DestacadosNotas MinerasNoticias
SQM optimiza producción de nitratos y logra precisión de modelos predictivos en torno a 90% con soluciones de AVEVA
- También logró reducir la variabilidad de parámetros entre 10% y 15%, lo que mejoró la estabilidad de la planta. Con más de 8.300 empleados y presencia global, la empresa chilena combina innovación tecnológica con eficiencia operativa.
La Sociedad Química y Minera de Chile (SQM), líder mundial en nutrición vegetal especializada, yodo y productos químicos industriales a base de nitratos, ha logrado importantes avances en la optimización de sus operaciones gracias a la implementación de soluciones digitales de AVEVA.
La división de Yodo y Nutrición Vegetal (SQM YNV), responsable de las plantas de producción de nitratos, adoptó una arquitectura de datos unificada que integra información de procesos, sensores y simulaciones con modelos predictivos de inteligencia artificial. Este enfoque permitió transformar la gestión operativa y alcanzar resultados tangibles:
- Variabilidad de parámetros clave reducida entre 10% y un 15%, lo que incrementó la estabilidad de la planta y disminuyó los periodos fuera de especificación.
- Producción de nitratos aumentada hasta en un 1%, impulsada por la optimización dinámica de parámetros operativos.
- Eficiencia en el uso de materias primas mejorada entre 1% y un 3%, reduciendo el consumo de sal y minimizando residuos químicos.
- Modelos predictivos con una precisión cercana al 90%, que respaldan decisiones confiables de los operarios.
- Tiempos para obtener información reducidos de días a minutos, gracias a actualizaciones automáticas.
- Reentrenamiento acelerado de modelos de semanas a horas, aumentando la capacidad de adaptación frente a cambios en las condiciones del proceso.
- Esfuerzo de análisis manual reducido entre 30% y 50%, permitiendo a los equipos enfocarse en ajustes estratégicos.

Matías Gatica, director de Transformación Digital de SQM YNV, explica que “se generó un gran valor cuando los datos pudieron transmitirse desde AVEVA PI System a Databricks, nuestra plataforma de datos e IA. Ahora disponemos de una solución industrial, orientada a desarrolladores, para mover datos a gran escala y abordar múltiples desafíos operativos”.
Glenn Kerkhoff, director global del sector minero, metalúrgico y mineral de AVEVA, agrega que “sin ninguna duda, las minas del futuro serán digitales, automatizadas y controladas de forma centralizada, y por ello SQM ha dado un paso decisivo hacia esta tendencia que ya es una realidad gracias a los avances que hemos logrado con nuestras soluciones de software industrial”.
La nueva base digital, construida sobre AVEVA™ PI System™, CONNECT y AVEVA™ PI Vision™, establece un flujo de trabajo de circuito cerrado que conecta operaciones locales con análisis en la nube y devuelve recomendaciones optimizadas a la planta en tiempo real.
Lo anterior, según Glenn Kerkhoff, va en línea con las nuevas tendencias del sector. “Las empresas mineras están adoptando un enfoque híbrido: mejorar las habilidades de los trabajadores experimentados que conocen los procesos y los equipos, al tiempo que contratan nuevos talentos con conocimientos en ciencia de datos e inteligencia artificial. Los empleados actuales pueden aportar un importante contexto operativo y experiencia, mientras que los nuevos talentos pueden aportar conocimientos técnicos y un pensamiento innovador”, añade el ejecutivo de AVEVA.
Esta infraestructura escalable abre la puerta a posibles futuras iniciativas que SQM defina implementar en las divisiones de yodo, litio y nutrición vegetal, integrando datos de laboratorio, mantenimiento y calidad para enriquecer los modelos multivariables y avanzar en los objetivos de sostenibilidad de la empresa.
Con más de 8.300 empleados, presencia global y el apoyo de AVEVA, SQM reafirma su liderazgo en especialidades químicas al combinar innovación tecnológica con eficiencia operativa, contribuyendo a una producción más sostenible y competitiva. (Más información en:https://www.aveva.com/es-es/perspectives/success-stories/sqm/)




