Empezó mejorando la calidad y el funcionamiento de las plantas que hacían harina de pescado, ahora, su herramienta puede ser usada en plantas de alimentos, acuícolas, celulosa, aceites, y mineras.
Uno de los principales desafíos de empresas de alimentos extractivos, como lo son la agricultura, minería, subproductos animales y del mar, entre otros, son predecir las variables que puede afectar la materia prima necesaria para llegar a la meta de producción.
Madeleine Valderrama, Ingeniera Civil Industrial y MBE de la Universidad de Chile, vio este problema y decidió crear Altum Lab, empresa que se dedica a aumentar el rendimiento de la materia prima de distintas áreas de producción, creando un sistema llamado BRUNA que predice las variables haciendo posible saber de antemano cómo será el producto y con que la planta tendrá que trabajar posteriormente.
Así lo ideó Madelaine Valderra, Ingeniero Uno de los principales desafíos de empresas de alimentos extractivos, como lo son la azúcar de caña, lacteos, aceite de palmas o maravilla, incluso, en la minería, son predecir las variables que puede afectar la materia prima necesaria para llegar a la meta de producción.
Esta herramienta de optimización, Bruna, permite predecir cómo será la materia prima y generar soluciones. La plataforma opera a través de modelos matemáticos optimizando la mezcla de productos no homogéneo (materias primas) también considera ciertas condiciones de la planta productiva lo que le permite ser un modelo replicable en múltiples sectores.
El funcionamiento de Bruna está compuesto por cuatro capas distintas. La primera está relacionada con Machine Learning, una Inteligencia Artificial (IA) que aprende del proceso productivo a través de los datos que consigue de distintas fuentes de información que tiene el cliente, por ejemplo, sensores. Una vez que ha comenzado a aprender es capaz de predecir comportamientos
Tras la captura de datos, en la segunda capa, la plataforma mapea el proceso productivo de la planta o faena para determinar ajustes necesarios para optimizar la producción, por ejemplo, de qué manera operar, qué máquinas usar y con qué velocidad y capacidad, entre otras variables.
En la tercera capa, llamada heurística, un conjunto de algoritmos relacionados busca caminos eficientes para resolver problemas del tipo NP Hard, es decir, aquellos que no pueden ser resueltos en un tiempo definido. En esta etapa, la heurística aprende una solución o ‘camino corto’ para resolver un problema y recordarlo cuando se presenten dificultades similares.
En la etapa final, se regresa a la IA y se le enseña a la heurística cómo acercarse más rápido, ya sea en tiempo o de costeo de cómputo, al resultado óptimo.
“La planta antes funcionaba como cocinero, entonces se debía decidir cómo cumplir la meta de producción con materia prima, que está sujeta a variables como el clima, día de cosecha, nivel de madurez. Lo que hace Bruna es predecir que se va a obtener de la materia prima y después decirte cómo ocupar tu planta productiva para sacarle el máximo provecho”. Explica Madeleine Valderrama, Cofundadora y CEO de Altum Lab.
