykład praktyczny PSPICE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 12 / 39
SPICE  Symulacja a rzeczywistość Analiza wrażliwościowa
Analiza wrażliwościowa - przykład praktyczny PSPICE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 13 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Analiza Worst Case pozwala określić najgorsze zachowanie układu przy zmianach
określonych parametrów w ramach zadanej tolerancji.
W pierwszym kroku przeprowadzana jest symulacja układu z wartościami nominalnymi.
Następnie obliczana jest wrażliwość wielkości wyjściowej przy zmianach określonych
parametrów.
W ostatnim kroku wyznaczane jest największe odchylenie.
Przykładowo przy zmianach wartości dwóch rezystorów R1 i R2 z tolerancją ą10%
analiza pozwala znalez
ć taką kombinację ich wartości, dla której wielkość wyjściowa ma
najgorszy przebieg, największe odchylenie.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 14 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Analiza Worst Case pozwala określić najgorsze zachowanie układu przy zmianach
określonych parametrów w ramach zadanej tolerancji.
W pierwszym kroku przeprowadzana jest symulacja układu z wartościami nominalnymi.
Następnie obliczana jest wrażliwość wielkości wyjściowej przy zmianach określonych
parametrów.
W ostatnim kroku wyznaczane jest największe odchylenie.
Przykładowo przy zmianach wartości dwóch rezystorów R1 i R2 z tolerancją ą10%
analiza pozwala znalez
ć taką kombinację ich wartości, dla której wielkość wyjściowa ma
najgorszy przebieg, największe odchylenie.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 14 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Analiza Worst Case pozwala określić najgorsze zachowanie układu przy zmianach
określonych parametrów w ramach zadanej tolerancji.
W pierwszym kroku przeprowadzana jest symulacja układu z wartościami nominalnymi.
Następnie obliczana jest wrażliwość wielkości wyjściowej przy zmianach określonych
parametrów.
W ostatnim kroku wyznaczane jest największe odchylenie.
Przykładowo przy zmianach wartości dwóch rezystorów R1 i R2 z tolerancją ą10%
analiza pozwala znalez
ć taką kombinację ich wartości, dla której wielkość wyjściowa ma
najgorszy przebieg, największe odchylenie.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 14 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Analiza Worst Case pozwala określić najgorsze zachowanie układu przy zmianach
określonych parametrów w ramach zadanej tolerancji.
W pierwszym kroku przeprowadzana jest symulacja układu z wartościami nominalnymi.
Następnie obliczana jest wrażliwość wielkości wyjściowej przy zmianach określonych
parametrów.
W ostatnim kroku wyznaczane jest największe odchylenie.
Przykładowo przy zmianach wartości dwóch rezystorów R1 i R2 z tolerancją ą10%
analiza pozwala znalez
ć taką kombinację ich wartości, dla której wielkość wyjściowa ma
najgorszy przebieg, największe odchylenie.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 14 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Analiza Worst Case pozwala określić najgorsze zachowanie układu przy zmianach
określonych parametrów w ramach zadanej tolerancji.
W pierwszym kroku przeprowadzana jest symulacja układu z wartościami nominalnymi.
Następnie obliczana jest wrażliwość wielkości wyjściowej przy zmianach określonych
parametrów.
W ostatnim kroku wyznaczane jest największe odchylenie.
Przykładowo przy zmianach wartości dwóch rezystorów R1 i R2 z tolerancją ą10%
analiza pozwala znalez
ć taką kombinację ich wartości, dla której wielkość wyjściowa ma
najgorszy przebieg, największe odchylenie.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 14 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Analiza Worst Case pozwala określić najgorsze zachowanie układu przy zmianach
określonych parametrów w ramach zadanej tolerancji.
W pierwszym kroku przeprowadzana jest symulacja układu z wartościami nominalnymi.
Następnie obliczana jest wrażliwość wielkości wyjściowej przy zmianach określonych
parametrów.
W ostatnim kroku wyznaczane jest największe odchylenie.
Przykładowo przy zmianach wartości dwóch rezystorów R1 i R2 z tolerancją ą10%
analiza pozwala znalez
ć taką kombinację ich wartości, dla której wielkość wyjściowa ma
najgorszy przebieg, największe odchylenie.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 14 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Dla wybranych elementów należy określić ich tolerancje (elementy z biblioteki
BREAKOUT (np. RBreak, CBreak)
Do wyboru sÄ… dwie opcje umieszczane w modelu elementu DEV i LOT.
DEV  powoduje modyfikację wartości wybranych elementów w sposób niezależny.
LOT  powoduje modyfikację wartości wybranych elementów w sposób synchroniczny.
Przykład .model RBreak RES R=1 DEV=5%.
Ustawiając dla nowego elementu inną wartość tolerancji niż dla poprzedniego
należy zmienić nazwę biblioteki lokalnej. Pozostawienie poprzedniej nazwy
powoduje nałożenie sie dwóch bibliotek i ustawienie jednakowej tolerancji.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 15 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Dla wybranych elementów należy określić ich tolerancje (elementy z biblioteki
BREAKOUT (np. RBreak, CBreak)
Do wyboru sÄ… dwie opcje umieszczane w modelu elementu DEV i LOT.
DEV  powoduje modyfikację wartości wybranych elementów w sposób niezależny.
LOT  powoduje modyfikację wartości wybranych elementów w sposób synchroniczny.
Przykład .model RBreak RES R=1 DEV=5%.
Ustawiając dla nowego elementu inną wartość tolerancji niż dla poprzedniego
należy zmienić nazwę biblioteki lokalnej. Pozostawienie poprzedniej nazwy
powoduje nałożenie sie dwóch bibliotek i ustawienie jednakowej tolerancji.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 15 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Dla wybranych elementów należy określić ich tolerancje (elementy z biblioteki
BREAKOUT (np. RBreak, CBreak)
Do wyboru sÄ… dwie opcje umieszczane w modelu elementu DEV i LOT.
DEV  powoduje modyfikację wartości wybranych elementów w sposób niezależny.
LOT  powoduje modyfikację wartości wybranych elementów w sposób synchroniczny.
Przykład .model RBreak RES R=1 DEV=5%.
Ustawiając dla nowego elementu inną wartość tolerancji niż dla poprzedniego
należy zmienić nazwę biblioteki lokalnej. Pozostawienie poprzedniej nazwy
powoduje nałożenie sie dwóch bibliotek i ustawienie jednakowej tolerancji.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 15 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Dla wybranych elementów należy określić ich tolerancje (elementy z biblioteki
BREAKOUT (np. RBreak, CBreak)
Do wyboru sÄ… dwie opcje umieszczane w modelu elementu DEV i LOT.
DEV  powoduje modyfikację wartości wybranych elementów w sposób niezależny.
LOT  powoduje modyfikację wartości wybranych elementów w sposób synchroniczny.
Przykład .model RBreak RES R=1 DEV=5%.
Ustawiając dla nowego elementu inną wartość tolerancji niż dla poprzedniego
należy zmienić nazwę biblioteki lokalnej. Pozostawienie poprzedniej nazwy
powoduje nałożenie sie dwóch bibliotek i ustawienie jednakowej tolerancji.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 15 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Dla wybranych elementów należy określić ich tolerancje (elementy z biblioteki
BREAKOUT (np. RBreak, CBreak)
Do wyboru sÄ… dwie opcje umieszczane w modelu elementu DEV i LOT.
DEV  powoduje modyfikację wartości wybranych elementów w sposób niezależny.
LOT  powoduje modyfikację wartości wybranych elementów w sposób synchroniczny.
Przykład .model RBreak RES R=1 DEV=5%.
Ustawiając dla nowego elementu inną wartość tolerancji niż dla poprzedniego
należy zmienić nazwę biblioteki lokalnej. Pozostawienie poprzedniej nazwy
powoduje nałożenie sie dwóch bibliotek i ustawienie jednakowej tolerancji.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 15 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Dla wybranych elementów należy określić ich tolerancje (elementy z biblioteki
BREAKOUT (np. RBreak, CBreak)
Do wyboru sÄ… dwie opcje umieszczane w modelu elementu DEV i LOT.
DEV  powoduje modyfikację wartości wybranych elementów w sposób niezależny.
LOT  powoduje modyfikację wartości wybranych elementów w sposób synchroniczny.
Przykład .model RBreak RES R=1 DEV=5%.
Ustawiając dla nowego elementu inną wartość tolerancji niż dla poprzedniego
należy zmienić nazwę biblioteki lokalnej. Pozostawienie poprzedniej nazwy
powoduje nałożenie sie dwóch bibliotek i ustawienie jednakowej tolerancji.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 15 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Analiza najgorszego przypadku
Dla wybranych elementów należy określić ich tolerancje (elementy z biblioteki
BREAKOUT (np. RBreak, CBreak)
Do wyboru sÄ… dwie opcje umieszczane w modelu elementu DEV i LOT.
DEV  powoduje modyfikację wartości wybranych elementów w sposób niezależny.
LOT  powoduje modyfikację wartości wybranych elementów w sposób synchroniczny.
Przykład .model RBreak RES R=1 DEV=5%.
Ustawiając dla nowego elementu inną wartość tolerancji niż dla poprzedniego
należy zmienić nazwę biblioteki lokalnej. Pozostawienie poprzedniej nazwy
powoduje nałożenie sie dwóch bibliotek i ustawienie jednakowej tolerancji.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 15 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Najważniejsze opcje analizy WORST CASE
Function
YMAX wyznacza maksymalną różnicę pomiędzy obliczonymi przebiegami a
przebiegiem nominalnym
MAX wyznacza maksymalną wartość obliczanych przebiegów
MIN wyznacza minimalną wartość obliczanych przebiegów
RISE wyznacza pierwsze przekroczenie powyżej
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 16 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Najważniejsze opcje analizy WORST CASE
Output All  umożliwia umieszczenie w pliku *.out danych z obliczeń oraz wykreślenie
krzywych w PROBE dla wszystkich elementów zadeklarowanych w analizie.
List  umożliwia wyszczególnienie elementów, dla których zostanie przeprowadzona
analiza Worst Case.
Vary Dev, Lot, Both  umożliwia wybór elementów, dla których rodzaj tolerancji został
określony przy pomocy DEV lub LOT. Opcja Both umożliwia wybór obu grup.
Direction HI, LO  wybór rodzaju odchylenia
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 17 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Najważniejsze opcje analizy WORST CASE
Output All  umożliwia umieszczenie w pliku *.out danych z obliczeń oraz wykreślenie
krzywych w PROBE dla wszystkich elementów zadeklarowanych w analizie.
List  umożliwia wyszczególnienie elementów, dla których zostanie przeprowadzona
analiza Worst Case.
Vary Dev, Lot, Both  umożliwia wybór elementów, dla których rodzaj tolerancji został
określony przy pomocy DEV lub LOT. Opcja Both umożliwia wybór obu grup.
Direction HI, LO  wybór rodzaju odchylenia
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 17 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Najważniejsze opcje analizy WORST CASE
Output All  umożliwia umieszczenie w pliku *.out danych z obliczeń oraz wykreślenie
krzywych w PROBE dla wszystkich elementów zadeklarowanych w analizie.
List  umożliwia wyszczególnienie elementów, dla których zostanie przeprowadzona
analiza Worst Case.
Vary Dev, Lot, Both  umożliwia wybór elementów, dla których rodzaj tolerancji został
określony przy pomocy DEV lub LOT. Opcja Both umożliwia wybór obu grup.
Direction HI, LO  wybór rodzaju odchylenia
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 17 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Najważniejsze opcje analizy WORST CASE
Output All  umożliwia umieszczenie w pliku *.out danych z obliczeń oraz wykreślenie
krzywych w PROBE dla wszystkich elementów zadeklarowanych w analizie.
List  umożliwia wyszczególnienie elementów, dla których zostanie przeprowadzona
analiza Worst Case.
Vary Dev, Lot, Both  umożliwia wybór elementów, dla których rodzaj tolerancji został
określony przy pomocy DEV lub LOT. Opcja Both umożliwia wybór obu grup.
Direction HI, LO  wybór rodzaju odchylenia
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 17 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Najważniejsze opcje analizy WORST CASE
Output All  umożliwia umieszczenie w pliku *.out danych z obliczeń oraz wykreślenie
krzywych w PROBE dla wszystkich elementów zadeklarowanych w analizie.
List  umożliwia wyszczególnienie elementów, dla których zostanie przeprowadzona
analiza Worst Case.
Vary Dev, Lot, Both  umożliwia wybór elementów, dla których rodzaj tolerancji został
określony przy pomocy DEV lub LOT. Opcja Both umożliwia wybór obu grup.
Direction HI, LO  wybór rodzaju odchylenia
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 17 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 18 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 19 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 20 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 21 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 22 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 23 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
5.5V
5.0V
4.5V
4.0V
3.5V
3.0V
2.5V
2.0V
1.5V
10V 12V 14V 16V 18V 20V 22V 24V 26V 28V 30V
V(out)
V_V1
Przy pomocy kursora odczytujemy wartość maksymalną napięcia wyjściowego dla V1=30V 
5.3310V
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 24 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 25 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 26 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
4.8V
4.4V
4.0V
3.6V
3.2V
2.8V
2.4V
2.0V
1.6V
1.2V
10V 12V 14V 16V 18V 20V 22V 24V 26V 28V 30V
V(out)
V_V1
Przy pomocy kursora odczytujemy wartość minimalną napięcia wyjściowego dla V1=30V 
4.1167V
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 27 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 28 / 39
SPICE  Symulacja a rzeczywistość Analiza najgorszego przypadku
Analiza najgorszego przypadku - WORST CASE
Przykład
5.5V
5.0V
4.5V
4.0V
3.5V
3.0V
2.5V
2.0V
1.5V
1.0V
10V 12V 14V 16V 18V 20V 22V 24V 26V 28V 30V
... V(out)
V_V1
File/ Append Waveform (*.dat)  nałożenie dwóch charakterystyk
(muszą być dwa pliki o różnych nazwach)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 29 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Analiza MONTE CARLO
Analiza MONTE CARLO oblicza zachowanie się układu przy przypadkowych
zmianach wartości elementów lub wartości parametrów modeli elementów, dla których
określona została tolerancja.
Wynikiem analizy są dane statystyczne, które pozwalają projektantowi ocenić
zachowanie sie układu przy zmianach wartości elementów wewnątrz założonego
przedziału.
Przy określaniu tolerancji do wyboru są: LOT i DEV.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 30 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Analiza MONTE CARLO
Analiza MONTE CARLO oblicza zachowanie się układu przy przypadkowych
zmianach wartości elementów lub wartości parametrów modeli elementów, dla których
określona została tolerancja.
Wynikiem analizy są dane statystyczne, które pozwalają projektantowi ocenić
zachowanie sie układu przy zmianach wartości elementów wewnątrz założonego
przedziału.
Przy określaniu tolerancji do wyboru są: LOT i DEV.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 30 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Analiza MONTE CARLO
Analiza MONTE CARLO oblicza zachowanie się układu przy przypadkowych
zmianach wartości elementów lub wartości parametrów modeli elementów, dla których
określona została tolerancja.
Wynikiem analizy są dane statystyczne, które pozwalają projektantowi ocenić
zachowanie sie układu przy zmianach wartości elementów wewnątrz założonego
przedziału.
Przy określaniu tolerancji do wyboru są: LOT i DEV.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 30 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Analiza MONTE CARLO
Analiza MONTE CARLO oblicza zachowanie się układu przy przypadkowych
zmianach wartości elementów lub wartości parametrów modeli elementów, dla których
określona została tolerancja.
Wynikiem analizy są dane statystyczne, które pozwalają projektantowi ocenić
zachowanie sie układu przy zmianach wartości elementów wewnątrz założonego
przedziału.
Przy określaniu tolerancji do wyboru są: LOT i DEV.
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 30 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
MC Runs  liczba symulacji
Output None  powoduje, że w PROBE nie zostaną umieszczone wyniki obliczeń
Output All  wszystkie wyniki zostanÄ… wygenerowane
Output First  wartości wyjściowe tylko dla pierwszych n symulacji
Output Every  wartości wyjściowe dla każdej n-tej symulacji
Output Runs  wyniki tylko dla tych symulacji, które zostały wyszczególnione
(maksymalnie 25)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 31 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
MC Runs  liczba symulacji
Output None  powoduje, że w PROBE nie zostaną umieszczone wyniki obliczeń
Output All  wszystkie wyniki zostanÄ… wygenerowane
Output First  wartości wyjściowe tylko dla pierwszych n symulacji
Output Every  wartości wyjściowe dla każdej n-tej symulacji
Output Runs  wyniki tylko dla tych symulacji, które zostały wyszczególnione
(maksymalnie 25)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 31 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
MC Runs  liczba symulacji
Output None  powoduje, że w PROBE nie zostaną umieszczone wyniki obliczeń
Output All  wszystkie wyniki zostanÄ… wygenerowane
Output First  wartości wyjściowe tylko dla pierwszych n symulacji
Output Every  wartości wyjściowe dla każdej n-tej symulacji
Output Runs  wyniki tylko dla tych symulacji, które zostały wyszczególnione
(maksymalnie 25)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 31 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
MC Runs  liczba symulacji
Output None  powoduje, że w PROBE nie zostaną umieszczone wyniki obliczeń
Output All  wszystkie wyniki zostanÄ… wygenerowane
Output First  wartości wyjściowe tylko dla pierwszych n symulacji
Output Every  wartości wyjściowe dla każdej n-tej symulacji
Output Runs  wyniki tylko dla tych symulacji, które zostały wyszczególnione
(maksymalnie 25)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 31 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
MC Runs  liczba symulacji
Output None  powoduje, że w PROBE nie zostaną umieszczone wyniki obliczeń
Output All  wszystkie wyniki zostanÄ… wygenerowane
Output First  wartości wyjściowe tylko dla pierwszych n symulacji
Output Every  wartości wyjściowe dla każdej n-tej symulacji
Output Runs  wyniki tylko dla tych symulacji, które zostały wyszczególnione
(maksymalnie 25)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 31 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
MC Runs  liczba symulacji
Output None  powoduje, że w PROBE nie zostaną umieszczone wyniki obliczeń
Output All  wszystkie wyniki zostanÄ… wygenerowane
Output First  wartości wyjściowe tylko dla pierwszych n symulacji
Output Every  wartości wyjściowe dla każdej n-tej symulacji
Output Runs  wyniki tylko dla tych symulacji, które zostały wyszczególnione
(maksymalnie 25)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 31 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
MC Runs  liczba symulacji
Output None  powoduje, że w PROBE nie zostaną umieszczone wyniki obliczeń
Output All  wszystkie wyniki zostanÄ… wygenerowane
Output First  wartości wyjściowe tylko dla pierwszych n symulacji
Output Every  wartości wyjściowe dla każdej n-tej symulacji
Output Runs  wyniki tylko dla tych symulacji, które zostały wyszczególnione
(maksymalnie 25)
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 31 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
List  zapisanie w pliku wyjściowym dokładnych, wybranych losowo, wartości
elementów w kolejnych iteracjach
*Value  wartości dla wybranych wcześniej opcji Output First, Output Every,
Output Runs.
Speed  liczba z przedziału od 1 do 32767, która wpływa na wybierane losowo wartości
elementów (domyślnie 17533).
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 32 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
List  zapisanie w pliku wyjściowym dokładnych, wybranych losowo, wartości
elementów w kolejnych iteracjach
*Value  wartości dla wybranych wcześniej opcji Output First, Output Every,
Output Runs.
Speed  liczba z przedziału od 1 do 32767, która wpływa na wybierane losowo wartości
elementów (domyślnie 17533).
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 32 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
List  zapisanie w pliku wyjściowym dokładnych, wybranych losowo, wartości
elementów w kolejnych iteracjach
*Value  wartości dla wybranych wcześniej opcji Output First, Output Every,
Output Runs.
Speed  liczba z przedziału od 1 do 32767, która wpływa na wybierane losowo wartości
elementów (domyślnie 17533).
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 32 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Najważniejsze opcje analizy MONTE CARLO
List  zapisanie w pliku wyjściowym dokładnych, wybranych losowo, wartości
elementów w kolejnych iteracjach
*Value  wartości dla wybranych wcześniej opcji Output First, Output Every,
Output Runs.
Speed  liczba z przedziału od 1 do 32767, która wpływa na wybierane losowo wartości
elementów (domyślnie 17533).
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 32 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 33 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 34 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Przykład
5.5V
5.0V
4.5V
4.0V
3.5V
3.0V
2.5V
2.0V
1.5V
1.0V
10V 12V 14V 16V 18V 20V 22V 24V 26V 28V 30V
... V(out)
V_V1
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 35 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 36 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Przykład
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 37 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Przykład
20
P
c
t
o
f
S
a
10
m
p
l
e
s
0
3.5 4.0 4.5 5.0 5.5
Max(V(out))
n samples = 300 sigma = 0.235522 median = 4.66949
n divisions = 10 minimum = 4.19775 90th %ile = 4.98557
mean = 4.6663 10th %ile = 4.35049 maximum = 5.20366
Przypomnijmy, że z analizy WORST CASE otrzymany zakres wynosił 4.1167V  5.3310V
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 38 / 39
SPICE  Symulacja a rzeczywistość Analiza MONTE CARLO
Analiza MONTE CARLO
Przykład
20
P
c
t
o
f
S
a
10
m
p
l
e
s
0
3.5 4.0 4.5 5.0 5.5
Max(V(out))
n samples = 1000 sigma = 0.223913 median = 4.67508
n divisions = 10 minimum = 4.16451 90th %ile = 4.98163
mean = 4.68086 10th %ile = 4.37614 maximum = 5.20366
Wyniki MC po zwiększeniu liczby analiz do 1000. Przypomnijmy, że z analizy WORST CASE
otrzymany zakres wynosił 4.1167V  5.3310V
dr hab. inż. Stanisław Hałgas (ISIE) Komputerowa Analiza UE A
ódz
2013 39 / 39