Herramientas manuales
Detecta grietas de forja, defectos de cromado, errores de sobremoldeo de mango, legibilidad de marcado y problemas de blíster antes de que las herramientas salgan de la celda de montaje.
Inspección de calidad automatizada para producción de herramientas manuales, sobre un iPhone reacondicionado, junto a tu prensa de forja, estación de retesta, línea de cromado, celda de sobremoldeo de mango y estación de blíster.
Una grieta de forja que sobrevive al banco de retesta, una zona fina de cromado que falla en la cámara de niebla salina, una rebaba de sobremoldeo en el mango que la pulidora no llega a igualar, una marca láser borrosa que el comprador profesional ve en la inspección de recepción, un blíster con etiqueta cambiada que dispara una penalización del retailer DIY. En una línea de herramientas manuales cualquiera de esos errores se convierte dos semanas más tarde en una llamada del category manager o en una reclamación de garantía. Los inspectores manuales detectan los casos extremos en el banco de retesta, pero se cansan tras la tercera hora y no pueden vigilar cada herramienta a velocidad de línea. La inspección de calidad automatizada para herramientas manuales cierra esa brecha, y no necesita una plataforma de visión de seis cifras para hacerlo.
¿Qué es la inspección de calidad automatizada para producción de herramientas manuales?
La detección de defectos por IA para herramientas manuales usa una cámara y un modelo de visión para vigilar cada herramienta según sale de la prensa de forja, de la estación de retesta, de la línea de cromado, de la celda de sobremoldeo de mango y de la estación de blíster, y para señalar las unidades no conformes antes de que lleguen a expedición. En lugar de un operario en el banco de inspección o de una visión rígida basada en reglas, el modelo aprende la firma de forja, el acabado de cromado, la geometría del sobremoldeo de mango y el patrón de marcado de tu cartera de SKU, y aplica un punto de control visual coherente entre turnos, velocidades de línea y cambios de calidad de acero.
Las herramientas manuales son particularmente difíciles de inspeccionar a velocidad de línea porque el acabado de superficie se lee de forma distinta entre cromado, satinado y óxido negro, el sobremoldeo del mango varía dentro de la misma tirada de SKU por diseño, y la grieta de forja que falla la prueba de caída del cliente parece idéntica a un radio normal bajo la luz de taller. La visión basada en reglas construida en torno a un único SKU se rompe en cuanto cambias a una cabeza distinta, a un mango 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 muestra de banco y te da un registro de imagen herramienta a herramienta. Cuando una consulta del retailer o de garantía vuelve seis semanas después, puedes recuperar las imágenes del blíster exacto de producción y o bien confirmar el defecto o bien responder con evidencia.
Defectos que detectamos en líneas de producción de herramientas manuales
Grietas de forja y defectos de cabeza
Los defectos de forja incluyen grietas radiales y axiales en la línea de rebaba de forja, marcas de junta fría y deformación de cabeza causadas por desgaste de matriz, deriva de temperatura del tocho o sobrecarga de prensa. Las grietas fallan los ensayos de caída y de par en la inspección de recepción del distribuidor, y la deformación de cabeza dispara reclamaciones en campo del comprador profesional. Los operarios revisan las forjas a ojo en el banco de retesta pero no pueden vigilar cada pieza. El modelo de IA aprende la firma de forja en especificación para cada SKU y señala grietas, juntas frías y deformación de cabeza a la salida de la estación de retesta para que la línea pueda cambiar las matrices antes de que se expida una tirada entera.
Cobertura de cromado y zonas finas
Los defectos de cromado incluyen zonas finas, marcas de chorreo, parches sin cubrir y cromo apagado causados por deriva de rectificador, desequilibrio de carga en bastidor o contaminación del baño de aclarado. Las zonas finas fallan el ensayo de niebla salina en SKU de gama profesional, y el cromo apagado dispara el rechazo cosmético del retailer DIY en el almacén. Los operarios revisan el color del cromado a ojo pero pierden la deriva lenta a lo largo de un ciclo de baño largo. El modelo de IA aprende el color y la reflectancia de cromado en especificación para cada acabado y señala zonas finas, marcas de chorreo y parches sin cubrir a la salida de la línea de cromado para que la línea pueda ajustar antes de que se expida un bastidor entero.
Rebabas y fallos de unión en sobremoldeo de mango
Los defectos de mango incluyen rebabas de sobremoldeo, parches de empuñadura por inyección incompleta, marcas de línea de soldadura y desprendimiento por fallo de unión causados por desgaste del molde de sobremoldeo, cambio de química del lote de plástico o deriva de temperatura de adhesivado. El fallo de unión hace que la empuñadura se desprenda en la mano del cliente, y la rebaba de sobremoldeo falla la inspección cosmética en el almacén del distribuidor. El modelo de IA aprende la firma de mango en especificación para cada SKU y señala rebabas, inyección incompleta, líneas de soldadura y desprendimiento a la salida de la celda de mango para que la línea pueda ajustar antes de que se expida un ciclo entero.
Geometría de mordaza, cabeza y filo de corte
Los defectos de geometría incluyen mordazas descentradas, cabezas torcidas, filos de corte embotados y ángulos de apertura fuera de especificación causados por desgaste de matriz de retesta, deriva de utillaje de cabeza o desgaste de muela de afilado. Las mordazas descentradas fallan el ensayo de engrane en el banco del cliente, y los filos embotados disparan reclamaciones de garantía del comprador profesional. El modelo de IA aprende la firma de geometría en especificación para cada SKU y señala la deriva en la estación de retesta o de afilado para que la línea pueda ajustar antes de que se expida una tirada entera.
Legibilidad de marcado y errores de tallaje
Los defectos de marcado incluyen marcas láser borradas, sellos de tinta emborronados, códigos de tallaje ausentes y marcas de especificación con formato erróneo causados por deriva de potencia láser, problemas de cinta de impresora de chorro o errores de cambio de receta. Los defectos fallan la inspección de recepción en distribución profesional y disparan devoluciones de consumidor desde retail DIY. El modelo de IA lee la zona de marcado en cada fotograma y señala códigos ilegibles, ausentes o con formato erróneo en la celda de marcado para que la línea pueda corregir antes de que se expida un palé entero.
Rayas de superficie y arrastre de herramienta
Los defectos de superficie incluyen marcas de arrastre en el cuerpo, rayas del transportador y daños de cinta de tambor causados por errores de manipulación, desgaste de banda de transferencia o contaminación de carga de bastidor. Los defectos fallan la inspección cosmética en retail DIY y disparan exigencias de retrabajo en el almacén del distribuidor. El modelo de IA mantiene la firma de superficie para cada acabado y señala cualquier herramienta que muestre arrastre, raya o daño de tambor en la estación de blíster antes de que la encajonadora la envuelva.
La iluminación que hace que esto funcione en una línea de herramientas manuales es una luz cenital difusa sobre el banco de retesta y de inspección para leer la forja y la geometría, más una luz en anillo de bajo ángulo a la salida de la línea de cromado y en la celda de marcado láser para leer la cobertura de cromado y el marcado. 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 las herramientas señaladas disparen una decisión de desvío o retención aguas abajo. Especificamos la óptica contigo durante el onboarding.
Cómo corre Enao en una línea de herramientas manuales
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 cromado y de marcado, un cable USB-C y un soporte que se sujeta sobre la prensa de forja, la estación de retesta, la salida de la línea de cromado, la celda de sobremoldeo de mango, la celda de marcado o la estación de blíster. 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 de SKU. 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 herramienta señalada que la línea confirma o rechaza.
Cada línea entrena su propio modelo para reconocer sus firmas de forja, sus acabados de cromado y sus geometrías de mango. Cuando cambias a un SKU o a una calidad de acero distintos en la misma línea, 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.
Las herramientas fuera de especificación dejan de llegar a la estación de blíster, 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, incluido el cambio de matriz, la química de cromado y la gestión de garantía.
Cómo se compara Enao con la inspección manual y la visión tradicional
Para los productores de herramientas manuales la comparación se afina en cinco dimensiones.
Tiempo de puesta en marcha en una línea de herramientas manuales. — Inspección visual manual: horas de formación por operario, mano de obra recurrente. Visión tradicional basada en máquina: de tres a nueve meses de integración con un integrador de sistemas, más un conjunto de reglas por SKU. Enao: desplegado en una semana por tu propio equipo, 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 SKU, aceros y acabados. — Inspección visual manual: reformar a los operarios para cada nuevo SKU. Visión tradicional basada en máquina: reescribir el conjunto de reglas por cabeza y acabado, a menudo subcontratado al integrador. Enao: re-entrenar el modelo con cabezas, mangos y cromados nuevos en un solo turno, sin tocar código.
Precisión de detección en deriva sutil de cromado y defectos de marcado. — Inspección visual manual: alta al inicio del turno, cae de forma medible tras tres horas. Visión tradicional basada en máquina: fuerte en comprobaciones dimensionales, débil en deriva sutil de cromado y en detección de legibilidad de marcado. Enao: aprende firmas de forja, cromado y marcado 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 el banco de inspección. Visión tradicional basada en máquina: integrador de sistemas o ingeniero de visión especializado. Enao: tu equipo de planta, sin especialista externo.
Los retailers DIY y los category manager de distribución profesional cambian de proveedor por el coste de un lote de blíster rechazado, y el coste de una penalización o de un cambio silencioso de listing se sitúa muy por encima del coste de un rig de inspección sobre iPhone. Enao está construido para ese hueco.
