El defecto de tapizado se queda en casa

El problema

La calidad del vestido se decide a ojo, y el ojo se cansa y cambia de criterio.

A la cadencia de la línea, y con variantes que cambian cada pocas unidades, el ojo humano se cansa y deja pasar. La inspección al cien por cien a cadencia real es físicamente imposible, y el muestreo deja huecos por definición. Hay algo peor que el cansancio: el criterio. Lo que es una arruga aceptable cambia entre tela y piel, entre colores, entre operarios, y se degrada a lo largo del turno. No hay un estándar objetivo, hay varias personas haciendo lo que pueden. Y en una operación en secuencia el defecto no se queda en casa. Sube al camión en el orden exacto, llega a la línea del cliente y se detecta allí, donde cuesta un orden de magnitud más y donde se traduce en puntos de calidad y en vuestra clasificación como proveedor.

• El vestido del asiento es donde la calidad se decide a ojo: arrugas en la funda, costura abierta o con salto de puntada, grapa o clip faltante, tono de piel desigual entre respaldo y cojín, etiqueta mal colocada.
• A la cadencia de la línea y con variantes que cambian cada pocas unidades, el ojo humano deja pasar. La inspección al cien por cien a cadencia real es físicamente imposible, y el muestreo del 1-2 % deja huecos por definición.
• Peor que el cansancio es el criterio: lo que es una arruga aceptable cambia entre tela y piel, entre colores, entre operarios, y se degrada a lo largo del turno. No hay un estándar objetivo.
• Y en secuencia el defecto no se queda en casa: sube al camión en el orden exacto, llega a la línea del cliente y se detecta allí, donde cuesta un orden de magnitud más y se traduce en puntos de calidad y en vuestra clasificación como proveedor.

Cómo encaja con el sistema IRIS

Edge — inferencia local en la estación de vestido, en milisegundos.

Edge iLEAN coloca una cámara sobre la estación de vestido, con inferencia local en milisegundos. El modelo se entrena con ejemplos buenos y malos de las variantes reales de vuestra planta, no con un catálogo genérico. Y la inferencia es local, en el propio equipo junto a la cámara. Ni latencia de nube, ni coste por imagen, ni ancho de banda. Y sobre todo: la imagen no sale de la planta. La unidad marcada se desvía a retrabajo antes de entrar en secuencia, no después. Del muestreo del uno o dos por ciento al control del cien por cien de las unidades, con un criterio único y auditable que no depende de la hora del turno.

El modelo se entrena con ejemplos buenos y malos de las variantes reales de vuestra planta, no con un catálogo genérico. La inferencia es local, en el propio equipo junto a la cámara: ni latencia de nube, ni coste por imagen, ni ancho de banda, y la imagen no sale de la planta. La unidad marcada se desvía a retrabajo antes de entrar en secuencia, no después.

Ver la arquitectura IRIS completa →

Antes y después

La inspección de hoy frente a la visión Edge

Aspecto	Inspección visual	Con iLEAN Edge
Cobertura	Muestreo del 1-2 %	100 % de las unidades
Criterio de arruga aceptable	Varía por operario, color y hora	Único y auditable
Costura abierta o clip faltante	Se escapa a cadencia	Detectado en milisegundos
Tono de piel desigual entre respaldo y cojín	Se ve en el cliente	Se ve en vestido
Dónde se detecta el defecto	En la línea del cliente	Antes de entrar en secuencia
Dónde van las imágenes	—	No salen de la planta

Antes: muestreo del 1-2% con criterio que varía entre operarios, colores y horas del turno. El defecto sube al camión y se detecta en la línea del cliente. Después: control del 100% de las unidades con criterio único y auditable, y desvío a retrabajo antes de entrar en secuencia.

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 vuestro ratio de retrabajo actual y el coste de los puntos de calidad con el cliente, a validar con el histórico de reclamaciones.
• Del muestreo del 1-2 % al control del 100 % de las unidades, con un criterio que no depende de la hora del turno.
• El defecto se desvía a retrabajo en casa, donde cuesta minutos, y no en la línea del cliente, donde cuesta un orden de magnitud más.
• Y el retorno mayor no aparece en la contabilidad: es la posición en el ranking de calidad del cliente, que decide la adjudicación del próximo programa.

Payback estimado 5-12 meses · del muestreo del 1-2% al control del 100% Payback estimado de cinco a doce meses según vuestro ratio de retrabajo actual y el coste de los puntos de calidad con el cliente, estimación a validar con el histórico de reclamaciones. El retorno mayor no aparece en la contabilidad: es la posición en el ranking de calidad del cliente, que es lo que decide la adjudicación del próximo programa.

Y la duda razonable del responsable de producción

«¿Y si manda a retrabajo asientos buenos?» — el falso positivo es el riesgo real de cualquier visión, y por eso el modelo se entrena con fundas buenas y malas de vuestras variantes concretas, con vuestras telas, pieles y colores y con la iluminación de ese puesto. Los casos de borde no se desvían sin más: se elevan para que decida una persona, y cada decisión realimenta el entrenamiento. Donde el criterio está bien definido, la tarea es anclada y los mejores modelos bajan del 1,5% de error [1].

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