Para entender este artículo debes quitarte cualquier sesgo respecto a que las tecnologías de industria 4.0 son una moda y carecen de aplicación práctica. Si eres de los que piensa así, sugiero que, al menos en los minutos que te tome leer esto, te abras a la oportunidad de pensar distinto.
Aquí vamos. Empecemos por dejar de pensar que Visión Artificial Avanzada –la versión que incorpora deep learning– no resuelve problemas cotidianos porque, sencillamente, eso suena a resistencia al cambio. Volvamos a 1970: ¿Te imaginas a un mecanógrafo rechazando trabajar en los novedosos procesadores de texto que las empresas informáticas y de computación están introduciendo al mercado porque considera que no agregan valor a su trabajo?
Lección: debemos entender que la tecnología debe ser una herramienta diseñada para mejorar nuestro trabajo.
Aquí te traigo un caso: una automotriz comenzó a detectar defectos en algunas piezas de la carrocería cuando salían del proceso de estampado. El problema es que los descubría tarde, lo que generaba retrasos en la línea de producción. Y a esto añade que el área de estampado está completamente automatizada y, por seguridad, ningún trabajador puede estar ahí mientras la línea esté operando.
La solución: la empresa recopiló imágenes de distintos tipos de defectos de las piezas, con lo que desarrolló un algoritmo que aprendiera a detectar cualquier anomalía. Luego, instaló cámaras en el área de estampado que tomaban fotos de las piezas estampadas y enviaban alertas al operario una vez que veían algo fuera de parámetro. Al final, era el operario quien tomaba la decisión sobre lo que debía suceder con esa pieza, si la enviaba al conveyor de rechazo o se trataba de un falso positivo, como suele decirse en estos casos.
Lo que quiero demostrar es que, sin importar la industria, lo importante es enfocarnos en incorporar tecnologías para mejorar algún proceso.
Hay otro ejemplo de una empresa que fabrica calzado deportivo. Tiene un problema: altos costos logísticos debido a la alta tasa de devoluciones que tiene en las plataformas de comercio electrónico donde vende sus productos, incluyendo su página web.
¿Por qué sucede esto? Principalmente, porque la gente elige mal el número de calzado –seis de cada 10 personas que compran en su plataforma lo hacen mal, según sus cifras–. Claro, en una tienda física no existe este problema. Alguien se mide un zapato y decide si le ajusta o, en su caso, pide la talla correcta, pero ¿cómo resolver esto en una plataforma de e-commerce?
La empresa desarrolló una herramienta para teléfonos inteligentes que combina capacidades de Computer Vision con realidad aumentada, de tal forma que la gente puede escanear su pie usando su teléfono. La herramienta ofrece 13 puntos de medición sobre la morfología del pie, no sólo la longitud, lo que eleva la exactitud. Con esa información, la gente sabe qué número y tipo de calzado le viene mejor, disminuyendo drásticamente la posibilidad de que alguien elija mal y, desde luego, reduciendo los costos por devoluciones.
Ya lo decía Uri Levine: “Enamórate del problema, antes que de la solución”. Sólo de esa forma encontraremos el mejor camino para resolverlo.
MÁS INFORMACIÓN
Rafael Páez
Cofundador de Gesta Labs y vAIsor
rafael@gestalabs.com
https://gestalabs.com
