C3 AI智能體如何為殼牌自動化預測性維護

殼牌石油公司（Shell）正在採用C3 AI的智能體（agents），將自身的預測性維護能力從基礎的異常檢測提升至完全自動化水平。這家全球能源巨頭此前已部署C3 AI可靠性套件（C3 AI Reliability Suite），實時監控上游和下游運營中超過3萬台關鍵設備。如今，殼牌計劃進一步依賴自主AI智能體，由它們接管整個維護生命週期——從首次預警信號出現到維修完成，全程無需人工持續介入。這種自動化程度確保公司資源精準投放到最需要的地方。

“此次與殼牌的擴大的合作證明了企業AI在全球規模預測性維護中實現全面運營化的可能性——減少計劃外停機，並創造數億美元的經濟價值，”C3 AI總裁Stephen Ehikian表示。“殼牌已在我們的平台上構建了成熟的AI預測性維護項目，現在我們共同推進智能體AI（agentic AI），探索這項技術如何進一步改變可靠性、安全性、效率和運營績效。”

C3的AI智能體幫助殼牌超越基本的異常檢測。最初，殼牌使用機器學習簡單識別傳感器數據中的異常模式，提前預警工程師。為此，系統會攝入大量實時運營技術（OT）數據，並與SAP等ERP平台的業務上下文融合。下一步，系統引入具備推理和獨立行動能力的AI智能體。舊系統僅在異常時通知工程師，而新一代框架會自主調查警報觸發的原因。一旦鎖定根本原因，智能體會自動起草精確的工作訂單、確認庫存中零件的可用性，並生成採購申請。

C3 AI的平台提供模型驅動空間，輕鬆集成高頻傳感器數據與結構化的財務及維護日誌。這些AI能力通過學習泵、渦輪機和壓縮機等特定設備的正常基線來運行。智能體層則在此基礎上運作：操作員為某台設備配置智能體，定義其目標和允許的響應。當核心機器學習模型檢測到偏離正常運行時，智能體被激活，收集廣泛的上下文數據（包括近期維護歷史、環境條件和上游工藝變量），以構建完整情境。基於這些信息，它會提出有確鑿證據支持的修復方案。人類操作員可以輕鬆批准或否決該計劃。隨着系統逐漸證明自身可靠性，殼牌可對某些類型的警報實現完全自動化響應。與SAP等系統的直接連接在此至關重要，使智能體能無縫融入人類規劃人員使用的相同工作流程。

在如此大規模部署智能體AI，解決了預測性維護中經典的“最後一公里”問題。許多工業公司能準確預測故障，但將洞察轉化為快速高效的行動仍是挑戰。工程師通常需要手動分析警報、調查原因並編寫工單。殼牌希望縮短這一時間線：通過讓AI處理根因分析和工單，從預測故障到實際修復的延遲將大幅降低，直接提升設備正常運行時間並保護生產。轉向僅根據設備實際狀況進行維修的模式自然節省了成本，因為無需在完好設備上浪費時間。健康的硬件被保留使用也延長了其壽命。除了成本節約，在災難發生前介入也提高了操作安全性，並降低了環境風險——這在能源行業始終是首要關注點。

“殼牌和C3 AI過去幾年在Azure上構建的正是企業AI應有的樣子——實際應用、投入生產、在全球範圍內交付可衡量的價值，”微軟GISV、軟件開發公司副總裁Sandy Gupta評論道。這一擴展部署表明，我們終於可以討論實際的工業AI生產工作流，而不僅僅是算法。真正的價值不在於預測本身，而在於系統幾乎無需人工監督即可採取行動的能力。