Propuesta de implementación de un sistema automatizado basado en visión artificial y sensórica multimodal para la detección objetiva del momento exacto en que el producto correcto circula por las tuberías, eliminando la subjetividad del control visual manual y reduciendo significativamente las mermas por interfase.
Beneficio esperado: Reducción del 30-50% de mermas en interfases mediante detección precisa y automatización del proceso de validación.

Análisis del problema

Situación Actual
● Control subjetivo visual por operador
● Variabilidad en criterios entre turnos/operadores
● Tendencia conservadora → mayor merma por seguridad
● Sin trazabilidad ni datos históricos
● Imposibilidad de optimización continua

Tipos de Interfases Identificadas
1. Vino-Agua (limpieza)
2. Tinto-Blanco (cambio producto)
3. Vino-Derivado (cambio categoría)
4. Otros (especificar según variedad de productos)

Solución propuesta

La solución planteada consiste en un sistema híbrido que combina visión artificial y sensores industriales para detectar de manera precisa las interfases entre productos en tuberías.
Incluye:

• Un módulo de visión artificial con cámara industrial, iluminación controlada y procesamiento en edge computing.
• Algoritmos de análisis colorimétrico, turbidez y patrones de flujo.
• Sensores complementarios (conductividad, densidad, refractometría, caudal) para validar las detecciones.
• Un sistema inteligente de decisión capaz de activar válvulas automáticamente y registrar datos.

Implementación

La implantación se divide en dos fases:
Fase 1 – Piloto (3 meses):

• Análisis in situ, captura de datos reales y diseño de la integración.
• Entrenamiento del modelo de IA, desarrollo del software y pruebas de laboratorio.
• Instalación en una línea piloto, funcionamiento en paralelo con el operador y ajuste de parámetros.

Fase 2 – Escalado (6 meses):

• Replicación en más líneas.
• Integración con el SCADA.
• Implementación de dashboards y analítica avanzada.

Ventajas competitivas

• Eliminación de subjetividad y criterios reproducibles 24/7.
• Mayor precisión que el control visual humano.
• Trazabilidad completa con datos históricos.
• Mejora continua del sistema gracias al aprendizaje.
• Robustez industrial e integración sencilla.
• Retorno de inversión estimado en 12–18 meses.

 Propuesta de solución al reto de Bodegas López Morenas
https://triruraltech.eu/actividades/retos/item/bodegas-lopez-morenas