Visión artificial para el control de calidad: KOMPASS frente a NAGARE

Un lote devuelto cuesta más que el producto que contiene. El retrabajo consume margen, las investigaciones de retirada consumen tiempo, y ambos apuntan al mismo problema de fondo: la estrategia de inspección dejó pasar algo. La mayoría de los fabricantes ha invertido en sistemas de calidad. Muchos siguen enviando defectos. La causa casi siempre es estructural, no tecnológica. 

Esta guía explica el modelo de dos capas que separa la inspección de producto de la supervisión de proceso, y muestra exactamente dónde encaja la visión artificial en cada una.

La visión artificial para el control de calidad opera en dos niveles: la inspección de producto, que detecta defectos en artículos acabados o en curso, y la supervisión de proceso, que verifica que los operarios y los pasos de montaje siguen la secuencia correcta. Ambas son necesarias. Confundirlas es el error más caro al desplegar visión con IA.

¿Qué es la visión artificial para el control de calidad?

La visión artificial para el control de calidad es el uso de cámaras, IA en el borde y procesamiento de imágenes para inspeccionar productos y supervisar procesos de forma automática en entornos de fabricación.

Esa definición abarca dos problemas operativamente distintos. El primero es la integridad del producto: el artículo acabado está mal. El segundo es la integridad del proceso: el método empleado para fabricarlo estaba mal. Ambos generan defectos. Y requieren instrumentación distinta, flujos de datos distintos y respuestas distintas.

La diferencia de rendimiento entre la máquina y el ojo humano es considerable. Los sistemas de control de calidad con visión e IA alcanzan una precisión de detección del 99,5 % o superior, frente al 70-85 % de los inspectores humanos formados que realizan comprobaciones repetitivas a velocidad de línea. La brecha se amplía a medida que aumenta el ritmo de producción. A varios miles de piezas por minuto, la inspección humana deja de ser viable.

Lo que está en juego económicamente está a la altura de esa brecha. Se estima que las plantas de fabricación pierden 3.400 millones de USD al año por productos defectuosos que escapan a la inspección humana. (iFactoryApp, 2026) El mercado de sistemas de visión artificial refleja esa presión: valorado en 20.400 millones de USD en 2024, con una previsión de 41.700 millones de USD para 2030, a una tasa de crecimiento anual compuesto del 13 %.

Los responsables de calidad que trabajan con sistemas de visión con IA manejan un vocabulario específico: tasa de escape de defectos, inspección en línea, poka-yoke, First-Time-Right, coste de retrabajo. Estos términos aparecen a lo largo del artículo porque reflejan cómo se vive realmente el problema en planta.

Los dos modos de fallo que la visión artificial debe resolver

La mayoría de los proveedores de inspección de calidad por visión presentan su producto como una única respuesta a una única pregunta: ¿tiene este artículo un defecto? Ese planteamiento deja fuera la mitad del problema.

Modo de fallo 1: los defectos salen de la línea sin detectarse.

El producto está mal. Un arañazo superficial, una desviación dimensional, una etiqueta ausente, un sellado comprometido. La inspección tradicional lo detecta a posteriori, con tasas de muestreo que subestiman la tasa real de escape. Un lote con un 2 % de defectos supera una inspección AQL de 10 muestras el 82 % de las veces. (iFactoryApp, 2026) La mayoría de esos defectos llegan al cliente.

Modo de fallo 2: el proceso se ejecuta incorrectamente.

El operario se salta un paso de apriete. El componente equivocado entra en el conjunto. La secuencia de kitting se invierte. El producto puede superar la inspección visual y aun así fallar en campo. Esto es un fallo de cumplimiento de proceso, y es invisible para los sistemas de inspección de producto.

Por qué no basta con resolver uno solo: una línea con inspección de producto completa y sin supervisión de proceso seguirá generando retiradas por errores de secuencia. Una línea con supervisión de proceso completa y sin inspección de producto seguirá enviando defectos estéticos o dimensionales. Los dos modos de fallo operan en paralelo. Y requieren soluciones en paralelo.

«El modelo de calidad de dos capas de Jidoka: integridad del producto (lo que sale de la línea) e integridad del proceso (cómo funciona la línea). Las tasas de escape de defectos solo bajan cuando ambas capas están instrumentadas.» — Jidoka Technologies

Este modelo de dos capas es el marco sobre el que se construye el resto del artículo: la capa de integridad del producto y la capa de integridad del proceso.

Tabla comparativa: inspección de producto frente a supervisión de proceso

Cómo aborda KOMPASS la inspección de producto

KOMPASS es la solución de Jidoka para la capa de integridad del producto. Realiza control de calidad por visión en línea a hasta 12.000 piezas por minuto con una precisión de detección del 99,9 %, inspeccionando los productos en 360 grados mientras avanzan por la línea de producción.

La arquitectura funciona como un bucle cerrado de cinco fases: VER, PENSAR, ACTUAR, APRENDER, INTEGRAR.

• VER: cámaras multiángulo capturan el producto en movimiento.
• PENSAR: la IA en el borde analiza cada fotograma en menos de 10 ms y clasifica el estado superficial, la precisión dimensional, la presencia de etiqueta y la completitud de componentes.
• ACTUAR: el sistema desvía o rechaza los productos defectuosos antes de que avancen por la línea.
• APRENDER: el modelo se refina continuamente con los datos de producción y mejora su precisión sin reentrenamiento manual.
• INTEGRAR: los datos alimentan los cuadros de mando de calidad y se conectan con los sistemas MES existentes.

Los sistemas de calidad por visión con IA tradicionales se enfrentan a un problema de arranque en frío: necesitan grandes bibliotecas de imágenes de defectos antes del despliegue, algo que las líneas nuevas y las introducciones de producto no tienen. KOMPASS lo resuelve mediante el motor de autoaprendizaje DOJO, que se entrena con menos de 10 imágenes de producto correcto. No hace falta ninguna muestra de defecto ni conocimientos de aprendizaje automático por parte del equipo de calidad.

La tasa de falsos rechazos importa tanto como la de detección. Rechazar por error un producto correcto genera su propio coste de retrabajo y altera la línea. KOMPASS reduce los falsos rechazos un 40 % frente a los sistemas de visión con IA tradicionales. 

Sectores donde opera KOMPASS: inspección de componentes para OEM de automoción a velocidad de cinta, verificación de etiquetas y envases en gran consumo, integridad del envase farmacéutico e inspección de soldadura y montaje en electrónica.

Cómo supervisa NAGARE los procesos de montaje

NAGARE es la solución de Jidoka para la capa de integridad del proceso. Donde KOMPASS inspecciona el producto, NAGARE observa cómo se hace el trabajo. Realiza un seguimiento en tiempo real de las acciones del operario, la presencia de componentes y la secuencia de montaje utilizando las cámaras existentes. En la mayoría de los despliegues no se requiere hardware de cámara nuevo.

Se aplica la misma arquitectura VER / PENSAR / ACTUAR / APRENDER / INTEGRAR, con entradas distintas. Las cámaras de NAGARE capturan señales de proceso: qué está haciendo el operario, si tiene en la mano el componente correcto, si el estado de la estación coincide con el paso del flujo de trabajo. La fase PENSAR valida esas señales frente a los SOP y las instrucciones de trabajo digitales. Si se produce una desviación, ACTUAR dispara una alerta poka-yoke o detiene la estación antes de que la unidad pase a la siguiente celda.

Esta distinción es fundamental. KOMPASS detecta un defecto una vez que existe. NAGARE detiene el error de proceso antes de que se cree el defecto.

Resultados obtenidos en los despliegues de NAGARE: un 30 % más de cumplimiento de proceso, un 35 % menos de retrabajo, un 25 % más de productividad y un 30 % menos de desviaciones de proceso.

«NAGARE supervisa cada paso del montaje con las cámaras existentes, garantiza el 100 % de cumplimiento de los SOP y reduce el retrabajo un 35 % sin necesidad de invertir en hardware nuevo.» — Jidoka Technologies

Dos capacidades adicionales distinguen a NAGARE en planta.

El modo AI Buddy guía a los operarios en tiempo real y hace seguimiento del nivel de competencia individual. A medida que el operario progresa, la necesidad de supervisión disminuye. Los nuevos operarios alcanzan la competencia antes. El resultado es una menor ratio de supervisores por operario sin el correspondiente aumento de errores.

El despliegue de IA en el borde procesa todos los datos on-premise. Sin dependencia de la nube. Esto responde directamente a las objeciones de privacidad de datos y latencia que frenan la adopción de la IA en automoción y farmacia, donde los datos de proceso son propietarios y la latencia no es tolerable.

Plazo de retorno: NAGARE se despliega sobre la infraestructura de cámaras existente y ofrece retorno de la inversión en 12 meses.

¿Cuándo necesita KOMPASS, NAGARE o ambos?

Esta es la decisión que importa. La tecnología está clara. La pregunta difícil es qué problema tiene usted realmente.

El marco de diagnóstico de problemas de calidad de Jidoka Technologies es una autoevaluación de cuatro preguntas que orienta al fabricante hacia la solución adecuada. Resúpondalas en orden.

P1: ¿Dónde se originan sus defectos?

Si son defectos de producto —desviaciones dimensionales, daño superficial, componentes ausentes o errores de etiqueta—, la capa de integridad del producto está sin controlar. La solución es KOMPASS. Si los defectos se remontan a errores de proceso —secuencia de montaje incorrecta, componente equivocado o pasos omitidos—, la capa sin controlar es la del proceso. La solución es NAGARE.

P2: ¿Cuál es su tasa de escape de defectos?

Si su proceso AQL por muestreo aprueba lotes que contienen defectos, el problema es un vacío en la inspección de producto. KOMPASS lo cierra con cobertura del 100 % mediante inspección en línea. Si su tasa de defectos de salida es baja pero los costes de retrabajo y desperdicio siguen siendo altos, el coste se está absorbiendo aguas arriba. NAGARE es la palanca principal.

P3: ¿Cómo es su infraestructura de inspección actual?

KOMPASS requiere integración de hardware: infraestructura de visión modular conectada con cintas y mecanismos de rechazo. NAGARE se despliega sobre el CCTV existente en la mayoría de los casos. Si la inversión en capital está limitada, NAGARE es el primer despliegue más rápido. El despliegue de KOMPASS lleva de 6 a 8 semanas desde la instalación hasta estar listo para producción.

P4: ¿Qué modo de fallo llega al cliente?

Las devoluciones de campo por defectos de producto —arañazos, fallos dimensionales, piezas ausentes— apuntan a KOMPASS. Las devoluciones o incumplimientos por errores de montaje, pasos de proceso omitidos o componentes equivocados apuntan a NAGARE. Si tiene ambos problemas, necesita ambos sistemas.

La visión artificial para el control de calidad por sectores

El reparto entre KOMPASS y NAGARE se manifiesta de forma distinta según el sector. Todos los sectores siguientes combinan ambas capas, pero los modos de fallo concretos difieren.

1. Automoción

KOMPASS se encarga de la inspección de componentes para OEM a 12.000 piezas por minuto en cintas rápidas, detectando defectos superficiales, desviaciones dimensionales y montajes incompletos antes de que los componentes salgan de la celda. NAGARE impone las secuencias de apriete y los pasos de instalación de fijaciones en las estaciones de montaje, con alertas poka-yoke que impiden que un subconjunto incorrecto avance a la siguiente celda. Una fijación sobreapretada y una fijación ausente son dos problemas distintos. Uno es territorio de KOMPASS. El otro, de NAGARE.

2. Gran consumo y envasado

KOMPASS realiza verificación de etiquetas, control de nivel de llenado e integridad del sellado a velocidad de línea. Un SKU mal etiquetado a 800 unidades por minuto se detecta antes de salir. NAGARE supervisa las secuencias de kitting en las operaciones de envasado y verifica la exactitud de SKU en los flujos de salida de almacén. El producto puede parecer correcto y aun así ser el artículo equivocado para el pedido equivocado.

3. Farmacia

KOMPASS se encarga de la verificación de etiquetas y texto para el cumplimiento normativo: números de lote, fechas de caducidad, códigos de producto. El margen de error en el etiquetado farmacéutico es prácticamente cero. NAGARE supervisa los pasos de montaje del kit para evitar errores de medicamento incorrecto en el envase, y respalda los requisitos de documentación GMP. Una etiqueta correcta sobre el producto equivocado es el modo de fallo que acaba con carreras profesionales.

4. Electrónica

KOMPASS inspecciona uniones de soldadura, colocación de componentes en PCB y alineación de conectores mediante imágenes multiángulo de alta resolución. NAGARE supervisa los pasos de montaje SMT y las secuencias de manipulación del operario, detectando incumplimientos de secuencia antes de que una placa poblada pase al horno de refusión.

Según el Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST), los defectos representan aproximadamente el 10 % de los costes totales de fabricación. Ese 10 % se reparte entre fallos de integridad del producto (ámbito de KOMPASS) y fallos de cumplimiento de proceso (ámbito de NAGARE). La mayoría de los fabricantes instrumentan solo uno de los dos. El coste del otro permanece oculto en el retrabajo, el desperdicio y las devoluciones de campo.

Conclusión

Todo responsable de calidad conoce alguna versión de esta historia: inversiones en tecnología de inspección que siguen produciendo retiradas, o costes de retrabajo que se niegan a bajar pese a la automatización aguas arriba. La razón casi siempre es la misma. La calidad del producto y la calidad del proceso son dos problemas distintos, y requieren dos respuestas distintas. 

KOMPASS vigila lo que sale de su línea. NAGARE vigila cómo se fabrica. Desplegar ambos es lo que Jidoka entiende por producción First-Time-Right. Si ya sabe cuál es su problema, el siguiente paso es una conversación. Si no está seguro, el marco de diagnóstico de este artículo es el punto de partida.

Solicite una demostración de Jidoka.

Preguntas frecuentes

1. ¿Qué diferencia hay entre visión artificial y visión por computador en fabricación?

La visión artificial se refiere a sistemas de imagen industriales diseñados para tareas de inspección concretas y controladas a velocidad de producción, normalmente con hardware y algoritmos dedicados. La visión por computador es el campo más amplio de la IA que abarca la comprensión de imágenes en cualquier entorno. En el control de calidad industrial, la visión artificial es el subconjunto aplicado: específica, en línea y de decisión inmediata. Ambos términos se usan indistintamente en la literatura comercial, pero describen ámbitos distintos.

2. ¿Qué precisión tiene la visión artificial con IA en la inspección de calidad?

Los sistemas actuales de visión con IA alcanzan entre un 99,5 % y un 99,9 % de precisión de detección en líneas de producción entrenadas. La inspección visual humana alcanza entre un 70 % y un 85 % en condiciones constantes, y se degrada aún más con la fatiga, los cambios de turno y el alto ritmo de producción. La brecha se amplía al aumentar la velocidad: a 12.000 piezas por minuto, la inspección humana es materialmente imposible. Además, la precisión de la IA es constante en todos los turnos, cosa que la inspección humana no es.

3. ¿Se pueden desplegar sistemas de visión artificial sin modificar la línea de producción?

Los sistemas de supervisión de proceso como NAGARE están diseñados específicamente para funcionar sobre la infraestructura de CCTV existente, sin necesidad de cámaras nuevas en la mayoría de los despliegues. Los sistemas de inspección de producto como KOMPASS requieren hardware de visión modular integrado con cintas y mecanismos de rechazo, aunque la infraestructura modular de Jidoka se conecta con la automatización existente. El despliegue de KOMPASS lleva de 6 a 8 semanas desde la instalación hasta estar listo para producción; NAGARE puede estar operativo antes utilizando las cámaras existentes.

4. ¿Cuál es el plazo de retorno de la visión artificial en control de calidad?

El retorno depende de la tasa actual de escape de defectos, los costes de retrabajo y la mano de obra de inspección. Los fabricantes que implantan control de calidad con IA declaran reducciones de defectos de hasta el 50 % y mejoras del ciclo de inspección del 30 % al 50 % (referencias del sector, 2025-2026). En el caso de NAGARE se cita un retorno a 12 meses utilizando la infraestructura de cámaras existente. Los plazos de KOMPASS varían según el sector: los despliegues en farmacia y automoción, con alta exposición al coste de retirada, suelen recuperar la inversión entre 6 y 18 meses.

5. ¿La visión artificial sustituye a los inspectores de calidad?

La visión artificial para el control de calidad complementa la inspección asumiendo las tareas de detección repetitivas y de alta velocidad que superan la capacidad humana. El resultado práctico en la mayoría de los despliegues es la reasignación del personal de inspección a actividades de mayor valor: análisis de causa raíz y gestión de excepciones. NAGARE incluye además el modo AI Buddy, que guía a los operarios y hace seguimiento del desarrollo de sus competencias, reforzando la capacidad humana en lugar de eliminarla.