El laboratorio muestrea; la cámara no deja huecos

El problema

El laboratorio es exacto, pero muestrea; el defecto es un episodio entre dos muestras.

El control de laboratorio es exacto, y no se trata de sustituirlo. Pero es discreto: cubre un instante cada tantas horas. Y los defectos de chip no son continuos, son episodios ligados a eventos de proceso: un arranque tras cambio, una variación de temperatura en el corte, material degradado que se desprende de una zona muerta del circuito de fundido. Un episodio de veinte minutos entre dos muestreos es invisible para el laboratorio y perfectamente visible para una cámara. Y hay un punto de no retorno: cuando el chip afectado ya está mezclado en el silo con el resto, las opciones son degradar el lote entero a un uso de menor valor o reprocesarlo. Las dos son caras y las dos llegan tarde.

• El chip de PET se vende por su uniformidad: el cliente no compra un polímero, compra la garantía de que cada gránulo se comportará igual que el anterior. Mota negra, finos fuera de especificación, chip aglomerado o corte irregular rompen esa garantía.
• El control de laboratorio es exacto y no se trata de sustituirlo. Pero es discreto: cubre un instante cada tantas horas.
• Y los defectos no son continuos, son episodios ligados a eventos de proceso: un arranque tras cambio, una variación de temperatura en el corte, material degradado que se desprende de una zona muerta del circuito de fundido. Un episodio de veinte minutos entre dos muestreos es invisible para el laboratorio.
• Cuando el chip afectado ya está mezclado en el silo, las opciones son degradar el lote entero a un uso de menor valor o reprocesarlo. Las dos son caras y las dos llegan tarde.

Cómo encaja con el sistema IRIS

Edge — inferencia local en milisegundos sobre el flujo, antes del silo.

Edge.

Interceptar el tramo antes del silo cambia la escala del problema: de un lote de cientos de toneladas bajo sospecha a veinte minutos de producto desviado. Y el cruce del episodio con el evento de proceso que lo provocó hace que la causa raíz llegue servida en vez de reconstruirse: la mota negra de las 03:40 al lado del cambio de temperatura en el corte de las 03:35.

• Cámara industrial sobre el flujo con iluminación controlada, a la salida de peletizado y en el transporte a silo o a ensacado.
• Red neuronal entrenada con el chip real de la planta: bueno, con motas, con finos, aglomerado, con corte irregular.
• Inferencia local en milisegundos, sin depender de la red ni de la nube.
• Marca del tramo afectado, aviso al operador y, según configuración, desvío automático antes de contaminar el silo.
• Cruce del episodio con el evento de proceso que lo provocó: la causa raíz llega servida en lugar de reconstruirse.

Ver la arquitectura IRIS completa →

Antes y después

El control de hoy frente a la visión Edge

Aspecto	Muestreo de laboratorio	Con iLEAN Edge
Cobertura	Un instante cada tantas horas	Continua, gránulo a gránulo
Un episodio de veinte minutos	Invisible	Marcado y desviado
Dónde se descubre el defecto	En la sopladora del cliente	Antes del silo
Alcance de la degradación	El silo entero	El tramo afectado
Causa raíz	Se reconstruye	Correlacionada con el evento de proceso
Dependencia de red o nube	—	Ninguna: inferencia local

de muestreo discreto a inspección continua. De descubrir el defecto en la sopladora del cliente a interceptarlo antes del silo. De causa raíz reconstruida a causa raíz correlacionada con el evento de proceso.

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 6-12 meses, según volumen y coste de la degradación de lote.
• Reducción de scrap estimada de al menos un 30 % en el modo de fallo cubierto.
• El defecto deja de descubrirse en la sopladora del cliente y pasa a interceptarse antes del silo.
• Y protección de la reputación de uniformidad, que es el argumento comercial del producto y lo que sostiene el precio del grado botella.

payback estimado 6-12 meses según volumen y coste de la degradación de lote, con reducción de scrap ≥30% en el modo de fallo cubierto. Se suma la protección de la reputación de uniformidad, que es el argumento comercial del producto. *Estimación a validar*.

Y la duda razonable del responsable de producción

«¿Y si desvía chip bueno?» — el falso positivo es el riesgo real de cualquier visión, y por eso el modelo se entrena con chip real de vuestra planta —bueno, con motas, con finos, aglomerado, con corte irregular— y con la iluminación de ese punto, no con un modelo genérico. El desvío automático es configurable: se puede empezar en modo aviso al operador y pasar a desvío cuando la tasa de falsos positivos esté medida. La parte anclada del caso es el cruce del episodio con el evento de proceso —atar un tramo marcado a la hora y al tag del evento—, donde los mejores modelos bajan del 1,5% de error [1]; la clasificación visual se mide con vuestro chip y se ajusta hasta donde operación la acepte.

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