{"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":"Informe_de_precision_de_PFD_Bench"},"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> (v\u00e9ase \u201cC\u00f3mo leer estos n\u00fameros\u201d m\u00e1s abajo), una columna por campo de la tabla extra\u00edda: media \u00b1 desviaci\u00f3n est\u00e1ndar en las 10 ejecuciones. Cuanto m\u00e1s cerca de 100, mejor. Cualquier valor superior a 80 ya es una extracci\u00f3n excelente con muy pocos errores.<\/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>. Las etiquetas y los tipos de equipos se sit\u00faan en 95\u201396% en todo el conjunto, y en los planos limpios, en 98\u201399%. La representaci\u00f3n de la conectividad se ejecuta entre 86 y 901 TP3T en planos t\u00edpicos.<\/strong>; las plantas m\u00e1s densas y mejor interconectadas (pfd_07, pfd_08) hacen que las columnas de flujo se sit\u00faen en torno a 76\u201380%. Sigue siendo un resultado muy bueno, pero demuestra que el seguimiento de cada rama de diagramas muy densos exige nuevas mejoras en los modelos y en la forma en que preprocesamos los datos que se proporcionan al LLM.<\/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