es.wedoany.com Noticia: Shell adoptará los agentes de C3 AI para transformar su proceso desde la detección de anomalías hasta el mantenimiento predictivo completamente automatizado.
El gigante energético global ya utiliza el C3 AI Reliability Suite, que supervisa más de 30.000 equipos en operaciones upstream y downstream. Shell planea que los agentes autónomos de IA gestionen todo el ciclo de vida del mantenimiento, automatizando el flujo completo desde la alerta de fallos hasta la finalización de la reparación, eliminando la necesidad de supervisión humana y garantizando una asignación precisa de recursos.
Stephen Ehikian, presidente de C3 AI, afirmó que la expansión de la colaboración con Shell demuestra los resultados de la IA empresarial aplicada a operaciones de mantenimiento predictivo a escala global, incluyendo la reducción de paradas no planificadas y la generación de cientos de millones de dólares en valor económico. Señaló que Shell ya ha establecido un programa maduro de mantenimiento predictivo basado en IA en su plataforma, y ambas partes están avanzando conjuntamente hacia la IA basada en agentes para transformar la fiabilidad, seguridad, eficiencia y rendimiento operativo.
Inicialmente, Shell utilizaba el aprendizaje automático para identificar patrones anómalos en datos de sensores y alertar a los ingenieros antes de que ocurrieran fallos en los equipos. El sistema ingiere grandes volúmenes de datos operativos en tiempo real y los combina con contexto empresarial de plataformas ERP como SAP. El nuevo marco introduce agentes de IA diseñados para razonar y actuar de forma autónoma, investigando la causa raíz de las alertas cuando se detectan anomalías, redactando órdenes de trabajo precisas, verificando la disponibilidad de piezas en inventario y generando solicitudes de compra.
La plataforma C3 AI ofrece un espacio basado en modelos que integra datos de sensores de alta frecuencia con registros financieros y de mantenimiento estructurados. La capacidad de IA está entrenada para aprender las líneas base de funcionamiento normal de bombas, turbinas, compresores y otros equipos. La capa de agentes opera sobre esta base, y los operadores configuran los agentes definiendo objetivos y permitiendo respuestas. Cuando el modelo central de aprendizaje automático detecta una desviación del funcionamiento normal, el agente se activa y recopila datos contextuales como el historial de mantenimiento, las condiciones ambientales y las variables de proceso upstream, proponiendo soluciones de reparación que los operadores humanos pueden aprobar o rechazar. A medida que aumenta la fiabilidad del sistema, Shell puede automatizar completamente la respuesta a ciertas alertas, conectando los agentes directamente a sistemas como SAP para operar dentro de los flujos de trabajo existentes.
La implementación de agentes de IA a gran escala resuelve el "último kilómetro" del mantenimiento predictivo. Muchas empresas industriales pueden predecir fallos, pero aún enfrentan desafíos para convertir las percepciones en acciones, ya que los ingenieros deben filtrar manualmente las alertas, investigar las causas y redactar órdenes de trabajo. Shell, al utilizar IA para el análisis de causas raíz y la generación de órdenes de trabajo, reduce la demora entre la predicción de fallos y la reparación real, mejorando el tiempo de actividad de los equipos. El modelo de realizar reparaciones solo cuando el estado del equipo lo requiere reduce costos, evita desperdiciar mano de obra en máquinas normales y prolonga la vida útil de los equipos. La intervención antes de que ocurran desastres también mejora la seguridad operativa y la capacidad de gestión de riesgos ambientales.
Sandy Gupta, vicepresidente de desarrollo de software de GISV en Microsoft, comentó que la IA empresarial construida por Shell y C3 AI en Azure durante los últimos años ha logrado aplicaciones prácticas, se ha puesto en producción y ha entregado valor medible. Esta expansión demuestra que los flujos de trabajo de producción de IA industrial están pasando de discusiones algorítmicas a una fase práctica, donde el valor proviene de la capacidad del sistema para actuar con una supervisión humana mínima.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
