PAO Severstal is 'n staal- en mynmaatskappy wat die Cherepovets Metallurgiese Aanleg besit, die tweede grootste in ons land. In 2019 het die maatskappy 11,9 miljoen ton staal geproduseer, met 'n inkomste van $8,2 miljard
Sakesaak van PAO Severstal
Taak
Severstal het besluit om die maatskappy se verliese weens foutiewe voorspellings vir elektrisiteitsverbruik te minimaliseer, asook om ongemagtigde aansluitings aan die netwerk en diefstal van elektrisiteit uit te skakel.
Agtergrond en motivering
Metallurgiese en mynboumaatskappye is van die grootste verbruikers van elektrisiteit in die industrie. Selfs met 'n baie hoë deel van eie opwekking, beloop die jaarlikse koste van ondernemings vir elektrisiteit tiene en selfs honderde miljoene dollars.
Baie van Severstal se filiale het nie hul eie kragopwekkingsvermoë nie en koop dit op die groothandelmark. Sulke maatskappye dien aanbiedinge in wat aandui hoeveel elektrisiteit hulle bereid is om op 'n gegewe dag te koop en teen watter prys. As die werklike verbruik verskil van die verklaarde voorspelling, dan betaal die verbruiker 'n bykomende tarief. Dus, as gevolg van 'n onvolmaakte voorspelling, kan bykomende elektrisiteitskoste tot 'n paar miljoen dollar per jaar vir die maatskappy as geheel bereik.
Oplossing
Severstal het hom tot SAP gewend, wat aangebied het om IoT en masjienleertegnologie te gebruik om energieverbruik akkuraat te voorspel.
Die oplossing is ontplooi deur Severstal se Sentrum vir Tegnologiese Ontwikkeling by die Vorkutaugol-myne, wat nie hul eie opwekkingsfasiliteite het nie en die enigste verbruiker op die groothandel-elektrisiteitsmark is. Die ontwikkelde stelsel versamel gereeld data van 2,5 duisend meettoestelle van alle afdelings van Severstal oor die planne en werklike waardes van penetrasie en produksie in alle ondergrondse gebiede en op die aktiewe steenkoolmyn, sowel as oor huidige vlakke van energieverbruik . Die insameling van waardes en herberekening van die model vind plaas op grond van data wat elke uur ontvang word.
implementering
Voorspellende analise met behulp van masjienleertegnologie maak dit moontlik om nie net toekomstige verbruik meer akkuraat te voorspel nie, maar ook om afwykings in elektrisiteitsverbruik uit te lig. Dit was ook moontlik om verskeie kenmerkende patrone vir misbruik in hierdie area te identifiseer: dit is byvoorbeeld bekend hoe 'n ongemagtigde koppeling en werking van 'n kriptomningplaas "lyk".
Die resultate
Die voorgestelde oplossing maak dit moontlik om die gehalte van die energieverbruikvoorspelling aansienlik te verbeter (met 20–25% maandeliks) en jaarliks vanaf $10 miljoen te bespaar deur boetes te verminder, aankope te optimaliseer en elektrisiteitsdiefstal teen te werk.
Planne vir die toekoms
In die toekoms kan die stelsel uitgebrei word om die verbruik van ander hulpbronne wat in produksie gebruik word, te ontleed: inerte gasse, suurstof en aardgas, verskeie soorte vloeibare brandstof.
Teken in en volg ons op Yandex.Zen — tegnologie, innovasie, ekonomie, onderwys en deel in een kanaal.