自主式機器人行經一處工業設施，探索人類難以抵達的地點－這聽來像是科幻小說，但它其實是一項由Avitas Systems公司利用NVIDIA DGX，透過人工智慧打造的服務。
要怎麼把工人安全送到煉油廠的焰囟執行檢查任務－不但要在數百度高溫下工作，還要承擔垂直攀爬的高度風險。答案是大家不必這麼麻煩，這種重要工作已經發展成規模高達400億美元的行業1 －而Avitas Systems公司正運用人工智慧以及NVIDIA DGX顛覆產業的經營型態。
保持安全的代價
在包括油氣、運輸、能源等產業，必須確保資產與設施持續運行，以及維護安全和遵循法律規範，這些目標完全不容許討價還價。為此許多企業每年花在工業檢驗的費用高達1億美元1，而整體維護成本更可能是檢驗費用的5倍之高。
許多企業採取傳統按時計價的檢驗方案，選擇適合的檢驗週期，希望在故障可能性攀升到容許上限之前，能及早發現徵候。然而這種方法不僅通常衍生極其高昂但卻省不掉的成本，還須承擔檢驗時漏掉關鍵瑕疵的風險。
運用深度學習執行風險檢驗
目前許多行業開始捨棄按時計價的檢驗法，改採風險檢驗(RBI)作法，RBI涉及龐大資料以及發生機率的計算，以及詳細評估零件故障導致的後果。
圖中顯示Avitas Systems如何運用NVIDIA
DGX-1與DGX Station支援由
AI運行的機器人檢驗服務。
包括以資訊驅動的風險檢驗(RBI)、新一代無人機、以及其他無人操控機器人技術，它們協助業者蒐集感測器及影片資料，經過計算處理求出結果，之後再根據結果排定更正確的保修時間。Avitas Systems運用GPU運行的深度學習系統，配合進階分析以及機器人檢驗，藉此更精準地預測設備何時需要維護。
而這種作業流程的核心主角正是 NVIDIA DGX-1，這個AI超級電腦平台協助Avitas Systems根據擷取到的龐大資料進行學習與訓練。Avitas Systems運用各種電腦視覺技術，讓系統學會找出各種缺陷，並建立目標區以及須維修與更換元件的熱度圖(heat map)，接著再根據推算出的風險排出優先處理順序。經過訓練後的模型之後再根據實地部署環境進行最佳化，這個程序運用了大量無人機以及其他無人操控機器人，上面配備各種感測器與攝影機，用來對檢驗點蒐集資料與拍攝影片。
把資料中心帶到作業現場
整個流程並沒有在資料中心的DGX-1上結束。有些接受檢驗的廠區位處 “文明邊緣”的偏遠地方－根本不會有健全的網路基礎設施。然而從現場無人機與機器人蒐集到的龐大資料，也會因網路問題而無法傳回資料中心進行深度學習的推導程序。
為解決這項難題，Avitas Systems顛覆傳統思維，把資料中心搬到現場－集縮成NVIDIA DGX Station，系統中裝入數百顆CPU(等同數個機架的x86資料中心伺服器)的運算力，並微縮到耗電量大幅縮減的超小型主機。Avitas Systems不僅在資料產生的現場運用DGX Station執行推論任務，還能在資料匯入的同時立即進行模型改良。
機器人更聰明，企業撙節開支，環境獲得保護
企業在蒐集資料的每一秒都有更多機會運用深度學習來改進模型，並根據最新擷取資訊重新訓練，以及提高各地點機器人檢驗的效率。Avitas Systems藉由這種方法，建立出涵蓋整個生命週期的深度學習價值，不僅能持續演化，還能改進顧客服務，這些都歸功於持續擴大的感測器覆蓋率以及不斷累積的影片資料。
Avitas Systems估算工業檢驗除了讓企業最多省下25%的維護成本，還能確保工業廠房正確維修，防止日漸嚴重的排污以及對環境造成的傷害。
歡迎參閱我們的 資訊圖表 瞭解Avitas Systems的故事
歡迎收看這部網路廣播影片，片中由Avitas Systems公司進階分析與機器學習部門經理探討該公司如何運用NVIDIA DGX作為運算核心，建構全方位的端至端服務 。
欲安排NVIDIA代表電訪討論NVIDIA DGX系統，敬請點選這裡.