PAO Severstal er et stål- og mineselskab, der ejer Cherepovets Metallurgical Plant, det næststørste i vores land. I 2019 producerede virksomheden 11,9 millioner tons stål med en omsætning på $8,2 milliarder
Business case af PAO Severstal
Opgaver
Severstal besluttede at minimere virksomhedens tab på grund af fejlprognoser for elforbruget, samt at fjerne uautoriserede tilslutninger til nettet og tyveri af el.
Baggrund og motivation
Metallurgiske og mineselskaber er blandt de største forbrugere af elektricitet i industrien. Selv med en meget høj andel af egen produktion beløber virksomhedernes årlige omkostninger til elektricitet sig til ti og endda hundredvis af millioner dollars.
Mange af Severstals datterselskaber har ikke deres egen elproduktionskapacitet og køber den på engrosmarkedet. Sådanne virksomheder afgiver bud på, hvor meget strøm de er villige til at købe på en given dag og til hvilken pris. Hvis det faktiske forbrug afviger fra den deklarerede prognose, betaler forbrugeren en ekstra takst. På grund af en ufuldkommen prognose kan yderligere elomkostninger nå op til flere millioner dollars om året for virksomheden som helhed.
Løsning
Severstal henvendte sig til SAP, som tilbød at bruge IoT og maskinlæringsteknologier til præcist at forudsige energiforbruget.
Løsningen er implementeret af Severstals Center for Teknologisk Udvikling ved Vorkutaugol-minerne, som ikke har deres egne produktionsanlæg og er den eneste forbruger på engrosmarkedet for el. Det udviklede system indsamler regelmæssigt data fra 2,5 tusinde måleenheder fra alle afdelinger af Severstal om planerne og faktiske værdier for penetration og produktion i alle underjordiske områder og på den aktive kulmine, såvel som på nuværende niveauer af energiforbrug . Indsamling af værdier og genberegning af modellen sker på basis af data modtaget hver time.
implementering
Prædiktiv analyse ved hjælp af maskinlæringsteknologi gør det muligt ikke kun at forudsige fremtidigt forbrug mere præcist, men også at fremhæve uregelmæssigheder i elforbruget. Det var også muligt at identificere flere karakteristiske mønstre for misbrug på dette område: for eksempel er det kendt, hvordan en uautoriseret forbindelse og drift af en kryptomineringsfarm "ser ud".
Resultaterne
Den foreslåede løsning gør det muligt væsentligt at forbedre kvaliteten af energiforbrugsprognosen (med 20-25 % månedligt) og spare fra $10 millioner årligt ved at reducere bøder, optimere indkøb og modvirke el-tyveri.
Planer for fremtiden
I fremtiden kan systemet udvides til at analysere forbruget af andre ressourcer, der bruges i produktionen: inerte gasser, ilt og naturgas, forskellige typer flydende brændstoffer.
Abonner og følg os på Yandex.Zen — teknologi, innovation, økonomi, uddannelse og deling på én kanal.