Seagate's continue transformatie: Hoe AI innovatie in data-opslag drijft

Als een van de handvol grote tech-bedrijven die hun wortels terug kunnen traceren tot de jaren '70, heeft Seagate Technology, Cupertino, Californië, decennialang gestaan op de snijvlak van data-opslag- en beheersoplossingen. Nu een $10 miljard massadata-opslag-infrastructuur-oplossingenbedrijf, zet Seagate slimme manufacturing-strategieën in, inclusief kunstmatige intelligentie en machine learning op de shopfloor.

In 2017 implementeerde Seagate AI-manufacturing-software voor de microscopische visuele inspectie van wafers. Daarvoor had het bedrijf regel-gebaseerde machine vision-systemen gebruikt om het anomaliendetectieproces te automatiseren. Ze haalden een hoge nauwkeurigheid, maar het bedrijf worstelde ook met beperkingen.

De eerdere benadering vereiste strikte parameters voor elk type defect, allemaal statisch gecodeerd. De vaste ranges hielpen de criteria bepalen voor het goedkeuren of stoppen van een product. Echter, de evolutie van defect-verschijning of het opduiken van nieuwe typen afwijkingen vereiste extra regels die toenemend complex en moeilijk te managen werden als geheel.

Door uitgebreide digitale manufacturing-data-operaties en AI-upgrades te implementeren, hebben de kracht en schaal van afbeeldingsdetectie dramatische verbeteringen gezien over Seagate's wafer-productiefaciliteiten in de VS en Noord-Ierland. Nauwkeurigheid is gestegen van 50 procent naar meer dan 90 procent vandaag.

Om daar te komen, heeft het bedrijf waarde getrokken uit terabytes sensordata geproduceerd door de high-precision tools die het bedrijf gebruikt. Die data is genormaliseerd en makkelijker te gebruiken gemaakt door AI-systemen. Als resultaat heeft Seagate nu meerdere geautomatiseerde foutdetectie-oplossingen om wafer- en toolbeslissingen te helpen maken en een portfolio van AI-geaugmenteerde detectors om autonom kritieke knooppunten in het manufacturingproces te monitoren met beter georchestreerde regels.

Seagate vangt de relevante runtime metadata en zet de raw data in context om nuttige informatie in realtime te creëren – de lus sluitend tussen de digitale en fysieke werelden en positief beïnvloedend hoe geproduceerd, gefabriceerd en geserviced wordt.

De digitale draad bewaart data verzameld tijdens productieruns om te weten wanneer snelle updates aan enterprise resource planning en andere beslissingsondersteuningssystemen moeten worden uitgevoerd en lessen te genereren om toekomstige geautomatiseerde besluitvorming te verbeteren.

Deze efficiënties hebben de levensduur van Seagate's apparatuur verlengd door te voorspellen welke assets op koers waren om uit calibratie te vallen en dus onderhoud nodig hadden. Het bedrijf realiseerde significante besparingen op inspectie-arbeid, schrootpreventie, arbeidsherverdeling, en vermeden kapitaaluitgaven voor nieuwe apparatuur.

Seagate's consistente focus op dit soort innovatie heeft de operationele prestaties, verantwoordelijkheid, en de effectiviteit van enterprise-systemen verbeterd door snelle en nauwkeurige zichtbaarheid in het gehele manufacturingproces.

Het systeem van deep-learning algoritmes genereert ook ondersteunende bewijzen voor andere fabrieksbesturingssystemen, wat betekent dat Seagate meer data kan benutten voor virtuele metrologie en procescontrole.

High-tech fabrikanten zoals Seagate moeten de snel evoluerende kansen die digitale manufacturing, AI, en ML vertegenwoordigen omarmen. Seagate heeft niet alleen geïnvesteerd in cutting-edge technologie, maar heeft ook gedemonstreerd hoe continue transformatie een organisatie capabel kan maken om de toekomst van zijn industrie te definiëren.