Denis Maia Presidente [email protected]

37
Denis Maia Denis Maia Presidente Presidente [email protected]. [email protected]. br br O uso de sistema de business O uso de sistema de business intelligence na redução de intelligence na redução de perdas perdas Marcos Aurélio Madureira da Marcos Aurélio Madureira da Silva Silva Diretor Comercial Corporativo Diretor Comercial Corporativo [email protected] [email protected]

description

O uso de sistema de business intelligence na redução de perdas. Denis Maia Presidente [email protected]. Marcos Aurélio Madureira da Silva Diretor Comercial Corporativo [email protected]. Sistema Cataguazes-Leopoldina. Nordeste do Brasil. Área: 1.789 Km 2 - PowerPoint PPT Presentation

Transcript of Denis Maia Presidente [email protected]

Page 1: Denis Maia Presidente denis@choice.br

Denis MaiaDenis MaiaPresidentePresidente

[email protected]@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

[email protected]@cataguazes.com.br

Page 2: Denis Maia Presidente denis@choice.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

Page 3: Denis Maia Presidente denis@choice.br

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

Page 4: Denis Maia Presidente denis@choice.br

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

Page 5: Denis Maia Presidente denis@choice.br

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.

Page 6: Denis Maia Presidente denis@choice.br
Page 7: Denis Maia Presidente denis@choice.br
Page 8: Denis Maia Presidente denis@choice.br

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.

Page 9: Denis Maia Presidente denis@choice.br

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

Page 10: Denis Maia Presidente denis@choice.br

Curvas de produtividade de inspeção

Curva de produtividade

sem o RI

Custo

EnergiaRecuperada +

Agregada Ponto ótimoenergia / custo

Incremento de energia com mesmo custo

Page 11: Denis Maia Presidente denis@choice.br

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

Page 12: Denis Maia Presidente denis@choice.br

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”

Page 13: Denis Maia Presidente denis@choice.br

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

Page 14: Denis Maia Presidente denis@choice.br

• 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

Page 15: Denis Maia Presidente denis@choice.br
Page 16: Denis Maia Presidente denis@choice.br

• 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

Page 17: Denis Maia Presidente denis@choice.br

• 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

Page 18: Denis Maia Presidente denis@choice.br

• 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

Page 19: Denis Maia Presidente denis@choice.br
Page 20: Denis Maia Presidente denis@choice.br
Page 21: Denis Maia Presidente denis@choice.br
Page 22: Denis Maia Presidente denis@choice.br

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

Page 23: Denis Maia Presidente denis@choice.br

• 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

Page 24: Denis Maia Presidente denis@choice.br

kWh recuperado por inspeção

0

50

100

150

200

250

jan fev mar abr mai jun jul ago set out nov dez

20032004

CELB

Page 25: Denis Maia Presidente denis@choice.br

• 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

Page 26: Denis Maia Presidente denis@choice.br

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

Page 27: Denis Maia Presidente denis@choice.br

• 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

Page 28: Denis Maia Presidente denis@choice.br

kWh recuperado por inspeção

0

200

400

600

800

jan

fev

mar

abrm

aiju

n jul

agose

tout

novdez

2003

2004

SAELPA

Page 29: Denis Maia Presidente denis@choice.br

• 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

Page 30: Denis Maia Presidente denis@choice.br

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

Page 31: Denis Maia Presidente denis@choice.br

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

Page 32: Denis Maia Presidente denis@choice.br

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

Page 33: Denis Maia Presidente denis@choice.br

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

Page 34: Denis Maia Presidente denis@choice.br

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

Page 35: Denis Maia Presidente denis@choice.br

Centro de InteligênciaCentro de Inteligência

• Gestão do Conhecimento– Resultados de Campo– Definição de Regras– “Data Mining”– Transferência ordenada de conhecimento

• Campo <<<<>>>> Sistemas de Gestão

Page 36: Denis Maia Presidente denis@choice.br

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

Page 37: Denis Maia Presidente denis@choice.br

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.