Del muestreo al control del 100% de las unidades
A la cadencia real de una línea de envasado, el ojo humano se cansa y deja pasar el defecto que más caro sale: el sello mal soldado. En café, una bolsa con la soldadura imperfecta o la válvula desgasificadora mal colocada pierde el aroma; en conserva, un doble cierre fuera de especificación es un riesgo de seguridad alimentaria. Edge iLEAN pone una cámara sobre la línea, infiere en milisegundos por unidad y expulsa la defectuosa antes de que entre en la caja.
‹ Ver todos los casos de café, culinarios, snacks y restauración
El coste del defecto es asimétrico, y el muestreo deja huecos justo donde importa.
El control visual al cien por cien es imposible a cadencia real, y esto no es un problema de voluntad ni de formación del operario: es una limitación física. Por eso el estándar del sector es el muestreo, que por definición deja huecos entre muestra y muestra. El coste del defecto, sin embargo, es completamente asimétrico entre productos. Una bolsa de café mal sellada llega al consumidor como producto rancio: reclamación, pérdida de confianza en la marca, devolución del distribuidor. Una lata con el doble cierre fuera de especificación es otra categoría de problema: es seguridad alimentaria, con consecuencias regulatorias en el mercado de destino. Hay un tercer efecto, específico de los grupos multiplanta: cada fábrica tiene su propio criterio de aceptación, aprendido del operario más veterano de esa planta. El mismo formato se acepta o se rechaza de forma distinta según dónde se envase, y no hay manera de auditar ese criterio porque no está escrito en ninguna parte.
- El control visual al cien por cien es imposible a cadencia real, y no es un problema de voluntad ni de formación: es una limitación física. Por eso el estándar del sector es el muestreo.
- Una bolsa de café mal sellada llega al consumidor como producto rancio: reclamación, pérdida de confianza en la marca, devolución del distribuidor.
- Una lata con el doble cierre fuera de especificación es otra categoría de problema: es seguridad alimentaria, con consecuencias regulatorias en el mercado de destino.
- Y cada fábrica tiene su propio criterio de aceptación, aprendido del operario más veterano: el mismo formato se acepta o se rechaza según dónde se envase, y no hay forma de auditar ese criterio porque no está escrito.
Edge — visión artificial en línea, inferencia local.
Edge — visión artificial en línea. El flujo:
El criterio de aceptación deja de ser una costumbre local: queda explícito dentro del modelo, idéntico en todas las plantas que envasan el mismo formato, y auditable.
- Cámara industrial montada sobre la línea de envasado, en el punto posterior al sellado o al cierre.
- Red neuronal entrenada con ejemplos buenos y malos del envase concreto de esa línea: bolsa con válvula, lata, tarro de vidrio con cápsula, paquete de pasta.
- Inferencia local en GPU Edge, en milisegundos por unidad, sin enviar imagen a la nube — por latencia, coste y ancho de banda.
- Expulsión automática de la unidad defectuosa antes del embalaje.
- Cada expulsión queda registrada con su imagen, alimentando el expediente auditable sin trabajo adicional.
El criterio de aceptación deja de ser una costumbre local y queda explícito dentro del modelo: idéntico en todas las plantas que envasan el mismo formato, y auditable.
Muestreo frente a control del 100%
| Aspecto | Control por muestreo | Con iLEAN Edge |
|---|---|---|
| Cobertura | Una fracción de las unidades | 100% |
| Bolsa mal sellada | Llega al consumidor | Expulsada antes del embalaje |
| Doble cierre fuera de especificación | Riesgo regulatorio | Detectado en línea |
| Criterio de aceptación | Implícito y distinto por planta | Único y explícito |
| Auditar ese criterio | No está escrito | Está en el modelo |
| Evidencia del rechazo | Ninguna | Imagen registrada |
muestreo de una fracción → control del 100% de las unidades. Criterio implícito y distinto por planta → criterio único y auditable. Reclamaciones por defecto de envase → reducción drástica.
Estimación de impacto — a validar con vuestros 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.
- Líneas de envasado de bolsa con válvula, lata, tarro de vidrio con cápsula y paquete de pasta.
- Payback orientativo entre 5 y 12 meses, según la tasa de defecto actual y el valor unitario del formato.
- En conserva se justifica además por reducción de riesgo, no solo por merma: el doble cierre es seguridad alimentaria.
- Empezad por el formato que más reclamaciones genera: es donde el caso se paga primero.
payback estimado entre 5 y 12 meses según la tasa de defecto actual y el valor unitario del formato. En conserva se justifica además por reducción de riesgo, no solo por merma. *Estimación a validar*.
Y la duda razonable del responsable de producción
«¿Y si rechaza unidades buenas?» — el umbral se ajusta durante las semanas de entrenamiento con producción real, y el punto de partida es deliberadamente conservador: es preferible que mande unas cuantas dudosas a revisión antes que dejar pasar un sello defectuoso. Todo lo que marca queda con su imagen, así que el criterio se audita en vez de discutirse.
[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.
Lo que suelen preguntar sobre visión en el sellado
¿Por qué la inferencia es local y no en la nube?
Por latencia, coste y ancho de banda. Enviar la imagen de cada unidad a la nube a la cadencia de una envasadora no es viable: la decisión de expulsar tiene que tomarse en milisegundos y en el propio expulsor. La GPU está a pie de línea justamente por eso.
¿Cuánto tarda el entrenamiento?
Semanas, no meses, y necesita envases reales: buenos y defectuosos. Esa es la restricción práctica — si un defecto aparece una vez al mes, tardan en acumularse ejemplos. Para los frecuentes, que son los que duelen, suele haber material suficiente en pocas producciones.
¿Sirve para lata y para bolsa con el mismo modelo?
No: se entrena por envase concreto, porque lo que cuenta como defecto en una bolsa con válvula no es lo que cuenta en un doble cierre. Lo que sí se reutiliza es el montaje y el trabajo previo, así que la segunda línea cuesta bastante menos que la primera.
¿Frena la línea?
No: la inferencia ocurre en milisegundos sobre GPU local, que es precisamente por lo que no está en la nube. La cámara va al ritmo de la envasadora, no al revés.
¿Qué gana un grupo multiplanta frente a una sola fábrica?
El criterio común. Hoy el mismo formato se acepta o se rechaza distinto según la planta, porque el criterio es el del operario más veterano de cada sitio y no está escrito en ninguna parte. Con el modelo entrenado una vez, las plantas que envasan ese formato aplican el mismo criterio y además se puede auditar.
Empezad por el formato que más reclamaciones os genera.
Trabajamos sobre los datos reales de tu planta, no sobre los nuestros. Diagnóstico sin compromiso.
Pedir ROI estimado en 48h ‹ Ver todos los casos de café, culinarios, snacks y restauración Ver alimentaria