Visión Edge que expulsa el pack defectuoso antes del palet — sobre la loncheadora y la envasadora de queso.
A 200 packs/minuto el ojo humano se cansa y deja pasar lonchas rotas, sellos mal cerrados, exceso de moho superficial o códigos de lote borrosos. iLEAN Edge infiere en milisegundos con una CNN local y expulsa el pack defectuoso antes de que llegue al palet.
El muestreo del 1-2% no ve el pack que llega al lineal.
En una planta de transformación láctea que loncha y envasa queso — línea con loncheadora de alta velocidad y envasadora VFFS/HFFS aguas abajo —, el proceso en marcha es estable: una vez arranca, salen packs a 200 packs/minuto con pocas incidencias visibles. El problema es que a esa cadencia el control de calidad humano solo puede muestrear una fracción mínima de lo que pasa por la cinta.
- Muestreo del 1-2% — el inspector coge un pack de cada tanda, lo abre, lo mira. El 98-99% restante pasa sin que nadie lo compruebe, y ahí es donde se cuela la loncha rota, el sello mal cerrado o el código borroso.
- El hueco llega al lineal — el consumidor final se encuentra el defecto, o peor, el control de calidad del retailer lo detecta en su propia recepción.
La consecuencia no es un pack perdido: es una reclamación del retailer, una devolución de palet completo y, con frecuencia, una penalización en el próximo pedido — el retailer reduce volumen o exige auditoría extra al proveedor que ya ha fallado una vez. El muestreo al 1-2% funciona en producto perfecto, pero deja pasar exactamente lo que no debería pasar el día que la loncheadora empieza a rasgar o el sellado pierde presión.
iLEAN Edge — cámara cenital, CNN local y expulsión antes del palet.
El problema no es de criterio — el responsable de calidad sabe perfectamente qué es un pack defectuoso — es de cadencia y atención sostenida, justo donde la visión artificial gana. iLEAN Edge replica el criterio del inspector veterano a la velocidad de la envasadora, pack a pack, sin cansancio.
Edge ve cada pack a la salida de la loncheadora y de la envasadora. La CNN local distingue loncha rota, sello mal cerrado, moho superficial y código borroso. El expulsor neumático lo saca de la cinta antes del palet. Funciona sin red. La línea no se entera — solo deja de pasar el pack malo.
La pieza concreta de iLEAN para una línea de queso loncheado y envasado:
- Edge — terminal físico con cámara industrial cenital instalada sobre la salida de la loncheadora y la boca de la envasadora VFFS/HFFS, antes del paletizado. Lleva una CNN entrenada con ejemplos buenos y malos del formato de la casa. Inspecciona loncha rota, sello mal cerrado, exceso de moho superficial y código de lote o caducidad borroso. La inferencia es local, sin nube: cuando detecta defecto, dispara un expulsor neumático que saca el pack de la cinta hacia el contenedor de scrap.
- Connect — captura la orden de fabricación (OF) y el lote en curso, venga del ERP, del MES vertical o de la hoja de producción del responsable de turno. Así, cuando Edge detecta un pico de defecto, se sabe en el mismo segundo a qué lote, qué bobina de film y qué turno corresponde.
- Agente — vive en Central, cruza el histórico de Edge (cuántos packs defectuosos por hora, por tipo de defecto, por turno) con el lote y la OF de Connect. Si el sello mal cerrado se dispara cada vez que entra una bobina de film concreta, no manda un email a medianoche: avisa al responsable de calidad con la hipótesis ya cruzada. La persona valida y decide.
El terminal Edge se instala sobre la loncheadora y la envasadora existentes. No hay que cambiar la máquina de corte ni la envasadora. La integración es mecánica (soporte de cámara, salida del expulsor) y de red (captura de lote y OF cuando existe).
Control humano por muestreo vs. inspección con iLEAN Edge
| Aspecto | Control humano por muestreo | Con iLEAN Edge en línea |
|---|---|---|
| Cobertura de la inspección | Muestreo 1-2%, un pack de cada tanda | 100% de los packs, a 200/min |
| Loncha rota dentro del pack | Depende de que el inspector abra justo ese pack | CNN local en cada pack, sin excepción |
| Sello mal cerrado / fuga de vacío | Difícil de apreciar sin abrir el envase | Detectado por visión antes del palet |
| Código de lote / caducidad borroso | Se descubre en el lineal o en recepción del cliente | Detectado en línea, antes de paletizar |
| Reclamación de retailer | Sucede; devolución de palet, penalización de pedido | Reducción drástica (estimación a validar) |
| Trazabilidad por lote | Reconstruir a mano, semanas después | Histórico por pack, automático |
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.
- Planta de transformación láctea con loncheadora de alta velocidad y envasadora VFFS/HFFS, línea a ritmo de 200 packs/minuto.
- Piloto Edge sobre la salida de la loncheadora y la envasadora — cámara cenital + expulsor neumático, sin obra en la máquina. Primer valor esperable en pocas semanas.
- Payback orientativo entre 5 y 12 meses, según el ratio actual de reclamaciones de retailer y el coste medio de una devolución de palet. Estimación a validar.
- Reducción esperable de reclamaciones por defecto visual ≥30% en los primeros meses. (Rango conservador — estimación a validar.)
- La palanca dura es una devolución de palet evitada: transporte inverso, reproceso o destrucción, penalización del próximo pedido. Una devolución paga el piloto.
Y la duda razonable del responsable de calidad
«¿Y si la IA se equivoca y deja pasar un pack con la loncha rota?» — la alucinación es un problema de la generación libre, no de las tareas ancladas. En tareas donde la IA se limita a clasificar una imagen contra patrones conocidos (este pack coincide con el patrón «bueno» o con el patrón «defecto»), los mejores modelos bajaron el error por debajo del 1,5% [1]. Y aun así, no se decide en el vacío: el responsable de calidad ve el histórico de cada turno, valida los falsos positivos en la propia interfaz de Edge y reentrena el modelo cuando hace falta. La línea no para mientras se entrena. La persona pone el criterio; la máquina mantiene el ciclo girando.
[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.
Lo que se pregunta sobre el control de calidad del queso loncheado con Edge
¿Qué defectos concretos detecta iLEAN Edge en la loncheadora y la envasadora de queso?
Los defectos que un inspector reconocería al instante pero que a la cadencia de la línea nadie puede seguir pack a pack: loncha rota o partida dentro del paquete, sello mal cerrado o con fuga de vacío, exceso de moho superficial visible en la loncha, y código de lote o fecha de caducidad borroso o ilegible en el impreso de la envasadora. La cámara cenital cubre la salida de la loncheadora y la boca de la VFFS/HFFS en el mismo punto de control, sin duplicar terminales.
¿A qué cadencia real funciona Edge sin convertirse en el cuello de botella de la línea?
A la cadencia de la propia envasadora. Con líneas que mueven 200 packs/minuto — más de 3 packs por segundo —, la CNN local infiere en milisegundos: el cuello de botella nunca es la visión, es el actuador físico. El expulsor neumático dispara nada más recibir la señal de defecto, antes de que el pack llegue a la zona de paletizado. La línea no se ralentiza; simplemente deja de pasar el pack malo.
¿Cómo se entrena la CNN con el formato propio de la planta?
Con ejemplos reales del formato de la casa, no con una librería genérica. El responsable de calidad marca packs buenos y packs con cada tipo de defecto — loncha rota, sello mal cerrado, moho superficial, código borroso — y la CNN aprende el patrón visual concreto de ese producto, ese gramaje y ese envase. Cuando la planta cambia de formato o de proveedor de film, se reentrena con las nuevas muestras; el modelo anterior sigue trabajando mientras el nuevo se valida, así que la línea no para.
¿Qué pasa si la planta se queda sin red?
Sigue funcionando igual. Edge es un terminal físico on-premise con la CNN cargada en el propio dispositivo: si la planta pierde WiFi, fibra o el cloud del proveedor falla, Edge sigue inspeccionando cada pack y disparando el expulsor con la luz del cuadro eléctrico. Lo crítico — que un pack con loncha rota o sello mal cerrado no llegue al palet — no puede depender de la conectividad. Cuando la red vuelve, el histórico sube para que se cruce con lote y orden de fabricación.
¿Cómo se integra Edge con la información de lote y OF?
El histórico de detecciones de Edge —cuántos packs defectuosos, de qué tipo, en qué franja horaria— se cruza con el lote y la orden de fabricación (OF) que ya gestiona la planta, venga del ERP, del MES vertical o de una hoja de producción. Así, si el moho superficial se dispara justo en un lote concreto o el sello mal cerrado coincide con un cambio de bobina de film, el sistema no manda un email a medianoche: presenta la hipótesis ya cruzada al responsable de calidad, que valida y decide.
Que el defecto no salga de tu línea — te pasamos en 48h el ROI estimado de este proyecto de IA para tu loncheadora y envasadora.
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 queso transformado Ver alimentaria