Identificación automática y captura de datos

Es posible que este artículo deba reescribirse para cumplir con los estándares de calidad de Wikipedia . Tu puedes ayudar . La página de discusión puede contener sugerencias. ( Julio de 2021 )

La identificación automática y captura de datos ( AIDC ) se refiere a los métodos para identificar objetos automáticamente, recopilar datos sobre ellos e ingresarlos directamente en los sistemas informáticos , sin participación humana. Las tecnologías consideradas típicamente como parte de AIDC incluyen códigos QR , ^[1] códigos de barras , identificación por radiofrecuencia (RFID) , biometría (como iris y sistema de reconocimiento facial ), bandas magnéticas , reconocimiento óptico de caracteres (OCR), tarjetas inteligentes y reconocimiento de voz.. AIDC también se conoce comúnmente como "Identificación automática", "Auto-ID" y "Captura automática de datos". ^[2]

AIDC es el proceso o medio de obtener datos externos, particularmente a través del análisis de imágenes , sonidos o videos . Para capturar datos, se emplea un transductor que convierte la imagen real o un sonido en un archivo digital. Luego, el archivo se almacena y posteriormente puede ser analizado por una computadora o comparado con otros archivos en una base de datos para verificar la identidad o para proporcionar autorización para ingresar a un sistema seguro. La captura de datos se puede realizar de varias formas; el mejor método depende de la aplicación.

En los sistemas de seguridad biométrica, la captura es la adquisición o el proceso de adquisición e identificación de características como la imagen del dedo, la imagen de la palma, la imagen del rostro, la huella del iris o la huella de la voz que involucra datos de audio y el resto involucra datos de video.

La identificación por radiofrecuencia es una tecnología AIDC relativamente nueva que se desarrolló por primera vez en la década de 1980. La tecnología actúa como base en los sistemas automatizados de recopilación, identificación y análisis de datos en todo el mundo. La RFID ha encontrado su importancia en una amplia gama de mercados, incluidos los sistemas de identificación de ganado y de identificación automática de vehículos (AVI) debido a su capacidad para rastrear objetos en movimiento. Estos sistemas AIDC inalámbricos automatizados son efectivos en entornos de fabricación donde las etiquetas de códigos de barras no pueden sobrevivir.

Descripción general de los métodos de identificación automática

Esta sección no cita ninguna fuente . Por favor, ayuda a mejorar esta sección mediante la adición de citas de fuentes confiables . El material no obtenido puede ser cuestionado y eliminado . ( Julio de 2021 ) ( Obtenga información sobre cómo y cuándo eliminar este mensaje de plantilla )

Casi todas las tecnologías de identificación automática constan de tres componentes principales, que también comprenden los pasos secuenciales en AIDC:

Codificador de datos. Un código es un conjunto de símbolos o señales que generalmente representan caracteres alfanuméricos. Cuando se codifican los datos, los caracteres se traducen a un código legible por máquina. Una etiqueta o rótulo que contiene los datos codificados se adjunta al artículo que se va a identificar.
Lector o escáner de máquina. Este dispositivo lee los datos codificados y los convierte a una forma alternativa, normalmente una señal eléctrica analógica.
Decodificador de datos. Este componente transforma la señal eléctrica en datos digitales y finalmente vuelve a los caracteres alfanuméricos originales.

Captura de datos de documentos impresos

Una de las tareas de aplicación más útiles de la captura de datos es recopilar información de documentos en papel y guardarla en bases de datos (CMS, ECM y otros sistemas). Hay varios tipos de tecnologías básicas que se utilizan para la captura de datos según el tipo de datos: ^{[ cita requerida ]}

OCR : para el reconocimiento de texto impreso ^[3]
ICR - para reconocimiento de texto impreso a mano ^{[ cita requerida ]}
OMR - para reconocimiento de marcas ^[4]
OBR: para el reconocimiento de códigos de barras ^[5]
BCR - para el reconocimiento de códigos de barras ^[6]
DLR: para el reconocimiento de la capa de documentos ^{[ cita requerida ]}

Estas tecnologías básicas permiten extraer información de documentos en papel para su posterior procesamiento en los sistemas de información empresarial como ERP , CRM y otros. ^{[ cita requerida ]}

Los documentos para la captura de datos se pueden dividir en 3 grupos: estructurados , semiestructurados y no estructurados . ^{[ cita requerida ]}

Los documentos estructurados (cuestionarios, pruebas, formularios de seguros, declaraciones de impuestos, papeletas, etc.) tienen completamente la misma estructura y apariencia. Es el tipo más fácil de captura de datos, porque cada campo de datos se encuentra en el mismo lugar para todos los documentos. ^{[ cita requerida ]}

Los documentos semiestructurados (facturas, órdenes de compra, albaranes, etc.) tienen la misma estructura pero su apariencia depende del número de artículos y otros parámetros. La captura de datos de estos documentos es una tarea compleja pero con solución. ^[7]

Los documentos no estructurados (cartas, contratos, artículos, etc.) pueden ser flexibles en cuanto a estructura y apariencia.

Internet y el futuro

Los defensores del crecimiento de los sistemas AIDC argumentan que AIDC tiene el potencial de aumentar en gran medida la eficiencia industrial y la calidad de vida en general. Si se implementa ampliamente, la tecnología podría reducir o eliminar la falsificación, el robo y el desperdicio de productos, al tiempo que mejora la eficiencia de las cadenas de suministro. ^[8] Sin embargo, otros han criticado la posible expansión de los sistemas AIDC en la vida cotidiana, citando preocupaciones sobre la privacidad, el consentimiento y la seguridad personales. ^[9]

La asociación global Auto-ID Labs fue fundada en 1999 y está formada por 100 de las empresas más grandes del mundo como Wal-Mart , Coca-Cola , Gillette , Johnson & Johnson , Pfizer , Procter & Gamble , Unilever , UPS , empresas que trabajan en el sector de la tecnología como SAP, Alien, Sun así como cinco centros de investigación académica. ^[10] Estos tienen su sede en las siguientes universidades; MIT en los EE. UU., Cambridge University en el Reino Unido, University of Adelaide en Australia, Keio University en Japón y ETH Zurich, así como la Universidad de St. Gallen en Suiza.

Auto-ID Labs sugiere un concepto de una futura cadena de suministro que se basa en la Internet de los objetos, es decir, una aplicación global de RFID. Intentan armonizar tecnología, procesos y organización. La investigación se centra en la miniaturización (con el objetivo de un tamaño de 0,3 mm / chip), la reducción del precio por dispositivo individual (con un objetivo de alrededor de $ 0,05 por unidad), el desarrollo de aplicaciones innovadoras como el pago sin ningún contacto físico (Sony / Philips) , domótica (ropa equipada con etiquetas de radio y lavadoras inteligentes) y eventos deportivos (cronometraje en el maratón de Berlín).

AIDC 100

AIDC 100 es una organización profesional para la industria de identificación automática y captura de datos (AIDC). Este grupo está compuesto por personas que hicieron contribuciones sustanciales al avance de la industria. Aumentar la comprensión empresarial de los procesos y tecnologías AIDC son los objetivos principales de la organización. ^[11]

Ver también

Identificación de especies automatizada
Identificación automática de equipos
Reconocimiento automático de matrículas
Laboratorios de identificación automática
Gestión de dispositivos
Gestión de servicios de campo
Empresa móvil
Gestión de activos móviles
Computación ubicua
Comercio ubicuo
Sala de correo digital
Reconocimiento facial
Privacidad de datos

Referencias

^ Mercado de captura de datos e identificación automática (códigos de barras, tarjetas de banda magnética, tarjetas inteligentes, sistemas OCR, productos RFID y sistemas biométricos): pronóstico global hasta 2023
^ "Identificación automática y recopilación de datos (AIDC)" . www.mhi.org . Consultado el 11 de abril de 2021 .
^ "¿Qué es el reconocimiento óptico de caracteres (OCR)?" . www.ukdataentry.com . 2016-07-22 . Consultado el 22 de julio de 2016 .
^ Palmer, Roger C. (1989, septiembre) Los fundamentos de la identificación automática [versión electrónica]. Sistemas de datos canadienses, 21 (9), 30-33
↑ Rouse, Margaret (1 de octubre de 2009). "código de barras (o código de barras)" . TechTarget . Consultado el 9 de marzo de 2017 .
^ Tecnologías, Recogniform. "Reconocimiento óptico y captura de datos" . www.recogniform.com . Consultado el 15 de enero de 2015 .
^ Yi, Jeonghee; Sundaresan, Neel (2000). "Un clasificador de documentos semiestructurados". Actas de la Sexta Conferencia Internacional ACM SIGKDD sobre Descubrimiento de Conocimiento y Minería de Datos - KDD '00 . págs. 340–344. CiteSeerX 10.1.1.87.2662 . doi : 10.1145 / 347090.347164 . ISBN 1581132336.
^ Waldner, Jean-Baptiste (2008). Nanocomputadoras e inteligencia de enjambre . Londres: ISTE John Wiley & Sons . págs. 205–214. ISBN 978-1-84704-002-2.
^ Glaser, abril (9 de marzo de 2016). "La biometría está llegando, junto con serias preocupaciones de seguridad" . www.wired.com . Consultado el 5 de julio de 2021 .
^ Centro de identificación automática. "La nueva red" . Archivado desde el original (PDF) el 22 de marzo de 2016 . Consultado el 23 de junio de 2011 .
^ "AIDC 100" . AIDC 100: Profesionales que se destacan en el servicio a la industria AIDC . Archivado desde el original el 24 de julio de 2011 . Consultado el 2 de agosto de 2011 .

[1] Mercado de captura de datos e identificación automática (códigos de barras, tarjetas de banda magnética, tarjetas inteligentes, sistemas OCR, productos RFID y sistemas biométricos): pronóstico global hasta 2023

[2] "Identificación automática y recopilación de datos (AIDC)" . www.mhi.org . Consultado el 11 de abril de 2021 .

[3] "¿Qué es el reconocimiento óptico de caracteres (OCR)?" . www.ukdataentry.com . 2016-07-22 . Consultado el 22 de julio de 2016 .

[4] Palmer, Roger C. (1989, septiembre) Los fundamentos de la identificación automática [versión electrónica]. Sistemas de datos canadienses, 21 (9), 30-33

[5] Rouse, Margaret (1 de octubre de 2009). "código de barras (o código de barras)" . TechTarget . Consultado el 9 de marzo de 2017 .

[6] Tecnologías, Recogniform. "Reconocimiento óptico y captura de datos" . www.recogniform.com . Consultado el 15 de enero de 2015 .

[7] Yi, Jeonghee; Sundaresan, Neel (2000). "Un clasificador de documentos semiestructurados". Actas de la Sexta Conferencia Internacional ACM SIGKDD sobre Descubrimiento de Conocimiento y Minería de Datos - KDD '00 . págs. 340–344. CiteSeerX 10.1.1.87.2662 . doi : 10.1145 / 347090.347164 . ISBN 1581132336.

[8] Waldner, Jean-Baptiste (2008). Nanocomputadoras e inteligencia de enjambre . Londres: ISTE John Wiley & Sons . págs. 205–214. ISBN 978-1-84704-002-2.

[9] Glaser, abril (9 de marzo de 2016). "La biometría está llegando, junto con serias preocupaciones de seguridad" . www.wired.com . Consultado el 5 de julio de 2021 .

[10] Centro de identificación automática. "La nueva red" . Archivado desde el original (PDF) el 22 de marzo de 2016 . Consultado el 23 de junio de 2011 .

[11] "AIDC 100" . AIDC 100: Profesionales que se destacan en el servicio a la industria AIDC . Archivado desde el original el 24 de julio de 2011 . Consultado el 2 de agosto de 2011 .

[1]