Makine öğrenimi ve otomasyon yoluyla elektronik mühendisliği verimliliğine ulaşma

Devasa elektronik endüstrisinde sessiz ama önemli bir devrim yaşanıyor. Koşum makine öğrenme (ML) ve yapay zeka (AI) sektördeki şirketler, tasarımcılara, mühendislere, distribütörlere ve üreticilere zaman ve kaynak tasarrufu sağlayan, daha önce elektronik ürünler oluşturmak için kullanılan yorgun ve analog çalışma yöntemlerini kademeli olarak azaltan yeni yazılımlar geliştiriyor.

Makine öğrenimi ve yapay zeka her zamankinden daha gelişmiş. Ancak, büyük adımlar atılmasına rağmen, elektronik mühendisliği gibi teknik olarak yerleşik bir dikeyin henüz otomasyona yönelik yüke hakim olmaması şaşırtıcıdır. Örneğin, tüm elektronik cihazlarda çok önemli bileşenler olan baskılı devre kartları (PCB’ler), genellikle hala insan mühendislerin deneyimsel bilgileri ve düşünce süreçleri kullanılarak tasarlanmaktadır. PCB’ler için tasarım ve üretim süreleri, arkaik olarak insanlara bağlı olmaya devam ediyor.

Ancak sektörde değişim rüzgarları esiyor; Makine öğrenimi, tasarım süreçlerini iyileştirmeye başlıyor. Makine öğrenimi, parça ve bileşen aramalarını iyileştirmekten eski mühendislik belgelerini sayısallaştırmaya ve tasarım oluşturmaya yardımcı olmaya kadar, aksi takdirde mühendisler tarafından görülemeyecek olan süreçler hakkında içgörüleri aydınlatır.

Yardımcı platformlar

Öyleyse, PCB tasarım işlem sürelerini azaltmak için mühendisler için hangi platformlar mevcut ve bunların dezavantajları ve avantajları nelerdir?

Geleneksel elektrikli bilgisayar destekli tasarım (ECAD) araçlarıyla başlayalım. Bunlar, mühendislerin her türlü ayrıntılı tasarımı gerçekleştirmesine izin vermek için tasarlanmış (biraz otomasyon sunan) karmaşık yazılım araçlarıdır. Bununla birlikte, genellikle yalnızca manuel mühendislik çalışmalarına uyarlanırlar. Örnekler arasında Altium Designer, Siemens EDA, Cadence OrCAD, AutoDesk Eagle ve Zuken ECAD araçları yer alır.

Sıklıkla kullanılan, ancak büyük ölçüde verimsiz olan alternatif bir yardım biçimi, ofis (veya proje) aracıdır. Bugün bile, mühendisler wiki’leri sürdürmek ve projeleri yönetmek gibi etkinliklerinin çoğunu yönetmek için Excel, Atlassian, Visio ve diğerleri gibi ofis araçlarını kullanıyorlar. Hiçbir zaman günlük mühendislik çalışmaları için tasarlanmadıkları için, bu araçların birden fazla eksikliği vardır ve elektronik tasarımları tamamlarken mühendislere zaman kazandırmak için gereken özgüllükten yoksundurlar.

Güncel bilgi kritik

Veritabanı sağlayıcıları ayrıca, mühendislere bileşen fiyatları, kullanılabilirlik ve (bazı) teknik özellikler hakkında fikir veren yazılım araçları sunar.

Elektronik endüstrisinde, bileşenler ve yarı iletkenler hakkında güncel bilgiler çok önemlidir. Bununla birlikte, bu bilgi, ürün tasarlarken mühendislerin gelişiminin altını çizebilir ve hatta yok edebilir çünkü veritabanları, kompozisyon planlarını bir çözüme dönüştürmek için kesinlikle gerekli olan devreler ve referans tasarımlar hakkında ayrıntılardan yoksundur. üretilebilir gerçeklik.

Bu önceki üç örneğin tümü, mühendisler tarafından sıklıkla kullanılan, bireysel ve toplu olarak, bilgisel ve organizasyonel tutarlılık veya zaman verimliliği sağlamada başarısız olan bileşen platformlardır.

Bu nedenle, pazara yeni bir sınıf giren platformların otomasyonuna ayrı bir ihtiyaç vardır. Yüksek düzeyde soyutlama ve işlevsel tasarım görünümlerine odaklanan bulut tabanlı platformlar, mümkün olduğunca fazla otomasyon sağlar ve farklı mühendislerin paylaşım ve işbirliğinden yararlanır. Bu platformlar genellikle geleneksel ECAD gibi mevcut tasarım araçlarıyla sorunsuz bir şekilde bütünleşir.

Verilerin gücü ve tehlikeleri ile makine öğreniminin önemi

Yalnızca elektronik mühendisliğinde değil, dijital çağın her yerde bulunan bir konusu, bol miktarda veri akışının ortasında Makine Öğrenimi ve yapay zekanın evrimi ile ilgilidir. Veri depolama, derleme ve karşılaştırmaya yönelik teknolojik yetenekler son yıllarda büyük ölçüde arttı ve neyse ki mühendislerin projelere harcadığı zamanı ve kaynakları azalttı. Buna rağmen, veri işleme geliştiriciler gittikçe daha fazla bilgi aldıkça zor bir önerme olmaya devam ediyor.

Dikkatli yönetim ve uygun “hijyen” süreçleri olmadan, daha fazla veri, onunla uğraşanlar için daha fazla sorun anlamına gelebilir. Yeni zorluklar, çok miktarda veriden ve özellikle kötü verilerden kaynaklanmaktadır. Mühendisler için milyarlarca veri setine erişim, örneğin PCB’ler manuel olarak tasarlanırken çok yaygın olan aşırı bilgi yüklemelerinin olduğu noktaya kadar faydalıdır.

Veriler, makine öğreniminin elektronik mühendisliğinde kullanıma uygun hale getirildiği şekillerde kanalize edilmelidir. Endüstrinin ve daha geniş anlamda teknolojinin geleceği, veri kalitesine odaklanmayı gerektiriyor. Veriler, kolayca erişilebilir ve sindirilebilir hale getirmek için anlamlı bir şekilde sıkıştırılmalıdır. Kullanıcılar, hangi veri noktalarının gerekli olduğu ve bunlarla ne yapmaları gerektiği konusunda netliğe ihtiyaç duyar. Veri yığınlarını deşifre etmek veri analistlerine düşecek ve bu roller yakın gelecekte ve sonrasında şirketlerden giderek daha fazla yatırım çekecek.

Daha fazla esneklik, yaratıcılık

Elektronik mühendisliğinde, yeni veri türlerinin tanıtılması aynı zamanda daha fazla esneklik ve yaratıcılığı teşvik eder. Yalnızca bileşenlerin seçilmesi ve fonksiyonel tasarımların oluşturulması daha hızlı sağlanmakla kalmaz, aynı zamanda diğer tasarım özellikleri (sürdürülebilirlik gibi) nihai şemalarda iç içe geçirilebilir.

Sürdürülebilir tasarımlarda bileşenler performansa, geri dönüştürülebilirliğe ve uzun ömürlülüğe göre seçilerek tasarım aşamasında daha belirgin hale gelen yeni veri akışlarıyla daha uygun kaynak kullanımı sağlanır.

Makine öğrenimi tarafından başlatılan, daha sağlıklı olmanın genel önemi veri yönetimi yetenekleri, endüstrinin işgücü için gerekli olan öğrenme eğrilerinin azalması ve bunun doğal sonuçlarıdır. Önceden daha yetkin mühendisler tarafından üstlenilen PCB tasarımındaki yer seviyesindeki görevler, artık makine öğrenimi araçlarını kullanan daha az deneyimli mühendislere kaydırılıyor. Bu, yüksek eğitimli tasarımcıların daha özel görevlere odaklanmasına olanak tanır ve makine öğrenimi boşluğunu doldurarak iş gücü eksikliği yaşayan şirketlere yardımcı olabilir.

Otomasyona karşı insan girdisi

bu Elektronik mühendisliğinde yapay zeka ve makine öğrenimi için en önemli fırsat, tasarım ve üretim süreçlerinde hata gidermedir. Milyonlarca kullanıcının kanıtlanmış ayarlarından ve tasarımlarından yararlanmak, hatalardan kaçınmaya yardımcı olur ve çok yönlülüğü artırır. Kullanıcılar bileşenleri değiştirebilir ve tasarımları hızla pazar koşullarına ve aksamalara göre ayarlayabilir. AI ve ML bilgili otomasyon, tasarım süresi verimliliğinde sektör için devrim niteliğindedir ve olmaya devam edecektir.

Yine de, otomasyon teknolojisindeki hızlı ilerlemeye rağmen, insan girdisi hâlâ çok önemli. Bu teknolojinin uygulanmasıyla ilgili sorular, bizim ne yaptığımızı ilgilendirmemelidir. olabilmek otomatikleştirin, ama biz ne meli otomatikleştirmek. Tasarımdaki yaratıcılık ve yeniliğe yapay zeka değil, yetenekli mühendisler öncülük ediyor. Elektronikte yenilik yapmak istiyorsak, her zaman insan beynine ihtiyacımız olacak.

Otomatikleştirilmesi gerekenler, mühendislerin zamanını boşa harcayan (aksi takdirde daha önemli alanlara harcanabilecek olan) manuel ve sıkıcı görevlerdir. Tam otomasyon istenen nihai durum değildir, ancak elektronik mühendisliğinde yeni verimlilikleri ateşleyen turboşarjdır.

Alexander Pohl, kurucu ortağı ve CTO’sudur. İSTERİM.