BITEL es una startup tecnológica chilena presentada en el podcast "De Cero a Unicornio". Su misión es realizar mantenimiento predictivo en industrias, focalizándose inicialmente en la minería, para detectar daños en maquinaria antes de que se conviertan en fallas catastróficas y causen pérdidas millonarias. La compañía nació de una investigación de laboratorio donde desarrollaron un modelo de inteligencia artificial determinístico basado en análisis tiempo-frecuencia, a diferencia de las soluciones convencionales de machine learning que requieren grandes volúmenes de datos históricos clasificados, los cuales suelen no existir en el contexto local. Esta tecnología permite diagnosticar el estado de componentes rotativos en solo 2 a 6 segundos, identificando frecuencias de falla con meses de anticipación y sin detener la operación.
El camino de BITEL ilustra la transición de una solución técnica académica a un producto de mercado. Validaron su tecnología primero con datos de laboratorio y luego, crucialmente, en terreno, aprovechando una coincidencia temporal con un mayor interés de la minería por innovar. Los fundadores relatan los desafíos prácticos iniciales, como la instalación artesanal de sensores en condiciones reales, destacando la brecha entre el entorno controlado del laboratorio y la complejidad del campo. Su solución se diferencia por ser 100% chilena, no depender de hardware propio y tener alta escalabilidad, ya que puede conectarse a diversos sensores mediante APIs para analizar datos de vibración, temperatura o ultrasonido, con potencial de expansión a otros países y sectores industriales.
Bienvenidos a Decero a Unicornio, el video podcast donde exploramos las historias de grandes fundadores de startup tecnológicas de Latinoamerica. Cada episodio no sólo conoceríamos los éxitos y los retos de sus empresas, sino que el lado humano. Sus aprendizaje, fracasos y el recorrido lleno desafíos que los ha llevado a marcar una diferencia del ecosistema en prendedor. Este paso está diseñado para inspirar a todos aquellos que soñan con crear su propio startup. Acompáñanos en este viaje y atreva a ser parte del próximo gran Unicornio. En este episodio presento a la startup BITEL y tenemos con nosotros a Pablo Álvarez y Milton a tu dios. Muchas gracias, muchas chocu por participar en nuestro podcast. Gracias por la invitación. Muchas gracias. Partimos de ver porque siempre nos presentan como BITELs y tenemos que gorrigir así que partimos suelo bien con que no hay presentado como BITEL. Como BITEL, que es un edad, pero pasa a ser una innovación. Sí. Partimos innovando con el nombre. Es pípico, cada vez que nos presentan en cualquier evento, cualquier cosa, siempre es BITEL. Claro, y tenemos que estar explicando no, VIVARATION TECHNOLOGY. ¿Estás del inglés? Bueno. Entonces, claro, somos BITEL. Bueno, ya, por lo menos la he hecho un tel nombre de la startup. Perfecto. ¿Cómo les había mencionado en este espacio? La idea es que sea súper distendido y podemos conversar de su startup. Lo primero ni me gustaría conocer, ¿es cuál es el propósito o cuál es una misión de BITEL y cómo les definen el término súper práctico? Mira, súper práctico. Estamos hablando de entrar al mantenimiento predictivo en las industrias, ya en diferentes tipos de industrias, principalmente dentro de lo que es la minería. Existe esta complejidad de poder detectar los daños antes de que se convierta en fallos catastróficos, porque cualquier pausa en la maquinaria significa perdidas millonarias, ¿verdad? Estamos todos de acuerdo ahí. Entonces, se producen estos daños, empiezan a iniciar la idea es poder detectarlo a través de inteligencia artificial que es nuestro fuerte. Perfecto. ¿Cómo identificaron este problema que decir un resolver en su startup? Mira, este problema viene, digamos, de años atrás, ya sea, nosotros entramos a ver el problema desde el laboratorio. Cuando nosotros estábamos en el laboratorio, que era, de esos ratitas de laboratorio, nada más, porque no sabíamos nada del mercado. En ese entonces conocíamos el problema mecánico. Sabíamos que este problema existía y sabíamos que era un problema físico que llevaba 70 años de investigación, y probablemente muchos más. El tema es que cuando nosotros desarrollamos una nueva inteligencia artificial, o sea, un nuevo modelo, en realidad, no una nueva inteligencia, un nuevo modelo que, digamos, superaba todas las debilidades de la frontera del conocimiento actual dentro de estos problemas, dijimos, bueno, esto debe salir del laboratorio, del laboratorio al mercado, ¿verdad? Creo que ya lo al mercado. Entonces, cuando llegamos al mercado, nos dimos cuenta de que conocíamos mucho el problema y no conocíamos nada al mercado. Entiendo. ¿Y qué hace a este problema que sea relevante y merezca ser resunto? Mira, en términos, digamos, muy prácticos, perdias millonarias. Cualquier pausa en la producción que no esté controlada, cualquier pausa que sea a causa de fallos catastróficos en un equipo, significa pausa en una producción que, minuto a minuto, está generando millones de dólares. Entonces, el impacto de poder detectar un daño en etapas tempranas y con alto nivel de precisión, de poder detectar específicamente donde esté el daño y el llegar a cabo, digamos, un mantenimiento oportuno para poder evitar estos fallos catastróficos, es de su impacto. Entiendo. Y típicamente, cuando uno encuentra un problema, cada problema tiene un montón de posibles soluciones. ¿Cómo llegaron a la solución que actualmente están ofreciendo? Mira, eso pregunta es súper interesante. Nosotros, cuando estábamos en el laboratorio, como te había comentado, empezamos con lo que era diagnóstico de estructuras, edificio, puente, túneles, etcétera. Y ahí trabajábamos con técnicas de machilarme, ya el reenheuronales, convolucionales, etcétera, diferentes tipos de reenheuronales. Resulta que el problema, fin de cuenta, es poder encontrar o filtrar los datos y encontrar frecuencias de daño. Pasarlo a un ámbito mecánico, ya en un principio fue complejo, por supuesto, porque el modelo del problema cambiaba, pero las soluciones seguían estando dentro de la estructura informática. Ahora, cuando nosotros propusimos modelos basados en machilar inicialmente para solucionar estos problemas mecánicos, notamos que se necesitaba primero altos niveles de procesamiento, altos niveles de datos para poder entrenar las máquinas, que en la que necesita todo sistema basado en machilar. Y finalmente, el sistema que los datos perdón, que los datos tuvieran altamente clasificados, o sea que cada daño tuviese unas especificaciones, estuviera bien clasificado, ¿verdad? Valga la redundancia. Afín de cuentas, esos datos dentro de la mayoría de las industrias, sobre todo a canchiles, no existan. En ninguna minera, te van a tener pocas mineras, te van a tener datos de daños clasificados, realmente en etapa sempranas y con especificaciones de operatividad, de los componentes, etc. Ahí, notamos que había una debilidad muy grande, en torno a lo que era técnicas de machilarme. Afortunadamente, nosotros empezamos a, bueno, somos un equipo de investigación de hecho. Y ahí empezamos a desarrollar técnicas más avanzadas, en torno a análisis tiempo frecuencia. Ya no, no salimos de la línea de lo que era la inteligencia previcial, basa en aprendizaje de máquina. -Tentiendo, perfecto. -Y igual, igual creo que lo hizo un poco alrededor de lo que hice la teoría de StarTap, que primero encontraron problemas y elaborarse y después buscar soluciones. En ese sentido nosotros empezamos a trabajar con lo que análisis de diversión y sabíamos la ventaja que tenían en realidad particularmente, pero no sabíamos que industria iba a ser realmente útil. Y ahí fue un descubrimiento de que minería, por ejemplo, es solamente relevante y minuir la cantidad de barros no programados de un bolivino o las que, si se detiene un día, son más de 40 mil toneladas que se dejan de procesar. Y en ese momento nosotros sabíamos que tenía una solución que iba a ayudar a eso, pero después descubrimos que era un problema de la anteminaría, digamos, en lo que se conoce a ese como una solución en busca de un problema. Prisimos totalmente arreglo que indicaba la teoría. Y cuando nos dimos cuenta de eso, tuvimos que hacer todo un proceso de toda la energía y el conocimiento que sabía que era de un perfil académico, saber cómo yo hablo al mercado, una robusta de los coherentes y también a cuál nicho le hable sentarse a grandes mineras, pequeñas mineras, etcétera. Así que yo siento que fue un poco alrededor de lo que el historiador, digamos, que por lo que ha estado en cuenta de un problema fuerte, lo estudia muy bien, buscan 100 mil alternativas para suelecioná, lo hice que han con un o o y ven cual le funcionan mejor. Estabamos lecimos alrededor. Está entiendo. Mira, es un buen punto que el que tocan por lo general se dice o la práctica nos dice que cuando uno parte de la solución y trata después de buscar el problema, es un camino extremamente largo, tortuoso y no así partiendo desde el problema. Usted estuvieron un poco mirando ya hacia atrás, Pablo y Milton, cómo ustedes validaron que si había vuelo a piscina en el mercado antes de invertir tanto tiempo y recurso, claramente, usted como tal como mencionaba en un reto de investigación y eso es probablemente tal, desde la oportunidad es para poder desarrollar de alguna manera la tecnología que están utilizando en este momento, pero tuvieron la chance de poder validar antes de lanzarse a la piscina. Mira, en torno a validaciones, probamos mucho con la vez datos de laboratorio, o sea nosotros teníamos muchos datos tanto de caja reductora, caja planetaria en general, rodamiento de estatores, rotores, elice, etcétera. Muchos componentes rotativos con datos cuyos daños ya estaban clasificados y nuestros algoritmos funcionaban operaban muy bien, tenían un muy buen desempeño. Sin embargo, el respaldo en laboratorio es muy
diferente a tener el respaldo físico del terreno, verdad? De hecho, me gustaría marcar la cara de todas las personas importantes, sobre todo de la minería, que cuando me preguntaban dónde es probado tu sistema yo les decía, no, con datos de laboratorio. Ya, ok, ok. Resulta que bueno, es. El tirarse a la piscina, verdad, ya, ok, tuvimos. Teníamos la confianza de los datos de laboratorio, pero necesitábamos también esta confianza de la experiencia en terreno. Ya, nos tiramos a la piscina directamente cuando ya logramos quizás terreno y conocimos las máquinas, verdad, por primera vez, porque nosotros conocíamos el algoritmos, verdad, conocíamos como funciona, digamos, el problema físico, el comportamiento de las piezas, pero no la máquina físicamente. Entonces, ahí fue que ya nos agarramos la confianza de tirarnos a la piscina, conociendo el terreno por primera vez. Está entiendo. Y en el caso particular de, obviamente cuando uno parte, como usted lo descrian desde la solución y después pudiendo encontrar el problema, cuál ha sido en su opinión el mayor redo al momento de tratar de encontrar el programa, que es el punto que todo el emprendedor de Star Tab, tratas de manera de poder encontrar, o quien un gran porcentaje, muchas está tan muer en ese camino. Elijan ahí, gronita. Yo creo que fue importante que el tiempo era mayor investigación y desarrollo, fue entre 2019 y 2020, que ahí fue hecho donde se volvieron dos pacer y coincidió que en minería estaba viendo un proceso muy importante de hacer innovación ayer. Entonces en paralelo que estábamos haciendo la investigación, nos tuvamos que habían desafío de coelco, de HP, de expandeminería buscando tecnología nuevas para diagnosticar y muy durar equipo. Entonces, yo creo que fue el primer momento de Ajá. Aquí hay algo importante. Lo que estamos haciendo nosotros puede ser ir para esto y empezar a entender qué será principal mercado que teníamos que ir a esta tecnología. Yo en el camino nos permitió, como bien decía, "Vallo, voy a estar en terreno a hablar con la gente encargada esto y ver que si vian otros sistemas de movidores diagnósticos, nosotros teníamos varias ventajas competitivas. El hecho que el remoto puede emitir al está de tres meses antes y trabajar en equipos móviles en movimiento a diferentes otros sistemas que tienen que llevar el camión al taller de tenerlo y a echar andar el motor y la reciénación diagnóstico. Entonces eso nos permitió entender realmente que era una necesidad porque lo estaban ellos expresando hacia todo, principalmente con los desafios de innovación ayer. Yo creo que fue clave que hayamos consiguios con ese verió porque si esta innovación suiera hecho hace 10 o 20 años atrás, no había navio esto, esta opción es de desafío ayer esto y la minería resolvía su problema a puerta a cerrar con los prohores de siempre. Entonces yo creo que igual tuvo algo de suerte que justo coincidió en la tapa de investigación con la tapa que hubo mayor cantidad desafío de innovación ayer esta minería y poder oficelo y a lo poder completar para el de pilotes interesante con mina. Que bueno, que tuvieron esa suerte de hacer calzá el oportunidad con lo que ustedes están desarrollando. Ahí me gustaría preguntarles porque me imagino yo que este tipo de soluciones, a nivel global, ya existen algunas que ya ya no montón de tiempo en mercado y me gustaría entender qué característica es la única diferencia de su solución con otras existentes que probablemente vienen de otros países porque entiendo que esta solución es 100% hecho en Chile. Claro, mira, marquemos las diferencias primero con respecto a lo que es Machiller N. Ya que la mayoría de las tecnologías basan Machiller N. son muy eficientes siempre cuando existan datos históricos. Chile es un país donde digamos es muy analógico, no se utiliza mucho la inteligencia artificial por ende, no se tienen muchos datos clasificados con respecto a este tipo de problema. Así que Machiller N. acá en Chile directamente te puedo decir no sirve. O sea, digamos para el diagnóstico de máquinas, ¿verdad? Entonces, sacando la primera diferencia es que nosotros tenemos un sistema basado en análisis tiempo frecuencia, que es una inteligencia artificial determinística que no requiere ningún tipo de dato histórico, o sea, a partir de 2 a 6 segundos de captura, nosotros ya podemos saber el estado en el que se encuentra del equipo, ya, que es una diferencia muy importante. Aparte, bueno, nuestra inteligencia artificial, lo que hace básicamente es poder demodular señales. Para tú te preguntarás o la misma gente que escucha, se preguntará que es la demodulación. Básicamente es la capacidad que tenemos, como seres humanos, de concentrarnos en específicamente algo que escucha. O sea, si nosotros estamos escuchando todo el tiempo cualquier cosa, nuestro alrededor, pero tenemos esta capacidad, la mayoría por lo menos, de concentrarnos específicamente en algo, ¿verdad? Entonces, esa capacidad es la de demodular una señal, la demodular señales. Nuestro inteligencia artificial, justamente, hace eso, trae específicamente la frecuencia de un daño de los componentes rotativos, ya, que vienen sumergidos en etapas tempranas, ¿verdad? En altos niveles de interferencia, ya que le llamamos interferencia, a todo el ruido que hay ambiental a la vibración que generan los componentes aledaños, ¿verdad? Toda la máquina está en una constante vibración y todos esos son interferencias para encontrar la frecuencia específica que queremos hacer. Nosotros tenemos esta capacidad de en estos dos a seis segundos, sonrar esta frecuencia de fallo de tres a seis meses antes de que sea lo suficientemente pronunciada como para que el daño afecte en la vida útil de la máquina. Y bueno, además, la capacidad de poder encontrarla exactamente está también visto en sistemas complejos rotativos, por ejemplo, lo que son cajas reductores, ya o las mismas cajas de transmisión. Muchas veces estamos hablando de cajas planetarias, que son sistemas de engranaje sumamente complejos con diferentes tipos de variaciones de velocidad. Toda esta caja está formada por diferentes tipos de discos y componentes rotativos, ¿verdad? Entonces, tener la capacidad de poder diagnosticar sin detener la operatividad de la máquina y especificar dónde en qué disco, verdad, de una caja planetaria se encuentra el daño, esa es la capacidad de aire. Entiendo, perfecto. Y con respecto a los primeros pasos que ustedes están dando para poder lanzar su producto al mercado, ¿qué cosas terretos tuvieron esencialmente? Porque obviamente tal como tu hubo mencionado este Pablo, que están partidos en el laboratorio, pero después uno tiene que probarlo en la realidad y ese tipo de marineria nos están disponibles para todo el mundo. Entonces, en ese sentido, ¿cuál es el primero paso que ustedes tuvieron que vivir retos, sobre todo los desafíos o errores que tuvieron que pasar para lanzar el producto? Claro, de hecho te cuento las primeras de sonras. Nos pasó que la primera vez que llegamos a bombas de agua, ya que algo muy básico dentro de edificios para probar el sistema. Departía, yo soy persona informática, Milton es una persona de negocios, ¿verdad? En uno los dos tenía idea de el terreno. El terreno estaba sucio, estaba completamente abandonado de la mano del señor. Y tuvimos que entrar a instalar los sensores en los puntos críticos de la bomba de agua, ya que estamos hablando del rodamiento de motor y el ventilador de la bomba de agua, estaba lleno de araña. Y Milton es el tripánico de la araña. Sí. No entremos, entra en la sale de hombre. Y se abrió un horario de la escuela. No, un poco. Ahí Milton entró a la sala. Pero claro, el primer conflicto fue eso. El dad nos cuenta de que en el laboratorio las cosas son limpias, pero en el terreno no. En el terreno las cosas nunca son limpias. Nos pasamos adelante. Una vez que llegamos sin sabado de seguridad, sin los baby, sin cascos, sin nada, ¿verdad? Y preguntando si tenían de la daya que nosotros usamos, como se ocupaba en el casco. Después tuve un problema instalando el sensore. Me acuerdo que he comprado una vistó la especial, porque una vez yo que sale con dos fontes, entonces he visto una vistó la aplicación que se llama y condizamos en todos santeados y había solamente dos ferradería, una San Miguel y otra voz que lligura. Y fuimos la equilibura y quedaba mucho más cerca y dicen, "tenemos el adecuio, pero no tenemos la vistóla". Y llamó la transferedaría y tenía la vistóla, pero no tenía la desigua. Y ya estábamos atrasado para poder llegar a instalar los sensores. Y a última hora, terminamos instalando los sensores en vez de la vistóla convencional, profesional, que se usa en esto, usando un par de giringas. Y entre medio, me acuerdo uno de los asigueres de feb plantas mirando como para que traen las giringas. Pero si, totalmente artesanal. Ya sé. Bueno, me imagino yo que. esos son gares de todo startup que cuando está iniciando tiene un montón de problemas. Con respecto al tema de la tecnología, como ven ustedes que su tecnología puede escalar a otros países y lograr que su negocio escale no solamente en la admito por ejemplo de minería o sea el archivo. Ya primero, yo voy a hablar en torno a lo que es tecnología, mire, tú te explicar cómo podemos prendernos hacia, digamos, por el lado de los negocios, ¿verdad? En torno a lo que es la tecnología es muy, muy sencillo, tiene una escalabilidad muy alta este sistema porque es altamente adaptativo, no depende de ningún tipo de sensor, ningún tipo de sistema informático. Nosotros tenemos la capacidad de, digamos, todos los sensores, no hablamos de nuestras capacidades sino de que todos los sensores requieren de una API para controlarse, ¿verdad? Entonces, teniendo este API, nosotros podemos capturar los datos de cualquier tipo de sensor y a partir de esos datos nosotros llevamos a cabo la analítica. Siempre y cuando el sensor cumpla con los requerimientos necesario para el punto rotativo que nosotros tenemos analizando, nuestra analítica tiene la capacidad de adaptarse. Ahora, preguntas que me han hecho muchas personas, solamente vibraciones, no, tenemos la capacidad de diagnosticar a partir de temperatura, a partir de ultra sonido, corriente, desplazamiento, velocidad, etc. Mira, te he dado todo lo muy todo lo que te voy a ver, esta triobología, por ejemplo, que la analítica de la aceite de laboratorio, tiene temperatura ultra sonido y otros parámetros más. Sin embargo, la gran desventaja de estar haciendo una analisis basado en vibraciones es que es constante. Tu deja de instalar el sensor y está acasplando 24 horas, e diferencia de la analisis de el lubricante, lo aceite, que tiene que esperar cuando haya alguna parada programada, para poder hacer cambia aceite, matar el laboratorio, etc. Y también, por ejemplo, en el caso de la temperatura, que también es una condición que se analiza bastante, llegan a etapas muy tardías, que puede avisar y ha que ganan de hacer ahora ya o en un par de días, el cambio de algún componente y nos debe dar el algura necesaria para planificar bien la atención y reducir número de paros con el programa. El otro punto importante es que, por ejemplo, nosotros no desarrollamos ningún tipo de hardware, como esperto solamente en el analítico. Nos conectamos distintos pradores de sensores, y particular, uno de los sensores que ocupamos es altamente utilizado en Brasil, México y Estados Unidos, en donde podríamos conectar, no mediante una API a esos sensores y estar haciendo la analítica desde Chile, sin tener que integrar los sensores, una o una, y antes de mío más comercial, nosotros en una semana más, vamos a estar en Estados Unidos, y si es el tema de Miami, ya hay alguna delegación de startup bioío, en deos, proschiles también va a estar, en donde va a estar haciendo una prospección de potencial cliente y también alianza con proveores de sensores para allá y haciendo los puentes de la internacionalización de VALTRE. Y mirando a Maya de Minería, porque si bien minería muy irrelegante esto, se puede implementar en cualquier industria que tenga componente rodadío y ahí pues tienes todo mundo. Desde puertos la industria es la obesería, alimentos, esto es un universo de clientes potencial. Entonces, para allá está moriéndolo, la nivel comercial y también la nivel de capacidad técnica. En la nube para poder hacer la analítica en Chile, pero poder funcionar con sensores que tienen cualquier parte de mundo. Qué bueno. Ahora les quiero hacer una pregunta probablemente la más difícil de todas. Hasta el momento han podido vender, tienen clientes o no? Quien contesta. Tenemos desarrollo de varios pilotos con compromisos comerciales, porque la dificultad es que tiene todo lo que tiene que ver con vender su operaciones. Es que tu cliente no quiere arreglar la operación. Entonces son muy fiquiosos, no son el de adopter. Entonces tienes que primero estar a leer un piloto y después darle datos duros y ahí tomar la decisión de hacer. Pero creo que en esta maratón que hemos hecho, no podíamos acabar bastante datos interesantes en equipos que antes no se monitorear. Yo quiero que él lo más bonito. Por ejemplo, la industria es monitoreada con disenas bastante antiguas, pero se limitaba a equipos que ofuése en fijo, como molino de olas. O equipos móviles, pero cuando estuvizan detenidos en el taller, no en operaciones. Y no sólo lo que estamos haciendo ideas, construir una cartera de distintos ejemplos y casos de éxito con distintos equipos para poder llegar a clientes más grande y decir esto se lo resultado de las distintas aplicaciones que se han utilizado. Y desde ese punto de vista lo que mencionan y los pilotos que han llevado a cabo, que aprendizaje han tenido de estos primeros pilotos. No sé si me pueden comentar un poco más en mayor detalle. Claro, de hecho uno de las cosas más importantes que hemos aprendido es que muchas veces no se sabe casi nada de la máquina. O sea, los expertos, mantenedores de la máquina saben que tienen que hacer con ellas, conocen su trabajo y lo llevan a cabo muy bien. Pero no conocen el modelo de la máquina, no saben, por ejemplo si la caja reductora es una caja planetaria, una caja no planetaria, la cantidad de desco que tiene, digamos, la ubicación del estatoro rotor donde están. En algunos casos, en una forma, si se trata, si, si hay muchos casos incluso desconocen el año de fabricación del equipo o te dicen andar y sal a la placa que están en el equipo y doy la placa y están en China. Si pasan en terreno y no es cosa de la pequeña midiría, transversal. Bueno, básicamente hemos descubierto mucho el comportamiento de las arquitecturas física de nuestro sistema en diferentes ámbitos. Porque claro, la teoría dice, claro, tienes buena señal, tienes corriente, el sistema funciona, eso dice la teoría. Pero en terreno, la teoría difiere mucho, o sea, perfectamente pueden haber lugares con poca señal o lugares subterráneos y no los habíamos considerado dentro de la teoría, sino hasta que llegamos a esos lugares y nos topamos con el problema. Entonces, gracias a eso, nosotros tuvimos esta capacidad de adaptar nuevamente el sistema esto. Porque es muy diferente el llegar, por ejemplo, a una zona subterránea y que la captura, tal vez, no se realice y más adelante, si se haga, a que directamente por llegar a una zona donde no hay corriente, se te caiga todo el sistema o que no hay internet, se te caiga el sistema. Eso ya es un problema bruto de programación. Yo creo que una aprendizaje importante, porque uno está acostumbrado a estar está que están basadas 100% en la nube y son solamente software y eso te demuestra porque las tartas que tienen alguna característica y otra sensualización o tienen que ver alguna razón estar en terreno. Y una tasa de sobrevivencia, mucha baja y también tiene un tiempo para encontrar el product market fit mucho largo, pero yo creo que las cosas que nos tienen motivado es que hay estáptap que ha logrado eso, besado a la dificultad. Solo de 1 está por ejemplo a esta esta tractión, que también trajan sensualización y están ya en una ronda de y operando y entre el mercado que Estados Unidos y Brasil y México y al final toda la aprendizaje que se tiene en terreno, después tú te acuenta que también es un barra de entrada. La startup nueva que se incorporan a sensualización o IOD, le va a costar también el terreno, eso le permite que el startup que hayan comenzado antes también tener barra de entrada mucho más grande. Entonces, te diría que una cosa borotra, porque en software claro, mucho más rápido el desarrollo, es mucho más fácil entrar, pero también eso conlleva a que tiene otro tipo de dificultad, que en la startup que tienen que ver con IOD o sensualización no las que. En el caso particular de la historia de ustedes, Milito ni Pablo, no sé si me pueden comentar realmente, no sé si ustedes pasaron por la celebradora Aster, después fueron seleccionados por estar tan biobío, después ahora lo que comentaba, se ganaron un premio para ir a Miami, no sé si me pueden comentar como brevemente como el sitio que han dejado que bien y cuáles han sido los principales aprendizajes que han tenido en este camino. Aster fue suerreleante, porque nos permitió poder hacer las mayores inversiones para ir a la tecnología y el laboratorio, el terreno, todo lo que es logastologístico, logastro de comprar sensores, implementar un sistema.
que este no solo la nube sino que también con la logística de hardware requerido fue gracias aster durante eso año y también lo que es relacionarse con el hub de minería más grande de Latinoamérica que Antofa antes de aster no había mostrado en Antofa, nunca esto nació principalmente en la región del Paraiso entonces nos permitió poder conectar con el que el hub de minería y ya entender cómo es llegar a un startup al mundo real antes estamos muy como yo creo en lo como una investigación como un proyecto de investigación y ya cuando invierte aster en nosotros creo que fue fundamental para tomar lo en serio y ver que esto tiene perspectiva de negocio tiene una planificación de startup y que es una maradón tiene mucho vera, mala, mucha taba buena es que es ir hacia adelante y como tuviéndice tuvimos con startup bioviu eso fue este año y ahí nos fuimos aster no llevó a tu fasta startup bioviu no llevó a concepción estaba muy contento a él, podido conocer el ecosistema que está en el sur están pasando cosas muy importantes ya que la verdad es sorprendida bastante el oficinante de obvio está haciendo muchas cosas, hay una gran cantidad de startup ya yo creo que similar a lo que sucede en balpar ahí, es que es un pueblo universitario tan grande y un paso natural es que la creación de startup hubiese sido muy fácil en ese sentido esta bioviu no hizo convocarnos en concepción por lo menos dos veces al mes durante toda la aburación de programas que fue mal de tres meses conociendo speakers de muy alto nivel que son miembros de la res de en deur y también conociendo al ecosistema que está presente ya en total sino y hubo fuimos mal de 50 empresas las que comenzaron el programa y después la fase final que es coger los 10 mejores ahí fuimos seleccionado dentro de los 10 mejores y lo cual hoy día nos permite ser parte de esta gira comercial de proexión de negocio en Miami y en Estados Unidos espectacular, felicitaciones por lograr este granito porque claramente poder tener la opción de viajar a Estados Unidos y poder prospectar en otro mercado que elegida en este juego con el declil de una tremenda oportunidad seguirlo, la interesante también es que si uno lo hiciera solo además de que es mucho más caro acá hay un apoyo desde que nos alteramos que vamos a Miami por lo menos las semanas tengo entre 5 a 100 reuniones de preparación nos cuentan como en la economía de ya nos cuentan las principales aceleradoras muchas reuniones de preparar los pitch en inglés también de asesoría comunicacional en inglés entonces uno ya se siente en Estados Unidos aún estando acá por la cantidad de reuniones que uno va teniendo de preparación y una vez tanto ya se caledor Proveds son dos semanas así que vamos a estar ahí con la agenda bastante gubada y contentos por ese lado así que en resumen diría que los los principales drivers o motivaciones en término de acompañamiento ha sido hasta que fue el comienzo de la de la guerrera de AISTEK en 2021 terminó de 2021 comienzo en 2023 este año ya con estar podido viven un poco más consolidado e tendiendo mucho en el mercado por ejemplo nos pasaba en hace que nos peía en un manual de marca una cosa súper simple y con palo nos miramos no tenemos manual de marca con el caso del del 0 o que te vien un brief un detalle de lo que hace de estar tenuado en esa y con el startup y uno también será dando cuenta de lo que ha avanzado al startup o sea tenuamos bien definido el brief, tenuamos un razón de la principal en noticia tenemos manual de marca y ya está más con mucho calculatura lo que el área comercial de la startup además importante mencionar al centro nacional de pilotaje no lo dejemos fuera del camino que ha sido un impacto muy grande valga la redundancia de hecho cuando ganamos impacta minería esta fue una competencia que nos permitió acceder por primera vez al mundo minero ya el poder llegar al molino de bola que era algo que jamás habíamos visto me pequé parece? no, estamos escuchando súper bien polo fantásticos primera vez que llegamos al molino de bola que no lo conocíamos físicamente solamente habíamos visto modelos, datos de laboratorio, etc. y empezamos a conocer la realidad minera como es el ciclo de trabajo, como que significa el estar dentro del terreno, ¿verdad? que significa estar junto a una máquina y sobre todo nos fuimos, digamos, interiorizando más en el lenguaje minero para hablar específicamente no solo de componentes y físicas sino en términos de máquinas, en términos de procesos y en términos de mantenimiento específicamente y un poco adhanto un giro y poniendo más el foco en ustedes no sé si me pueden contar el día típico que tienen ustedes para el Milton ¿qué es lo que hacen cuando primero se levantan? yo la se levantan, ¿qué es cuál es su rutina? ¿qué es lo que hace los fundadores de baita durante el día? hay una. vale hay una. hay una. para hablar lo me veo ese. ese hábito de la llune del midente por razones científicas ¿qué es eso? me da a hablar de explicar pero sí pero. pues lo general, las conversaciones que venimos, yo iba a decir como Inner temas científicas de negocios, después pasaba la regísica, la informática, con ese la nube, entonces. para eso era un día normal, yo creo que sería de primera vez la cosa del día a día de negocio pero siempre nos debíamos y tengo que ver cosas más profundas ¿de quién es furiér? ¿Cuál fue la aguación del o mucha risa? si, hay mucha risa, porque si, además, todo el día tengo una aguación de furiér en su teléfono, por ejemplo no tengo el teléfono acá pero bueno tengo justamente la transformada de furiérla, tengo otra cosa en el teléfono, mira, es hecho bueno, ya, entonces justamente son temas de conversación que hemos tenido, se ve, más o menos, por la cámara, bueno no importa, ahí está, tengo la transformada de furiérla en el teléfono y justamente son temas de conversación que hemos teniendo somos bien nerd, ¿verdad? de repente cada vez que estamos al gimnasio, le ponemos, bueno, al gimnasio nos gusta entre deninos ahí, de repente, bueno Milton nunca se dio de los juegos, a mí particularmente me gusta los juegos, Milton nunca se dio de los juegos pero lo hice jugar por primera vez, le ha el dragón bol y no lo verás visto, pero era un niño de nuevo, entre risas y no, entre deninos bueno, normalmente un día es así, ya un día en nosotros es como somos dos amigos que nos reímos, trabajamos y conversamos dentro de lo que conocemos, ¿verdad? Yo sé inteligencia artificial, le enseño a él, él sabe de negocios de la bolsa y de inversiones y me enseña a mí, dentro de lo poquito que puedo aprender pero nos complementamos mucho. Bueno, hoy es complemento. ¿Y cómo organizan su tiempo para realizar las tareas que obviamente en una startup tienen que definirse y ejecutarse? ¿Cómo lo hacen la vida de la organización a usted? Siempre falta tiempo porque una característica fundamental está en una startup, es que lo que hace de dos, es que ser mucho funcionada, le estar viendo un día alguna obligación para el Ingrid en la tarde están resolviendo algún tema del sistema que hizo en deado, en la tarde se que está compraticante, que ahora estamos compraticantes, pero unirte con ellos, ves cómo está lo que están avanzando, trabajar, o sea, muchas veces no ha pasado que estamos hasta la dos, una de la mañana, a eso estamos tarde, viendo alguna prueba está comercial, revisando alguna carta ganda, algún proyecto que estamos presentando, mucho viaje cuando quiera, tufagasta y uno emprende hoy y tu startup está partiendo y la caja nos obra, grabamos un recurso el limidor, de todas las cosas que el paso ha generado, que el que sale al cuadro o cinco a la mañana, está en el aeropuerto del día anterior, al final esto de estar en una startup más que un trabajo en una especie de la vida, muy similar creo yo a la de un deportista. Por ejemplo un deportista tiene que dejar mucho, tiene que estar mucho de esto fuera la casa, también tiene que estar trabajando por un objetivo que va a pasar en dos años más, pensar con mucho de mirar a largo plazo, como uno no todos los días da bien, a ese también te toca tener que suelen el animal a tu colega, varias veces teniendo que suelen con el animal balo, otra vez ese balo, más teniendo que estar como coach, motivacional y acostumbrasa al inceptívumbre también. Creo que todo lo que está planificado ya suciérdense un comienzo no sucede a nada, y ya quiera optando los plazos.
y el cambio de la estrategia y interesante y entretenido pero finas como el estilo de vida y si te gusta en el camino lo puedo disfrutar que yo creo que la idea no tendría sentido sacrificarse tantos y no lo está disfrutando mejor buscar el sistema de nuevo de la mañana sin curatar pero la startup tiene otras dificultades pero también lo arregó pensas y una estilo de vida que estaba sabon eso y empezaran en largo plazo y estas conscientes que una maravillosa claro en aprender como dijo Milton no es para todos te tiene que gustar este estilo de vida porque hay muchas personas que pueden escuchar ahora el discurso de Milton y van a decir no yo no por ahí no ha yo prefiero de tener mi horario de ocho horas trabajar aquí que me den mis sueldito y irme a descansar o realmente me a jugar o irme a tomar con los amigos no sé se podría considerar algo sacrificado pero tal y como dijo Milton es un estilo de vida que nosotros nos agradas ya porque justamente no de repente estamos al día anterior en el aeropuerto pero si nos pregunta si en algún momento le hemos pasado mal en el aeropuerto para nada ya nos pasamos toda la noche ríandonos y conversando y y de repente si tenemos que preparar alguna charla en el mismo aeropuerto la estamos preparando nos damos práctica uno al otro y así realmente yo soy una persona que le cuesta socializar y Milton una persona sumamente seria entonces hay momentos donde los dos nos tenemos que salir de nuestra casilla y a mí me toca socializar y a mí le toca ser más carismático entonces es son pequeños desafíos que se van poniendo en frente y de cada uno de ellos no solo disfrutamos entiendo y ustedes mencionaron el tema de que cuando están bajoneados obviamente las cosas nos salen y yo ustedes recomenteran realmente que hacen un startup extremamente difícil y y Milton comentaba de a veces cuando él estaba juniado para verlo a tu la polla como manejan ustedes la presión y el estrés para poder dirigir su startup pero hay hay dos cosas fundamentales que es la residencia tener la resistencia personal de poder enfrentar tal fracasso y saber que muchas veces vas a fracasar y bueno ley de grandes grandes números verdad de cada 100 intentos 10 van a ser exitos y muchas veces tal de 5 pero esos exitos van a ser grandes la residencia es muy importante el tener esta capacidad de de poder resistir los golpes como vengan porque sabes que la la recompensa más adelante va a venir con la persistencia verdad ese es un punto y el otro es el tener a un colega y amigo al lado ya o sea tener a alguien que que te respalde y que sabes que si tú te caes de espalda te van a tajar y que si esa otra persona se cae de espalda tú lo vas a tajar nos ha pasado muchas veces que yo me mandado en barra grande o Milton se mandaba en barra grande y aquí ninguno los dos nos cuenta ninguno de los problemas que tiene el otro ya un problema que cometió al o sea un fallo que cometió a alguien es un error de equipo nosotros somos un equipo somos un unidad entonces el día de mañana nos pasa algo algún documento nos entregó algún no sepó algún comentario mal dicho en cualquier cosa eso fue un error de equipo lo conversamos nos reímos al respecto porque cada vez que nos recordamos las embarras que nos mandamos errores de no a tover las vamos comentando y vamos aprendiendo de ello pero siempre es importante eso que ambos somos personas resilientes y ambos somos personas que nos apoyamos y confiamos el uno en el otro entonces esa parte es importante el poder enfrentar la frustración y enfrentarlos desafío con residencia y con el apoyo de un amigo al lado que buena que buena que tengan esa cultura intena dentro de su estarta víglo valores que promueven como trabajo en equipo por decir lugar a dudas que cuando las cosas resultan el movimiento probablemente más fácil de dar siempre apuntar con el dedo y echarle la culpa a la otra persona siguiendo siguiendo ese punto o probablemente otro punto pero el que consejo le darían a ustedes a alguien que esté escuchando el podcast una persona joven que quiere iniciar su startup tecnológica que consejo les darían esencialmente ya con el camino de varios errores que han ido comediendo en el tiempo en bite y lo es cierto para poder que estas personas puedan aprender. Hay muchos consejos que me gustaría dar la gente de hecho uno de ellos sería siguiendo la misma línea de lo que dije antes conseguí un buen equipo y un buen equipo no se trata solo de personas capaces porque si es importante tener un equipo de personas capaces pero esas personas capaces tienen que tenerle confianza porque hay cosas que tú no vas a poder hacer o sea tú no puedes hacerlo todo y si puedes hacerlo todo bueno seguramente ya eres millonario verdad tú no vas a poder hacerlo todo necesitas un equipo que haga lo que tú no puedes hacer y hay muchas cosas que van a tener que repartirse y esas cosas implican confianza implican de que la otra persona va a saber algo que tú no y tú vas a saber cosas que esa persona no así que un buen equipo primera otra cosa es entorno a la investigación ya o sea no de tu producto no de la solución sino comprender el mercado a donde vas a llegar ya o sea tú tienes un producto tienes una idea está bien pero primero investiga tu cliente primero a ver iguales la necesidad de tu cliente cómo funciona tu cliente la quien te va a pagar si tú te dar más un modelo de negocio quien te va a pagar cómo vas a conseguir ese dinero y siempre tratar de aterrizar mucho las ideas porque en un principio el error típico que se comete es no el génerente general me va a pagar o no sé por ejemplo si si mi mercado está en los restaurantes los restaurantes son mi cliente no los restaurantes no son tu cliente tienes que buscar dentro del restaurant quiénes la persona que toma las decisiones y quiénes la persona que te va a pagar dentro del restaurant esa el tener una visión específica del mercado es sumamente importante ahí minton si quieres yo creo que veré mucho de lo que se quiere hacer por ejemplo es que son soluciones de emaciado típico como biotecnología o iroginotherde la la la la la era mucho larga el sentido que estaba probable que esa persona sea mejor que esté trabajando un año en una empresa que se diga eso que ha llegado bastante experiencia y después le hace mucho más fácil emprender ya están lo en un cargo mucho más de señor y también con un yendo la capacidad de tener esquina de game de que cuando se arrega lo que ya tenía un trabajo seguro y se pone una startup hay una rebutación por medio hay un costo oportuniano y grande y también hay mucha probabilidad de que esa startup le había y si es que son soluciones ya un orientada más a pitucídica algún mar que es algún o al que solución destinada un cliente final hay mucho más fácil hacer el camino de la startup ahí no no siempre se requiere tanta experiencia inicial pero si es bueno que se investigue como se va a lo el mercado de antes de comenzar la startup ya deberían estar preguntando cuál es el problema cuál es su nombre el problema para dimensionar que tan grande es las personas que ya estén en eso en el mismo mercado preguntarle o la experiencia y de antes de ir buscando lo que van a ofricer finalmente y además un buen equipo porque imposible que una sola persona pueda ocurrir toda la arista que requiere una startup van a requerirse que son un técnico a un cofounder no técnico que va a saber de demás comerciales o al revés que son comerciales a necesar un cofounder técnico puede hacer el sitio de la empresa y eso es nuestro solucional los temas de estructura tecnológica entre otros puntos y después yo creo que sería tener una mentalidad a ver estar recibir mucho consejos en no sólo de mentores sino que de los que hace futuro cliente de los que ya están aprendiendo de la vista aceleradora ahora que si la hora hay mucha aceleradora y tener la capacidad de recibir esos conceptos irá dándolo en el día a día y mucha resiliencia o sea si una persona cree que se va a ver una startup y en menos de tres años era un éxito no un poquito más de realidad se va a demorar probablemente si piensa que son tres van a ser cinco o si piensa que son cinco a las 0 ocho no creo que ultima gusto va a valorar lo que se está teniendo ahora en Chile el ecosistema que es bastante profundo en el sentido que ha ido para esta inicial este en aceleradora después tiene visín esta es que
Alex para entrar a la bolsa, la estatalquilla, y un poco más de año. Y gran cantidad de inversiones está ángeles. Entonces igual creo que un buen momento para aprender en Chile, incluso mejor que en el resto de la dinóverga. Y también es el sentido de la oportunidad que haya. Es decir, las personas que leen mucho de Chile, quizás no se van, pero a nivel mundial, todos los vicinos que están en Londres, Estados Unidos, etcétera están poniendo ojo a la tan. A esta región, porque han salido a estar tan muy buena y tienen muchas facilidades que nos dan el país desarrollado. Por ejemplo, los costos, acá son muchos de abajo. Hay capital humano y en mucha variado que los países desarrollaron. Y también hay posibilidad de ir valiendo en la dinómerica, pero después se iría escalando hacia arriba, que tiene Estados Unidos y después el mundo. Así que sería enrosumen, no creo que investigar muy bien en mercado, al mar un buen equipo y entender que es una carrera de largo plazo. Es una maradón, una carrera de 5 kilómetros. Estamos de acuerdo con ese 100 metros. Y con respecto al tema de que tocaste un montón del financiamiento, ¿cuál es la estrategia de baita de ustedes como equipo para poder obtener capital en el corto, en el día de no largo plazo? No sé si lo hago. Hasta ahora hemos tenido solamente capital privado, que algo está en el Chile yo creo. La mayoría de gente tiene por ahí algún corto, cerca de Buaní. No solo nos hemos recibido en financiamiento solamente de AST. Y fue el 2021, porque no se va a hacer una celera hora. A prioridad, la financiación por la BESTB también recibía fondo de Chile, lo al venture. Y fue quien nos financiaron el año 2020. Que deguien adelante no me lanzaba capital de instituciones públicas. Lo que sí, como son una startup de base de científicas tecnológicas, este año BESTB y esperamos que no vayan bien. En diciembre vamos a ver los resultados. Y también nos cerramos a BESTB el próximo año, alguna alternativa de financiamiento, como de diciembre. Hoy indígeno, un ecosistema bastante más uro. No se puede encontrar financiamiento en distintas etapas. Pero, al momento, orgullosamente financiados solamente porque capital es privado. Y contribueltan un poco de medio, porque no cuando va a la esterla en prendimiento, si le pides que elante de la mano los que han recibido plata de golfo, yo creo que más de la mitad de la sala está la mano. Por ese lado, que en financiamiento. Y después, elaborando lo menos plazo, una otra idea es poder financiarnos de forma autónoma con lo que es la misma operación, lo ingreso de la estarco, por financiarlo. Y ya mirando a escalar de manera internacional, ahí, para las carmas con inversión de lo que sea más marx money, que inversión de la HRC, o inversión de estángeles con gran experiencia en la industria de la que estamos nosotros. Eso es básicamente lo que tenemos beneficiado en este modelo de financiamiento. Entiendo. Y finalmente, ¿qué expectativas tienen ustedes para el futuro como vaite y cómo se preparan para los desafíos que anticipan? Principalmente, los desafíos que tenemos son el poder impactar en el mercado más grande, porque nosotros tenemos experiencia en mineras pequeñas, uno de los desafíos principales que tenemos es poder llegar a mediana y gran minería, de poder acceder a esos mercados, implica el que tenemos que conseguir buenos contactos, verdad, unas buenas maneras de entrada, buenas estrategias de entrada, porque gran minería es sumamente complejo, más que nada, por toda la cultura de no adquirir nuevas innovaciones. Entonces, ingresar, acorto plazo es un desafío y a futuro planificamos el poder ser un referente dentro de lo que es el mantenimiento predictivo, por lo menos en lo que significa Latinoamérica, verdad? Ya que tenemos esta potencial a modo de tecnología, nuestra tecnología se encuentra actualmente en la frontera del conocimiento mundial, de lo que es la capacidad de diagnóstico, así que potencial tenemos, lo importante es cómo enfrentamos el desafío según la estrategia que escujamos, ¿verdad? ¿Estoy entiendo? ¿Y esto no sé si tú crees complementar lo que mencionaba Pablo? Sí, nosotros como es una empresa de IMAB, vamos a estar constantemente solucionando con nuevo desafío, y estamos poniendo mucho en mencionar lo diferente de industrias estratégicas que hay ahora. Por ejemplo, hay tombum, es lo que es la energía, lo que es total, le digo, "buen esía limpia" y también van a requerir grandes cantidades de analítica para poder prevenir fallos cada trúbilo, lo que es, por ejemplo, los molinos de aire, todo lo que es panesolares, que también tiene sistemas que lo limpian tomáticamente y tienen componentes rodativos, y creo que podemos hacer una introducción importante, es un invite que es una empresa que tenga un forte impacto en mi ambiente, si podemos apoyar a empresas que están haciendo un cambio en mi ambiente, como él, a toda la energía limpia y no. Y también otro desafío que está integrando es que, por ejemplo, este año comenzamos con el caraclicante de la energía católica, y también creemos que hay importante ir creciendo lecos sistemas, lo que se conoce como la mafia de Baispa, el por ejemplo, lo asoció la conoces palo, que es el partido Baispa y se crearon muchas tráctadas después. Nosotros lo aspiramos por contribuir a eso al ecosistema en Chile y sumando que hay gente, mucho más joven de nosotros que estén saliendo, y ya lo estamos haciendo ahora con practicante de la energía de Chile, y le deas, pues, también hacerlo con universidad de Antofagasta, donde estamos ahí trabajando algunas alianzas que lo veno, no puedo clasificar, pero ya no se ha salto. Protegías por enediato, todavía. Bueno, les deseo, primero, todo el éxito del mundo a Vaitech, que creo que tiene un potencial enorme en el mercado en Chile y en el mundo, agradecer el tiempo de poder contarnos su experiencia a Pablo Milton, y agradecer también al equipo de internet que están produciendo este podcast para dar a conocer la experiencia de este equipo de Vaitech hacia el mundo. Muchas gracias, muchachos. Gracias por la invitación.
Podcast Summary
Key Points:
BITEL es una startup chilena que ofrece mantenimiento predictivo para maquinaria industrial, especialmente en minería, usando inteligencia artificial.
Su tecnología se basa en análisis tiempo-frecuencia, no en machine learning tradicional, lo que permite diagnosticar daños sin necesidad de datos históricos y en etapas muy tempranas.
Identificaron el problema tras desarrollar un modelo en el laboratorio y luego validarlo en el mercado, coincidiendo con una mayor apertura a la innovación en la minería.
Los principales retos iniciales incluyeron la adaptación del trabajo de laboratorio a condiciones reales de terreno y la validación práctica de la solución.
Summary:
BITEL es una startup tecnológica chilena presentada en el podcast "De Cero a Unicornio". Su misión es realizar mantenimiento predictivo en industrias, focalizándose inicialmente en la minería, para detectar daños en maquinaria antes de que se conviertan en fallas catastróficas y causen pérdidas millonarias. La compañía nació de una investigación de laboratorio donde desarrollaron un modelo de inteligencia artificial determinístico basado en análisis tiempo-frecuencia, a diferencia de las soluciones convencionales de machine learning que requieren grandes volúmenes de datos históricos clasificados, los cuales suelen no existir en el contexto local. Esta tecnología permite diagnosticar el estado de componentes rotativos en solo 2 a 6 segundos, identificando frecuencias de falla con meses de anticipación y sin detener la operación.
El camino de BITEL ilustra la transición de una solución técnica académica a un producto de mercado. Validaron su tecnología primero con datos de laboratorio y luego, crucialmente, en terreno, aprovechando una coincidencia temporal con un mayor interés de la minería por innovar. Los fundadores relatan los desafíos prácticos iniciales, como la instalación artesanal de sensores en condiciones reales, destacando la brecha entre el entorno controlado del laboratorio y la complejidad del campo. Su solución se diferencia por ser 100% chilena, no depender de hardware propio y tener alta escalabilidad, ya que puede conectarse a diversos sensores mediante APIs para analizar datos de vibración, temperatura o ultrasonido, con potencial de expansión a otros países y sectores industriales.
FAQs
BITEL se dedica al mantenimiento predictivo en industrias, especialmente minería, utilizando inteligencia artificial para detectar daños en equipos antes de que se conviertan en fallos catastróficos, evitando así pérdidas millonarias por paradas en producción.
Identificaron el problema durante investigaciones de laboratorio en diagnóstico de estructuras, donde desarrollaron un modelo de IA que superaba las limitaciones existentes, luego adaptándolo a problemas mecánicos tras descubrir su relevancia en la industria minera.
Es relevante porque los fallos catastróficos en maquinaria industrial causan paradas no programadas que generan pérdidas millonarias, ya que la producción minera, por ejemplo, puede dejar de procesar más de 40 mil toneladas diarias.
BITEL utiliza un sistema basado en análisis tiempo-frecuencia, una IA determinística que no requiere datos históricos, a diferencia de soluciones basadas en Machine Learning. Puede diagnosticar daños en 2-6 segundos, incluso en etapas tempranas y sin detener la operación.
Primero validaron con datos de laboratorio en componentes rotativos, pero reconocieron la necesidad de pruebas en terreno. Se lanzaron al mercado tras conseguir acceso a maquinaria real en minería, combinando confianza en sus algoritmos con experiencia práctica.
Enfrentaron desafíos prácticos como instalación artesanal de sensores (usando gringas en lugar de herramientas profesionales), falta de equipo de seguridad inicial, y adaptarse a condiciones reales sucias y complejas, muy diferentes al entorno controlado del laboratorio.
Chat with AI
Loading...
Pro features
Go deeper with this episode
Unlock creator-grade tools that turn any transcript into show notes and subtitle files.