Etiquetado CLP/GHS verificado con visión artificial — los pictogramas y frases H/P de esa referencia, no los del lote anterior.

El problema

La etiqueta equivocada no parece un defecto — por eso nadie la frena.

En una planta de química de especialidades conviven cientos de referencias, varias revisiones de clasificación por referencia y pedidos de exportación en media docena de idiomas. La impresora toma los datos del sistema, sí — pero entre el sistema y el envase que sube al camión hay huecos:

1. Etiquetas del lote anterior en el aplicador — tras un cambio de formato quedan etiquetas en el rollo o en la bandeja, y los primeros envases del lote nuevo salen vestidos con la referencia anterior.
2. Plantilla desactualizada — la clasificación de la referencia cambió, la plantilla de etiqueta no. Todo el lote sale con las frases H y P de la revisión anterior, impecablemente impresas.
3. Idioma del destino — el pedido va a otro país y sale con la etiqueta del idioma habitual de la planta. En destino, esa etiqueta no le dice nada a quien la tiene que leer.
4. Referencias gemelas — dos productos con nombre comercial casi idéntico y clasificación distinta comparten línea. El operario coge el rollo de al lado y nadie lo nota, porque la etiqueta «se parece».

El control clásico es la vista del operario a ritmo de línea, y una etiqueta correcta de la referencia equivocada es precisamente lo que la vista no atrapa. El defecto viaja hasta la recepción del cliente, la inspección o el incidente — los tres sitios más caros para descubrirlo.

Cómo encaja con el sistema IRIS

iLEAN no redefine tus etiquetas — comprueba que el envase que sale lleva la que tu equipo técnico definió.

La clasificación de cada producto y el contenido de su etiqueta los define tu equipo técnico o regulatorio conforme al marco CLP/GHS que aplique a tus mercados. iLEAN no interpreta normativa: actúa como la masilla entre esa definición, la línea de etiquetado y el pedido, y verifica coincidencia unidad a unidad.

Vision lee cada etiqueta en línea. El agente la contrasta con la referencia, la revisión y el destino de ese lote. Si algo no coincide, el envase se aparta. La persona firma — nunca al revés.

Las piezas iLEAN aplicadas al etiquetado CLP/GHS:

• Vision — cámara sobre la línea de etiquetado. Lee pictogramas, códigos de frases H y P, idioma, lote y nombre comercial de cada etiqueta aplicada, con registro fotográfico por envase. No necesita parar la línea.
• Edge — terminal en línea. Identifica el lote y el pedido en curso, y presenta al operario la comparación esperado/leído cuando algo no cuadra. Funciona sin red: si la planta pierde conexión, sigue capturando en local.
• Agente Etiqueta — cruza lo leído con lo definido para esa referencia, revisión y país de destino. Un fallo aislado aparta el envase; un fallo repetido se trata como fallo de origen (rollo o plantilla) y retiene el lote hasta que el responsable revisa y firma. La persona decide — el lote no sale solo.

Ver la arquitectura IRIS completa →

Antes y después

Revisión visual a ritmo de línea vs. etiqueta verificada con iLEAN Vision

Aspecto	Revisión visual del operario	Con iLEAN Vision (unidad a unidad)
Pictogramas de la referencia	Se revisan «de un vistazo»	Contraste contra la definición de esa referencia, envase a envase
Frases H y P	Ilegibles a ritmo de línea	Códigos leídos y comparados con la revisión vigente
Idioma del país de destino	Depende de que alguien mire el pedido	Contraste automático contra el destino del pedido
Etiqueta del lote anterior tras cambio	Los primeros envases pasan	Detectada en el primer envase del lote nuevo
Evidencia de lo expedido	Ninguna, o una muestra archivada	Foto de la etiqueta de cada envase, atada al lote
Fallo repetido (rollo/plantilla)	Se descubre cuando el lote ya salió	Señalado como fallo de origen y lote retenido

Estimación de impacto

Estimación de impacto para tu planta — a validar con tus 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.

• Planta de química de especialidades con catálogo amplio (cientos de referencias), etiquetado CLP/GHS multilíngüe y cambios de formato frecuentes en las líneas de envasado.
• Piloto sobre una línea de etiquetado (cámara Vision + Edge en línea). Primer valor esperable en pocas semanas.
• Payback orientativo entre 3 y 9 meses, según volumen de envases/día, número de idiomas servidos y el coste medio de una incidencia de etiqueta (reetiquetado en destino, devolución, retención en inspección).
• Palancas duras: detección del error de etiqueta en línea y no en destino; registro fotográfico por envase que convierte cualquier disputa de etiquetado en una consulta; fin del riesgo de referencia gemela en cambios de formato.

Y la duda razonable del responsable de calidad

«¿Y si la visión confunde un pictograma?» — los falsos positivos existen y por eso el sistema no decide solo. La alucinación es un problema de la generación libre, no de las tareas ancladas. En tareas donde la IA se limita a comparar los pictogramas y códigos leídos contra una lista definida para esa referencia, los mejores modelos bajaron el error por debajo del 1,5% ^[1]. Y aun así, lo crítico no se decide solo: iLEAN avisa y el operario o el responsable de calidad firman. Los tres anillos de seguridad están ahí precisamente para esto.

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