ПАО Северстал е компанија за челик и рударство која е сопственик на металуршкиот комбинат Череповец, втор по големина во нашата земја. Во 2019 година, компанијата произведе 11,9 милиони тони челик, со приход од 8,2 милијарди долари
Деловен случај на PAO Severstal
Задача
Северстал одлучи да ги минимизира загубите на компанијата поради погрешни прогнози за потрошувачката на електрична енергија, како и да ги елиминира неовластено приклучување на мрежата и кражба на електрична енергија.
Позадина и мотивација
Металуршките и рударските компании се меѓу најголемите потрошувачи на електрична енергија во индустријата. Дури и со многу висок удел на сопственото производство, годишните трошоци на претпријатијата за електрична енергија изнесуваат десетици, па дури и стотици милиони долари.
Многу од подружниците на Северстал немаат сопствен капацитет за производство на електрична енергија и го купуваат на пазарот на големо. Таквите компании доставуваат понуди во кои се наведува колку струја се подготвени да купат на даден ден и по која цена. Доколку вистинската потрошувачка се разликува од декларираната прогноза, тогаш потрошувачот плаќа дополнителна тарифа. Така, поради несовршена прогноза, дополнителните трошоци за електрична енергија можат да достигнат и до неколку милиони долари годишно за целата компанија.
Решение
Северстал се сврте кон SAP, кој понуди да користи IoT и технологии за машинско учење за прецизно да ја предвиди потрошувачката на енергија.
Решението е распоредено од Центарот за технолошки развој на Северстал во рудниците Воркутаугол, кои немаат сопствени капацитети за производство и се единствениот потрошувач на големопродажниот пазар на електрична енергија. Развиениот систем редовно собира податоци од 2,5 илјади мерни уреди од сите поделби на Северстал за плановите и реалните вредности на пенетрација и производство во сите подземни подрачја и во активниот рудник за јаглен, како и за сегашните нивоа на потрошувачка на енергија. . Собирањето на вредностите и повторното пресметување на моделот се одвива врз основа на податоците добиени секој час.
имплементација
Предиктивната анализа со користење на технологија за машинско учење овозможува не само попрецизно да се предвиди идната потрошувачка, туку и да се истакнат аномалиите во потрошувачката на електрична енергија. Исто така, беше можно да се идентификуваат неколку карактеристични обрасци за злоупотреби во оваа област: на пример, познато е како „изгледа“ неовластено поврзување и работење на фарма за криптоминирање.
Резултатите
Предложеното решение овозможува значително подобрување на квалитетот на предвидената потрошувачка на енергија (за 20–25% месечно) и заштеда од 10 милиони долари годишно со намалување на казните, оптимизирање на набавките и спречување на кражба на електрична енергија.
Планови за во иднина
Во иднина, системот може да се прошири за да се анализира потрошувачката на други ресурси што се користат во производството: инертни гасови, кислород и природен гас, разни видови течни горива.
Претплатете се и следете не на Yandex.Zen — технологија, иновации, економија, образование и споделување во еден канал.