PAO Severstal یک شرکت فولاد و معدن است که مالک کارخانه متالورژی Cherepovets، دومین کارخانه بزرگ در کشور ما است. در سال 2019، این شرکت 11,9 میلیون تن فولاد با درآمد 8,2 میلیارد دلار تولید کرد.
پرونده تجاری PAO Severstal
کار
Severstal تصمیم گرفت به دلیل پیش بینی های اشتباه مصرف برق و همچنین حذف اتصالات غیرمجاز به شبکه و سرقت برق، ضرر و زیان شرکت را به حداقل برساند.
زمینه و انگیزه
شرکت های متالورژی و معدن از بزرگترین مصرف کنندگان برق در صنعت هستند. حتی با وجود سهم بسیار بالای تولید خود، هزینه‌های سالانه شرکت‌ها برای برق به ده‌ها و حتی صدها میلیون دلار می‌رسد.
بسیاری از شرکت های تابعه Severstal ظرفیت تولید برق خود را ندارند و آن را از بازار عمده فروشی خریداری می کنند. چنین شرکت هایی پیشنهاداتی را ارائه می کنند که در آن اعلام می کنند چقدر برق در یک روز معین و به چه قیمتی مایل به خرید هستند. اگر مصرف واقعی با پیش بینی اعلام شده متفاوت باشد، مصرف کننده تعرفه اضافی می پردازد. بنابراین، به دلیل یک پیش‌بینی ناقص، هزینه‌های برق اضافی می‌تواند به چندین میلیون دلار در سال برای کل شرکت برسد.
راه حل
Severstal به SAP روی آورد، که پیشنهاد استفاده از فناوری IoT و یادگیری ماشین را برای پیش‌بینی دقیق مصرف انرژی داد.
این راه حل توسط مرکز توسعه فناوری Severstal در معادن Vorkutaugol که امکانات تولید خود را ندارند و تنها مصرف کننده در بازار عمده فروشی برق هستند، به کار گرفته شده است. سیستم توسعه یافته به طور منظم داده ها را از 2,5 هزار دستگاه اندازه گیری از تمام بخش های Severstal در مورد برنامه ها و مقادیر واقعی نفوذ و تولید در تمام مناطق زیرزمینی و در معدن زغال سنگ فعال و همچنین در مورد سطوح فعلی مصرف انرژی جمع آوری می کند. . جمع آوری مقادیر و محاسبه مجدد مدل بر اساس داده های دریافتی هر ساعت صورت می گیرد.
پیاده سازی
تجزیه و تحلیل پیش‌بینی‌کننده با استفاده از فناوری یادگیری ماشین نه تنها پیش‌بینی دقیق‌تر مصرف آینده، بلکه همچنین برجسته کردن ناهنجاری‌های مصرف برق را ممکن می‌سازد. همچنین امکان شناسایی چندین الگوی مشخص برای سوء استفاده در این زمینه وجود داشت: به عنوان مثال، مشخص است که چگونه یک اتصال و عملکرد غیرمجاز یک مزرعه استخراج رمزنگاری "به نظر می رسد".
نتایج
راه حل پیشنهادی بهبود قابل توجهی در کیفیت پیش‌بینی مصرف انرژی (ماهانه 20 تا 25 درصد) و صرفه‌جویی سالانه 10 میلیون دلاری با کاهش جریمه‌ها، بهینه‌سازی خریدها و مقابله با سرقت برق را ممکن می‌سازد.
برنامه ها برای آینده
در آینده، سیستم را می توان برای تجزیه و تحلیل مصرف سایر منابع مورد استفاده در تولید گسترش داد: گازهای بی اثر، اکسیژن و گاز طبیعی، انواع مختلف سوخت مایع.
مشترک شوید و ما را در Yandex.Zen دنبال کنید — فناوری، نوآوری، اقتصاد، آموزش و اشتراک گذاری در یک کانال.