希捷科技近日宣布其已成功在美国明尼苏达州诺曼戴尔的晶圆工厂首次部署深度学习制造计划。希捷内部将此计划命名为“雅典娜计划 (project athena) ”,计划采用深度学习,经过自我训练后,可比特定领域的真人专家更快且更精确地检测出产品瑕疵。藉由打造务实可行的人工智能 (ai) 平台,能更快地处理异常及生产过程的问题,耗费成本低于以往,并可大幅减少制程所需的无尘室投资达20%,降低生产流程中10%的投注时间。
希捷全球的工厂每年生产超过十亿个记录磁头 (recording transducers),为了维持最高标准的品质,磁头皆需经分析及测试。以诺曼戴尔工厂为例,每天产出数百万张的显微影像相当于10tb的资料量,工厂需先筛检这庞大数量的影像是否有潜在瑕疵,才能将芯片组装至硬碟上。由于需分析检测的磁头数量庞大,工程师不可能一一检测,就算雇用更多影像分析专家坐镇,也无法在短时间内处理完所有一千七百万张影像。在ai、机器学习、物联网感测器等技术的快速发展下,希捷的“雅典娜计划”应运而生。
需解决的两大难题:庞大资料量、现有分析引擎的不足
希捷采用nvidia v100、p4 gpus与高效能nytro x 2u24储存设备建立神经网络,作为雅典娜系统中深度学习及ai功能的基础。将晶圆影像导入深度神经网络,训练ai系统分辨“好”晶圆与“坏”晶圆。随着时间累积,雅典娜开始有能力侦测出制程中的潜在瑕疵。由于深度神经网络具备强大的处理能力,雅典娜不仅学习速度快,精准度也胜于人类。
雅典娜还能即时接收并分析电子显微镜产生的影像。希捷现可处理每天产出的所有三百万张影像,并能揪出真人工程师可能遗漏的微小瑕疵。透过即时处理的功能,希捷团队得以及早辨识并修正制程问题。问题越早发现,就能更有效地降低瑕疵品对制程及成本的影响。
雅典娜计划的诞生与未来几年全球资料量将大幅飙升的趋势息息相关。由希捷委托 idc 执行的预测调查便显示,2025 年全球资料总量将成长至 175zb。如果资料能在更接近来源处先做处理,即时洞察结果的产出便可更靠近终端的使用者,从而大幅减少网络资源的负荷,并为潜在的应用程式敞开全新大门。在此模式下,资料中心的科技方案(运算与储存模式)都移往网络的边缘节点,以催生出新一代的应用程式。
由于此系统的侦错速度更快、调适力更高,还能提供更具洞见的结果,在智慧工厂之外,也能应用在公共安全、自驾车、智慧城市等各式各样的领域,未来其他制造业者也可部署类似的智慧工厂技术。
来源:瘾科技
智能手机中的RAM和ROM是什么?
IGBT短路有几种?IGBT各类短路有何区别?
中控智慧科技指纹考勤机X938plus简介
光伏逆变器的分类及市场格局
电池的常用标准有哪些?
希捷科技部署内部AI边缘计算平台 大幅提升品质及效率
电源模块老化测试的重要性
Mobileye ADAS/高精度地图方技术到底好在哪
智慧公安大数据分析系统开发智慧磐石系统开发
Mobileye发布与英特尔合作开发的激光雷达芯片
耳温计利用红外线传感器对准耳朵来测量人体体温
电力驱动系统逆变器实时仿真
博世半导体与本土客户积极合作助力中国汽车行业蓬勃发展
波士顿动力公司推出了Handle机器人的升级版
光引擎提高LED灯的稳定可靠性的工作过程
对比机电继电器 干簧管有哪些优势
SERDES的作用 SerDes基础知识详解
轮廓仪与粗糙度仪的异同
华为nova4拆解 盲孔结构作为一种先进的全面屏实现形式在拆解上却并不困难
集微针对九个技术方案的分析及点评