NVIDIA
NVIDIA 解決方案架構師洪鈺嘉

製造業目前的趨勢在於產品設計越來越複雜,這也代表在設計製程上,要付出的運算需求也會大幅提升。但是在產品變得更複雜、運算需求的提升的情況下,可能還會面臨客戶要求讓設計產品週期縮短的情況。

「台灣製造業中目前遇到的問題,是否可以透過 GPU 加速平台解決?」 NVIDIA 解決方案架構師洪鈺嘉在《TechOrange》2022 智慧大工廠論壇中,分析台灣製造業中會遇到的問題,並分享 NVIDIA 過去透過 GPU 解決的成功案例。

產業對運算需求、效能要求大幅提升

為了滿足製造業對產品的需求,供應鏈在各方面也都需要導入新技術,以達到最好的產能。洪鈺嘉以半導體產業舉例,隨著運算需求提升,在晶圓製造方面推出更先進製程,以滿足運算需求。但其實半導體供應鏈除了 IC 製造之外,在上、中、下游也都需要有技術上的提升

在 IC 設計上,很多研究都透過 AI 技術進行模擬。但洪鈺嘉表示,在 IC 瑕疵檢測上,因為製程提升導致電晶體體積縮小,電晶體數量也變得更多,這讓電子顯微鏡在拍攝時會變得更模糊,讓傳統 AI 、AOI 機台的辨識能力變差。而因應之道就是提升模型複雜度,或是做更多取樣,才能讓模型準確率回到過去的水準。

企業對運算需求、效能大幅提升,過去傳統 CPU 已經無法滿足現在產業對於運算的需求。舉例來說,AI、HPC(高效能運算)、模擬等相關的應用,過去在 CPU 上需要數天的時間完成的運算,透過 GPU 加速可以降低到數小時之內

洪鈺嘉進一步說明,現在製造業中,很多 HPC 應用都在國家級的資料中心做開發,但因為 GPU 的加速讓產業運算成本降低、能力提升,因此現在很多企業也會靠 HPC 來解決產業上的問題。現在 GPU 運算或平行運算被廣泛應用在各種領域中,讓醫療科學、自駕、5G 等不同領域中的專業人士,都能享受到 GPU 加速帶來的好處。

台灣製造業遇到的問題,是否可以透過 GPU 加速平台解決?

9/19-22 NVIDIA GTC 2022 重磅登場!

立即報名即可抽 GeForce RTX 3080 Ti 顯卡
>>活動辦法看這裡<<

產業中 GPU 加速的三大應用

洪鈺嘉將目前製造業可以透過 的應用分成三個類型。第一類較偏產線設備技術的提升,例如透過 AI 檢測產品瑕疵,或是透過產線上的實際數據來預測未來可能發生狀況;第二類是各式各樣不同的模擬,如材料模擬、結構模擬、流體力學模擬;第三類較偏產線中廠房、產線的規劃,很多演算法也都透過 GPU 平行運算,用 AI 模型分析產線狀況等。

上個月 NVIDIA 在年度 GTC 開發人員大會中分享了和百事可樂的成功案例。百事可樂每天商品出貨量約十幾億個產品,且要透過一百多個配送中心的複雜網路完成配送,而透過數位孿生和 AI 就能夠解決這樣的複雜問題。這樣的應用在製造業中相當常見,也很適合用於產線規劃中。

過去製造業在產品設計和驗證上會用不同的軟體進行模擬,如產品的模擬設計和功能驗證。而數位孿生可以想像成一種模擬技術,應用於產線規劃和工廠布局的設計和優化。洪鈺嘉認為,以虛擬模擬做配置,是製造業的一個新方向。在虛擬環境中規劃產線,比在現實環境中調整更有效率,也能降低現實中設計錯誤帶來的成本耗損。

模擬世界中收集到的資料如何應用在現實世界?

開發應用需要收集大量的訓練資料集來訓練 AI 模組,過去在實際產線上收集資料會遇到一些問題,因為產線狀況的變化大,包括產品包裝、光線照明等都有可能發生,因此很難在實際狀況中完全掌握。洪鈺嘉指出,以數位孿生方法收集資料,一大好處在於可以在虛擬環境中大量產生目標物的訓練資料,以此隨機產出各種變化。

另一個好處就是不用再做數據標記(data labeling)。在現實產生出的資料需要透過人工進行標示,但虛擬世界中在產生的同時以同時製造好標記,而不再需要人工輸入。以數位孿生的方式收集資料,可以大幅降低現實情境中需要收集的資料量

最後洪鈺嘉表示,因為製造業的產品設計越來越複雜,企業需要付出更多計算資源。NVIDIA 也針對不同應用情境設計了不同的 GPU,讓各領域都可以有最適合的 GPU 幫助解決產業問題。

9/19-22 NVIDIA GTC 2022 重磅登場!

立即報名即可抽 GeForce RTX 3080 Ti 顯卡
>>活動辦法看這裡<<

(本文提供合作夥伴轉載,圖片來源:《TechOrange》)