Mengapa Seagate menerapkan 'transformasi konstan'
Salah satu dari segelintir perusahaan teknologi besar yang dapat melacak akarnya hingga tahun 1970-an, Seagate Technology, Cupertino, California, telah berdiri di ujung tombak penyimpanan data dan solusi manajemen selama beberapa dekade. Sekarang sebagai perusahaan solusi infrastruktur penyimpanan data massal senilai $10 miliar, Seagate menerapkan strategi manufaktur cerdas, termasuk kecerdasan buatan dan pembelajaran mesin di pabrik.
Pada tahun 2017, Seagate mengimplementasikan perangkat lunak manufaktur AI untuk inspeksi penglihatan mikroskopis wafer. Sebelumnya, perusahaan telah menggunakan sistem visi mesin berbasis aturan untuk mengotomatiskan proses deteksi anomali. Mereka mencapai tingkat akurasi yang tinggi, tetapi perusahaan juga bergulat dengan keterbatasan.
Pendekatan sebelumnya membutuhkan parameter yang ketat untuk setiap jenis cacat, semua dikodekan secara statis. Rentang tetap membantu menentukan kriteria untuk membersihkan atau menghentikan produk. Namun, evolusi penampilan cacat atau munculnya jenis kelainan baru memerlukan aturan tambahan yang dapat menjadi semakin kompleks dan sulit untuk dikelola secara keseluruhan.
Dengan menerapkan operasi data manufaktur digital komprehensif dan peningkatan AI, kekuatan dan skala deteksi gambar telah melihat peningkatan dramatis di seluruh fasilitas produksi wafer Seagate di AS dan Irlandia Utara. Akurasi telah meningkat dari 50 persen menjadi lebih dari 90 persen hari ini.
Untuk sampai ke sana, perusahaan telah mengekstraksi nilai dari terabyte data sensor yang dihasilkan oleh alat presisi tinggi yang digunakan perusahaan. Data tersebut telah dinormalisasi dan dibuat lebih mudah untuk digunakan oleh sistem AI. Hasilnya, Seagate kini memiliki beberapa solusi deteksi kesalahan otomatis untuk membantu membuat keputusan wafer dan alat serta portofolio detektor yang ditambah AI untuk secara mandiri memantau saat-saat kritis dalam proses manufaktur dengan aturan yang diatur dengan lebih baik.
Seagate menangkap metadata runtime yang relevan dan menempatkan data mentah ke dalam konteks untuk membuat informasi yang berguna secara real time—menutup loop antara dunia digital dan fisik dan berdampak positif pada cara produk direkayasa, diproduksi, dan diservis.
Rangkaian digital menyimpan data yang dikumpulkan selama proses produksi untuk mengetahui kapan harus memberlakukan pembaruan cepat untuk perencanaan sumber daya perusahaan dan sistem pendukung keputusan lainnya, serta menghasilkan pelajaran untuk meningkatkan pengambilan keputusan otomatis di masa mendatang.
Efisiensi ini telah memperpanjang masa pakai peralatan Seagate dengan memprediksi aset mana yang berada di jalur yang tepat untuk keluar dari kalibrasi dan oleh karena itu memerlukan pemeliharaan. Perusahaan menyadari penghematan yang signifikan pada tenaga kerja inspeksi, pencegahan skrap, realokasi tenaga kerja, dan menghindari pengeluaran modal untuk peralatan baru.
Fokus Seagate yang konsisten pada inovasi semacam ini telah meningkatkan kinerja operasi, akuntabilitas, dan meningkatkan efektivitas sistem perusahaan melalui visibilitas yang cepat dan akurat ke seluruh proses manufaktur.
Sistem algoritme pembelajaran mendalam juga menghasilkan bukti pendukung untuk sistem kontrol pabrik lainnya, yang berarti Seagate dapat memanfaatkan lebih banyak data untuk metrologi virtual dan kontrol proses.
Pabrikan teknologi tinggi seperti Seagate perlu merangkul peluang yang berkembang pesat yang diwakili oleh manufaktur digital, AI, dan ML. Seagate tidak hanya berinvestasi dalam teknologi mutakhir tetapi juga menunjukkan bagaimana transformasi berkelanjutan dapat membuat organisasi mampu menentukan masa depan industrinya.
