Casos de uso CFT

• Salud y educación especial: paneles de comunicación simples y recordables.
• Etiquetado físico: CraftPlanner para productos, cables, cajas, laboratorio.
• IoT / robótica / industria: paneles de estado y señalización máquina–humano.
• Finanzas / banca: alertas de riesgo sin mostrar datos sensibles.
• Herramientas para developers: dashboards, logs simbólicos y testing.

1.1 Panel básico de necesidades

Problema: una persona con dificultades de lenguaje oral/escrito necesita expresar necesidades básicas con el mínimo esfuerzo visual.

Solución CFT: cada necesidad es un conceptrón estable que se repite en tarjetas, pantalla, pegatinas, etc.

"tengo_sed" → { C:"blue", F:"circle", T:[300,500] } "tengo_hambre" → { C:"orange",F:"circle", T:[300,500] } "dolor" → { C:"red", F:"triangle", T:[400,700] } "quiero_descansar" → { C:"green",F:"square", T:[200,400] }

• El color separa categorías (agua, comida, dolor, descanso).
• La forma marca el tipo (círculo = “estado”, triángulo = “alerta”).
• El tono permite añadir feedback sonoro si hay altavoz.

1.2 Panel de emociones simplificado

Para niños o pacientes en terapia, un panel de emociones con pocos símbolos:

"feliz" → { C:"yellow", F:"circle", T:[500,800] } "triste" → { C:"blue", F:"circle", T:[200,400] } "enfadado" → { C:"red", F:"triangle", T:[400,700] } "nervioso" → { C:"purple", F:"wave", T:[600,900] }

Cada símbolo se puede imprimir, usar en tablets o proyectar, manteniendo el mismo código CFT.

2.1 Productos de limpieza en casa o industria

Problema: muchos botes parecidos, etiquetas pequeñas, riesgo de confusión (lejía, amoniaco, desengrasante…).

Con CraftPlanner, cada producto se convierte en un conceptrón físico para etiquetas A4:

"lejia_con_centrador" → { C:"yellow", F:"triangle", T:[400,700] } // corrosivo "amoniaco_perf" → { C:"purple",F:"triangle", T:[400,700] } // irritante "detergente_ropa_delicada" → { C:"blue", F:"circle", T:[300,500] } // uso suave "limpiacristales" → { C:"cyan", F:"square", T:[300,500] }

• CFT se imprime en etiquetas grandes y legibles.
• Personas mayores o con poca vista pueden reconocer por color/forma, sin leer texto.
• La IA te ayuda a inferir el dominio (limpieza vs cocina vs niños) y ajustar el símbolo.

2.2 Cables, cajas y almacenaje

Organización de cables en estudios, oficinas o racks pequeños:

"cable_hdmi_video" → { C:"blue", F:"bar", T:[300,500] } "cable_red_cat6" → { C:"green", F:"bar", T:[300,500] } "cargador_portatil" → { C:"orange",F:"square",T:[200,400] } "cable_usb_audio" → { C:"purple",F:"wave", T:[400,700] }

Misma idea para cajas (“documentos 2024”, “hardware frágil”, “material escolar”) con códigos CFT impresos.

3.1 Panel de estado de máquina

Problema: máquinas con un solo panel de LEDs y pantalla pequeña. Se necesita codificar estados complejos.

"estado_ok" → { C:"green", F:"circle", T:[600,800] } "mantenimiento" → { C:"yellow",F:"square", T:[400,600] } "error_critico" → { C:"red", F:"triangle",T:[300,500] } "sobrecarga" → { C:"orange",F:"triangle",T:[500,900] }

• Los estados se envían por OpenSymbolicNet y se mapean a LEDs / pantalla.
• El operario ve siempre el mismo patrón, independientemente del fabricante.

3.2 Robots colaborativos

Para cobots que comparten espacio con personas:

"movimiento_lento_seguro" → { C:"blue", F:"circle", T:[300,500] } "movimiento_rapido" → { C:"yellow",F:"wave", T:[500,800] } "zona_peligrosa" → { C:"red", F:"triangle",T:[400,700] } "esperando_confirmacion" → { C:"purple",F:"square", T:[200,400] }

El robot muestra el CFT con luz frontal, HUD o pantalla. El humano aprende 4–5 símbolos y reconoce el estado al instante.

4.1 Alertas de riesgo en panel de control

Problema: traders / analistas tienen demasiados datos en pantalla. Se necesitan señales “macro” muy claras.

"riesgo_portfolio_alto" → { C:"red", F:"triangle",T:[300,500] } "riesgo_portfolio_medio" → { C:"yellow",F:"triangle",T:[400,700] } "riesgo_portfolio_bajo" → { C:"green", F:"circle", T:[500,800] } "evento_liquidez" → { C:"cyan", F:"wave", T:[600,900] }

El panel muestra el conceptrón junto a cada cuenta / cartera sin exponer datos sensibles.

4.2 Autenticación simbólica secundaria

Idea: además del usuario/contraseña, el usuario reconoce un patrón CFT único asociado a su perfil.

"perfil_usuario_123" → { C:"purple", F:"hexagon", T:[250,450] }

• Si el usuario ve un patrón diferente al habitual, sospecha de phishing.
• CFT se genera y almacena en servidor, y se presenta en la sesión legítima.

5.1 Logs simbólicos

En lugar de leer 500 líneas de log, usas conceptrones para marcar eventos clave:

"log_info" → { C:"blue", F:"circle", T:[300,500] } "log_warn" → { C:"yellow", F:"triangle", T:[400,700] } "log_error" → { C:"red", F:"triangle", T:[300,500] } "log_audit" → { C:"purple", F:"hexagon", T:[200,400] }

Un dashboard puede mostrar la “línea temporal” de conceptrones para ver de un vistazo cómo ha ido el sistema.

5.2 Testing de IA y prompts

Para probar prompts, puedes usar conceptrones como “salida compacta” en lugar de textos largos:

Input: "Clasifica el estado de este sistema: todo funciona bien, sin errores." Expected CFT: { C:"green", F:"circle", T:[600,800] }

Con esto montas tests automáticos que comparan JSON CFT (mucho más estable) en lugar de frases naturales.

Ejemplo de flujo “de punta a punta”

Caso: panel de laboratorio con etiquetas + dashboard digital.

1. Definir vocabulario CFT para sustancias, estados de máquina y avisos.
2. Usar CraftPlanner para generar etiquetas físicas con esos conceptrones.
3. Configurar sensores / sistema IoT para enviar paquetes OSNet con el mismo vocabulario.
4. Dashboard web recibe los paquetes, pinta los conceptrones (SVG/HTML) y registra eventos.
5. Si hace falta ampliar vocabulario, se usa IA con prompts CFT y se validan los nuevos patrones.

[Sensor] → [Servidor CFT/OSNet] → [Dashboard + Etiquetas físicas] → [Usuarios]

Usa este checklist rápido para definir un caso de uso nuevo:

• ¿Quién ve el conceptrón? (paciente, operario, usuario final, developer…)
• ¿Cuántos conceptos necesitas? (idealmente 4–12 al principio).
• ¿Hay categorías claras? (p.ej. “alerta vs normal vs info”).
• ¿Qué canal usarás? (etiquetas impresas, pantalla, LED, sonido…).
• Define el vocabulario CFT inicial en JSON y guárdalo en un repo.
• Si usas IA: diseña prompts que respeten ese vocabulario, no lo rompan.