Gafas de realidad mixta reducen los errores de montaje hasta en un 95 % en la industria

Startup apoyada por el programa Centelha desarrolla una solución que combina tecnología de punta con simplicidad de uso y transforma líneas de producción, sin necesidad de una automatización costosa

Por Roseli Andrion  |  Agência FAPESP – El piso de fábrica siempre ha sido territorio de desafíos silenciosos. Entre el ruido de las máquinas y el ir y venir de los operarios, un reto persiste desde hace décadas: ¿cómo garantizar que las piezas se ensamblen correctamente día tras día? La respuesta puede estar en unas gafas de realidad mixta que parecen sacadas de películas de ciencia ficción.

Eduardo Miller, ingeniero en computación y magíster en robótica, conoce bien esta realidad. Con experiencia en grandes ensambladoras, fue testigo del costo invisible de los errores humanos: retrabajo, descarte de piezas, retrasos y presión constante sobre los operarios. “Si en la producción de mil piezas hay un 10 % de error, es necesario fabricar 100 más para compensar”, señala. “Además del costo del error en la calidad, es necesario producir más. Pocas fábricas hacen ese cálculo”.

Esta brecha motivó la creación de la startup Parthenon Labs, con el objetivo de desarrollar un sistema de realidad mixta para líneas de montaje manual. El nombre, inspirado en el templo griego dedicado a la diosa Atenea, encarna la ambición de crear soluciones casi divinas en eficiencia. Y los primeros números impresionan: en una aplicación real en el sector automotor, la empresa redujo las 1.600 fallas diarias a solo 80 – una caída del 95%, afirma Miller.

La tecnología de la solución combina gafas de realidad mixta –que permiten ver el entorno real mientras proyectan información digital– con un sistema de orientación paso a paso. A diferencia de la realidad virtual, que aísla completamente al usuario, la realidad mixta lo mantiene conectado al ambiente físico.

Cuando se colocan las gafas, el operario ve hologramas que indican qué pieza tomar, dónde se encuentra y la instrucción que orienta cómo debe montarse. El sistema utiliza comando de voz, rastreo de movimientos y respuesta visual en tiempo real. Si se selecciona la pieza incorrecta, el holograma se pone rojo. Si el montaje es correcto, se pone verde. Así de simple. “La solución no exige que el operario sea experto en tecnología”, dice Miller. “Utiliza sus propias habilidades, pero es orientado de forma humanizada. Probamos con operarios nuevos y veteranos, y la adaptación fue rápida”.

Un caso real ilustra la eficacia: en una fábrica de autopartes, hay una estación con tres cajas de componentes diferentes y un área de montaje. Antes de la implementación de la solución, hubo faltante de componentes 253 veces y 168 piezas fueron montadas incorrectamente. Tras su adopción, los faltantes cayeron a 19 y los errores de montaje, a solo 13.

Flexibilidad industrial

Uno de los diferenciales de la solución es la forma en que se implementa. A diferencia de los sistemas de automatización rígidos, cuya reconfiguración puede tardar meses cuando hay cambio de producto, la plataforma de Parthenon Labs es fácilmente personalizable. “Tenemos un sistema de base de datos en el que todo se registra de manera modular”, explica Miller. “Para montar un avión en un área de mil metros cuadrados, basta con demarcarla para que el sistema mapee el espacio. Luego, solo hay que registrar la ubicación de los componentes y definir el tamaño y la posición de cada pieza”.

Esta flexibilidad es un diferencial importante en un mercado en el que la variedad de productos es creciente. Datos de la industria automotriz global indican que el tiempo medio de vida útil de un modelo de automóvil cayó de siete años en la década de 1990 a cerca de cuatro años en la actualidad. Esto significa que las líneas de producción necesitan adaptarse con mucha más frecuencia.

La tecnología también se beneficia de la evolución reciente del hardware. El proyecto comenzó con las gafas HoloLens, de Microsoft, que ya no están disponibles para uso comercial. “La transición fue compleja”, reconoce Miller, “pero migramos al Meta Quest 3, que está basado en Android”. “Conseguimos no solo mantener la funcionalidad, sino también reducir costos”.

Aunque el enfoque inicial es la manufactura, las aplicaciones potenciales son amplias: Miller vislumbra usos en capacitación, inspecciones y mantenimiento preventivo. “Para capacitación, es perfecto: primero se exhibe un video del proceso. Luego, el usuario pasa a una estación de prueba con las gafas. Solo después de esas etapas va a la línea de producción real. En las primeras semanas, mantenemos el sistema activo para dar más seguridad”.

En la aviación, que tiene estándares rigurosos de calidad, la solución puede documentar inspecciones y procesos de mantenimiento. “Todo lo que usted hace puede ser grabado por las gafas. Eso sirve como prueba de que la inspección se realizó correctamente. Para sectores como la aviación civil o el mantenimiento de equipos críticos, esa trazabilidad es fundamental.”

Desafíos y aceptación

Como toda innovación, el concepto puede enfrentar resistencias. “Al principio, los operarios sienten temor: tienen miedo de marearse o de que sea un sistema de vigilancia”, cuenta. “Sin embargo, tras algunas horas de uso, se dan cuenta de que la herramienta ayuda a mejorar la calidad del producto final y la calidad de vida del propio trabajador: ya no necesita memorizar secuencias complejas ni preocuparse tanto por los errores.”

Otro desafío es el momento del mercado. “En 2024, el sector de autopartes sufrió mucho con la situación económica global”, observa. Parthenon Labs compite con soluciones internacionales, pero el enfoque es distinto: los competidores cuentan con sistemas más rígidos, que requieren infraestructura controlada, mientras que la solución brasileña funciona en cualquier entorno.

Uno de los diferenciales es que no incrementa el tiempo de montaje. “Nuestro sistema no añade tiempo al proceso: mejora la calidad manteniendo el ritmo de producción. Esto es fundamental porque el tiempo es dinero en la industria”, pondera. La solución recibió apoyo del programa Centelha, iniciativa nacional de la Financiadora de Estudios y Proyectos (Finep, vinculada al Ministerio de Ciencia, Tecnología e Innovación), cuya misión es estimular el emprendimiento innovador y difundir esta cultura entre los jóvenes. En el estado de São Paulo, el Centelha es ejecutado por la FAPESP.

Futuro de la realidad mixta

La evolución de la herramienta apunta a su integración con inteligencia artificial. “Estamos estudiando el uso de sistemas de visión computacional para comparar el montaje final con un patrón ideal”, informa Miller. “Con modelos avanzados de lenguaje, el operario podrá conversar con el sistema para recibir orientaciones en tiempo real: ‘Tengo dificultad en esta etapa, ¿qué me recomienda?’.”

Para Miller, el objetivo es democratizar el uso de la tecnología. “En Japón vi sistemas que eran muy costosos y ocupaban grandes espacios, con estanterías demarcadas, sistemas de visión computacional y ambientes con control de lúmenes. Era impresionante, pero inaccesible para las empresas en Brasil”, evalúa. “Nuestro desafío fue tomar toda esa funcionalidad y colocarla en un par de gafas.”

El resultado es una tecnología que, aunque parece futurista, ya ha estado transformando el presente de las fábricas brasileñas. En un país donde la industria de transformación representa cerca del 11 % del PIB, según el Instituto Brasileño de Geografía y Estadística (IBGE), y emplea a millones de trabajadores, las soluciones que aumentan la eficiencia sin eliminar puestos de trabajo son especialmente relevantes.

Recalca que la tecnología no busca sustituir a las personas por robots. “Por el contrario, la idea es dar superpoderes a los operadores: ellos siguen haciendo lo que saben hacer, solo que ahora con mucha menor incidencia de errores. Es tecnología al servicio de las personas, no al contrario.”

Datos de la Asociación Nacional de los Fabricantes de Vehículos Automotores (Anfavea) indican que Brasil produjo 2,3 millones de vehículos en 2023. Cada uno de ellos pasó por procesos de montaje complejos que involucran miles de componentes. En el sector de línea blanca, que incluye refrigeradores, estufas y lavadoras, la Asociación Brasileña de la Industria Eléctrica y Electrónica (Abinee) registra una producción anual superior a 10 millones de unidades.

En todos estos segmentos, el montaje manual aún predomina en etapas críticas. “Los montajes complejos son difíciles de automatizar”, explica Miller. “A veces, la geometría del producto dificulta el uso de robots. Otras veces, el diseño de la pieza exige movimientos específicos o fuerza calibrada. Y está el costo: cuando se pasa del modelo A al B, la reconfiguración de la automatización es demorada y costosa.”

Una investigación de la marca de software de instrucciones de trabajo Dozuki identificó las principales causas de errores en montajes manuales. La fatiga lidera el ranking, con el 30 % de las fallas. Le siguen la falta de atención (25 %), las decisiones incorrectas del operario (17 %), las fallas de equipamiento (12 %) y la capacitación inadecuada (8 %). Problemas con el propio producto y la presión laboral completan la lista. “Las tres primeras causas son justamente aquellas que nuestra solución logra abordar de forma directa”, destaca el ingeniero.