Qualidade de dados, a chave para power analytics confiável

Dados são o combustível que empoderam o analytics, fornecendo aos times de instalação compreensão mais profunda sobre operações elétricas, com melhor senso de oportunidades de risco e investimento para otimizar o desempenho. No entanto, se existem erros nos dados usados em analytics (como, por exemplo, se a qualidade dos dados é fraca), a compreensão estará incorreta. Aqui está um exemplo que mostra a qualidade fraca dos dados:

Um aeroporto estava planejando expandir um terminal. Para prever o uso de energia dos locatários e portões, eles alimentaram os dados sobre energia de portões e locatários existentes em um aplicativo de planejamento de capacidade e redundância. O aplicativo indicou que um novo transformador seria necessário para apoiar a carga aumentada do novo espaço.

Leia também: CX acompanha consumidores em um mundo pós-Covid-19

No entanto, em uma investigação mais profunda, descobriram diversos metros que forneciam dados de energia e estavam desconfigurados, o que acarretava na reportagem de energia um resultado com valores verdadeiros duplos. Esse problema na qualidade de dados criou um entendimento enganoso. Quando a desconfiguração foi consertada, ficou aparente que os novos portões e locatários podiam ser atendidos pelo transformador já existente. Uma despesa grande foi evitada.

As melhores soluções de power analytics fornecem capacidade que permite detectar, rastrear e corrigir problemas com dados antes de começar a tomar decisões de negócios.

Informações de power analytics são enfraquecidas pela má qualidade de dados

Analisamos milhares de sistemas de gerenciamento de energia, em tipos diferentes de instalações, com idades variadas e fornecedores múltiplos. Nessa análise, descobrimos que 98% desses sistemas apresentavam algum problema na qualidade dos dados. Observem que estamos falando sobre aquisição de dados e sistema de controle (por exemplo, dispositivos conectados, gateways, banco de dados e software), não o sistema de distribuição elétrico em si.

Então, exatamente, quais são os problemas típicos de dados que podem prejudicar o power analytics? Aqui estão alguns exemplos:

→ Valor zero – quando o sensor se soltou ou é defeituoso, ou um sensor de voltagem é invertido

→ Valores invariáveis – quando alguém adicionou lógica personalizada a um dispositivo, mas ela está em estado de erro

→ Proporção de transformador de instrumentos incorreta – quando um dispositivo está desconfigurado para mostrar as medidas mais altas ou baixas do que as atuais

→ Voltagem nominal incorreta – quando o dispositivo considera que a voltagem nominal é diferente da atual

Quatro problemas comuns de qualidade de dados e sua origem

O fato de 98% dos sistemas analisados terem problemas de qualidade de dados constitui uma estatística surpreendente. Mas existem muitas razões pelas quais isso pode acontecer. Aqui estão quatro origens comuns desses problemas:

1. Instalação elétrica do dispositivo

Erros na instalação elétrica são um problema comum, e causam qualidade baixa de dados. Um contratado terceirizado pode instalar um  transformador de corrente  (CT) ou um transformador de energia (PT) ao contrário, para que a polaridade seja revertida quando conectado a um medidor elétrico. Nesse caso, uma carga como um ventilador de backup pode parecer estar gerando energia ao invés de registrar consumo. Se for uma carga de milhares em um sistema complexo, o problema pode passar despercebido, até que o ventilador seja usado para backup. Imagine uma emergência quando o ventilador é ativado e parece estar alimentando energia na rede. Isso pode causar confusão e risco em um momento crítico, que pode influir na segurança e no tempo de recuperação das operações.

2. Configuração do dispositivo

Esse problema ocorre durante o comissionamento ou a manutenção, quando as configurações de dispositivos múltiplos são normalmente alteradas. Os trabalhadores terceirizados podem religar acidentalmente as configurações do dispositivo (por exemplo, proporção CT/PT, tipo de voltagem, voltagem nominal), desarmar alarmes sem religá-los depois, mudar as configurações de viagem temporariamente, mas esquecer de deixá-las como anteriormente, ou falhar em transferir a configuração de um dispositivo antigo para seu mais novo substituto. Nessas situações, o dispositivo pode gerar dados incorretos ou não gerar dados (por exemplo, um alarme) durante a condição crítica. Esses problemas podem fazer com que a aplicação de power analytics não diagnostique corretamente as necessidades de manutenção ou não interprete corretamente processos ou desempenho de equipamentos.

3. Funcionalidade do sistema edge

O sistema edge engloba quaisquer gateways no local, software e bancos de dados usados para coletar e armazenar dados de dispositivos conectados. Os problemas de qualidade de dados podem ocorrer na inicialização ou durante sua manutenção se, por exemplo, um provedor de serviços definir um dispositivo conectado usando um tipo de dispositivo “genérico” em vez de um tipo de medidor propriamente “avançado”. Nesse caso, muitos dos valores importantes do dispositivo não são disponibilizados à aplicação de power analytics. Os dados também podem desaparecer se alguns serviços de software não estiverem funcionando ou se o computador ou gateway ficarem sem espaço de armazenamento. Essa última hipótese pode ocorrer se o registro de alta velocidade for ligado temporariamente para diagnosticar um problema, mas não for desligado depois.

4. Funcionalidade de plataforma corporativa na nuvem

Dados de sua rede elétrica digitalizada normalmente serão agregados no nível corporativo na nuvem. Aqui, será normalmente construído um digital twin da rede. Os problemas de qualidade de dados debaixo da arquitetura também agregarão, dividirão ou multiplicarão nesse alinhamento. Um exemplo são os intervalos de registro mal combinados. Isso ocorre quando alguns dispositivos estão registrando uma medida em um intervalo (por exemplo, uma vez em cada  10 minutos), ou outro dispositivo é registrado na mesma medida em um intervalo diferente (por exemplo, uma vez em cada 15 minutos). Uma aplicação de previsão de demanda encontraria dificuldade de processar os dados.

Retornando ao exemplo do aeroporto, imagine se, depois de uma expansão, nenhum metro tivesse sido adicionado a novos portões ou locatários. Agora o power analytics tem um local cego (blind spot) e não pode incluir um novo espaço em seu algoritmo, causando um entendimento potencialmente enganoso. Também podem ocorrer problemas se os dispositivos não forem atualizados com as versões mais recentes de firmware, o que significa que as medidas podem ser calculadas de maneira diferente de um dispositivo para outro, ou os dados estão vulneráveis a adulteração pelo fato de o dispositivo não ter recebido as atualizações mais recentes de ciberataques.

Como assegurar boa qualidade de dados

A boa notícia é que problemas de qualidade de dados podem ser detectados e corrigidos com uma solução de power analytics que inclua recursos de qualidade de dados. Se seu time não tem tempo ou conhecimento para usar essas ferramentas, é possível falar com um especialista em serviços, como o EcoStruxure Power Advisor.

A validação de qualidade de dados deve ser rodada imediatamente após ser comissionada, e, depois, periodicamente. É importante monitorar o progresso, pois as situações são dinâmicas. É possível que você tenha mudança de pessoal (às vezes sem a transferência completa de conhecimento), alterações de processos, ajustes de desempenho de terceirizados de manutenção, expansão da instalação, ou novo firmware instalado nos dispositivos. Essas atividades podem afetar a qualidade dos dados.

Quando os problemas são detectados, devem ser priorizados para correção. Normalmente é mantido um registro de problemas, e se resolve na ordem de importância. As melhores ferramentas do mercado podem lhe dar um “índice de qualidade de dados” agregado, para rastrear a saúde deles por sua duração de tempo.

Por fim, melhor que assumir que seu sistema está fornecendo dados perfeitamente confiáveis, pressuponha que você tem problemas de qualidade de dados e trabalhe para combatê-los. Lembre-se que 98% dos sistemas instalados têm problemas de qualidade. Quando você confiar nos dados, seu sistema de power analytics poderá ajudá-lo a melhorar as operações e identificar riscos e oportunidades que podem melhorar a resiliência de sua rede elétrica.