Radix e Shape formam parceria estratégica para entregar soluções de manutenção preditiva para FPUs (do inglês, Floating Production Units) e FPSOs (do inglês, Floating Production Storage and Offloading). A parceria estratégica busca desenvolver soluções digitais para atender às necessidades de empresas de energia.
Atualmente, estamos desenvolvendo, por meio dessa parceria, um diferenciado conjunto de ferramentas de manutenção preditiva para endereçar questões relacionadas ao aumento da eficiência operacional, à redução de paradas não planejadas e ao aumento da vida útil de equipamentos e ativos da operação offshore. A solução utiliza contextualização de dados e algoritmos de machine learning, com conhecimento de processo aplicado, extensiva inteligência de engenharia mecânica, e a experiência real de operação dos ativos. A experiência operacional unificada é um diferencial.
A Radix aplica a metodologia FMEA (Failure Mode and Effect Analysis) às operações do ativo, para monitorar sintomas que são, frequentemente, o primeiro sinal de potenciais falhas. Já a Shape fornece ferramentas de gerenciamento de dados para prover uma visão holística do status de manutenção dos ativos aos operadores. Esses dados ajudam a determinar KPIs e variáveis que devem ser monitoradas durante a operação para que seja possível a identificação antecipada de eventuais problemas, o melhor planejamento das intervenções, a redução do tempo improdutivo e dos custos de manutenção, bem como a extensão da vida útil dos equipamentos e do ativo como um todo.
O vice-presidente de marketing e vendas da Shape comentou a parceria:
— Estamos extremamente felizes em fortalecer esse relacionamento com a Radix, empresa líder em tecnologia. Essa nova ferramenta de manutenção preditiva reforça nossa capacidade de gerar um impacto significativo nos resultados por meio do uso de dados para os principais players do mercado.
As soluções da Shape são referências no mercado por serem altamente personalizáveis e escaláveis, atendem às necessidades específicas dos clientes e por utilizarem dados de toda a planta para fazer inferências sobre seus equipamentos.