O uso de sistema de business
intelligence na redução de perdas
Denis Maia
Marcos Aurélio Madureira da Silva
Presidente
[email protected]
Diretor Comercial Corporativo
[email protected]
Sistema Cataguazes-Leopoldina
Nordeste do Brasil
Área: 1.789 Km2
Consumidores : 131 mil
SAELPA
Área: 54.595 Km2
Consumidores : 837 mil
Brasil
Área: 17.419 Km2
Consumidores : 436 mil
Sudeste do Brasil
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
Otimização das estratégias
de redução de perdas
Total de energia recuperada + agregada
Sistemas e equipe de inspeção
AMR com PLC
Com o RI
Balanço de carga até transformador
Cabos, medidores e selos anti-furto
Mudança de padrão de entrada
Mudança de padrão de distribuição
Sem o RI
Curvas de produtividade de inspeção
Energia
Recuperada +
Agregada
Ponto ótimo
energia / custo
Incremento de energia
com mesmo custo
Curva de
produtividade
sem o RI
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
Exemplo real na Saelpa - Combate a Perdas
•
Utilizando o Revenue Intelligence
consumo criadas:
–
–
–
–
- Regras de anomalias de
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
•
Utilizando o Revenue Intelligence
criadas:
–
–
–
–
–
–
–
–
–
–
–
–
–
–
- Regras de irregularidades
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 :
•
•
•
–
Inspeções foram priorizadas por:
•
•
–
Regras de anomalias de consumo e
Regra de irregularidade
Que não tenham ordens de serviços associados
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
SOUSA - Requerida X Faturamento - 2004
(Sem MWh Recuperado)
4.000.000
3.500.000
3.000.000
2.500.000
2.000.000
1.500.000
1.000.000
500.000
0
Energia L2 e L4
JAN
FEV
MAR
ABR
MAI
JUN
JUL
AGO
SET
OUT
NOV
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%
Redução da energia requerida em 14%
Redução das perdas de 30,5% para 20,1%
DEZ
CELB
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
• 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%)
CELB
kWh recuperado por inspeção
250
200
150
2003
2004
100
50
0
jan fev mar abr mai jun
jul ago set out nov dez
CELB
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
• 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
CELB
kWh recuperado
200.000
180.000
160.000
140.000
120.000
100.000
80.000
60.000
40.000
20.000
0
2003
2004
jan fev mar abr mai jun
jul ago set out nov dez
SAELPA
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
• 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%)
SAELPA
kW h recuperado por inspeção
800
600
2003
400
2004
200
z
de
v
no
t
ou
t
se
o
ag
l
ju
n
ju
ai
m
r
ab
ar
m
v
fe
ja
n
0
SAELPA
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
ago
1.284.669
947.390
set
1.222.118
out
713.890
nov
640.438
dez
861.000
• 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
SAELPA
kWh recuperado
2.500.000
2.000.000
1.500.000
2003
1.000.000
2004
500.000
0
jan fev mar abr mai jun jul ago set out nov dez
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 Receitas
Empresa
Quantidade de
consumidores
Área
geográfica
Densidade
Venda anual
Incremento de
produtividade de
inspeção
(KWh/inspeção)
(consumidores/Km2)
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
SAELPA
CELB
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
2.269 GWh
24,45 GWh
13,64 GWh
38,09 GWh
1,68%
4,09 GWh
524 GWh
2,45 GWh
1,25 GWh
3,70 GWh
0,71%
0,37 GWh
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
Centro de Inteligência
• Gestão do Conhecimento
–
–
–
–
Resultados de Campo
Definição de Regras
“Data Mining”
Transferência ordenada de conhecimento
• Campo <<<<>>>> Sistemas de Gestão
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
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.