현대 AI는 단순한 텍스트 생성에서 벗어나 전자 공학에서 강력한 파트너로 자리매김했습니다. PCB 설계자에게 대규모 언어 모델(LLMs)을 활용한다는 것은 회로도에서 레이아웃으로의 전환을 가속화하고, 제약 조건 관리의 오류를 줄이며, 전례 없는 속도로 제조 최적화를 수행하는 것을 의미합니다.
이 프롬프트들은 ChatGPT, Gemini, Claude, DeepSeek을 포함한 모든 주요 AI 모델에서 사용하도록 엄격하게 테스트되고 최적화되었습니다. 각 모델마다 DeepSeek의 코딩 논리나 Claude의 기술적 뉘앙스와 같은 고유한 아키텍처 강점을 지니고 있지만, 다음 10가지 프롬프트는 PCB 설계와 Altium Designer 워크플로우에서 효율성을 높이는 보편적인 기초를 제공합니다.
1. 스크립트를 통한 반복 작업 자동화
최적 모델: DeepSeek (논리 생성 및 코드 구문에 탁월)
Altium Designer용 스크립트(DelphiScript 또는 Python 사용)를 작성하면 구성 요소 이름 변경이나 출력 파일 생성과 같은 지루한 작업을 자동화할 수 있지만, 구문은 종종 난해합니다.
Altium Designer 스크립팅에 능숙한 시니어 PCB 엔지니어 역할을 수행하세요. 현재 PCB 문서의 모든 구성 요소를 반복 처리하는 스크립트를 [예: DelphiScript와 같은 언어 삽입] 작성하세요. 스크립트는 'R' 접두사(저항기)가 있는 구성 요소를 식별하고 해당 "Comment" 필드가 표시되도록 설정해야 합니다. API 사용의 각 단계를 설명하는 주석을 코드에 추가하세요.
기대 효과: 수동 속성 편집을 자동화하는 기능적인 보일러플레이트 코드를 즉시 생성하여 속성 패널을 클릭하는 데 드는 시간을 절약합니다.
2. 고속 스택업 및 임피던스 계획
최적 모델: Claude (복잡하고 미묘한 기술적 설명 처리에 우수)
올바른 레이어 스택업을 정의하는 것은 신호 무결성에 매우 중요합니다. 이 프롬프트는 레이어 스택 관리자에 입력하기 전에 예비 임피던스 요구 사항을 계산하는 데 도움을 줍니다.
저는 DDR 메모리를 포함하는 고속 디지털 응용을 위한 6층 PCB를 설계 중입니다. 50옴 단일 종단 및 100옴 차동 임피던스를 달성할 수 있는 스택업 권장 사항이 필요합니다. 표준 FR-4 재료(유전율 ~4.2)를 가정하세요. 제안된 레이어 배열(신호-접지-전원 등)을 제공하고 이러한 임피던스 목표를 달성하기 위해 필요한 트레이스 폭과 분리 거리를 추정하세요. 귀환 경로와 크로스토크에 대한 추론을 설명하세요.
기대 효과: 수학적으로 타당한 스택업 시작점을 제공하여 실행 가능한 물리적 구성으로 시뮬레이션 단계에 접근할 수 있도록 합니다.
3. 신속한 구성 요소 비교 및 선택
최적 모델: Gemini (실시간 데이터 및 대규모 비교 세트 처리에 강함)
올바른 IC를 선택하는 것은 비용, 가용성 및 사양 간의 균형을 맞추는 것을 포함합니다. 이 프롬프트는 AI가 파라메트릭 검색 엔진 역할을 하도록 강제합니다.
다음 사양에 적합한 3가지 다른 스텝다운(벅) 레귤레이터 IC에 대한 비교표를 작성하세요: 입력 전압 12V-24V, 출력 전압 3.3V, 출력 전류 3A, 표면 실장 패키지. 다음 기준으로 비교하세요: 1. 효율성, 2. 스위칭 주파수, 3. 패키지 크기, 4. 외부 구성 요소 수, 5. 일반 가용성/비용 등급. 공간이 제한된 설계에 가장 적합한 옵션을 추천하세요.
기대 효과: 데이터시트 검색에 드는 시간을 명확한 의사 결정 매트릭스로 압축하여 전기적 및 기계적 제약 조건 모두에 맞는 구성 요소를 선택하는 데 도움을 줍니다.
4. 복잡한 설계 규칙(DRC) 공식화
최적 모델: ChatGPT (규칙 논리 구조화에 다재다능하고 명확함)
Altium 또는 기타 도구에서 Query Helper 구문을 설정하는 것은 오류가 발생하기 쉽습니다. 이 프롬프트는 인간의 의도를 정확한 설계 규칙 쿼리로 변환하는 데 도움을 줍니다.
Altium Designer에서 특정 설계 규칙 검사(DRC) 쿼리를 생성해야 합니다. 규칙은 20밀의 간격 제약을 적용해야 하지만, "HighVoltage" 클래스에 속하는 네트와 GND에 연결된 폴리곤 푸어 간의 상호작용에만 적용되어야 합니다. 이 특정 상호작용을 대상으로 하는 데 필요한 정확한 Query Helper 구문을 작성하고 Rules Editor에서 적용하는 방법을 설명하세요.
기대 효과: Query Helper의 구문 오류를 제거하여 안전에 중요한 간격이 허위 긍정을 생성하지 않으면서도 엄격하게 적용되도록 합니다.
5. 데이터시트 해독 및 요약
최적 모델: Gemini (대규모 컨텍스트 창으로 광범위한 텍스트 업로드/붙여넣기 가능)
복잡한 MCU나 FPGA를 통합할 때 핀 구성 노트를 놓치면 치명적일 수 있습니다. 이를 사용하여 중요한 통합 세부 정보를 추출하세요.
[특정 IC에 대한 데이터시트 섹션 붙여넣기 또는 업로드]
이 데이터시트의 "전원 공급 디커플링" 및 "레이아웃 지침" 섹션을 분석하세요. 다음에 대한 필수 요구 사항을 요약하세요:
1. 커패시터 값 및 배치 근접성.
2. 접지면 분할 권장 사항.
3. 전원 핀에 대한 트레이스 폭 요구 사항.
레이아웃 단계에서 사용할 수 있는 체크리스트로 출력하세요.
기대 효과: 100페이지가 넘는 데이터시트에 묻혀 있는 “필수” 레이아웃 제약 조건을 추출하여 실행 가능한 체크리스트로 변환합니다.
6. EMI/EMC 실패 문제 해결
최적 모델: DeepSeek (물리학 및 공학 논리에 대한 강한 이해력)
보드가 방사 테스트에 실패할 때는 단순한 레이아웃 아티스트가 아닌 물리학자가 필요합니다. 이 프롬프트는 방사 잠재적 원인을 진단하는 데 도움을 줍니다.
제 PCB가 125MHz에서 방사 방출 테스트에 실패했습니다. 설계에는 25MHz로 실행되는 마이크로컨트롤러와 500kHz의 스위칭 레귤레이터가 포함되어 있습니다. 이러한 주파수를 기반으로 노이즈의 잠재적 원인(예: 고조파)을 분석하세요. 이 특정 고조파에서 방사를 완화하기 위한 5가지 구체적인 레이아웃 기술 또는 구성 요소 추가(페라이트, 스너버 또는 차폐 등)를 제안하세요.
기대 효과: 고조파 주파수 계산을 기반으로 근본 원인 분석을 제공하여 추측이 아닌 표적화된 공학적 수정 사항을 제안합니다.
7. IPC 준수 풋프린트 생성
최적 모델: Claude (표준 준수 및 세부 사항에 대한 높은 주의력)
처음부터 풋프린트를 생성하는 것은 위험합니다. 이 프롬프트는 산업 표준을 따르도록 보장합니다.
QFN-32 패키지(5x5mm 본체, 0.5mm 피치)에 대한 풋프린트를 생성해야 합니다. IPC-7351 지침을 기반으로 다음에 대한 치수 계산을 안내하세요:
1. 패드 길이 및 폭 확장(Toe, Heel, Side 필렛).
2. 열 패드 페이스트 마스크 분할(솔더 보이드 방지용).
3. 코트야드 여유.
"표준" 밀도 수준을 보장하기 위해 사용해야 할 치수를 제공하세요.
기대 효과: 라이브러리에 커밋하기 전에 IPC 밀도 수준에 대해 풋프린트 형상을 검증하여 솔더 브리지 또는 열린 접합의 위험을 줄입니다.
8. 구성 요소 배치 전략 최적화
최적 모델: ChatGPT (일반적인 공간 논리 및 워크플로우 계획에 적합)
배치는 전투의 90%입니다. 이 프롬프트는 라우팅을 시작하기 전에 보드의 흐름을 계획하는 데 도움을 줍니다.
아날로그 프론트 엔드(AFE), 디지털 MCU 및 Wi-Fi 모듈을 포함하는 4층 혼합 신호 보드를 설계 중입니다. 보드는 24V를 입력받아 3.3V로 조정합니다. 노이즈 결합을 최소화하기 위한 이상적인 플로어플래닝 전략을 설명하세요. 특히, AFE에 대한 전원 공급 섹션 배치 위치와 Wi-Fi 안테나 커넥터 방향을 다루세요.
기대 효과: 민감한 아날로그 신호에서 시끄러운 스위칭 레귤레이터를 분리하는 논리적인 물리적 흐름을 확립하여 초기에 중요한 신호 무결성 문제를 방지합니다.
9. BOM 통합 자동화
최적 모델: Gemini (데이터 형식 지정 및 정리에 탁월)
BOM 관리는 종종 지저분한 Excel 데이터 정리를 포함합니다. AI를 사용하여 설명과 제조업체 부품 번호(MPN)를 표준화하세요.
"설명" 열이 일관되지 않은 원시 자재 명세서(BOM)가 있습니다(예: 일부는 "10uF Cap", 다른 것은 "Capacitor 10 microfarad").
[BOM 행의 작은 샘플 붙여넣기]
이 설명들을 엄격한 표준 형식으로 다시 작성하세요: "[구성 요소 유형], [값], [전압/등급], [패키지], [허용 오차]". 모든 항목에 대해 형식이 동일하도록 보장하세요.
기대 효과: 지저분한 내보내기를 전문적이고 조달 준비가 된 문서로 변환하여 구매 부서 또는 조립 업체의 질문을 줄입니다.
10. 제조를 위한 설계(DFM) 검토
최적 모델: Claude (세부 사항 중심 검토 능력)
제작 업체에 게르버 파일을 보내기 전에 이 프롬프트를 사용하여 비용이 많이 드는 제조 문제를 발견하세요.
PCB 제작 업체의 CAM 엔지니어 역할을 수행하세요. 표준 4층 보드에 대한 다음 설계 매개변수를 검토하고 "고비용" 또는 "고위험" 기능을 식별하세요:
- 최소 트레이스/간격: 3밀 / 3밀
- 최소 드릴 크기: 0.15mm
- 환형 링: 3밀
- 표면 처리: ENIG
- 구리 무게: 내부 층에 2온스
이러한 사양 중 어떤 것이 가격 인상이나 수율 문제를 유발할 수 있는지 설명하고, 성능에 영향을 주지 않으면서 완화할 수 있는 표준 대안(예: 3밀 간격을 5밀로 변경)을 제안하세요.
기대 효과: 성능에 영향을 주지 않으면서 완화할 수 있는 “극한” 제조 제약 조건을 식별하여 비용을 절약하고 생산 지연을 방지합니다.
프로 팁: 컨텍스트 주입
이 프롬프트들을 최대한 활용하려면 항상 CAD 도구와 제조업체 능력의 특정 제약 조건으로 AI를 “준비”시키세요. 라우팅 전략을 요청하기 전에 제작 업체의 능력 요약(예: “최소 트랙 5밀, 최소 드릴 8밀”)을 붙여넣으세요. 이렇게 하면 전기적으로 완벽하지만 물리적으로 저렴하게 제조하기 불가능한 형상을 AI가 제안하는 것을 방지합니다.
레이아웃의 미래를 마스터하기
주니어 설계자와 시니어 리드의 차이는 종종 구리로 새겨지기 전에 문제를 예측하는 능력에 있습니다. Altium에서 스크립팅, 임피던스 계산 또는 DFM 규칙 재확인을 위해 이러한 AI 프롬프트를 일상 워크플로우에 통합함으로써, 단순한 레이아웃 실행에서 전략적 공학 감독 역할로 자신의 위치를 높일 수 있습니다. 프롬프트 라이브러리를 계속 다듬고, AI가 계산을 처리하게 하면서 아키텍처에 집중하세요.