Casos de éxito
SQM: Ciencia de datos en una de las zonas más áridas del planeta
La innovación y el desarrollo tecnológico siempre fueron parte del ADN de SQM, tal es así, que confiaron en Datalytics para el desarrollo de una solución de ciencia de datos aplicada al reconocimiento de imágenes de pilas de litio ubicadas en el norte de Chile.
Cliente: SQM (Sociedad Química y Minera) es una compañía minera global líder en la industria fundada hace 52 años.
Equipo: Data Architect (1), Data Scientist (1), Data Engineer (1), PM (1).
Tecnología: Databricks y Azure. Python y PySpark.
Tiempo: Un mes.
Antes
El litio se obtiene de la región de Antofagasta, al norte de Chile, una de las zonas más áridas e inhóspitas del planeta. Allí se encuentran las pilas desde las que se extrae el mineral. El proceso de extracción de litio se llama lixiviación y para llevarlo a cabo se utilizan distintos métodos de riego sobre las pilas.
Durante el proceso de riego, es importante verificar que no se acumule demasiado líquido en las zonas, ni que, por el contrario, se generen zonas muy secas. Ambas condiciones son perjudiciales para la extracción del mineral y son señal de que el proceso de riego está fallando (por problemas en las cañerías subterráneas, por fallas en la presión del agua o por otras causas).
Para evitar que se produzcan estas situaciones, personal especializado de SQM recorre el terreno y constata qué zonas están bien y en cuáles hay alguna anomalía (pozos de agua, por ejemplo) que necesite resolverse.
Realizar esto de forma manual lleva tiempo y –por ende– dinero. Por lo tanto, para agilizarlo, desde SQM implementaron drones que toman fotos desde el aire. A partir de esas imágenes se puede verificar la salud de las pilas de litio sin necesidad de ir al terreno.
Estrategia: ¿qué hicimos?
Con tecnología de Databricks y a partir de las fotos tomadas por los drones, nuestro equipo de Analítica Avanzada implementó una solución de ciencia de datos para aislar, desde las imágenes, comportamientos atípicos en los procesos de riego (como desacoples, formación de pozos y de zonas secas).
Aplicamos ciencia de datos para determinar la salud de la pila de litio a partir de la evaluación del riesgo, sin necesidad de hacer una revisión manual en terreno.
El tamaño de cada una de las pilas de litio de Antofagasta es, en promedio, tres veces más grande que el de un estadio de fútbol.
Las ventajas en términos de procesamiento y de manipulación de datos que ofrece Databricks facilitaron el procesamiento de las imágenes y, especialmente, su manejo entre cada una de las etapas de análisis, siempre utilizando el formato de tablas Delta.
Aplicamos un enfoque de ciencia de datos no supervisado basado en visión por computador, esto disminuye la intervención por parte de las personas expertas y se evita el uso de procesos intensivos de etiquetado. Como resultado, la tecnología indica qué porcentaje de la foto contiene anomalías (zonas con pozos y zona secas).
Se programan los horarios y la frecuencia en que los drones tienen que tomar las imágenes (se eligen los momentos del día óptimos de acuerdo con la cantidad de luz). Con esas fotos, Databricks permite definir tres tipos de fotos diferentes. Eso se procesa automáticamente y, como resultado, se obtiene información sobre qué zonas están secas o con exceso de agua.
Resultados
Este trabajo solo es posible a partir de la sinergia entre los equipos de tecnología y los especialistas de SQM que, desde hace años, trabajan en el campo y son quienes tienen el know how experto.
En el caso trabajado, luego de diferentes intercambios entre ambos equipos, se definieron umbrales y probamos diferentes tipos de transformaciones sobre las imágenes.
A partir de todo esto, construimos un proceso de aislamiento de eventos (apozamiento, sequedad) y se desarrolló un informe que determina la salud de la pila y permite priorizar las intervenciones.
A partir de la meta-data de las imágenes, podemos saber exactamente en qué punto geográfico se encuentra la zona apozada o seca, determinar qué tan grandes son las anomalías, etc.
Un proceso que antes era manual, ahora se puede realizar de forma automática a partir del análisis de imágenes. Las personas responsables de tomar las decisiones tienen indicadores concretos y de forma más rápida y precisa pueden determinar qué pilas necesitan mantenimiento.
Gracias a este proyecto, en SQM evitan depender de una persona que vaya una vez por semana al campo a tomar fotos para, recién ahí, poder analizar si hay algún problema.
Este, fue un primer paso de una solución mucho más grande que permitió generar nuevas ideas y accionables a futuro. Es solo el comienzo.
