Es preciso puntualizar que Amazon también termina incorporando la visión artificial como herramienta de control de calidad para los productos dañados. Y decimos también por qué no son los primeros, ni mucho menos, que utilizan esta tecnología para poder controlar productos dañados. Industrias como la de automoción, transporte o alimentación, llevan ya tiempo utilizando la Visión Artificial para el control de calidad de piezas o productos, en tareas que antes hacían las personas, y ahora se hace mediante la captura de imágenes y el software de visión artificial.
Para que nos hagamos una idea, la visión artificial trabaja sobre fotografías o imágenes de productos, con las que ha sido entrenada, para detectar daños, golpes, rozaduras o etiquetados incorrectos. Llevado a la práctica, en la industria de automoción, por ejemplo, es posible la detección de piezas defectuosas, pudiendo no solo retirar las mismas, sino de poder hacer ese control en un tiempo mucho menor, y con una cobertura temporal de 24/7.
Amazon, ha implantado la misma idea, pero focalizando en la detección de los productos dañados que sales de sus centros de distribución, de forma que eliminan potenciales devoluciones. Han implantado este sistema en 12 centros de distribución de Estados unidos y Europa, pero el objetivo es su implantación global en todos y cada uno de los centros que tienen a nivel mundial.
La herramienta de visión Artificial de Amazon está controlando el proceso de empaquetado del producto, antes de su envío al cliente, de manera que los productos dañados y detectados, son retirados de la línea, y el pedido es "duplicado", para que llegue uno en perfectas condiciones a manos del cliente. Como en otras industrias, anteriormente, esta labor lo hacían personas físicas, con una verificación visual de unos determinados puntos del producto, proceso que es el que viene a sustituir la herramienta de Visión Artificial.
El departamento responsable de este desarrollo (Amazon Fulfillment Technologies) esta utilizando los modelos de aprendizaje habituales en este tipo de desarrollos, es decir, se "enseña" y entrena a la inteligencia artificial, por un lado, que debe de ver (contornos, producto, etc), y, por otro lado, se le "entrena" en detectar los daños frente a un producto no dañado. Esta fase es crítica, ya que supone poner los cimientos sobre los que el modelo de aprendizaje (deep learning) pueda seguir aprendiendo y perfeccionando los patrones.
Lo que sí queda claro, es que este tipo de desarrollos, cuando están a pleno funcionamiento, son mucho más rápidos y eficientes que el humano, peo por contra, precisa de un entrenamiento muy intenso, manual en muchas fases, y que se complica en casos como el de Amazon, donde la multitud de referencias y artículos, eleva la dificultad.
Artículo propiedad de Carlos Zubialde
contacto@informacionlogistica.com
