No arranca hasta que las cámaras dicen OK

El problema

Entre dos recetas de guacamole, la limpieza se firma a ciegas.

Una línea que produce guacamole convencional en un turno y orgánico -o con receta distinta- en el siguiente exige limpieza y cambio de formato validados antes de arrancar. Hoy depende de que un humano firme 'listo' sin evidencia visual objetiva; un residuo de la receta anterior puede contaminar el primer lote del nuevo formato, obligando a descartarlo o, peor, a que salga mal etiquetado.

• La misma línea produce guacamole convencional en un turno y orgánico —o con otra receta: picante, sin cebolla, pulpa sola para congelar— en el siguiente.
• Cada cambio exige limpieza y cambio de formato validados antes de arrancar. Hoy eso depende de que una persona firme «listo» sin evidencia visual objetiva.
• Un resto de la receta anterior en la tolva de mezcla o en el dosificador de aditivos contamina el primer lote del nuevo formato: se descarta o, peor, sale mal etiquetado.
• En orgánico, un residuo de un antioxidante o un aditivo no permitido no es un problema de sabor: es una certificación y un cliente en riesgo. Y cuando se descubre, el lote ya está envasado y a menudo ya ha pasado por altas presiones.

Cómo encaja con el sistema IRIS

Edge con JIDOKA AI — cada punto crítico da OK antes del arranque.

Edge + JIDOKA AI: cámaras fijas en cada punto crítico de la línea (tolva de mezcla, dosificador de aditivos, envasadora) comparan el estado actual con el estado de referencia 'limpio/preparado'. La línea no arranca hasta que todas las cámaras dan OK y el responsable de calidad firma con base en esa evidencia visual.

La cámara no firma: compara el estado actual de cada punto crítico con su referencia «limpio y preparado», y la responsable de calidad firma sobre esa evidencia. Lo que cambia no es quién decide, sino que por fin decide viendo algo. Y la línea de guacamole, que es la de más margen, deja de arrancar con la duda de si el primer lote se podrá vender.

Ver la arquitectura IRIS completa →

Antes y después

El cambio de receta firmado a ciegas frente al cambio verificado

Aspecto	Hoy	Con iLEAN Edge
Tolva de mezcla tras la limpieza	Se da por buena	Contrastada con su imagen de referencia
Dosificador de aditivos y antioxidantes	Sin comprobación visual	Verificado antes del arranque
Envasadora y formato de tarrina	Revisión de memoria	Formato correcto confirmado por cámara
Primer lote de guacamole orgánico	Expuesto a restos del convencional	Arranca sobre línea verificada
Etiqueta del nuevo formato	Riesgo de salir con la anterior	Bloqueo si no concuerda
Lo que respalda la firma de calidad	Nada	Evidencia visual por punto crítico

Firma a ciegas con riesgo de contaminación cruzada de receta → firma basada en evidencia visual por punto crítico.

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 ligado al peso del guacamole y del orgánico en vuestro mix: no fijamos un rango de meses porque depende de cuánto facturan esas líneas.
• Protege el segmento de mayor margen de la planta, que es justo el que más sufre un lote descartado o mal etiquetado.
• La firma pasa de hacerse a ciegas, con riesgo de contaminación cruzada de receta, a basarse en evidencia visual por punto crítico.
• Y cada cambio deja su rastro con imágenes y firma, que después alimenta el dossier de auditoría sin trabajo adicional. Con vuestro mix y vuestros cambios por semana, estimamos juntos el retorno antes de decidir.

Protección del segmento de mayor margen (guacamole/orgánico); payback en función del peso de esas líneas en el mix. *Estimación a validar.*

Y la duda razonable del responsable de producción

«¿Y si las cámaras bloquean la línea por un reflejo en el acero y perdemos el turno?» — comparar un punto crítico con su imagen de referencia «limpio y preparado» es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]. Y JIDOKA AI no bloquea por incertidumbre del modelo: si la imagen es dudosa, eleva el caso a calidad, que lo resuelve mirando. Solo se detiene ante una discrepancia comprobable.

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