Defecto detectado al vuelo

El problema

A 15.000 piezas por hora, mirar pieza a pieza es imposible.

El control 100% visual humano es imposible a la cadencia real de las líneas más modernas. La inspección por muestreo deja huecos que se traducen en devoluciones de gran distribución y pérdida de confianza del cliente retail.

• Las líneas más rápidas del sector llegan a 15.000 unidades por hora. A esa cadencia, el control visual humano del 100% es matemáticamente imposible.
• Se inspecciona por muestreo, normalmente un 1-2% de las piezas retiradas a mano de la cinta, y lo que no cae en la muestra sale hacia la embolsadora sin que nadie lo haya visto. Y la muestra se toma cuando el operario puede, no cuando el defecto aparece.
• Pan aplastado, corteza quemada, pieza deformada, rebanado irregular o bollo pegado al de al lado: defectos que se ven a simple vista con la pieza quieta, pero no a esa velocidad.
• Cada uno que se escapa se convierte en una devolución de gran distribución y en una conversación incómoda con el cliente retail, que mide la confianza en el proveedor por lo que encuentra en el lineal.

Cómo encaja con el sistema IRIS

Edge — visión local sobre la línea, inferencia en milisegundos y expulsión antes de embolsar.

Edge — visión CNN local, sin enviar imagen a la nube (latencia, coste, ancho de banda). Modelo entrenado con ejemplos del formato concreto de cada línea (pan de molde, panecillos de hamburguesa o perrito).

La imagen no sale de la línea: el modelo corre en el propio equipo, sin depender de la nube ni de la red de planta. Se entrena con piezas de vuestro formato concreto, sea pan de molde, bollo de hamburguesa o de hot dog. Y cada pieza que expulsa queda registrada con su foto, su hora y el lote al que pertenecía, que es lo que hace falta para discutir una devolución. Lo que antes era una sensación de que la línea iba peor pasa a ser un recuento por lote.

Ver la arquitectura IRIS completa →

Antes y después

El muestreo de hoy frente a la cámara cenital

Aspecto	Hoy	Con iLEAN Edge
Piezas inspeccionadas	Muestreo del 1-2%	El 100%
Cadencia soportada	La del ojo humano	La de la línea
Dónde se procesa la imagen en la panificadora	—	En local, sin nube
Pieza defectuosa	Llega a la embolsadora	Expulsada antes del envasado
Reclamación de retail por defecto visual	Frecuente	Reducción drástica
Prueba ante una devolución	La palabra de cada parte	Foto y recuento por lote

Muestreo del 1-2% → control del 100% de las piezas. Reclamaciones de retail por defecto visual → reducción drástica.

Estimación de impacto

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.

• Payback estimado 5-12 meses, según el ratio de scrap que tengáis hoy.
• Reducción de devoluciones de gran distribución por defecto visual, que no entra en el payback y suele pesar tanto como él.
• Del muestreo del 1-2% al control del 100% de las piezas, en todos los turnos y a la cadencia real de la línea, también de noche.
• Y un histórico de defectos por formato y por hora que señala cuándo el horno o la divisora empiezan a derivar, antes de que el defecto se dispare en un lote entero.

Payback estimado de 5 a 12 meses según el ratio de scrap actual, más la reducción de devoluciones de gran distribución. Estimación a validar.

Y la duda razonable del responsable de producción

«¿Y si expulsa pan bueno y nos come rendimiento?» — clasificar pan correcto frente a defecto en un formato concreto, con iluminación y encuadre fijos, es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]. El modelo se entrena con vuestras piezas buenas y malas, no con un modelo genérico, y los casos de borde se registran para que calidad los revise y realimenten el entrenamiento.

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