Arranque de receta sin papel

El problema

La receta que define el caldo vive medio turno dentro de una carpeta.

Cada arranque de lote en una fábrica de caldos y sopas empieza con una Orden de Fabricación en papel y una ficha de receta que fija sal, aromas, almidón y grasa para ese formato y esa marca concreta. Con varias marcas compartiendo la misma dosificadora en turnos distintos, ambos documentos pueden pasar 4 a 8 horas sin digitalizarse. Si surge una reclamación de sabor o textura, reconstruir qué receta exacta se usó en ese lote depende de encontrar el papel correcto en la carpeta del responsable de dosificación — un proceso lento justo cuando se necesita rapidez.

• Cada arranque empieza con una Orden de Fabricación impresa y una ficha de receta que fija sal, aromas, almidón, extracto y grasa para esa marca y ese formato concretos.
• Con varias marcas alternándose en la misma dosificadora, los dos papeles pueden pasar de 4 a 8 horas sin digitalizarse, y el responsable de dosificación anota a mano cualquier ajuste sobre la ficha.
• Durante ese hueco el lote existe en la tolva, pero no existe en ningún sistema al que se pueda preguntar. La planta produce a ciegas respecto a su propia documentación.
• Si entra una reclamación de sabor o de textura, reconstruir qué receta exacta se usó depende de encontrar el papel correcto en la carpeta del responsable de dosificación — lento justo cuando hace falta ir rápido.

Cómo encaja con el sistema IRIS

Connect en modo foto — dos fotos al arrancar y ningún hábito nuevo.

Connect modo foto: el operario hace dos fotos con el móvil a la OF y a la ficha de receta al arrancar. Un LLM anclado extrae los campos estructurados (lote, marca, formato, proporciones de receta, alérgenos declarados) sin que el operario cambie ningún hábito. El dato pasa por la tableta de verificación humana temprana antes de entrar al sistema central.

Es el despliegue más corto de los doce y el que menos discusión genera en planta, porque no pide cambiar nada: el operario sigue rellenando su papel y solo añade dos fotos con el móvil que ya lleva encima. Un LLM anclado extrae lote, marca, formato, proporciones y alérgenos declarados, y el resultado pasa por la tableta de verificación antes de entrar al sistema central. Por eso suele ser el primero que se firma.

Ver la arquitectura IRIS completa →

Antes y después

El arranque de receta de hoy frente al arranque capturado

Aspecto	Hoy, en papel	Con iLEAN Connect
Tiempo hasta que el lote es consultable	4-8 horas	Segundo cero
Proporciones de sal, extracto y grasa	En la ficha, dentro de una carpeta	Campos estructurados por lote
Marca y formato en curso	Se sabe preguntando	Atados al lote desde el arranque
Reclamación de sabor o textura	Buscar el papel correcto	Una consulta por lote
Ajuste que anota dosificación a mano	Se pierde si nadie lo teclea	Extraído y atado al lote
Hábito del operario	—	Sin cambios: dos fotos

4-8 horas de latencia hasta digitalizar la receta del lote → el lote existe en el sistema central en el segundo cero, con su receta exacta consultable al instante.

Estimación de impacto

Estimación de impacto — a validar con vuestros números.

El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Payback estimado 4-9 meses, según el número de lotes al día.
• Tiempo de transcripción del responsable de dosificación, recuperado entero y devuelto a la línea.
• De 4-8 horas de latencia al segundo cero, también en el turno de noche y en el arranque del lunes.
• Y la receta exacta de cada lote deja de depender de que alguien encuentre el papel dentro de una carpeta.

Payback estimado 4-9 meses según volumen de lotes/día, con recuperación del tiempo de transcripción del responsable de dosificación. Estimación a validar.

Y la duda razonable del responsable de producción

«¿Y si lee mal una proporción de la ficha de receta?» — leer campos de un documento de estructura conocida es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]. Y hay una segunda red: el resumen pasa por la tableta de verificación a pie de línea y el responsable de dosificación lo confirma o lo corrige antes de que cruce al sistema central.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.