Caso de aplicación · Visión artificial · Industria metalmecánica
Cómo la visión artificial con Deep Learning frenó la fuga de piezas defectuosas en una planta metalmecánica
De la inspección visual manual a un control automatizado que analiza cada pieza en milisegundos y aplica criterios consistentes en todos los turnos.
Carsan Technology implementó un sistema de visión artificial basado en Deep Learning para automatizar la inspección de calidad de piezas metálicas. El sistema analiza cada pieza en tiempo real y la clasifica como aceptada o rechazada. Según el caso descrito, disminuyeron drásticamente las piezas defectuosas aprobadas por error, los reclamos por garantía y los retrabajos; además, se estandarizó el criterio de inspección.
01 · El reto
Una inspección de calidad que dependía del ojo humano
Al final de la línea de producción, un equipo de inspectores revisaba una a una las piezas metálicas procedentes de procesos de soldadura, fundición y ensamble. Su trabajo era la última barrera antes de la entrega: detectar grietas, rayones o poros que comprometieran la calidad.
Era un equipo con experiencia y buen criterio. Sin embargo, la inspección era manual y visual, mientras la banda avanzaba sin detenerse. Cada pieza pasaba frente a los inspectores durante apenas unos instantes, turno tras turno.
Durante mucho tiempo, este esquema pareció suficiente. Hasta que empezaron a llegar los rechazos.
02 · El impacto
Cuando las piezas defectuosas llegan al cliente
Algunas piezas con defectos lograban pasar la inspección y llegaban al cliente final. Cada una se traducía en un rechazo, un reclamo y una pregunta incómoda: ¿cómo había pasado esa pieza el control de calidad?
El problema no era solo el costo de cada devolución. Una fuga de defectos pone en riesgo la confianza del cliente, especialmente en una industria donde la consistencia es indispensable.
La planta necesitaba inspeccionar a la velocidad de la línea, aplicar criterios uniformes en todos los turnos y detectar defectos difíciles de distinguir a simple vista.
03 · Causa raíz
¿Por qué fallaba la inspección manual de piezas metálicas?
El análisis del proceso permitió identificar tres limitaciones de la inspección visual en una operación de alta cadencia.
01
Fatiga visual
Tras varias horas revisando piezas, la atención puede disminuir y aumentar la probabilidad de pasar por alto defectos.
02
Velocidad de la línea
El tiempo disponible para observar y decidir sobre cada pieza era muy reducido.
03
Defectos pequeños
Microfisuras y porosidades pueden resultar difíciles de identificar incluso para inspectores experimentados.
Incorporar más inspectores no eliminaba estas limitaciones. Hacía falta otra forma de observar las piezas.
04 · Objetivo
Decidir sobre cada pieza en milisegundos
Junto con el área de Ingeniería de Calidad, se definieron los requisitos del nuevo sistema: inspeccionar durante la producción, emitir una decisión en tiempo real y mantener el ritmo de la línea.
La inspección debía realizarse de manera automatizada, bajo supervisión de Ingeniería de Calidad, y clasificar las piezas como aceptadas o rechazadas con el mismo criterio en todos los turnos.
05 · La solución
Visión artificial con Deep Learning para el control de calidad
Carsan Technology diseñó e implementó un sistema de visión artificial basado en Deep Learning, una rama del Machine Learning. Su núcleo utiliza redes neuronales convolucionales (CNN), modelos especializados en reconocer patrones en imágenes.
Para distinguir una pieza correcta de una defectuosa, el modelo se entrenó con miles de imágenes de piezas en buen estado y piezas con rayones, grietas y porosidad.
01
Captura de imagen
Una cámara registra cada pieza mientras avanza por la línea.
02
Análisis del modelo
El sistema compara patrones visuales aprendidos e identifica posibles defectos en milisegundos.
03
Clasificación
La pieza recibe una decisión automatizada de aceptación o rechazo, con criterios consistentes.
El objetivo no era sustituir el criterio de Ingeniería de Calidad, sino convertirlo en una inspección repetible, rápida y trazable.
06 · Resultados
Menos fugas de defectos y un criterio de inspección estandarizado
Con la inspección automatizada, la calidad dejó de depender de la fatiga visual o de quién estuviera a cargo en cada turno. Los resultados comunicados para este caso fueron:
01
Menos falsos negativos
Disminución drástica de piezas defectuosas aprobadas por error y enviadas al cliente.
02
Menos reclamos y retrabajos
La detección más temprana contribuyó a reducir reclamaciones por garantía y retrabajos dentro de la planta.
03
100 % del criterio estandarizado
Todas las piezas se evalúan bajo las mismas reglas de clasificación, independientemente del turno.
Nota: «100 % estandarizado» se refiere a la aplicación uniforme del criterio de inspección; no significa detección perfecta de todos los defectos. El caso proporcionado no incluye porcentajes auditables de reducción de defectos o garantías.
Esto también permite que el equipo de Ingeniería de Calidad dedique más tiempo a investigar causas de defectos y mejorar el proceso, en vez de concentrarse exclusivamente en la revisión pieza por pieza.
Hablemos de su proceso
¿Su control de calidad todavía depende del ojo humano?
Si en su planta se escapan defectos o la inspección no sigue el ritmo de producción, la visión artificial puede ser una alternativa. En Carsan Technology diseñamos e integramos soluciones de Machine Learning e Industria 4.0 para la manufactura en México.
Cuéntenos cómo inspeccionan hoy sus piezas y revisemos qué solución se adapta a su línea.
Preguntas frecuentes