Shell внедрит AI-агентов C3 AI для автоматизации предиктивного обслуживания

Shell будет использовать агентов C3 AI, чтобы перейти от базового обнаружения аномалий к полностью автоматизированному предиктивному обслуживанию.

Глобальный энергетический гигант развивает текущее использование C3 AI Reliability Suite, который уже отслеживает более 30 000 критически важных единиц оборудования в upstream и downstream операциях. Теперь Shell намерена сделать ставку на автономных AI-агентов, передав им управление всем жизненным циклом обслуживания.

Начиная с первого сигнала предупреждения и заканчивая завершённым ремонтом, такой уровень автоматизации снимает необходимость в постоянном контроле со стороны людей и помогает направлять ресурсы компании туда, где они нужны больше всего.

«Это расширенное партнёрство с Shell показывает, что возможно, когда enterprise AI полностью внедрён в глобальном масштабе для предиктивного обслуживания — сокращая незапланированные простои и принося сотни миллионов долларов экономической выгоды», — сказал Stephen Ehikian, президент C3 AI.

«Shell построила зрелые программы AI-предиктивного обслуживания на нашей платформе, и вместе мы теперь движемся в сторону agentic AI, развивая то, как эта технология может дальше трансформировать надёжность, безопасность, эффективность и операционную производительность».

AI-агенты C3 помогают Shell выйти за рамки простого обнаружения аномалий

Изначально Shell использовала machine learning лишь для выявления необычных паттернов в данных датчиков, чтобы инженеры заранее получали предупреждение до поломки. Для этого система обрабатывает огромный объём данных operational technology (OT) в реальном времени и сочетает их с бизнес-контекстом из ERP-платформ, таких как SAP.

Следующий шаг — AI-агенты, созданные для полноценного рассуждения и самостоятельных действий. Если более ранние системы ограничивались отправкой уведомления инженеру, когда что-то выглядело необычно, то эта версия независимо выясняет, почему сработало предупреждение.

После определения корневой причины агент формирует точные наряды на работы, проверяет наличие деталей на складе и создаёт запросы на закупку.

Платформа C3 AI берёт на себя основную техническую нагрузку, предоставляя model-driven среду для удобной интеграции высокочастотных потоков данных с датчиков со структурированными финансовыми и ремонтными журналами. Эти AI-возможности обучаются распознавать нормальные рабочие базовые уровни для конкретного оборудования, например насосов, турбин и компрессоров.

Agentic-слой располагается поверх этой основы. Операторы настраивают отдельного агента для конкретной единицы оборудования, задавая его цели и разрешённые реакции. Если базовые machine learning-модели обнаруживают отклонение от нормальной работы, агент активируется и собирает широкий контекст, чтобы сформировать полную картину ситуации. Обычно в этот контекст входят недавняя история обслуживания, условия окружающей среды и переменные upstream-процессов.

Используя все эти данные, агент предлагает обоснованное решение. Затем операторы могут легко одобрить или отклонить план. По мере накопления доверия к системе Shell сможет полностью автоматизировать реакции на определённые типы предупреждений. Ключевую роль здесь играет прямая интеграция с такими системами, как SAP, позволяющая агенту работать в тех же рабочих процессах, которые уже используют люди-планировщики.

Реальное влияние agentic AI на предиктивное обслуживание

Применение agentic AI в таком масштабе решает классическую проблему «последней мили» в предиктивном обслуживании. Многие промышленные компании вполне успешно предсказывают сбои, но превращать эти прогнозы в быстрые и эффективные действия по-прежнему сложно. Обычно инженерам всё ещё приходится вручную разбирать предупреждения, выяснять причины и самим оформлять наряды на работы.

Shell хочет сократить этот промежуток. Если AI берёт на себя анализ корневой причины и оформление работ, время между прогнозируемым отказом и реальным ремонтом сокращается. Это напрямую повышает доступность оборудования и защищает производство.

Переход к модели, в которой ремонт проводится только тогда, когда состояние оборудования этого действительно требует, естественным образом экономит деньги, потому что никто не тратит время на обслуживание исправных машин. Кроме того, если не трогать исправное оборудование, оно служит гораздо дольше.

Помимо экономии, вмешательство до возникновения катастрофы делает всю операцию значительно безопаснее и снижает экологические риски, что особенно важно для энергетического сектора.

«То, что Shell и C3 AI построили на Azure за последние несколько лет, — это именно то, как должен выглядеть enterprise AI: реальные приложения, работающие в продакшене и приносящие измеримую ценность в глобальном масштабе», — отметил Sandy Gupta, VP GISV, Software Development Companies в Microsoft.

Это расширенное развёртывание показывает, что речь наконец идёт о практических промышленных production-workflow с AI, а не просто об алгоритмах. Реальная ценность заключается не только в самом прогнозе, но и в способности системы действовать на его основе почти без участия людей.

Смотрите также: Meta Business Agent управляет AI-диалоговой коммерцией

[](https://www.ai-expo.net/?utm_source=AI-News&utm_medium=Footer-banner&utm_campaign=world-series)

Хотите узнать больше об AI и больших данных от лидеров отрасли? Посетите AI & Big Data Expo, которая пройдёт в Амстердаме, Калифорнии и Лондоне. Эта конференция входит в состав TechEx и проводится совместно с другими ведущими технологическими мероприятиями, включая Cyber Security & Cloud Expo. Нажмите здесь, чтобы узнать больше.

Материал — перевод статьи с английского.

Оригинал: How C3 AI agents will automate predictive maintenance for Shell