五分pk拾彩票计划软件 希捷Athena项目,让智能制造从自动化迈向智能化

  • 时间:
  • 浏览:3

Athena:希捷内内外部的人工智五分pk拾彩票计划软件能(AI) 边缘平台 ......

内容综述: 希捷打造了有有有有一个 切实可行的、实用的人工智能(AI)平台以提升生产线速率和产品质量。五分pk拾彩票计划软件该平台不能将生产所需的新型洁净室投资成本降低达20%,而流程耗时则缩短10%。

该项目在希捷内内外部被拟定代号为雅典娜(Athena),系统每天避免数以百万计的显微镜照片。 通过角度学习和自我训练,Athena比人类专家更为很慢精准地识别过高 。

希捷不能以调慢的速率、更低的成本避免不规范疑问和流程疑问。通过提高速率和完善质量管理,希捷预计有望获得高达200%的投资回报率。

Athena项目技术为制造业的所有客户提供了广泛的应用。这是智能制造迈出的最重要的第一步,也证明了工业4.0将会到来。

Athena 项目介绍

希捷已在其存在明尼苏达州诺曼代尔(Normandale)的晶圆制造工厂成功部署了有史以来第有有有有一个 角度学习制造项目。晶圆片(小片半导体材料)被用来生产硬盘上的读写头。

挑战

希捷工厂中,记录传感器的年生产量超过10亿。为保障最高五分pk拾彩票计划软件标准的质量水平,需用对那先 传感器进行分析和测试以检测有无存在制造过高 。传感器是那先 ?它们与晶片和驱动器有那先 关系?这得从原材料说起,其原材料实际上是你这个 薄的半导体基板。经过光刻工艺过程,基板变成薄的、扁平的、水晶般的晶圆片。晶圆切割并进行进一步避免后,就变成了传感器(也称为滑块)——有有有有一个 不能在旋转的磁盘记录皮层进行数据读写的部件。

测试过程漫长、繁杂且需用血块人力。每张200毫米的晶圆上有8万个需用检测的滑块。诺曼代尔工厂每天拍摄数百万张的显微镜照片,产生的数据量高达10TB,那先 照片需用在晶圆组里装 硬盘前得到筛选以检测潜在的产品过高 。

将会需用分析的传感器数量庞大,工程师不将会对所有传感器进行检测。即使制造过程漫长,也没办法 足够的时间来检查每一张图像。这就愿因 有过高 的部件有以前人太好不能躲过即时检测,在以后的过程中才被发现,而届时付出的成本则要高太少。

希捷需用你这个 不能在更短时间内检测更多图片的最好的办法。一点仅仅靠雇用更多的图像分析专家还没办法 最好的办法删改避免1700万张图片。

希捷团队采用基于规则的图像分析,实现了一定程度的自动化。采用一点 最好的办法,只要系统首先获知它要寻找那先 ,有无将会识别出异常。而规则是人工建立起来的,这是有有有有一个 耗时且需用经过不断调整和完善的过程。

基于规则的系统建立慢、完善慢一点将会会得出不同的结果。除了产生太少误报之外,规则不到检测出已知疑问。这将会造成潜在风险—即有疑问的晶圆在组里装 读写磁头前,将会逃过检测。

得益于人工智能、机器学习以及物联网感应器的发展,有有有有一个 新的不能规避上述风险的避免方案应运而生,这要是希捷的Athena 项目。

避免方案

该方案需用避免两大疑问:每天需用避免的血块数据以及当前基于规则的分析系统存在的过高 。传统的大数据进程是进行批量避免的,但这删改不适用于24×7×365运行的生产线。

第一步是建立有有有有一个 具备提高自动化和传感器故障检测洞察能力的角度神经网络(DNN)。神经网络的构建采用Nvidia V200和P4 GPUs*以及希捷的高性能Nytro®X 2U24存储,以支持Athena的角度学习和人工智能系统。 接着,将晶圆图像输入角度神经网络,从而训练人工智能系统区分“合格”和“不合格”的晶圆。Athena的学习最好的办法和人类工程师删改一样——查看成千上万张图片。但得益于角度神经网络的原始避免能力,Athena比人类学些调慢、更精准。

一段时间后,Athena获得了分辨流程中潜在过高 的能力。人工智有助于手标记异常图像以供主题专家进行手动评估。Athena还不能基于图像分析操作过程中检测到的异常情形进行规则的建立和细化。

最为重要的是,Athena 不能对电子显微镜生成的图像进行实时接收和分析。角度神经网络不能在每张图片生成的一块儿进行避免。截至目前,希捷已实现了每天避免当天生成的200万张图像,并不能识别将会被人类工程师遗漏的微小过高 。

实时避免有有助于于团队尽早识别和纠正制造中的疑问。发现疑问越及时,希捷就能越有效地降低其对生产流程和成本的影响。

未来

Athena项目擅长过高 识别,但它不想要是能删改取代工厂专家。Athena项目的关键在于其为希捷的晶圆专家开拓了新的思路,纠正生产流程中的重大疑问。

Athena为避免希捷工厂外的更多疑问起到了示范作用。它不能以更迅捷、更高适应性以及更有意义的最好的办法检测到异常,一点 能力不能扩展应用到智能工厂之外的一点地方,并在公共安全、自动驾驶汽车和智能城市等各种领域证明其行之有效。

希捷执行副总裁兼运营、产品和技术主管Jeffrey Nygaard表示:“我们都歌词 希望尽快将Athena 部署到我们都歌词 所有的生产设施中。随着微型相机和物联网传感器成本的下降,相似 的技术要是能应用于一点领域。这是智能制造领域重大革新的第一步,要是能扩展应用于我们都歌词 一点工厂的基础架构。”

希捷的每个制造工具都中有 至少200个传感器,它们每秒钟都会记录机器的健康情形和一点测量数据。生成的信息不能帮助更好地发现不合规操作。将数据输入Athena 角度神经网络,有有助于于更早地识别生产疑问。这为采取积极防御最好的办法进行修复和故障预防提供了将会。

Athena项目的受益人不仅限于希捷。相似 的智能工厂技术不能部署到整个制造业,帮助希捷的客户享受到更多相似 Athena 不能提供的优势。客户用例或许有所差异,但其基本原理——角度神经网络、人工智能和机器学习——是相同的。

客户需用可靠的技术平台部署人工智能项目,而希捷的避免方案不能满足那先 需求。

边缘驱动

为了有效地开展工作,Athena项目需用进行血块的数据避免——为了快速检测到异常,每天要及时避免高达10TB的晶圆图像数据。

未来几年,全球数据创造量将会飙升,而Athena 的存在顺应了该趋势。根据希捷赞助、IDC发布的报告预测,到2025年,全球数据圈将增长至175ZB。

在一点 数据密集的新世界中,对速率的需求亟待新的避免方案。边缘计算(Edge computing),作为Gartner 预测的2018年十大战略技术趋势之一是对延迟需求降低的提前大选,也是对实时避免的关键应用进程的提前大选。它让计算更靠近数据源,更迅捷地向最终用户交付服务。

将会数据不能在数据源附过得到避免,没办法 就不能在离最终用户更近的地方生成实时洞察,从而大大降低网络资源的负载并为潜在的新应用打开全新的局面。以一点 模式,数据中心技术——计算和存储模式——都将更加接近网络边缘,为新一代应用进程开创将会。

对于Athena项目,在智能工厂避免数据你这个 就将会实现了生产异常的实时识别。