希捷科技近日宣布其已成功在美国明尼苏达州诺曼戴尔 (Normandale) 的晶圆工厂,首次部署深度学习制造计画。希捷内部将此计画命名为「雅典娜计画 (Project Athena) 」,藉由打造务实可行的人工智慧 (AI) 平台,能更快地处理异常及生产过程的问题,不仅耗费成本低於以往,更可大幅减少制程所需的无尘室投资达20%,并降低生产流程中10%的投注时间。希捷预期在效率与生产品质提升後,投资报酬率能提升三倍。
![](/news/2019/04/09/1953020860S.jpg) |
/news/2019/04/09/1953020860S.jpg |
希捷科技营运、产品及技术部门执行??总裁 Jeffrey Nygaard 表示:「雅典娜计画采用深度学习,经过自我训练後,可比特定领域的真人专家更快且更精确地检测出产品瑕疵。此计画不仅能嘉惠希捷本身,对希捷的制造业客户来说,雅典娜计画采用的科技也将能广泛应用。这不仅是迈向智慧制造关键的第一步,也是导入工业4.0的具体实例。」
希捷全球的工厂每年生产超过十亿个记录磁头 (recording transducers),为了维持最高标准的品质,磁头皆需经分析及测试。以诺曼戴尔工厂为例,每天产出数百万张的显微影像相当於10 TB的资料量,工厂需先筛检这庞大数量的影像是否有潜在瑕疵,才能将晶片组装至硬碟上。
由於需分析检测的磁头数量庞大,工程师不可能一一检测,就算雇用更多影像分析专家坐镇,也无法在短时间内处理完所有一千七百万张影像。在AI、机器学习、物联网感测器等技术的快速发展下,希捷的「雅典娜计画」应运而生。
希捷采用Nvidia V100、P4 GPUs与高效能NytroR X 2U24储存设备建立神经网络,作为雅典娜系统中深度学习及AI功能的基础。将晶圆影像导入深度神经网络,训练AI系统分辨「好」晶圆与「坏」晶圆。随着时间累积,雅典娜开始有能力侦测出制程中的潜在瑕疵。由於深度神经网络具备强大的处理能力,雅典娜不仅学习速度更快,精准度亦更胜人类。
最重要的是,雅典娜还能即时接收并分析电子显微镜产生的影像。希捷现可处理每天产出的所有三百万张影像,并能揪出真人工程师可能遗漏的微小瑕疵。透过即时处理的功能,希捷团队得以及早辨识并修正制程问题。问题越早发现,就能更有效地降低瑕疵品对制程及成本的影响。
雅典娜计画的诞生与未来几年全球资料量将大幅??升的趋势息息相关。由希捷委托 IDC 执行的预测调查便显示,2025 年全球资料总量将成长至 175 ZB。如果资料能在更接近来源处先做处理,即时洞察结果的产出便可更靠近终端的使用者,从而大幅减少网络资源的负荷,并为潜在的应用程式敞开全新大门。在此模式下,资料中心的科技方案(运算与储存模式)都移往网络的边缘节点,以催生出新一代的应用程式。
该计画提供的范本也将能更广泛地应用於各个领域,未来,其他制造业者也可部署类似的智慧工厂技术。由於此系统的侦错速度更快、调适力更高,还能提供更具洞见的结果,在智慧工厂之外,亦能应用在公共安全、自驾车、智慧城市等各式各样的领域。