Seagates kontinuierliche Transformation: Wie KI Innovation im Datenspeicher antreibt

Als eines von einer Handvoll großer Tech-Unternehmen, die ihre Wurzeln bis in die 1970er Jahre zurückverfolgen können, ist Seagate Technology, Cupertino, Kalifornien, seit Jahrzehnten an der Spitze von Datenspeicher- und Managementlösungen. Heute ein 10-Milliarden-Dollar-Mass-Data-Storage-Infrastruktur-Lösungsunternehmen setzt Seagate Smart Manufacturing Strategien ein, einschließlich künstlicher Intelligenz und Machine Learning auf dem Shopfloor.

2017 implementierte Seagate KI-Fertigungssoftware für die mikroskopische Sichtinspektion von Wafern. Zuvor hatte das Unternehmen regelbasierte Machine-Vision-Systeme genutzt, um den Anomalie-Erkennungsprozess zu automatisieren. Sie erreichten eine hohe Genauigkeitsrate, aber das Unternehmen rang auch mit Limitierungen.

Der frühere Ansatz erforderte strikte Parameter für jeden Defekttyp, alle statisch kodiert. Die festen Bereiche halfen, Kriterien für Freigabe oder Stopp eines Produkts zu bestimmen. Doch die Evolution des Defekt-Erscheinungsbilds oder das Aufkommen neuer Anomaliearten erforderte zusätzliche Regeln, die als Ganzes zunehmend komplex und schwer zu managen wurden.

Durch Implementierung umfassender digitaler Fertigungsdatenoperationen und KI-Upgrades haben die Leistung und Skalierung der Bilderkennung dramatische Verbesserungen in Seagates Wafer-Produktionsstätten in den USA und Nordirland gesehen. Die Genauigkeit stieg von 50 Prozent auf über 90 Prozent heute.

Dafür extrahiert das Unternehmen Wert aus Terabytes Sensordaten, die von den hochpräzisen Werkzeugen produziert werden, die das Unternehmen nutzt. Diese Daten wurden normalisiert und durch KI-Systeme leichter nutzbar gemacht. Als Resultat hat Seagate nun multiple automatisierte Fehlersuchlösungen für Wafer- und Werkzeugentscheidungen und ein Portfolio KI-erweiterter Detektoren, um kritische Junkturen im Fertigungsprozess autonom zu überwachen mit besser orchestrierten Regeln.

Seagate erfasst relevante Runtime-Metadaten und setzt Rohdaten in Kontext, um nützliche Informationen in Echtzeit zu schaffen – die Schleife zwischen digitaler und physischer Welt zu schließen und die Art, wie Produkte engineered, manufactured und serviced werden, positiv zu beeinflussen.

Der Digital Thread bewahrt Daten, die während Produktionsläufen gesammelt wurden, um zu wissen, wann schnelle Updates an Enterprise Resource Planning und andere Entscheidungsunterstützungssysteme enacted werden müssen und Lektionen zu generieren, um zukünftiges automatisiertes Entscheidungsfinden zu verbessern.

Diese Effizienzen haben die Lebensdauer von Seagates Ausrüstung verlängert, indem sie vorhersagten, welche Assets auf dem Weg waren, aus der Kalibrierung zu fallen und daher wartungsbedürftig waren. Das Unternehmen realisierte signifikante Einsparungen bei Inspektionsarbeit, Ausschussvermeidung, Arbeitsumverteilung und vermiedenen Kapitalausgaben für neue Ausrüstung.

Seagates konsequenter Fokus auf diese Art von Innovation hat Operating Performance, Accountability und die Effektivität von Enterprise-Systemen durch schnelle und präzise Transparenz in den gesamten Fertigungsprozess verbessert.

Das System aus Deep-Learning-Algorithmen generiert auch unterstützende Evidenz für andere Fabriksteuerungssysteme, was bedeutet, dass Seagate mehr Daten für Virtual Metrology und Process Control nutzen kann.

High-Tech-Hersteller wie Seagate müssen die sich rasch entwickelnden Chancen umarmen, die digitales Manufacturing, KI und ML darstellen. Seagate hat nicht nur in Spitzentechnologie investiert, sondern auch demonstriert, wie kontinuierliche Transformation eine Organisation fähig machen kann, die Zukunft ihrer Branche zu definieren.