Empresas con visión (artificial): sus ventajas

Sergio Sellers Cañizares    21 abril, 2022
vision-artificial

La visión artificial (computer vision) permite a las máquinas capturar, procesar y comprender el entorno a partir de imágenes, de forma análoga a nuestro sistema visual.

Los compañías utilizan estas capacidades principalmente con dos objetivos:

  • Obtener información de un determinado proceso. Por ejemplo, en retail para saber cuánta gente pasa por una tienda, conocer de forma anonimizada género y edad promedio o las zonas en las que se detienen y cuánto tiempo.
  • Automatización de procesos. Esto es más frecuente en entornos industriales. Algunos ejemplos son la clasificación de producto en líneas de producción, inspección de imperfecciones, control de calidad de soldaduras, guiado de robots o detección de sustancias químicas. Estos casos requieren ir acompañados de una integración con la línea de producción para conseguir los beneficios de la automatización total del proceso.

Una «fase emocionante» de la visión artificial

Puede sonar novedoso pero, así como la inteligencia artificial lleva ya medio siglo entre nosotros, la visión artificial -que algunos definen como una de sus “hijas” más aventajadas- también se usa desde hace décadas. Los expertos consideran que ya ha alcanzado su madurez y según ABI Research se encuentra en una “fase emocionante”.

Esta firma de investigación e inteligencia de mercado prevé que el mercado de visión artificial alcance los 36.000 millones de dólares en 2027. Significa una tasa de crecimiento del 11 por ciento respecto a los 21.400 de este año.

Los sistemas de visión artificial se están consolidando como una herramienta importante para la transformación digital. Ya resulta clave en la fabricación y se espera que su impacto en la Industria 4.0 se incremente en los próximos años. Además, a los casos de uso tradicionales -vigilancia, seguridad, monitorización de activos o inspección de defectos- se han empezado a sumar otros muchos. En la actualidad existen ejemplos de aplicación de visión artificial en casi todos los sectores.

Explosión de casos de uso innovadores

Según ABI Research, la pandemia y su impulso a la digitalización han llevado a la aparición de estos casos de uso innovadores.

Entre ellos, el monitoreo de multitudes – recordemos el sofisticado sistema que desarrolló Telefónica Empresas para controlar en tiempo real el cumplimiento del aforo en las tiendas. También el mantenimiento predictivo con la inspección automatizada de alta precisión con 5G o los sistemas de clasificación en los almacenes, con el auge del eCommerce. En este sentido, podemos destacar el uso de la visión artificial en la logística de reenvío.

Optimización de la logística de reenvío con visión artificial: el caso de DB Schenker

En la logística de reenvío, para poder tarificar correctamente, habitualmente se mide el volumen y el peso de la mercancía en un proceso estático, que dura en torno a 30 segundos Por eso, lo normal es que solo se comprueban aquellas mercancías sospechosas de tener una gran discrepancia respecto al volumen declarado. Pero mediante visión artificial es posible optimizar el proceso.

Telefónica Empresas ha estado trabajando con DB Schenker en un proyecto piloto en el que, a través de un arco, se leen las etiquetas y se calcula el volumen de toda la mercancía que circula por debajo. No es necsario que el operador intervenga ni le dedique ningún esfuerzo ni tiempo extra.

Automatización del proceso

Se ha comprobado que el sistema es capaz de garantizar la misma precisión que la medición en estático y permite medir el cien por cien de la carga en tiempo real. A raíz de esta experiencia, Telefónica Empresas ha lanzado una solución para la automatización del proceso.

La visión artificial permite hacer todos los cálculos automáticamente, según se introduce la carga en el almacén, cuando el operario pasa bajo el arco con ella en la carretilla. Los datos se vuelcan de forma automatizada en el ERP del cliente, que puede a su vez refacturar a sus clientes cualquier exceso no declarado.

El arco integra los siguientes elementos:

  • Cámaras de luz visible para detectar el paso de palés en cualquiera de las direcciones
  • También para la lectura de etiquetas en cualquier posición y cara en que puedan estar posicionadas
  • Y cámaras 3D que permiten calcular el volumen real y cubicado de la carga

De manera esquemática, el flujo se optimiza así:

Quizá no seamos tan conscientes, pero la visión artificial está ya en nuestras vidas -de hecho, en campos tan importantes como la automatización de imágenes médicas para la ayuda al diagnóstico. Y se ha convertido en una herramienta clave para la transformación digital de las empresas por las ventajas competitivas que representa.

A una eficiencia demostrada se suma que en este momento la barrera para adoptar una solución de visión artificial ha disminuido significativamente.

Cómo funciona la visión artificial

La visión artificial básicamente imita cómo usamos nuestra propia visión para entender nuestro entorno y obtener información de valor y en tiempo real. Su funcionamiento se basa en redes neuronales artificiales complejas que, previo tratamiento de las imágenes, pueden comprender mejor lo que les rodea.

La revolución de deep learning

En este sentido, en los próximos años un facilitador clave va a ser el uso de deep learning (aprendizaje profundo). Permite, mediante aprendizaje automático, que el modelo mejore a medida que se recopilan más datos para capacitación y pruebas. De este modo, se puede enseñar a la máquina a identificar una situación del mismo modo que haríamos con un niño y esta aprende a abordar problemas mucho más complejos por sus propios medios.

Deep learning permite a una máquina a interpretar una imagen mediante un entrenamiento con un conjunto muy grande de imágenes, indicándole en cuáles de ellas se produce o no el evento que queremos detectar.

El entrenamiento, clave para el algoritmo

Obviamente, la calidad del algoritmo va a depender de la fase de entrenamiento. Es necesario un conjunto muy grande de imágenes, que representen un conjunto muy diverso de situaciones en las que se produzca el evento que se quiere detectar. Y es preciso que el tipo de imágenes sea similar en cuanto a ángulos, iluminación, resolución y otros parámetros respecto a las imágenes finales en las que se querrá hacer la detección en producción. Aquí radica la mayor complejidad: en disponer de un conjunto suficiente de imágenes como para poder hacer un buen algoritmo, que cubra toda clase de casuísticas.

La solución integrada de visión artificial de Telefónica Empresas

Es habitual encontrar muchas empresas de analítica de nicho que, según el entorno en el que operen, están especializadas en detectar trenes, contenedores, torres eléctricas, coches o cualquier otro tipo de objeto. Para una compañía que solo necesite hacer un tipo de detección, podría parecer relativamente sencillo recurrir a una de esas empresas.

Pero la realidad es que este tipo de proyectos requiere resolver otras casuísticas, que no suelen cubrir las empresas de analítica. Pensemos en la instalación y gestión de las cámaras, la garantía de que los flujos de vídeo llegan hasta el sistema de analítica y la resolución de todo el consumo de un formato tan complejo y pesado como es el vídeo. Además, en el caso de empresas que necesiten analíticas de distinta tipología, la casuística se complica aún más.

Por todo ello, el papel de un integrador capaz de agregar la analítica de distintos especialistas y resolver el proceso extremo a extremo, cobra especial relevancia.

Telefónica Empresas como partner ayuda a las empresas a automatizar sus procesos de forma efectiva. Su valor diferencial consiste en ofrecer una solución integrada con las analíticas más especializadas, garantía de un correcto funcionamiento extremo a extremo de los dispositivos, comunicaciones, gestión del video, analítica y consumo de datos.

Imagen: Doc List

Deja una respuesta

Tu dirección de correo electrónico no será publicada.