Una segunda lectura objetiva

La clasificación de canal es subjetiva y afecta al precio. Edge no sustituye al clasificador, le da una segunda lectura objetiva en pantalla, y hace lo mismo en expedición para pieza y envase.

‹ Ver todos los casos de matadero multiespecie

Cámara sobre el raíl apuntando a una canal colgada y pantalla con la lectura sugerida de clasificación y su porcentaje de confianza, con el clasificador confirmando desde su puesto
El problema

Una clasificación que cambia con quién mira es un precio que cambia con quién mira.

Dos clasificadores pueden puntuar distinto la misma canal; un envase mal identificado en expedición es un riesgo real con varios flujos de producto.

  • El código de clasificación de la canal es una apreciación entrenada, no una medición. Dos clasificadores con la misma tabla pueden puntuar distinto la misma canal, y ninguno se equivoca del todo.
  • Ese código fija el precio de la partida, así que la variación entre personas, entre turnos o a última hora del día se paga en euros, en un sentido o en el otro.
  • Cuando un ganadero o un cliente de maquila discute una clasificación, no hay nada que enseñar salvo la palabra del clasificador. Y esa discusión se repite cada temporada con los mismos proveedores.
  • Y aguas abajo, en expedición, un bulto mal identificado entre cuatro especies y varios flujos de cliente es un riesgo real que hoy solo controla la atención de quien carga. A última hora del turno de expedición, esa atención es justo la que baja.
Cómo encaja con el sistema IRIS

Edge con cámara en línea — no sustituye al clasificador, le pone un contraste delante.

Cámara + CNN entrenada en el código de clasificación real. Segunda cámara en expedición cruza pieza/envase con el albarán.

La cámara propone y la persona decide: en pantalla aparece el código sugerido y su confianza, y el clasificador confirma o corrige con su criterio. Lo que cambia no es quién clasifica, sino que ahora hay dos lecturas y queda constancia de las dos. Cuando la lectura y el criterio coinciden, que es lo habitual, se confirma sin frenar la cadencia del raíl.

Ver la arquitectura IRIS completa →

Antes y después

La clasificación de hoy frente a la clasificación contrastada

AspectoHoyCon iLEAN Edge
Base de la decisiónUna sola apreciaciónApreciación más lectura objetiva
Variación entre turnosReal y sin medirMedida y visible
Discusión con el ganaderoPalabra contra palabraImagen y código guardados
Quién firma el códigoEl clasificadorEl clasificador, con constancia
Bulto en expediciónLo comprueba quien cargaCruzado con el albarán
Histórico por especieNo existeSerie por clasificador y turno

clasificación 100% subjetiva → lectura objetiva de apoyo.

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 5-12 meses, según el volumen de canales y cuánto pese hoy la variación de clasificación en vuestro precio medio.
  • Variación entre clasificadores y entre turnos, que hoy no se mide y por tanto no se corrige. Medirla es el primer paso para armonizar criterios entre personas.
  • Discusiones de clasificación con ganaderos y clientes de maquila, que pasan de palabra contra palabra a imagen guardada.
  • Y un bulto mal identificado en expedición deja de depender solo de la atención de quien carga el palé.

Payback estimado 5-12 meses. *Estimación a validar*.

Y la duda razonable del responsable de producción

«¿Va a decidir una cámara el precio que pagamos por un animal?» — no, y plantearlo así sería la forma de que la línea lo rechace el primer día. El modelo se entrena con vuestras canales y vuestra tabla real, devuelve una sugerencia con su confianza, y la decisión y la firma siguen siendo del clasificador. En tareas ancladas como esta los mejores modelos bajan del 1,5% de error [1], pero aquí no se busca sustituir un criterio: se busca tener dos.

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

Preguntas frecuentes

Lo que preguntan sobre la segunda lectura de clasificación

¿Funciona con las cuatro especies?

Cada especie es un modelo distinto, porque la tabla y la morfología no tienen nada que ver. Se empieza por la de más volumen y se amplía de una en una. Compartir un solo modelo entre especies es el error clásico de estos proyectos.

¿Cuántas canales hacen falta para entrenar?

Menos de las que se teme, porque el catálogo de códigos es corto. Lo que hace falta es que sean canales vuestras, clasificadas por vuestros clasificadores: un modelo entrenado con canales de otra planta no sirve para fijar vuestro precio.

¿Qué pasa si el clasificador corrige a la cámara todo el rato?

Es información, no un problema: cada corrección realimenta el modelo, y una discrepancia sistemática señala o un entrenamiento pobre o un criterio que ha derivado. Las dos cosas conviene saberlas, y hoy no se saben.

¿La cámara aguanta la humedad y el lavado de la línea?

El montaje es de grado alimentario, en carcasa lavable y fuera del alcance del gancho. Es el mismo estándar de cualquier equipo fijo de la línea, y se desmonta para el lavado profundo como el resto.

¿Qué hace la segunda cámara en expedición?

Cruza la pieza y el bulto con lo que dice el albarán antes de que el palé salga. Es el mismo Edge aplicado al último punto donde todavía se puede parar un error. Pasado el muelle, cualquier fallo se corrige ya en casa del cliente.

Hablemos

Contadnos cuánto varía hoy la clasificación entre vuestros turnos.

Trabajamos sobre los datos reales de tu planta, no sobre los nuestros. Diagnóstico sin compromiso.

Pedir ROI estimado en 48h ‹ Ver todos los casos de matadero multiespecie Ver alimentaria