PAO Severstal je čeličana i rudarska kompanija u čijem je vlasništvu Metalurški kombinat Čerepovec, drugi po veličini u našoj zemlji. U 2019. godini kompanija je proizvela 11,9 miliona tona čelika, uz prihod od 8,2 milijarde dolara
Poslovni slučaj PAO Severstal
zadatak
Severstal je odlučio da minimizira gubitke kompanije zbog pogrešnih prognoza potrošnje električne energije, kao i da eliminiše neovlašćeno priključenje na mrežu i krađu električne energije.
Pozadina i motivacija
Metalurške i rudarske kompanije su među najvećim potrošačima električne energije u industriji. Čak i sa veoma visokim udelom sopstvene proizvodnje, godišnji troškovi preduzeća za električnu energiju iznose desetine, pa čak i stotine miliona dolara.
Mnoge Severstalove podružnice nemaju sopstvene kapacitete za proizvodnju električne energije i kupuju ih na veleprodajnom tržištu. Takve kompanije podnose ponude u kojima navode koliko su struje spremne kupiti u datom danu i po kojoj cijeni. Ako se stvarna potrošnja razlikuje od deklarirane prognoze, onda potrošač plaća dodatnu tarifu. Tako, zbog nesavršene prognoze, dodatni troškovi električne energije mogu dostići i do nekoliko miliona dolara godišnje za kompaniju u cjelini.
rastvor
Severstal se okrenuo SAP-u, koji je ponudio korištenje IoT-a i tehnologije strojnog učenja za precizno predviđanje potrošnje energije.
Rješenje je implementirao Severstalov Centar za tehnološki razvoj u rudnicima Vorkutaugol, koji nemaju vlastite proizvodne pogone i jedini su potrošač na veleprodajnom tržištu električne energije. Razvijeni sistem redovno prikuplja podatke sa 2,5 hiljada mjernih uređaja iz svih divizija Severstala o planovima i stvarnim vrijednostima prodora i proizvodnje u svim podzemnim prostorima i na aktivnom rudniku uglja, kao i o trenutnim nivoima potrošnje energije. . Prikupljanje vrijednosti i ponovno izračunavanje modela odvija se na osnovu podataka koji se primaju svakog sata.
izvršenje
Prediktivna analiza pomoću tehnologije mašinskog učenja omogućava ne samo preciznije predviđanje buduće potrošnje, već i isticanje anomalija u potrošnji električne energije. Također je bilo moguće identificirati nekoliko karakterističnih obrazaca za zloupotrebe u ovoj oblasti: na primjer, poznato je kako "izgleda" neovlašteno povezivanje i rad farme za kriptomining.
Rezultati
Predloženo rješenje omogućava značajno poboljšanje kvaliteta prognoze potrošnje energije (za 20–25% mjesečno) i uštedu od 10 miliona dolara godišnje smanjenjem kazni, optimizacijom kupovine i suzbijanjem krađe električne energije.
Planovi za budućnost
U budućnosti, sistem se može proširiti na analizu potrošnje drugih resursa koji se koriste u proizvodnji: inertnih gasova, kiseonika i prirodnog gasa, raznih vrsta tečnih goriva.
Pretplatite se i pratite nas na Yandex.Zen — tehnologija, inovacije, ekonomija, obrazovanje i dijeljenje na jednom kanalu.