• <xmp id="om0om">
  • <table id="om0om"><noscript id="om0om"></noscript></table>
  • 3 月 19 日下午 2 點,鎖定 NVIDIA AI 網絡中文專場。立即注冊觀看
    生成式人工智能/大語言模型

    Wistron 借助 AI 和 NVIDIA Omniverse 提高制造業的能效

    隨著對環境、社會和治理 (ESG) 投資和計劃的日益重視,制造商正在尋找新的方法來提高其運營中的能效和可持續性。

    電子制造領域的一個機會領域是試運行測試室的性能,這對于確保全球電子產品的可靠性、質量和安全性至關重要。它們能夠及早發現問題,并且對于嚴格的質量控制和符合行業標準至關重要。

    在此聚焦中,我們將探索 Wistron 作為全球最大的信息和通信產品供應商之一,如何與 NVIDIA 合作,構建了數字孿生平臺和支持人工智能的仿真工具,以確保其新驗室中運行測試室的最佳設計、性能和能效。NVIDIA DGX 和 NVIDIA HGX 工廠,可以節省高達 10% 的能耗。

    借助 OpenUSD 和 AI 提高運營效率?

    為了幫助其團隊提高試運行實驗室及其模擬工作流程的能效和生產力,具備人工智能/機器學習、物聯網和三維建模技能的開發者在 NVIDIA Omniverse 該平臺由通用場景描述(OpenUSD)提供支持,

    通過使用 OpenUSD,他們將數字孿生平臺連接到建筑物管理系統和物聯網中心。通過這些集成,他們現在可以訪問物理設施中數千個物理傳感器的實時數據,包括核心溫度、超級計算設施的入口溫度和空調系統的返回溫度。

    這為遠程團隊開啟了實時協作的大門,使他們能夠簡化設施布局的審查,并加速設施規劃和運營中的決策制定。

    Wistron 開發者還使用開源軟件構建了基于物理信息的 AI 模型,并將其集成到 Wistron 數字孿生平臺中。NVIDIA Modulus 框架。這些 AI 模型使模擬專家能夠加速工作、改善熱動力學并降低設施中的風險。借助這些新功能,團隊可以確保冷卻系統即使在最苛刻的條件下也能提供峰值性能。

    A pair of images, the first showing an individual using a tablet to interact with a digital twin, while the second depicts another person at a different location accessing the digital twin using a laptop.
    圖 1.展示數字孿生交互的并行圖像:工廠工作人員在本地使用平板電腦,而工廠經理則通過筆記本電腦遠程訪問平板電腦

    為實驗室構建數字孿生?

    為了構建其數字孿生平臺和實驗室的數字孿生,Wistron 使用 OpenUSD 統一其數據管道并簡化其工作流程。3D 模型由其 3D 專家使用 OpenUSD 對其進行建模。這種方法使其團隊能夠標準化資產創建流程。它還確保資產易于管理,并與團隊使用的各種軟件和模擬工具兼容。

    Wistron 的工廠經理 John Lu 說:“OpenUSD 為我們提供了靈活的數據建模優勢,使我們能夠整合各種數據以及各種 3D 建模和模擬工具的結果。

    例如,OpenUSD 在其數字孿生平臺和 Autodesk FlexSim 模擬軟件中,進一步增強了其團隊模擬、分析和試驗關鍵制造流程的能力。

    Wistron 開發者構建了一個自定義擴展程序,用于從 FlexSim 導入數據和參數。然后,他們使用 OpenUSD 原生 Omniverse 連接器將 FlexSim 中的數據集成到數字孿生平臺中。

    An illustrative diagram depicting the connection between Wistron’s Digital Twin Platform and the physical facilities.

    圖 2. 顯示 Wistron 數字孿生平臺如何與物理設施相連接的示意圖

    借助基于物理性質的 AI 加速模擬和預測風險?

    Wistron 的模擬專家依靠計算流體動力學 (CFD) 模擬來支持運行中實驗室的設計和管理。

    他們的專家越來越多地認識到,在通用計算架構上運行的 CFD 方法缺乏團隊所需的靈活性。進行這些熱模擬需要花費大量時間和資源來生成所需的模擬數據。當設計參數發生變化時,結果變得無效,不得不重新運行模擬。

    為幫助模擬專家應對這些挑戰,他們構建了更多功能并將其集成到數字孿生平臺中,其中包括:

    • 物理信息神經網絡(PINN)使用NVIDIA Modulus,這是一個功能強大的開源框架,用于開發人工智能代理模型。這種方法加快了氣流模擬,將團隊之前需要 15 小時才能完成的流程縮短到 3.6 秒,速度提高了 15000 倍。
    • 基于 AI 的擴展程序,使模擬專家能夠以高保真度可視化和分析 CFD 模擬,以更大限度地減少冷卻系統的負載并降低運營成本,同時保持峰值生產力。
    • 用于自動存儲和檢索系統 (ASRS) 的推薦系統,用于識別最佳測試位置,并自動將新的超級計算基板放置在熱風險最低的位置。

    借助這些新功能,他們可以對其熱系統的基礎物理特性進行近似計算,從而能夠快速準確地預測運行測試室內的溫度分布和熱行為。現在,團隊可以確定設施中的熱點,并預測未來 30 分鐘的核心溫度。

    閱讀最新內容 NVIDIA 新聞 了解 Wistron 如何利用 NVIDIA 技術來構建和運行數字孿生。

    其他資源:

    ?

    0

    標簽

    人人超碰97caoporen国产