Visión artificial en la industria: control de calidad
Todos los artículosVisión artificial

Visión por computadora para el control de calidad en la industria

Una cámara en la banda transportadora detecta los defectos más rápido que una persona y no se cansa al final del turno. Vemos chómo se implementan estos sistemas y cuánto ahorran.

Autor
Autor: mAIn way
Publicado
Publicado: 16 de junio de 2026
Actualizado
Actualizado: 29 de septiembre de 2026
8 min de lectura
8 min de lectura
Una cámara en la línea de producción revisa la calidad de las piezas

El control visual de calidad es una de las pocas tareas donde la tecnología da un resultado medible desde el primer día. El operador de la banda se cansa, se distrae, deja pasar defectos al final del turno, y el volumen de piezas por hora cambia la calidad del control. Una cámara junto a un modelo de reconocimiento trabaja igual en el tercer y en el duodécimo turno, cuenta las piezas y le muestra a la persona los fotogramas sospechosos.

Chómo está armado el sistema

  1. Una cámara capta la pieza o el empaque en un punto definido de la línea.
  2. El modelo determina si hay defecto y clasifica su tipo.
  3. Si encuentra un defecto, la pieza se detiene para revisión o queda registrada en el lote.
  4. El sistema lleva estadísticas: proporción de defectos por turno, por operador y por tipo.
  5. El modelo se reentrena con nuevos ejemplos cuando cambia la producción o aparecen defectos nuevos.

Qué se resuelve normalmente en la planta

TareaEjemploEfecto
Control de superficieRayas, melladuras, manchas, irregularidades del recubrimientoDetección temprana del defecto antes del despacho
Verificación del ensambleSi están todas las piezas y si los ajustes son los correctosMenos retrabajos y llamadas a maintenance
Control del empaqueContenido, etiqueta, fecha de vencimiento, código de barrasMenos devoluciones de clientes
Reconocimiento y seguimiento de objetosContar piezas, controlar el paso por la línea y medir el tiempo de cicloProductividad de la línea visible y medible
SeguridadReconocimiento facial en accesos, casco y elementos de protecciónMenos accidentes en la planta
Biometría en retailIdentificar al comprador habitual sin tarjetaOfertas personalizadas y conteo de visitas

Qué necesita la planta

  • Ejemplos de defectos: fotografías, idealmente ya etiquetadas como «defectuoso» o «aprobado».
  • Datos de volumen de producción y de la proporción actual de defectos: son la base de comparación.
  • Acceso al punto donde se instalará la cámara: iluminación, distancia y ángulo.
  • Un procedimiento acordado ante un defecto: a quién se avisa y qué se hace con el lote.
  • Un responsable en la planta que valide las decisiones del modelo.

La dificultad principal no es la cámara, son los datos

La captura y el equipo suelen resolverse eligiendo hardware listo. El trabajo grande consiste en reunir y etiquetar ejemplos de defectos. Los proyectos en los que el etiquetado se toma a la ligera terminan con un sistema que funciona bien en un tipo de pieza y falla en otro.

Cuánto cuesta y cómo se paga

Los proyectos de este tipo rondan los 5.000 € - 20.000 € según el número de cámaras, los tipos de defecto y las integraciones con el sistema de calidad. El plazo de implementación va de uno a cuatro meses. El ahorro se calcula fácil: si el volumen anual de defectos equivale a cierta suma y el sistema lo reduce entre un 30% y un 50%, el efecto se mide en dinero desde el primer año. El beneficio adicional son los datos sobre las causas de los defectos, que normalmente no existen.

Implementación paso a paso

  1. Recorrido de la planta y elección de los puntos de control junto con los tecnólogos.
  2. Captura y etiquetado de ejemplos de defectos, con revisión de iluminación y ángulo.
  3. Entrenamiento del modelo y pruebas en la línea real, en condiciones de trabajo.
  4. Piloto en una línea: de dos a cuatro semanas trabajando en paralelo con una persona.
  5. Comparación de resultados, reentrenamiento y traslado a las demás líneas.

Preguntas frecuentes

¿El sistema va a reemplazar a los inspectores?

Completamente, pocas veces. El sistema hace la revisión rutinaria y no se le escapa el ojo cansado, mientras que la persona confirma los casos dudosos, investiga las causas y entrena el modelo. En la práctica eso significa un control más estable, no solo más barato.

¿Funciona con piezas de distintos tipos?

Por lo general cada tipo de pieza necesita su propio modelo o sus propios ajustes. Es normal: en plantas grandes la implementación avanza línea por línea, y lo aprendido en la primera acelera el resto.

¿Qué pasa con el reconocimiento facial?

La identificación por rostro se usa para control de accesos, conteo de visitas y ofertas personalizadas. Estos sistemas exigen bases legales para tratar datos biométricos, información previa a los visitantes y protección de la información. Siempre conversamos estos requisitos por adelantado, porque aquí infringir la norma cuesta más que cualquier ahorro.

La cámara no se cansa ni se distrae. Ahí está su ventaja frente a una persona, no en ser «más inteligente».

Por dónde empezar

Empiece por el tipo de defecto más caro: calcule cuánto cuesta al año y estime qué proporción se podría reducir. En la consulta gratuita revisamos los puntos de control y proponemos un formato de piloto con criterios de éxito claros.

Autor

mAIn way

Expertos en implementación de IA

¿Hablamos de su necesidad?

Revisamos sus procesos y proponemos un plan de implementación de IA con presupuesto y plazos claros.

Solicitar consulta gratuita