STA無疑是數字集成電路設計實現方法學中最『漂亮』的模型之一，但是隨意着工藝進步，local varition 的隨機性及重要性增加，傳統STA 的局限性日漸突出。大概在十五年前，SSTA成了一個研究熱點，相較於傳統的STA，SSTA 不再是針對單一的timing 進行分析，它的分析結果是一個統計分布，通過這個統計分布結果，可得到電路處在某個timing 點的概率。
"Statistical timing is a great approach," Keller said. "It's the most accurate I can think of, but it's also the most expensive. Except for IDMs, nobody could really deploy it in production because it required too much run time and memory."
local varition 本就是個正態分布（類正太分布），所以SSTA 可以近乎精確地對其進行模擬。然而由於SSTA 的復雜性，基本在正式工程應用中無法落地，所以這么些年來，都還是在傳統STA 模型上做精化，而『精化』的重頭戲之一就是On chip variation。從OCV 到AOCV 到SOCV / POCV, 逐漸的加入更多因素，以得到更精確的模擬。
OCV: 同一個corner 同一段path 上的所有cell 用一個derate 值；不考慮path 的depth 跟 distance, 也不考慮cell 的類型。所以結果對大部分path 而言過於悲觀，而對另一小部分path 而言又過於樂觀。
AOCV: 即所謂的stage based OCV (SBOCV), 將derate 模擬成path depth 跟 distance 的函數，所以對同一段path 上不同depth、不同類型的cell 有不同的derate 值，而且同時還會考慮spatial 的影響 ( 即distance ) , 所以相較於OCV 更精確，但是AOCV 有兩個局限：一是沒有考慮cell 的trantion 跟 load 對variation 的影響，也沒有考慮transition 的variation；二是depth 的計算，用GBA 過於悲觀，而PBA runtime 又難以接受。
SOCV / POCV: 統計OCV 是一種使用單一local variable 的SSTA 簡化模型，對每個cell 分別建模，cell 的derate 不再是path depth 的函數，而是一個基於單一 µ(均值) 和σ(方差) 的高斯隨機變量函數。SOCV / POCV 可以彌補AOCV 的局限，它考慮cell 的transition 跟 load 對variation 的影響，也考慮variation 對cell transition 的影響；由於其不依賴於depth, 所以也不受depth 精度的影響。
注：1）同一段path 是指，在STA 可以分別對data/clock 的late/early 設不同的derate值，所以用 "同一段path" 予以描述。2）Random variation 通過SPICE 做Monte Carlo 仿真得到。3）Spatial variation 用distance based OCV 來模擬，對於AOCV 跟 SOCV都需要，這部分variation 通過硅片測試得到。
SOCV / POCV 的根本是高斯分布，做SOCV / POCV STA 分析時，需要有描述derate 值的LVF 文件，通常LVF 文件由foundry 提供。
POCV / SOCV具有如下特點：
-
每一級delay 都是一個(µ,σ) 的分布，時序分布作為獨立的隨機變量通過時序圖傳播。
-
每個cell / net 的variation 都用統計參數表示。
-
variation 是輸入transition 跟輸出load 的函數。
-
更精確，跟SPICE 仿真結果的correlation 更好。
-
timing report 中delay 值用µ + n*σ 表示，默認n 是3，即通常所說的3 sigma。
http://www.tauworkshop.com/2014/Slides/Bautz_SOCV_TAU_2014.pdf
https://community.cadence.com/cadence_blogs_8/b/ii/posts/signoff-summit-an-update-on-ocv-aocv-socv-and-statistical-timing