Chez Shell, il existe de nombreuses raisons d’utiliser l’IA et les données pour transformer leur entreprise.
De l’augmentation de la demande énergétique et des environnements non connectés à la pression croissante pour lutter contre le changement climatique, l’industrie pétrolière et gazière est à la croisée des chemins. Les entreprises énergétiques telles que Shell peuvent soit adhérer au statu quo, soit adopter l’idée d’un avenir énergétique à faible émission de carbone.
La transition vers un système énergétique plus distribué, diversifié et décentralisé implique d’optimiser les processus de bout en bout et de les maintenir à grande échelle. Cela signifie que des solutions pouvant être déployées à l’échelle mondiale à un rythme rapide sont cruciales. Et cela signifie que Shell a dû devenir une entreprise de technologie alimentée par l’IA.
Par exemple, en novembre dernier, Shell a fondé le Open AI Energy Initiative (OAI) aux côtés de Baker Hughes, Microsoft et de la société Enterprise AI C3 AI pour aider à accélérer la transformation numérique du secteur de l’énergie.
Selon Dan Jeavons, vice-président de la science informatique et de l’innovation numérique chez Shell, l’OAI offre aux leaders du secteur la possibilité de collaborer de manière ouverte, équitable et transparente. Cela leur permet de créer des normes interopérables entre les applications d’IA et d’accélérer l’adoption de la technologie numérique et d’atteindre des émissions nettes nulles à l’avenir.
« Nous nous sommes engagés à atteindre l’objectif net zéro d’ici 2050 ou avant et à réduire de 50 % les émissions des champs d’application 1 et 2 d’ici 2030 », a-t-il déclaré.
Bien que la technologie numérique ne soit pas la solution miracle, c’est l’un des principaux leviers que Shell utilise pour accélérer la transition énergétique. Jeavons ajoute : « Bien que nous devions transformer beaucoup de matériel pour changer le secteur de l’énergie, nous pouvons également tirer parti des données dont nous disposons aujourd’hui et les utiliser pour transformer le système. »
L’IA joue un rôle essentiel dans la stratégie commerciale de Shell
Shell a déjà mis en œuvre plusieurs initiatives d’IA au fil des ans, notamment le déploiement de l’apprentissage par renforcement dans son programme d’exploration et de forage ; déploiement de l’IA dans les bornes de recharge publiques pour voitures électriques ; et l’installation de caméras de vision par ordinateur dans les stations-service.
Récemment, la société a également lancé le programme de résidence Shell.ai, qui permet aux scientifiques des données et aux ingénieurs en IA d’acquérir de l’expérience en travaillant sur une variété de projets d’IA dans toutes les activités de Shell.
Actuellement, Shell déploie plus de 100 applications d’IA en production chaque année. Ils ont également développé une communauté centrale de plus de 350 professionnels de l’IA qui conçoivent des solutions d’IA en utilisant de vastes pools de données disponibles dans les nombreuses entreprises de Shell.
L’IA aide Shell dans la maintenance prédictive
« La fiabilité et la sécurité sont absolument fondamentales », a déclaré Jeavons. « Avoir la capacité d’identifier quand les choses vont mal et d’intervenir de manière proactive a été une priorité pour nous. »
L’IA a permis à Shell d’utiliser la surveillance prédictive pour renforcer les techniques de surveillance déjà en place.
Pour mettre cela en perspective, Jeavons affirme que plus de 10 000 équipements sont actuellement surveillés par l’IA, des vannes et compresseurs aux joints d’étanchéité à gaz secs, à l’instrumentation et aux pompes, tandis que l’IA fournit également des prédictions sur les événements de défaillance potentiels. Pour surveiller tous ces équipements, 3 millions de capteurs collectent 20 milliards de lignes de données chaque semaine, tandis que près de 11 000 modèles d’apprentissage automatique permettent au système d’effectuer plus de 15 millions de prédictions chaque jour.
Historiquement, Shell s’appuyait sur des modèles basés sur la physique pour faire ces prédictions. Avant l’avènement d’un programme de maintenance prédictive géré par C3 AI, l’entreprise remplaçait généralement les pièces après une certaine période. Cette approche signifiait que les pièces étaient souvent remplacées alors qu’elles étaient encore en bon état. Une stratégie alternative consistait à attendre que quelque chose échoue. En cas de panne d’équipement, les actifs doivent être temporairement fermés pour réparation, ce qui affecte la production.
La maintenance prédictive basée sur l’IA a permis à l’entreprise de réduire les coûts d’équipement et de maintenance en utilisant les ressources plus efficacement, en réduisant les interruptions de production et en évitant les temps d’arrêt imprévus.
Tom Siebel, PDG de C3 AI, a expliqué qu’il existe de nombreux problèmes d’infrastructure et d’orchestration liés à l’IA.
« Ce n’est pas si difficile de créer des modèles d’apprentissage automatique », a-t-il déclaré. « Ce qui est difficile, c’est de mettre en production deux millions de modèles de machine learning dans une seule application. »
Avec une approche de surveillance technique proactive, cependant, les scientifiques des données de Shell pourraient analyser simultanément des milliers de points de données et permettre aux ingénieurs et à d’autres de tirer des enseignements de ces données.
« Notre équipe utilise ces données pour comprendre à quoi ressemble le comportement normal de notre base d’actifs dans des cas particuliers, y compris des équipements tels que des compresseurs, des vannes et des pompes », déclare Jeavons. «Ensuite, nous créons des prévisions de ce que nous pensons que la normale va être dans les périodes à venir. À partir de ces prévisions, nous pouvons identifier le moment où les conditions normales ne se produisent plus, puis relier cela à des événements historiques. »
L’IA pour l’optimisation est la prochaine pour Shell
Maintenant, Shell a commercialisé ses applications de maintenance prédictive IA conçues avec le logiciel C3 AI. À l’avenir, Jeavons affirme que l’entreprise se concentre désormais sur l’optimisation.
« Cela signifie que nous pouvons identifier des moyens de produire plus efficacement, de générer plus de rendement pour le même coût et, plus important encore, nous pouvons également examiner l’empreinte carbone de ces processus et commencer à optimiser en conséquence », a déclaré Jeavons.
Dans un avenir proche, a-t-il ajouté, Shell étudie également comment l’IA peut être exploitée pour surveiller la capture du carbone, les installations de stockage et les niveaux de méthane.
« Ces projets impliquent de rendre nos activités existantes plus efficaces et efficientes, mais jouent également un rôle clé dans notre stratégie de transition énergétique », a-t-il déclaré.
La mission de VentureBeat est d’être une place publique numérique permettant aux décideurs techniques d’acquérir des connaissances sur les technologies d’entreprise transformatrices et d’effectuer des transactions. En savoir plus sur l’adhésion.
.
