Seagate持续变革:AI如何驱动数据存储创新
作为少数能追溯至1970年代的大型科技公司之一,Seagate Technology(加州Cupertino)数十年来稳坐数据存储与管理解决方案前沿。现为100亿美元大规模数据存储基础设施方案公司,Seagate在车间部署智能制造策略,含人工智能与机器学习。
2017年,Seagate实施AI制造软件用于晶圆微观视觉检测。此前采用基于规则的机器视觉系统自动化缺陷检测。虽达高准确率,但面临局限。
早期方法要求为每类缺陷设定严格参数,全部静态编码。固定范围决定放行或停产标准。但缺陷外观演变或新异常类型出现,需要额外规则,整体管理日益复杂困难。
通过实施全面数字化制造数据运营与AI升级,Seagate在美国与北爱尔兰晶圆生产设施的图像检测功能与规模显著提升。准确率从50%跃升至90%以上。
为达此成果,公司从高精度工具产生的TB级传感器数据中提取价值。数据经标准化后更易被AI系统使用。结果:Seagate现拥多个自动化故障检测方案辅助晶圆与工具决策,及一组AI增强检测器自主监控制造关键节点,规则编排更优。
Seagate捕获相关运行时元数据,将原始数据置于语境创造实时有用信息——闭合数字与物理世界回路,积极影响产品工程、制造、服务方式。
数字主线保留生产运行采集数据,知晓何时快速更新企业资源计划等决策支持系统,生成经验教训改进未来自动化决策。
这些效率延长设备寿命,预测哪些资产将失准需维护。公司在检验人工、防废品、人力再分配、避免新设备资本支出上实现显著节省。
Seagate持续聚焦此类创新,改善运营绩效、问责制,通过快速准确的全流程可视性提升企业系统有效性。
深度学习算法体系还为其他工厂控制系统生成支撑证据,意味着Seagate可利用更多数据进行虚拟计量与过程控制。
高科技制造商如Seagate需拥抱数字制造、AI、ML快速演进的机遇。Seagate不仅投资前沿技术,更展示持续变革如何让组织具备定义行业未来的能力。
自动化控制系统