Green S-Data

QUID e Green S-Data: la crescita dell’AI nell’Industria con LENOVO e LiCO, la nuova piattaforma on-premises per l’Intelligenza Artificiale

Green S-Data srl, azienda di Rovigo, è nata nel 2019, una azienda che fa dell’Innovazione, delle risorse Green e dell’Intelligenza Artificiale il suo asset principale. Sviluppa in proprio risorse hardware e software, avvalendosi anche di collaborazioni con Università del nord Italia. Uno dei primi passi dell’azienda è quello di dotarsi di un centro di calcolo, sia per lo sviluppo di proprie tecnologie sia per la possibilità di fornire servizi a clienti terzi. Un breve periodo di analisi dello stato dell’arte della produzione mondiale, porta l’azienda a dotarsi del primo mattone del proprio centro di calcolo, selezionando sia hardware che software Lenovo. Si tratta di un 650 con configurazione alta, dotato di 5 GPU, 2 CPU, 384 Gb Ram e dulcis in fundo 4 dischi NVME. Questo permette prestazioni interessanti, al pari di macchine ben superiori, unite ad un contenuto prezzo d’acquisto. La configurazione permette anche un confronto con l’hardware in sviluppo in azienda, trattandosi di hardware per datacenter. LiCO, il sistema per portare l’Intelligenza Artificiale on premises è il fiore all’occhiello. Scelto per mettere a disposizione una interfaccia amichevole per rendere l’AI a portata di tutti, con l’installazione della versione 5.5, permette anche l’integrazione con la suite di sviluppo Jupiter notebook direttamente. Il binomio Ai-Python è ormai inscindibile.

QUID srl, azienda della Repubblica di San Marino, da un ventennio si occupa di automazione industriale. Robot, sistemi di trasporto e lavorazione e sistemi di supervisione sono il suo pane quotidiano. Nonostante le piccole dimensioni, QUID ha partnership con Beckhoff e lavora per marchi mondiali nel mercato dell’elettronica.

L’esigenza

Dall’incontro di queste aziende nasce l’idea di un prototipo industriale a basso costo per il controllo di qualità tramite la ricerca di difetti visivi sulle immagini. Nasce così l’esperimento inserito in un panorama più ampio di test dell’infrastruttura LiCO. Vengono inseriti anche addestramento e rilevazione di difetti visivi mediante immagini, utilizzando l’interfaccia amica di LiCO, senza scendere in dettagli di programmazione. Completamente in mano all’utente resta solamente la fase di addestramento al riconoscimento dei difetti. Notevole la poliedricità di reti a disposizione per l’addestramento ed il riconoscimento. È possibile scegliere la rete più “giusta” per l’obiettivo prefissato con un target ottimale di 9 su 10 riconoscimenti positivi. Con alcune reti raggiunte costantemente 10 riconoscimenti su 10 positivi.
Diego Melloni, CEO di Green s-Data, presenta l’azienda come una startup innovativa all’americana, dove il centro del business è focalizzato sullo sviluppo della proprietà industriale su tecnologie “Green”. Quindi riduzione dei consumi, efficientamento energetico e salvaguardia delle performance nello sviluppo di infrastrutture di calcolo. Il core business prevede anche l’utilizzo di FPGA, tecnologia d’avanguardia che consente di raggiungere gli obiettivi già descritti e che l’azienda vuole personalizzare e certificare su hardware Lenovo.
Gianfranco Cellarosi – CTO di Green S-Data e Dottore in Ricerca su analisi dei dati – illustra l’obiettivo, quello di poter consegnare insieme ad un supervisore di produzione anche un sistema di controllo qualità visivo economico e performante. Quindi un’applicazione di intelligenza artificiale a tutto tondo che prevede:

  • semplicità d’uso
  • performante
  • costo contenuto
  • scalabile e distribuibile
  • integrabile facilmente in sistemi di supervisione e IoT industriali

La soluzione

Attraverso diverse partnership consolidate con i principali vendor tecnologici del mercato, come ad esempio la Gold Business Partnership con Lenovo, VM Sistemi fornisce infrastrutture tecnologiche in grado di supportare l’alta richiesta di performance e di affidabilità, richieste dalle più moderne applicazioni.

Le soluzioni infrastrutturali messe a disposizione da Lenovo, abilitano infatti potenti soluzioni di Artificial Intelligence, le quali a loro volta offrono un valore potenziale alle aziende che cercano di sfruttare i dati e le aiuta a capire meglio i sottili cambiamenti del comportamento, delle preferenze o della soddisfazione del cliente per generare nuove opportunità di business.

 

Con la soluzione proposta l’obiettivo è presto raggiunto, con termini di prestazioni e feedback illustrati da Christian Cherubin, l’Ingegnere Elettronico che ha eseguito numerosi test sull’infrastruttura Lenovo/LiCO. In particolare si ponga l’attenzione su:

  • confronto tra reti neurali: efficacia ed efficienza con LiCO. Percentuale di successo di individuazione oggetti e riconoscimento immagini
  • impatto dischi NVME sulle prestazioni generali e sull’AI in particolare
  • performance dell’infrastruttura

A disposizione vi sono oltre 30 reti neurali. Si è constatato che le immagini a disposizione (sui difetti dei materiali) sono molto sensibili all’algoritmo di analisi. Con alcune reti abbiamo faticato a raggiungere il 50% dei riconoscimenti corretti. Con altre il risultato era stabilmente del 100%, ovvero l’affidabilità del riconoscimento era sempre esatta.
Si sono potute anche confrontare le prestazioni generali e specifiche della macchina. Se si confrontano reti neurali, è bene parlare anche di prestazioni di GPU. LiCO ha a disposizione una interessante varietà di reti neurali e l’utilizzo per le GPU più blasonate. In particolare, potendo anche confrontare le prestazioni di un’altra macchina demo Lenovo, anche se un po’ più “stagionata”, si è potuto costruire un termine di confronto. Le GPU erano differenti, ma le prestazioni erano comunque in linea con le differenze di modello della GPU: P100 Vs T4. Se ci si poteva aspettare in base al datasheet che le P100 andassero solo al doppio delle T4, ciò è stato empiricamente confermato, come si vede in figura (a). Ma come ben noto, il costo di acquisto delle T4 è veramente interessante e ricompensa ampiamente il GAP di performance. Per non parlare della differenza di consumi, di circa 70 watt per la T4 mentre si parla di oltre 250 watt per la P100. I Consumi complessivi della macchina sotto carico, con 5 GPU sotto stress non ha mai superato i 500 watt complessivi.

I 4 dischi NVMe a bordo del server 650 di Green S-Data hanno confermato prestazioni importanti:

  • RAID 5 4k: read: IOPS=30.1k, BW=118MiB/s (123MB/s)(1024MiB/8709msec)
  • RAID 0 4k: read: IOPS=62.7k, BW=245MiB/s (257MB/s)(1024MiB/4183msec)
  • Le elaborazioni AI, aumentano di 3 o 4 volte le prestazioni per il checkpoint con scrittura su dischi NVMe, rispetto ai dischi standard (SAS), come si evince dalla figura  di seguito.

 

I vantaggi

Giuliano Bargelli – CEO di QUID srl – è soddisfatto dei risultati ottenuti, che permettono di concentrarsi sulla fase successiva di consolidare tali risultati, all’interno della propria suite per la supervisione delle linee di produzione. QUID dispone di una propria tecnologia per i sistemi di supervisione, in continuo aggiornamento, integrata anche con software del settore dell’automazione industriale. La sfida per QUID è innovare profondamente il proprio prodotto, offrendo un’orchestrazione tra MES, HMI, IoT e AI. Il dominio di questo paradigma è il successo dell’industria 4.0. LiCO offre un ottimo strumento di AI, utilizzabile sia da interfaccia WEB sia tramite interfacce dedicate.
La conclusione è che LiCO può essere usato con successo ed economicità, in una linea di produzione per la verifica ottica di difetti su materiale, utilizzando l’interfaccia web messa a disposizione dal framework. Il tutto in maniera semplice e zero codice da implementare ulteriormente.