Mobile menu
製造
PCB Manufacturing Handoff Tools

Faster design-to-production handoff with your contract manufacturer.

Learn More
Manufacturing Made Easy

Centralize DFM reviews and packages to accelerate PCB production handoff.

Learn More
ホーム 製造

製造

リソースライブラリでは、PCB設計とプリント基板製造の詳細を紹介しています。

Altium's Manufacturing Solutions Guide to Manufacturing with Altium Manufacturing Documentation
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
PCBトレースとパッドのクリアランス：低電圧対高電圧 PCBトレースとパッドのクリアランス：低電圧対高電圧 1 min Thought Leadership 高電圧/高電流設計は、設計者が満たす必要がある安全要件を伴います。同様に、高速設計では、信号の整合性を保証するためにクロストークを抑制する必要があります。両方の領域に関連する主要な設計要素は、PCBトレースクリアランスとパッドクリアランスの値です。これらの設計選択は、安全性、ノイズ抑制、および製造可能性のバランスをとるために重要です。 IPC 2221電圧および間隔基準は、導体間のESDを防ぐためのガイダンスを提供しますが、すべてのボードがこの基準を満たす必要はありません。PCBトレース間の距離の電圧と信号の頻度（またはデジタル信号のエッジレート）に応じて、PCBトレースクリアランスに異なる値が必要になる場合があります。製造可能性を確保しながら、PCBクリアランスレイアウトのこれら2つの側面をどのようにバランスさせるかについて説明します。 低電圧 (15 V) IPC 2221電圧および間隔基準によると、一般用途デバイスの最小PCBクリアランスルール（実際には、任意の2つの導体間のクリアランス）は0.1 mmまたは4ミルです。電力変換デバイスの場合、この最小PCBトレース幅および間隔は0.13 mm、または5.1ミルです。これらのボードは「高電圧」とは考えられず、これらのボードの導体間隔はHDI領域に近づき始めます。 これらの電圧では、デジタル信号、低周波アナログ信号、または単に中程度の電流でのDCを扱っている可能性があります。デジタル信号の場合、典型的なルールは「3W」ルールに従うことです。ここで、トレース間のクリアランスはトレースの幅の3倍です。典型的な50オーム制御インピーダンスのマイクロストリップの場合、トレース幅は約20ミルになるため、推奨されるPCBトレース間隔は60ミルです。 IPC 2221の要件内にまだ十分に収まっており、主な焦点は効率的なルーティングとDFMにあるべきです。HDI領域でも、BGAの細かいピッチパッド間をルーティングする必要がある場合でも、一般的に3.3Vまたは約1Vで作業しているため、これらの電圧要件を心配する必要はありません。 高電圧（>15 V） 高DC電圧では、PCBトレースのクリアランス値を選択する際の主な懸念事項は、露出した導体間でのESD（静電気放電）と樹枝状成長を防ぐことです。高AC電圧の場合、または高電流を出力するスイッチングレギュレータを使用する場合、ESDと樹枝状成長だけでなく、クロストークについても心配する必要があります。クロストーク抑制ガイドラインは、非常に高い電圧になるまで、導体間の必要なPCB電圧クリアランスまたは間隔を過剰に規定しています。 IPC 2221とクロストーク抑制のバランスをどのように見つける必要があるかを考えるために、次の仮定の状況を考えてみましょう。制御インピーダンスのマイクロストリップ（幅20ミル）が、高電圧ACラインの近く、または高電流DCレギュレータの出入りするトレースの近くにあるとします。"3W"ルールに従うと、平行なマイクロストリップ間および近くの高電圧ラインとの間隔は1.5 mm、または約60ミルであるべきです。これは、高電圧レベルが電力変換デバイスの場合は180V、その他の高電圧製品の場合は340Vに達するまで、IPC 2221に十分適合するものです。 記事を読む
クラウドで製造業者とPCBデータを共有する クラウドを介して製造業者とPCBデータを共有する 1 min Blog PCB設計者 技術マネージャー 製造技術者 PCB設計者 PCB設計者 技術マネージャー 技術マネージャー 製造技術者 製造技術者 Altium 365のクラウドコラボレーション機能を使用すると、製造業者と迅速にPCBデータを共有できます。 記事を読む
インダストリー4.0の人工知能アプリケーション 産業4.0、人工知能、製造業におけるIoT 1 min Blog エレクトロニクスに関して言えば、スマートフォンやAlexaのような消費者向けデバイスがすべての注目を集めがちです。しかし、 Ventec International GroupのAlun Morganによると、「世界で生産されるPCBの約23%が製造アプリケーションの電子機器に使用されています。」自動車、通信、電力生成/配布、およびコンピューティングなど、製造業務をサポートする他の非消費者向けカテゴリーを含めると、この数字はさらに上昇します。西洋の製造業者は、工場の床でのより大きな自動化と生産性を通じてのみ、オンショア化が実現すると広く受け入れています。これがインダストリー4.0の本質であり、工場の運営がこれまで以上にインテリジェントで、よりつながっています。 では、製造業者はオンショア化を通じてどのようにしてさらに費用を削減し、生産性の利点を見出すことができるのでしょうか？この質問には、3Dプリンティングのような先進的な製造技術を考慮すると、いくつかの答えがあります。皆が同意する一つのことは、多くの製品の製造業務は近い将来さらにデジタル化されるということです。このレベルのデジタル化には、機器を動かしデータを収集するためのPCBと、迅速にデータを処理し有用な洞察を得るための技術が必要です。インダストリー4.0では、人工知能（AI）が運営の管理とデータの処理に不可欠であり、最終的にはマネージャーやエンジニアに洞察を提供します。 インダストリー4.0とAIのための設計 製造業務をサポートする新しいAIシステムを設計することは、ソフトウェアに関することだけでなく、ハードウェアの取り組みでもあります。両方の領域は互いに補完し合います。組み込みボードは組み込みソフトウェアをサポートするように設計されなければならず、組み込みソフトウェアはボード上の他の機能を制限するほどリソースを消費してはなりません。これは、すべての製造資産とデータ取得/処理をサポートするシステムが組み込みIoTエコシステムになり、データは中央の場所またはクラウドで処理されることを意味します。 インダストリー4.0では、より多くの製造資産が接続されるにつれて、製造業者はこれまで以上に大量のデータを生成することが期待されます。この接続性は、IPC-CFX標準のような新しい業界標準のデータ交換を通じて可能になります。任意の製造操作がその資産を接続し、あらゆる製造プロセスを通じてデータを集約したい場合、工場全体にわたって多数の組み込みIoTデバイスが必要になります。 インダストリー4.0のための組み込みIoT設計要件 新しい組み込みIoTデバイスは、いくつかの基本的なハードウェア要件を満たしていれば、AIアプリケーションをサポートできます。これらの組み込みデバイスは、標準的なAI/MLモデルをサポートしつつ、標準プロトコルを介してデータの通信を可能にする特殊なシングルボードコンピュータです。ここでは、インダストリー4.0の製造業務のための新しいシステムを設計する際に考慮すべきいくつかの基本的な要件を紹介します： 処理能力：これはクロック速度についてではなく、並列処理についての話です。より多くのコア/プロセッサを持つシステムやクラスタリングが可能なシステムでは、データをより速く処理し、AIモデルで使用できます。 オンボードメモリ：必要なメモリ量は特定のアプリケーションに依存します。画像処理のためのシステムは、数値データ処理のためのシステムよりも多くのメモリを必要とします。 他のセンサーとのインターフェース：データは、環境センサーから、製造装置内のセンサーから、または その他のさまざまなセンサーから直接取得する必要があるかもしれません。 通信能力：これは必要な通信範囲に基づいて選択する必要があります。長距離通信にはNB-IoT、LoRaWAN、LTE-Mなどの無線プロトコルを使用できますが、短距離通信にはBluetooth LE、WiFi、Ethernetが一般的です。 産業4.0 AIシステムのためのモジュラーデザイン コスト削減と生産性向上は、新しいシステムを迅速に展開し、設定することについてです。ほとんどの製造技術者はプリント回路設計者ではありませんが、この重要なクラスのエンジニアは、 記事を読む
ステルス機と量子レーダー NVIDIA Jetson Nano：レーン検出と追跡 1 min Blog 自動運転車は徐々に自動車産業の重要な部分となりつつあります。多くの人々は、完全自動運転車が間もなく人間と並んで走るようになると信じており、技術企業は完全自動運転車を展開するための競争に参加しています。2018年12月、Googleの自動運転車プロジェクトから生まれた会社である Waymoは、フェニックス郊外で商用自動運転車サービスを正式に開始しました。May Mobility、Drive.ai、Uberなどの企業も同じ道を歩んでいます。 自動運転車は壮大なビジョンのように思えるかもしれませんが、半自動運転車はすでに私たちの間にあります。新しいTeslaの車には、Tesla Autopilot機能が搭載されており、車線認識と追跡、アダプティブクルーズコントロール、自動駐車が可能です。道路上の車線を識別し追跡する能力は、無人運転車にとって多くの前提条件の一つです。車線認識は難しい問題のように思えるかもしれませんが、NVIDIA Jetson Nanoハードウェアプラットフォームを使って、車線認識と追跡のアルゴリズムの開発を始めることができます。 Jetson Nano入門 Jetson Nano COMは、 Raspberry Pi 3よりもわずかに大きいですが、472 Gflopsのパワーで並列にニューラルネットワークを実行できます。これはRaspberry Pi 3よりも約22倍強力であり、わずか5Wという非常に低い電力で動作します。このボードは、トリムダウンされたLinuxカーネル上で動作する組み込みAIアプリケーションに最適です。高品質な画像およびビデオ処理アプリケーションに必要な処理能力とオンボードメモリを備えています。Jetson Nanoの主な特徴には次のようなものがあります： GPU 記事を読む
アプリケーションのためのAIのカスタマイズ アプリケーションに合わせたAIのカスタマイズ 1 min Blog AI技術は、デバイスが世界とどのように相互作用するかを急速に変えています。従来、プログラマーはシステムが現実世界のさまざまな予測不可能な状況にどのように反応するかを事前に決定する必要がありました。AIを使用すると、そのモデルは望ましい反応を捉えるように訓練され、予期しなかった状況に対しても信頼性の高い望ましい反応を提供できるようになります。 AIに新しい開発者が直面する課題の一つは、アプリケーションに合わせたAI実装をカスタマイズすることです。特定のアプリケーションが自身のボード実装を正当化するのに十分なボリュームを持っていない限り、市販のAIボードは一般的な効果に焦点を当てがちです。それらはすべてのアプリケーションに必要ではないリソースやインターフェースを持っているため、不必要にコストを増加させます。 例えば、 Jetson Nano Developer Kit のような開発者キットは、基本的なAI実装を作成する方法に慣れるのに最適な方法です。Jetson Nanoにはさまざまなインターフェースが付属しており、非常に短時間でテストシステムを立ち上げて動かすことが簡単です。このキットは、センサー処理からビデオ分析、音声処理に至るまで、幅広い多様なアプリケーションの優れた出発点として機能します。 しかし、一般的なAIシステムの構築方法を理解すると、最終的な製造ハードウェアに可能な限り近いプロトタイプを使用してアプリケーションの開発を開始したくなるでしょう。これは、AIをエッジに移行する際に特に重要です。 クラウド内のGPUのコスト、可用性、およびスケーラビリティは非常に柔軟です。必要な応答性を得られない場合や、モデルが当初考えていたよりも多くのデータを効果的に処理する必要があることがわかった場合、簡単にクラウドリソースを追加できます。 しかし、エッジではそうはいきません。エッジでは、コスト、パフォーマンス、および精度のバランスを取りたい場合に最適なリソースの組み合わせを決定する必要があります。理想的には、大幅なハードウェア変更を強いることなく簡単にダウンスケールできるシステムが必要です。 また、センサー、カメラ、インターフェース、メモリ、MCUなど、アプリケーションの残りの部分を構成するコンポーネントも設計の容易さに影響します。これは、ある時点でAIシステムをアプリケーションの残りの部分と統合する必要があるためです。 ビデオイメージのサイズを増やす必要があることがわかった場合に必要となるカスケード変更を考えてみてください。AIモデルは異なるサイズのイメージを扱う必要があり、システム全体のパフォーマンスとメモリ要件が完全に変わります。さらに、新しいカメラを既存のファームウェアとシームレスに統合する必要があり、できればファームウェアの書き換えを避けたいところです。この新しいリソースの組み合わせをバランス良く最適化するには時間もかかります。さらに、2台目のカメラを追加し、実効フレームレートを上げる必要があると想像してみてください。 この統合段階は、手動で行う必要がある場合、非常に時間がかかり、イライラすることがあります。たとえば、同じベンダーのカメラドライバーであっても互換性がないことがよくあります。新しいドライバーが前のものと全く同じように動作することを確認するために、広範なテストを行う必要があります。 Geppetto のようなカスタムプラットフォームアプローチをデザインに採用することで、開発時間を大幅に短縮できます。Geppettoを使用すると、実証済みの機能ブロックをドラッグアンドドロップでカスタムボードに追加できます。AIアプリケーションの場合、Jetson Nanoから始めて、必要ない機能を削除できます。その後、センサー、インターフェース、プロセッサー、その他の回路を広範なモジュールライブラリから追加し、アプリケーションに最適化されたカスタムモジュールを構築できます。 このアプローチの主な利点は、初期の開発とテストのために少数のボードをコスト効率よく製造できることです。もし、より多くの処理能力が必要になった場合、またはそれ以下である場合でも、完全に新しいシステムを設計することなく、簡単にデザインを調整できます。 さらに、カスタムボードはOSとドライバーが事前に統合されています。すべてのコンポーネントを連携させる必要はありません。なぜなら、私たちがすでにそれを行っているからです。 記事を読む
部品配置を能率よく行う為のヒント 部品配置を能率よく行う為のヒント 1 min Blog プリント基板設計では基板外形を設定した後、ワークスペースに部品（フットプリント）を呼び出します。そして、その部品を適正な位置に再配置し、それが終われば配線を行います。 この作業の最初の工程である部品配置は、その後の配線作業を円滑に行う為に大変重要な作業です。もし、配線作業中にスペースが足りなくなった場合には、部品を動かさなくてはならず、出来上がっている配線パターンを剥がしてやり直さなくてはならなくなってしまいます。 部品配置では多くの部品の位置決めをしなくてはならない事に加え、高い完成度が求められます。そこで今回は、この手間のかかる部品配置を能率よく行う為の方法や役立つ機能を紹介します。 回路図のレイアウトを最適化 - 基板の部品配置を回路図に反映させる 基板上に部品を配置する際には、ラッツネストを頼りに配線が最短になる位置を探しますが、電源やBUSなどの長いネットを持つ部品はラッツネストだけでは判断できず、回路図を参照しなくてはなりません。このため、回路図を描く際に、基板上で互いに近付けたい部品は回路図上でも近くに置いておくと良いでしょう。バイパスコンデンサは、まとめて一か所に描くと回路図はスッキリしますが、クリチカルな箇所については対象となる電源ピンの近くに描いておきましょう。 また、信号の劣化やノイズに注意しなくてはならないRF等のアナログ回路の場合には、回路図からレイアウト上の要件を読み取ります。このような場合、回路図シンボルをフットプリントと同じピン配列で作成しておくと、基板レイアウトとの相関性が高まりより分かりやすくなります。これはアナログ最盛期によく使われた、実体配線図の考え方に似ています。 また、回路図は、1枚のシートに異なった機能ブロックを混在させず、機能ブロックごとにシートを分割すべきです。同じ回路を繰り返し使用する場合にも、単純な Copy and Paste ではなく、シートシンボルやデバイスシート、マルチチャンネルデザインを使って回路を複数化します。これにより、ルーム機能を有効に活用できるようになります。 ルームを活用する Update PCB Document...でPCBにデータを転送すると、フットプリントが呼び出され端子間の接続を示すラッツネストが表示されます。そして、そのバックには四角い箱が表示されます。この四角い箱がルームであり、回路図シートごとに部品がクループ化されています。このルームを使ってグループ移動ができますので、まず、このルームを使って大まかに配置を決めると良いでしょう。 さらに、このルーム機能は、オーディオミキサーのように回路の繰り返しが多く、基本的な配置が決められている場合には特に有用です 以下は、マルチチャンネルデザインが用いられたオーディオミキサーの例です。オーディオミキサーは、基板上に配置する部品の位置が、製品の仕様によってほぼ決まってしまいます。このため、ルームを使って規定されたエリアに部品を振り分ける事により、作業能率を飛躍的に向上させる事ができます。 ルームを利用するためのコマンド 記事を読む
PCB基板材料の熱特性 PCB基板材料の重要な熱特性 1 min Thought Leadership 信号の整合性だけが全てではありません。PCB基板材料の熱特性も信頼性にとって重要です。 記事を読む