Advertising

San Luis Potosí/Aguascalientes

Dale superpoderes de inspección a tu fábrica con Computer Vision

Por Jair Pérez. Enero 2022

Cuando platico con algún directivo de una empresa fabricante y le explico la forma en que Computer Vision potencia las habilidades de las personas y mejora los procesos, me gusta usar este ejemplo: imagina que tienes un documento de 100,000 caracteres y tu jefe te pide verificar que cierta palabra —por ejemplo, un término importante que está repetido a lo largo de todo el texto— esté escrita de forma adecuada.

¿Cómo resolverías esto sin la ayuda de una computadora? De forma manual, leyendo detenidamente el documento dos o tres veces y, quizá, hasta pidiendo la ayuda de alguien una vez que tu vista se agote. Es una forma lenta y propensa a errores; afortunadamente, hoy basta con ingresar un comando en un procesador de textos para hacer una búsqueda específica de esa palabra —quizá también escribiéndola de forma incorrecta para detectar potenciales errores—.

Me encanta este ejemplo porque todos se identifican con él. Ahora piensa en la labor de detectar defectos (en lugar de errores ortográficos) en cientos o miles de piezas (en lugar de palabras) que pasan todos los días en una banda transportadora.

Tienes un operario que hace un excelente trabajo para identificar aquello que luce ‘diferente’ a los parámetros que le han señalado. Claro, el problema es hacer esta labor una y otra vez, de forma monótona, generando cansancio, aburrimiento y desgaste. En lugar de un procesador de textos, tienes un sistema de Computer Vision que, a diferencia de las personas, es incansable en la línea de producción. 

Claro, las empresas han hecho estas labores con personas porque no tenían las herramientas para hacerlo de otra forma. Ahora las cosas son distintas.

La combinación de la visión artificial, basada en reglas, y el análisis de imágenes, basado en el aprendizaje profundo, es ideal para identificar todo tipo de anomalías: desde defectos en piezas o verificar si cierto componente se instaló incorrectamente. Además, la velocidad de detección es mucho mayor. Puedo decir que el aprendizaje profundo es impecable en esta labor.

Las empresas más avanzadas ya han hecho parte de estas labores con sistemas de visión artificial tradicional —que no incluye aprendizaje profundo—, mediante sensores que envían imágenes a una PC para que las analice y tome decisiones. De acuerdo con la empresa Cognex, estos sistemas se basan en reglas de negocio y son efectivos cuando se trata de piezas “consistentes y bien fabricadas”. Pero, ¿qué sucede cuando las piezas o los procesos son más complejos?

Los sistemas de Computer Vision basados en aprendizaje profundo dotan a los sistemas de capacidades de aprendizaje más avanzadas para analizar defectos. “El aprendizaje profundo combina la escalabilidad y la confiabilidad de la visión artificial tradicional, con la capacidad innata de los humanos para detectar las diferencias”, agrega Cognex.

Una solución de este tipo ha sido ideal para una empresa automotriz que enfrentaba diversos defectos e imperfecciones en sus bloques de motor, algo que era muy difícil de resolver con la visión artificial tradicional, dada la poca homogeneidad de las anomalías. Computer Vision fue la clave para captar estos defectos amorfos y reducir el sorting y las penalizaciones de sus clientes.

Estoy seguro de que ninguna tecnología potencia las habilidades humanas de inspección como Computer Vision.

 

MÁS INFORMACIÓN:

Jair Pérez

CEO de Gesta Labs

Mail: jair@gestalabs.com 

Advertising

Te puede interesar

Ediciones Impresas