Los operadores de plantas de valorización energética de residuos llevan décadas trabajando con el mismo modelo de entrada: unas cuantas muestras manuales por entrega, clasificadas y pesadas en laboratorio, extrapoladas para representar toneladas de residuo urbano mezclado. El análisis del poder calorífico inferior (PCI) para la incineración de residuos construido así muestra cómo era un camión hace una hora, no lo que está cayendo en el foso en este momento. A medida que la composición del residuo cambia por el envasado, el crecimiento de los residuos electrónicos y los patrones estacionales de recogida, un resultado de laboratorio tomado una vez por turno se convierte en una instantánea que pretende representar un objetivo en movimiento constante, y el control de combustión termina reaccionando a promedios en lugar de a la carga que realmente está frente a la parrilla.
Por qué las muestras manuales y las estimaciones a ojo ya no bastan
Una muestra manual son unos pocos kilogramos tomados de un solo punto de una entrega de varias toneladas. Dice algo sobre ese puñado, no sobre las bolsas con alto contenido orgánico, los envases densos o los finos que hay en otras partes de la misma carga. La frecuencia de muestreo agrava el problema: la mayoría de las plantas puede hacer unas pocas clasificaciones físicas por turno, no por camión, por lo que el intervalo entre mediciones es largo frente a la rapidez con la que realmente cambia la composición en el punto de descarga.
Las estimaciones visuales de gruístas y personal de báscula llenan el hueco entre muestras de laboratorio, pero siguen siendo eso: estimaciones, hechas bajo presión de tiempo, sin un registro auditable que pueda reintroducirse en un bucle de control. Ninguno de los dos métodos detecta lo que está enterrado dentro de una carga. Una bombona de gas o un paquete de baterías envuelto en residuo mezclado es invisible en un control visual y solo se hace visible al llegar a la cuchara de la grúa, al triturador o a la parrilla, momento en el que la planta ya está gestionando un incidente de seguridad en lugar de haberlo evitado.
Lo que está en juego no es abstracto. Las paradas no planificadas en plantas de valorización energética y biomasa promediaron 22,9 días al año en 2021, con un 43% de ese tiempo ligado a problemas de caldera y 9,9 días al año atribuibles únicamente a fallos de caldera, según el análisis del sector de POWER Magazine. Un residuo cuyo PCI se sale de la banda para la que se ajustó la caldera, o que lleva un impropio no detectado hasta el horno, es una presión que contribuye precisamente a ese tipo de fallo, aunque no sea la única causa en una parada concreta.
A esto se suma un problema de trazabilidad. Un PCI medido en laboratorio es defendible en un informe mensual o trimestral, pero no dice nada sobre la entrega concreta que causó una alteración de combustión tres turnos antes. Cuando un operador quiere relacionar un evento de caldera inusual con un proveedor o una carga concretos, los registros de muestreo manual rara vez tienen la resolución necesaria para responder esa pregunta.
Análisis del PCI para la incineración de residuos: qué mide realmente la IA en tiempo real
La alternativa al muestreo periódico de laboratorio es la medición continua en el punto exacto donde el residuo entra en el proceso: el punto de descarga. Cámaras instaladas en el borde del foso capturan cada descarga de camión mientras ocurre, y un modelo entrenado con datos de imagen de todo el parque de plantas estima el PCI y señala impropios directamente a partir de lo que ve la cámara, sin tomar una muestra física.
Captura de cámara en el punto de descarga
Cada descarga de camión se captura a hasta 30 imágenes por segundo, cubriendo toda la secuencia de descarga en lugar de un fotograma único o un momento elegido al azar. Esa frecuencia de captura importa porque el residuo no se descarga de manera uniforme: el material denso sale primero, el material más ligero y voluminoso se distribuye hacia el final de la descarga, y una sola imagen fija pasaría por alto la mayor parte de esa variación. La captura de alta frecuencia da al modelo una imagen completa de la composición de una entrega, en lugar de una extrapolación a partir de una sola mirada.
De la imagen a la estimación del PCI y el aviso de impropios en segundos
Las imágenes alimentan un modelo entrenado con el conjunto de datos agregado construido a partir de 28 plantas en 7 países. El resultado llega en segundos: una estimación del PCI para esa entrega concreta, además de cualquier aviso de impropios con su ubicación en la imagen. Ese resultado llega al gruísta y al sistema de gestión del foso con suficiente rapidez para actuar sobre la misma carga, no sobre la siguiente, con los datos de PCI fluyendo directamente hacia la gestión del foso para que los gruístas puedan mezclar entregas según su composición medida en lugar de una simple impresión visual.
Clases de impropios detectados habitualmente
El sistema está entrenado para reconocer clases de impropios que aparecen repetidamente en distintas plantas: bombonas de gas, cartuchos de óxido nitroso, baterías y paquetes de baterías, chatarra metálica voluminosa y otros objetos que no deberían llegar a la parrilla. Es la misma capa de detección que señala bombonas de gas y cartuchos de óxido nitroso antes de que lleguen al horno, y funciona de manera continua en lugar de en intervalos de muestreo programados, que es la diferencia estructural frente a un flujo de trabajo basado en muestras de laboratorio: la cobertura abarca cada carga, no solo unas pocas horas escogidas.
Impacto medido en todo el parque de plantas
Las cifras agregadas que Wasteer reportó a EUWID en diciembre de 2025, procedentes de su parque de 28 plantas en 7 países, dan una idea del efecto en plantas que trabajan así de forma continua: la desviación estándar del PCI se reduce entre un 10 y un 15% de media, y entre un 40 y un 60% en entregas con valores extremos, las cargas que más se alejan de la norma y más daño hacen a la estabilidad del control de combustión. El rendimiento medido en ese mismo parque de plantas aumenta entre un 2 y un 8%, y el consumo de recursos operativos baja entre un 8 y un 17%.
Son cifras agregadas sobre un conjunto heterogéneo de plantas, no una garantía de rendimiento para una planta concreta. La antigüedad de la instalación, las prácticas existentes de gestión del foso y la mezcla de residuos influyen en dónde se sitúa cada planta dentro de esos rangos. Lo que el rango sí establece es que reducir la variabilidad del PCI en el punto de medición se traduce en menos oscilaciones de combustión aguas abajo, y menos oscilaciones se traducen en un rendimiento más estable y un menor consumo de recursos por tonelada procesada. El mecanismo detrás de esto no tiene nada de exótico: una caldera que trabaja con un flujo de residuo con una banda de PCI más estrecha necesita menos intervenciones manuales para mantenerse en régimen estable, y menos intervenciones significan menos reducciones de carga y menos reinicios en un periodo dado. La misma lógica explica la cifra de recursos: una combustión más estable necesita menos apoyo auxiliar para mantenerse dentro de su ventana operativa, ya sea combustible de apoyo, reactivo adicional de tratamiento de gases o cualquier otro consumible ligado a la inestabilidad de combustión. Ese mismo flujo de datos también sustenta la idea de convertir los datos de impropios en una ventaja para la recuperación de recursos, ya que un impropio señalado es también un dato sobre lo que está llegando al flujo de residuos en primer lugar.
Volúmenes de detección en la práctica
En las plantas que utilizan el sistema, se señalaron más de 300 bombonas de gas y alrededor de 1.300 impropios detectados en total en una ventana de tres meses, según las mismas cifras de diciembre de 2025. Cada bombona señalada es un objeto que no llegó sin ser detectado a la cuchara de la grúa, al triturador o a la parrilla. En un sector donde los problemas ligados a la caldera representan el 43% de una media de 22,9 días de parada no planificada al año, la detección continua de impropios en el punto de descarga actúa sobre uno de los factores que contribuyen a esa categoría de fallo, aunque la reducción de paradas de una planta concreta no pueda atribuirse solo al volumen de detección sin datos propios de ese emplazamiento.
Realidad del despliegue: tiempo de calibración
La objeción práctica más habitual a cualquier sistema de medición basado en visión es el coste de calibración: cuánto tiempo hasta que las estimaciones de PCI del modelo sean lo bastante fiables como para actuar sobre ellas en una planta concreta. La calibración tradicional, que consiste en ajustar un modelo con el historial propio de laboratorio de una planta, ha requerido históricamente unos seis meses, porque un único emplazamiento necesita acumular suficientes pares imagen-resultado de laboratorio para entrenar su propio modelo.
El conjunto de datos agregado de Wasteer cambia esa curva. Como el modelo subyacente se entrena sobre todo el parque compartido en lugar de partir de cero en cada nueva planta, el tiempo de calibración en un nuevo emplazamiento ha bajado a aproximadamente una semana. Una planta nueva no entrena un modelo a partir de su propia porción escasa de historial; adapta un modelo que ya ha visto una variación de residuo equivalente en otro lugar, y luego lo afina según las condiciones locales. Esa es la ventaja de despliegue de un conjunto de datos agregado frente a uno propio de una sola planta: cuantas más plantas alimentan el modelo compartido, menos tiempo pasa cada nueva planta esperando a que se vuelva útil.
En la práctica, esa semana cubre la instalación de cámaras y la conexión de red en el punto de descarga, un periodo inicial en el que el modelo trabaja sobre las entregas locales mientras sus estimaciones se contrastan con las muestras de laboratorio en curso, y el paso a operación diaria en cuanto las estimaciones siguen de cerca las mediciones de referencia propias de la planta. Es un periodo de calibración, no un periodo de prueba de concepto: el modelo llega ya entrenado con datos de otras plantas, y lo que ocurre en el sitio es adaptación, no un arranque desde cero. Una vez calibradas, las estimaciones por entrega pueden agregarse en una cartografía del PCI a nivel de foso, de modo que las decisiones de mezcla se basan en la composición medida de todo el foso, no solo en el último camión llegado.
Preguntas frecuentes
¿Esto sustituye por completo el muestreo de laboratorio? No. El muestreo de laboratorio sigue siendo el método de referencia para el reporte regulatorio y para la calibración del propio modelo de visión. Lo que cambia es la frecuencia y la cobertura: las estimaciones continuas por entrega llenan el hueco entre muestras de laboratorio, no sustituyen al laboratorio como referencia auditada.
¿Cómo se compara una estimación por entrega con una media de laboratorio? Una estimación por entrega no pretende igualar un resultado de laboratorio hasta el decimal; su función es señalar variabilidad y valores atípicos casi en tiempo real, para que el control de combustión y las decisiones de mezcla puedan reaccionar antes de que exista siquiera un resultado de laboratorio disponible. El efecto medido está en la desviación estándar sobre todo el flujo de entregas, no en coincidir exactamente con una cifra de laboratorio concreta.
¿Qué ocurre operativamente cuando se señala un impropio? El gruísta recibe una alerta con la ubicación del impropio en la imagen, en segundos, mientras la carga sigue en el foso o en la zona de descarga. El objeto se retira antes de llegar a la cuchara de la grúa o a la tolva de alimentación, en lugar de ser detectado más adelante en el triturador o en la parrilla.
¿Hace falta nuevo hardware en el punto de descarga? Las cámaras se instalan en el borde del foso o en la nave de descarga donde los camiones vierten su carga; el análisis se ejecuta sobre ese flujo de imágenes y se integra en el software existente de gestión de grúa y foso, sin sustituir el propio sistema de control de la grúa.
¿Cuánto tarda una nueva planta en ver un impacto medible? La calibración hoy se sitúa en torno a una semana con el conjunto de datos agregado actual, frente a unos seis meses con un enfoque de calibración propio de una sola planta, así que el impacto operativo se vuelve visible en una escala de semanas en lugar de gran parte de un año.
El análisis continuo del PCI y la detección de impropios en el punto de descarga no sustituyen la ingeniería de combustión, la disciplina de gestión del foso ni el método de referencia de laboratorio que una planta ya utiliza. Le dan a esos procesos existentes un flujo de datos que antes no tenían: lo que realmente hay en la carga, medido en el momento en que llega, para cada camión en lugar de para una muestra tomada al azar.