مقاله هوشمندی کسب وکار در شناسایی مشترکین اثرگذار بر تلفات غیرفنی شرکت برق با استفاده از داده کاوی

word قابل ویرایش
17558910 صفحه
دسته : اطلاعیه ها
8700 تومان

هوشمندی کسب وکار در شناسایی مشترکین اثرگذار بر تلفات غیرفنی شرکت برق با استفاده از داده کاوی

چکیده
مبحث تلفات انرژی از مهمترین مقوله هایی است که صنعت برق با آن مواجه است . همچنین بر اساس تحقیقات انجام شده در کشور ما، اتلاف در شبکه توزیع برق که شامل تلفات فنی و غیرفنی می باشد، بخش قابل توجهی (حدود٢٠درصد) را تشکیل میدهد. بخش عمده ای از این تلفات به خصوص در کشورهای در حال توسعه ، مربوط به تلفات غیر فنی می باشد. جهت شناسایی مشترکین برق دزد که بخشی از تلفات غیرفنی محسوب می شوند، روشهای سخت افزاری هزینه بر متفاوتی وجود دارد، البته یک راه حل دیگر می تواند استفاده از تکنیک های نرم افزاری هوشمند باشد. امروزه هوشمندی کسب و کار موضوعی شناخته شده و مهم در صنعت محسوب می شود و استفاده از این روش موجب بهبود عملکرد و تسریع و دقت بالای در نتیجه می شود. هوشمند سازی کسب وکار مجموعه ای از راه حل ها میباشد. برای دستیابی به این راه حل ها از تکنولوژیها و تکنیک هایی استفاده میشود که یکی از آنها داده کاوی می باشد. داده کاوی فرآیند استخراج الگوهای مخفی از داده ها است . هدف از این تحقیق هوشمندسازی سیستم بازرسی شرکت برق جهت شناسایی مشترکین اثرگذار بر تلفات غیرفنی می باشد. در این پژوهش با ترکیب مدل های درخت تصمیم گیری، شبکه عصبی و شبکه بیزین ، پیش بینی مشترکین برق دزد انجام شد. بدین جهت از داده های تاریخی مصرف مشترکین و اطلاعات اشتراک آنها، استفاده شد و دقت ٨٨,٩ درصد حاصل گردید. بدین طریق مدیریت انتخاب مشترکین جهت بازرسی به صورت هوشمند انجام می شود.
واژه های کلیدی: داده کاوی، هوشمندی کسب و کار، توزیع برق ، تلفات غیرفنی

مقدمه
تلفات غیر فنی که شامل سرقت برق و دیگر رفتارهای غیرقانونی مشتریان می باشد، مشکلی اساسی در صنعت برق محسوب می شود. این تلفات با توجه به دستکاری ابزارهای اندازه گیری(کنتور)، خطاهای کنتور، ارتباطات غیر قانونی، بی نظمی صدور صورت حساب و صورتحساب های پرداخت نشده رخ می دهد(اسمیت ، ٢٠٠۴). مشکلات ناشی از تلفات غیرفنی نه تنها درکشورهای کمتر توسعه یافته مناطق آسیایی و آفریقایی، بلکه در کشورهای توسعه یافته مانند ایالات متحده آمریکا و انگلستان روی داده است (علم ، کبیر، رحمان وچادهوری،٢٠٠۴). به طور خاص ، میزان بالای تلفات غیر فنی در بیشتر کشورهای در حال توسعه در جنوب شرق آسیا که شامل مالزی، اندونزی، تایلند و ویتنام می باشد، گزارش شده است (کومار و ساکزنا، ٢٠٠٣). همچنین بر اساس تحقیقات انجام شده در کشور ما، اتلاف در شبکه توزیع برق بخش قابل توجهی (حدود ٢٠ درصد) را تشکیل می دهد.

شکل ١- وضعیت تلفات توزیع و انتقال انرژی الکتریکی ایران از سال ١٩٩٩ تا ٢٠١١
در این بازار آشفته ، آگاهی و دانش نسبت به مشتریان برق ، درک درستی از رفتار مصرف آن ها را، که به تازگی در صنعت برق به مسئله ای مهم تبدیل شده است را فراهم می آورد. با استفاده از این دانش ، توزیع کنندگان برق قادر به توسعه استراتژی های بازاریابی و خدمات جدید براساس تقاضای مشتری می باشند(رائو و میلر، ١٩٩٩)
با توجه به وجود مشکل تلفات غیرفنی در شبکه توزیع برق ، روش های مختلف برای مدیریت کارآمد آنها و حفاظت از درآمد در صنعت توزیع برق ارائه شده است (دیویدسون ، ٢٠٠٢). موثرترین روش در حال حاضر برای کاهش تلفات غیرفنی و زیان تجاری، استفاده از دستگاه های اندازه گیری الکترونیکی هوشمند می باشد، که امکان فعالیت های تقلب و برق دزدی را مشکل تر، و تشخیص را آسان تر می نماید (مانو،کسپدس و مایا،٢٠٠۴). با این حال ، هزینه چنین دستگاه هایی گران است . بنابراین ، استفاده از این نوع دستگاه ها توسط شرکت های توزیع برق در حال حاضر امکان پذیر نمی باشد.
امروزه فناوری اطلاعات به همه حوزه های زندگی بشر وارد شده است . که مهمترین آن ورود به حوزه کسب و کار است که با نام ١کسب و کار الکترونیک شناخته میشود. با ورود فناوری اطلاعات به حوزه کسب و کار حجم زیادی از داده ها ذخیره شده است . از طرف دیگر هر روز کسب و کارها به دلیل افزوده شدن فناوریهای جدید در حال پیچیده تر شدن هستند. در نتیجه موارد موثر در تصمیم گیری افزایش خواهد یافت . از طرف دیگر در عصر ارتباطات روند سریع تغییرات ، کسب و کار را وادار به عکس العملهای سریع کرده است .
این رشد پیچیدگی به جایی رسید که نیاز به راه حلهایی برای فائق آمدن بر آن پیچیدگیها بود. مدیریت و تصمیم گیری در هر کسب و کار نیاز به دانش دارد اما با بزرگ شدن کسب و کارها دست یابی به آن آسان نیست . از طرفی کسب این دانش با راهکارهای انسانی بسیار زمانبر است . پس محققان بعنوان یک راه حل به فکر استفاده از داده های فراوان موجود برای کسب دانش افتادند. کسب دانش باید با کامپیوتر انجام میشد تا دانش بموقع حاضر گردد. تبدیل داده به اطلاعات و دانش فرآیندی است که نیاز به هوشمندی دارد.
در ادامه مبانی نظری پژوهش بیان شده ، سپس در بخش پیشینه پژوهش به بررسی سایر پژوهشهای انجام شده و نتایج حاصله از انجام انها در این زمینه پرداخته ، پس از آن ، گامهای روش پیشنهادی تحقیق تشریح و سپس نتایج تجزیه و تحلیل داده ها در شرکت برق با تعدادی از نمودارها و جداول ارائه گردیده و در انتها نتیجه پژوهش و پیشنهادات آتی بیان می گردد.
مبانی نظری پژوهش :
در اینجا مقوله ای به نام هوشمند سازی کسب و کار مطرح گردید که وظیفه آن ، بدست آوردن دانش لازم در زمان مناسب برای حل مسائل کسب و کار است . یا به عبارتی هوشمند سازی کسب و کار، فرآیند تبدیل داده به اطلاعات ، برای بدست آوردن بینش بهتر از کسب و کار است . از آنجا که مجال آن نیست که تعریف هوشمند سازی کسب و کار را به طور کامل بررسی کنیم ، به چند تعریف مختلف با دیدگاههای متفاوت اشاره خواهیم کرد.
در سایت معتبر آی.بی.ام (٢٠٠۵)، هوش تجاری را یک مفهوم برای انجام یک مجموعه از تکنیکها برای تبدیل داده به اطلاعات با معنی تعریف نموده است . با به کار بردن هوش تجاری میتوان حجم زیادی از داده ها را که در فرمتهای گوناگون میباشند، یکپارچه و آماده آنالیز تجاری نمود.
در پژوهشی، برجرو٢ (٢٠٠۴)، اشاره میکند که شرکت اکروکست ٣ هوش تجاری را بدین صورت تعریف کرده است : “هوش تجاری فرآیندی برای افزایش قدرت رقابت یک شرکت ، با هوشمندی ناشی از داده های در دسترس برای تصمیم گیری است . هوش تجاری شامل : منابع داده ، حذف اطلاعات غیر مهم ، آنالیز داده ها، ارزیابی وضعیت ، توسعه راه حلهای ممکن ، آنالیز ریسکها و آنگاه حمایت از تصمیم های گرفته شده است .”
در پژوهشی از دیدگاه سیبل ۴ هوش تجاری را به صورت زیر تعریف میکند: “یک راه حل مناسب که داده ها را از چندین منبع سازمانی جمع کرده و آن داده ها را به درون ادراکات کلیدی تبدیل میکند، به طوری که مدیر را قادر به مدیریت کرده و مرزهایی برای انجام اعمال ، مشخص میکند(دیلون ، حسین و چانگ ، ٢٠٠۶)..
تعاریف بالا نشان میدهد که هوش تجاری به فهمیدن تجارت مشتری، فهمیدن نیازها و خواسته هایشان ، مطالعه رفتار خریدشان ، تعیین کردن پتانسیل سرویسها که درخواست شده ، فهمیدن وضعیت بازار و عکس العمل سریع ، هدفگذاری جدید تجاری و همچنین یادگیری چیزهایی که نا معلوم است ، گفته میشود.
همان طور که گفته شد هوشمند سازی کسب وکار یک ابزار یا تکنیک یا فرآیند نیست بلکه مجموعه ای از راه حل ها میباشد. برای دستیابی به این راه حل ها از تکنولوژیها و تکنیک هایی استفاده میشود که یکی از تکنیک های پرکاربرد در این زمینه داده کاوی می باشد. داده کاوی فرآیند استخراج الگوهای مخفی از داده ها است . یا به عبارتی فرآیند تحلیل نیمه خودکار پایگاه داده های بزرگ ، به منظور یافتن الگوهای مناسب است . مانند یادگیری ماشین در هوش مصنوعی یا تحلیل آماری، داده کاوی سعی در یافتن الگوها و قوانین دارد. با این تفاوت که حوزه کار داده کاوی در داده های ذخیره شده در کامپیوتر است . با تولید داده های بیشتر (به طوری که هر ٣ سال حجم داده ها دو برابر میشود)، داده کاوی ابزاری مهم برای تبدیل داده به اطلاعات میباشد. داده کاوی در بازه وسیعی از علوم و شاخه های کسب و کار کاربرد دارد.
از جمله فرآیندهایی که برای داده کاوی وجود دارد میتوان به فرایند کی.دی.دی (KDD) و کریسپ دی.ام (CRI SP-DM) اشاره کرد.
متداول ترین متدولوژیها برای انجام داده کاوی متدولوژی کریسپ دی.ام است .
به طور ساده کریسپ یک متدولوژی و فرآیند داده کاوی جامع است که برای همه – از مبتدی تا خبره – آماده شده است . کرسپ ، یک طرح هدایت پروژه داده کاوی است . چرخه حیات کریسپ دی ام ، پروژه داده کاوی را به ۶ فاز تقسیم میکند: فهم کسب و کار، فهم داده ها، آماده سازی داده ها، مدلسازی، ارزیابی و توسعه (شیارر،٢٠٠٠).
پیشینه پژوهش :
داده کاوی به منظور پاسخگویی به چالش های بالا به کار برده می شود. به طور کلی، داده کاوی به عنوان “فرایند کشف مدل های مختلف ، خلاصه سازی ها و ارزش های به دست آمده از مجموعه داده ها” تعریف شده است (کانتارزیک ، ٢٠٠٣). در سال های اخیر، مطالعات داده کاوی زیادی در زمینه شناسایی و کشف تقلب در صنعت توزیع برق انجام شده است ، از جمله : مجموعه های سخت (کابرال ،پیانو،گونبجو و فیلهو،٢٠٠۴)، روش های آماری(فوری و کالمیر،٢٠٠۴)، درخت تصمیم (بیلبائو، تورس ، ایگوفا، براستانگوئه و سائنز،٢٠٠١) ،شبکه های عصبی مصنوعی(گالوان ، الیسز، مانوز، زرنیچاو و سنزبووی،١٩٩٨)، یادگیری ماشین (رائو و میلر،١٩٩٩) ، روش های آماری مبتنی بر تشخیص پرتی ها(بولتون و هند،٢٠٠٢)، کشف دانش در پایگاه داده (اوسونا،١٩٩٨)، استخراج ویژگی ها با طبقه های متعدد(جیانگ ، تاگاریس ، لاچز و جفری،٢٠٠٢)می باشد. علاوه بر این ، تکنیک های داده کاوی نیز در انواع دیگر کسب و کار از جمله : ارتباط از راه دور(یان ، ولنویز و دودیر،٢٠٠۴)، بیمه (استفانو و گیسلا،٢٠٠١)، مدیریت ریسک (دشمخ و تالورا ١٩٩٧) و تراکنش های کارت های اعتباری استفاده می شود(سیدا، ژانگ و پان ،٢٠٠٢).
در این بخش به ارائه خلاصه تعدادی از مقالات و پژوهش های پیشین با موضوعیت شناسایی مشترکین برق دزد پرداخته شده و در انتها نتایج برخی مطالعات مربوط به همین موضوع با استفاده از تکنیک های داده کاوی در جدولی بیان شده است .
در نتایج بدست آمده از چندین شرکت برق (١٩٩٩,٢٠٠٠,٢٠٠١,٢٠٠٢)، اکثر شرکت ها با توافق به این نتیجه رسیده اند که جزء غالب تلفات غیرفنی مربوط به سرقت برق و عدم پرداخت صورت حساب های برق می باشد. این سرقت از دستکاری کنتور برای ایجاد اطلاعات نادرست مصرف تا ایجاد ارتباطات غیر مجاز به شبکه برق و نپرداختن صورت حساب ، متغیر است .
پاندی، جیل و شارما(٢٠١٣)، در این مقاله به ارائه یک سیستم بی سیم تشخیص سرقت برق با استفاده از تکنولوژی زیگبی با روشی موثر و کم هزینه در کشور هند می پردازند. این سیستم بی سیم بر سرقت برق از طریق مسیرهای فرعی کنتور غلبه می کند و از این رو ضرر و زیان وارد شده بر درآمد و خدمات اجتماعی سازمان برق را کنترل می کند. به طور عمده این سیستم پیشنهادی متشکل از میکروکنترولر ، انرژی متر(کنتور) و ماژول زیگبی برای بررسی سرقت برق می باشد و سپس به ارسال پیام به سازمان مجاز که به دنبال برق مصرف شده می باشد، می پردازد.
در این مقاله ، سالیناس ، لی و لی (٢٠١٢)، به ارائه دو الگوریتم ، تجزیه بالا به پایین ( LUD۵ ) و تجزیه بالا به پایین با حفظ حریم خصوصی(LUPD۶ ) پرداختند، که می تواند کاربران در حال ارتکاب سرقت انرژی برق در شبکه های هوشمند، با حفظ حریم شخصی، شناسایی و معرفی نماید. این دو الگوریتم بر پایه و اساس تجزیه LU٧ توزیع شده اند. در این تحقیق ، حل مد توزیع یک سیستم معادلات خطی (LSE٨) برای “ضریب صداقت کاربران ” پیشنهاد شده است . این ضریب صداقت زمانی که برابر با یک باشد، نشان می دهد که کاربران صادقانه رفتار می کنند و هنگامی که بزرگتر از یک باشد، جعلی هستند .
در این مقاله به این نکته اشاره می شود که پرسنل امنیتی شرکت برق در حال حاضر برای پیدا کردن سرقت برق بر راهنمایی ها و نکات کارکنان و عموم مردم تکیه می کنند. پیروی و دنباله روی از این راهنمایی ها یک فرآیند کار فشرده است که مستلزم بررسی بسیاری می باشد و متاسفانه بیشتر این بررسی ها منجر به جواب های نادرست می شوند. همانطور که شرکت های برق ، ٩سیستم های زیرساخت اندازه گیری پیشرفته را ارزیابی می کنند، نیازمندی های اساسی امنیتی این صنعت نیز باید در نظر گرفته شود و سیستم انتخابی زیرساخت اندازه گیری پیشرفته باید امنیت بیشتری را فراهم کند. امنیت یک مبحث ثابت نیست ، بلکه فن آوری در حال تکامل است .برای موفقیت شرکت های فروش و توزیع برق ، نه تنها باید امنیت ، ارتباطات و تخصص شبکه برقرار باشد، بلکه نیازمند تخصص دقیق و دانش انجام کار برای موفقیت و داشتن راه حل های ایمن می باشد. علاوه براین ، یک سیستم زیرساخت اندازه گیری پیشرفته از مزایای قابل توجه استقرار سنسورهای پایش مانند دستگاه الستر برای تشخیص سرقت برق برخوردار می باشد. دستگاه های اندازه گیری الستر و سیستم انرژی محور با ویژگی های مطمئن طراحی و پیاده سازی شده اند و به ارائه راه حل هایی برای تشخیص سرقت و حفاظت از درآمد شرکت برق می پردازند(مک کالوگ ،٢٠١٠) این پژوهش کمک به توسعه و اجرای الگوریتم جدیدی برای تحلیل الگوهای مصرف برق مشتریان و شناسایی مصرف کنندگان غیر قانونی بر اساس بی نظمی در مصرف می نماید. مصرف غیر قانونی برق یا سرقت برق ، سهم عمده ای از تلفات غیرفنی محسوب می شود. دراین مقاله درباره روش های بکار برده شده برای شناسایی مصرف کنندگان غیر قانونی برق بحث می شود و به ارائه روش جدید می پردازد. ارائه یک روش کدگذاری جدید که خواندن مصرف انرژی دریافت شده توسط مشتری را ساده می نماید و الگوهای بی نظمی مربوطه در مصرف را به مشترکین مورد نظر ارتباط می دهد. این روش پشتیبانی، موجب صرفه جویی قابل توجهی در زمان پردازش برای تجزیه و تحلیل زمان واقعی در طبقه بندی مشتریان می شود. به علاوه این تکنیک موجب کاهش حافظه مورد نیاز برای ذخیره داده های تاریخی می شود. نتیجه این کار منجر به بهره برداری از تکنیک های طبقه بندی هوشمند بر روی داده های مصرف انرژی مشتری و طبقه بندی مصرف کنندگان به دو گروه واقعی و غیر قانونی می شود(دپارو، وانگ ، دوابهاکتونی ،٢٠١٢)

روش پژوهش
درحال حاضر در اکثر شرکت های توزیع برق ، روش شناسایی مشترکین برق دزد، نه از طریق روش های نرم افزاری و نه از طریق دستگاه های و وسایل سخت افزاری می باشد. برطبق برنامه مصوب شرکت توزیع برق جنوب استان کرمان ،٢٠% از مشترکین خانگی یکبار درسال و تمامی مشترکین دیماندی دو بار در سال باید بازرسی شوند. در این برنامه مشترکین را به دسته های مصارف مشکوک، مصارف صنعتی، مصرف صفر، قرائت های انجام شده و کنتورهای دچار نقص ، دسته بندی کرده و بر اساس اهمیت آنها، این کار را انجام می دهند.
تمامی مشتریان شناسایی شده توسط روش های بالا، مجموعه ای از مظنونان به برق دزدی هستند که توسط متخصص مورد بررسی قرار می گیرند و پس از آن ، برخی از آنها برای بازرسی مستقیم توصیه می شوند. براساس روش فعلی شرکت برق در شناسایی مشترکین برق دزد، ارزش پیش بینی مثبت ١٠(PPP) – نسبت مشترکین برق دزد بازرسی شده به همه مشترکینی که در لیست شرکت برق به عنوان برق دزد معرفی شده اند- به صورت ذیل محاسبه میگردد:

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
wordقابل ویرایش - قیمت 8700 تومان در 17558910 صفحه
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد