制造业

Pegatron 借助视觉 AI 智能体和数字孪生扩大工厂运营规模

目标

Pegatron 是一家财富 500 强企业,也是全球最大的电子产品制造商之一,为各种复杂的消费类电子产品、通信产品和计算产品提供制造服务。如今,该公司在全球拥有超过 10 万名员工,24 个办公地点,年收入约 350 亿美元。在生产高质量产品的同时,市场对提高运营效率的期望日益增长,Pegatron 采用了加速计算技术,以在竞争激烈的行业中保持领先地位。尽管一些工厂因担心实施成本以及数据分析不足导致结果不明确而犹豫不决,Pegatron 仍通过利用 NVIDIA 视频搜索和总结 (VSS) AI BlueprintNVIDIA MetropolisNVIDIA Omniverse™ 和 NVIDIA Isaac Sim™ 开发了两个平台,以应对上述挑战。这些平台现已完成部署,用于推动自动化并提高其工厂的效率。

客户

Pegatron

合作伙伴

Pegatron

用例

计算机视觉 / 视频分析
仿真 / 建模 / 设计
机器人开发

产品

NVIDIA AI Enterprise
NVIDIA 视频搜索和总结 AI Blueprint
NVIDIA Omniverse
NVIDIA Isaac Sim
NVIDIA Metropolis
NIM

Pegatron 利用 NVIDIA 视频搜索和总结 (VSS) AI Blueprint 和 Omniverse,在其工厂中获得了即时的投资回报。

  • 新工厂施工时间缩短 40%
  • 每条装配线的劳动力成本降低 7%
  • 缺陷率降低 67%

灵活部署生产线设施的最优化平台:PEGAVERSE

传统的生产线规划依赖工厂人员的经验来安排工位和任务,但缺乏对实际运营状况的预见性。生产线的整体设备效率 (OEE) 只能在运营开始后进行评估,但这通常为时已晚,因为资本已投入。利用 NVIDIA Omniverse,Pegatron 构建了数字孪生平台 PEGAVERSE,用于创建物理精准的工厂运营仿真环境,对数据进行数字化处理,从而发现改进机会,例如尽早检测到系统瓶颈。

通过将仿真与现实世界智能相结合,PEGAVERSE 实现了在构建生产线之前快速改进运营。可以首先对生产线规划进行仿真,以估算周期时间、预测效率并找出瓶颈所在。可以根据结果对仿真进行优化和调整,以更大限度地提高利用率。通过仿真和评估,PEGAVERSE 有助于有效减少在繁琐修改实体线路上花费的时间和金钱。

Pegatron 已部署了六个与实体生产设施并行的虚拟工厂,确保其空间的各个方面在实际实施之前都经过设计、测试和优化。这预计可帮助将新工厂的施工时间缩短 40%。

“Pegatron 使用 NVIDIA Omniverse 协助开发应用程序,借此提前规划虚拟工厂。这可将新工厂的施工周期缩短 40%。”

Andrew Hsiao,
Pegatron AI 开发副总经理

创建 AI 工厂:PEGA AI

在 Pegatron,可以利用许多机会借助生成式 AI 和 AI 智能体来优化流程。但是,每个部门都在创建自己的智能体,努力满足计算需求,MLOps 工作流以及最低限度的标准化。为进一步提高效率,Pegatron 构建了 AI 工厂 PEGA AI,帮助用户构建、训练和部署各种 AI 智能体。Pegatron 利用 NVIDIA AI EnterpriseNVIDIA DGX™ 来加速 AI 智能体开发,同时借助一系列广泛的基础和推理模型以及工具来简化数据处理、模型定制、检索增强生成 (RAG) 以及安全防护。这些模型包括大语言模型 (LLM) 和基于 NVIDIA VILA 架构的定制视觉语言模型 (VLM)。

在过去的四年中,PEGA AI 已将整个公司的 AI 智能体开发速度提高了 400%。这些 PEGA AI 智能体将利用 NVIDIA Isaac Sim 从机器人中获取基于传感器的数据,并利用 NVIDIA Metropolis 从摄像头基础设施中提取数据,以进行视频分析。这类智能体可作为智能客服智能体、质量检查员或仓库运营智能体进行部署,检查机器运行状况监测、安全合规和流程优化。

作为精密产品装配领域的领导者,Pegatron 利用 PEGA AI 和 NVIDIA 视频搜索和总结 (VSS) AI Blueprint 构建了 PEGA 视觉分析智能体 (VAA)。扩大 AI 工厂规模所面临的一个持续挑战是复杂的手动程序,同时还要经历高劳动力流动率。例如,监控手动装配过程的合规性不仅需要大量人力,容易出错,而且在资源稀缺时难以进行扩展。

为应对这一挑战,Pegatron 部署了一个装配引导智能体,以利用 VSS 帮助实时监控和优化装配流程。智能体分析装配过程以发现潜在的异常并确认整个装配过程都符合安全标准。例如,如果在组装手机或笔记本电脑时出现失误(例如忘记安装螺丝),这时,Pegatron 工作人员会收到实时警报,并立即修复错误。工厂车间操作员甚至可以查看事件的视频片段,并向装配引导智能体提出问题,做出进一步澄清。

利用该 AI 智能体优化装配流程,Pegatron 每条装配线的劳动力成本减少了 7%,缺陷率降低了 67%。与 NVIDIA 的合作使 Pegatron 能够确保始终如一的质量、提供更高效的流程管理,并推动整个制造业务的创新和成功。

另一个例子是 Kinsus,一家全球 IC 载板供应商以及 Pegatron 客户,在识别和解决制造缺陷方面面临挑战。这需要制造工程师进行耗时的手动检查,查看数千个元件,通过关联机器设置、材料温度及其他因素来查明问题。借助 PEGA AI,Kinsus 构建了一个多模态 AI 智能体,将图像分析与制造数据相结合,用于自动分析和解决问题。现在,他们不仅可以准确识别缺陷,还能够查明其根本原因。这种 AI 驱动式方法通过 NVIDIA VLM 进行强化后,可将分析准确率从 76% 提升至近 95%,将分析缺陷所需的时间从数天大幅缩短到接近于零。由此显著提升了产品质量控制水平,并加速了向自主制造的转型。

“我们将利用 AI Blueprint VSS 创建视觉 AI 智能体,用于监控运营并生成更多洞察。例如,该智能体可以在未能出色完成任务时做出总结,并进行根本原因分析。”

Andrew Hsiao,
Pegatron AI 开发副总裁

结合 PEGAVERSE 与 PEGA AI 的强大优势:数字孪生 + AI 智能体

通过结合数字孪生AI 驱动的工厂的强大优势,Pegatron 正在大规模训练 AI 智能体,成为工业 AI 领域的领导者。例如,他们构建了一个 AI 智能体,帮助其点胶机器人动态适应不断变化的环境条件,例如胶水粘度或室温。利用先进仿真和 PEGA AI,该团队开发了一个智能体来学习点胶策略,并在仿真的 PEGAVERSE 中进行演练。

该智能体将在 PEGAVERSE 数据飞轮中进行微调,直到能够自主评估和优化点胶机参数,并实时进行动态调整来适应环境变化。这确保了始终如一的质量和效率。通过在 PEGAVERSE 中模拟各种场景,并快速进行反复改进,该系统将开发周期从数天缩短到数分钟,帮助智能工厂实现了可扩展的智能自动化。PEGAVERSE 加速了从仿真到现实世界的策略迁移,从识别缺陷或冗余进化为应用情境推理和因果分析。观看 Pegatron 在 NVIDIA GTC 上的演讲 — 协调数字孪生与 AI 工厂:释放工业自主化的潜力,了解 AI 驱动的工厂如何大规模训练 AI 智能体,优化现实世界运营并推动自动化。

开始利用 AI Blueprint 进行开发,实现物理 AI 解决方案。