Cámara que lee el panel de la prensa en frío

El problema

El activo más caro de la planta de aceite muestra sus datos y los olvida.

El rendimiento de extracción varía entre lotes y hoy nadie correlaciona esa variación con la curva real del panel de la prensa o decantadora centrífuga, porque los datos rotan y desaparecen de la pantalla cada pocos segundos. Cambiar el panel por uno con conectividad moderna implicaría parar la línea más crítica de la planta y un desembolso que pocas fábricas asumen en plena temporada.

• La línea de extracción en frío —despulpado, batido de la pasta y decantadora centrífuga— es el activo más caro y diferencial de una fábrica de aceite de aguacate.
• Su panel propietario muestra temperatura de pasta, caudal y rendimiento cada pocos segundos, y esos datos rotan y desaparecen de la pantalla sin dejar histórico.
• Por eso nadie puede correlacionar un lote con bajo rendimiento con lo que de verdad hizo la prensa: ¿fue la fruta, con menos materia seca, o fue una temperatura de batido que subió de más?
• Cambiar el panel por uno conectado implica parar la línea más crítica en plena temporada y un desembolso que pocas plantas asumen. Así que la prensa sigue funcionando bien y sin memoria, temporada tras temporada.

Cómo encaja con el sistema IRIS

Connect en modo foto sobre panel — la prensa no se toca, se lee.

Connect modo foto sobre panel: una cámara industrial fija apunta al panel propietario. OCR con LLM anclado interpreta cada frame y estructura la curva temporal de temperatura, caudal y rendimiento por lote, cruzándola con el lote de fruta que estaba entrando a prensa en ese momento (dato ya disponible en memoria central).

El aceite de aguacate extraído en frío se vende por su calidad, y la calidad depende de no calentar la pasta de más. Tener la curva de temperatura de cada lote no es un informe bonito: es la prueba de que el aceite es lo que dice la etiqueta y la pista para exprimir más rendimiento a la misma fruta. Cada punto de rendimiento ganado sale de fruta que ya habéis pagado al huerto.

Ver la arquitectura IRIS completa →

Antes y después

La extracción ciega frente a la extracción con curva por lote

Aspecto	Hoy	Con iLEAN Connect
Temperatura de la pasta durante el batido	Visible unos segundos	Curva guardada por lote
Caudal hacia la decantadora	Nadie lo registra	Serie temporal completa
Rendimiento de aceite por lote de fruta	Un total al final del día	Atado al lote que entraba a prensa
Causa de un lote de bajo rendimiento	Sin respuesta	Análisis en minutos
Panel y software del fabricante	—	Intactos, sin abrir puertos
Reemplazo de la línea	En el plan de inversiones	Aplazable

Cero correlación curva↔rendimiento → análisis de causa-raíz de rendimiento por lote en minutos.

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 5-10 meses.
• Por la mejora de rendimiento de extracción que permite el ajuste fino de parámetros, hoy imposible sin la curva.
• Por el CAPEX de reemplazo del panel o de la línea que se evita o se aplaza.
• Y la causa raíz de un lote con bajo rendimiento pasa de no tener respuesta a analizarse en minutos, cruzando curva, lote de fruta y materia seca.

Payback estimado 5-10 meses, por mejora de rendimiento de extracción vía ajuste fino de parámetros y por evitar el CAPEX de reemplazo de panel/línea. *Estimación a validar.*

Y la duda razonable del responsable de producción

«¿Una cámara leyendo una pantalla es fiable para decidir sobre la prensa?» — la tarea es anclada: panel fijo, campos en posición conocida y rangos físicos esperables, donde los mejores modelos bajan del 1,5% de error [1]. Y el fotograma cuyo valor cae fuera de lo físicamente posible se descarta en lugar de darse por bueno, así que una temperatura absurda por un reflejo nunca entra en la curva.

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