Índice del artículo
Este caso de uso te mostrará cómo usar Computer Vision para resolver problemas en el almacén. Las tecnologías emergentes son accesibles y fácil de escalar, siempre y cuando te enfoques en el caso de uso adecuado. Aquí tienes un ejemplo.
Por Rafael R. Páez Yrigoyen, cofundador de Gesta Labs y vAIsor
Hay una empresa del sector químico que lidia con un problema de logística y materiales al interior de su almacén. Su proceso de despacho consiste en que cada operario de montacargas recibe a través de un dispositivo handheld una orden para llevar los pallets a los andenes de carga donde están esperando los tráileres para ser cargados y salir a entregar el producto al destino que les corresponde.
Cada pallet está registrado con un código de barras, por lo que, antes de salir a su ruta, los operarios lo escanean para registrar su salida y corroborar que es el producto correcto. En teoría, esto debería minimizar cualquier error al momento de despachar la carga. En teoría.
Houston, tenemos un problema (en el almacén)
El problema es que no es así. Esta empresa recibe reportes y quejas de sus clientes constantemente señalando errores de distintos tipos: producto equivocado, cantidad que no coincide e, incluso, las condiciones del mismo.
¿Por qué sucede esto si se supone que todo el producto, con sus respectivas órdenes de envío, está registrado mediante lectores de códigos de barras?
Cuando se trata de una operación tan robusta, con cientos de entradas y salidas de camiones todos los días, el error humano es algo común, lo que se combina con un sistema de control que tiene algunas lagunas. En este caso, la empresa carecía de una última revisión para verificar que ese pallet fue llevado por el operador al andén correcto y cargado en el camión, lo que daba pie a estas situaciones.
Caso de uso: Computer Vision en el almacén
Si tienes una operación de este tamaño, quizá has pasado por una situación similar y te puedes sentir identificado. Una manera de resolver este problema es con Computer Vision —visión artificial con Deep Learning—. Esta solución te permite automatizar esta última inspección visual del pallet con un sistema inteligente que detecte y envíe una alerta cuando hay alguna anomalía —si el pallet está en el andén que no le corresponde, si no es cargado adecuadamente, etc— y reducir penalizaciones por entregas mal ejecutadas o costos extra derivados de errores en la distribución.
Hay que reconocer que el desarrollo de un modelo así tiene un cierto grado de complejidad. Pero, una vez creado, el modelo es perfectamente replicable y escalable. Y tiene una ventaja extra: usa tecnologías de procesamiento local (edge computing) que permiten una infraestructura lean sin complicación para los clientes y usuarios.
Solución a costos competitivos
Además de esto, este tipo de soluciones tienen un costo tan competitivo que, al momento de escalarlas, se vuelven más económicas, incluso, que tecnologías de RFID o láser que son limitadas en cuanto a su alcance. Claro, lo ideal es iniciar con un proyecto piloto que permita medir las condiciones operativas y la adaptabilidad del modelo, iterar hasta tener una solución lo suficientemente robusta para escalarla.
Y aquí viene lo mejor, una vez que estos modelos de control con computer vision alcanzan un buen grado de precisión, te darás cuenta de la oportunidad que representa para que tu negocio sustituya otros procesos de control costosos y hasta anticuados. Algunos ejemplos son: básculas industriales, conteo, inspección y revisión manual, entre otros.
Como podrás observar, las tecnologías emergentes nos ofrecen la posibilidad de resolver situaciones y problemas con los que hemos lidiado históricamente, pero de una manera más económica y eficiente. La clave es conocer tus posibilidades y darte la oportunidad de innovar y pensar en la manera en que puedes transformar a tu empresa a través de estas tecnologías.
El autor es cofundador y director ejecutivo de Gesta Ventures / Gesta Labs /VAISOR
rafael@gestalabs.com
Este artículo se publicó originalmente en Forbes México