- Serviços
- Indústrias
- Sobre Nós
- News & Views
- Junte-se a Nós
Machine Learning protege os painéis solares contra ventos 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 To evolve their enterprise, the sports giant decided to replace their outdated planning software with SAP Analytics Cloud for planning.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.
A PVH é líder global na fabricação de rastreadores solares, um elemento fundamental para parques solares, ou fotovoltaicos. Seus projetos geram energia potencial de mais de 7 GW em 130 usinas ao redor do mundo - eletricidade suficiente para abastecer mais de 4,9 milhões de residências. O setor fotovoltaico tem experimentado um crescimento incrível devido às iniciativas de transformação de energia em todo o mundo. A PVH investe pesadamente em P&D, desenvolvendo constantemente sua vantagem em um mercado global altamente competitivo, no qual as melhorias de eficiência são cruciais para o sucesso.
O Desafio
Os painéis solares são inclinados em direção ao sol para maximizar a geração de energia; no entanto, os painéis ficam vulneráveis a rajadas de vento violentas, que podem causar danos graves. Os rastreadores solares mudam os painéis para uma posição defensiva quando o vento está forte. A posição de defesa não é ideal para a geração, mas garante a segurança dos painéis. A PVH começou a investigar algoritmos avançados que melhorassem a previsão da velocidade do vento com certeza, melhorando os tempos de geração e protegendo os painéis. A solução tinha que funcionar de forma autônoma e, ao mesmo tempo, prever com precisão o vento futuro, um problema altamente complexo que exigia o uso de novas abordagens, como o machine learning.
A Abordagem
Com base no amplo conhecimento em sistemas preditivos, a Avvale desenvolveu um algoritmo de machine learning capaz de antecipar rajadas de vento e alertar os painéis fotovoltaicos para ativar a posição de defesa. Os algoritmos desenvolvidos baseiam-se na aplicação de redes neurais profundas, ou aprendizagem profunda, e nos dados obtidos em cada um dos locais, o que permite obter previsões precisas do comportamento do vento.
Usando o machine learning, uma previsão de vento é feita a partir da série histórica de tempo gerada no local físico da instalação de geração e nas estações meteorológicas próximas. A solução requer dados de velocidade do vento apoiados por vários dados meteorológicos, como temperatura e umidade. O sistema gera alarmes de vento que acionam a instalação para se mover para uma posição de defesa ou segurança, dependendo da direção do vento. O algoritmo resultante pode ser instalado em qualquer instalação e executado de forma isolada. Ele pode ser continuamente retreinado à medida que mais informações de dados locais forem disponibilizadas pela instalação.
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
O Impacto
O algoritmo de machine learning da PVH criou uma vantagem competitiva ao aprimorar a detecção da intensidade e direção do vento, aumentando a eficiência da instalação ao otimizar o tempo de geração e introduzindo algoritmos de inteligência artificial nas instalações. Com mais informações locais para alimentar os algoritmos de machine learning, a PVH aumentou o valor de suas propostas tecnológicas para o setor e para os clientes. A PVH tem planos ambiciosos para continuar desenvolvendo e integrando tecnologias de machine e deep learning em seus sistemas, incluindo manutenção preditiva por meio de interpretação proativa de dados, previsão de geração aprimorada com base em séries temporais históricas e detecção de perdas técnicas em instalações por meio de análise de dados.
