El puesto de inspección cosmética, potenciado por visión IA
El puesto de inspección cosmética es el más duro de una planta óptica: mirar lentes a contraluz, una detrás de otra, buscando una raya de micras o una mota bajo la laca. El ojo humano es extraordinario durante veinte minutos y se degrada de forma medible a partir de la segunda hora. Edge pone una cámara con iluminación controlada que infiere en milisegundos y deja la decisión a la persona.
El ojo es extraordinario veinte minutos — y el turno dura ocho horas.
Inspeccionar lentes a contraluz buscando una raya de micras o una mota bajo la laca es una tarea que exige atención sostenida, y la atención sostenida tiene un límite físico. De ahí salen dos problemas, y el segundo es el caro:
- Lo que se escapa no vuelve — llega a la óptica y vuelve como devolución, o llega al usuario final y vuelve como pérdida de confianza en la marca. En ninguno de los dos casos se recupera la lente: se rehace.
- El criterio varía entre inspectores y entre turnos — lo que uno rechaza, otro lo pasa. Es menos visible que la fuga de defectos y sale más caro, porque produce a la vez devoluciones y rechazos innecesarios de producto bueno.
- En rampa, esa variación se dispara — con gente formándose en el puesto justo cuando más volumen hay que sacar, el criterio se dispersa exactamente en el peor momento.
Y no hay forma de corregirlo con más formación sola: sin una referencia común y medible, cada inspector construye su propio umbral y lo defiende con razón, porque nadie le ha dado otro.
Edge — inferencia local a la salida de tratamientos, y la decisión sigue siendo humana.
El problema no es de criterio: el inspector veterano distingue perfectamente una raya real de un reflejo. Es de cadencia y atención sostenida, que es justo donde la visión artificial no se cansa. Edge no sustituye el criterio — lo hace constante y lo pone por escrito.
Cámara con iluminación controlada a la salida de tratamientos. Modelo entrenado con los defectos reales de esos recubrimientos, no con un catálogo genérico. Inferencia en milisegundos por lente, sin enviar imagen a la nube. La lente sospechosa se aparta y se muestra a la persona con el defecto resaltado — y su decisión reentrena el criterio.
Cómo opera Edge en el puesto de inspección cosmética:
- Iluminación controlada, no luz de sala — media parte del problema de la inspección cosmética es la iluminación. Una cámara con iluminación propia y estable ve la raya siempre igual, a la primera lente y a la última del turno.
- Entrenado con tus recubrimientos — un antirreflejante y una laca endurecida no fallan igual, y un catálogo genérico de defectos no sabe distinguir lo que en tu planta es rechazo de lo que es acabado normal. El modelo aprende con los defectos reales de tu producto.
- Inferencia local, sin nube — la decisión se toma en la propia planta, en milisegundos por lente. Ni la latencia ni el coste de subir imágenes de forma continua son compatibles con la cadencia real, y sin red la inspección sigue funcionando.
- La máquina propone, el humano decide — la lente sospechosa se aparta y se muestra con el defecto resaltado. No se rechaza sola: la persona confirma o descarta, y ahí es donde su criterio sigue mandando.
- Cada decisión reentrena el criterio — la discrepancia entre lo que el modelo marcó y lo que la persona decidió es exactamente la señal que unifica el umbral. El criterio deja de vivir en la cabeza de cada inspector y pasa a ser único, medible y trazable.
Inspección cosmética humana vs. inspección potenciada por Edge
| Aspecto | Solo ojo humano | Con iLEAN Edge |
|---|---|---|
| Consistencia a lo largo del turno | Se degrada de forma medible tras la segunda hora | La misma en la primera lente y en la última |
| Criterio entre inspectores y turnos | Cada uno construye su umbral | Criterio único, medible y trazable |
| Fuga de defectos cosméticos | Vuelve como devolución o como pérdida de confianza | Reducción drástica, con evidencia por lente |
| Iluminación | La de la sala, variable | Controlada y estable |
| Quién decide | La persona, sin referencia común | La persona, con el defecto resaltado y una referencia común |
| Planta en rampa | La variación de criterio se dispara | El criterio se sostiene mientras entra gente nueva |
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 óptica de alto volumen con puesto de inspección cosmética a la salida de tratamientos y devoluciones por raya, mota o halo.
- Piloto Edge sobre la salida de tratamientos: cámara con iluminación controlada, terminal de inferencia local y entrenamiento con los defectos reales de tus recubrimientos. Primer valor esperable en pocas semanas.
- Payback orientativo entre 5 y 12 meses según la tasa actual de devoluciones cosméticas y el coste del par rehecho. Estimación a validar.
- El retorno menos obvio y más duradero es la unificación del criterio: reduce a la vez las fugas y los rechazos innecesarios de producto bueno, que es un coste que casi nunca se mide.
- En una planta en rampa, además, es lo que permite que el puesto de inspección deje de depender de cuántos años lleva la persona que está esa noche.
Y la duda razonable del responsable de calidad
«¿Y si la cámara aparta lentes buenas y me hunde el rendimiento?» — es la preocupación correcta, y por eso el umbral se calibra con tus lentes y con tus recubrimientos, no de fábrica. La alucinación, además, es un problema de la generación libre: clasificar una imagen contra un patrón entrenado con tu propio producto es tarea anclada, donde los mejores modelos bajaron el error por debajo del 1,5% [1]. Y las lentes apartadas no se rechazan solas: pasan por la persona, que decide — y esa decisión es la que afina el modelo.
[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.
Lo que se pregunta sobre la inspección cosmética con visión IA
¿Esto sustituye al inspector?
No, y el diseño lo impide a propósito: la máquina propone y el humano decide. Edge aparta la lente sospechosa y se la muestra a la persona con el defecto resaltado, pero el rechazo lo firma ella. Lo que cambia no es quién decide, sino con qué: en lugar de buscar una raya de micras a contraluz en la hora séptima del turno, la persona revisa un candidato ya localizado y decide si es defecto o no. El puesto deja de ser una tarea de resistencia visual y pasa a ser una de criterio, que es donde una persona aporta y una cámara no.
¿Por qué hay que entrenar el modelo con nuestras lentes?
Porque en óptica lo que es defecto depende del recubrimiento y del producto. Un antirreflejante de gama alta enseña una mota que una laca endurecida disimula; un halo puede ser rechazo en un producto y estar dentro de especificación en otro. Un catálogo genérico de defectos no conoce esas fronteras y produce dos problemas a la vez: rechaza lo bueno y deja pasar lo malo. Entrenando con los defectos reales de tus recubrimientos el modelo aprende dónde está tu límite — que es el que después discute la óptica y el usuario final.
¿Aguanta la cadencia real del puesto?
Sí, porque la inferencia ocurre en local, en la propia planta, y se cuenta en milisegundos por lente. Ese es el motivo de no usar la nube: ni la latencia ni el coste de subir imágenes de forma continua encajan con el ritmo del puesto. Y tiene un efecto secundario que se agradece: si la planta pierde conectividad, la inspección sigue funcionando, porque el ciclo crítico no depende de la red. Lo que se sincroniza después es el registro por lente, no la decisión.
¿Cómo se unifica el criterio entre turnos exactamente?
Porque todos los turnos comparten la misma referencia y todas las discrepancias se registran. Cuando el modelo marca una lente y el inspector la pasa, o al revés, esa diferencia queda anotada y sirve para dos cosas: afinar el umbral del modelo y hacer visible que el turno de noche está aplicando un criterio distinto al de mañana. Eso último hoy no se puede ni demostrar — se intuye. Con evidencia por lente, la conversación deja de ser «me parece que en noche pasan más» y pasa a apoyarse en datos, que es la única forma de corregirlo sin señalar a nadie.
¿Sirven los patrones físicos de referencia que ya tenemos?
Sí, y son un punto de partida excelente. Si la planta ya mantiene patrones físicos del defecto cosmético — lentes de referencia con la raya, la mota o el halo límite — esa colección es exactamente el material de calibración que el modelo necesita, porque encarna el criterio que la casa ya ha acordado. Si no existen, se construyen durante el piloto marcando lentes reales conformes y no conformes. En ambos casos el resultado es el mismo: el criterio deja de ser tácito y pasa a estar escrito en algo que se puede consultar, auditar y enseñar a quien entra nuevo.
¿Tienes patrones físicos de referencia para el defecto cosmético?
Trabajamos sobre los datos reales de tu planta, no sobre los nuestros. Con tus propias lentes te enseñamos qué detecta y con qué margen. Diagnóstico sin compromiso.
Ver cómo lo aplicamos en tu planta — prueba con tus lentes ‹ Ver los 12 casos de gafas, lentes y monturas Ver ropa, calzado y accesorios