CASO DE ÉXITO:
AGUAS DE VALENCIA
Lectura e identificación de contadores de agua
«AllRead consigue una lectura real, inmediata y sin errores, independientemente del tipo de contador instalado. Además, al equipo de campo de Global Omnium, le permite una mejora de más del 80% en los tiempos de toma de datos y una reducción de los errores humanos casi del 100%.»
Rafael Rubio, Responsable de Facturación y Clientes, Global Omnium (Aguas de Valencia)

Global Omnium, compañía referente en el suministro de agua potable
Global Omnium (antes, Aguas de Valencia) es una compañía referente de suministro y gestión de agua potable. Está presente en más de 400 ciudades españolas y es responsable del suministro de agua de más de 3 millones de personas solo en España.
Con sede central en Valencia, es pionera a nivel mundial en la digitalización y transformación digital a través de soluciones disruptivas.
• Empresa: Global Omnium (Aguas de Valencia)
• Ubicación: Valencia, España
• Sector: suministro de agua
• Caso de uso: lectura de consumo de agua e identificación de contadores
Procesos manuales y lecturas imprecisas

En Aguas de Valencia, era imprescindible la verificación de miles de contadores cada día, así como el registro de sus lecturas para fines de facturación o control de la empresa.
Este proceso, que se hacía de forma manual y diaria, además de ser muy costoso y lento, conllevaba una gran cantidad de errores en las lecturas y
no se podía integrar la información automáticamente en el sistema, lo que hacía de él un proceso todavía menos eficiente y menos fiable. Esto generaba retrasos, y cobros erróneos a
los clientes.
Varios eran en los métodos tradicionales y manuales de registro de datos. Generalmente, dos escenarios principales eran posibles según la ubicación del hogar u oficina donde se encontrasen los contadores:
1. Cercanos al centro urbano:
Un especialista o técnico de la compañía se desplazaba al lugar, revisaba el contador y anotaba el registro manualmente.
2. Alejados de la urbe: El consumidor debía registrar los datos desde su hogar, anotando manualmente en un papel los números de la lectura de consumo y el código identificador del contador.
EL DESAFÍO EN EL CASO DE USO
Lectura de consumo de agua e identificación de distintos estándares de contadores.
RIESGO DE LECTURAS INCORRECTAS
Haciendo el proceso aún menos eficiente y menos fiable.
MÚLTIPLES MÉTODOS TRADICIONALES Y MANUALES DE REGISTRO
Dos escenarios diferentes, según de la ubicación física del contador.
POSIBLES RETRASOS
Debido a los errores, causando cobros erróneos a los clientes.
Automatizando la lectura de distintos contadores
La tecnología AllRead estaba entrenada con éxito para la identificación de lecturas de consumo, pero no de números de identificación de distintos tipos de contadores. Por ello, nos encontrábamos con un desafío: automatizar y hacer más eficiente y preciso el proceso de captación de datos, e integrarlos en su plataforma propia.
En este contexto, procedimos al etiquetaje automático de 4000 fotografías de contadores de agua, que supuso un desafío por varios motivos:
• Alta variabilidad de tipos de contadores. Los números de identificación de contadores no respondían a un mismo patrón o estructura estándar, por lo que complicaba la tarea de registro de los datos mediante la Inteligencia Artificial (que requiere de datos estructurados para su procesamiento).
• Diferentes perspectivas en la toma de fotografías desde los teléfonos móviles. Muchas de las imágenes estaban rotadas y tomadas a diferentes distancias, lo que ofrecía ángulos difíciles.
• Cámaras de baja calidad, que ofrecían imágenes borrosas y dígitos poco visibles, difíciles de leer e interpretar incluso para el ojo humano.
Según afirma João Oliveira, Project Manager del proyecto en AllRead , «procesar los datos fue especialmente difícil por la alta variabilidad de los modelos o tipos de contadores, lo que hizo complejo entrenar y adaptar el modelo de lectura. Al tener una estructura diferente —con 3 cifras, o 4…—, supuso un reto entrenar nuestros algoritmos de Inteligencia Artificial y Computer Vision ».
+95% de certeza, 100% eficiencia y robustez
Al finalizar el proyecto, los resultados fueron satisfactorios en todos los tipos de contadores, corroborando la robustez del software de Inteligencia Artificial y Computer Vision de AllRead:
• 95% de precisión en las lecturas de consumo de los contadores, incluso en fotografías rotadas y borrosas.
• 97% en los códigos de identificación de contadores, independientemente del ángulo de la toma de la fotografía.
• Una captación de datos más rápida, mediante el procesamiento de fotografías y vídeos, por lo que conllevó un ahorro de tiempo y de gestión.
Con un inventario de contadores más realista y preciso, las mejoras operativas generadas por el proyecto fueron diversas. Con AllRead, Aguas de Valencia consiguió registrar las lecturas de sus clientes de forma mucho más rápida y eficiente, con datos mucho más precisos.
95% DE PRECISIÓN EN LAS LECTURAS DE CONSUMO
97% DE PRECISIÓN EN LOS IDENTIFICADORES DE CONTADORES
UNA CAPTACIÓN DE DATOS MÁS RÁPIDA
Integración en su plataforma
Además, facilitamos a Aguas de Valencia la integración de AllRead SaaS Cloud en su plataforma interna, donde clientes y técnicos de la compañía pudieron visualizar las lecturas automatizadas en su interfaz de la Oficina Virtual.
Con ello, garantizamos una implementación ligera, sin afectar las operaciones de la empresa, procesando toda la información en tiempo real en los servidores Cloud de AllRead, e integrando dicha información automáticamente en los sistemas de Aguas de Valencia a través de nuestra API.

Si quieres saber más sobre este caso de éxito, contacta con nosotros . Te contaremos cómo nuestra tecnología puede mejorar la eficiencia operacional de tu compañía.