Canteado de cantos
Detecta huecos de línea de cola, desalineación de canto, astillado de retestado y diferencia de tono antes de que los tableros salgan de la canteadora.
Inspección de calidad automatizada para líneas de canteado, sobre un iPhone reacondicionado, junto a tu canteadora, retestadora y estación de pulido.
Una rebaba de cola que sangra fuera del canto, un canto sobresaliente que la pulidora no llega a igualar, una esquina astillada que el cliente de muebles ve en la inspección de recepción, una diferencia de tono entre la bobina de canto y la cara del tablero que aparece bajo los focos de la sala de exposición. En una línea de canteado cualquiera de esos errores se convierte dos semanas más tarde en una llamada del category manager o en una penalización del fabricante de muebles. Los inspectores manuales detectan los casos extremos en la pulidora, pero se cansan tras la tercera hora y no pueden vigilar cada tablero a velocidad de línea. La inspección de calidad automatizada para canteado cierra esa brecha, y no necesita una plataforma de visión de seis cifras para hacerlo.
¿Qué es la inspección de calidad automatizada para canteado?
La detección de defectos por IA para canteado usa una cámara y un modelo de visión para vigilar cada tablero según sale de la canteadora, de la celda de retestado y de la estación de pulido, y para señalar las piezas no conformes antes de que lleguen al apilador. En lugar de un operario en la estación de retestado o de una visión rígida basada en reglas, el modelo aprende la química del canto, la geometría de línea de cola, el perfil de retestado y la firma de color de tu cartera de SKU, y aplica un punto de control visual coherente entre turnos, velocidades de línea y cambios de material.
Los tableros canteados son particularmente difíciles de inspeccionar a velocidad de línea porque la línea visible es de uno a tres milímetros de ancho, el tono del canto debe seguir a la cara del tablero dentro de una tolerancia estrecha, y el radio de canto se lleva el peor reparto de cada error de alineación y de cada evento de astillado. La visión basada en reglas construida en torno a un único perfil de canteado se rompe en cuanto cambias a un grosor de canto distinto, a una cola distinta o a un tono de tablero distinto. La inspección guiada por IA gestiona esas variaciones porque el modelo aprende a partir de imágenes reales de producción y no de un umbral fijo.
El resultado es un punto de control visual automatizado que complementa tu muestra de fin de línea y te da un registro de imagen tablero a tablero. Cuando una consulta del fabricante de muebles vuelve seis semanas después, puedes recuperar las imágenes de la ventana exacta de producción y o bien confirmar el defecto o bien responder con evidencia.
Defectos que detectamos en líneas de canteado
Huecos en la línea de cola
Los huecos en la línea de cola son separaciones visibles entre el canto y el sustrato del tablero, causadas por deriva de temperatura del adhesivo termofusible, peso de aplicación bajo o desfase de velocidad de avance a través de la zona de calor. Aparecen primero como una raya finísima a lo largo del canto donde el material se levanta con cualquier flexión, mucho antes de que se despegue en transporte. Los operarios en la pulidora detectan las costuras abiertas obvias pero pierden los huecos marginales que pasan bajo la luz de almacén. El modelo de IA aprende la firma de línea de cola en especificación y detecta la separación local en la estación de pulido antes de que el tablero llegue al apilador.
Desalineación de canto y rebose
La desalineación de canteado es el desplazamiento lateral entre el canto y el borde del sustrato, causada por deriva del rodillo de avance, variación de grosor del sustrato o cambios de tensión de la bobina de canto a lo largo de un rollo. El rebose aparece como un canto que sobresale por encima de la cara del tablero más allá de lo que la pulidora puede igualar, y el canto corto aparece como un canto que se queda corto y deja una franja de sustrato visible. Los operarios manuales detectan los peores casos en la pulidora pero pierden los tableros marginales que pasan la pulidora y fallan en la CNC del cliente. El modelo de IA capta el desplazamiento lateral en un solo fotograma y señala cualquier tablero que supere tu tolerancia.
Astillado en el retestado
El astillado de retestado es el desgarro o la fractura en las esquinas del tablero canteado, causado por fresas de retesta desafiladas, desfase de velocidad de avance en la retestadora o material de canto frágil. Es lo primero que el OEM de cocina mira en la inspección de recepción, y una sola esquina astillada devuelve el palé entero. El modelo de IA mantiene la textura de esquina en especificación para cada material de canto y señala el astillado en los fotogramas de esquina antes de que el tablero llegue a la pulidora.
Rayas y daños de superficie del canto
Las rayas son marcas paralelas dejadas por rodillos de postprocesado mal alineados, residuos en los patines de pulido o contacto del borde del palé entre estaciones, y arruinan el acabado visible en un canto de alto brillo o impreso. Los operarios manuales buscan los peores casos pero no pueden vigilar cada tablero a velocidad de línea. El modelo de IA aprende la superficie del canto en especificación y señala cualquier raya local o desviación de superficie que cruce tu tolerancia, para que el operario pueda cambiar los patines de pulido o revisar los rodamientos del rodillo antes de que se expida un turno entero de tableros marcados.
Diferencia de tono con la cara del tablero
La diferencia de tono es el delta de matiz visible entre canto y cara del tablero, causado por variación de lote de bobina de canto, deriva de impresión del tablero o diferencias de iluminación entre la canteadora y la pulidora. La diferencia es invisible bajo los fluorescentes de almacén con los que trabaja el operario y obvia bajo los focos de la sala de exposición que ve el cliente. El modelo de IA mantiene un tono de referencia aprendido para el canto contra la cara del tablero y señala la deriva de tono en cuanto el delta local supera tu especificación.
Rebabas y sangrado de cola
Las rebabas son la línea de cola visible que sangra fuera del borde del canto tras el prensado, causada por exceso de peso de aplicación, sobrecurado en la zona de calor o picos de presión de avance. Deja un cordón pegajoso en la junta canto-sustrato que la pulidora no puede recuperar del todo, y aparece como una línea oscura bajo el acabado del cliente. El modelo de IA capta el patrón del cordón en la pulidora y señala cualquier tablero que supere tu umbral de aceptación, para que el operario pueda ajustar la dosificación de cola antes de que se expida el siguiente palé.
La iluminación que hace que esto funcione en una línea de canteado es una luz cenital difusa sobre la estación de pulido para leer la superficie y el tono del canto, más una luz en anillo de bajo ángulo en la retestadora para leer perfiles de esquina. Un iPhone Pro con lentes macro y gran angular gestiona las siete familias de defectos desde una única estación de inspección por punto de control crítico. Sincronizamos el rig con el encoder del transportador para que los tableros señalados disparen una decisión de desvío o retención aguas abajo. Especificamos la óptica contigo durante el onboarding.
Cómo corre Enao en una línea de canteado
El equipo de hardware completo cuesta menos de 1.000 € y se compone de un iPhone Pro reacondicionado, una luz cenital difusa con una luz en anillo de bajo ángulo opcional para inspección de esquina, un cable USB-C y un soporte que se sujeta sobre la salida de la canteadora, la retestadora o la estación de pulido. No hace falta integración PLC para el primer despliegue, el rig cabe en una maleta de transporte y la línea sigue corriendo mientras lo montas.
El onboarding es en autoservicio. Tu equipo de planta monta el rig, abre la app Enao y empieza a recoger imágenes de referencia en el siguiente cambio. El día 1 devuelve un 80 % de precisión sin etiquetado previo, y al día 14 el modelo corre por encima del inspector manual en las familias de defectos que ha visto, mejorando con cada tablero señalado que la línea confirma o rechaza.
Cada línea entrena su propio modelo para reconocer sus materiales de canto, sus líneas de cola y sus perfiles de esquina. Cuando cambias a un grosor o a un tono de canto distinto en la misma canteadora, el modelo se adapta en un solo turno. Cuando pones en marcha una línea hermana con una familia de producto similar, el segundo modelo parte de la experiencia del primero y el esfuerzo marginal cae a plomo.
Los tableros fuera de especificación dejan de llegar al apilador, el desperdicio se registra en el punto de inspección y no en la oficina de QC, y tus operarios recuperan las horas de atención que necesitan para las partes del trabajo que aún piden a un humano, incluida la puesta a punto de la canteadora, el ajuste de cola y las reclamaciones de cliente.
Cómo se compara Enao con la inspección manual y la visión tradicional
Para los productores de canteado la comparación se afina en cinco dimensiones.
Tiempo de puesta en marcha en una línea de canteado. — Inspección visual manual: horas de formación por operario, mano de obra recurrente. Visión tradicional basada en máquina (intelgic, baumerinspection, Overview.ai, edgeimpulse, Robovision): de tres a nueve meses de integración con un integrador de sistemas, más un conjunto de reglas por material de canto. Enao: desplegado en una semana por tu propio equipo sobre un iPhone reacondicionado, día 1 al 80 % de precisión.
Coste de hardware por línea. — Inspección visual manual: ninguno al inicio, coste de mano de obra recurrente. Visión tradicional basada en máquina: de 40.000 € a 200.000 € por línea para cámaras industriales, iluminación estructurada e integración. Enao: por debajo de 1.000 € por línea con un iPhone Pro reacondicionado, lámpara y soporte.
Gestión de nuevos materiales de canto y tonos de tablero. — Inspección visual manual: reformar a los operarios para cada nuevo SKU. Visión tradicional basada en máquina: reescribir el conjunto de reglas por receta, a menudo subcontratado al integrador. Enao: re-entrenar el modelo con materiales de canto y tonos nuevos en un solo turno, sin tocar código.
Precisión de detección en deriva sutil de tono y de esquina. — Inspección visual manual: alta al inicio del turno, cae de forma medible tras tres horas. Visión tradicional basada en máquina: fuerte en rebose lateral, débil en diferencia sutil de tono y deriva de perfil de esquina. Enao: aprende superficies de canto y firmas de esquina a partir de imágenes de referencia y mantiene la precisión a lo largo de turnos y tiradas.
Quién lo opera. — Inspección visual manual: operario formado en la pulidora. Visión tradicional basada en máquina: integrador de sistemas o ingeniero de visión especializado. Enao: tu equipo de planta, sin especialista externo.
Los OEM de muebles y de mobiliario para retail cambian de proveedor por el coste de una esquina astillada, y el coste de una penalización o de una llamada discreta del category manager se sitúa muy por encima del coste de un rig de inspección sobre iPhone. Enao está construido para ese hueco.
