Validar la preparación de la cámara de vacío antes de arrancar

El problema

El cambio crítico más caro de la planta se firma con la palabra de una persona.

La preparación de la cámara de vacío no se parece a ningún otro cambio de la planta: el error no se manifiesta al arrancar, sino tres o cuatro horas después, cuando el ciclo termina. Y para entonces ya no hay nada que salvar:

• Una carga perdida es scrap de producto casi terminado — lentes ya talladas y lacadas, con todo su valor añadido encima, más varias horas de la máquina más cara de la planta. No es un fallo caro: es el fallo caro.
• Hoy depende de una firma sin evidencia — un técnico firma «preparada» sin más respaldo que su palabra. No porque se tome a la ligera, sino porque no existe una forma barata de comprobarlo punto por punto.
• Es la operación que más depende de la experiencia individual — justo lo que escasea cuando la plantilla crece rápido y hay técnicos nuevos en el turno de noche.

El resultado es un riesgo que todo el mundo conoce y nadie puede acotar: la planta sabe que de vez en cuando se pierde una carga, y sabe que casi siempre viene de la preparación, pero no tiene con qué demostrarlo ni cómo evitarlo.

Cómo encaja con el sistema IRIS

Edge + JIDOKA AI — conformidad punto por punto y bloqueo del arranque hasta la firma.

Aquí la IA no sustituye el criterio del técnico: le pone evidencia delante y le quita la carga de asumir en solitario un riesgo que no tenía forma de comprobar. Cámaras fijas en los puntos críticos comparan el estado real contra el estado de referencia y devuelven un veredicto por punto.

Cámaras fijas en los N puntos críticos de la preparación, con modelos entrenados para distinguir «preparada» de «no preparada» en cada uno. JIDOKA AI impide el arranque del ciclo hasta que todos dan conformidad, el responsable firma sobre esa evidencia — no sobre su memoria — y la preparación queda cronometrada punto a punto.

Cómo opera Edge sobre la preparación de la cámara de vacío:

• Un veredicto por punto, no uno global — protecciones, material de evaporación, utillaje y lentes en los domos se evalúan por separado. Si algo falla se sabe exactamente qué repetir, en lugar de rehacer la preparación entera.
• Comparación contra el estado de referencia — cada modelo aprende cómo se ve ese punto cuando está bien preparado en esa instalación. No mide de forma genérica: compara con lo que la casa ha definido como correcto.
• JIDOKA AI: bloqueo, no aviso — mientras un punto no dé conformidad, el ciclo no arranca. No es una alerta que la presión del programa pueda saltarse: es un bloqueo hasta que la evidencia esté completa.
• La firma sigue siendo humana — el responsable firma, pero sobre la evidencia visual de cada punto en lugar de sobre su memoria. Lo que cambia no es quién autoriza, sino con qué.
• Preparación cronometrada punto a punto — y comparable entre turnos. Eso es exactamente la materia prima que hoy falta para hacer un proyecto SMED de verdad sobre el cuello de botella de la planta.

Ver la arquitectura IRIS completa →

Antes y después

Firma a ciegas vs. preparación validada con evidencia

Aspecto	Preparación firmada sin evidencia	Con iLEAN Edge + JIDOKA AI
Base de la firma	La palabra del técnico	Evidencia visual punto por punto
Cuándo se detecta el error	3-4 h después, con la carga perdida	Antes de arrancar el ciclo
Carga perdida	Scrap de producto casi terminado + horas de la máquina más cara	Evitada
Arranque con un punto no conforme	Posible	Bloqueado hasta conformidad
Dependencia de la experiencia individual	Máxima — y crítica en el turno de noche	El estado de referencia es el mismo para todos
Tiempo de preparación	No se mide	Cronometrado punto a punto y comparable entre turnos

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 óptica con cámara de vacío de antirreflejante, preparación entre cargas y tras mantenimiento firmada hoy sin evidencia estructurada.
• Piloto Edge + JIDOKA AI sobre los puntos críticos de la preparación, con bloqueo de arranque y registro cronometrado. Sin cambiar el procedimiento ni quién firma. Primer valor esperable en pocas semanas.
• Payback orientativo entre 4 y 10 meses, dominado por las cargas perdidas evitadas; el ahorro de tiempo de preparación es adicional. Estimación a validar con el histórico de cargas perdidas.
• La cifra que mejor dimensiona el caso no es una estimación externa: es cuántas cargas ha perdido tu planta este año y qué valía cada una en lentes y en horas de máquina.
• Retorno que aparece después: con la preparación cronometrada punto a punto, por primera vez hay datos para un SMED real sobre el cuello de botella — hoy no se puede porque la operación no se mide.

Y la duda razonable del jefe de tratamientos

«¿Esto no me va a bloquear la máquina cada dos por tres?» — el bloqueo solo actúa cuando un punto crítico no da conformidad, que es exactamente el arranque que no interesa hacer: el que termina en una carga perdida. Sobre la fiabilidad del veredicto, comparar la imagen de un punto contra su estado de referencia validado es tarea anclada, no generación libre, y ahí los mejores modelos bajaron el error por debajo del 1,5% ^[1]. Y si una cámara pierde lectura, el sistema falla cerrado: la ausencia de dato no es conformidad.

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