希捷科技近日宣布其已成功在美國明尼蘇達州諾曼戴爾的晶圓工廠首次部署深度學習制造計劃。希捷內部將此計劃命名為“雅典娜計劃 (Project Athena) ”，計劃采用深度學習，經過自我訓練后，可比特定領域的真人專家更快且更精確地檢測出產品瑕疵。藉由打造務實可行的人工智能 (AI) 平臺，能更快地處理異常及生產過程的問題，耗費成本低于以往，并可大幅減少制程所需的無塵室投資達20%，降低生產流程中10%的投注時間。

希捷全球的工廠每年生產超過十億個記錄磁頭 (recording transducers)，為了維持最高標準的品質，磁頭皆需經分析及測試。以諾曼戴爾工廠為例，每天產出數(shù)百萬張的顯微影像相當于10TB的資料量，工廠需先篩檢這龐大數(shù)量的影像是否有潛在瑕疵，才能將芯片組裝至硬碟上。由于需分析檢測的磁頭數(shù)量龐大，工程師不可能一一檢測，就算雇用更多影像分析專家坐鎮(zhèn)，也無法在短時間內處理完所有一千七百萬張影像。在AI、機器學習、物聯(lián)網感測器等技術的快速發(fā)展下，希捷的“雅典娜計劃”應運而生。

需解決的兩大難題：龐大資料量、現(xiàn)有分析引擎的不足

希捷采用Nvidia V100、P4 GPUs與高效能Nytro X 2U24儲存設備建立神經網絡，作為雅典娜系統(tǒng)中深度學習及AI功能的基礎。將晶圓影像導入深度神經網絡，訓練AI系統(tǒng)分辨“好”晶圓與“壞”晶圓。隨著時間累積，雅典娜開始有能力偵測出制程中的潛在瑕疵。由于深度神經網絡具備強大的處理能力，雅典娜不僅學習速度快，精準度也勝于人類。

雅典娜還能即時接收并分析電子顯微鏡產生的影像。希捷現(xiàn)可處理每天產出的所有三百萬張影像，并能揪出真人工程師可能遺漏的微小瑕疵。透過即時處理的功能，希捷團隊得以及早辨識并修正制程問題。問題越早發(fā)現(xiàn)，就能更有效地降低瑕疵品對制程及成本的影響。

雅典娜計劃的誕生與未來幾年全球資料量將大幅飆升的趨勢息息相關。由希捷委托 IDC 執(zhí)行的預測調查便顯示，2025 年全球資料總量將成長至 175ZB。如果資料能在更接近來源處先做處理，即時洞察結果的產出便可更靠近終端的使用者，從而大幅減少網絡資源的負荷，并為潛在的應用程式敞開全新大門。在此模式下，資料中心的科技方案（運算與儲存模式）都移往網絡的邊緣節(jié)點，以催生出新一代的應用程式。

由于此系統(tǒng)的偵錯速度更快、調適力更高，還能提供更具洞見的結果，在智慧工廠之外，也能應用在公共安全、自駕車、智慧城市等各式各樣的領域，未來其他制造業(yè)者也可部署類似的智慧工廠技術。

來源：癮科技