製造出力とドキュメンテーション

Altium Designerでは、正確な製造出力データにより製造との意思疎通をより効率的にできます。製造現場での混乱を避けるために、基板設計のドキュメンテーションについて、部品表の作成、製造データの生成、ファイルフォーマットなどのトピックを中心に紹介します。

Filter
見つかりました
Sort by
役割
ソフトウェア
コンテンツタイプ
適用
フィルターをクリア
自動ピックアンドプレース機は、汎用回路基板に迅速にコンポーネントを取り付けます。電子および回路基板製造 PCBデザイナーが良い顧客になる方法:製造の観点から 1 min Blog PCB設計者 電気技術者 PCB設計者 PCB設計者 電気技術者 電気技術者 製造サービス会社との強力なパートナーシップは、生産プロセスがスムーズに進むか、コストのかかる遅延が発生するかの違いを意味することがあります。製造者の視点からすると、顧客の特定の慣行が、デザイナーを単なるクライアントから価値あるパートナーへと昇格させることもあれば、見積もりのリクエストが列の後ろに押しやられる原因となることもあります。 PCBデザイナーが最高の顧客となる方法についてのガイドです。これにより、高いレベルのサービスを確保し、製造業者との強固な関係を育むことができます。 製造業者のプロセスと能力を理解する 優れた顧客になるための基本的なステップは、製造業者のプロセスと能力を理解することです。時には、製造業者がどのように運営しているかをより深く理解するために、製造プロセスを経験する必要があります。各製造業者には独自の強みと限界があり、設計要件をこれらと合わせることで、多くの潜在的な問題を防ぐことができます。 設計プロセスの早い段階で製造業者との議論を開始してください。単純なボード以外のものを製造する場合は、製造業者の能力と材料の選択肢を決定する必要があります。設計チームは、メールを送るだけでこの情報をすぐに入手できます。この情報は、製造業者のより広範な DFMガイドラインの重要なサブセットです。これらのガイドラインに準拠した設計は、製造が容易であり、エラーや遅延のリスクを減らすことができます。 明確で完全なドキュメントを提供する 製造業者は、見積もりを提供し、生産を進めるために、ビルド要件に関する完全なドキュメントを必要とします。製造業者には、標準のビルドファイルセットが必要であり、それにはGerberファイル、ODB++、またはIPC-2581のエクスポートが含まれます。エクスポートには、必要なPCBレイヤー(銅、シルクスクリーン、はんだマスク、ドリル図面)をすべて含めてください。 明確で正確なドキュメントは、確認のための行き来を最小限に抑え、プロセスを加速させます。残念ながら、Gerberファイルには、製造を完全に見積もり、進行するために必要なドキュメントのごく一部しか含まれていません。必要な他の重要な情報は以下の通りです: 注記付きの製造図面 ドリル表を示すドリル図面 ドリル図面に一致するNCドリルデータ ボードの形状が特殊な場合は、機械図面が必要になることがあります 完全な 製造ノートを含む製造図面を省略すると( リジッドフレックスPCB製造ノートに関するこのリソースも参照)、製造業者がこれを要求するか、PCB内ですべての製造詳細を指定するよう求められます。 Draftsmanでの完全な製造図面ドキュメント。 完全なドリル表とそれに対応するデータは、製造業者が今後のビルドの処理ニーズを判断するのに非常に役立ちます。NCドリルデータからドリル表を再構築するのではなく、製造ドキュメントパッケージにドリル表とドリル図面を含めることで、製造業者は使用されているドリル、PCB内のドリルヒット数、許容されるドリルサイズの許容差、関与するレイヤーペアを正確に把握できます。 Draftsmanドキュメントでドリルテーブルを生成する方法について、 Altiumドキュメントで詳しく学びましょう。 記事を読む
Generative AIを使用して組み込みコードを書き込み、実行する Generative AIを使用して組み込みコードを書き込み、実行する 1 min Altium Designer Projects ハードウェアと会話するカスタムGPTアクションの構築方法と AIラボアシスタントの構築で、Generative AIを使用してハードウェアを制御する方法を学びました。ChatGPT内でカスタムGPTアクションを利用することで、ChatGPTにラズベリーパイからLEDを点滅させるだけでなく、実験室の機器を制御しデータを取得する能力を与えることができました。これは、人工知能をラボアシスタントとして使用し、機器から取得したデータを処理することができることを意味します。この記事では、Generative AIによってコードを書くだけでなく、組み込みターゲット上で実行し、その過程でフィードバックを受け取ることによって、さらに一歩進んでいます。 背景 Generative AIを使用してコードを書くことは、組み込みシステムでさえ、新しいことではありません。既にコードを一から完全に書くか、提案するだけの多くのツールがあります。ChatGPT、Gemini、Claudeなどの最も人気のある大規模言語モデルは、すべてコードを書くのがかなり得意になっています(比較については、 Gemini vs. ChatGPT: どちらがより良いコードを書くかを参照してください)。私は1年以上前からChatGPTがコードを生成することについて書いてきました( ChatGPTを使用した自動テストを参照)し、それが今日の開発の唯一の方法であると説教してきました。本当の挑戦は、開発のループにAIを取り入れることです。 コード生成はある程度までしか役立ちませんが、Generative AIを使用する場合、それが機能することを検証し保証するには異なるアプローチが必要です。ChatGPTとのコードインタープリターは、ある程度、生成されたコードを実行し、それがあなたのために機能することを検証できるカプセル化されたPython環境を提供します。私はそれをさらに一歩進め、組み込みシステムで同じことを達成できるかどうかを見てみたいと思いました。OpenAIのChatGPTを使用するには2つのルートがあります。最も一般的なルートは、OpenAI APIを使用するクローズドループアプリケーションを作成することです。それはAPIを使用して大規模言語モデル(LLM)からコードをプロンプトして取得し、それをコンパイルし、Arduinoにロードし、生成されたコードの機能を検証するために追加のカスタムコードを使用します。私はGPTアクションを使用して、「コードペアリング体験」にすることで異なるアプローチを取ることにしました。その体験は次のようなものです: 図1: GPTアクションの例 例は単純かもしれません(つまり、オンボードLEDの点滅)が、上記のデモンストレーションで全てがまとまっています。私はカスタムGPTに明確な指示を与えることができ、期待通りに指示に従ってくれました。また、実際にデバイスにアップロードされ、LEDが1秒ごとに点滅することも確認できました。カスタムGPTを閉じたループシステムと比較して使用する良い点は、プロンプト内でかなり簡単に繰り返し作業ができることです: 図2: Arduinoスケッチの反復 記事を読む