Почему Seagate придерживается «постоянной трансформации»

Seagate Technology, Купертино, Калифорния, одна из немногих крупных технологических компаний, история которых уходит корнями в 1970-е годы, десятилетиями находится на переднем крае решений для хранения данных и управления ими. Компания Seagate, которая теперь занимается решениями для инфраструктуры хранения больших объемов данных с оборотом 10 млрд долларов, применяет стратегии интеллектуального производства, в том числе искусственный интеллект и машинное обучение на заводе.

В 2017 году Seagate внедрила производственное программное обеспечение с искусственным интеллектом для микроскопического визуального контроля пластин. Ранее компания использовала системы машинного зрения на основе правил для автоматизации процесса обнаружения аномалий. Они достигли высокого уровня точности, но компания также боролась с ограничениями.

В более раннем подходе требовались строгие параметры для каждого типа дефекта, и все они были статически закодированы. Фиксированные диапазоны помогли определить критерии очистки или остановки продукта. Однако эволюция внешнего вида дефектов или появление новых типов аномалий требовали дополнительных правил, которые становились все более сложными и сложными в управлении в целом.

Благодаря внедрению комплексных операций с цифровыми производственными данными и обновлению искусственного интеллекта мощность и масштаб обнаружения изображений значительно улучшились на производственных мощностях Seagate в США и Северной Ирландии. Сегодня точность увеличилась с 50% до более чем 90%.

Чтобы достичь этого, компания извлекает ценность из терабайтов данных датчиков, полученных с помощью высокоточных инструментов, которые использует компания. Эти данные были нормализованы и упрощены для использования системами ИИ. В результате у Seagate теперь есть несколько автоматизированных решений для обнаружения неисправностей, помогающих принимать решения о пластинах и инструментах, а также портфолио детекторов с искусственным интеллектом для автономного мониторинга критических моментов в производственном процессе с помощью более согласованных правил.

Seagate собирает соответствующие метаданные времени выполнения и помещает необработанные данные в контекст для создания полезной информации в режиме реального времени, замыкая петлю между цифровым и физическим мирами и положительно влияя на то, как продукты разрабатываются, производятся и обслуживаются.

Цифровой поток сохраняет данные, собранные во время производственных циклов, чтобы знать, когда следует вводить быстрые обновления в системы планирования ресурсов предприятия и другие системы поддержки принятия решений, и извлекать уроки для улучшения автоматизированного принятия решений в будущем.

Эта эффективность продлила срок службы оборудования Seagate за счет прогнозирования того, какие активы могли выйти из строя и, следовательно, нуждались в обслуживании. Компания добилась значительной экономии на инспекционных работах, предотвращении брака, перераспределении рабочей силы и избежала капитальных затрат на новое оборудование.

Постоянное внимание Seagate к такого рода инновациям улучшило операционную производительность, подотчетность и повысило эффективность корпоративных систем за счет быстрой и точной визуализации всего производственного процесса.

Система алгоритмов глубокого обучения также генерирует подтверждающие данные для других систем управления производством, а это означает, что Seagate может использовать больше данных для виртуальной метрологии и управления процессами.

Высокотехнологичным производителям, таким как Seagate, необходимо использовать быстро развивающиеся возможности, которые представляют цифровое производство, искусственный интеллект и машинное обучение. Компания Seagate не только инвестировала в передовые технологии, но и продемонстрировала, как непрерывная трансформация может сделать организацию способной определять будущее своей отрасли.