Post on 16-Jan-2016
description
Denis MaiaDenis MaiaPresidentePresidente
denis@choice.com.brdenis@choice.com.br
O uso de sistema de business O uso de sistema de business intelligence na redução de perdasintelligence na redução de perdas
Marcos Aurélio Madureira da SilvaMarcos Aurélio Madureira da SilvaDiretor Comercial CorporativoDiretor Comercial Corporativo
madureira@cataguazes.com.brmadureira@cataguazes.com.br
Sistema Cataguazes-LeopoldinaNordeste do BrasilNordeste do Brasil
Sudeste do BrasilSudeste do Brasil
BrasilBrasil
SAELPASAELPA Área: 54.595 Km2
Consumidores : 837 mil
Área: 1.789 Km2
Consumidores : 131 mil
Área: 17.419 Km2
Consumidores : 436 mil
Área: 17.331 Km2
Consumidores : 378 mil
Base: Abril / 04
Combate as Perdas Comerciais• Principais ações já realizadas
– Regularização Consumidores Clandestinos– Acerto de Cadastros– Combate a Fraudes– Calibração de Medidores– Regularização de Instalações de medição
• Resultados já alcançados– Redução em 50% das perdas Comercias no período de
dez/ 2001 a junho2004 • 9% em dezembro de 2001• 4,6% em junho de 2004
Desafios Atuais
• Melhorar a eficácia do processo de identificação de perdas– Quanto ?– Onde?– Que tipo?
• Otimizar o processo de Combate as Perdas– Quais ações devem ser priorizadas?– Como devem ser efetuadas as ações ?
• Receber os valores perdidos• Manter a eliminação das perdas
Novas Armas
• A análise e uso adequado de informações confiáveis, rápidas e com custos compatíveis faz a diferença na luta para redução e gestão das perdas comerciais.
• A existência de pessoal capacitado e com ferramentas de gestão inteligente permite o enfrentamento da fraude e roubo de energia, que crescem cada vez mais.
Recuperação de Receitas• Quando se detecta uma fraude :
– Recupera-se o valor de energia consumida que foi furtada pelo tempo que seja possível compravar, denominado kWh recuperado;
– Do volume total de energia consumida que esta sendo furtada, uma parte não será mais consumida – redução da energia requerida, e outra parte continuará sendo consumida, mas agora sendo faturada – kWh agregado.
Aumentando a recuperação de perdas
Mudança de padrão de distribuição
Mudança de padrão de entrada
Cabos, medidores e selos anti-furto
Balanço de carga até transformador
AMR com PLC
Sistemas e equipe de inspeção
Total de energia recuperada + agregada
Otimização das estratégias de redução de perdas
Com o RI
Sem o RI
Curvas de produtividade de inspeção
Curva de produtividade
sem o RI
Custo
EnergiaRecuperada +
Agregada Ponto ótimoenergia / custo
Incremento de energia com mesmo custo
Tecnologias de identificação de Perdas
• Sistemas de Gestão de Perdas– Revenue Intelligence
• Definição de Regras de “Indícios de Fraude”
• Definição de alarmes
• Identificação de Pontos de perdas
• Análise
• Filtros e Perfis
• Priorização
Gerando Regras de identificação• Usuais
– Variação de consumo mensal– Comparação entre consumidores de mesma região– Característica da unidade (nº de fases, tipo de atividade, média de
consumo)– Pré inspeções de leituristas– Denuncias
• Novas– Perdas no segmento do sistema elétrico– Comparações com consumos médios de consumidores de mesmo
“tipo”– Alarmes de Campo– Correlação com outras dados do consumidor “bancos de dados
externos”
• “Data Mining”
Exemplo real na Saelpa - Combate a Perdas• Região com 2 alimentadores com perdas altas• Antes da utilização do Revenue Intelligence :
– Identificação de Suspeita de Irregularidade (código 55) indicada pelo Setor de Leitura da SAELPA
– Relatórios de anomalias emitido pelo módulo de fraude do Sistema de Faturamento
– Denúncias de clientes
– Suspeitas de irregularidade indicada por funcionários de outros setores da SAELPA
• Utilizando o Revenue Intelligence - Regras de anomalias de consumo criadas:
– Cliente Trifásico Ligado com consumo médio abaixo de 100kWhConceito da Regra: Um cliente trifásico geralmente possui um consumo acima de 100kWh mensal
– Cliente Ligado e Faturado pelo Mínimo nos últimos 3 mesesConceito da Regra: Clientes que se encontram sendo faturados pelo mínimo continuamente e que se não atuarmos rapidamente continuarão imputando perdas à SAELPA/CELB.
– Cliente Ligado que teve queda de 30% no seu consumo médio nos últimos 3 meses, em relação ao seu próprio consumo médio num período de 12 meses, anteriores aos 3 últimos meses.Conceito da Regra: Identificar fraudes recentes
– Cliente Ligado que teve nos últimos 16 meses pelo menos um consumo 70% maior que seu consumo médio do último trimestre.Conceito da Regra: Identificar fraudes mais antigas
Exemplo real na Saelpa - Combate a Perdas
• Utilizando o Revenue Intelligence - Regras de irregularidades criadas:
– Irregularidade 55 – Suspeita de Fraude – Identificada Pelo Leiturista– Irregularidade 06 – Cliente impediu Leitura – Identificada pelo Leiturista– Irregularidade 52 – Vidro do Medidor Quebrado – Identificada pelo Leiturista– Irregularidade 88 – Medidor Retirado Pelo Cliente sem autorização – Identificada
Pelo Leiturista– Irregularidade 85 – Necessidade Urgente de Medidor – Identificada pelo Leiturista– Irregularidade 70 – Imóvel Desocupado – Identificada pelo Leiturista– Irregularidade 69 – Medidor com Defeito – Identificada Pelo Leiturista– Irregularidade 50 – Constante do Medidor Errada – Identificada pelo Leiturista– Irregularidade 59 – Disco do Medidor Girando em Sentido Contrário – Identificada
pelo Leiturista– Irregularidade 60 – Ligação Direta Sem Medidor – Identificada Pelo Leiturista– Ocorrência do Sistema 98 – Consumo Abaixo da Média Mensal – Identificada pelo
Sistema– Ocorrência do Sistema 71 – Leitura Atual Menor que Leitura Anterior – Identificada
pelo Sistema– Ocorrência do Sistema 49 – kWh de Leitura com Valor Negativo – Identificada pelo
Sistema– Ocorrência do Sistema 22 – Leitura Atual Igual a Leitura Anterior – Identificada pelo
Sistema
Exemplo real na Saelpa - Combate a Perdas
• Utilizando o Revenue Intelligence - Regras de ordens de serviço criadas:
– Ordem de Serviço 22 – Inspeção via SIAIF
– Ordem de Serviço 33 – Inspeção
– Ordem de Serviço 29 – Substituição de Medidor para Aferição
– Ordem de Serviço 83 – Substituição de Medidor
Exemplo real na Saelpa - Combate a Perdas
• Utilizando o Revenue Intelligence - Perfis criados:– Combinando :
• Regras de anomalias de consumo e
• Regra de irregularidade
• Que não tenham ordens de serviços associados
– Inspeções foram priorizadas por:• Nível de risco = somatório dos pesos das regras de anomalia de
consumo e de irregularidade encontradas;
• Gravidade financeira
– Resultado :• Aumento da taxa de eficiência (fraudes / inspeções);
• Aumento da produtividade (kWh recuperado / inspeções).
Exemplo real na Saelpa - Combate a Perdas
Exemplo real na Saelpa - Combate a Perdas
Redução da energia requerida em 14%Redução das perdas de 30,5% para 20,1%
SOUSA - Requerida X Faturamento - 2004 (Sem MWh Recuperado)
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
3.000.000
3.500.000
4.000.000
Energia L2 e L4 3.763.0 3.356.0 3.757.0 3.761.0 3.691.0 3.230.0
Faturamento sem MWhR 2.783.1 2.347.4 2.250.7 2.616.5 2.564.8 2.580.1
Perdas sem MWhR 26,0% 30,1% 40,1% 30,4% 30,5% 20,1%
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
• Média mensal de kWh recuperados por inspeção nos últimos 12 meses = 75,6
• Valor mensal de kWh recuperado com o RI = 183,4
• Aumento de recuperação por inspeção de 107,8 kWh (143%)
kWh Recuperado Por Inspeção Realizada
2003 2004
jan 35 77
fev 89 85
mar 109 34
abr 61 72
mai 68 198
jun 90 169
jul 39
ago 75
set 79
out 131
nov 114
dez 43
CELB
kWh recuperado por inspeção
0
50
100
150
200
250
jan fev mar abr mai jun jul ago set out nov dez
20032004
CELB
• Média mensal de kWh recuperados nos últimos 12 meses = 86.501
• Valor mensal de kWh recuperado com o RI = 177.245
• Aumento mensal de recuperação de 91 MWh (105%)
• Aumento anual estimado de recuperação de 2,45 GWh
kWh Recuperado CELB
2.003 2.004
jan 39.837 87.086
fev 88.207 62.589
mar 82.093 27.039
abr 73.304 105.201
mai 80.753 187.491
jun 99.244 167.000
jul 60.620
ago 99.549
set 102.609
out 141.001
nov 110.192
dez 62.123
CELB
kWh recuperado
020.00040.00060.00080.000
100.000120.000140.000160.000180.000200.000
jan fev mar abr mai jun jul ago set out nov dez
2003
2004
CELB
• Média mensal de kWh recuperados por inspeção nos últimos 12 meses = 247,8
• Valor mensal de kWh recuperado com o RI = 565,5
• Aumento de recuperação por inspeção de 317,7 kWh (128%)
kWh Recuperado Por Inspeção Realizada
2003 2004
jan 725 198
fev 284 208
mar 328 84
abr 415 304
mai 282 579
jun 353 552
jul 301
ago 238
set 324
out 188
nov 213
dez 281
SAELPA
kWh recuperado por inspeção
0
200
400
600
800
jan
fev
mar
abrm
aiju
n jul
agose
tout
novdez
2003
2004
SAELPA
• Média mensal de kWh recuperados nos últimos 12 meses = 866.429
• Valor mensal de kWh recuperado com o RI = 2.260.614
• Aumento mensal de recuperação de 1,39 GWh (161%)
• Aumento anual estimado de recuperação de 24,45 GWh
kWh Recuperado SAELPA
2003 2004
jan 1.693.810 704.266
fev 763.000 642.202
mar 822.874 335.811
abr 1.087.601 1.124.337
mai 951.880 2.324.228
jun 969.147 2.197.000
jul 1.284.669
ago 947.390
set 1.222.118
out 713.890
nov 640.438
dez 861.000
SAELPA
kWh recuperado
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
jan fev mar abr mai jun jul ago set out nov dez
2003
2004
SAELPA
Recuperação de Receitas• SAELPA :
– Venda de energia: 2.269 GWh (mercado próprio)
– Redução de perdas de 18,88%% para 17,63% (1,25%)
– Projeção de energia recuperada de 24,45 GWh por ano
– Projeção de energia agregada de 13,64 GWh por ano
– Projeção de incremento de energia 38,09 GWh por ano 1,68% da venda anual
– Projeção de redução de energia requerida de 4,09 GWh
Recuperação de Receitas• CELB :
– Venda de energia: 524 GWh (mercado próprio) ;
– Redução de perdas de 8,89%% para 7,65% (1,24%)
– Projeção de energia recuperada de 2,45 GWh por ano
– Projeção de energia agregada de 1,25 GWh por ano
– Projeção de incremento de energia 3,70 GWh por ano 0,71% da venda anual
– Projeção de redução de energia requerida de 0,37 GWh
Recuperação de ReceitasEmpresa Quantidade de
consumidoresÁrea
geográficaDensidade
(consumidores/Km2)Venda anual Incremento de
produtividade de inspeção
(KWh/inspeção)
Perdas totais (antes do RI)
Perdas totais (depois do RI)
Redução de Perdas
SAELPA 837.000 54.595 Km2 15,33 2.269 GWh 128% 18,88% 17,63% 1,25%
CELB 131.000 1.789 Km2 73,23 524 GWh 143% 8,89% 7,65% 1,24%
Empresa Venda anual Projeção de incremento anual de energia recuperada
Projeção de incremento anual
de energia agregada
Projeção total de incremento
anual de energia
% de incremento em relação à venda
anual
Projeção de redução anual
de energia requerida
SAELPA 2.269 GWh 24,45 GWh 13,64 GWh 38,09 GWh 1,68% 4,09 GWh
CELB 524 GWh 2,45 GWh 1,25 GWh 3,70 GWh 0,71% 0,37 GWh
Centro de InteligênciaCentro de Inteligência
• Centralização de Informações– Dados de sistemas elétricos– Dados de medição
• Compra de Energia• Venda de Energia• Operação de Sistemas
• Sistemas de Análise– Gestão de Redes– Pesquisa e análise– Gestão de Inspeções e fraudes
Centro de InteligênciaCentro de Inteligência
• Gestão do Conhecimento– Resultados de Campo– Definição de Regras– “Data Mining”– Transferência ordenada de conhecimento
• Campo <<<<>>>> Sistemas de Gestão
Centro de InteligênciaCentro de Inteligência• Analistas de perdas dedicados para
utilização do Revenue Intelligence• Competências do analista de perdas :
Conhecimento sobre perdas (tipos de fraude, características técnicas, etc)
Conhecimento sobre as informações existentes sobre os consumidores
Conhecimento de lógica Criatividade para criar regras e perfis de
investigação Capacidade de planejamento e otimização de
recursos
ConclusõesConclusões
• Incremento de produtividade entre 128% e 143%• Projeções de recuperação anual entre 0,71% e
1,68% da venda• Resultados independentes de volume de
consumidores, densidade ou volume total de perdas
• Perspectiva futura de ampliação da utilização para outras aplicações : inadimplência, planejamento de demanda, etc.