PAO Severstal ir tērauda un kalnrūpniecības uzņēmums, kam pieder Čerepovecas metalurģijas rūpnīca, kas ir otra lielākā mūsu valstī. 2019. gadā uzņēmums saražoja 11,9 miljonus tonnu tērauda ar ieņēmumiem 8,2 miljardu dolāru apmērā
PAO Severstal biznesa gadījums
Uzdevums
Severstaļ nolēma līdz minimumam samazināt uzņēmuma zaudējumus kļūdainu elektroenerģijas patēriņa prognožu dēļ, kā arī novērst nesankcionētus pieslēgumus elektrotīklam un elektrības zādzību.
Priekšvēsture un motivācija
Metalurģijas un kalnrūpniecības uzņēmumi ir vieni no lielākajiem elektroenerģijas patērētājiem rūpniecībā. Pat ar ļoti lielu pašu ražošanas īpatsvaru uzņēmumu ikgadējās izmaksas par elektroenerģiju sasniedz desmitiem un pat simtiem miljonu dolāru.
Daudziem Severstaļ meitasuzņēmumiem nav savas elektroenerģijas ražošanas jaudas un tie pērk to vairumtirdzniecības tirgū. Šādi uzņēmumi iesniedz piedāvājumus, norādot, cik elektroenerģijas tie ir gatavi pirkt konkrētajā dienā un par kādu cenu. Ja faktiskais patēriņš atšķiras no deklarētās prognozes, tad patērētājs maksā papildus tarifu. Tādējādi nepilnīgas prognozes dēļ uzņēmumam kopumā elektroenerģijas papildu izmaksas var sasniegt pat vairākus miljonus dolāru gadā.
Šķīdums
Severstal vērsās pie SAP, kas piedāvāja izmantot IoT un mašīnmācīšanās tehnoloģijas, lai precīzi prognozētu enerģijas patēriņu.
Risinājumu ir ieviesis Severstaļ Tehnoloģiskās attīstības centrs Vorkutaugolas raktuvēs, kurām nav savu ražošanas iekārtu un kuras ir vienīgais patērētājs elektroenerģijas vairumtirdzniecības tirgū. Izstrādātā sistēma regulāri apkopo datus no 2,5 tūkstošiem mērierīču no visām Severstaļ nodaļām par iekļūšanas un ražošanas plāniem un faktiskajām vērtībām visās pazemes teritorijās un aktīvajā ogļraktuvē, kā arī par pašreizējiem enerģijas patēriņa līmeņiem. . Vērtību vākšana un modeļa pārrēķins notiek, pamatojoties uz katru stundu saņemtajiem datiem.
īstenošana
Prognozējošā analīze, izmantojot mašīnmācīšanās tehnoloģiju, ļauj ne tikai precīzāk prognozēt turpmāko patēriņu, bet arī izcelt elektroenerģijas patēriņa anomālijas. Varēja arī identificēt vairākus raksturīgus ļaunprātīgas izmantošanas modeļus šajā jomā: piemēram, ir zināms, kā “izskatās” nesankcionēta kriptominēšanas fermas pieslēgšana un darbība.
Rezultāti
Piedāvātais risinājums ļauj būtiski uzlabot enerģijas patēriņa prognozes kvalitāti (par 20–25% mēnesī) un ietaupīt no 10 miljoniem ASV dolāru gadā, samazinot naudas sodus, optimizējot iepirkumus un vēršoties pret elektroenerģijas zādzībām.
Nākotnes plāni
Nākotnē sistēmu var paplašināt, lai analizētu citu ražošanā izmantoto resursu patēriņu: inertās gāzes, skābekli un dabasgāzi, dažādu veidu šķidro kurināmo.
Abonējiet un sekojiet mums vietnē Yandex.Zen — tehnoloģija, inovācijas, ekonomika, izglītība un kopīgošana vienā kanālā.