Contacta con nosotros

 

 

 

Machine Learning Protege los Paneles Solares de los Vientos Extremos

While they expertly deliver innovation and quality to their customers, Callaway Golf’s previous planning and reporting tool wasn’t making the cut. To evolve their enterprise, the sports giant decided to replace their outdated planning software with SAP Analytics Cloud for planning.

Together with Avvale, Callaway Golf successfully implemented SAP Analytics Cloud across their global enterprise in just 6 months. Now, Callaway Golf has a single, consolidated planning solution that has enabled streamlined expense and asset plans so they can focus on what they do best– revolutionizing the sporting world with cutting edge equipment.

PVH es líder mundial en la fabricación de seguidores solares, un elemento fundamental para los parques solares o fotovoltaicos. Sus proyectos generan un potencial energético de más de 7 GW en 130 plantas en todo el mundo, electricidad suficiente para abastecer a más de 4,9 millones de hogares. La industria fotovoltaica ha experimentado un crecimiento increíble gracias a las iniciativas de transformación energética en todo el mundo. PVH invierte fuertemente en I+D, evolucionando constantemente su ventaja en un mercado global altamente competitivo donde las mejoras de eficiencia son cruciales para el éxito.

El Reto

Los paneles solares se orientan hacia el sol para maximizar la generación de energía; sin embargo, se vuelven vulnerables a las violentas ráfagas de viento, que pueden provocar graves daños. Los seguidores solares cambian los paneles a una posición defensiva cuando el viento sopla fuerte. La posición de defensa no es óptima para la generación, pero garantiza la seguridad de los paneles. PVH empezó a investigar algoritmos avanzados que mejoraran la predicción de la velocidad del viento con certeza, mejorando los tiempos de generación y salvaguardando los paneles. La solución tenía que funcionar de forma autónoma a la vez que predecir con exactitud el viento futuro, un problema muy complejo que requería el uso de enfoques novedosos, como el aprendizaje automático.

ben-soyka-gDULrt23rXM-unsplash

El Enfoque

Basándose en amplios conocimientos en sistemas predictivos, Avvale desarrolló un algoritmo de aprendizaje automático capaz de anticiparse a las rachas de viento y alertar a los paneles fotovoltaicos para activar la posición de defensa. Los algoritmos desarrollados se basan en la aplicación de redes neuronales profundas, o deep learning, y los datos obtenidos en cada una de las ubicaciones, con lo que se consiguen predicciones precisas del comportamiento del viento.

Usando machine learning, se realiza una previsión del viento a partir de las series temporales históricas generadas en la ubicación física de la instalación de generación y las estaciones meteorológicas cercanas. La solución requiere datos de velocidad del viento apoyados por diversos datos meteorológicos como la temperatura y la humedad. El sistema genera alarmas de viento que activan el desplazamiento de la instalación a una posición de defensa o seguridad, en función de la dirección del viento. El algoritmo resultante puede instalarse en cualquier instalación y funcionar de forma aislada. Puede reentrenarse continuamente a medida que se dispone de más información de datos locales de la instalación.

mariana-proenca-GXiHwHkIdVs-unsplash

The Challenge

Before integrating SAP Analytics Cloud, Callaway Golf's planning landscape centered around SAP's legacy planning solution, Business Planning and Simulation (BPS). While BPS met Callaway Golf's planning needs for many years, the enterprise began to experience limitations with their old solution:

  • Disconnected plans across the board: As Callaway Golf expanded and acquired new brands, planning processes greatly differed across the enterprise with some business units using Excel spreadsheets and others using legacy solutions for planning.
  • Outdated planning functionalities: The existing legacy planning solution lacked many modern functionalities. Among them, salary calculations and asset depreciation automation needed improvement. As a result, it became difficult to create detailed and accurate forecasts across the globe.
  • Significant IT support: The legacy solution required continuous management from IT to maintain runtime. IT had to carve out a full day every week to manually maintain the solution.
  • No single source of truth: Various departments and brands used different data sources, which led to data silos across the organization, making it difficult to gain a clear picture of the enterprise's planned expenses.
  • Rigid user interface: Legacy forecasting system was difficult to navigate and lacked working functions and calculations across the board, such as planning on depreciation and existing assets, adding vendors or members on the fly, and breaking down their cost center expense planning forecasts.

The Approach

With Avvale experts on their side, Callaway Golf laid out the following goals for their new planning landscape with SAP Analytics Cloud:

  • Crowdsource and consolidate plans across the enterprise to gain a global overview of their planned expenses and expand the input capabilities to each responsible owner.
  • Leverage elevated planning functionalities to create faster and more accurate forecast cost center expense and asset reports. The ability to customize calculations enhances and automates the reporting metrics.
  • Harness the power of self-service analytics to alleviate IT from the burden of simple maintenance and data entry requests, so they can focus on high-ROI tasks.
  • Maximize user-driven admin capabilities to control the management of calculations and forms.
  • Create new KPls driven by the business needs.

When SEM-BPS was the center of Callaway Golf's planning landscape, flexibility was a huge factor that was missing. SAP Analytics Cloud contains powerful scenario planning capabilities that help organizations quickly uncover actionable insights to make data-driven decisions. For Callaway Golf, SAP Analytics Cloud's modern planning functionalities provided users with the ability to:

  • Add members on the fly
  • Plan on existing as well as planned assets and automatically calculate the depreciation of values
  • Test "what-if" scenarios for deeper analysis by creating private versions of plans
  • Customize the solution based on their current business process
  • Perform driver-based calculations
  • Empower users to execute end-to-end planning scenarios, without the help of IT

El Impacto

El algoritmo de machine learning de PVH ha creado una ventaja competitiva mejorando la detección de la intensidad y dirección del viento, aumentando la eficiencia de la instalación, optimizando el tiempo de generación e introduciendo algoritmos de inteligencia artificial en las instalaciones. Con más información local para alimentar los algoritmos de aprendizaje automático, PVH ha aumentado el valor de sus propuestas tecnológicas para la industria y los clientes. PVH tiene planes ambiciosos para seguir desarrollando e integrando tecnologías de aprendizaje automático y profundo en sus sistemas, incluido el mantenimiento predictivo mediante la interpretación proactiva de datos, la mejora de la previsión de generación basada en series temporales históricas y la detección de pérdidas técnicas en instalaciones mediante el análisis de datos.

andreas-gucklhorn-Ilpf2eUPpUE-unsplash
SHARE: