급변하는 세계의 테크 디바이스 분야에서 페가트론(Pegatron Corp.)은 처음에 AI를 활용하여 우위를 점했습니다. 이제 효율성을 더욱 높이기 위해 디지털 트윈 구축을 추진하고 있습니다.
이 대만 기업의 이름이 익숙하지 않을지 몰라도, 대부분의 사람들은 스마트폰, 태블릿, Wi-Fi 라우터를 포함해 페가트론이 7개국의 약 12개 공장에서 만드는 제품을 사용해 봤을 것입니다. 페가트론은 작년에 천만 대 이상의 노트북 컴퓨터를 제조했죠.
페가트론의 소프트웨어 R&D 부문 부사장인 앤드류 샤오(Andrew Hsiao)는 머신 러닝과 메타버스로 알려진 3D 인터넷으로의 전환을 주도하고 있습니다.
AI 플랫폼 구축
세계 최대 PC 제조업체 중 하나인 에이수스(ASUS)에서 분사된 이후 14년 동안 페가트론에서 근무한 베테랑 기술 관리자인 샤오는 “우리는 2012년부터 공장 데이터를 수집하여 운영을 향상시키는 패턴과 통찰력을 얻고 있습니다”라고 말했습니다.
2016년 페가트론 COO인 드니스 야오(Denese Yao)는 새로운 기술을 적용해 운영을 개선하기 위한 태스크포스를 출범했습니다. 샤오의 AI 전문가팀은 공장 직원들과 협력하여 AI 사용 사례를 발굴했는데요. 첫 번째 파일럿 프로젝트 중 하나는 딥 러닝을 사용하여 제품 생산 중 제품의 이상을 감지했습니다.
이 프로젝트가 ResNet과 같은 신경망 모델의 수정된 버전을 사용하여 좋은 결과를 얻게 되자 본격적인 활용에 들어갔죠.
오늘날 페가트론은 자동화 검사를 위해 구축한 AI 플랫폼인 캠브리언(Cambrian)을 대부분의 공장에 사용하고 있는데요. NVIDIA GPU에서 프로덕션 환경에서 훈련되고 실행되는 수백 개의 AI 모델을 유지 관리합니다.
결함은 줄이고 일관성은 높이고
새로운 플랫폼은 수동 검사 대비 30% 적은 편차로 최대 60% 더 많은 결함을 포착하기 때문에 공장 직원들의 반응이 좋습니다.
그는 “수동 검사는 지루하고 반복적인 작업이기 때문에 직원들이 좋아하지 않는 것은 당연합니다. 직원들에게 새로운 기술에 대해 배우고자 하는 동기를 부여함으로써 이제 더 많은 부가가치 작업을 수행할 수 있습니다”라고 말했습니다.
또한 이 시스템은 공장에서 빨라진 검사 라인을 고려하여 조립과 포장 스테이션의 워크플로우를 조정함에 따라 처리량도 향상시킬 수 있습니다.
모델 배포를 50배 더 빠르게
페가트론의 시스템은 NVIDIA A100 Tensor Core GPU를 사용하여 워크스테이션에서 훈련할 때보다 최대 50배 더 빠르게 AI 모델을 배포하여 몇 주가 걸리는 작업을 몇 시간으로 단축합니다.
샤오는 “DGX를 기반으로 하는 통합 플랫폼을 통해 데이터 레이크, 데이터 세트, 훈련이 모두 한 곳에서 이루어지므로 한 번의 클릭으로 모델을 배포할 수 있습니다”라고 말했습니다.
A100 GPU의 멀티 인스턴스 GPU기능을 사용하여, 페가트론은 개발자가 가속기에 액세스하는 데 걸리는 대기 시간을 약 1시간에서 30초로 줄였습니다. 그는 “이를 통해 AI 추론과 경량 모델 훈련과 같은 작업을 동적으로 스케줄링할 수 있습니다”라고 말했습니다.
AI 추론 작업의 일환으로 시스템은 NVIDIA A40와 기타 GPU를 사용하여 하루에 천만 개 이상의 이미지를 분석합니다.
AI 작업을 간소화화는 Triton, NGC
페가트론은 모든 유형의 프로세서와 프레임워크에서 AI 모델을 배포, 실행, 확장하는 데 도움이 되는 오픈 소스 소프트웨어인 NVIDIA Triton Inference Server를 사용하며, 지연 시간을 줄이기 위해 신경망을 단순화하는 소프트웨어인 NVIDIA TensorRT와 함께 작동합니다.
그는 “Triton과 TensorRT 덕분에 여러 고객에게 쉽게 서비스를 제공하고 작업을 가장 비용 효율적인 정밀도 수준으로 변환할 수 있습니다”라고 말했습니다.
샤오의 팀은 GPU 최적화 소프트웨어용 NVIDIA NGC 허브에서 통합 쿠버네티스(Kubernetes) 컨테이너에 다운로드하는 사전 훈련된 AI 모델을 최적화합니다.
그는 “딥 러닝 프레임워크와 우리가 필요로 하는 다른 모든 소프트웨어 구성 요소를 한 번의 클릭으로 얻을 수 있기 때문에 NGC는 매우 유용합니다”라고 덧붙였습니다.
다음 단계: 디지털 트윈
더 스마트한 제조를 위한 다음 단계로 페가트론은 디지털 트윈 개발을 위한 플랫폼인 NVIDIA Omniverse를 시범 운영하고 있습니다.
지금까지 두 가지 사용 사례가 있는데요. 먼저 Omniverse Replicator를 테스트하여 검사 라인에 들어오는 제품이 다양한 조명 조건이나 방향에서 어떻게 보일지에 대한 합성 데이터를 생성합니다. 이 정보는 인식 모델을 더 스마트하게 만듭니다.
두 번째로 검사 장비의 디지털 트윈을 만들고 있습니다. 디지털 트윈을 통해 원격 작업자가 원격으로 관리하고 예측 유지 관리에 대한 통찰력을 높이며 소프트웨어 업데이트를 물리적 시스템에 배포하기 전에 시뮬레이션할 수 있습니다.
그는 “현재는 시스템이 다운되면 불완전할 수도 있는 로그만 확인할 수 있지만, Omniverse를 사용하면 발생한 일을 리플레이하여 수정 방법을 찾거나 시뮬레이션을 실행하여 미래에 어떻게 작동할지 예측할 수 있습니다”라고 말했습니다.
또한 처리량을 중시하는 산업 엔지니어, 다운타임을 관리하는 자동화 엔지니어, 유지 보수를 담당하는 장비 엔지니어들이 서로 다른 국가에서 로그인하더라도 동일한 가상 시스템에서 동시에 작업할 수 있습니다.
가상 공장의 비전
이 모든 것이 순조롭게 진행된다면, 페가트론은 올해 말 안에 검사 장비에서 Omniverse를 사용할 수 있게 될 것입니다.
한편, 샤오는 Omniverse에서 전체 생산 라인의 가상 버전을 구축하는 데 도움을 줄 수 있는 파트너를 찾고 있습니다. 그의 장기적인 비전은 공장 전체의 디지털 트윈을 만드는 것입니다.
그는 “제가 생각하는 최대 장점은 완전한 가상 공장을 구축하여 공장을 통해 제품을 라우팅하는 새로운 방법 등을 시도할 수 있는 것입니다. 시뮬레이션 없이 바로 구축하면 실수 발생 시 큰 비용이 발생합니다”라고 말했습니다.