Detectar defectos en componentes críticos antes de que lleguen a la línea de ensamble es uno de los desafíos más costosos de la manufactura avanzada. El caso del Chevrolet Bolt ilustra la magnitud del riesgo: un defecto en celdas de batería fabricadas por un proveedor externo derivó en un retiro masivo que costó 1,900 millones de dólares. Fabricantes como Volkswagen, Stellantis, Hyundai y Toyota enfrentan presiones similares, lo que convierte la inspección de componentes en una variable estratégica —no operativa— dentro de la cadena de suministro.

El cuello de botella no es la detección, sino la velocidad

La tomografía computarizada (CT) existe como tecnología de inspección desde hace décadas, pero su velocidad de procesamiento la hace incompatible con las cadenas de producción de alto volumen. El muestreo estadístico tradicional —inspeccionar una fracción de la producción— deja márgenes de error inaceptables cuando el componente en cuestión es una celda de batería o una pieza aeroespacial.

Software de procesamiento de imágenes basado en aprendizaje profundo está resolviendo este problema al optimizar los datos generados por los escáneres CT, acelerando el análisis entre 10 y 30 veces respecto a los métodos convencionales. Esto permite inspeccionar decenas de miles de celdas diariamente, transformando lo que era un proceso de muestreo en una verificación prácticamente universal.

El procesamiento se ejecuta en hardware local dentro de las instalaciones del cliente, lo que reduce la latencia a segundos en lugar de minutos u horas. Esta arquitectura on-premise no solo mejora la velocidad, sino que también atiende requisitos de seguridad de datos en entornos industriales sensibles.

Aplicaciones más allá de la electromovilidad

Aunque el contexto inicial de adopción se concentra en celdas de batería —un componente crítico en el ecosistema de vehículos eléctricos—, la tecnología tiene aplicación directa en sectores como el aeroespacial, la electrónica de consumo y los dispositivos médicos. Un módulo especializado permite a los equipos de laboratorio y desarrollo acelerar las verificaciones de control de calidad sin requerir infraestructura especializada adicional.

El panel de análisis entrega mediciones específicas por componente: en el caso de baterías, calcula la distancia entre capas de una celda y genera alertas cuando se detectan desviaciones respecto a los estándares establecidos, destacando visualmente los defectos en las imágenes escaneadas. Los algoritmos se ajustan de forma continua con la retroalimentación de los operadores, mejorando la precisión del sistema en cada ciclo de inspección.

Acceso sin inversión inicial en equipamiento

Para organizaciones que no disponen de escáneres CT propios, existe la opción de enviar componentes a centros de escaneo físicos —actualmente operando en Boston, con un segundo en apertura en el área de la Bahía de San Francisco. Esta modalidad reduce las barreras de entrada y permite validar el proceso antes de comprometer capital en equipamiento.

Con más de 100 clientes activos —entre ellos Anker, Lucid y la Marina de los Estados Unidos—, la solución ya opera en entornos industriales de alta exigencia. La base de adopción abarca tanto a fabricantes como a compradores de baterías, lo que refleja una demanda creciente de trazabilidad y verificación en ambos extremos de la cadena de suministro.

Para las organizaciones que gestionan cadenas de suministro de componentes de alto riesgo, la pregunta estratégica no es si la inspección por CT es técnicamente viable, sino si la velocidad de detección actual es suficiente para prevenir fallas que escalen a retiros masivos. Las estadísticas del sector sugieren que, en la mayoría de los casos, la respuesta es negativa.