La visió artificial industrial a edge permet fer inspecció visual automàtica al mateix punt on es capturen les imatges: a la línia, al celler, a la màquina o a la sortida de packaging. El resultat: detecció de defectes en mil·lisegons, decisions immediates (aturar, rebutjar o reprocessar) i control de qualitat consistent, sense dependre de la connectivitat.
- Línies ràpides on cada segon compta (rebuig immediat, sense colls d’ampolla).
- Defectes subtils o variables (ratllades, porus, taques, deformacions, impressions irregulars).
- Entorns amb connectivitat limitada o polítiques estrictes de dades.
- Necessitat de traçabilitat (registre d’incidències, lots, tendències i causes arrel).
Consell pràctic: l’edge no “substitueix” el núvol; el complementa. A planta decideixes en temps real, i fora consolides dades, informes i millora contínua.
Què és la visió artificial Edge i per què està canviant la inspecció a fàbrica
Parlem de visió artificial industrial quan una càmera (o diverses) captura imatges del producte, la màquina o el procés, i un sistema les analitza per detectar defectes, validar muntatges, llegir textos/codis i generar decisions de control de qualitat.
Quan aquesta anàlisi s’executa a edge, el model d’IA corre al costat de la càmera (en una smart camera o en un dispositiu industrial a planta). Això permet actuar abans que el producte avanci: rebutjar una peça, aturar una màquina, disparar una alarma o enregistrar evidències per a auditoria.
Quan l’edge és imprescindible: si necessites resposta immediata, si la xarxa és inestable, si no vols enviar imatges sensibles fora de planta, o si vols garantir continuïtat operativa encara que falli la connexió.
Edge vs núvol: diferències pràctiques
- Latència: l’edge evita el viatge d’anada i tornada de dades. Ideal per a línies ràpides i decisions en temps real.
- Cost i amplada de banda: menys vídeo/imatges enviades fora → menys costos i menys dependència de la xarxa.
- Privadesa i compliment: més fàcil limitar l’exposició d’imatges sensibles (productes, persones, instal·lacions).
- Robustesa: el sistema continua funcionant encara que hi hagi talls o saturació de xarxa.
Beneficis de la inspecció instantània en temps real
1) Qualitat constant (sense fatiga)
La inspecció manual és útil, però és variable: canvia per torns, fatiga, llum i criteris. Amb IA, el criteri d’acceptació es pot definir, mesurar i mantenir estable.
2) Menys rebuig tardà i menys retraball
Detectar el defecte abans evita que la peça continuï acumulant valor (materials, temps, energia). Això redueix reprocessos i parades no planificades.
3) Traçabilitat i evidència
Pots guardar captures, metadades i context (lot, màquina, torn, paràmetres) per fer anàlisi de causa arrel, auditories i millora contínua.
4) Més velocitat de línia sense perdre control
La visió artificial a edge permet inspecció 100% en punts crítics sense crear un coll d’ampolla. El control de qualitat deixa de ser un “fre” del flux.
Casos d’ús a fàbrica: on la visió artificial edge aporta més valor
Els casos d’ús amb millor retorn solen ser aquells on el defecte és costós (reclamacions, retorns, garanties) o on un error para la línia. Aquests són els més habituals en inspecció visual automàtica:
Detecció de defectes superficials
- Ratllades, cops, porus, taques, rebaves, oxidació, contaminació visual.
- Acabats irregulars (brillantor, textura, color, soldadures).
Verificació de muntatge i presència/absència
- Components faltants, mal posicionats, invertits o incorrectes.
- Validació de connectors, clips, cargols, tapadores, precintes.
Etiquetes, marcatge i traçabilitat
- Lectura de codis (1D/2D), OCR de lots i dates, comprovació de contrast i alineació.
- Detecció d’etiquetes tortes, mal impreses o equivocades.
Packaging i integritat del producte final
- Segellat, presència de producte, integritat de l’envàs, deformacions.
- Comptatge i classificació abans de paletitzar o expedir.
Metrologia visual (2D/3D) sense contacte
- Mesures dimensionals, toleràncies, distàncies, angles o planitud.
- Ideal quan no vols frenar la línia ni tocar el producte.
Inspecció òptica automàtica (AOI) en processos crítics
Especialment útil quan cal detectar anomalies petites o variacions difícils d’explicar amb regles fixes.
Com funciona una solució de visió artificial industrial a edge
Una arquitectura típica combina captura, inferencia i integració amb els sistemes de planta. El secret no és només “tenir un model”: és dissenyar el sistema perquè sigui estable, mesurable i mantenible.
Flux simplificat (de la càmera a la decisió)
- Trigger (sensor/PLC): quan passa una peça, es dispara la captura.
- Captura d’imatge: càmera + òptica + il·luminació per obtenir imatges repetibles.
- Anàlisi: model d’IA a edge (classificació, detecció o segmentació).
- Decisió: OK / NOK i, si cal, tipus de defecte i ubicació.
- Acció: expulsor, aturada, alerta, reprocessat o desviament.
- Registre: evidències, estadístiques, traçabilitat i informes.
Bona pràctica: no guardis “totes” les imatges per defecte. Defineix què cal conservar (només NOK, mostreig d’OK, o imatges amb incertesa) per reduir cost i facilitar auditories.
Components clau perquè la inspecció sigui fiable (no només “bonica”)
El rendiment de la IA depèn tant del model com de la qualitat d’imatge i de la repetibilitat del muntatge. A fàbrica, els canvis de llum, vibració o pols poden fer fallar un sistema si no es dissenya bé des del principi.
Càmera industrial
- Resolució i òptica adequades al defecte mínim que vols veure.
- Frame rate i temps d’exposició compatibles amb la velocitat de línia.
- Sincronització (trigger) per capturar sempre al mateix punt.
Òptica i distància de treball
- La lent determina camp de visió, distorsió i nitidesa.
- Una òptica ben triada evita “inventar” el defecte amb software.
Il·luminació (el factor que més es nota)
- Controlar ombres i reflexos és clau en superfícies brillants.
- Il·luminació estable = menys falsos positius i menys reajustos.
Dispositiu Edge (on corre el model)
- Computació suficient per inferència a la velocitat requerida.
- Entorn industrial: temperatura, vibració, alimentació i protecció.
- Observabilitat: logs, salut del sistema, versions de model i alertes.
Integració amb PLC / MES / SCADA
- La inspecció ha d’acabar en una acció: rebutjar, aturar, avisar o registrar.
- Integració per senyals digitals, OPC UA, APIs o connector a MES.
Dades, etiquetatge i manteniment del model
- Definir classes de defecte i criteri d’acceptació amb Qualitat + Producció.
- Estratègia de millora contínua: nous defectes, canvis de proveïdor, canvi de packaging.
Mètriques i criteris d’acceptació: el que fa que el projecte “aguanti”
Per desplegar amb confiança, cal definir mètriques més enllà del “funciona”: què considerem OK, què és NOK i quin cost té equivocar-nos.
Dos riscos típics
- Fals positiu (rebutjar una peça bona): augmenta rebuig i pot frenar la línia.
- Fals negatiu (deixar passar un defecte): pot acabar en reclamacions, retorns o incidències de seguretat.
L’objectiu és ajustar llindars i estratègia (regles + IA, doble captura, punts d’inspecció) segons el teu cost real d’error.
Recomanació: defineix un “mode assistit” al principi (alerta + evidència) abans d’automatitzar el rebuig, i evoluciona cap a acció automàtica quan les mètriques siguin estables per torns i lots.
Implantació pas a pas: de la prova al sistema en producció
Una implementació exitosa combina enginyeria de planta, dades i IA. El millor enfocament és iteratiu: començar per un punt d’inspecció amb impacte, validar mètriques i escalar.
1) Descobriment i viabilitat
- Definició de defectes i criteris d’acceptació.
- Revisió d’entorn (llum, vibració, velocitat) i sistemes (PLC/MES).
- Objectius i KPI (rebuig, retraball, reclamacions, OEE).
Si necessites suport en aquesta fase, mira Consultoria i Roadmap d’IA.
2) Pilot controlat
- Captura d’imatges reals (OK/NOK) i etiquetatge.
- Prototip d’inferència a edge amb criteris de qualitat.
- Validació per torns: variació real, no només “millor cas”.
3) Integració i automatització
- Connexió amb PLC (rebuig/aturada) i amb sistemes de traçabilitat.
- Alertes, dashboards i registre d’evidències.
Per portar pilots a producció: Integració i Implementació d’IA i Automatitzacions amb IA.
4) Escalat i millora contínua
- Monitoratge de drift (canvis de producte, llum, proveïdor, càmera).
- Reentrenament i validació abans de desplegar noves versions.
- Escalar a més línies i punts d’inspecció.
Si vols una visió global d’impacte a planta: Operacions i Logística amb IA.
ROI: com estimar l’impacte (sense fulls eterns)
El ROI d’una inspecció visual automatitzada acostuma a venir de quatre fonts: menys rebutjos tardans, menys retraball, menys reclamacions i més estabilitat de línia. Aquest esquema et serveix per quantificar-ho ràpid:
| Palanques | Què mesures | Exemple de resultat esperable |
|---|---|---|
| Rebuig i retraball | % scrap, hores de reprocessat, cost unitari de defecte | Reduir defectes repetits i detectar abans (menys cost acumulat per peça) |
| Reclamacions / retorns | Cost de garantia, devolucions, penalitzacions, reputació | Menys “escapes” (defectes que arriben al client) |
| OEE i estabilitat | Parades per qualitat, temps d’investigació, microaturades | Menys interrupcions per dubtes o inspeccions manuals |
| Traçabilitat | Temps d’auditoria, temps de resolució d’incidències | Investigació més ràpida amb evidència visual i dades |
Fórmula simple: ROI (%) = (Estalvi anual + Ingressos evitats − Cost total del projecte) / Cost total del projecte × 100. Si vols una estimació clara i ràpida, tens opcions a Paquets i preus.
Errors habituals (i com evitar-los)
Dependre de llum ambiental
Si la il·luminació canvia, el model veurà “un altre món”. Solució: il·luminació controlada i muntatge estable.
Entrenar amb poques variacions reals
Cal incloure lots, torns, proveïdors, canvis de material i condicions reals. Solució: recollida planificada i validació per torn.
No definir criteris d’acceptació amb Qualitat
Sense un criteri clar, el sistema no serà operable. Solució: llindars, classes de defecte i “cost d’error” acordats.
Oblidar l’operació i el manteniment
El sistema ha de tenir alarmes, logs, versions i un procés de millora contínua. Solució: govern i observabilitat des del primer dia.
Preguntes freqüents sobre visió artificial edge per inspecció instantània
Quina diferència hi ha entre visió artificial a edge i al núvol?
A edge, la inferència es fa localment (a planta), amb resposta immediata i menys dependència de la xarxa. Al núvol, és habitual centralitzar dades, analítica històrica i processos de reentrenament. Sovint, la millor opció és combinar-ho.
Quantes imatges necessito per començar?
Depèn del tipus de defecte i de la variabilitat del procés. Es pot començar amb un pilot amb mostres representatives (OK i NOK) i ampliar el dataset mentre es valida per torns i lots. El més important és cobrir variacions reals.
La IA pot substituir completament la inspecció manual?
En molts punts crítics, sí (inspecció 100% a alta velocitat). En altres, és millor un enfocament progressiu: primer assistit (alerta + evidència), i després automatitzar accions quan el sistema sigui estable.
Com s’integra amb la línia (PLC, expulsors, MES)?
Normalment es connecta al PLC per triggers i senyals d’OK/NOK, i al MES/SCADA per traçabilitat, estadístiques i incidències. L’objectiu és que la inspecció acabi en una acció clara i un registre explotable.
Què passa si canvia el producte, el packaging o la il·luminació?
Canvis a planta poden afectar el rendiment (drift). Per això es defineix una rutina: monitoratge, recollida de casos límit, reentrenament i validació abans de desplegar noves versions del model.
És compatible amb càmeres existents?
Sovint sí, si la càmera ofereix qualitat d’imatge i sincronització adequades. En altres casos, convé ajustar òptica/il·luminació o afegir una càmera a un punt crític per obtenir la imatge que realment necessites.
Com eviteu falsos positius que facin baixar el rendiment?
Es treballa amb criteris d’acceptació, llindars i estratègies com doble captura, punts d’inspecció complementaris i combinació de regles + IA. També ajuda una il·luminació estable i un dataset ben representatiu.
Com puc començar sense “liar” la producció?
Amb un pilot acotat: un punt d’inspecció, KPI clars, mode assistit al principi i integració progressiva. Si vols fer-ho de manera ordenada, pots començar per Contacte i explicar-nos el teu cas.
Vols validar inspecció instantània a la teva línia?
Explica’ns quin producte inspecciones, la velocitat de línia i els defectes que més et costen. Et proposem un enfocament per passar de prova a producció amb criteris clars i integració amb planta.
També pots revisar: Consultoria i Roadmap · Operacions i Logística · Paquets i preus