PAO Severstal är ett stål- och gruvföretag som äger Cherepovets metallurgiska anläggning, den näst största i vårt land. Under 2019 producerade företaget 11,9 miljoner ton stål, med en omsättning på 8,2 miljarder dollar
Business case av PAO Severstal
uppgift
Severstal beslutade att minimera företagets förluster på grund av felaktiga prognoser för elförbrukningen samt att eliminera otillåtna anslutningar till nätet och stöld av el.
Bakgrund och motivation
Metallurgiska och gruvföretag är bland de största konsumenterna av el inom industrin. Även med en mycket hög andel egenproduktion uppgår företagens årliga kostnader för el till tiotals och till och med hundratals miljoner dollar.
Många av Severstals dotterbolag har ingen egen kraftproduktionskapacitet och köper den på grossistmarknaden. Sådana företag lämnar anbud som anger hur mycket el de är villiga att köpa en viss dag och till vilket pris. Om den faktiska förbrukningen avviker från den deklarerade prognosen, betalar konsumenten en tilläggstaxa. På grund av en ofullständig prognos kan således ytterligare elkostnader nå upp till flera miljoner dollar per år för företaget som helhet.
Lösning
Severstal vände sig till SAP, som erbjöd sig att använda IoT och maskininlärningsteknik för att exakt förutsäga energiförbrukningen.
Lösningen har implementerats av Severstals centrum för teknisk utveckling vid Vorkutaugol-gruvorna, som inte har egna produktionsanläggningar och är den enda konsumenten på grossistmarknaden för el. Det utvecklade systemet samlar regelbundet in data från 2,5 tusen mätenheter från alla divisioner av Severstal om planerna och faktiska värden för penetration och produktion i alla underjordiska områden och på den aktiva kolgruvan, såväl som om nuvarande nivåer av energiförbrukning . Insamlingen av värden och omräkningen av modellen sker på basis av data som tas emot varje timme.
genomförande
Prediktiv analys med hjälp av maskininlärningsteknik gör det möjligt att inte bara mer exakt förutsäga framtida förbrukning, utan också att lyfta fram anomalier i elförbrukningen. Det var också möjligt att identifiera flera karakteristiska mönster för missbruk inom detta område: till exempel är det känt hur en obehörig anslutning och drift av en kryptomineringsfarm "ser ut".
Resultaten
Den föreslagna lösningen gör det möjligt att avsevärt förbättra kvaliteten på energiförbrukningsprognosen (med 20–25 % månadsvis) och spara från 10 miljoner USD årligen genom att minska böterna, optimera inköp och motverka elstöld.
Planer för framtiden
I framtiden kan systemet byggas ut för att analysera förbrukningen av andra resurser som används i produktionen: inerta gaser, syre och naturgas, olika typer av flytande bränslen.
Prenumerera och följ oss på Yandex.Zen — teknik, innovation, ekonomi, utbildning och delning i en kanal.