بخشی از مقاله
هوشمندي کسب وکار در شناسايي مشترکين اثرگذار بر تلفات غيرفني شرکت برق با استفاده از داده کاوي
چکيده
مبحث تلفات انرژي از مهمترين مقوله هايي است که صنعت برق با آن مواجه است . همچنين بر اساس تحقيقات انجام شده در کشور ما، اتلاف در شبکه توزيع برق که شامل تلفات فني و غيرفني مي باشد، بخش قابل توجهي (حدود٢٠درصد) را تشکيل ميدهد. بخش عمده اي از اين تلفات به خصوص در کشورهاي در حال توسعه ، مربوط به تلفات غير فني مي باشد. جهت شناسايي مشترکين برق دزد که بخشي از تلفات غيرفني محسوب مي شوند، روشهاي سخت افزاري هزينه بر متفاوتي وجود دارد، البته يک راه حل ديگر مي تواند استفاده از تکنيک هاي نرم افزاري هوشمند باشد. امروزه هوشمندي کسب و کار موضوعي شناخته شده و مهم در صنعت محسوب مي شود و استفاده از اين روش موجب بهبود عملکرد و تسريع و دقت بالاي در نتيجه مي شود. هوشمند سازي کسب وکار مجموعه اي از راه حل ها ميباشد. براي دستيابي به اين راه حل ها از تکنولوژيها و تکنيک هايي استفاده ميشود که يکي از آنها داده کاوي مي باشد. داده کاوي فرآيند استخراج الگوهاي مخفي از داده ها است . هدف از اين تحقيق هوشمندسازي سيستم بازرسي شرکت برق جهت شناسايي مشترکين اثرگذار بر تلفات غيرفني مي باشد. در اين پژوهش با ترکيب مدل هاي درخت تصميم گيري، شبکه عصبي و شبکه بيزين ، پيش بيني مشترکين برق دزد انجام شد. بدين جهت از داده هاي تاريخي مصرف مشترکين و اطلاعات اشتراک آنها، استفاده شد و دقت ٨٨,٩ درصد حاصل گرديد. بدين طريق مديريت انتخاب مشترکين جهت بازرسي به صورت هوشمند انجام مي شود.
واژه هاي کليدي: داده کاوي، هوشمندي کسب و کار، توزيع برق ، تلفات غيرفني
مقدمه
تلفات غير فني که شامل سرقت برق و ديگر رفتارهاي غيرقانوني مشتريان مي باشد، مشکلي اساسي در صنعت برق محسوب مي شود. اين تلفات با توجه به دستکاري ابزارهاي اندازه گيري(کنتور)، خطاهاي کنتور، ارتباطات غير قانوني، بي نظمي صدور صورت حساب و صورتحساب هاي پرداخت نشده رخ مي دهد(اسميت ، ٢٠٠۴). مشکلات ناشي از تلفات غيرفني نه تنها درکشورهاي کمتر توسعه يافته مناطق آسيايي و آفريقايي، بلکه در کشورهاي توسعه يافته مانند ايالات متحده آمريکا و انگلستان روي داده است (علم ، کبير، رحمان وچادهوري،٢٠٠۴). به طور خاص ، ميزان بالاي تلفات غير فني در بيشتر کشورهاي در حال توسعه در جنوب شرق آسيا که شامل مالزي، اندونزي، تايلند و ويتنام مي باشد، گزارش شده است (کومار و ساکزنا، ٢٠٠٣). همچنين بر اساس تحقيقات انجام شده در کشور ما، اتلاف در شبکه توزيع برق بخش قابل توجهي (حدود ٢٠ درصد) را تشکيل مي دهد.
شکل ١- وضعيت تلفات توزيع و انتقال انرژي الکتريکي ايران از سال ١٩٩٩ تا ٢٠١١
در اين بازار آشفته ، آگاهي و دانش نسبت به مشتريان برق ، درک درستي از رفتار مصرف آن ها را، که به تازگي در صنعت برق به مسئله اي مهم تبديل شده است را فراهم مي آورد. با استفاده از اين دانش ، توزيع کنندگان برق قادر به توسعه استراتژي هاي بازاريابي و خدمات جديد براساس تقاضاي مشتري مي باشند(رائو و ميلر، ١٩٩٩)
با توجه به وجود مشکل تلفات غيرفني در شبکه توزيع برق ، روش هاي مختلف براي مديريت کارآمد آنها و حفاظت از درآمد در صنعت توزيع برق ارائه شده است (ديويدسون ، ٢٠٠٢). موثرترين روش در حال حاضر براي کاهش تلفات غيرفني و زيان تجاري، استفاده از دستگاه هاي اندازه گيري الکترونيکي هوشمند مي باشد، که امکان فعاليت هاي تقلب و برق دزدي را مشکل تر، و تشخيص را آسان تر مي نمايد (مانو،کسپدس و مايا،٢٠٠٤). با اين حال ، هزينه چنين دستگاه هايي گران است . بنابراين ، استفاده از اين نوع دستگاه ها توسط شرکت هاي توزيع برق در حال حاضر امکان پذير نمي باشد.
امروزه فناوري اطلاعات به همه حوزه هاي زندگي بشر وارد شده است . که مهمترين آن ورود به حوزه کسب و کار است که با نام ١کسب و کار الکترونيک شناخته ميشود. با ورود فناوري اطلاعات به حوزه کسب و کار حجم زيادي از داده ها ذخيره شده است . از طرف ديگر هر روز کسب و کارها به دليل افزوده شدن فناوريهاي جديد در حال پيچيده تر شدن هستند. در نتيجه موارد موثر در تصميم گيري افزايش خواهد يافت . از طرف ديگر در عصر ارتباطات روند سريع تغييرات ، کسب و کار را وادار به عکس العملهاي سريع کرده است .
اين رشد پيچيدگي به جايي رسيد که نياز به راه حلهايي براي فائق آمدن بر آن پيچيدگيها بود. مديريت و تصميم گيري در هر کسب و کار نياز به دانش دارد اما با بزرگ شدن کسب و کارها دست يابي به آن آسان نيست . از طرفي کسب اين دانش با راهکارهاي انساني بسيار زمانبر است . پس محققان بعنوان يک راه حل به فکر استفاده از داده هاي فراوان موجود براي کسب دانش افتادند. کسب دانش بايد با کامپيوتر انجام ميشد تا دانش بموقع حاضر گردد. تبديل داده به اطلاعات و دانش فرآيندي است که نياز به هوشمندي دارد.
در ادامه مباني نظري پژوهش بيان شده ، سپس در بخش پيشينه پژوهش به بررسي ساير پژوهشهاي انجام شده و نتايج حاصله از انجام انها در اين زمينه پرداخته ، پس از آن ، گامهاي روش پيشنهادي تحقيق تشريح و سپس نتايج تجزيه و تحليل داده ها در شرکت برق با تعدادي از نمودارها و جداول ارائه گرديده و در انتها نتيجه پژوهش و پيشنهادات آتي بيان مي گردد.
مباني نظري پژوهش :
در اينجا مقوله اي به نام هوشمند سازي کسب و کار مطرح گرديد که وظيفه آن ، بدست آوردن دانش لازم در زمان مناسب براي حل مسائل کسب و کار است . يا به عبارتي هوشمند سازي کسب و کار، فرآيند تبديل داده به اطلاعات ، براي بدست آوردن بينش بهتر از کسب و کار است . از آنجا که مجال آن نيست که تعريف هوشمند سازي کسب و کار را به طور کامل بررسي کنيم ، به چند تعريف مختلف با ديدگاههاي متفاوت اشاره خواهيم کرد.
در سايت معتبر آي.بي.ام (٢٠٠٥)، هوش تجاري را يک مفهوم براي انجام يک مجموعه از تکنيکها براي تبديل داده به اطلاعات با معني تعريف نموده است . با به کار بردن هوش تجاري ميتوان حجم زيادي از داده ها را که در فرمتهاي گوناگون ميباشند، يکپارچه و آماده آناليز تجاري نمود.
در پژوهشي، برجرو٢ (٢٠٠٤)، اشاره ميکند که شرکت اکروکست ٣ هوش تجاري را بدين صورت تعريف کرده است : "هوش تجاري فرآيندي براي افزايش قدرت رقابت يک شرکت ، با هوشمندي ناشي از داده هاي در دسترس براي تصميم گيري است . هوش تجاري شامل : منابع داده ، حذف اطلاعات غير مهم ، آناليز داده ها، ارزيابي وضعيت ، توسعه راه حلهاي ممکن ، آناليز ريسکها و آنگاه حمايت از تصميم هاي گرفته شده است ."
در پژوهشي از ديدگاه سيبل ٤ هوش تجاري را به صورت زير تعريف ميکند: "يک راه حل مناسب که داده ها را از چندين منبع سازماني جمع کرده و آن داده ها را به درون ادراکات کليدي تبديل ميکند، به طوري که مدير را قادر به مديريت کرده و مرزهايي براي انجام اعمال ، مشخص ميکند(ديلون ، حسين و چانگ ، ٢٠٠٦)..
تعاريف بالا نشان ميدهد که هوش تجاري به فهميدن تجارت مشتري، فهميدن نيازها و خواسته هايشان ، مطالعه رفتار خريدشان ، تعيين کردن پتانسيل سرويسها که درخواست شده ، فهميدن وضعيت بازار و عکس العمل سريع ، هدفگذاري جديد تجاري و همچنين يادگيري چيزهايي که نا معلوم است ، گفته ميشود.
همان طور که گفته شد هوشمند سازي کسب وکار يک ابزار يا تکنيک يا فرآيند نيست بلکه مجموعه اي از راه حل ها ميباشد. براي دستيابي به اين راه حل ها از تکنولوژيها و تکنيک هايي استفاده ميشود که يکي از تکنيک هاي پرکاربرد در اين زمينه داده کاوي مي باشد. داده کاوي فرآيند استخراج الگوهاي مخفي از داده ها است . يا به عبارتي فرآيند تحليل نيمه خودکار پايگاه داده هاي بزرگ ، به منظور يافتن الگوهاي مناسب است . مانند يادگيري ماشين در هوش مصنوعي يا تحليل آماري، داده کاوي سعي در يافتن الگوها و قوانين دارد. با اين تفاوت که حوزه کار داده کاوي در داده هاي ذخيره شده در کامپيوتر است . با توليد داده هاي بيشتر (به طوري که هر ٣ سال حجم داده ها دو برابر ميشود)، داده کاوي ابزاري مهم براي تبديل داده به اطلاعات ميباشد. داده کاوي در بازه وسيعي از علوم و شاخه هاي کسب و کار کاربرد دارد.
از جمله فرآيندهايي که براي داده کاوي وجود دارد ميتوان به فرايند کي.دي.دي (KDD) و کريسپ دي.ام (CRI SP-DM) اشاره کرد.
متداول ترين متدولوژيها براي انجام داده کاوي متدولوژي کريسپ دي.ام است .
به طور ساده کريسپ يک متدولوژي و فرآيند داده کاوي جامع است که براي همه - از مبتدي تا خبره - آماده شده است . کرسپ ، يک طرح هدايت پروژه داده کاوي است . چرخه حيات کريسپ دي ام ، پروژه داده کاوي را به ٦ فاز تقسيم ميکند: فهم کسب و کار، فهم داده ها، آماده سازي داده ها، مدلسازي، ارزيابي و توسعه (شيارر،٢٠٠٠).
پيشينه پژوهش :
داده کاوي به منظور پاسخگويي به چالش هاي بالا به کار برده مي شود. به طور کلي، داده کاوي به عنوان "فرايند کشف مدل هاي مختلف ، خلاصه سازي ها و ارزش هاي به دست آمده از مجموعه داده ها" تعريف شده است (کانتارزيک ، ٢٠٠٣). در سال هاي اخير، مطالعات داده کاوي زيادي در زمينه شناسايي و کشف تقلب در صنعت توزيع برق انجام شده است ، از جمله : مجموعه هاي سخت (کابرال ،پيانو،گونبجو و فيلهو،٢٠٠٤)، روش هاي آماري(فوري و کالمير،٢٠٠٤)، درخت تصميم (بيلبائو، تورس ، ايگوفا، براستانگوئه و سائنز،٢٠٠١) ،شبکه هاي عصبي مصنوعي(گالوان ، اليسز، مانوز، زرنيچاو و سنزبووي،١٩٩٨)، يادگيري ماشين (رائو و ميلر،١٩٩٩) ، روش هاي آماري مبتني بر تشخيص پرتي ها(بولتون و هند،٢٠٠٢)، کشف دانش در پايگاه داده (اوسونا،١٩٩٨)، استخراج ويژگي ها با طبقه هاي متعدد(جيانگ ، تاگاريس ، لاچز و جفري،٢٠٠٢)مي باشد. علاوه بر اين ، تکنيک هاي داده کاوي نيز در انواع ديگر کسب و کار از جمله : ارتباط از راه دور(يان ، ولنويز و دودير،٢٠٠٤)، بيمه (استفانو و گيسلا،٢٠٠١)، مديريت ريسک (دشمخ و تالورا ١٩٩٧) و تراکنش هاي کارت هاي اعتباري استفاده مي شود(سيدا، ژانگ و پان ،٢٠٠٢).
در اين بخش به ارائه خلاصه تعدادي از مقالات و پژوهش هاي پيشين با موضوعيت شناسايي مشترکين برق دزد پرداخته شده و در انتها نتايج برخي مطالعات مربوط به همين موضوع با استفاده از تکنيک هاي داده کاوي در جدولي بيان شده است .
در نتايج بدست آمده از چندين شرکت برق (١٩٩٩,٢٠٠٠,٢٠٠١,٢٠٠٢)، اکثر شرکت ها با توافق به اين نتيجه رسيده اند که جزء غالب تلفات غيرفني مربوط به سرقت برق و عدم پرداخت صورت حساب هاي برق مي باشد. اين سرقت از دستکاري کنتور براي ايجاد اطلاعات نادرست مصرف تا ايجاد ارتباطات غير مجاز به شبکه برق و نپرداختن صورت حساب ، متغير است .
پاندي، جيل و شارما(٢٠١٣)، در اين مقاله به ارائه يک سيستم بي سيم تشخيص سرقت برق با استفاده از تکنولوژي زيگبي با روشي موثر و کم هزينه در کشور هند مي پردازند. اين سيستم بي سيم بر سرقت برق از طريق مسيرهاي فرعي کنتور غلبه مي کند و از اين رو ضرر و زيان وارد شده بر درآمد و خدمات اجتماعي سازمان برق را کنترل مي کند. به طور عمده اين سيستم پيشنهادي متشکل از ميکروکنترولر ، انرژي متر(کنتور) و ماژول زيگبي براي بررسي سرقت برق مي باشد و سپس به ارسال پيام به سازمان مجاز که به دنبال برق مصرف شده مي باشد، مي پردازد.
در اين مقاله ، ساليناس ، لي و لي (٢٠١٢)، به ارائه دو الگوريتم ، تجزيه بالا به پايين ( LUD٥ ) و تجزيه بالا به پايين با حفظ حريم خصوصي(LUPD٦ ) پرداختند، که مي تواند کاربران در حال ارتکاب سرقت انرژي برق در شبکه هاي هوشمند، با حفظ حريم شخصي، شناسايي و معرفي نمايد. اين دو الگوريتم بر پايه و اساس تجزيه LU٧ توزيع شده اند. در اين تحقيق ، حل مد توزيع يک سيستم معادلات خطي (LSE٨) براي "ضريب صداقت کاربران " پيشنهاد شده است . اين ضريب صداقت زماني که برابر با يک باشد، نشان مي دهد که کاربران صادقانه رفتار مي کنند و هنگامي که بزرگتر از يک باشد، جعلي هستند .
در اين مقاله به اين نکته اشاره مي شود که پرسنل امنيتي شرکت برق در حال حاضر براي پيدا کردن سرقت برق بر راهنمايي ها و نکات کارکنان و عموم مردم تکيه مي کنند. پيروي و دنباله روي از اين راهنمايي ها يک فرآيند کار فشرده است که مستلزم بررسي بسياري مي باشد و متاسفانه بيشتر اين بررسي ها منجر به جواب هاي نادرست مي شوند. همانطور که شرکت هاي برق ، ٩سيستم هاي زيرساخت اندازه گيري پيشرفته را ارزيابي مي کنند، نيازمندي هاي اساسي امنيتي اين صنعت نيز بايد در نظر گرفته شود و سيستم انتخابي زيرساخت اندازه گيري پيشرفته بايد امنيت بيشتري را فراهم کند. امنيت يک مبحث ثابت نيست ، بلکه فن آوري در حال تکامل است .براي موفقيت شرکت هاي فروش و توزيع برق ، نه تنها بايد امنيت ، ارتباطات و تخصص شبکه برقرار باشد، بلکه نيازمند تخصص دقيق و دانش انجام کار براي موفقيت و داشتن راه حل هاي ايمن مي باشد. علاوه براين ، يک سيستم زيرساخت اندازه گيري پيشرفته از مزاياي قابل توجه استقرار سنسورهاي پايش مانند دستگاه الستر براي تشخيص سرقت برق برخوردار مي باشد. دستگاه هاي اندازه گيري الستر و سيستم انرژي محور با ويژگي هاي مطمئن طراحي و پياده سازي شده اند و به ارائه راه حل هايي براي تشخيص سرقت و حفاظت از درآمد شرکت برق مي پردازند(مک کالوگ ،٢٠١٠) اين پژوهش کمک به توسعه و اجراي الگوريتم جديدي براي تحليل الگوهاي مصرف برق مشتريان و شناسايي مصرف کنندگان غير قانوني بر اساس بي نظمي در مصرف مي نمايد. مصرف غير قانوني برق يا سرقت برق ، سهم عمده اي از تلفات غيرفني محسوب مي شود. دراين مقاله درباره روش هاي بکار برده شده براي شناسايي مصرف کنندگان غير قانوني برق بحث مي شود و به ارائه روش جديد مي پردازد. ارائه يک روش کدگذاري جديد که خواندن مصرف انرژي دريافت شده توسط مشتري را ساده مي نمايد و الگوهاي بي نظمي مربوطه در مصرف را به مشترکين مورد نظر ارتباط مي دهد. اين روش پشتيباني، موجب صرفه جويي قابل توجهي در زمان پردازش براي تجزيه و تحليل زمان واقعي در طبقه بندي مشتريان مي شود. به علاوه اين تکنيک موجب کاهش حافظه مورد نياز براي ذخيره داده هاي تاريخي مي شود. نتيجه اين کار منجر به بهره برداري از تکنيک هاي طبقه بندي هوشمند بر روي داده هاي مصرف انرژي مشتري و طبقه بندي مصرف کنندگان به دو گروه واقعي و غير قانوني مي شود(دپارو، وانگ ، دوابهاکتوني ،٢٠١٢)
روش پژوهش
درحال حاضر در اکثر شرکت هاي توزيع برق ، روش شناسايي مشترکين برق دزد، نه از طريق روش هاي نرم افزاري و نه از طريق دستگاه هاي و وسايل سخت افزاري مي باشد. برطبق برنامه مصوب شرکت توزيع برق جنوب استان کرمان ،٢٠% از مشترکين خانگي يکبار درسال و تمامي مشترکين ديماندي دو بار در سال بايد بازرسي شوند. در اين برنامه مشترکين را به دسته هاي مصارف مشکوک، مصارف صنعتي، مصرف صفر، قرائت هاي انجام شده و کنتورهاي دچار نقص ، دسته بندي کرده و بر اساس اهميت آنها، اين کار را انجام مي دهند.
تمامي مشتريان شناسايي شده توسط روش هاي بالا، مجموعه اي از مظنونان به برق دزدي هستند که توسط متخصص مورد بررسي قرار مي گيرند و پس از آن ، برخي از آنها براي بازرسي مستقيم توصيه مي شوند. براساس روش فعلي شرکت برق در شناسايي مشترکين برق دزد، ارزش پيش بيني مثبت ١٠(PPP) - نسبت مشترکين برق دزد بازرسي شده به همه مشترکيني که در ليست شرکت برق به عنوان برق دزد معرفي شده اند- به صورت ذيل محاسبه ميگردد:
