UNIVERSIDAD PRIVADA ANTENOR ORREGO

FACULTAD DE INGENIERA
ESCUELA PROFESIONAL DE ING. DE COMPUTACIN Y SISTEMAS

CURSO :
Sistemas Inteligentes

PROFESOR :
Ing. Heber Abanto Cabrera

AUTORES :
Cadillo Blas, Jorge
Jara Tomapasca, Eder
Riofro Urbina, Ivn

TRUJILLO PER
2017
 1. Situacin problemtica
Hidrandina terceriza el servicio tcnico de sus suministros con la Empresa CAM.
Actualmente este ltimo se encuentra en un proceso de automatizar la contabilidad de los
servicios prestados a Hidrandina para lo cual ha contrato a la empresa Izaro, quien se va a
encargar de realizar un sistema de gestin de rdenes de trabajo. El sistema de gestin como
tal no es parte de los objetivos de este proyecto, pero s lo es un mdulo de este software.
Para ello se ha resumido el proceso que atae a este mdulo de forma simple como se
muestra en la Figura 1.

Figura 1: Proceso resumido sobre los objetivos del proyecto

Ahora bien se ha identificado dos posibles situaciones en los que puede ayudar este

proyecto:

Errores en la escritura del nmero de suministro

Un percance que existe actualmente es en el momento que el tcnico rellena el formato

con el nmero de suministro. Si bien es cierto que el sistema de gestin podra resolver
este problema, el caso es que Hidrandina exige un documento en papel a manuscrito al
resolver una incidencia por lo cual no es viable eliminarlo. Es aqu donde empieza el
 problema. Se ha reportado que mensualmente un porcentaje significativo de los
nmeros de suministro son incorrectos por las siguientes razones:
Longitud del nmero de suministro es incorrecta.
Caligrafa deficiente al escribir el nmero de suministro.
Aparicin de caracteres en el nmero de suministro.
Edad media de las cuadrillas supera los 40 aos.
Los problemas de una mala digitacin del cdigo de suministro acarrean los siguientes
problemas:
Imposibilidad de cerrar el da contable.
Hidrandina no da por cerrado el incidente y CAM corre el riesgo de no recibir el
pago por el servicio si pasan 3 das.
El problema no solo sucede en La Libertad, sino tambin en Chimbote, Chiclayo.
Reduccin de digitadores
El paso a Excel de las rdenes de trabajo realizadas suele hacerse a altas horas de la noche,
cuando los tcnicos han acabado de realizar todas las OT y los entregan a ellos. Como
requisito de su sistema de gestin a realizar, CAM desea que el formato pueda ser reconocido
en al menos 40% de su contenido reduciendo as la carga de trabajo de los digitadores y con
ello poder prescindir de algunos de ellos. Actualmente CAM tiene en nmina a 4 digitadores.
El formato en papel de este formato est en el anexo 1.

2. Objetivo del proyecto

Desarrollar una aplicacin mvil usando Android que permita leer imgenes desde su
cmara, reconocer los caracteres alfanumricos a travs de un api hecha en Python para
procesar los nmeros de suministro y/o el formato de rdenes de trabajo ejecutadas por los
tcnicos de CAM.

3. Lenguaje de programacin
Para el desarrollo del proyecto se va a usar Python como un servicio web y las siguientes

herramientas a escoger:

Azureml es un servicio de Azure para el aprendizaje automtico que permite crear,

implementar y compartir fcilmente las soluciones de anlisis avanzado.
TensorFlow es una librera de Google preparado para inteligencia artificial, redes
neuronales, machine learning, depp learning.
 4. Etapas del proyecto
El proyecto consta de 2 etapas:

a) Entrenamiento:

Se realiza una seleccin de las tecnologas a emplear.

Se prueba las tecnologas y se analiza cul es la mejor opcin.
Se realiza un entrenamiento a partir de los datasets o se implementa las
libreras en el lenguaje de programacin establecido.
b) Implementacin

Se hace uso de la cmara del mvil para leer el nmero de suministro

Se hace uso de la cmara del mvil para leer las rdenes de trabajo ejecutadas.
Se obtiene los resultados de ambas pruebas.
Se validan las pruebas y se itera hasta llegar hasta el criterio de validacin
estipulado. (70%)
Se realiza una API para enviar imgenes y recibir el procesamiento de sta.
Se realiza el despliegue en Heroku.
Se presentan los resultados.
5. Fuente de datos para el entrenamiento
Para la deteccin de dgitos se usar Mnist, un dataset de dgitos con 60 000 casos y
10 000 pruebas.

Figura 2: Dataset de dgitos

Para la deteccin de caracteres tambin se realizar con NIST Handprinted Forms and
Characters Database. En ambos casos cada muestra de carcter tiene una dimensin fija de
28x28 px.
 6. Fuente de datos para la implementacin
En la implementacin se realizan las pruebas con el banco que proporciona MNIST y
adems con las que hacen los usuarios.

7. Procedimiento de la solucin.
7.1 Recepcin de imgenes
Se debe configurar el envo de imgenes desde que es tomada por el mvil hasta su
correcta recepcin en el servidor a procesar.
7.2 Validacin de los datasets
Se debe validar que los datasets a o el sistema a usar responda bien a la lectura de
imgenes simples para asegurar que est funcionando correctamente.
7.3 Procesamiento de las imgenes enviadas por los tcnicos
Se aplica las tcnicas matemticas para identificar los patrones alfanumricos.
7.4 Construccin de un API
Con los resultados del paso anterior se debe entregar un JSON con la informacin
leda en la imagen.
7.5 Gestionar las excepciones
Debe ajustarse el algoritmo hasta obtener un mnimo de 70% de lectura aceptable.
El porcentaje restante debe ser manejado solicitando algunas acciones como volver a
tomar una foto o dar la opcin de rellenar manualmente lo que falta.
8. Entregables

Modo de tarea Nombre de tarea Duracin Comienzo Fin Predecesoras

Programada lun vie
Inicio 55 das?
automticamente 18/09/17 01/12/17
Programada lun vie
Formacin de grupo 1 sem?
automticamente 18/09/17 22/09/17
Programada Establecimiento de los lun vie
1 sem? 2
automticamente objetivos 25/09/17 29/09/17
Programada Seleccin de la arquitectura a lun vie
1 sem? 2
automticamente emplear 25/09/17 29/09/17
Programada lun vie
Seleccin de los datasets 1 sem? 4
automticamente 02/10/17 06/10/17
Programada lun vie
Presentacin del avance 1 sem? 5
automticamente 09/10/17 13/10/17
Programada Integracin entre la aplicacin lun vie
1 sem? 6
automticamente y el backend de la app 16/10/17 20/10/17
Programada Arquitectura del machine lun vie
1 sem? 7
automticamente learning 23/10/17 27/10/17
Programada Procesamiento de los datos lun vie
1 sem 8
automticamente enviados 30/10/17 03/11/17
Ajuste de los resultados hasta
Programada lun vie
cumplir los criterios de 1 sem 9
automticamente 06/11/17 10/11/17
validacin
Programada Construccin del API para lun vie
1 sem 10
automticamente enviar resultados 13/11/17 17/11/17
Programada lun vie
Pruebas del funcionamiento 1 sem 11
automticamente 20/11/17 24/11/17
Programada lun vie
Exposicin final 1 sem 12
automticamente 27/11/17 01/12/17