Visió artificial industrial: el control de qualitat que la vostra fàbrica ja no pot delegar a l'ull humà
Cada peça que surt de la vostra línia de producció és una promesa al vostre client. I durant dècades, aquesta promesa ha depès d'un inspector mirant peces durant hores: un mètode que l'evidència desmunta amb xifres incòmodes. La inspecció visual humana deixa escapar entre el 20% i el 30% dels defectes, la precisió de l'inspector cau entre un 15% i un 25% després de dues hores de treball continuat, i l'acord entre dos inspectors davant la mateixa peça es mou amb prou feines entre el 55% i el 70%. Mentrestant, el mercat de sistemes de visió per computador creix de 22.880 milions de dòlars el 2025 a una projecció de 126.320 milions el 2035, un creixement anual compost del 18,63% segons SNS Insider. La visió artificial industrial ha deixat de ser tecnologia emergent: és la resposta operativa a un problema mesurat.
En aquesta guia expliquem què és la visió artificial industrial i en què es diferencia de la visió clàssica, per què el deep learning ha canviat el que és possible inspeccionar, quins casos d'ús estan generant retorn real per sector, i quin paper hi juga l'integrador —el fabricant que munta la visió dins de la màquina— perquè el projecte funcioni a planta i no només al laboratori.
Què és la visió artificial industrial?
La visió artificial industrial és la disciplina que dota les màquines de capacitat per veure, interpretar i decidir sobre el que passa en un procés productiu: càmeres industrials capturen imatges de peces, productes o processos, i un sistema de processament —cada cop més basat en intel·ligència artificial— les analitza en temps real per detectar defectes, verificar muntatges, llegir codis, guiar robots o classificar productes.
Els sistemes de visió artificial clàssics funcionen amb regles programades: mesurar una distància, comparar contra una plantilla, detectar un contrast. Són ràpids i deterministes, però fràgils davant la variabilitat: un canvi d'il·luminació, una textura irregular o un defecte mai vist abans els desborda. Aquí és on entra el salt tecnològic de l'última dècada.
De l'algoritme programat al deep learning industrial
El deep learning industrial inverteix la lògica: en lloc de programar regles, s'entrena una xarxa neuronal amb imatges de peces correctes i defectuoses fins que el sistema aprèn a distingir-les per si mateix, igual que un inspector veterà "sap" que una soldadura està malament encara que no pugui enumerar-ne totes les raons. Aquesta aproximació tolera variabilitat natural (superfícies orgàniques, textures, il·luminació canviant) i detecta tipologies de defecte que ningú no va anticipar en la fase de disseny.
La combinació pràctica que domina la indústria el 2026 és híbrida: visió clàssica per a mesuraments dimensionals i verificacions deterministes, i xarxes neuronals per a la detecció de defectes complexos. Tot plegat integrat en l'ecosistema de la Indústria 4.0: els resultats d'inspecció alimenten el MES o l'ERP de planta, generen traçabilitat per peça i permeten detectar derives del procés abans que produeixin rebutjos massius.
Key takeaway: la visió artificial industrial moderna no substitueix una càmera per una altra: substitueix un criteri subjectiu i fatigable per un criteri entrenat, constant i traçable, integrat amb els sistemes de planta.
Per què la inspecció visual humana no escala
No és una qüestió de talent, sinó de fisiologia. La inspecció visual és una tasca d'atenció sostinguda, i l'atenció humana es degrada de manera mesurable:
| Limitació humana | Dada | Conseqüència a planta |
|---|---|---|
| Defectes no detectats | El 20-30% s'escapen | Reclamacions, devolucions, risc de marca |
| Fatiga | La precisió cau un 15-25% després de 2 hores | Qualitat inconsistent per torn i hora |
| Subjectivitat | Acord entre inspectors del 55-70% | El mateix defecte s'accepta o es rebutja segons qui mira |
| Velocitat | Desenes de peces/minut com a sostre | Coll d'ampolla en línies d'alta cadència |
Davant d'això, els sistemes d'inspecció basats en IA operen amb una precisió del 95% al 99%, processen més de 10.000 peces per hora amb decisions en menys de 100 mil·lisegons, i apliquen exactament el mateix criteri a la peça un milió que a la primera, a les 3 de la matinada igual que a les 10 del matí.
Els resultats documentats en implantacions reals donen la mesura de l'impacte: reduccions del 37% en defectes que arriben a client, caigudes del 85% en reclamacions de qualitat, i casos amb un retorn de la inversió del 374% a tres anys amb amortització en 7-8 mesos. No són promeses de catàleg: són la conseqüència aritmètica d'inspeccionar el 100% de la producció amb un criteri constant, en lloc de mostrejar amb un criteri variable.
Un mercat que valida la tendència
Les xifres de mercat confirmen que la indústria està votant amb el seu pressupost. A més del creixement general de la visió per computador (CAGR del 18,63% fins al 2035, SNS Insider), el segment específic d'inspecció visual basada en IA va assolir els 1.620 milions de dòlars el 2024 i creix a un ritme anual del 13,8%. El mercat de detecció automatitzada de defectes va passar de 3.500 milions de dòlars el 2021 a una projecció de 5.000 milions el 2026, amb un creixement anual del 7,5% segons MarketsandMarkets. Quan tres mercats solapats creixen a doble o alt dígit simultàniament, el missatge és clar: el control de qualitat per visió artificial està creuant d'avantatge competitiu a estàndard de la indústria.
Casos d'ús: on està generant retorn la visió artificial
La pregunta correcta no és "funciona la visió artificial?", sinó "quin d'aquests problemes m'està costant diners avui?":
| Cas d'ús | Què inspecciona | Sectors típics |
|---|---|---|
| Defectes superficials | Esgarrapades, esquerdes, porus, rebaves, defectes de pintura o soldadura | Automoció, metall, plàstic, aeronàutica |
| Verificació de muntatge | Components presents, ben orientats i ben fixats | Automoció, electrònica, electrodomèstics |
| Peces que falten o incorrectes | Completesa de kits, blísters, envasos multicomponent | Farma, alimentació, logística |
| Inspecció alimentària i traçabilitat | Qualitat de producte, cossos estranys, etiquetatge, traçabilitat càrnia | Alimentació, càrnies, begudes |
| Electrònica de precisió | Soldadures SMD, components miniatura, polaritat, serigrafia | Electrònica, semiconductors |
| Guiatge de robots i drons | Localització de peces, picking, inspecció de zones inaccessibles | Intralogística, energia, mineria, ferroviari |
Dos matisos que separen els projectes que funcionen dels que es queden en pilot:
- La inspecció és un problema de procés, no només de càmera. La millor xarxa neuronal fracassa si la il·luminació és inestable, la peça arriba mal posicionada o la mecànica que presenta la peça davant la càmera vibra. L'èxit es decideix tant en l'enginyeria mecànica com en el model.
- La dada d'inspecció val més que el rebuig. Un sistema ben integrat no només aparta la peça dolenta: alimenta amb dades l'anàlisi de causes arrel. Si els defectes de pintura es concentren en un torn o en un broquet concret, la visió artificial ho revela abans que cap auditor. És la mateixa lògica de retorn mesurable que analitzem a la nostra guia d'automatització empresarial: casos d'ús i ROI.
Com integrar-la: del pilot a la línia de producció
Un projecte de visió artificial industrial seriós recorre quatre fases:
| Fase | Objectiu | Risc a controlar |
|---|---|---|
| Estudi de viabilitat | Validar que el defecte és detectable amb mostres reals | Mostres no representatives de la variabilitat real |
| Prova de concepte | Entrenar el model i mesurar precisió sobre dataset propi | Sobreajust: funciona al laboratori, falla a planta |
| Integració en màquina | Mecànica, il·luminació, òptica, sincronització amb PLC | Subestimar l'enginyeria: la càmera és el 20% del problema |
| Desplegament i millora contínua | Operació en producció, reentrenament amb nous defectes | Model estàtic que es degrada en canviar el procés |
La fase tres és on la majoria dels projectes es juguen el resultat, i on la diferència entre un proveïdor de programari i un fabricant de maquinària amb la visió integrada de sèrie esdevé decisiva. La visió artificial que funciona en producció no és una càmera cargolada a posteriori: és una màquina dissenyada des de l'origen per presentar la peça, il·luminar-la, capturar-la i actuar —rebutjar, marcar, classificar— en mil·lisegons.
L'integrador importa: el cas de Mecvil
A Espanya hi ha un exemple clar d'aquesta aproximació integrada. Mecvil (Mecànica Vilaró), fabricant de maquinària especial amb seu a Sallent (Barcelona), porta l'enginyeria industrial a l'ADN: fundada el 1976, suma 50 anys d'experiència, més de 110 professionals —d'ells, més de 30 enginyers— i 10.500 m² d'instal·lacions productives. La seva proposta no és vendre visió artificial com a producte aïllat, sinó integrar visió artificial, deep learning i IA dins de la maquinària especial que dissenya i fabrica, juntament amb l'automatització i la robòtica pròpies de la Indústria 4.0.
Aquesta combinació —mecànica, automatització i visió sota el mateix sostre— és exactament el que la fase d'integració exigeix, i explica que treballi per a 13 sectors tan exigents com l'automoció, la indústria farmacèutica, l'alimentació, l'aeronàutica, el ferroviari, el químic o la mineria. Les credencials hi acompanyen: certificació ISO 9001, qualificació EcoVadis en sostenibilitat, reconeixement CEPYME500 i certificació TÜV. Per a una empresa industrial que es planteja inspecció automatitzada, un fabricant amb mig segle construint màquines que funcionen a planta és un punt de partida molt diferent d'un pilot de programari sense mecànica al darrere.
Des del costat de la dada i els models, a Technova ajudem les empreses a dissenyar la capa d'intel·ligència artificial d'aquests projectes —de l'estratègia de dades a l'entrenament i avaluació de models— des de la nostra pràctica de Data & IA, i a connectar la inspecció amb la resta de processos digitalitzats a través de l'automatització intel·ligent.
CTA: esteu avaluant visió artificial per a la vostra línia de producció i no sabeu si el vostre cas és viable? Parleu amb un expert a /ca/contact i analitzem junts el vostre cas d'ús, les dades disponibles i el camí d'integració.
Preguntes Freqüents
Quina diferència hi ha entre visió artificial clàssica i deep learning industrial?
La visió clàssica aplica regles programades (mesurar, comparar contra plantilla, detectar contrastos) i és ideal per a verificacions deterministes i metrologia. El deep learning aprèn d'exemples i tolera variabilitat natural: superfícies irregulars, il·luminació canviant o defectes mai catalogats. Els sistemes moderns combinen totes dues: regles per mesurar, xarxes neuronals per detectar defectes complexos.
Quantes imatges necessito per entrenar un sistema d'inspecció amb IA?
Depèn de la variabilitat del defecte, però el rang habitual va d'uns centenars a uns pocs milers d'imatges etiquetades per tipologia. Tècniques com la generació de dades sintètiques, l'aprenentatge amb poques mostres i els models de detecció d'anomalies (que aprenen només de peces correctes) redueixen dràsticament la necessitat d'imatges de defectes reals, que solen ser escasses.
Quina precisió pot assolir la inspecció visual automatitzada?
Els sistemes d'inspecció basats en IA operen habitualment entre el 95% i el 99% de precisió, davant d'una inspecció humana que deixa escapar el 20-30% dels defectes i el rendiment de la qual cau un 15-25% després de dues hores de treball. A més, la màquina aplica el mateix criteri a totes les peces, mentre que l'acord entre dos inspectors humans se situa entre el 55% i el 70%.
Quin retorn d'inversió té un projecte de visió artificial industrial?
Els casos documentats en implantacions reals mostren reduccions del 37% en defectes que arriben a client, caigudes del 85% en reclamacions i retorns de la inversió de fins al 374% a tres anys, amb amortitzacions típiques de 7-8 mesos. El retorn prové de tres vies: menys cost de no qualitat, més capacitat de línia en eliminar el coll d'ampolla d'inspecció, i dades de procés per atacar les causes arrel.
Puc afegir visió artificial a una màquina existent o necessito una màquina nova?
Totes dues vies són possibles. El retrofit d'una línia existent funciona quan hi ha espai físic, la presentació de la peça és estable i la il·luminació es pot controlar. Quan el procés és nou o la inspecció exigeix manipular la peça, l'eficient és que el fabricant de la maquinària integri la visió des del disseny: mecànica, òptica, il·luminació i programari neixen coordinats i el sistema rendeix des del primer dia.
Quin paper juga la visió artificial en la Indústria 4.0?
És un dels seus sensors principals: converteix la qualitat en una dada en temps real. Integrada amb el MES o l'ERP, la inspecció per visió genera traçabilitat peça a peça, alerta de derives del procés abans que produeixin rebutjos massius i alimenta les anàlisis de millora contínua. Sense visió artificial, la qualitat s'audita a posteriori; amb ella, es controla en línia.
Conclusió
La inspecció visual humana va ser durant un segle l'única opció, i avui és un risc mesurable: 20-30% de defectes no detectats, criteri variable i un sostre de velocitat incompatible amb les línies modernes. La visió artificial industrial —amb el deep learning com a motor i la Indústria 4.0 com a context— ofereix precisió del 95-99%, inspecció del 100% de la producció i un retorn documentat amb amortitzacions inferiors a l'any. El mercat ho confirma creixent al 18,63% anual.
Però la tecnologia només rendeix quan la integració és seriosa: mostres representatives, enginyeria mecànica i d'il·luminació a l'altura, i un model que es reentrena amb el procés. Trieu bé els vostres companys de viatge —el fabricant que integra la visió a la màquina i el partner que dissenya la capa d'IA i dades— i la qualitat deixarà de ser el vostre coll d'ampolla. Parleu amb un expert de Technova a /ca/contact i fem junts el primer pas: avaluar si el vostre cas d'ús és viable i quin retorn en podeu esperar.
Fonts: SNS Insider, Computer Vision Systems Market Report (2025-2035); MarketsandMarkets, Automated Defect Detection Market (2021-2026); estudis sectorials d'inspecció visual basada en IA (2024); Mecvil – Mecànica Vilaró S.L. (mecvil.com).
