第2期 2021/01/30
希捷——沖擊制造業(yè)AI最前沿
希捷制造工廠中的機(jī)器人
大數(shù)據(jù)、分析與人工智能（AI）早已在金融服務(wù)及電子商務(wù)領(lǐng)域得到廣泛應(yīng)用，但在制造業(yè)企業(yè)中卻鮮見蹤影。除了預(yù)測(cè)性維護(hù)等少數(shù)用例之外，很少有制造企業(yè)擁有將分析及AI應(yīng)用于關(guān)鍵業(yè)務(wù)流程的數(shù)據(jù)儲(chǔ)備與分析人才。
希捷技術(shù)公司是一家市值超100億美元的數(shù)據(jù)存儲(chǔ)與管理解決方案供應(yīng)商，他們的表現(xiàn)為制造業(yè)企業(yè)的前沿科技應(yīng)用之路奠定了基礎(chǔ)。希捷在制造工廠中部署有大量傳感器，并在過去五年中一直使用這部分?jǐn)?shù)據(jù)保障并改善制造流程的運(yùn)行質(zhì)量與效率。
希捷制造分析體系中的一大核心，在于對(duì)硅晶片進(jìn)行視覺檢測(cè)自動(dòng)化，確保使用良好的元件制造磁盤驅(qū)動(dòng)器磁頭及芯片。在整個(gè)晶圓制造過程中，希捷會(huì)收集到大量顯微鏡圖像，能夠借此檢測(cè)晶圓內(nèi)部瑕疵并監(jiān)控制造工具集的運(yùn)行情況。由全球晶圓系統(tǒng)高級(jí)總監(jiān)Sthitie Bom領(lǐng)導(dǎo)的工廠控制團(tuán)隊(duì)，使用這些圖像素材中的數(shù)據(jù)建立起一套自動(dòng)故障檢測(cè)與分類系統(tǒng)，能夠直接從圖像當(dāng)中檢測(cè)并分類晶圓制造缺陷。此外，希捷還使用多種圖像分類模型檢測(cè)顯微鏡圖像中的失焦情況。
基于深度學(xué)習(xí)算法，這些ADC（自動(dòng)缺陷分類）模型于2017年底首次完成部署。在此之后，圖像檢測(cè)功能被大規(guī)模推向美國(guó)及北愛爾蘭的晶圓制造工廠，幫助希捷通過節(jié)約人力成本、提升良品率獲得數(shù)百萬美元的收益。除了減少人員需求之外，這項(xiàng)技術(shù)的引入還幫助希捷提高了制造流程效率。幾年之前，希捷的視覺檢測(cè)準(zhǔn)確性還僅為50%，但現(xiàn)在已經(jīng)超過90%。
希捷的另一項(xiàng)成功嘗試，是將整個(gè)工廠內(nèi)的傳感器數(shù)據(jù)整合起來。Bom及其全球晶圓系統(tǒng)小組一直傾向于采用開源解決方案；但這一次，他們選擇與智能運(yùn)營(yíng)平臺(tái)廠商Savigent Software合作，將來自各處工廠內(nèi)多臺(tái)機(jī)器上的傳感器數(shù)據(jù)集成起來以供分析使用。Bom的小組也成為希捷內(nèi)部第一個(gè)使用Hadoop存儲(chǔ)數(shù)據(jù)、以供分析及AI應(yīng)用程序使用的團(tuán)隊(duì)。
模型可解釋性方面的挑戰(zhàn)
雖然希捷在制造分析與AI應(yīng)用等多個(gè)領(lǐng)域取得了實(shí)質(zhì)性進(jìn)展，但仍有一大難題始終得不到解決�？紤]到工廠內(nèi)部署有大量傳感器與計(jì)量工具，工程師往往會(huì)在警報(bào)中發(fā)現(xiàn)一些難以避免的誤報(bào)。傳感器讀數(shù)中的瞬態(tài)故障往往難以察覺，而且由于大多數(shù)生成警報(bào)的圖像識(shí)別功能源自深度學(xué)習(xí)模型，導(dǎo)致工程師根本無法理解這些復(fù)雜的系統(tǒng)到底如何、以及為何發(fā)出警告。因此，唯一的辦法就是投入大量時(shí)間進(jìn)行全面的傳感器與故障讀數(shù)調(diào)查。為此，分析小組目前開始向工程師提供警報(bào)評(píng)分，借此預(yù)測(cè)傳感器發(fā)生故障的概率。然而，這種評(píng)分本身是如何得來，又成了新的謎團(tuán)。
Bom的小組正在努力增強(qiáng)模型的可解釋性。事實(shí)上，這類問題在其他深度學(xué)習(xí)環(huán)境中同樣屢見不鮮。為此，她的小組希望在數(shù)據(jù)科學(xué)層面探索AI模型可解釋性的答案。在適用的場(chǎng)景下，該小組會(huì)使用Shapley值，一種評(píng)估博弈論模型中某些特征所產(chǎn)生的具體影響的方法。這種方法在相對(duì)簡(jiǎn)單的模型中效果不錯(cuò)，但目前要將其應(yīng)用于深度學(xué)習(xí)模型，仍會(huì)造成高昂的額外計(jì)算成本。
第二種方法是在現(xiàn)實(shí)場(chǎng)景中對(duì)可解釋性進(jìn)行更實(shí)際的處理，包括建立治理框架——使用三種不同的性能指標(biāo)將標(biāo)準(zhǔn)軟件工程實(shí)踐擴(kuò)展為模型行為控制方法。這三種指標(biāo)分別為：
- 運(yùn)行時(shí)錯(cuò)誤監(jiān)控——在生產(chǎn)部署的模型中監(jiān)控、診斷、解釋及警告運(yùn)行時(shí)錯(cuò)誤的標(biāo)準(zhǔn)日志記錄系統(tǒng)；
- 模型性能監(jiān)控——人機(jī)回圈界面，供領(lǐng)導(dǎo)專家對(duì)算法決策結(jié)果做出驗(yàn)證，并在數(shù)據(jù)集上尋找可能解釋模型決策合理性的支持證據(jù)；
- 后果指標(biāo)監(jiān)控——這些指標(biāo)將衡量在采用機(jī)器學(xué)習(xí)決策后，可能受到負(fù)面影響的其他因素——例如元件良品率。
這三大治理支柱能夠幫助我們解釋并理解現(xiàn)有模型做出錯(cuò)誤決策后可能引發(fā)的后果，了解模型性能何時(shí)下降，并在必要時(shí)及時(shí)執(zhí)行人機(jī)回圈驗(yàn)證。
除了采用數(shù)據(jù)科學(xué)與可解釋性治理方法之外，Bom的團(tuán)隊(duì)還與希捷創(chuàng)新中心Lyve Labs開展合作。位于以色列的Lyve Labs是希捷公司的創(chuàng)新中樞，于2020年2月正式啟動(dòng)，負(fù)責(zé)與初創(chuàng)企業(yè)生態(tài)系統(tǒng)建立合作伙伴關(guān)系以實(shí)現(xiàn)外部技術(shù)創(chuàng)新。他們還與美國(guó)及英國(guó)各學(xué)術(shù)機(jī)構(gòu)緊密合作，開發(fā)出能夠在各類狀況間建立因果關(guān)系的模型。即使未能實(shí)現(xiàn)全面自動(dòng)化，其仍然能夠顯著加快對(duì)問題根本原因的分析速度。
引領(lǐng)明尼蘇達(dá)州各高科技制造企業(yè)間的AI合作
Bom意識(shí)到，她的團(tuán)隊(duì)在實(shí)際工作中遇到的不少AI與分析挑戰(zhàn)，絕非希捷公司的特例。為此，她開始與明尼蘇達(dá)州各高科技制造商合作（希捷在這里擁有廣泛的制造業(yè)務(wù)布局），希望確定對(duì)方如何應(yīng)對(duì)這些問題。希捷于2019年10月聯(lián)手Savigent同各合作伙伴組織了一場(chǎng)為期兩天的基準(zhǔn)會(huì)談，專門探討AI技術(shù)對(duì)于制造業(yè)企業(yè)運(yùn)營(yíng)方式的影響。
Bom介紹稱，在本次會(huì)議上，她從其他公司身上學(xué)到了兩大基本觀念。首先就是“將數(shù)據(jù)分析融入血液”，這也是希捷長(zhǎng)期以來的運(yùn)營(yíng)理念。去年，IDC發(fā)布的一項(xiàng)調(diào)查顯示，企業(yè)錯(cuò)失可用數(shù)據(jù)信息的比例高達(dá)68%。在她看來，憑借以往在數(shù)據(jù)結(jié)構(gòu)化、清洗與大眾化推廣方面投入的資金，希捷擁有“非常強(qiáng)大的數(shù)據(jù)基礎(chǔ)設(shè)施”，因而能夠建立起更精簡(jiǎn)高效的模型開發(fā)流程。Bom還認(rèn)為，與其他參會(huì)企業(yè)相比，希捷擁有更多樣化的AI產(chǎn)品組合。希捷目前在視覺檢測(cè)、時(shí)間序列領(lǐng)域以及軟件感知（即同時(shí)測(cè)量并分析來自多個(gè)傳感器的數(shù)據(jù)時(shí)）方面都已經(jīng)有所部署。
其他參會(huì)者也對(duì)希捷的AI探索贊賞有加。憑借著將基于深度學(xué)習(xí)的視覺檢測(cè)機(jī)制集成到晶圓制造工廠內(nèi)，希捷贏得了2018年由明尼蘇達(dá)州技術(shù)協(xié)會(huì)頒發(fā)的Tekne新興技術(shù)大獎(jiǎng)。希捷還在其晶圓工廠中部署了云AI動(dòng)態(tài)故障檢測(cè)方案，借此在2019年獲得愛爾蘭制造業(yè)研究獎(jiǎng)。憑借一系列大獲成功的概念驗(yàn)證，整個(gè)制造行業(yè)開始認(rèn)真關(guān)切并投資于AI領(lǐng)域。但在實(shí)際推行中，企業(yè)往往發(fā)現(xiàn)AI擴(kuò)展總會(huì)帶來意外難題——希捷成功實(shí)現(xiàn)AI部署的巨大價(jià)值正在于此。希捷公司制程工藝與系統(tǒng)副總裁Matt Johnson總結(jié)道，“將AI/ML技術(shù)整合至核心晶圓監(jiān)控系統(tǒng)當(dāng)中，有助于加快發(fā)現(xiàn)問題的速度，同時(shí)也減少了持續(xù)監(jiān)控所需要的人力資源，最終顯著提高我們?yōu)橄掠尾块T提供的晶圓質(zhì)量。”
Sthitie Bom將團(tuán)隊(duì)的成功歸結(jié)于大家追求價(jià)值、不斷創(chuàng)新以及遠(yuǎn)見卓實(shí)的堅(jiān)毅精神。小組正一心一意推動(dòng)AI技術(shù)在制造體系內(nèi)的應(yīng)用，并不斷將其拓展到更多具體工程領(lǐng)域。
Bom和她的小組無疑代表著正確的前進(jìn)方向，也用真實(shí)案例證明企業(yè)在探索及動(dòng)用AI力量方面的不懈追求，將給高科技制造業(yè)帶來何等巨大的變革。
本文章選自《數(shù)字化轉(zhuǎn)型方略》雜志，閱讀更多雜志內(nèi)容，請(qǐng)掃描下方二維碼
