Evaluación crítica de tres contribuciones en optimización de procesos de pasta, papel y cartón corrugado para nivel maestría y doctorado en Ingeniería
Las tres contribuciones cubren frentes complementarios en control de emisiones, tratamiento de efluentes y caracterización mecánica del cartón corrugado, pero ninguna constituye por sí sola un digital twin de planta completo; la validez externa multi-planta y la validación experimental sistemática de daño de converting permanecen como principales pendientes para adopción industrial.
Este reporte examina tres contribuciones recientes en optimización de procesos de la industria de pasta, papel y cartón corrugado: control de emisiones con predicción conformal, tratamiento de aguas residuales mediante juego estocástico multiagente, y homogenización inversa del cartón corrugado convertido. Se evalúa la solidez metodológica, la evidencia empírica y los límites de generalización de cada enfoque.
La industria de pasta y papel es un sistema intensivo en energía térmica, consumo de agua y transformación de fibra. En el segmento de containerboard y cartón corrugado, la función de producción está sujeta a tres restricciones concurrentes: la intensidad de carbono debe ser reportable y verificable bajo regímenes como el EU Emissions Trading System (ETS) y el Carbon Border Adjustment Mechanism (CBAM); el efluente debe satisfacer estándares de calidad bajo condiciones de influente no estacionario; y el desempeño mecánico del producto final depende del estado del material después de las operaciones de converting.
Los esquemas clásicos de control (PID, Advanced Process Control, optimización determinista de primer principios) no incorporan de forma nativa garantías de cobertura estadística bajo incertidumbre de modelo, ni coordinan de manera explícita múltiples objetivos conflictivos en presencia de ruido de proceso, ni actualizan las propiedades efectivas del material a partir del daño inducido por converting. Esta deficiencia motiva el examen de tres enfoques recientes que intentan cubrir cada uno de esos huecos.
La predicción conformal es un marco distribution-free que, bajo el supuesto de exchangeability de las observaciones, construye conjuntos de predicción con cobertura marginal garantizada. En su versión split conformal, se separa un conjunto de calibración y se calcula el cuantil empírico de orden (n+1)(1-alpha)/n de los scores de calibración. Para control de emisiones se emplean cotas superiores unilaterales que pueden acoplarse a un certificado de cumplimiento auditable frente a ETS/CBAM.
El proceso de tratamiento de aguas residuales puede modelarse como un sistema multiagente en el que cada actuador es un agente con recompensa local y restricción global de calidad de efluente. La evaluación de emisiones de GEI se aproxima mediante surrogates Kriging-HDMR, que combinan proceso gaussiano y descomposición de alta dimensionalidad para reducir el número de evaluaciones dentro del loop de MADRL.
El cartón corrugado se modela como sándwich ortotropo. La homogenización directa calcula las rigideces a partir de la geometría ideal de flauta; en presencia de converting, la geometría se perturba y el problema inverso consiste en identificar los parámetros que reproducen las rigideces efectivas. Este inverso es típicamente mal condicionado y requiere regularización.
Se trata de una revisión crítica estructurada, no una meta-análisis cuantitativa. Se seleccionaron tres contribuciones peer-reviewed del periodo 2025-mediados de 2026 que abordan de forma directa uno de los tres cuellos de botella identificados, proponen un formalismo matemático explícito y reportan resultados numéricos o de planta. Para cada contribución se extrajeron: formulación del modelo, supuestos, diseño de validación, métricas reportadas y ablations.
La fuerza de evidencia se evaluó en cinco dimensiones en escala ordinal 1-5: formulación matemática, validación experimental/planta, generalización multi-sitio, comparación con baseline y reproducibilidad pública. Las limitaciones de acceso a full text y a datos crudos se declaran como restricción del análisis.
Referencia: Applied Energy, 421, 128200 (2026). Sobre un conjunto de calibración se calculan residuales de un predictor base de intensidad horaria de carbono; el cuantil empírico de nivel 1-alpha define la cota que restringe las acciones de control al conjunto cuya cota superior permanece por debajo del umbral de cumplimiento. El Carbon Compliance Certificate formaliza esta cota como objeto auditable frente a ETS/CBAM.
Sobre 12 meses de datos de planta fuente: reducción de emisiones 14.7 % (cifra no verificada de forma independiente), retención de producción 99.1 % (cifra no verificada de forma independiente), cobertura empírica 96.2 % (cifra no verificada de forma independiente) a target 95 %. En dos digital twins la cobertura se mantiene entre 95.4 % y 96.6 %. Ablations: optimización puntual 11.3 % de reducción; intervalos bayesianos 93.8 % de cobertura; eliminación de la calibración conformal -> cobertura 87.0 % y +23 % de eventos de violación.
Referencia: Water Research, 303, 126252 (2026). El PWTP se representa como proceso de decisión de Markov multiagente. Cada agente controla un subconjunto de actuadores; la recompensa combina términos de coste operativo, energía y GEI, penalizando violaciones de efluente. El mapa de GEI se aproxima mediante surrogate Kriging-HDMR entrenado sobre evaluaciones del modelo mecanístico (familia BSM1 enriquecida).
Frente a BSM1: -3.52 % (cifra no verificada de forma independiente) OPEX, -26.38 % (cifra no verificada de forma independiente) energía, -7.9 % (cifra no verificada de forma independiente) GEI, con efluente en especificación. Existe una línea previa del mismo grupo de investigación (2023-2025) con magnitudes de mejora del mismo orden bajo formulaciones MADRL relacionadas.
Referencia: Garbowski et al., Composite Structures, 373, 119701 (2025). Etapa 1: se construye un modelo de elementos finitos 3D de la estructura corrugada; se introducen perturbaciones geométricas y constitutivas representativas de converting; se identifican por inversión los componentes de la matriz de rigideces de placa (A, B, D, R). Etapa 2: se resuelve un segundo problema inverso para recuperar parámetros de flauta y constantes elásticas ortótropos de las capas.
El reconocimiento explícito del daño de converting es el aporte central. El formalismo ABDR es estándar y permite el uso posterior en modelos de caja. El segundo inverso es inherentemente ill-posed; la calidad de la solución depende de la regularización y de la riqueza de los load cases. La validación experimental sistemática (DIC, perfilometría de flauta post-nip, campañas por tipo de flauta) aún es limitada.
Las tres contribuciones cubren frentes complementarios y no intercambiables. CCM aporta garantía estadística alineada con la contabilidad de carbono. MADRL-HDMR aporta coordinación multiobjetivo bajo incertidumbre de proceso en el efluente. La homogenización inversa aporta un puente entre el estado post-converting y las rigideces efectivas utilizables en diseño de envase. Ninguna constituye un digital twin de planta completo.
La integración requeriría propagación de incertidumbre desde el sistema energético hasta el certificado de carbono, acoplamiento del estado de efluente con la política de control de la máquina, y actualización en línea de las rigideces de placa a partir de datos de converting. Desde el punto de vista de adopción industrial, la aversión a la pérdida operativa, el sesgo de status quo y el coste de cambio de sistemas consolidados predicen resistencia a políticas que no garanticen la no-degradación de throughput y calidad.
Respecto a las hipótesis: H1 se sostiene de forma parcial porque la evidencia de cobertura y reducción es consistente en el sitio reportado, pero la generalización multi-planta no está demostrada. H2 se sostiene dentro del entorno de simulación BSM1-enriquecido; la validez externa a efluentes papeleros reales es el principal pendiente. H3 se sostiene a nivel de formulación y demostración numérica; la validación experimental sistemática de daño de converting es aún insuficiente.
El análisis se basa en información pública disponible (abstracts, datos reportados en texto, literatura de contexto) a septiembre de 2026. No se tuvo acceso sistemático a full text completo, código fuente ni series temporales crudas de planta. Esta restricción limita la auditoría de reproducibilidad y debe tenerse en cuenta al interpretar las puntuaciones de evidencia.
TRAZABILIDADCarbon-conformal manufacturing: Conformal prediction-guided carbon emission optimization in paper-mill energy systems. Applied Energy, 421, Article 128200 (2026). Wastewater treatment process optimization in stochastic game based on multiagent deep reinforcement learning. Water Research, 303, Article 126252 (2026). Garbowski, T., Cornaggia, A., Gajewski, T., Grabski, J. K., & Mrowczynski, D. (2025). Inverse-based multi-step numerical homogenization for mechanical characterization of converted corrugated board. Composite Structures, 373, Article 119701. https://doi.org/10.1016/j.compstruct.2025.119701. Garbowski, T. (2025). Review on homogenization of corrugated materials. BioResources. Vovk, V., Gammerman, A., & Shafer, G. (2005). Algorithmic learning in a random world. Springer. Alexandrov, N. M., Lewis, R. M., Gumbert, C. R., Green, L. L., & Newman, P. A. (1999-2000). Approximation and approximation error estimation concepts for design. Trabajos previos del cluster MADRL-PWTP (2023-2025) y literatura de digital twins en pulp & paper (Valmet, Voith, ABB, proyecto FOREST).
Manual de referencia para diseñar y auditar la infraestructura de medición de una planta UPAC en México. Une en una sola arquitectura los requisitos de la frontera comercial ante CENACE/CFE, del Código de Red ante la CNE y de la submedición SGE ante la CONUEE, con clases de exactitud, sincronización, VLAN, mapeo de protocolos y los expedientes de evidencia que cada autoridad exige.
El hallazgo material del ciclo es la Segunda Resolución de Modificaciones a las RGCE 2026: reabre por ocho días el colchón de transición aduanera y eleva el deber de los agentes frente a listados fiscales. Economía abre además un cupo de 10,000 cabezas de bovino, mientras SICT inicia la consulta de la norma sobre limpieza de unidades de materiales peligrosos.
Un instrumento puede estar calibrado y el dato que produce puede no resistir una auditoría, un contrato o una decisión de inversión. Esa diferencia tiene nombre: riesgo de decisión. Esta publicación mapea quién hace qué en la cadena de medición mexicana —y dónde están los riesgos que ningún vendedor le menciona.