Del ojo humano al aprendizaje profundo: revisión sistemática sobre inteligencia artificial aplicada al control de calidad en manufactura

• Autores: Cajusol Inoñan, Jose Santos, Sandoval Valdera, Luz Clarita
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/17279
• Enlace del recurso: https://hdl.handle.net/20.500.12802/17279
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Aprendizaje profundo; Control de calidad; Manufactura; Detección de defectos; https://purl.org/pe-repo/ocde/ford#2.11.04

En entornos industriales, los métodos tradicionales de inspección de calidad como la revisión manual presentan limitaciones en velocidad, precisión y escalabilidad. Estas restricciones afectan la eficiencia operativa y aumentan el riesgo de defectos no detectados. Se realizó una revisión sistemática siguiendo el protocolo PRISMA, de un total de 7412 registros de las bases de datos de Scopus, Web of Science e IOPscience solo se incluyeron 41 artículos publicados entre 2021 y 2025 en inglés o español, revisados por pares y se excluyeron revisiones narrativas y estudios sin validación fundamental. Los hallazgos muestran que los modelos de inteligencia artificial, especialmente CNN y DNN, han demostrado mejoras significativas en velocidad de procesamiento, precisión de clasificación y adaptable frente a defectos variables. Estos enfoques superan las limitaciones de los métodos tradicionales en inspección manual y análisis estadístico al ofrecer procesamiento en tiempo real, mayor precisión en la clasificación de defectos y flexibilidad operativa frente a variaciones en materiales y condiciones de producción. En respuesta, diversos autores proponen enfoques híbridos que integran técnicas clásicas con algoritmos de IA para equilibrar eficiencia y confiabilidad. En conclusión, la inteligencia artificial representa una herramienta estratégica para optimizar la calidad en manufactura, reducir errores humanos y aumentar la trazabilidad operativa en entornos industriales complejos. Se recomienda a las empresas manufactureras incorporar sistemas de inspección automatizada basados en IA y evaluar el impacto económico antes y después de su implementación.