17.ago topázio 14.45_499_coelce

512 visualizações

Publicada em

0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
512
No SlideShare
0
A partir de incorporações
0
Número de incorporações
59
Ações
Compartilhamentos
0
Downloads
10
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

17.ago topázio 14.45_499_coelce

  1. 1. Sistema de caracterização de perdas não técnicas baseado no perfil de consumidores para otimização de inspeções e recuperação de receita<br />Carlos Alberto Fróes Lima (coordenador) - KNBS<br />Renato Aguiar Gurgel (gerente) - Coelce<br />João Paulo Ribeiro - Coelce<br />Marley Apolinário Saraiva - KNBS<br />Glauber Renato Colnago- KNBS <br />Bernardo Marega Luz - KNBS<br />
  2. 2. Histórico do projeto<br />Caracterização de perdas realizados pela concessionária para os clientes do grupo B, com medidores convencionais<br />Questionamento dos processos de compilação, reorganização, consolidação e consistência de dados.<br />Buscou-se a construção de um datawarehouse dedicado ao processo de análise de perdas não técnicas, organizando o conhecimento de forma a garantir a busca direta e independente dos diversos sistemas da concessionária. <br />Caracterização dos indicadores de efetividade existentes<br />Avaliação estratégica: para a concessionária Coelce, com um grande número de clientes de baixo consumo e baixa renda, estabelecer as abordagens para o direcionamento estratégico e efetividade na pesquisa por situações de perdas.<br />
  3. 3. Processos de apoio à decisão<br /><ul><li>Investigação da correlação entre dados de faturamento
  4. 4. Desenvolvimento das regras computacionais, formalização e auditoria do processo operacionalpara a definição das inspeções
  5. 5. Avaliação temporal de correlação de consumo e relacionamento efetivado
  6. 6. Escolha de regiões e classes de consumopriorizadas nos testes de hipótese ea verificação e adequação de regras existentes
  7. 7. Criação de indicadores de sucesso nas iniciativas de auditorias e inspeções
  8. 8. Identificação de focos de perdas e fraudes, e
  9. 9. Propostas de ações para prevenção e correção</li></li></ul><li>Comportamento de consumo regional<br />
  10. 10. Estruturação do conhecimento<br />Qualidade e consistência dos dados – validação da informação nas bases de análise<br />Caracterização das ferramentas analíticas disponíveis e do conhecimento técnico-teórico das equipes de analistas da concessionária<br />Caracterização da estrutura de bancos e recursos computacionais – datawarehouse dedicado<br />Recursos de geoprocessamento e disponibilidade de ferramental geoestatístico – sofisticação da análise<br />Logística implantada de realização de inspeções e características das equipes de campo<br />Regras de negócio aplicadas para análise e inspeções<br />Metas de recuperação de receitas x estratégias de recuperação de clientes<br />
  11. 11. Conhecimento aplicado<br />Antes da análise dos volumes de energia recuperados após as inspeções e da efetividade das inspeções, foi necessário definir essas duas grandezas, dentro da operação da concessionária.<br />O volume médio recuperado, considerado nas análises foi definido como a diferença entre a média dos consumos do segundo ao sexto mês após a inspeção e a média do consumo dos cinco meses anteriores à inspeção.<br />Médias dos consumos antes e após as inspeções<br />O cálculo do volume de energia recuperado esperado é o produto da taxa de efetividade nas inspeções (probabilidade de se encontrar um cliente com perda), pelo volume recuperado médio de cada consumidor. <br />Volume recuperado médio por consumidor de cada classe (KWh/mês), considerando 10 meses de análise<br />
  12. 12. Modelagem para avaliação com redes neurais<br /><ul><li>Dados referentes ao padrão de consumo
  13. 13. Coeficiente de Variação
  14. 14. Média Normalizada
  15. 15. Consumo relativo à média de consumo da localidade
  16. 16. Dados referentes a históricos de irregularidade
  17. 17. Indicador de perda na localidade ou vizinhança
  18. 18. Histórico de TO
  19. 19. Dívida Atual</li></ul>Clusterização<br />64 grupos de análise, segundo a classe de consumo e as regiões de inspeções físicas<br />Redução para 17 grupos de análise, considerando as características de correlação de suas variáreis<br />Análise estratégica de clientes de baixo consumo e baixa renda<br />
  20. 20. Caso Coelce<br />APRENDIZADO<br />BASES DE DADOS ESTRUTURADAS<br />TRANSFORMAÇÃO DE VARIÁVEIS<br />PLANO AMOSTRAL: DADOS PARA O FUTURO<br />SEGMENTAÇÃO: TRATAR IGUAL OS DESIGUAIS<br />NECESSIDADE DE FERRAMENTAL ADEQUADO (MINERAÇÃO DE DADOS)<br />UTILIZAÇÃO DE DADOS GEOGRÁFICOS<br />PESQUISA POR NOVAS TÉCNICAS<br />
  21. 21. Caso Coelce<br />
  22. 22. Obrigado!<br />Carlos Alberto Fróes Lima (coordenador) - KNBS<br />Renato Aguiar Gurgel (gerente) - Coelce<br />João Paulo Ribeiro - Coelce<br />Marley Apolinário Saraiva - KNBS<br />Glauber Renato Colnago- KNBS <br />Bernardo Marega Luz - KNBS<br />froes@knbs.com.br<br />renato@coelce.com.br<br />

×