Inici / Blog

IA · 20/11/2026

IA en l'envàs: de la prova al projecte mesurable

El Clúster de l'Envàs assenyala set àmbits per a la IA i demana projectes mesurables. Què pot aprofitar una planta d'envasat i per on començar.

Per TIVOX Solutions ·

Foto: Vladimir Srajber / Pexels

El Clúster d'Innovació en Envàs i Embalatge de la Comunitat Valenciana ha presentat un informe sobre l'aplicació de la intel·ligència artificial al sector, fet amb la col·laboració de Nunsys. Per elaborar-lo va entrevistar empreses sòcies de diferents mides, des de fabricants i transformadors d'envasos fins a distribuïdors de materials, assessorament tècnic i disseny, i va avaluar les seves capacitats tecnològiques i organitzatives. El resultat són set àmbits on la IA pot aportar: administració i gestió de comandes, planificació de la producció, control de qualitat, activitat comercial, gestió del coneixement, desenvolupament i manteniment d'aplicacions i eficiència energètica.

El més útil no és la llista, sinó la conclusió. Fins ara les empreses han fet servir la IA sobretot per preparar documents, analitzar informació, consultar normativa o crear eines internes; a fàbrica comencen a explorar la planificació, la detecció de defectes per imatge i l'anàlisi de paràmetres de funcionament. El Clúster proposa passar de proves soltes a projectes concrets i mesurables: triar les aplicacions prioritàries, preparar processos i equips, i fer pilots abans d'estendre-les. El seu director ho resumeix en una frase: la implantació ha de respondre a necessitats concretes. L'informe afegeix que la tecnologia sola no garanteix res: calen formació pràctica, dades fiables, procediments definits i recursos.

No és un cas aïllat. A finals d'octubre, l'institut tecnològic ITENE va presentar FLEXIA, un projecte que va de juliol de 2026 a desembre de 2027, amb el suport de l'IVACE+i i fons FEDER. Vol predir amb aprenentatge automàtic les propietats dels envasos flexibles per a aliments abans de fabricar-los i vigilar amb sensors les variables crítiques del procés, per detectar desviacions i reduir defectes i pèrdues de material.

Què significa per a una planta d'envasat

L'informe parla de qui fabrica l'envàs, però la lliçó val igual a l'altre costat, a la planta que omple, tanca i etiqueta. Dels set àmbits, tres es noten directament a la línia: control de qualitat, planificació de la producció i eficiència energètica. I en tots tres el punt de partida és el mateix: un problema del qual ja se sap quant costa.

En qualitat, l'exemple més clar és la inspecció per imatge. Hi ha defectes que la visió clàssica resol bé amb regles fixes, com una data que falta o un tap alt. D'altres canvien de forma i d'aspecte a cada envàs, com una arruga en un segellat o una etiqueta mal assentada sobre un envàs flexible; és aquí on aporta un model de deep learning entrenat amb imatges de la mateixa línia. Però abans de parlar d'IA convé saber quants envasos es rebutgen avui, quants d'aquests rebuigs són falsos i quantes reclamacions arriben.

Amb les dades de procés passa el que descriu ITENE per a la fabricació de l'envàs: una temperatura de mordassa, una tensió de bobina o una pressió que es desvien avisen abans que surti el defecte. Per aprofitar-ho cal registrar aquestes variables amb el seu lot, format i torn, i saber com es comporta la línia quan funciona bé. És el que expliquem a la nostra pàgina d'intel·ligència artificial aplicada: connectar les dades que ja existeixen i fer-los preguntes concretes. I és la mateixa idea que defensàvem a propòsit d'Alimentaria FoodTech 2026: la IA es jutja com qualsevol altra màquina, pel que mesura i pel que resol.

Claus pràctiques

  • Començar per un problema amb cost conegut: rebuigs, falsos rebuigs, mermes o aturades, no «aplicar IA» en general.
  • Mesurar abans de canviar: la situació de partida és la que dirà si el pilot ha funcionat.
  • Dades amb el seu context: cada imatge o lectura, amb el seu lot, format i torn.
  • Un pilot en una sola línia: la que dona més problemes, amb el criteri d'èxit escrit abans de començar.
  • Formar qui ho farà servir: operaris i manteniment han d'entendre què fa el sistema i què cal fer quan avisa.

La IA no substitueix el coneixement de la línia: l'aprofita. Si està pensant en un primer projecte, parlem-ne.

CompartirLinkedIn

Més articles