Circularity of Thermodynamical Material Networks: Indicators, Examples, and Algorithms

Este artículo presenta un enfoque basado en redes de materiales termodinámicos para diseñar flujos de materiales circulares mediante balances energéticos dinámicos, desarrollando indicadores de circularidad y validándolos con ejemplos numéricos de fluidos y sólidos.

Lo esencial

¡Claro que sí! Imagina que la economía es como un sistema de tuberías de agua en una ciudad gigante. Durante años, hemos vivido con un sistema "lineal": abrimos el grifo (extraemos recursos), usamos el agua para algo y luego la tiramos al desagüe (basura). El problema es que el grifo se va a secar y el desagüe se va a desbordar.

La economía circular quiere cambiar esto: quiere que el agua no se tire, sino que se recircule, se limpie y vuelva a usarse una y otra vez, como un río que nunca se seca.

Pero, ¿cómo sabemos si nuestro sistema de tuberías es realmente "circular" o si tiene fugas? Aquí es donde entra este paper. El autor, Federico Zocco, propone una nueva forma de medir esto usando matemáticas y gráficos, en lugar de solo contar cajas de basura.

Aquí tienes la explicación sencilla, con analogías:

1. El Problema: Contar vs. Entender

Antes, para medir si algo es circular, la gente hacía "contabilidad estática". Era como tomar una foto de un río en un segundo y decir: "Aquí hay mucha agua". Pero los ríos se mueven. La materia (plástico, metal, comida) fluye, se mueve, se acumula y desaparece en segundos.

El paper dice: "¡Olvídate de las fotos! Necesitamos un video en tiempo real."

2. La Solución: Las "Redes de Materiales Termodinámicas" (TMN)

El autor propone ver la economía como si fuera un sistema de tuberías de agua caliente y fría (termodinámica).

• Los nodos (compartimentos): Son como depósitos o tanques de agua (una fábrica, un hogar, un vertedero).
• Las flechas (flujos): Son las tuberías que mueven el agua (camiones, cintas transportadoras).

La idea genial es que, en lugar de solo mirar cuánta agua hay en los tanques, miramos cómo se mueve y cuánta energía se necesita para moverla. Esto permite ver cambios que ocurren en menos de un minuto, algo que los métodos antiguos no podían hacer.

3. Los "Medidores de Circularidad" (Los Indicadores)

El paper crea una lista de "medidores" (indicadores) para saber qué tan bien funciona nuestro sistema de reciclaje. Imagina que tienes un panel de control con luces:

• El Medidor de "Ciclos" (Cyclicity): ¿Hay bucles cerrados? Imagina un patinador que da vueltas en una pista. Si el patinador (el material) vuelve a empezar, hay un ciclo. Si el patinador se cae y se queda quieto, no hay ciclo. El paper cuenta cuántas vueltas completas da la materia.
• El Medidor de "Conexión" (Connectivity): ¿Están todos los tanques bien conectados? Si tienes un tanque de agua aislado que nadie toca, no es útil. Este medidor ve si las tuberías están bien enlazadas.
• El Medidor de "Compartición" (Flow Sharing): ¿Varios patinadores usan la misma pista al mismo tiempo? Si varios camiones llevan plástico al mismo tiempo, el sistema es más eficiente.
• El Medidor de "Dirección" (Directionality): ¿El agua fluye hacia adelante o se está quedando estancada?

4. Los Ejemplos Prácticos (La Prueba de Fuego)

El paper prueba sus ideas con dos situaciones:

A. El caso del Agua (Materiales Líquidos):
Imagina un sistema de tuberías donde el agua fluye constantemente.

• El error: Al principio, el autor puso números al azar en el sistema. ¡Pum! El sistema "se rompió" matemáticamente porque creó agua de la nada o la hizo desaparecer (violando la ley de conservación de la masa).
• La corrección: Ajustó las ecuaciones para que el agua que entra sea igual a la que sale. Al hacerlo, los "medidores" dieron números reales y útiles.
• Lección: Si no respetas las leyes de la física (no puedes crear materia de la nada), tus métricas de reciclaje son falsas.

B. El caso de los Camiones (Materiales Sólidos/Plásticos):
Aquí imagina un sistema de camiones que llevan plástico.

• La diferencia: A diferencia del agua que fluye suavemente, los camiones van y vienen en "paquetes" (lotes). Un camión sale, tarda 2 horas en llegar, descarga, y luego vuelve.
• El resultado sorprendente: En este ejemplo, la mayoría de los medidores de "circularidad" marcaron CERO. ¿Por qué? Porque para que haya un "ciclo" perfecto según sus reglas, los camiones de ida y de vuelta tendrían que estar en movimiento al mismo tiempo. Como en el ejemplo solo había un camión a la vez, el sistema parecía "roto" o no circular.
• La verdad: En la vida real, hay muchos camiones a la vez. El paper nos dice que, para medir bien la circularidad en el mundo real, necesitamos modelos que capturen esa complejidad y velocidad (cambios en menos de un minuto).

5. ¿Por qué es importante esto? (El Gancho Final)

El autor compara su método con el método antiguo (MFA) usando una analogía de fotografía vs. video:

• El método viejo (MFA): Necesita tomar miles de fotos cada minuto para entender qué pasó. Es como intentar reconstruir una película viendo solo 2,600 fotos sueltas. Requiere una montaña de datos históricos.
• El método nuevo (TMN): Es como tener el guion de la película. Con solo 34 números (parámetros), puede predecir exactamente qué pasará en el sistema. Es mucho más eficiente, más rápido y más inteligente.

En Resumen

Este paper es como un manual de ingeniería para diseñar economías circulares. Nos dice que para saber si realmente estamos reciclando bien, no basta con contar basura; necesitamos entender el movimiento dinámico de los materiales, asegurarnos de que las matemáticas respeten la física (no crear materia de la nada) y usar modelos que capturen la velocidad real del mundo (camiones, fábricas, etc.).

Es una herramienta para que los ingenieros y políticos puedan diseñar sistemas que funcionen de verdad, en lugar de solo analizar datos del pasado.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "Circularity of Thermodynamical Material Networks: Indicators, Examples, and Algorithms" en español.

1. Planteamiento del Problema

La economía lineal tradicional (extraer-producir-desechar) es insostenible a largo plazo debido al agotamiento de recursos y la contaminación. La transición hacia una economía circular busca cerrar los flujos de materiales mediante reutilización, reparación y reciclaje. Sin embargo, el campo carece de fundamentos teóricos claros y métricas robustas para medir la "circularidad" de un sistema.

Las limitaciones principales de los indicadores existentes son:

• Falta de base matemática y física: Muchos indicadores se basan en ecuaciones algebraicas simples o carecen de ellas, lo que dificulta la claridad, la repetibilidad y la comparación.
• Enfoque estático y fragmentado: La mayoría de los modelos actuales utilizan Análisis de Flujo de Materiales (MFA, por sus siglas en inglés) con stocks y flujos constantes (estáticos). Esto no captura la dinámica real de los sistemas, donde los materiales se mueven en segundos o minutos. Además, muchos indicadores se centran en etapas individuales del ciclo de vida en lugar de en el ciclo completo de los materiales.
• Ineficiencia en la modelización dinámica: Lograr una alta precisión temporal con MFA requiere grandes volúmenes de datos históricos, lo que es intensivo y poco práctico para el diseño de sistemas.

2. Metodología: Redes de Materiales Termodinámicas (TMN)

El autor propone utilizar Redes de Materiales Termodinámicas (TMN) como marco formal para diseñar y medir flujos de materiales.

• Concepto Central: Una TMN modela cualquier cadena de suministro como un conjunto de compartimentos termodinámicos conectados. Estos compartimentos pueden almacenar, transformar o transportar materiales.
• Formalización Gráfica: Se utiliza la teoría de grafos para representar la red.
  • Nodos: Representan compartimentos que almacenan o transforman material (stocks).
  • Arcos: Representan el transporte de material entre nodos (flujos).
  • Matriz de Flujo de Masa ($\mathbf{\Gamma}$): Una matriz ponderada donde la diagonal contiene los stocks de masa y los elementos fuera de la diagonal contienen las tasas de flujo de masa.
• Dinámica Híbrida: A diferencia de los modelos estáticos, las TMN utilizan ecuaciones diferenciales ordinarias (para fluidos) o ecuaciones híbridas (combinación de tiempo continuo y discreto para sólidos/batches) para describir la evolución de los stocks y flujos en el tiempo.
• Principio de Conservación: El modelo impone estrictamente la conservación de la masa, calculando los stocks dinámicos a partir de los flujos de entrada y salida, evitando violaciones físicas comunes en modelos simplificados.

3. Contribuciones Clave

El artículo presenta cuatro contribuciones principales:

1. Formalización Física de la Circularidad: Se desarrollan indicadores basados en grafos para cuantificar la circularidad, definiendo la "circularidad" estrictamente como el "flujo cerrado de material".
2. Nuevos Indicadores: Se definen 6 indicadores de circularidad basados en ciclos dirigidos (medidas de la intensidad del flujo en los ciclos) y 4 indicadores auxiliares (topología, distribución de stocks, etc.):
   • Basados en ciclos: Media geométrica, armónica y aritmética de los flujos en los ciclos, presentados tanto como valores escalados (normalizados entre 0 y 1) como totales.
   • Topológicos: Conectividad promedio, ciclicidad (número de ciclos), compartición de flujos y direccionalidad.
   • Auxiliares: Stock total, flujo total, distribución de stocks y vector de acumulación-agotamiento.
3. Algoritmos de Cálculo: Se proporcionan pseudocódigos (implementados en MATLAB) para calcular estos indicadores tanto para flujos continuos como para sistemas discretos/híbridos.
4. Validación Numérica: Se ilustran los conceptos con dos casos de estudio:
   • Materiales Fluidos: Un ejemplo dinámico que demuestra cómo la violación de la conservación de masa genera indicadores no físicos y cómo corregirlo imponiendo restricciones dinámicas.
   • Materiales Sólidos (Plásticos): Un modelo de ciclo de vida de plásticos (PET, HDPE, PP) que incluye transporte por camiones, reciclaje y pérdidas por contaminación, utilizando ecuaciones híbridas.

4. Resultados y Hallazgos

• Caso de Fluidos:
  • Se demostró que si los stocks se mantienen constantes artificialmente sin ajustar los flujos de entrada/salida, se viola el principio de conservación de masa, resultando en indicadores de circularidad erróneos.
  • Al imponer la conservación de masa (haciendo que los stocks sean dinámicos), los indicadores reflejan correctamente la evolución temporal del sistema.
• Caso de Sólidos (Plásticos):
  • El modelo capturó dinámicas rápidas (cambios en menos de 1 minuto) como la carga/descarga de camiones y el procesamiento en plantas de reciclaje.
  • Hallazgo Crítico: En el ejemplo de sólidos, la mayoría de los indicadores de circularidad ($\lambda_{GS}, \lambda_{GT}, \dots$) resultaron ser cero. Esto se debe a que, en el modelo de "batches" (lotes), los flujos de ida y vuelta (ej. camión de residuos y camión de producto reciclado) no ocurren simultáneamente en el tiempo.
  • Interpretación: Para que los indicadores de circularidad basados en ciclos sean no nulos, debe existir un flujo simultáneo en un ciclo cerrado. En la realidad, esto implica que múltiples camiones deben operar simultáneamente en diferentes rutas, algo que el modelo simplificado de un solo camión no capturó.
• Eficiencia de Datos:
  • El enfoque TMN requirió solo 34 parámetros para modelar todo el sistema dinámico.
  • En contraste, un enfoque MFA tradicional habría requerido registrar datos históricos cada minuto durante 289 minutos para 3 tipos de plásticos y 3 stocks, lo que suma 2,601 puntos de datos.
  • Conclusión: El modelo TMN es 76 veces más eficiente en términos de cantidad de datos necesarios para lograr la misma precisión temporal.

5. Significado e Impacto

Este trabajo es significativo por varias razones:

• Fundamentos Teóricos: Proporciona una base matemática rigurosa (teoría de grafos + termodinámica) para definir y medir la economía circular, superando la ambigüedad de definiciones anteriores.
• Diseño vs. Análisis: Cambia el paradigma de la economía circular de ser un problema de análisis de datos históricos a un problema de diseño de redes dinámicas, similar al diseño de circuitos eléctricos o hidráulicos.
• Precisión Temporal: Permite modelar sistemas con alta resolución temporal (segundos/minutos), crucial para entender la logística de reciclaje y la gestión de inventarios en tiempo real.
• Guía para la Mejora: Los indicadores no solo miden el estado actual, sino que identifican cuellos de botella. Por ejemplo, el hecho de que los indicadores fueran cero en el caso de sólidos indicó claramente que el sistema de transporte necesitaba más frecuencia o simultaneidad para ser verdaderamente circular.
• Escalabilidad: Aunque el ejemplo es pequeño, la metodología está diseñada para escalar a redes industriales complejas, ofreciendo una herramienta para diseñar cadenas de suministro más sostenibles y eficientes.

En resumen, el artículo propone una metodología unificada que combina la física de los sistemas termodinámicos con la teoría de grafos para crear indicadores de circularidad precisos, dinámicos y eficientes en el uso de datos, sentando las bases para el diseño ingenieril de economías circulares.