1.功能：模擬工藝偏差對芯片性能的影響
2. 40nm之前 flat derate模型可以基本覆蓋大部分情況
3.AOCV （Adance OCV) 考慮distance 和depth的影響。
AOCV table背后已經有統計學的支撐,即SSTA(statistical static timing analysis).
但是限於runtime，基本都是GBA(Graphic based analysis)進行timing 分析。Depth 分析不夠准確，使得過於悲觀。
PBA 計算depth，准確，但runtime太長。
4.16nm
C SOCV statical OCV
S POCV parmeter OCV
背后的統計學都是正態分布。不是簡單的設置一個derate值或查一個表格，而是進行一系列的計算。
概率論中的隨機變量：離散隨機變量/連續隨機變量
芯片制造工藝中的偏差屬於連續隨機變量范疇。
5.
1)隨機變量：random variable
現實世界中，許多變量是無法准確預測的。
故經常使用隨機變量來表示。例如管子的閾值電壓
2）概率函數：probability
經過大量測試，會發現隨機變量的值常遵循一定的規律。隨機變量處於x的可能性稱為概率。P(x)
3)累計分布函數cumulative distributioin function
描述一個實隨機變量X的概率分布，是概率密度函數的積分。概率函數的取加的結果。
4）概率密度函數 Probility density function
用於描述隨機變量落在特定范圍的概率。這個概率為概率密度函數在這個區域上的積分。
如下圖，該隨機變量落在-1σ ~ 1σ間的概率是68.27%。SOCV / POCV 中sigma的取值，就是根據這個概率得來，所取sigma 的值需要保證大部分情況可以被覆蓋到。
5）均值（mean)
用於表示概率分布或以分布為特征的隨機變量的集中趨勢的一種度量。
是隨機實驗在同樣的機會下重復多次的結果計算出的等同期望的平均值。
5）方差（sigma):
描述隨機變量與平均值的偏差程度。
方差 隨機變量和平均值的偏差程度。
6）正態分布
Normal distribution 高斯分布
對於正態分布，隨機變量落在-1σ ~ 1σ間的概率是68.27%，落在-2σ ~ 2σ間的概率是95.45%，落在-3σ ~ 3σ間的概率是99.73%。這也是為什么SOCV / POCV 取3σ 的原因所在。
SOCV / POCV就是一個基於正態分布的OCV 模型