A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Denis Maia O uso de sistema de business intelligence na redução de perdas Marcos Aurélio Madureira da Silva Diretor Comercial.

Apresentações semelhantes


Apresentação em tema: "Denis Maia O uso de sistema de business intelligence na redução de perdas Marcos Aurélio Madureira da Silva Diretor Comercial."— Transcrição da apresentação:

1 Denis Maia O uso de sistema de business intelligence na redução de perdas Marcos Aurélio Madureira da Silva Diretor Comercial Corporativo

2 Sistema Cataguazes-Leopoldina Nordeste do Brasil Sudeste do Brasil Brasil SAELPA Área: Km 2 Consumidores : 837 mil Área: Km 2 Consumidores : 131 mil Área: Km 2 Consumidores : 436 mil Área: Km 2 Consumidores : 378 mil Base: Abril / 04

3 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 ,6% em junho de 2004

4 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

5 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.

6

7

8 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.

9 Aumentando a recuperação de perdas

10 Curvas de produtividade de inspeção Curva de produtividade sem o RI Custo Energia Recuperada + Agregada Ponto ótimo energia / custo Incremento de energia com mesmo custo

11 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

12 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”

13 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

14 Utilizando o Revenue Intelligence - Regras de anomalias de consumo criadas: –Cliente Trifásico Ligado com consumo médio abaixo de 100kWh Conceito da Regra: Um cliente trifásico geralmente possui um consumo acima de 100kWh mensal –Cliente Ligado e Faturado pelo Mínimo nos últimos 3 meses Conceito 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

15

16 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

17 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

18 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

19

20

21

22 Redução da energia requerida em 14% Redução das perdas de 30,5% para 20,1%

23 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 jan3577 fev8985 mar10934 abr6172 mai68198 jun90169 jul39 ago75 set79 out131 nov114 dez43 CELB

24

25 Média mensal de kWh recuperados nos últimos 12 meses = Valor mensal de kWh recuperado com o RI = Aumento mensal de recuperação de 91 MWh (105%) Aumento anual estimado de recuperação de 2,45 GWh kWh Recuperado CELB jan fev mar abr mai jun jul ago set out nov dez CELB

26

27 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 jan fev mar32884 abr mai jun jul301 ago238 set324 out188 nov213 dez281 SAELPA

28

29 Média mensal de kWh recuperados nos últimos 12 meses = Valor mensal de kWh recuperado com o RI = Aumento mensal de recuperação de 1,39 GWh (161%) Aumento anual estimado de recuperação de 24,45 GWh kWh Recuperado SAELPA jan fev mar abr mai jun jul ago set out nov dez SAELPA

30

31 Recuperação de Receitas SAELPA : –Venda de energia: 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

32 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

33 Recuperação de Receitas EmpresaQuantidade de consumidores Área geográfica Densidade (consumidores/Km 2 ) Venda anualIncremento de produtividade de inspeção (KWh/inspeção) Perdas totais (antes do RI) Perdas totais (depois do RI) Redução de Perdas SAELPA Km 2 15, GWh128%18,88%17,63%1,25% CELB Km 2 73,23524 GWh143%8,89%7,65%1,24% EmpresaVenda anualProjeção 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 SAELPA2.269 GWh24,45 GWh13,64 GWh38,09 GWh1,68%4,09 GWh CELB524 GWh2,45 GWh1,25 GWh3,70 GWh0,71%0,37 GWh

34 Centro 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

35 Centro de Inteligência Gestão do Conhecimento –Resultados de Campo –Definição de Regras –“Data Mining” –Transferência ordenada de conhecimento Campo >>> Sistemas de Gestão

36 Centro 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

37 Conclusões 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.


Carregar ppt "Denis Maia O uso de sistema de business intelligence na redução de perdas Marcos Aurélio Madureira da Silva Diretor Comercial."

Apresentações semelhantes


Anúncios Google