品安科技
aten
 

Seagate分享工厂导入AI经验:先找问题再找方案

Seagate执行副总暨营运、产品及技术部门主管Jeffrey Nygaard。Seagate提供

全球硬盘品牌龙头Seagate与HPE、NVIDIA强强联手,推出AI运算平台:Project Athena,Seagate执行副总暨营运、产品及技术部门主管Jeffrey Nygaard指出,导入AI是产业共识,然在导入之前,业者要自问的第一个问题是,要解决的问题为何?如此才能够充分利用AI,提高企业竞争力。

工业4.0的旋风,从欧洲德国吹向全球,加上近2年的AI热潮,如今所有产业都在谈AI与智能化,智能制造、智能金融至智能医疗,然当企业主面对蜂涌而至的AI与智能化方案,如何选择?Nygaard建议,要先找到最需要解决的问题,接下来要运用哪里些数据,才能够让AI能够对症下药。

Nygaard接受DIGITIMES专访时强调,智能工厂并非一蹴可几,这是长时间的旅程,以Seagate为例,在2000年就开始导入自动化,其实就是迈向智能工厂的开始,在手中握有数据,且明确知道有哪里些环节之后,导入AI就水到渠成,Seagate也规划在2019年,要在全球工厂都导入Project Athena平台。以下是专访摘要:

问:为何Seagate会提出雅典娜计画?

答: 有3个主要原因,首先,Seagate是研发、制造与营运3位合体的企业,在制造方面,需要高良率与高质量生产,且Seagate制造是高度垂直集成,零组件自制率高,因此制造流程必须持续优化改善。

其次,在制造过程中,有大量数据产生,以Seagate在美国明尼苏达州诺曼戴尔(Normandale)晶圆厂每天产生的显微影像数据,高达10TB,已经远远超过人类可以检测的范围,需要数码系统管理。

再者,在制造流程中,Seagate希望能够达到实时监控管理的效果。所谓实时,是指可能要在毫秒(millisecond)之内,就必须作决策,有些是看其资料与供应链制程,可能会延续数小时或数周或数月都有可能。

问:执行Project Athena,需要何种环境与条件配合?

答: 必须有4个条件,首先是要有自动化设备,且设备产生的数据,可以撷取至云端,这是让工厂能够进行机器学习的基础。以Seagate来说,从2000年起,开始打造此基础,迄今花了近20年,Seagate制程机台产生的数据,都可连结到边缘云(edge cloud)。

其次是Seagate在推动制程的实时机器学习时,意识到,没有一家的解决方案符合其需求,在新闻上看到很多机器学习的讯息,但是都是一些大公司,在内部进行机器学习制程管理,因此Seagate与2家公司合作,从架构开始来开发此系统。

第三是,相关人员的到位。Seagate长期都有数据相关负责人员,然却没有AI相关人员,因此开始训练AI、机器学习相关人员,内部有个小组,叫做「我们的资料公民科学家(Our Citizen Data Scientist)」,从各种不同面向去协助不同部门的员工了解AI、机器学习等相关知识。第四是要高阶主管的充分支持与承诺,如此才会有足够的资源,制造主管也要相信,此改变将带来好处。

问:智能工厂是制造业皆知的努力方向,成本与效益如何评量?Seagate的想法为何?

答:成本与效益永远是制造业考量的重要问题,然以Seagate来说,所从事的行业,必须要在生产技术处于领先地位,而如何在未来能取得领先,如何搜集数据,如何使用数据,都是关键,因此Seagate才会导入Project Athena计画,带动Seagate走向数据支持的智能制造,然要达到智能工厂,并非一蹴可几,这是个旅程,不是随开随得,因此需要数年的时间与更多环节配合。

为何数据对制造业如此重要?因为要管理很长的供应链,其次,要缩短制程的周期,需要数据进行优化,再者,制造业需要数据来确保产品的质量。数据在制造过程中,是每个面向都会触及的关键,包括成本、周期、可靠性,到制造所需要的空间,比如要有多少空间设置机台,以及运送产品时所需要的空间,都需要数据作为管理依据。可以预见,未来制造业的数据产生量,成长会更快。

首先,制造业经营者必须自问的是,要解决什么问题?其次,在供应链当中,有哪里些数据可以拿来作为改善或减少上述的问题程度,如果某家公司已经在作自动化或搜集数据资料,Project Athena的花费,相对小很多,因此重点在于,要解决什么问题,以及自动化程度,才能够精确算出来成本效益为何。

问:Seagate导入Project Athena,是否会增加大量的资本支出吗?何时可以看到这相投资的回馈?

答:首先,导入Project Athena,不会让Seagate的资本支出明显增加,事实上,每年Seagate的资本支出都在营收的6~8%,以比例来看很低。其次,工厂导入AI,其实最贵的在于生产线的自动化与数据串连,一旦建立这个基础之后,导入Project Athena也相对容易,不过我不便谈导入该AI project的价格为何,因为是HPE负责该专案的营销。

至于回馈时间,要看不同应用的项目,如果是针对生产产品的良率,回馈时间很短,约1季就能看到成果,如果以设备或工厂空间相关的生产周期来看,也许是1~2年,甚至更久。

更多关键字报导: 希捷科技 智能工厂 人工智能