Waarom Seagate 'constante transformatie' omarmt

Seagate Technology, Cupertino, Californië, is een van de weinige grote technologiebedrijven die zijn wortels terugvoert tot in de jaren 70 en al tientallen jaren toonaangevend is op het gebied van oplossingen voor gegevensopslag en -beheer. Seagate is nu een bedrijf met oplossingen voor massa-opslaginfrastructuur voor massale gegevensopslag en past slimme productiestrategieën toe, waaronder kunstmatige intelligentie en machine learning op de fabrieksvloer.

In 2017 implementeerde Seagate AI-productiesoftware voor de microscopische zichtinspectie van wafers. Voorheen had het bedrijf op regels gebaseerde machine vision-systemen gebruikt om het detectieproces van afwijkingen te automatiseren. Ze behaalden een hoge nauwkeurigheid, maar het bedrijf worstelde ook met beperkingen.

De eerdere aanpak vereiste strikte parameters voor elk type defect, allemaal statisch gecodeerd. De vaste bereiken hielpen bij het bepalen van de criteria voor het opruimen of stoppen van een product. De evolutie van het optreden van defecten of de komst van nieuwe soorten afwijkingen vereiste echter aanvullende regels die als geheel steeds complexer en moeilijker te beheren konden worden.

Door het implementeren van uitgebreide digitale productiegegevensbewerkingen en AI-upgrades, hebben de kracht en schaal van beelddetectie dramatische verbeteringen ondergaan in de waferproductiefaciliteiten van Seagate in de VS en Noord-Ierland. De nauwkeurigheid is vandaag de dag gestegen van 50 procent naar meer dan 90 procent.

Om daar te komen, heeft het bedrijf waarde geëxtraheerd uit terabytes aan sensorgegevens die zijn geproduceerd door de uiterst nauwkeurige tools die het bedrijf gebruikt. Die gegevens zijn genormaliseerd en gebruiksvriendelijker gemaakt door AI-systemen. Als gevolg hiervan heeft Seagate nu meerdere geautomatiseerde foutdetectieoplossingen om wafer- en gereedschapsbeslissingen te helpen nemen, en een portfolio van AI-verbeterde detectoren om autonoom kritieke kruispunten in het productieproces te bewaken met beter georkestreerde regels.

Seagate legt de relevante runtime-metadata vast en plaatst de onbewerkte gegevens in een context om in realtime nuttige informatie te creëren, waardoor de cirkel tussen de digitale en fysieke wereld wordt gesloten en de manier waarop producten worden ontwikkeld, vervaardigd en onderhouden, positief wordt beïnvloed.

De digitale thread bewaart gegevens die zijn verzameld tijdens productieruns om te weten wanneer snelle updates van enterprise resource planning en andere besluitvormingsondersteunende systemen moeten worden uitgevoerd en lessen worden gegenereerd om toekomstige geautomatiseerde besluitvorming te verbeteren.

Deze efficiëntieverbeteringen hebben de levensduur van de apparatuur van Seagate verlengd door te voorspellen welke activa op schema lagen om buiten de kalibratie te vallen en daarom onderhoud nodig hadden. Het bedrijf realiseerde aanzienlijke besparingen op inspectiearbeid, preventie van schroot, herverdeling van arbeid en vermeden kapitaaluitgaven voor nieuwe apparatuur.

Seagate's consequente focus op dit soort innovatie heeft de operationele prestaties, de aansprakelijkheid en de effectiviteit van bedrijfssystemen verbeterd door snel en nauwkeurig inzicht in het gehele productieproces.

Het systeem van diepgaande algoritmen genereert ook ondersteunend bewijs voor andere fabrieksbesturingssystemen, wat betekent dat Seagate meer gegevens kan gebruiken voor virtuele metrologie en procescontrole.

Hightechfabrikanten zoals Seagate moeten de snel evoluerende kansen omarmen die digitale productie, AI en ML bieden. Seagate heeft niet alleen geïnvesteerd in geavanceerde technologie, maar heeft ook aangetoond hoe een organisatie door voortdurende transformatie in staat is om de toekomst van haar branche te bepalen.