Inspección SMT en EMS de Guadalajara — un componente mal puesto antes del horno es nada; después es scrap.

El problema

Tres realidades que la línea SMT casi nunca cruza a tiempo.

Una placa SMT correcta es el cruce de tres datos que en la mayoría de EMS viven cada uno en una isla:

1. El BOM del lote — qué componentes lleva ese código, con qué referencias, en qué huellas. Vive en el MES o en el MOM. A veces en una Excel del jefe de proyecto que cambia entre revisiones del cliente.
2. El programa de la pick-and-place — qué feeder lleva qué carrete, en qué posición XY se coloca, con qué orientación. Vive en la máquina; el cambio de SKU implica recargar feeders y recargar el programa.
3. Lo que realmente sale del feeder — porque un carrete equivocado, un splice mal hecho, una polaridad invertida del operador en el cambio de rollo o un componente que viajó al feeder vecino convierten un cambio de SKU en el momento más vulnerable del turno.

El supervisor de línea lo sabe, pero no puede estar en las tres pantallas a la vez. El AOI post-reflow detecta el error tarde — cuando el panel ya pasó por 240 °C y el retrabajo es estación de aire caliente, riesgo térmico para vecinos y, a veces, scrap del board entero. El sistema clásico funciona casi siempre. Ese "casi" es lo que llega como reclamación del cliente automotive a 25 PPM — y a ese estándar de calidad ^[1], una sola placa fuera ya es un evento de gestión.

Cómo encaja con el sistema IRIS

iLEAN Vision no sustituye tu AOI ni tu MES — sella las grietas entre BOM, programa y feeder.

El problema de la inspección SMT no es falta de información: es información que vive en islas y que en el momento crítico (el cambio de SKU, el carrete recién splice-ado) no llega a tiempo a quien decide. iLEAN actúa como la masilla que rellena esos huecos, sin pedirte que cambies tu pick-and-place ni tu AOI. Así encaja en la arquitectura IRIS.

Edge ve el panel antes del horno. Connect lee el programa del lote del MES o de la Excel. El agente cruza con el BOM y, si algo no cuadra, retiene el board. La persona firma — nunca al revés.

Las tres piezas iLEAN aplicadas a la inspección SMT en EMS de Guadalajara:

• iLEAN Vision (Edge) — terminal con visión artificial (CNN) sobre el conveyor entre la pick-and-place y la reflow oven. Verifica presencia, ausencia y polaridad panel a panel, dispara el actuador (semáforo, retención del conveyor) en milisegundos. Funciona sin red: si la planta se queda sin WiFi, Vision sigue inspeccionando y reteniendo, porque lo crítico no puede depender de la conectividad.
• Connect — captura el BOM y el programa de pick-and-place donde estén — MES, MOM, Excel del jefe de proyecto, e-mail del cliente con la revisión del BOM. Y captura también lo que llega por fuera (cambio de huella del proveedor, alerta del distribuidor sobre un MPN obsoleto) en el segundo cero, sin que nadie reenvíe nada.
• Agente — cruza el panel inspeccionado, el programa cargado, el BOM del lote y el histórico de la línea. Si hay desviación, no envía un email a las 22h: retiene el panel y avisa al técnico de línea por el canal que use. La persona valida y firma; el conveyor no se reanuda solo.

Ver la arquitectura IRIS completa →

Antes y después

Inspección manual + AOI post-reflow vs. iLEAN Vision pre-reflow

Aspecto	Inspección manual + AOI post-reflow	Con iLEAN Vision + Connect + Agente
Momento de la detección	Después del horno — pieza ya soldada	Antes del horno — pieza aún recuperable
Componente equivocado del feeder	Se descubre cuando el AOI lo ve mal soldado	Se detecta en el primer panel del cambio de carrete
Polaridad invertida	Riesgo de falso positivo del AOI según ángulo	Verificación contra orientación esperada del BOM
Retrabajo	Aire caliente, riesgo térmico para componentes vecinos	Pinza — y solo si la persona valida la retención
Funcionamiento sin red	n/a	Vision sigue inspeccionando con la luz del cuadro
Expediente para auditor IATF/IPC	Reconstruir desde el AOI y el log de la pick-and-place	Dossier por panel, automático, con imagen pre-horno

Estimación de impacto

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 + medical, varias decenas de cambios de SKU al día y feeders compartidos entre líneas.
• Piloto Vision sobre una línea (terminal Edge entre pick-and-place y reflow oven + integración del programa del lote del MES o de la Excel). Primer valor esperable en pocas semanas.
• Payback orientativo entre 4 y 9 meses, según la tasa actual de retrabajo post-AOI, el coste medio de retrabajo por panel y la frecuencia de incidentes en cambios de carrete documentados.
• Reducción razonable de placas con componente equivocado / polaridad invertida que llegan al horno: ≥30% sobre la línea piloto (estimación conservadora, no techo).
• La palanca dura es un solo cambio de carrete equivocado interceptado antes del reflow: 0 retrabajo, 0 riesgo térmico para componentes vecinos, 0 reclamación del cliente automotive a 25 PPM.

Y la duda razonable del director de calidad

«¿Y si la IA se equivoca y deja pasar un panel mal montado?» — la alucinación es un problema de la generación libre, no de las tareas ancladas. En tareas donde la IA se limita a recontextualizar un dato de un sistema a otro (leer el panel y compararlo con el BOM), 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.