W sklepach sieci Biedronka temperatura w urządzeniach chłodniczych była kontrolowana ręcznie przez pracowników zgodnie z obowiązującymi procedurami. Odczyty musiały być wykonywane cyklicznie, na przykład co 2 godziny, a następnie raportowane w systemie. Proces ten był czasochłonny, podatny na błędy i nie dawał gwarancji pełnej realizacji harmonogramu.
‍
Awarie lodówek i zamrażarek bywały wykrywane z opóźnieniem, co prowadziło do rozmrożenia towaru, strat finansowych oraz ryzyka zagrożenia bezpieczeństwa żywności. Dodatkowym wyzwaniem był brak centralnej kontroli kompletności odczytów oraz brak mechanizmu automatycznego reagowania na temperatury spoza normy.

Escola zaprojektowała i wdrożyła aplikację mobilną wykorzystującą technologię OCR oraz Machine Learning do automatycznego odczytu temperatury z fizycznych wyświetlaczy termometrów w urządzeniach chłodniczych.

Pracownik sklepu, zamiast ręcznie wpisywać dane, skanuje kamerą telefonu wyświetlaną temperaturę oraz kod urządzenia. System automatycznie rozpoznaje dane i przekazuje je do centralnej bazy. W przypadku pominięcia któregoś urządzenia aplikacja wysyła powiadomienie PUSH z informacją o brakującym odczycie. Jeśli wykryta temperatura przekracza dopuszczalne normy, automatycznie uruchamiane są procedury awaryjne, umożliwiające szybką reakcję i ograniczenie strat.
Największym wyzwaniem projektowym było dostosowanie algorytmu OCR do wielu modeli termometrów oraz trudnych warunków sklepowych. Część wyświetlaczy była porysowana, częściowo zamglona lub znajdowała się w zmiennym oświetleniu. Model Machine Learning został wytrenowany na dziesiątkach wariantów urządzeń, aby zapewnić skuteczność działania zbliżoną do ludzkiego odczytu. Rozwiązanie działa na systemie Android i zostało przetestowane również na starszych modelach urządzeń mobilnych. Wdrożenie poprzedziły warsztaty analityczne FRD, BRD i TRD, testy w sklepach oraz etapowy rollout.