El Problema: el 98% de la produccion salia sin mirar
Galletas Sancho fabrica tres lineas de galletas y snacks a 18.000 unidades por hora. Su control de calidad era muestreo manual: un operario revisaba a ojo en torno al 2% de la produccion. Todo lo que no caia en esa muestra (galletas rotas, mal selladas, con dorado irregular o etiqueta torcida) llegaba directo al cliente.
- Solo el 2% de la produccion se inspeccionaba, a ojo
- 50 reclamaciones de cliente al mes por defectos de producto
- Mermas del 8,2% por sobre-rechazo manual de producto que estaba bien
- 2 paradas de linea por semana al detectar tarde un lote defectuoso
"Nos enterabamos de los defectos cuando llamaba el cliente, no en la linea", reconoce su responsable de calidad.
La Solucion: vision por computador en la propia linea
Pusimos camaras sobre las tres lineas y un modelo de vision que inspecciona el 100% de las unidades en tiempo real, a velocidad de produccion. Sin frenar la linea ni anadir personal.
Inspeccion del 100%, no del 2%
Cada unidad pasa por la camara. El modelo detecta rotura, sellado defectuoso, dorado fuera de rango y etiqueta torcida en milisegundos, y marca la pieza para descarte automatico antes de empaquetar.
Entrenado con los defectos reales de Galletas Sancho
El sistema aprendio con miles de imagenes de su propia produccion, no con un dataset generico. Distingue un defecto real de una sombra o una miga, asi que tira mucho menos producto bueno que el ojo humano.
Avisa antes de estropear el lote
Cuando un tipo de defecto se dispara, por ejemplo el sellado, el sistema avisa al operario en el momento, antes de fabricar un lote entero para tirar.
Los Resultados: reclamaciones -88% en 6 semanas
- Reclamaciones de cliente: de 50 a 6 al mes (-88%)
- Mermas de produccion: del 8,2% al 4,8% (-41%)
- Cobertura de inspeccion: del 2% al 100%
- Paradas de linea por defectos: de 2 por semana a 0
ROI: 312% en el primer ano, recuperando la inversion en menos de 4 meses.