Aquí el defecto no se paga en la pieza, se paga en el ciclo
Una rebaba que se escapa, una marca de amarre en una cara vista o un rayado en una placa que va a anodizado no se descubren en el banco: se descubren cuando la pieza vuelve del tratamiento, días después, con el defecto ya sellado bajo la capa. Una cámara Edge sobre el banco revisa cada cara antes de que la pieza salga del taller.
El coste no es la pieza: es que el tratamiento es externo y tiene su propio plazo.
El control es visual y humano, al final de la jornada, con la pieza en la mano y prisa por cerrar el envío al tratamiento. El ojo se cansa, y la rebaba fina en una arista interior o el rayado leve en una cara vista son exactamente los defectos que un humano deja pasar. El coste no es la pieza: es que el tratamiento superficial es un servicio externo con su propio plazo, así que cada repetición añade días completos al proyecto. Hay que repetir mecanizado, repetir tratamiento y repetir transporte. Y en pieza única no hay repuesto.
- El control es visual y humano, al final de la jornada, con la pieza en la mano y prisa por cerrar el envío.
- El ojo se cansa, y la rebaba fina en una arista interior o el rayado leve en una cara vista son exactamente los defectos que un humano deja pasar.
- Cada repetición añade días completos al proyecto: repetir mecanizado, repetir tratamiento y repetir transporte.
- Y en pieza única no hay repuesto: el defecto vuelve del tratamiento ya sellado bajo la capa.
Cámara Edge sobre el banco de rebabado — la IA señala, la persona resuelve.
Cámara Edge sobre el banco de rebabado y acabado.
No bloquea nada por su cuenta: retiene la pieza y señala la zona concreta. La decisión de retrabajar o pasar es del operario, que es quien tiene la pieza en la mano.
- Modelo de visión entrenado con ejemplos buenos y malos de las piezas reales del taller: placas, escuadras, bloques, perfiles cortados.
- Inferencia en milisegundos sobre cada cara presentada.
- Marca la pieza como conforme o la retiene antes del embalaje, señalando la zona concreta.
- El operario decide: la IA señala, la persona resuelve. No bloquea nada por su cuenta.
Control al final de la jornada frente a control en el banco
| Aspecto | Hoy | Con iLEAN Edge |
|---|---|---|
| Momento de la detección | Al volver del tratamiento | Minutos antes de embalar |
| Coste del defecto | Días de ciclo completos | Retrabajo en fresco |
| Rebaba fina en arista interior | Se deja pasar | Señalada por zona |
| Cobertura | La que aguanta el ojo | Cada cara presentada |
| Transporte al tratamiento | Repetido | Una vez |
| Decisión | Del operario | Del operario |
defecto descubierto al volver del tratamiento (días perdidos, ciclo repetido) → detectado en el banco, minutos antes de embalar. Retrabajo posterior al anodizado → retrabajo evitado o hecho en fresco.
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.
- Talleres que envían placas, escuadras, bloques y perfiles a anodizado o tratamiento superficial externo.
- Reducción orientativa de ≥30% de las repeticiones de tratamiento por defecto de acabado.
- Payback orientativo entre 6 y 12 meses, según volumen de piezas que salen a tratamiento.
- El ahorro que no se ve en la hoja: los días de calendario que devuelve cada repetición evitada.
reducción estimada ≥30% de repeticiones de tratamiento superficial por defecto de acabado. Payback estimado 6-12 meses según volumen de piezas que salen a tratamiento. *Estimación a validar.*
Y la duda razonable del responsable de producción
«¿Y si retiene piezas buenas?» — el umbral se ajusta durante las semanas de entrenamiento con piezas reales del taller, y el punto de partida es conservador: es preferible que mande unas cuantas dudosas al banco antes que dejar pasar una que vuelva sellada del anodizado. Todo lo que marca queda con su imagen, así que el criterio se revisa en vez de discutirse.
[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.
Lo que suelen preguntar sobre visión en el acabado
¿Se entrena con piezas de catálogo o con las mías?
Con las vuestras, buenas y defectuosas. Lo que cuenta como rebaba admisible en una escuadra de amarre no es lo mismo que en una placa base que va a cara vista, y un modelo genérico no distingue eso. Por eso el entrenamiento se hace con piezas reales del taller.
¿Cuánto tarda el entrenamiento?
Semanas, no meses, y la restricción práctica es acumular ejemplos de defecto: si uno aparece una vez al mes, tarda. Para los frecuentes —rebaba, marca de amarre, rayado— suele haber material suficiente en pocas semanas de producción.
¿Funciona en pieza única, si cada trabajo es distinto?
Es la pregunta correcta. El modelo no aprende «esta pieza», aprende el defecto: rebaba, marca, rayado sobre superficie mecanizada. Por eso generaliza a geometrías que no ha visto, siempre que el material y el acabado se parezcan a los del entrenamiento.
¿Frena el banco de acabado?
No: la inferencia ocurre en milisegundos sobre cada cara que se presenta a la cámara. El gesto que añade es enseñarle la pieza, que es el que el operario ya hace al inspeccionarla.
¿Por dónde conviene empezar?
Por la familia de piezas que más vuelve del tratamiento. Ahí es donde el caso se paga primero y donde se acumulan antes los ejemplos que hacen falta para entrenar el resto.
Cuéntanos cuántas piezas volvieron mal del tratamiento el año pasado.
Trabajamos sobre los datos reales de tu planta, no sobre los nuestros. Diagnóstico sin compromiso.
Pedir ROI estimado en 48h ‹ Ver todos los casos de fixtures y frames a medida Ver metalmecánica