时时彩口诀-1分时时彩口诀 希捷科技推出智能制造参考架构,改善供应链管理并提升产品质量

  • 时间:
  • 浏览:0
  • 来源:彩神大发快三官方-彩神快3

希捷科技推出智能制造参考架构,改善供应链管理并提升产品质量 ......

近期,希捷科技联手英伟达(NVIDIA)及慧与(Hewlett Packard Enterprise)等媒体商务合作伙伴同去打造时时彩口诀-1分时时彩口诀了有一因此 人工智能平台,旨在帮助企业提高时时彩口诀-1分时时彩口诀生产强度,保障产品质量。

希捷科技时时彩口诀-1分时时彩口诀的智能制造参考架构起源于工厂车间。在希捷工厂,智能制造的应用加强了硬盘生产过程中对晶片图像质量的控制能力。希捷科技采用此项技术提高工作强度及产品质量。在希捷科技所处泰国工厂的项目中,工程师预计通过应用智能制造,将超净室投资降低20%,制造产出时间缩短10%,获得投资回报率高达1000%。

专注工厂

实现智能制造的首要因素是人类思维——大家大家通过人类思维看待并理解你你这人世界。正是人类思维使得各种智能应用成为将会。

人类的大脑天生具备自主模型检测的能力,并根据观察结果主动采取土办法。大家大家不能把它看作是并是不是生活自我编程。神经网络是大脑自带的技能,可识别模式,自主学习并预防风险、危害和异常。突然以来,它都会 程序运行运行员、工程师和数据科学家的灵感来源。几时时彩口诀-1分时时彩口诀十年来,大家大家突然致力于将神经网络导入到算法中。

1959年,斯坦福大学电气工程师Bernard Widrow和Marcian Hoff首次成功创造了神经网络并将其应用在过滤器中以帮助消除电话线中的回音。该系统目前仍在商用。但将会神经网络领域的实际应用请况与预期不符,该领域面临重重难关。尽管不能了 ,随着时间的推移,数学以及计算的发展不断推动其进步。

另有有三个 重大突破所处在2012年,多伦多大学的计算机科学家Geoffrey Hinton、Ilya Sutskever和Alex Krizhevsky赢得了ImageNet大型视觉识别挑战赛。大家大家提交的项目是AlexNet角度卷积神经网络架构,现今仍在使用中,并以10.8%的优势击败现有模型。该项目使用角度学习和图形除理单元来设计图像评估软件。ImageNet富含来自数千个不例如别的数百万张图片,如狗、猫、汽车等。

希捷智能制造平台项目负责任人,数据科学技术专家布鲁斯(金回忆道:“这是有有三个 分水岭,几十年来,大家大家突然梦想着另有有三个 的突破。而你你这人突破本来希捷现今的数据科学、IT及工厂工程团队能在大家大家的工厂车间时时彩口诀-1分时时彩口诀部署人工智能的由于分析。”

多伦多大学的科学家们成功地应用了人工智能神经网络,并将其称之为角度学习。而罗伯特D(霍夫在《麻省理工学院技术评论》中写道:“角度学习在试图模仿大脑细胞层中神经元层的活动,而人类1000%的思维形成均来自大脑细胞层。”

布鲁斯(金表示:“角度学习是希捷雅典娜项目的核心,该项目最初旨在提升希捷制造的质量,随之大家大家将其发展为希捷边缘RX参考架构。正是你你这人实时边缘计算集群,使得希捷能在工厂车间部署机器学习功能。”

有章可循的土办法与角度学习

精密制造是有有三个 冗杂且艰苦的迭代过程。希捷在工厂生产其产品,作为生产的一累积,平均每天可产生约10000万张图像。磁头是采用与半导体晶片制造例如的工艺生产的。晶片被切割成微小的读写记录头,因此再组装成驱动器。

布鲁斯(金表示:“生产晶片需用几条月的时间,包括最少10000个单独的步骤。且其中因此 步骤都与质量检验相关,其中包括各种形式的图像获取。当图片显示产品质量所处变化时,工程师需用及时抓住那个点。”

与因此 传统的、基于规则的工具相比,最先进的角度学习软件不能更准确地检测那先 图像中的问题图片图片。

新工具有那先 不同?布鲁斯(金表示:“算法并是不是生活即可从数据中学习‘那先 是规则’以及‘何时能 违反了规则’。工程师不想对其进行编程。”这是是不是由于分析工程师是多余的? 不想说不能了 。新的角度学习工具不想说能取代工程师。相反,它们将工程师解放出来去研究更高层次的除理方案。

希捷边缘RX参考架构的建立得益于希捷的IT基础设施知识、存储业务专长、与慧与(HPE)的媒体商务合作伙伴关系、对英伟达(NVIDIA)角度学习的持续研究以及Kubernetes和Docker的集群管理工具。

除神经网络,图形除理单元(GPU)的兴起也引领了智能制造时代的到来。由英伟达(NVIDIA)构建的图形除理单元(GPU)是进行智能计算的理想工具,将会它能以比中央除理单元(CPU)快几百倍地强度进行角度的数科学数学习。Insight64的负责人NathanBrookwood说道:“图形除理单元(GPU)不同于PC微除理器,它不能快速地反复获取一定量数据并执行相同的操作。”

着实希捷的角度学习是针对数据存储行业的制造流程而实施的,但通常请况下,其也适用于因此 类型的流程,尤其是具有以下结构的流程:

生产半导体、电子、汽车零件、机器零件等工具的大批量、高精度、分布式的制造工艺

使用高成本资本设备的高价值制造产品

生产一定量无法用传统土办法分析图像的垂直行业

安全、智慧生活 城市和自动驾驶汽车中的异常检测

具有多个阶段的角度冗杂的制造流程

能派发设备、流程并检验数据的自动化制造流程

由质量控制和检验驱动的制造流程

冗长的制造流程

多站点全球制造业

希捷Lyve 数据实验室分享希捷边缘RX参考架构,希望该参考架构不能启发因此 业内人士,并部署在更广泛的业务范围中。

希捷新兴垂直领域资深总监Rags Srinivasan说道:“希捷相信,整个行业跟生态系统不能互相借鉴、取长补短、媒体商务合作共赢。因此,希捷非常你要与有例如需求的企业分享边缘参考架构。”