La gestión actualizada de un inventario de activos con dispositivos reales desplegados en el campo puede resultar un desafío, especialmente para los proveedores de electricidad que dependen de etiquetas de fabricantes para vincular sus activos físicos en sistemas de inventario. Para abordar esta problemática, se ha propuesto una solución innovadora que utiliza la inteligencia artificial generativa y modelos de lenguaje de gran tamaño (LLMs) para facilitar la extracción automática de datos relevantes de etiquetas, lo que promete acelerar las inspecciones y reducir errores humanos.
Este enfoque busca optimizar el proceso de actualización de bases de datos de inventario mediante la automatización de la recolección y análisis de información de etiquetas de activos. Utilizando servicios de Amazon Web Services (AWS) como AWS Lambda, Amazon Bedrock y Amazon DynamoDB, se establece un sistema integral que permite a los técnicos de campo tomar fotografías de las etiquetas, extraer datos utilizando modelos de inteligencia artificial y verificar su precisión antes de actualizar el inventario.
Los modelos de lenguaje de gran tamaño, como Claude 3 de Anthropic, se emplean para analizar imágenes y extraer información esencial, como el número de serie y la marca del proveedor directamente desde las fotografías capturadas. Esta capacidad de comprensión de imágenes mejora notablemente al utilizar ejemplos similares de etiquetas en la base de conocimientos, lo que aumenta la precisión de las respuestas del sistema.
El flujo del trabajo comienza cuando un operador toma una foto de un activo usando la aplicación móvil. Una vez que la imagen es subida a un almacenamiento seguro, se activa una función que genera representaciones vectoriales de la imagen y busca etiquetas similares en la base de conocimiento. Posteriormente, se invoca al modelo LLM para realizar la extracción de datos, cuya exactitud es confirmada por el técnico. Los datos extraídos se ingresan automáticamente al sistema si pasan un umbral de confianza, mientras que aquellos considerados de baja confianza son enviados para revisión humana.
Este sistema no solo mejora la eficiencia de la gestión de inventarios de activos, sino que también permite que los operadores se enfoquen en tareas más críticas, aliviando así la carga de trabajo relacionada con la entrada manual de datos. Con este enfoque, las organizaciones pueden optimizar sus operaciones de seguimiento y mantenimiento de activos, asegurando registros de inventario de alta calidad y minimizando el riesgo de errores.
La solución proporciona un camino para la digitalización y el avance de procesos en campos industriales que requieren un seguimiento preciso y eficiente de activos, convirtiéndose en un referente en la adopción de tecnología en la gestión de suministros y recursos.
vía: AWS machine learning blog
