Предполагаемое время чтения: 7 минут
Электроника становится все более сложной, и печатные платы (ПХД) больше не являются просто “перевозчиками”, которые соединяют компоненты. С развитием технологий искусственного интеллекта (ИИ) проектирование, производство, тестирование и обслуживание печатных плат претерпевают значительные изменения. Кроме того, технология 3D-печати создает новые формы и функции для печатных плат, преобразуя традиционные плоские конструкции в трехмерные (3D), интегрированные и функциональные изделия. В этой статье рассматривается, как ИИ глубоко интегрирован в печатные платы и как он меняет технологию их производства.
ИИ в проектировании печатных плат: от правил к интеллектуальной оптимизации
Традиционный дизайн печатных плат в значительной степени опирался на инженерный опыт и библиотеки правил. Такие аспекты, как размещение компонентов, трассировка дорожек, контроль импеданса, управление тепловым режимом и электромагнитная совместимость (ЭМС) основывались на передовом опыте инженеров. Сейчас искусственный интеллект меняет эффективность циклов “проб и ошибок” за счет использования алгоритмов машинного обучения, таких как обучение с подкреплением, GAN или графовые нейронные сети.
Эти модели помогают ИИ лучше изучать стратегии проектирования на основе больших объемов данных о прошлых проектах и результатов моделирования. Это позволяет автоматически размещать компоненты, оптимизировать трассировку и балансировать несколько целей, включая целостность сигнала, энергопотребление, тепловыделение и стоимость. Ключом к успеху является преобразование структуры печатной платы в граф или тензор, что позволяет ИИ понимать, как слои, трассировки и компоненты связаны друг с другом на “смысловом” уровне, а не просто следовать строгим правилам.
ИИ также расширяет “пространство проектирования”. Раньше инженеры были ограничены тем, что могли сделать вручную. Теперь ИИ может исследовать менее очевидные, но более эффективные компоновки. Примерами могут служить асимметричное распределение трасс, локальные многослойные композитные структуры или оптимизированные межслойные перемычки. Это позволяет повысить производительность и снизить электромагнитные помехи на платах того же размера.
Инструменты автоматизации электронного проектирования (EDA), такие как Allegro, Virtuoso и OrCAD, включают в себя функции искусственного интеллекта для оптимизации проектирования печатных плат. Эти инструменты используют алгоритмы искусственного интеллекта для выполнения расширенных проверок правил проектирования, оптимизации выбора компонентов и даже используют автомаршрутизаторы, которые могут обрабатывать сложные ограничения проектирования в нескольких областях проектирования.
Технология 3D-печати: переход от плоского к трехмерному производству
3D-печать привносит два значительных изменения в печатные платы: больше методов производства и более простая интеграция функций. Аддитивные производственные процессы позволяют напрямую создавать проводящие дорожки, изолирующие слои и пассивные компоненты на неплоских основаниях. Они могут даже “печатать” датчики IoT, антенны или теплопроводящие структуры на плате, что приводит к созданию более компактных систем, которые лучше соответствуют форме компонентов.
Многоматериальная 3D-печать позволяет смешивать проводящие, изолирующие (диэлектрические) и структурные материалы. Это позволяет создавать структуры за один этап, которые ранее требовали многослойного нанесения, сверления и сборки. Это не только сокращает время производства, но и открывает новые возможности для Структуры печатных плат. Примерами могут служить изогнутые печатные платы и гибкие схемы для носимых устройств, которые подстраиваются под форму тела, а также 3D-маршрутизация в небольших модулях камер. Способность выдерживать многократные циклы изгиба имеет решающее значение для этих гибких схем.
Новые идеи по структуре печатных плат: многослойность, встраивание, функциональные поверхности
Благодаря искусственному интеллекту и 3D-производству инновации в области печатных плат сосредоточены на трех основных моментах: более интеллектуальное наслоение, встроенные компоненты и функциональные поверхности.
- Более разумное многослойное устройство: искусственный интеллект выбирает лучшие материалы, толщину и порядок для силовых и сигнальных слоев. Это помогает улучшить электрические и тепловые характеристики, решая такие проблемы, как падение напряжения, и оптимизируя сети электроснабжения. Передовые материалы, такие как ламинаты Rogers и полиимидные подложки, часто используются в высокопроизводительных приложениях.
- Встроенные компоненты: с помощью аддитивного или прецизионного формования пассивные детали или крошечные датчики встраиваются непосредственно в подложку платы. Это снижает сопротивление соединения и повышает надежность, особенно для компонентов с мелким шагом. Тонкопленочные транзисторы могут быть интегрированы непосредственно в структуру печатной платы, что еще больше повышает функциональность.
- Функциональные поверхности: на поверхность печатной платы можно добавить антенны, сенсорные слои или тепловые каналы. Это помогает плате более эффективно выполнять больше задач. Технология высокоплотного соединения (HDI), включая использование микропереходов и тепловых переходов, позволяет создавать более компактные и эффективные конструкции.
Эти структурные изменения требуют усовершенствования процессов проектирования и методов тестирования. ИИ может объединять электрические, тепловые и механические симуляции во время проектирования для общей оптимизации. Это обеспечивает баланс между производительностью и сроком службы новых структур печатных плат при соблюдении принципов проектирования для производства. Инструменты симуляционного анализа на базе ИИ могут прогнозировать производительность по различным параметрам, включая диэлектрические потери.
Интеллектуальное производство и контроль качества
Производство — это сфера, в которой ИИ наиболее непосредственно демонстрирует свою ценность. Используя компьютерное зрение и глубокое обучение, производственные линии могут в режиме реального времени проверять наличие проблем во время печати, размещения компонентов, бессвинцовой пайки и ламинирования. Такие проблемы, как дефекты медной фольги, паяные мостики, плохие паяные соединения или расслоение (делиминация), могут быть обнаружены с помощью автоматический оптический контроль и другие методы обнаружения дефектов. ИИ быстро определяет причину, что позволяет немедленно устранить неполадку.
Кроме того, технология цифровых двойников связывает реальные производственные данные с виртуальными симуляциями, проверяя, можно ли изготовить сложные структуры печатных плат и будут ли они хорошо функционировать до начала производства. Это значительно снижает затраты на пробное производство. Системы управления производством (MES), усовершенствованные с помощью возможностей искусственного интеллекта, могут оптимизировать весь производственный процесс, от обработки материалов до окончательного тестирования.
Кроме того, ИИ помогает в техническом обслуживании. Устройства пограничного вычисления анализируют данные о работе печатных плат, своевременно обнаруживая потенциальные неисправности, такие как неравномерное распределение тепла, локальное старение или аномалии сигнала. Это позволяет проводить профилактическое обслуживание, продлевая срок службы продукта и снижая количество ремонтов.
Реальные примеры: изменения в интеллектуальных устройствах, автомобилях и медицинском оборудовании
Интеллектуальные устройства: оптимизированные с помощью ИИ печатные платы и 3D-печать позволяют добиться более плотной интеграции модулей. Телефоны и носимые устройства становятся меньше, при этом улучшаются характеристики сигнала (РЧ) и тепловое управление. Механический форм-фактор этих устройств можно оптимизировать с помощью печатных плат, напечатанных на 3D-принтере, которые соответствуют уникальным формам.
Автомобили: сложные электрические и автономные системы требуют стабильных печатных плат в условиях высокой температуры и сильной вибрации. Оптимизация AI в области энергоэффективности, теплового управления и структурного усиления помогает повысить надежность. Печатные платы с металлическим сердечником часто используются в автомобильной промышленности для улучшения теплоотвода.
Медицинские устройства: встроенные печатные платы имеют особые преимущества. Более компактные герметичные платы обеспечивают более надежный сбор и обработку сигналов в устройствах, используемых внутри или снаружи организма. Разработка биоразлагаемых подложек открывает новые возможности для временных имплантируемых медицинских устройств.
Заключение
ИИ не просто автоматизирует печатные платы, он превращает их из “пассивных носителей” в “умных партнеров”. В сочетании с 3D-печатью проектирование и производство печатных плат эволюционируют от плоских, основанных на правилах методов к 3D-оптимизации на основе совместной работы. Умное производство и онлайн-контроль качества поднимают надежность и эффективность на новый уровень. Эта революция требует как технологического прогресса, так и инженерного опыта. Команды, которые сочетают в себе мышление ИИ, инновации в области материалов и производственные возможности, будут лидировать в следующем поколении электронных систем.
Интеграция инструментов искусственного интеллекта, таких как Cadence Cerebrus, в процесс проектирования позволяет быстро изучать варианты дизайна, сохраняя при этом подход «человек в цикле» для принятия критически важных решений. По мере того как искусственный интеллект продолжает учиться на огромных объемах обучающих данных, его способность оптимизировать дизайн печатных плат будет только улучшаться, расширяя границы возможного в проектировании электронных систем.
ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
ИИ может очень быстро пробовать множество вариантов дизайна. Он может находить макеты, которые обеспечивают лучшую производительность, экономят место и снижают стоимость. Он также учится на прошлых проектах, чтобы улучшать будущие платы.
С помощью 3D-печати можно изготавливать платы новой формы, например, изогнутые или многослойные. Также можно встраивать в плату такие детали, как антенны или охлаждающие каналы. Это позволяет сэкономить место и сделать продукт более легким.
Для небольших партий или прототипов – да. Они позволяют сократить время проектирования и количество тестовых плат. Для очень больших партий традиционные методы могут по-прежнему быть более экономичными.
Основными проблемами являются ограничения по материалам, отсутствие стандартов тестирования и необходимость проверки решений ИИ. Стоимость и переработка также могут быть проблемой для некоторых продуктов.
