Control de comida para bebé en tarrito de vidrio con IA — tolerancia cero significa inspección al 100%, no muestreo.

El problema

El riesgo más crítico del sector se sigue controlando con el método menos exhaustivo: el muestreo.

En alimentación infantil no hay «defecto menor». El consumidor final no puede protegerse solo, la normativa es la más estricta de la cadena alimentaria y la confianza de los padres no se recupera con una nota de prensa. Un solo fragmento de vidrio en un tarrito significa retirada total del lote — a veces de la referencia entera — y un daño de marca que no se amortiza en años. Y sin embargo, en muchas plantas el control real de la línea de vidrio sigue funcionando así:

1. Inspección por muestreo — se revisa una fracción de los tarros por turno. Estadísticamente impecable para defectos tolerables; insuficiente por diseño cuando la tolerancia es cero: el tarro que no se mira es exactamente el que puede llegar al lineal.
2. El «button» de vacío y el par de cierre, a mano — un operario pulsa la tapa para comprobar el vacío y un banco de par abre tarros de muestra para verificar el cierre. Fiable en la muestra; ciego en el resto. Un tarro con vacío defectuoso es un riesgo microbiológico además de mecánico.
3. Rotura de tarro en línea — cuando un tarro estalla en la llenadora o en la taponadora, el protocolo obliga a purgar un margen amplio de producto «por si acaso»: nadie sabe con precisión hasta dónde llegaron los fragmentos. Se destruye producto bueno por falta de dato.
4. Todo documentado a papel — la purga, el motivo, el rango de unidades, la firma del responsable. Partes manuscritos que alguien pasará a limpio, con los huecos y las prisas de fin de turno, y que habrá que reconstruir cuando el auditor los pida meses después.

El resultado es una asimetría incómoda: el punto de mayor riesgo de toda la planta es el que menos cobertura de inspección tiene. El sistema clásico funciona casi siempre. En alimentación infantil, «casi siempre» no es un estándar aceptable.

Cómo encaja con el sistema IRIS

iLEAN no añade otra cámara suelta — pone el 100% de los tarros bajo un sistema que decide, delimita y documenta.

El cuello de botella no es la óptica: cámaras hay muchas. Es que la detección vive en una isla, la decisión de parar y purgar vive en el criterio del jefe de turno y la evidencia para el auditor vive en papel. Ninguna se habla con la siguiente sin que una persona haga de mensajero. iLEAN es la masilla que une las tres — sin pedirte que cambies la llenadora, la taponadora ni el MES que ya tienes.

Edge inspecciona el 100% de los tarros a velocidad de línea. JIDOKA AI retiene el flujo ante una rotura y delimita la purga con evidencia. Connect documenta cada purga e incidente contra el lote. Los Agents generan el expediente para auditoría. La persona decide — nada se destruye ni se libera sin firma.

Las piezas iLEAN aplicadas al control de comida para bebé en tarrito de vidrio:

• Edge — visión al 100% — modelos de visión corriendo junto a la línea, en el anillo 1 de la planta, inspeccionando cada tarro: integridad del vidrio (boca, rosca, cuerpo, fondo), asentamiento de la tapa y estado del «button» de vacío, nivel de llenado contra consigna y partículas visibles en la superficie del producto antes del cierre. Sin depender de la nube para decidir a velocidad de producción.
• JIDOKA AI — cuando un tarro se rompe o la visión detecta un defecto crítico, el sistema retiene el flujo en ese punto y delimita la purga con dato: qué unidades pasaron por la zona afectada, entre qué marcas de tiempo, con la imagen de cada una como evidencia. Se destruye lo que el dato delimita, no el margen amplio que la prudencia sin dato obligaba a destruir. La decisión final de purga la firma la persona.
• Connect — registra cada purga, retención e incidente contra el lote en el momento en que ocurre: motivo, rango exacto, evidencia visual, quién firmó. Nada queda en un parte manuscrito pendiente de pasar a limpio; el registro nace digital y trazable.
• Agents — generan el expediente de auditoría por lote: qué se inspeccionó, qué se retuvo, qué se purgó y por qué, con la evidencia enlazada. Listo para IFS, BRC y la normativa específica de alimentación infantil, que es más exigente en cuerpos extraños y trazabilidad que la general.

El cerebro (Brain) que orquesta los agentes vive en Central; los datos críticos quedan en el anillo 1 de la planta, no en una nube cualquiera (ver arquitectura IRIS y los tres anillos de seguridad).

Ver la arquitectura IRIS completa →

Antes y después

Control por muestreo vs. control al 100% con iLEAN

Aspecto	Muestreo + control manual	Con iLEAN Edge + JIDOKA AI + Connect + Agents
Cobertura de inspección	Una fracción de tarros por turno	El 100% de tarros, tapas y niveles, a velocidad de línea
«Button» de vacío y par de cierre	A mano, sobre muestra	Estado del «button» verificado en cada unidad; el banco de par queda como contraste
Rotura de tarro en línea	Purga amplia «por si acaso», delimitada a ojo	JIDOKA AI retiene el flujo y delimita la purga con evidencia por unidad
Producto destruido por purga	Margen amplio, sin dato que lo acote	Solo lo que el dato delimita — menos producto bueno a la basura
Registro de purgas e incidentes	Partes a papel, pasados a limpio después	Connect lo registra contra el lote en el momento, con evidencia visual
Expediente de auditoría (IFS/BRC + normativa infantil)	Reconstrucción manual de días antes de la visita	Los Agents lo generan por lote, listo y trazable

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 línea. Sirve para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Planta de alimentación infantil con una o varias líneas de tarrito de vidrio a velocidad media-alta, control actual por muestreo, comprobación manual de vacío y par de cierre, y purgas por rotura documentadas a papel.
• Implantación de Edge + JIDOKA AI + Connect + Agents sobre la línea, integrada con el MES/ERP que ya tienes. Primer valor esperable en pocas semanas sobre una línea piloto, empezando por integridad de vidrio y cierre.
• Cobertura de inspección: del muestreo al 100% de las unidades. Reducción de producto destruido en purgas por rotura esperable ≥30% al delimitar con dato (en muchos casos más, pero ese es el suelo defendible; estimación a validar). La palanca dura es otra: una sola retirada evitada paga el proyecto muchas veces.
• Payback orientativo entre 5 y 12 meses, según velocidad de línea, frecuencia de roturas, coste del producto purgado y coste de preparación de auditorías. Estimación a validar en el diagnóstico.

Y la duda razonable de calidad

«¿Y si la IA se equivoca justo en el tarro que importa?» — la alucinación es un problema de la generación libre, no de las tareas ancladas. Clasificar cada tarro contra criterios definidos (integridad, «button», nivel, partículas) es exactamente una tarea anclada: la IA compara una imagen con umbrales deterministas fijados por tu equipo de calidad, y ante la duda el criterio es conservador — retener, no liberar. En este tipo de tareas, los mejores modelos bajaron el error por debajo del 1,5% ^[1] — frente a un muestreo que, por diseño, no mira la mayoría de las unidades. Y aun así, ninguna purga se cierra ni ningún lote se libera sin firma de la persona. Los tres anillos de seguridad están ahí para esto.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.