【专访】Seagate智能制造深入晶圆到硬盘 年省1.45亿美元

Seagate营运暨技术副总裁Jeffrey Nygaard指出，透过智能制造，其生产正确率提升20%。李立达摄

Seagate营运暨技术执行副总裁Jeffrey Nygaard指出，透过智能制造，Seagate全球工厂节省95%资源，产品正确度提高2成，整体投资报酬率高达300%，1年省下1.45亿美元，未来3~5年将持续复制AI与机器学习到更多制程。

Seagate获美国全国制造商协会（NAM） 的制造业领袖委员会（MLC） 颁发2022年制造领袖奖，主因工厂大量导入AI分析，透过集中化分析的光学检测（OPICA）支持工厂边缘分析，识别出生产过程中出现的瑕疵，并防止瑕疵落入下游生产线。

Nygaard指出，制造分三大块，包括：交付出货、品质、成本，这也是智能制造要优化的重点。首先是交付出货，要让工厂能出正确数量，并且兼顾产品的品质，此外，也要让生产价格更有竞争力。

他表示，智能制造的核心有二，一为数据，二为网安。至于智能制造的骨干是自动化，其架构包括平台、传感器及能够传递数据的通讯体系，不仅连结工厂与工厂，也连结工厂与客户，中间透过大数据分析进行机器学习，不断优化生产流程。

目前Seagate在全球有7座厂，包括位于欧美的晶圆厂，整个硬盘制造过程，从开发到生产约需要1年，中间有数千个处理步骤，目前导入智能制造的机器学习种类已达96个，其中每个种类又包括数种模型，意味在工厂内，有数百个机器学习模型正在运作。

生产硬盘的第一个步骤是晶圆制造，此部分需耗时9个月，Seagate晶圆厂制造产生的数据，包括影像或数字，都会撷取分析后，传到位于泰国的硬盘生产工厂，将每片晶圆切割出10万个读写磁头，接着进行半导体技术研磨、机械组装及测试学习。

Nygaard指出，晶圆厂生产时会产生很多数据，Seagate会撷取影像与数字，再把这些数据喂进泰国生产流程的机器学习，因此在后端生产时，不是一视同仁，而会有个别最佳化生产，透过此模式降低生产变因，进而提升良率。

20年前Seagate制造都以人工为主，如今是让机器做学习，运用这些推论引擎做决策，人工操作员可大量减少，只有少数协助机器学习持续改进，统计共有95%的资源移出，7台自动化机器可完成150位操作员的检测，且正确度还提高20%。

Seagate旗下OPICA每天可处理高达300万次多类别深度学习推论。若以设备与人力来说，投资报酬率高达300%。Nygaard表示，未来3~5年，会持续将智能制造导入更多生产流程，此外，也会持续开发更简化的操作界面，让大多数员工都能简易操作。

责任编辑：游允彤