Energía
Parabole AI acelera hasta 1000 veces la optimización de procesos industriales con Gurobi
Parabole AI
Objetivo
Parabole AI ayuda a las grandes empresas a resolver desafíos de optimización industrial complejos utilizando IA causal. La IA causal es una rama de la IA en la que los algoritmos se basan en la definición de relaciones de causa y efecto entre entradas y salidas. Si bien la IA clásica y el aprendizaje automático se centran en la predicción, la IA causal trabaja para responder a las mismas preguntas de forma generativa, con definiciones estructurales claras. Parabole buscó combinar el modelado causal específico de dominio con una infraestructura de computación de vanguardia utilizando la plataforma de computación acelerada de NVIDIA para transformar la toma de decisiones de IA en tiempo real a escala industrial para sus clientes con velocidad, contexto y confianza.
Cliente
Parabole AI
Partner
Gurobi
Caso de uso
Simulación/modelado/diseño
Productos
Principales conclusiones
Análisis de IA causal más rápido
- El análisis causal general logró una aceleración 1000 veces superior (de aproximadamente 10 horas a menos de 1 minuto) al pasar de la CPU al superchip NVIDIA GH200 Grace Hopper™.
Modelos optimizados para la programación lineal
- El proceso de creación y ejecución de modelos de optimización utilizando programación lineal de enteros mixtos (MILP) ha visto una mejora de la velocidad o la eficiencia entre 1,5 y 2,5 veces.
Procesamiento de datos y generación de gráficos mejorados
- El procesamiento de datos de texto se aceleró hasta 6,8 veces, y la generación y el análisis de gráficos causales mostraron un tiempo de ejecución 2,5 veces más rápido.
La necesidad de optimizar para escalar
En entornos industriales complejos, puede ser extremadamente difícil hacer que la optimización sea escalable y viable en situaciones en las que los datos son ruidosos, la experiencia está fragmentada y los objetivos son fluidos.
Los motores de optimización matemática tradicionales, como Gurobi, son potentes, pero requieren variables, restricciones y objetivos claramente definidos, lo que a menudo no es posible cuando se trata de datos cualitativos, interacciones multifuncionales y fuerzas externas, como la macroeconomía. Parabole TRAIN ingiere continuamente datos multifuncionales, valida hipótesis y refina modelos matemáticos para ejecutarlos por un motor de optimización, lo que permite una optimización dinámica y de alta velocidad a escala. Dicha optimización a escala necesita computación acelerada de stack completo.
La plataforma TRAIN de Parabole ofrece un enfoque causal prioritario para la optimización.
Es difícil tomar decisiones en tiempo real en entornos industriales de gran tamaño y complejos, especialmente cuando los datos provienen de muchos sistemas diferentes. Por eso, Parabole creó la plataforma TRAIN, una solución inteligente que se adapta perfectamente a los flujos de trabajo existentes sin requerir grandes cambios.
En lugar de probar todas las opciones posibles (lo que requiere una potencia de computación masiva), TRAIN identifica los factores clave que realmente impulsan los resultados. Reduce las opciones antes de ejecutar cualquier cálculo y permite tomar decisiones de forma más rápida y eficiente.
Para ello, TRAIN combina la ciencia, el conocimiento de la empresa y los datos del mundo real, junto con las aportaciones de expertos. Esto le ayuda a probar escenarios más inteligentes, reducir las pruebas y errores y reducir más de 10 veces el tiempo general de computación.
Parabole AI
Optimización del espacio de decisiones con IA
Mediante el uso de gráficos causales combinados contextuales, Parabole logró mejorar diez veces la velocidad y la relevancia para reducir la carga de los modelos de optimización.
Para satisfacer las demandas de rendimiento casi en tiempo real, Parabole paralelizó operaciones de modelado causal centrales en miles de lotes de computación de gran tamaño. Para ello, aprovechó la plataforma de computación acelerada de NVIDIA, que proporcionó:
- Miles de núcleos NVIDIA® CUDA® para cargas de trabajo paralelas masivas
- Acceso a la memoria de alta velocidad y comunicación NVLink™ de chip a chip (C2C) entre CPU-GPU para el movimiento rápido de datos
- Una infraestructura escalable que gestiona la creciente complejidad de modelos sin picos de latencia.
Esta sinergia de inteligencia causal, aprendizaje automático y computación de alto rendimiento permite a TRAIN ofrecer optimización continua y consciente del contexto, no solo resolviendo problemas empresariales, sino resolviéndolos de forma muy rápida, precisa y a escala.
«Al combinar la experiencia multifuncional con la computación acelerada por GPU de NVIDIA, no solo resolvemos ecuaciones, sino que resolvemos problemas empresariales reales, de forma continua y contextualizada a una velocidad casi en tiempo real».
Sandip Bhaumik
, CTO, Parabole AI
Conseguir una velocidad 1000 veces superior en la generación de modelos causales.
Al pasar de la computación basada en CPU a la acelerada por GPU, Parabole logró una velocidad 1000 veces superior en la generación y el análisis de modelos causales.
Este salto en el rendimiento fue posible al optimizar los módulos de plataforma para utilizar al máximo la plataforma de computación acelerada de NVIDIA, con pruebas de referencia que abarcan varias arquitecturas de computación de NVIDIA, desde la arquitectura NVIDIA Ampere hasta el superchip NVIDIA GH200 Grace Hopper.
Las principales mejoras de rendimiento al pasar de la arquitectura Ampere a GH200 incluyen:
- Procesamiento de datos de texto: aumento de velocidad entre 4,5 y 6,8 veces.
- Generación y análisis de gráficos causales: ejecución 2,5 veces más rápida
El tiempo general de análisis causal se redujo de aproximadamente 10 horas a menos de 1 minuto al pasar de CPU (64 vCPU x86) a GH200.
Estas mejoras no son solo hazañas técnicas, sino que permiten la toma de decisiones en tiempo real a escala industrial. En una implementación en un gran fabricante de equipos, el agente de IA de optimización causal de TRAIN se utilizó para generar planes de producción al minuto en una planta compleja con varias máquinas y tipos de productos. El sistema:
- Optimizado en varios indicadores clave de rendimiento, incluido el estado de la máquina, los ciclos de mantenimiento, la calidad y los residuos
- Evitó secuencias operativas con alto riesgo de tiempo de inactividad, utilizando conocimiento causal integrado de máquinas y operadores
- Se adaptó rápidamente a interrupciones repentinas (por ejemplo, fallos de máquinas o cambios de demanda) a través de una reconfiguración de escenarios fácil de usar
- Se redujo el problema de planificación semanal de la producción que implica más de 40 millones de puntos de decisión a una tarea de pocos minutos, anteriormente inviable con métodos de fuerza bruta
Resumen de rendimiento en tareas de intervención
- 7200 segundos en una vCPU x86 de 64 núcleos
- Completado en 7,4 segundos en GH200
- 973 veces más rápido en GPU NVIDIA
Rendimiento de generación de hipótesis
- 8500 segundos en una vCPU x86 de 64 núcleos
- Completado en 8,9 segundos en GH200
- 955 veces más rápido en GPU NVIDIA
El futuro de la optimización industrial impulsada por la IA
La integración de la plataforma TRAIN de Parabole, la computación acelerada de NVIDIA y el solucionador de optimización Gurobi está mejorando los procesos industriales en tiempo real. Conjuntamente, esta colaboración ofrece:
- Espacio de decisión optimizado a través de la selección de variables causales y el refinamiento bayesiano
- Inclusión de factores cualitativos para un modelado más realista
- Recomendaciones basadas en las causas raíz que impulsan acciones reales
- Adaptabilidad en tiempo real a las condiciones operativas cambiantes
- Generación rápida de planes, en menos de 5 minutos
- Resultados explicables a través de hipótesis causales transparentes
- Una interfaz fácil de usar que permite una fácil reconfiguración de escenarios
Este marco causal e impulsado por IA permite a las organizaciones ir más allá de los modelos de optimización tradicionales y rígidos, ofreciendo una toma de decisiones más rápida, más interpretable y más adaptativa a escala industrial. Esta novedosa optimización permitió un ahorro del 5 % de gas natural en una gran refinería a través de la generación de reglas de energía en tiempo real y ofreció un aumento del 66 % de la eficacia general de los equipos (OEE), una métrica de fabricación para la disponibilidad de máquinas, la velocidad de producción y la calidad de los productos en grandes líneas de producción de fabricación.
Mirando hacia el futuro, Parabole trabaja para ampliar su metodología a dominios adicionales, como la energía y la logística, al tiempo que mejora la robustez de los modelos de IA y la precisión de la inferencia causal a través de una integración más profunda de datos externos e internos.
Explore las empresas de energía que utilizan la IA y la computación acelerada para diseñar, simular, implementar y optimizar activos y procesos industriales.