EO_488

TECH INSIGHT NEWS TECHNOLOGIES 20 - ELETTRONICA OGGI 488 - SETTEMBRE 2020 L’intelligenza artificiale per migliorare la realizzazione dei PCB Francesco Ferrari I circuiti stampati sono componenti fondamentali per i dispositivi elettronici, ma per alcuni aspetti sono ancora troppo legati all’esperienza dei progettisti. Con lo sviluppo della componentistica elettronica e della complessità dei progetti infatti, i requisiti per i PCB sono diventati sempre più stringenti per poter migliorare le prestazioni e, per esempio, è fondamentale evitare qualsiasi tipo di interferenza elettrica e garantire la compatibilità elettromagnetica, necessità che spesso si scontrano con le esigenze di miniaturizzazione e di riduzione dello spazio occupato. Molto spesso i progettisti devono posizionare i componenti il più vicino possibile fra loro, ma senza rischiare di compro- mettere l’efficienza complessiva. Questo tipo di processo però spesso si basa in gran parte sull’esperienza degli in- gegneri, con lo svantaggio che i risultati devono essere successivamente testati per verificarne la validità. Un altro problema deriva dalla corretta realizzazione dei PCB che, data la complessità del design, richiede specifiche estre- mamente rigorose. Per questo motivo ogni PCB, una volta terminato, deve essere sottoposto, a un’ispezione ottica automatizzata (AOI) per verificare l’as- senza di difetti. At- tualmente però que- sto metodo genera un elevato tasso di falsi negativi, cioè molti PCB perfetta- mente funzionanti sono erroneamen- te classificati come difettosi. Questo si- gnifica che occorre nuovamente con- trollare questi PCB, aumentando i costi. Per migliorare la progettazione dei PCB, il Fraunhofer Institute forApplied Information Technology (FIT) ha sviluppato una soluzione basata sull’intelligenza artificiale. Si tratta di una piattaforma modulare che ottimizza la progettazione e il collaudo dei PCB, riducendo i costi anche fino al 20%. La piattaforma modulare comprende moduli per il machine learning, deep learning e l’intelligenza artificiale. A sua volta, ogni modulo dispone di algoritmi addestrati per svolgere compiti diversi. Per esempio, un algoritmo di un modulo non solo classifica i dati di input, ma estrae anche altre informazioni da questi dati, in modo da fornire l’input per ulteriori moduli. In pratica i dati generati dall’ispezione automatizzata dei componenti ritornano all’algoritmo, creando le basi per un processo di autoapprendimento da parte del modulo di intelligenza artificiale. Gli utenti possono addestrare i moduli sulla base dei propri dati di processo e di produzione. Questo significa anche che le aziende possono mantenere il totale controllo dei propri dati e tutelare la proprietà intellettuale dato che non occorre inviare i dati a un server esterno. Una volta addestrati, gli algoritmi possono anche essere utilizzati per progettare nuovi PCB. Questo risolve i pro- blemi legati alla lunga e costosa procedura di prova e ricerca di errori fino a quando non viene trovata la confi- gurazione ottimale. Gli algoritmi aiutano a prevedere quale configurazione, da una serie di opzioni, possa offrire la migliore funzionalità. Questo approccio di Fraunhofer FIT può essere applicato a molti altri sistemi. La piattaforma modulare messa a punto dal Fraunhofer FIT comprende moduli per l’apprendimento automatico, il deep learning e l’AI. (Fonte: Fraunhofer Institute for Applied Information Technology)