Cuatro anillos de verificación coordinados, en las dos plantas

El problema

Una inmovilización por migración no se queda en un lote: arrastra a las dos plantas.

Un solo incidente destruye la confianza del cliente envasador, obliga a inmovilizar producción en las dos plantas por precaución y pone en riesgo la certificación BRC frente a toda la cartera.

• El mayor riesgo de un fabricante de envase de contacto alimentario es una inmovilización por migración o adherencia de barniz mal trazada.
• Casi nunca es un fallo único: un barniz cambiado sin reflejar, una curva de curado al borde de la ventana, un ensayo que llega tarde al ERP, un lote mal codificado. Cada eslabón pasa su control por separado.
• Un solo incidente destruye la confianza del cliente envasador y obliga a inmovilizar producción en las dos plantas por precaución, porque no se puede demostrar qué está afectado.
• Y pone en riesgo la certificación BRCGS Packaging frente a toda la cartera, no solo frente al cliente afectado, porque el auditor siguiente preguntará por ese incidente.

Cómo encaja con el sistema IRIS

Cuatro anillos de verificación — Connect, Edge y Agents, orquestados.

Anillo 1 (ERP): lote y especificación de barniz por OF. Anillo 2 (horno de curado): curva digitalizada y vinculada a la tirada. Anillo 3 (laboratorio): resultado de migración cruzado automáticamente. Anillo 4 (codificadora/Edge): lo impreso se compara con la OF activa. Si algo no coincide, JIDOKA AI detiene la línea; SMED AI acelera el cambio entre referencia química y alimentaria.

Ningún anillo por separado resuelve el problema, porque cada control ya existe hoy de alguna forma y aun así el incidente ocurre. La fuerza está en el cruce: lo que delata el problema es que ERP, horno, laboratorio y codificadora dejen de contar la misma historia. Cuando eso pasa, el palé no sale de planta, y la discrepancia se resuelve en casa en lugar de convertirse en una inmovilización en las instalaciones del cliente envasador.

Ver la arquitectura IRIS completa →

Antes y después

Los cuatro anillos del envase de contacto alimentario

Anillo	De qué casos sale	Qué cierra
1 · ERP	Arranque de tirada (1) + recepción de bobina (7)	Lote y especificación de barniz por OF
2 · Horno de curado	Panel del horno (2)	Curva digitalizada y vinculada a la tirada
3 · Laboratorio	Excel de migración (6) + verificación (5)	Resultado de migración cruzado con la tirada
4 · Codificadora / Edge	Codificadora (8) + defecto de impresión (9)	Lo impreso en la lata, comparado con la OF activa
JIDOKA AI	Cambio de tirada (10)	Detiene la línea si algún anillo no coincide
SMED AI y evidencia	Evidence pack (11)	Cambio químico-alimentario más rápido y documentado

1-3 incidentes/año con riesgo de inmovilización parcial → cero. Detección de discrepancia en línea, no en el cliente envasador.

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 6-12 meses, contado contra la primera inmovilización evitada.
• De 1-3 incidentes al año con riesgo de inmovilización parcial a cero.
• Discrepancia detectada en línea, no en las instalaciones del cliente envasador.
• Y protección de la relación multianual con el cliente, que vale mucho más que el incidente puntual. Cifras a validar con calidad y dirección general.

Payback estimado de 6 a 12 meses contra la primera inmovilización evitada, protegiendo el incidente puntual y la relación multi-anual con el cliente envasador. Estimación a validar con calidad y dirección general.

Y la duda razonable del responsable de producción

«¿Hay que desplegar los doce casos para tener los cuatro anillos?» — no, y plantearlo así sería no empezar nunca: los anillos se construyen por capas y cada caso paga solo. Sobre la fiabilidad, cada anillo cruza datos de una tarea anclada, donde los mejores modelos bajan del 1,5% de error [1], y JIDOKA AI para la línea por discrepancia comprobable entre fuentes, no por la duda de un modelo; esa duda sube a una persona. Con el anillo del ERP y el del horno ya tenéis la mitad de la trazabilidad que hoy falta cuando un cliente envasador pregunta por un lote.

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