Seagate Edge RX平臺借助NVIDIA EGX將AI推理應(yīng)用于工廠制造。

Seagate Technology每個季度都要交付數(shù)千萬個硬盤驅(qū)動器。因此，保障每一個驅(qū)動器的質(zhì)量至關(guān)重要，但這并非易事。

硬盤驅(qū)動器的生產(chǎn)過程尤為繁雜。例如，僅制造磁頭就需要1400道工序，而且一些及其細微的差錯就會導致產(chǎn)品瑕疵。

Seagate制造的硬盤驅(qū)動器比其他同行業(yè)的公司都多。Raghavan Srinivasan現(xiàn)任Seagate全球市場總監(jiān)，他說：“犯錯的代價很昂貴。一旦發(fā)生任何異常情況，都會直接導致后續(xù)收益的慘淡，而且在整個生產(chǎn)過程完成之前，我們無法得知是否存在異常?！?/p>

為了解決這個問題，Seagate正在通過基于GPU的AI 和機器學習，對記錄磁頭滑塊圖像進行異常監(jiān)測，以便更及時地發(fā)現(xiàn)潛在問題。

來自合作伙伴的解決方案

起初，Seagate試圖尋找一種產(chǎn)品，可以在高產(chǎn)量的制造環(huán)境中幫助進行基于圖像的異常檢測，但市場上沒有類似功能的產(chǎn)品。隨后，Seagate開始與NVIDIA和Hewlett Packard Enterprise討論這項業(yè)務(wù)。

公司采取的第一步是了解有效的數(shù)據(jù)量。將這一想法付諸實踐，需要一家每天能夠處理1700萬張圖像的工廠，并以每秒20個位置進行推理。

Srinivasan 說：“這個速度就如同一架波音747飛機，以100倍聲速飛離地面幾英寸?！?/p>

在一年的時間里，這些公司構(gòu)建了一套解決方案，可以捕獲并分析磁頭的圖像，這些磁頭僅僅是旋轉(zhuǎn)磁盤表面上的分子。

Seagate將該解決方案部署在其一家工廠中的機器視覺缺陷檢查系統(tǒng)上，該系統(tǒng)主要用于硬盤讀寫磁頭的制造。Seagate還計劃將該解決方案擴展到其他站點。

由于異常模式在不斷變化，因此無法采用基于規(guī)則的傳統(tǒng)AI系統(tǒng)，而需要深度學習的加持。

另外，Seagate了解在工廠之間來回移動如此多數(shù)據(jù)的帶寬成本十分高昂，因此開發(fā)了一種并行參考架構(gòu)，即Seagate Edge RX。這種架構(gòu)將每個工廠都建立在計算“邊緣”，從而使推理過程可以借助更少的計算資源完成。

數(shù)據(jù)科學家正在進行線下的深度學習模型訓練，隨后將提供更新后的模型。

Seagate賦予精密制造的無限可能

隨著這項技術(shù)被融合進Seagate的所有制造過程中，Seagate希望通過提高效率和質(zhì)量，使無塵室投資減少20％，制造吞吐時間減少10％，并獲得高達300％的投資回報率 。

Srinivasan表示，有種種跡象表明，該項目最終將在質(zhì)量上帶來重大改進，為Seagate所有制造工廠的努力帶來了可觀的收益。

NVIDIA 和HPE帶來的技術(shù)，在Seagate未來的發(fā)展中將發(fā)揮重要作用。這些技術(shù)包括搭載了NVIDIA T4 GPU（可在工廠現(xiàn)場實現(xiàn)數(shù)據(jù)采集和實時AI推理）的HPE Edgeline系統(tǒng)，以及搭載了NVIDIA V100 Tensor Core GPU（可用來進行AI訓練）的HPE Apollo系統(tǒng)。NVIDIA EGX平臺也可在這些系統(tǒng)上運行，幫助企業(yè)在邊緣或數(shù)據(jù)中心安全地部署并管理AI工作負載。

Srinivasan表示：“ NVIDIA已成為AI和深度學習的代名詞。”

Seagate發(fā)現(xiàn)了通過不同方向進行這項工作的巨大潛力。目前，該公司致力于將智能制造平臺推廣到其所有制造基地。Seagate還在計劃探索該解決方案將如何影響其他制造過程。值得一提的是，Seagate還將探索基于物聯(lián)網(wǎng)傳感器流程記錄工具的預(yù)測性維護。

對于其他制造商而言，好消息是Seagate不想獨占所有的創(chuàng)新成果。Seagate已經(jīng)發(fā)布了Seagate Edge RX并行參考架構(gòu)，以便其他制造商可以在自己的制造環(huán)境中構(gòu)建類似的圖像異常檢測解決方案。

Srinivasan說：“我們希望推動合作。因為我們發(fā)現(xiàn)，善用數(shù)據(jù)，就會獲得很多改善整體制造環(huán)境的機會?！?/p>