Índice del artículo
La visión artificial le da la facultad a las máquinas de tomar el control de los procesos y mejorarlos a niveles de eficiencia quizá si precedentes.
NO ES PARA NADA un concepto nuevo, pero hoy en día se encuentra más vigente que nunca. El procesamiento automático para el análisis de imágenes lleva varias décadas tratando de mejorar aspectos muy puntuales en la industria manufacturera, como la inspección de calidad, pero es ahora cuando está en la antesala para convertirse en una herramienta con un alto poder de transformación.
Tanto así, que el valor del mercado industrial de visión artificial pasará de 8,000 mdd a 12,200 mdd para 2023, con una tasa media de crecimiento anual de 7.6%, de acuerdo con Research And Markets. Los principales factores que la impulsarán son:
- la necesidad de aumentar la automatización en el proceso de inspección de calidad;
- la creciente demanda de sistemas de visión computarizada integrados al internet de las cosas y sistemas de inteligencia artificial;
- iniciativas gubernamentales para apoyar el desarrollo de fábricas inteligentes, entre otros.
La visión artificial le ha permitido a las máquinas mejorar algunos procesos
Pero si la industria se ha apoyado en el uso de esta tecnología desde hace varias décadas para mejorar sus procesos, ¿por qué hasta ahora se encuentran en una de sus mayores épocas de bonanza? La respuesta apunta a que, anteriormente, los algoritmos que utilizaban los programadores para el procesamiento de imágenes se basaban en reglas rígidas, algo que con el tiempo se volvió ineficiente, sobre todo cuando se trataba de analizar y reconocer objetos complejos.
La aplicación de conceptos como aprendizaje automático y aprendizaje profundo (conocidos, respectivamente, como machine learning y deep learning) terminó por resolver los problemas en el reconocimiento de imagen.
Los modelos que han probado ser más exitosos son los conocidos como redes neuronales convolucionales (CNN´s, por sus siglas en inglés), cuyo entrenamiento se basa en exponerlos a una vasta cantidad de imágenes, de tal forma que identifiquen claramente patrones en datos visuales y sean capaces de reconocer formas complejas en cualquier objeto.
Este avance tecnológico es muy representativo en la industria de la fabricación y aquellas actividades relacionadas, como la logística, por ejemplo, pues implica automatizar actividades que antes eran exclusivas de las personas, como la inspección de calidad, a la que puede aportar un mayor grado de precisión y reducir errores.
Palabras mágicas
La inspección es el proceso mediante el que se establece si un producto cumple conjunto determinado de especificaciones técnicas y físicas. Cuando se realiza un proceso de ensamblaje a alta velocidad, de miles de productos, el grado de complejidad de esta práctica aumenta, y también la posibilidad de tener productos con defectos.
Hablar de cero errores en el proceso de inspección de calidad es un sueño para todo ejecutivo del sector industrial. Así que, si le prometes que un proceso automatizado puede garantizarle esto, seguro captarás su atención. Sobre todo si su empresa suele gastar grandes cantidades de dinero en esta área sin obtener un resultado enteramente satisfactorio.
Las soluciones de inspección óptica automatizada (AOI, por sus siglas en inglés) han ganado popularidad en aquellos ambientes que requieren exhaustivas inspecciones visuales de calidad.
Un ejemplo real
La fabricación de las tarjetas electrónicas (o placas con circuito impreso) son uno de los sectores donde esta tecnología está teniendo una mayor popularidad. Sí, me refiero a aquellas láminas, generalmente de color verde, con líneas diminutas y uniones de soldadura, que tienen todos o casi todos los productos eléctricos y electrónicos, y que sirven para conectar todos los componentes electrónicos de un dispositivo.
Con el paso del tiempo, el diseño de estos productos se ha vuelto más avanzado, y su producción más compleja, pues es normal que cada vez se busque tener dispositivos más pequeños. Considera lo siguiente: Aún las placas de circuito impreso más básicas llegan a tener miles de uniones soldadas, y cualquier desviación en el diseño original puede conducir a errores en su funcionamiento. De ahí la necesidad de tener un infalible sistema de inspección de calidad. Pero imagina que lo hacen personas empleándose a fondo para tomar muestras en una línea de producción continua, a fin de detectar pequeñas desviaciones. No parece la manera más eficiente de ejecutarlo.
¿Qué tal si esta labor la realizan cámaras con un software previamente entrenado, instaladas en las bandas transportadoras para hacer la inspección en cuanto finalice el proceso de soldadura de las placas? Detectarlo en este punto podría ser una decisión muy valiosa.
Otros casos
Los sistemas de visión artificial son apenas un caso, pero hay que decirlo: el uso de cámaras para clasificar y calificar productos no es nuevo. Lo que ha revolucionado esta tecnología es la incorporación del aprendizaje profundo, con el cual los sistemas de clasificación de productos han ganado autonomía en su operación, así como mayor precisión y rapidez.
Los avances en este campo les han dado la posibilidad para distinguir y analizar productos de acuerdo con su forma, el tamaño y color, por ejemplo. También pueden entrenarse para identificar características especiales del producto. ¿Por qué son mejores que el ojo humano? porque son continuamente entrenados con miles de imágenes que les ayudan a crear fácilmente patrones para detectar anomalías, con un margen de error mínimo.
Si consideras el ritmo al que producen estas empresas, es decir, miles o millones de unidades desfilando en interminables bandas de producción, puedes dimensionar el impacto de esta tecnología en las plantas de ensamble.
Acércate a nosotros para conocer más respecto a todos los casos de uso donde hemos desarrollado nuestras soluciones tecnológicas punta a punta, a través de la visión artificial y computarizada, y el impacto que han tenido para nuestros clientes, tanto en la transformación de su negocio como en la redefinición de sus recursos humanos.
Si quieres más información respecto a cómo funcionan las redes neuronales convolucionales, da click.