Forecast de TCH para ingenios en México: inteligencia satelital por lote para operaciones de 10,000+ hectáreas

En el sector azucarero mexicano, un error de estimación del 10% en TCH solía absorberse con el margen. Eso ya no es así.

La presión que ejerce la competencia del jarabe de alta fructosa importado desde Estados Unidos bajo el marco del USMCA comprimió esos márgenes de forma estructural. Lo que antes era un desvío que se compensaba con el precio, hoy aparece directamente en el estado de resultados del ingenio como una pérdida real.

El mecanismo es concreto: si tu operación trabaja 15,000 hectáreas con variedades de rendimiento promedio nacional — en el rango de 75 a 80 TCH — y el estimado de zafra se equivoca en un 10%, el volumen de caña no previsto afecta directamente la programación de molienda. A precios de tonelada de caña en el rango de 35 a 45 dólares por tonelada, ese desvío de producción representa entre $4 millones y $5.4 millones de dólares en impacto sobre la planificación industrial del ingenio.

Ese número no es un escenario extremo. Es el costo ordinario de un método de estimación que se quedó sin margen de error.

El Director Agrícola que llega a la reunión de cierre de zafra con un desvío del 12% no tiene un problema agronómico que explicar. Tiene un problema financiero que justificar.

México no es un solo entorno cañero. Es tres.

Veracruz concentra el 38% del total nacional. Opera con alta humedad, mayor incidencia de enfermedades foliares y variación altitudinal entre la zona costera y las estribaciones. Jalisco trabaja en condiciones semi-áridas donde el estrés hídrico durante la fase de elongación es un riesgo real, no una eventualidad. El Golfo tiene su propia dinámica de temperatura y precipitación que no replica ninguna de las dos anteriores.

Un modelo entrenado con promedios regionales — o construido sobre datos de otro país — no captura esa variabilidad intra-nacional. Le falta lo más importante: los datos históricos de los lotes específicos del ingenio, las variedades locales que ese ingenio efectivamente siembra, y los patrones de producción que ese suelo particular ha mostrado zafra a zafra.

Las variedades dominantes en el sector mexicano — Mex 69-290, ITV92-1424 — tienen comportamientos de madurez y respuesta al estrés distintos entre sí y distintos a las variedades del Cono Sur. Un modelo que no está recalibrado sobre ese historial propio produce un número que parece preciso pero no lo es.

Los estimados que publica CONADESUCA son útiles a escala nacional y sirven para seguimiento sectorial. Lo que no pueden darte es el TCH del lote 47 de tu unidad en Playa Vicente para la tercera semana de noviembre. Para eso necesitás granularidad que los datos agregados no ofrecen.

CROP PREDICTOR no es un modelo genérico que se instala y corre. Es un modelo de IA que se entrena con los datos históricos del propio ingenio antes de operar.

El proceso empieza con un Data Readiness Assessment de cuatro semanas. En ese período, el equipo de LAYERS carga las geometrías de los lotes del ingenio, el historial de producción TCH por lote, las fechas de corte, las variedades sembradas. Con esa información, el modelo se recalibra para las condiciones específicas de esa operación — sus variedades, su suelo, su historial climático — antes de que empiece el piloto.

Una vez activo, el modelo actualiza el estimado de TCH por lote cada semana durante la zafra. No es una proyección que llega a fin de mes cuando ya cambió el campo. Es un número actualizado cada siete días.

El resultado práctico: el Director Agrícola entra al lunes con un TCH actualizado por lote. Puede planificar qué cortar esa semana, cuándo llegar con el equipo, cómo ajustar el programa de molienda sin esperar que llegue el informe del mes anterior.

MAPE <7% es la métrica que usamos internamente para medir la precisión del modelo, validada en operaciones de caña en LATAM. En la demo técnica, te mostramos exactamente cómo llegamos a ese número con datos comparables a tu operación.

Son dos compradores. Están comprando el mismo dato. Pero desde marcos de valor completamente distintos.

El Director Agrícola compra reducción de incertidumbre operativa. Necesita saber qué lote cortar primero, cuándo llegar con el equipo de cosecha, cómo armar el programa de molienda semana a semana sin depender de un estimado que se elaboró hace tres meses y no ha visto el campo desde entonces.

El CFO compra un número defendible. No el dato más preciso en términos estadísticos — el dato más justificable frente al presupuesto aprobado por la dirección general y frente al consejo de administración cuando cierran la zafra. El CFO necesita poder decir: "teníamos un estimado con un método documentado, una frecuencia de actualización semanal y un margen de error registrado."

LAYERS entrega el mismo número para los dos. Un TCH por lote, actualizado cada semana, con un margen de error documentado que responde a las preguntas técnicas del Director Agrícola y a las preguntas financieras del CFO en la misma plataforma.

Cuando el Director Agrícola lleva la propuesta a la dirección, no lleva una intuición. Lleva un método.

Monitoreo satelital te dice cómo está la caña hoy. Te muestra vigor, estrés hídrico, biomasa. Es información útil. Pero no te dice cuántas toneladas producirá ese lote cuando llegue el momento del corte.

Predicción de rendimiento te da un número de TCH por lote para la zafra, con una frecuencia de actualización semanal y una métrica de error documentada. Son dos cosas distintas.

Esta diferencia importa especialmente en México porque hay plataformas que se comercializan usando el término "predicción" cuando lo que entregan es monitoreo del estado actual del cultivo. No es un problema de mala fe — es que la línea entre "análisis de vigor vegetativo" y "forecast de toneladas por hectárea" no siempre se comunica con claridad en el momento de la venta.

La pregunta que separa las dos categorías es concreta: ¿el proveedor puede darte un número de TCH por lote, actualizado semana a semana, con una métrica de error validada sobre datos reales? Si la respuesta no es un número con una métrica de error asociada, lo que estás comprando es monitoreo. Es valioso. Pero no resuelve el problema de planificación de molienda.