Acceso anticipado · macOS · Windows · Linux
Corre menos experimentos. Aprende más rápido.
Patok Lab es un espacio de trabajo local con IA para I+D experimental: datos de experimentos, modelos subrogados, optimización secuencial, literatura científica y una IA con Python, en un solo proyecto de investigación.
El extremo micro del track de Patok, de macro a micro. El método se enseña en Patok Academy.
Una campaña real de recubrimientos de 16 corridas en Patok Lab: presión, temperatura y distancia de proyección contra eficiencia de depósito, cortadas por la mejor corrida.
El problema
La investigación experimental está fragmentada.
Los datos viven en una hoja de cálculo, el modelo en un script, el razonamiento en una libreta, los papers en una carpeta y la conversación con la IA en otro lado. Seis meses después nadie sabe qué sabía la campaña en la corrida doce.
- Excel
- Scripts de Python
- Papers
- Notas
- Gráficas
- Código de optimización
- Chats de IA sueltos
One research project
Patok Lab mantiene junta la campaña experimental.
Un proyecto es una carpeta de archivos planos (datos, modelos, episodios, notas, literatura y reportes) con procedencia desde la primera corrida hasta la última recomendación.
- Datos — la realidad experimental, con versiones
- Modelos — subrogados que puedes verificar
- Episodios — recomendar → correr → observar → actualizar
- Libreta — el razonamiento del investigador
- Literatura — referencias y PDFs, indexados en local
- Artefactos — reportes con procedencia
El flujo de trabajo
De una tabla de corridas al siguiente experimento.
Seis pasos, un proyecto. Cada pantalla es la aplicación real.
- 01
Trae tus experimentos
Importa Excel o CSV. Elige la hoja y la fila de encabezados, clasifica columnas como entradas, respuestas, factores categóricos y metadatos, define unidades y límites físicos. Agrega columnas con fórmula y transformaciones de un clic; la app sugiere el siguiente análisis a partir de los propios datos. El archivo original se copia en solo lectura y cada guardado es una versión nueva.
- XLSX / CSV
- Roles y límites
- Columnas ƒ
- Versiones
- 02
Entiende qué pasó
Dispersión, matriz, distribuciones, correlación y coordenadas paralelas; la superficie de respuesta del modelo activo sobre dos factores cualesquiera con el resto fijado por deslizadores; la matriz de superficies, todos los pares de factores a la vez. Estadística y ajuste de curvas a un clic desde cualquier columna o selección.
- 8 vistas de exploración
- Superficies de respuesta
- Estadística y curvas
- Exportar para publicación
- 03
Modela el proceso
Ajusta subrogados polinomiales, procesos gaussianos, bosques aleatorios y más: 18 tipos de regresión y 9 de clasificación, con factores categóricos incluidos. Verifica con validación cruzada, prueba retenida, residuos, curvas de aprendizaje e importancia por permutación, y recibe un veredicto honesto. Compara todos los tipos de modelo en una tabla ordenada.
- 18 + 9 tipos de modelo
- Veredicto de verificación
- Comparar todos
- Predecir desde archivo
- 04
Decide qué correr después
Define objetivos (maximizar, minimizar o alcanzar un valor) con límites, factores congelados y restricciones. El optimizador secuencial validado recomienda el siguiente experimento, con la respuesta predicha y su posición sobre el subrogado.
- Objetivos y restricciones
- Semilla reproducible
- Promover a episodio
- 05
Aprende de cada episodio
Promueve una recomendación a episodio, registra qué se corrió y qué se observó, y la campaña se actualiza. Regresa a cualquier episodio y mira qué sabía el modelo en ese momento, y qué no.
- Recomendar → correr → observar
- Historial con previsión
- Procedencia
- 06
Investiga con IA
Pregúntale al agente de investigación. Corre el mismo recomendador que el botón, analiza la tabla con pandas, propone columnas calculadas con sus supuestos, busca en tus papers con procedencia por página y construye reportes HTML. Las citas que no resuelven a una referencia guardada las rechaza una guarda determinista. Cada llamada a herramienta es visible; las ediciones piden tu confirmación. Corre con un modelo local.
- Python y pandas
- Propuestas, no sorpresas
- Citas que deben resolver
Las herramientas
Todo lo que necesita una tabla de corridas, en un solo lugar.
Debajo del ciclo secuencial hay un banco de análisis completo. La ciencia es scipy y scikit-learn; lo que Patok Lab agrega es el flujo: roles y límites, versiones, procedencia y las mismas tres acciones en todas partes: guardar como artefacto, exportar para publicación, preguntar al agente.
-
Estadística — Carta de control I-MR con reglas Western Electric y lectura en lenguaje llano
-
Ajuste de curvas — Trece formas ordenadas por AIC sobre datos de cinética de Arrhenius
-
Diseño de experimentos — Análisis de efectos de un diseño de tamizado 2⁴⁻¹ con puntos centrales
-
Estadística
Catorce procedimientos: descriptiva y normalidad, pruebas t, ANOVA de una vía con Tukey, pruebas no paramétricas, chi-cuadrada, correlación, capacidad de proceso, cartas de control I-MR y X̄-R/S, potencia y tamaño de muestra, Gauge R&R. Cada uno entrega tablas, figuras y una lectura en lenguaje llano.
-
Ajuste de curvas
Trece funciones con motivación física más tu propia expresión, parámetros con error estándar e intervalos de confianza, bandas de predicción, residuos y un ranking de todas las formas por AIC. Agrega los valores ajustados como columna.
-
Diseño de experimentos
Factoriales completos y fraccionados, Plackett-Burman, compuesto central, Box-Behnken e hipercubo latino en el formato clásico; efectos, Pareto y gráfica seminormal, aliasing y curvatura para las corridas que ya tienes; anexa las corridas planeadas a la tabla.
-
Zoológico de modelos, verificado
Ridge, lasso, PLS, SVR, kernel ridge, bosque aleatorio, gradient boosting, redes neuronales y sus clasificadores, todos bajo el mismo protocolo de verificación, con matrices de confusión y ROC para respuestas pasa/no pasa.
-
Figuras para publicación
Cada gráfica se exporta como SVG, PDF o PNG a 300 dpi en anchos de revista, en tema claro u oscuro. Un modo claro para toda la app cuando preparas un manuscrito.
-
Literatura, notas, artefactos
Referencias con o sin PDF, cada una etiquetada por su evidencia (texto completo · solo resumen · solo referencia); “Find state of the art” consulta índices académicos abiertos a partir de tu pregunta de investigación; PDFs de acceso abierto descargados e indexados en local con búsqueda por página y visor integrado. Una libreta que cita páginas, episodios y artefactos; cada resultado guardado se puede volver a correr desde su procedencia.
Por qué es distinto
Construido alrededor de la campaña experimental.
-
El experimento es el proyecto
Patok Lab entiende entradas, respuestas, modelos, recomendaciones, episodios y resultados observados, no solo un archivo. Un proyecto es una carpeta de archivos planos que son tuyos.
-
Del análisis a la acción
No se detiene en “¿qué pasó?”. Define objetivos y restricciones y te ayuda a responder “¿qué debería probar después?”, con un optimizador secuencial validado, no con una gráfica.
-
Una IA que sí analiza
El agente de investigación corre Python científico y pandas sobre tus datos y llama herramientas científicas validadas. Opera los mismos servicios que los botones y muestra su trabajo.
-
Local por diseño
La app, el runtime de Python científico y el servidor de modelos locales corren en tu máquina. La investigación puede quedarse en tu laptop, y los modelos locales corren sin enviar datos del proyecto a la nube.
Más allá del diseño de experimentos
El DOE clásico planea todas las corridas de antemano. La experimentación secuencial aprende sobre la marcha.
Patok Lab trae la caja de herramientas clásica (diseños factoriales y de superficie de respuesta, análisis de efectos, ANOVA) y le suma el método que hace que cada corrida cara cuente.
- 01
Tamizar
Un diseño inicial pequeño cubre el espacio que de verdad puedes alcanzar: tus límites físicos, no un cubo de libro de texto.
- 02
Modelar
Se ajusta un subrogado a lo que se sabe. No necesita acertar en todas partes; necesita apuntar cuesta arriba. Polinomio, proceso gaussiano o cualquiera del zoológico, verificado con validación cruzada.
- 03
Decidir
Un optimizador busca sobre el subrogado dentro de tus límites y restricciones y propone la siguiente corrida: determinista para una semilla, con la respuesta predicha y, con un GP, su incertidumbre.
- 04
Correr y registrar
La corres. La observación se vuelve una versión nueva de la tabla, el modelo se reajusta y el ciclo se repite. Cada vuelta es un episodio al que puedes regresar.
- Factores continuos y discretos, niveles categóricos incluidos.
- Sin función de adquisición que afinar: la optimización del subrogado reajustado arbitra entre explorar y explotar.
- Primo cercano del aprendizaje activo y del aprendizaje por refuerzo, hecho para experimentos físicos donde cada corrida cuesta dinero y días.
- Viaje en el tiempo: mira qué sabía el modelo en cualquier episodio, y qué no.
Hecho para investigación real
Experimentos físicos donde cada corrida cuesta tiempo y dinero.
Patok Lab funciona con cualquier campaña que pueda escribirse como una tabla de entradas controlables y respuestas medidas. Estos son los campos a los que abrimos el acceso anticipado primero.
- Ciencia de materiales
- Manufactura aditiva
- Recubrimientos / proyección térmica
- I+D en manufactura
- Desarrollo de procesos
Who we are opening it to
- Científicos de materiales
- Investigadores experimentales
- Doctorandos y posdocs
- Investigadores principales
- Laboratorios de investigación
- Ingenieros de I+D industrial
Example projects
Seis proyectos de ejemplo, un clic cada uno.
Cada uno enseña una parte del flujo con un conjunto de datos pequeño y realista, desde una campaña real de recubrimientos de 16 corridas hasta una bitácora de producción, y viene con sus CSV para repartir.
- Campaña de recubrimiento por cold spray — subrogado, superficie de respuesta, siguiente experimento, episodios
- Adhesión de recubrimiento por polvo y presión — ANOVA + Tukey, factores categóricos en modelos
- Diseño de tamizado 2⁴⁻¹ + puntos centrales — análisis de efectos, aliasing, curvatura
- Cinética de reacción (Arrhenius) — ajuste de curvas, transformaciones, figuras para publicación
- Calidad de soldadura pasa/no pasa — clasificadores y regresión sobre la misma tabla
- Espesor de recubrimiento en orden de producción — cartas de control y capacidad
IA local · privacidad
Tus experimentos pueden quedarse en tu laboratorio.
Patok Lab es una aplicación de escritorio, no un servicio en la nube. Qué corre dónde es explícito e inspeccionable.
- Patok Lab corre en local
Una aplicación de escritorio para macOS, Windows y Linux. La app, el motor de análisis y la carpeta de tu proyecto (archivos planos CSV, JSON, Markdown y HTML) viven en tu máquina. Settings → Privacy lista exactamente qué podría salir de ella.
- Python científico incluido
numpy, pandas, scikit-learn, scipy y plotly vienen dentro de la app. Nunca instalas ni administras Python.
- Modelos de IA locales, sin terminal
Settings → Local models: elige un modelo curado (Qwen2.5-7B-Instruct es el recomendado), Download → Use. Patok Lab lo sirve por sí mismo con un runtime incluido: sin LM Studio, sin Ollama, sin línea de comandos.
- Un ajuste de conectividad, tres posturas
Air-gapped: cero conexiones, solo modelo local, archivos de modelo importados desde disco o USB. Investigación conectada (por defecto): el proyecto y el modelo se quedan en local; solo el texto de tu consulta de literatura va a índices académicos, y se permiten servidores de modelos en la red de tu propio laboratorio. Nube: además, un proveedor de IA remoto cuando elijas un modelo más grande.
- Trae tu propio servidor de modelos
Cualquier endpoint compatible con OpenAI: en esta máquina, en la red de tu institución o una API hospedada en modo nube. Las llaves se guardan en local, nunca en el proyecto.
- Sin telemetría
Patok Lab no envía datos de uso. Es un hecho de la compilación, no un ajuste.
Lo que no afirmamos: aislamiento a nivel de sistema operativo. La guarda air-gap es política más detección, etiquetada con honestidad, no una imposición a nivel de kernel. El Python generado por el agente corre con tus permisos de usuario; las acciones que modifican piden tu confirmación, y cada artefacto registra cómo se produjo.
El método
Un solo track, de la planta al experimento.
Patok Lab es el extremo micro de una historia que empieza en la física del flujo. El método se enseña en Patok Academy; el instrumento está aquí.
- 01
Entiende el sistema
Flujo, WIP, throughput, lead time, variabilidad. Fundamentos de Flujo, gratis y con certificado.
Academy · gratis - 02
Ve los datos
Qué es observable en la planta y cómo lo invisible se vuelve dato.
Academy - 03
Optimiza
De las decisiones de planta a los parámetros del proceso: de macro a micro.
el puente - 04
Aprende del experimento
Diseño de experimentos, modelos validados, la siguiente corrida y lo que mediste.
Patok Lab · estás aquí - 05
Mide lo que produjo
Imágenes científicas y metrología: micrografía → medición → estadística.
pronto - 06
Ejecuta
Visibilidad y ejecución en piso: Gemba, Office, asistentes.
Patok para empresas
IA científica para manufactura, el curso guiado con certificación y pase de 30 días de Patok Lab, abre en noviembre de 2026. El acceso anticipado ya está abierto.
Acceso anticipado · talleres
Estamos abriendo Patok Lab a un grupo pequeño de investigadores experimentales y laboratorios.
Trae un conjunto de datos real. Queremos gente usando Patok Lab en campañas experimentales vivas, y diciéndonos qué se rompe. El acceso anticipado es gratis mientras aprendemos juntos.
- macOS, Windows y Linux: dinos cuál necesitas primero
- Línea directa con el fundador durante el acceso anticipado
- Taller opcional para tu grupo de investigación: trae una campaña, sal con un siguiente experimento
¿Universidad, grupo de investigación o empresa? Hablemos →
✓ Ya estás en la lista.
Gracias. Escribimos personalmente, en grupos pequeños, con la compilación y una guía corta.
También te buscaremos para el taller de tu grupo.
Mientras tanto, la pregunta que más nos ayuda: ¿qué experimento correrías mañana si fuera gratis? Respóndenos por correo con eso.
Quién está detrás
Hecho por un investigador que ha corrido los experimentos y ha entregado el software.
Horacio Canales, PhD · Fundador, Patok Research
Doctor en ciencias de la ingeniería (manufactura aeroespacial). Investigador en aprendizaje automático aplicado a procesos de manufactura y materiales: modelos subrogados y experimentación secuencial para recubrimientos por proyección térmica en la Universitat de Barcelona, antes de que la IA industrial fuera una categoría.
Hoy construye Patok, software de IA industrial que se usa en pisos de planta reales, y Patok Lab es la estación de trabajo que quiso tener durante esos años en el laboratorio: toda la campaña en un lugar, la estadística a la mano y una IA que sí analiza, en tu propia máquina.
Formado en, colaborador de y reconocido por
Preguntas frecuentes
Lo que los investigadores preguntan primero.
¿Patok Lab necesita acceso a la nube?
No. Patok Lab corre en tu máquina, con Python científico incluido y un servidor de modelos local integrado. En la postura por defecto de “investigación conectada” lo único que sale es una descarga de modelo que tú inicias y, si usas “Find state of the art”, el texto de tu consulta de literatura hacia índices académicos abiertos. El modo air-gapped bloquea todo y los archivos de modelo se importan desde disco o USB. Un proveedor de IA remoto solo se usa si cambias al modo nube.
¿Puedo usar mis experimentos que ya tengo en Excel o CSV?
Sí. Importa XLSX o CSV, elige la hoja y la fila de encabezados, y clasifica las columnas como entradas, respuestas, factores categóricos y metadatos con unidades y límites físicos. El archivo original se copia en solo lectura; cada guardado es una versión nueva. Después puedes anexar corridas desde un archivo actualizado, pegar desde Excel y exportar la versión actual a CSV o XLSX.
¿Necesito tener Python instalado?
No. Un runtime de Python científico (numpy, pandas, scikit-learn, scipy, plotly, matplotlib) viene dentro de la aplicación. No hacen falta permisos de administrador. El agente de investigación lo usa, y puedes ver el Python detrás de cualquier análisis que produzca, pero nunca instalas ni administras Python.
¿Puedo usar un modelo de IA local?
Sí. Settings → Local models lista modelos curados (Qwen2.5-7B-Instruct es el recomendado) con Download → Use, servidos por el runtime incluido. También puedes importar un archivo GGUF o apuntar Patok Lab a cualquier endpoint compatible con OpenAI, como LM Studio, Ollama, vLLM o una API hospedada. El agente necesita un modelo con llamado de herramientas confiable; los modelos muy pequeños funcionan parcialmente, y Patok Lab lo prueba por ti al conectar uno.
¿Para qué tipo de experimentos sirve Patok Lab?
Para cualquier campaña que pueda escribirse como una tabla de entradas controlables y respuestas medidas: parámetros de proceso contra una propiedad, formulaciones contra un desempeño, ajustes de máquina contra una calidad. Los seis ejemplos incluidos abarcan una campaña de recubrimientos, adhesión de polvos (ANOVA), un diseño de tamizado de sinterizado, cinética de Arrhenius, soldadura pasa/no pasa y una bitácora de producción. Factores continuos y categóricos, una o varias respuestas.
¿Para quién es el acceso anticipado?
Para investigadores experimentales y laboratorios con un conjunto de datos real: ciencia de materiales, manufactura aditiva, recubrimientos y proyección térmica, manufactura y desarrollo de procesos. Estudiantes, doctorandos, posdocs, investigadores principales, ingenieros de I+D y directores de laboratorio. Buscamos gente que lo use en una campaña viva y nos diga qué falta.
¿Pueden dar un taller a nuestro grupo de investigación?
Sí. Una sesión de medio día o día completo en la que tu grupo trae los datos de su propia campaña, construye el proyecto, ajusta y verifica modelos y sale con un siguiente experimento recomendado. Marca “interesado en un taller” en el formulario y te contactamos.
¿En qué plataformas funciona Patok Lab?
Patok Lab es una aplicación de escritorio para macOS, Windows y Linux. Las compilaciones de acceso anticipado se entregan como descarga directa (sin tienda de apps, sin actualizaciones automáticas), y liberamos plataformas en el orden en que los miembros las piden: elige la tuya en el formulario.
¿Hay prueba gratuita y cómo será la licencia?
Cada instalación corre una prueba completa de 30 días. Las licencias se activan sin conexión (una llave firmada corta o un archivo; nada se envía a ningún lado) y la dirección es licencias perpetuas por versión para investigadores y laboratorios, con actualizaciones opcionales, además de talleres y consultoría científica. Cuando una licencia o la prueba termina, la app nunca bloquea tus datos: lectura, exportación y respaldos siguen funcionando. Los miembros del acceso anticipado usan Patok Lab gratis durante el piloto.