El palé se valida antes de subir al camión, no después

El problema

Con varios camiones cargando a la vez, el muestreo deja pasar el palé malo.

Un flejado roto, un film rasgado o un palé inclinado que se puede caer en ruta son fáciles de pasar por alto bajo presión de tiempo. Genera reclamación, devolución, y si el cliente es alimentario o médico, puede sumar una incidencia de calidad además de logística.

• En el muelle de expedición se cargan varios camiones en paralelo y el ritmo no da tregua, sobre todo en las horas de cierre de ruta.
• Un flejado roto, un film rasgado o un palé inclinado que puede caerse en ruta son fáciles de pasar por alto bajo presión de tiempo, aunque el carretillero sea bueno.
• Hoy el control es un muestreo visual esporádico: se mira algún palé, no todos, y no queda constancia de cómo salió ninguno.
• El palé dañado genera reclamación y devolución, y si el cliente es alimentario o médico suma una incidencia de calidad además de la logística, con su informe y su plan de acción. Y en un operador multicliente, una mala racha con un cliente se nota en la renovación de todos.

Cómo encaja con el sistema IRIS

Edge — inferencia local en milisegundos por palé, antes de cargar.

Infiere en milisegundos por palé con visión CNN local, sin depender de enviar la imagen a la nube. El modelo está entrenado con los defectos típicos de manipulación de palet en este tipo de operación.

La cámara no frena la carga: infiere en milisegundos en el propio muelle, sin mandar imágenes a la nube. Lo que cambia es pasar de mirar algunos palés a revisar todos los que suben al camión, y que de cada uno quede la imagen de cómo salió. Esa imagen es también la que alimenta el dossier de auditoría y el sistema completo contra el error de expedición.

Ver la arquitectura IRIS completa →

Antes y después

El muestreo de hoy frente al control de cada palé

Aspecto	Hoy	Con iLEAN Edge
Palés revisados	Muestreo esporádico	El 100% de los que se cargan
Flejado roto o film rasgado	Se escapa con prisa	Detectado en la rampa
Palé inclinado	Se cae en ruta	Se rehace antes de cargar
Dónde se detecta	En destino, por el cliente	En el muelle de expedición
Evidencia del estado de salida	Ninguna	Imagen por palé
Dependencia de la red en el almacén	—	Ninguna: inferencia local

Antes: muestreo visual esporádico deja pasar palés dañados que llegan mal al cliente. Después: control del 100% de los palés antes de cargar el camión.

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, según vuestro histórico de reclamaciones por daño.
• Menos coste de reclamaciones y reposición de mercancía dañada en ruta.
• Del muestreo esporádico al control del 100% de los palés que suben al camión.
• Y con clientes alimentarios o médicos, menos incidencias de calidad sumadas a la logística, que son las que más pesan en la renovación del contrato. El coste de una reclamación de este tipo rara vez es solo la mercancía repuesta.

Payback 5-12 meses · control del 100% de los palés cargados. Se reduce el coste de reclamaciones y reposición, y se pasa de un muestreo esporádico a control del 100% de lo que sube al camión.

Y la duda razonable del responsable de producción

«¿Y si para la carga por un palé que estaba bien?» — el falso positivo es el riesgo real de cualquier visión, y por eso el modelo se entrena con los defectos típicos de manipulación de vuestros palés y con la luz de vuestro muelle, no con uno genérico. Clasificar flejado, film y verticalidad es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]; los casos dudosos no paran nada solos, se elevan al jefe de muelle, y cada decisión suya reentrena el modelo.

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