Η PAO Severstal είναι μια εταιρεία χάλυβα και εξόρυξης που κατέχει το μεταλλουργικό εργοστάσιο Cherepovets, το δεύτερο μεγαλύτερο στη χώρα μας. Το 2019, η εταιρεία παρήγαγε 11,9 εκατομμύρια τόνους χάλυβα, με έσοδα 8,2 δισεκατομμύρια δολάρια
Επιχειρηματική υπόθεση του PAO Severstal
Έργο
Η Severstal αποφάσισε να ελαχιστοποιήσει τις απώλειες της εταιρείας λόγω λανθασμένων προβλέψεων για την κατανάλωση ηλεκτρικής ενέργειας, καθώς και να εξαλείψει τις μη εξουσιοδοτημένες συνδέσεις στο δίκτυο και την κλοπή ηλεκτρικής ενέργειας.
Ιστορικό και κίνητρο
Οι μεταλλουργικές και μεταλλευτικές εταιρείες είναι από τους μεγαλύτερους καταναλωτές ηλεκτρικής ενέργειας στη βιομηχανία. Ακόμη και με πολύ υψηλό μερίδιο ίδιας παραγωγής, το ετήσιο κόστος των επιχειρήσεων για ηλεκτρική ενέργεια ανέρχεται σε δεκάδες, ακόμη και εκατοντάδες εκατομμύρια δολάρια.
Πολλές από τις θυγατρικές της Severstal δεν έχουν δική τους ικανότητα παραγωγής ηλεκτρικής ενέργειας και την αγοράζουν στη χονδρική αγορά. Τέτοιες εταιρείες υποβάλλουν προσφορές δηλώνοντας πόση ηλεκτρική ενέργεια είναι διατεθειμένες να αγοράσουν μια δεδομένη ημέρα και σε ποια τιμή. Εάν η πραγματική κατανάλωση διαφέρει από τη δηλωθείσα πρόβλεψη, τότε ο καταναλωτής πληρώνει πρόσθετο τιμολόγιο. Έτσι, λόγω μιας ατελούς πρόβλεψης, το πρόσθετο κόστος ηλεκτρικής ενέργειας μπορεί να φτάσει έως και πολλά εκατομμύρια δολάρια ετησίως για την εταιρεία συνολικά.
Λύση
Ο Severstal στράφηκε στη SAP, η οποία προσφέρθηκε να χρησιμοποιήσει τεχνολογίες IoT και μηχανικής μάθησης για να προβλέψει με ακρίβεια την κατανάλωση ενέργειας.
Η λύση έχει αναπτυχθεί από το Κέντρο Τεχνολογικής Ανάπτυξης της Severstal στα ορυχεία Vorkutaugol, τα οποία δεν διαθέτουν δικές τους εγκαταστάσεις παραγωγής και είναι ο μόνος καταναλωτής στη χονδρική αγορά ηλεκτρικής ενέργειας. Το ανεπτυγμένο σύστημα συλλέγει τακτικά δεδομένα από 2,5 χιλιάδες μετρητικές συσκευές από όλα τα τμήματα της Severstal για τα σχέδια και τις πραγματικές τιμές διείσδυσης και παραγωγής σε όλες τις υπόγειες περιοχές και στο ενεργό ανθρακωρυχείο, καθώς και για τα τρέχοντα επίπεδα κατανάλωσης ενέργειας . Η συλλογή των τιμών και ο επανυπολογισμός του μοντέλου πραγματοποιείται με βάση τα δεδομένα που λαμβάνονται κάθε ώρα.
εκτέλεση
Η προγνωστική ανάλυση με χρήση τεχνολογίας μηχανικής μάθησης καθιστά δυνατή όχι μόνο την ακριβέστερη πρόβλεψη της μελλοντικής κατανάλωσης, αλλά και την επισήμανση ανωμαλιών στην κατανάλωση ηλεκτρικής ενέργειας. Ήταν επίσης δυνατός ο εντοπισμός πολλών χαρακτηριστικών μοτίβων για καταχρήσεις σε αυτόν τον τομέα: για παράδειγμα, είναι γνωστό πώς «μοιάζει» μια μη εξουσιοδοτημένη σύνδεση και λειτουργία ενός αγροκτήματος cryptomining.
Τα αποτελέσματα
Η προτεινόμενη λύση καθιστά δυνατή τη σημαντική βελτίωση της ποιότητας της πρόβλεψης κατανάλωσης ενέργειας (κατά 20–25% μηνιαίως) και την εξοικονόμηση από 10 εκατομμύρια δολάρια ετησίως με τη μείωση των προστίμων, τη βελτιστοποίηση των αγορών και την καταπολέμηση της κλοπής ηλεκτρικής ενέργειας.
Σχέδια για το μέλλον
Στο μέλλον, το σύστημα μπορεί να επεκταθεί για να αναλύσει την κατανάλωση άλλων πόρων που χρησιμοποιούνται στην παραγωγή: αδρανή αέρια, οξυγόνο και φυσικό αέριο, διάφορα είδη υγρών καυσίμων.
Εγγραφείτε και ακολουθήστε μας στο Yandex.Zen — τεχνολογία, καινοτομία, οικονομία, εκπαίδευση και κοινή χρήση σε ένα κανάλι.