Fabricación de vidrio
Detecta burbujas, inclusiones, arañazos y defectos de superficie antes de que botellas, tarros y envases salgan del lado frío.
Inspección de calidad automatizada para fabricación de vidrio, sobre un iPhone reacondicionado, junto a la máquina IS, el lado frío y la paletizadora.
Una semilla submilimétrica que sobrevive a la inspección del lado frío y arruina un frasco cosmético de cristal incoloro, una piedra de refractario en el talón que el operario no ve desde la vista lateral pero que abre una grieta dos meses después en el almacén del cliente, una grieta de tensión invisible al ojo desnudo que rompe la botella en la línea de llenado del cliente, una mancha de lubricante que dispara un fallo de adhesión de etiqueta en el embotellador. En una línea de envases de vidrio cualquiera de esos errores se convierte dos semanas más tarde en una llamada del category manager o, peor, en una retirada por contaminación. Los inspectores manuales detectan los casos extremos en el lado frío, pero se cansan tras la tercera hora y no pueden vigilar cada envase a velocidad de línea. La inspección de calidad automatizada para fabricación de vidrio cierra esa brecha, y no necesita una plataforma de visión de seis cifras para hacerlo.
¿Qué es la inspección de calidad automatizada para fabricación de vidrio?
La detección de defectos por IA para fabricación de vidrio usa una cámara y un modelo de IA para vigilar cada envase u hoja según sale de la máquina IS, del arca de recocido o de la estación de inspección del lado frío, y para señalar el producto no conforme antes de que llegue a la paletizadora. En lugar de una visión rígida basada en reglas afinada para una única forma de botella, la IA aprende la geometría específica de envase, el color del vidrio y la firma de superficie de tu cartera, y aplica un punto de control visual coherente entre turnos, cambios de molde y variaciones de tono.
El vidrio hueco es especialmente difícil de inspeccionar a velocidad de línea porque la propia refracción óptica del vidrio complica cada lectura de cámara: una burbuja dentro de la pared y un reflejo en la superficie son casi idénticos desde un ángulo fijo, y una piedra en el talón puede ser invisible desde una vista lateral pero obvia desde abajo. La visión basada en reglas construida en torno a una única forma de botella se rompe en cuanto cambias a un SKU distinto, a un color distinto o a un acabado 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 estación de lado frío de fin de línea y te da un registro de imagen envase a envase. Cuando una consulta del cliente 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 envases de vidrio
Burbujas, semillas e inclusiones
Las burbujas y semillas son bolsas de gas atrapadas en la pared del vidrio, causadas por una afinación insuficiente del fundido, degradación de refractarios en el horno o exceso de agua en la mezcla. Las inclusiones son material extraño atrapado en el vidrio, desde fragmentos de refractario hasta partículas de mezcla sin fundir, y aparecen como puntos oscuros o coloreados dentro de la pared. Los inspectores del lado frío detectan las burbujas obvias pero pierden las semillas submilimétricas que arruinan un frasco cosmético de cristal incoloro y las inclusiones oscuras que parecen polvo de superficie bajo la iluminación del lado frío. El modelo de IA aprende la textura de pared en especificación y señala cada semilla e inclusión por encima de tu umbral de aceptación.
Piedras y mezcla sin fundir
Las piedras son inclusiones cristalinas en el vidrio, causadas por degradación de refractarios, desvitrificación del fundido o partículas de mezcla sin fundir que sobreviven a la fase de afinado. Aparecen como puntos opacos en la pared, a menudo con un halo de tensión a su alrededor, y pueden agrietar el envase semanas después de la entrega cuando los ciclos de temperatura abren el campo de tensión. Los inspectores manuales detectan las piedras grandes pero pierden las pequeñas que pasan la estación de vista lateral. El modelo de IA capta tanto el punto opaco como el patrón de tensión circundante en un único fotograma y señala el envase antes de la salida del arca.
Arañazos y abrasiones de superficie
Los arañazos y las abrasiones se producen cuando los envases se tocan entre sí o tocan equipo de línea entre la máquina IS y la paletizadora, y aparecen como líneas finas longitudinales en el cuerpo de la botella. Los patrones severos de abrasión debilitan la superficie y disparan fallos de presión en la línea de llenado del cliente. Los inspectores manuales detectan los peores casos bajo la iluminación del lado frío pero pierden los arañazos marginales que pasan y fallan en el cliente. El modelo de IA aprende el acabado de superficie en especificación para cada forma de envase y señala los arañazos por encima de tu tolerancia, con los fotogramas disponibles para que el operario pueda ajustar las guías de línea o el utillaje de la paletizadora.
Grietas de tensión y fisuras superficiales
Las grietas de tensión y las fisuras superficiales son grietas finas en la pared del vidrio, a menudo invisibles al ojo desnudo pero letales bajo la presión de llenado o de transporte, causadas por enfriamiento desigual en el arca, cambios bruscos de temperatura o mal diseño de molde. La inspección con polariscopio detecta algunas fisuras pero pierde las superficiales que se desarrollan tras el arca. El modelo de IA mantiene la firma de reflectancia polarizada en especificación y señala los patrones de tensión a la salida del arca, dando a la línea la oportunidad de corregir las condiciones aguas arriba antes de que un palé de envases agrietados llegue al cliente.
Defectos dimensionales y ovalización
Los defectos dimensionales son desviaciones en altura del envase, diámetro del cuerpo, diámetro de cuello, dimensiones de boca y capacidad, causadas por desgaste del molde, alimentación de gota desigual o deriva de temperatura en la máquina IS. Las botellas ovaladas fallan en la línea de capsulado del cliente y disparan rechazos de palé entero. El muestreo con calibre en el descanso detecta la tendencia pero pierde las ventanas intermedias. El modelo de IA capta la desviación de silueta en varios ángulos y señala los envases que caen fuera de tu banda de aceptación antes de que lleguen a la paletizadora.
Manchas y marcas de lubricante
Las manchas de superficie incluyen goteos de recubrimiento del lado caliente, marcas de lubricante del lado frío y contaminación de aceite o grasa procedente del equipo de línea, y aparecen como zonas turbias o vetas en la superficie del envase. Las manchas severas disparan fallos de adhesión de etiqueta en la línea de embotellado del cliente. Los inspectores manuales detectan los casos obvios pero pierden la deriva gradual que se acumula tras una mala calibración del pulverizador de recubrimiento. El modelo de IA mantiene la claridad de superficie en especificación para cada color y señala las manchas en cuanto el delta local de claridad supera tu especificación.
La iluminación que hace que esto funcione en una línea de envases de vidrio es una retroiluminación difusa a la salida del arca para leer burbujas, semillas y piedras, más un filtro polarizado para los patrones de tensión y una luz en anillo de bajo ángulo en el lado frío para leer arañazos y manchas de superficie. 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 de línea para que los envases señalados disparen una decisión de desvío aguas abajo antes de la paletizadora. Especificamos la óptica contigo durante el onboarding.
Cómo corre Enao en una línea de envases de vidrio
El equipo de hardware completo cuesta menos de 1.000 € y se compone de un iPhone Pro reacondicionado, una retroiluminación difusa con filtro polarizado opcional y una luz en anillo de bajo ángulo para inspección de superficie, un cable USB-C y un soporte que se sujeta sobre la salida del arca de recocido, la estación del lado frío o la entrada de la paletizadora. 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 envase señalado que la línea confirma o rechaza.
Cada línea entrena su propio modelo para reconocer su color de vidrio, su geometría de envase y su acabado de superficie. Cuando cambias a un nuevo SKU en la misma máquina, 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 envases fuera de especificación dejan de llegar a la paletizadora, 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 máquina IS, la gestión del desgaste de molde y las reclamaciones de cliente.
Cómo se compara Enao con la inspección manual y la visión tradicional
Para los productores de envases de vidrio la comparación se afina en cinco dimensiones.
Tiempo de puesta en marcha en una línea de envases de vidrio. — El triado manual del lado frío pierde defectos de burbuja e inclusión a velocidad. La visión tradicional basada en máquina (Cognex, Heraeus, Robovision, averroes, industrialmind) requiere de tres a nueve meses de integración y un presupuesto de seis cifras. Enao se despliega 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 del lado frío: de 150.000 € a 500.000 € por línea para cámaras industriales, varios cabezales de inspección e integración. Enao: por debajo de 1.000 € por línea con un iPhone Pro reacondicionado, lámpara y soporte.
Gestión de nuevos colores, formas y acabados. — Inspección visual manual: reformar a los inspectores para cada nuevo SKU. Visión tradicional del lado frío: reescribir la receta por SKU, a menudo subcontratada al integrador. Enao: re-entrenar el modelo con nuevos colores y formas en un solo turno, sin tocar código.
Precisión de detección en deriva sutil de semillas y de patrones de tensión. — Inspección visual manual: alta al inicio del turno, cae de forma medible tras tres horas. Visión tradicional del lado frío: fuerte en comprobaciones dimensionales, débil en deriva sutil de semillas y en progresión de manchas de superficie. Enao: aprende firmas de pared y de superficie a partir de imágenes de referencia y mantiene la precisión a lo largo de turnos y tiradas.
Quién lo opera. — Inspección visual manual: inspector formado en el lado frío. Visión tradicional del lado frío: integrador de sistemas o ingeniero de visión especializado. Enao: tu equipo de planta, sin especialista externo.
Los clientes de gran consumo y de farma cambian de proveedor por el coste de una retirada por fragmento de vidrio, 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.
