El cambio de color no arranca sin evidencia

El problema

El evento más frecuente del taller de pintura se valida con una firma a ciegas.

El cambio de color es uno de los eventos más frecuentes del día en pintura y su validación depende de una firma humana sin evidencia estructurada. Un margen de error pequeño en la purga se traduce en retrabajo de repintado o, peor, en una unidad con defecto de color que pasa desapercibida hasta la entrega.

• En una línea con color por secuencia, el cambio de color es uno de los eventos más repetidos del día. Cada cambio exige una purga certificada de boquillas antes de pintar la primera carrocería del color nuevo.
• Un resto de pigmento del color anterior contamina esas primeras unidades, y la validación de la purga depende hoy de una firma humana sin evidencia estructurada. Esa firma se da con la línea esperando y la siguiente carrocería ya en la entrada de cabina.
• Un margen de error pequeño se traduce en repintado o, peor, en una unidad con defecto de color que pasa desapercibida hasta la entrega.
• Y cuando aparece, nadie puede demostrar cómo estaban las boquillas en el momento de la firma. La discusión acaba siendo entre la palabra de pintura y la de calidad.

Cómo encaja con el sistema IRIS

Edge + JIDOKA AI — ningún color nuevo arranca sin que todas las cámaras den OK.

Edge + JIDOKA AI: cámaras fijas en cada punto crítico de la purga comparan el estado actual contra el estado de referencia 'limpio para el nuevo color'; JIDOKA AI bloquea el arranque de la secuencia hasta que todas las cámaras dan OK y el responsable de calidad firma.

La firma del responsable de calidad no desaparece: deja de ser a ciegas. Firma con la imagen de cada punto crítico delante, y la secuencia no arranca hasta que esa firma y todas las cámaras coinciden. Si un punto da dudas, se vuelve a purgar solo ese circuito, no todo el cambio.

Ver la arquitectura IRIS completa →

Antes y después

La firma de purga de hoy frente a la firma con evidencia

Aspecto	Hoy	Con iLEAN Edge
Validación de la purga de boquillas	Firma sin evidencia	Firma con imagen de cada punto crítico
Arranque de la secuencia del color nuevo	Cuando alguien lo autoriza	Bloqueado hasta que todas las cámaras dan OK
Primeras carrocerías del color nuevo	Riesgo de contaminación	Pintadas con boquillas comprobadas
Unidad con defecto de color en la entrega	Posible, sin rastro	Protegida en origen
Prueba de cómo estaba cada boquilla	No existe	Guardada por cambio y por hora
Criterio de limpio	El de quien firma	Referencia limpio para el nuevo color

Firma a ciegas con riesgo de contaminación de color → firma basada en evidencia visual por punto crítico.

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 según la frecuencia de cambios de color por turno: no fijamos un rango porque depende de cuántos cambios hace vuestra línea y de qué cuesta hoy cada contaminación.
• Protección frente a la contaminación de color en las primeras carrocerías de cada cambio.
• Firma basada en evidencia visual por punto crítico, en lugar de firma a ciegas.
• Y un registro por cambio que sirve tal cual ante una reclamación o una auditoría de proceso.

Payback en función de la frecuencia de cambios de color por turno. *Estimación a validar*. (Payback según frecuencia de cambio · protege contra contaminación de color)

Y la duda razonable del responsable de producción

«¿Bloquear el arranque no nos va a frenar la línea en cada cambio de color?» — solo frena cuando hay motivo. Comparar el estado de una boquilla contra su referencia de limpio es una tarea anclada, donde los mejores modelos bajan del 1,5% de error [1], así que en una purga correcta las cámaras dan OK en segundos. Lo que se detiene es el arranque con un resto de pigmento, que es justo el que hoy acaba en repintado. Y si la purga falla, el sistema dice en qué punto, lo que acorta la repetición.

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