為什么要引入AOCV
為了精確性，為了剔除悲觀度。用set_timing_derate來設置OCV，對於一個固定的corner，只能對data/clock, cell/net, late/early分別設不同的值，由下圖可知，這個值是個trade off的結果，在保證yield的前提下，盡量不那么悲觀，但由於其『固定天性』，這個值既不能cover最悲觀的部分，而對另一部分又過於悲觀。
什么是AOCV
AOCV是一種用偽統計（pseudo-statistical ）來模擬variation的方法，相對於傳統OCV更精確，它用於模擬random 和systematic variations：
Systematic variation：即Distance based AOCV，用於模擬global variation，根據芯片制造過程的統計特性，距離越遠的cell之間相對的variation越大，所以用distance based AOCV來描述距離跟derate之間的關系，距離越大derate越大，這個距離是指一條timing path所在『物理范圍』內對角線的長度。timing path的位置信息由SPEF提供，這要求抽SPEF時需要將坐標信息抽出，在STA中讀SPEF時要把SPEF的坐標讀入。
Random variation：即Depth based AOCV，用於模擬Local variation，由於random variation相互抵消作用，derate隨着路徑深度的增加而減小。
通常AOCV table有一維跟二維兩種，一維table的index是depth，二維table的index是depth跟distance。對於每種類型的cell，foundry會針對rise/fall, late/early, data/clock分別提供一個table。
object_type : lib_cell
rf_type : rise
delay_type : cell
derate_type : late
path_type : data
object_spec : 10nmlib/BUF_X4
depth : 1 2 3 4 5
table: 1.183 1.145 1.122 1.109 1.0901
object_type : lib_cell
rf_type : rise
delay_type : cell
derate_type : early
path_type : data
object_spec : 10nmlib/BUF_X4
depth : 1 2 3 4 5
distance: 0 500 1000 1500
table: 1.123 1.090 1.075 1.067 1.062
1.124 1.0911.076 1.068 1.063
1.125 1.0921.077 1.070 1.065
1.126 1.0941.079 1.072 1.067
如何使用AOCV做STA分析
BA AOCV:
-
對於一個cell，其Depth取其所在所有timing path上的最小值；
-
不考慮distance based OCV，即不計算distance的值；
-
如果AOCV table是二維的，STA工具通常會選最后一行做GBA分析，以保證distance值最悲觀。
PBA AOCV:
-
在GBA的基礎上，針對用戶指定的一組path重新計算timing，並重新計算該組path上每個cell的Depth；
-
對於一個cell，其Depth對不同的path分別計算，分別取該cell所在path上的精確值；
-
如果提供了distance basbed AOCV table，會根據SPEF中的坐標信息，計算對應path所在區域的對角線長度，即derate值從二維表格中得到。
-
PBA計算得到的值更精確，但需要特別特別特別長的runtime。
-
Tool：因為方法學上一致，在工具端，除了變量/命令命名方式不同，剝去這層外衣，里面都是一樣雪白的肉體。此處仍以Tempus為例，來介紹工具端使用模型(use model)。
使能AOCV 分析:
-
setAnalysisMode –aocv true –analysisType onChipVariation
讀入AOCV table:
-
Single corner: read_lib -aocv my.aocv
-
MMMC: create_library_set -name mylib -timing my.lib -aocv my.aocv
AOCV相關變量設置：
列幾個常用變量，至於每個變量用於什么用途，請自行查guide。這里需要特別說明的一點是：如果既讀入了AOCV table又用set_timing_derate設了OCV，不同工具的行為有所差別，都有相應的變量控制。對於Tempus工具在計算最后的derate時會根據以下標紅變量的不同設置，做不同計算。
timing_aocv_analysis_mode
timing_aocv_derate_mode
timing_derate_aocv_reference_point
timing_derate_ocv_reference_point
timing_derate_aocv_dynamic_delays
AOCV report：
report_aocv_derate
report_timing -retime aocv/aocv_path_slew_propagation
report_timing -format { ... stage_count aocv_derateuser_derate ...}