---

---

1. $Overview$

$Processvariation$可简单分为$die-to-die$和$onchipvariation(ocv)$，$die-to-die$的可以通过$signoff$过程中不同的$checkview$去$cover$，$onchipvariation$需要通过$signoff$过程中设置不同的$derate$值去模拟悲观化相关$cell$。

• $OCV$：通过在$timingpath$上设置统一的$early/latederate$做$hold$和$setup$的$check$，这样的设置方式很简单，但同时很粗暴($gba$的)，会导致大部分$cell$的$delay$过于悲观，而小部分的可能又过于乐观；
• $AOCV$：不再是在$path$上设置统一的值，而是通过$pathdepth$获取随机$variation$，$distance$获取$on-dievariation$的方式进行设置。这种设置相对于$ocv$更加精确。但是对于$gbamode$来说，$pathdepth$造成的variation的获取还是过于悲观，用$pba$又会耗费大量的$runtime$。且$variation$的获取不受$trans$和$load$的影响。
• $POCV$：随着随机$variation$相对于$chipvariation$的占比增大，$pocv$的出现，能够更好的$meet$实际的工艺需求。相对于$aocv$ ，大大减小的$pba$和$gba$之间的悲观性的差距。能大大减小$eco$的$effort$。$pocv$对于$cell$的$variation$不再是$pathdepth$相关的，而是基于统计学搞出来的。每一个$cell$，都会通过仿真得到相关的高斯分布，那么每一个$cell$都会拥有相应的$mean$值和$sigma$值，在$updatetiming$时候，不再是统计$depth$计算，大大节省时间。另外$POCV$也支持$aocv$中关于$chipvariation$的模型，可以通过$distance$来进行$derate$设定。

---

---

2. $POCVAnalysis$

$POCV$关于$cell$的$randomvariation$到底怎么搞到的？这边简单叙述一下：
如下图上部分，一个$cell$最大最小值可能限定在一个范围内，那芯片工艺制造之后，它的$celldelay$落到最大最小值内的概率为$1$。那通过一系列的$SPICE$仿真，发现$cell$的$delay$的概率分布非常靠近一个高斯分布，如下图下部分所示，这是一个概率密度分布函数。

对于高斯分布，当我们的$delay$取值为$u+3\sigma$时候对应的概率值为$0.9973$，因此我们对于$celldelay$分布类似于高斯分布的$variation$，一般都设置$3\sigma$的方式进行$cover$。这也是我们$POCV$的$celldelay$计算方式：

$$celldelay=delaymean+3\ast \sigma$$

其中$delaymean$其为$delay$的均值，由$lib$中的$trans/load$决定。

$\sigma$的来源有两种方式：

• 设置$singlecoefficient$，$\sigma =delaymean\ast singlecoefficient$：

• 吃相关的$LVF$文件，里面也是类似于查找表的形式，$\sigma$取决于$trans$和$load$：

---

---

3. $POCVFlow$

$POCV$的$flow$包含以下主要步骤：

• 读入$std$库，读入$pr$后的$netlist$，读入相关的约束文件；
• 读入$pocvsidefile$(如果是用的$lvf$格式的$lib$，那么就不需要这个了)；
• 读入$spef$，如果需要设定$distance-based$的$derate$那么需要带上坐标信息从而方便计算距离；
• 数据读入后打开$pocv$的分析然后$updatetiming$就可以查看相关的报告了。

set_app_var timing_pocvm_enable_analysis true
set_app_var timing_pocvm_corner_sigma 3
read_ocvm pocv_coefficient_file_name
read_ocvm pocv_distance_based_derating_file_name

$Guard-bandinginPOCV$

$Guard-banding$这个说白了也是一个类似于$derate$值的东西，但是它和$process$是无关的。比如我们针对超低电压，或者考虑了$IRdrop$等问题，想而外在已经存在的$derate$基础上在设置一些悲观度，就可以用这个。

set_timing_derate –cell_delay -pocvm_guardband -early 0.95
set_timing_derate –cell_delay -pocvm_guardband -late 1.05

其对应的计算在如下图所示，这个变量在$mean$值和$sigma$值中都会用到：

---

---

4. $POCVReport$

report_ocvm -type pocvm –cell_delay –list_not_annotated –coefficient
report_ocvm -type pocvm [get_cells I]

会把用$pocvcoefficient$的$cell$给表示出来，如果有设置$distancederate$，也会描述出来，如下图所示没有$distancederate$：

---

report_timing -derate

这种会在$timing$报告中把$derate$相关的设定个报出来，还会报出$mean、sensit、incr、path$，其中$incr$和$path$不再解释，$mean$和$sensit$可以理解为累计的高斯分布函数变量，可以满足$incr=mean+/-3\ast sensit$

---

report_timing -variation

会打出更加详细的$pocv$相关的高斯变量的报告如下所示,其中$Incr$对应的$mean、sensit、corner$对应的为单一$cell$相应的高斯分布变量，满足$corner=mean+/-3\ast sensit$，而$Path$中的相关值为累计高斯分布变量，首先依然满足$Value=Mean+/-3sensit$，而$Path$中的$Mean$等于$Path$中的前一级$Mean$加上$Incr$中的本级别的$mean$，而$Path$中的$Sensit$等于Path中上一级的$Sensit$的平方值加或减$Incr$中的$sensit$的平方值，再开平方。其实某一级别的$delay$值，在考虑了高斯分布后，就等于本级别$Path(Mean，Sensit)+本级Incr(Mean，Sensit)$。

---

report_delay_calculation -from I/I -to I/ZN -derate

可以报告出该$cell$上到底有设置什么样的$derate$。如下图所示可以看出来，$celldelayderated$的计算方式以及$sigma$的计算方式，而我们上面报告中所示的$Incr$的$Mean$值就是$celldelayderated$的值。而在报告中显示的$derate$值，也会相应的在如下的计算中体现出来。