Cero defecto en la estación de box-build

El problema

Lo que se escapa del box-build ya no vuelve barato.

Esa unidad llega al cliente OEM y se convierte en una devolución, un reclamo de calidad o, en el peor caso, una investigación de campo.

• El ensamblaje final es manual y mixto: tapa, mazo interno, conectores, tornillería y etiquetado cambian con cada programa y con cada cliente, y el operario aprende la pauta nueva sobre la marcha.
• Hoy se inspecciona por muestreo, entre el 1 y el 5 % de las unidades. El resto pasa a empaque con la confianza de que la estación anterior lo hizo bien.
• Un conector medio asentado o un tornillo ausente no se detecta en el test funcional si la unidad todavía arranca. Falla más tarde, en la mesa del cliente.
• Y ahí deja de ser un defecto: es una devolución, una reclamación formal de calidad o, en el peor caso, una investigación de campo sobre una cuenta entera.

Cómo encaja con el sistema IRIS

Edge — clasificación unidad a unidad en milisegundos, antes del empaque.

Edge: cámara industrial sobre la estación de ensamblaje final + CNN entrenada con ejemplos buenos/malos del producto concreto de cada programa. Inferencia en milisegundos, sin enviar imagen a la nube. La unidad defectuosa se detiene antes del empaque.

La CNN se entrena con ejemplos buenos y malos del producto concreto de cada programa, no con un modelo genérico de electrónica. En un EMS eso es la clave: el mismo puesto monta esta semana una unidad de una cuenta y la siguiente otra completamente distinta, con otra tapa, otro mazo y otra secuencia de tornillos. El modelo cambia con el programa, igual que cambia el traveler.

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 1-5 %	100 % de las unidades
Conector mal asentado	Pasa si la unidad arranca	Clasificado unidad a unidad
Tornillo o pieza ausente	Depende de la fatiga	Objetivo y constante a cadencia
Punto de detección	El cliente OEM	Antes del empaque
Cambio de programa	Nueva pauta visual que memorizar	Modelo por producto, se conmuta
Imagen de la unidad	No queda	Inferencia local, sin nube

Muestreo del 1-5% → control del 100% de las unidades. Reclamos de cliente por defecto visual → reducción drástica.

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, en función del volumen de box-build y del coste medio de una devolución.
• De un muestreo del 1-5 % al control del 100 % de las unidades, sin añadir personal a la estación.
• Reducción drástica de reclamaciones del cliente OEM por defecto visual, que es precisamente donde se juega la renovación del contrato de fabricación de esa cuenta.
• Y la unidad defectuosa se detiene antes del empaque, cuando el retrabajo todavía cuesta minutos en la propia estación y no una logística inversa con transporte, análisis y reposición.

Payback 5-12 meses · de muestreo al 100% de control. Estimación a validar.

Y la duda razonable del responsable de producción

«¿Y si la cámara para unidades buenas?» — el falso positivo es el riesgo real de cualquier visión, y por eso el modelo se entrena con unidades buenas y malas de vuestros programas concretos y con la iluminación de ese puesto, no con un catálogo genérico. La tarea es anclada —misma estación, mismo encuadre, mismo producto por programa— y ahí los mejores modelos bajan del 1,5% de error [1]. Y hay una segunda red: los casos de borde no se rechazan sin más, se elevan para que decida una persona, y cada decisión realimenta el entrenamiento del modelo de ese producto.

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