¿Qué es computer vision y cómo se aplica a la industria automotriz?

Durante el webinar '4 casos de uso de Computer Vision en la industria automotriz y manufacturera' realizado entre Gesta Labs y Cluster Industrial, Adrián Martínez, editor del medio, reflexionó sobre una realidad futurista que no es inalcanzable, de esa forma, le recordó a los espectadores en línea sobre el primer webinar en el que participó Jair Pérez Bazaldúa, CEO y cofundador de Gesta Labs, startup de industria 4.0, y que en esta segunda ocasión acompañó al público virtual para explicarles qué es la computer vision y cómo se puede aplicar a la industria automotriz. 

Jair explicó que la industria 4.0 es la cuarta revolución industrial, movimiento que ha creado sistemas ciber-físicos. Los equipos que hay en planta están conectados a internet y son capaces de operar sin la supervisión humana a través de inteligencia artificial. Actualmente en México, muchas plantas tienen una línea automatizada y otras no, pero esta es una realidad que está alcanzando a la industria, por lo que es necesario actualizarse para evitar pérdidas de producto, mantener la seguridad de una armadora y generar sistemas de producción más confiables.

Jair dijo que la inteligencia artificial es cualquier algoritmo que puede tener un comportamiento inteligente y que dentro de él están diferentes subdisciplinas, por ejemplo, Machine Learning aprende a entender el pasado para predecir el futuro, gracias a datos que interpretan nuevos escenarios. En este sentido el Deep Learning es una red que se asemeja al cerebro y que es la base de computer visión.

Para el sector automotriz, la industria 4.0 se traduce como el internet de las cosas, es decir un control total de forma remota de los sistemas y equipos; Big data que se dedique a encontrar patrones para anticiparse a problemas; Inteligencia artificial, programas que, gracias a los datos masivos, puedan aprender de forma más eficaz cómo operar máquinas y procesos; Robótica, ayuda a desarrollar el funcionamiento de un equipo; Realidad aumentada / Realidad virtual, combinar lo real con lo digital para generar simulaciones que entrenen a los colaboradores. En esta serie de componentes tecnológicos se encuentra el computer vision.

'Computer vision es identificar objetos dentro de una imagen y darle una interpretación o reaccionar a lo que está viendo', dijo Jair, ya que estas redes neuronales digitales tejen significados que se pueden interpretar en número; analizar formas más detalladas, descomponer las imágenes en pixeles, analizar espectros de colores y detectar, clasificar, segmentar. Es decir, aplicándolo a la industria automotriz permite hacer inspecciones en tiempo real, ofreciendo eficiencia en procesos, lo que da ventaja competitiva. Computer vision tiene 4 aplicaciones básicas para la industria: detección de personas u objetos; vigilar la trayectoria de un objeto; comparar características que mejoren los temas de calidad; y detectar defectos en piezas para evitar un paro de línea.

Durante el webinar, Jair comentó que hay dos tipos de hardware para implementar el computer vision: GPU y VPU. Ambos tienen ofertas accesibles y la capacidad para correr los programas necesarios y detectar las imágenes que el cliente pida. Además, explicó que las cámaras tradicionales de seguridad se pueden adaptar para computer vision, solo necesitan un IP para que se conecte con un Server Central con GPUs. Por lo que la capacidad de detectar objetos e interpretarlos es más fácil de lo imaginado.

Jair contó que para aplicar el computer vision a la industria, es importante saber qué se quiere resolver: detectar personas, revisar productos, mantener seguridad en el área, entre otros. Con base en eso, identificar el dolor de la empresa, seleccionar el hardware ideal para esta; tomar una muestra de video para empezar a generar datos y enseñarle al computer vision. Después sigue el etiquetado y preprocesamiento, donde se le enseña a identificar objetos a través de imágenes, en este sentido mientras más imágenes se tengan para alimentar la data, mejor será el aprendizaje del computer vision. Lo importante es que aprenda a identificar objetos para iniciar las pruebas y ver su funcionalidad, explicó Jair.

Enseguida habló de 4 casos de éxito donde el computer vision ha apoya a empresas Tier 1, Tier 2 y armadoras. Primero comentó sobre el control de calidad sobre vehículos de BMW, pues la marca revisa cada 5 segundos las características de sus modelos. Computer vision revisa que cada vehículo haga match con la data que se tiene contemplada y así identificar los modelos. Gracias a esto, los beneficios han sido 99 % de precisión en las inspecciones y 100 % de reducción en el tiempo para inspeccionar manualmente. En el caso de una Tier 1, se pueden instalar cámaras con computer vision para detectar defectos de fábrica, con el fin de no detener la línea de producción y hasta revisar la calidad de materia prima para seleccionar a un mejor proveedor.

Jair habló sobre Termium y su VideoAnalytics, un sistema de seguridad industrial basado en computer vision que vigila las zonas de atrapamiento, la distancia segura en vehículos en movimiento, la seguridad peatonal, entre otros, para dar alertas en tiempo real. Además, ahora con la pandemia de la COVID-19, VideoAnalytics puede detectar si los colaboradores están usando el equipo sanitario necesario o si hay aglomeración de personas.

Computer vision puede apoyar al control de inventarios de Tier 1 y Tier 2. Jair explicó que a veces se pierden piezas en los almacenes, es difícil cuantificar el inventario o identificar piezas, por lo que drones con computer vision podrían revisar estos objetos para hacer match y generar una reducción del 25 % del tiempo que se dedica a localizar productos, una reducción del 15 % de discrepancia en inventario físico vs teórico y la reducción de horas para conteo, tiempo que puede ser empleado para el crecimiento de la empresa en otras áreas.

Jair explicó que el computer vision empieza a irrumpir en la industria automotriz para optimizarla.  Actualmente, se aplica para crear nuevos modelos de negocios que van de la mano con empresa digitales que no estaban en la industria. Dio ejemplos tales como Tesla y su piloto automático y explicó que esos sistemas serían una licencia software para vehículos. Dijo que la idea era crear vehículos con sensores de movimientos para que a medida que avanzaran interpretaran el mundo. Para esta innovación, General Motors se unió con Cruise, Ford con Argo, y a Mobileye se le han sumado Volkswagen, Nissan y BMW para generar el mismo tipo de vehículos.

Jair concluyó explicando que un futuro conviviremos con mayores cadenas de suministro automatizadas, por ello es importante conocer el funcionamiento del computer vision para adaptarnos a lo que viene y ser parte de la innovación.

Preguntas

¿Cuánto tiempo tardaron en desarrollar computer vision para seguridad?
Jair respondió que varía dependiendo de la complejidad de la inteligencia artificial, pues mientras más especificaciones se le pida, más tiempo tomará, pero se puede pensar en un promedio de 1 a 4 meses.

¿Estos sistemas se pagan por proyecto o se paga por las actualizaciones?
Se pueden hacer de las dos formas. Si un proveedor lo instala en la infraestructura ya no se pagará, pero si se renta un espacio en la nube, se pagaría la renta de esta nube. 

Respecto a la implementación de soluciones, ¿cómo compiten con otros como Cognex?
Jair dejo claro que cada producto terminado es particular. Existen ciertas especificaciones en ciertas áreas. En este sentido se debe de crear un modelo de visión artificial dependiendo de lo que necesite el cliente y Gesta Labs es capaz de hacerlo.

¿Qué habilidades necesitan los colaboradores para trabajar con el computer vision?
Jair explicó que es muy sencillo. Se les transfiere el conocimiento a los encargados y esta funciona como una app que vivirá en el servidor y que es muy trasparente en su funcionamiento.

Consejos para construir un caso de negocio en torno al computer vision
Jair dijo que lo importante es identificar problemas de calidad o problemas de seguridad. El dolor que le quite dinero a la empresa. Después de seleccionarlo trabajar con computer vision para evitar esos problemas y a partir de ello se verá una mejora en la empresa.