Impulso de la innovación: NVIDIA apoya el salto en la eficiencia de producción del grupo BMW con la IA generativa

Con una historia que abarca más de 100 años, el grupo BMW se destaca como fabricante líder de automóviles de gama alta, así como de lujo y de alto rendimiento en todo el mundo. Conocido por su ingeniería de precisión, el grupo BMW se ha ganado una reputación por ofrecer vehículos de alta calidad. En particular, la marca recibió una excelente valoración de fiabilidad en el estudio de fiabilidad de vehículos de J.D. Power de 2023.¹

El fabricante es conocido por ofrecer la máxima expresión de la personalidad de un individuo, permitiendo la personalización desde colores raros y poco convencionales hasta acabados, e incluso el intercambio o la adición de piezas para mejorar la funcionalidad y el rendimiento. Solo para su MINI, en su momento álgido, el grupo BMW ofreció 15 billones de combinaciones diferentes. A pesar de la complejidad de la fabricación, en promedio, el grupo BMW produce un vehículo nuevo cada minuto.

La oficina de tecnología del grupo BMW, situada en Múnich, es una instalación avanzada de I+D dedicada a las tecnologías emergentes y el diseño de productos, que modela activamente el futuro de los productos del grupo BMW. Este centro tecnológico colabora con varias divisiones del grupo BMW en proyectos basados en la IA, guiándolas en la definición de objetivos, la adquisición de datos, el desarrollo de modelos y la implementación de soluciones.

En la búsqueda de la optimización de numerosos procesos de producción, la oficina de tecnología del grupo BMW encabezó el desarrollo de SORDI (Conjunto de datos de reconocimiento de objetos sintéticos para industrias). Esta iniciativa pionera tiene como objetivo acelerar el entrenamiento de IA en la producción al ofrecer el conjunto de datos de código abierto más grande y realista para el entorno industrial, que comprende más de 800 000 imágenes fotorrealistas que abarcan 80 categorías, desde palés hasta carretillas elevadoras.

El grupo BMW utiliza NVIDIA Omniverse™ para crear fábricas virtuales y simular escenas complejas, junto con los sistemas NVIDIA DGX para crear datos sintéticos basados en esas simulaciones.

Para gestionar toda la gestión del ciclo de vida de los modelos de deep learning, desde el desarrollo y la formación hasta la implementación y el mantenimiento, el grupo BMW recurrió a los sistemas DGX con arquitectura NVIDIA Hopper™. Los sistemas DGX se utilizan primero para entrenar modelos de generación de datos sintéticos basados en el aprendizaje profundo. Después, los datos sintéticos generados se utilizan para entrenar modelos de deep learning, que incluyen tareas como la detección de objetos, la segmentación de imágenes, la clasificación de imágenes y la estimación de la postura 6D. Por último, los sistemas DGX se utilizan en la evaluación y prueba de los modelos entrenados.

Un líder de TI del grupo BMW comentó: "Nuestro viaje de transformación comenzó con la introducción de los primeros sistemas DGX. Con el tiempo, adoptamos de manera sistemática la innovación actualizando a la última generación o integrando de manera fluida nuevos sistemas en nuestro clúster. Pasamos de un enfoque inicial en la I+D a la implementación de sistemas DGX en producción. Con clústeres dedicados para equipos y proyectos específicos, gestionamos los trabajos de forma eficiente, asignando prioridades y cuotas. DGX, inicialmente empleado por equipos de I+D, desempeña ahora un papel clave en la ejecución de partes integrantes de nuestro negocio".

"Con numerosos desarrolladores que ejecutan trabajos de formación siete días a la semana y gestionan grandes conjuntos de datos que superan las 500 000 imágenes, la potencia de computación mejorada de los sistemas DGX nos permite entrenar modelos más grandes y complejos. Esto, a su vez, permite probar más iteraciones y parámetros cada vez más diversos para lograr resultados óptimos. Los sistemas DGX multiplicaron por 8 la productividad de nuestros científicos de datos al optimizar la utilización de recursos; podemos ejecutar una única sesión de formación grande o lanzar varias paralelas, lo que resulta en un flujo de trabajo más eficiente que admite una iteración rápida. En comparación con nuestros sistemas tradicionales, hemos logrado mejoras consistentes, que son de 4 a 6 veces superiores", asegura un líder de TI del grupo BMW.

El conjunto de datos SORDI.ai, compuesto por imágenes sintéticas, ha tenido un impacto significativo en las aplicaciones de IA descendentes. El equipo desarrolló LabelTool Lite, que es un sistema de reconocimiento de imágenes entrenado previamente y refinado por los empleados con fotos adecuadas para tareas específicas. Por ejemplo, el entrenamiento de IA para la detección de umbrales de puertas lleva menos de una hora y no requiere más de cinco imágenes por tarea. El proceso de IA procesa y mejora estos datos añadiendo imágenes y etiquetas generadas sintéticamente, lo que elimina el trabajo manual. El sistema de IA puede reconocer diferentes tipos de umbrales de puertas y hace sonar una alarma si se instala el modelo incorrecto. También detecta puntos faltantes o de color incorrecto en productos de cuero, lo que automatiza la inspección visual con un fuerte enfoque en la garantía de calidad.

"Miles de fotos se categorizaban manualmente para reflejar infinitas variaciones posibles en el proceso de fabricación. Mediante el uso de modelos de deep learning entrenados en DGX, ahora podemos generar automáticamente cientos de miles de imágenes con tan solo pulsar un botón. El tiempo que tardan nuestros empleados en implementar la automatización de la IA en el control de calidad se ha reducido en más de dos tercios. Todos los casos posibles y todas las combinaciones concebibles, incluidas las diferentes condiciones de iluminación, se tienen en cuenta y están cubiertos por nuestro conjunto de datos SORDI. El empleado puede cargar automáticamente estos datos en LabelTool Lite y comenzar la formación inmediatamente, sin ningún esfuerzo manual adicional, lo que hace posible una IA sin código", añadió el líder de TI del grupo BMW.

El grupo BMW utiliza TAO, parte del conjunto de software NVIDIA AI Enterprise, para la inferencia. TAO incorpora scripts AutoML utilizados por el grupo BMW para la optimización de hiperparámetros, lo que garantiza una exactitud óptima en varias aplicaciones. Un ejemplo ilustrativo incluye la detección en tiempo real en modelos de visión por ordenador, lo que les permite evaluar e identificar piezas defectuosas con precisión en milisegundos.

Además de optimizar los procesos de producción y mejorar el control de calidad, el conjunto de datos SORDI ayuda con la estrategia de sostenibilidad del grupo BMW. El conjunto de datos contiene información como la huella de CO₂ de un objeto, la edad y el consumo de energía. Utilizando estos datos, el grupo BMW es capaz de realizar simulaciones en sus sistemas DGX para optimizar el ahorro de energía y CO₂ para los productos de la fábrica y los componentes que los conforman.

El líder de TI del grupo BMW añadió: "Los expertos de NVIDIA, especialmente en la IA SORDI y la integración de la IA en Omniverse, han prestado un apoyo excepcional. Las rápidas respuestas y la asistencia integral fueron particularmente impresionantes, especialmente durante la instalación y configuración iniciales del servidor o el clúster. La asistencia de NVIDIA se extendió más allá del apoyo rutinario y ofreció información valiosa, trucos y optimizaciones que contribuyeron en gran medida a nuestro éxito y eficiencia".

En la era de la industria 5.0, el grupo BMW es pionero en la automatización para mejorar la eficiencia de los trabajadores especializados mediante el uso de la IA generativa para mejorar el control de calidad, simular varios escenarios de producción y mejorar la gestión de la cadena de suministro. Desde el uso de modelos lingüísticos de gran tamaño para escribir el código y desarrollar diseños estratégicos de las plantas de fabricación, pasando por soluciones de texto a imagen que generan objetos industriales con precisión, además de herramientas capaces de comprender las indicaciones personalizadas del usuario y producir datos adecuados, hasta la publicación del SORDI de un conjunto de datos altamente fotorrealistas, el grupo BMW está democratizando la inteligencia artificial para el sector de la fabricación.

"Nuestro compromiso incluye la expansión continua de nuestra infraestructura DGX, un complemento valioso para el uso de GPU en la nube. Esto es particularmente crucial en el ámbito de la IA SORDI, donde el desarrollo de numerosas API y redes nuevas exige la fiabilidad y el rendimiento de la plataforma DGX", confirma el líder de TI del grupo BMW.

[1] J.D. Power.J.D. Estudio de fiabilidad de vehículos de EE. UU. de 2023. Febrero de 2023.