PAO Severstal er et stål- og gruveselskap som eier Cherepovets metallurgiske anlegg, det nest største i landet vårt. I 2019 produserte selskapet 11,9 millioner tonn stål, med en omsetning på 8,2 milliarder dollar
Business case av PAO Severstal
Oppgave
Severstal bestemte seg for å minimere selskapets tap på grunn av feilprognoser for strømforbruk, samt å eliminere uautoriserte tilkoblinger til nettet og tyveri av strøm.
Bakgrunn og motivasjon
Metallurgiske og gruveselskaper er blant de største forbrukerne av elektrisitet i industrien. Selv med en svært høy andel egenproduksjon utgjør bedriftenes årlige kostnader for elektrisitet titalls og til og med hundrevis av millioner av dollar.
Mange av Severstals datterselskaper har ikke egen kraftproduksjonskapasitet og kjøper den på grossistmarkedet. Slike selskaper legger inn bud på hvor mye strøm de er villige til å kjøpe på en gitt dag og til hvilken pris. Hvis det faktiske forbruket avviker fra den deklarerte prognosen, betaler forbrukeren en tilleggstariff. På grunn av en ufullkommen prognose kan dermed ekstra strømkostnader komme opp i flere millioner dollar i året for selskapet som helhet.
Oppløsning
Severstal henvendte seg til SAP, som tilbød seg å bruke IoT og maskinlæringsteknologier for nøyaktig å forutsi energiforbruk.
Løsningen er utplassert av Severstals senter for teknologisk utvikling ved Vorkutaugol-gruvene, som ikke har egne produksjonsanlegg og er den eneste forbrukeren på grossistmarkedet for elektrisitet. Det utviklede systemet samler regelmessig inn data fra 2,5 tusen måleenheter fra alle divisjoner av Severstal om planene og faktiske verdier for penetrering og produksjon i alle underjordiske områder og på den aktive kullgruven, så vel som om dagens nivåer av energiforbruk . Innsamling av verdier og omberegning av modellen skjer på grunnlag av data som mottas hver time.
gjennomføring
Prediktiv analyse ved hjelp av maskinlæringsteknologi gjør det mulig ikke bare å mer nøyaktig forutsi fremtidig forbruk, men også å synliggjøre anomalier i strømforbruket. Det var også mulig å identifisere flere karakteristiske mønstre for overgrep i dette området: for eksempel er det kjent hvordan en uautorisert tilkobling og drift av en kryptomineringsfarm «ser ut».
Resultatene
Den foreslåtte løsningen gjør det mulig å forbedre kvaliteten på energiforbruksprognosen betydelig (med 20–25 % månedlig) og spare fra 10 millioner dollar årlig ved å redusere bøter, optimalisere innkjøp og motvirke strømtyveri.
Planer for fremtiden
I fremtiden kan systemet utvides til å analysere forbruket av andre ressurser som brukes i produksjonen: inerte gasser, oksygen og naturgass, ulike typer flytende brensel.
Abonner og følg oss på Yandex.Zen — teknologi, innovasjon, økonomi, utdanning og deling i én kanal.