美光和思科在SEMICON West 2017：实现机器学习的前提是让机器使用大量数据创建算法

时间：08-23 来源：美光科技点击：

众所周知，机器学习是影响技术领域的最大趋势之一，它为全球企业带来了新的见解和利润。实现机器学习的前提是让机器使用大量数据创建算法，以便发现各种模式并准确预测未来的结果。这种类型的系统可以创建一个精简的流程，使得每个可能的操作无需进行编程或重新编程。

如今，制造业充分利用这些机器学习的优势，开创出智能制造的新时代。半导体制造涉及数百个精确步骤和精密工艺，是利用机器学习的理想领域。凭借在工厂中利用"互联"机器收集到的实时数据，制造商能够做出实时决策和预测，大幅提高效率和生产力。

近日，一个由行业和政府领导领导组成的小组于美国旧金山举办了 SEMICON West 2017 展会，就半导体生态系统引领的智能制造技术展开深入探讨。

Frost & Sullivan副总裁兼合伙人 Roberta Gamble，美光科技全球制造高级副总裁 Wayne Allan，美光科技企业数据科学部 Tim Long，LAM Research 首席运营官 Tim Archer，思科系统公司战略创新副总裁 Maciej Kranz，北美经济发展委员会新加坡地区会长 Gian Yi-Hsen作为与会人员，就智能制造技术，工作及会以及技术前景等话题展开深度探讨。

一起看看各位行业大咖都带来了哪些深度见解。

讨论要点

智能制造之所以"智能"，主要归功于一个非常简单的因素，那就是成果。美光科技的制造数据科学团队（于 2015 年正式成立，旨在利用数据和分析帮助实现营收增长）迄今为止共报告了 2800 多项在数据科学领域取得的成功。由 IT 企业分析和数据团队提供的创新大数据基础设施实现了跨职能合作关系，从而为营收带来了超过12亿美元的惊人增长。

圆桌会议还重点讨论了数据科学领域的其他成果。例如，美光科技将与质量相关的偏差减少了 35%，并将实现目标的速度加快了25%；思科在位于马来西亚的工厂安装了 1500 个传感器后，所生成的数据和分析结果帮助工厂将能耗降低了 30%。"这一成果靠的完全是数据，"思科的 Kranz 说道。

智能制造和机器学习策略使工程师们能够及早发现错误，从而降低了修复成本。此外，员工可以更高效地安排和管理原材料库存；对最终客户而言，产品发布日期的透明度也会提高。随着时间的推移，将会获得更多见解，实现更高的效率并节省更多成本。"就实现这些优势而言，我们才刚刚开始"，美光科技的 Allan 说道。

合作的力量

智能制造的一个基本要素是合作，即在制造商和供应商之间、公司内的各个部门之间以及公司和标准机构之间开展合作。"没有哪个组织拥有自己所需的全部数据，"Lam Research 首席运营官 Tim Archer 说道。"需要建立合作关系"来帮助生成数据，然后充分利用这些数据。

Lam Research 目前在一台制造工具上配有近 1000 个传感器，一流的晶圆厂可能拥有数百台这种工具。这就是美光科技到目前为止已从其 13 个晶圆厂收集了超过14PB 制造数据的原因之一。

点击下方视频了解美光科技高级副总裁 Wayne Allan 介绍如何使用大数据分析来改进良率并打造更高效的工厂网络。

在供应商、制造商和其他各方之间共享数据和见解十分重要，但需要建立信任并实施 IP 保护。到目前为止，这些合作似乎很有效，但安全和信任仍是关键问题。"如果数据共享中断，可能会成为一种扼制因素，"Lam Research 的 Archer 说道。

工作机会

新技术的出现会让某些工作不可避免地会发生变化甚至消失，机器学习亦是如此。"这是转型过程中始终存在的一个问题，"新加坡经济发展委员会的 Yi-Hsen 说道。"管理这类变化的关键在于持续进行员工教育和培训。"

新加坡数十年来一直致力于将劳动力保持在最先进的水平。这在一定程度上是通过与制造商合作开发大学课程和持续培训实现的。近来，他们还将分析、数据科学和其他技术驱动型学科加入培训课程中。一直以来，新加坡的最终目标都是跻身技术最先进的制造业强国之列，从而提升自己的竞争优势。

同样，思科也与各大学及其他机构合作打

上一篇：iPhone8大拆解，内部结构与iPhone7究竟有何不同
下一篇：CAN中继器常犯的错误设计

机器学习智能制造美光科技思科相关文章：

栏目分类