Monitoreo de líneas de producción con video e IA

Durante años, la cámara en una planta tuvo un solo trabajo: registrar por si pasaba algo. Se miraba después, cuando había un robo, un accidente o un reclamo. Nadie pensaba en ella como una herramienta de producción.

Eso cambió. Hoy hablo con gerentes de planta que usan el mismo video para saber por qué se paró una línea, dónde se forma un cuello de botella o en qué turno aparecen más defectos. La cámara dejó de ser un testigo y pasó a ser un sensor.

Por qué el video se volvió un dato de producción

El contexto ayuda a entender el interés. Según el INDEC, en julio de 2026 la industria utilizó el 58,2% de su capacidad instalada, con bloques como metalmecánica en 38,3% y refinación de petróleo en 89,9%. Con esos niveles, cada hora productiva cuenta, tanto en las plantas que trabajan al límite como en las que tienen que sostener costos fijos con menos volumen.

En los últimos años lo que cambió no es la cámara, sino lo que se puede hacer con su imagen. Los modelos de inteligencia artificial reconocen objetos, personas, movimientos y patrones en tiempo real, y lo hacen sobre equipos que muchas plantas ya tienen instalados. El costo de convertir video en información bajó muchísimo, y eso abre usos que hace una década eran impensables fuera de una automotriz de primera línea.

La pregunta real no es si la tecnología funciona. Es qué información de tu línea de producción hoy no estás viendo y cuánto te cuesta no verla. Los sistemas de control de la línea miden lo que la máquina reporta. El video ve todo lo demás: lo que pasa alrededor de la máquina, entre máquinas y con las personas que las operan.

Te puede interesar también: Control de EPP con IA: detección de casco y chaleco en planta

Qué puede detectar la IA sobre una línea de producción

Las aplicaciones se agrupan en dos familias: las que miran el flujo de la operación y las que miran la seguridad de las personas en la línea. Las dos usan la misma infraestructura de cámaras, y esa es una de las razones por las que el retorno suele llegar más rápido de lo esperado.

Paradas, cuellos de botella y flujo de materiales

El caso más directo es la parada. El sistema detecta cuándo una estación dejó de tener actividad, cuánto duró la interrupción y qué pasaba en la imagen en ese momento. La causa de la parada deja de depender de lo que alguien anota al final del turno. Con semanas de registro, aparecen patrones: la misma estación que espera material, el mismo cambio de formato que tarda el doble en un turno que en otro.

El flujo de materiales es el segundo. La analítica cuenta piezas o bultos que pasan por un punto, mide acumulaciones en una cinta y avisa cuando un buffer se llena o se vacía. Sirve para encontrar el cuello de botella real, que no siempre es el que el organigrama supone. En muchos casos, la información más valiosa aparece en los traslados entre sectores, donde ningún sistema de la línea mide nada.

Una aclaración que hago siempre: el video no reemplaza a los sistemas que ya tiene la línea. Los PLC y los tableros de producción siguen midiendo lo suyo. Lo que hace el video es completar el cuadro, y cuando sus eventos se cruzan con los datos de la máquina, la explicación de una parada deja de ser una suposición.

Hay una tercera aplicación que crece rápido: la inspección visual. Cámaras sobre la línea verifican presencia de componentes, etiquetas o tapas, y separan piezas con defectos visibles. No reemplaza al control de calidad, pero le saca la parte más repetitiva y le deja a la persona las decisiones que requieren criterio.

Seguridad en la línea y cuidado de las personas

La misma cámara que mide el flujo puede detectar a una persona dentro de una zona de riesgo mientras la máquina está en marcha, un autoelevador que cruza una senda peatonal o un operario sin el equipo de protección que exige ese puesto. La prevención de accidentes y la productividad dejan de competir por presupuesto, porque comparten infraestructura.

Acá hay que ser cuidadoso, y lo digo por experiencia. Una cámara que analiza el trabajo de las personas está alcanzada por la Disposición DNPDP 10/2015 sobre videovigilancia, que exige informar la finalidad de la captación y no usar las imágenes para un fin distinto del declarado. Y la Ley de Contrato de Trabajo, desde la reforma de la Ley 27.322, pide que los controles sobre la actividad del trabajador sean conocidos por él y respeten su dignidad.

Mi experiencia es que el proyecto se gana o se pierde en cómo se comunica. Si la gente siente que la cámara está para medir cuántas veces va al baño, el sistema va a fracasar aunque técnicamente sea perfecto. Si entiende que está para evitar accidentes y mejorar el proceso, se convierte en aliada. Eso implica definir qué se mide, trabajar con datos agregados por estación y no por persona, y sentar a Recursos Humanos en la mesa desde el día uno.

Si querés ir más a fondo: Analítica de video preventiva: qué se puede detectar hoy y qué todavía no

Cómo pensar la decisión antes de encender las cámaras

El error que más veo es arrancar por el equipamiento. Se compran cámaras con IA, se instalan en la línea y después se pregunta qué hacer con lo que muestran. El camino que funciona es el inverso: primero elegir una o dos preguntas concretas de producción, después diseñar dónde tiene que estar la cámara para responderlas.

También hay que resolver dónde se procesa la imagen. En algunas plantas conviene analizar en la propia cámara o en un servidor local, para no depender de internet ni sacar video de la planta. En otras, una plataforma centralizada simplifica la gestión de varias líneas o varios sitios. No hay una respuesta única, pero sí una regla: la decisión tiene que tomarse con el área de sistemas desde el comienzo, no cuando las cámaras ya están colgadas.

Un piloto sobre una línea, con indicadores definidos de antemano, alcanza para saber si el sistema aporta. Tiempo de parada no registrado, piezas por hora, eventos de riesgo por turno. Con esos datos en la mano, la decisión de escalar deja de ser una apuesta y pasa a ser un cálculo. En plantas con varias líneas, lo que se aprende en la primera acorta muchísimo la implementación de las siguientes.

Y hay una decisión de fondo que vale la pena plantearse. El video de producción y el de seguridad pueden vivir en sistemas separados o en una misma plataforma con permisos distintos para cada área. Los que entendieron primero eligieron la segunda opción, porque la información que generan sus instalaciones es un activo que conviene administrar una sola vez. Es la misma lógica que planteamos sobre la evolución del monitoreo hacia la inteligencia de negocios.

La pregunta no es cuánto cuesta poner inteligencia artificial sobre tu línea. Es cuántas decisiones estás tomando hoy con información que llega tarde o que directamente no existe.

Si esto se parece a lo que ves en tu planta, hablémoslo. Contanos cómo funciona tu línea y qué te gustaría medir, y armamos juntos el diagnóstico de dónde el video con IA puede aportar primero. Un asesor te responde a la brevedad, sin compromiso.