La conception de PCB assistée par IA offre une approche transformatrice qui combine la puissance de l’automatisation, de l’optimisation et du soutien à la décision pour rationaliser le processus de conception, améliorer les résultats de conception et stimuler l’innovation dans le domaine de la conception électronique.
Cet article est publié par pÉlectrique dans le cadre d’un partenariat exclusif de contenu numérique avec Bodo’s Power Systems.
Malgré le potentiel indéniable de l’intelligence artificielle dans la conception de PCB, les ingénieurs ont naturellement des préoccupations quant à ses implications. Des questions sur la sécurité de l’emploi et la responsabilité surgissent souvent : L’IA va-t-elle me prendre mon emploi ? Serai-je tenu responsable si l’IA commet une erreur ?
Cependant, plutôt que de représenter une menace, un assistant IA peut être un partenaire fiable, expliquant ses décisions et fournissant des éléments précieux. Sa capacité à justifier ses choix favorise un environnement collaboratif où les ingénieurs moins expérimentés peuvent apprendre et grandir sans se sentir intimidés. De plus, la capacité de l’IA à apprendre en permanence signifie qu’elle évolue aux côtés de ses utilisateurs, s’améliorant et s’adaptant constamment aux nouveaux défis.
Image utilisée avec l’aimable autorisation de Bodo’s Power Systems [PDF]
Ce que l’intelligence artificielle peut et ne peut pas faire
Les plateformes logicielles comme CELUS prennent un diagramme en blocs et trouvent des solutions adaptées pour les concepteurs de circuits pour évaluer et générer le schéma, la BoM (liste de matériel), la proposition de plan de sol et les empreintes dans un choix de formats d’automatisation de la conception électronique (EDA) compatibles avec les logiciels de disposition de PCB populaires comme Altium Designer, Autodesk Eagle et KiCad. Une fois dans le format natif EDA choisi, l’utilisateur peut modifier davantage la solution pour optimiser la conception, comme changer le placement des composants, ajouter des polygones ou des nappes de cuivre pour remplir les plans, définir des groupes de composants, changer l’empilement, etc. Ce sont les options de conception courantes avec lesquelles la disposition est familière. Elles permettent à l’utilisateur de profiter du coup de pouce donné par le prototype généré par la plateforme pour réaliser une solution rapide sur le marché en utilisant ses propres règles de conception et préférences personnalisées plutôt que les paramètres par défaut. Ce processus de transfert optimise également les capacités des différentes plateformes logicielles – l’IA est idéale pour transformer rapidement une idée en conception, mais les nombreuses plateformes EDA spécialisées et avancées sont parfaites pour générer les fichiers Gerber contenant les données physiques requises par la FAO, telles que les couches de cuivre, les masques de soudure, les données de perçage NC, etc.
La frontière entre la conception assistée par IA et le logiciel de disposition n’est pas fixe. À mesure que la puissance de l’algorithme d’apprentissage automatique augmente, plus de travail préparatoire peut être effectué avant le transfert. Par exemple, lors de la mise en place d’un PCB d’électronique de puissance, des calculateurs en ligne doivent souvent être utilisés pour vérifier les limites de capacité en courant des pistes et des vias. Les programmes EDA existants ont souvent des modules qui peuvent générer des cartes de densité de courant utiles mais ne peuvent modifier automatiquement la disposition que si les niveaux de tension et les exigences en puissance des composants sont connus. Ainsi, cette partie du processus de conception reste manuelle et repose fortement sur les compétences et l’expérience du concepteur pour choisir les largeurs de piste et les rapports de forme appropriés. Cependant, si ces informations de consommation d’énergie pouvaient être mises à la disposition de l’assistant de conception par intelligence artificielle, ces données pourraient être synchronisées avec le logiciel de disposition, de sorte que la communication de machine à machine puisse être utilisée pour optimiser automatiquement la conception de la disposition. Bien que de telles capacités ne soient pas encore réalisées, les avancées en cours suggèrent qu’elles pourraient bientôt devenir des fonctionnalités standard.
Figure 1. Concept d’un module de données CUBO (image générée par IA). Image utilisée avec l’aimable autorisation de Bodo’s Power Systems [PDF]
Bien qu’une grande quantité de données puisse déjà être incluse dans une base de données de composants basée sur le cloud (par exemple, Celus utilise un format de bloc de données enrichi appelé CUBO pour contenir des informations pertinentes sur l’application d’un composant, telles que les fonctionnalités de mappage des broches de signal, les exigences d’alimentation, etc., ainsi que tout composant requis associé tel que des résistances de tirage, des condensateurs de découplage, des cristaux, etc., pour une fonctionnalité complète), plus de données sont souvent disponibles dans la fiche technique de chaque composant. Par conséquent, l’accent actuel est mis sur l’exploration de données assistée par IA pour extraire des données pertinentes à partir des informations textuelles et graphiques dans les fiches techniques. Cependant, ce processus n’est pas facile. Différents fabricants placent des informations équivalentes sur d’autres pages de leurs fiches techniques, donc un outil de fouille de données devrait parcourir tout le texte et les graphiques et reconnaître que, par exemple, une valeur d’efficacité donnée à la page 1 de la fiche technique du fabricant A est la même que celle indiquée dans le graphique deux à la page 3 de la fiche technique du fabricant B. Parfois, l’information est simplement absente ; souvent, l’information est comparable mais pas directement équivalente.
Par exemple, le fabricant A pourrait donner une tension de résistance à l’isolation de 3 kVDC pendant une seconde, tandis que le fabricant B pourrait spécifier 1 kVAC pendant une minute. Lequel est mieux ? La réponse dépend souvent de l’application et de la définition du projet. La tâche consiste à extraire des données utiles et valides des fiches techniques, nécessitant une expertise en algorithmes d’intelligence artificielle capables de gérer les données incohérentes. Cependant, à mesure que les algorithmes d’IA s’améliorent, la capacité d’extraire et d’interpréter les données avec précision s’améliore également, ouvrant la voie à une fonctionnalité d’exploration de données de fiches techniques complète dans les années à venir. Ce paysage en évolution souligne le potentiel transformateur de l’IA dans la conception de PCB, promettant une innovation continue et des gains d’efficacité pour l’industrie dans son ensemble.
Avantages de la conception de PCB assistée par IA
La conception de PCB assistée par IA offre plusieurs avantages significatifs par rapport aux méthodes traditionnelles :
- Vitesse et efficacité : Les plateformes de conception alimentées par IA rationalisent le processus de conception en automatisant les tâches de génération de schéma, d’optimisation de la disposition et de sélection des composants. Cette automatisation réduit considérablement le temps nécessaire pour mettre un produit sur le marché, permettant des délais d’exécution plus rapides et une plus grande efficacité dans les itérations de conception.
- Optimisation et performance : Les algorithmes IA peuvent analyser de vastes quantités de données pour optimiser les conceptions pour la performance, la fiabilité et la rentabilité. En tenant compte de facteurs tels que les spécifications des composants, l’intégrité du signal et les contraintes de fabrication, les conceptions assistées par IA peuvent atteindre des niveaux de performance et de fiabilité plus élevés que les conceptions manuelles.
- Amélioration de la prise de décision : Les algorithmes IA peuvent aider les ingénieurs à prendre des décisions de conception éclairées en fournissant des retours et des suggestions en temps réel. Cela aide les ingénieurs à identifier les problèmes potentiels tôt dans le processus de conception et à explorer des options alternatives plus efficacement, conduisant à de meilleurs résultats de conception globaux.
- Personnalisation et adaptabilité : Les plateformes de conception alimentées par IA peuvent s’adapter aux exigences spécifiques de chaque projet et aux préférences des utilisateurs. Elles peuvent intégrer des règles de conception personnalisées, des contraintes et des préférences, permettant aux ingénieurs d’adapter les conceptions pour répondre aux besoins spécifiques des applications tout en maintenant la compatibilité avec les normes de l’industrie et les meilleures pratiques.
- Transfert de connaissances et apprentissage : Les plateformes de conception assistées par IA peuvent servir d’outils pédagogiques précieux, notamment pour les ingénieurs moins expérimentés. En expliquant les décisions de conception, en fournissant des aperçus et en offrant des recommandations, les systèmes d’IA peuvent aider les ingénieurs à apprendre et à améliorer leurs compétences, contribuant au développement professionnel et au transfert de connaissances au sein des organisations.
- Réduction des risques : Les algorithmes IA peuvent aider à atténuer les risques de conception en identifiant les problèmes potentiels, tels que les connexions ouvertes ou court-circuitées et les problèmes d’intégrité du signal, avant qu’ils ne deviennent critiques. Cette approche proactive de la gestion des risques peut réduire les erreurs de conception coûteuses et les retouches, conduisant en fin de compte à des conceptions plus fiables et robustes.
Commencer avec la conception de PCB assistée par IA
Une des manières les plus simples de commencer la conception de PCB assistée par IA est de s’inscrire sur la plateforme de conception de Celus, où vous compléterez un résumé de projet comprenant une description de votre projet, les fonctionnalités qu’il devrait contenir, l’application prévue, quel outil CAO devrait être utilisé pour le projet, et la possibilité de déterminer les pièces et fabricants préférés et exclus. Cette étape a deux fonctions particulièrement importantes. Premièrement, elle amène l’utilisateur à réfléchir à ce qu’il veut faire avant de se lancer aveuglément dans le logiciel. Deuxièmement, elle informe la plateforme des paramètres essentiels du projet afin qu’elle puisse adapter les conseils et les réponses pour mieux correspondre aux objectifs du projet. La plateforme de conception de Celus a été développée en ayant l’intelligence artificielle à l’esprit dès le début, agissant de nombreuses manières comme un ingénieur de conception senior offrant des conseils et des connaissances à la prochaine génération d’ingénieurs de conception, qui peuvent être débordants d’idées mais manquer de l’expérience de plusieurs décennies dans le métier.
Une fois cette étape franchie, le logiciel utilise un style familier de glisser-déposer pour créer le diagramme de blocs de l’architecture du système. Les lignes reliant les blocs fonctionnels peuvent être des lignes de puissance, de données ou les deux. Il n’est pas nécessaire de spécifier le type de connexion car le système comprend comment les blocs fonctionnels doivent être interconnectés. Cependant, si le concepteur de circuits préfère une connexion de données I2C parce qu’il a déjà une solution de firmware d’interface existante pour ce type de données, il peut le dire au système. Ce dernier choisit l’interface requise lorsque le schéma est généré. Cette intégration de l’intelligence artificielle dans les plateformes de conception annonce un changement de paradigme dans la conception de PCB car, contrairement aux logiciels de PCB conventionnels qui se contentent de signaler les violations des règles de conception, les plateformes alimentées par l’IA offrent une approche transformatrice. L’IA permet au système d’exploiter facilement de vastes bases de données d’informations, associées à l’intelligence pour suggérer des solutions éclairées, traduisant efficacement les objectifs du projet en conceptions électroniques fonctionnelles.
Recom intègre son portefeuille de produits, qui comprend 30 000 pièces, dans la base de connaissances Celus. En puisant dans cette richesse de données, l’IA peut faire des sélections de composants nuancées adaptées aux exigences spécifiques de chaque projet, améliorant ainsi l’efficacité et optimisant les performances.
Cet article est initialement paru dans le magazine Bodo’s Power Systems [PDF] et est coécrit par Steve Roberts, Responsable de l’Innovation chez Recom Power, et Tobias Pohl, co-fondateur et PDG de Celus.