Promuovere l'innovazione: NVIDIA supporta il salto in avanti nell'efficienza produttiva del BMW Group con l'aiuto dell'IA generativa

Con una tradizione di oltre un secolo, BMW Group è leader mondiale nella produzione di automobili di fascia alta, di lusso e ad alte prestazioni. Rinomata per la sua ingegneria di precisione, l'azienda è una garanzia quando si tratta di produrre veicoli di fascia alta. In particolare, nel 2023, il marchio ha ricevuto eccellenti valutazioni di affidabilità nello studio sull'affidabilità dei veicoli di J.D. Power condotto negli Stati Uniti.¹

L'azienda è nota per rendere possibile la massima espressione della personalità di ogni singolo individuo, consentendo la personalizzazione dei propri veicoli con opzioni che vanno dalla selezione di colori particolari e non convenzionali alla modifica delle finiture e persino alla sostituzione o all'aggiunta di parti per migliorare funzionalità e prestazioni. Solo per il modello MINI, il gruppo BMW è stato in grado di offrire 15 miliardi di combinazioni differenti. Tuttavia, nonostante l'incredibile complessità legata alla produzione, in media, il gruppo BMW produce un nuovo veicolo al minuto.

L'Ufficio Tecnologico del BMW Group, con sede a Monaco, è una struttura di ricerca e sviluppo avanzata dedicata alle tecnologie emergenti e alla progettazione dei prodotti, che plasma attivamente il futuro dei prodotti del gruppo. Questo hub tecnologico collabora con varie divisioni del gruppo BMW su progetti basati sull'IA, guidandole nella definizione degli obiettivi, nell'acquisizione dei dati, nello sviluppo di modelli e nella distribuzione delle soluzioni.

L'Ufficio Tecnologico del BMW Group ha inoltre guidato lo sviluppo della soluzione SORDI (Synthetic Object Recognition Dataset for Industries) allo scopo di ottimizzare numerosi processi di produzione. Questa iniziativa rivoluzionaria mira ad accelerare l'addestramento dell'IA nella produzione, offrendo il set di dati open source più grande e realistico finora disponibile per l'ambiente industriale, con oltre 800.000 immagini fotorealistiche che coprono 80 categorie, dai pallet ai carrelli elevatori.

Il BMW Group utilizza NVIDIA Omniverse™ per creare fabbriche virtuali e simulare scene complesse, in combinazione con i sistemi NVIDIA DGX per la creazione di dati sintetici basati su tali simulazioni.

Per gestire l'intera gestione del ciclo di vita dei modelli di deep learning, dallo sviluppo e dall'addestramento alla distribuzione e alla manutenzione, l'azienda ha scelto i sistemi DGX con architettura NVIDIA Hopper™. I sistemi DGX vengono utilizzati per addestrare modelli di generazione di dati sintetici basati sul deep learning. Quindi, utilizzando i dati sintetici generati, vengono impiegati per addestrare modelli di deep learning, che includono attività come il rilevamento di oggetti, la segmentazione di immagini, la classificazione di immagini e la stima della posizione 6D. Infine, i sistemi DGX vengono utilizzati per valutare e testare i modelli addestrati.

Un responsabile IT del gruppo BMW ha commentato: “Il nostro percorso di trasformazione è iniziato con l'introduzione dei primi sistemi DGX. Nel tempo, abbiamo adottato con coerenza l'innovazione aggiornando all'ultima generazione o integrando facilmente nuovi sistemi nel nostro cluster. Passando dall'iniziale focus sulla ricerca e sviluppo, ora distribuiamo i sistemi DGX anche in produzione. Con cluster dedicati per team e progetti specifici, gestiamo in modo efficiente le attività, assegnando priorità e quote. Inizialmente veniva utilizzato dai team di ricerca e sviluppo, ma la tecnologia DGX ora svolge un ruolo chiave nell'esecuzione di parti integranti della nostra attività”.

“Con numerosi sviluppatori che eseguono lavori di addestramento sette giorni su sette e che gestiscono set di dati di grandi dimensioni che superano le 500 mila immagini, la potenza di calcolo migliorata dei sistemi DGX ci consente di addestrare modelli sempre più grandi e complessi. Questo, a sua volta, ci consente di testare un numero maggiore di iterazioni e parametri sempre più diversificati per ottenere risultati ottimali. I sistemi DGX hanno permesso di aumentare di 8 volte la produttività dei nostri data scientist ottimizzando l'utilizzo delle risorse. Ora possiamo eseguire un'unica sessione di addestramento di grandi dimensioni o lanciarne diverse in parallelo, per un flusso di lavoro più efficiente che supporta l'iterazione rapida. Rispetto ai nostri precedenti sistemi legacy, otteniamo costantemente miglioramenti da 4 a 6 volte più significativi”, ha dichiarato un responsabile IT del gruppo BMW.

Il set di dati SORDI.ai, composto da immagini sintetiche, ha anche avuto un impatto significativo sulle applicazioni IA downstream. Il team ha inoltre sviluppato LabelTool Lite, un sistema di riconoscimento delle immagini pre-addestrato che i dipendenti hanno perfezionato con foto adatte in base ad attività specifiche. Ad esempio, l'addestramento con IA per il rilevamento dei battitacco delle portiere richiede meno di un'ora e richiede non più di cinque immagini per attività. La pipeline IA elabora e migliora questi dati aggiungendo immagini ed etichette generate sinteticamente, azzerando lo sforzo manuale. Il sistema IA è quindi in grado di riconoscere diversi tipi di battitacco delle portiere e di generare un avviso se viene installato il modello sbagliato. Inoltre, è in grado di rilevare cuciture mancanti o non tinte correttamente nei prodotti in pelle, automatizzando l'ispezione visiva con una forte attenzione alla qualità.

“Prima classificavamo manualmente migliaia di foto per riflettere le infinite variazioni possibili nel processo di produzione. Utilizzando modelli di deep learning addestrati su DGX, ora possiamo generare automaticamente centinaia di migliaia di immagini con un semplice clic. Il tempo necessario ai nostri dipendenti per implementare l'automazione dell'IA nel garantire la qualità è stato ridotto di oltre due terzi. Il nostro dataset SORDI esamina e copre ogni caso e combinazione immaginabile, tenendo conto anche delle diverse condizioni di illuminazione. I dipendenti possono caricare automaticamente questi dati in LabelTool Lite e iniziare immediatamente l'addestramento senza ulteriore sforzo manuale, consentendo l'IA no-code”, ha aggiunto il responsabile IT del BMW Group.

Per l'inferenza, viene utilizzato TAO, parte della suite software NVIDIA AI Enterprise. La tecnologia TAO incorpora gli script AutoML utilizzati dal BMW Group per l'ottimizzazione degli iper-parametri, garantendo una precisione ottimale in varie applicazioni. Un esempio include il rilevamento in tempo reale nei modelli di computer vision, che consentono di valutare e identificare le parti difettose con precisione nell'arco di millisecondi.

Oltre a ottimizzare i processi di produzione e a migliorare il controllo della qualità, il dataset SORDI sta contribuendo alla strategia di sostenibilità del BMW Group. Il dataset contiene informazioni come l'impronta di CO2, la datazione e il consumo energetico degli oggetti. Utilizzando questi dati, l'azienda è in grado di eseguire simulazioni sui propri sistemi DGX per ottimizzare il risparmio energetico e la riduzione di CO2 per i prodotti della fabbrica e i relativi componenti costituitivi.

Il responsabile IT del BMW Group ha inoltre aggiunto: “Gli esperti di NVIDIA, in particolare nel campo della soluzione SORDI AI e nell'integrazione dell'IA in Omniverse, sono stati di grande supporto. L'assistenza e il supporto rapidi ed esaustivi che ci hanno fornito sono stati davvero fondamentali, soprattutto durante l'installazione e la configurazione iniziali del server o del cluster. Il contributo di NVIDIA è inoltre andato ben oltre le pratiche di routine, fornendo preziose informazioni, suggerimenti e ottimizzazioni che hanno aiutato notevolmente il raggiungimento dei nostri obiettivi e l'efficienza complessiva.”

Nell'era dell'Industria 5.0, grazie all'utilizzo dell'IA generativa per migliorare il controllo qualità, simulare vari scenari di produzione e migliorare la gestione della catena di approvvigionamento, il gruppo BMW è pioniere nell'automazione e nel miglioramento dell'efficienza dei professionisti della conoscenza. Dall'utilizzo di LLM per la scrittura del codice per lo sviluppo di layout strategici degli impianti di fabbrica o di soluzioni text-to-image per la generazione precisa di oggetti industriali agli strumenti in grado di comprendere le richieste personalizzate dell'utente e produrre dati appropriati fino alla pubblicazione di SORDI di dataset altamente fotorealistici, il gruppo BMW sta democratizzando l'intelligenza artificiale per il settore manifatturiero.

“Il nostro impegno prevede la continua espansione della nostra infrastruttura DGX, un prezioso complemento all'uso delle GPU nel cloud. Ciò è davvero cruciale nell'ambito dell'IA di SORDI, dove lo sviluppo di numerose nuove API e reti richiede l'affidabilità e le prestazioni della piattaforma DGX”, ha dichiarato il responsabile IT del BMW Group.

[1] J.D. Power.Studio di J.D. Power sull'affidabilità dei veicoli negli Stati Uniti (2023) Febbraio 2023.