{"id":83339,"date":"2024-12-14T14:12:02","date_gmt":"2024-12-14T06:12:02","guid":{"rendered":"https:\/\/solomon-3d.mesvr.tw\/?p=83339"},"modified":"2025-03-10T11:21:21","modified_gmt":"2025-03-10T03:21:21","slug":"cuales-son-las-diferencias-entre-ia-y-aoi","status":"publish","type":"post","link":"https:\/\/solomon-3d.mesvr.tw\/es\/blog\/cuales-son-las-diferencias-entre-ia-y-aoi\/","title":{"rendered":"\u00bfCu\u00e1les son las diferencias entre IA y AOI?"},"content":{"rendered":"
<\/div>
\n
<\/div>\n
\n

\u00bfCu\u00e1les son las diferencias entre IA y AOI?<\/h1><\/div>\n\n\n\n
\n
\"\"<\/div>\n<\/div>\n <\/div><\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Introducci\u00f3n al AOI<\/h2>\n\n\n\n
La transici\u00f3n de una era de manufactura caracterizada por la producci\u00f3n en masa con variedad limitada a un modelo din\u00e1mico actual que enfatiza la producci\u00f3n de bienes de bajo volumen y alta variedad ha hecho que el control de calidad y la inspecci\u00f3n sean m\u00e1s complejos y desafiantes. Los productos ahora vienen en una gama m\u00e1s amplia de formas, tama\u00f1os, materiales y otras caracter\u00edsticas, lo que a menudo lleva a defectos m\u00e1s indefinidos.

En consecuencia, los sistemas AOI (Inspecci\u00f3n \u00d3ptica Autom\u00e1tica)<\/a> se han convertido en la soluci\u00f3n predominante para la detecci\u00f3n de defectos en los procesos industriales. Sin embargo, la AOI convencional depende de muestras de defectos predefinidas y par\u00e1metros fijos para la detecci\u00f3n de defectos<\/a>, lo que limita la capacidad de los sistemas AOI para realizar inspecciones \u00e1giles y r\u00e1pidas. La probabilidad de que los sistemas de inspecci\u00f3n tradicionales pasen por alto defectos aumenta sustancialmente; sin embargo, la IA ofrece una soluci\u00f3n transformadora para la visi\u00f3n artificial al facilitar inspecciones m\u00e1s flexibles y eficientes.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Detecci\u00f3n de defectos usando AOI<\/h2>\n\n\n\n
A medida que los productos de electr\u00f3nica de consumo contin\u00faan avanzando, industrias como los semiconductores<\/a>, optoelectr\u00f3nica<\/a> y manufactura inteligente<\/a> est\u00e1n experimentando un crecimiento sustancial. Dado que los defectos pueden afectar la funcionalidad del producto, existe una creciente necesidad de mejorar el rendimiento en los sectores de manufactura. Las l\u00edneas de producci\u00f3n tradicionales han dependido de la inspecci\u00f3n manual de los patrones de defectos del producto, pero este m\u00e9todo no cumple con la demanda de una inspecci\u00f3n exhaustiva y eficiencia en la producci\u00f3n.

Los sistemas AOI, impulsados por la tecnolog\u00eda de visi\u00f3n artificial, combinan a la perfecci\u00f3n \u00f3ptica, control electr\u00f3nico, mec\u00e1nica y software de inspecci\u00f3n para realizar tareas de inspecci\u00f3n precisas. Estos sistemas mejoran la eficiencia en la detecci\u00f3n de defectos al resaltar caracter\u00edsticas de la imagen mediante configuraciones optimizadas de fuentes de luz y utilizar t\u00e9cnicas avanzadas de procesamiento de im\u00e1genes por computadora para una posicionamiento e inspecci\u00f3n precisos. Al realizar una inspecci\u00f3n r\u00e1pida de defectos, contaminantes e irregularidades en productos terminados y semi-terminados en la l\u00ednea de producci\u00f3n, los sistemas AOI pueden mejorar considerablemente las medidas de control de calidad.

En comparaci\u00f3n con los m\u00e9todos de inspecci\u00f3n manual, los sistemas AOI proporcionan un nivel superior de consistencia en la detecci\u00f3n de defectos. Adem\u00e1s, los sistemas AOI equipados con c\u00e1maras de alta resoluci\u00f3n<\/a> pueden discernir detalles complejos que pueden ser dif\u00edciles de detectar para el ojo humano. Adem\u00e1s, su capacidad para inspeccionar miles de art\u00edculos por minuto aborda las ineficiencias inherentes a los procesos tradicionales de inspecci\u00f3n visual manual.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Explora m\u00e1s sobre AOI y sus ventajas<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Aplicaciones industriales de AOI<\/h2>\n\n\n\n
La tecnolog\u00eda AOI se utiliza ampliamente en diversos sectores industriales para inspeccionar productos en busca de deformidades, da\u00f1os, componentes faltantes, suciedad, ara\u00f1azos y otros defectos, mientras realiza tareas cr\u00edticas como la lectura de c\u00f3digos de barras, mediciones precisas e inspecci\u00f3n de impresi\u00f3n. Como resultado, diversas industrias, incluyendo electr\u00f3nica<\/a>, textiles<\/a>, alimentos y bebidas<\/a>, y automotriz<\/a>, se benefician de la tecnolog\u00eda AOI.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
\"Sistema<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Limitaciones del AOI para la detecci\u00f3n de defectos<\/h2>\n\n\n\n
Aunque la adopci\u00f3n de AOI se ha generalizado en varios sectores industriales, la naturaleza altamente personalizada de AOI presenta desaf\u00edos y limitaciones para su implementaci\u00f3n generalizada. En particular, cuando se enfrentan a defectos complejos en productos, fondos de imagen y variaciones en la iluminaci\u00f3n, los sistemas AOI pueden encontrar restricciones.

El sistema AOI funciona con un mecanismo de juicio basado en reglas, donde la l\u00f3gica de detecci\u00f3n est\u00e1 programada en el sistema. AOI solo puede identificar defectos basados en par\u00e1metros predefinidos establecidos como referencia para inspeccionar defectos de muestra. Por ejemplo, si la l\u00f3gica de detecci\u00f3n define los defectos como circulares, cualquier defecto no circular puede pasar desapercibido por el sistema AOI. Defectos generados aleatoriamente, como variaciones en la calidad de la c\u00e1scara de huevo<\/a>, defectos anormales en el ensamblaje de PCBA<\/a>, manchas de aceite en hebillas de pl\u00e1stico<\/a> y ara\u00f1azos en partes met\u00e1licas estampadas<\/a>, representan desaf\u00edos significativos para que AOI detecte efectivamente tales complejidades.

Para mitigar el riesgo de defectos no detectados, los sistemas AOI a menudo se configuran con par\u00e1metros muy estrictos, lo que hace que el sistema AOI sea excesivamente sensible y susceptible a falsos positivos. Adem\u00e1s, los operadores del sistema deben ajustar continuamente los algoritmos y par\u00e1metros, mientras que las l\u00edneas de producci\u00f3n pueden requerir inspecciones repetidas del producto para evitar la omisi\u00f3n de defectos o falsos positivos. Estos factores impactan significativamente la eficiencia de la producci\u00f3n y aumentan los costos de producci\u00f3n.

La efectividad de AOI depende de la coordinaci\u00f3n precisa de las fuentes de luz, las c\u00e1maras y las lentes. En cuanto a las fuentes de luz, ajustar su intensidad y caracter\u00edsticas es crucial para mejorar el contraste y mostrar eficazmente las caracter\u00edsticas del objeto. Este ajuste debe personalizarse seg\u00fan el material, el color y la forma del objeto bajo inspecci\u00f3n para obtener im\u00e1genes \u00f3ptimas y reducir el riesgo de falsos positivos. Al seleccionar las c\u00e1maras, se deben considerar cuidadosamente factores como los componentes de sensibilidad, la resoluci\u00f3n y las velocidades de fotogramas seg\u00fan los requisitos de inspecci\u00f3n. Estas c\u00e1maras deben emparejarse con lentes adecuadas para aprovechar completamente las capacidades del sistema \u00f3ptico.

Aparte de las complejidades de los detalles del equipo que afectan la obtenci\u00f3n de im\u00e1genes, los operadores tambi\u00e9n deben encargarse de la tarea de reconfigurar los par\u00e1metros de la m\u00e1quina y la alineaci\u00f3n cuando se necesiten ajustes o reemplazos de componentes, bas\u00e1ndose en su experiencia. Adem\u00e1s, ajustar los componentes de hardware y software es inherentemente complejo, y los tiempos de reparaci\u00f3n pueden variar ampliamente, desde unos pocos d\u00edas hasta varios meses. Esto presenta desaf\u00edos para satisfacer las demandas din\u00e1micas de las l\u00edneas de producci\u00f3n modernas. Como resultado, muchas industrias que utilizan AOI han adoptado recientemente la inteligencia artificial (IA)<\/a> para mejorar la precisi\u00f3n y eficiencia de las inspecciones.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Profundice en las ventajas de integrar la IA con AOI<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Detecci\u00f3n de defectos usando IA<\/h2>\n\n\n\n
La principal diferencia entre la inspecci\u00f3n basada en IA y la detecci\u00f3n de defectos tradicional AOI radica en su dependencia de reglas emp\u00edricas. La IA act\u00faa como un nuevo aprendiz, capaz de imitar las habilidades de inspecci\u00f3n de un maestro artesano hasta cierto punto. La IA puede definir de manera aut\u00f3noma los rangos de defectos y modelos de detecci\u00f3n anormales utilizando grandes cantidades de datos v\u00e1lidos y entrenando el modelo del sistema mediante t\u00e9cnicas de aprendizaje profundo<\/a>. La IA puede identificar autom\u00e1ticamente los par\u00e1metros \u00f3ptimos para defectos aceptables (OK) y no aceptables (NG), lo que permite una detecci\u00f3n eficaz de defectos desconocidos, garantiza la consistencia en los est\u00e1ndares de inspecci\u00f3n y mejora enormemente la precisi\u00f3n de la inspecci\u00f3n.

Debido a las variaciones significativas en el conocimiento del dominio entre industrias, los ingenieros tradicionales de AOI involucrados en el desarrollo de sistemas AOI para sectores espec\u00edficos pueden enfrentar desaf\u00edos al abordar r\u00e1pidamente problemas pr\u00e1cticos de campo. Por lo tanto, las soluciones efectivas a menudo requieren colaboraci\u00f3n con expertos de la industria para dise\u00f1ar hardware y reglas de AOI adecuadas a las necesidades del sector. En contraste, los sistemas de detecci\u00f3n de defectos basados en IA<\/a> aprenden las caracter\u00edsticas de imagen necesarias para la detecci\u00f3n a trav\u00e9s de interfaces. Una vez entrenados, los sistemas de IA pueden generar aut\u00f3nomamente las reglas de detecci\u00f3n. Existen diferencias notables en la eficiencia de aprendizaje y la potencia de ejecuci\u00f3n entre estos dos enfoques.

Adem\u00e1s de optimizar la precisi\u00f3n de la detecci\u00f3n a trav\u00e9s del aprendizaje profundo, la tecnolog\u00eda de IA aborda notablemente los problemas relacionados con el impacto de las fuentes de luz en el rendimiento de la detecci\u00f3n. Los sistemas AOI tradicionales a menudo enfrentan limitaciones debido a las condiciones de iluminaci\u00f3n, los \u00e1ngulos de imagen, las sombras reflejadas y el material y la forma del objeto bajo inspecci\u00f3n (especialmente materiales semi-transparentes y superficies met\u00e1licas). Estas limitaciones a menudo impiden la obtenci\u00f3n de resultados de detecci\u00f3n precisos. En contraste, la precisi\u00f3n de la inspecci\u00f3n basada en IA es menos dependiente de las fuentes de luz. Con una fuente de luz estable, la IA puede realizar eficazmente la detecci\u00f3n<\/a> y clasificaci\u00f3n<\/a> de defectos incluso en escenarios con contornos borrosos, diferentes formas e interferencias de materiales met\u00e1licos reflectantes.

La detecci\u00f3n de defectos basada en IA sobresale en defectos intrincados en superficies y apariencia, como abolladuras y ara\u00f1azos en objetos reflectantes. Adem\u00e1s, la IA puede ser competente en tareas de OCR (Reconocimiento \u00d3ptico de Caracteres)<\/a>, incluso cuando se inspeccionan caracteres deformados o menos reconocibles. Adem\u00e1s, los sistemas basados en IA son h\u00e1biles en la detecci\u00f3n de patrones y defectos impredecibles, independientemente de las variaciones de color y tama\u00f1o, deformaciones extensas, formas complejas o dispersi\u00f3n aleatoria. La IA analiza de manera integral los datos, determinando con precisi\u00f3n la presencia de defectos.

Por lo tanto, los sistemas de visi\u00f3n AI<\/a> superan a los sistemas tradicionales basados en reglas de AOI en t\u00e9rminos de velocidad, precisi\u00f3n y costos laborales, abordando los desaf\u00edos inherentes a aplicaciones complejas de detecci\u00f3n y clasificaci\u00f3n.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n

Detecci\u00f3n de defectos usando IA: Estudio de caso<\/h2>\n\n\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
En la industria farmac\u00e9utica, las l\u00edneas de producci\u00f3n de bl\u00edsteres suelen manejar entre 5,000 y 40,000 p\u00edldoras por hora. Sin embargo, pueden ocurrir errores durante el llenado, lo que resulta en defectos como bl\u00edsteres vac\u00edos, contenidos de baja calidad o derrames de polvo de las c\u00e1psulas. Al entrenar modelos de IA en SolVision<\/a> con una variedad de im\u00e1genes de defectos, cada paquete y condici\u00f3n de llenado pueden ser r\u00e1pidamente identificados, etiquetados y clasificados con precisi\u00f3n.<\/div>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n
\n
\n
\n
Aprenda m\u00e1s sobre la inspecci\u00f3n de bl\u00edsteres utilizando IA en este estudio de caso<\/span><\/span><\/span><\/a><\/div>\n<\/div>\n<\/div>\n <\/div><\/div>","protected":false},"excerpt":{"rendered":"

Descubre c\u00f3mo la tecnolog\u00eda de visi\u00f3n AI est\u00e1 revolucionando la detecci\u00f3n de defectos m\u00e1s all\u00e1 del AOI tradicional. Este an\u00e1lisis profundo explora las principales diferencias entre AI y AOI.<\/p>","protected":false},"author":875,"featured_media":89323,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_gspb_post_css":"#gspb_row-id-gsbp-5aebb46{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap;min-height:250px;padding:0;overflow:hidden;background-size:cover;background-repeat:no-repeat;background-position:50% 68%;background-image:url(https:\/\/solomon-3d.mesvr.tw\/wp-content\/uploads\/2024\/01\/\u2014Pngtree\u2014technological-sense-geometric-line-simple_932581-1.jpg);filter:brightness(1) contrast(1) grayscale(0)}#gspb_row-id-gsbp-5aebb46>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}div[id^=gspb_col-id]{box-sizing:border-box;position:relative;padding:var(--gs-row-column-padding, 15px min(3vw, 20px))}body.gspb-bodyfront #gspb_row-id-gsbp-07a22fc>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-249db28>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-266e9b3>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-26f992e>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-2fbb568>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-44510c0>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-5365471>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-54aacdc>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-5aebb46>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-65a6d4d>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-82c1fd4>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-83837a5>.gspb_row__content,body.gspb-bodyfront #gspb_row-id-gsbp-ddad9e1>.gspb_row__content{max-width:var(--wp--style--global--wide-size, 1200px)}#gspb_row-id-gsbp-5aebb46:hover{background-size:cover}#gspb_col-id-gsbp-a43d08d.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-a43d08d.gspb_row__col--12{width:100%}}#gspb_row-id-gsbp-2fbb568{min-height:100%}#gspb_row-id-gsbp-2fbb568>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}body.gspb-bodyfront #gspb_row-id-gsbp-2fbb568{z-index:10}#gspb_col-id-gsbp-f1762f9.gspb_row__col--6{width:50%}@media (max-width:767.98px){#gspb_col-id-gsbp-f1762f9.gspb_row__col--6{width:100%}}@media (max-width:575.98px){#gspb_col-id-gsbp-f1762f9.gspb_row__col--6{width:100%}}#gspb_col-id-gsbp-f1762f9.gspb_row__col--6{flex-direction:column}body #gspb_col-id-gsbp-f1762f9.gspb_row__col--6{display:flex;flex-direction:column;justify-content:center}#gspb_col-id-gsbp-7a4a754.gspb_row__col--6{width:50%}@media (max-width:767.98px){#gspb_col-id-gsbp-7a4a754.gspb_row__col--6{width:100%}}@media (max-width:575.98px){#gspb_col-id-gsbp-7a4a754.gspb_row__col--6{width:100%}}body #gspb_col-id-gsbp-7a4a754.gspb_row__col--6{display:flex;flex-direction:column;justify-content:flex-end}#gspb_row-id-gsbp-2fbb568,#gspb_row-id-gsbp-44510c0,#gspb_row-id-gsbp-65a6d4d,#gspb_row-id-gsbp-83837a5{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap}#gspb_row-id-gsbp-44510c0>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-047c80d.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-047c80d.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-b2beeee{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-1b48ec5.gspb_container>p:last-of-type,#gspb_container-id-gsbp-1c26103.gspb_container>p:last-of-type,#gspb_container-id-gsbp-529ff3b.gspb_container>p:last-of-type,#gspb_container-id-gsbp-718facc.gspb_container>p:last-of-type,#gspb_container-id-gsbp-765a81d.gspb_container>p:last-of-type,#gspb_container-id-gsbp-9167946.gspb_container>p:last-of-type,#gspb_container-id-gsbp-9ca7df1.gspb_container>p:last-of-type,#gspb_container-id-gsbp-ae19e2f.gspb_container>p:last-of-type,#gspb_container-id-gsbp-b2beeee.gspb_container>p:last-of-type,#gspb_container-id-gsbp-f829605.gspb_container>p:last-of-type,#gspb_container-id-gsbp-fee0c95.gspb_container>p:last-of-type{margin-bottom:0}#gspb_container-id-gsbp-b2beeee.gspb_container{position:relative}.gspb_text-id-gsbp-040fecb{font-size:20px}#gspb_row-id-gsbp-83837a5>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-234410e.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-234410e.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-1b48ec5{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-1b48ec5.gspb_container{position:relative}.gspb_text-id-gsbp-7f6c250{font-size:20px}#gspb_row-id-gsbp-65a6d4d>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-1fc92a7.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-1fc92a7.gspb_row__col--12{width:100%}}#gspb_container-id-gsbp-529ff3b.gspb_container{position:relative}#gspb_button-id-gsbp-2f3c0b4{display:flex;justify-content:center}#gspb_button-id-gsbp-2f3c0b4 .gspb-buttonbox-text{display:flex;flex-direction:column}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox{box-sizing:border-box;padding:5px 30px;background-color:#e4002b;font-size:22px;text-align:center!important;font-weight:700!important;color:var(--wp--preset--color--white, #ffffff);border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox:hover{background-color:var(--wp--preset--color--white, #ffffff)!important}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox .gsap-g-line{text-align:center!important}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox:hover{color:#e4002b;border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox,#gspb_button-id-gsbp-2f3c0b4>.gspb-buttonbox>.gspb_backgroundOverlay{border-top-left-radius:20px;border-top-right-radius:20px;border-bottom-right-radius:20px;border-bottom-left-radius:20px}#gspb_row-id-gsbp-54aacdc,#gspb_row-id-gsbp-82c1fd4{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap}#gspb_row-id-gsbp-54aacdc>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-7782d90.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-7782d90.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-529ff3b,.gspb_container-id-gsbp-ae19e2f{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-ae19e2f.gspb_container{position:relative}.gspb_text-id-gsbp-6886292{font-size:20px}#gspb_row-id-gsbp-82c1fd4>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-d860a2c.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-d860a2c.gspb_row__col--12{width:100%}}#gspb_container-id-gsbp-718facc.gspb_container{position:relative}#gspb_image-id-gsbp-672ea67{text-align:center;height:auto}#gspb_image-id-gsbp-672ea67 img{vertical-align:middle;display:inline-block;box-sizing:border-box;max-width:100%;width:600px}@media (max-width:575.98px){#gspb_image-id-gsbp-672ea67 img{width:custom}}#gspb_image-id-gsbp-672ea67 img{height:auto}@media (max-width:991.98px){#gspb_image-id-gsbp-672ea67,#gspb_image-id-gsbp-672ea67 img{height:auto}}@media (max-width:767.98px){#gspb_image-id-gsbp-672ea67,#gspb_image-id-gsbp-672ea67 img{height:auto}}@media (max-width:575.98px){#gspb_image-id-gsbp-672ea67,#gspb_image-id-gsbp-672ea67 img{height:165px}}#gspb_row-id-gsbp-07a22fc,#gspb_row-id-gsbp-249db28{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap}#gspb_row-id-gsbp-249db28>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-2caca17.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-2caca17.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-718facc,.gspb_container-id-gsbp-f829605{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-f829605.gspb_container{position:relative}.gspb_text-id-gsbp-5a36a15{font-size:20px}#gspb_row-id-gsbp-07a22fc>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-de33bf0.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-de33bf0.gspb_row__col--12{width:100%}}#gspb_container-id-gsbp-765a81d.gspb_container{position:relative}#gspb_button-id-gsbp-260cb2e{display:flex;justify-content:center}#gspb_button-id-gsbp-260cb2e .gspb-buttonbox-text{display:flex;flex-direction:column}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox{box-sizing:border-box;padding:5px 30px;background-color:#e4002b;font-size:22px;text-align:center!important;font-weight:700!important;color:var(--wp--preset--color--white, #ffffff);border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox:hover{background-color:var(--wp--preset--color--white, #ffffff)!important}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox .gsap-g-line{text-align:center!important}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox:hover{color:#e4002b;border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox,#gspb_button-id-gsbp-260cb2e>.gspb-buttonbox>.gspb_backgroundOverlay{border-top-left-radius:20px;border-top-right-radius:20px;border-bottom-right-radius:20px;border-bottom-left-radius:20px}#gspb_row-id-gsbp-266e9b3,#gspb_row-id-gsbp-26f992e,#gspb_row-id-gsbp-5365471,#gspb_row-id-gsbp-ddad9e1{justify-content:space-between;margin-top:0;margin-bottom:0;display:flex;flex-wrap:wrap}#gspb_row-id-gsbp-5365471>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-c584400.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-c584400.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-765a81d,.gspb_container-id-gsbp-9ca7df1{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-9ca7df1.gspb_container{position:relative}.gspb_text-id-gsbp-f1f76e4{font-size:20px}#gspb_row-id-gsbp-266e9b3>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-39b6cec.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-39b6cec.gspb_row__col--12{width:100%}}#gspb_container-id-gsbp-9167946.gspb_container{position:relative}#gspb_row-id-gsbp-26f992e>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}#gspb_col-id-gsbp-69590a8.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-69590a8.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-1c26103,.gspb_container-id-gsbp-9167946{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-1c26103.gspb_container{position:relative}.gspb_text-id-gsbp-7176a78{font-size:20px}#gspb_row-id-gsbp-ddad9e1>.gspb_row__content{display:flex;justify-content:space-between;margin:0 auto;width:100%;flex-wrap:wrap}.gspb_row{position:relative}#gspb_col-id-gsbp-84f0b69.gspb_row__col--12{width:100%}@media (max-width:575.98px){#gspb_col-id-gsbp-84f0b69.gspb_row__col--12{width:100%}}.gspb_container-id-gsbp-fee0c95{flex-direction:column;box-sizing:border-box}#gspb_container-id-gsbp-fee0c95.gspb_container{position:relative}#gspb_button-id-gsbp-eda4edc{display:flex;justify-content:center}#gspb_button-id-gsbp-eda4edc .gspb-buttonbox-text{display:flex;flex-direction:column}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox{box-sizing:border-box;padding:5px 30px;background-color:#e4002b;font-size:22px;text-align:center!important;font-weight:700!important;color:var(--wp--preset--color--white, #ffffff);border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox:hover{background-color:var(--wp--preset--color--white, #ffffff)!important}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox .gsap-g-line{text-align:center!important}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox:hover{color:#e4002b;border-style:solid;border-width:2px;border-color:#e4002b}#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox,#gspb_button-id-gsbp-eda4edc>.gspb-buttonbox>.gspb_backgroundOverlay{border-top-left-radius:20px;border-top-right-radius:20px;border-bottom-right-radius:20px;border-bottom-left-radius:20px}","footnotes":""},"categories":[3021],"tags":[],"class_list":["post-83339","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"acf":[],"lang":"es","translations":{"es":83339,"zh":80357,"tw":51282,"en":76368,"jp":85901,"pt":90064,"tr":90464,"de":90938,"fr":92719,"vi":93985,"th":96971,"it":98410,"ko":95155},"_links":{"self":[{"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/posts\/83339","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/users\/875"}],"replies":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/comments?post=83339"}],"version-history":[{"count":0,"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/posts\/83339\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/media\/89323"}],"wp:attachment":[{"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/media?parent=83339"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/categories?post=83339"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/es\/wp-json\/wp\/v2\/tags?post=83339"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}