Solomon
DForum
 

Seagate分享工廠導入AI經驗:先找問題再找方案

Seagate執行副總暨營運、產品及技術部門主管Jeffrey Nygaard。Seagate提供

全球硬碟品牌龍頭Seagate與HPE、NVIDIA強強聯手,推出AI運算平台:Project Athena,Seagate執行副總暨營運、產品及技術部門主管Jeffrey Nygaard指出,導入AI是產業共識,然在導入之前,業者要自問的第一個問題是,要解決的問題為何?如此才能夠充分利用AI,提高企業競爭力。

工業4.0的旋風,從歐洲德國吹向全球,加上近2年的AI熱潮,如今所有產業都在談AI與智慧化,智慧製造、智慧金融至智慧醫療,然當企業主面對蜂湧而至的AI與智慧化方案,如何選擇?Nygaard建議,要先找到最需要解決的問題,接下來要運用哪些數據,才能夠讓AI能夠對症下藥。

Nygaard接受DIGITIMES專訪時強調,智慧工廠並非一蹴可幾,這是長時間的旅程,以Seagate為例,在2000年就開始導入自動化,其實就是邁向智慧工廠的開始,在手中握有數據,且明確知道有哪些環節之後,導入AI就水到渠成,Seagate也規劃在2019年,要在全球工廠都導入Project Athena平台。以下是專訪摘要:

問:為何Seagate會提出雅典娜計畫?

答: 有3個主要原因,首先,Seagate是研發、製造與營運3位合體的企業,在製造方面,需要高良率與高品質生產,且Seagate製造是高度垂直整合,零組件自製率高,因此製造流程必須持續優化改善。

其次,在製造過程中,有大量數據產生,以Seagate在美國明尼蘇達州諾曼戴爾(Normandale)晶圓廠每天產生的顯微影像數據,高達10TB,已經遠遠超過人類可以檢測的範圍,需要數位系統管理。

再者,在製造流程中,Seagate希望能夠達到即時監控管理的效果。所謂即時,是指可能要在毫秒(millisecond)之內,就必須作決策,有些是看其資料與供應鏈製程,可能會延續數小時或數週或數月都有可能。

問:執行Project Athena,需要何種環境與條件配合?

答: 必須有4個條件,首先是要有自動化設備,且設備產生的數據,可以擷取至雲端,這是讓工廠能夠進行機器學習的基礎。以Seagate來說,從2000年起,開始打造此基礎,迄今花了近20年,Seagate製程機台產生的數據,都可連結到邊緣雲(edge cloud)。

其次是Seagate在推動製程的即時機器學習時,意識到,沒有一家的解決方案符合其需求,在新聞上看到很多機器學習的訊息,但是都是一些大公司,在內部進行機器學習製程管理,因此Seagate與2家公司合作,從架構開始來開發此系統。

第三是,相關人員的到位。Seagate長期都有數據相關負責人員,然卻沒有AI相關人員,因此開始訓練AI、機器學習相關人員,內部有個小組,叫做「我們的資料公民科學家(Our Citizen Data Scientist)」,從各種不同面向去協助不同部門的員工了解AI、機器學習等相關知識。第四是要高階主管的充分支持與承諾,如此才會有足夠的資源,製造主管也要相信,此改變將帶來好處。

問:智慧工廠是製造業皆知的努力方向,成本與效益如何評量?Seagate的想法為何?

答:成本與效益永遠是製造業考量的重要問題,然以Seagate來說,所從事的行業,必須要在生產技術處於領先地位,而如何在未來能取得領先,如何蒐集數據,如何使用數據,都是關鍵,因此Seagate才會導入Project Athena計畫,帶動Seagate走向數據支援的智慧製造,然要達到智慧工廠,並非一蹴可幾,這是個旅程,不是隨開隨得,因此需要數年的時間與更多環節配合。

為何數據對製造業如此重要?因為要管理很長的供應鏈,其次,要縮短製程的週期,需要數據進行優化,再者,製造業需要數據來確保產品的品質。數據在製造過程中,是每個面向都會觸及的關鍵,包括成本、週期、可靠性,到製造所需要的空間,比如要有多少空間設置機台,以及運送產品時所需要的空間,都需要數據作為管理依據。可以預見,未來製造業的數據產生量,成長會更快。

首先,製造業經營者必須自問的是,要解決什麼問題?其次,在供應鏈當中,有哪些數據可以拿來作為改善或減少上述的問題程度,如果某家公司已經在作自動化或蒐集數據資料,Project Athena的花費,相對小很多,因此重點在於,要解決什麼問題,以及自動化程度,才能夠精確算出來成本效益為何。

問:Seagate導入Project Athena,是否會增加大量的資本支出嗎?何時可以看到這相投資的回饋?

答:首先,導入Project Athena,不會讓Seagate的資本支出明顯增加,事實上,每年Seagate的資本支出都在營收的6~8%,以比例來看很低。其次,工廠導入AI,其實最貴的在於生產線的自動化與數據串連,一旦建立這個基礎之後,導入Project Athena也相對容易,不過我不便談導入該AI project的價格為何,因為是HPE負責該專案的行銷。

至於回饋時間,要看不同應用的項目,如果是針對生產產品的良率,回饋時間很短,約1季就能看到成果,如果以設備或工廠空間相關的生產週期來看,也許是1~2年,甚至更久。




  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 希捷科技 智慧工廠 人工智慧