Aumente la trazabilidad de la cadena de suministro mediante tecnología de OCR basada en Edge Learning

EL Based OCR_Large

Los códigos alfanuméricos se usan en casi todos los artículos que utilizamos o comemos, ya sea que se trate de electrónica de consumo, piezas automotrices, alimentos y bebidas, tabaco o productos farmacéuticos. Estos códigos sirven para una amplia variedad de propósitos, desde la serialización a la identificación de los números de lote y las fechas de vencimiento de los productos. La serialización de artículos de gran valor como la electrónica de consumo, piezas automotrices, el tabaco o los productos farmacéuticos sirven para prevenir las falsificaciones, que devalúan la percepción de los clientes de empresas de gran valor. En la industria de alimentos y bebidas, así también como la industria farmacéutica, existen organismos regulatorios, como la FDA que exigen a los fabricantes imprimir los números de lote y fechas de vencimiento de los productos para que sea posible rastrear cualquier retiro potencial de esos productos del mercado empezando por la tienda en la que se vendieron. Los productos de limpieza de consumo que contengan químicos peligrosos deben tener códigos identificadores únicos de fórmula (UFI) que informen sobre la composición de los ingredientes peligrosos para ayudar a los centros de control de envenenamiento a mitigar los riesgos. 

Como parte del proceso de producción, los fabricantes no solamente tienen que asignar un código a sus productos, sino que también tienen que verificar cada código antes del envasado final para garantizar que el código específico coincida con el artículo y que se haya tomado nota de él para su correcto registro. En las operaciones habituales de grandes volúmenes, estos códigos son leídos electrónicamente mediante cámaras y procesados por una herramienta de software de reconocimiento óptico de caracteres (Optical Character Recognition, OCR). En algunos casos, es un operador quien los lee y registra de forma manual.

Desafíos vinculados con la implementación de soluciones automatizadas de OCR basadas en IA

La implementación de soluciones automatizadas de OCR en los entornos de fabricación puede resultar desafiante por muchas razones. Los caracteres podrían estar gastados, deformados, torcidos, mal grabados o presentar un espaciamiento irregular. Los códigos se marcan con distintos métodos, como grabado láser, impresión de matriz de puntos o estampado, lo que puede dificultar la tarea de los programas de OCR para descifrar el texto. Otro de los motivos por el que los códigos suelen ser difíciles de leer es debido al material sobre el cual se aplican. En algunos casos, la textura, el color o la reflectividad hacen difícil descifrar los códigos. Algunos ejemplos de esto son los fondos metálicos brillantes de piezas mecanizadas o las latas de comida, así como el material de los envases sustentables, que son fibrosos o presentan un fondo moteado (poco claro). Por último, la mayoría de las soluciones basadas en OCR, se “programan” entrenando el sistema con decenas o cientos de ejemplos diferentes, lo que demanda tiempo y podría requerir contar con un conocimiento específico sobre sistemas de visión artificial. En aquellas situaciones en las que las organizaciones no cuenten con la experiencia interna o no tengan el tiempo necesario para capacitar el sistema o en las que tengan cambios de productos frecuentes, implementar estos sistemas puede ser algo complejo. 

Los códigos OCR no legibles se traducen en ineficiencias

Cuando estos métodos no funcionan de la manera esperada, ello repercute sobre el proceso de producción: los artículos que no pueden ser leídos correctamente (o que directamente son ilegibles) deben marcarse y quitarse de la línea de producción para conciliarlos de forma manual. Este proceso demanda más tiempo y dinero, lo que reduce la eficiencia general de los equipos (Overall Equipment Effectiveness, OEE). Si, por el motivo que fuera, un producto o un lote de productos se escabullera del sistema con códigos incorrectos o ilegibles, sería casi imposible retirarlos del mercado si fuera necesario. 

Cómo elegir la solución de OCR adecuada

Cuando se trata de elegir la tecnología adecuada para afrontar estos desafíos, los fabricantes deben buscar soluciones que sean rápidas de implementar y fáciles de capacitar y que ofrezcan capacidades de lectura robustas. Las herramientas de OCR deben ser capaces de leer y descifrar códigos alfanuméricos que estén marcados sobre superficies reflejantes, de bajo contraste o que no sean planas. A fin de garantizar una implementación rápida y sencilla, en particular, durante los cambios frecuentes de productos, es importante buscar una solución de OCR que pueda ser reentrenada rápidamente con solo unas pocas imágenes. 

Teniendo en cuenta que la principal razón por la que los fabricantes tienen que poner estos códigos en sus productos es para cumplir con las normativas gubernamentales, es importante que cada fabricante, independientemente de su tamaño y de sus recursos internos, pueda implementar las soluciones que lo ayuden a cumplir con las normas de trazabilidad. Por lo general, los fabricantes medianos y pequeños no cuentan con los recursos internos para configurar e implementar sistemas de OCR complejos. Por tal motivo, elegir un sistema que pueda configurarse en minutos a través de una interfaz intuitiva es clave para una implementación exitosa. 

La herramienta ViDi EL de Cognex simplifica la lectura de códigos OCR

Los sistemas de visión artificial 2D de Cognex con tecnología de OCR basada en edge learning son capaces de leer con eficiencia códigos alfanuméricos en líneas veloces de producción. La herramienta integrada ViDi EL Read descifra una variedad de textos y tipos de letra utilizando funciones avanzadas de reconocimiento óptico de caracteres (OCR). Lee texto multilineal, así como caracteres con fondos desafiantes, como serían superficies reflejantes, de bajo contraste e irregulares. La herramienta también puede volverse a entrenar rápidamente para reconocer texto nuevo y variaciones en el proceso. La herramienta requiere un entrenamiento mínimo y simplifica la configuración del trabajo, brindando una lectura de caracteres rápida y precisa. A continuación, se dan ejemplos de distintas aplicaciones en las que los sistemas de visión artificial de Cognex con funcionalidades deViDi EL Read resuelven las dificultades comunes de lectura de códigos alfanuméricos con fines de trazabilidad: 

Automotriz/VE – identificación de piezas

IS2800-OCR-on-cast-metal

Las piezas automotrices mecanizadas suelen incluir fechas legibles en relieve y mucha información para poder identificarlas con facilidad. Estos códigos pueden ser difíciles de leer debido a condiciones de bajo contraste, distorsión o alta reflectividad. Todos estos problemas conducen a inexactitudes cuando este texto es leído por la tecnología OCR de visión artificial convencional.

Artículos de consumo envasados-Verificación de código del lote de paquetes de toallitas para bebé 

OCR de pañales

Los productos para el cuidado personal, como los paquetes de toallitas de bebé, están marcados con un código de lote alfanumérico para su trazabilidad y verificación con el objeto de facilitar un potencial retiro del mercado de ese producto. Estos códigos pueden ser difíciles de leer debido a tintas de bajo contraste, fondos reflejantes o porque los caracteres se han deformado o torcido por pliegues accidentales del envase.

Artículos electrónicos-verificación de número de serie de USB

Lectura OCR de un conector USB  

 

Los componentes electrónicos de consumo, como los conectores USB están serializados para permitir la trazabilidad de la cadena de proveedores y desalentar su falsificación. Estos códigos suelen ser difíciles de leer debido a la reflectividad de los materiales o la presencia de caracteres torcidos o deformados.

Lectura de códigos en envases de alimentos y bebidas (latas de sopa)

IS2800-Soup-can-label-OCR

Los envases de alimentos y bebidas, como las latas de sopa, utilizan códigos alfanuméricos para exhibir los códigos del lote y la fechas de vencimiento. Estos códigos, que suelen estar impresos con algún método de inyección de tinta de matriz de puntos, pueden deteriorarse debido al proceso de fabricación o resultar difíciles de leer debido a la presencia de superficies irregulares.

Productos farmacéuticos-Inspección de etiquetas de vacunas

IS2800-Logistics-Label-OCR

Los productos farmacéuticos, incluidas las vacunas, deben exhibir el código de lote y la fecha de vencimiento tanto en los envases principales como en los secundarios para simplificar la trazabilidad de la cadena de suministro y el manejo de retiros potenciales del mercado. Estos códigos pueden estar distorsionados, borrados o deformados debido a impresiones de mala calidad o volverse difíciles de leer por la presencia de marcas externas que tapan parte del código.

Incorpore tecnología de OCR con Edge Learning en su entorno de producción

Los sistemas de visión artificial de Cognex equipados con herramientas de OCR basadas en la tecnología de edge learning mejoran la trazabilidad de la cadena de suministro para facilitar el manejo de retiros potenciales del mercado, ayudan a prevenir las falsificaciones y garantizan la satisfacción del cliente. Esta solución de gran eficacia es fácil de usar, se configura rápidamente y se integra con sencillez en las líneas de producción. Dado que sólo son necesarias unas pocas imágenes para entrenar el sistema, permiten aumentar la eficiencia de los cambios de productos, lo que colabora con el aumento de la eficiencia de los equipos (OEE).

Más publicaciones en

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex