Foundation · o que o backbone tokeniza
Cada sinal que o gêmeo do campo lê.
Sinais operacionais, de logística e de ativos vindos dos sistemas que o operador já utiliza. Passe o mouse ou toque em qualquer sinal para ver de onde ele vem.
Indústria · Óleo e Gás
Uma camada de inteligência sobre os sistemas que o operador já utiliza — SCADA, historians, CMMS, ERP, sistemas de poços e as planilhas que ficam no meio. Modelos que antecipam o tempo não produtivo, otimizadores que planejam o dia ao menor custo e agentes que agem antes que a frota de fraturamento pare. Nada é substituído; tudo é conectado.
01 · SharpAI
Modelos preditivos
10 modelos · foundation + downstream
02 · AUTONOMY
Agentes
8 padrões de agentes neste vertical
03 · FDE
Serviços de engenharia
2 engagements anonimizados
A cadeia de valor
Em operações não convencionais, uma hora de tempo não produtivo pode custar tanto quanto semanas de frete. As decisões que evitam esse custo estão distribuídas entre completação, logística, manutenção e suprimentos — e hoje a maioria delas é tomada manualmente.
01
Upstream · completação
Mantenha a frota de fraturamento bombeando. Antecipe os insumos, as equipes e os equipamentos que cada estágio exige antes que se tornem o gargalo.
Decisões que modelamos
02
Logística de campo
Transforme o despacho diário de um exercício em Excel em um plano otimizado: quantos pedidos, de qual pedreira, com qual caminhão e qual transportadora.
Decisões que modelamos
03
Ativos
Leia continuamente os sinais de bombas, compressores e equipamentos rotativos e planeje a intervenção antes da falha.
Decisões que modelamos
04
Cadeia de suprimentos
Peças de reposição, importações e fornecedores planejados com base na demanda real da operação — e não nas médias do ano passado.
Decisões que modelamos
05
Downstream
Sortimento orientado pela demanda e inteligência de cesta para as lojas dos postos de serviço, planejados por unidade e não por abastecimento.
Decisões que modelamos
01 · SharpAI · Óleo e Gás
Começamos modelando a operação como ela realmente é — pedreiras, hubs, PADs, frotas, ativos e suas restrições — alimentada pelos dados do próprio operador dentro da sua própria nuvem. Heads preditivos e otimizadores se conectam a essa representação compartilhada, de modo que cada novo caso de uso reaproveita a mesma foundation em vez de começar do zero.
Foundation · o que o backbone tokeniza
Sinais operacionais, de logística e de ativos vindos dos sistemas que o operador já utiliza. Passe o mouse ou toque em qualquer sinal para ver de onde ele vem.
Downstream · o que o head consome
O head de alerta antecipado lê o estado do gêmeo e um conjunto focado de sinais do momento da decisão, e recalcula o relógio de cobertura continuamente. Passe o mouse sobre qualquer nó — estas são as entradas por trás de um alerta.
Foundation models · pré-treinamento self-supervised, backbone congelado reutilizado downstream
Um modelo em rede da operação — pedreiras, hubs de transferência, PADs, locações, frotas e transportadoras — com balanço diário de materiais e as restrições reais de cada nó. É o estado compartilhado que todo otimizador, previsão e agente lê, e o lugar onde os cenários what-if são testados antes de chegar ao campo.
Simulação em rede de nós · balanço diário + alertas de estoque · motor de cenários · camada de otimização MILP
Corpus · Construído por operador, sobre seus próprios dados — planos de fraturamento e produção, registros de despacho, sistemas de poços, ERP e planilhas de campo — implantado dentro da nuvem do operador (raw → bronze → silver → gold)
Um modelo de sequência sobre séries temporais de sensores de bombas, compressores e equipamentos rotativos. Aprende a assinatura operacional normal de cada ativo a partir do historian e do histórico de manutenção, e expõe um embedding de condição que os heads de falha, manutenção e prontidão consomem.
Encoder de sequência sobre janelas de sensores · embedding de condição por ativo · treinado por operador e classe de ativo
Heads downstream · fine-tuned sobre o embedding congelado do foundation por instituição e caso de uso
Um relógio de cobertura por locação: quantas horas de operação o estoque atual e os caminhões em trânsito conseguem sustentar, recalculado continuamente, com horas de antecedência para agir.
Previsão probabilística sobre o estado do gêmeo · recálculo contínuo
O plano diário de menor custo — pedidos, pedreira, tipo de caminhão e transportadora — que ainda cumpre o cronograma de fraturamento, com todas as restrições explícitas.
MILP sobre a rede do gêmeo · curva de custo como referência
Prevê o calendário de atividades e a demanda de areia, água, equipes e equipamentos que ele implica.
Previsão de séries temporais condicionada às revisões do plano
Previsão do horário de chegada por caminhão e carga, aprendida a partir de rotas históricas, condições das estradas e comportamento das transportadoras.
Head de regressão sobre GPS e histórico de rotas
Estimativa de vida útil remanescente de bombas e compressores, para que a manutenção seja incorporada ao cronograma em vez de interrompê-lo.
Head de sobrevivência sobre o embedding de condição do ativo
Planeja peças críticas e consumíveis com base na atividade prevista e no risco de falha, equilibrando o custo de ruptura e o custo de estoque.
Previsão de demanda intermitente + otimização de nível de serviço
Prevê o prazo de chegada e liberação de equipamentos e materiais importados, sinalizando os embarques que colocam o cronograma em risco.
Modelo de sequência de eventos sobre os marcos do embarque
Recomendações de sortimento e de combinações de produtos orientadas pela demanda para as lojas dos postos, agrupadas por perfil de unidade.
Análise de cesta de compras + filtragem colaborativa · clusterização de lojas
02 · AUTONOMY · Óleo e Gás
Um score em um dashboard não evita uma parada. Estes agentes observam o gêmeo, decidem dentro das regras do operador e agem pelos canais que o campo já utiliza — com uma pessoa aprovando tudo o que a política determina que uma pessoa deve aprovar.
8 padrões de agentes · ordenados por maturidade de implantação
Observa o relógio de cobertura por locação e, quando ele cruza o limite, propõe ao coordenador de logística o despacho corretivo — qual hub, quais caminhões, qual transportadora.
Gatilho · Cobertura abaixo do limite
↳ Horas de antecedência em vez de minutos
Executa o otimizador toda manhã com os planos e o estoque mais recentes, explica o plano recomendado em relação ao custo de referência e o publica assim que aprovado.
Gatilho · Ciclo diário de planejamento
↳ Plano de menor custo, explicado
Correlaciona sinais operacionais, de logística e de ativos para sinalizar o risco emergente de NPT em cada frota e encaminha o alerta à pessoa que pode agir.
Gatilho · Mudança no score de risco
↳ Escalonamento mais cedo e direcionado
Transforma as estimativas de vida útil remanescente em ordens de serviço propostas no CMMS, alinhadas ao calendário de atividades e à disponibilidade de peças de reposição.
Gatilho · RUL abaixo da janela
↳ Paradas planejadas em vez de não planejadas
Monitora as peças críticas em relação à demanda prevista e ao risco de falha, e elabora requisições de compra no ERP antes da ruptura de estoque.
Gatilho · Ruptura de estoque projetada
↳ Estoque crítico coberto
Acompanha os marcos de cada embarque, lê e confere a documentação e alerta suprimentos quando um atraso ameaça o cronograma.
Gatilho · Atraso em marco
↳ Menos surpresas no pátio
Coleta, valida e carrega a documentação dos fornecedores no sistema de suprimentos, escalando à equipe apenas as exceções.
Gatilho · Nova solicitação de fornecedor
↳ Menos digitação manual
Responde em linguagem natural às perguntas de planejadores e supervisores sobre o gêmeo — estoque, ETAs, cenários, custos — com cada resposta vinculada aos dados de origem.
Gatilho · Sob demanda
↳ Uma única visão ao vivo do campo
03 · FDE · Óleo e Gás
Engenheiros seniores integrados às equipes de completação, logística, manutenção e suprimentos. Começamos com um quick win, medimos seu impacto em relação à referência do próprio operador e escalamos a partir daí — dentro da nuvem do operador, sobre os dados do operador, com transferência de know-how para a sua equipe.
SCADA, historians (PI), CMMS, ERP (SAP), sistemas de poços (OpenWells), GPS e as planilhas que guardam o restante — conectados primeiro em modo somente leitura, sem substituir nada que já funciona.
Um data lake em camadas (raw → bronze → silver → gold) e um banco de dados operacional implantados dentro da própria conta AWS ou Azure do operador. Os dados nunca saem.
Otimização MILP, simulação e previsão construídas em conjunto, para que uma previsão se torne um plano e um plano respeite todas as restrições físicas e contratuais.
Aplicações web para planejadores e coordenadores — plano diário, cenários what-if, alertas — desenhadas com as pessoas que vão usá-las toda manhã.
A IA recomenda e explica; a pessoa decide. Etapas de aprovação, trilha de auditoria e motivos de override fazem parte do produto, não são um acréscimo posterior.
Workshop de descoberta, assessment, prova de valor e implementação. Do simulador ao gêmeo digital e à torre de controle preditiva com agentes — um passo medido de cada vez.
Engagements anonimizados · a mesma equipe de engenharia end-to-end
Operador upstream · LATAM
Operador de petróleo e gás não convencional
Orquestração da logística de areia para operações de fraturamento: gêmeo do campo com balanço diário e alertas de estoque, otimizador MILP de frota e pedidos, aplicação web what-if e uma camada de dados dentro da AWS do operador. Roadmap rumo a um gêmeo digital alimentado por GPS, ETAs preditivos e uma torre de controle com agentes.
Fase 1 em execução — o plano diário é medido em relação à curva de custo de referência do próprio operador.
Empresa integrada de energia · LATAM
Rede de lojas de conveniência em postos
Mix de produtos por loja orientado pela demanda com SharpAI: análise de cesta de compras, filtragem colaborativa e clusterização de lojas, entregue com um dashboard e testado em um piloto controlado.
10 das 12 combinações de produtos testadas no piloto elevaram as vendas em mais de 45%.
Composição da equipe — estrutura FDE típica para este vertical
Engenheiros sênior embarcados, modelos preditivos em produção e agentes que executam sobre cada score.