Design of Experiments DOE - Part 1a Keysight EEsof EDA English Korean

Design of Experiments DOE - Part 1aYouTube↗ IA↗(long shot)
Science & Technology 8K views 36 likes 2 dislikes 01 Aug 2014

Keysight Design Software 27.8K subscribers N/A YouTube↗

Hello, and welcome to this presentation on Design of Experiments, DOE, in ADS. In the simplest terms, Design of Experiments, DOE, helps to pinpoint for you the sensitive parts and sensitive areas in your designs that cause problems in the yield.

안녕하세요. ADS의 실험 계획법(DOE: Design of Experiments)에 대한 프레젠테이션에 오신 것을 환영합니다. 아주 간단히 말해서 실험 계획법(DOE)은 수율에 문제를 일으키는 설계의 민감한 부분과 분야를 정확히 찾아내는 데 도움을 드립니다. 여러분은 설계자로서 이런 문제를

So, as a designer, you are then able to fix them and produce rock-solid and robust designs with much higher yield. So, let me show you how Design of Experiments, or DOE, does that for you. Here is a brief tutorial on DOE.

해결할 수 있게 되며 훨씬 더 높은 수율과 함께 강력한 설계를 구현할 수 있게 됩니다. 이제부터 실험 계획법(DOE)이 여러분에게 어떤 혜택을 제공하는지 설명하겠습니다. 이 프레젠테이션은 실험 계획법(DOE)에 대한 자습서입니다. 여기 하나의 설계가 있고 이 설계에서

Let�s say we have a design, and in this design we choose three variables. So, in this case, I choose microstrip width of lines, W, resistor, R, and a capacitor, C. So, we have three variables: width of line, resistor, capacitor. And they all � the three variables�have nominal value, and with process variation

우리는 3가지 변수를 선택했다고 가정해 보겠습니다. 이 변수는 마이크로스트립 라인 폭의 W, 저항기의 R, 그리고 커패시터의 C입니다. 이제 라인 폭, 저항기, 커패시터의 3가지 변수가 있습니다. 그리고 이 변수들은 모두 공칭값이 있고 공정 편차와 함께 플러스나 마이너스로 바뀌는데

they change, plus or minus, for the resistor and capacitor, plus or minus five percent, and for � for the width of the line it changes plus or minus half a micron.

저항기와 커패시터의 경우 플러스 또는 마이너스 5%이고 라인 폭의 경우 플러스 또는 마이너스 0.5마이크론입니다. 라인 폭의 경우

So, for the width of the line here, let�s say the nominal value is 10 microns.

공칭값이 10마이크론이라고 가정해보겠습니다. 그러면 0은 10마이크론에 해당됩니다.

So, zero corresponds to 10 microns. If I say minus one, this corresponds to the nominal value, but we subtract that tolerance or that process variation, half a micron.

제가 -1이라고 하면 이것은 공칭값에 해당되는데 우리는 해당 허용오차 또는 해당 공정 편차 0.5마이크론을 뺍니다. 여기 플러스 또는 마이너스 0.5마이크론이 보이십니까?

You see the plus or minus half a micron here? So, the minus one corresponds to nine and a half microns, and the plus one would be the high end, which is ten and a half microns.

-1은 9.5마이크론에 해당되며 1은 최고값인 10.5마이크론이 됩니다. 저항기와 커패시터도 이와 같습니다.

Same thing with the resistor and the capacitor. As zero would be the nominal value for the resistor and the capacitor, a plus one � plus one would be the nominal value plus five percent, and the minus one would be the nominal value

0이 저항기와 커패시터의 공칭값이므로 1은 공칭값에 5%를 더한 값이 되고 -1은 공칭값에서 5%를 뺀 값이 될 것입니다. 아시겠지요? 자, 다음으로 넘어가겠습니다.

minus five percent. Okay? So, let�s move on. In Design of Experiments, for a full factorial, the number of experiments you want to run

실험 계획법에서 완전 계승법의 경우, 실행하고자 하는 실험 수는 현재 가지고 있는 요소 수에 대해 2입니다.

is two to the number of elements; two to the power of how many elements we have. So, for example, we have W, R, C. Those are three components. The number of experiments for a full factorial is two to the third, which is eight experiments.

예를 들어 현재 W, R, C가 있고 이들은 3개의 구성요소입니다. 완전 계승법의 실험 수는 23으로 8회의 실험이 수행됩니다. 따라서 구성된 W, R, C로

So, when we put a table like this, we said W, R, C, and we put all the combinations of the minus one and the plus one. That covers the eight experiments.

이렇게 표를 만들어서 -1과 1의 모든 조합을 대입합니다. 이 표는 8회 실험을 다룹니다. 그리고 첫 번째 줄에는 0, 0, 0이 있습니다.

And the first line, notice here I have zero, zero, zero. That means it�s the nominal values of W, R, C. Under nominal values, when I simulate my amplifier, I get 13.8 dB gain.

이는 이 값들이 W, R, C의 공칭값이라는 뜻입니다. 공칭값에 따라 앰프를 시뮬레이션해서 13.8dB 게인을 얻습니다. 이것이 공칭값입니다. 이번에는 W, R, C에서

That�s the nominal value. Then, I put everything, W, and R, and C, to minus one.

-1까지 모든 것을 대입합니다. 이것은 C와 R에 대한 공칭값이 -5%이며

That means, it�s minus five percent of the nominal value for C and R, and minus half a micron for W, and I simulate and I get a different gain. Then, I change, just one at a time.

W에 대해서는 -0.5마이크론이라는 뜻입니다. 시뮬레이션을 하고 다른 게인을 얻습니다. 이때 한 번에 하나씩만 바꿉니다. -1, -1을 입력한 다음 이것을 1로 바꾸고

I keep minus one, minus one, I change this to plus one, and I get a different gain.

다른 게인을 얻습니다. 이렇게 세 변수에 대한 모든 시뮬레이션 조합을 얻고

So, I get all the combinations of simulations for the three variables, and I get the gain

바로 여기에 게인 값을 얻습니다.

value right here.

이 실험, 즉 8회의 실험을 수행하고 나면

Once I do this � these are the experiments, the eight experiments � once I do this, then I have this table. Notice in the table here that the first top four experiments have the capacitor as minus one, and the bottom four experiments have the capacitor plus one.

이 표를 얻게 됩니다. 여기 표를 보면 상단의 4회 실험에서 커패시터의 값은 -1이고 하단의 4회 실험에서는 커패시터의 값이 1입니다. 우리는 노란색 부분의 C=-1에 대해 평균 게인을 구하고, 이들 게인의

We get, for C minus one in the yellow, we get an average gain, the average of these gains, 13.7725 dB. But, for C equals plus one, the average gain would be right here in the blue, 13.86 dB. So, we calculate the slope per unit, and we find out that it changes, the gain changes,

평균은 13.7725dB입니다. 그러나 C=1의 경우 평균 게인은 바로 여기 파란색 부분의 13.86dB입니다. 따라서, 유닛당 기울기를 계산해서 이 값이 달라졌고 게인이 유닛당 .044dB만큼 달라졌다는 것을 알았습니다.

by .044 dB per one unit. Now, let�s do the same thing for the resistor, R. In the blue, we see all the minus ones for the R, for the resistor. In the green, we see the plus one for R. We do the same thing, we take the blue, take

이제 저항기 R에 대해서도 똑같이 진행해보겠습니다. 파란색 부분에서는 저항기 R에 대한 값이 모두 -1입니다. 녹색 부분에서는 R에 대한 값이 1입니다. 파란색 부분을 확인해서 평균을 구하고 녹색 부분에서 평균을 구합니다.

the average, and we take the average in the green section. Okay, so for R minus one we get 12.97 dB, that�s the blue.

R=-1의 경우 12.97dB의 값을 구했으며 이것은 파란색 부분입니다. R=1의 경우

For R equals one, plus one, we get 14.6625 dB, which is the green.

14.6625dB의 값을 구했고 이것은 녹색 부분입니다. 이제 이에 대한 기울기를 계산해서

Now, we calculate the slope for this, and we get .85 dB per unit. So, we plot these to see it much easier. So, you can see the amplifier gain on the Y axis, and we have minus one to plus one.

유닛당 .85dB의 값을 구했습니다. 이 방법이 훨씬 더 쉬운지 알아보기 위해 그래프로 그려보았습니다. 앰프 게인은 Y축에 있고 값은 -1부터 1까지 있습니다. 파란색 선은 저항기를 나타내고

The blue line represents the resistor, the gain change due to the resistor.

게인은 저항기 때문에 달라집니다. 빨간색 선은 커패시터 때문에 달라집니다. 저항기가

And the red one is due to the capacitor. Easily, you can see that the resistor is contributing more variation in gain than the capacitor. So, these are called the �main effect plots.� So, when I talk in theory about main effects,

커패시터보다 게인의 편차에 더 많은 영향을 미친다는 것을 쉽게 확인할 수 있습니다. 이를 “주효과 플롯”이라고 부릅니다. 제가 주효과 또는 효과 플롯에 대해 이야기할 때 이런 모양을 나타냅니다.

or effects plots, they look like this. Okay? Next, we move to the next page, and let�s now see the interaction effect. So, basically, now I�m giving you an example of interaction effects between W, the width

이제 다음 페이지로 넘어가서 상호작용 효과에 대해 알아보겠습니다. 기본적으로 라인 폭 W와 저항기 R 사이의 상호작용 효과에 대한 예를 한 가지 드리겠습니다. W와 R의 열을 살펴보면 분홍색이 1이라는 것을 알 수 있는데

of the line, and the resistor, R. So, I take the W and R columns, and notice the pink color is plus one, because you multiply minus one times minus one is plus one. One times one is plus one. Minus one times minus one is plus one, et cetera.

-1과 -1을 곱하면 1이 되기 때문입니다. 1 곱하기 1은 1이며 -1 곱하기 -1은 1이 되는 식입니다. 분홍색은 1입니다.

All the pink is plus one. And the blue, when you multiply them, it�s minus one.

파란색의 경우 이들을 곱하면 -1입니다. 상호작용에 대해서도 똑같이 해봅니다.

So, for the interaction you do the same thing. You find the average gain for WR equals minus one, and the average gain for WR equals plus one, and you find the slope of the change in gain.

W*R=-1에 대한 평균 게인은 -1이며 W*R=1에 대한 평균 게인은 1입니다. 그리고 게인의 변화에 대한 기울기를 확인합니다. 기울기가 아주 작다는 것을 알 수 있습니다.

And we notice the slope is very small. So, the interaction effect between W and R is not really contributing much to the variation in gain. And if we plot it on the next page, notice in pink, this is almost a horizontal line.

따라서 W와 R 사이의 상호작용 효과는 사실 게인의 편차에 큰 영향을 주지 않습니다. 이 결과를 다음 페이지에 그래프로 나타내고 분홍색 선을 보면 거의 수평임을 알 수 있습니다. 이는 게인에 아무런 영향이 없다는 뜻입니다. 그러나 저항기는 여기에서 게인에 지배적 효과를

It really has no effect on the gain.

But, the resistor, the dominant effect here for the gain. So, we do the same thing, what I showed you, to all the components. And you can see, you can construct a linear equation that represents these experimental

발휘하고 있습니다. 이제 제가 보여드렸던 모든 구성요소에 대해 똑같은 작업을 수행합니다. 보시는 바와 같이 이 실험 결과를 나타내는 선형 방정식을 그릴 수 있다는 것을 알 수 있습니다. 또한

results. So, we can see our gain is 13.8 dB, which is the nominal value we calculated early on,

게인은 우리가 앞서 계산했던 공칭값인 13.8dB, 여기의 인수가 양의 값이므로

plus .09 W, because the factor here is positive, plus .85 R. Sometimes you get a negative number. You could get a negative slope. But, in our case here, we get positive slopes. Plus .044 C, plus � et cetera.

W .09와 R .85입니다. 가끔 음수를 구할 수도 있습니다. 음의 기울기를 구할 수도 있지만 여기에서 우리는 양의 기울기를 구했습니다. .044C + 등 방금 구성한 전체 방정식은 여러분이 선택했던 모든 구성요소의

You just construct a whole equation here that would give you a lot of information on the gain versus the variation in all the components you chose. And the best way to see this is by plotting them on a Pareto chart. So, when you do it in a Pareto chart, easily you can identify, right now, that the resistor

편차 대 게인에 대한 많은 정보를 줄 것입니다. 그리고 이것을 확인할 수 있는 최선의 방법은 파레토 차트에 그려보는 것입니다. 파레토 차트에 그려보면 저항기 R과 라인 폭 W가 게인의 변화와 게인의 편차에

R and the W, the width of the lines, are the top two contributors to the change in gain, to the variation in gain. So, I can concentrate, first, as a designer, on the resistor, R. What can I do to this resistor to make it less sensitive?

대한 주요 원인이 두 가지라는 것을 지금 바로 쉽게 확인할 수 있습니다. 따라서 설계자로서 먼저 저항기 R에 집중할 수 있습니다. 저항기가 덜 민감해지도록 어떤 조치를 취할 수 있을까요? MMIC에서는 저항기를 더 넓게 만들 수 있습니다. 이것은 마치

In MMIC, I can make it much wider. It�s like, if my resistor is 10 microns wide, I can make it 20 microns, or 30 microns wide. This would reduce its sensitivity.

저항기 폭이 10마이크론이라면 20이나 30마이크론 넓게 만들 수 있습니다. 이렇게 하면 감도가 줄어듭니다. 이 저항기 문제, R을 해결하면 설계에서 큰 편차나 감도가

If I fix this R, this resistor problem, I will not have a big variation and sensitivity

존재하지 않을 것입니다.

in my design. Conclusion here, again, in very simple words, Design of Experiments will help you to pinpoint the sensitive parts and the sensitive areas in your design that cause the problems in the yield and cause problems in achieving first pass success.

간단하게 결론을 말씀드리자면, 실험 계획법은 수율에서 문제를 유발하는 설계의 민감한 부품과 부분, 그리고 FPS(First Pass Success) 달성을 방해하는 문제들을 정확히 찾아낼 수 있도록 돕습니다. 그렇기 때문에 이처럼 민감한 부품과 부분을

So, one you identify these sensitive parts and sensitive areas, then designers are able

일단 식별하면 설계자는 이런 문제를 해결하고 FPS를 달성할 수 있게 해줄

to fix them and produce rock-solid, robust designs, and it will give you a first pass

확실하고 강력한 설계를 완성할 수 있습니다.

success. Let me now show you a demo in ADS, a simple demo just to see how, in ADS, you can use the Design of Experiments.

이제 여러분께 ADS에서 실험 계획법을 어떻게 사용할 수 있는지 알아보는 간단한 데모를 살펴보겠습니다.