Gigafactoría de baterías: por qué no sabe lo que le cuesta fabricar un kWh

Usted ha invertido en una planta de celdas de litio con decenas de GWh de capacidad nominal. El problema llega después: el coste real de conversión por kWh no coincide con su modelo, los plazos que promete a sus clientes dependen de una rampa de aprendizaje que nadie ha medido y Finanzas descubre tarde que la capacidad instalada no es lo que la planta entrega. Una gigafactoría que anuncia 40 GWh/año produce en realidad 28-32 GWh en el año 1, 32-36 GWh en el año 2 y solo supera los 40 GWh en el año 3. Esa diferencia es su margen.

El contexto no perdona el desconocimiento: la capacidad global declarada de gigafactorías supera los 2.500 GWh/año en 2025 (según Benchmark Mineral Intelligence) y la europea pasará de 120 GWh en 2018 a 789 GWh proyectados a 2030. Quien sepa cuánto le cuesta fabricar un kWh y en cuánto tiempo puede comprometerlo negocia con ventaja; quien no, promete plazos que no puede sostener.

Qué está pasando en su planta

Más del 60 % del coste de conversión de una celda se concentra en tres áreas donde el tiempo no se acelera con más esfuerzo del operario: la sala seca (dry-room), la formación electroquímica y el test de envejecimiento (aging). Las tres se gestionan mal cuando se las trata como una línea de montaje convencional.

La sala seca es un recurso caro que las personas gastan. Es una sala blanca con punto de rocío entre −40 °C y −60 °C (clasificada ISO 7 según la norma ISO 14644) donde se almacenan los electrodos, se enrolla o apila la celda y se inyecta el electrolito. Cada persona que entra y cada apertura de puerta degrada el control de humedad. Por eso el recurso a vigilar no es el minuto de un operario, sino el minuto-m² de sala seca: el tiempo se pierde en puertas, consumibles que faltan y paradas de máquina, no en manos lentas.

La formación no se acelera sin romper la celda. Tras el montaje, cada celda sufre ciclos de carga y descarga lentos para formar la capa SEI (solid electrolyte interphase), una película pasivante de 3-10 nm sobre el ánodo. Esa capa tarda lo que tarda: si se aprieta el ritmo de carga (por ejemplo 0,5C en vez de 0,05C), sale heterogénea, aparece depósito de litio metálico y la celda se degrada antes de tiempo. Los protocolos habituales del sector (datos orientativos) son:

Son limitaciones fisicoquímicas, no hábitos discutibles. Pretender «mejorar» una formación de 14 h es garantizar que el próximo lote salga defectuoso.

El aging congela capital circulante. Antes del envío, cada celda pasa típicamente 28 días en cámara de envejecimiento (práctica habitual del sector, no exigida por la UN 38.3 ni por la IEC 62660-1): 28 días de producto parado sin valor añadido contable, pero imprescindibles, porque en esa ventana se manifiesta la mayor parte de las celdas defectivas latentes —micro-shorts internos, dendritas tempranas, SEI inestable— (ejemplo orientativo). Acortarlo ahorra tiempo de proceso y arruina la tasa de devoluciones en cliente. La cuenta es sencilla: el inventario en cámara es la producción diaria multiplicada por los días de aging, y las cámaras necesarias salen de dividir ese inventario entre la capacidad de cada cámara. Con 5.000 celdas/día × 28 días = 140.000 celdas paradas en cámara. Si baja el aging a 14 días, el inventario cae a 70.000 celdas y las cámaras necesarias se reducen a la mitad, pero se acorta la detección de fallos latentes.

A esto se suman los ritmos de ciclo, que descolocan a cualquier director acostumbrado a otra industria. En una línea de automoción se fabrica un coche cada 60-90 segundos y entre el 30 % y el 50 % del tiempo del operario es trabajo manual que añade valor. En una gigafactoría se van de 2,5-4,0 segundos por celda en líneas maduras chinas a 6,0-9,0 segundos por celda en un ramp-up europeo, y esa fracción de trabajo manual con valor cae al 8-12 % (cifra orientativa). El grueso del valor lo pone la máquina y el tiempo se pierde en humedad, formación y logística: gestionar esto con criterios de línea de carrocería lleva a decisiones equivocadas.

Cómo se resuelve: medir para decidir

La pregunta del director de operaciones no es «¿cuánto tarda el operario?», sino «¿cuánto me cuesta fabricar una unidad y qué fecha puedo comprometer?». Para responderla hay que medir cuatro cosas y cruzarlas.

1. Cuánto tiempo se va en cada tipo de actividad. La herramienta adecuada es el muestreo del trabajo (work sampling, técnica descrita por Tippett en 1935; glosario de términos en la norma BS 3138): observaciones instantáneas en momentos aleatorios, sin que el operario sepa cuándo se observa y con más de 15 minutos entre rondas. La aplicación calcula el número de observaciones necesario para una fiabilidad del 95 %. El resultado reparte el tiempo de la planta en categorías accionables en este sector: trabajo manual con valor, trabajo automatizado, inspección, tareas sin valor (ajustes, cambios de bobina, recogida de scrap), traslados internos y cuatro clases de parada —humedad, formación, logística y calidad—, cada una con su departamento correctivo. Sin esa foto, una caída de rendimiento puede ser una puerta mal abierta, un filtro saturado o un rack descalibrado, y se confunden todas.

2. Cuánto cuesta fabricar una unidad. Donde sí hay trabajo manual medible —inspección del recubrimiento del electrodo, apilado manual, alineación de las pestañas— se cronometra y se calcula el tiempo estándar: lo que cuesta fabricar una unidad y la base sobre la que se planifica. Es el trabajo que resuelve Cronometras (cronometras.com): cronoanálisis con cronómetro, suplementos OIT y TAL, valoración sintética del ritmo, cálculo del tiempo estándar y exportación a PDF, Excel o JSON. Los sistemas de tiempos predeterminados tipo MTM (Maynard, 1948) aportan en el ensamblaje manual repetitivo de módulo y pack, pero no en las fases automáticas ni en los procesos físicos de formación y aging: el 70-90 % del valor está automatizado y la lógica de control de la máquina no tiene «movimientos» que medir.

3. Cuánto cuesta la formación en energía, no solo en horas. El consumo eléctrico de formación puede ser el 5-8 % del coste de conversión, así que la formación se cuantifica en kWh por celda. Solo así se comparan protocolos y decisiones de cámara con dinero sobre la mesa.

4. Qué dicen sus propios datos. Una planta moderna genera más de 10.000 variables y casi nadie las usa: los registros de su GMAO —que su equipo vuelca manualmente— dan el tiempo medio entre fallos y de reparación de cada máquina crítica; el control de la línea, el ciclo real por celda y turno; los sensores de la sala seca, el punto de rocío real y las aperturas de puerta; los racks de formación permiten predecir celdas defectivas antes de terminar el aging; y los vehículos de guiado automático (AGV) delatan esperas por bloqueo. Quien solo pide «un Excel con las observaciones» pierde el 70 % de la información disponible.

El resultado de cruzar las cuatro mediciones es una lista corta de palancas priorizadas por euro recuperado, con un calendario tipo de 12 semanas desde el arranque:

Sin una medición de referencia consolidada al principio, ninguna mejora reportada después es creíble: el antes y el después deben medirse con la misma metodología y en períodos equivalentes.

Caso práctico simulado: de un 58 % de eficacia global a un 71 % en 6 meses

Caso práctico simulado. Ejemplo construido con fines didácticos a partir de parámetros plausibles del sector. No corresponde a una implantación real de Cronometras ni a un cliente concreto. Ninguna cifra pertenece a un fabricante real identificable: los datos son plausibles dentro del rango publicado en la literatura del sector (Hao et al., Nature Energy 2022; Wood Mackenzie 2024), pero no son cifras de ninguna planta real.

Punto de partida. Planta de 32 GWh/año nominales, 210 operarios directos, 3 turnos × 8 h × 7 días, celdas prismáticas NMC 622 para automoción, 16 GWh/línea × 2 líneas (caso práctico simulado). Eficacia global del equipo (OEE) inicial: 58,3 % (disponibilidad 75 %, rendimiento 81 %, calidad 96 %; 58 % redondeado). Coste de conversión inicial: ≈ 9,8 €/kWh (referencia: BNEF 2024 para una planta europea en ramp-up).

Semanas 1-3: inventario del tiempo. Muestreo del trabajo en 6 zonas, con el número de observaciones que la aplicación calcula para una fiabilidad del 95 %, en 5 turnos completos × 3 turnos/día, con margen de ±5 % (p = q = 0,5). La foto del tiempo quedó así:

Semanas 4-5: diagnóstico. Las paradas de formación (6 % del tiempo) eran la mayor palanca: las cámaras se disparaban en falso por termistores descalibrados, con una deriva ≥ 5 % a los 6 meses de uso. El trabajo manual con valor (8 %) estaba ya en su techo con apilado automático. En tareas sin valor (8 %) había margen: recogida de scrap y cambio de bobinas, 3 % del tiempo. Y las paradas por logística (4 %) eran estructurales —retrasos en el suministro de electrolito—: se corrigen con un stock de seguridad de 7 días, no midiendo.

Semanas 6-24: implementación. Termistores redundantes y calibración mensual: las paradas por formación caen del 6 % al 2 %. Empalme automático de bobinas de foil (auto-splice): las tareas sin valor caen del 8 % al 5 %. Nuevo protocolo de apertura de la sala seca: las paradas por humedad caen del 4 % al 2 %.

Resultado a los 6 meses:

El coste de conversión cae ≈ 12 %, dentro del rango orientativo de −10 % a −15 % que se maneja para plantas en ramp-up con intervenciones de mejora de procesos. Estos números no son milagrosos ni normales: pasar del 58 % al 71 % de OEE en 6 meses es ambicioso pero factible —la mediana de las plantas nuevas europeas está en el 65-70 %, y esta planta pasaría al percentil 75-80—. Lo que no es realista es cualquier promesa de «+30 % de OEE en 3 meses»: eso es marketing, no medición.

Qué gana y qué decide con estos datos

• Sabe lo que le cuesta fabricar un kWh, por línea y por turno. Sin eso, el precio que ofrezca se fija a ciegas y el margen se evapora en la rampa.
• Compromete plazos que puede cumplir. La diferencia entre capacidad nominal y producción real deja de ser una sorpresa para Finanzas: una planta bien medida alcanza el 80 % de su capacidad nominal a los 18 meses, no a los 36. Ejemplos públicos: AESC Douai (Francia, Renault) pasa de 9 GWh en 2025 a 24 GWh en 2030 (según Renault Group, nota de prensa 2024, y BBVA CIB 2023), y PowerCo Sagunto (España, Volkswagen) parte de 40 GWh/año de capacidad inicial, con preseries en septiembre-octubre de 2026 y suministro comercial en julio de 2027 (según Volkswagen Group, nota de prensa 2023, y La Tribuna de Automoción, octubre 2025).
• Decide el aging con criterio económico. Cada día de menos en cámara libera inventario y capacidad, y recorta la detección de defectos latentes: es una decisión con números, no con costumbre.
• Prioriza inversiones con retorno medido. Empalme automático de bobinas, redundancia de sensores, stock de seguridad: cada quick win entra en el presupuesto con su euro estimado y su efecto verificado.
• Exige un cuadro de mando que separe las fases. En montaje: ciclo real por celda y celdas que superan la calidad a la primera. En formación: celdas por turno sin alarma, tiempo medio real frente al objetivo, rechazo al final de la formación y kWh por celda. En aging y envío: rechazo en cámara —2-5 % en una planta sana; por encima del 10 % indica problema de proceso—, días de inventario en cámara y defectos en cliente —por debajo de 50 ppm en automoción de primer nivel—.

Señal de alarma: quien promete grandes saltos de eficacia en semanas, sin línea de base ni medición posterior con la misma vara, le vende un titular; quien le enseña un antes y un después medidos con datos de sus propias máquinas le enseña su planta.

Hablemos de su planta

Si quiere saber lo que le cuesta fabricar cada kWh y comprometer plazos con garantías, empiece por medir bien. Cronometras (app.cronometras.com) cubre el cronoanálisis de sus tareas manuales —con suplementos OIT y TAL y valoración sintética del ritmo— y le devuelve el tiempo estándar por unidad, exportable a PDF, Excel o JSON. Y para el inventario del tiempo de toda la planta, WorkSamp (worksamp.com) hace el muestreo del trabajo con la taxonomía valor añadido / sin valor / impedimento que este sector necesita. Si además necesita control horario industrial en planta, Induly (induly.com) lo resuelve con app móvil y quiosco por nombre y PIN.

Más artículos y recursos para decidir con datos en su planta: https://prodcont.com/

¿No quieres hacerlo tú? Lo hacemos por ti desde 800 €

Si prefieres externalizarlo, en Cronometras entregamos un estudio de métodos y tiempos completo a partir de un vídeo: descomposición por elementos, suplementos OIT/TAL, tiempo estándar con tolerancias, y un informe en PDF + Excel + JSON listo para presentar a dirección.

👉 Solicita el estudio desde 800 € · Más información sobre Cronometras