Impulsar la Innovación: NVIDIA Respalda el Salto de BMW Group en la Eficiencia de la Producción con IA Generativa

Con una historia que abarca más de 100 años, BMW Group se destaca como un fabricante líder de automóviles prémium, de lujo y de alto desempeño a nivel global. BMW Group, reconocido por su ingeniería de precisión, ha forjado su reputación ofreciendo vehículos de alta calidad. En particular, la marca recibió calificaciones excelentes de confiabilidad en el Vehicle Dependability Study de J.D. Power en EE. UU. en 2023.¹

El fabricante es conocido por ofrecer la máxima expresión de la personalidad de un individuo, lo que permite la personalización de opciones, desde seleccionar colores raros y no convencionales hasta cambiar la versión o incluso intercambiar o agregar partes para mejorar la funcionalidad y el desempeño. Solo para su modelo MINI, en su punto más alto, BMW Group ofreció 15 billones de combinaciones diferentes. A pesar de la complejidad de la manufactura, en promedio, BMW Group produce un vehículo nuevo por minuto.

La oficina de tecnología de BMW Group, ubicada en Múnich, se destaca como una instalación avanzada de investigación y desarrollo dedicada a tecnologías emergentes y al diseño de productos que delinean activamente el futuro de los productos de BMW Group. Este centro tecnológico colabora con varias divisiones de BMW Group en proyectos basados en IA y las guía en la definición de objetivos, la adquisición de datos, el desarrollo de modelos y la implementación de soluciones.

En la búsqueda de optimizar numerosos procesos de producción, la oficina de tecnología de BMW Group encabezó el desarrollo de SORDI (Conjunto de Datos de Reconocimiento Sintético de Objetos para Industrias). Esta iniciativa innovadora tiene como objetivo acelerar el entrenamiento de la 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 montacargas.

BMW Group está usando 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 administrar toda la gestión del ciclo de vida de los modelos de deep learning, desde el desarrollo y el entrenamiento hasta la implementación y el mantenimiento, BMW Group recurrió a los sistemas DGX con arquitectura NVIDIA Hopper™. Los sistemas DGX se usan primero para entrenar modelos de generación de datos sintéticos basados en deep learning. Luego, mediante los datos sintéticos generados, se usan para entrenar modelos de deep learning, que incluyen tareas como la detección de objetos, la segmentación y clasificación de imágenes y la estimación de poses 6D. Por último, los sistemas DGX se usan para evaluar y probar los modelos entrenados.

Un líder de TI de BMW Group comentó: “Nuestro proceso transformador comenzó con la introducción de los primeros sistemas DGX. Con el tiempo, adoptamos consistentemente la innovación, al actualizar a la última generación o integrar a la perfección nuevos sistemas en nuestro clúster. Pasamos de un enfoque inicial en la investigación y el desarrollo a implementar sistemas DGX en producción. Administramos los trabajos de manera eficiente y asignamos prioridades y cuotas con clústeres dedicados para equipos y proyectos específicos. DGX, que inicialmente fue empleado por equipos de investigación y desarrollo, ahora desempeña un papel clave en el funcionamiento de partes integrales de nuestro negocio”.

“Con numerosos desarrolladores que ejecutan trabajos de entrenamiento los siete días de la semana y administran grandes conjuntos de datos que superan las 500 mil imágenes, la potencia de computación mejorada de los sistemas DGX nos permite entrenar modelos más grandes y complejos. Esto, a su vez, nos permite probar más iteraciones y parámetros cada vez más diversos para obtener resultados óptimos. Los sistemas DGX aumentaron ocho veces la productividad de nuestros científicos de datos al optimizar el uso de recursos; podemos ejecutar una sola sesión grande de entrenamiento o varias en paralelo, lo que da como resultado un workflow más eficiente que admite una iteración rápida. En comparación con nuestros sistemas heredados anteriores, logramos mejoras consistentes de entre 4 y 6 veces”, dijo un líder de TI de BMW Group.

El conjunto de datos de SORDI.ai, compuesto por imágenes sintéticas, ha tenido un impacto significativo en las aplicaciones de IA derivadas. El equipo desarrolló LabelTool Lite, que es un sistema de reconocimiento de imágenes preentrenado y refinado por empleados con fotos adecuadas para tareas específicas. Por ejemplo, el entrenamiento de la IA para detectar los umbrales de las puertas toma menos de una hora y no requiere más de cinco imágenes por tarea. El pipeline de IA procesa y mejora estos datos al agregar imágenes y etiquetas generadas sintéticamente, lo que elimina el esfuerzo manual. Luego, el sistema de IA puede reconocer diferentes tipos de umbrales de puerta y hacer sonar una alarma si se instala el modelo incorrecto. También detecta las costuras faltantes o de color incorrecto en productos de cuero y automatiza la inspección visual con un fuerte enfoque en el control de calidad.

“Se solían categorizar manualmente miles de fotos para reflejar las infinitas variaciones posibles en el proceso de manufactura. Mediante modelos de deep learning entrenados en DGX, ahora podemos generar automáticamente cientos de miles de imágenes con solo presionar un botón. El tiempo que les toma a nuestros empleados implementar la automatización por IA en el control de calidad se ha reducido en más de dos tercios. Cada caso posible y cada combinación concebible, incluidas las diferentes condiciones de iluminación, se tienen en cuenta y cubren nuestro conjunto de datos de SORDI. El empleado puede cargar automáticamente estos datos en LabelTool Lite y comenzar a entrenar de inmediato, sin ningún esfuerzo manual adicional, lo que habilita una IA sin código”, agregó el líder de TI de BMW Group.

BMW Group usa TAO, parte de la suite de software NVIDIA AI Enterprise, para la inferencia. TAO incorpora los scripts de AutoML utilizados por BMW Group para optimizar los hiperparámetros, lo que garantiza una exactitud óptima en diferentes aplicaciones. Un ejemplo ilustrativo incluye la detección en tiempo real en modelos de visión por computadora, 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 de SORDI está colaborando con la estrategia de sostenibilidad de BMW Group. El conjunto de datos contiene información como la huella de CO2, la antigüedad y el consumo de energía de un objeto. Con estos datos, BMW Group es capaz de realizar simulaciones en sus sistemas DGX para optimizar el ahorro de energía y CO2 en los productos de la fábrica y los componentes que entran en ellos.

El líder de TI de BMW Group agregó: “Los expertos de NVIDIA, particularmente en IA de SORDI y en la integración de IA en Omniverse, han sido notablemente solidarios. Las respuestas rápidas y la asistencia integral fueron particularmente notables, sobre todo durante la instalación y configuración iniciales del servidor o clúster. La asistencia de NVIDIA fue más allá de lo habitual y proporcionó información valiosa, trucos y optimizaciones que contribuyeron en gran medida a nuestro éxito y eficiencia”.

En la era de la Industria 5.0, BMW Group es pionero en la automatización para aumentar la eficiencia de los trabajadores del conocimiento mediante el uso de IA generativa para optimizar el control de calidad, simular varios escenarios de producción y mejorar la gestión de la cadena de suministro. BMW Group está democratizando la inteligencia artificial para la industria manufacturera, desde el uso de grandes modelos de lenguaje hasta la escritura de código para desarrollar diseños estratégicos de plantas de fábrica, las soluciones de texto a imagen que generan objetos industriales con precisión, herramientas capaces de comprender las indicaciones personalizadas del usuario y producir datos apropiados y la publicación de SORDI, un conjunto de datos altamente fotorrealistas.

“Nuestro compromiso incluye la expansión continua de nuestra infraestructura DGX, un complemento valioso para el uso de las 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 confiabilidad y el desempeño de la plataforma DGX”, dijo el líder de TI de BMW Group.

[1] J.D. Power.J.D. Power 2023 U.S. Vehicle Dependability Study. Febrero de 2023.