Luis San
Martín

St. Andrews necesitaba saber cuántos paquetes de cada formato salían de sus estaciones de empaque y cuánto tiempo se detenía la línea. El conteo lo hacía un operario a la vista, sobre una línea de 13.000 kg diarios.

Sistema multicámara para 3 estaciones: cuenta los paquetes que cruzan la línea, los clasifica por formato y registra los estancamientos de la cinta. Opera con iluminación cambiante, cámaras que se mueven y superficies mojadas. El modelo se entrena en la nube pero corre en los equipos de la propia planta, no en un servidor remoto: si se cae internet, la línea sigue contando.

Las 3 estaciones operaron en producción toda la temporada, sin intervención manual.

Contar las larvas de una muestra bajo lupa tomaba 45 minutos. De ese número dependen las decisiones de siembra, y el resultado variaba según quién hiciera el conteo y cuánto tiempo llevara mirando.

Modelo de detección que localiza y numera cada larva en una sola pasada, entrenado con un dataset capturado en la propia planta. La dificultad es la densidad: cientos de individuos superpuestos, translúcidos y del tamaño del ruido de fondo.

Prueba de concepto validada. Quedó demostrado que el conteo se puede automatizar —696 individuos en unos 3 segundos, contra los 45 minutos del conteo manual— pero no llegó a desplegarse como sistema de operación diaria, a diferencia del caso anterior.

El modelo distingue scooter, casco y sin casco. Separar el vehículo de la persona permite contar cuántos circulan y qué proporción va protegida, que es el dato que sirve para decidir, en vez de una alarma suelta.

YOLOv8 afinado durante 80 épocas a 640 píxeles. Medido contra el conjunto de prueba: mAP@50 de 85,5%, precisión 85,0% y recall 80,9%.

En la matriz de confusión, scooter acierta 0,99 y casco 0,86, mientras que sin casco se queda en 0,65: se confunde con el fondo. Es la clase central para el objetivo del sistema, así que el trabajo pendiente se concentra en ella, con más ejemplos reales de cabezas descubiertas en movimiento.

El entrenamiento se hizo en la nube y la inferencia corre en una GPU local sobre el video que entrega la placa. La placa es de bajo costo y va montada en el scooter; el cómputo queda en tierra. Igual que en los otros casos, la inferencia corre en un equipo local y no depende de un servidor remoto.

La distribuidora operaba sobre un punto de venta cerrado, con base de datos local y sin API. La información no salía del computador del local. El dueño no podía consultar las ventas del día a distancia, el cuadre de caja se hacía a mano y los documentos tributarios se descargaban del SII uno por uno.

Mapeé el esquema del punto de venta y construí la sincronización hacia PostgreSQL en la nube: hoy hay 11.900 ventas y 40.000 líneas de producto consultables, que antes no salían del computador del mesón.

Encima, un ETL desatendido que se autentica en el SII y calcula los indicadores mensuales de impuestos: 305 facturas clasificadas sobre 87 proveedores. Y un control de calidad que cruza tres fuentes —documentos tributarios, pagos electrónicos y ventas— y emite alertas cuando no calzan: 283 hasta hoy. Por diseño no corrige ningún dato del cliente.

Dashboard en tiempo real, informe mensual y Excel de gastos categorizado, generados sin intervención. La reportería tributaria se volvió un producto aparte.

También lo opero: diagnostiqué y corregí incidentes de integridad en producción y recuperé los datos afectados.

El centro operaba sobre una plataforma comercial de pago mensual que no daba acceso a su propia base de datos. ~170 alumnos activos, con su historial de asistencia y sus planes, estaban en un sistema de terceros. Las comisiones se calculaban a mano y las reglas de negocio propias del centro no cabían en el producto arrendado.

Extraje la base completa por web scraping, la normalicé y trasladé clientes e historial sin pérdida de registros.

Diseñé el modelo de datos en PostgreSQL —multi-sede, con control de acceso por fila y migraciones versionadas— y construí el panel de administración: asistencia, ocupación, ingresos y liquidación de comisiones. Las reglas se levantaron con los dueños y los profesores antes de modelarlas.

Sistema propio sin licencia mensual a terceros, con la liquidación de 14 profesionales sobre 768 sesiones calculada automáticamente. La migración continúa sede por sede, sin interrumpir la operación.