Platforma do wizualizacji danych pozwoliła zaoszczędzić około 100 mln $ w ciągu 4 lat.

GFT zaproszono do zbudowania platformy wizualizacyjnej dla danych z IoT oraz monitorowania urządzeń. Chociaż byłoby to rozwiązanie zindywidualizowane, GFT mogło wykorzystać swoje sprawdzone metody do ustalania luk, ryzyka biznesowego i innych szans związanych z transformacją cyfrową. Aby przyspieszyć realizację, minimalny gotowy do wykorzystania produkt zostałby zbudowany możliwie najszybciej. Hybrydowy zespół GFT złożony z 10 osób pracował zarówno na miejscu, jak i w kilku lokalizacjach nearshore.

Po ukończeniu nowa platforma została początkowo wykorzystana do prewencyjnej konserwacji urządzeń do produkcji petrochemicznej. Wstępne wyniki były niezwykle pozytywne. Dane IoT zbierane w czasie rzeczywistym z różnych źródeł wykazały możliwość wykrycia wzorców wad oraz zaplanowania wymagań dla konserwacji. W ciągu ośmiu tygodni firma osiągnęła oszczędności na poziomie okolo 20% obrotów, usuwając straty które powstałyby w wyniku przestoju maszyn spowodowanego katastrofalnymi awariami. Zdalne monitorowanie i konserwację zapobiegawczą na miejscach odwiertu rozszerzono na wszystkie instalacje .

Poza trwałymi oszczędnościami ten wstępny sukces potwierdził możliwość wykorzystywania danych zbieranych w czasie rzeczywistym jako podstawy lepszych decyzji biznesowych. GFT zaproszono do rozszerzenia zakresu jej programu transformacji tak, aby stał się on fundamentem dlauczenia maszynowego (ML) konserwacji prewencyjnej i analizy przyczyn podstawowych.

Kolejny przypadek zastosowania dotyczył ESG i rozwiązań zasilania. Jako znaczący użytkownik oleju napędowego zarówno na swoich polach naftowych, jak również w ciężarówkach, firma chciała przejść na czystsze paliwa, gdzie oczywistym wyborem był gaz ziemny. Ale napędzanie ciężarówek i maszyn produkcyjnych gazem ziemnym nie jest łatwe, a kluczowe miary muszą być stale monitorowane dla celów zarówno bezpieczeństwa, jak i zgodności. Nowa platforma danych stanowiła idealne rozwiązanie, łącząc wszystkie niezbędne miary w czasie rzeczywistym.

Dotychczas zaoszczędzono miliony galonów oleju napędowego. Zastępując olej napędowy gazem ziemnym firma zmniejsza swój ślad węglowy, poprawiając swój rating ESG i przecierając szlak do bardziej ekologicznej przyszłości.

Posiadając ogromne zasoby danych, zarówno w czasie rzeczywistym, jak i danych historycznych, firma była idealnie przygotowana na przyjęcie sztucznej inteligencji (SI)oraz ML. Model danych uczy się przez cały czas wykorzystując ML, zatem we wszystkich zakładach w różnych lokalizacjach można określać szczegółowe wzorce. Poza ułatwieniem konserwacji prewencyjnej rozwiązanie to umożliwia dokładny, szczegółowy wgląd w pracę przedsiębiorstwa oraz porównania pomiędzy zakładami.

Jednym z największych wyzwań projektu jest zmiana kultury organizacyjnej z konserwacji reaktywnej na konserwację prewencyjną.Ciągły sukces wymaga wytrwałości i zaangażowania kluczowego personelu w szkolenie modeli ML. Aby zapewnić pełną współpracę, GFT prowadziło regularne warsztaty dla personelu, na których wyjaśniało korzyści związane z SI oraz na ile jest ona większą szansą niż zagrożeniem.