アタカマ砂漠において、SQM社は世界最大級の露天掘り鉱山事業を展開している。灌漑ライン、スプリンクラー、そして気温のわずかな変化さえも、採掘効率に影響を与える可能性がある。しかし、つい最近まで、これらの点検は手作業で行われており、現場の技術者が毎日何キロも歩いたり車で移動したりして、漏水やスプリンクラーの接続不良を探していた。
イノベーションチームは、より迅速な対応を求めていました。人間の体力や人員の都合に左右されない検査方法が必要だったのです。毎朝、どこに対処すべきかを正確に教えてくれるデータも必要でした。こうしたニーズから、ドローンの自律性を専門とするチリ拠点のシステムインテグレーターであるAdentuと、無人かつデータ駆動型のドローン運用向けに構築されたエンタープライズ向け自律プラットフォームであるFlytBaseたどり着きました。彼らは協力して、多くの産業オペレーションが依然として直面している課題、つまり、自律性を概念実証から日常的なワークフローへとどのように移行させるかという問いに答えようとしました。
課題
長年にわたり、SQMの検査プロセスは規模の制約を受けていた。徒歩での検査は砂漠の太陽の下で何時間もかかることを意味した一方、車での検査では精度が低く、温度などの状況を把握することもできなかった。そのため、問題が何日も気づかれないまま放置されることも少なくなかった。
「エンジニアたちが歩き回るのに費やす1時間は、問題解決に費やす時間が1時間減るということだった」と、SQMのデジタルイノベーション担当副マネージャー、ロドリゴ・トーラーは振り返る。
すぐに3つの問題点が浮かび上がった。
1. 検査のギャップ ―鉱山の規模があまりにも大きかったため、効率の低下を防ぐのに十分な速さで漏洩箇所や乾燥地帯を発見することが不可能だった。
2. 遅延フィードバック ―接続が切れたスプリンクラーが発見された時点で、山積みの作物の一部はすでに数日間灌漑されていない状態だった可能性がある。
3. 変化への抵抗 現場チームは経験豊富で現実的であり、効率性を高める一方で複雑さを増すという新技術に対しては懐疑的だった。
これらの課題を解決するには、ドローンだけでは不十分だった。SQMの日常業務のリズムにスムーズに統合できる自律システムを設計する必要があったのだ。
解決策
Adentuのエンジニアたちは、まずは小規模から始めた。DJIドック1台、ゾーン1つ、ユースケース1つ。目標は規模拡大ではなく、信頼構築だった。一貫したデータ品質と運用上の信頼性を証明できれば、システムは自然に成長していくと考えたのだ。
FlytBaseミッションの中枢となり、毎日のフライトスケジュールの調整、テレメトリデータの管理、画像の自動転送処理、遠隔での機体状態チェックなどを担当した。ドローンはRGB画像と熱画像を撮影し、 FlytBaseに送信。FlytBaseはそれをSQMのAzure環境に転送し、機械学習による分析を行った。
Adentuは、 FlytBaseとAzure間でデータがシームレスに流れるようにするミドルウェアを構築しました。出力は生の画像ではなく、洞察に満ちたものでした。灌漑マップと気温パターンは、現場チームがどこへ行き、何を最初に修正すべきかを正確に示すランキング形式のダッシュボードに変換されました。
「 FlytBaseプラットフォームのおかげで、日々の業務、健康状態の確認、データ転送を自動化し、真にハンズフリーなワークフローを構築することができました」と、Adentuのコマーシャルマネージャーであるホセ・パブロ・ムヒカ氏は述べています。
SQMの検査チームが、完全に自律システムによって生成された優先順位リストに基づいて業務を開始できるようになったのは、これが初めてのことだった。
仕組み
毎日、日の出前に一日が始まります。FlytBase FlytBase、DJI Dockから完全自律型のミッションを2回スケジュールします。1回目は夜明け、2回目は気温差が最も大きくなる午後遅くです。ドローンは指定された浸出ゾーン全体で視覚データと熱データを収集し、自動的に充電のために帰還します。
そこから、 FlytBaseセキュアなAPIを介して画像をAzureのデータレイクに転送します。SQM独自の画像でトレーニングされた機械学習モデルが、ゾーンを最適、湿潤、乾燥のいずれかに分類します。飛行完了後90分以内に、SQMのオペレーターは、異常箇所を強調表示し座標を特定する色分けされた地図を含む、更新されたダッシュボードを画面で確認できるようになります。
午前8時30分までには、現場の大部分が動き出す前から、現場チームはどこへ行くべきか、何を点検すべきか、何を修理すべきかを既に把握している。
実装
アイデアから製品化までの道のりは、明確な手順書に沿って進められた。
ステップ1 - 現状把握
AdentuとSQMは運用エリアをマッピングし、最適なドック配置場所を特定するとともに、熱、塵埃、地形を考慮した。通信には、遠隔地での安定性を考慮してStarlinkが採用された。
ステップ2 - 統合と検証
FlytBaseのAPIはデータをAzureに直接送信するように構成されており、SQMのエンジニアはフライトごとに同期とデータの整合性を検証した。
ステップ3 - 人間からのフィードバックによるAIトレーニング
研究チームは、初期のミッション画像数百枚にラベルを付け、熱反射と実際の灌漑問題を区別する方法をモデルに学習させた。この人間によるフィードバックループにより、最初の1か月で精度が30%以上向上した。
ステップ4 - 現場での受入検査
文化的な転換点となったのは、オペレーターたちが出発前にドローンのデータを要求するようになった時だった。「彼らは朝のダッシュボードなしでは仕事を始めようとしなかった」とロドリゴは振り返る。それが、テクノロジーが単なるプロジェクトではなく、習慣となった転換点だった。
ステップ5 - スケールと最適化
信頼性が95パーセント以上に安定した時点で、SQMはワークフローを標準化し、システムを他の運用資産と同様に扱うようになった。
結果
SQMは10ヶ月足らずで、目に見える変革を達成した。
検査頻度は2週間に1回から1日2回へと倍増しました。過酷な砂漠環境下でも、任務の信頼性は95%を超えました。探知時間は数日から90分未満に短縮されました。回収効率は2%向上しました。システム全体の投資額は7万～8万米ドルで、投資回収期間は1年未満でした。
運用面への影響は、指標にとどまりませんでした。手作業による徒歩ルートが大幅に削減され、エンジニアは検出作業ではなく、ソリューション設計に集中できるようになりました。また、反復作業を自律的に処理することで、現場チームはドローンを競合相手ではなく、協力者として捉えるようになりました。
「ヨウ素抽出率が0.5％から2％向上したというのは、この規模のプロセスとしては驚異的なことです」とロドリゴ氏は述べた。「しかし、より大きな変化は、チームが自律性を信じて成果を出すようになったことです。」
今後の展望
灌漑設備の点検で成功を収めたSQMは、現在このモデルを他の機能にも拡張している。同社はセキュリティ部門向けにDJI Docksを追加発注し、24時間体制の現場監視ミッションを実施する予定だ。Adentuは、HDPE配管に沿って熱パターン監視を行い、漏水や構造的ストレスの初期兆候を検出するテストを実施している。
次の進化では、 FlytBase AI-Rが導入され、エッジAI分析をドックに直接導入することで、接続が途切れた場合でもリアルタイムのデータ処理が可能になります。また、BVLOS（目視外飛行）運用もロードマップに含まれており、ドローンがより広い範囲を自律的にカバーできるようになります。
「私たちは現在、エッジAIがどこまで私たちを導いてくれるのか、つまり、ローカルで、さらにはオフラインでも洞察を処理できるのかを模索しています」とロドリゴ氏は付け加えた。
当初は単一のユースケースとして始まったものが、今やSQMが鉱業エコシステム全体で自律性を拡大していくための青写真となっている。
結論
SQMとAdentu、 FlytBaseの提携は、単に作業を自動化しただけでなく、業務全体の流れを根本から変革しました。わずか1年足らずで、彼らは徒歩による点検から、90分ごとに洞察を提供する自己監視型鉱山へと移行しました。FlytBase FlytBase自律性の基盤を提供し、Adentuがそれを現場での運用に備え、SQMはそれを戦略的な優位性へと転換させたのです。
「 FlytBase自律性を担当し、Adentuはそれを砂漠で実際に稼働させました。私たちは協力して、自己監視型の鉱山を構築したのです」と、SQMのデジタルイノベーション担当副マネージャー、ロドリゴ・トーラーは語った。
この事例は、自律化が人間を置き換えるのではなく、むしろ人間の役割を強化するという証拠となる。鉱業の未来は、単に自動化されるだけでなく、インテリジェントに接続され、継続的で、測定可能なものとなるだろう。
よくある質問
SQMはこの導入において、 FlytBaseどのように活用したのでしょうか？
FlytBase、ミッションのスケジュール設定、テレメトリ管理、およびAzureへの安全なデータ転送を可能にし、SQMが完全に自律的に熱画像検査と目視検査を実行できるようにしました。
アデントゥはどのような役割を果たしたのか？
AdentuはFlytBase SQMのAzure環境に統合し、物理インフラストラクチャを展開し、運用ニーズに合わせてワークフローをカスタマイズしました。
どのような測定可能な投資対効果（ROI）が達成されましたか？
ミッションの信頼性95％、検査頻度の2倍増、抽出収率の2％向上、そして10ヶ月の投資回収サイクル。
このソリューションは他の業務にも適用できますか？
はい。このワークフローはモジュール式でハードウェアに依存せず、世界中の拠点におけるセキュリティ、灌漑、環境モニタリングなどのユースケースに拡張できるように設計されています。
