Autores: Lucía Collado, Pablo López, Miguel Ángel Ramírez y Paula Torres.
¿Alguna vez te has parado a pensar en la precisión matemática que requieren las líneas blancas y amarillas pintadas en las pistas de un aeropuerto? La señalización horizontal en el lado aire es vital para la seguridad de los aviones, pero su inspección sigue dependiendo de un factor tan tradicional como falible: el ojo humano.
En el marco del Reto EELISA, hemos desarrollado una solución innovadora para PintAIR S.L. que transforma radicalmente este proceso, sustituyendo las revisiones manuales por un sistema automatizado de drones de alta precisión e Inteligencia Artificial.
Hasta ahora, la inspección post-pintado se realiza de forma visual y nocturna, aprovechando las reducidas ventanas en las que las pistas no tienen tráfico. ¿El gran inconveniente? El ojo humano no puede detectar micro-defectos de retrorreflexión la capacidad de la pintura para reflejar la luz de los faros del avión ni ligeras desviaciones de espesor en mitad de la noche.
La Propuesta: Inspección Inteligente Automática
Nuestra mejora consiste en introducir un vuelo de dron automatizado e inteligente inmediatamente después de finalizar el proceso de pintado, asegurando la calidad in situ antes de reabrir la pista al tráfico aeroportuario.
El sistema opera mediante tres etapas clave:
1. Captura Multiespectral
Un dron multirrotor de entre 4 y 10 kg sobrevuela el área equipada con tres tecnologías punteras:
- Cámara RGB de 61 MP: Obtiene una resolución de imagen ultra-alta para mapear bordes irregulares o goteos de pintura.
- Sensor LiDAR: Escanea la superficie en 3D para medir con precisión micrométrica el espesor real de la capa de pintura depositada.
- Cámara Térmica: Monitoriza la temperatura de la pintura para alertar sobre problemas de secado o delaminación temprana por humedad ambiental.
2. Cerebro de Inteligencia Artificial (Deep Learning)
Los datos brutos no sirven de nada sin un cerebro que los interprete. El sistema procesa la información mediante una red neuronal R-CNN (región con redes neuronales convolucionales). Esta IA ha sido entrenada con el histórico de fallos de la empresa y tramos de prueba calibrados para realizar de forma autónoma:
- Detección de micro-defectos de geometría y retrorreflexión.
- Cálculo automático de dosificación de microesferas de vidrio.
- Clasificación de la causa raíz (fallo en la presión de boquilla, viscosidad de la pintura o exceso de humedad).
3. Decisión Eficiente
Siguiendo los estándares éticos modernos, la IA no sustituye al humano; lo asiste. El software genera un informe instantáneo de Go / No-Go. Si detecta un fallo severo, el Jefe de Equipo recibe la alerta geolocalizada en su tablet y decide corregir y repintar el tramo in situ en ese mismo momento, logrando un repaso cero una vez cerrada la obra.
Impacto Cuantificado y Sostenibilidad Circular
Esta solución no solo eleva los estándares de calidad de la norma ISO 9001, sino que se integra perfectamente con las políticas ambientales ISO 14001 de economía circular mediante los siguientes beneficios:
| Indicador (KPI) de Calidad y Sostenibilidad | Objetivo SIG (2026) |
| FTQ (Conformidad a la primera) | >95% |
| Tasa de fallos global | < 2\% |
| Reclamaciones de repaso a 30 días | 0 |
- Prevención frente a corrección: Detectar el micro-defecto en los primeros minutos permite corregir usando unos pocos gramos de pintura localizados en vez de tener que repintar tramos enteros de kilómetros (ahorrando toneladas de material y disolventes peligrosos).
- Reducción drástica de emisiones COV: Menos repasos tardíos implican evitar viajes y vuelos logísticos de equipos de pintura a aeropuertos insulares. Además, el dron empleado es 100% eléctrico.
Plan de Despliegue Operativo
La implementación de este sistema inteligente en PintAIR está diseñada como un plan riguroso de 18 meses, optimizando recursos internos y sin necesidad de nuevas contrataciones externas:
- Fase 1 (Mes 0-3): Selección del equipamiento dron C3, diseño de especificaciones de datos (FDS) y formación oficial del técnico de aplicación bajo normativa AESA (AVSAF).
- Fase 2 (Mes 3-6): Ejecución de 5 actuaciones piloto acotadas y etiquetado masivo del algoritmo R-CNN.
- Fase 3 (Mes 6-12): Despliegue operativo generalizado hasta alcanzar el 100% de actuaciones inspeccionadas mediante el sistema.
- Fase 4 (Mes 12+): Operación regular con auditoría interna y reentrenamiento trimestral de la IA por parte del Departamento de Ingeniería.
La automatización inteligente demuestra, una vez más, que la unión de la ingeniería aeronáutica y el análisis predictivo es la mejor ruta hacia unas infraestructuras más eficientes, seguras y respetuosas con nuestro planeta.
