Seminário de Inteligência em Proteção de Receita

(1)

Semin

á

rio de Inteligência em

Prote

ç

ão de Receita

Metering Latin America 2010

(2)

Visão Integrada de Prote

(3)

• O Aging 90 das faturas de TOI foi de

26% em 2009

• O Aging 90 de consumidores normalizados foi

85% em 2009

Ações de

combate

a

perdas

Ações de

combate

a

perdas

Normalizações

_{Inadimplência}

Inadimplência

Faturas de

Fraude (TOI)

Faturas de

consumo

Efeito das ações de perdas na inadimplência:

Visão Integrada de Prote

(4)

Ações de corte

por

inadimplência

Ações de corte

por

inadimplência

Pagar a conta

Re-ligação

Pagar a conta

Re-ligação

Fraude

Em 2009 63% dos cortes

pediram religação e os

demais ???

37% dos cortes são...

Possíveis novos

fraudadores

Efeito das ações de combate a inadimplência

nas perdas:

Visão Integrada de Prote

(5)

Maior a perda... Maior a probabilidade de interrupções...

Perda não técnica (PNT)

Detecção da PNT

Energia Incrementada

Redução na requerida

Tempo

kWh

Faturado

Consumo

32%*

68%*

Visão Integrada de Prote

(6)

A Evolução da Recuperação de Perdas

• 1ª Geração

– Utilização de módulos de sistemas comerciais

– Conjunto de relatórios pré-definidos com configuração

de parâmetros para detectar anomalias de consumo e

combinar com irregularidades de leitura

(7)

• 1ª Geração

– Regras de quedas de consumo

(8)

A Evolução da Recuperação de Perdas

• 2ª Geração

– Utilização de data marts com tecnologias de business

intelligence, tais como DW, OLAP, Reporting

– Capacidade de cruzar informações do sistema

comercial e outros para gerar relatórios de indícios de

perdas

(9)

• 2ª Geração

DW

CRM

Faturamento

MDM

GIS

(10)

• 2ª Geração

Cubos multidimensionais

Relatórios dinâmicos

(11)

A Evolução da Recuperação de Perdas

• 3ª Geração

– Utilização de sistemas de inteligência computacional,

com conceitos de lógica nebulosa, redes neurais, etc

– Identificação de características de fraudadores

(12)

• 3ª Geração

– Exemplo de

distribuição espacial

de 3 características

normalizadas

1 C

2 C

C

3

(13)

• 3ª Geração

– Exemplo de clusterização em um espaço

11-dimensional

Elementos do Cl.1 Centróide do Cl.1 Elemento mais distante do Cl.1 Elementos do Cl.2 Centróide do Cl.2 Elemento mais distante do Cl.2 Elementos do Cl.3 Centróide do Cl.3 Elemento mais distante do Cl.3

(14)

• 3ª Geração

– Exemplo de clusterização em espaço 11-dimensional

Elementos do Cl.1

Elementos NAs

(15)

• 3ª Geração

– Exemplo de clusterização em espaço 11-dimensional

Elementos do Cl.1 Elementos do Cl.2 Elementos do Cl.3 Elementos NAs Pontos de Corte 0.16 0.25

A Evolução da Recuperação de Perdas

(16)

• 3ª Geração

– A redução de “falsos positivos” (NA) foi de até 88%, o que reduziria

os falsos alarmes em até 10 vezes

Regional

Regra de

Consumo

Classificador

FR

NA

FR

A

12,6%

81%

25%

B

4,7%

88%

15%

C

17,4%

81%

23%

(17)

• 3ª Geração

(18)

• 3ª Geração

– Risco x Retorno

(19)

A Evolução da Recuperação de Perdas

• 4ª Geração

– Utilização de conceito de sistemas evolutivos

– Consideram que os fraudadores se adaptam

(mutação)

– Os algoritmos aprendem com a adaptação dos

fraudadores

– Identificam micro-características (genes) de

fraudadores

(20)

0101100101111001101001000010001010

0110110101110000101010111011111000

1101101101111110100110010010001101

0001111001101101000101111000101101

0011011001101000000100110001001110

000011101001100101100001010010

1000100010100100010101010000101010

0010101110111101011010010111010010

1010011101010101001010010101011101

0101001010101011010101001011001011

1011110100011100001010000100111010

100011100001010101100101110101

A Evolução da Recuperação de Perdas

• 4ª Geração

Sequência A

Sequência B

0

1

0

1

0

1

0

1

0

1

0

1

(21)

A Evolução da Recuperação de Perdas

• 4ª Geração

– Identificação dos genes dos fraudadores

A

G

C

A

G

C

AAA AAG AAC AGA AGG AGC ACA ACG ACC GAA GAG GAC GGA GGG GGC GCA GCG GCC CAA CAG CAC CGA CGG CGC CCA CCG CCC

(22)

Centro de inteligência

-

CI

Tecnologias

Processos

Competência

Centro

de

Inteligência

(23)

• Necessidade de avaliação da efetividade das ações de cobrança

Exemplo em um mesmo cliente...

Faturament

o

Faturament

o

Vencimento

Negativação

30 dias

Reaviso

Corte

Pagamento

Qual é a ação efetiva ?

A Inteligência na Arrecada

ç

ão

Faturament

o

Faturament

o

Vencimento

Negativação

30 dias

Pagamento

Efetividade

2 dias

Efetividade

2 dias

Efetividade

12 dias

Efetividade

12 dias

(24)

Base de dados

histórica

Perfil de clientes

Modelo de

estimativa do

valor de

probabilidade de

arrecadação

Priorização

Maximização do

resultado

Réguas por perfil de cliente

Modelo adaptativo –

Melhoria de resultados contínuos

Réguas de cobrança

adaptadas

dinamicamente

(garantia do fluxo

ótimo)

Perfil

Sistema

Comercial

Ação de

cobrança

A Inteligência na Arrecada

(25)

Vencimento

30

60

90

120

150

Reaviso

Corte Negativação Cobrança

Reaviso Corte Negativação

Cobrança

Aumento do AGING 90 dias

Redução da PDD e Perdas

Rec. PDD

Régua por

perfil

Régua por

perfil

Régua por

classe

Régua por

classe

A Inteligência na Arrecada

(26)

A Inteligência na Arrecada

(27)

1

0

1

1 Pr[

1]

1 X

p

X

p

Y

e

− −

β β

− −

β

= =

+

L

• Probabilidade de arrecadação

• X – variável de entrada

• Valor da dívida

• Tempo da dívida

• Perfil

• Ação de cobrança

• Etc

• β

– regressores do modelo

A Inteligência na Arrecada

(28)

Na seleção usamos os conceitos de probabilidade e de valor esperado para

selecionar as ações

Priorização por

inteligência

Aumento na

arrecadação

A Inteligência na Arrecada

(29)

Inteligência Geo-Elétrica

• Uma concessionária, muitas regiões com soluções

diferentes

– Análise na visão geo-elétrica das informações de

perdas, arrecadação e interrupções

(30)

• Áreas por níveis de arrecadação

(31)

Resultado das A

ç

ões

PRODUTIVIDADE

QTDE. DE UC’s INSP.

ACERTIVIDADE ACERTIVIDADE ACERTIVIDADE ACERTIVIDADE RAIO RAIO RAIO RAIO ALTURA ALTURA ALTURA ALTURA SUBESTA SUBESTA SUBESTA SUBESTAÇÇÇÇÃOÃOÃOÃO

>30%

(32)

Resultado das A

(33)

Maximizando o retorno da prote

ç

ão de receita

• Dado um determinado investimento, como maximizar o

retorno de redução de perdas, arrecadação e

interrupções ?

Pedido Patente

# 20100076646

(34)

• Curvas de rendimento decrescente por região

geo-elétrica para ações no consumidor

Sistemas

Corporativos

Quantity of Actions

Transformer A

Transformer B

Maximizando o retorno da prote

(35)

• Identificação de correlação multi-variável

• Clusterização de regiões geo-elétricas

Transformer B

Transformer A

Transformer C

Maximizando o retorno da prote

ç

ão de receita

Pedido Patente

# 20100076646

(36)

• Inferência e interpolação para regiões geo-elétrica sem

histórico estatístico suficiente

Quantity of Actions

Transformer A

Transformer B

Quantity of Actions

Transformer C

0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 0 1000 2000 3000 4000 5000 6000 7000 8000 9000

Maximizando o retorno da prote

(37)

– Identificação automática de áreas contíguas (algoritmo guloso) para

ações na rede

• Sementes pré-definidas ou direcionadas por retorno, densidade

e etc.

Maximizando o retorno da prote

(38)

• Definição de custo de ações na rede

– Custos variáveis por características do circuito

Ex: Custo

_SmartMeter

= Custo

_Blind

* . KM

_BT

+ Custo

_SMC

**. QtdCaixas

_Necessárias

+ Custo

_Manut

*** . Qtd

_UCS

Maximizando o retorno da prote

(39)

• Otimização combinatória

– Qual a melhor ação por transformador ?

– n

X

, onde n é o número de ações e x é o

número de transformadores

– 2

74000

_{possibilidades !!!}

Maximizando o retorno da prote

ç

ão de receita

Pedido Patente

# 20100076646

(40)

• SMC x Inspeção otimizado para áreas de blindagem entre

4000 e 8000 UCs e com densidade mínima de 160 UCs/km de

rede BT

REALIZADO

OTIMIZADO

Maximizando o retorno da prote

(41)

Plataforma de inteligência integrada

Centro de Inteligência de REN

Maximização da Energia

Recuperada e Incorporada

Centro de Inteligência de REN

Maximização da Energia

Recuperada e Incorporada

Centro de Inteligência de

Arrecadação

Maximização da Arrecadação

Redução PDD e Perdas

Centro de Inteligência de

Arrecadação

Maximização da Arrecadação

Redução PDD e Perdas

Priorização de

Investimentos de

proteçãode receita

através da clusterização

geo-elétrica das áreas .

Priorização de

Investimentos de

proteçãode receita

através da clusterização

geo-elétrica das áreas .

Sistemas Corporativos

(42)

Resultados

-

Light

0 50 100 150 200 250 300 2007 2008 2009

Energia Rec + Inc (GWh)

0 200 400 600 800 1000 1200 2007 2010 (1o Sem)

Produtividade (kWh / Insp)

Variação 2007-2009 de 100,13% do volume GWh

Aumento de 150 GWh

(43)

• Análise dos resultados – Regional Oeste - 63 mil Ucs

realizadas

– SMC otimizado para áreas de blindagem com média de 6.5 mil UCs

Realizado

Otimizado

SMC

Qtd de Ucs Afetadas

63.392

78.892 Custo

R$ 55.233.000,00

R$ 56.242.000,00

Receita

R$ 94.015.000,00

R$ 122.632.000,00

Lucro

R$ 38.782.000,00

R$ 66.390.000,00

Aumento do Lucro

R$ 27.608.000,00

Ganho Percentual

71%

Resultados

(44)

• Retorno VPL 5 anos em 537 transformadores (61.257 UCs)

Simula

(45)

Simula

ç

_ç

ão Plano de Medi

_{ão Plano de Medi}

ç

_ç

ão Inteligente

_{ão Inteligente}

• VPL acumulado (10 anos)

(46)

Visão da Choice

“Ser reconhecido como o principal provedor de soluções de

inteligência computacional que possibilita a evolução para