El equipo de veinte años que por fin habla

El problema

Los datos que explican la desviación mueren cuando rota la pantalla.

Sustituir el equipo significa CAPEX de siete cifras y semanas de parada, así que la decisión razonable ha sido siempre no tocarlo. El precio de esa decisión es que los datos del panel mueren en cuanto la pantalla rota, y lo único que sobrevive es la anotación puntual que alguien copió a mano en un momento concreto de la fase. La consecuencia es muy concreta para quien tiene que cerrar una desviación: cuando el laboratorio devuelve una viscosidad fuera de rango, una separación de fase o un tono que no casa con el patrón, correlacionar ese resultado con lo que hizo el equipo durante la fabricación es imposible. Las desviaciones se cierran con hipótesis en lugar de con datos, y la misma desviación vuelve a aparecer.

• El panel muestra lo que determina si el lote sale bien: rampa y meseta de temperatura, vacío, revoluciones del rotor-estátor, tiempo de fase y pH.
• Todo eso desaparece en cuanto la pantalla rota. Lo único que sobrevive es la anotación puntual que alguien copió a mano en un momento concreto.
• Cuando el laboratorio devuelve una viscosidad fuera de rango, una separación de fase o un tono que no casa con el patrón, correlacionarlo con lo que hizo el equipo es imposible.
• Las desviaciones se cierran sin causa raíz real, y lo que no tiene causa vuelve a pasar.
• La salida evidente está bloqueada por su precio: sustituir el equipo es CAPEX de siete cifras y semanas de parada.

Cómo encaja con el sistema IRIS

Connect en modo foto sobre panel — sin tocar el automatismo.

Connect modo foto sobre panel. Cámara industrial fija apuntando a la pantalla, captura cada N segundos. OCR más LLM anclado interpreta cada frame, reconstruye la curva temporal completa de la fabricación y la cruza con el ERP para saber qué OF y qué tono estaban en el equipo en ese momento. Sin tocar el SCADA original, sin revalidar el equipo, sin abrir su armario eléctrico. La curva queda disponible por lote y se puede cruzar con el resultado del laboratorio.

La cámara no se conecta al automatismo del equipo ni instala nada en él. Eso importa más de lo que parece en una planta bajo GMP: no hay cambio de control que revalidar, y el estado cualificado del turboemulsor sigue siendo el mismo del día anterior.

Ver la arquitectura IRIS completa →

Antes y después

Sustituir el turboemulsor frente a leerle el panel

Aspecto	Sustituir el equipo	Con iLEAN Connect
Inversión	CAPEX de siete cifras	Cámara industrial y puesta en marcha
Parada de producción	Semanas	Ninguna: se instala en marcha
Cualificación del equipo	Vuelve a empezar	Intacta: no se toca el automatismo
Curva de proceso por lote	Sí, desde cero de histórico	Sí, desde el primer lote capturado
Cerrar una desviación	Sin datos objetivos	Con la curva del lote delante
Parámetro registrado	Tres anotaciones a mano	Serie temporal completa

de cero correlación curva ↔ desviación, a análisis causa raíz por lote en minutos sobre datos objetivos. De parámetro anotado a mano en tres momentos, a serie temporal completa. De sustituir el equipo para medirlo, a aplazar ese CAPEX indefinidamente.

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.
• Reducción de lotes reprocesados por desviación fisicoquímica.
• Evitación o aplazamiento indefinido de un CAPEX de sustitución de equipo de fabricación.
• De cero correlación curva ↔ desviación, a análisis de causa raíz por lote en minutos sobre datos objetivos.

payback estimado de 5 a 10 meses por la reducción de lotes reprocesados por desviación fisicoquímica, más la evitación o el aplazamiento de un CAPEX de sustitución de equipo de fabricación. *Estimación a validar*.

Y la duda razonable del responsable de producción

«¿Una cámara mirando una pantalla es fiable para una investigación de calidad?» — lo sería poco si se le pidiera interpretar una imagen cualquiera. Aquí es tarea anclada: pantalla fija, campos en posición conocida y rangos físicos esperados, donde los mejores modelos bajan del 1,5% de error [1]. Y el sistema descarta el fotograma cuyo valor cae fuera del rango posible en vez de darlo por bueno.

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