Qué demuestra la visión artificial en un estudio de poka-yoke

Qué demuestra la visión artificial en un estudio de poka-yoke

El artículo de Martinelli, Lippi y Gamberini describe una prueba de concepto para clasificar imágenes de retenes de aceite durante el montaje de un conjunto mecánico. Informa de una exactitud media de 98,8 % en cinco pliegues de validación cruzada sobre un conjunto de imágenes; no presenta ese número como una tasa de defectos evitados en una línea funcionando. Tampoco permite resolver una diferencia interna: el texto habla de 500 imágenes y la matriz publicada suma 501 observaciones.

La lectura útil empieza separando esas dos cosas: qué se probó en imágenes y qué resultados de reingeniería de la línea se estimaron aparte. Martinelli, Lippi y Gamberini, «Poka Yoke Meets Deep Learning», §§2.2.4–2.2.5, PDF físico pp. 19–22.

La pregunta no es qué puede hacer cualquier poka-yoke ni cómo instalar visión artificial. Aquí se sigue un único expediente: el fallo descrito, el control propuesto, las imágenes, el método, la tabla de clasificación y las cuentas del rediseño. Donde el paper deja una decisión metodológica sin especificar o dos cifras sin conciliar, el análisis conserva esa incertidumbre. Estudio original, título, §2.2 y §§3.1–3.2.

El fallo que motivó el control

El estudio parte de reclamaciones por fugas de aceite en el producto de transmisión descrito y las relaciona con retenes montados al revés. El paper denomina a la máquina “speed increaser”; para no invertir su función con una traducción imprecisa, aquí se conserva el término original y el modelo 12610004 se identifica por separado en el apartado de datos.

La comprobación de fugas se hacía al final: se introducía aire comprimido por el asiento de carga de aceite, entre 3 y 5 bar, y una unidad de control verificaba el ciclo. Los autores explican que ese ensayo no reproduce exactamente la presencia de aceite. Para un retén invertido no garantizaba detectar la fuga; en cambio, el ensayo sí detectaba la ausencia del retén.

Es una distinción específica sobre ese método y ese defecto, no una conclusión sobre cualquier ensayo neumático. Estudio original, §2.2.1, PDF físico p. 16.

La ubicación de la inspección también importaba. Para probar la estanqueidad, el producto debía estar cerrado, aunque el retén se colocaba bastante antes. Si el problema aparecía al final, el paper dice que había que desmontar el conjunto: el retén quedaba bajo el rodamiento y rodeado por este y por la carcasa o tapa. La extracción del rodamiento requería herramientas específicas, fuerza y tiempo. La propuesta de control anterior al montaje del rodamiento responde a esa secuencia descrita.

No se publica una medición del tiempo de desmontaje ni una comparación experimental entre el ensayo de aire y otra prueba. Estudio original, §2.2.1, PDF físico p. 16.

Los autores indican que la pieza era difícil de inspeccionar visualmente: los retenes medían aproximadamente entre 50 y 70 mm según el modelo y tenían color negro uniforme. La cara correcta debía orientarse hacia el interior del producto y la otra hacia el alojamiento de la carcasa. El texto atribuye el riesgo de confusión al tamaño, el color y la concentración que exigía reconocer la cara.

No ofrece un estudio de factores humanos, una tasa de error por iluminación o fatiga, ni una medición de cuántas veces se montó mal el retén. Son rasgos del caso que ayudan a entender la motivación, no mediciones de frecuencia o desempeño. Estudio original, §2.2.2, PDF físico p. 17.

Qué control propuso el equipo

El objetivo declarado era comprobar la posición del retén antes de insertar el rodamiento y mientras se ejecutaba el montaje. El paper argumenta que separar el control de la operación podía dejar espacio para que el retén se colocara al revés o se omitiera después de la revisión, haciendo inútil la comprobación. La propuesta consistía en una cámara fijada en la parte inferior del brazo de la prensa, que observaría el proceso.

El paper presenta un marco de trabajo y una maqueta visual. En esas páginas no hay resultados de una instalación productiva evaluada. Estudio original, §2.2.2 y Figuras 15–18, PDF físico pp. 17–20.

El clasificador debía distinguir tres estados: retén correctamente situado, retén colocado al revés y retén ausente. Además, el objeto podía quedar en posiciones algo distintas antes de accionar la prensa. Los autores mencionan una posición recta, una invertida y una colocación recta pero inclinada respecto de la superficie de apoyo; también señalan que la cámara cambiaría de ángulo al moverse con el cabezal. La tarea no era solo reconocer una fotografía frontal perfectamente alineada, según el marco descrito.

Aun así, el artículo no detalla en estas páginas un protocolo completo de variación de iluminación, distancia, desgaste o diversidad de producto. Estudio original, §§2.2.2–2.2.3 y Figuras 16–18, PDF físico pp. 18–20.

El diagrama del proceso y la explicación del paper asignan al sistema una función de habilitación: la prensa descendería si la cámara detectaba el posicionamiento correcto. Pero la distinción entre función prevista y función probada debe quedar visible. El artículo presenta ese comportamiento como parte de la solución propuesta y habla de una integración futura con el circuito eléctrico de la prensa; la evaluación cuantitativa que informa más adelante es de clasificación de imágenes.

No presenta, en las páginas revisadas, una prueba de campo que mida cuántos descensos incorrectos se evitaron o cómo respondió el conjunto durante producción. Estudio original, §2.2.2, Figuras 18 y 20, y §3.2, PDF físico pp. 18–23.

El texto menciona otro posible uso, un selector automático de fuerza de prensado. Señala valores de 50, 750 y 1.250 kg disponibles en la prensa, y relaciona 50 kg con la colocación de retenes y 750 kg con la de rodamientos. Aclara que una selección incorrecta de esa fuerza no representaba un riesgo de calidad en el caso analizado; el selector automático se presenta como una extensión que podría añadirse.

Por eso esos números no deben confundirse con parámetros validados por el clasificador, ni con una recomendación general para otras prensas o productos. Estudio original, §2.2.2, PDF físico p. 18; §3.2, PDF físico p. 24.

Qué imágenes entraron en el experimento

El apartado de datos dice que se reunieron 500 imágenes Full HD, de 1.920 × 1.080 píxeles, con un teléfono inteligente de gama media y un trípode. Todas muestran la carcasa y un retén del modelo de producto 12610004. Las tres configuraciones que el equipo quería clasificar eran: retén no colocado, retén al revés y retén correctamente colocado. El texto no da en esas líneas un desglose de cuántas imágenes correspondían a cada clase.

La Figura 19 presenta tres ejemplos por clase; los nueve ejemplos dibujados no son el tamaño del conjunto. Estudio original, §2.2.4, PDF físico p. 19, y Figura 19, PDF físico p. 21.

Antes del entrenamiento, las imágenes se redujeron a 240 × 320 píxeles y se convirtieron a escala de grises porque los autores consideraron que el color no aportaba información significativa. Después aplicaron un filtro paso alto de 5 × 5 para resaltar bordes y otra información de alta frecuencia. El paper explica que el detalle visual entre la posición correcta y la incorrecta era pequeño y relevante para la tarea. Es el procesamiento que eligió ese equipo.

El artículo no prueba que esa resolución o filtro baste con otro producto, cámara, fondo o iluminación. Estudio original, §2.2.4, PDF físico p. 19.

La unidad visible en esta descripción es la imagen, no una pieza observada durante muchos ciclos independientes en distintas condiciones. El artículo identifica un modelo de producto y un modo de captura con teléfono y trípode. En las páginas revisadas no aparece una separación por lote, jornada, operario o cámara que permita valorar esas dimensiones.

No se puede convertir esa ausencia de detalle en una afirmación de que no hubo controles adicionales; solo significa que el texto citado no los informa. Al trasladar una cifra, esta diferencia importa: imágenes de un modelo no representan automáticamente otros modelos o condiciones de línea. Estudio original, §2.2.4, PDF físico p. 19, y §§2.2.5–3.2, PDF físico pp. 20–24.

Método de clasificación y validación

El artículo plantea la tarea como clasificación de imágenes en tres clases y utiliza una red neuronal convolucional. La arquitectura reportada tiene una capa convolucional con 32 filtros de 3 × 3 y activación rectificadora, seguida de una capa de max pooling de 2 × 2. Tras aplanar la salida, incorpora una capa densa de 64 neuronas, también con activación rectificadora, una capa dropout con probabilidad 0,5 y una salida de tres neuronas.

Es una descripción del modelo empleado, no una receta de arquitectura recomendada para cualquier inspección visual. Estudio original, §§2.2.3 y 2.2.5, PDF físico pp. 18–20.

Para entrenarlo, el equipo empleó Adam y entropía cruzada categórica, con lotes de 32 imágenes. Usó parada temprana basada en la pérdida de validación, con paciencia de 15 épocas. Los autores sitúan el entrenamiento en la nube mediante las GPU de Google Colab y dicen que eligieron los hiperparámetros mediante prueba y error, según el mejor resultado en el conjunto de validación.

La gráfica del artículo indica que la parada se produjo en la época 30, dentro de un máximo de 500. Con esos datos se entiende el procedimiento comunicado, pero no se reconstruyen todas las decisiones ni se reproduce exactamente el resultado. Estudio original, §2.2.5 y Figura 20, PDF físico p. 20–21.

La evaluación se describe como validación cruzada repetida de k pliegues, con k fijado en cinco. El artículo no informa cuántas repeticiones n se ejecutaron. La explicación general de que el método puede repetirse n veces no equivale a reportar un valor concreto de n. Puede afirmarse que se usaron cinco pliegues y que los autores describen el método como repetido. El número de repeticiones sigue sin estar publicado; asignarle uno sería inventarlo. Estudio original, §2.2.5, PDF físico pp. 21–22.

Qué significa el 98,8 % y qué no resuelve la tabla

El resultado que el texto comunica es una exactitud media micro de 98,8 % en los cinco pliegues, con valores entre 97,0 % y 99,1 %. Los autores califican el resultado como alentador dado el tamaño pequeño del conjunto. La cifra conserva su contexto: media micro de exactitud en cinco pliegues sobre las imágenes del estudio. No es una tasa de piezas defectuosas que llegaron al cliente ni un porcentaje de fallos evitados en producción.

Estudio original, §2.2.5, PDF físico p. 22.

La Tabla 4 ofrece otro objeto: una matriz de confusión micro-promediada en los cinco pliegues. Sus filas y columnas se etiquetan Correct, Reverse y Absent, y las celdas publicadas son 146, 0, 4; 0, 150, 0; y 2, 0, 199. La diagonal suma 495; todas las celdas suman 501. Al dividir 495 entre 501 se obtiene aproximadamente 98,8 %. Esa operación aritmética no convierte la suma de las celdas en la exactitud media de los cinco pliegues.

La división no explica la diferencia con las 500 imágenes ni demuestra que la matriz reproduzca la media de exactitud de los pliegues. Deben mantenerse como dos presentaciones del paper que no se reconcilian en sus páginas. Estudio original, §3.2, Tabla 4, PDF físico p. 23; §2.2.4, PDF físico p. 19.

También hay un límite en la lectura de las direcciones de la matriz. Las clases aparecen como Correct, Reverse y Absent, pero la tabla no dice si filas son estados reales y columnas predicciones, o a la inversa. El párrafo cercano afirma que la CNN no clasifica un retén mal posicionado como correctamente colocado; esa frase no autoriza a etiquetar los ejes por cuenta propia.

En particular, la celda con valor 2 entre Absent y Correct impide resumir la tabla como «cero aceptaciones incorrectas» para todos los estados erróneos o ausentes. Por eso, conviene conservar las etiquetas tal como aparecen y no asignarles una dirección que el paper no especifica. Estudio original, §3.2 y Tabla 4, PDF físico p. 23.

La discusión del paper interpreta el resultado como prometedor y relaciona el sistema con un objetivo de cero defectos y seis sigma. Esa interpretación es de los autores. La medición que la precede es una evaluación de clasificación sobre imágenes; no mide directamente variación del proceso, defectos enviados, eficacia del control en ciclos reales ni seguridad de una máquina.

El artículo afirma que una clasificación correcta o incorrecta podría habilitar o no la prensa según el marco propuesto, pero la cifra de exactitud por sí sola no verifica el funcionamiento eléctrico, la cobertura de estados o la respuesta de los operarios. Estudio original, §3.2, PDF físico pp. 22–23.

Generalización y despliegue: propuesta frente a evidencia

Los autores consideran que varios modelos de producto comparten geometrías y retenes parecidos. A partir de esa semejanza, plantean que al introducir un producto nuevo quizá no sea necesario volver a entrenar y validar el modelo, aunque dicen que una fase nueva de adquisición de datos, entrenamiento y despliegue sería más ágil si el sistema tuviera dificultades. Además recomiendan una prueba preliminar con el modelo entrenado.

Son afirmaciones y expectativas del artículo, no resultados de una validación externa en todos esos productos. Estudio original, §3.2, PDF físico pp. 23–24.

La sección de despliegue describe pasos todavía necesarios: recopilar datos nuevos, entrenar o validar según el caso, colocar una cámara, conectar un ordenador industrial y vincular el sistema al circuito eléctrico de la prensa para permitir su funcionamiento únicamente cuando el retén esté correctamente posicionado. También menciona relés guiados por un circuito de baja tensión como una posibilidad. El lenguaje del paper diferencia la solución propuesta de su integración.

Así que cámara, relé y selector de fuerza deben quedar en la categoría de despliegue propuesto, no de función probada en una línea activa. Estudio original, §3.2, PDF físico p. 24.

La conclusión describe una prueba de concepto de red convolucional para detectar el posicionamiento incorrecto del retén y sitúa el trabajo dentro de una reingeniería de línea. El artículo no comunica, en las secciones aquí analizadas, una prueba prospectiva prolongada, resultados de producción tras el despliegue, una tasa de fallo del sistema en uso, ni una comparación controlada de producto antes y después del poka-yoke.

Eso no demuestra que la propuesta no funcionara; delimita lo que estos datos publicados permiten afirmar. Estudio original, §§3.2–4, PDF físico pp. 23–24.

Las cifras de la línea no son métricas del clasificador

El paper presenta un bloque económico y de productividad separado de la evaluación de imágenes. Para el escenario previo, informa un tiempo de ciclo de 658,8 segundos por pieza, 5.654 horas reales en el último año y 5.019 horas dedicadas a montaje. Calcula 113,1 segundos por pieza para actividades no directamente de montaje, usando la diferencia de horas y 20.216 unidades.

Esos datos pertenecen al análisis del proyecto de reingeniería de la línea; no son observaciones de los pliegues de validación de la CNN. Estudio original, §3.1, PDF físico p. 22.

Para el escenario rediseñado, el artículo informa un takt de montaje de 186,4 segundos por pieza y multiplica por dos operarios para obtener 372,8 segundos por pieza de tiempo de montaje. Frente al ciclo previo, calcula un ahorro de 286 segundos por pieza. Con 22.515 piezas, calcula 1.789 horas de ahorro durante el año en curso.

También presenta una eficiencia de 93 % y una productividad de 72 %, usando fórmulas distintas que incluyen el tiempo de montaje y, para productividad, el indicador de actividades no directas. Es posible repetir esas cifras como cálculos reportados; no conviene recortarlas de sus denominadores ni llamarlas rendimiento del algoritmo. Estudio original, §3.1, PDF físico p. 22.

El paper añade 864 horas ahorradas en logística y programación por dejar de gestionar componentes preensamblados. Estima 16.000 euros para una propuesta de implementación de transportadores, estructuras, tableros y modificaciones, y calcula una relación beneficio/coste de 2,68 con la expresión 1.789 h × 0,8 × 30 €/h ÷ 16.000 €.

Explica que el 0,8 es una hipótesis cautelar de alcanzar el 80 % del resultado estimado y que la hora de operario se valora en 30 euros según la práctica de la empresa. La relación es una estimación basada en esos supuestos, no un retorno observado tras instalar el sistema de visión. Estudio original, §3.1, PDF físico p. 22.

Más adelante, la comparación de costes enfrenta un rediseño completo de carcasa y tapa con el proyecto de visión descrito. El paper calcula entre 48.000 y 96.000 euros de horas de ingeniería para el rediseño, con promedio de 72.000 euros, sin incluir moldes ni pruebas. Para el proyecto presentado calcula 24.000 euros de horas de ingeniería, más 2.000 de cámara, 1.000 de ordenador, 200 de equipo eléctrico y 120 de instalación: unos 27.320 euros.

Lo llama un coste esperado de proyecto y lo compara con el rediseño completo. No es una auditoría de costes reales ejecutados ni una comparación aislada del precio de una CNN con un poka-yoke tradicional. Estudio original, §3.2, PDF físico pp. 23–24.

Por último, la conclusión indica que la reingeniería de la línea incrementó la productividad entre 46 % y 80 %. Esa atribución se refiere al proceso de reingeniería de la línea, no al clasificador de retenes por sí solo. En el mismo documento, la métrica de visión es la exactitud media de cinco pliegues, mientras que las cifras económicas y de productividad pertenecen al escenario de montaje rediseñado y sus supuestos.

Sumarlas como si midieran un mismo resultado atribuiría al artículo una conclusión que no formula. Estudio original, §4, PDF físico p. 24; §3.1, PDF físico p. 22.

Una lectura práctica de la evidencia

Esta separación también ayuda a redactar una conclusión más precisa. «En una prueba de concepto basada en imágenes, el modelo obtuvo una exactitud media micro de 98,8 % en cinco pliegues» conserva método y conjunto. «El poka-yoke eliminó el 98,8 % de los defectos» cambia el objeto medido y no está respaldado por esa cifra. Si se menciona la reingeniería, se atribuyen sus resultados a la línea y se mantienen los supuestos de coste.

Estudio original, §§2.2.4–3.2, PDF físico pp. 19–24.

Preguntas frecuentes

¿Qué mide exactamente el 98,8 %?

El artículo lo identifica como la media micro de exactitud en los cinco pliegues de validación cruzada. No lo presenta como porcentaje de defectos evitados en producción.

¿El conjunto tenía 500 o 501 observaciones?

El apartado de datos dice 500 imágenes, pero las nueve celdas de la Tabla 4 suman 501. El artículo no reconcilia ambas cifras en las páginas correspondientes; no se debe elegir una como corrección sin más evidencia.

¿La solución se probó en una línea de producción?

Las páginas revisadas describen la propuesta y evalúan el clasificador sobre imágenes mediante validación cruzada. La sección de despliegue habla de recopilar datos, conectar cámara y ordenador y vincularlos a la prensa como fases posibles; no presenta resultados de producción tras esa integración.

¿El aumento de productividad del 46–80 % se debe al clasificador?

No según la atribución del artículo: el rango aparece en la conclusión para la reingeniería de la línea. La exactitud del clasificador y las cuentas de productividad son resultados distintos.

Fuente y alcance

Martinelli, Matteo; Lippi, Marco; Gamberini, Rita. “Poka Yoke Meets Deep Learning: A Proof of Concept for an Assembly Line Application.” Applied Sciences 12(21), 11071 (2022). DOI: 10.3390/app122111071. PDF del editor, hash-pinado en el expediente de revisión. Esta lectura se limita a lo que reporta ese estudio sobre el caso de montaje de retenes. No valida un producto industrial, no ofrece una configuración lista para instalar y no permite generalizar sus métricas a otras líneas.