PROYECTO PERSONAL / CASO DE INGENIERÍA
FabricAssist.
Cuidado textil con IA y garantías de seguridad.
FabricAssist es un proyecto multiplataforma para particulares y profesionales de la limpieza textil. Recoge fotografías de prendas, extrae evidencias referenciadas con IA y valida las recomendaciones mediante reglas deterministas en Python.
Estado actual
En desarrollo / fase previa al lanzamiento. Los proveedores externos y la activación productiva dependen de pruebas, privacidad, licencias y revisión de expertos textiles.
01 / EL RETO TÉCNICO
El reto técnico
¿Cómo generar sugerencias útiles basadas en imágenes manteniendo incertidumbre, trazabilidad de las fuentes y controles fiables?
02 / DISEÑO DEL SISTEMA
Arquitectura del sistema
Un cliente Expo compartido se conecta a FastAPI. El estado persistente vive en PostgreSQL, los trabajos de fondo en workers y las imágenes en almacenamiento privado. Los proveedores de visión son intercambiables.
Fotos → API → Análisis → Recomendaciones validadas
La API tipada autentica peticiones y persiste la intención de análisis antes de lanzar trabajos asíncronos.
Diagrama de arquitectura ilustrativo y simplificado.
03 / DECISIONES TÉCNICAS
Decisiones técnicas
Primero, evidencias estructuradas
Las evidencias vinculadas a fotografías y los esquemas tipados preceden a las recomendaciones.
Validación determinista
Reglas Python versionadas validan o rechazan recomendaciones de IA.
Procesamiento asíncrono
Estado persistente de trabajos, workers, reintentos y control de concurrencia.
Infraestructura portable
Adaptadores aíslan modelos, trabajos, caché y almacenamiento de la lógica de negocio.
Operación y calidad
Pruebas automatizadas, contratos OpenAPI, logs, telemetría y procesos de despliegue.
04 / TECNOLOGÍAS
Tecnologías
No se atribuyen resultados de producción o clientes a este proyecto en desarrollo.
Volver al portfolio