Sprint 1–3
Sensórica
Integración sensores en proceso
Zedesaw — IA que predice la calidad de una soldadura antes de que se enfríe
Sistemas de IA, IoT y análisis de datos para predecir la calidad de uniones soldadas en tiempo real, sin necesidad de inspección destructiva posterior.
El reto
La soldadura al arco y la fabricación aditiva por hilo (WAAM) producen uniones que son críticas en componentes industriales de alta responsabilidad.
La soldadura al arco y la fabricación aditiva por hilo (WAAM) producen uniones que son críticas en componentes industriales de alta responsabilidad. El problema: la inspección de calidad tradicional es destructiva o se hace al final del proceso. Para cuando detectas un defecto, ya has desperdiciado material, tiempo y energía. Zedesaw invierte esta lógica: la IA inspecciona mientras suelda.
"La soldadura perfecta no existe. Pero sí existe la soldadura predecible. Si sabes que una unión va a tener un problema antes de que se forme, puedes corregirla en el momento."
Datos del proyecto
Consorcio
Lortek (líder), Hispavista Labs, Hispavista
Periodo
Julio 2021 – Junio 2022 (11 meses)
Rol HVLabs
Sistemas inteligentes, Data Science, Cloud Management, modelos de IA para predicción de calidad de soldadura
Tecnología
Machine Learning · IoT · Cloud Computing · Fog Computing · Big Data · Sensórica integrada
De concepto a sistema validado
m
Timeline del proyecto
De la idea al sistema en producción
Zedesaw es uno de los proyectos con mayor velocidad de entrega del portfolio de HVLabs: en 11 meses, de cero a sistema de predicción de calidad de soldadura validado en entorno real. El hito del Sprint 7-9 —modelo de predicción funcionando— se alcanzó a los 9 meses de inicio.
La solución
Sensórica integrada durante el proceso de soldadura
El sistema integra sensores de temperatura, corriente, tensión y emisión acústica directamente en el proceso de soldadura. Estos datos se capturan en tiempo real y alimentan los modelos de IA sin interrumpir la operación.
IA predictiva sobre arquitectura fog+cloud
Los modelos de Machine Learning procesan los datos del sensor en fog computing (en el borde del proceso) para predicciones de latencia mínima, y en cloud para análisis históricos y reentrenamiento. El resultado: predicción de calidad en tiempo real durante la soldadura.
Inspección post-proceso inteligente
Además de la predicción en tiempo real, el sistema incluye un módulo de inspección post-proceso que combina los datos de sensórica con técnicas de visión artificial para verificar la calidad de la unión terminada. Trazabilidad completa de cada unión soldada.
Por qué te importa
Por qué esto importa para tu operación
Casos de éxito
¿Tu operación tiene un problema parecido?
Cuéntanos el reto. En 30 minutos te decimos si tiene solución con lo que ya tienes.
"*" señala los campos obligatorios