Репортаж от Wedoany，Shell внедрит агенты C3 AI для перехода от обнаружения аномалий к полностью автоматизированному прогнозному обслуживанию.
Этот глобальный энергетический гигант уже использует пакет C3 AI Reliability Suite, который контролирует более 30 000 единиц оборудования, охватывая операции как на upstream, так и на downstream. Shell планирует полагаться на автономные AI-агенты для управления всем жизненным циклом обслуживания — от предупреждения о неисправностях до завершения ремонта, полностью автоматизируя процесс, чтобы исключить необходимость ручного контроля и обеспечить точное распределение ресурсов.
Президент C3 AI Стивен Эхикян отметил, что расширенное сотрудничество с Shell демонстрирует эффект от внедрения корпоративного AI в операции прогнозного обслуживания в глобальном масштабе, включая сокращение внеплановых простоев и получение экономической выгоды в сотни миллионов долларов. Он подчеркнул, что Shell уже создала зрелую программу прогнозного обслуживания на основе AI на своей платформе, и обе стороны совместно продвигают агентный AI для улучшения показателей надежности, безопасности, эффективности и операционной производительности.
Изначально Shell использовала машинное обучение только для выявления аномальных паттернов в данных датчиков, предупреждая инженеров о неисправностях оборудования до их возникновения. Система обрабатывает огромные объемы данных операционных технологий в реальном времени и объединяет их с бизнес-контекстом из ERP-платформ, таких как SAP. Новое поколение фреймворка внедряет AI-агентов, предназначенных для рассуждений и автономных действий: при появлении аномалии агент самостоятельно исследует первопричину срабатывания сигнала тревоги, после выяснения причины составляет точный заказ на работу, проверяет наличие необходимых запчастей на складе и формирует запрос на закупку.
Платформа C3 AI предоставляет модельно-ориентированное пространство для интеграции высокочастотных данных датчиков со структурированными финансовыми журналами и журналами обслуживания. Модели AI обучены распознавать нормальные базовые линии работы таких устройств, как насосы, турбины, компрессоры. Уровень агентов работает поверх этого: операторы настраивают агентов, определяя цели и разрешенные реакции. Когда основная модель машинного обучения обнаруживает отклонение от нормальной работы, агент активируется, собирает контекстные данные, такие как история обслуживания, условия окружающей среды и переменные вышестоящего процесса, и предлагает план ремонта для утверждения или отклонения человеком-оператором. По мере повышения надежности системы Shell может внедрить полностью автоматизированные реакции на некоторые сигналы тревоги, при этом агенты напрямую подключаются к таким системам, как SAP, и работают в рамках существующих рабочих процессов.
Внедрение агентного AI в крупномасштабные операции решает проблему «последней мили» прогнозного обслуживания. Многие промышленные компании могут прогнозировать неисправности, но сталкиваются с трудностями при преобразовании этих данных в действия: инженерам приходится вручную фильтровать сигналы тревоги, расследовать причины и составлять заказы на работу. Shell, используя AI для анализа первопричин и генерации заказов на работу, сокращает задержку между прогнозированием неисправности и фактическим ремонтом, повышая время безотказной работы оборудования. Модель, при которой ремонт проводится только при необходимости, снижает затраты, избегая нерационального использования рабочей силы на исправных машинах, и одновременно продлевает срок службы оборудования. Вмешательство до наступления катастрофы также повышает безопасность операций и возможности управления экологическими рисками.
Сэнди Гупта, вице-президент Microsoft по разработке программного обеспечения GISV, прокомментировал, что корпоративный AI, построенный Shell и C3 AI на базе Azure за последние несколько лет, достиг практического применения, был внедрен в производство и принес измеримую ценность. Это расширенное развертывание показывает, что производственные рабочие процессы промышленного AI переходят от обсуждения алгоритмов к практической фазе, где ценность заключается в способности системы действовать практически без ручного контроля.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
