El defecto de pintura que no llega al horno

El problema

El defecto que se ve después del horno ya cuesta un repintado entero.

La inspección 100% visual humana a cadencia de línea es imposible de sostener turno tras turno; la inspección por muestreo deja huecos. Un defecto detectado después del horno de curado cuesta mucho más corregir (repintado completo) o llega directo al cliente como reclamo de calidad percibida.

• A la cadencia de un taller de pintura de carrocerías, la inspección visual del 100% es imposible de sostener turno tras turno: el ojo se cansa y deja pasar los defectos sutiles de acabado.
• La alternativa habitual es el muestreo, y el muestreo deja huecos por definición.
• Casi toda la inspección se hace después del horno de curado, cuando una inclusión, un descolgado o una falta de cubrición ya están fijados en la carrocería y piden repintado completo.
• Lo que se escapa del punch de retoque llega al cliente como reclamo de calidad percibida, que es lo que más daña la imagen de un vehículo nuevo. Y el cliente no distingue entre un defecto de pintura y un coche mal hecho.

Cómo encaja con el sistema IRIS

Edge — inferencia local por carrocería, entre la cabina y el horno.

Edge: una cámara industrial a la salida de cabina + GPU local ejecutan una CNN entrenada con ejemplos buenos/malos del acabado concreto de la planta, infiriendo en milisegundos y apartando la unidad defectuosa antes del horno.

El punto de inspección cambia de sitio: de después del horno a antes. Una carrocería apartada antes de curar se corrige con un retoque; la misma carrocería después del horno es un repintado completo y otra vuelta por todo el taller. Esa vuelta ocupa cabina, horno y personal que estaban reservados para unidades nuevas.

Ver la arquitectura IRIS completa →

Antes y después

La inspección post-horno de hoy frente a la cámara antes de curar

Aspecto	Inspección actual	Con iLEAN Edge
Carrocerías revisadas	Una muestra, o todas con fatiga	El 100%, a cadencia de línea
Momento de la detección	Después del horno de curado	A la salida de cabina, antes de curar
Coste de corregir un defecto	Repintado completo	Retoque antes de fijar el acabado
Carga del punch de retoque	Saturado de unidades ya curadas	Solo lo que de verdad lo necesita
Decisión por carrocería	Depende del inspector de turno	Milisegundos, con el mismo criterio
Red de planta	—	No hace falta: la GPU es local

Muestreo parcial post-horno → control del 100% de carrocerías antes de curar.

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 retrabajo actual del taller de pintura.
• Control del 100% de carrocerías antes de curar, frente al muestreo parcial después del horno.
• Menos repintados completos y menos vueltas de carrocería por el taller, que es capacidad de cabina recuperada. En talleres que trabajan al límite, esa capacidad vale tanto como el retrabajo evitado.
• Y menos reclamos de calidad percibida en el cliente final.

Payback estimado 5-12 meses según ratio de retrabajo actual. *Estimación a validar*. (Payback 5-12 meses · control del 100% antes de curar)

Y la duda razonable del responsable de producción

«¿Y si aparta carrocerías que estaban bien?» — el falso positivo es el riesgo real de cualquier visión, y por eso la red se entrena con ejemplos buenos y malos del acabado concreto de vuestra planta, con vuestros colores y vuestra iluminación de cabina. Clasificar un defecto contra un catálogo conocido es una tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]; y los casos de borde no se apartan sin más, se elevan a una persona del punch. Con el tiempo, esas decisiones afinan el modelo justo donde más dudaba.

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