PAO Severstal ही एक पोलाद आणि खाण कंपनी आहे जिच्याकडे Cherepovets मेटलर्जिकल प्लांटची मालकी आहे, जो आपल्या देशातील दुसऱ्या क्रमांकाचा सर्वात मोठा आहे. 2019 मध्ये, कंपनीने 11,9 दशलक्ष टन स्टीलचे उत्पादन केले, ज्याचा महसूल $8,2 अब्ज होता.
PAO Severstal चे व्यवसाय प्रकरण
कार्य
सेवेर्स्टलने विजेच्या वापरासाठी चुकीच्या अंदाजामुळे कंपनीचे नुकसान कमी करण्याचे तसेच ग्रीडशी अनधिकृत कनेक्शन आणि वीज चोरी दूर करण्याचा निर्णय घेतला.
पार्श्वभूमी आणि प्रेरणा
मेटलर्जिकल आणि खाण कंपन्या या उद्योगातील विजेच्या सर्वात मोठ्या ग्राहकांपैकी एक आहेत. स्वत:च्या उत्पादनाचा खूप मोठा वाटा असतानाही, विजेसाठी उद्योगांचा वार्षिक खर्च दहापट आणि अगदी शेकडो लाखो डॉलर्स इतका आहे.
सेव्हर्स्टलच्या अनेक उपकंपन्यांकडे स्वतःची वीज निर्मिती क्षमता नाही आणि ती घाऊक बाजारातून विकत घेतात. अशा कंपन्या ठराविक दिवशी किती वीज विकत घेण्यास तयार आहेत आणि कोणत्या किमतीला हे सांगून बोली सादर करतात. घोषित अंदाजापेक्षा वास्तविक वापर भिन्न असल्यास, ग्राहक अतिरिक्त दर भरतो. अशाप्रकारे, अपूर्ण अंदाजामुळे, संपूर्ण कंपनीसाठी अतिरिक्त वीज खर्च दरवर्षी अनेक दशलक्ष डॉलर्सपर्यंत पोहोचू शकतो.
उपाय
सेव्हरस्टलने SAP कडे वळले, ज्याने ऊर्जेच्या वापराचा अचूक अंदाज लावण्यासाठी IoT आणि मशीन लर्निंग तंत्रज्ञान वापरण्याची ऑफर दिली.
व्होर्कुटौगोल खाणींमध्ये सेवेर्स्टलच्या तंत्रज्ञान विकास केंद्राने हे समाधान तैनात केले आहे, ज्यांच्याकडे स्वतःची वीज निर्मिती सुविधा नाही आणि घाऊक वीज बाजारातील एकमेव ग्राहक आहेत. विकसित प्रणाली नियमितपणे सेव्हर्स्टलच्या सर्व विभागांमधून 2,5 हजार मीटरिंग डिव्हाइसेसमधून सर्व भूगर्भीय भागात आणि सक्रिय कोळसा खाणीवर तसेच उर्जेच्या वापराच्या सद्य स्तरावरील प्लॅन्स आणि प्रवेश आणि उत्पादनाच्या वास्तविक मूल्यांवर डेटा गोळा करते. . मूल्यांचे संकलन आणि मॉडेलची पुनर्गणना दर तासाला प्राप्त झालेल्या डेटाच्या आधारे होते.
अंमलबजावणी
मशीन लर्निंग टेक्नॉलॉजीचा वापर करून भविष्यसूचक विश्लेषणामुळे केवळ भविष्यातील वापराचा अधिक अचूक अंदाज लावणे शक्य होत नाही तर विजेच्या वापरातील विसंगती ठळक करणे देखील शक्य होते. या क्षेत्रातील गैरवर्तनासाठी अनेक वैशिष्ट्यपूर्ण नमुने ओळखणे देखील शक्य होते: उदाहरणार्थ, क्रिप्टोमाइनिंग फार्मचे अनधिकृत कनेक्शन आणि ऑपरेशन कसे "दिसते" हे ज्ञात आहे.
निकाल
प्रस्तावित उपायामुळे ऊर्जा वापराच्या अंदाजाची गुणवत्ता लक्षणीयरीत्या सुधारणे शक्य होते (20-25% मासिक) आणि दंड कमी करून, खरेदी ऑप्टिमाइझ करून आणि वीजचोरी रोखून वार्षिक $10 दशलक्ष बचत करणे शक्य होते.
भविष्यासाठी योजना
भविष्यात, उत्पादनामध्ये वापरल्या जाणार्‍या इतर संसाधनांच्या वापराचे विश्लेषण करण्यासाठी सिस्टमचा विस्तार केला जाऊ शकतो: निष्क्रिय वायू, ऑक्सिजन आणि नैसर्गिक वायू, विविध प्रकारचे द्रव इंधन.
Yandex.Zen — तंत्रज्ञान, नवकल्पना, अर्थशास्त्र, शिक्षण आणि एकाच चॅनेलमध्ये सामायिकरण वर सदस्यता घ्या आणि आमचे अनुसरण करा.