Edge valida la configuración antes de cerrar el equipo

El problema

Configurar a pedido multiplica las combinaciones; una firma no las comprueba.

Frecuencia de veinte, treinta o cuarenta kilohercios, booster con su relación, sonotrodo a medida, actuador y generador según pedido. Configurar a pedido multiplica las combinaciones. Antes de cerrar la carcasa, alguien firma que todo está correcto. Un booster equivocado o un generador de otra frecuencia se descubre en la planta del cliente.

• Frecuencia de veinte, treinta o cuarenta kilohercios, booster con su relación, sonotrodo a medida, actuador y generador según pedido: configurar a pedido multiplica las combinaciones. Dos prensas que parecen iguales pueden llevar boosters y generadores distintos.
• Antes de cerrar la carcasa, alguien firma que todo está correcto, con el embalaje esperando y sin ninguna evidencia detrás de la firma. La persona que firma suele ser la misma que montó el equipo.
• Un booster equivocado o un generador de otra frecuencia se descubre en la planta del cliente, el día del arranque.
• Ese error cuesta un viaje de servicio en garantía, un componente urgente y una fecha de lanzamiento del cliente en riesgo. Y cuanto más se personaliza el catálogo, más combinaciones hay que nadie ha montado antes.

Cómo encaja con el sistema IRIS

Edge con JIDOKA AI — el equipo no pasa a embalaje sin conformidad y firma.

ILEAN Edge compara lo que ven las cámaras, componentes, etiquetas y números de serie, con la configuración del pedido en el ERP. Si algo no coincide, iLEAN no deja pasar el equipo a embalaje hasta que las cámaras dan conformidad y la responsable de calidad firma con la evidencia delante.

La cámara no decide sola: compara lo que ve con la configuración del pedido en el ERP. Si algo no coincide, el equipo no pasa a embalaje hasta que las cámaras dan conformidad y la responsable de calidad firma con la evidencia delante. Lo que cambia no es quién firma, sino sobre qué firma. Y la imagen de cada punto crítico viaja con el equipo como evidencia.

Ver la arquitectura IRIS completa →

Antes y después

La firma de liberación sin evidencia frente a la firma con la configuración comprobada

Aspecto	Hoy	Con iLEAN Edge
Relación del booster montado	Se supone la del pedido	Leída y comparada con el ERP
Frecuencia del generador	Se descubre en el arranque	Contrastada antes de cerrar
Sonotrodo a medida del pedido	Identificado a ojo	Número de serie verificado
Firma de liberación de la prensa	Sin evidencia	Basada en evidencia por punto crítico
Equipo con discrepancia	Sale a embalaje	Retenido hasta conformidad
Viaje de servicio en garantía	Por un componente equivocado	Evitado

Antes: firma de liberación sin evidencia. Después: firma basada en evidencia por punto crítico.

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 4-9 meses. Contado sobre los viajes de garantía y los componentes urgentes evitados.
• Cero equipos embarcados con un componente equivocado, como objetivo del caso. Un error de configuración deja de ser algo que se descubre en casa del cliente.
• Menos viajes de servicio en garantía para cambiar un booster o un generador en la planta del cliente. Cada viaje evitado es una semana de técnico de servicio que vuelve a la puesta en marcha de equipos nuevos.
• Y la evidencia por punto crítico queda guardada para el dossier de entrega y para la FAT. Con ella, la FAT con el cliente empieza sabiendo que lo montado es lo pedido.

Payback 4-9 meses · cero equipos embarcados con componente equivocado (estimación a validar). Cero equipos embarcados con un componente equivocado y menos viajes de servicio en garantía. Payback estimado de cuatro a nueve meses; estimación a validar.

Y la duda razonable del responsable de producción

«¿Y si la cámara retiene un equipo correcto el día que hay que embarcar?» — leer etiquetas y números de serie y compararlos con una configuración que ya está en el ERP es una tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]. El sistema retiene por discrepancia comprobable con el pedido, no por incertidumbre del modelo; ante duda, eleva a calidad, que decide con la imagen delante.

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