Defectos visuales en chapa de carrocería — luz deflectométrica, ojo que no se cansa, en cada pieza.
Las abolladuras pequeñas en chapa exigen luz deflectométrica y ojo entrenado — dos cosas que la inspección humana sólo aguanta unos minutos seguidos. iLEAN Vision combina ambas en una inspección continua: el patrón deflectométrico revela el defecto, la CNN entrenada en planta lo clasifica, y el sistema marca la pieza para retoque antes del siguiente puesto. La persona firma.
La cabina de luces deslumbra al ojo humano antes de detectar al arañazo.
La inspección de defectos en chapa de carrocería es de las tareas más exigentes para el ojo humano. Tres razones por las que cuesta tanto:
- El defecto es óptico, no táctil — una abolladura de medio milímetro no se nota con la mano y casi no se ve a luz plana. Se ve sólo cuando una línea de luz se refleja en la pieza y se «rompe» en el punto del defecto.
- El ojo se aclimata — un inspector en cabina de luces, mirando coches del mismo color durante una hora seguida, deja de detectar lo fino. No es falta de profesionalidad — es fisiología.
- El coche oscuro es trampa — los acabados oscuros (negro, gris antracita) ocultan los defectos finos al ojo humano y los revelan al cliente final el día que sale el sol sobre el lateral del coche. Justo el momento en que es tarde.
Cuando el defecto se descubre en concesionario o en el cliente final, el coste se multiplica por diez: retoque en taller especializado, recogida de coche, daño de marca. El sistema clásico (inspector + cabina de luces) trabaja al límite de la fisiología humana. La IA no se cansa.
iLEAN no reemplaza al inspector — le devuelve la cabeza para lo que sólo él sabe hacer.
El problema de la inspección de chapa no es de información ausente — es de condición visual difícil sostenida en el tiempo. iLEAN actúa como la masilla que rellena el hueco entre la luz adecuada (que la cabina ya tiene) y un ojo que no se cansa (que el humano no puede ser). Sin tocar la cabina, sin reformar la línea.
Edge ve cada pieza con luz deflectométrica controlada. El agente cruza con el modelo en curso y avisa al puesto de retoque con la coordenada exacta del defecto. La persona retoca y firma — la línea no libera el coche sola.
Las piezas iLEAN aplicadas a la detección de defectos en chapa de carrocería:
- Edge + Vision — terminal con cámara industrial (multi-cámara para zonas curvas) e iluminación deflectométrica adecuada al acabado (especular para pintura brillante, difusa para chapa sin pintar, estructurada para plástico). La CNN entrenada con muestras reales de tu planta (no con renderizados ni con un dataset genérico) detecta abolladuras, arañazos, descuelgues de barniz, marcas de mano, rechupes en plástico. Funciona sin red: si la planta pierde WiFi, Edge sigue inspeccionando y marcando piezas.
- Connect — captura el modelo y color del coche en curso (MES / PLC de línea) para que la CNN sepa qué paleta esperar, y captura también el patrón histórico de defectos por posición (¿en este lateral, en este modelo, en esta etapa, qué defecto es típico?). Si el coche es de color oscuro, ajusta sensibilidad.
- Agente — cruza la detección con el modelo, decide retoque en línea / desvío a cabina especializada / liberación, y envía al puesto de retoque la foto + coordenada exacta del defecto sobre la silueta de la pieza. Si una abolladura se repite turno tras turno en la misma posición de la misma pieza, abre una alerta de causa raíz (troquel desgastado, transporte mal regulado) — no es mala suerte, es un patrón.
Inspección en cabina de luces vs. inspección deflectométrica con iLEAN
| Aspecto | Inspector + cabina de luces | Con iLEAN Vision + Edge deflectométrico |
|---|---|---|
| Cobertura | Muestreo o cobertura parcial; depende del turno | 100% de las piezas, 100% del coche |
| Aclimatación / fatiga | Significativa tras 30-60 min en cabina | No aplica; la CNN no se cansa |
| Coche oscuro vs. claro | El oscuro oculta defectos al ojo humano | Sensibilidad ajustada por modelo y color |
| Localización para retoque | «Por aquí, más o menos» | Coordenada exacta + foto enviada al puesto |
| Causa raíz de defecto recurrente | Hay que cruzar listas a mano | Agente detecta el patrón posición/modelo/turno |
| Trazabilidad del defecto en el coche | Hoja firmada por el inspector | Dossier por VIN con foto, posición y operación de retoque |
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 la inmersión.
- Cabina de inspección final con 2-4 inspectores en turno, paleta de 5-10 colores activos, detección actual basada en ojo + cabina de luces ya instalada.
- Piloto Edge en una cabina (multi-cámara + iluminación deflectométrica adaptada + integración con el puesto de retoque). Primer valor esperable en pocas semanas: detección por encima del 90% en arañazos y abolladuras finas para los colores oscuros (los que más escapan al ojo).
- Reducción razonable de escapes al cliente final ≥ 30% en el piloto. Reducción del tiempo del retocador (que ya no busca, va directo al punto) y del tiempo del inspector (que valida en vez de buscar).
- Payback orientativo entre 4 y 9 meses, según frecuencia histórica de reclamaciones en concesionario y coste medio de retoque post-entrega. Una sola entrega devuelta paga buena parte del piloto.
Y la duda razonable del jefe de calidad
«¿Y si la cámara marca falsos positivos y atascamos la línea con retoques que no tocan?» — la clasificación de un defecto óptico sobre una pieza concreta es una tarea anclada de manual, no generación libre. Los mejores modelos en ese tipo de tarea bajaron el error por debajo del 1,5% [1]. Y aun así, lo crítico no se decide solo: el sistema marca, el inspector valida, la persona firma. Si la sensibilidad está mal calibrada, se corrige en planta con muestras reales del turno — no se discute en teoría.
[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.
Lo que se pregunta sobre detección de defectos en chapa con visión IA
¿Qué iluminación se usa para detectar defectos finos en chapa?
Iluminación deflectométrica — patrones de líneas o franjas proyectados sobre la superficie reflectante. Una abolladura fina o un arañazo deforma la línea reflejada de forma característica; donde el ojo humano necesita girar la pieza bajo el foco hasta encontrar el ángulo, la cámara con CNN detecta la deformación del patrón al pasar la pieza. Para chapa sin pintar, deflectometría con luz blanca difusa; para chapa pintada con acabado brillante, deflectometría especular; para zonas con curvatura compleja, multi-cámara con luz estructurada.
¿Detecta abolladuras por debajo de 0,5 mm?
Sí, dependiendo de la geometría de la zona y de la iluminación que se monte. La detección de defectos pequeños en chapa metálica reflectante no es un problema de resolución de cámara — las cámaras industriales modernas resuelven muy por debajo del medio milímetro — sino de contraste óptico. Con deflectometría bien montada se ven defectos por debajo de los umbrales que un inspector humano detecta a ojo. El reto es la repetibilidad turno tras turno; ahí es donde la CNN entrenada con muestras reales de tu planta supera al ojo humano: no se cansa, no se aclimata, no varía entre turno de mañana y de tarde.
¿Funciona con la pintura final del coche?
Sí, y es uno de los casos más rentables. La inspección final del coche pintado — cabina de luces — es donde más escapes detecta el cliente final, y donde el ojo humano más se cansa porque la cabina es deslumbrante. Con deflectometría especular más una CNN entrenada con muestras de tu propia paleta de colores (los oscuros enseñan al modelo más rápido que los claros), iLEAN Vision detecta arañazos, marcas de mano, descuelgues de barniz y abolladuras que en la cabina humana se le pasan al inspector cuando lleva media hora mirando coches del mismo color.
¿Se integra con la cabina de retoque?
Sí. iLEAN Edge envía al puesto de retoque, en tiempo real, la posición exacta de cada defecto detectado (foto + coordenadas sobre la silueta de la pieza). El retocador ya no busca con la luz rasante a ojo; va directo al punto, retoca y libera. El sistema cierra el bucle: la pieza retocada vuelve a inspeccionarse y el resultado queda en el dossier del coche. Si una abolladura concreta se repite turno tras turno en la misma posición, el agente lo detecta y avisa al taller — probablemente es un troquel desgastado o un transporte mal regulado, no una pieza «con mala suerte».
¿Funciona también con piezas de plástico (paragolpes, aletas)?
Sí, con dos ajustes. La iluminación pasa de deflectométrica especular a deflectométrica difusa o luz estructurada, según el acabado (mate, satinado, granulado). La CNN se entrena por separado porque los modos de defecto en plástico son distintos (rechupes, líneas de soldadura, marcas de molde, deformación térmica). Lo que no cambia es la arquitectura: misma Edge, misma plataforma, misma forma de devolver OK/NOK al PLC del puesto. Las piezas mixtas chapa+plástico de un coche se cubren con el mismo sistema.
Cuéntanos tu caso y te pasamos en 48h el ROI estimado de este proyecto de inspección de chapa con IA para tu planta.
Trabajamos sobre los datos reales de tu planta, no sobre los nuestros. Diagnóstico sin compromiso.
Pedir ROI estimado en 48h Ver automoción