Elier Fajardo
Todos los proyectos

Producción de un laboratorio óptico

Un flujo con IA convierte fotos de recetas escritas a mano en órdenes validadas, y cada orden se sigue estación por estación.

Capturas
Tablero de producción del laboratorio con órdenes por estación
Tablero de producción en uso. Nombres de clientes y pacientes ocultos.

Resultados

  • 6,000+órdenes procesadas
  • 210+ópticas atendidas
  • 98.8%precisión por campo al leer recetas
  • <1¢de dólar por receta leída

De la foto a la orden

Así llegan las recetas: fotos tomadas con el celular, escritas a mano, cada óptica con su formato. El flujo de IA extrae los campos y el equipo los revisa antes de producir.

  • Receta escrita a mano para lentes progresivos
  • Orden de trabajo con esfera y cilindro
  • Orden de trabajo de una óptica con material fotocromático
  • Recetario de una óptica con tratamiento antirreflejo
Datos extraídos por la IA: esfera, cilindro, eje, tipo de lente, material y tratamiento
Columnas de producción: corte y monte, control de calidad, facturación y despacho

El problema

El laboratorio recibe cientos de pedidos por semana de ópticas de todo el país. Casi todos llegan por WhatsApp con una foto de una receta escrita a mano.

Cada receta había que transcribirla y cada orden se seguía a mano entre estaciones. Saber en qué paso iba un pedido significaba preguntar.

Lo que construí

Un tablero de producción donde cada orden avanza por las estaciones del laboratorio y cada movimiento queda firmado por quien lo hizo.

Un servicio que lee la foto de la receta y devuelve los campos validados: esfera, cilindro, eje, adición. El equipo revisa y confirma antes de producir.

Cómo

Esquemas estrictos y revisión humana

El modelo devuelve un formato fijo que se valida contra las reglas de fabricación del laboratorio. Si algo no cuadra, la orden no avanza sola.

Costos bajo control

Preprocesamiento de imagen, caché de prompts del proveedor y reintentos. Cada lectura cuesta menos de un centavo de dólar.

Un set de referencia que se corre en cada cambio

Recetas reales etiquetadas a mano. Cada cambio de prompt o de modelo se mide contra ellas antes de salir: 98.8% de precisión por campo.

¿Tienes un proceso parecido?

Cuéntamelo. La primera llamada es gratis.