{"id":3581,"date":"2026-08-06T15:10:30","date_gmt":"2026-08-06T13:10:30","guid":{"rendered":"https:\/\/lyfx.ai\/?page_id=3581"},"modified":"2026-08-06T16:32:14","modified_gmt":"2026-08-06T14:32:14","slug":"pfd_bench_accuracy_report","status":"publish","type":"page","link":"https:\/\/lyfx.ai\/es\/pfd_bench_accuracy_report\/","title":{"rendered":"PFD_Bench_accuracy_report"},"content":{"rendered":"
\n
\"\"<\/span>
\n
<\/div>\n<\/div><\/div>\n\n\n\n
<\/div>\n<\/div>\n\n\n\n
\n

\u00bfQu\u00e9 tan preciso es PFD Bench?<\/h1>\n\n\n\n

PFD Bench lee un diagrama de flujo de procesos (DXF) y produce una tabla de equipos estructurada (SET): cada unidad, su tipo y c\u00f3mo est\u00e1 conectada. A partir de esta tabla, genera una descripci\u00f3n escrita del proceso. La calidad de la SET es fundamental para el resultado de la descripci\u00f3n: cometer unos pocos errores cr\u00edticos en la SET har\u00e1 que toda la descripci\u00f3n sea incorrecta.<\/p>\n\n\n\n

Por esta raz\u00f3n, PFD Bench cuenta con un paso de intervenci\u00f3n humana en el bucle justo despu\u00e9s de la extracci\u00f3n de SET, para que el usuario tenga la oportunidad de corregir cualquier error cometido por la IA. Adem\u00e1s, ejecutamos bucles de evaluaci\u00f3n para medir la calidad de la extracci\u00f3n de SET en comparaci\u00f3n con tablas de referencia comisariadas por un ingeniero de procesos s\u00e9nior, en 8 diagramas de flujo de procesos industriales reales. Si bien no podemos compartir los diagramas con el p\u00fablico (est\u00e1n bajo acuerdo de confidencialidad), podemos mostrar los resultados de la evaluaci\u00f3n y estad\u00edsticas aproximadas sobre la complejidad de cada dibujo.<\/p>\n\n\n\n

La evaluaci\u00f3n se realiza procesando cada dibujo 10 veces de forma independiente (80 ejecuciones en total) con la misma configuraci\u00f3n que tienen todos los usuarios en PFD Bench. Actualmente, los SET se procesan con Google Gemini 2.5 Pro. Las cifras a continuaci\u00f3n incluyen la dispersi\u00f3n entre ejecuciones, por lo que se puede ver no solo la calidad de extracci\u00f3n en promedio, sino tambi\u00e9n su varianza.<\/p>\n\n\n\n

Los dibujos<\/h2>\n\n\n\n

Complejidad en t\u00e9rminos sencillos: cu\u00e1ntas unidades de equipo y cu\u00e1ntas conexiones de flujos documentadas hay entre ellas. La densidad (conexiones por unidad) es lo que hace que un plano sea especialmente dif\u00edcil. Las plantas altamente interconectadas son m\u00e1s dif\u00edciles de rastrear que los trenes lineales.<\/p>\n\n\n\n

Dibujo<\/th>Unidades de equipo<\/th>Conexiones de transmisi\u00f3n<\/th>Densidad<\/th><\/tr><\/thead>
pfd_03<\/td>8<\/td>20<\/td>2.5<\/td><\/tr>
pfd_04<\/td>20<\/td>53<\/td>2.6<\/td><\/tr>
pfd_05<\/td>18<\/td>46<\/td>2.6<\/td><\/tr>
pfd_06<\/td>19<\/td>48<\/td>2.5<\/td><\/tr>
pfd_07<\/td>33<\/td>175<\/td>5.3<\/strong><\/td><\/tr>
pfd_08<\/td>32<\/td>116<\/td>3.6<\/strong><\/td><\/tr>
pfd_09<\/td>29<\/td>69<\/td>2.4<\/td><\/tr>
pfd_10<\/td>28<\/td>83<\/td>3.0<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Resultados<\/h2>\n\n\n\n

Las puntuaciones son F1 \u00d7 100<\/strong> (see “How to read these numbers” below), one column per field of the extracted table: mean \u00b1 standard deviation over the 10 runs. The closer to 100, the better. Anything above 80 is already an excellent extraction with very few errors.<\/p>\n\n\n\n

Dibujo<\/th>Etiqueta<\/th>Tipo de equipo<\/th>Corrientes de entrada<\/th>Entrada #<\/th>Corrientes de salida<\/th>Toma de corriente #<\/th><\/tr><\/thead>
pfd_03<\/td>93 \u00b1 8<\/td>90 \u00b1 14<\/td>96 \u00b1 6<\/td>93 \u00b1 8<\/td>94 \u00b1 7<\/td>93 \u00b1 8<\/td><\/tr>
pfd_04<\/td>96 \u00b1 3<\/td>95 \u00b1 5<\/td>94 \u00b1 3<\/td>95 \u00b1 5<\/td>89 \u00b1 2<\/td>93 \u00b1 5<\/td><\/tr>
pfd_05<\/td>99 \u00b1 3<\/td>98 \u00b1 3<\/td>94 \u00b1 6<\/td>94 \u00b1 3<\/td>92 \u00b1 5<\/td>92 \u00b1 6<\/td><\/tr>
pfd_06<\/td>93 \u00b1 1<\/td>93 \u00b1 1<\/td>92 \u00b1 5<\/td>93 \u00b1 2<\/td>92 \u00b1 6<\/td>90 \u00b1 3<\/td><\/tr>
pfd_07<\/td>99 \u00b1 1<\/td>97 \u00b1 4<\/td>78 \u00b1 9<\/td>83 \u00b1 17<\/td>78 \u00b1 9<\/td>88 \u00b1 15<\/td><\/tr>
pfd_08<\/td>99 \u00b1 1<\/td>98 \u00b1 2<\/td>76 \u00b1 3<\/td>78 \u00b1 9<\/td>80 \u00b1 3<\/td>88 \u00b1 10<\/td><\/tr>
pfd_09<\/td>90 \u00b1 7<\/td>90 \u00b1 7<\/td>96 \u00b1 5<\/td>88 \u00b1 7<\/td>97 \u00b1 2<\/td>88 \u00b1 7<\/td><\/tr>
pfd_10<\/td>94 \u00b1 5<\/td>92 \u00b1 9<\/td>90 \u00b1 6<\/td>89 \u00b1 7<\/td>85 \u00b1 5<\/td>76 \u00b1 7<\/td><\/tr>
Todos los dibujos (agrupados)<\/strong><\/td>96<\/strong><\/td>95<\/strong><\/td>86<\/strong><\/td>88<\/strong><\/td>86<\/strong><\/td>88<\/strong><\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

En palabras: la identificaci\u00f3n de equipos est\u00e1 esencialmente resuelta<\/strong>. Equipment tags and types land at 95\u201396% across the set, and on clean drawings at 98\u201399%. Connectivity mapping runs at 86\u201390% on typical drawings<\/strong>; the densest, most interconnected plants (pfd_07, pfd_08) pull the stream columns toward 76\u201380%. Still very good, but it shows that tracing every branch of highly dense diagrams demands further improvements to the models and to how we pre-process the data the LLM is served.<\/p>\n\n\n\n

\n\n\n\n

C\u00f3mo leer estos n\u00fameros<\/h2>\n\n\n\n

Cada puntuaci\u00f3n es una Puntuaci\u00f3n F1<\/a>, que es la medida de precisi\u00f3n est\u00e1ndar para tareas de extracci\u00f3n, combinando la precisi\u00f3n y la recuperaci\u00f3n en un solo n\u00famero (100 = perfecto). En nuestro contexto:<\/p>\n\n\n\n