PAO Severstal je čeličana i rudarska tvrtka koja posjeduje metalurški pogon Cherepovets, drugi po veličini u našoj zemlji. U 2019. tvrtka je proizvela 11,9 milijuna tona čelika, uz prihod od 8,2 milijarde dolara
Poslovni slučaj PAO Severstal
Zadatak
Severstal je odlučio minimizirati gubitke tvrtke zbog pogrešnih prognoza potrošnje električne energije, kao i eliminirati neovlaštena priključenja na mrežu i krađu električne energije.
Pozadina i motivacija
Metalurške i rudarske tvrtke među najvećim su potrošačima električne energije u industriji. Čak i uz vrlo visok udio vlastite proizvodnje, godišnji troškovi poduzeća za električnu energiju iznose desetke, pa čak i stotine milijuna dolara.
Mnoge Severstalove podružnice nemaju vlastite kapacitete za proizvodnju električne energije i kupuju je na veleprodajnom tržištu. Takve tvrtke daju ponude u kojima navode koliko su električne energije spremni kupiti na određeni dan i po kojoj cijeni. Ako se stvarna potrošnja razlikuje od deklarirane prognoze, tada potrošač plaća dodatnu tarifu. Stoga, zbog nesavršene prognoze, dodatni troškovi električne energije mogu doseći i do nekoliko milijuna dolara godišnje za tvrtku u cjelini.
Riješenje
Severstal se obratio SAP-u koji je ponudio korištenje IoT i tehnologija strojnog učenja za točno predviđanje potrošnje energije.
Rješenje je implementirao Severstalov Centar za tehnološki razvoj u rudnicima Vorkutaugol, koji nemaju vlastita proizvodna postrojenja i jedini su potrošač na veleprodajnom tržištu električne energije. Razvijeni sustav redovito prikuplja podatke s 2,5 tisuća mjernih uređaja iz svih odjela Severstala o planovima i stvarnim vrijednostima prodora i proizvodnje u svim podzemnim prostorima i aktivnom rudniku ugljena, kao io trenutnim razinama potrošnje energije. . Prikupljanje vrijednosti i ponovni izračun modela odvija se na temelju podataka primljenih svaki sat.
izvršenje
Prediktivna analiza pomoću tehnologije strojnog učenja omogućuje ne samo točnije predviđanje buduće potrošnje, već i isticanje anomalija u potrošnji električne energije. Također je bilo moguće identificirati nekoliko karakterističnih obrazaca za zlouporabe u ovom području: na primjer, poznato je kako “izgleda” neovlašteno povezivanje i rad farme za kriptomarenje.
Rezultati
Predloženo rješenje omogućuje značajno poboljšanje kvalitete prognoze potrošnje energije (za 20–25% mjesečno) i uštedu od 10 milijuna dolara godišnje smanjenjem kazni, optimizacijom kupnje i suzbijanjem krađe električne energije.
Planovi za budućnost
U budućnosti se sustav može proširiti i na analizu potrošnje drugih resursa koji se koriste u proizvodnji: inertnih plinova, kisika i prirodnog plina, raznih vrsta tekućih goriva.
Pretplatite se i pratite nas na Yandex.Zen — tehnologija, inovacija, ekonomija, obrazovanje i dijeljenje na jednom kanalu.