- Servizi
- Industry
- Chi siamo
- Unisciti a noi
Il Machine Learning salvaguarda i pannelli solari dalle raffiche di vento più violente
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 To evolve their enterprise, the sports giant decided to replace their outdated planning software with SAP Analytics Cloud for planning.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 è leader mondiale nella produzione di sistemi di rilevamento solare, un elemento fondamentale per i parchi solari, o fotovoltaici. I loro progetti generano un'energia potenziale di oltre 7GW in 130 impianti in tutto il mondo, sufficiente ad alimentare più di 4,9 milioni di case. L'industria fotovoltaica ha registrato una crescita straordinaria grazie alle iniziative di trasformazione energetica in tutto il mondo. PVH investe molto in ricerca e sviluppo, evolvendo costantemente il proprio vantaggio in un mercato globale altamente competitivo in cui i miglioramenti dell'efficienza sono fondamentali per il successo.
La sfida
I pannelli solari sono orientati verso il sole per massimizzare la produzione di energia; tuttavia, i pannelli sono particolarmente sensibili alle raffiche di vento, che possono causare gravi danni. Quando il vento è forte, i pannelli solari vengono posizionati in modo da essere protetti. La posizione di difesa non è ottimale per la produzione di energia, ma garantisce la tutela dei pannelli. PVH ha iniziato a studiare algoritmi avanzati che permettono di prevedere con certezza la velocità del vento, migliorando i tempi di produzione e la salvaguardia dei pannelli. La soluzione doveva funzionare in modo autonomo e prevedere con precisione il vento futuro, un problema molto complesso che richiedeva l'uso di approcci innovativi, come il machine learning.
L'approccio
Sulla base di una vasta conoscenza dei sistemi predittivi, Avvale ha sviluppato un algoritmo di apprendimento automatico in grado di anticipare le raffiche di vento e di allertare i pannelli fotovoltaici per attivare la posizione di protezione. Gli algoritmi sviluppati si basano sull'applicazione di reti neurali profonde, o deep learning, e sui dati ottenuti in ciascuna località, ottenendo previsioni accurate del comportamento del vento.
Utilizzando il machine learning, viene fatta una previsione del vento a partire dalle serie storiche generate nel luogo fisico dell'impianto di produzione e nelle stazioni meteorologiche vicine. La soluzione richiede dati sulla velocità del vento supportati da vari dati meteorologici, come temperatura e umidità. Il sistema genera allarmi di vento che attivano l'impianto per spostarsi in posizione di protezione o di sicurezza, a seconda della direzione del vento. L'algoritmo ottenuto può essere installato in qualsiasi struttura ed eseguito in modo isolato. Può essere continuamente aggiornato man mano che si rendono disponibili ulteriori dati locali dall'impianto.
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
L'impatto
L'algoritmo di machine learning di PVH ha determinato un vantaggio competitivo migliorando il rilevamento dell'intensità e della direzione del vento, aumentando l'efficienza dell'installazione ottimizzando il tempo di produzione e introducendo algoritmi di intelligenza artificiale nelle installazioni. Con un maggior numero di informazioni locali che alimentano gli algoritmi di machine learning, PVH ha aumentato il valore delle sue proposte tecnologiche al settore e ai clienti. PVH ha progetti ambiziosi per continuare a sviluppare e integrare le tecnologie di machine learning e deep learning nei suoi sistemi, tra cui la manutenzione predittiva attraverso l'interpretazione proattiva dei dati, il miglioramento delle previsioni di generazione basate sulle serie storiche e il rilevamento dei guasti tecnici agli impianti attraverso l'analisi dei dati.
