Az ENEDIS, Franciaország villamosenergia-hálózati elosztója az SAP Signavio Process Mining és az SAP Business AI megoldásait választotta annak érdekében, hogy automatizálja a mérőleolvasások során észlelt anomáliák megoldását, és megbízható számlázást garantáljon mintegy 600 ezer üzleti ügyfelének.
A franciaországi villamosenergia-hálózat fő üzemeltetőjeként az ENEDIS az ország 95 százalékában felelős a villamos energia elosztásáért. Ez azt jelenti, hogy több mint harmincmillió vállalkozás és háztartás számára biztosítja az áramellátás megbízhatóságát, minőségét és mérését. Műszaki szakértelme és kiterjedt hálózata révén az ENEDIS hozzájárul az üzleti fogyasztók versenyképességéhez is.
Mindazonáltal a mérőóra állások rögzítésekor becsúszhatnak hibák, akár a manuális rögzítés, akár a képbeolvasás, akár a hangfelismeréses bediktálás módszerénél, de még az online követett fogyasztás adatbázisba rendezésénél is. Ha a felhasználónak kell ezt észrevennie, és a kárára téved a számlázás, az reputációs probléma. Ha neki kedvez, az a vállalatnak rossz. A hiba ugyanakkor sokszor felismerhető, ha kiugróan eltér a korábbi fogyasztási szokásoktól, vagy más módon bizonyul inkonzekvensnek. Számos jel mutathatja a hiba előfordulását, a mintázat felismerése pedig digitálisan támogatható.
Az ENEDIS az SAP-val és integrációs partnerével, az Iliade-dal együttműködve fejlesztette az üzleti ügyfeleit szolgáló kritikus informatikai rendszerét. Az ellentmondásos mérőóra adatok jobb kezelésének érdekében az ENEDIS az SAP Signavio folyamatbányászati képességeit választotta a fontos elemzési kritériumok azonosítására, és az SAP iparági szoftverében működő mesterséges intelligencia motorjának rendelkezésére bocsátotta saját adatait. Az új rendszer bevezetésével már napi több mint háromezer anomália automatikus feldolgozása vált lehetővé, ami 90%-os termelékenységnövekedést eredményezett az ENEDIS számára.
„A folyamatbányászat és a mesterséges intelligencia megfelelő paraméterezése mellett tízszeres termelékenységnövekedést érhetünk el. Elemzéseink azt mutatják, hogy a hibás mérési adatok kezelésében a tömegesen automatizált felismerés kulcsfontosságú, ebben pedig a mesterséges intelligencia jelentős szerepet játszhat” – mondta el az eredmények kapcsán Charlotte Rapinier, az ENEDIS IT-vezetője.
