"La acción es donde está el valor". Thomas Brooks, de BHS, lo dijo en el MRF Operations Forum 2026 en Chicago, y resumió lo que los operadores esperan de la IA y la automatización: herramientas que cambien lo que ocurre en el próximo turno, no paneles que describan el anterior.
Los operadores de plantas de recuperación de materiales (MRF, por sus siglas en inglés) dedicaron gran parte de la semana en el MRF Operations Forum a los mismos problemas de siempre. Los datos están dispersos en distintos sistemas, el mantenimiento es sobre todo reactivo, los resultados de la clasificación varían mucho y es difícil encontrar y retener personal. La IA surgió una y otra vez, pero las preguntas se han vuelto más concretas. Los operadores querían saber qué entregaría realmente una tecnología, en un sector donde los costosos proyectos de inversión no siempre han cumplido lo prometido.
Datos que conducen a una decisión
Las MRF ya registran muchísima información: estado de los equipos, paradas, rendimiento, composición del material, tasas de recuperación, dotación de personal y registros de mantenimiento. Gran parte está en sistemas separados. Con frecuencia, un supervisor debe dedicar tiempo a reunirla para entender qué pasó durante un turno.
Los asistentes describieron el riesgo de una "niebla de datos": al sumar más datos, el panorama se vuelve más difícil de interpretar. La tarea que plantearon es consolidar la información, mostrarla a la persona adecuada en el momento oportuno y ayudarla a mejorar el siguiente turno.
El consejo práctico fue acotado. Elegir una métrica que cause problemas con regularidad, como las paradas no planificadas, la variación del rendimiento o la fuga de material. Después, preguntarse si se puede medir de forma fiable, si se conoce su causa y qué acción se tomará cuando cambie. Si la respuesta a esta última pregunta no está clara, es poco probable que otro panel de control ayude.
Primero los supervisores, con las personas al mando
Las sesiones paralelas señalaron a los supervisores como los beneficiarios más inmediatos de la IA. Buena parte de la jornada de un supervisor se va en reconstruir lo ocurrido en planta: revisar varios sistemas, recorrer la instalación y contrastar notas con el equipo. El software puede asumir parte de ese trabajo y dejar más tiempo para las decisiones estratégicas.
Los asistentes no lo presentaron como un reemplazo de los operadores con experiencia. Uno lo expresó así: "Se necesitan personas que sepan tomarle el pulso a la planta". El punto de partida sugerido son los informes manuales que los supervisores repiten en cada turno, sobre todo las tareas que combinan varias fuentes, como los informes de paradas y los resúmenes de turno. Una persona sigue siendo responsable de interpretar los resultados.
El mantenimiento va antes que la predicción
Los atascos fueron señalados como una de las principales causas de parada en las MRF, y una máquina detenida afecta a toda la planta. Las fábricas llevan décadas desarrollando prácticas de mantenimiento preventivo y predictivo. El mantenimiento en reciclaje tiende a ser más reactivo, condicionado por unas condiciones de operación duras y por la escasez de personal.
Los dos enfoques son distintos. El mantenimiento preventivo sigue un calendario, por ejemplo inspeccionar un componente cada semana o sustituir una pieza tras un número determinado de horas de operación. El mantenimiento predictivo usa datos del equipo y de la operación para detectar problemas incipientes antes de que se produzca una avería. En una MRF, eso podría significar detectar atascos recurrentes en una cinta transportadora o identificar qué fallos de equipo reducen una y otra vez el rendimiento.
Detectar es solo una parte del trabajo. Los operadores también necesitan personal, repuestos y conocimientos para actuar. El consejo fue registrar las paradas por equipo, causa, duración y turno, buscar patrones y usarlos para fijar prioridades de mantenimiento antes de comprar sistemas predictivos más avanzados.
La clasificación como proceso estadístico
Bastian Küppers, de STADLER Anlagenbau GmbH, describió la clasificación como "un proceso estadístico". La composición del material, la contaminación, el volumen y el rendimiento de los equipos cambian constantemente. Otro asistente comentó: "Lo único constante en una MRF es la inconsistencia".
Por eso una sola instantánea dice poco. Los operadores quieren ver tendencias entre turnos, días y flujos de material: si la recuperación mejora, si un commodity se sigue escapando a la línea de rechazo y si un cambio de proceso funcionó. Los programas de responsabilidad extendida del productor (REP) añaden presión, porque traen nuevas exigencias de recuperación, medición y reporte. Eso aumenta el valor de contar con visibilidad a nivel de cada objeto sobre lo que se recicla. La visión artificial y la IA podrían proporcionarla, aunque la precisión de la medición aún se está perfeccionando.
La recomendación fue comparar el rendimiento a lo largo del tiempo, tener en cuenta los cambios de composición y fijar una línea base antes de ajustar un proceso, de modo que se pueda evaluar su efecto.
Confianza, y lo que sigue sin demostrarse
La confianza fue el tema dominante. Los empleados con experiencia se van jubilando, los puestos difíciles cuesta mantenerlos cubiertos y los operadores quieren mantener o aumentar la producción con menos personas. La robótica y la automatización encajan con esa necesidad, pero los operadores recuerdan proyectos que prometían un alto desempeño y entregaron menos, y ahora piden primero evidencias.
Glacier, empresa de robótica para reciclaje que participó en el foro, aseguró que todos sus robots desplegados siguen operativos. Esa es una afirmación sobre disponibilidad, no sobre resultados. La empresa dijo que también le importa que sus clientes recuperen más material, mejoren la calidad y reduzcan las paradas, pero las cifras ofrecidas no demuestran esos resultados. No se facilitaron tasas de recuperación, reducciones de paradas ni cifras de clientes.
El debate de la semana apunta a una brecha entre lo que pide la industria y lo que se ha mostrado públicamente. Los operadores quieren datos de resultados de jornadas de producción normales, y las evidencias de los proveedores descritas aún no los aportan. Un recuento de equipos instalados y en funcionamiento es un sustituto débil y, sin un denominador ni un periodo definidos, no sirve para comparar proveedores.
La discusión sobre mantenimiento conlleva la misma cautela. La manufactura tiene larga experiencia con el mantenimiento predictivo, pero nada de lo presentado demostró que el enfoque se traslade sin fricciones a las MRF, donde el material es variable y el personal escaso. Se aconsejó a los operadores hacer bien primero el seguimiento de paradas, lo que implica que muchas plantas carecen de los registros básicos que necesitan las herramientas predictivas. De ser así, el beneficio a corto plazo probablemente vendrá de capturar datos de forma consistente y automatizar los informes de turno, más que de modelos sofisticados.
El punto de la REP es el menos definido. La medición a nivel de objeto podría convertirse en un requisito de cumplimiento, pero la propia industria reconoció que la precisión aún se está perfeccionando. Unas líneas base construidas sobre mediciones imperfectas pueden confundir tanto como informan. La prueba para los proveedores será demostrar, a lo largo del tiempo y frente a una línea base, que un cambio en una MRF produjo una mejora medible.
