El defecto de gabinete, detectado antes de llegar al cliente

El problema

El defecto que se escapa de la línea aparece en el punto de venta.

A la cadencia de la línea, el ojo humano se cansa y deja pasar abolladuras de lámina, defectos de pintura o un sellado de puerta de vidrio que no cierra a hermeticidad. El defecto llega al punto de venta del cliente final — visible, de marca, caro de reponer en campo.

• A la cadencia de la línea, el ojo humano se cansa y deja pasar abolladuras de lámina, defectos de pintura o un sellado de puerta de vidrio que no cierra a hermeticidad.
• El inspector de final de línea revisa cientos de gabinetes por turno, todos casi iguales, y el defecto pequeño es exactamente el que se escapa. Y el muestreo de la puerta de vidrio deja sin revisar justo la unidad que viene mal sellada.
• Ese defecto no se queda en planta: llega al punto de venta del cliente embotellador o retail, donde el enfriador es una pieza de marca a la vista de todos.
• Reponer o reparar una vitrina en campo cuesta mucho más que expulsarla antes de empacar, y además se paga en confianza del cliente.

Cómo encaja con el sistema IRIS

Edge — red neuronal entrenada en vuestros gabinetes, expulsión antes de empaque.

Una cámara Edge sobre la línea con una red neuronal entrenada en gabinetes buenos y malos del modelo concreto detecta el defecto en milisegundos y expulsa la unidad antes de empaque.

La cámara no se cansa a la hora séptima ni mira distinto en el turno de noche. Lo que cambia no es que se detecte más, sino que se detecta igual en todos los turnos y antes de que la caja se cierre. Y cada expulsión queda con su imagen, que es lo que permite volver a la estación de lámina o de pintura con una prueba en la mano.

Ver la arquitectura IRIS completa →

Antes y después

La inspección de gabinete a ojo frente a la inspección Edge

Aspecto	Hoy	Con iLEAN Edge
Abolladura de lámina	Depende del cansancio	Detectada en milisegundos
Defecto de pintura	Se ve con buena luz	Clasificado con iluminación controlada
Sellado de puerta de vidrio	Se revisa por muestreo	Inspeccionado unidad a unidad
Consistencia entre turnos	Varía	La misma en todos
Dónde aparece el defecto	En el punto de venta	Antes de empaque
Casos dudosos en refrigeración comercial	Pasan o no según quién mire	Se elevan al inspector

Inspección visual humana a cadencia de línea → inspección Edge consistente turno a turno.

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 5-10 meses, según cadencia y tasa de rechazo actual.
• De inspección visual humana a cadencia de línea a una inspección Edge consistente turno a turno.
• El defecto de gabinete se expulsa antes de empaque, no se descubre en el punto de venta.
• Y cada expulsión queda con su imagen, lo que permite atacar la causa en la estación de lámina o de pintura. Si la mayoría de abolladuras vienen de una misma estación de manipulación, se ve en la primera semana.

Payback estimado 5-10 meses según cadencia y tasa de rechazo actual. Estimación a validar.

Y la duda razonable del responsable de producción

«¿Y si expulsa gabinetes buenos?» — el falso positivo es el riesgo real de cualquier visión, y por eso la red se entrena con gabinetes buenos y malos de cada modelo concreto y con la luz de ese puesto. Clasificar defectos en una pieza conocida es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]; los casos de borde no se expulsan sin más, se elevan al inspector.

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