El sistema completo contra el recall de tu planta

El problema

Un tubo de dirección con la soldadura mal hecha no es un rechazo: es un recall.

un recall o una no conformidad de campo por soldadura o lote mal trazado es el mayor riesgo reputacional y económico del sub-sector, y pone en riesgo la certificación IATF 16949.

• El dolor capital de cualquier Tier 1 o Tier 2 de tubo de precisión es el mismo: cero recall o no conformidad de campo por soldadura o lote mal identificado.
• Una columna de dirección, un amortiguador o una barra estabilizadora con un cordón defectuoso no se queda en la planta del OEM: puede llegar al vehículo.
• Rara vez hay un único culpable. Suele ser un parámetro tecleado mal, un cordón que el muestreo no vio y una tarjeta viajera que perdió la colada, cada uno aceptable por separado.
• Además del coste directo, un incidente así pone en riesgo la certificación IATF 16949 y la nominación del siguiente programa.

Cómo encaja con el sistema IRIS

Cuatro anillos de verificación cruzados — del parámetro homologado al dossier firmado.

Anillo 1 (ERP) define el parámetro y programa; Anillo 2 (celda de soldadura) lo aplica sin tecleo; Anillo 3 (Edge) verifica el resultado real en línea y activa JIDOKA AI si no coincide; Anillo 4 (evidence pack) certifica todo el ciclo. SMED AI acelera los cambios entre programas.

Cada anillo por separado ya existe en alguna forma en vuestra planta, y aun así el tubo defectuoso puede salir. Lo que cambia es el cruce: si el ERP, la celda, la cámara y el dossier no cuentan la misma historia, la línea se detiene antes de que la pieza viaje al OEM. Es la diferencia entre enterarse de un problema de soldadura en vuestra nave o enterarse por una notificación de campo.

Ver la arquitectura IRIS completa →

Antes y después

Qué frena cada anillo en una línea de tubo soldado

Anillo	Piezas que lo alimentan	Qué frena
Anillo 1 · Programa en el ERP	Tarjeta viajera (1), albarán de bobina (7), metrología (6)	Un lote que arranca con colada o calibre equivocados
Anillo 2 · Celda de soldadura	Parámetro sin tecleo (8), confirmación en tableta (5)	Un cordón hecho con un parámetro que no es el homologado
Anillo 3 · Cámara Edge en línea	Cordón en línea (9), luz verde de calibre (10)	El poro o la rebaba que el muestreo no ve
Anillo 4 · Dossier del lote	Evidence pack PPAP (11)	Un tubo que sale sin evidencia que lo respalde
Discrepancia entre anillos	JIDOKA AI	Que el tubo viaje al OEM con la historia rota
Cambio entre programas	SMED AI	Que la seguridad se pague en horas de línea parada

incidentes anuales con riesgo de contención o recall → tendiendo a cero. Detección de discrepancia en línea, no en el cliente OEM.

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 6-12 meses contado solo contra la primera no conformidad evitada.
• Protección frente a un recall o la pérdida de un programa, con un impacto único que puede superar varios cientos de miles de dólares entre clasificación, retrabajo, fletes y penalizaciones.
• Incidentes anuales con riesgo de contención o recall que tienden a cero.
• Y la discrepancia se detecta en la línea, no en la planta del cliente OEM ni en el vehículo.

protección frente a recall o pérdida de programa (impacto único potencialmente > varios cientos de miles de USD), payback estimado 6-12 meses contra la primera no conformidad evitada. *Estimación a validar*.

Y la duda razonable del responsable de producción

«¿Tengo que desplegar los doce casos para llegar aquí?» — no. Los anillos se construyen por capas y cada caso se justifica solo; con la tarjeta viajera y la celda de soldadura cosida al ERP ya tenéis el anillo 1 y el anillo 2. JIDOKA AI detiene por discrepancia comprobable entre fuentes, no por incertidumbre de un modelo, y en las capturas donde sí hay extracción la tarea es anclada: 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.