其他行业 · AI应用
利用仿真优化生产线
台达电子（Delta Electronics）面临最大化生产线效率的挑战，这常常导致浪费增加和设置时间延长。为解决这些问题，他们采用了 NVIDIA 的仿真技术，特别是利用 NVIDIA Omniverse 创建制造过程的详细仿真。这种方法使他们能够识别运营中的瓶颈和低效环节。结果，台达电子实现了生产线优化 30%，生产设置时间减少 25%。这些改进不仅提高了运营效率，还促进了更可持续的制造环境。
合成数据驱动AI训练速度提升
100倍
来源披露
物体模型检测准确率（使用合成数据）
90%
来源披露
01
业务背景
台达电子（Delta Electronics）面临最大化生产线效率的挑战，这常常导致浪费增加和设置时间延长。为解决这些问题，他们采用了 NVIDIA 的仿真技术，特别是利用 NVIDIA Omniverse 创建制造过程的详细仿真。这种方法使他们能够识别运营中的瓶颈和低效环节。结果，台达电子实现了生产线优化 30%，生产设置时间减少 25%。这些改进不仅提高了运营效率，还促进了更可持续的制造环境。
02
遇到的问题
生产线优化依赖物理位置开关，重新配置耗时且导致停机，传统方法难以灵活扩展；手动收集训练数据耗时且成本高。
03
AI 解决方案
利用 NVIDIA Omniverse 和 OpenUSD 连接多源 3D 资产，构建生产线的物理精确数字孪生，进行“what-if”仿真以识别最优布局；通过 Omniverse Replicator 大规模生成合成数据，训练计算机视觉模型，并在 Isaac Sim 中模拟检测性能，替代物理开关。
- 1使用 OpenUSD 和 Omniverse 聚合来自 Autodesk 3ds Max、FlexSim、Visual Components 等应用的 3D 资产，形成统一资产管线
- 2构建生产线的物理精确数字孪生
- 3在数字孪生中运行“what-if”仿真，提前识别并解决产线问题
- 4利用 Omniverse Replicator 快速生成大规模带标注的合成数据
- 5使用合成数据训练计算机视觉模型，用于检测托盘和产品
- 6在 NVIDIA Isaac Sim 中模拟模型性能，验证并优化检测方案
04
实施结果
合成数据驱动AI训练速度提升：100倍（100X faster）
物体模型检测准确率（使用合成数据）：90%（达到90%准确率）
05
风险与边界
未披露
“Using Isaac Sim and Omniverse Replicator has allowed us to significantly increase our synthetic data generation capabilities by over 100X.”
Ares Chen · PSBG General Manager, Delta Electronics
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。