Présentation d'Applied Computing

Applied Computing, une startup londonienne fondée en 2023, a levé 20 millions de dollars dans le cadre d'une série A menée par l'entreprise d'ingénierie KBR, avec la participation de Databricks Ventures. L'objectif d'Applied Computing est de fournir un modèle IA pour l'industrie pétrolière et gazière.

Fonctionnement du modèle Orbital

Le modèle IA d'Applied Computing, appelé Orbital, combine un modèle de série chronologique, un modèle basé sur la physique et un modèle de langage pour prédire l'état d'une installation. Il analyse les lectures de capteurs, prend en compte la physique et la chimie, et reconnaît les contraintes d'équipement et l'activité des opérateurs. Orbital permet également aux techniciens de simuler les effets d'un changement dans une partie de l'installation sur le reste de ses opérations.

Orbital = Time Series Model + Physics-Based Model + Language Model

Cela permet à Orbital de signaler les anomalies, d'enquêter sur leurs causes et de modéliser les effets potentiels d'une solution proposée, le tout en quelques minutes. Selon Callum Adamson, co-fondateur et PDG d'Applied Computing, Orbital peut compresser les enquêtes qui prenaient auparavant des jours ou des semaines en quelques secondes, aidant ainsi les opérateurs à réduire leur consommation d'énergie et à maintenir leur production.

Implications et limites

Applied Computing entre sur un marché dominé par des fournisseurs de logiciels industriels établis, ainsi que par des startups IA plus spécialisées. Les partenaires d'Applied Computing incluent l'entreprise indienne Wipro et KBR, qui a intégré Orbital à sa plateforme numérique INSITE 3.0 pour les projets énergétiques. La startup prévoit d'utiliser les 20 millions de dollars levés pour élargir ses activités à l'international, embaucher des chercheurs et des ingénieurs, et explorer de nouveaux déploiements avec des clients énergétiques.

Le modèle Orbital reçoit des données opérationnelles à travers ses déploiements, ce qui constitue un avantage pour Applied Computing. Les données opérationnelles provenant de raffineries et d'autres installations énergétiques ne sont généralement pas accessibles publiquement, et les données simulées ne peuvent pas reproduire avec précision ce qui se passe à l'intérieur d'une installation en fonctionnement.