Досягнення ефективності електронної техніки за допомогою машинного навчання та автоматизації

Тиха, але значна революція триває в масовій електроніці. Використовуючи машинне навчання (ML) і штучний інтелект (AI), компанії в галузі створюють нове програмне забезпечення, яке економить час і ресурси для дизайнерів, інженерів, дистриб’юторів і виробників, поступово зменшуючи втому та аналоги, які раніше використовувалися для створення електронних продуктів. .

ML та AI є більш досконалими, ніж будь-коли. Але, незважаючи на великий прогрес, дивно, що технічно сформована вертикаль, така як електронна інженерія, ще не домінує в напрямку автоматизації. Наприклад, друковані плати (PCB), найважливіші компоненти всіх електронних пристроїв, часто все ще проектуються з використанням досвіду та розумових процесів інженерів-людей. Розробка друкованих плат і час виготовлення залишаються архаїчно залежними від людини.

Але галузь дме вітер змін; ML починає вдосконалювати процеси проектування. Незалежно від того, покращуєте пошук деталей і компонентів, оцифровуєте застарілу технічну документацію чи допомагаєте створювати проекти, ML висвітлює розуміння процесів, які інакше були б невидимі для інженерів.

Платформи підтримки

Які платформи доступні для інженерів, щоб скоротити час розробки друкованих плат, і які їхні недоліки та переваги?

Почнемо з традиційних засобів автоматизованого проектування електротехніки (ECAD). Це складні програмні засоби, розроблені для того, щоб дозволити інженерам виконувати будь-який тип детального проектування (забезпечуючи певну автоматизацію). Однак, як правило, вони придатні лише для ручних інженерних робіт. Приклади включають інструменти Altium Designer, Siemens EDA, Cadence OrCAD, AutoDesk Eagle і Zuken ECAD.

Іншою часто використовуваною, але переважно неефективною формою допомоги є робочий стіл (або проект) інструмент. Навіть сьогодні інженери використовують такі офісні інструменти, як Excel, Atlassian, Visio та інші, щоб керувати значною частиною своєї діяльності, наприклад, підтримувати вікі-сторінки та керувати проектами. Оскільки вони ніколи не призначалися для повсякденної інженерної роботи, ці інструменти мають численні недоліки, оскільки їм бракує конкретності, необхідної для економії часу інженерів під час розробки електронних конструкцій.

Постачальники баз даних додатково пропонують інструменти програмного забезпечення, які дають інженерам огляд цін на компоненти, доступності та (деяких) технічних характеристик.

В електронній промисловості актуальна інформація про компоненти та напівпровідники є надзвичайно важливою. Однак ця інформація може підірвати або навіть змінити прогрес розробників під час проектування продуктів, оскільки в базах даних відсутні деталі схем і еталонні проекти, які є абсолютно необхідними для перетворення планів композиції в реальність.

Ці три попередні приклади — це складові платформи, які часто використовують інженери, які окремо чи колективно не можуть досягти інформаційної та організаційної узгодженості чи тимчасової ефективності.

Тому вкрай необхідно автоматизувати платформи, новий клас яких нещодавно вийшов на ринок. Хмарні платформи, зосереджені на високих рівнях абстракції та функціональних представленнях дизайну, забезпечують максимальну автоматизацію та сприяють спільному використанню та співпраці різних інженерів. Ці платформи зазвичай легко інтегруються з існуючими інструментами проектування, такими як традиційна ECAD.

Сила та небезпека даних і важливість машинного навчання

Поширеною темою цифрової епохи, і не лише в електроніці, є еволюція машинного навчання та штучного інтелекту серед численних потоків даних. Технологічні можливості для зберігання, компіляції та порівняння даних значно зросли за останні роки і, на щастя, скоротили час і ресурси, які інженери витрачають на проекти. Незважаючи на це, керування даними залишається складним завданням, оскільки розробники отримують усе більше інформації.

Без ретельного керування та належних процесів «гігієни» більше даних може означати більше проблем для тих, хто з ними працює. Нові виклики виникають через величезну кількість даних, зокрема поганих. Для інженерів доступ до мільярдів наборів даних є корисним до моменту перевантаження інформацією, що...