El análisis de la composición de residuos consiste en determinar qué contiene realmente una carga antes de que llegue a la parrilla o a la trituradora: qué proporción es combustible, cuánta es humedad y fracción inerte, qué poder calorífico producirá probablemente la mezcla, y si la carga trae algo que no debería estar ahí. En la mayoría de las plantas de valorización energética europeas, esa determinación sigue apoyándose en muestreos periódicos de laboratorio: unos pocos kilogramos extraídos de un camión, clasificados a mano, extrapolados para representar toneladas de residuos urbanos y comerciales mezclados, una o dos veces por turno. Ese método se diseñó para una época en la que el material de entrada era más homogéneo y la parada no planificada se aceptaba como un coste operativo más. Ninguna de las dos premisas se sostiene del todo hoy.
Las paradas no planificadas en plantas de valorización energética de residuos y biomasa promediaron 22,9 días al año en 2021, con un 43% de ese tiempo vinculado a la caldera, y 9,9 días al año atribuibles solo a fallos de caldera, según el análisis del sector publicado por POWER Magazine. Una muestra tomada una vez por turno no capta las variaciones de composición que ocurren entre un muestreo y otro, y mucho menos un impropio enterrado en el interior de una carga. Esta guía explica cómo funciona en la práctica el análisis IA de la composición de residuos, qué cambia operativamente en el lado del PCI y en el de los impropios, dónde se integran estos datos en la gestión del foso y en la documentación de cumplimiento, y qué revisar antes de comprar un sistema.
Cómo funciona el análisis IA de la composición de residuos
El mecanismo es sencillo de describir, aunque los modelos que hay detrás no lo sean: las cámaras observan los residuos en el momento de la descarga, un modelo interpreta lo que ven, y el resultado llega al personal de operaciones lo bastante rápido como para actuar sobre esa carga concreta, no sobre la siguiente.
Captura por cámara en el foso
El análisis empieza en el punto donde los residuos entran realmente en el proceso: el punto de descarga, donde los camiones vierten en el foso o en la zona de recepción. Cámaras fijas instaladas en el borde del foso graban la descarga de forma continua, no a intervalos programados. Una descarga nunca es uniforme. El material denso tiende a salir primero de la caja del camión, el material más ligero y voluminoso se dispersa más hacia el final de la descarga, y una sola fotografía fija solo captaría una fracción de esa variación. Únicamente la captura continua a lo largo de toda la secuencia de descarga permite evaluar la carga completa, en lugar de un fotograma aislado elegido por conveniencia.
En la práctica, la ubicación de las cámaras y la calidad de las carcasas pesan más en la calidad del dato que la elección de la arquitectura del modelo. El entorno del foso es polvoriento, caluroso y con fuertes vibraciones. Una cámara que no se mantiene limpia ni correctamente alineada durante meses de funcionamiento continuo produce datos de entrada poco fiables, sea cual sea el modelo que los procese después. Los proveedores que realmente han operado en fosos en funcionamiento, y no solo probado modelos con conjuntos de datos seleccionados, tienden a hablar primero de ciclos de limpieza, mitigación de vibraciones y diseño de carcasas, antes de hablar de precisión del modelo, un orden de prioridades que es un buen indicio de cuán en serio se diseñó un sistema para el entorno real en el que va a operar.
De la imagen a la estimación de composición
Esas imágenes alimentan un modelo de visión entrenado para reconocer los patrones visuales que se correlacionan con la composición de los residuos: la mezcla de envases, materia orgánica, textiles y finos visibles en la superficie, indicios de humedad como el brillo o los apelmazamientos, y la densidad y el volumen que ocupa la carga en el encuadre. El modelo no clasifica físicamente los residuos como lo haría un técnico de laboratorio. Deduce la composición y el PCI a partir de lo visible, de forma parecida a como un gruista experimentado aprende a evaluar una carga a simple vista y ajustar la mezcla en consecuencia, solo que lo hace de forma sistemática, en cada carga, con un registro con marca de tiempo asociado a cada estimación, en lugar de un juicio que no deja rastro.
Por eso el resultado siempre debería venir acompañado de una indicación explícita de su propia incertidumbre, en lugar de una cifra única presentada con falsa seguridad. Una carga limpia, bien iluminada y en gran parte descubierta produce una estimación más ajustada que una carga compactada, ensacada, o parcialmente tapada por lonas y objetos voluminosos. Un sistema que declara siempre la misma confianza aparente, independientemente de lo que realmente pueda ver, no está calibrado sobre la realidad de un foso en funcionamiento, sino sobre una mesa de laboratorio con iluminación ideal y un pequeño conjunto de cargas de prueba seleccionadas.
Qué se detecta: clases de impropios y PCI a la vez
El mismo paso de cámara que produce una estimación de PCI realiza también el cribado de impropios: objetos que sencillamente no deberían estar en la carga. Las bombonas de gas y los aerosoles son la clase que más preocupa a los operadores por motivos de seguridad, pero la misma capa de detección suele cubrir también baterías, chatarra voluminosa y otros objetos que pueden dañar equipos o interrumpir la secuencia de alimentación. Que ambas funciones se ejecuten sobre la misma captura de imagen es una decisión de diseño deliberada, no casual. Una carga con una proporción inusualmente alta de envases densos de bajo PCI y una carga que oculta una bombona de gas representan ambas un tipo de variabilidad que el operador necesita poder ver, y ambas son visibles en la misma imagen en el mismo instante: no hay motivo para operar dos sistemas separados para detectarlas.
PCI: qué cambia en la operación
El cálculo del PCI es el componente del análisis de composición que afecta más directamente a la combustión. Pasar de un ejercicio de laboratorio periódico a una medición continua, carga por carga, cambia lo que los operadores pueden hacer realmente con esa cifra.
De muestras de laboratorio periódicas a estimaciones continuas por carga
Una determinación del PCI en laboratorio es defendible como media mensual o trimestral, el tipo de cifra que aparece en un informe y resiste una revisión meses después. Lo que no puede hacer es decirle a un operador nada sobre la carga concreta que provocó un evento de combustión anómalo tres turnos antes. La estimación continua, carga por carga, cierra ese vacío. En lugar de un único dato que representa un turno entero de camiones, cada carga obtiene su propia estimación, vinculada a una marca de tiempo, un vehículo y, cuando la planta lo registra, un proveedor.
Esa granularidad permite a un operador volver atrás y saber qué carga concreta se correlaciona con un determinado evento de caldera, en lugar de concluir solo que la media del día fue en general más o menos rica de lo habitual. También cambia la conversación con los proveedores. Una simple media mensual da poco margen a un operador en una discusión sobre calidad. Un histórico que muestra que las cargas de un origen determinado llegan de forma sistemática con un PCI anormalmente variable, o con una proporción desproporcionada de avisos de impropios, es un tipo de prueba distinto, y mucho más concreto.
Implicaciones para la estabilidad de la caldera y el control de la combustión
Nada de esto sustituye al sistema de control de la caldera, y no debería presentarse como tal. Lo que cambia es la información disponible antes de que la carga llegue a la parrilla. Un gruista que dispone de una estimación de PCI para cada carga puede mezclar material de alto y bajo PCI entre las distintas zonas del foso, en lugar de cargar simplemente la zona más cercana a la cuchara. Esa decisión de mezcla es el mecanismo práctico por el cual una mayor visibilidad de la composición contribuye a una combustión más estable. No es una reducción garantizada de un tipo concreto de fallo, y ningún operador debería esperar que se le venda así. Lo que reduce de forma plausible es la frecuencia con la que la caldera se alimenta con material claramente fuera de la banda para la que fue ajustada, y la frecuencia con la que un impropio no detectado llega efectivamente a la parrilla o a la trituradora.
Dado que los problemas relacionados con la caldera representaron el 43% de las paradas no planificadas del sector en 2021, según el análisis de POWER Magazine citado antes, cerrar esa brecha de visibilidad entre lo que llega a la puerta y lo que el gruista puede ver actúa sobre una de las palancas operativas más relevantes disponibles para una planta que no controla lo que llega en sus camiones. Es un mecanismo, no una garantía, y conviene tratarlo como tal en cualquier análisis interno de negocio.
Detección de impropios: qué cambia en la operación
La detección de impropios cubre dos categorías que conviene distinguir, porque la respuesta operativa es distinta en cada caso: objetos que suponen un peligro agudo para la seguridad, y objetos que suponen un riesgo mecánico o de mantenimiento sin ser un peligro inmediato.
Objetos críticos para la seguridad: bombonas de gas y cartuchos de óxido nitroso
Las bombonas de gas, y los cartuchos de óxido nitroso en particular, son la clase de objetos más crítica en cuanto a seguridad que aparece en residuos urbanos y comerciales mezclados. Una bombona presurizada que llega a un horno en temperatura de combustión, o que es aplastada por la cuchara del puente grúa o por una cuchilla de la trituradora antes de llegar allí, supone un peligro real, no teórico, para los equipos y el personal. La detección en el punto de descarga, antes de que la carga se extienda o se mueva más adentro del foso, da al personal de operaciones la opción de aislar ese montón concreto, señalarlo al gruista y mantenerlo fuera de la secuencia de alimentación hasta que se haya gestionado físicamente, en lugar de descubrir el problema una vez que ya está dentro del proceso.
Wasteer trata la detección de bombonas de gas y óxido nitroso en particular con más detalle en otro artículo, incluyendo cómo se registra un evento de detección, se le asigna una marca de tiempo y se muestra al gruista en una forma que permite una decisión operativa inmediata, en lugar de una simple nota para la reunión de la semana siguiente.
Voluminosos, protección de trituradora y parrilla
Más allá de la categoría de peligro agudo, la detección de impropios también cubre objetos que suponen un riesgo más mecánico que de seguridad: chatarra voluminosa, material inerte denso y otros objetos que de todos modos nunca iban a arder de forma limpia y que tienen más probabilidad de dañar una cuchilla de la trituradora o de quedar incombustos sobre la parrilla, afectando a la calidad de la combustión. Estos objetos raramente son noticia como sí lo sería un incidente con una bombona, pero constituyen una fuente constante y silenciosa de mantenimiento no planificado. Un registro por carga de dónde y con qué frecuencia aparecen da a los equipos de mantenimiento un patrón real sobre el que planificar, en lugar de una serie de informes de incidentes aislados que nunca acaban de componer una causa.
Gestión del foso: dónde los datos de composición se convierten en una decisión de alimentación
La detección y la estimación solo sirven si el dato llega a alguien capaz de actuar antes de que la carga se comprometa en el horno. Esa es la función de la gestión del foso: convertir la estimación de PCI y los avisos de impropios generados en el punto de descarga en una instrucción concreta, mezclar esta zona con aquella, retener este montón concreto, secuenciar esta carga antes que aquella, precisamente en el punto en el que el gruista está trabajando realmente sobre el montón.
Aquí es donde importa la distinción entre "el dato existe" y "el dato cambia realmente algo". Los datos de composición que quedan en un informe que nadie abre hasta la semana siguiente no cambian lo que se alimenta hoy a la parrilla. Los datos de composición vinculados a un montón concreto, todavía identificable en el foso, visibles para el gruista en el momento mismo de la cuchara, sí cambian algo. El propio artículo de Wasteer sobre cómo la detección de impropios y el PCI se integran en la gestión del foso profundiza en ese flujo de trabajo, incluyendo cómo las cargas señaladas se mantienen visual y físicamente diferenciadas del resto del foso hasta que se resuelven.
También merece la pena señalar el ángulo de recuperación de recursos en lo que se señala en lugar de simplemente descartarse. A medida que la recuperación de material gana peso en el razonamiento económico del esfuerzo de clasificación en plantas de valorización energética, conviene entender cómo los impropios señalados se convierten en un insumo para la recuperación de recursos en lugar de seguir siendo residuo puro, una vez identificados y apartados en lugar de ir directamente a la alimentación del horno.
Cumplimiento y documentación: dónde estos datos alimentan la reportabilidad
Nada de esto sustituye las obligaciones normativas de medición y reportabilidad que los operadores de plantas de valorización energética ya asumen. En Alemania, la 17. BImSchV (en su versión modificada de febrero de 2024) fija los valores límite de emisiones atmosféricas que rigen la incineración y coincineración de residuos, y la trazabilidad de las entregas sigue pasando por el régimen alemán de documentación de residuos, la Nachweisverordnung (registrada electrónicamente a través del eANV), con independencia de lo que un sistema de visión observe en el borde del foso. Un sistema de análisis de composición se suma a esas obligaciones, no las sustituye.
Lo que añaden los datos continuos de composición es un tipo de evidencia distinto al de un resultado de laboratorio periódico: un registro con marca de tiempo, por carga, de lo que realmente llegó a la planta. Eso es útil de una forma distinta a una media mensual. Cuando una planta necesita rastrear una lectura de emisiones anómala o un evento de combustión hasta una carga concreta, o necesita mantener una conversación basada en evidencias con un proveedor sobre impropios repetidos, es un registro continuo lo que lo hace posible. Una media trimestral nunca se diseñó para responder a una pregunta con ese nivel de detalle, y no es una crítica justa al muestreo de laboratorio decir que no puede; simplemente no se diseñó para ese propósito.
Los mismos datos de composición tienen un uso adicional a medida que las exigencias de medición y reportabilidad del sector siguen evolucionando. Wasteer ha tratado por separado cómo estos mismos datos de composición respaldan la reportabilidad MRV, la disciplina de monitorización, reporte y verificación que cada vez es más central en cómo las plantas de valorización energética documentan sus fracciones fósiles y biogénicas a lo largo del tiempo.
Qué revisar antes de comprar un sistema de análisis IA de residuos
Unas cuantas preguntas separan un sistema que realmente aguanta en un foso en funcionamiento de uno que solo parecía convincente en una demo:
- Alcance de la implementación. ¿Qué hardware necesita realmente en el sitio: cámaras, un servidor edge, conectividad de red? ¿Se exige integración con el control del puente grúa, la capa DCS/SCADA o la báscula puente, o el sistema puede funcionar como una capa independiente que el personal de operaciones consulta en una pantalla, sin tocar la infraestructura de control existente?
- Calibración sobre la realidad del foso, no sobre condiciones de laboratorio. Preguntar específicamente cómo validó el proveedor el sistema frente a cargas polvorientas, calurosas, mal iluminadas o parcialmente ocultas, y no solo frente a un conjunto de prueba seleccionado. Un proveedor que solo puede hablar de precisión en condiciones ideales todavía no ha demostrado el caso más difícil, que es el que aparece realmente un martes cualquiera por la tarde en un foso en funcionamiento.
- Cómo se comunica la incertidumbre. Un sistema que infiere la composición a partir de imágenes debería expresar un rango de confianza que se ensancha cuando la visibilidad es mala y se estrecha cuando es buena, y no reportar siempre el mismo valor fijo con independencia de lo que la cámara pueda ver realmente.
- Referencias en funcionamiento real, no en fase piloto. Preguntar en cuántas instalaciones funciona el sistema en producción, desde cuándo y en qué condiciones. Wasteer, por ejemplo, ya estaba en uso en más de 20 plantas según su propia actualización de mayo de 2025 sobre el avance de la implementación, una escala que refleja condiciones operativas en varios países y tipos de planta, no una única instalación escaparate.
- Qué ocurre cuando se señala un impropio. ¿Llega la alerta al gruista en una forma sobre la que puede actuar de inmediato, con una imagen clara y una localización, o termina en un panel que alguien tiene que acordarse de revisar?
- Propiedad y conservación de los datos. ¿De quién son las imágenes y los datos derivados, cuánto tiempo se conservan, y pueden exportarse para el cumplimiento propio de la planta o para conversaciones con proveedores, en lugar de quedar encerrados en la interfaz de un proveedor?
- Qué no hace el sistema. Cualquier proveedor que presente el análisis de composición como sustituto de la medición normativa, en lugar de como complemento, debe tratarse con cautela. La respuesta honesta a "¿esto sustituye nuestras obligaciones de muestreo en laboratorio?" es casi siempre no, y un proveedor que afirme lo contrario o bien se equivoca sobre el marco regulatorio, o bien está sobrevendiendo el producto.
Preguntas frecuentes
¿El análisis IA de la composición de residuos sustituye al muestreo de laboratorio y a las obligaciones normativas de medición? No. Funciona junto a las exigencias normativas de medición y reportabilidad, como las de la 17. BImSchV y la Nachweisverordnung, no en su lugar. Lo que añade es visibilidad continua, carga por carga, entre las mediciones periódicas que una planta ya está obligada a realizar, útil para decisiones operativas y conversaciones con proveedores, pero sin sustituir el registro formal.
¿Cómo gestiona el sistema cargas compactadas, ensacadas o parcialmente cubiertas por lonas y objetos voluminosos? La visibilidad varía según cómo se presente la carga, y un sistema bien construido debería dejarlo claro en lugar de ocultarlo. Una carga limpia y en gran parte descubierta produce una estimación más ajustada; una carga compactada o muy ensacada produce un rango de confianza más amplio, porque una parte menor de la composición es realmente visible para la cámara. Los operadores deberían esperar y exigir ese rango, en lugar de una cifra única presentada con falsa precisión.
¿Qué ocurre operativamente cuando se detecta una bombona de gas o un cartucho de óxido nitroso? El sistema señala el objeto con una imagen y una localización en el momento de la captura, y esa alerta llega al personal de operaciones lo bastante rápido como para actuar sobre esa misma carga, no sobre una más avanzada en el proceso. La respuesta habitual es aislar el montón señalado, mantenerlo fuera de la secuencia de alimentación inmediata y gestionarlo según el procedimiento interno de la planta para objetos peligrosos, quedando el evento de detección registrado para referencia posterior.
¿La implementación requiere cambios en nuestro control del puente grúa o en el sistema DCS/SCADA? No necesariamente. Una implementación estándar se basa en cámaras en el punto de descarga, un servidor edge en el sitio y una aplicación en la nube o local que muestra los resultados al personal de operaciones. La integración con sistemas existentes de báscula, ERP o DCS/SCADA suele estar disponible cuando una planta la desea, pero una planta también puede hacer funcionar el sistema como una capa de información independiente, sin tocar su infraestructura de control existente.
¿Es esto relevante solo para plantas muy grandes, o también aguanta para plantas de valorización energética más pequeñas? El mecanismo, captura por cámara en el punto de descarga que alimenta un modelo de visión, no depende del tamaño de la planta. Lo que varía con el tamaño de la planta es el cálculo de coste y complejidad de integración, razón de más para pedir a un proveedor potencial referencias de implementación en una instalación de escala comparable, en lugar de fiarse de cifras procedentes de un sitio de referencia mucho más grande.