GLS
Logística
Sistema de Visión Artificial para Rescate de Información en Etiquetas de Paquetería
En el sector logístico, la eficiencia en el manejo y distribución de paquetes es crucial para mantener un servicio de primer nivel y garantizar la satisfacción del cliente, ya que cualquier retraso o error puede afectar significativamente la cadena de suministro y la reputación de la empresa.
Las etiquetas de envío juegan un papel fundamental en la gestión de la paquetería, ya que contienen información vital para la correcta entrega de los envíos. Sin embargo, es común que algunas etiquetas no sean legibles debido a daños, mala impresión o desgaste durante el transporte y manipulación, lo que puede provocar retrasos y errores en la entrega.
GLS, una empresa líder en soluciones de logística, identificó la necesidad de mejorar sus sistemas de lectura de etiquetas para asegurar una gestión más eficiente y precisa de los paquetes, incluso cuando las etiquetas no son legibles.
Reto
GLS se enfrentaba al desafío de desarrollar una herramienta que pudiera rescatar la información de las etiquetas de envío dañadas o mal impresas. La meta era crear un sistema de visión artificial, integrado en su máquina megatronics de lectura de etiquetas, que pudiera leer y procesar las imágenes de estas etiquetas, extraer la información necesaria y categorizarla correctamente para su posterior uso en menos de 300 milisegundos. Además, era crucial que este sistema se integrara de manera efectiva con los sistemas existentes de GLS, proporcionando una solución robusta y confiable que pudiera desplegarse localmente.
El primer paso implicaba recibir y analizar ejemplos reales de etiquetas de envío, desarrollando un motor capaz de preprocesar estas imágenes, reconocer e interpretar los caracteres y desplegar este motor en una API para su testeo. Este desarrollo debía completarse en un plazo de seis semanas desde la recepción de la información requerida.
Solución
Foqum ha desarrollado una solución innovadora para GLS adaptando sus algoritmos de IDP / OCR, creando un sistema de visión artificial para la lectura y procesamiento de etiquetas de envío dañadas o mal impresas para GLS.
Este sistema incluye un motor de preprocesamiento que limpia y prepara las imágenes de las etiquetas, seguido de un sistema avanzado de reconocimiento de caracteres que extrae y categoriza la información. El motor se despliega a través de una API REST, permitiendo su integración y testeo en el servidor local de GLS.
El desarrollo del proyecto incluyó un motor de preprocesamiento y un sistema de reconocimiento de caracteres. Al desplegarse el motor se realizó un piloto en el servidor local de GLS, acompañado de documentación funcional y métricas detalladas.
Gracias a esta solución, GLS puede manejar eficientemente los paquetes con etiquetas dañadas, asegurando que la información crucial se rescate y se utilice adecuadamente para una entrega precisa en un tiempo récord incrementando su productividad por cada línea de paquetes. Esta mejora aumenta la eficiencia operativa de GLS, reduce los errores y retrasos en la entrega, y mejora la satisfacción del cliente y la reputación de la empresa en el competitivo sector logístico.
