Orden de corte sin papel, en el segundo cero

El problema

La medida que se cortó de verdad solo existe en un papel con una corrección al margen.

En un almacén de servicio de acero, cada lote de corte arranca con una orden en papel con cliente, calidad, grosor y medidas. Cualquier corrección de última hora que llega por teléfono se anota a mano al margen y rara vez vuelve a entrar al sistema. Cuando el cliente reclama una medida, nadie puede reconstruir qué orden exacta llegó a la guillotina.

• La orden sale del ERP con cliente, calidad, espesor, formato de partida y despiece, se imprime y viaja con el carretillero hasta la guillotina. A partir de ahí el sistema deja de saber qué pasa con ella.
• El cliente llama a mediodía para ajustar un ancho o para subir de S235JR a S355JR, y la corrección se apunta a bolígrafo en el margen: el corte se hace bien y el ERP se queda con la medida vieja.
• Entre esa corrección y su reflejo en el sistema pasan de cuatro a ocho horas. Si el pedido es de mostrador y sale el mismo día, el papel se archiva sin que nadie lo teclee nunca, y el ERP conserva para siempre una medida que no se cortó.
• Cuando llega la reclamación —«esto no mide lo que pedí»— nadie puede demostrar qué orden exacta llegó a la máquina. La discusión se cierra cortando otra vez y regalando el material, porque discutir con un cliente de repetición sale más caro que el formato.

Cómo encaja con el sistema IRIS

Connect en modo foto — el operario sigue trabajando con su papel.

Connect modo foto: el operario fotografía la orden al arrancar el lote. Un LLM anclado extrae cliente, calidad, grosor, medidas y la anotación manuscrita, y lo cruza con el pedido del ERP. El dato queda en la memoria central antes de que empiece el corte, sin cambiar el hábito del operario.

Es el caso de menos fricción de los doce: nadie cambia de herramienta ni de rutina, solo se añade una foto a lo que ya se hacía antes de bajar la cuchilla. Por eso suele ser el primero que se aprueba en un almacén donde nadie tiene tiempo de aprender un software nuevo. Y es el que sostiene a los demás: sin la orden real capturada, ni la trazabilidad ni la verificación posterior tienen contra qué compararse.

Ver la arquitectura IRIS completa →

Antes y después

La orden de corte en papel frente a la orden capturada

Aspecto	Hoy, en papel	Con iLEAN Connect
Latencia de la corrección	4-8 h, o nunca si sale el mismo día	Segundo cero
Medida que se cortó de verdad	Solo en el margen del papel	Atada al pedido en el sistema
Cambio de calidad de última hora	Se apunta a bolígrafo	Extraído y cruzado con el ERP
Reclamación de medida	Palabra contra palabra	Consulta por número de pedido
Retal generado	Se estima al final del día	Ligado al despiece real
Hábito del operario de guillotina	—	Sin cambios: una foto

4-8 horas de latencia entre la corrección en papel y su reflejo en el sistema → segundo cero.

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 cuántas órdenes de corte pasáis al día.
• De 4-8 horas de latencia entre la corrección manuscrita y el sistema, al segundo cero.
• Las reclamaciones de medida dejan de resolverse cortando otra vez: hay una orden consultable por pedido.
• El despiece real y el retal que genera dejan de ser una estimación de fin de día.

Payback estimado de 4 a 9 meses según volumen de órdenes/día. Estimación a validar.

Y la duda razonable del responsable de producción

«¿Y si lee un 1.990 y lo toma por 1.900?» — leer campos de un documento de estructura conocida es tarea anclada, y ahí los mejores modelos bajan del 1,5% de error [1]. Además hay una segunda red: la medida extraída se contrasta contra el formato comercial de partida y contra la línea del pedido en el ERP, y lo que no cuadra se marca para que lo confirme una persona antes de cortar.

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