Search

A solution for the automation of inventory taking and location of prod-ucts in a store or warehouse is presented. Radio Frequency Identifica-tion (RFID), an automatic identification technology, and mobile robotics are combined in the design of an inventory robot. The navigation of the robot is commanded by an algorithm that takes as input the progress of new identifications. Such algorithm is essential for the robot to deliver an accuracy higher than 99% and for an optimal inventory duration. An interface for the interaction with the robot and a set of procedures for its operation are implemented. The location of items is implemented using two different approaches. The first approach applies clustering to streams of identifications and assigns the known location of a reference item to all the members of a cluster. The second approach applies Bayesian Re-cursive Estimation after the computation of an identification model. A methodology for the assessment is proposed and the data set generated for the analysis shared openly. Inventory accuracy and location are as-sessed in real scenarios. The proposed solution is demonstrated valuable and ready for the market. Es presenta una solució per a l'automatizació de l'inventari i la localització dels productes de tendes i magatzems. Radio Frequecy Identification (RFID), una tecnologia d'identificació automàtica, i la robòtica mòbil es combinen per dissenyar un robot per a inventaris. La navegació del robot està comandada per un algoritme que escolta el progrés de les noves identificacions. L'algoritme és essencial per tal que el robot obtingui una exactitud superior al 99% i per tal que la duració de l'inventari sigui òptima. S'implementen una interfície d'interacció i el conjunt de procediments necessaris per a operar amb el robot. La localització dels productes s'aborda de dues maneres. La primera consisteix en aplicar clústering a les cadenes d'identificacions dels productes i després assignar la localitzacio coneguda d'un producte de referència a tots els membres del clúster. El segon mètode de localització consisteix en aplicar Bayesian Recursive Estimation després d'haver computat un model d'identificació. Es proposa una metodolgia per a l'avaluació dels inventaris i el dataset generat per a l'anàlisi és compartit obertament. L'exactitud dels inventaris i la localització s'avaluen en escenaris reals. Es demostra que la solució proposada és de valor i està llesta per entrar al mercat.