Más de la mitad de las empresas del sector de la automoción utilizan ya IA para visión artificial

- Publicidad -

Zebra Technologies Corporation, proveedor líder de soluciones digitales que permite a las empresas conectar de forma inteligente datos, activos y personas, ha revelado que el 56 % de los directivos de empresas de automoción utilizan actualmente alguna forma de inteligencia artificial (IA), como el aprendizaje profundo, en sus proyectos de visión artificial.

La necesidad de llevar a cabo inspecciones con mayor confianza, tener una mejor trazabilidad de todas las piezas y más transparencia operativa en la cadena de suministro, son los principales factores que están impulsando la implementación de la IA en este sector. Además, también está influyendo el hecho de que tanto fabricantes como proveedores de automóviles se enfrenten cada vez a más requisitos regulatorios y a la desconfianza de los consumidores.

Aunque cabría esperar que los fabricantes de equipos originales (OEM) adoptaran las tecnologías de IA para automatizar determinados procesos y decisiones en entornos de producción, el estudio «AI Machine Vision in the Automotive Industry Benchmark Report» revela que, desglosado por organizaciones, las tecnologías de visión artificial con IA están siendo utilizadas ya por el 56 % de los OEM y el 63 % de los principales proveedores de automóviles. Estas cifras reflejan el compromiso de las empresas del sector con la calidad, la disponibilidad, la satisfacción del cliente y las nuevas tendencias del sector, como los vehículos eléctricos, híbridos y autónomos.

Además, alrededor del 20% de los encuestados señala que le gustaría aprender más o que ya ha comenzado a adquirir herramientas de visión artificial, por lo que las empresas que retrasen la adopción de las soluciones de visión artificial pueden tener más dificultades para seguir siendo competitivas.

«Es preocupante que líderes empresariales del sector de la automoción en países como Reino Unido (24%) o Alemania (34%), afirmen que todavía no están utilizando ninguna forma de IA, como el aprendizaje profundo, en sus proyectos de visión artificial. Y es aún más preocupante que no vean su importancia», afirma Stephan Pottel, Automotive Manufacturing Practice Lead EMEA de Zebra Technologies. «La industria de la automoción es altamente competitiva, lo que significa que sus responsables deberían estar buscando formas de generar confianza en la calidad de sus productos, especialmente a medida que aumenta el cambio hacia la producción de vehículos híbridos y eléctricos.»

Los OEM y los proveedores del sector de la automoción que están preparando a sus ingenieros y empleados para pensar y actuar como especialistas en datos e IA, pueden aprovechar las ventajas de las nuevas soluciones de software de visión artificial impulsada por IA de Zebra para ser más productivos y trabajar de forma más rápida y con mayor precisión.

Los datos del estudio también muestran que, cuando se trata del rendimiento de la IA en proyectos de visión artificial, todavía hay margen de mejora. Casi uno de cada cinco (18%) de todos aquellos que ya utilizan IA, afirma que esta tecnología podría funcionar mejor. «Algunos proveedores y fabricantes de equipos originales esperan más de sus aplicaciones de visión artificial basadas en IA», añade Pottel.

El estudio revela además varios retos clave a los que se enfrentan los OEM y los proveedores de automoción al utilizar herramientas convencionales de reconocimiento óptico de caracteres (OCR), muy empleadas para leer códigos de serie, números de componentes y lotes, así como números de identificación de vehículos. Afirman que se necesita mucho tiempo de formación y que las herramientas de OCR más antiguas suelen ser inestables, difíciles de utilizar e incapaces de gestionar casos de uso complejos, incluso por parte de un ingeniero bien formado.

«Los resultados del estudio muestran un nivel sorprendentemente alto de insatisfacción con las herramientas tradicionales de OCR», afirma Pottel. «Estas herramientas de OCR más antiguas no satisfacen las demandas de la fabricación moderna. Por ese motivo, los nuevos modelos de OCR con funcionalidades de aprendizaje profundo se han diseñado para ofrecer un valor inmediato sin necesidad de exigir habilidades especializadas o una gran capacitación».

Durante el último año, ha aumentado la disponibilidad de herramientas de OCR de aprendizaje profundo que vienen «entrenadas» con miles de imágenes, lo que facilita su uso a personas sin experiencia en IA o conocimientos en la ciencia de los datos. Estos modelos de OCR de aprendizaje profundo se construyen específicamente para casos de uso complejos, como aquellos en los que hay caracteres dañados y difíciles de leer, superficies reflectantes o entornos con iluminación cambiante. Gracias a estas nuevas soluciones, los ingenieros de sistemas de visión artificial, los fabricantes de equipos originales y los proveedores del sector de la automoción ya no tienen que emplear recursos a configurar las herramientas de OCR o validar los resultados de las inspecciones. Existen herramientas de hardware y software que pueden proporcionarles las respuestas que necesitan para cumplir con sus compromisos de calidad y disponibilidad.

PRINCIPALES CONCLUSIONES

  • El 56% de los líderes de la industria automovilística utiliza algún tipo de IA en sus sistemas de visión artificial.
  • Casi una cuarta parte (24%) de los proveedores y fabricantes de equipos originales afirma que no utiliza ninguna forma de IA y que no ve su utilidad o relevancia, lo que pone de manifiesto la necesidad de proporcionar mejores pruebas de su valor.
  • Los líderes de la industria automovilística están frustrados con el rendimiento y la carga de trabajo de las herramientas de OCR convencionales y necesitan una forma sencilla de automatizar las inspecciones visuales en casos de uso complejos.

Para más información sobre las aplicaciones de visión artificial y la automatización basada en IA, se puede acceder al estudio completo aquí. El estudio se ha llevado a cabo en los mercados de UK y Alemania.

 

- Publicidad -