La IA y la Visión Artificial simplifican y fortalecen la logística inversa

Industria

Servicios

Tecnología

Un sistema eficaz de almacenamiento de mercancías es uno de los puntos clave para la gestión de Supply Chain y de la Logística Inversa. La mayoría de las empresas se enfrentan a los múltiples retos que suponen la falta de superficie de almacén y/o de terreno abierto, la ausencia de procedimientos eficaces del picking y el almacenamiento y la información insuficiente o desestructurada sobre los componentes de almacenamiento. Además, para completar esta lista de retos operativos, las empresas deben hacer frente a limitaciones derivadas de la naturaleza y de las características de los instrumentos de almacenamiento más utilizados: los contenedores.

En 1994, Denso Wave, filial de Toyota, inventó los códigos QR (historia) para mejorar el proceso de fabricación de vehículos y sus piezas. El almacenamiento de información de los Códigos QR representaba un aumento de 300 veces con respecto a los Códigos de Barras y en consecuencia permitía mejorar el procedimiento de seguimiento de los contenedores llenos. No obstante, la logística inversa plantea sus propios retos y que podrían ser resueltos con la ayuda de la Visión Artificial y soluciones de IA.

Optimización de recursos para una empresa de logística

Para una empresa de transporte y logística a gran escala, resolver el obstáculo de almacenamiento de sus contenedores vacíos es una prioridad esencial y el mayor problema, ya que se gestionan cientos de contenedores de diferentes formas y tamaños en un corto período de tiempo. El factor que hace que aún sea más complicado es que, una vez entregada la mercancía al cliente, los contenedores pierden parte de la información encriptada en los códigos QR que se utiliza para la trazabilidad de la mercancía que había en su interior. Sin embargo, los contenedores vacíos deben ser almacenados temporalmente dentro del espacio limitado del almacén hasta que finalice el proceso de logística inversa. La gestión de estos contenedores debe realizarse en función de su geometría y de la información parcial que ha quedado.

Normalmente, para agrupar los mismos tipos de contenedores en un mismo espacio, los operarios de los almacenes deben devolverlos en el sitio donde estaban inicialmente, con la consiguiente pérdida de tiempo y dinero. Para el cliente ha sido una necesidad estratégica mejorar este método, que consumía muchos recursos, utilizando las herramientas de optimización operativa y los principios de la logística conectada.

Los objetivos planteados al equipo de Aquiles eran claros y respondían a una pregunta: ¿Existe un sistema de IA que pueda reconocer los contenedores en función de su forma y que permita gestionar los inventarios de contenedores en tiempo real en el proceso de logística inversa?

En otras palabras, la aplicación debe ser capaz de:

  • Identificar automáticamente la tipología de los contenedores
  • Reducir los desplazamientos innecesarios de las carretillas
  • Mejorar el seguimiento del número de contenedores en la zona (la trazabilidad)

La solución a medida para este planteamiento consistió en desarrollar un sistema informático basado en Visión Artificial. El equipo de Aquiles propuso diseñar una herramienta de IA que reconociera automáticamente el contenedor que va a ser cargado en una carretilla elevadora e indicara inmediatamente al operario el lugar exacto del almacén al que debe desplazarse y colocar el contenedor.

Los retos de gestión de almacenes durante la logística inversa

El desarrollo del sistema de reconocimiento de IA, gestionado con la ayuda de la Visión Artificial, requería resolver una lista de cuestiones:

Abordar un gran volumen y variedad

Llevar a cabo el servicio de logística y almacenamiento de una importante industria de fabricación de vehículos, supone tener que gestionar cientos de tipos de contenedores, destinados a transportar diferentes piezas y accesorios que posteriormente servirán para la construcción de vehículos en la cadena de montaje. Estos contenedores están hechos de diferentes materiales como metal, plástico o poliestireno expandido (EPS), por nombrar algunos. Para ello, es necesario realizar una detallada categorización para poder diferenciarlos más sutilmente y conseguir así un sistema de optimización más dinámico.

Almacenamiento con soluciones óptimas

Los productos, contenedores reutilizables en este caso, tienden a permanecer más tiempo en los canales inversos que en los canales directos, lo que supone mayores costes de inventario, transporte y almacenamiento. Dada la gran cantidad de contenedores, su variedad y su frecuente rotación, las ubicaciones de almacenamiento son temporales y suelen darse en espacios poco estructurados. Este hecho plantea un reto adicional de optimización de la IA que, una vez resuelto, puede aportar una mejora significativa en los procesos operativos.

Control del inventario oportuno y preciso

Por último, hay que tener actualizado el inventario de contenedores en tiempo real en el proceso de logística inversa para desarrollar un sistema logístico casi óptimo. Ignorando este aspecto acabaría dando lugar a un desenfoque y en una disminución de la eficacia en el proceso de Supply Chain que empeoraría con el tiempo.

¿Cómo evitar las barreras más frecuentes de la logística inversa y cómo garantizar que la gran cantidad de productos reutilizables se gestionen de forma correcta y ordenada?

Identificación automática de contenedores

En Aquiles Solutions nos encantan los retos, y este era uno bastante complejo ya que no existe una base de datos de imágenes pública para entrenar un sistema de IA como tal. Construir esta base fue el primer paso en el desarrollo del software y significó un gran reto operativo.

Fase 1: Obtención de la información y desarrollo de la herramienta

Se desarrolló un sistema informático integrado que se instaló en las carretillas elevadoras del almacén para grabar en vídeo los movimientos de los contenedores mientras los operarios realizaban sus tareas diarias. La facilidad de uso del sistema era primordial para minimizar las interferencias con las funciones de los conductores. Para ello, junto a un sencillo ordenador y una cámara, se instaló en la carretilla operativa una Tablet para la transmisión directa de la información necesaria.

Fase 2: Diseño del sistema prototipo

El desarrollo de herramientas ágiles de etiquetado de vídeos garantizó la obtención de un amplio conjunto de datos para entrenar los sistemas de IA diseñados. Se creó un sistema prototipo y se implementó para probarlo en situaciones reales. Utilizando el reconocimiento avanzado de imágenes mediante IA, el equipo de Aquiles fue capaz de combinar la información restante que quedaba tras los contenedores mal clasificados, reentrenar y mejorar el modelo, y de esta manera, potenciar el reconocimiento de contenedores a través de IA y satisfacer así las necesidades del cliente

Fase 3: Gestión de la logística inversa con el procesamiento de imágenes mediante IA

Una vez identificados los contenedores, el sistema de IA debía asignar el espacio temporal óptimo del almacén para colocar el contenedor hasta que se completara el proceso de logística inversa. La herramienta se creó para transferir toda la información al sistema de gestión de almacenes de la empresa proporcionando así el tipo de contenedor detectado y su ubicación y mostrarla al operario de la carretilla. Las técnicas de optimización basadas en IA demostraron ser la respuesta perfecta para un inventario de logística inversa en tiempo real teniendo en cuenta el tiempo de recuperación, el tiempo de almacenamiento o de rotación.

El reconocimiento de imágenes mediante IA y las técnicas de optimización avanzadas son dos elementos que constituyen la base de un inventario de logística inversa en tiempo real.  

Beneficios

Gracias a las aplicaciones de IA para la logística inversa se obtienen multitud de soluciones para acercar el ideal de una economía circular. El procesamiento de imágenes por medio de IA, el Data Science y otras técnicas digitales simplifican los procesos operativos de logística inversa al ser optimizado.

A través de este proyecto, la gestión de la logística inversa con la ayuda de la Visión Artificial y el potencial de la IA permitió a la empresa logística obtener las siguientes ventajas:

  • Seguimiento de todos los contenedores en el proceso de logística inversa.
  • Reducción del coste y del tiempo de las operaciones gracias a las técnicas de optimización de la IA.
  • Obtención de flexibilidad para incluir nuevos contenedores durante el proceso ya que el sistema de IA los detecta de inmediato.

Conclusión

La logística inversa plantea sus propios retos, ya que la mayor parte de la tecnología de trazabilidad está pensada para ayudar a la supervisión de las mercancías que intervienen en el proceso de producción y de logística directa.

El uso de IA para el reconocimiento de imágenes y la optimización de los procesos de almacenamiento y de Supply Chain permiten ayudar a cumplir esos retos operativos a los que se enfrentan todas las grandes empresas. La identificación de contenedores durante el proceso de logística inversa en el sector logístico brinda ejemplar caso de éxito de cómo las soluciones de IA potencian los objetivos continuos de optimizar las operaciones, reduciendo los tiempos y minimizando los costes.

DESCARGAR PDF

Más casos

Rotonda Inteligente con Deep Reinforcement Learning
IA como apoyo al emplatado de alimentos
Optimización de rutas de transporte