在過去的十年里，人工智能或人工智能一直在侵入我們的技術世界。人工智能是一個具有前瞻性和未來感的概念，幾乎所有行業都在廣泛使用它來實現廣泛的應用。因此，我們現在擁有 Alexa、Siri 和許多其他人工智能驅動的語音助手、自動駕駛汽車、互聯網搜索引擎等等。人工智能的使用正在廣泛傳播并呈指數級增長。

陶瓷PCB 或印刷電路板主要通過兩種方式影響人工智能應用，反之亦然：

使用 AI 的設備 PCB

電子行業的趨勢是使設備變得更加智能。通過使用先進的微控制器和其他電子元件，將人工智能嵌入機器人、語音助手和自動駕駛汽車有助于完美實現這一目標。所有電子設備都需要印刷電路板才能發揮作用，使用人工智能的設備也不例外。然而，在設備中引入人工智能是一個未來概念，該過程給 PCB 設計和制造帶來了新的挑戰。

人工智能影響 PCB 設計和制造

正如使用人工智能的智能設備需要 PCB 來使其發揮作用一樣，PCB 設計師和制造商也在利用人工智能。人工智能正在幫助他們開辟更新、更高效的PCB 制造方法，優化成本，減少廢品和周轉時間，并提高供應鏈、庫存和資產的利用率。

人工智能有兩個作用：幫助系統相互通信，以及幫助系統與操作員通信。例如，在 PCB 組裝過程中，人工智能有助于確定 SMD 元件的精確放置。這不僅減少了組裝時間，還顯著提高了電路板的質量。隨著電子行業的趨勢迅速朝著外形小型化發展，在焊接之前快速準確地放置元件是一個巨大的優勢。

電路板在人工智能應用中的使用

所有電子設備，無論是否使用人工智能，都需要電路板才能發揮作用。在設備中實現人工智能需要額外整合特殊的微型組件，通常如 SoC、倒裝芯片和使用細間距封裝的微型 BGA。

PCB 制造商通過使用稱為HDI 或高密度互連的特殊技術制造電路板來實現這一目標。HDI 通過使用薄而緊密的走線和非常小的通孔或微通孔，可以實現非常高的元件密度。

HDI技術的優勢

HDI 技術是 AI 應用設備 PCB 性能改進的主要貢獻者。HDI 不僅使 PCB 變得更小、更輕、更薄，還提高了電氣性能。使用 HDI 技術的一些優點包括：

?極低的電氣寄生效應 — 低 EMI、高速運行、更好的信號完整性

?最少的短截線 — 低信號反射

?穩定的電壓——更低的軌道電阻

?不需要去耦電容器——由于電氣寄生效應低

?更低的噪聲和串擾——由于更好的信號完整性

?更低的 EMI 和 RFI — 由于微孔、焊盤內通孔和表面接地層

?更近的地平面

?更好的電容分布

提供更小尺寸元件的半導體制造商進一步支持了使用 HDI 技術的優勢。電路板和組件的整體尺寸更小，信號的上升和下降時間更快。這表現為更好的高頻操作。

然而，較小的元件尺寸意味著用于散熱的表面積較小。因此，HDI 需要更好的熱管理。PCB 制造商通過使用高性能層壓板來實現這一目標。除了更好的熱管理之外，高性能層壓板還有助于提高信號完整性。使用堆疊微孔還有助于提高 HDI 板的高速性能。

激光鉆孔的微孔尺寸幾乎是機械鉆孔的十分之一。因此，微孔具有較低寄生效應和較低電感的優點，同時提高了高速性能。焊盤內通孔設計還有助于進一步降低噪音和高速運行。

人工智能在電路板檢查過程中提供了顯著的優勢。人工智能邏輯對于發現錯誤組件、缺失組件、放錯位置的組件和跟蹤缺陷等缺陷非常有效。當在 HDI 板上使用緊密封裝的微型元件時，這尤其有用。

PCB 的 AI 增強

PCB是微型電子元件和系統相互交互的平臺，其設計和制造工藝對電子設備產生重大影響。因此，PCB 制造商利用人工智能來增強其電路板的設計和質量。為此，FIT 或弗勞恩霍夫應用信息技術研究所提供了一個模塊化人工智能平臺，有助于優化 PCB 的設計和測試。該平臺包括機器學習、深度學習和人工智能模塊。使用該平臺，可以將 PCB 支出減少多達 20%。

平臺中的每個模塊都使用針對不同任務訓練的算法。例如，第一個模塊中的算法有助于對輸入數據進行分類、從數據中提取特征以及提供其他模塊所需的輸入。

在為應用設計新的 PCB 時，設計人員會注意盡可能地利用可用空間，同時將組件盡可能緊密地封裝在一起，而不會出現故障。目前的設計過程很大程度上依賴于工程師的經驗，設計必須經過實際試驗的檢驗。大多數情況下，很容易忽視測試結果的記錄，導致對容易出錯的設計進行重復測試，從而進一步增加成本。

質量保證需要高額支出

PCB 的復雜設計要求制造工藝遵循嚴格的規范。為了實現這一目標，每塊 PCB 在完成后都要經過嚴格的測試。通常，此類測試之一是自動光學檢查或 AOI。

AOI 使用圖像分析技術來確定制造的 PCB 是否符合設計規范且不存在技術缺陷。然而，目前使用的方法會產生很高的假陰性率，錯誤地將許多板分類為有缺陷的板。

這些被錯誤分類的板材需要另一級手動或機器檢查。因此，高漏報率會錯誤地拒絕無缺陷的 PCB，然后需要重新檢查，從而導致成本增加。另一方面，低漏報率可能意味著高后續成本，因為許多有缺陷的電路板進入工作流程。這意味著，依靠現有的 AOI 和人工檢查方法，很難達到理想的陽性率或假陰性率。

最佳選擇的自學習技術

展示了人工智能在未來檢查過程中的作用。該過程與傳統 AOI 相同，即相機捕獲 PCB 的圖像。然而，在這種情況下，圖像的高質量至關重要，因為它們將成為人工智能模塊的訓練數據。只有精選的圖像才能進入機器學習和深度學習模塊。

模塊化設計有多種算法可以不斷增強自身的性能。持續對電路板進行自動檢查，將生成的數據不斷反饋給算法。這就形成了AI模塊的自學習過程。反饋增強了數據庫，同時優化了真陰性率。該模塊的實際工業經驗表明，生產資源的使用量可減少 20%。

智能PCB設計與制造

完成訓練后，AI模塊還可以幫助設計新的PCB。這有助于減少使用設計人員目前為獲得最佳配置而采用的試錯法在板上布置組件所需的時間。相反，人工智能模塊算法有助于預測最佳配置以實現最佳功能。

PCB 設計只是自我增強人工智能模塊有助于增強質量保證的一個實例。這種自學習人工智能模塊在 PCB 制造過程的其他領域同樣有效，例如優化蝕刻過程、回流過程和其他時間密集型活動，以實現時間和生產成本的顯著節省。

深度學習和機器學習

包括 PCB 制造在內的許多行業正在通過人工智能從深度學習和機器學習中獲益。本質上，它需要有效利用數據來獲得經驗，以近乎零的人類干預來解決復雜問題。當機器和深度學習應用于 PCB 設計和制造流程時，不僅可以大大改善操作，還可以降低人工干預的成本。

結論

人工智能對 陶瓷PCB 制造的積極影響是無價的。然而，業界必須精心開發上述因素，才能充分發揮人工智能的巨大潛力。這需要投入足夠的時間和資源在陶瓷PCB制造過程中使用人工智能。最終，這可能會導致生產流程完全簡化，結果呈指數級改善的時代。

【文章來源】：展至科技

關鍵詞：碳化硅陶瓷基板 DBC基板 陶瓷電路板 AMB工藝廠家 氮化鋁陶瓷基板 陶瓷電路板 陶瓷線路板 DPC陶瓷工藝