Foto a la Orden de Fabricación en el arranque de tirada

El problema

La tirada arranca con dos papeles que nadie teclea a tiempo.

La OF de turno se imprime con datos del ERP y se anota a mano cualquier ajuste de última hora (Pantone corregido, cambio de barniz, observación de calidad). La ficha de litografía es manuscrita por costumbre del departamento técnico. Ambas pueden quedar 4-8 horas sin digitalizar, acumuladas en una carpeta de la oficina técnica hasta que alguien las transcribe — cuando llega el auditor BRC, hay que reconstruir a qué tirada corresponde cada bobina.

• La OF de turno sale impresa del ERP, pero los ajustes de última hora se escriben encima a bolígrafo: un Pantone corregido, un cambio de barniz interior, una observación de calidad sobre la hojalata recibida.
• La ficha de litografía es manuscrita por costumbre del departamento técnico: tintas, orden de pasadas, barniz exterior, gramaje y temperatura de horno que se usaron de verdad.
• Ambos documentos pueden quedar de 4 a 8 horas sin digitalizar en una carpeta de la oficina técnica, hasta que alguien encuentra un hueco para transcribirlos.
• Cuando llega el auditor BRCGS Packaging, hay que reconstruir a mano a qué tirada corresponde cada bobina y qué barniz llevó cada lote de bote y tapa.

Cómo encaja con el sistema IRIS

Connect en modo foto — la ficha de litografía sigue escribiéndose a mano.

Connect modo foto. El operario hace dos fotos con el móvil al arrancar la tirada. Un LLM anclado extrae campos estructurados — cliente, formato, Pantone, barniz, gramaje, observaciones — y los guarda en memoria central. Cero cambio de hábito para el operario.

El operario no cambia nada de lo que ya hacía: rellena su OF y su ficha como siempre y añade dos fotos al arrancar la tirada. Por eso es el caso que menos fricción genera en la nave de litografía y el que suele aprobarse primero. Además, es el cimiento del resto: sin la tirada bien atada a su bobina, su barniz y su gramaje desde el primer minuto, ningún cruce posterior con el horno o el laboratorio tiene contra qué compararse.

Ver la arquitectura IRIS completa →

Antes y después

La tirada de litografía en papel frente a la tirada capturada

Aspecto	Hoy	Con iLEAN Connect
Latencia hasta el sistema	4-8 h en la oficina técnica	Segundo cero
Pantone corregido a pie de máquina	Solo en el papel	Extraído y atado a la tirada
Barniz interior y exterior usado	Se supone el de la OF	El real, leído de la ficha
Gramaje de la hojalata	Hay que buscarlo en carpeta	Campo consultable por lote
Pregunta del auditor por tirada	Reconstrucción manual	Consulta web instantánea
Hábito del operario en envases metálicos	—	Sin cambios: dos fotos

4-8 h de latencia hasta digitalizar → segundo cero. Auditor con papeles dispersos → consulta web instantánea por tirada.

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 4-9 meses, según el volumen de tiradas al día.
• Tiempo de transcripción que recupera la oficina técnica, que hoy se dedica a pasar a limpio fichas de litografía.
• De 4-8 horas de latencia al segundo cero: el lote existe en el sistema desde la primera hoja impresa.
• Y la trazabilidad bobina-tirada-barniz deja de reconstruirse antes de cada auditoría BRCGS Packaging.

Payback estimado de 4 a 9 meses según volumen de tiradas/día, recuperando el tiempo de transcripción de la oficina técnica. Estimación a validar.

Y la duda razonable del responsable de producción

«¿Y si confunde un Pantone escrito a mano o el código de un barniz?» — leer campos de una ficha de estructura conocida es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]. Y hay segunda red: el código de barniz se contrasta con la lista de barnices homologados para ese formato, y el resumen pasa por la tableta, donde el responsable lo confirma o corrige antes de que entre al sistema.

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