硬件工程师设计出错是什么体验

大家好,今天分享的是硬件工程师设计出错是什么体验。
<身为技术人,求索之路道阻且艰,但一万次的翘首却比不过一次的前行>

硬件工程师7年了,现在设计电路也不敢保证一版成功,尤其是犯了低级失误,这体验真的是酸爽,硬件还不像软件,出错了非常耽误项目进度,而且费钱。

之前也写过一篇:硬件项目如何避免改版?感兴趣的可以看一下。

1、把毫米当成厘米。

在这里插入图片描述
2、晶振两个脚画反了?简单,立起来再交叉飞跟线,完美。

在这里插入图片描述
3、封装做错,只能飞线。

在这里插入图片描述
在这里插入图片描述
4、50块的板子:小事,重打吧,这点钱算啥啊,这个留作纪念吧。

200块的板子:出了点小问题,一切都在控制当中,重新做一套就没问题了。

1000块的板子:这一块设计有问题,我观察电源和高频那块也没考虑好,估计这块板子跑起来会出问题,建议重新做一套吧。

8000块的板子:没办法、没办法,这么多规则怎能不出错吗,重新搞,不就是一个月工资嘛

10000+的板子:(把脸拾掇拾掇)那啥,这次设计出错责任主要在我,我辜负了公司领导的信任,对不起党、国家、人民对我的培养,在此郑重道歉并写下一万字总结,在在下一次的设计中保证不会范同样错误。

内心:千万不要调错板子,千万不要飞线,千万不要割铜皮,会死人的。

废弃的板子:哭晕在抽屉。(前几个个人体会,后面的想象加胡说八道)

5、我有一次,那时候还是创业时期。

整个研发我一个人说的算,又一次画一个圆形的PCB。

把直径当成半径了,我还说这个板子布局随便摆空间很大。

结果做回来的PCB板子和外壳一样大。

幸好,先是打了样就做了5个。

我说的算,做错了就当没事发生。

要不然会非常尴尬的。

6、能咋办,做贼心虚的打着哈哈修咯。就是不爱用面包板

在这里插入图片描述
7、如图,之前某硬件工程师设计的板子,一个设计小错误导致图中这个地方要飞线,就这么小一点,50块板子,飞线飞到眼睛都花了,硬件主管带着小弟在焊接房飞了一个下午。

有一次客户也是,到了小批量试产阶段才发现一个小错误,也是要飞线,2000块板子,因为赶交期,硬件部门连主管几号人+工厂焊接技工在工厂飞了三天三夜。

最大一次见过七八千块板子要飞线的,硬件直接现成辞职了,当月工资都不要了。

在这里插入图片描述
8、16年底公司接了一个返修的订单,巴掌大的pcb上BOM搞错了十来颗0201的电阻容,总共几千块板子,后来听说这家公司的硬件部门的员工全部炒掉了。

9、难道只有我这样吗?每次pcb发包都伴有忧虑,拿到pcb测试后才会缓解。容易出错的地方太多了。

10、硬件在设计阶段出错其实还好,一般割铜皮、飞线基本可以保证不耽误软件设计,事实上硬件工程师给出的开发周期是包含了至少三到五版的改版周期的。但架不住人家根本不给你这个时间。

11、自己画错的原理图,自己去飞线吧。。。

以前有个同事,客户要求X±,Y±,四个方向的电路上各接一个下拉电阻。

本来是要并进去的。。。。他。。串进去了。。

然后成品出来之后,领了一堆0Ω电阻去短接去了。。

转接板做错,自己飞线。。不要太酸爽。。

全文完。

推荐阅读:
硬件工程师如何零基础入门?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值