En la mayoría de las plantas españolas, el control dimensional sigue funcionando igual que hace treinta años: un operario coge una pieza cada cierto número de unidades, la lleva al calibre o a la máquina de medición por coordenadas, apunta las cotas en una hoja y, si algo se sale de tolerancia, se revisa hacia atrás. El problema de ese esquema no es la precisión del instrumento, que suele ser excelente. El problema es el muestreo y el retardo: se mide una pieza de cada cien y el resultado llega veinte minutos tarde, cuando ya se han fabricado otras doscientas.
Automatizar el control dimensional en línea cambia esas dos variables. Se mide el 100 % de las piezas y se sabe al instante. Este artículo explica cómo se monta, qué tecnología hay detrás, qué precisión es realista y dónde encaja la IA de verdad.
Qué es el control dimensional automatizado en línea
Consiste en integrar sistemas de medición sin contacto en el propio flujo de producción, de forma que cada pieza se mide mientras avanza, sin retirarla ni pararla. Las tecnologías habituales son cuatro:
- Visión artificial 2D. Cámaras con óptica telecéntrica e iluminación controlada para medir contornos, diámetros, distancias entre centros, posición de taladros y presencia de rasgos. Es la opción más extendida y la más barata.
- Perfilometría láser y visión 3D. Triangulación láser o luz estructurada para reconstruir la superficie y medir alturas, planitud, espesores, ángulos y volúmenes. Necesaria cuando la cota no está en un plano.
- Sensores confocales y cromáticos. Para espesores muy finos y superficies transparentes o brillantes donde el láser falla.
- Tomografía por rayos X en línea. Para geometría interna en piezas críticas. Cara y lenta, reservada a componentes de seguridad.
Sobre cualquiera de ellas se monta el software que extrae las cotas, las compara con el plano y decide. Ahí es donde entra la inteligencia artificial, y conviene ser preciso sobre en qué.
¿Dónde aporta la IA en un control dimensional y dónde no?
La medida en sí, cuando la pieza está bien posicionada y bien iluminada, no necesita IA: la geometría clásica y la calibración metrológica lo resuelven mejor y son trazables. Donde la IA aporta valor es en las cuatro capas que rodean a la medición. Primero, en la localización robusta de la pieza: encontrar el borde correcto cuando hay reflejos, virutas, refrigerante o variaciones de acabado que despistan a un algoritmo de umbral fijo. Segundo, en la clasificación de defectos que no son cotas, como rebabas, poros, rayas o rechupes, donde no hay una medida que dé el veredicto y sí hay un criterio aprendido de ejemplos. Tercero, en el análisis temporal: detectar que una cota lleva ochenta piezas desplazándose hacia el límite superior, aunque ninguna se haya salido todavía, y avisar antes de que aparezca el primer rechazo. Y cuarto, en la correlación entre variables de proceso y resultado dimensional, para responder a la pregunta de por qué se está desviando y no solo a la de cuánto. Vender IA para sustituir a la metrología es un error; usarla para todo lo que la metrología no cubre es donde está el retorno.
Qué precisión es realista
Es la pregunta que decide si el proyecto tiene sentido, y la respuesta depende del campo de visión. Como orden de magnitud, un sistema de visión 2D bien diseñado resuelve del orden de una parte entre 3.000 y 10.000 del campo de visión: si la cámara abarca 50 milímetros, se pueden esperar incertidumbres en la banda de las pocas centésimas de milímetro. Los sistemas 3D por triangulación láser trabajan en rangos similares o algo peores según el ángulo y el acabado superficial.
La regla práctica de metrología sigue siendo válida: el sistema de medida debería consumir como mucho el 10 % de la tolerancia de la cota, y en ningún caso más del 30 %. Si tu tolerancia es de una centésima, la visión en línea no va a sustituir a la máquina de medición por coordenadas, pero sí puede filtrar el 99 % de las piezas y dejar solo las dudosas para la medición de laboratorio. Ese modelo mixto es el que mejor funciona en la práctica: control al 100 % en línea con criterio conservador, y verificación patrón en sala climatizada para las cotas críticas y para la calibración periódica del sistema.
Cómo se monta el proyecto, paso a paso
Empieza por las cotas que fallan, no por todas
Un plano tiene decenas de cotas y controlar todas en línea es caro e innecesario. Saca el histórico de no conformidades, ordena por frecuencia y coste, y quédate con las tres o cinco que generan el 80 % de los problemas. Ese es el alcance de la primera fase.
Resuelve primero la mecánica y la iluminación
El 70 % de los proyectos de visión que fracasan lo hacen por presentación de pieza, no por software. La pieza tiene que llegar posicionada de forma repetible, sin vibración y con iluminación estable. Una luz que cambia con el sol de la ventana arruina cualquier algoritmo.
Define el criterio de decisión con calidad, no con IT
Qué se rechaza, qué se marca para revisar, qué se hace con el lote fabricado desde la última pieza buena. Y sobre todo: quién puede cambiar un umbral y con qué autorización.
Calibra, valida y documenta
Un estudio de repetibilidad y reproducibilidad sobre el sistema automático, con piezas patrón, antes de darle la responsabilidad de aceptar producción. Y un plan de calibración periódica, porque el sistema deriva.
Conecta el resultado con el resto de la fábrica
Una medida que solo enciende una luz roja aprovecha una fracción de su valor. Conectada al MES o al ERP, alimenta trazabilidad por número de serie, gráficos de control estadístico en tiempo real, informes de capacidad de proceso y avisos automáticos de mantenimiento cuando la deriva apunta a desgaste de utillaje.
¿Cuánto se ahorra automatizando el control dimensional?
El retorno viene de cuatro partidas y conviene calcularlas por separado con datos propios. La primera es el coste de la no calidad: piezas rechazadas, retrabajos, chatarra y, sobre todo, lotes completos que hay que revisar al 100 % porque se detectó tarde el problema. La segunda es el coste de la reclamación de cliente, que en automoción o aeronáutica incluye penalizaciones y auditorías extraordinarias muy por encima del valor de la pieza. La tercera es el tiempo de operarios dedicado a medición manual y a rellenar registros. Y la cuarta, la más difícil de estimar y a menudo la mayor, es el ajuste de proceso: detectar la deriva ochenta piezas antes evita fabricar esas ochenta piezas mal. En procesos de gran serie con tiradas largas y ciclos cortos, un sistema en línea suele amortizarse en plazos que van de unos pocos meses a un par de años; en series cortas y muy variadas, la inversión es más difícil de justificar y conviene priorizar la trazabilidad y la deriva antes que la medida al 100 %.
La gestión de la calidad como sistema, no como puesto
Automatizar la medición es la mitad del cambio. La otra mitad es que el dato deje de morir en un archivo. Una gestión de calidad apoyada en IA usa el histórico dimensional para responder preguntas que antes nadie se hacía: qué turno produce con más dispersión, qué molde o qué utillaje se degrada más rápido, qué lote de materia prima se correlaciona con más desviaciones, cuánto se tarda en estabilizar el proceso tras un cambio de referencia.
Y hay un beneficio administrativo que se olvida siempre: los informes. La documentación de calidad que exige un cliente de automoción o un auditor de norma consume muchas horas de personal cualificado. Con los datos capturados de forma estructurada, esos informes se generan solos y con trazabilidad completa por pieza. En muchas plantas, ese ahorro administrativo es el que acaba pagando el proyecto.
Errores frecuentes
Comprar el equipo antes de definir qué se va a medir. Pedir al sistema una precisión que la física de la óptica no da. Poner la cámara en un punto donde la pieza aún no está terminada, midiendo algo que luego cambia. Y montar un control que detecta el fallo pero no realimenta al proceso, con lo que se rechaza más rápido pero se sigue fabricando mal.
En MG Solutions diseñamos e integramos sistemas de inspección dimensional en línea y conectamos sus datos con el ERP y con los informes de calidad, para que la información sirva para corregir el proceso y no solo para separar piezas. Si tienes claras las cotas que te generan rechazos, ese es el punto por el que empezamos.