AOI defectos de soldadura en Guadalajara — el AOI clásico avisa de todo, y por eso ya nadie le hace caso.
El AOI clásico de reglas se ahoga en falsos positivos: el operario acaba ignorando avisos, y el día que el aviso es real también lo ignora. iLEAN Edge ve la junta como el inspector veterano — tombstone, puente, vacío, head-in-pillow — con una CNN entrenada sobre defectos reales de tu línea. Retiene el board, propone causa raíz cruzando perfil de reflow y feeder, y la persona firma. Jidoka en dos tiempos.
El AOI clásico avisa de todo — y el operario aprende a no mirar.
El AOI por reglas geométricas se diseñó para una época en la que los componentes y los procesos eran estables. En un EMS de alto mix, esa premisa se rompe:
- Falsos positivos en componentes nuevos — cada referencia nueva exige programar umbrales; los primeros lotes generan avisos masivos que el operario revisa uno a uno hasta que confía en el componente.
- Cambio de proveedor de pasta o de horno — el brillo de la junta cambia, los umbrales geométricos disparan falsos positivos durante semanas.
- Footprints mixtos en la misma placa — pasivos 0201 junto a BGAs, conectores junto a QFN — un único umbral no sirve para todo.
- El operario aprende a ignorar avisos — cuando el AOI dispara 200 veces al turno y 195 son falso positivo, el cerebro humano descarta el aviso por defecto. El día que el aviso es real, también lo descarta.
El director de calidad lo sabe, pero la única alternativa que le ofrece el mercado clásico es endurecer los umbrales y duplicar la inspección manual. Más coste, más turnos, y al final el defecto que importa sigue llegando al ICT o, peor, al cliente automotive a 25 PPM [1]. A ese estándar, una junta fría que escape ya es un evento de gestión.
iLEAN Edge no reemplaza tu AOI — lo enseña a ver como tu mejor inspector.
El problema del AOI clásico no es la cámara: es la lógica de reglas que se ahoga en falsos positivos y nunca aprende. iLEAN Edge actúa como la masilla que rellena el hueco entre lo que el AOI clásico puede decir y lo que el inspector veterano sabe ver — sin que tengas que reemplazar el equipo. Así encaja en la arquitectura IRIS.
Edge ve la junta como el veterano. Connect une perfil de horno, feeder y resultado. El agente propone causa raíz. La persona firma — siempre.
Las tres piezas iLEAN aplicadas al AOI con IA en EMS de Guadalajara:
- iLEAN Edge — terminal con CNN sobre la junta, entrenada con defectos reales de tu línea. Detecta tombstone, puente, vacío, head-in-pillow, insuficiencia/exceso de pasta y junta fría con menos falsos positivos que el AOI clásico. Cada decisión que la persona firma alimenta el modelo — el ojo del veterano se vuelve capacidad permanente de la línea. Funciona sin red: si la planta pierde WiFi, Edge sigue inspeccionando y reteniendo.
- iLEAN Connect — captura el perfil del horno del SCADA, el log del pick-and-place (qué slot/feeder cargó cada referencia), el lote de la pasta, la humedad ambiente y el MSL del componente. Captura también lo que entra por fuera: aviso del proveedor de pasta sobre un lote con problema, e-mail del cliente con un AAR previo. Vivos los canales en el segundo cero.
- iLEAN Agents — cruzan defecto + perfil de reflow + feeder + lote de pasta. Si los tombstones se concentran en una zona del horno o coinciden con un cambio de carrete, lo dicen. Proponen ajuste de perfil o cambio de pasta — el segundo tiempo del jidoka. Los Agents no tocan la OT crítica: proponen, la persona valida y ejecuta.
AOI clásico de reglas vs. iLEAN Edge con CNN
| Aspecto | AOI clásico de reglas geométricas | Con iLEAN Edge + Connect + Agentes |
|---|---|---|
| Falsos positivos | Altos, sobre todo en componente nuevo o pasta nueva | Menos, porque la CNN aprende de las firmas reales |
| Tombstone / puente / vacío | Reglas geométricas; revisar caso por caso | Discriminación entrenada con defectos de tu línea |
| Head-in-pillow en BGA | Difícil — la regla no ve dentro | Firma en CNN + cruce con MSL/humedad |
| Causa raíz | Hipótesis del jefe de turno | Cruce automático con perfil de reflow y feeder |
| Mejora con el tiempo | No — las reglas se ajustan a mano | Cada firma del veterano alimenta el modelo |
| Funcionamiento sin red | n/a | Edge sigue inspeccionando con la luz del cuadro |
Estimación de impacto para tu planta — a validar con tus números.
El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.
- EMS con 2-4 líneas SMT, mix automotive + industrial, AOI clásico de reglas con tasa de falsos positivos elevada y retrabajo creciente.
- Piloto Edge sobre el AOI de una línea (cámara complementaria o reaprovechamiento del óptico actual + integración con SCADA del horno y log del pick-and-place). Primer valor esperable en pocas semanas.
- Payback orientativo entre 4 y 9 meses, según tasa actual de falsos positivos, coste de la inspección de revisión secundaria y frecuencia de defectos que escapan al ICT.
- Reducción razonable de defectos que llegan al ICT/FCT: ≥30% sobre la línea piloto (estimación conservadora, no techo).
- Reducción razonable de falsos positivos: ≥30%, liberando turnos completos de inspección secundaria.
- La palanca dura es un solo defecto que ya no escapa al cliente automotive: el coste de una reclamación a 25 PPM paga el piloto entero.
Y la duda razonable del director de calidad
«¿Y si la IA se inventa una junta defectuosa o, peor, deja pasar una mala?» — la alucinación es un problema de la generación libre, no de las tareas ancladas. Clasificar la firma visual de una junta contra una librería entrenada es exactamente una tarea anclada — los mejores modelos bajaron el error por debajo del 1,5% [2]. Y aun así, lo crítico no se decide solo: iLEAN retiene el board y la persona firma. Los tres anillos de seguridad están ahí precisamente para esto.
[1] Estándar de calidad de proveedor automotive del orden de 25 PPM. Symestic.
[2] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.
Lo que se pregunta sobre AOI con IA en EMS de Guadalajara
¿Qué defectos de soldadura detecta iLEAN Edge tras la reflow oven?
Los defectos clásicos post-reflow: tombstone (componente levantado), puente entre pads adyacentes, insuficiencia o exceso de pasta, vacío de soldadura, head-in-pillow en BGAs, y junta fría. La cámara con CNN ve la junta como la ve el inspector veterano, marca la severidad y, si supera el umbral, retiene el board para retrabajo. La persona firma la decisión — el conveyor no avanza solo.
¿En qué se diferencia un AOI con IA de un AOI clásico de reglas?
El AOI clásico funciona con reglas geométricas (umbrales de brillo, contraste, área) que generan falsos positivos en componentes nuevos, en footprints mixtos y cuando cambia el proveedor de pasta. La inspección queda saturada de avisos que el operario aprende a ignorar — y el día que el aviso es real, también pasa. iLEAN Edge usa una CNN entrenada sobre defectos reales de tu línea: discrimina junta buena de junta mala con menos falsos positivos y aprende de cada decisión que la persona firma.
¿Qué es el jidoka en dos tiempos del AOI con IA?
Primer tiempo: detectar y retener el board defectuoso para retrabajo, antes de que pase al ICT/FCT o al cliente. Segundo tiempo: aprender a anticipar la causa raíz — patrón de tombstones que coincide con un horno desviado, puentes que coinciden con un lote de pasta concreto, head-in-pillow que coincide con humedad del MSL del componente. El segundo tiempo es lo que reduce defectos a futuro; el primero protege al cliente hoy.
¿Cómo conecta el AOI con el perfil de reflow y el feeder?
Por iLEAN Connect: el perfil del horno (SCADA), el log del pick-and-place (qué slot/feeder cargó cada referencia) y el resultado del AOI viven juntos en el segundo cero. Un Agente los cruza: si los tombstones se concentran en una zona del horno o coinciden con un cambio de carrete, lo dice. Propone ajuste de perfil o cambio de pasta; la persona valida. Los Agents no tienen manos en la OT crítica — proponen, no ejecutan.
¿Cuánto tarda en dar primer valor un piloto AOI con IA en EMS de Guadalajara?
El orden de magnitud razonable es primer valor en pocas semanas: detección consistente sobre la línea piloto con menos falsos positivos que el AOI clásico actual. La expansión al resto de líneas la hace el propio EMS con su gente formada. Pide el ROI estimado con los números de tu planta en 48h — tasa actual de retrabajo, falsos positivos por turno, defectos que escapan al cliente.
Cuéntanos tu caso y te pasamos en 48h el ROI estimado de AOI con IA para tu EMS de Guadalajara.
Trabajamos sobre los datos reales de tu planta, no sobre los nuestros. Diagnóstico sin compromiso.
Pedir ROI estimado en 48h Ver soluciones en México