几乎所有关于工业4.0的谈话都集中在制造车间，这是最初最能感受到工业4.0作用的地方。而制造的起始数据——来自设计端的数据却很少受到关注。但是，如果制程以错误的数据开始，那将无法拥有智能制造。
工业4.0从智能数据开始。智能数据是指嵌入了智能的完整数据集。维基百科中，工业4.0的定义是：“目前制造技术中自动化和数据交换趋势的总称。”数据交换是工业4.0的支柱。
如果无法自动计算、交换和解释数据，则必须由人解释输入，以确定如何处理工作。智能数据可实现从面向制造设计（DFM）和面向测试设计（DFT），到模板生成、表面贴装技术（SMT）和测试编程的自动化处理。 它就像“如果/那么”语句一样简单——如果这个条件存在，那么就采取行动。但是一旦系统不知道这些数据代表什么，那么它就无法自动执行任何操作。
PCB制造产品模型的数字化是智能数据。它定义了要制造的PCB，同时它还定义了所需的制造工艺（图1）。PCB设计过程将数字产品模型从概念转变为成品，需要在此过程中进行大量的多学科协作（例如原理图/布局、ECAD/MCAD、线束/板、系统/板）。每个步骤都要求智能数据进行协作，在协作过程中进行许多检查以确保不会发生任何损坏。
图1：智能数据实现了从产品需求到跨多个域制造的无缝协作
在PCB设计阶段，主要要素包括：
•元器件信息（例如封装外形、引脚接触区域、引脚编号、3D几何形状、封装类型、部件号、仿真模型、成本、状态、合规性等）；
•示意图；
•多板结构；
•3D板（例如金属走线和形状、网属性、HDI、盲孔、埋孔和/或贯穿导通孔、材料叠层、刚挠区域等）；
•系统连通性；
•性能、机械结构和可制造性的约束条件集。
回到CAD的起源，设计的智能化程度要低得多。但随着时间的推移，不断增加属性，因此设计不仅仅是2D几何形状，它充满了“智能”，例如网名和类型、规则集、阻抗、材料、制造商、区域类型和封装结构。但是，通常情况下，当数据被发送到制造端时，所有这些智能都被剥离了，还要使他们重建智能数据来有效地完成工作。
PCB制造业想要建立一个大数据目标。电子产品的趋势当然是朝着更小批量方向发展，但要考虑到当今制造前端工程的职责。他们必须接收大量的设计数据文件，每种文件都有各种格式，并且通常包含不完整或冲突的数据。由于大多数数据不包含智能属性或性质，因此制造工程师的任务是对数据进行逆向工程，以便可以完成正确的工作指令、加工和编程。
每当数据包不完整或包含矛盾的数据时，在与客户解决问题前都需要暂停工作。如果前端工程需要花费数天的人工量，那么就无法优化大量的工作。对照亚马逊，你认为他们可以不使用自动化就熟练地完成大量订单吗？优化等同于效率——在不牺牲质量前提下的低成本生产。
Roland Berger撰写的一篇优秀论文《工业4.0及其对电子组装的影响》，定义了工业4.0的20个构建模块，其中一个是面向制造设计（DFM）。 在基本层面，这是确定PCB设计是否可以毫无问题进行制造的过程，或在理想情况下PCB设计是否已经针对制造进行了优化，换句话说，它可以在最低成本的情况下进行生产和测试，同时可达到最高的良率和可靠性。如果输入到DFM软件的PCB设计数据具有电子设计自动化（EDA）所存在数据的全部属性，则DFM软件可以自动识别哪项DFM检查规则适用于该设计，选择合适的DFM规则值时所使用的正确技术分类。
例如，如果设计数据以ODB ++格式表示，则接收DFM系统将知道构造是顺序层压以及每个钻孔文件要跨越哪些层。然后，它可以基于微导通孔和HDI技术执行DFM检查，无需任何人为干预。如果没有这种智能水平，DFM用户需要重新建立层构造并将钻孔文件关联到适当的层，然后才能确定要使用哪种DFM规则集。你可能会说这不是高难度的事，但是当钻孔图与数据文件中的图层名称相矛盾时会发生什么？ 智能数据消除了这种潜在风险，并允许使用简化的DFM流程（图2）。
图2：智能数据允许DFM软件自动识别HDI设计
在DFM的组装方面，我们需要了解元器件和引线类型以及IPC产品级别要求。仅仅拥有物料清单（BOM）并不能告诉我们所需的一切。物料清单（BOM）没有办法确定是否有一个很高的元器件太靠近铣槽，也不能告诉我们自动光学检测（AOI）系统是否因为较大部件的阴影而难以看到相邻的引线。但是，当物料清单（BOM）与计算机辅助设计（CAD）数据合并，生成智能数据后，即可自动完成所有必要的制造检查。
产品可测试性是可交付生产的另一个关键要素。如果产品不易测试，那么交付具有高性价比正常工作板的能力就会受到影响。同样，好的DFM准则现在也是设计过程的一部分，整个过程都需要良好的DFT。 将其留到最后或根本不考虑测试，为生产提供了不完整的产品模型，这些都会影响产品交付、产品质量和产品总成本。
对智能数据的要求不仅限于传统的硬板PCB。挠性和刚挠结合板技术也需要智能数据，因为它们使用不同的材料和设计特征。DFM系统必须能够自动了解挠曲区域以及增强板、覆盖层和银掩盖膜区域（图3）。
图3：挠性电路的适当DFM要求采用来自EDA的智能数据，以便系统地识别各种材料区域
我们还需要在制造过程的数字建模方面考虑智能数据。这种数字孪生体的制造过程使设计人员能够从智能DFM和布局过程（左移策略）中获得帮助。如果设计人员在进行设计时能够识别出改进PCB设计的区域，那么就可以大大减少从设计到批量生产所需的修改次数。数字孪生体制造过程是内置于系统中的，能够使他们更容易实现这种优化，而不必拥有制造专业知识。
然而，制造数字孪生体不仅限于单一供应合作方。 理想情况下，你将拥有所有制造合作伙伴能力的数字孪生体，以便可以看到设计的总体影响。
材料优化是数字孪生体的另一要素。 能够根据在制板尺寸查看组装的材料利用率，从而能够调整配置来降低成本。板的旋转或嵌套可以让你获得额外的板，这相当于节省了成本。
所有这些都符合工业4.0的目标。 Murrelektronik GmbH公司的Daniela Schäffer指出：“数字化正在成为许多公司高速发展的大好机会，他们面临的挑战是把事物正确的数字化，并将工业4.0作为优化工具，而不仅仅是‘展示对象’。”这可能是我见过的工业4.0的最佳总结。
在未来，我们可以期待制造反馈机制自动化的进一步发展。今天，DFM规则根据掌握的制造经验来人工更新。 展望未来，如果质量数据具有与DFM数据相同的智能水平，就可以根据用户定义的标准动态更新DFM规则。
此外，我们可以预见，预测分析最终将成为主流。 如果您可以在新设计上应用制造经验和质量数据来预测基于所需技术、材料和制造过程的良率、成本和可靠性，会怎么样？除非采集的制造数据同设计具有相同的智能和自动化水平，否则工业4.0将无法充分发挥其潜力。
智能数据增强了自动化能力，提高了生产效率，即使是大批量生产，也可以达到同样的目标。 这是工业4.0的整体目标。为什么从开始就要为你的智能制造战略设置障碍？坚持从智能数据开始工业4.0。
Patrick McGoff ,Mentor, a Siemens Business 市场开发经理
David Wiens,Mentor, a Siemens Business Xpedition产品营销经理
更多内容请点击在线查看。
