Hay una conversación que se repite en casi todos los proyectos de visión artificial que arrancamos. Calidad quiere inspeccionar el 100 % de la producción. Producción quiere que la línea no pare. Y entonces llega IT con una pregunta muy razonable: «¿Y todo ese vídeo adónde va?».
Si la respuesta es «a la nube», la reunión se complica. Y con motivo. En control de calidad, la decisión de rechazar una pieza tiene que tomarse en el tiempo que tarda la pieza en llegar al expulsor, la red de planta no está pensada para subir vídeo de varias cámaras a internet sin parar, y muchas fábricas trabajan con redes OT aisladas por política de ciberseguridad.
Por eso, en Rely la inferencia se hace en la planta. En este artículo te explico qué es el edge AI en control de calidad, por qué tiene sentido para la inspección visual, qué papel le queda a la nube y qué preguntas deberías hacer antes de elegir arquitectura.
Qué es el edge AI (y qué no es)
Edge AI significa ejecutar el modelo de inteligencia artificial cerca de donde se generan los datos: en un equipo de cómputo instalado en la propia planta, junto a la línea, en lugar de en un servidor remoto.
En visión artificial, eso quiere decir que la cámara envía las imágenes por la red local a un PC industrial o servidor con GPU, el modelo analiza cada imagen allí mismo y la decisión (OK o rechazo) sale directamente hacia el PLC o el sistema de descarte. Ni una imagen tiene que salir de la fábrica para que la inspección funcione.
Edge AI no significa renunciar a la nube. Significa que la nube deja de ser imprescindible para la tarea crítica, que es decidir en tiempo real, y pasa a usarse para lo que hace bien: gestión, análisis entre plantas y mejora de los modelos.
Edge vs. cloud en visión artificial: la comparación honesta
Criterio | Inferencia en la nube | Inferencia en el edge (en planta) |
|---|---|---|
Latencia | Depende de la conexión a internet; variable | La marca el equipo local; estable y predecible |
Si se cae internet | La inspección se para o se degrada | La inspección sigue funcionando |
Ancho de banda | Hay que subir imágenes o vídeo de forma continua | Las imágenes viajan solo por la red local |
Privacidad y seguridad | Las imágenes salen de la fábrica | Las imágenes se quedan en planta por defecto |
Integración con PLC y descarte | Indirecta: la orden vuelve desde fuera | Directa: el equipo habla con la maquinaria |
Gestión multiplanta y analítica | Muy cómoda | Necesita una capa de gestión centralizada |
Reentrenamiento con grandes volúmenes | Muy cómodo | Mejor apoyarse en la nube o en un servidor central |
La tabla no dice que la nube sea mala. Dice que la decisión en línea y la gestión global tienen necesidades distintas. Por eso la arquitectura que mejor funciona suele ser híbrida.
Por qué la inspección de calidad pide edge
1. La pieza no espera
Hagamos un cálculo sencillo, solo como ejemplo. Si la cinta va a 1 m/s y el expulsor está a 50 cm de la cámara, tienes medio segundo desde que se captura la imagen hasta que hay que soplar. En ese tiempo hay que transferir la imagen, ejecutar el modelo, decidir y mandar la señal al PLC.
Con la inferencia en la nube, una parte de ese medio segundo depende de algo que no controlas: el estado de la conexión. Con edge, el tiempo de respuesta lo marca tu propio hardware, y es estable turno tras turno. En líneas de alta cadencia, esa diferencia decide si el sistema descarta la pieza correcta o la de al lado.
2. El vídeo pesa mucho
Otra cuenta rápida. Una cámara industrial de 6 MP como las de nuestro kit Rely Go (3088 × 2064 píxeles) genera unos 6,4 MB por imagen en monocromo sin comprimir. A 10 imágenes por segundo son unos 64 MB/s, más de 500 Mbit/s, por cámara. Aunque se comprima, subir eso a internet de forma continua desde varias cámaras no es viable en la mayoría de plantas, y tampoco tiene sentido pagarlo.
En el edge, esas imágenes recorren unos metros de cable hasta el equipo de cómputo y ahí se procesan. A la nube, si acaso, suben resultados, indicadores y las imágenes que interesan.
3. La línea no puede depender del router
Una caída de internet no debería parar la inspección de calidad. Con procesamiento local, el sistema sigue inspeccionando y descartando aunque se pierda la conexión exterior. Es una de las razones por las que en Siali apostamos por el edge desde el principio, tanto en Rely como en Safe.
4. Las imágenes son información sensible
Las imágenes de una línea revelan producto, procesos, cadencias y, a veces, personas. Muchas empresas tienen políticas que impiden sacar ese material de la planta. Además, la Directiva NIS2 incluye en su anexo II la producción y transformación industrial de alimentos y varios sectores de fabricación, lo que eleva las exigencias de ciberseguridad para muchas plantas.
Con edge, las imágenes se quedan en la fábrica por defecto, y la conexión exterior, si existe, se limita a lo imprescindible.
Cómo es una arquitectura edge para inspección visual
Una arquitectura típica de visión artificial en el edge tiene cuatro capas:
Captura. Cámaras industriales (por ejemplo, compatibles con el estándar GenICam) o cámaras IP RTSP que ya tengas instaladas, conectadas a la red local, muchas veces con PoE.
Cómputo en planta. Un PC industrial o servidor con GPU que ejecuta los modelos en tiempo real. En Rely Go, por ejemplo, es un PC con GPU RTX que viaja en el mismo maletín que las cámaras.
Lógica y acción. La decisión se traduce en acciones: señal al PLC, soplado, desvío, parada de línea, baliza. En Rely, esa lógica se construye con flujos visuales basados en Node-RED, sin programar.
Registro y gestión. Cada inspección queda guardada con su imagen y sus datos. Desde ahí, la información puede compartirse con MES, ERP o bases de datos de la planta, y subir a una plataforma de gestión centralizada si la empresa lo quiere.
¿Y la nube para qué?
En un modelo híbrido, la nube aporta lo que el edge no hace bien solo:
Gestión de datasets y modelos desde un único sitio.
Reentrenamiento: los casos difíciles detectados en planta se pueden enviar para mejorar el modelo, y la nueva versión vuelve al equipo de la línea.
Visión multiplanta: comparar yield, defectos y tendencias entre fábricas o líneas.
La regla que seguimos es simple: lo que no puede esperar se decide en planta; lo que se puede analizar con calma puede ir a la nube.
Redes aisladas (air-gapped) y ciberseguridad OT
Algunas plantas no permiten ninguna conexión exterior en la red de producción. Es habitual en sectores críticos o en fábricas con políticas de ciberseguridad estrictas. Para esos casos, el edge no es una ventaja: es un requisito.
Para que un sistema de visión encaje en una red OT aislada, conviene revisar:
Que la inferencia y la lógica de descarte funcionen 100 % en local, sin llamar a servicios externos.
Cómo se actualizan los modelos cuando no hay conexión: por ejemplo, desde un servidor interno o con un procedimiento controlado.
Dónde se guardan las imágenes y durante cuánto tiempo, y quién puede acceder a ellas.
Cómo se segmenta la red. La serie de normas ISA/IEC 62443 es la referencia en ciberseguridad industrial y organiza la planta en zonas y conductos. El sistema de visión debería poder vivir dentro de la zona de la línea sin abrir puertas innecesarias. En España, INCIBE-CERT publica recursos específicos para el sector industrial.
Cinco preguntas antes de elegir proveedor de visión
¿La inspección sigue funcionando si se corta internet una semana?
¿Qué tiempo de respuesta garantiza desde la captura hasta la señal al PLC, medido en mi línea?
¿Las imágenes salen de la fábrica? ¿Cuáles, cuándo y por qué?
¿Puedo usar mis cámaras y mi hardware, o me obliga a un kit cerrado?
¿Quién cambia la lógica de descarte cuando cambia la referencia: mi equipo o el proveedor?
Si quieres profundizar en el lado del hardware, te recomendamos diseñar el sistema en un simulador 3D antes de comprar. Y si te interesa hacia dónde van los modelos, en el artículo sobre detección de defectos zero-shot con VLM contamos qué cambia cuando la IA entiende descripciones en lenguaje natural.
Preguntas frecuentes
¿Qué es el edge AI en control de calidad?
Es ejecutar los modelos de IA que inspeccionan el producto en un equipo situado en la propia planta, junto a la línea, en lugar de en la nube. Así la decisión de aceptar o rechazar se toma en tiempo real y no depende de la conexión a internet.
¿El edge AI significa que no hay nube?
No. La inspección y el descarte se resuelven en planta, y la nube se puede usar para gestionar modelos, reentrenarlos con casos nuevos y comparar resultados entre plantas. Es una arquitectura híbrida.
¿Qué pasa si se cae internet?
Con inferencia en el edge, la inspección sigue funcionando: el modelo, la lógica de descarte y el registro están en la planta.
¿Necesito cambiar mis cámaras para tener visión artificial en el edge?
No necesariamente. Rely trabaja con cámaras industriales y con cámaras IP RTSP existentes. Lo importante es que la resolución, la óptica y la iluminación sean adecuadas para el defecto que quieres detectar.
¿Es más seguro procesar las imágenes en planta?
Reduce la exposición, porque las imágenes no salen de la fábrica por defecto y la conexión exterior se limita al mínimo. Aun así, el sistema debe integrarse en la política de ciberseguridad OT de la planta.
En resumen
En control de calidad, la decisión tiene que tomarse a la velocidad de la línea, con o sin internet, y sin sacar de la fábrica imágenes que no hace falta sacar. Eso es el edge AI. La nube sigue teniendo su papel, pero como apoyo, no como pieza de la que dependa cada rechazo.
¿Quieres ver cómo funciona la inspección en el edge con tu producto?
Te enseñamos Rely en una demo, con tus piezas y tu línea en mente.