De acordo com pt.wedoany.com-A Shell adotará agentes de IA da C3 AI para transformar a detecção de anomalias em manutenção preditiva totalmente automatizada.
A gigante global de energia já utiliza o C3 AI Reliability Suite, que monitora mais de 30 mil equipamentos, abrangendo operações upstream e downstream. A Shell planeja contar com agentes autônomos de IA para gerenciar todo o ciclo de vida da manutenção, automatizando desde alertas de falhas até a conclusão dos reparos, eliminando a necessidade de supervisão humana e garantindo a alocação precisa de recursos.
Stephen Ehikian, presidente da C3 AI, afirmou que a expansão da parceria com a Shell demonstra os resultados da IA empresarial aplicada globalmente em operações de manutenção preditiva, incluindo a redução de paradas não planejadas e a geração de centenas de milhões de dólares em valor econômico. Ele destacou que a Shell já estabeleceu um programa maduro de manutenção preditiva baseado em IA em sua plataforma, e ambas as empresas estão avançando juntas em direção à IA baseada em agentes para transformar confiabilidade, segurança, eficiência e desempenho operacional.
Inicialmente, a Shell utilizava aprendizado de máquina apenas para identificar padrões anômalos em dados de sensores, alertando engenheiros antes de falhas em equipamentos. O sistema ingere grandes volumes de dados operacionais em tempo real e os combina com contexto de negócios de plataformas ERP como SAP. A nova geração do framework introduz agentes de IA projetados para raciocínio e ação autônoma, que investigam a causa raiz dos alertas quando anomalias surgem, elaboram ordens de serviço precisas após a identificação, confirmam a disponibilidade de peças em estoque e geram solicitações de compra.
A plataforma C3 AI oferece um espaço orientado a modelos que integra dados de sensores de alta frequência com registros financeiros e de manutenção estruturados. As capacidades de IA são treinadas para aprender as linhas de base de operação normal de equipamentos como bombas, turbinas e compressores. A camada de agentes opera sobre isso, onde operadores configuram os agentes definindo objetivos e respostas permitidas. Quando o modelo central de aprendizado de máquina detecta desvios da operação normal, o agente é ativado e coleta dados contextuais, como histórico de manutenção, condições ambientais e variáveis de processo upstream, propondo planos de reparo para aprovação ou rejeição por operadores humanos. À medida que a confiabilidade do sistema aumenta, a Shell pode implementar respostas totalmente automatizadas para alguns alertas, com agentes conectando-se diretamente a sistemas como SAP e operando dentro dos fluxos de trabalho existentes.
Implementar agentes de IA em operações de grande escala resolve o "último quilômetro" da manutenção preditiva. Muitas empresas industriais conseguem prever falhas, mas ainda enfrentam desafios para transformar insights em ações, exigindo que engenheiros filtrem alertas manualmente, investiguem causas e criem ordens de serviço. A Shell, ao lidar com análise de causa raiz e geração de ordens de serviço por meio de IA, reduz o atraso entre a previsão de falhas e o reparo real, aumentando o tempo de atividade dos equipamentos. O modelo de realizar manutenção apenas quando necessário reduz custos, evita desperdício de mão de obra em máquinas normais e prolonga a vida útil dos equipamentos. A intervenção antes de desastres também melhora a segurança operacional e a gestão de riscos ambientais.
Sandy Gupta, vice-presidente de desenvolvimento de software GISV da Microsoft, comentou que a IA empresarial construída pela Shell e C3 AI no Azure nos últimos anos alcançou aplicações práticas, entrou em produção e entregou valor mensurável. Esta implantação expandida demonstra que os fluxos de trabalho de produção de IA industrial estão passando de discussões sobre algoritmos para uma fase prática, onde o valor vem da capacidade do sistema de agir com supervisão humana mínima.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
