Connect with us

Alianzas/Fusiones

l CII.IA y NVIDIA desarrollan conjuntamente una Prueba Piloto de Machine Learning con una Cadena de Tiendas de Conveniencia en la Industria del Retail en México

Published

on

 

Ciudad de México, a 12 de Enero de 2021. El Centro de Innovación Industrial en Inteligencia Artificial (CII.IA) escogió a NVIDIA para ser su Socio Estratégico en la investigación, desarrollo, difusión y capacitación de la inteligencia artificial en la industria mexicana.

  • Datos de la Institución:
    • Nombre de la Empresa o Institución: Centro de Innovación Industrial en Inteligencia Artificial (CII.IA).
    • Ubicación: Parque de Investigación e Innovación Tecnológica (PIIT), en el Monterrey IT Cluster. Es un parque en el que se encuentran instituciones de Educación Superior y de Investigación Tecnológica como: el Tec de Monterrey, la UANL o el CIMAT, y donde hay más de 40 espacios dedicados a la tecnología.
    • Corporativo: 17 empresas forman parte del Ecosistema del IA.
    • Giro: Investigación y Desarrollo de Tecnologías de Información especializado en Inteligencia Artificial.
    • Año de fundación: Abril del 2019.
    • Años en el mercado: 2 años.
    • Número de empleados: 4 personas directas y alrededor de 100 indirectas.

  • Datos del Cliente:
    • Nombre completo del cliente: María de la Paz Rico Fernández.
    • Profesión: Ingeniera Mecatrónica con Maestría y Doctorado en Robótica y Manufactura Avanzada enfocada en Computer Vision e Inteligencia Artificial.
    • Background Profesional: Proyectos de Aprendizaje Automatizado y Computer Vision.
    • Egresado de: CINVESTAV de Saltillo. Participó representando al CINVESTAV Saltillo en el Concurso Nacional de Desarrollo de Vehículos Autónomos y ganaron el concurso en 2017 y 2019 organizado por la Universidad Libre de Berlín y la Federación Mexicana de Robótica. Es City Lead Monterrey de Women in AI. Está certificada por NVIDIA como instructora de los programas que tiene el IA del Deep Learning Institute de NVIDIA.
    • Puesto: Chief Knowledge Officer en IA.
    • Fecha de Ingreso: 2019.
    • Responsabilidades: Diseño de programas enfocados a inteligencia artificial y a las tecnologías de vanguardia en esta área. Además de vinculación del centro con los principales actores del ecosistema de inteligencia artificial.

 

¿Qué es el CII.IA?

Es el Centro de Innovación Industrial en Inteligencia Artificial dedicado al desarrollo de soluciones enfocadas a Inteligencia artificial a través de servicios como lo son capacitación, consultoría y prototipado. El capital del CII.IA es 100% nacional y privado, aunque contó con el apoyo del Gobierno de Nuevo León para su creación. La inversión en tecnología de vanguardia ascendió a más de $40 millones de pesos, y dentro de sus principales equipos destaca la súper Computadora Power 9 de IBM que tiene instaladas 12 GPUs de NVIDIA.

Además, tiene un Laboratorio de Robótica y una Sala de Capacitación completamente equipados; por lo que el centro cuenta con tecnología de punta que fortalece las capacidades del CII.IA para ofrecer soluciones a la medida, entrenamientos y consultoría de vanguardia, ya que tanto en los cursos como en la consultoría se pueden usar tanto la súper computadora como el laboratorio, lo que constituye el gran valor agregado del CII.IA.

 

Plataforma de NVIDIA en Inteligencia Artificial.

 

Tienen un proyecto para ofrecer Membresías tanto a Socios como a “Empresas Tractoras” para que sean clientes de CII.IA, y se unan a la inteligencia artificial desarrollando proyectos de IA con un acompañamiento de parte de expertos del centro. Con el objetivo principal de derribar barreras de entrada para el desarrollo de proyectos y uso de tecnologías de vanguardia en las empresas Latinoamericanas de la mano de personal altamente calificado.

En lo que se refiere al equipamiento de la tecnología de IA se decidieron por adquirir el hardware y el software de NVIDIA para complementar los desarrollos. En hardware tienen Servidores con múltiples GPUs, las Sistemas Inteligentes Jetson en sus diferentes modelos así como los Sistemas Nano. En cuanto al software han usado RAPIDS en aplicaciones para crear sistemas de recomendación y detección de anomalías en series de tiempo y DIGITS para la clasificación de imágenes, y algunas otras herramientas de desarrollo que ofrece NVIDIA.

El Genio de la Inteligencia Artificial (CII.IA) le cumple un deseo a una Cadena de Tiendas de Conveniencia con la magia de NVIDIA.

 

El proyecto de Machine Learning para búsqueda de productos frecuentes de una Cadena de Tiendas de Conveniencia en la Industria del Retail se dividió en 2 etapas, la primera de las cuales ya se realizó, y que a su vez se dividió en dos fases; la Segunda Etapa se realizará más adelante.

El área con la que se trabajó el proyecto en la primera fase fué la de Ventas y Puntos de Ventas para la fase inicial y para la segunda fase fue la de Planeación de la Demanda. Esta primera fase consistió en brindarles un tracking de las compras de sus clientes para hacerles sugerencias. En la segunda fase la idea era determinar si había algún outlayer, hacerles un sistema de recomendaciones con series de tiempo y propuestas a nivel usuario.

Los Objetivos de la Primera Fase del Proyecto fueron: 1) Generar de forma autónoma recomendaciones de productos con base en el canasto de compras de los clientes en tiempo real. 2) Descubrir patrones de consumo en función de factores adicionales como el clima, día de la semana y temperatura. 3) Descubrir patrones de compra que pudieran ser de utilidad para elaboración de promociones.

Las Estrategias de Solución de la Primera Fase del Proyecto fueron: 1) Desarrollar un sistema modular que permite calcular una base de sugerencias que pueda ser integrada en los puntos de ventas tomando en cuenta sus restricciones en hardware y software. 2) Desarrollo de un módulo para generación de recomendaciones de compras en tiempo real a partir de la tabla base de sugerencias.

Los Resultados obtenidos de la Primera Fase del Proyecto fueron: 1) Un incremento promedio en ventas de 5% por sugerencias autónomas de productos en función del canasto de compras. 2) Reducción de intervención humana para desarrollar sugerencias de ventas estáticas. En su lugar, el sistema desarrollado podía calcular las sugerencias de forma más rápida utilizando toda la información de ventas por mes de una tienda.

Los Objetivos de la Segunda Fase del Proyecto fueron: 1) Limpiar la historia de ventas de los 3 años anteriores a nivel de producto-tienda para alimentar el software de Planeación de la Demanda. 2) La limpieza debe de ser supervisada y modificada por los planeadores de la demanda. 3) Se debe de poder ajustar el nivel de desviación para detectar las ventas anómalas. 4) Se deben de poder etiquetar la razón de las desviaciones.

Las Estrategias de Solución de la Segunda Fase del Proyecto fueron: 1) Análisis de datos para diseñar el algoritmo de detección de anomalías. 2) Desarrollo del método para identificación de outliers con parámetros base. 3) Desarrollo de la interfaz para que los planeadores puedan interactuar con la historia de ventas y el algoritmo de detección de outliers.

Los Resultados Obtenidos en la Segunda Fase del Proyecto Fueron: 1) Se redujo el tiempo de identificación de outliers ¡en 200 veces! de 6 meses de manera manual, hasta 1 sólo día de cómputo en PC (8 cores @ 2.6GHz). 2) Mejora del proceso de limpieza manual, al incluir una interfaz con gráficas fácilmente interpretables. 3) Apoyo en el etiquetamiento de eventos, promociones y/o descuentos en las ventas, hasta antes del proyecto completamente inexistente.

Esta cadena tiene diferentes tipos de tiendas y una de ellas es tipo Élite, que son más personalizadas y que tienen productos de mayor calidad y desde luego de mayor precio; ahí ellos querían incorporar la detección de rostros para hacer las sugerencias al cliente; y para ello se hicieron unas pruebas piloto en diferentes tiendas, en las que se hicieron pruebas de rostros para determinar la edad y el género del usuario, como una primera etapa y con base en ella, poderles sugerir productos, ya que ellos saben que en función de la edad y del género hay cierta predisposición para adquirir determinados productos. Con base en toda esta información, se pueden hacer promociones enfocadas a ese tipo de perfil de clientes. Para este programa se usaron los sistemas Jetson de NVIDIA.

En una segunda etapa se pretende, identificar a los clientes frecuentes, identificando directamente a la persona a través del reconocimiento de sus rostros, y con base en ello poderles hacer sugerencias a partir de sus historiales de consumo.

En lo que se refiere al Hardware han comprado los Sistemas Inteligentes Jetson de diferentes modelos, como la Jetson Nano. Han usado RAPIDS para algunos proyectos, las herramientas de desarrollo de NVIDIA DIGITS para la clasificación de imágenes, y están evaluando SDK’s para la detección de rostros.

En la Jetson se captura toda la información visual que capturan las cámaras, y eso depende de la velocidad que tenga la cámara en frames. Dependiendo de la capacidad del hardware se pueden analizar todos los frames o las imágenes que capturan las cámaras, por lo que se hacen muestreos de cada 5 o 10 frames, para no almacenar toda la información y hacer el proceso más rápido.

El beneficio que se obtuvo de esta inversión fue el incremento de un 5% en ventas de la canasta de productos en la misma tienda, tanto por mayores ventas de los mismos productos frecuentes como por venta cruzada de productos. También hubo una menor intervención humana en el proceso, por lo que esto implicó una reducción de costos. Este prueba piloto tuvo una duración de 6 meses y se desarrolló en varias tiendas simultáneamente.

Se automatizaron las sugerencias de productos frecuentes y la detección de anomalías en ventas, tomando como base el histórico de ventas de los 3 años anteriores. Para lo anterior se hizo una limpieza de datos y la elaboración de un modelo de análisis de datos para la detección de anomalías. Y se identificaron datos fuera de contexto o outlayers, y la consecuencia de esto fué un aumento en la velocidad en el análisis, haciéndolo 200 veces más rápido respecto del análisis manual, que era como se hacía antes, pasando de 6 meses a un solo día. Para esta prueba piloto se usó hardware de NVIDIA.

 


Compartimos nuestro contenido con mucho placer, si ha sido de tu agrado no olvides invitarnos un café

Productor / Conductor de TV - Especialista en Nuevas Tecnologías Socio y Director de Contenido de los Blogs especializados de ONE Digital Services: RevistaGadgets.com , PCFormat.com.mx , AppsUser.net , MonchiTime.com , dragstermx.com, Rock-Stock.mx, ZOOMDigitalTV.com, JokingSquad.com , PabloBerruecos.com, damu.mx

Jooble

Advertisement
Conoce como vivir una Vida más Saludable
A %d blogueros les gusta esto: