通过 ML 和自动化实现电子工程效率

庞大的电子行业正在悄然进行着一场意义重大的革命。利用机器学习 (ML) 和人工智能 (AI)，业内公司正在开发新软件，为设计师、工程师、分销商和制造商节省时间和资源，逐渐减少以前用于创建电子产品的疲劳和类似物。 .

ML 和 AI 比以往任何时候都更先进。但是，尽管取得了很大进展，但令人惊讶的是，电子工程等技术成熟的垂直领域尚未主导自动化的发展。例如，印刷电路板 (PCB) 作为所有电子设备的重要组成部分，通常仍使用人类工程师的经验知识和思维过程进行设计。 PCB 设计和制造时间仍然依赖于古老的人类。

但变革之风正席卷整个行业；机器学习开始完善设计流程。无论是改进零件和组件的搜索、数字化遗留工程文档，还是帮助生成设计，机器学习都能阐明对工程师不可见的过程的洞察。。

工程师可以使用哪些平台来缩短 PCB 设计流程时间，它们的优缺点是什么？

让我们从传统的电气计算机辅助设计 (ECAD) 工具开始。它们是复杂的软件工具，旨在让工程师执行任何类型的详细设计（提供一些自动化）。但是，它们通常只适用于手动工程工作。示例包括 Altium Designer、Siemens EDA、Cadence OrCAD、AutoDesk Eagle 和 Zuken ECAD 工具。

另一种经常使用但基本上无效的辅助形式是桌面（或项目）工具。即使在今天，工程师们仍然使用 Excel、Atlassian、Visio 等办公工具来管理他们的大部分活动，例如维护 wiki 和管理项目。由于它们从未用于日常工程工作，因此这些工具存在多种缺点，缺乏在完成电子设计时节省工程师时间所需的特异性。

数据库供应商还提供软件工具，使工程师能够大致了解组件价格、可用性和（某些）技术规格。

在电子行业，有关组件和半导体的最新信息至关重要。然而，这些信息可能会破坏甚至逆转工程师在设计产品时的进展，因为数据库缺乏电路细节和参考设计，而这些对于将组成计划变成可制造的现实是绝对必要的。

这三个前面的例子都是工程师经常使用的组成平台，他们个人和集体未能实现信息和组织的一致性或时间效率。

因此，绝对有必要对最近进入市场的新类别的平台进行自动化。基于云的平台专注于高级抽象和功能设计视图，提供尽可能多的自动化并利用不同工程师的共享和协作。这些平台通常与现有设计工具（如传统 ECAD）顺利集成。

不仅在电子工程领域，数字时代的一个普遍话题是 ML 和 AI 在丰富的数据流中的发展。近年来，存储、编译和比较数据的技术能力有了长足的发展，幸运的是减少了工程师在项目上花费的时间和资源。尽管如此，随着开发人员收到越来越多的信息，数据管理仍然是一个难题。

如果没有精心管理和适当的“卫生”流程，更多的数据对于处理数据的人来说可能意味着更多的问题。海量数据，尤其是坏数据带来了新的挑战。对于工程师来说，访问数十亿个数据集是很有用的，直到出现信息过载，这......