Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estado Arte
Estado Arte
equipajes en aeropuertos
Ismael Espinoza Byron Motoche Gabriel Ramı́rez
DEEE DEEE DEEE
ESPE ESPE ESPE
Quito, Ecuador Quito, Ecuador Quito, Ecuador
email address bpmotoche@espe.edu.ec Quito, Ecuador
wgramirez1@espe.edu.ec
temática y se plantean posibles escenarios para trabajos sobre las tecnologı́as para rastreó y los componentes
durante varios años se avanzó dentro de los primeros abordaje del avión, a pesar de este tipos e automatización
aviones no fue hasta alrededor los años 1921 en los puestos de control eran desempeñados por operarios
donde se implementaron los primeros aeropuertos en de forma manual los cuales llevaban el registro de los
baja potencia, pero presentan limitaciones debido a la
frecuencia de la señal.
Ghazal et al. (2016) proponen un sistema inteligente de
bajo consumo de energı́a para el rastreo del equipaje
en tiempo real mediante el uso de aplicaciones móviles
y relojes inteligentes. Para lo cual antes del vuelo, la
información pertinente de cada equipaje se almacena
en el dispositivo del usuario, escaneando el código QR
entregado por el aeropuerto, lo que permite al usuario
futuras notificaciones cada vez que el equipaje pase por
puntos de verificación.
Figure 1. Número de artı́culos publicados desde 1998 sobre Baggage La idea de Código de Barras como hoy lo conocemos
tracking. nació en el año de 1948, sus inventores fueron Bernard
Silver y Normand Joseph Woodland los cuales después
códigos especı́ficos de cada maleta, mientras la demanda un año de investigaciones registraron la primera
de transporte aéreo aumentaba este sistema manual se patente denominada ”Eyes Bull” en 1949, esta patente
volvió ineficiente y fue reemplazado por sistemas au- consistı́a en una serie de cı́rculos concéntricos con el
tomatizados para el control del equipaje,se usaron varios objetivo de que pudiera leerse en cualquier dirección (?).
modelos de detección de paquetes tales como se explica
en donde se analiza un sistema rastreo en tiempo real No obstante se emplearon por primera vez a principios
mediante el uso de un algoritmo para el reconocimiento de la década de los 60 , estos se definieron como un
y rastreo de la maleta mediante la lectura de un código conjunto de barras negras y espacios de distintos tamaños
de barras mediante el uso de sensores de luz y un control las cuales almacenan cierta informació n, inicialmente la
basado en lógica programable,el cual buscaba disminuir utilidad en ese entonces era meramente en entornos de
el costo en perdidas para las aerolı́neas ,los cuales en trabajo industrial , una de las aplicaciones fue la identi-
2012 alcanzaron un total de $ 2.58 mil millones de ficación de vagones de un ferrocarril .En la siguiente
dolares donde el 70% del costo de este valor se debió a década dicho código fue expandiéndose a un ámbito
errores de seguimiento de maletas dentro del sistema. más comercial lo cual permitió que se incluyera en los
A. Manejo y rastreo de equipajes en Aeropuertos estantes de las tiendas de abarrotes , de manera que esto
El manejo del equipaje en el aeropuerto usualmente facilitara la identificación de los productos comestibles
involucra tres funciones: la movilización del equipaje ya que a cada producto se le asignaba un código UPC
desde el área del puesto de registro a las compuertas (Universal Product Code) el cual representa 12 dı́gitos y
de embarque, la transferencia de maletas desde una este era analizado por un escáner laser que decodificaba
compuerta a otra, y la movilización del equipaje de la información envuelta en el código (?).
las compuertas de desembarque al área de recogida del
equipaje (Abdelghany et al., 2006).
Según mencionan Kondori and Yousefi (2011) el diseño
de un sistema de control robusto para rastrear y prevenir
la pérdida del equipaje es todavı́a un reto en la industria
de la aviación.
Actualmente hay diferentes tecnologı́as para el rastreo
Figure 2. Codigo de Barras
y manejo del equipaje en el aeropuerto. Entre ellas las
que se basan en códigos de barras, códigos QR, RFID
(Kishan and Prashanth, 2017). Dicho escáner laser utiliza un haz de luz para formar
Los estudios de Kishan and Prashanth (2017) para el una sola lı́nea a lo largo del código de barras, estos
rastreo de equipaje, muestran que un sistema RFID tenı́an la capacidad de leer datos en una sola dimensión
que usa un algoritmo de rastreo es fácil de diseñar e 1D .
implementar, sin embargo, no puede identificar etiquetas
de gran escala. Por otro lado, el método RFID que En la actualidad se utiliza dichos códigos para identifi-
adopta una arquitectura distribuida tiene como ventaja que cación de todos los productos debido a que dentro de un
puede utilizar diversos lectores con diferentes radios de proceso comercial el procesamiento se puede automatizar
cobertura, pero no puede abrir todos los contenidos y reducir el error humano, de la misma manera dentro
presentes en las etiquetas de los equipajes. En tanto a los de un entorno de trabajo el registro masivo de productos
sistemas de rastreo en tiempo real muestra que consumen se realizarı́a con mayor facilidad (?).
Figure 5. Lector Código QR
Figure 3. Lector de Código de Barras
Las aplicaciones en las que se envuelve el código de puede tener una Versión de entre 1 a 40 el cual
barras en innumerable ya que cualquier sector puede determina las dimensiones del código siendo ası́ que
beneficiarse de este sistema de codificación ya sea la Versión 1 está compuesta por módulos de 21x21
industria, comercio, instituciones gubernamentales,etc. y la Versión 40 está compuesta por módulos de 177x177.
Por ejemplo una patente acerca de un biosensor con
código de barras, dicha patente consiste en uso de un La utilización de código QR se encuentra en etapa de
biosensor electroquı́mico que se conecta a un conjunto crecimiento debido a que se encuentra en un estándar
de electrodos que para la ablación a través de una abierto y que la decodificación puede realizarse con
porción de una capa metálica con un láser para formar cualquier cámara móvil sin importar la calidad, esta es
un patrón de electrodo, el código de barras cumple la una caracterı́stica importante ya que para la decodifi-
función de calibración . cación de un código de barras de 1D se necesitarı́a un
scanner de código de barras.
Con el crecimiento de la información las limitaciones
del código de barras se hicieron evidentes, la principal El uso comercial más popular para los códigos QR se
encuentra en la industria de la telefonı́a celular, donde
fue que este código no podı́a almacenar más de 20
la creciente adopción de teléfonos inteligentes interviene
dı́gitos alfanuméricos, esto desencadeno en la aparició n
en su utilización, debido a que el acceso a distintos sitios
de otros códigos que sean capaces de codificar mayor
volumen de información ,con esto surgió los códigos se puede realizar con el reconocimiento del código.
D. Procesamiento de imágenes
Asimismo, como la tecnologı́a avanzaba el
reconocimiento de imágenes era una tarea indispensable
como se muestra en la figura 8 la conversión a gray, varios aspectos: La referencia [19] utilizó un método
binarizacion, filtro, orientación (busca los patrones de de umbrales de bloque combinó la red neuronal SOM
orientación), generador celdas y finalmente la corrección con el algoritmo de Niblack para la binarización.
Consiguiente se tiene la corrección de inclinación
y decodificación.
debido a que el código escaneado puede poseer cierta
inclinación de manera que se necesita una operación
giratoria para su corrección; en el siguiente bloque se
realiza la corrección geométrica la cual consiste en
eliminar la distorsión lineal de la imagen del código QR.
usar un único canal para la comunicación alternando sitan ser procesados, como respuesta a esta problemática
entre el envı́o y recepción de la información.Después aparece el término “Big Data” (Moens et al., 2013) el
de poco tiempo se instauró la red 3G bajo el sistema cual incluye diversas tecnologı́as vinculadas a la admin-
EDGE (Enhanced Data Rate For GSM Evolution) cuya istración de grandes volúmenes de datos provenientes
tecnologı́a permitió duplicar la velocidad teórica hasta de diversas fuentes (celulares, computadores, tabletas,
un máximo de 384 Kbps , en donde se introdujo un información proveniente de base de datos entre otras.)
cambió en la modulación de información ,cerca del Mediante la herramienta bibliográfica SCOPUS al bus-
año 2010 se empezó a globalizar el sistema UMTS car mediante la ecuación de búsqueda “Big Data” se
(Universal Mobile Telecommunications System) el cual más usado durante algunos añ os debido al gran
llega a una velocidad máxima de 2000 Kbps mientras crecimiento de dispositivos electrónicos , durante estos
que la velocidad real a la que se puede alcanzar medi- ante años se mantuvo la actualización de varias normativas de
interferencias fı́sica es de 100 Kbps , este sistema fue el
conexió n Figura Nº3 Además de las normativas expues- obtuvo información en la cual se muestra que la mayor
tas están propuestas alrededor de 6 normativas: 802.11aj, cantidad de artı́culos asociados empezaron a crecer desde
el año 2013 como se muestra en la figura Nº2.
Desarrollados principalmente en Estados Unidos y China
en donde las primeras investigaciones trataban sobre las
bases técnicas del Big Data, el Cloud Computing y
el Map Reduce paradigm en donde el segundo es un
modelo de programación vinculados con procesamiento
y generación de grandes bases de datos en donde los
V. D ISCUSIONES
R EFERENCES
Abdelghany, A., Abdelghany, K., and Narasimhan, R.
(2006). Scheduling baggage-handling facilities in
congested airports. 12:76–81.
Armbrust, M., Stoica, I., Zaharia, M., Fox, A., Griffith,
R., Joseph, A. D., Katz, R., Konwinski, A., Lee, G.,
Patterson, D., and Rabkin, A. (2010). A view of cloud
computing. Communications of the ACM, 53(4):50.
Atzori, L., Iera, A., and Morabito, G. (2017). Under-
standing the Internet of Things: definition, potentials,
and societal role of a fast evolving paradigm. Ad Hoc
Networks, 56:122–140.
Figure 12. Clasificación teórica del Big Data. Ghazal, M., Ali, S., Haneefa, F., and Sweleh, A. (2016).
Towards smart wearable real-time airport luggage
tracking. 2016 International Conference on Industrial
Informatics and Computer Systems, CIICS 2016.
Hassan, Q. and Madani, S. (2018). Internet of things :
challenges, advances, and applications. Boca Raton.
Kishan, K. K. and Prashanth, K. V. (2017). Tech-
niques for Detecting and Tracking of Baggages in Air-
ports. Proceedings - 2017 International Conference on
Recent Advances in Electronics and Communication
Technology, ICRAECT 2017, pages 333–338.
Kondori, F. A. and Yousefi, S. (2011). Smart baggage
in aviation. Proceedings - 2011 IEEE International
Conferences on Internet of Things and Cyber, Physical
and Social Computing, iThings/CPSCom 2011, pages
Figure 13. Número de artı́culos sobre Big Data publicados.
620–623.
Maitrey, S. and Jha, C. (2015). MapReduce: Simplified
Data Analysis of Big Data. Procedia Computer
có mputos se hacen en términos de una función de mapeo Science, 57:563–571.
y otra de reducción en donde el proceso se realiza de Moens, S., Aksehirli, E., and Goethals, B. (2013). Fre-
forma paralela (Maitrey and Jha, 2015), mientras que
quent Itemset Mining for Big Data. In 2013 IEEE
la implementación del cloud computing permitió una
International Conference on Big Data, pages 111–118.
implementación más compleja en la conectividad en la
IEEE.
red permitiendo de esta manera una menor inversión en
Pattar, S., Buyya, R., Venugopal, K. R., Iyengar, S. S.,
hardware y otorgando mayor flexibilidad a los procesos
and Patnaik, L. M. (2018). Searching for the IoT Re-
(Armbrust et al., 2010) Una vez dado los cimientos para
sources: Fundamentals, Requirements, Comprehensive
el desarrollo de la Big Data existió la implementación
Review and Future Directions. IEEE Communications
de más modelos para poder abarcar satisfactoriamente el
Surveys and Tutorials, (c):1–32.
creciente número de datos tales como Apache Hadoop
Xu, L. D., He, W., and Li, S. (2014). Internet of things in
,HBase ,Cassandra y Mahout , los cuales van de la mano
industries: A survey. IEEE Transactions on Industrial
de los avances en técnicas de Big Data como lo son
Informatics, 10(4):2233–2243.
la minerı́a de datos, machine learning, reconocimiento
de patrones y algoritmos genéticos; En la actualidad
la aplicación de la Big Data ha tomado fuerza debido
a que el estudio sobre sus técnicas y modelos han
llegado a una madurez cientı́fica garantizando mayor
escalabilidad,fiabilidad,durabilidad y menores tiempos
de respuesta. No obstante, una implementación de Big
Data requiere altos costos en expertos, mayor tiempo
de adaptación tecnológica, dificultad para implementar
nuevos análisis y percepción limitada, por lo cual en
la actualidad se ve la implementación del Big Data
únicamente en corporaciones grandes y gobiernos tales
como Google, Amazon Web Services, Facebook y paı́ses
de primer mundo.