Непрерывная трансформация Seagate: как ИИ движет инновации в хранении данных

Одна из горстки крупных технологических компаний, способных проследить свои корни до 1970-х, Seagate Technology, Купертино, Калифорния, десятилетиями перчилась на переднем крае решений для хранения и управления данными. Теперь компания по массовым данным на $10 млрд, Seagate использует стратегии умного производства, включая ИИ и машинное обучение на цехе.

В 2017 году Seagate внедрила ИИ производственное ПО для микроскопического визионного инспектирования вейферов. Раньше компания использовала правила-базированные системы машиного зрения для автоматизации процесса детектирования аномалий. Они достигли высокой точности, но компания также боролась с ограничениями.

Ранний подход требовал строгих параметров для каждого типа дефекта, все статически закодированные. Фиксированные диапазоны помогали определять критерии пропуска или остановки продукта. Однако эволюция внешнего вида дефектов или появление новых типов аномалий требовало дополнительных правил, которые могли становиться все более сложными и трудными для управления в целом.

Внедряя комплексные цифровые производственные операции с данными и обновления ИИ, мощь и масштаб детектирования изображений увидели драматические улучшения по заводам вейферов Seagate в США и Северной Ирландии. Точность выросла с 50% до более 90% сегодня.

Чтобы дойти до этого, компания извлекала ценность из терабайтов сенсорных данных, производимых высокоточными инструментами, которые компания использует. Данные были нормализованы и сделаны легче для использования ИИ системами. В результате, Seagate теперь имеет множественные автоматизированные решения детектирования ошибок для помощи в решениях по вейферам и инструментам и портфолио ИИ-аугментированных детекторов для автономного мониторинга критических узлов производственного процесса с лучше-оркестрированными правилами.

Seagate захватывает релевантные runtime метаданные и кладет сырые данные в контекст для создания полезной информации в реальном времени — закрывая цикл между цифровым и физическим миром и позитивно влияя на то, как продукты инженерируются, производятся и сервисятся.

Цифровая нить сохраняет данные, собранные во время производственных запусков, чтобы знать, когда вводить быстрые обновления в ERP и другие системы поддержки решений и генерировать уроки для улучшения будущего автоматизированного принятия решений.

Эти эффективности продлили жизнь оборудования Seagate, предсказывая, какие активы на пути выйти из калибровки и поэтому нуждаются в обслуживании. Компания реализовала значительные экономии на инспекционном труде, предотвращении брака, перераспределении труда и избежанных капитальных затратах на новое оборудование.

Последовательный фокус Seagate на таком инновационном виде улучшил операционную производительность, подотчетность и увеличил эффективность корпоративных систем через быструю и точную видимость во весь производственный процесс.

Система глубоких алгоритмов обучения также генерирует поддерживающие доказательства для других фабричных систем контроля, означая, что Seagate может использовать больше данных для виртуальной метрологии и процессного контроля.

Высокотехнологичные производители вроде Seagate должны принимать быстро эволюционирующие возможности, которые цифровое производство, ИИ и ML представляют. Seagate не только инвестировала в передовую технологию, но и продемонстрировала, как непрерывная трансформация может сделать организацию способной определять будущее своей отрасли.