-Pablo, ¿cómo fue que Open World decidió postular al subsidio Capital Humano para la Innovación de Corfo? ¿Qué los motivó a buscar este apoyo?

Como empresa de tecnología siempre estamos atentos a nuevas tendencias que puedan generar valor. Sabemos que la clave está en tener un capital humano avanzado y, en este caso, necesitábamos incorporar un profesional con gran experiencia en inteligencia artificial (IA). La idea era no solo optimizar nuestros modelos existentes, sino también explorar nuevas aplicaciones para la IA que pudieran solucionar problemáticas que el mercado está demandando. Este proyecto nos motivó a postular al subsidio, ya que nos permitiría desarrollar un nuevo modelo predictivo de fatiga y somnolencia, con el apoyo de un profesional altamente capacitado en IA.

-¿Cómo está impactando este apoyo en la mejora del capital humano dentro de la empresa?

El apoyo de Corfo (a través del subsidio Capital Humano para la Innovación) ha sido crucial, porque nos ha permitido contar con los recursos necesarios para incorporar a Fernando Torres, un profesional altamente capacitado que no solo lidera el desarrollo de este modelo predictivo, sino que también juega un rol fundamental en el fortalecimiento de nuestro equipo de I+D+i. 

Este tipo de colaboración valida la dirección de nuestros esfuerzos, motiva a todo el equipo y garantiza que estemos alineados con las tendencias más avanzadas en inteligencia artificial y tecnología.

-¿Por qué eligieron a Fernando Torres y qué importancia tiene su incorporación para Open World?

La selección de Fernando se basó en su experiencia tanto en el mundo académico como en el privado. Su experiencia en la aplicación de IA, específicamente en el desarrollo de algoritmos, la consideramos clave para mejorar nuestro modelo predictivo. Además, su formación como ingeniero civil mecánico de la Universidad de Chile, junto con su magíster en Inteligencia Artificial de la Pontificia Universidad Católica de Chile, lo convirtió en la persona ideal para liderar este proyecto. 

Su rol es fundamental no solo en el desarrollo y la aplicación de los algoritmos, sino también en transferir su conocimiento a nuestro equipo, asegurando que la I+D se sistematice y continúe en el futuro.

PATRONES DE FATIGA

-Este proyecto está enfocado en la fatiga y somnolencia de los operadores mineros. ¿Cuáles son los principales desafíos de integración aquello a un modelo predictivo en sus operaciones?

Uno de los mayores desafíos es la recolección e interpretación de los datos de fatiga que nos permitan caracterizar patrones normales y anómalos en los registros del sistema Smart Cap. A partir de esos datos, necesitamos seleccionar y evaluar distintos modelos de clasificación que nos permitan identificar los estados de fatiga. Esto depende en gran medida de la calidad del etiquetado de los datos. Para ello, vamos a explorar diferentes técnicas de clasificación, incluyendo aprendizaje no supervisado, con el fin de identificar patrones de comportamiento normal y anómalo de los operadores.

-¿Cómo están llevando a cabo el desarrollo del modelo predictivo y en qué etapa del proyecto se encuentran?

El modelo se está desarrollando en colaboración con Corfo desde la fase de recolección de datos, donde ya hemos capturado una muestra significativa de registros de fatiga. Estos datos serán analizados utilizando técnicas de exploración de datos para identificar patrones en los estados de fatiga. A continuación, asignaremos etiquetas a los diferentes estados y comenzaremos a aplicar modelos de machine learning y deep learning para la clasificación de estos estados. El desarrollo del modelo está en una etapa avanzada, y lo que sigue es la validación de estos modelos a través de un proceso de evaluación continuo.

-¿Qué tipo de datos alimentarán este modelo predictivo y cómo garantizan su precisión?

Los datos que alimentarán el modelo provienen de los registros de los monitores Smart Cap de Open World Latam, que cuantifican la resistencia al sueño de los operadores mediante el monitoreo de señales EEG (electroencefalográficas). Estos datos se complementan con las políticas y estados operacionales de la faena minera, lo que nos permitirá refinar la clasificación entre estados normales y anormales. Además, el etiquetado de datos se realiza de manera cuidadosa para asegurar que cada patrón esté correctamente clasificado, lo cual es esencial para obtener un modelo preciso.

-En cuanto al impacto del modelo en la empresa, ¿cómo se integrará en las operaciones diarias y qué resultados esperan obtener en términos de productividad y bienestar de los operadores?

Una vez desarrollado el modelo, se integrará en las operaciones diarias a través de una API REST que se incorporará a las herramientas de dispatch (usadas por los encargados de gestionar operaciones en una cadena de servicio) de los clientes. El impacto será significativo, ya que permitirá identificar patrones de uso anómalos de los operadores, lo que ayudará a optimizar la asignación de recursos y mejorar la seguridad operativa. Esto no solo incrementará la productividad, sino que también contribuirá al bienestar de los operadores al prevenir accidentes derivados de la fatiga.