SmartSack: Plataforma inteligente de gestión de producción con Digital Twin, analítica predictiva y asistente conversacional con IA para plantas de fabricación de sacos de papel

Abstract

SmartSack es una plataforma web inteligente diseñada para complementar los sistemas ERP existentes en plantas de fabricación de sacos de papel, añadiendo una capa de visibilidad en tiempo real, analítica predictiva y comunicación mediante inteligencia artificial. El proyecto surge de la identificación de tres brechas operativas críticas en este tipo de plantas: la ausencia de reportes en tiempo real del avance de producción, la comunicación deficiente entre áreas funcionales (ventas, producción y despacho) y la falta de trazabilidad del producto terminado. La plataforma integra tres pilares tecnológicos: (1) un Digital Twin de la línea de producción con vistas diferenciadas por rol (operario y supervisor), actualizado en tiempo real mediante WebSockets; (2) un motor de analítica predictiva basado en Machine Learning (Random Forest y XGBoost) que predice retrasos en órdenes de producción; y (3) un asistente conversacional impulsado por un modelo de lenguaje de gran escala (LLM) que permite consultar el estado de producción en lenguaje natural mediante function calling. El sistema se despliega directamente en los equipos de cómputo Windows que cada máquina ya posee en la planta, contenedorizado con Docker Compose en cinco servicios (PostgreSQL 16, Redis 7, backend, frontend y Nginx como reverse proxy), sin requerir hardware adicional ni infraestructura en la nube. El backend se construye sobre Python 3.11 con FastAPI y SQLAlchemy, expone doce routers REST organizados por dominio funcional y se versiona con migraciones Alembic; el frontend, con React 18, Vite y Tailwind CSS, integra las vistas diferenciadas por rol que materializan el Digital Twin. El motor predictivo se apoya en XGBoost serializado con Joblib y expuesto como endpoint REST, mientras que el asistente conversacional con LangChain orquesta la API de Claude mediante function calling sobre cinco herramientas SQL específicas del dominio. La integración de datos se realiza con un proceso ETL en Pandas que admite cuatro tipos de archivos CSV exportados desde el ERP, y la calidad del sistema se respalda con una suite de pruebas automatizadas sobre los principales módulos del backend. La metodología híbrida combina CRISP-DM para el ciclo de ciencia de datos con Scrum para el desarrollo iterativo de la plataforma web.