首页
/ 【免费下载】 硬件工程师的福利:整理BOM的工具和技巧

【免费下载】 硬件工程师的福利:整理BOM的工具和技巧

2026-01-21 05:18:10作者:幸俭卉

在硬件设计过程中,整理BOM(Bill of Materials,物料清单)是一个至关重要的环节。为了帮助硬件工程师更高效地完成这一任务,本文分享了几个实用的工具和技巧,以简化BOM的整理工作。

1. BOM拆分程序输出工具

该工具主要功能包括位号拆分/合并、CAD坐标文件和元器件位号之间的合并。一般的PCB设计工具导出的坐标文件和BOM文件都是分开的,此工具可以将这两部分进行合并,然后再输出EXCEL格式的文档。

2. 利用EXCEL查找重复值

在元器件型号或公司内部的代码(不同公司可能不一样)较多的情况下,整理BOM时可以利用EXCEL自带功能将重复项标记出来。重复项会影响工厂生产、成本核算、BOM简洁程度等。利用EXCEL条件格式查找重复值时,需要注意条件格式无法识别空格。

3. EXCEL比较大师

利用EXCEL比较大师工具,可以比较BOM前后的改动,并输出一个完整的差异报告。

4. 其他技巧

除了上述工具外,还有一些其他技巧可以帮助硬件工程师更高效地整理BOM,例如:

  • 使用模板:创建一个标准的BOM模板,每次整理时直接套用,减少重复工作。
  • 自动化脚本:编写一些简单的自动化脚本,帮助自动处理一些重复性的任务。

通过这些工具和技巧,硬件工程师可以大大提高整理BOM的效率,减少错误,从而更好地完成硬件设计工作。

登录后查看全文

项目优选

收起
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
511
551
docsdocs
暂无描述
Markdown
852
5.69 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.49 K
kernelkernel
deepin linux kernel
C
33
16
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
839
1.28 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
847
1.7 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.38 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.17 K
857
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
503
346
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
787
415