Transformasi Berkelanjutan Seagate: Bagaimana AI Mendorong Inovasi dalam Penyimpanan Data
Salah satu dari sekelompok perusahaan teknologi besar yang dapat melacak akarnya hingga tahun 1970-an, Seagate Technology, Cupertino, California, telah berada di tepi tajam solusi penyimpanan dan manajemen data selama bertahun-tahun. Sekarang perusahaan infrastruktur solusi penyimpanan data massal sebesar $10 miliar, Seagate menerapkan strategi manufaktur cerdas, termasuk kecerdasan buatan dan pembelajaran mesin di lantai pabrik.
Pada 2017, Seagate menerapkan perangkat lunak manufaktur AI untuk inspeksi visual mikroskopik wafer. Sebelumnya, perusahaan telah menggunakan sistem visi mesin berbasis aturan untuk mengotomatisasi proses deteksi anomali. Mereka mencapai tingkat akurasi yang tinggi, tetapi perusahaan juga berjuang dengan keterbatasan.
Pendekatan sebelumnya memerlukan parameter ketat untuk setiap jenis cacat, semuanya secara statis dikodekan. Rentang tetap membantu menentukan kriteria untuk meluluskan atau menghentikan produk. Namun, evolusi penampilan cacat atau kemunculan jenis abnormality baru memerlukan aturan tambahan yang dapat semakin kompleks dan sulit dikelola secara keseluruhan.
Dengan menerapkan operasi data manufaktur digital yang komprehensif dan upgrade AI, kekuatan dan skala deteksi gambar telah mengalami peningkatan dramatis di seluruh fasilitas produksi wafer Seagate di AS dan Irlandia Utara. Akurasi telah naik dari 50 persen hingga lebih dari 90 persen saat ini.
Untuk sampai ke sana, perusahaan telah mengekstrak nilai dari terabyte data sensor yang dihasilkan oleh alat presisi tinggi yang digunakan oleh perusahaan. Data tersebut telah dinormalisasi dan dibuat lebih mudah digunakan oleh sistem AI. Akibatnya, Seagate sekarang memiliki beberapa solusi deteksi kesalahan terotomatisasi untuk membantu membuat keputusan wafer dan alat serta portofolio detektor yang diperkaya AI untuk secara otonom memantau titik kritis dalam proses manufaktur dengan aturan yang lebih baik diatur.
Seagate menangkap metadata runtime yang relevan dan meletakkan data mentah dalam konteks untuk menciptakan informasi yang berguna secara real time—menutup lingkaran antara dunia digital dan fisik dan secara positif mempengaruhi cara produk dirancang, diproduksi, dan dilayani.
Digital thread melestarikan data yang dikumpulkan selama produksi untuk kapan harus menerapkan pembaruan cepat ke perencanaan sumber daya perusahaan dan sistem dukungan keputusan lain serta menghasilkan pelajaran untuk meningkatkan pengambilan keputusan terotomatisasi di masa depan.
Efisiensi ini telah memperpanjang umur peralatan Seagate dengan memprediksi aset mana yang sedang berada di jalur keluar dari kalibrasi dan oleh karena itu membutuhkan pemeliharaan. Perusahaan menyimpan penghematan signifikan pada tenaga kerja inspeksi, pencegahan scrap, alokasi ulang tenaga kerja, dan menghindari pengeluaran modal untuk peralatan baru.
Fokus konsisten Seagate pada jenis inovasi ini telah meningkatkan kinerja operasional, akuntabilitas, dan meningkatkan efektivitas sistem enterprise melalui visibilitas yang cepat dan akurat ke seluruh proses manufaktur.
Sistem algoritma deep-learning juga menghasilkan bukti pendukung untuk sistem kontrol pabrik lainnya, berarti Seagate dapat memanfaatkan lebih banyak data untuk metrologi virtual dan kontrol proses.
Produsen teknologi tinggi seperti Seagate perlu merangkul peluang yang berkembang cepat yang diwakili oleh manufaktur digital, AI, dan ML. Seagate tidak hanya telah berinvestasi dalam teknologi canggih tetapi juga telah menunjukkan bagaimana transformasi berkelanjutan dapat membuat organisasi mampu menentukan masa depan industri mereka.
