ПАО Северстал је челичана и рударска компанија у чијем је власништву Металуршки комбинат Череповец, други по величини у нашој земљи. Компанија је у 2019. години произвела 11,9 милиона тона челика, са приходом од 8,2 милијарде долара
Пословни случај ПАО Северстал
Задатак
Северстал је одлучио да минимизира губитке компаније због погрешних прогноза потрошње електричне енергије, као и да елиминише неовлашћено прикључење на мрежу и крађу електричне енергије.
Позадина и мотивација
Металуршка и рударска предузећа су међу највећим потрошачима електричне енергије у индустрији. Чак и са веома високим уделом сопствене производње, годишњи трошкови предузећа за електричну енергију износе десетине, па чак и стотине милиона долара.
Многа од Северсталових подружница немају сопствене капацитете за производњу електричне енергије и купују их на велепродајном тржишту. Такве компаније подносе понуде у којима наводе колико су струје спремне да купе у датом дану и по којој цени. Ако се стварна потрошња разликује од декларисане прогнозе, онда потрошач плаћа додатну тарифу. Тако, због несавршене прогнозе, додатни трошкови електричне енергије могу достићи и до неколико милиона долара годишње за компанију у целини.
Решење
Северстал се окренуо САП-у, који је понудио да користи ИоТ и технологије машинског учења за прецизно предвиђање потрошње енергије.
Решење је имплементирао Северсталов Центар за технолошки развој на рудницима Воркутаугол, који немају сопствене производне капацитете и једини су потрошач на велетржишту електричне енергије. Развијени систем редовно прикупља податке са 2,5 хиљада мерних уређаја из свих дивизија Северстала о плановима и стварним вредностима продора и производње у свим подземним просторима и на активном руднику угља, као и о актуелним нивоима потрошње енергије. . Прикупљање вредности и поновно израчунавање модела се одвија на основу података који се добијају сваког сата.
имплементација
Предиктивна анализа коришћењем технологије машинског учења омогућава не само прецизније предвиђање будуће потрошње, већ и истицање аномалија у потрошњи електричне енергије. Такође је било могуће идентификовати неколико карактеристичних образаца за злоупотребе у овој области: на пример, познато је како „изгледа“ неовлашћено повезивање и рад фарме за рударење криптовалута.
Резултати
Предложено решење омогућава значајно побољшање квалитета прогнозе потрошње енергије (за 20–25% месечно) и уштеду од 10 милиона долара годишње смањењем казни, оптимизацијом куповине и сузбијањем крађе електричне енергије.
Планови за будућност
У будућности, систем се може проширити на анализу потрошње других ресурса који се користе у производњи: инертних гасова, кисеоника и природног гаса, разних врста течних горива.
Претплатите се и пратите нас на Иандек.Зен — технологија, иновације, економија, образовање и дељење на једном каналу.