Control del acero en laminación en caliente con IA — la ventana es estrecha y el defecto aparece con la bobina ya fría.

El problema

El desvío ocurre en el tren en segundos — pero se cobra en el almacén de bobinas o en el cliente.

La calidad de una bobina laminada en caliente es el cruce de cuatro datos que casi nunca están en la misma pantalla:

1. Qué acero entró — composición y certificado de colada del desbaste. En el sistema de acería, con retardo y en otro edificio.
2. Cómo pasó por el tren — temperatura de entrada y de acabado, velocidad, reducción por pasada, cargas de cilindro. En los paneles del pupitre, delante del operador y en ningún sitio más.
3. Cómo enfrió — refrigeración en la mesa de salida y temperatura de bobinado, que fijan la microestructura y la planitud final.
4. Qué aspecto tiene la banda al salir — cascarilla incrustada, marcas periódicas de cilindro, rayas, pliegues de borde. Un vistazo del operador a la banda en movimiento y poco más.

El responsable de calidad lo sabe, pero la mayoría de los defectos solo se confirman cuando la bobina se ha enfriado (y entonces hay que decidir si se desclasifica entera, si se corta o si se degrada de destino) o en el cliente (cuando la banda se decapa, se conforma o se pinta y sale la marca). A esa altura ya se ha laminado la siguiente colada con los mismos parámetros. Y el dato que explicaría lo ocurrido vive en un panel que nadie registró y en un parte de turno escrito a mano. El sistema clásico funciona el 99% de las veces. Ese 1% es el que paga el comité del mes.

Cómo encaja con el sistema IRIS

iLEAN no sustituye el control del tren — sella las grietas entre colada, curva y bobina.

El problema de un tren de banda en caliente no es falta de información: es información que vive en islas — el panel, el parte de turno y el certificado de colada — y que no llega cruzada a quien decide el destino de la bobina. iLEAN actúa como la masilla que rellena esos huecos, sin pedirte que cambies el control del tren, ni que abras el lazo, ni que negocies una integración con el fabricante de la línea.

Connect lee los paneles del tren sin tocar el control. Edge clasifica la superficie sobre la banda en caliente. El agente cruza colada, curva y bobina en la memoria central y levanta el dossier. La persona decide el destino.

Las tres piezas iLEAN aplicadas a laminación en caliente:

• Edge — terminal con visión artificial (CNN) sobre la banda en movimiento, con cámara e iluminación adaptadas a la radiación de la banda caliente. Clasifica cascarilla incrustada, marcas periódicas de cilindro, rayas longitudinales y pliegues de borde, y marca el tramo dudoso con su posición en metros de bobina. Funciona sin red.
• Connect — lectura no invasiva de los paneles del tren: una cámara enfocada al display del pupitre o al sinóptico transcribe temperaturas, velocidades y cargas a la memoria central, sin tocar el PLC. Y captura lo demás: certificado de colada, programa de laminación, parte de turno, cambio de cilindros, aviso de un cliente con un pliego más apretado.
• Agente — cruza colada ↔ curva del tren ↔ bobina en la memoria central: relaciona la firma de superficie con la ventana real de temperatura y reducción con la que se laminó cada tramo, avisa al responsable de calidad por el canal que use cuando la curva se acerca al borde de la ventana, y levanta el dossier por bobina de forma automática. La persona decide y firma; ninguna bobina se desclasifica sola.

Ver la arquitectura IRIS completa →

Antes y después

Paneles y partes de turno vs. control cruzado con iLEAN

Aspecto	Paneles del tren + parte de turno	Con iLEAN Edge + Connect + Agente
Curva del tren (temperatura, velocidad, reducción)	En el panel del pupitre, sin registro cruzado	Leída del panel sin tocar el control, colgada de cada bobina
Certificado de colada	En el sistema de acería, en otro edificio	Cruzado con la curva y con la superficie de la banda
Defecto de superficie	Un vistazo a la banda y confirmación con la bobina fría	Clasificado sobre la banda, con posición en metros de bobina
Desviación dimensional	Se descubre al enfriar, ya en el almacén de bobinas	Aviso cuando la curva se acerca al borde de la ventana
Funcionamiento sin red	n/a	Edge sigue clasificando con la luz del cuadro
Expediente para el cliente	Reconstruir a mano por reclamación, con memoria de turno	Dossier por bobina, automático, con colada + curva + imagen

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.

• Tren de banda en caliente abasteciendo a transformadores de chapa: automoción, línea blanca, tubo, estructura metálica o servicio de corte.
• Piloto Edge en la mesa de salida (cámara de superficie con óptica para banda caliente + lectura no invasiva de paneles del tren + integración con el certificado de colada). Primer valor esperable en pocas semanas.
• Reducción de bobinas desclasificadas y de reclamaciones de cliente sobre el histórico ≥ 25% — estimación conservadora.
• Payback orientativo entre 5 y 10 meses, según el valor medio de la bobina desclasificada y el número de reclamaciones por superficie o planitud del último año.
• La palanca dura es cortar el tramo malo en lugar de degradar la bobina entera, y llegar a la reclamación con un dossier en vez de con una reconstrucción a mano.

Y la duda razonable del responsable de calidad

«¿Y si la IA marca como defectuoso un tramo que estaba bien?» — la alucinación es un problema de la generación libre, no de las tareas ancladas. En tareas donde la IA se limita a cruzar firma de superficie + curva del tren + composición de colada, los mejores modelos bajaron el error por debajo del 1,5% ^[1]. Y aun así, el tramo marcado va a una segunda revisión sobre la bobina fría, no directo a desclasificación. La persona decide; ninguna bobina se degrada sola. 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.