Visão de máquina melhora rastreamento de inventário

Há um enorme potencial para utilizar esta alternativa para manter o controle dos produtos em estoque e à venda, junto com outras tecnologias

Megan Ray Nichols

Você sempre vê especialistas em gerenciamento de inventário comparando as tecnologias de visão por máquina e identificação por radiofrequência (RFID), por exemplo, quando ajudam as pessoas a determinar qual delas funcionaria melhor para suas necessidades. No entanto, um número crescente de empresas e pesquisadores acadêmicos veem um potencial abundante em usá-las juntas para fins de rastreamento. Esse conceito ainda está em seus estágios iniciais e ainda não é uma ideia que atingiu o mainstream. No entanto, em breve ficará claro por que mais pessoas acreditam que várias tecnologias podem trabalhar juntas.

A RFID permite um rastreamento aprimorado do inventário usando ondas de rádio para ler os dados digitais incorporados em etiquetas e rótulos. É mais avançada que os códigos de barras, porque um leitor RFID deve estar apenas perto de uma tag para lê-la. Por outro lado, os códigos de barras exigem proximidade da linha de visão. A visão computacional é um subconjunto de inteligência artificial (IA) relacionado ao ensino de computadores para obter informações de imagens ou objetos multidimensionais. A tecnologia pode substituir muitas instâncias de seres humanos executando tarefas de inspeção manual.

blank
Megan Ray Nichols

Uma empresa que oferece tecnologia de visão computacional integrada a drones para gerenciamento de depósitos pode reduzir custos em 60% em comparação com soluções que dependem apenas de pessoas. Além disso, as inspeções que costumavam levar oito horas, agora, podem ser concluídas em 15 minutos.

A RFID e a visão de máquina estão ambas, em um sentido amplo, relacionadas à verificação. Algumas marcas perceberam a conexão e concluíram que colocá-las no mesmo produto seria uma decisão inteligente que atrairia seus clientes. Algumas empresas vão ainda mais longe e constroem máquinas que também incluem aprendizado de máquina. A adição desse recurso permite insights preditivos. O equipamento pode descobrir os locais mais prováveis ​​de certos produtos em um armazém ou que tipo de tags essas coisas terão, economizando tempo com tarefas.

Por exemplo, a Simbe Robotics evoluiu para atender às novas necessidades dos clientes quando lançou uma versão habilitada para RFID do seu robô de visão computacional, Tally. O bot também usa o aprendizado de máquina para trabalhar. A RFID é particularmente útil ao verificar os níveis de estoque de produtos que não são fáceis de discernir por uma câmera de visão computacional.

Além disso, visão de máquina requer iluminação adequada para funcionar corretamente. Fluorescente, quartzo-halogênio e diodo emissor de luz (LED) são os tipos de iluminação mais comumente usados ​​em estações de inspeção pequenas e médias. No entanto, iodetos metálicos e o xenônio são mais apropriados para áreas maiores. Se a iluminação não for suficiente em uma parte de um armazém para que a visão por computador funcione, os recursos de RFID poderão superar esse obstáculo.

O aprendizado de máquina é cada vez mais valioso em ambientes de armazém. A tecnologia pode ajudar na previsão, reduzir problemas de estoque ocioso e otimizar os níveis de estoque para atender às demandas dos clientes. Em uma cadeia de supermercados que usa o robô Tally, os funcionários recebem relatórios a cada meia hora relacionados a detalhes sobre os aproximadamente 35.000 produtos da loja. Esse tipo de informação atualizada minimiza surpresas que podem prejudicar a lucratividade.

Estão em andamento pesquisas para determinar outras maneiras pelas quais os armazéns podem se beneficiar da combinação de etiquetas RFID e tecnologia de visão computacional. Em um artigo acadêmico, os autores descreveram como esse sistema combinado alcançou taxas acima de 90% para precisão relacionada à localização e reconhecimento de objetos em movimento identificados por RFID.

blank

Essas conclusões podem incentivar os gerentes de armazém a investigar novas maneiras de aplicar etiquetas RFID e visão computacional a seus fluxos de trabalho atuais. Por exemplo, uma aplicação em potencial pode envolver o rastreamento de objetos em uma correia transportadora.

Além disso, pesquisadores da Universidade de Washington criaram um sistema que usa etiquetas RFID e visão computacional para identificar e reconhecer a localização de um indivíduo que faz parte de um grupo, identificar pessoas em sete segundos ou menos e tem pelo menos 95% de precisão quando fazendo isso. É difícil dizer durante esses estágios iniciais como os gerentes de armazém podem eventualmente aplicar esse recurso a suas instalações.

Uma possibilidade pode incluir treinamento em segurança de grupo para uma nova máquina em um armazém. Se isso for obrigatório antes que uma pessoa possa interagir ou se aproximar de equipamentos, cada pessoa pode usar um crachá de funcionário com uma etiqueta RFID. Em seguida, o componente de visão computacional poderia verificar se ele ou ela havia participado do treinamento. Ou, se considerarmos o rastreamento de inventário, em particular, o componente de identificação de pessoa pode identificar que uma pessoa com uma posição estática em um armazém permaneceu no local apropriado durante todo o turno.

Como mencionado anteriormente, alguns líderes de empresas com visão de futuro estão envolvidos com empresas que enxergam a necessidade existente no mercado de visão por computador e recursos de reconhecimento de etiquetas RFID no mesmo produto. Uma delas é a RADAR, uma empresa com sede em Nova York que combina RFID e visão computacional para solucionar algumas das deficiências conhecidas associadas às etiquetas RFID. Muitas dessas tecnologias carecem de precisão precisa ou requerem operações manuais substanciais.

A RADAR recebeu recentemente US$ 16 milhões em uma rodada de financiamento que incluía marcas de varejo não reveladas entre os investidores. O site da RADAR diz que, juntas, a visão computacional e as etiquetas RFID resultam em um reconhecimento 400 vezes mais rápido, e uma velocidade de leitura que é mais de 300 vezes mais rápido.

O Sam’s Club também começou a usar a tecnologia de visão computacional para detectar itens que as pessoas colocam em um scanner de caixa. Essa abordagem reconhece os produtos em menos de quatro segundos, o que é substancialmente mais rápido que o tempo normalmente necessário para os compradores localizarem e digitalizarem códigos de barras. Além disso, a marca chinesa JD.com em breve abrirá lojas de conveniência sem pessoal que possuem itens com etiqueta RFID e câmeras inteligentes que reconhecem as ações dos compradores. Embora esses dois últimos exemplos sejam baseados no varejo, eles podem resultar em melhorias tecnológicas que também ajudariam a equipe do armazém.

Esses exemplos mostram que as etiquetas RFID e a visão computacional podem se complementar. Os próximos meses e anos ajudarão a demonstrar o que isso pode significar para o pessoal do armazém.

Megan R. Nichols é uma escritora de STEM que contribui para sites como Sensors Online e EPS News. Megan também publicou artigos de fabricação e engenharia fáceis de entender em seu blog pessoal, Schooled By Science.

- PUBLICIDADE - blank

LEAVE A REPLY

Please enter your comment!
Please enter your name here