Foto al albarán, no tecleo mientras el producto pierde frío

El problema

La trazabilidad empieza con un tecleo hecho bajo presión de frío.

La recepción de materia prima perecedera compite entre trazabilidad y velocidad: con producto sensible a temperatura, cada minuto tecleando en el ERP es un minuto de cadena de frío comprometida. Si se hace rápido, se meten lotes mal, y eso aparece semanas después si hay una alerta sanitaria intrazable.

• El camión llega con carne, pollo, queso, masa o harina: un albarán de doce a veinte líneas, un lote por caja y etiquetas que cada proveedor imprime a su manera, unas con simbología estándar y otras con un texto mecanografiado.
• Con producto sensible a temperatura, cada minuto tecleando en el ERP es un minuto de cadena de frío comprometida.
• Las dos salidas son malas: o se teclea despacio y bien, con el producto fuera de cámara, o se teclea deprisa y los lotes quedan mal asociados. En la práctica siempre gana la prisa, porque el frío no espera y el transportista tampoco.
• Y eso reaparece semanas después, en la alerta sanitaria en la que hay que demostrar de qué lote de relleno salió la bandeja que llegó al cliente. Si la asociación entre caja y lote se hizo mal en el muelle, la cadena está rota desde el primer eslabón y ninguna trazabilidad posterior la arregla.

Cómo encaja con el sistema IRIS

Connect en modo foto a lo analógico — sin pedir cambios al proveedor.

Connect modo foto a lo analógico: visión IA reconoce el formato del albarán sin pedir al proveedor que cambie el suyo, y extrae la estructura tabular. Para las etiquetas de caja: reconoce GS1-128, QR, código de barras u OCR plano. Validación con un toque en tableta.

La visión reconoce el albarán de cada proveedor tal y como viene, y las etiquetas de caja por GS1-128, QR, código de barras o texto plano. Nadie tiene que negociar con el proveedor un formato común, que es la razón por la que este problema lleva años sin resolverse en casi todas las plantas del sub-sector.

Ver la arquitectura IRIS completa →

Antes y después

La recepción de hoy frente a la recepción capturada

Aspecto	Hoy	Con iLEAN Connect
Producto fuera de cámara	El tiempo que dure el tecleo	El tiempo de una foto
Lotes de materia prima	Mal asociados si hay prisa	Leídos de la etiqueta de caja
Formato del albarán	Distinto por proveedor	Se lee tal cual viene
Cruce albarán ↔ etiquetas	No lo hace nadie	Discrepancia resaltada antes de validar
Alerta sanitaria	Trazabilidad rota hacia atrás	Cadena completa hasta el proveedor
Licencias de recepción y almacén	Varias	Una, la de quien valida

Camión bloqueado mientras se teclea en frío → foto en segundos. Errores de lote ocultos → cero. Trazabilidad rota → completa.

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.

• 💰 Ángulo CFO: el módulo de recepción y almacén exige típicamente varias licencias activas; con Connect solo valida el responsable: reducción del 50-70 % recurrente.
• Payback estimado 3-8 meses, según el número de camiones al día.
• Minutos de cadena de frío que se dejan de gastar en el muelle, camión a camión.
• Y errores de lote ocultos que dejan de aparecer semanas después, con una alerta sanitaria encima y la trazabilidad rota hacia atrás.

Reducción típica del 50-70% en licencias del módulo recepción/almacén. Payback estimado 3-8 meses. *Estimación a validar*.

Y la duda razonable del responsable de producción

«¿Reconoce el albarán de cada uno de nuestros proveedores?» — sí, y sin pedirle a ninguno que cambie el suyo: el modelo extrae la estructura tabular sin necesidad de una plantilla por proveedor. Las etiquetas se leen por simbología estándar cuando la traen y por reconocimiento óptico cuando no. Es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1], y el responsable de recepción valida antes de que entre.

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