用智慧方法生產智慧裝置:和碩運用人工智慧與數位孿生

全球最大的智慧型手機、筆記型電腦等裝置代工製造商之一的和碩,運用 NVIDIA 的技術建立一個人工智慧平台。如今和碩透過 Omniverse 平台,在元宇宙中模擬各項生產作業。
作者 Rick Merritt

在全球迅速脈動生產高科技裝置的業界裡,和碩聯合科技(Pegatron Corp.)(下稱和碩)最初利用人工智慧取得競爭優勢。如今該公司正在發展數位孿生技術,以進一步提高其運作效率。

無論人們對和碩熟悉與否,或許大多數人所使用的智慧型手機、平板電腦、Wi-Fi 路由器,還是其他產品,都是由台灣的和碩公司在七個國家的十餘間工廠所生產的。和碩在去年便生產了超過一千萬台筆記型電腦。

和碩軟體研發部門處長 蕭安助(Andrew Hsiao) 現正帶領和碩進軍機器學習,以及被稱為元宇宙的 3D 網際網路領域。

打造人工智慧平台

蕭安助是和碩從全球最大個人電腦製造商之一的華碩分割出來之後,已在和碩服務十四年的資深技術主管,他指出「和碩自2012年以來,便不斷在收集工廠的各項營運資料,力求找出改善營運效率的模式和見解。」

和碩營運長姚德慈(Denese Yao)女士在2016年成立了一支工作小組,運用新式技術來提升營運績效。蕭安助所帶領的人工智慧專家團隊與工廠員工合作,尋找能夠應用人工智慧技術的各種場合。他們的首個試點項目之一,即為透過深度學習來偵測通過檢測的產品會出現哪些異常情況。

工作小組使用 ResNet 等經調整後的神經網路模型獲得了可靠的結果,因此他們加快了後續的執行進度。

和碩目前在該公司大多數的工廠內,部署了 Cambrian 自動檢測人工智慧平台。這個平台維護著數百個人工智慧模型、在 NVIDIA GPU 上進行訓練,並且在生產環境中運行。

更少缺失,更高的一致性

新平台能夠比人類檢測員發現多出60%的瑕疵,而產品標準不一致的情況減少30%,工廠員工對此給予好評。

蕭安助說:「人工檢測是一項無聊又重複性高的工作,員工不喜歡做這件事也不足為奇。我們現在看到員工有動力去學習新技術,它讓人們有能力做更多可以帶來附加價值的工作。」

隨著工廠調整裝配及包裝站的工作流程,以配合更快速的檢測工作流水線,這套系統還能提高處理量。

部署模型的速度加快50

和碩的系統使用 NVIDIA A100 Tensor Core GPU,將部署人工智慧模型的速度比在工作站上訓練時加快50倍,原本需要數週完成的工作,現在縮短到只要數小時。

蕭安助說:「我們使用建立在 DGX 上的統一平台,把資料湖、資料集及訓練活動都集中在一處,只要按下一鍵就能部署好模型。」

和碩利用 A100 GPU 中的多執行個體 GPU 功能,原本開發人員取得加速器要等待近一個小時,如今只要30秒。他說:「這樣我們便能動態安排人工智慧推論及輕量級模型訓練等工作。」

該系統使用 NVIDIA A40 和其他 GPU,每天分析超過一千萬張圖片,以便進行人工智慧推論工作。

Triton NGC 簡化了人工智慧工作

和碩使用 NVIDIA Triton 推論伺服器,透過這套開放原始碼軟體來協助在各類處理器及框架中部署、運行和擴展人工智慧模型。它再搭配 NVIDIA TensorRT 軟體來簡化神經網路以減少延遲。

他說:「Triton 與 TensorRT 讓我們能夠輕鬆服務多個客戶,將工作轉換為最具成本效益的精度水準。」

蕭安助的團隊將從 NVIDIA NGC 中心下載到整合式 Kubernetes 容器中預先訓練好的人工智慧模型,針對 GPU 最佳化軟體進行優化調整。

他說:「NGC 可謂幫了大忙,我們只要按一下滑鼠,便能獲得深度學習框架及其他需要使用的軟體元件,過去要花不少時間來收集這些東西。」

下一步:數位孿生

和碩在智慧製造方面又邁出了一步,現正嘗試使用 NVIDIA Omniverse 平台來開發數位孿生模型。

和碩到目前為止提出了兩個使用案例。一是測試 Omniverse Replicator,對不同照明條件或方向下,通過檢測的產品的可能外觀產生合成資料。這些資訊會讓和碩使用的感知模型變得更聰明。

二是建立檢測機器的數位孿生模型。如此一來遠端工作人員便能從遠端來管理機器、更加掌握預測性維護的相關細節,以及在將軟體更新內容部署到實體機器前先行模擬。

蕭安助說:「目前要是系統發生故障,我們只能查看可能不完整詳實的日誌,但在有了 Omniverse 之後,我們可以重播發生事情的經過,才能知道該怎麼修復,或是進行模擬來預測系統日後的運行情況。」

和碩的工程師使用 Omniverse 從遠端監控檢測機器。
和碩的工程師使用 Omniverse 從遠端監控檢測機器。

更重要的是,關心處理量的工業工程師、負責停機事宜的自動化工程師,還有處理維護事項的設備工程師,就算他們從不同國家登入,也能同時在同一個虛擬系統中工作。

對虛擬工廠的願景

要是一切進展順利,和碩可能在今年底之前便將 Omniverse 用在該公司的檢測機器上。

Andrew Hsiao  同時也在尋找合作夥伴,協助和碩在 Omniverse 中建立整個生產線的虛擬版本。他的長遠目標是建立整個工廠的數位孿生模型。

「在我看來,建立完整的虛擬工廠才會創造出最大的影響性,這樣我們就可以嘗試一些東西,比如在工廠中用新方法來移動產品。沒有先模擬就直接出手,萬一出錯,代價將十分高昂。」他說。