Defectos en tela: detección 10x más rápida que la inspección manual
Por qué la inspección manual de tela se queda corta
La inspección textil fue trabajo manual durante cien años y los límites son conocidos. Un inspector entrenado mirando una mesa iluminada captura entre el 60% y 80% de los defectos de un rollo, el resto pasa porque parpadea, la iluminación cambia o el defecto es demasiado sutil para registrarse a 25 metros por minuto. El costo de los defectos no detectados se compone aguas abajo: las mesas de corte producen prendas defectuosas, los retailers devuelven los productos terminados y la planta termina pagando por tela que nunca debió haberse despachado.
Qué hace la detección de defectos con IA
La detección de defectos en tela con IA usa cámaras sobre la mesa de inspección o el telar para capturar cada metro a alta resolución. Un modelo de deep learning entrenado sobre miles de imágenes de defecto marca cada anomalía en tiempo real, registra el tipo y la ubicación, y lo guarda contra el ID del rollo. El sistema maneja velocidades de 20 a 60 metros por minuto con precisión de 98%+ sobre clases entrenadas, muy por encima de lo que logra un inspector humano en un turno de 8 horas.
Clases de defecto que captura
Una inspección de tela con IA de grado producción cubre todas las categorías principales:
- Defectos de tejido: pasadas faltantes, hilos rotos, motas, nudos, agujeros y desgarros.
- Defectos de color: variaciones de tono entre rollos, rayas, barré, manchas, marcas de aceite.
- Defectos de estampado: errores de registro, manchones, secciones desteñidas, zonas faltantes.
- Defectos de superficie: ganchos, abrasiones, irregularidades de fibra, contaminación con pelusa.
- Defectos dimensionales: variaciones de ancho, irregularidades de orillo, desvíos de largo.
- Defectos de acabado: cubrimiento desparejo, arrugas, marcas de quema, residuos.
Integración con inspectoras existentes
Una de las preocupaciones más comunes de los operarios de planta es si tienen que reemplazar las inspectoras que ya tienen. En 2026 la respuesta es no. Los sistemas con IA se retrofittan sobre las mesas existentes montando cámaras line-scan o area-scan sobre la tela en movimiento, con unidades de inferencia edge montadas al costado. La parte mecánica de la inspectora, desenrollador, enrollador, iluminación y estación de operario, se mantiene como está. El retrofit toma típicamente 1-2 días de instalación.
Marcado, corte y trazabilidad
Cuando se detecta un defecto, el sistema puede hacer tres cosas, a menudo en paralelo:
- Imprimir un marcador de papel o RFID en el orillo en la posición del defecto, para que las mesas de corte aguas abajo sepan evitarlo.
- Loguear el defecto con tipo, severidad y posición en metros contra el registro del rollo para trazabilidad.
- Enviar una alerta al dashboard del operario para que el inspector pueda revisar casos límite.
Construir modelos para tu mix de tela
Los modelos genéricos de tela no funcionan bien entre plantas. Un modelo entrenado sobre denim no transfiere bien a tejidos de poliéster, y un modelo de una planta europea no transfiere a algodón latinoamericano sin reentrenar. El flujo correcto es empezar con un modelo base y afinar sobre muestras de tu propia producción, 200-500 muestras etiquetadas por tipo de tela ponen al sistema en performance de producción dentro de la semana del go-live.
¿Tenés inspectora de telas?
CondorVision se integra con tu inspectora actual para detectar nudos, manchas e hilos rotos 10x más rápido que el control manual.
Ver solución textilReducción de rechazo en la práctica
Una inspectora inteligente con IA es superior a la manual porque captura más defectos, pero el resultado de negocio que importa es la reducción de rollos rechazados y desperdicio aguas abajo. Las plantas que migraron de manual a IA reportan típicamente:
- 30-40% de reducción en la tasa de rechazo en mesa de corte porque las secciones defectuosas se marcan y se evitan.
- 50% de reducción en costo de mano de obra de inspección manual al hacerse el barrido 100% con IA.
- 70% más rápido el reporte de tasa de defecto por turno, línea y producto, habilitando ajustes proactivos de proceso.
- 20% de mejora en rendimiento de tela por reducción de cortes excesivamente conservadores alrededor de defectos sospechosos.
La inspección manual captura 60% de los defectos en un buen día y 40% en uno malo. La IA captura cada defecto cada día, y la tasa de rechazo en sala de corte muestra la diferencia.
Qué hace bueno a un sistema de inspección de tela con IA
Si estás evaluando sistemas, estas son las capacidades indispensables:
- Cobertura de las 6 categorías de defecto en una sola plataforma.
- Velocidades de línea acordes a tu planta: 20-60 m/min mínimo, más para telares rápidos.
- Entrenamiento de modelo específico por cliente, no modelos genéricos de planta.
- Marcado de defecto en tiempo real sobre orillo o vía tag RFID.
- Integración con software de sala de corte (Gerber, Lectra, Optitex).
- Dashboard con tasa de defecto por telar, turno, tela y operario.
- Audit trail con imágenes timestampeadas para resolución de reclamos de clientes.
ROI real
Para una planta mediana corriendo 5 telares o 3 líneas de acabado, la inspección con IA logra payback típicamente en 10-14 meses. Los principales ahorros vienen de reducción de rechazo en sala de corte, menor mano de obra de inspección manual y el valor del ajuste proactivo de proceso desde datos en tiempo real. Las plantas que exportan a mercados exigentes (indumentaria para retailers europeos, textiles técnicos para automotor) ven payback más rápido porque el costo de reclamo del cliente es más alto.
Preguntas frecuentes
La detección de defectos en tela con IA usa cámaras y deep learning para inspeccionar cada metro de tela en telar o mesa de inspección en tiempo real, identificando defectos por tipo, severidad y ubicación con 98%+ de precisión.
Seguí leyendo
12 defectos de embalaje que disparan los peores recalls
Desde sellados rotos hasta etiquetas mal puestas, los 12 defectos de embalaje que provocan los recalls más caros en manufactura. Casos reales, causas raíz y cómo la inspección automatizada los detecta antes de que salgan de tu planta.
Defectos de embalaje: ¿IA, visión clásica o muestreo manual?
Elegir el sistema correcto de detección de defectos para una línea de packaging es más complicado de lo que debería. Comparamos los 4 enfoques en producción hoy, inspección con IA, visión artificial tradicional, muestreo manual y rayos X, en costo, cobertura y ROI.
AOI con IA en SMT: 60% menos falsos positivos que el AOI clásico
El AOI tradicional se diseñó para una era más simple de manufactura de PCB. La inspección visual con IA rediseña el lazo de calidad SMT con decisiones sub-200 ms, 60% menos falsos positivos y modelos que se adaptan a cada placa nueva de la línea.
CAPTURÁ CADA DEFECTO, EN CADA ROLLO
Mirá cómo la detección de defectos con IA se retrofita sobre tus inspectoras existentes. Pedí una evaluación a medida para tu planta.
PEDIR EVALUACIÓN