En AlgaeBarn, un productor de Colorado de productos de acuicultura vivos, como copépodos y fitoplancton, cada una de las nueve líneas de productos necesita su propia etiqueta para la tapa de la botella. Durante años, eso significó organizar periódicamente “fiestas de pegatinas”: sesiones de una a dos horas en las que empleados de toda la empresa despegaban las etiquetas y las colocaban a mano. Las reuniones eran sociales, pero alejaban a operadores, técnicos e ingenieros de sus tareas principales y, cuando las existencias de tapas etiquetadas se agotaban inesperadamente, la producción tenía que detenerse para fabricar más.

Celda interna de etiquetado de AlgaeBarn: bobina de etiquetas, estructura de aluminio y contadores de visión en el escritorio para tapas buenas y defectuosas.

El ingeniero de robótica y automatización Akash Chinthamanipeta trató el trabajo repetitivo como un problema de planta, no como una cuestión de compras. El objetivo era una celda autónoma que pudiera orientar cada tapa, aplicar la etiqueta, inspeccionar su colocación y clasificar las piezas aceptadas y rechazadas sin supervisión continua, manteniendo además el costo del hardware y el control del proceso dentro de la planta.

Por qué construir en lugar de comprar

Las etiquetadoras comerciales planteaban dos problemas: el costo de capital y la lógica cerrada. Muchas máquinas suponen que, una vez configuradas correctamente, la colocación seguirá siendo precisa. En una línea activa, el desplazamiento del rollo de etiquetas o del soporte después de unos cientos de ciclos puede mover lo suficiente el punto de despegue como para colocar mal la siguiente pegatina. AlgaeBarn también quería una lógica de máquina editable para que la celda pudiera evolucionar junto con la producción. La mayor parte de la mecánica se diseñó en SOLIDWORKS; el costo directo del hardware se mantuvo por debajo de $1,000. Construirla internamente significaba que cada tapa podía inspeccionarse, en lugar de confiar únicamente en la configuración mecánica inicial.

De tapas sueltas a piezas inspeccionadas

Un operador vierte tapas sueltas en un elevador dispensador. Un sensor supervisa la pista de alimentación y hace funcionar el elevador solo cuando se necesitan más tapas. La propia pista pasiva proporciona la orientación: las tapas correctamente asentadas continúan hasta la estación de etiquetado, mientras que las invertidas vuelven a caer al contenedor, evitando la necesidad de un orientador activo independiente.

Una bandeja presenta una tapa a la vez. Un láser KEYENCE confirma su presencia; el controlador acciona un cilindro neumático para posicionar la pieza, y unos interruptores de lengüeta confirman el final del recorrido antes de continuar la secuencia. Un motor paso a paso con engranajes hace avanzar el rollo de etiquetas alrededor de un borde de despegue para liberar la pegatina del soporte. Un aplicador neumático asistido por vacío captura la etiqueta y la presiona sobre la tapa, también con confirmación mediante un interruptor de lengüeta.

La inspección OpenCV basada en bordes, ejecutada en un nodo de cámara de clase Raspberry Pi, comprueba la colocación de la etiqueta antes de clasificar las piezas como aceptadas o rechazadas.

A continuación, el controlador publica un mensaje MQTT en un nodo de cámara Raspberry Pi. Una rutina personalizada de OpenCV captura la imagen, mide el espacio entre los bordes detectados de la tapa y la etiqueta, y comprueba la colocación según una tolerancia estricta. El resultado vuelve al controlador y un robot con ventosa coloca la pieza en el contenedor de aceptadas o de rechazadas.

Un milímetro que nunca fue solo un milímetro

El problema más difícil fue detener el rollo de etiquetas en una posición repetible. Un accionamiento inicial obedecía la orden de parada, pero seguía avanzando por la energía residual y la inercia, a veces casi una pulgada, suficiente para arruinar la siguiente colocación. Rediseñar el sistema alrededor de un motor paso a paso NEMA 24 con engranajes permitió al controlador ordenar un número fijo de pasos por etiqueta y detenerse limpiamente. La lección para las celdas de envasado es conocida en planta: los errores repetidos de menos de un milímetro se convierten en desperdicio después de cientos de ciclos por hora.

Precisión antes que velocidad máxima

La celda terminada procesa unas 450 tapas por hora, suficiente para la demanda de AlgaeBarn. El rendimiento quedó en segundo plano frente a la calidad sin supervisión. Un operador carga las tapas, pone en marcha la máquina y vuelve a otras tareas. La falta de material en la alimentación u otras averías detienen la celda y generan una alerta, en lugar de producir artículos de calidad incierta. En una prueba con 100 tapas, 98 cumplieron la tolerancia de colocación; dos fueron rechazadas por pequeños errores de posición conforme a unos umbrales intencionadamente conservadores.

El proyecto duró aproximadamente cuatro meses y se realizó junto con otros trabajos de automatización. Puso fin a las recurrentes fiestas de pegatinas, aunque algunos operadores bromeaban con que echaban de menos el tiempo de conversación, y se prevé que ahorre entre $40,000 y $50,000 al año en mano de obra e interrupciones evitadas. La conclusión más amplia para los fabricantes pequeños es comenzar con una necesidad operativa real, ajustar el tiempo y el presupuesto al valor obtenido y preferir una retroalimentación fiable y una calidad repetible antes que la máquina de catálogo más rápida. Los proyectos relacionados de envasado y control suelen desarrollarse junto con sistemas PLC y PAC y soluciones de sensores, como la instrumentación de Honeywell, cuando las plantas amplían posteriormente la misma celda.