人工智能技术, 然而, 能在很短的时间内以极高的精度完成这些任务吗. 美光从超过8个工厂收集内部制造数据,000个资源和500多个服务器遍布全球, 并将信息添加到Apache Hadoop中用于数据挖掘的两个不同的环境映射中. 该组织的数据科学家在这些制造网络中搜索这些数据，以获取见解，以开发用于人工智能和机器学习的模型，以改进和增强工厂流程.
\r\n结果, 模仿我们的视觉, 声音, 和触摸, 令人印象深刻——以至于在2018年，他们为美光赢得了梦寐以求的 CIO 100大奖 IT领导.
\r\n视觉:晶圆成像
\r\n晶圆片缺陷有多种形式. 在很大程度上, 然而, 它们属于几种常见的类型之一:晶圆片边缘附近的小孔, 划痕, 外膜上有气泡. 美光的人工智能系统使用“计算机视觉”技术，在光刻相机在晶圆上蚀刻电路时捕捉到的图像上发现这些缺陷.
\r\n工程师可能会指示系统扫描晶圆片边缘的小点(孔), 例如, 或者对于连续的或轻微的断线(划痕), 或者寻找颜色变化，从而产生深色或浅色斑点或图案. 其中一些缺陷可以近乎实时地发现, 该系统在拍摄图像后10秒内发出警报. 其他缺陷可能在照片存储后15分钟的二次扫描中发现. 所有这些过程都依赖于人工智能系统使用存储在Hadoop环境中的200万张图像进行比较和对比.
\r\n事实证明，其结果比工程师的评估准确得多, 美光IT总监Tim Long说.
\r\n“计算机视觉精度高、效率高,他说, “它提升了我们工程师的能力. 我们的工程师可以专注于问题和数据收集.”
\r\n"}}' id="text-222e726230">存储芯片制造商美光科技(微米 Technology)不只是谈论人工智能给工业带来的诸多优势. 在自己的制造过程中使用数据分析和人工智能, 该公司确实把钱花在了说到做到的事情上, 展示了美光下一代内存存储和处理解决方案所带来的技术对业务的价值. 好处很多, 包括更高的收益率, 更安全的工作环境, 提高效率.
该企业的工厂通过硅晶片生产存储技术 一个高度复杂和精确的过程. 出错和浪费的可能性很高，但数据和人工智能正在帮助减少这种可能性. 当依靠人类的警惕性来发现和跟踪缺陷时, 机械问题, 以及其他潜在的问题领域, 这家公司蒙受了损失——这些损失本可以通过使用当今先进的技术来避免.
制造过程
硅晶片, 用作计算机芯片的基础, 是由二氧化硅制成的, 一种沙子, 哪些必须过滤提炼成99.纯度999%. 这种电子级硅被熔化并压缩成锭, 它们被切得非常薄.67毫米厚的硅片.
晶圆片被抛光以去除切割留下的痕迹, 涂上一层薄薄的抗光材料, 并蚀刻电路的设计，他们将支持使用类似摄影的过程. 电路越复杂, 晶圆片上印的图像越多, 一层又一层, 每层都分开处理用电离等离子体轰击, 例如, 这个过程被称为“兴奋剂”,或浸泡在金属中.
然后在测试(“探针”)之前，在完成的晶圆上涂上一层薄薄的保护膜，以确保其按预期工作.
整个制造过程 可能需要大约1500步, 整个过程在无菌的洁净制造室中进行，这种设计是为了防止最微小的灰尘落在原始晶圆片上. 但是损害确实发生了. 易碎的晶圆片可能被划伤, 割进, 或刺穿, 或者在保护膜下形成气泡.
通常，这些缺陷是微小的，肉眼完全看不见. 即使它们是可见的, 在照相成像过程中，人们扫描每片晶圆拍摄的30到40张照片，可能会忽略由于眼睛疲劳或短暂的注意力不集中而导致的缺陷. 一眨眼，他们就错过了.
如果直到“调查”阶段才发现问题，那么已经浪费了大量的时间和金钱. 很有可能，导致缺陷的问题影响到不止一个晶圆，甚至可能是数千个.
在生产环境中也可能出现其他问题. Parts wear out; pipes leak, or drip hazardous chemicals onto products or people. 及早发现并纠正这些问题是必要的:关闭成本很高, 平均花费250美元,每小时5万美元, 根据美光专家的说法, 考虑到半导体制造的复杂性, 在恢复过程中花费的大量时间使实际成本达到数百万美元. 更重要的是，与工人受伤相关的风险是多方面的.
检测沙巴体育结算平台和机械中的问题对于提高生产效率至关重要, 有效性, 和安全. 不幸的是, 人孰能无过, 即使是最训练有素的人也不可能准确地看到, 听到, 或者感觉非常细微的迹象表明有些事情是错误的.
人工智能技术, 然而, 能在很短的时间内以极高的精度完成这些任务吗. 美光从超过8个工厂收集内部制造数据,000个资源和500多个服务器遍布全球, 并将信息添加到Apache Hadoop中用于数据挖掘的两个不同的环境映射中. 该组织的数据科学家在这些制造网络中搜索这些数据，以获取见解，以开发用于人工智能和机器学习的模型，以改进和增强工厂流程.
结果, 模仿我们的视觉, 声音, 和触摸, 令人印象深刻——以至于在2018年，他们为美光赢得了梦寐以求的 CIO 100大奖 IT领导.
视觉:晶圆成像
晶圆片缺陷有多种形式. 在很大程度上, 然而, 它们属于几种常见的类型之一:晶圆片边缘附近的小孔, 划痕, 外膜上有气泡. 美光的人工智能系统使用“计算机视觉”技术，在光刻相机在晶圆上蚀刻电路时捕捉到的图像上发现这些缺陷.
工程师可能会指示系统扫描晶圆片边缘的小点(孔), 例如, 或者对于连续的或轻微的断线(划痕), 或者寻找颜色变化，从而产生深色或浅色斑点或图案. 其中一些缺陷可以近乎实时地发现, 该系统在拍摄图像后10秒内发出警报. 其他缺陷可能在照片存储后15分钟的二次扫描中发现. 所有这些过程都依赖于人工智能系统使用存储在Hadoop环境中的200万张图像进行比较和对比.
事实证明，其结果比工程师的评估准确得多, 美光IT总监Tim Long说.
“计算机视觉精度高、效率高,他说, “它提升了我们工程师的能力. 我们的工程师可以专注于问题和数据收集.”
以及美光的ai -自动缺陷分类(ADC)系统, 技术人员和工程师不再需要在Hadoop中手动对晶圆缺陷进行分类. 相反，AI-ADC每年使用深度学习对数百万个缺陷进行排序和分类. 美光利用当今最新的成像技术创造了这个系统, 包括神经网络, 被描述为一种受生物学启发的编程范例，使计算机能够从观测数据中学习.
这种形式的机器学习根据缺陷对图像进行分类, 将它们放在离散的Hadoop“集群”中.“这个过程不仅可以帮助工程师发现制造过程中出现的问题，以便及早修复，避免更多的缺陷, 但它使人工智能系统能够自己发现缺陷，并在每次迭代中改进结果.
“你不需要告诉系统去哪里找或者找什么,美光晶圆厂数据科学经理泰德·多罗斯说. “你给它一些例子，然后告诉神经网络，‘这就是你需要找到的东西.’
“这个过程通过微调我们的方法来提高产量. 我们调整得越好，问题就越少.”
声音的感觉:听觉
你的车出现机械故障的第一个迹象是什么? 通常，这是一种来自引擎盖下的不寻常的噪音. 工厂也是如此, 被认为不正常的声音可能意味着零件磨损或即将发生故障.
然而，制造工厂的噪音可能非常大，问题的声音会被淹没在噪音中. 或者，员工可能没有在一个地方花足够的时间来辨别什么是“正常”，什么是不正常的.
美光的人工智能系统通过安装在机器人执行器附近或泵附近的声音传感器，可以听到工厂机器的异常情况. 这些麦克风录下几个星期的正常活动, 软件将检测到的频率转换成图形或图表，将声音描述为视觉数据. 当出现新的音调或频率时，系统将发出警报. 通常它甚至可以辨别出异常的原因.
多洛斯把工厂比作, 它有许多声音, 给管弦乐队, 还有能听声音的机器给指挥家.
“你要用所有的乐器, 甚至当你在生产线上的化学物质积累中有细微的变化时, 就像, 说, 如果你有一个圆号，音乐家打开了一个阀门, 它改变音高, 整个声音.“观众可能会错过这种变化，但指挥家不会.
来建立这个“听觉”人工智能系统, 美光工程师利用在初始监控阶段收集的数据在Hadoop中创建了一个基线. 下一个, 他们扫描文件寻找异常声音, 并根据原因进行分类, 把他们分成不同的组, 或“集群.“收集的文件越多, 检查, 并排序, 结果就越准确, 系统检测和诊断异常声音及其原因的能力就越强.
搜索这些庞大的数据库非常耗时. 然而，当一台机器有故障的危险时，工厂经理需要立即知道.
将数据发送到充满美光内存和存储的GPU系统, 有48个,000个处理核和tb的内存, 能提供快速, 智能结果——比基于CPU的系统快得多. 所有这些GPU内核和内存同时协同工作，可以在眨眼之间改进其结果，几乎没有或根本没有人为干预, 并在每次迭代中改进他们的诊断, 类似于人类大脑的工作方式.
“GPU的一个关键优势是, 一个CPU可能在一个芯片上有两个或四个处理器内核, 每个核心一次只能做一件事. 一个GPU将有数千个内核. 它可以同时做数千件事，”美光公司高级研究员马克·赫尔姆说. “对于人工智能工作量来说，这正是你想要的.
“你不会想要一个CPU来执行非常复杂的机器学习算法. GPU将把它分解成非常小的部分，并并行执行, 成千上万的核同时工作. GPU处理在执行决策所需的时间上提供了令人难以置信的优势.”
热成像:感受热度
并不是所有的故障都会产生噪音——在制造环境中，沉默可能是致命的. 在许多情况下，温度会发生变化. 机器可能会发热, 或者泵或管道可能会冷却, 在发生泄漏的地方蒸发冷却失去热量.
直到最近, 探测温度激增的唯一方法是观察红光, 火花, 或烟. 当这些出现的时候, 问题已经进入了危险区, 而且工厂需要疏散工人. 如前所述，关闭成本极高，但这比冒着人身安全的风险要好.
冷点也可以表明有麻烦，但这些没有明显的迹象. 用手去感受温度波动既不现实又危险.
越来越多地, 然而, 人工智能可以通过分析红外照片来发现温度异常，这些照片可以生成工厂环境的“热图”. 美光覆盖在正常工作条件下产生的图像，并将它们放置在晶圆厂的图像上 数字双这是该工厂的虚拟复制品. 这些地图为人工智能系统提供了比较红外图像的基线. 当系统检测到偏差时，就会发出警报.
热成像, 仍在美光公司的早期阶段, 由于能够及早发现即将发生的故障，因此具有巨大的成本节约潜力, 在机器出现故障或严重损坏之前. 早期检测可以决定是进行简单的修复还是整个更换, 昂贵的设备.
更重要的是，它可以在保护工人方面发挥关键作用，这是美光的优先事项. 该公司将其团队成员的安全看得比利润更重要——这是它继续大力投资于旨在提高问题检测能力的技术的主要原因，以便在问题变成危险之前进行检测.
“如果它在看，它说, “这里的这个泵有很高的风险,如果它有热失控或有火花, 我想马上知道, 我想通知该地区的居民撤离,多洛斯说。. 早期发现机械问题是热成像的主要目标, 但该公司也使用该技术来优化制造系统和流程. Doros说，系统可用性是美光在晶圆生产中最大的成本之一. 系统关闭使晶圆制造可用的工具减少. 当生产的晶圆数量减少时，晶圆厂的总体运营成本就会上升. 工具故障如果未被发现，也会导致晶圆损坏，这也会增加成本.
在理想的情况下, doro说, 美光将为每个晶圆厂的每个工具制作热成像, 并实时发现所有温度过高或过低的地方. 随后的微调很可能会提高产量, 从而降低每片晶圆的生产成本.
一大堆好处
到目前为止，美光在工厂里使用人工智能来看、听和感觉已经取得了令人印象深刻的成果:
- 收益到期时间提前25%;
- 制造业产出增长10%
- 质量事件减少了35%.
数据分析和人工智能的好处不仅限于晶圆厂，还涉及到美光运营的方方面面:销售和营销, 人力资源, 业务操作, 研究与开发, 和更多的.
多洛斯说:“这是沙巴体育安卓版下载改变企业，而不仅仅是车间。. “我们可以将这些技术和方法应用到公司的所有业务流程中.”
该公司在人工智能和数据分析方面的主要重点在于其工业流程, 然而, 它还承诺，其晶圆厂将作为真正的“智能”网络物理系统运行，而无需人为干预.
\r\n5G蜂窝网络等技术, 虚拟现实和增强现实, 物联网, 人工智能和数据分析的发展越来越快——在美光自己的内存和存储解决方案的帮助下——实现这一承诺越来越近.
\r\n“人工智能包括很多东西，”朗说. “真的, 它描述了诊断功能, 以及我们如何使用机器学习算法来创建它们. 我们正在复制人类的感官——听觉, 触摸, 视觉通过给算法数据, 用历史作为背景来教导我们的系统. 然后，机器将观察并学习这些模式, 这样他们就能自己得出结论.”
\r\n"}}' id="text-8044ad435a">深度学习, 例如, 对沙巴体育结算平台需求的预测是否有显著改善, 将精度提高到10%到20%, doro说.
该公司在人工智能和数据分析方面的主要重点在于其工业流程, 然而, 它还承诺，其晶圆厂将作为真正的“智能”网络物理系统运行，而无需人为干预.
5G蜂窝网络等技术, 虚拟现实和增强现实, 物联网, 人工智能和数据分析的发展越来越快——在美光自己的内存和存储解决方案的帮助下——实现这一承诺越来越近.
“人工智能包括很多东西，”朗说. “真的, 它描述了诊断功能, 以及我们如何使用机器学习算法来创建它们. 我们正在复制人类的感官——听觉, 触摸, 视觉通过给算法数据, 用历史作为背景来教导我们的系统. 然后，机器将观察并学习这些模式, 这样他们就能自己得出结论.”