Gestión de mermas y food waste con IA — la merma no debería aflorar solo a fin de mes.

El problema

La merma se produce en veinte sitios y se descubre en uno: la cuenta de resultados.

Pregunta a cualquier director de planta cuánta merma tiene y te dará un porcentaje. Pregúntale dónde se genera y la respuesta se vuelve una lista de sospechas. Porque la merma real está repartida en decenas de puntos que nadie registra en el momento:

1. Recorte de formato — los bordes de la masa, el despiece que no entra en calibre, el filete que se queda corto de peso. Va al contenedor sin que nadie apunte cuántos kilos ni de qué lote.
2. Arranques y paradas de línea — los primeros minutos tras un arranque producen fuera de especificación; casi nunca se pesa lo que se descarta hasta que la línea estabiliza.
3. Rechazos de calidad — el detector expulsa, el control de peso rechaza, el inspector aparta. Cada rechazo es un dato; casi ninguno queda registrado con su causa.
4. Caducidad en cámara — materia prima y semielaborado que caducan esperando su orden de fabricación. Se descubre en el inventario, semanas después de que la decisión que lo causó ya no tenga remedio.
5. Restos de cambio de SKU — lo que queda en la amasadora, en la tolva o en la tubería al cambiar de referencia. Kilos que se purgan en cada cambio, multiplicados por todos los cambios del mes.

A fin de mes, contabilidad resta consumo real menos consumo teórico y aparece un solo número agregado. Sin lote, sin línea, sin causa. Con ese número no se puede atacar nada: la reunión de mermas se convierte en un intercambio de hipótesis. Y los objetivos de reducción de desperdicio — y el reporting de sostenibilidad que ya piden los retailers y exige la CSRD — se quedan en estimaciones que nadie puede defender ante una auditoría.

Cómo encaja con el sistema IRIS

iLEAN no añade otro parte de merma que nadie rellena — captura el dato en el gesto que ya existe.

El cuello de botella no es analizar la merma (eso es aritmética); es que el dato nunca llega a existir. El operario que acaba de cambiar de formato no va a caminar hasta un terminal, abrir una pantalla y rellenar un formulario por 12 kilos de recorte. Cualquier sistema que dependa de ese formulario está muerto antes de arrancar. iLEAN invierte el problema: acerca la captura al punto donde la merma ocurre, con un coste de registro cercano a cero — y sin pedirte que cambies ERP, MES ni básculas.

Connect captura cada kilo donde se genera — báscula, foto o voz. Edge cuenta el rechazo de línea automáticamente. Los agentes atribuyen cada registro a su causa y priorizan las 3 que más pesan. La persona valida — sin firma, el dato no entra.

Las piezas iLEAN aplicadas a la gestión de mermas y food waste:

• Connect — la báscula conectada envía el peso sola; el contenedor de recorte se registra con una foto; y el operario con pinganillo lo dicta sin soltar lo que tiene en las manos: «iLEAN, apunta: 12 kilos de recorte por cambio de formato». Cada registro nace con línea, turno, lote y hora. La merma deja de ser un número de contabilidad y pasa a ser un flujo de eventos con contexto.
• Edge — en los puntos donde ya hay cámara, detector o control de peso, Edge cuenta el rechazo automáticamente: unidades expulsadas, kilos apartados, minutos de arranque fuera de especificación. Sin intervención del operario y sin sacar el dato crítico de la planta: el procesamiento ocurre en el anillo 1.
• Agentes Tracer y Writer — Tracer cruza cada registro con el contexto de línea (¿había un arranque?, ¿un cambio de SKU?, ¿un rechazo de calidad?, ¿una salida de cámara con fecha vencida?) y atribuye cada kilo a su causa; cuando duda, pregunta en lugar de inventar. Writer agrega, calcula el Pareto de causas, prioriza las 3 que más pesan y prepara tanto el plan de ataque semanal como el informe de food waste con dato primario. El responsable valida la atribución — sin firma no entra al sistema.

El cerebro (Brain) que orquesta los agentes vive en Central; los datos críticos quedan en el anillo 1 de la planta, no en una nube cualquiera (ver arquitectura IRIS y los tres anillos de seguridad).

Ver la arquitectura IRIS completa →

Antes y después

Merma agregada a fin de mes vs. merma capturada en el punto con iLEAN

Aspecto	Cierre contable + Excel	Con iLEAN Connect + Edge + Agentes
Cuándo aflora la merma	A fin de mes, agregada en la cuenta de resultados	En el momento en que se genera, punto a punto
Atribución por causa	Hipótesis en la reunión mensual	Cada kilo con su causa: arranque, cambio de SKU, defecto, caducidad
Detalle por lote y línea	No existe — un solo número global	Registro con línea, turno, lote y hora
Coste de apuntar un descarte	Formulario o parte en papel que nadie rellena	Báscula, foto o voz — segundos, sin soltar la herramienta
Reporting de food waste (CSRD, retailers)	Estimación sobre el cierre, difícil de defender	Dato primario auditable, desglosado por causa y lote
Priorización de acciones	Todas las causas a la vez, ninguna a fondo	Pareto vivo — las 3 causas que más pesan, con seguimiento semanal

Estimación de impacto

Estimación de impacto para tu planta — a validar con tus números.

El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Sirve para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Planta con 2-8 líneas y merma agregada de entre el 2% y el 6% sobre consumo, sin desglose fiable por causa. Cambios de SKU frecuentes y presión creciente de retailers y CSRD por cifras de desperdicio defendibles.
• Implantación de Connect + Edge + Agentes Tracer/Writer sobre una línea piloto, integrada con el ERP/MES existente y las básculas que ya hay. Visibilidad de la merma por causa desde la primera semana — antes de tocar nada, ya sabes dónde se va cada kilo.
• Reducción esperable ≥30% en las primeras causas atacadas (estimación a validar: el Pareto de cada planta es distinto, pero las 3 primeras causas suelen concentrar la mayoría de los kilos). El reporting de food waste pasa de estimado a dato real sin trabajo adicional.
• Payback orientativo entre 4 y 9 meses (estimación a validar), según el volumen de merma actual, el coste de la materia prima y el número de líneas incorporadas tras el piloto.

Y la duda razonable de producción

«¿Y si la IA atribuye la merma a la causa equivocada?» — la alucinación es un problema de la generación libre, no de las tareas ancladas. Atribuir un registro de merma a su causa es exactamente una tarea anclada: la IA recontextualiza un dato (kilos, línea, hora) usando otro (el evento de línea que ocurría en ese momento) y aplica reglas verificables. En este tipo de tareas, los mejores modelos bajaron el error por debajo del 1,5% ^[1]. Y aun así, la persona valida la atribución — sin firma, el dato no entra al sistema. Los tres anillos de seguridad están ahí para esto.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.