人工智能/深度学习

全球最大的制造企业利用 NVIDIA 人工智能平台打造未来工厂

很快,工业互联网将拥有数千亿连接的工业资产,以计算机速度持续运行。这将导致来自车间机器和传感器的大量数据。分析运营数据以预测运营异常、机器故障和产品质量,同时利用工业 AI 改善工厂车间运营,可以提高生产率并节约数万亿美元的成本。

流程和离散制造业占全球数字化转型支出的三分之一以上。然而,工厂中的数据一直难以使用,许多公司被困在试点阶段,通常被称为试点炼狱。考虑到 OT 数据的数量、准确性和质量,第一个关键挑战是让这些数据为构建和服务 AI 模型做好准备。

为了大规模应用人工智能,企业制造商必须经常使用几十年来以独特方式创建的数百万个标签。在车间,数据由各种机器和许多基于操作的源生成。更复杂的是,数据通常在历史学家和数据湖中汇总,因此人工智能从业者很难理解单个标记来自何处以及它们代表什么。

答案在于使用人工智能对这些数据进行自动内省和标记。

为了解决这个挑战,视窗机利用英伟达 AI 平台和微软 Azure 基础设施,将数据映射到全球范围内的资产,跨越多个机器、传感器、线路和工厂。他们通过利用现代愿景、时间序列和 NLP 算法、预训练模型以及 NGC 云提供的配方实现了这一点,所有这些都可以在 Microsoft Azure Marketplace 上获得。使用 NVIDIA GPU 加速技术,Sight Machine设想为制造业做出变革性贡献。

这一举措汇集了英伟达 AI 平台和专业知识,在深入学习,微软的端到端流和 AI 解决方案制造,以及视场机器的十年专业发展启发式数据标签和应用人工智能到工厂。

Sight Machine 首席执行官乔恩·索贝尔( Jon Sobel )表示:“这项工作解决了制造业转型的最后一个关键瓶颈,并将迅速加速工厂人工智能的日常使用。”。

图 1 。具有 NVIDIA Triton 和 Azure 机器学习集成的视觉机器解决方案。

具体而言, Sight Machine 的工具了解 OT 数据,并将工厂数据映射到其流模型中。通过解决人工智能的问题,并与英伟达的专家联手, Sight Machine 为制造商提供了比以前更快地准备好数据人工智能的工具。这节省了制造商的时间和费用,并使数据科学家能够广泛选择现代 GPU 加速算法。如果没有 RAPIDS 框架和 SDK ,它们可以处理数据量、多样性和保真度。

该解决方案还使数据科学团队能够使用 NVIDIA GPU – 加速计算进行实验,以找到并训练最佳模型。然后,他们可以使用 NVIDIA Triton 推理服务器和 Azure 机器学习来优化模型的服务和编排。该解决方案使用 NVIDIA Metropolis 进行计算机视觉、 NVIDIA 时间序列预测和机器学习和 DL 算法的综合组合,以及 NVIDIA Riva 进行 NLP 和对话人工智能技术,以便及时组织和向用户传达上下文感知的见解。

例如, one Sight 机床为大型化学品制造商的每个工厂位置自动执行标记到资产的映射操作,目的是缩短时间以提高数据驱动的制造生产率。该工具还提高了标记映射过程的质量,并通过提高效率和自动化为内部团队创造了能力。

“英伟达专注于 GPU 加速整个数据科学管道,包括 ETL 、 ML 和深度学习算法,允许工业公司完全解决复杂、速度、准确性和体积的数据,以工业用人工智能来解锁数万亿美元的价值,” Paresh Kharya 说。 NVIDIA 产品管理高级总监。“我们与视窗机的合作以及英伟达平台在微软 Azure 基础设施上的应用,将加速工厂级的 AI LED 数字化改造。”

视窗机器的平台还使用 Azure 数据湖、 Azure 机器学习、 Azure PurVIEW 与英伟达 AI 平台集成,通过 AI 加速标签到资产映射。

“我们很高兴看到这些合作伙伴共同解决阻碍工厂转型的问题。 NVIDIA 已在 Microsoft Azure 基础设施上开发了一套全面的工具,而 Sight Machine 拥有行业和技术经验,能够快速将工厂数据变为现实和规模,使我们的共同客户能够实现工业 4 . 0 的好处,”微软制造和供应链首席技术官 Indranil Sircar 说。

客户的一个例子是Essex Furakawa。埃塞克斯 Furakawa 为电动汽车提供关键线路。要在十几家工厂每天提取数百万磅的铜,将其转化为无缺陷的涂层电线,并管理数千台机器和数百个 SKU 的生产,这是一项极具挑战性的任务。所有这些都是在管理能源、生产完美产品和在竞争激烈的条件下工作的同时完成的。

“两年前,我们开始与视窗机合作,我很高兴地分享到合作伙伴已经成长为包括微软和 NVIDIA 。在他们的帮助下,通过视觉机器平台,我们已经能够从工厂数据生成实时数据基础。这个基础使我们能够理解和优化每一个产品。每一台机器都使用标准化的、准确的信息。我们可以看到我们从未在远程和实时地看到的东西,并且这个数据基础给了我们一个新的组织能力。” Jacques Wannenburg 说,信息技术高级副总裁埃塞克斯。

瞄准器机床将于 2022 年 2 月推出测试版, 4 月正式上市。

 

Tags