Moteur d'innovation : NVIDIA soutient BMW Group dans son bond en efficacité de production grâce à l'IA générative

Avec une histoire de plus de 100 ans, BMW Group est l'un des principaux constructeurs automobiles haute qualité, de luxe et à hautes performances. Reconnu pour son ingénierie de précision, BMW Group s'est forgé une réputation pour ses véhicules de haute qualité. La marque a notamment obtenu d'excellentes notes en matière de fiabilité dans l'étude de 2023 de J.D. Power sur la sûreté des véhicules aux États-Unis^¹.

Le constructeur est connu pour offrir une expression maximale à chacun, en proposant des options de personnalisation allant des couleurs rares et non conventionnelles à la modification des finitions, en passant par l'échange ou l'ajout de pièces pour améliorer la fonctionnalité et les performances. Rien que pour sa MINI, à ce niveau de gamme, BMW Group proposait 15 000 milliards de combinaisons différentes. Malgré la complexité de la production, BMW Group produit en moyenne un nouveau véhicule par minute.

Le bureau technologique de BMW Group situé à Munich est un centre de R&D avancé, spécialisé dans les technologies émergentes et la conception de produits, qui façonne activement l'avenir des produits de BMW Group. Ce hub technologique collabore avec différentes divisions de BMW Group sur des projets basés sur l'IA en les guidant dans la définition des objectifs, l'acquisition de données, le développement de modèles et le déploiement de solutions.

Soucieux d'optimiser de nombreux processus de production, le département technologique du groupe BMW a été le fer de lance du développement de SORDI (Synthetic Object Recognition Dataset for Industries). Cette initiative révolutionnaire vise à accélérer l'entraînement à l'IA en production en offrant le jeu de données open-source le plus vaste et réaliste pour l'environnement industriel, composé de plus de 800 000 images photoréalistes dans 80 catégories, des palettes aux chariots élévateurs industriels.

BMW Group utilise NVIDIA Omniverse™ pour créer des usines virtuelles et simuler des scènes complexes, ainsi que les systèmes NVIDIA DGX pour créer des données synthétiques basées sur ces simulations.

Pour gérer l'ensemble de la gestion du cycle de vie des modèles de Deep Learning, du développement à l'entraînement en passant par le déploiement et la maintenance, BMW Group s'est tourné vers des systèmes DGX avec l'architecture NVIDIA Hopper™. Les systèmes DGX sont d'abord utilisés pour entraîner des modèles de génération de données synthétiques basés sur le Deep Learning. Les données synthétiques générées servent ensuite à entraîner des modèles de Deep Learning dans des domaines tels que la détection d'objets, la segmentation d'images, la classification d'images et l'estimation de pose en 6D. Enfin, les systèmes DGX sont utilisés pour évaluer et tester les modèles entraînés.

Un responsable informatique de BMW Group a déclaré : "Notre parcours de transformation a commencé avec le lancement des premiers systèmes DGX. Au fil du temps, nous avons systématiquement opté pour l'innovation, soit en passant à la nouvelle génération, soit en intégrant facilement de nouveaux systèmes dans notre cluster. Nous sommes passés d'une phase initiale de R&D au déploiement des systèmes DGX en production. Grâce à des clusters dédiés à des équipes et des projets spécifiques, nous gérons efficacement les travaux en assignant des priorités et des quotas. D'abord employé par nos équipes de R&D, DGX joue désormais un rôle essentiel dans l'exécution de parties essentielles de notre activité."

"De nombreux développeurs s'occupent de tâches d'entraînement tous les jours de la semaine et gèrent des jeux de données volumineux dépassant 500 000 images. La puissance de calcul accrue des systèmes DGX nous permet d'entraîner des modèles plus volumineux et plus complexes. Cela permet en retour de tester un plus grand nombre d'itérations et des paramètres de plus en plus variés afin d'obtenir des résultats optimaux. Les systèmes DGX ont multiplié par huit la productivité de nos data scientists en optimisant l'utilisation des ressources. Nous pouvons organiser une seule grande session d'entraînement ou en lancer plusieurs en parallèle, ce qui permet de disposer d'un workflow plus efficace et de prendre en charge une itération rapide. Par rapport à nos systèmes traditionnels, nous enregistrons régulièrement des améliorations 4 à 6 fois supérieures", a expliqué un responsable informatique de BMW Group.

Le jeu de données SORDI.ai est composé d'images synthétiques et a eu un impact considérable sur les applications d'IA en aval. L'équipe a développé LabelTool Lite, un système de reconnaissance d'images pré-entraîné que les employés peaufinent avec des photos adaptées à des tâches spécifiques. Par exemple, l'entraînement de l'IA pour la détection des seuils de porte prend moins d'une heure et ne nécessite pas plus de cinq images par tâche. Le pipeline d'IA traite et améliore ces données en y ajoutant des images et des étiquettes générées de manière synthétique, évitant ainsi toute intervention manuelle. Le système d'IA est alors en mesure de reconnaître différents types de seuils de porte et de sonner l'alarme si le mauvais modèle est installé. Il détecte également les points manquants ou mal colorés dans les produits en cuir, automatisant ainsi l'inspection visuelle en mettant fortement l'accent sur l'assurance qualité.

"Des milliers de photos étaient auparavant classées manuellement pour refléter les innombrables variations possibles au cours du processus de construction. Grâce à des modèles de Deep Learning entraînés sur DGX, nous pouvons désormais générer automatiquement des centaines de milliers d'images en appuyant sur un bouton. Le temps nécessaire à nos employés pour mettre en œuvre l'automatisation de l'IA dans le cadre de l'assurance qualité a été réduit de plus de deux tiers. Tous les cas possibles et toutes les combinaisons imaginables, y compris les différentes conditions d'éclairage, sont pris en compte et couverts par notre jeu de données SORDI. L'employé peut charger automatiquement ces données dans LabelTool Lite et lancer l'entraînement immédiatement sans autre effort manuel, ce qui permet une intelligence artificielle sans programmation", a ajouté le responsable informatique de BMW Group.

Pour l'inférence, BMW Group a recours à TAO, qui fait partie intégrante de la suite logicielle NVIDIA AI Enterprise. TAO intègre des scripts AutoML utilisés par BMW Group pour l'optimisation des hyperparamètres, ce qui garantit une précision optimale dans de nombreuses applications. À titre d'exemple, la détection en temps réel dans les modèles de vision par ordinateur permet d'évaluer et d'identifier les pièces défectueuses avec précision en seulement quelques millisecondes.

Outre l'optimisation des processus de production et l'amélioration du contrôle qualité, le jeu de données SORDI contribue à la stratégie de développement durable de BMW Group. Le jeu de données contient des informations telles que l'empreinte carbone, l'âge et la consommation d'énergie de l'objet. Grâce à ces données, BMW Group est en mesure d'effectuer des simulations sur ses systèmes DGX afin d'optimiser les économies d'énergie et de CO2 pour les produits de l'usine et leurs composants.

Le responsable informatique de BMW Group a assuré : "Les experts de NVIDIA, notamment en matière d'IA pour SORDI et d'intégration de l'IA dans Omniverse, nous ont apporté une aide précieuse. Leur réactivité et l'exhaustivité de l'assistance ont été particulièrement impressionnantes, en particulier pendant l'installation et la configuration initiales du serveur ou du cluster. L'assistance de NVIDIA est allée au-delà du support traditionnel : l'entreprise nous a fourni des informations, des astuces et des optimisations précieuses qui ont grandement contribué à notre succès et à notre efficacité."

À l'ère de l'industrie 5.0, BMW Group est un pionnier en matière d'automatisation pour améliorer l'efficacité des employés de bureau. L'IA générative permet d'améliorer le contrôle qualité, de simuler divers scénarios de production et d'améliorer la gestion de la chaîne d'approvisionnement. L'utilisation de grands modèles de langage pour rédiger du code afin de développer des configurations stratégiques d'usine, des solutions de conversion de texte en image qui génèrent des objets industriels avec précision, des outils capables de comprendre les invites personnalisées des utilisateurs et de produire les données appropriées, ainsi que la publication d'un jeu de données SORDI de qualité photoréaliste, démontre l'engagement de BMW Group à démocratiser l'intelligence artificielle pour l'industrie manufacturière.

"Notre engagement inclut l'expansion continue de notre infrastructure DGX, qui constitue un complément précieux à l'utilisation des GPU dans le Cloud. Cet aspect est particulièrement crucial dans le domaine de l'IA pour SORDI, où le développement de nombreux nouveaux réseaux et d'API ne peut se faire sans la fiabilité et les performances de la plateforme DGX", a conclu le responsable informatique de BMW Group.

[1] J.D. Power.J.D. Étude menée par Power en 2023 sur la sûreté des véhicules aux États-Unis. Février 2023.