아타카마 사막에서 SQM은 세계 최대 규모의 노천 채굴 작업을 운영하고 있습니다. 모든 관개 라인, 모든 스프링클러, 그리고 미세한 온도 변화까지 채굴 성능에 영향을 미칠 수 있습니다. 하지만 최근까지 이러한 점검은 수작업으로 이루어졌습니다. 현장 엔지니어들이 매일 수 킬로미터를 걸어 다니거나 차를 몰고 다니며 누수와 연결이 끊긴 스프링클러를 찾아다녔습니다.
혁신팀은 더 빠른 속도를 원했습니다. 사람의 체력이나 가용성에 의존하지 않는 검사가 필요했고, 매일 아침 정확히 어디를 점검해야 할지 알려주는 데이터가 필요했습니다. 이러한 요구로 그들은 드론 자율 비행 전문 칠레 기반 통합업체인 아덴투(Adentu)와 무인 데이터 기반 드론 운영을 위한 기업 자율 비행 플랫폼인 FlytBase 만나게 되었습니다. 이들은 함께 대부분의 산업 현장에서 여전히 어려운 과제인 '자율 비행을 개념 증명 단계에서 일상적인 작업 흐름으로 전환하는 방법'에 대한 해답을 찾고자 했습니다.
도전
수년간 SQM의 검사 과정은 규모의 한계에 부딪혔습니다. 도보 검사는 사막의 뜨거운 태양 아래서 몇 시간을 보내야 했고, 차량 검사는 정확성이 떨어지고 열적 맥락을 파악하기 어려웠습니다. 문제점은 종종 며칠 동안 발견되지 않았습니다.
SQM의 디지털 혁신 부문 부책임자인 로드리고 톨러는 "엔지니어들이 걷는 데 보낸 매 시간은 문제를 해결하지 못한 시간이었다"라고 회상했다.
세 가지 문제가 즉시 눈에 띄었습니다.
1. 점검 공백 광산의 규모가 워낙 커서 누출이나 건조 구역을 제때 발견하여 효율 손실을 막는 것이 불가능했습니다.
2. 지연된 피드백 - 연결이 끊긴 스프링클러가 발견될 때쯤이면, 더미의 일부는 이미 며칠 동안 물을 공급받지 못한 상태였을 수도 있습니다.
3. 변화에 대한 저항 현장 팀은 경험이 풍부하고 실용적이었으며, 효율성을 약속하지만 복잡성을 더하는 새로운 기술에 대해 회의적이었습니다.
이러한 과제를 해결하려면 드론만으로는 부족했습니다. SQM의 일상적인 운영 방식에 매끄럽게 통합될 수 있는 자율 시스템을 설계해야 했습니다.
해결책
Adentu의 엔지니어들은 작은 규모로 시작했습니다. DJI Dock 하나, 한 구역, 한 가지 사용 사례에 집중했죠. 목표는 확장이 아니라 신뢰였습니다. 일관된 데이터 품질과 운영 안정성을 입증할 수 있다면 시스템은 자연스럽게 확장될 수 있을 거라고 생각했습니다.
FlytBase 임무의 핵심 역할을 담당하며, 일일 비행 일정을 관리하고, 원격 측정 데이터를 처리하고, 자동 이미지 전송을 담당하고, 원격으로 드론의 상태를 점검했습니다. 드론은 RGB 및 열화상 이미지를 촬영하여 FlytBase 로 전송했고, FlytBase는 이를 SQM의 Azure 환경으로 전달하여 머신 러닝 분석을 수행했습니다.
Adentu는 FlytBase 와 Azure 간에 데이터가 원활하게 흐르도록 하는 미들웨어를 구축했습니다. 그 결과물은 단순한 이미지가 아니라 인사이트였습니다. 관개 지도와 온도 패턴이 순위가 매겨진 대시보드로 변환되어 현장 팀이 어디를 먼저 정비해야 하는지 정확하게 보여주었습니다.
" FlytBase 플랫폼을 통해 일상적인 임무, 상태 점검 및 데이터 전송을 자동화하여 진정한 무인 작업 흐름을 구축할 수 있었습니다."라고 Adentu의 영업 관리자인 José Pablo Mujica는 말했습니다.
SQM의 검사팀이 자율 시스템이 전적으로 생성한 우선순위 목록을 바탕으로 하루를 시작할 수 있었던 것은 이번이 처음이었습니다.
작동 방식
매일 아침은 해 뜨기 전에 시작됩니다. FlytBase DJI Dock에서 완전 자율 비행 임무 두 개를 예약하는데, 하나는 새벽에, 다른 하나는 열 대비가 가장 강한 늦은 오후에 수행합니다. 드론은 지정된 침출 구역에서 시각 및 열 데이터를 수집하고 자동으로 충전 장소로 돌아갑니다.
이후 FlytBase 보안 API를 통해 이미지를 Azure 데이터 레이크로 전송합니다. SQM 자체 이미지로 학습된 머신 러닝 모델은 해당 지역을 최적, 습윤 또는 건조 지역으로 분류합니다. 비행 완료 후 90분 이내에 SQM 운영자는 색상으로 구분된 지도와 함께 이상 징후를 강조 표시하고 좌표를 정확하게 나타내는 최신 대시보드를 화면에서 확인할 수 있습니다.
오전 8시 30분이 되면 현장 팀은 대부분의 작업자들이 움직이기 시작하기도 전에 이미 어디로 가야 하고, 무엇을 점검해야 하고, 무엇을 수리해야 하는지 파악하고 있습니다.
구현
아이디어에서 생산에 이르는 과정은 명확한 지침을 따랐습니다.
1단계 - 현실 점검
Adentu와 SQM은 운영 지역을 매핑하여 최적의 도크 위치를 파악하고 열, 먼지 및 지형을 고려했습니다. 연결은 원격지에서의 안정성을 고려하여 Starlink를 통해 이루어졌습니다.
2단계 - 통합 및 검증
FlytBase 의 API는 데이터를 Azure로 직접 푸시하도록 구성되었으며, SQM의 엔지니어들은 모든 비행 후 동기화 및 데이터 무결성을 검증했습니다.
3단계 - 인간의 피드백을 활용한 AI 학습
연구팀은 초기 임무 이미지 수백 장에 라벨을 붙여 열 반사와 실제 관개 문제를 구분하는 방법을 모델에 학습시켰습니다. 이러한 인간의 피드백 과정을 통해 첫 달 만에 정확도가 30% 이상 향상되었습니다.
4단계 - 현장 승인
문화적 전환점은 운영자들이 출동 전에 드론 데이터를 요청하기 시작했을 때 찾아왔습니다. 로드리고는 "그들은 아침 대시보드 없이는 작업을 시작하려 하지 않았습니다."라고 회상했습니다. 바로 그 순간 기술이 프로젝트가 아닌 습관으로 자리 잡게 된 것입니다.
5단계 - 규모 확장 및 최적화
신뢰도가 95% 이상으로 안정화되자 SQM은 워크플로우를 표준화하고 시스템을 다른 운영 자산과 마찬가지로 취급했습니다.
결과
SQM은 10개월도 채 안 되는 기간 동안 눈에 띄는 변화를 이뤄냈습니다.
점검 빈도가 격주에서 하루 두 번으로 두 배 증가했습니다. 혹독한 사막 환경에서도 임무 신뢰도는 95%를 넘어섰습니다. 탐지 시간은 며칠에서 90분 이내로 단축되었습니다. 추출 효율은 2% 향상되었습니다. 전체 시스템 투자액은 7만 달러에서 8만 달러 사이였으며, 투자 수익(ROI)은 1년 이내에 달성되었습니다.
운영상의 영향은 수치적인 개선을 넘어섰습니다. 수작업으로 이동하는 거리가 획기적으로 줄어들어 엔지니어들은 탐지 작업 대신 솔루션 설계에 집중할 수 있게 되었습니다. 또한 자율 주행 기술이 반복적인 작업을 처리하면서 현장 팀들은 드론을 경쟁자가 아닌 협력자로 인식하기 시작했습니다.
"요오드 추출률이 0.5%에서 2%로 증가한 것은 이 규모의 공정에서는 엄청난 변화입니다."라고 로드리고는 말했습니다. "하지만 더 큰 변화는 우리 팀이 자율성을 믿고 결과물을 내놓기 시작했다는 점입니다."
앞으로 나아갈 길
SQM은 관개 시스템 검사에서 성공을 입증한 후, 이제 해당 모델을 다른 분야로 확장하고 있습니다. 보안 부서를 위해 DJI Dock을 추가로 주문하여 24시간 내내 현장 감시 임무를 수행할 계획입니다. Adentu는 HDPE 배관을 따라 열 패턴 모니터링을 테스트하여 누수 또는 구조적 스트레스의 초기 징후를 감지하고자 합니다.
다음 단계는 FlytBase AI-R을 도입하여 연결이 끊어지더라도 실시간 데이터 처리가 가능한 엣지 AI 분석 기능을 드론 기지에 직접 제공하는 것입니다. 또한, 가시선 밖 비행(BVLOS) 기능을 통해 드론이 더 넓은 영역을 자율적으로 커버할 수 있도록 하는 것도 로드맵에 포함되어 있습니다.
"저희는 현재 엣지 AI가 어디까지 우리를 이끌어줄 수 있는지, 심지어 오프라인 상태에서도 로컬에서 인사이트를 처리할 수 있는 가능성을 탐구하고 있습니다."라고 로드리고는 덧붙였다.
단일 사용 사례로 시작된 것이 이제 SQM이 채굴 생태계 전반에 걸쳐 자율성을 확장하는 방법에 대한 청사진이 되었습니다.
결론
SQM은 Adentu 및 FlytBase 와의 파트너십을 통해 단순히 작업을 자동화한 것이 아니라, 운영 방식 전체를 재설계했습니다. 1년도 채 안 되는 기간 동안, 도보 검사에서 90분마다 인사이트를 제공하는 자체 모니터링 광산 운영으로 전환했습니다. FlytBase 자율 운영의 핵심 기반을 제공했고, Adentu는 현장 적용 준비를 완료했으며, SQM은 이를 전략적 이점으로 활용했습니다.
" FlytBase 자율 주행 기능을 담당했고, Adentu는 사막 환경에서 작동하도록 만들었습니다. 우리는 함께 자체 모니터링 광산을 구축했습니다."라고 SQM의 디지털 혁신 부문 부책임자인 로드리고 톨러는 말했습니다.
이 사례는 자율 시스템이 사람을 대체하는 것이 아니라 오히려 사람의 역할을 증폭시킨다는 것을 입증합니다. 미래의 광업은 단순히 자동화되는 것이 아니라, 지능적으로 연결되고, 지속적이며, 측정 가능한 형태가 될 것입니다.
자주 묻는 질문
SQM은 이번 배포에서 FlytBase 어떻게 활용했습니까?
FlytBase 임무 일정 관리, 원격 측정 관리 및 Azure로의 안전한 데이터 전송을 지원하여 SQM이 완전 자율적인 열화상 및 육안 검사를 실행할 수 있도록 합니다.
아덴투는 어떤 역할을 했나요?
Adentu는 FlytBase SQM의 Azure 환경과 통합하고, 물리적 인프라를 배포했으며, 운영 요구 사항에 맞게 워크플로우를 맞춤 설정했습니다.
측정 가능한 투자 수익률(ROI)은 얼마였습니까?
임무 신뢰도 95%, 검사 빈도 2배 증가, 추출 수율 2% 향상, 투자 회수 기간 10개월.
이 솔루션은 다른 운영 환경에도 적용 가능한가요?
예. 해당 워크플로는 모듈식이며 하드웨어에 구애받지 않도록 설계되어 전 세계 사업장의 보안, 관개 및 환경 모니터링 사용 사례로 확장할 수 있습니다.
