Name: Grader Diario
Author: orelcain

Grader Diario

Guia de trabajo con el modulo Analisis Grader durante un turno de produccion real. Cubre flujo de carga, interpretacion de KPIs, lectura de Tendencia, cuándo aplicar sugerencias de IA. Usar al inicio de sesion cuando se va a trabajar con datos de la clasificadora.

orelcain0 スター2026/04/10

職業
カテゴリ: 機械学習

Analisis Grader — Guia de uso en turno

Modulo de soporte de decisiones en tiempo real para operadores de la clasificadora de salmones.

Flujo de trabajo en turno

1. Exportar Excel desde software Matrix
   └── Archivo PIEZA_PIEZA (obligatorio — fuente de verdad)
   └── Archivo PUERTA_0 (opcional — enriquece razones de rechazo)

2. Subir a /analisis-grader
   └── Arrastrar ambos archivos al dropzone único
   └── El análisis se dispara automáticamente al detectar PIEZA_PIEZA

3. Revisar KPIs en la parte superior
   └── % Punto Cero = KPI principal. >3.5% = crítico, >2% = advertencia
   └── Peso promedio y mediano (calibre inferido)
   └── Distribución de calibres

4. Revisar tab Tendencia (el más importante durante el turno)
   └── Panel proyección: ¿cómo cerrará el turno?
   └── Recomendaciones automáticas si P0 proyectado > umbral

5. Aplicar sugerencias de compuerta si P0 > umbral
   └── Tab Compuertas o tab Sugerencias
   └── Botón "Aplicar" actualiza la configuración de gates en vivo

6. Guardar sesión al final del turno
   └── Botón "Guardar Sesión" en el action bar
   └── Queda en /analisis-grader/sesiones para comparar turnos futuros

Analisis Grader — Guia de uso en turno

Modulo de soporte de decisiones en tiempo real para operadores de la clasificadora de salmones.

Flujo de trabajo en turno

1. Exportar Excel desde software Matrix
   └── Archivo PIEZA_PIEZA (obligatorio — fuente de verdad)
   └── Archivo PUERTA_0 (opcional — enriquece razones de rechazo)

2. Subir a /analisis-grader
   └── Arrastrar ambos archivos al dropzone único
   └── El análisis se dispara automáticamente al detectar PIEZA_PIEZA

3. Revisar KPIs en la parte superior
   └── % Punto Cero = KPI principal. >3.5% = crítico, >2% = advertencia
   └── Peso promedio y mediano (calibre inferido)
   └── Distribución de calibres

4. Revisar tab Tendencia (el más importante durante el turno)
   └── Panel proyección: ¿cómo cerrará el turno?
   └── Recomendaciones automáticas si P0 proyectado > umbral

5. Aplicar sugerencias de compuerta si P0 > umbral
   └── Tab Compuertas o tab Sugerencias
   └── Botón "Aplicar" actualiza la configuración de gates en vivo

6. Guardar sesión al final del turno
   └── Botón "Guardar Sesión" en el action bar
   └── Queda en /analisis-grader/sesiones para comparar turnos futuros

Concepto	Descripcion
`PIEZA_PIEZA`	Fuente de verdad. Peso, calibre, calidad, gate, lote, timestamp por pieza
`PUERTA_0`	Enriquece razones de rechazo (fotocélula, fuera de límites, etc.)
Gate 0 / Punto Cero	Rechazados. El % es el KPI principal del turno
Gates 1–12	Compuertas activas. Cada una tiene calibre + calidad asignados
Intervalo	Agrupación de datos cada 15 min (configurable)

KPI	Verde	Amarillo	Rojo
% Punto Cero	< 2%	2–3.5%	> 3.5%
CV de peso (variabilidad)	< 15%	15–25%	> 25%
Concentración HHI	Baja	Media	Alta (una compuerta tiene todo)

Grader Diario

Analisis Grader — Guia de uso en turno

Flujo de trabajo en turno

Grader Diario

Analisis Grader — Guia de uso en turno

Flujo de trabajo en turno

Arquitectura de datos

KPIs y su interpretación

Tab Tendencia — clave para proyectar el turno

Análisis IA

Archivos clave en el código

Pendientes de desarrollo próxima sesión

Continuous Learning V2

Continuous Learning V2

Continuous Learning V2

Continuous Learning

Continuous Learning

Pytorch Patterns