Los vemos como algo tan común, estamos tan habituados a encontrarlos por todas partes, que quizás ya ni repares en ellos, pero los códigos de barras son una pieza clave en la logística de las mercancías. Con su código de números y barras —valga la redundancia— nos ayudan a identificar y agrupar todo tipo de artículos, desde lápices a neveras. Prueba de que funcionan es que llevamos ya unas cuantas décadas usándolos, pero como tecnología distan mucho de ser perfectos. A veces no es fácil localizarlos, se deterioran y si se ha adherido a superficies irregulares leerlos puede resultar un incordio. Si esa tarea se encomienda a un robot el reto se vuelve aún, más peliagudo.
En Amazon lo saben. Y por eso han decidido "declararles la guerra" apoyándose en algoritmos y deep learning. Su objetivo: avanzar hacia la automatización en el registro de la mercancía.
“Cuando un artículo llega a un centro de distribución de Amazon, los empleados usan códigos de barras para verificar su identidad en varios puntos de su recorrido hasta el vehículo de entrega. En cada ocasión hay que recoger el artículo y localizar y escanear el código. A veces, el código se ha dañado o incluso falta”, explica Amazon. A una escala de producción como la que maneja el gigante del comercio online eso es algo más que un simple gesto: se traduce en un proceso que se repite millones de veces con un amplio catálogo de artículos de muy diferentes formas y tamaños.
Lo primero, una biblioteca de imágenes
Consecuencia: cualquier intento de automatización se convierte en una tarea complicada e inabarcable. A día de hoy, como reconoce la multinacional estadounidense, no hay ningún robot lo suficientemente versátil como para manipular cualquier tipo de artículo y escanearlo.
La solución en la que trabaja Amazon y que ya prueba en sus centros logísticos de Barcelona y Hamburgo pasa por poder prescindir de los códigos de barras o incluso dejar atrás el propio proceso de identificación manual de los artículos, una dependencia que la compañía tilda de “incómoda e ineficiente”. En su lugar apuesta por la identificación multimodal, la conocida como MMID.
En vez de basarse en un código de barras su solución pasa por utilizar “múltiples modalidades de información”, extrayendo datos por ejemplo del aspecto o las dimensiones de cada artículo, detalles que le permitan automatizar su identificación. Para pulirlo los expertos de Amazon ya están probando el sistema en Alemania y la Ciudad Condal, donde se emplea en cintas transportadoras para cazar lo que la compañía llama “discrepancias virtuales-físicas”, aquellos casos en los que los artículos de una bandeja no se corresponden con los que aparecen descritos en el inventario.
“Nuestro objetivo es utilizar esto en la manipulación robótica”, explica Nontas Antonakos, quien se encargó de dirigir el equipo de MMID cuando se conceptualizó. “Resolver el problema, para que los robots puedan recoger artículos y procesarlos sin necesidad de encontrar y escanear un código de barras, resulta clave. Nos ayudará a hacer llegar los paquetes a los clientes con mayor precisión”.
El proceso no ha resultado sencillo. El primer paso, antes incluso de enseñar al algoritmo a asimilar cada elemento con su imagen, consistió en lo más básico: retrarar los diferentes productos mientras se desplazaban por una cinta transportadora para crear así una “biblioteca de imágenes”.
Luego esas fotografías, junto a otros datos relevantes, como las dimensiones del artículo, se convirtieron en vectores con los que pudieran trabajar algoritmos y machine learning. “Aprovechando el poder del deep learning, el equipo se sorprendió gratamente al ver tasas de coincidencia del 75 al 80% en los experimentos iniciales”, señala. El porcentaje era elevado, pero gracias a inversiones en el sistema lograron que el MMID llegase a alcanzar una tasa de coincidencia de cerca del 99%.
Parte del proceso de MMID.
Parte de su éxito se debe a que el algoritmo no necesita cotejar la información que recibe de cada artículo con el vasto catálogo de cientos de millones de productos de Amazon, “una tarea imposible”, admite la compañía. En el proceso se beneficia del seguimiento de cada mercancía, lo que le permite reducir de forma considerable las posibles opciones: “Cada artículo procede de un contenedor y cada contenedor contiene unas pocas docenas de productos. Por lo tanto, el algoritmo solo tiene que cotejar un artículo con el contenido de un único contenedor”, añade la empresa.
La tecnología MMID se puso a prueba en Szczecin, Polonia, con una cámara que tomaba fotos de bandejas con un único artículo. Desde entonces se ha ido enriqueciendo y superando retos, como el que encaró durante un Prime Day en el que se vio en la tesitura de tener que distinguir entre Echo Dots idénticos pero de varios colores. Otro desafío que deberá afrontar en el futuro es ir más allá de las cintas transportadoras, donde el ritmo y la iluminación a la que pasan los artículos están bien medidos, y facilitar la identificación también cuando está en la mano de un operario.
“Esta visión, de usar MMID en todo el proceso de cumplimiento, para acelerar y permitir la automatización robótica, se va alcanzar”, asegura con optimismo Antonakos.
Imagen de portada: Amazon
Ver 12 comentarios