BI: il modello della Vestas Wind Energy

Abbiamo visto nei precedenti articoli come può evolvere un modello di BI, che tipo di risorse sono necessarie per portarlo al successo e anche quali potrebbero essere gli ambiti dove far fruttare gli investimenti che il modello richiede.
Il passo successivo per avere una prima panoramica chiara e completa sul fenomeno BI (o le varie sfumature: Business Analytics, Big Data, Competitive analisys…) è quello di verificare alcuni casi di reale applicazione di questi modelli: periodicamene esamineremo il contesto di riferimento, gli elementi cruciali della soluzione di BI attuata e i risultati di alcuni business case di rilevanza internazionale.

Il primo esempio fa riferimento alla Vestas Wind Energy, una compagnia danese player di riferimento nel business delle energie rinnovabili. L’attività prevalente della Vestas è la produzione, installazione e manutenzione di pale eoliche per la produzione di elettricità dal vento.
La massimizzazione dei profitti sulla gestione del ciclo di vita di ogni singola pala è fortemente impattata dal posizionamento iniziale della pala stessa ed è quindi fondamentale individuare con la maggior precisione possibile il luogo e di conseguenza le condizioni medie atmosferiche che possano garantire performance il più possibile elevate.
Avere una conoscenza completa del fenomeno “vento” nell’area individuata permette di utilizzare pale con una configurazione ottimizzata per il luogo (massimizzando la produzione di
energia) ma soprattutto di avere una idea di quando sarà ipotizzabile rientrare dall’investimento fatto sulla base di una produzione attesa abbastanza consolidata. Errori nella valutazione delle condizioni potrebbero inoltre portare addirittura al deterioramento dell’installazione (con aumento dei costri di manutenzione) e comunque a performance operative non ottimali (diminuzione dell’energia prodotta con relativa diminuzione dei profitti).

La soluzione di BI scelta viene alimentata da più di 30.000 stazioni metereologiche in giro per il mondo con l’aggiunta dei sensori presenti su tutte le turbine già installate. I dati delle due fonti vengono combinati e poi suddivisi per areee territoriali fino ad arrivare ad un livello di dettaglio puntuale (un quadrato di 10mx10m) all’interno del quale è possibile indicare precisamente il flusso di vento previsto.
La soluzione implementata ha fatto realizzare risultati di tutto rispetto, permettendo di ottenere nuove previsioni dopo solo poche ore di elaborazione, e una volta identificato il luogo messo in produzione l’impianto, di minimizzare i costi di gestione e manutenzione della pala.
I risultati sono inoltre ancora più importanti se si confrontano in quale realtà la Ventas operava prima di mettere in esercizio questa nuova piattaforma. Due dati su tutti: i tempi di elaborazione che richiedevano settimane e il dettaglio territoriale raggiungibile molto maggiore (un quadrato di 27kmx27km), decisamente meno adeguato per individuare con precisione il luogo dove effettuare l’installazione della pala.
Dal punto di vista tecnico la soluzione, basata sul software open source Apache Hadoop e installata su un super computer è stata dimensionata per gestire petabyte di dati generati dall’analisi di quasi 200 variabili (temperatura, umidità, velocità del vento, ecc) per ogni punto di rilevazione.
Nella versione precedente della soluzione di rilevazione dati del vento alcuni indicatori non erano addirittura stati ne immagazzinati ne interpretati, in quanto avrebbero allungato eccessivamente i tempi di calcolo.

Le potenzialità del modello sono molteplici: una possibile evoluzione potrebbe andare oltre la semplice scelta del sito e delle caratteristiche della pala da installare e effettuare ad esempio delle valutazioni predittive su possibili interventi di manutenzione straordinaria, con ulteriori margini di risparmio anticipando potenziali problematiche legate all’usura.

Analizzando la modalità con cui la BI è stata integrata nelle logiche della Ventas e riprendendo i concetti che abbiamo descritto nei precedenti articoli possiamo notare un livello di evoluzione abbastanza elevato, in cui le decisioni del business (definizione del luogo di installazione della pala) vengono guidate e aiutate da rilevazioni e incroci di milioni di dati.

Inoltre le possibili evoluzioni lasciano anche intuire un coinvolgimento ancora maggiore della BI, in particolare sul tema della manutenzione, completando il quadro di maturazione del modello.

Nei prossimi articoli vedremo come la BI si possa integrare in altre realtà di business.