內(nèi)容綜述：

? 希捷打造了一個切實可行的、實用的人工智能（AI）平臺以提升生產(chǎn)線效率和產(chǎn)品質(zhì)量。該平臺可以將生產(chǎn)所需的新型無塵室投資成本降低達20%，而流程耗時則縮短10%。

? 該項目在希捷內(nèi)部被擬定代號為雅典娜（Athena），系統(tǒng)每天處理數(shù)以百萬計的顯微鏡照片。

? 通過深度學(xué)習(xí)和自我訓(xùn)練，Athena比人類專家更為迅速精準(zhǔn)地識別缺陷。

? 希捷能夠以更快的速度、更低的成本解決不規(guī)范問題和流程問題。通過提高效率和完善質(zhì)量管理，希捷預(yù)計有望獲得高達300%的投資回報率。

? Athena項目技術(shù)為制造業(yè)的所有客戶提供了廣泛的應(yīng)用。這是智能制造邁出的最重要的第一步，也證明了工業(yè)4.0已經(jīng)到來。

Athena 項目介紹

希捷已在其位于明尼蘇達州諾曼代爾（Normandale）的晶圓制造工廠成功部署了有史以來第一個深度學(xué)習(xí)制造項目。晶圓片（小片半導(dǎo)體材料）被用來生產(chǎn)硬盤上的讀寫頭。

希捷工廠中，記錄傳感器的年生產(chǎn)量超過10億。為保障最高標(biāo)準(zhǔn)的質(zhì)量水平，必須對這些傳感器進行分析和測試以檢測是否存在制造缺陷。

傳感器是什么？它們與晶片和驅(qū)動器有什么關(guān)系？這得從原材料說起，其原材料實際上是一種薄的半導(dǎo)體基板。經(jīng)過光刻工藝過程，基板變成薄的、扁平的、水晶般的晶圓片。晶圓切割并進行進一步處理后，就變成了傳感器（也稱為滑塊）——一個能夠在旋轉(zhuǎn)的磁盤記錄表面進行數(shù)據(jù)讀寫的部件。

測試過程漫長、復(fù)雜且需要大量人力。每張200毫米的晶圓上有10萬個需要檢測的滑塊。諾曼代爾工廠每天拍攝數(shù)百萬張的顯微鏡照片，產(chǎn)生的數(shù)據(jù)量高達10TB，這些照片需要在晶圓組裝入硬盤前得到篩選以檢測潛在的產(chǎn)品缺陷。

由于需要分析的傳感器數(shù)量龐大，工程師不可能對所有傳感器進行檢測。即使制造過程漫長，也沒有足夠的時間來檢查每一張圖像。這就意味著有缺陷的部件有時候確實能夠躲過即時檢測，在隨后的過程中才被發(fā)現(xiàn)，而屆時付出的成本則要高很多。

希捷需要一種能夠在更短時間內(nèi)檢測更多圖片的方式。但是僅僅靠雇用更多的圖像分析專家還沒有辦法完全處理1700萬張圖片。

希捷團隊采用基于規(guī)則的圖像分析，實現(xiàn)了一定程度的自動化。采用這種方法，只要系統(tǒng)首先獲知它要尋找什么，就有可能識別出異常。而規(guī)則是人工建立起來的，這是一個耗時且必須經(jīng)過不斷調(diào)整和完善的過程。

基于規(guī)則的系統(tǒng)建立慢、完善慢并且可能會得出不同的結(jié)果。除了產(chǎn)生很多誤報之外，規(guī)則只能檢測出已知問題。這可能造成潛在風(fēng)險—即有問題的晶圓在組裝進讀寫磁頭前，可能逃過檢測。

得益于人工智能、機器學(xué)習(xí)以及物聯(lián)網(wǎng)感應(yīng)器的發(fā)展，一個新的可以規(guī)避上述風(fēng)險的解決方案應(yīng)運而生，這就是希捷的Athena 項目。

解決方案

該方案需要解決兩大問題：每天需要處理的大量數(shù)據(jù)以及當(dāng)前基于規(guī)則的分析系統(tǒng)存在的缺陷。傳統(tǒng)的大數(shù)據(jù)程序是進行批量處理的，但這完全不適用于24×7×365運行的生產(chǎn)線。

第一步是建立一個具備提高自動化和傳感器故障檢測洞察能力的深度神經(jīng)網(wǎng)絡(luò)（DNN）。神經(jīng)網(wǎng)絡(luò)的構(gòu)建采用Nvidia V100和P4 GPUs*以及希捷的高性能Nytro?X 2U24存儲，以支持Athena的深度學(xué)習(xí)和人工智能系統(tǒng)。

接著，將晶圓圖像輸入深度神經(jīng)網(wǎng)絡(luò)，從而訓(xùn)練人工智能系統(tǒng)區(qū)分“合格”和“不合格”的晶圓。Athena的學(xué)習(xí)方式和人類工程師完全一樣——查看成千上萬張圖片。但得益于深度神經(jīng)網(wǎng)絡(luò)的原始處理能力，Athena比人類學(xué)得更快、更精準(zhǔn)。

一段時間后，Athena獲得了分辨流程中潛在缺陷的能力。人工智能助手標(biāo)記異常圖像以供主題專家進行手動評估。Athena還可以基于圖像分析操作過程中檢測到的異常情況進行規(guī)則的建立和細(xì)化。

最為重要的是，Athena 可以對電子顯微鏡生成的圖像進行實時接收和分析。深度神經(jīng)網(wǎng)絡(luò)能夠在每張圖片生成的同時進行處理。截至目前，希捷已實現(xiàn)了每天處理當(dāng)天生成的300萬張圖像，并能夠識別可能被人類工程師遺漏的微小缺陷。

實時處理有助于團隊盡早識別和糾正制造中的問題。發(fā)現(xiàn)問題越及時，希捷就能越有效地降低其對生產(chǎn)流程和成本的影響。

未來

Athena項目擅長缺陷識別，但它不會也不能完全取代工廠專家。Athena項目的關(guān)鍵在于其為希捷的晶圓專家開拓了新的思路，糾正生產(chǎn)流程中的重大問題。

Athena為解決希捷工廠外的更多問題起到了示范作用。它能夠以更迅捷、更高適應(yīng)性以及更有意義的方式檢測到異常，這種能力可以擴展應(yīng)用到智能工廠之外的其他地方，并在公共安全、自動駕駛汽車和智能城市等各種領(lǐng)域證明其行之有效。

希捷執(zhí)行副總裁兼運營、產(chǎn)品和技術(shù)主管Jeffrey Nygaard表示：“我們希望盡快將Athena 部署到我們所有的生產(chǎn)設(shè)施中。隨著微型相機和物聯(lián)網(wǎng)傳感器成本的下降，類似的技術(shù)也可以應(yīng)用于其他領(lǐng)域。這是智能制造領(lǐng)域重大革新的第一步，也可以擴展應(yīng)用于我們其他工廠的基礎(chǔ)架構(gòu)?！?/p>

希捷的每個制造工具都包含至少30個傳感器，它們每秒鐘都會記錄機器的健康狀況和其他測量數(shù)據(jù)。生成的信息能夠幫助更好地發(fā)現(xiàn)不合規(guī)操作。將數(shù)據(jù)輸入Athena 深度神經(jīng)網(wǎng)絡(luò)，有助于更早地識別生產(chǎn)問題。這為采取積極防御措施進行修復(fù)和故障預(yù)防提供了機會。

Athena項目的受益人不僅限于希捷。類似的智能工廠技術(shù)可以部署到整個制造業(yè)，幫助希捷的客戶享受到更多類似Athena 能夠提供的優(yōu)勢?？蛻粲美蛟S有所差異，但其基本原理——深度神經(jīng)網(wǎng)絡(luò)、人工智能和機器學(xué)習(xí)——是相同的。

客戶需要可靠的技術(shù)平臺部署人工智能項目，而希捷的解決方案能夠滿足這些需求。

邊緣驅(qū)動

為了有效地開展工作，Athena項目需要進行大量的數(shù)據(jù)處理——為了快速檢測到異常，每天要及時處理高達10TB的晶圓圖像數(shù)據(jù)。

未來幾年，全球數(shù)據(jù)創(chuàng)造量將會飆升，而Athena 的存在順應(yīng)了該趨勢。根據(jù)希捷贊助、IDC發(fā)布的報告預(yù)測，到2025年，全球數(shù)據(jù)圈將增長至175ZB。

在這個數(shù)據(jù)密集的新世界中，對速度的需求亟待新的解決方案。邊緣計算（Edge computing），作為Gartner 預(yù)測的2018年十大戰(zhàn)略技術(shù)趨勢之一是對延遲需求降低的回應(yīng)，也是對實時處理的關(guān)鍵應(yīng)用程序的回應(yīng)。它讓計算更靠近數(shù)據(jù)源，更迅捷地向最終用戶交付服務(wù)。

如果數(shù)據(jù)能夠在數(shù)據(jù)源附近得到處理，那么就可以在離最終用戶更近的地方生成實時洞察，從而大大降低網(wǎng)絡(luò)資源的負(fù)載并為潛在的新應(yīng)用打開全新的局面。以這種模式，數(shù)據(jù)中心技術(shù)——計算和存儲模式——都將更加接近網(wǎng)絡(luò)邊緣，為新一代應(yīng)用程序開創(chuàng)機會。

對于Athena項目，在智能工廠處理數(shù)據(jù)本身就已經(jīng)實現(xiàn)了生產(chǎn)異常的實時識別。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。