E EREACE
Volver
Reducir costesIndustria / Alimentación - Operaciones y Compras

Visión Artificial para Control de Calidad en Línea de Envasado

Una planta envasa 60.000 tarros por hora. Hoy 4 operarios inspeccionan a ojo una muestra y se escapan defectos (tapa mal cerrada, etiqueta torcida, fisura en el vidrio) que generan devoluciones de grandes cadenas y penalizaciones contractuales. Se han instalado cámaras en la línea que hacen una foto de cada tarro.

Impacto estimado en el resultado (EBITDA) al año
+350 k€
Planta que envasa 60.000 unidades por hora. Ejemplo ilustrativo con cifras orientativas: sustitúyelas por las de tu empresa.

De dónde sale el dinero

Penalizaciones y devoluciones evitadas
+350 k€
Reasignación de 4 inspectores a mejora continua
+160 k€
Producto bueno desechado por falsas alarmas
-40 k€
Coste del sistema
-120 k€
Impacto anual en EBITDA
+350 k€
Suma beneficioResta beneficioCoste del sistema

Qué hacer ahora

  1. 1Cuantificar el coste de un defecto que llega al cliente.
  2. 2Instalar cámara y recoger 12.000 imágenes etiquetadas.
  3. 3Piloto en una línea con inspección humana en paralelo.

Para llevar al comité

Una página con la decisión, el impacto, los riesgos, los pasos y el KPI de seguimiento.

Se abre la ventana de impresión: elige "Guardar como PDF".

Ojo: más volumen no siempre es más beneficio

Un sistema demasiado estricto desecha producto bueno y frena la línea; demasiado laxo deja pasar fisuras. El umbral se fija con el coste de una retirada frente al de un tarro.

KPI para el comité

Defectos que llegan al cliente por millón y producto desechado.

Detalle para tu equipo de datos

Técnica propuesta: Redes Neuronales (Deep Learning / CNN)

Por qué: La información está en píxeles: una fisura es un patrón visual que ningún humano puede describir como variables de una tabla. Las redes convolucionales (CNN) aprenden esos patrones directamente de las imágenes. Con transfer learning, 12.000 imágenes son suficientes.

Coste de equivocarse: Un falso negativo (fisura no detectada) puede provocar una retirada de producto y daño de marca; un falso positivo solo cuesta un tarro.

Datos necesarios: Imágenes de cámara de alta velocidad de cada unidad.; 12.000 imágenes etiquetadas por calidad: OK, tapa, etiqueta, fisura, nivel de llenado.; Registro de devoluciones y penalizaciones por lote.

El sistema Ereace

Prueba tus decisiones con personas sintéticas antes de probarlas con personas reales.

Esta herramienta te ayuda a decidir con números. Antes de invertir, entiende, prueba y ensaya la decisión con las personas implicadas: tus clientes, tu equipo o tu comité.

Entender
QualiSynth

Antes de invertir, descubre qué piensan, necesitan o rechazan tus clientes de la iniciativa.

Poner a prueba
StrataSynth

Pon la oferta, el mensaje o el recorrido frente a personas sintéticas que no siempre siguen el camino feliz.

Entrenar
ArenaSynth

Ensaya la presentación al comité o la negociación con el proveedor frente a decisores sintéticos.

Ver todos los productos de Ereace

Sobre esta herramienta. Es gratuita y la hace Ereace, un estudio de productos nativos en IA y un ecosistema de inteligencia humana: conecta señales humanas reales, personas sintéticas y los sistemas construidos a su alrededor, para entender, probar y actuar sobre el comportamiento humano antes de que las decisiones lleguen al mundo real. Conocer Ereace

¿Comentarios o sugerencias? info@ereace.es