Arpuro Intelligence·Maintenant en accès anticipé

Interrogez vos données poussière en langage courant.

Arpuro Intelligence permet à Claude, ChatGPT, Cursor ou tout autre client MCP d’interroger plus de quatre milliards de mesures de poussière. Chefs de poste, ingénieurs HSE et opérateurs posent leurs questions en langage courant et obtiennent des réponses à partir des données en direct. Personne n’a besoin d’écrire de SQL.

4B+
mesures indexées
20
sites industriels en service
3
pays · NO · IS · ES
15%
de la fusion Si européenne
Le tournant

Même question.
Quatre façons d’y répondre.

Trois d’entre elles demandent un ingénieur et du code. La quatrième demande une phrase.

La question

« Montre chaque emplacement chez Isfjorden Silicon avec les conditions de poussière du mois dernier, triées par exposition la plus élevée d’abord. »

Approche 01SQL
SELECT l.name,
       AVG(m.resp_mg) AS avg_dust
FROM measurements m
JOIN locations l ON m.loc_id = l.id
JOIN sites s     ON l.site_id = s.id
WHERE s.name = 'Isfjorden Silicon'
  AND m.time >= NOW() - INTERVAL '1 month'
GROUP BY l.name
ORDER BY avg_dust DESC;
Nécessite : schéma, accès, compétences SQL
Approche 02REST
GET /api/sites
  ?name=Isfjorden+Silicon

GET /api/locations
  ?site_id=42

GET /api/measurements
  ?locations=101,102,103,104
  &start=2026-01-01T00:00:00Z
  &end=2026-02-01T00:00:00Z
  &types=resp_mg_per_m3
Nécessite : clés API, code de liaison, tri côté client
Approche 03Python
sites = api.get_sites(
    name="Isfjorden")
locs = api.get_locations(
    site_id=sites[0].id)
data = api.get_measurements(
    locations=[l.id for l in locs],
    start="2026-01-01",
    end="2026-02-01",
    types=["resp_mg_per_m3"])
sorted(data,
    key=lambda x: x.avg,
    reverse=True)
Nécessite : SDK, environnement Python, déploiement
Approche 04MCP

« Montre chaque emplacement chez Isfjorden Silicon avec les conditions de poussière du mois dernier, triées par exposition la plus élevée d’abord. »

Une phrase. Le modèle s’occupe du reste.Arpuro
Ce que vous pouvez demander

De la passation d’équipe au reporting du conseil.

Touchez n’importe quel prompt pour voir à quoi ressemble la réponse.

Opérations

Montrez-moi les relevés de poussière les plus élevés de Furnace 4 lors du dernier quart.

Furnace 4 — dernières 8 heures (06:00–14:00 UTC)

Trois pics de poussière respirable ont dépassé l’OEL 15 min de 5,0 mg/m³. Le plus élevé, à 11 : 42, a atteint 7,8 mg/m³ lors d’une coulée. La moyenne du quart s’est établie à 1,4 mg/m³ — bien en dessous de la limite 8 h de 2,5.

Poussière respirable · mg/m³ · intervalles 15 min06:00 → 14:00
OEL 15 min · 5.0OEL 8 h · 2.5842006:0008:0010:0012:0014:00
HeurePic (resp)% deOEL 15 minCause probable
07:305.3 mg/m³106%Chargement
11:427.8 mg/m³156%Coulée
13:006.5 mg/m³130%Manipulation du laitier

Voulez-vous que je décompose cela par fenêtre de 15 min, ou que je compare avec le même quart la semaine dernière ?

Analyse

Conformité

Reporting

Comment ça marche

Construit sur une norme ouverte.

Arpuro Intelligence parle le Model Context Protocol — un standard ouvert pour relier les modèles d’IA aux données en direct. Un seul connecteur fonctionne avec la plupart des clients d’IA actuels.

97M+
Téléchargements SDK
par mois
13k+
Serveurs MCP
sur GitHub
Soutenu par
Anthropic · OpenAI · Google · Microsoft
  1. 01

    Ajoutez le connecteur

    Dans votre client compatible MCP (Claude, ChatGPT, Cursor, Copilot), collez une seule URL :

    https://mcp.arpuro.io
  2. 02

    Connectez-vous une fois

    Un flux OAuth standard contre votre compte Arpuro. Même connexion que la plateforme — même rôle, mêmes autorisations, aucune gestion d’accès parallèle.

  3. 03

    Posez une question

    Le modèle obtient un accès en lecture seule aux tableaux de bord et à l’historique auxquels vous avez déjà droit. Graphiques, résumés, exports — tous générés à partir de données en direct.

Intégrations

Fonctionne avec les outils que vos équipes utilisent déjà.

Clients IA
  • ClaudeAnthropic
  • ChatGPTOpenAI
  • CursorIDE
  • CopilotMicrosoft
Workflow & automatisation
  • n8nAlertes & rapports
  • OpenClawOrchestration d’agents
  • Zapier / MakeDéclencheurs
  • Clients MCP personnalisésNorme ouverte
Enterprise
  • Power BIReporting
  • Microsoft TeamsAlertes
  • SAPAPI directe
  • Word & ExcelPrêt à soumettre
RoI tangible

Là où atterrissent les chiffres.

Une évaluation indépendante réalisée par Crisp Ideas en avril 2026 a modélisé l’impact par site de la combinaison des capteurs Arpuro et de l’IA générative.

Lire l’évaluation complète
Économies directes
0.7–3.4M
NOK par site et par an. Cycles de nettoyage, remplacements de campagne, risque réglementaire évité.
Valeur sociétale
10.8M
NOK par cas typique, ajusté DALY (Disability-Adjusted Life Years).
CAPEX repensé
Dizaines de millions
NOK par installation de ventilation. Les données capteur vous disent si elle est nécessaire — avant de la spécifier.
Gains opérationnels
Nettoyez moins, défaillez moins.
Nettoyage périodique à 100 000 NOK par cycle, effectué quand nécessaire — pas selon le calendrier.
Sécurité & accès

Lecture seule par défaut. Limité à ce que chaque utilisateur a déjà.

  • Les jetons sont à courte durée de vie et révocables depuis le tableau de bord Arpuro.

  • Le modèle ne voit jamais de données sans invite explicite de l’utilisateur.

  • Construit sur le RBAC existant de la plateforme — aucun plan d’accès parallèle.

Voyez-le sur vos propres données.

Trente minutes de présentation sur vos données, avec l’un des ingénieurs qui ont bâti la plateforme.