1. Contexto y Objetivos del Proyecto

Venair Biotech afrontaba la necesidad de modernizar su sistema de control de calidad en la línea de fabricación de tubos de silicona, un proceso que hasta la fecha era ejecutado manualmente por operarios, con fuertes limitaciones en términos de trazabilidad, precisión y eficiencia.

El objetivo principal del proyecto fue desarrollar un sistema automatizado de inspección visual basado en Visión Artificial (VA) e Inteligencia Artificial (IA), capaz de detectar en tiempo real defectos superficiales y estructurales en tubos durante la fase de post-extrusión.

Objetivos específicos:

• Reducir el porcentaje de productos defectuosos y los desperdicios generados.
• Aumentar la velocidad, precisión y homogeneidad del proceso de inspección.
• Asegurar la trazabilidad completa de las inspecciones mediante registros estructurados.
• Mejorar la toma de decisiones mediante alertas automáticas e interfaces visuales interpretables por operarios.

2. Situación Inicial y Problemática Detectada

El sistema anterior de inspección presentaba una serie de limitaciones técnicas y operativas:

• Subjetividad humana en la detección de defectos.
• Falta de trazabilidad y registros visuales.
• Alta dependencia del operario y baja escalabilidad.
• Riesgo de paso de defectos no detectados a etapas posteriores.

Este contexto motivó la necesidad de un sistema inteligente, automático y trazable, alineado con los principios de digitalización industrial y calidad total.

3. Solución Técnica Implementada

3.1. Arquitectura del Sistema

Se diseñó un sistema modular con las siguientes capacidades:

• Captura de imágenes en tiempo real, mediante cámaras industriales de alta resolución (IDS GV-5890CP), dispuestas en orientación vertical y horizontal.
• Procesamiento de imágenes con Deep Learning, usando algoritmos como Autoencoders y PaDiM (Anomalib), entrenados con imágenes reales de producción.
• Mapas de anomalías visuales, interpretables por operarios y técnicos de calidad.
• Almacenamiento estructurado, mediante una base de datos relacional PostgreSQL que gestiona imágenes, metadatos, configuraciones y trazabilidad por lote y referencia.
• Gestión dinámica de parámetros, ajustando automáticamente binning, ROI, framerate y exposición según el tipo de tubo.

3.2. Hardware e Infraestructura

• Cámaras industriales de 12MP con sensores Sony IMX226.
• Iluminación homogénea calibrada para minimizar reflejos y sombras.
• Infraestructura de almacenamiento segura y escalable integrada con el sistema productivo.
• Soporte mecánico ajustable y adaptable a la zona de post-extrusión.

3.3. Algoritmos de Detección

Se evaluaron dos enfoques principales:

1. Autoencoder (TensorFlow): basado en reconstrucción de imágenes sin defectos.
2. PaDiM (Anomalib): modelado estadístico de parches locales, con mejor estabilidad y rendimiento en entorno real.

El modelo PaDiM fue finalmente seleccionado por su mayor precisión, menor latencia (<100 ms), robustez frente a variaciones y facilidad de integración operativa.

4. Validación del Sistema

Fase de Laboratorio

• Simulación de condiciones reales con tubos reales y defectos representativos.
• Evaluación cuantitativa mediante métricas como precisión, recall, F1-score, IoU y AUC-ROC.
• Pruebas de estabilidad y funcionamiento prolongado con cambio de lotes y referencias.

Fase de Producción Piloto

• Instalación física del sistema sobre máquina post-extrusión en línea activa.
• Validación técnica, operativa y de usabilidad por parte del equipo de planta.
• Integración parcial con los sistemas productivos y evaluación de impacto real.

5. Resultados Obtenidos

• Sistema funcional operativo en entorno productivo con capacidad de inspección continua y precisa.
• Eliminación de la necesidad de inspección visual manual y mejora de la eficiencia operativa.
• Detección robusta de defectos complejos como burbujas, fisuras o irregularidades superficiales.
• Trazabilidad completa por lote, referencia y configuración técnica.
• Escalabilidad demostrada para su implementación en otras líneas y productos.

6. Conclusión

El proyecto permitió transformar un proceso manual, limitado y poco trazable en un sistema de inspección automatizada robusto, interpretativo y alineado con los estándares más exigentes de calidad industrial. La combinación de visión artificial, IA explicable, automatización e integración con los sistemas de planta, consolida la capacidad de Venair Biotech para competir en el sector biomédico con productos de mayor calidad y procesos más eficientes.

‍