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.doc

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.doc

ID:28126551

大小:52.50 KB

页数:5页

时间:2018-12-08

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.doc_第1页
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.doc_第2页
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.doc_第3页
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.doc_第4页
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.doc_第5页
资源描述:

《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.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、美光和思科在SEMICONWest2017:实现机器学习的前提是让机器使用大量数据创建算法  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SEMICONWest2017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

2、伙人RobertaGamble,美光科技全球制造高级副总裁WayneAllan,美光科技企业数据科学部TimLong,LAMResearch首席运营官TimArcher,思科系统公司战略创新副总裁MaciejKranz,北美经济发展委员会新加坡地区会长GianYi-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

3、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

4、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,”LamResearch首席运营官TimArcher说道。“需要建立合作关系”来帮

5、助生成数据,然后充分利用这些数据。  LamResearch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WayneAllan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。  如今,企业可以利用数据分析快速高效地完成设备投入生产的准备工作。在某些情况下,LamResearch已将完成工具正常运行准备工作所需的时间从21天缩短到一周以内,大大减少了

6、工厂在做好生产准备方面所需的时间。  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,”LamResearch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

7、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造课程和实习机会,帮助学生为迎接新兴的制造工作做好准备。“这是一种双赢,因为我们可以获得具备更多相关技能、更加出色的应聘者和学校毕业生,”思科的Kranz说道。“这是正确的做法,也符合我们的最大利益。”  即使没有经过明确的再培训

8、,也会获得新的机会。通过自动执行重复性或日常性的任务(如晶圆厂中的工具维护),人们可以腾出时间专注于更具挑战性和趣味性的问题,诸如算法尚无法解决的问题。“我们发现,有些极其出色的数据科学家曾担任过工程师,”美光科技的Long说道。  制造工程师还可以在推动新技术方面发挥重要作用。“有些工程师拥有数十年的经验,在设计新技术的过程中,我们请他们一起参与,”思科的Kranz说道。“他们在解决方案的开发中起着重要的作用。”未来前景  

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。