A Shell usará agentes da C3 AI para mudar da detecção básica de anomalias para a manutenção preditiva totalmente automatizada.
A gigante global da energia está aproveitando o uso atual do C3 AI Reliability Suite, que já controla mais de 30.000 equipamentos cruciais em operações upstream e downstream. A Shell pretende agora apostar fortemente em agentes autónomos de IA, colocando-os no comando de todo o ciclo de vida da manutenção.
Desde o primeiro sinal de alerta até a conclusão do reparo, esse nível de automação elimina a necessidade de supervisão humana constante e garante que os recursos da empresa sejam direcionados exatamente para onde são mais necessários.
“Esta parceria ampliada com a Shell prova o que é possível quando a IA empresarial é totalmente operacionalizada em escala global para manutenção preditiva – reduzindo o tempo de inatividade não planejado e entregando centenas de milhões de dólares em valor econômico”, disse Stephen Ehikian, presidente da C3 AI.
“A Shell construiu programas maduros de manutenção preditiva de IA em nossa plataforma e, juntos, estamos agora avançando para a IA agente, avançando como essa tecnologia pode transformar ainda mais a confiabilidade, a segurança, a eficiência e o desempenho operacional.”
Os agentes de IA da C3 ajudam a Shell a superar a detecção básica de anomalias
No início, a Shell usou o aprendizado de máquina simplesmente para detectar padrões estranhos nos dados dos sensores, dando aos engenheiros um alerta antecipado antes que algo quebrasse. Para conseguir isso, o sistema ingere uma enorme quantidade de dados de tecnologia operacional (TO) em tempo real e os mistura com o contexto de negócios de plataformas ERP, como SAP.
A próxima etapa apresenta agentes de IA criados para raciocínio real e ação independente. Embora os sistemas mais antigos parassem de enviar ping para um engenheiro quando as coisas pareciam incomuns, esta estrutura de próxima geração investiga de forma independente por que um alerta disparado em primeiro lugar.
Depois de identificar a causa raiz, o agente se prepara para redigir ordens de serviço precisas, confirmar a disponibilidade de peças no estoque e gerar solicitações de aquisição.
A plataforma C3 AI lida com o trabalho pesado, fornecendo um espaço orientado por modelo para integrar facilmente feeds de sensores de alta frequência com registros financeiros e de manutenção estruturados. Esses recursos de IA são treinados para aprender as linhas de base normais de operação de equipamentos específicos, como bombas, turbinas e compressores.
A camada agente fica no topo desta base. Os operadores configuram um agente individual para um determinado equipamento, definindo seus objetivos e respostas permitidas. Se os principais modelos de aprendizado de máquina detectarem um desvio das operações normais, esse agente será ativado, coletando extensos dados contextuais para construir uma imagem completa da situação. Este contexto geralmente inclui histórico recente de manutenção, condições ambientais e variáveis de processo anteriores.
Usando todas essas informações, sugere uma solução apoiada por evidências sólidas. Os operadores humanos podem então facilmente aprovar ou substituir o plano. À medida que o sistema se comprova ao longo do tempo, a Shell pode automatizar totalmente suas respostas a determinados tipos de alertas. A conexão direta a sistemas como SAP é fundamental aqui, permitindo que o agente trabalhe exatamente nos mesmos fluxos de trabalho que os planejadores humanos já usam.
O impacto real da IA agente para manutenção preditiva
Colocar a IA de agente para trabalhar nesta escala resolve a clássica dor de cabeça da “última milha” na manutenção preditiva. Muitas empresas industriais conseguem prever falhas perfeitamente, mas transformar esses insights em ações rápidas e eficientes continua a ser um desafio. Normalmente, os engenheiros ainda precisam pesquisar manualmente os alertas, investigar as causas e redigir eles próprios as ordens de serviço.
A Shell quer reduzir esse cronograma. Ao permitir que a IA lide com a análise da causa raiz e as ordens de serviço, o atraso entre uma falha prevista e a correção real diminui. Isso melhora diretamente o tempo de atividade do equipamento e protege a produção.
Mudar para um modelo em que os reparos só acontecem quando a condição do equipamento realmente exige isso economiza dinheiro naturalmente, simplesmente porque ninguém perde tempo mexendo em máquinas perfeitamente finas. Deixar um hardware saudável em paz também significa que ele dura muito mais tempo.
Além da poupança de custos, intervir antes de ocorrer uma catástrofe torna toda a operação muito mais segura e reduz os riscos ambientais, o que é sempre uma prioridade no setor da energia.
“O que a Shell e a C3 AI construíram no Azure nos últimos anos é exatamente o que a IA empresarial deveria ser: aplicações reais, em execução em produção, entregando valor mensurável em escala global”, comentou Sandy Gupta, VP GISV, Software Development Companies da Microsoft.
Essa implementação expandida mostra que finalmente estamos falando sobre fluxos de trabalho práticos de produção de IA industrial, em vez de apenas algoritmos. Em vez de apenas a previsão em si, o valor real vem da capacidade do sistema de agir de acordo com quase nenhuma supervisão humana.
Veja também: Meta Business Agent impulsiona o comércio conversacional baseado em IA
Quer saber mais sobre IA e big data dos líderes do setor? Confira a AI & Big Data Expo que acontece em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e está localizado junto com outros eventos de tecnologia líderes, incluindo o Cyber Security & Cloud Expo. Clique aqui para mais informações.
AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial futuros aqui.
Fontesartificialintelligence
