تحقيق كفاءة الهندسة الإلكترونية من خلال التعلم الآلي والأتمتة

تحقيق كفاءة الهندسة الإلكترونية من خلال التعلم الآلي والأتمتة


هناك ثورة هادئة لكنها مهمة جارية في صناعة الإلكترونيات الضخمة. من خلال تسخير التعلم الآلي (ML) والذكاء الاصطناعي (AI) ، تقوم الشركات داخل القطاع ببناء برامج جديدة توفر للمصممين والمهندسين والموزعين والمصنعين الوقت والموارد ، وتقليل أساليب العمل المتعبة والتناظرية التي كانت تُستخدم سابقًا لإنشاء المنتجات الإلكترونية. .

ML و AI أكثر تقدمًا من أي وقت مضى. ولكن ، على الرغم من الخطوات الكبيرة ، فمن المدهش ألا يهيمن قطاع رأسي تم إنشاؤه تقنيًا مثل الهندسة الإلكترونية بعد على شحنة الأتمتة. على سبيل المثال ، غالبًا ما يتم تصميم لوحات الدوائر المطبوعة (PCBs) ، وهي مكونات أساسية في جميع الأجهزة الإلكترونية ، باستخدام المعرفة التجريبية وعمليات التفكير للمهندسين البشريين. لا تزال أوقات تصميم وتصنيع مركبات ثنائي الفينيل متعدد الكلور تعتمد بشكل قديم على البشر.

لكن رياح التغيير تجتاح الصناعة. بدأ ML في تحسين عمليات التصميم. من تحسين عمليات البحث عن الأجزاء والمكونات ، إلى رقمنة المستندات الهندسية القديمة ، إلى المساعدة في إنشاء التصميم ، يسلط ML الضوء على رؤى حول العمليات التي قد تكون غير مرئية للمهندسين.

المنصات المساعدة

إذن ما هي المنصات المتاحة للمهندسين لتقليل أوقات عملية تصميم ثنائي الفينيل متعدد الكلور ، وما هي عيوبها ومزاياها؟

لنبدأ بأدوات التصميم الكهربائية التقليدية بمساعدة الكمبيوتر (ECAD). هذه أدوات برمجية معقدة مصممة للسماح للمهندسين بأداء أي نوع من التصميم التفصيلي (تقديم بعض الأتمتة). ومع ذلك ، فهي عادة ما تكون مصممة فقط للعمل الهندسي اليدوي. تشمل الأمثلة Altium Designer و Siemens EDA و Cadence OrCAD و AutoDesk Eagle و Zuken ECAD.

شكل بديل من أشكال المساعدة التي كثيرا ما تستخدم ، ولكنها غير فعالة إلى حد كبير ، هي أداة المكتب (أو المشروع). حتى اليوم ، يستخدم المهندسون أدوات مكتبية مثل Excel و Atlassian و Visio وغيرها لإدارة الكثير من أنشطتهم ، مثل صيانة مواقع wiki وإدارة المشاريع. نظرًا لأنه لم يتم تصميمها مطلقًا للعمل الهندسي اليومي ، فإن هذه الأدوات بها العديد من أوجه القصور ، وتفتقر إلى الخصوصية اللازمة لتوفير وقت المهندسين عند إكمال التصميمات الإلكترونية.

معلومات محدثة حرجة

بالإضافة إلى ذلك ، يقدم موفرو قواعد البيانات أدوات برمجية تمنح المهندسين رؤى ثاقبة حول أسعار المكونات وتوافرها و (بعض) المواصفات الفنية.

في صناعة الإلكترونيات ، تعد المعلومات المحدثة حول المكونات وأشباه الموصلات أمرًا بالغ الأهمية. ومع ذلك ، يمكن أن تقوض هذه المعلومات تقدم المهندسين بل وتنفيه عند تصميم المنتجات لأن قواعد البيانات تفتقر إلى تفاصيل حول الدوائر والتصاميم المرجعية الضرورية للغاية لتحويل مخططات التركيب إلى واقع قابل للتصنيع.

هذه الأمثلة الثلاثة السابقة كلها عبارة عن منصات مكونة غالبًا ما يستخدمها المهندسون الذين يفشلون ، بشكل فردي وجماعي ، في تحقيق الاتساق المعلوماتي والتنظيمي أو كفاءة الوقت.

لذلك ، هناك ضرورة واضحة لأتمتة المنصات ، والتي دخلت فئة جديدة منها إلى السوق مؤخرًا. توفر المنصات القائمة على السحابة ، والتي تركز على مستويات عالية من التجريد وعروض التصميم الوظيفي ، أكبر قدر ممكن من الأتمتة وتستفيد من مشاركة المهندسين المختلفين وتعاونهم. عادةً ما تتكامل هذه الأنظمة الأساسية بسلاسة مع أدوات التصميم الحالية ، مثل ECAD التقليدي.

قوة ومخاطر البيانات وأهمية التعلم الآلي

موضوع واسع الانتشار في العصر الرقمي ، وليس فقط في الهندسة الإلكترونية ، يتعلق بتطور تعلم الآلة والذكاء الاصطناعي وسط تدفقات البيانات الوفيرة. توسعت القدرات التكنولوجية لتخزين البيانات وتجميعها ومقارنتها بشكل كبير في السنوات الأخيرة ، وأدت لحسن الحظ إلى تقليص الوقت والموارد التي ينفقها المهندسون على المشاريع. على الرغم من ذلك ، تظل معالجة البيانات اقتراحًا صعبًا حيث يتلقى المطورون المزيد والمزيد من المعلومات.

بدون إدارة دقيقة وعمليات “النظافة” المناسبة ، يمكن أن تعني المزيد من البيانات المزيد من المشكلات لأولئك الذين يتصارعون معها. تنشأ تحديات جديدة من الكم الهائل من البيانات ، وخاصة البيانات السيئة. بالنسبة للمهندسين ، يعد الوصول إلى مليارات مجموعات البيانات أمرًا مفيدًا حتى النقطة التي يوجد بها حمولات زائدة من المعلومات ، والتي كانت شائعة جدًا عند تصميم ثنائي الفينيل متعدد الكلور يدويًا ، على سبيل المثال.

يجب توجيه البيانات بطرق تجعل تعلم الآلة مناسبًا للاستخدام في الهندسة الإلكترونية. يتطلب مستقبل الصناعة والتكنولوجيا على نطاق أوسع التركيز على جودة البيانات. يجب أن تكون البيانات مضغوطة بشكل واضح لتسهيل الوصول إليها وهضمها. يحتاج المستخدمون إلى توضيح نقاط البيانات الأساسية وما يجب عليهم فعله بها. سوف يقع على عاتق محللي البيانات مهمة فك رموز كتل البيانات ، حيث تجذب هذه الأدوار بشكل متزايد استثمارات أكبر من الشركات في المستقبل القريب وما بعده.

المزيد من المرونة والإبداع

ضمن الهندسة الإلكترونية ، يؤدي إدخال أنواع بيانات جديدة إلى زيادة المرونة والإبداع. لا يمكن فقط تحديد المكونات وإنشاء تصميمات وظيفية بسرعة أكبر ، ولكن يمكن دمج خصائص التصميم الأخرى (مثل الاستدامة) في المخططات النهائية.

في التصميمات المستدامة ، يتم اختيار المكونات بناءً على الأداء وقابلية إعادة التدوير وطول العمر ، مما يؤدي إلى الحصول على مصادر أكثر ملاءمة مع زيادة بروز تدفقات البيانات الجديدة في مرحلة التصميم.

بشرت ML ، فإن الأهمية العامة لقدرات إدارة البيانات الصحية هي تقليل منحنيات التعلم المطلوبة للقوى العاملة في الصناعة والآثار المترتبة على ذلك. يتم الآن تحويل المهام على مستوى الأرض في تصميم ثنائي الفينيل متعدد الكلور التي كان يتم إجراؤها سابقًا بواسطة مهندسين أكثر كفاءة إلى مهندسين أقل خبرة باستخدام أدوات تعلم الآلة. يسمح هذا للمصممين المدربين تدريباً عالياً بالتركيز على مهام أكثر تخصصاً ويمكن أن يساعد الشركات التي تعاني من نقص في القوى العاملة ، مع تعلم التعلم الآلي عن الركود.

الأتمتة مقابل المدخلات البشرية

ال فرصة ممتازة لـ AI و ML في الهندسة الإلكترونية هي إزالة الأخطاء من عمليات التصميم والتصنيع. تساعد الاستفادة من الإعدادات والتصاميم التي أثبتت جدواها من ملايين المستخدمين على تجنب الأخطاء وتحسين التنوع. يمكن للمستخدمين استبدال المكونات وتعديل التصميمات بسرعة لظروف السوق والاضطرابات. تعد الأتمتة المستندة إلى الذكاء الاصطناعي والتعلم الآلي – وستظل – ثورة في هذا القطاع في كفاءة وقت التصميم.

ومع ذلك ، على الرغم من التقدم الهائل لتكنولوجيا الأتمتة ، تظل المدخلات البشرية ذات أهمية قصوى. يجب ألا تهم الأسئلة حول نشر هذه التكنولوجيا ما نحن عليه يستطيع أتمتة ، ولكن ما نحن يجب أتمتة. الإبداع والابتكار في التصميم لا يقودهما الذكاء الاصطناعي بل المهندسين المهرة. إذا أردنا دفع الابتكار في مجال الإلكترونيات ، فسنحتاج دائمًا إلى العقل البشري.

ما يجب أن يكون آليًا هو المهام اليدوية والمملة التي تضيع وقت المهندسين (والتي يمكن أن يتم إنفاقها في مجالات أكثر أهمية). الأتمتة الكاملة ليست الحالة النهائية المرغوبة ، ولكنها الشاحن التوربيني يطلق كفاءات جديدة في الهندسة الإلكترونية.

ألكسندر بول هو مؤسس مشارك ورئيس قسم التكنولوجيا في CELUS.

صانعي القرار

مرحبًا بك في مجتمع VentureBeat!

DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص التقنيين الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.

إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.

يمكنك حتى التفكير في المساهمة بمقال خاص بك!

قراءة المزيد من DataDecisionMakers


اكتشاف المزيد من موقع شبرون

اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.

Comments

No comments yet. Why don’t you start the discussion?

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *