AI技術是數(shù)字化轉型的基礎,它影響了許多行業(yè),包括以互補的方式進行電子設計和制造。印刷電路板(PCB)設計和制造是大多數(shù)現(xiàn)代電子設備的核心,也不例外。它們充當連接和支持組件的平臺。在一個市場上,對高零件密度,散熱和精度有要求的PCB的需求正在不斷增長,對設計過程的優(yōu)化解決方案正在并行開發(fā)。
此外,隨著設備的復雜性和小型化水平增加了,以及對準確性,速度和可擴展性的越來越嚴格的需求,將AI集成到PCB生命周期中已成為必要,而不是可選的選擇。 PCB制造中的AI采用可以分為兩個主要階段:設計和制造。在這兩個階段中,機器學習和深度學習技術都在優(yōu)化過程,直到最近,這些過程都嚴重依賴人類干預。新技術的廣泛采用表明了AI在輔助設計中的重要性及其在現(xiàn)代PCB設計中實施的潛力。
智能PCB設計
在PCB設計過程中,AI由于能夠加快和優(yōu)化設計人員的工作而產生了重大影響。 PCB設計涉及復雜的迭代步驟,工程師必須應對諸如組件放置,跟蹤路由,減少電磁干擾(EMI)以及遵守制造規(guī)則等挑戰(zhàn)。傳統(tǒng)過程可能需要幾天或幾周,尤其是對于具有高密度或性能要求的項目。
隨著AI的介紹已經(jīng)超過了既定的生產方法,許多這些任務可以由智能工具自動化或支持。機器學習算法可以分析數(shù)千種現(xiàn)有設計并確定組件布局的最佳模式,而高級AI驅動的路由系統(tǒng)可以為跡線提出有效的路徑,從而最大程度地減少整體長度并提高信號完整性。此外,AI可以以極高的精度模擬和預測電磁干擾,從而使設計人員甚至在進入原型階段之前都可以優(yōu)化設計。
PCB設計中基本重要性的另一個方面是驗證和驗證。 AI驅動的工具可以檢測出常見的錯誤,例如短路或違反設計規(guī)則,其速度和準確性遠遠超出了人類的能力。 AI可以動態(tài)地適應項目的特定要求,并建議以動態(tài)方法來平衡成本,性能和可靠性等因素。與傳統(tǒng)的設計軟件相比,整合人工智能的工具是向前邁出的一大步,該軟件通常需要手動干預來識別和解決問題。
AI優(yōu)化了PCB設計和制造
PCB制造是一個高度技術性的過程,需要精確控制每個步驟,從銅礦床到絲網(wǎng)印刷,鉆井和最終組裝。借助新的基于AI的技術,可以提高質量,減少生產時間并最大程度地減少浪費。涉及實施AI的PCB設計需要創(chuàng)建模型并優(yōu)化設計。數(shù)值模型的構建將PCB布局的特性(例如優(yōu)化的組件放置,有效的跟蹤路由,熱規(guī)格等)與設計性能指標(功率完整性規(guī)格,信號完整性規(guī)格,功率輸出/消耗等)有關。
迄今為止,AI最相關的應用之一是質量控制,在該算法中支持的高級計算機視覺系統(tǒng)可以在不同生產階段進行分析和檢查PCB的圖像,以檢測任何缺陷,例如短路,痕量中斷或錯位。這種策略可以提高生產率,也可以降低與突然維修相關的成本,或者更糟的是對組件的過早更換。使用AI的好處還在于最小化信號路徑并提高熱效率。 ML算法還用于模擬PCB的電磁行為,從而確保更高的可靠性。
人工智能用于控制和優(yōu)化每個印刷層,確保準確性和質量,而算法則在實時監(jiān)控公差,維變化和材料密度,并在差異時自動介入。本質上,AI驅動的工具能夠學習和適應,不斷提高其準確性并降低誤報或負面因素的風險。
AI有所作為的另一個戰(zhàn)略領域是生產設備的預測維護:通過分析安裝在機器上的傳感器收集的數(shù)據(jù),AI算法可以預測機器何時接近故障,從而避免了及時的干預措施,從而避免了計劃外的停機時間。 AI還用于優(yōu)化組裝過程,尤其是對于使用表面安裝組件的PCB。智能系統(tǒng)可以分析拾取機器配置并優(yōu)化機器序列,從而減少定位每個組件所需的時間。此外,AI可以通過確保將每個組件的精確度放置,可以改善設備校準。
模擬和數(shù)字雙胞胎的新領域
AI在PCB制造中最有希望的應用之一是與數(shù)字雙胞胎集成。數(shù)字雙胞胎是產品或過程的虛擬復制品,可用于模擬和優(yōu)化生產的各個方面。在AI的幫助下,數(shù)字雙胞胎可以預測PCB在整個使用壽命中的表現(xiàn)如何,在出現(xiàn)潛在的問題之前。在制造業(yè)的背景下,數(shù)字雙胞胎可以通過生成自動化的工作流程并允許公司測試新配置而不中斷真實生產,這對于引入設計更改或適應新材料或技術特別有用,從而模擬整個制造過程,以簡化設計人員的工作。
集成基于AI的熱應力仿真的工具為設計人員提供了有關PCB在極端操作條件下的性能的立即反饋。在這些模擬中,AI實時分析了大量生產數(shù)據(jù),以提供準確的預測和優(yōu)化,模擬PCB的電氣行為,并確定異常或效率低下。此方法減少了對物理測試的需求,并加快了原型開發(fā)時間。
數(shù)據(jù)在AI時代的戰(zhàn)略重要性
為了充分利用AI的潛力,PCB制造商必須具有準確且結構良好的數(shù)據(jù)。來自傳感器,機械和生產管理系統(tǒng)的數(shù)據(jù)是開發(fā)算法的基礎,但是收集和處理此數(shù)據(jù)并非沒有挑戰(zhàn)。有必要采用能夠整合來自不同來源和格式的信息的高級數(shù)據(jù)管理解決方案。
在明顯的局限性中,事實證明是機遇的事實,即隨著新數(shù)據(jù)的可用,AI需要一個連續(xù)的學習和更新周期。必須對算法進行培訓以反映當前狀況和需求,所有這些都需要對技術和人類技能進行投資,工程師和AI專家與制造專家緊密合作。
PCB設計中人工智能的未來在于直接生成CAD數(shù)據(jù),包括PCB的布局。這可能包括組件的生成放置,例如組和關鍵點。一旦將AI驅動的自動屋放置在將設計的特定部分路由設計。最后,采用人類在循環(huán)的方法中有資格的輸出可以增強學習,因此只有表現(xiàn)最好的人才能成為訓練集的一部分。
該算法從以前的設計中學習并自動提出最佳布局配置,這對于在安全和可靠性規(guī)格嚴格的行業(yè)(例如汽車和航空航天)中使用的PCB尤其有用。增強學習方法是構建基于AI的PCB設計模型的最佳選擇。具有與之相關的PCB布局數(shù)據(jù)的設計的任何部分都可以用于構建設計AI模型。
顯然,前端最重要的任務是對設計進行分類和標記設計,以便訓練數(shù)據(jù)與某些設計域一致。一旦您擁有用于PCB域的生成模型,系統(tǒng)就可以生成CAD數(shù)據(jù),設計人員可以檢查,以驗證放置,路由,約束和機械形態(tài)。手動編輯該項目后,可以將其重新插入培訓集中。增強學習過程使您可以不斷地更新生成模型并通過可接受的設計對其進行優(yōu)化。
PCB制造中的應用和工具
在PCB行業(yè)中,人工智能的整合是由一些利用這些技術改進和創(chuàng)新電子設計和制造過程的公司驅動的。其中,電子設計自動化解決方案的全球領導者西門子EDA(電子設計自動化)使用先進的AI技術來徹底改變PCB設計過程。該公司代表了AI如何改變電子行業(yè)的獨特模型,其主要目的是減少審查時間和成品質量。
在西門子EDA的情況下,該行業(yè)的公司可以加快設備上市時間的速度,同時降低原型制造和制造成本。西門子憑借其Xcelerator投資組合,引入了工具,將機器學習和預測分析結合在一起,以應對現(xiàn)代電子設計的挑戰(zhàn)。最高工具之一是HyperLynx,它使用AI來優(yōu)化PCB中的信號完整性和電源管理。該算法分析電路布局,以識別潛在的電磁干擾(EMI)或電容耦合問題。
傳統(tǒng)上,這些分析需要經(jīng)驗豐富的工程師進行的數(shù)小時的復雜模擬,而使用AI,HyperLynx可以自動和更少的時間自動發(fā)現(xiàn)問題并提出解決方案。另一個相關的工具是Valor,它通過使用機器學習算法將PCB設計與數(shù)千種實際制造配置進行比較,可以自動標記錯誤或可能阻礙生產的不一致之處,從而自動化制造設計(DFM)驗證。
Cadence Design Systems是EDA行業(yè)的另一個全球領導者,廣泛使用AI技術和高級模擬來提高PCB設計的效率和準確性。一個例子是Cadence大腦平臺,它利用機器學習的力量自動化設計和優(yōu)化布局。 Cadence大腦依靠深度神經(jīng)網(wǎng)絡來根據(jù)復雜的標準(例如信號完整性,熱性能和功耗)來優(yōu)化設計。該工具使設計人員可以比傳統(tǒng)方法快得多,同時降低錯誤風險。
Cadence還將AI集成到其仿真工具中,例如Virtuoso和Allegro,以在物理生產之前對印刷電路板性能進行準確的預測,從而降低原型成本。 Cadence Design Systems通過Allegro和Orcad平臺提供了PCB設計優(yōu)化的高級工具,這些工具整合了原理圖,布局設計和仿真,簡化了任務,例如信號完整性分析,高速設計和制造控件。 Orcad X和Allegro X是其各自的Cadence電路設計軟件的最新更新。
Allegro X提供了其他功能,但兩者都能滿足現(xiàn)代DFM印刷電路板的挑戰(zhàn)。 3D可視化,實時DRC驗證和AI驅動自動化等功能提高了生產率。 Allegro X支持剛性的設計和高級鉆孔技術,并使用功能強大且靈活的工具來革新DFM工作流程,以設計復雜的PCB,而Orcad X則提供了一個用于復雜電子設備的直觀界面。對于剛性的布局,Allegro X允許您通過定制的堆棧和邊界定義違反標志設計規(guī)則檢查(DRC)的邊界,輕松管理材料的機械和電氣性能的復雜性。
高級功能(例如Microvias和CounterSinks)包括自動設置,這些設置簡化了與制造商的通信,從而確保準確性和質量。用戶可以利用電動機發(fā)生器設計優(yōu)化的動態(tài)計劃,減少阻抗和散熱。此外,該系統(tǒng)通過與Sigrity等工具兼容,改善了設計和仿真之間的相互作用,該工具提供了更準確的分析。與Orcad X的兼容性進一步豐富了該過程,從而允許文件共享和集成復雜布局的管理。借助實時反饋,工程師最早可以在設計階段優(yōu)化布局性能,從而大大減少修訂并改善生產的交貨時間。因此,Allegro X是旨在最大程度地提高PCB設計效率和質量的設計師的關鍵盟友。
PCB制造優(yōu)化的另一個象征性案例是Jabil,它使用人工智能來大規(guī)模改善印刷電路板的生產和組裝。該公司實施了基于深度學習的機器視覺系統(tǒng),以實時質量控制。這些系統(tǒng)用于分析生產的每個PCB,檢測可能逃脫人類控制的最小缺陷。一個關鍵的例子是Jabil的智能機器視覺系統(tǒng),該系統(tǒng)將高分辨率圖像分析與深度學習算法結合在一起,以檢測絲網(wǎng)印刷中的微裂縫,破裂的痕跡或錯誤。
該系統(tǒng)不斷從制造過程中收集的數(shù)據(jù)中學習,從而提高其在處理更多圖像時識別缺陷的能力。通過這種方法,賈比爾能夠大大降低與返工和廢料相關的成本。 Jabil還使用AI進行預測設備維護,其中安裝在生產機上的傳感器收集諸如振動,溫度和能源消耗之類的數(shù)據(jù),然后通過機器學習模型對此進行分析,這些模型可以預測機器何時可能發(fā)生故障。多虧了這項技術,賈比爾(Jabil)能夠最大程度地減少計劃外的停機時間,從而提高了總體生產效率。 Jabil使用AI的另一個領域是優(yōu)化用于安裝表面安裝設備的拾取機器配置(SMD)) 成分。 AI算法分析了數(shù)百萬個可能的組合,以確定將組件放在PCB上,減少周期時間并提高組裝精度的最佳順序。
結論
人工智能從根本上改變了PCB制造行業(yè),提供了提高質量,降低成本并加速上市時間的工具和解決方案。越來越多的電子公司采用AI集成方法,除了自動化重復任務外,還提供了見解以提高系統(tǒng)的整體質量和效率。隨著公司繼續(xù)投資于結合自動化,預測分析和機器學習的技術,印刷電路板中的AI應用程序將進一步擴展。對于那些采用新技術并標志著快速發(fā)展的行業(yè)未來的人來說,創(chuàng)新的能力代表了競爭優(yōu)勢。
從智能設計到優(yōu)化的制造,預測性維護和高級模擬,AI都重新設計了PCB生命周期的各個方面。同時,AI在PCB設計過程中的成功取決于準確且結構良好的信息的可用性,這需要正確的數(shù)據(jù)收集和分析基礎架構。將AI集成到PCB設計的主要局限性之一是實施的技術復雜性。算法需要適應特定過程,并且需要一個可能非常昂貴且耗時的初始校準步驟。此外,從長遠來看,依賴專有解決方案的風險可以限制靈活性和增加成本。
AI技術在PCB制造中的擴散將繼續(xù)增加,這是由于對日益復雜和高性能的電子設備的需求所驅動的??赡軐恚覀儗⒖吹綌?shù)字雙胞胎在模擬PCB的整個生命周期以及通過促進材料的回收和再利用來支持循環(huán)經(jīng)濟的解決方案。發(fā)展強調了采用以創(chuàng)新為導向的心態(tài)的重要性。在電子制造業(yè)中采用AI的公司將保持競爭力,還可以概述下一代設備。在數(shù)字化轉型的時代,那些可以有效地將AI集成到其流程中的人將能夠推動創(chuàng)新并在日益苛刻且動態(tài)的電子市場中保持競爭優(yōu)勢。