В пустыне Атакама компания SQM управляет одним из крупнейших в мире предприятий по добыче полезных ископаемых открытым способом. Каждая линия орошения, каждый дождеватель и каждый градус температурных колебаний могут влиять на эффективность добычи. Однако до недавнего времени эти проверки проводились вручную: инженеры на местах ежедневно проходили или проезжали километры, осматривая местность на предмет утечек и отключенных дождевателей.
Команда разработчиков хотела двигаться быстрее. Им нужны были проверки, которые не зависели бы от выносливости или доступности человека. Им нужны были данные, которые могли бы каждое утро точно указывать им, где нужно действовать. Эта потребность привела их к Adentu, чилийской компании-интегратору, специализирующейся на автономном управлении дронами, и FlytBase, корпоративной платформе автономного управления, созданной для автоматизированных, основанных на данных, операций с дронами. Вместе они поставили перед собой задачу ответить на вопрос, который до сих пор остается актуальным для большинства промышленных предприятий: как превратить автономное управление из экспериментальной модели в повседневный рабочий процесс?
Задача
В течение многих лет процесс инспекций SQM был ограничен масштабом. Пешие осмотры означали многочасовое пребывание под палящим солнцем пустыни, в то время как поездки на автомобиле не обеспечивали достаточной точности и не позволяли получить информацию о тепловом режиме. Проблемы часто оставались незамеченными в течение нескольких дней.
«Каждый час, который наши инженеры тратили на ходьбу, был часом, не решающим проблему», - вспоминает Родриго Толер, заместитель руководителя отдела цифровых инноваций в SQM.
Сразу же бросились в глаза три момента:
1. Недостатки в инспекции - Огромные размеры шахты делали невозможным обнаружение утечек или сухих зон достаточно быстрыми, чтобы предотвратить снижение эффективности.
2. Отложенная обратная связь - К тому времени, как обнаруживали отсоединившийся разбрызгиватель, часть кучи могла уже несколько дней оставаться без полива.
3. Сопротивление переменам - Полевые бригады были опытными, прагматичными и скептически относились к новым технологиям, которые обещали эффективность, но усложняли работу.
Для решения этих задач требовалось нечто большее, чем просто дроны. Это означало разработку автономного оборудования, которое могло бы плавно вписаться в ритм повседневной работы SQM.
Решение
Инженеры Adentu начали с малого: одна док-станция DJI, одна зона, один сценарий использования. Целью было не масштабирование, а доверие. Если бы им удалось доказать стабильное качество данных и надежность работы, система могла бы развиваться естественным образом.
FlytBase стала «мозгом» миссии, планируя ежедневные полеты, управляя телеметрией, обрабатывая автоматическую передачу изображений и удаленно проводя проверки состояния. Дроны захватывали RGB-изображения и тепловые снимки, отправляя их в FlytBase, которая затем передавала их в среду Azure компании SQM для анализа с помощью машинного обучения.
Компания Adentu разработала промежуточное программное обеспечение, обеспечивающее бесперебойный обмен данными между FlytBase и Azure. Результатом стали не просто изображения, а аналитическая информация: карты орошения и температурные режимы превратились в ранжированные панели мониторинга, которые точно показывали полевым бригадам, куда нужно направиться и что нужно исправить в первую очередь.
«Платформа FlytBase позволила нам автоматизировать ежедневные миссии, проверки состояния оборудования и передачу данных, создав по-настоящему автоматизированный рабочий процесс», - сказал Хосе Пабло Мухика, коммерческий директор Adentu.
Впервые инспекционная группа SQM смогла начать свой день с ранжированного списка приоритетов, полностью сгенерированного автономными системами.
Как это работает
Каждый день начинается до восхода солнца. FlytBase планирует две полностью автономные миссии с док-станции DJI: одну на рассвете, а другую - ближе к вечеру, когда тепловой контраст наиболее высок. Дрон собирает визуальные и тепловые данные в заданных зонах выщелачивания и автоматически возвращается для подзарядки.
Затем FlytBase передает изображения через защищенный API в хранилище данных Azure. Модели машинного обучения, обученные на собственных изображениях SQM, классифицируют зоны как оптимальные, влажные или сухие. В течение девяноста минут после завершения полета операторы SQM получают на своих экранах обновленную панель мониторинга с цветными картами, которые выделяют аномалии и указывают точные координаты.
К 8:30 утра полевые бригады уже знают, куда идти, что осматривать и что ремонтировать, еще до того, как большая часть работ на объекте начнется.
Выполнение
Путь от идеи до производства следовал четкому сценарию:
Шаг 1 - Проверка реальной ситуации на месте
Компании Adentu и SQM составили карту операционной зоны, определив оптимальное расположение дока и учтя факторы тепла, пыли и рельефа местности. Для обеспечения связи использовалась система Starlink, выбранная за её стабильность на удалённых объектах.
Шаг 2 - Интеграция и валидация
API-интерфейсы FlytBase были настроены для прямой передачи данных в Azure, а инженеры SQM проверяли синхронизацию и целостность данных после каждого полета.
Шаг 3 - Обучение ИИ с обратной связью от человека
Команда разметила сотни ранних снимков миссии, обучив модель различать тепловые отражения и реальные проблемы орошения. Эта обратная связь от человека повысила точность более чем на 30 процентов в течение первого месяца.
Шаг 4 - Приемка на месте эксплуатации
Переломный момент в культуре произошел, когда операторы начали запрашивать данные с дронов перед вылетом. «Они отказывались начинать работу без утренней панели мониторинга», - вспоминает Родриго. Это стало поворотным моментом, когда технологии перестали быть проектом и превратились в привычку.
Шаг 5 - Масштабирование и оптимизация
После того как надежность стабилизировалась на уровне выше 95 процентов, компания SQM стандартизировала рабочий процесс и стала рассматривать систему как любой другой эксплуатационный актив.
Результаты
Менее чем за десять месяцев компания SQM добилась ощутимых результатов.
Частота проверок удвоилась: с двух раз в неделю до двух раз в день. Надежность выполнения задач превысила 95 процентов даже в суровых условиях пустыни. Время обнаружения сократилось с нескольких дней до менее чем 90 минут. Эффективность извлечения улучшилась на два процента. Общие инвестиции в систему составили от 70 000 до 80 000 долларов США, а окупаемость инвестиций была достигнута менее чем за год.
Влияние на операционную деятельность вышло за рамки показателей. Количество маршрутов, проложенных вручную, значительно сократилось, что позволило инженерам сосредоточиться на разработке решений, а не на обнаружении. А благодаря автономной работе, берущей на себя рутинные задачи, полевые бригады стали рассматривать дроны как сотрудников, а не конкурентов.
«Увеличение эффективности извлечения йода с 0,5% до 2% - это огромный прогресс для процесса такого масштаба», - сказал Родриго. «Но более существенный сдвиг произошел в том, что наши команды начали доверять автономности в достижении результатов».
Путь вперед
После успешного применения в инспекциях ирригационных систем, компания SQM расширяет применение этой модели на другие функции. Компания заказала дополнительные док-станции DJI для своего отдела безопасности, планируя круглосуточное наблюдение за объектами. Компания Adentu тестирует мониторинг тепловых потоков вдоль трубопроводов из полиэтилена высокой плотности (HDPE) для выявления ранних признаков утечек или структурных повреждений.
Следующий этап развития будет связан с FlytBase AI-R, которая позволит использовать аналитику на периферии сети с помощью ИИ непосредственно на стыковочном устройстве для обработки данных в режиме реального времени даже при обрыве связи. В планах также операции за пределами прямой видимости (BVLOS), позволяющие дронам автономно охватывать большие зоны.
«Сейчас мы изучаем, насколько далеко нас может завести периферийный ИИ, обрабатывая полученные данные локально, даже в автономном режиме», - добавил Родриго.
То, что начиналось как единичный пример использования, теперь превратилось в план того, как SQM планирует масштабировать автономность в рамках всей своей экосистемы майнинга.
Заключение
Партнерство SQM с Adentu и FlytBase не просто автоматизировало задачу, а полностью изменило операционный ритм. Менее чем за год они перешли от пеших инспекций к управлению самоконтролируемым рудником, который предоставляет аналитическую информацию каждые девяносто минут. FlytBase обеспечила основу для автономной работы, Adentu подготовила систему к эксплуатации в полевых условиях, а SQM превратила это в стратегическое преимущество.
« FlytBase занималась автономной работой, а Adentu обеспечила ее функционирование в пустыне. Вместе мы создали самоконтролируемую шахту», - сказал Родриго Толер, заместитель руководителя отдела цифровых инноваций компании SQM.
Этот случай служит доказательством того, что автономия не заменяет людей, а усиливает их. Будущее горнодобывающей промышленности - это не просто автоматизация; это интеллектуально взаимосвязанный, непрерывный и измеримый процесс.
Часто задаваемые вопросы
Как SQM использовал FlytBase в этом развертывании?
Благодаря FlytBase обеспечивается планирование миссий, управление телеметрией и безопасная передача данных в Azure, что позволяет SQM проводить полностью автономные тепловые и визуальные проверки.
Какую роль сыграла компания Adentu?
Компания Adentu интегрировала FlytBase с платформой Azure от SQM, развернула физическую инфраструктуру и настроила рабочие процессы в соответствии с операционными потребностями.
Какую измеримую рентабельность инвестиций удалось достичь?
Надежность выполнения миссии составляет 95 процентов, частота проверок увеличилась вдвое, выход готовой продукции вырос на два процента, а цикл окупаемости инвестиций - 10 месяцев.
Может ли это решение масштабироваться для других операций?
Да. Рабочий процесс модульный и не зависит от аппаратного обеспечения, разработан для использования в системах безопасности, орошения и мониторинга окружающей среды на объектах по всему миру.
