PAO Severstal est une entreprise sidérurgique et minière qui possède l'usine métallurgique de Cherepovets, la deuxième plus grande de notre pays. En 2019, l'entreprise a produit 11,9 millions de tonnes d'acier, avec un chiffre d'affaires de 8,2 milliards de dollars.
Analyse de rentabilisation de PAO Severstal
Tâche
Severstal a décidé de minimiser les pertes de l'entreprise dues à des prévisions erronées de consommation d'électricité, ainsi que d'éliminer les connexions non autorisées au réseau et le vol d'électricité.
Contexte et motivation
Les entreprises métallurgiques et minières sont parmi les plus gros consommateurs d'électricité dans l'industrie. Même avec une part très élevée de production propre, les coûts annuels des entreprises pour l'électricité s'élèvent à des dizaines voire des centaines de millions de dollars.
De nombreuses filiales de Severstal ne disposent pas de leur propre capacité de production d'électricité et l'achètent sur le marché de gros. Ces entreprises soumettent des offres indiquant la quantité d'électricité qu'elles sont prêtes à acheter un jour donné et à quel prix. Si la consommation réelle diffère de la prévision déclarée, le consommateur paie un tarif supplémentaire. Ainsi, en raison d'une prévision imparfaite, les surcoûts d'électricité peuvent atteindre plusieurs millions de dollars par an pour l'ensemble de l'entreprise.
Solution
Severstal s'est tournée vers SAP, qui a proposé d'utiliser les technologies IoT et d'apprentissage automatique pour prédire avec précision la consommation d'énergie.
La solution a été déployée par le Centre de développement technologique de Severstal dans les mines de Vorkutaugol, qui ne disposent pas de leurs propres installations de production et sont le seul consommateur sur le marché de gros de l'électricité. Le système développé collecte régulièrement des données de 2,5 mille appareils de mesure de toutes les divisions de Severstal sur les plans et les valeurs réelles de pénétration et de production dans toutes les zones souterraines et sur la mine de charbon active, ainsi que sur les niveaux actuels de consommation d'énergie . La collecte des valeurs et le recalcul du modèle s'effectuent sur la base des données reçues toutes les heures.
la mise en oeuvre
L'analyse prédictive utilisant la technologie d'apprentissage automatique permet non seulement de prédire plus précisément la consommation future, mais également de mettre en évidence les anomalies de consommation d'électricité. Il a également été possible d'identifier plusieurs schémas caractéristiques d'abus dans ce domaine : par exemple, on sait à quoi « ressemble » une connexion et une exploitation non autorisées d'une ferme de cryptominage.
Les résultats
La solution proposée permet d'améliorer significativement la qualité de la prévision de consommation d'énergie (de 20 à 25 % par mois) et d'économiser jusqu'à 10 millions de dollars par an en réduisant les amendes, en optimisant les achats et en luttant contre le vol d'électricité.
Projets pour l'avenir
À l'avenir, le système pourra être étendu pour analyser la consommation d'autres ressources utilisées dans la production : gaz inertes, oxygène et gaz naturel, divers types de combustibles liquides.
Abonnez-vous et suivez-nous sur Yandex.Zen - technologie, innovation, économie, éducation et partage sur un seul canal.