Les agents d'IA de C3 automatisent la maintenance prédictive pour Shell : comment ça marche

Shell déploie des agents d'IA de C3 AI pour révolutionner ses opérations de maintenance., allant au-delà de la simple détection d'anomalies vers systèmes de maintenance prédictive entièrement automatisésCette expansion stratégique s'appuie sur la mise en œuvre existante par l'entreprise de la suite logicielle de fiabilité C3 AI, qui surveille actuellement plus de 30 000 équipements critiques et ce, dans les opérations en amont et en aval, à l'échelle mondiale.

Le géant de l'énergie prévoit désormais d'intégrer agents d'IA autonomes Ce système gérera l'intégralité du cycle de vie de la maintenance, de la détection initiale à la réparation finale. Cette automatisation complète réduit considérablement le besoin d'intervention humaine continue tout en garantissant une allocation optimale des ressources.

« Ce partenariat élargi avec Shell prouve ce qui est possible lorsque l'IA d'entreprise est pleinement opérationnelle à l'échelle mondiale pour la maintenance prédictive, réduisant ainsi les temps d'arrêt non planifiés et générant des centaines de millions de dollars de valeur économique », a déclaré Stephen Ehikian, président de C3 IA.

Ehikian a ajouté : « Shell a développé des programmes de maintenance prédictive basés sur l'IA, parfaitement rodés, sur notre plateforme. Ensemble, nous nous orientons désormais vers l'IA agentielle, en faisant progresser la manière dont cette technologie peut transformer davantage la fiabilité, la sécurité, l'efficacité et les performances opérationnelles. »

🔍 Les agents IA de C3 font évoluer Shell au-delà de la simple détection d'anomalies

Initialement, Shell utilisait l'apprentissage automatique principalement pour reconnaissance de formes dans les données de capteursCe système fournit aux ingénieurs des signaux d'alerte précoce avant toute panne d'équipement. Il traite d'importants volumes de données de technologies opérationnelles (TO) en temps réel et les intègre aux données décisionnelles issues des plateformes ERP. comme SAP.

La prochaine évolution introduit des agents d'IA capables de raisonner et de prendre des décisions de manière indépendante. Contrairement aux systèmes précédents qui se contentaient d'alerter les ingénieurs en cas d'anomalies, ce cadre avancé effectue des investigations autonomes. pourquoi Une alerte a été déclenchée en premier lieu.

Après avoir identifié la cause première, l'agent procède à :

• 📋 Rédiger des ordres de travail précis
• ✅ Vérifier la disponibilité des pièces dans les systèmes d'inventaire
• 🛒 Générer des demandes d'approvisionnement automatiquement

La plateforme de C3 AI fournit l'infrastructure nécessaire à cette transformation, offrant une environnement piloté par modèle Ce système intègre de manière transparente les données de capteurs haute fréquence aux dossiers financiers et de maintenance structurés. Ses capacités d'IA sont entraînées à établir des valeurs de référence de fonctionnement normal pour des types d'équipements spécifiques, tels que les pompes, les turbines et les compresseurs.

La couche d'agents fonctionne sur cette infrastructure. Les opérateurs configurent des agents individuels pour des équipements spécifiques en définir les objectifs et les réponses autoriséesLorsque les modèles d'apprentissage automatique de base détectent des écarts opérationnels, l'agent s'active et recueille des informations contextuelles exhaustives, notamment l'historique de maintenance récent, les conditions environnementales et les variables de processus en amont.

À partir de ces données exhaustives, le système propose des solutions étayées par des preuves. Les opérateurs humains peuvent approuver ou annuler les recommandations. À mesure que le système démontre sa fiabilité, Shell peut automatiser entièrement les réponses à des catégories d'alertes spécifiques. L'intégration directe avec des systèmes comme SAP permet aux agents d'opérer au sein de flux de travail existants, familiers aux planificateurs humains.

💡 L'impact réel de l'IA agentique sur la maintenance prédictive

La mise en œuvre d'une IA agentielle à cette échelle répond au problème persistant défi du « dernier kilomètre » en matière de maintenance prédictive. Si de nombreuses organisations industrielles peuvent prédire avec précision les pannes d'équipement, Traduire ces connaissances en actions rapides et efficaces reste problématique.En règle générale, les ingénieurs doivent examiner manuellement les alertes, en rechercher les causes et générer des ordres de travail.

Shell ambitionne de raccourcir considérablement ce calendrier. L'automatisation de l'analyse des causes profondes et de la génération des ordres de travail permet de réduire considérablement le délai entre la prédiction des pannes et la réparation effective. Ceci améliore directement la disponibilité des équipements et garantit la continuité de la production.

« Ce que Shell et C3 AI ont construit sur Azure ces dernières années correspond exactement à ce que devrait être l'IA d'entreprise : des applications concrètes, déployées en production et apportant une valeur mesurable à l'échelle mondiale », a commenté Sandy Gupta, vice-président de GISV, Software Development Companies chez Microsoft.

Ce déploiement accru démontre que l'IA industrielle est passée des algorithmes théoriques aux flux de production concrets. La véritable valeur ne réside pas seulement dans les capacités de prédiction, mais dans la capacité du système à agir en fonction des prédictions avec une supervision humaine minimale—marquant une étape importante dans l'automatisation industrielle et l'efficacité opérationnelle.