Ladrillos y bloques de hormigón
Detecta desconchones de esquina, deriva dimensional, variación de tono de color, inclusiones de superficie y errores de paletizado antes de que el producto salga del parque del horno.
Inspección de calidad automatizada para producción de ladrillo cerámico, bloque de hormigón y hormigón celular, sobre un iPhone reacondicionado, junto a tu moldeadora, cargador de vagones, paletizadora y estación de retractilado.
Los productores de ladrillo y bloque trabajan bajo la presión de los chargebacks de almacenes de materiales de construcción y de las auditorías de prescriptor de fachada que penalizan una esquina desconchada, una fisura fina o un palé mal contado mucho después del envío. Una cámara y un modelo de IA colocados a la salida de la moldeadora, en el cargador de vagones, en el enfriador de salida del horno o en la paletizadora interceptan las unidades no conformes antes de que lleguen al parque de expedición, sin una célula de inspección dedicada y sin un presupuesto de visión industrial de seis cifras.
¿Qué es la inspección de calidad automatizada para la producción de ladrillo y bloque de hormigón?
La detección de defectos por IA para ladrillos y bloques de hormigón usa una cámara y un modelo de visión para observar cada unidad a medida que sale de la moldeadora, del cargador de vagones, del enfriador de salida del horno, de la paletizadora y de la estación de retractilado, y para señalar las unidades no conformes antes de que lleguen al envío. En lugar de un operario en el banco de muestreo del parque del horno o de una visión rígida basada en reglas, el modelo aprende la textura de cara, la firma de color, la silueta dimensional y el patrón de apilado de palé de tu cartera de SKU, y aplica un punto de control visual coherente en todos los turnos, velocidades de línea y cambios de lote de arcilla o árido.
Los ladrillos y bloques de hormigón son particularmente difíciles de inspeccionar a velocidad de línea porque el tono de color se lee de forma distinta entre arcillas rojas, amarillas y azules de ingeniería, la textura de superficie varía dentro del mismo lote del horno por diseño, y la esquina desconchada que falla la inspección de recepción del almacén parece idéntica a una arista normal bajo la luz del parque del horno. Una visión basada en reglas construida en torno a un único SKU se rompe en cuanto cambias a otro lote de arcilla, a otro árido o a otra textura de cara. La inspección guiada por IA gestiona estas variaciones porque el modelo aprende a partir de imágenes reales de producción en lugar de un umbral fijo.
El resultado es un punto de control visual automatizado que complementa tu muestra del parque del horno y te da un registro de imagen unidad a unidad. Cuando una reclamación de almacén vuelve seis semanas después, sacas las imágenes del palé de producción exacto y o bien confirmas el defecto o respondes con pruebas.
Defectos que detectamos en líneas de ladrillo y bloque de hormigón
Desconchones de esquina y rotura de aristas
Los defectos de esquina desconchada son las roturas causadas por el desgaste de la cinta de transferencia, por el choque en la vagoneta del horno o por el desalineamiento en la desmoldeadora. Las esquinas desconchadas fallan la inspección de la sucursal del almacén y desencadenan rechazos de palé en el centro de distribución regional. Los operarios revisan las esquinas a ojo en la muestra del parque del horno pero pierden la subida lenta de la tasa de desconchones tras un tramo de cinta gastado. El modelo de IA aprende el radio de esquina conforme para cada SKU y señala eventos de desconchón y rotura en cuanto el perfil local se desvía, con las imágenes disponibles para ajustar la transferencia o la desmoldeadora antes de que un palé entero salga fuera de especificación.
Deriva dimensional en largo, ancho y alto
Los defectos dimensionales incluyen unidades cortas, largas, estrechas y bajas causadas por el desgaste de la matriz de molde, por la deriva de hidratación del lote de arcilla o por la variación de retracción en el horno. Las dimensiones fuera de especificación fallan el aparejo del albañil y desencadenan retrabajo en obras de vivienda. Los operarios revisan las dimensiones con calibre en la muestra del parque del horno pero no pueden mirar cada unidad, así que los casos límite pasan el punto de inspección. El modelo de IA aprende la silueta conforme para cada SKU y señala la deriva en la estación de desmoldeo para que la línea pueda ajustar antes de que el horno fije el error.
Variación de tono de color y eflorescencia
Los defectos de tono incluyen rojo a parches, amarillo desviado y eflorescencia de superficie causados por la deriva de temperatura del horno, por el cambio de química del lote de arcilla o por la humedad atmosférica en el parque del horno. La deriva de tono falla la inspección del prescriptor de fachada y provoca remiendos visibles en el muro acabado. Los operarios revisan el color a ojo en el parque del horno pero pierden la deriva lenta que se desarrolla a lo largo de una tirada larga. El modelo de IA aprende la firma de color conforme para cada SKU y señala la deriva en el enfriador de salida del horno para que la línea pueda ajustar el horno antes de que un palé entero salga.
Inclusiones de superficie, motas y poros
Los defectos de inclusión cubren motas oscuras, poros de superficie y materia extraña embebida causados por la contaminación del lote de arcilla, por el desgaste del agente desmoldante o por problemas de lote de árido. Los defectos fallan la especificación de ladrillo de ingeniería en la nave y desencadenan reclamaciones del consumidor en obras de fachada. El modelo de IA mantiene la firma de superficie conforme para cada SKU y señala cualquier unidad que muestre inclusiones de alto contraste o clústeres de poros en la desmoldeadora o en el punto de salida del horno.
Fisuras finas y fisuras pasantes
Los defectos de fisura incluyen fisuras finas en la esquina, fisuras pasantes a través del cuerpo y fisuras de tensión en la rebaba causadas por choque térmico en el horno, por caída en la transferencia o por error de presión de moldeo. Los peores casos sobreviven a la muestra del parque del horno y fallan en la inspección de recepción del almacén. El modelo de IA aprende la firma sin fisuras conforme y señala fisuras finas y pasantes en el enfriador de salida del horno, con las imágenes disponibles para ajustar el ciclo del horno antes de que una vagoneta entera salga.
Defectos de textura de cara y marcas de acabado
Los defectos de textura de cara incluyen calvas areadas, marcas de corte por hilo ausentes y acabados cepillados desiguales causados por el desgaste del rodillo texturizador, por errores de alimentación del dispensador de arena o por deriva del mecanismo de corte por hilo. Los defectos fallan la inspección del prescriptor de fachada y provocan remiendos visibles en el muro acabado. El modelo de IA aprende la firma de textura de cara conforme para cada SKU y señala la deriva de textura a la salida de la moldeadora antes de que se cargue la vagoneta.
La iluminación que hace que esto funcione en una línea de albañilería es una luz difusa cenital sobre el enfriador de salida del horno y la estación de desmoldeo para leer tono, dimensiones y esquinas, más una luz en anillo rasante en la moldeadora para leer textura de cara e inclusiones. Un iPhone Pro con ópticas macro y angular gestiona las siete familias de defectos desde una única estación de inspección por cada punto de control crítico. Sincronizamos el equipo con el encoder de la cinta para que las unidades señaladas guíen una decisión de desvío o bloqueo aguas abajo. Especificamos la óptica contigo durante el onboarding.
Cómo corre Enao en una línea de ladrillo y bloque de hormigón
El equipo de hardware completo cuesta menos de 1.000 € y se compone de un iPhone Pro reacondicionado, una luz difusa cenital con una luz en anillo rasante opcional para la inspección de textura de cara, un cable USB-C y un soporte que se ajusta sobre la moldeadora, el cargador de vagones, el enfriador de salida del horno, la paletizadora o la estación de retractilado. La integración PLC no es necesaria para el primer despliegue, el equipo cabe en una maleta de transporte y la línea sigue corriendo mientras lo montas.
El onboarding es en autoservicio. Tu equipo de línea monta el rig, abre la app Enao y empieza a recoger imágenes de referencia en el siguiente cambio de lote de arcilla. El día 1 devuelve un 80 % de precisión sin ningún etiquetado previo, y al día 14 el modelo corre por encima del inspector del parque del horno en las familias de defectos que ha visto, mejorando con cada unidad señalada que la línea confirma o rechaza.
Cada línea entrena su propio modelo para reconocer sus texturas de cara, sus firmas de color y sus patrones de palé. Cuando cambias a un lote de arcilla diferente o a un SKU diferente en la misma línea, el modelo se adapta en un turno. Cuando pones en marcha una línea hermana con una familia de productos similar, el segundo modelo parte de la experiencia del primero y el esfuerzo marginal cae a plomo.
Las unidades fuera de especificación dejan de llegar al parque de expedición, el desperdicio se registra en el punto de inspección en lugar de 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: ajuste del ciclo de horno, preparación del lote de arcilla y gestión de reclamaciones de almacén.
Cómo se compara Enao con la inspección manual y la visión industrial tradicional
Para los productores de ladrillo y bloque de hormigón la comparación se afina en cinco dimensiones.
Tiempo de puesta en marcha en una línea de albañilería. — Inspección visual manual: horas de formación por operario, mano de obra recurrente. Visión industrial tradicional (ThinkLucid, visionify, Quatromatic, intelgic): de tres a nueve meses de integración con un system integrator, más un conjunto de reglas por SKU y lote de arcilla. Enao: desplegado en una semana por tu propio equipo en un iPhone reacondicionado, día 1 al 80 % de precisión.
Coste de hardware por línea. — Inspección visual manual: nada al inicio, coste de mano de obra recurrente. Visión industrial tradicional: 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, una lámpara y un soporte.
Gestión de nuevos SKU, lotes de arcilla y acabados. — Inspección visual manual: reformar a los operarios para cada nuevo SKU. Visión industrial tradicional: reescribir el conjunto de reglas por lote de arcilla, frecuentemente externalizado al integrador. Enao: re-entrenar el modelo en nuevos SKU, lotes de arcilla y texturas de cara en un turno, sin tocar código.
Precisión de detección en derivas sutiles de tono y fisuras finas. — Inspección visual manual: alta al inicio del turno, cae de forma medible tras tres horas. Visión industrial tradicional: fuerte en controles dimensionales, débil en deriva sutil de tono y en detección de fisuras finas. Enao: aprende firmas de color, textura y silueta 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 muestreo del parque del horno. Visión industrial tradicional: system integrator o ingeniero de visión especializado. Enao: tu equipo de línea, sin especialista externo.
Los almacenes de materiales de construcción y los prescriptores de fachada cambian de proveedor por el coste de un palé rechazado, y el coste de un chargeback o de un cambio silencioso de referencia queda muy por encima del coste de un equipo de inspección sobre iPhone. Enao está construido para ese hueco.
