Control de calidad en soldadura robótica: inspección por visión artificial, ensayos no destructivos y clasificación de defectos según la norma ISO 5817 (2026).

Última actualización: Mayo 8, 2026

Control de calidad en soldadura robótica: inspección por visión artificial, ensayos no destructivos y clasificación de defectos según la norma ISO 5817 (2026).

El control de calidad de la soldadura robótica combina cuatro niveles: monitorización en línea del voltaje, la corriente y la alimentación del alambre del arco; inspección visual mediante IA del cordón de soldadura antes, durante y después de la soldadura; ensayos no destructivos (UT, RT, MT, PT o VT) para uniones críticas para la seguridad; y clasificación estructurada de defectos según los niveles de aceptación ISO 5817 / ISO 6520 y códigos como AWS D1.1. En conjunto, estos niveles reducen las tasas de defectos de soldadura del 5-8% típico de las operaciones manuales a menos del 1% en sistemas robóticos calibrados.

La pila de control de calidad en resumen: qué detecta cada capa

Antes de analizar cada capa en detalle, la tabla comparativa que aparece a continuación muestra qué detecta cada método, su rango de coste por celda y la rapidez con la que se obtienen los resultados. Comprender estas diferencias es fundamental para decidir qué combinación se adapta mejor a un entorno de producción determinado.

Sección 1 — Monitoreo de procesos en línea

La monitorización del proceso en línea es el primer paso en el control de calidad de la soldadura robótica. En lugar de detectar los defectos una vez que se producen, realiza un seguimiento de las variables del proceso que los causan y señala las desviaciones antes de que el arco avance.

Parámetros del arco: Voltaje, corriente y alimentación del alambre

Durante la soldadura GMAW (MIG/MAG), la fuente de alimentación registra la tensión del arco y la corriente de soldadura a frecuencias de muestreo de 1 kHz o superiores. El software de monitorización de la forma de onda compara la señal en tiempo real con las formas de onda de referencia establecidas durante la cualificación del procedimiento de soldadura. Una caída de tensión sostenida superior a ±3 V respecto al valor de consigna indica un problema con la punta de contacto, una desalineación de la junta o un problema con el gas de protección. Las desviaciones de corriente se correlacionan con los cambios en la velocidad de alimentación del alambre, que afectan a la penetración y a la geometría del cordón. Sistemas como el módulo SmartPower de ABB y la plataforma de registro de datos CheckPoint de Lincoln Electric implementan este tipo de detección de anomalías en la forma de onda, asignando un índice de calidad de soldadura a cada junta en función de la estabilidad de los parámetros.

Monitoreo del flujo de gas y del estado de la antorcha

El flujo de gas de protección se monitoriza en el regulador y, en los sistemas instrumentados, en el cuerpo de la antorcha. Un sensor de flujo másico activa una señal de parada de soldadura si el flujo cae por debajo del mínimo requerido, normalmente de 12 a 18 L/min para GMAW con hilo sólido, evitando así la porosidad causada por una cobertura de gas insuficiente. Los sensores de estado de la antorcha monitorizan la resistencia de la boquilla (un indicador de la acumulación de salpicaduras) y el desgaste de la punta de contacto, lo que permite cambiar la herramienta antes de que la degradación de la punta altere el TCP y perjudique la posición del cordón.

Tiempo de arco encendido como señal de calidad

El tiempo de arco activo por junta, registrado automáticamente, proporciona una señal de calidad a nivel de ciclo. Una junta que normalmente requiere 18 segundos de arco activo y que se completa en 14 segundos indica una extinción prematura del arco, un posible fallo de fusión. Los registros de trazabilidad a nivel de secuencia correlacionan el tiempo de arco activo, la corriente máxima y la estabilidad de voltaje con la identificación de la junta, lo que permite analizar la causa raíz cuando se detectan defectos en las pruebas no destructivas posteriores.

Sección 2 — Inspección visual mediante IA (Capa de calidad principal)

La inspección visual mediante IA ahora abarca las tres fases temporales de la soldadura: antes de que comience el arco (verificación de la junta previa a la soldadura), durante la soldadura (monitorización del baño de fusión y la luz del arco) y después de la soldadura (perfilado del cordón posterior a la soldadura). Cada fase utiliza un hardware de sensores diferente y proporciona un valor de control de calidad distinto.

Pre-soldadura: Verificación de la geometría de la junta

Un escáner láser o una cámara 3D de luz estructurada captura la geometría de la junta antes de que el robot comience a soldar. El sistema verifica la separación de la raíz, la alineación de la junta y el ángulo de aproximación con respecto a los límites de la especificación del procedimiento de soldadura (WPS). Las juntas fuera de tolerancia, una separación mayor que el máximo de la WPS o una desalineación que descentraría el cordón activan una pausa y una alerta antes de que se pierda tiempo de arco en una configuración defectuosa.

Entre los sistemas líderes en este ámbito se incluyen Meta Vision MV (integrado con EtherCAT, común en talleres de carrocería), Servo-Robot (de amplia adopción en la fabricación de estructuras), Scansonic (tolerante a entornos de alta energía) y Octopuz (corrección de trayectoria mediante software a partir de una nube de puntos). El escaneo previo a la soldadura también corrige la trayectoria de soldadura del robot para compensar la variación dimensional entre piezas, que es la función principal de los perfilómetros láser de seguimiento de costura descritos en la guía de componentes de la celda.

En proceso: Perfil de luz de arco y monitoreo del baño de fusión

Cámaras de alta velocidad (10 000–50 000 fotogramas por segundo), filtradas a las longitudes de onda de emisión del arco, capturan el perfil de luz del arco y la geometría del baño de fusión en tiempo real. Cámaras termográficas infrarrojas mapean simultáneamente la distribución de temperatura de la zona afectada por el calor (ZAC). En conjunto, estas señales indican una fusión incompleta antes de que quede sepultada bajo pasadas posteriores: un baño de fusión que se estrecha repentinamente mientras la velocidad de avance y la corriente permanecen constantes indica un colapso de la junta o contaminación del metal base.

En la práctica, la visión en proceso es la capa que requiere mayor capacidad de cálculo. Las tarjetas de inferencia de borde (NVIDIA Jetson o equivalentes) ejecutan modelos CNN ligeros entrenados con imágenes de anomalías de arco etiquetadas, clasificando cada fotograma en 50-100 ms. Las canalizaciones completas de NVIDIA Metropolis se implementan en celdas de producción automotriz de alta gama donde se procesan simultáneamente múltiples señales de cámara.

Post-soldadura: Perfil del cordón y clasificación de defectos

El perfilado del cordón posterior a la soldadura utiliza un perfilómetro láser 3D para generar una nube de puntos de la sección transversal de la soldadura terminada. El perfilador mide el ancho, la altura, la profundidad de socavación, la extensión del solape y el ángulo de la raíz del cordón, parámetros que se corresponden directamente con los requisitos del nivel de aceptación de la norma ISO 5817. Los modelos de aprendizaje profundo, entrenados con conjuntos de datos etiquetados de defectos de soldadura, clasifican las características de la superficie: socavación (ISO 5817 tipo 5011), solape (5041), falta de relleno (5012), porosidad superficial (2017) y desviaciones geométricas del perfil del cordón cualificado.

Las plataformas de software de visión comercial utilizadas en entornos de producción incluyen Cognex VisionPro (ampliamente utilizada para la inspección de superficies 2D), MVTec HALCON (preferida para el análisis de perfiles 3D complejos con flexibilidad de programación) e Intel Geti (entrenamiento de modelos y gestión de implementación con asistencia en la nube). Las soluciones de inspección específicas para cada aplicación incluyen Inspekto S70 para células de fabricación flexibles y Yxlon HBR-DL para la inspección integrada por rayos X en soldaduras de recipientes a presión y aplicaciones aeroespaciales críticas para la seguridad.

Sección 3 — Métodos de Ensayos No Destructivos (END)

Los métodos de ensayos no destructivos (END) son obligatorios según los códigos de soldadura para las uniones críticas para la seguridad y no pueden sustituirse únicamente por la inspección visual o la visión artificial. Cada método tiene un rango de capacidades específico; especificar el método adecuado para el tipo de unión y el espesor del material es fundamental para un plan de inspección que cumpla con la normativa.

Ensayos por ultrasonidos (UT / PAUT)

Las pruebas ultrasónicas utilizan ondas sonoras de alta frecuencia para detectar discontinuidades internas en materiales de 6 mm de espesor o más. La técnica de ultrasonidos de matriz de fases (PAUT) dirige el haz electrónicamente a través de múltiples ángulos sin mover la sonda, generando una imagen transversal en forma de S del volumen de soldadura en una sola pasada. La PAUT ha reemplazado en gran medida a los ultrasonidos convencionales de sonda única en soldaduras estructurales y de recipientes a presión, ya que proporciona una mejor cobertura volumétrica, imágenes digitales y un registro permanente. El Anexo K de la norma AWS D1.1 acepta la PAUT como alternativa a la radiografía para soldaduras de penetración completa de juntas cuando se cuenta con un procedimiento calificado.

Pruebas radiográficas (RT)

La radiografía digital (RT) utiliza radiación de rayos X o rayos gamma para obtener imágenes de la sección transversal de la soldadura en película o un detector digital. Sigue siendo el método de referencia para detectar defectos volumétricos, cúmulos de porosidad, inclusiones de escoria y penetración incompleta de la junta en todo el espesor de la soldadura. La norma AWS D1.1 exige el uso de RT para elementos críticos de fractura y la Sección IX de la ASME para ciertas categorías de soldaduras que retienen presión. La radiografía digital (DR) y la tomografía computarizada (TC) han reducido los tiempos de procesamiento de las películas de horas a minutos y permiten la reconstrucción volumétrica 3D para geometrías de juntas complejas.

Prueba de partículas magnéticas (MT)

La tomografía magnética (TM) detecta discontinuidades superficiales y subsuperficiales (grietas, uniones, solapamientos fríos) en materiales ferromagnéticos mediante la inducción de un campo magnético y la aplicación de una suspensión de partículas ferromagnéticas. Las discontinuidades perpendiculares a las líneas de campo acumulan partículas visiblemente. La TM es rápida, portátil y económica, lo que la convierte en el método estándar de primera pasada para soldaduras de filete y ranura en la fabricación de acero estructural. La TM no puede inspeccionar acero inoxidable austenítico ni aluminio (materiales no ferromagnéticos), y solo detecta discontinuidades que se rompen o se aproximan a la superficie.

Prueba de penetración de tinta (PT)

La técnica PT aplica un líquido penetrante de baja viscosidad sobre la superficie limpia de la soldadura; la acción capilar introduce el penetrante en las grietas superficiales abiertas. Tras un tiempo de espera, se aplica un revelador que extrae visiblemente el penetrante. La técnica PT funciona en cualquier material: ferromagnético, acero inoxidable, aluminio, titanio, y es el método estándar para detectar grietas superficiales en soldaduras no ferromagnéticas. Requiere una superficie limpia y seca, así como un tiempo de espera controlado, lo que la hace menos adecuada para la inspección en línea de alto rendimiento, pero práctica como control periódico en lotes de muestras.

Pruebas visuales (VT)

La inspección visual (IV) es el método de inspección más sencillo, económico y de aplicación más frecuente. Un inspector capacitado examina la superficie de la soldadura en busca de defectos visibles: socavaduras, solapamiento, grietas superficiales, falta de relleno y geometría del perfil, comparándola con un calibre o plantilla de referencia. La cláusula 6 de la norma AWS D1.1 exige la IV en todas las soldaduras antes de aplicar cualquier otro método de END. Los sistemas de inspección visual con IA son, en términos funcionales, una forma automatizada e instrumentada de IV, con una cobertura del 100 %, umbrales consistentes y registros documentados.

Sección 4 — Taxonomía de defectos: Clasificación según ISO 6520-1 e ISO 5817

La norma ISO 6520-1 proporciona el sistema de clasificación de referencia para las imperfecciones de soldadura, organizándolas en seis grupos según su tipo. La norma ISO 5817 asigna estos tipos de defectos a los niveles de aceptación B (más estricto), C (intermedio) y D (menos estricto), basándose en los límites dimensionales de cada imperfección. Los modelos de visión artificial entrenados con las categorías de la norma ISO 6520-1 generan resultados que se corresponden directamente con las decisiones de aceptación/rechazo de la norma ISO 5817.

Grupos de defectos según la norma ISO 6520-1

Niveles de aceptación B, C, D de la norma ISO 5817

La norma ISO 5817:2023 define tres niveles de calidad de aceptación para uniones soldadas por fusión en acero, níquel, titanio y aluminio. El nivel D (calidad moderada) presenta las tolerancias dimensionales más amplias y se aplica a la fabricación general. El nivel C (calidad intermedia) es el estándar para aplicaciones estructurales y la mayoría de las fabricaciones industriales. El nivel B (calidad estricta) se aplica a estructuras críticas para la seguridad, equipos a presión y estructuras primarias de automóviles donde los requisitos de resistencia a la fatiga y a la fractura son elevados.

Como ejemplo práctico: el socavado (tipo 5011) con una profundidad de 0.5 mm es aceptable en el Nivel D, marginal en el Nivel C (donde el límite es de 0.5 mm para soldaduras a tope) y rechazado en el Nivel B (límite de 0.25 mm para soldaduras a tope). Los sistemas de visión artificial configurados para un nivel de aceptación específico ajustan sus umbrales de detección a los límites dimensionales de la tabla correspondiente de la norma ISO 5817, lo que permite tomar decisiones automatizadas de aprobación/rechazo.

Sección 5 — Mapeo de criterios de aceptación: AWS D1.1, EN 15085 e ISO 3834

Más allá de la norma ISO 5817, los fabricantes que trabajan con códigos específicos del sector deben adaptar su plan de inspección a los criterios de aceptación de dichos códigos. La siguiente tabla resume los códigos principales y su alcance de calidad para aplicaciones de soldadura robótica.

Sección 6 — Retorno de la inversión en la implementación de IA para sistemas de calidad de soldadura

La justificación comercial para añadir la inspección visual mediante IA a una célula de soldadura robótica existente se basa en tres mejoras cuantificables: mayores tasas de detección de defectos, menores tasas de falsos positivos que reducen el desperdicio innecesario y una menor frecuencia de ensayos no destructivos posteriores en los lotes de producción que superan la inspección automatizada.

Aumento de la tasa de detección

Las pruebas visuales manuales (VT) realizadas por inspectores cualificados en soldaduras robóticas a velocidad de producción alcanzan tasas de detección de aproximadamente el 87 % para defectos superficiales y subsuperficiales, cifra que disminuye aún más al final del turno y bajo alta presión de producción. Los sistemas de visión artificial (IA) implementados en celdas de soldadura robótica logran consistentemente tasas de detección del 96 % al 99 % para las mismas clases de defectos, según datos de implementación en la industria. Esta diferencia, de 9 a 12 puntos porcentuales, se traduce directamente en una menor tasa de defectos superficiales que llegan al ensamblaje posterior o a la entrega al cliente.

Costo del hardware de visión

El costo incremental del hardware para agregar visión artificial posterior a la soldadura a una celda existente (perfilador láser 3D, PC industrial con inferencia en el borde, software de integración) oscila entre $25,000 y $55,000 para una configuración de perfilado de cordón posterior a la soldadura. Agregar escaneo de juntas previas a la soldadura en la misma plataforma de hardware agrega entre $5,000 y $15,000. El monitoreo completo del baño de fusión en proceso con cámara de alta velocidad y termografía infrarroja es la capa de mayor costo, agregando entre $10,000 y $25,000, y se especifica principalmente para soldadura aeroespacial, de recipientes a presión y de rieles críticos para la seguridad, en lugar de fabricación general. En conjunto, un conjunto completo de visión artificial de tres fases en una celda tiene un costo incremental de entre $40,000 y $80,000 con respecto a una celda robótica base.

Impulsores de la recuperación de la inversión

En un taller de fabricación estructural de volumen medio que genera 300 juntas de soldadura inspeccionadas por turno, aumentar la tasa de detección del 87 % al 97 % evita aproximadamente 30 defectos adicionales por cada 1,000 juntas. Con un coste medio de 75 $ por cada error detectado durante el proceso (frente a más de 400 $ por cada error que pasa al montaje posterior), la contribución al ahorro de defectos por sí sola genera entre 50 000 $ y 120 000 $ al año por célula, dependiendo del volumen y del coste del retrabajo. La recuperación de la inversión de 50 000 $ en hardware de visión se produce en 6-14 meses con estos parámetros. Las reducciones en la frecuencia de los ensayos no destructivos (END), cuando los datos de capacidad del proceso del sistema de visión respaldan los planes de muestreo reducidos acordados con el cliente, añaden ahorros adicionales que son específicos de la aplicación.

En la práctica, la variable de implementación más importante no es el hardware de visión en sí, sino la calidad de la biblioteca de procesos con la que se compara. Las celdas que operan con una especificación de procedimiento de soldadura (WPS) bien definida, con repetibilidad estable de los accesorios y una gestión consistente de los consumibles, obtienen el máximo beneficio de la visión por IA en términos de tasa de detección. Las celdas con alta variabilidad de proceso generan tasas elevadas de falsos positivos, ya que el modelo no puede distinguir un defecto legítimo de una desviación de parámetros causada por una punta de contacto desgastada o una calibración de la fuente de alimentación inestable. Abordar primero la estabilidad del proceso y luego agregar la visión por IA como capa de monitoreo produce mejores resultados que agregar visión a un proceso que ya genera soldaduras límite.

Arquitectura de control de calidad de cinco pasos: del sensor al MES

Una arquitectura de control de calidad lista para la producción conecta las capas de inspección descritas anteriormente en un flujo de datos que va desde el sensor hasta la decisión de calidad y el registro de producción. La arquitectura de cinco pasos que se muestra a continuación se aplica a celdas de soldadura robótica, desde configuraciones de una sola estación hasta líneas de varias estaciones.

1. Capa de sensores. Los sensores de monitorización de procesos en línea (forma de onda de voltaje/corriente del arco, velocidad de alimentación del alambre, flujo de gas), el escáner láser previo a la soldadura, la cámara de alta velocidad durante el proceso (opcional) y el perfilador 3D posterior a la soldadura generan flujos de datos con marca de tiempo asociados a un identificador de junta. EtherCAT a 1 kHz sincroniza los sensores de parámetros del arco con los datos de posición del controlador del robot, lo que permite mapear espacialmente las anomalías de la forma de onda a posiciones exactas a lo largo de la soldadura.
2. Inferencia de bordes. Un módulo de computación perimetral (PC industrial o tarjeta aceleradora de IA dedicada) ejecuta inferencias en tiempo real sobre señales de proceso y datos de visión. Los modelos de clasificación detectan articulaciones sospechosas dentro del tiempo de transferencia del robot entre articulaciones, generalmente de 2 a 5 segundos, de modo que el operador recibe una alerta antes de que el robot se mueva a la siguiente articulación, lo que permite la intervención durante el proceso en lugar de la reelaboración posterior al lote.
3. Clasificación de defectos. Las uniones marcadas se clasifican según el tipo de defecto de acuerdo con la taxonomía ISO 6520-1, y la gravedad se compara con el nivel de aceptación ISO 5817 aplicable (B, C o D) configurado para la orden de producción. Las uniones que superan el umbral de aceptación se registran como no conformidades; las uniones que se encuentran en el límite se ponen en cola para una reinspección manual o un ensayo no destructivo (END), según el plan de calidad.
4. Registro de trazabilidad. Todas las lecturas de los sensores, las imágenes de visión, los resultados de la clasificación y las decisiones del operador se registran en un archivo de trazabilidad vinculado al ID de la pieza, el número de serie de la pieza y el lote de producción. Este archivo sirve de base tanto para el análisis interno de la calidad (detección de tendencias, optimización de parámetros) como para los requisitos de auditoría de clientes o de organismos reguladores según las normas ISO 3834 o EN 15085.
5. Integración MES. El registro de trazabilidad alimenta el Sistema de Ejecución de Manufactura (MES) en tiempo real, actualizando el estado de calidad del lote de producción, señalando las órdenes de retrabajo y activando la programación de ensayos no destructivos (END) para los lotes que requieren muestreo obligatorio por código. La integración bidireccional permite que el MES envíe los parámetros del procedimiento de soldadura (configuración WPS) al controlador del robot durante el cambio de trabajo, lo que reduce el riesgo de seleccionar parámetros incorrectos en líneas de producción multiproducto.

Cómo los principales proveedores abordan la pila de control de calidad

FANUC, ABB y KUKA han integrado el registro de datos y la monitorización de parámetros en los controladores de sus robots de soldadura. Las soluciones WeldGuide y SmartPower de ABB, junto con el módulo ArcSense de KUKA, representan implementaciones consolidadas para las líneas de producción de primer nivel del sector automotriz. Yaskawa Motoman ofrece monitorización de procesos específicos para soldadura mediante su software Weld Navigator. ESTUN ha incorporado la monitorización de soldadura en línea a sus células de soldadura de gama media para el mercado de la fabricación en general.

EVST aborda el control de calidad integral mediante su sistema de soldadura EVS-AI, que integra reconocimiento de visión 3D, la biblioteca de procesos de soldadura RX (parámetros precalificados para tipos de juntas y combinaciones de materiales comunes) y sincronización de sensores EtherCAT de 1 kHz para una alineación precisa entre los datos de parámetros del arco y la posición del robot. El motor de autoaprendizaje del sistema refina los parámetros de soldadura durante las series de producción sin necesidad de reprogramación manual, lo que reduce la desviación entre los parámetros del procedimiento calificado y los parámetros de producción reales, una fuente común de acumulación de defectos marginales en series de producción largas. Las celdas de soldadura de EVST cuentan con las certificaciones CE, SGS y TUV de terceros, cumpliendo con los requisitos de documentación para las auditorías de sistemas de calidad ISO 3834 y EN 15085 en mercados de exportación. La plataforma robótica subyacente, fabricada bajo procesos de calidad de grado automotriz IATF16949, abarca todo el espectro de carga útil, desde brazos de soldadura colaborativos hasta configuraciones industriales de alta resistencia, cubriendo la gama de tamaños de soldadura que suelen requerir las líneas de producción críticas para la calidad. EVST ofrece asistencia técnica sobre el terreno en más de 100 países, un factor relevante cuando la calibración y recalibración del sistema de control de calidad tras cambios importantes en los accesorios requiere asistencia técnica in situ.

Para los compradores que evalúan el panorama de integración completa, desde el brazo robótico y el posicionador hasta el conjunto de control de calidad, el Guía de integración y componentes de celdas de soldadura robótica Cubre en profundidad la arquitectura del sensor y del bus de campo. El modelado del ROI para la inversión total en celdas, incluidos los ahorros en la tasa de defectos, se cubre en el Análisis del retorno de la inversión y del período de recuperación de la inversión en celdas de soldadura robótica.

Lecturas relacionadas y recursos internos

• Guía completa para la automatización de la soldadura robótica (2026)Artículo principal que abarca la selección de procesos, el diseño de celdas y el panorama completo de aplicaciones de soldadura.
• Las 10 mejores marcas de robots de soldadura (2026)Comparación de fabricantes de equipos originales (OEM) en cuanto a soporte de integración, rango de carga útil y cobertura de servicio regional.
• Componentes e integración de celdas de soldadura robótica (2026)capa de sensores, arquitectura de bus de campo, tipos de posicionadores y secuencia de puesta en servicio
• Soldadura robótica MIG vs TIG vs Láser (2026)Guía de selección de procesos con compensaciones entre calidad y costo según el tipo de junta.
• Normas de seguridad para robots industriales: ISO 10218 y marcado CE (2026)Requisitos del sistema de seguridad para celdas de soldadura robótica

Preguntas frecuentes

Referencias salientes:
Código de soldadura estructural D1.1 de la Sociedad Americana de Soldadura (AWS, por sus siglas en inglés) |
ISO 5817:2023, Soldadura: Uniones soldadas por fusión, Niveles de calidad |
Informe IFR World Robotics 2025 |
Software Cognex VisionPro |
Software de visión artificial MVTec HALCON

Última actualización: Mayo 8, 2026