Nanya beschleunigt KI-Einsatz in der Produktion

Bild: Pressebüro Hewlett Packard Enterprise

Die Nanya Technology Corporation (Nanya) setzt künstliche Intelligenz (KI) ein, um die Produktivität und Qualität seiner Produktion zu erhöhen. Jetzt hat Nanya mithilfe von Hewlett Packard Enterprise (HPE) das Ausrollen neuer KI-Anwendungen in seinen Halbleiterwerken deutlich beschleunigt. Zum Einsatz kommt dazu die HPE Ezmeral Container Platform. Damit können Nanyas Datenwissenschaftler innerhalb von Minuten neue KI-Anwendungsfälle aufsetzen, testen und mit dem Training der KI-Modelle beginnen. Davor dauerte dies mehrere Tage oder sogar Wochen.

Für Nanya sind KI und Advanced Analytics strategische Werkzeuge, um in seiner Produktion Fehler zu entdecken, Ausfälle zu vermeiden und den Automatisierungsgrad zu erhöhen. Dafür führte das Unternehmen die HPE Ezmeral Container Platform ein, um das Management dieser Umgebung zu zentralisieren und das Ausrollen neuer KI-Anwendungsfälle zu beschleunigen. Zu den KI-Anwendungsfällen bei Nanya gehören z.B. die Video-Qualitätskontrolle von DRAM-Komponenten und die vorausschauende Wartung von Produktionsmaschinen. Mehrere Daten-Teams treiben parallel Dutzende von KI-Projekten voran.

Um ein neues KI-Modell aufzusetzen, müssen Nanyas Datenwissenschaftler eine auf den spezifischen Anwendungsfall zugeschnittene Kombination von Werkzeugen, Frameworks, Datenquellen und Systemen mit Grafikprozessoren (GPU) implementieren. Früher konnte das Tage oder Wochen dauern, weil die Werzeuge manuell installiert werden mussten, und weil die Daten kopiert und zu den passenden GPU-Systemen transferiert werden mussten.

Mit der HPE Ezmeral Container Platform bekommen die Nanya-Teams jetzt einen einheitlichen Zugang zu allen Werkzeugen, Systemen und Datenquellen. Die Mandantenfähigkeit der Plattform stellt dabei eine logische Trennung zwischen den Projekten sicher. Daten müssen jetzt nicht mehr kopiert und transferiert werden, da die HPE-Plattform einen sicheren Fernzugriff ermöglicht. Zudem umfasst die Plattform einen App Store mit Werkzeugen und Frameworks für KI und Analytics – z.B. Dataiku und Run:AI oderOpen-Source-Lösungen wie Apache Spark, Tensorflow und Kafka.

Im Ergebnis können sie neue KI-Anwendungsfälle in wenigen Minuten aufsetzen. Damit kann das Training der KI-Modelle früher beginnen, sodass die KI-Anwendungen schneller in der Produktion zum Einsatz kommen.

Pressebüro Hewlett Packard Enterprise

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige