文献与摘要（261）

PCB设计走向何方？Where Are We Going with PCB Design?

PCB技术路线图提供了当今电路板特性的主流值，如标出了不同铜箔的最小线宽/线距、不同板厚的最小孔径、厚径比和连接盘尺寸等。新PCB技术的驱动力是元器件规格尺寸，首先是BGA器件的节距，已经从1.27 mm到0.35 mm、0.30 mm，前沿工艺技术是mSAP。人工智能(AI)可以帮助PCB设计，人和机器之间的界限逐渐缩小，一些PCB设计将被AI替代，而PCB设计师的工作会一直存在。

（By John Burkhert JR，PCD&F，2023/8）

基于热变形翘曲选择性装配高价值元件以提高可靠性 Selectively Assembling High-Value Components Based on Warpage in Order to Improve Reliability

SMT中影响可靠性因素之一是板面翘曲，而引起板面翘曲的重要原因是SMD组装产生的热量。一些行业标准和技术论文中提到了PCB的整体翘曲，而对SMD安装区域缺乏具体的翘曲限制。本文研究的重点是热翘曲数据的采样测量，来预测PCB再流焊期间的翘曲变形。采用数字条纹投影（DFP）测量技术，测量BGA安装在PCB的翘曲数据，为组装板减少翘曲故障提供必要的信息。

（By Neil Hubble，PCD&F，2023/8）

突破极限 Pushing the Limits

在照明和电力转换方面经受热管理挑战，促使设计师越来越依赖绝缘金属基板（IMS）等技术；为支持越来越快信号速度的需求，PCB以低损耗的基材和超薄铜箔做出了回应。来自于电动汽车和可再生能源等使用的电压超过600 V，需要提供高漏电比痕指数（CTI＞600 V）；应对湿度和污染环境中基板保持电绝缘的需求增加，导电阳极丝（CAF）形成已成为主要问题。今天基板材料的树脂配方、玻纤编织、铜箔与以往基本相同，但基板性能为适应客户不断变化的需求，需突破极限。

（By Alun Morgan，PCD&F，2023/8）

电子制造领域的人工智能 AI in the Electronics Manufacturing Space

人工智能（AI）体现了机器执行与人类相关的功能和任务的能力，通常AI通过专家系统、机器学习、生成人工智能创建其有用性。专家系统是程序员将专业知识编码到系统中；机器学习是通过大量数据训练来教会系统如何完成任务；生成AI是根据提示生成新的内容。在电子制造领域，AI应用例子有自动化检测、设计过程自动化、预测设备维护、生产分析和优化，相信AI系统的应用将不断增多。

（By Mike Konrad，SMT magazine，2023/8）

将AI集成到PCB设计流程中 Integrating AI Into the PCB Design Flow

PCB设计工具有很多,面对复杂的设计重要目标在于系统完整性，需要应用人工智能（AI）。基于机器学习（ML）的技术已得到有效利用，通过使用AI来减少设计过程中模拟验证和改正次数，从而缩短设计周期；同时实现更短的互连和减少线路交叉，这对芯片和PCB的电性能都至关重要。AI需要吸收和学习信息，AI的最大问题是数据的可用性，需要创建被认可的PCB布局图像和数据库。

（By Barry Olney，PCB design，2023/8）

现代PCB设计与分析面临的挑战 Challenges in Modern PCB Design and Analysis

电子系统更高的数据速率、更低的功耗和更小的形状的需求推动了复杂性，对PCB设计提出了许多挑战，包括管理信号完整性（SI）、功率完整性（PI）和电磁干扰（EMI）的挑战。在这个快速发展的技术领域投入人工智能（AI），增强设计过程完全需要的，主要目标是模仿人类的专业知识，确保加速设计过程。这并不意味着PCB设计师未来会过时，但AI为设计方式提供了新的机会。

（By Steve Watt，PCB design，2023/8）

为更好PCB制造的最佳钻孔实践 Best Drilling Practices for Better PCB Manufacturing

钻孔是PCB制造过程中最基本的步骤之一，PCB设计师需要了解有关钻孔的关键事项，如孔径、孔距设计限制、公差和最佳钻孔尺寸等，并知道钻孔的加工过程和常见的孔质量问题。为提高钻孔效率并帮助减少错误，设计者应尽可能减少孔径种类；优化孔之间的间距，从而减少钻头在钻孔时运动距离；选择尽可能宽松的公差。设计师与PCB制造商密切合作更好地实现减少差错与提高效率。

（By Tim Totten，PCB design，2023/8）