Reduktion af elektroniske systemdesignkompleksitet med AI - Semiwiki

Reduktion af elektroniske systemers designkompleksitet med AI – Semiwiki

Tidsstempel: 20. juli 2023 kl. 9
Kildeknude: 2776663

Siemens reducerer kompleksiteten med AI Whitepaper-grafik

I verden af ​​elektronisk systemdesign har kompleksitet altid været en stor udfordring. Efterhånden som teknologien udvikler sig og kravene til mere effektive og kraftfulde elektroniske enheder vokser, står ingeniører over for stadig mere indviklede designkrav. Disse kompleksiteter fører ofte til længere designcyklusser, øgede omkostninger og potentielle designfejl. Siemens EDA erkender det presserende behov for innovative løsninger til at overvinde disse forhindringer. Virksomheden har identificeret kunstig intelligens (AI) som en teknologi, der kan tilbyde en enorm løftestang for innovation. AI omfatter beregningsteknologier, der gør det muligt for maskiner at ræsonnere og udlede uden menneskelig indblanding. AI-løsninger kan analysere store mængder data for at identificere mønstre og tendenser, forbedre processer og give anbefalinger til bedre beslutningstagning.

Siemens EDA har foretaget betydelige investeringer i AI-teknologier og anvendt dem på forskellige produktområder, herunder PCB-design, autonome køresystemer, smart fabriksgulvstyring og smart city management. Virksomheden udgav for nylig en hvidbog der dykker ned i, hvordan anvendelsen af ​​AI-teknologi kan løse udfordringerne inden for printet kredsløb (PCB) design.

Udfordringer i PCB Design

PCB elektroniske systemingeniører står over for udfordringer med at designe komplekse, hurtige IC'er, der kræver tilstrækkelig strøm, køling, signalintegritet og termisk integritet. De skal levere højtydende PCB'er og sammenkoblede elektroniske systemer inden for krympende time-to-market vinduer og samtidig minimere strømforbruget. At forstå PCB-design og EDA-værktøjer involverer en stejl indlæringskurve, og ingeniører lærer ofte på jobbet. Komponentvalg er en anden udfordring, der kræver omfattende research og analyse af dataark.

Udnyttelse af AI

AI kan udvinde færdige designs for at identificere mønstre og guide designere til det næste logiske trin, hvilket forbedrer designkvaliteten og effektiviteten. AI kan udvikle modeller baseret på historisk information for at anbefale levedygtige komponentmuligheder, hvilket fremskynder udvælgelsesprocessen. Integrer dette med realtids synlighed i komponentforsyningskæden og det bliver til en kraftfuld evne.

Det ultimative mål med AI-drevet elektronisk design er, at AI-algoritmer genererer PCB-design og produktionsoutput, hvilket reducerer designtiden og eliminerer dyre fejl.

Generativ Design

Generativt design er en innovativ tilgang, der bruger algoritmer og beregningsmetoder til automatisk at generere og optimere designløsninger baseret på specificerede parametre og begrænsninger. Den kombinerer kraften fra kunstig intelligens, maskinlæring (ML), deep learning (DL) og avancerede simuleringsteknikker for at udforske et stort designrum og producere optimerede og effektive designs.

Fordele ved at udnytte AI i elektronisk systemdesign

Generering af komponentmodeller, såsom symboler, fysiske geometrier og simuleringsmodeller, er tidskrævende. AI-teknologier som naturlig sprogbehandling og billedgenkendelse kan automatisk behandle dataark og generere de nødvendige modeller, hvilket reducerer manuel indsats og udnytter domæneviden.

Skematisk forbindelse, etablering af forbindelser mellem komponenter, er en anden manuel opgave. ML-modeller, der er trænet i færdige designs, kan anbefale komponenter og foreslå pin-til-pin-forbindelser, hvilket accelererer designprocessen.

Dynamisk genbrug af funktionelle blokke og intelligent databasestyring kan opnås ved at træne DL-modeller, hvilket gør det muligt for designværktøjer at forudsige potentielle funktioner af blokke og foreslå genanvendelige placerings- og routingmuligheder.

Begrænsninger, såsom layout, højhastighedsdesign, fremstilling og testregler, indtastes normalt manuelt, hvilket udgør en risiko for fejl. AI kan anbefale begrænsningssæt og værdier baseret på det aktuelle design og viden fra frigivne designs, hvilket strømliner processen.

Layoutopgaver som komponentplacering og routing er tidskrævende. AI-systemer kan anbefale placerings- og routingstrategier baseret på færdige designs, og avancerede routingmetoder som skitserouting kan anvendes. Automatiske routing- og analyseværktøjer kan også drage fordel af AI/ML-algoritmer til at generere optimale ruter og udføre nøjagtige simuleringer.

Resumé

AI er stadig vigtigere for at øge den operationelle produktivitet og brugerekspertise. I PCB-design er AI særlig værdifuld til at automatisere manuelle processer og gøre det muligt for begynderbrugere at udføre opgaver, som tidligere krævede ekspertviden. Ved at udnytte AI-teknologier kan beslutningstagning fremskyndes, banale processer kan automatiseres, nye brugere kan arbejde mere effektivt, og ydeevnen og fremstillingsevnen af ​​multidomænesystemer kan optimeres.

Som en del af Siemens Xcelerator-porteføljen gør AI-drevne værktøjer det muligt for virksomheder, der designer elektroniske systemer, at udnytte AI-teknologier og bringe futuristiske produkter på markedet. Siemens identificerer løbende nye use cases, hvor AI kan anvendes til at forbedre designværktøjer og investerer tid og ressourcer i at forbedre eksisterende algoritmer eller udvikle innovative metoder til at løse udfordringer.

Denne hvidbog er en værdifuld læsning for alle involveret i designprocessen for elektroniske systemer.

Del dette opslag via:

Tidsstempel:

Mere fra Semiwiki