La báscula que por fin habla con el sistema central

El problema

El dato que se factura vive unos segundos en un display.

Es un equipo de 10-20 años con un panel propietario que no está en red; el fabricante ya no da soporte de integración y cambiarla implica parar el muelle. Hoy ese dato vital aparece en el display, alguien lo apunta si le da tiempo, y luego desaparece — no queda ligado a la expedición concreta.

• Cada palé o cada camión pasa por la báscula del muelle antes de cargar. Es el dato con el que se factura por peso o volumen a varios clientes y con el que se detecta un faltante antes de que salga.
• La báscula tiene diez o veinte años, un panel propietario sin red y un fabricante que ya no da soporte de integración. Pesa bien; lo que no hace es contárselo a nadie.
• Sustituirla implica parar el muelle y una inversión que no se justifica por un equipo que funciona. Así que el peso aparece en el display, alguien lo apunta si le da tiempo, y desaparece.
• Al final el peso no queda ligado a la expedición concreta, y cuando un cliente discute una factura de transporte o de almacenaje no hay con qué responder más que con la palabra del muelle.

Cómo encaja con el sistema IRIS

Connect en modo foto sobre display — la báscula sigue siendo la misma.

Una cámara apuntando al display, con OCR y un LLM anclado, interpreta cada lectura y la cruza con el pedido que está en ese muelle en ese momento. No se toca la báscula ni se sustituye: sigue siendo ella, pero el peso queda trazado, palé a palé, en memoria central.

No se abre la báscula, no se toca su calibración y no se sustituye un equipo que pesa perfectamente bien. Se le pone una cámara delante, y el peso pasa de un número que se borra a un registro por expedición con hora y fotograma. Es la forma más barata de convertir un equipo sin red en una fuente de datos, y el mismo patrón vale después para otros displays del almacén.

Ver la arquitectura IRIS completa →

Antes y después

La báscula de hoy frente a la báscula leída

Aspecto	Hoy	Con iLEAN Connect
Vida del dato de peso	Unos segundos en el display	Trazado por expedición
Peso ligado al pedido	Si alguien lo apunta	Cruzado con el pedido en ese muelle
Disputa de factura por peso	Palabra contra palabra	Lectura con hora y foto
Faltante en un palé	Se descubre en destino	Se ve en la diferencia de peso
Equipo y calibración	—	No se tocan
Sustituir la báscula	Parar el muelle y CAPEX	Aplazable

Antes: el peso solo existe unos segundos en la pantalla de la báscula. Después: el peso queda trazado por expedición en memoria central, sin tocar el equipo.

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, según el volumen que facturéis por peso o volumen.
• Menos disputas de facturación por peso o volumen: cada expedición tiene su lectura trazada y su imagen.
• CAPEX evitado de sustituir una báscula que funciona mecánicamente bien, y sin el coste de parar el muelle para cambiarla.
• Y el faltante se ve en el muelle de origen, por diferencia de peso, en lugar de en el muelle del cliente, donde ya no se puede saber si faltaba al salir o se perdió en ruta.

Payback 5-10 meses · peso de cada expedición trazado, cero disputas de facturación. Se reducen las disputas de facturación por peso o volumen y se evita el CAPEX de sustituir una báscula que funciona perfectamente bien mecánicamente.

Y la duda razonable del responsable de producción

«¿Una cámara leyendo un display vale como prueba ante un cliente?» — leer dígitos en una pantalla fija, con unidad conocida y rango físico esperado para cada tipo de palé, es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]. Además se guarda el fotograma junto a la lectura, de modo que cualquiera puede comprobarla después, y una cifra fuera del rango posible se descarta y se pide confirmación en lugar de darla por buena.

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