From reporting to advanced analytics : a case study on energy production

Ver registo simples
dc.contributor.advisorCostigliola, Francesco, orient.
dc.contributor.authorAbdeen, Salam Ayman
dc.date.accessioned2019-09-03T18:08:04Z
dc.date.available2019-09-03T18:08:04Z
dc.date.issued2019
dc.descriptionOrientação: Francesco Costigliolapt
dc.description.abstractNo mundo atual, a energia está ligada a todos os aspetos e profissões da vida. O seu consumo está a aumentar exponencialmente, o que faz com que um sistema de gestão de energia, em qualquer país, seja um fator crucial para uma economia estável, um ambiente e um futuro seguros. Manter todos os sistemas em funcionamento de forma eficiente exige que um grande esforço na recolha e na análise de grandes quantidades de dados. Estas análises permitem extrair informações que auxiliam todos os processos como, por exemplo: avaliações de risco, tomada de decisões e definição de estratégias. Em suma, a análise avançada de dados precisa de ser parte integrante dos sistemas de gestão de energia. Este trabalho analisa os processos e o nível de maturidade analítico de uma equipa (SKIPPER) na empresa de produção de energia em Portugal (EDP, Energias De Portugal). O trabalho estuda as plataformas de Business Intelligence (BI) existentes, a arquitetura de dados na plataforma SKIPPER e os requisitos dos clientes para aprimorar o processo de BI e integrar o conceito de advanced analytics implementando diversos modelos de previsão de longo prazo, comparando as suas diferenças e recomendando as ações necessárias. Com foco na produção de energia térmica, este trabalho apresenta o SAS como uma nova plataforma de Analytics e BI comparando as suas funcionalidades com a plataforma de BI existente. Utilizando 27 meses de dados históricos, o SAS também foi apresentado como uma plataforma de previsão de séries temporais, oferecendo dois níveis de análise diferentes: análise de cenário e busca de metas. O R Studio é testado como uma segunda opção de advanced analytics, onde diversos modelos de previsão de produção de energia são implementados. Uma das vantagens está na possibilidade de estruturar os dados como uma série temporal hierárquica. Das diversas técnicas de reconciliação, a Optimal Reconciliation revelou ser a abordagem mais precisa. Adicionalmente, foi implementando um modelo de regressão onde foi possível extrair alguns dos fatores relevantes no que diz respeito à afetação dos níveis de produção de energia (como por exemplo, CO2 fine e horas de trabalho). Os resultados do trabalho de tese mostram que utilizar o SAS como a principal plataforma de relatórios do SKIPPER e integrar o R Studio na arquitetura estatística pode melhorar as práticas de relatório do SKIPPER e elevar o nível de maturidade de análise de dados.pt
dc.description.abstractIn today’s world, energy is connected to all life aspects and professions. Consumption is increasing exponentially which makes having an energy management system, in any country, a crucial factor for having a stable economy, a secure environment, and a safe future. Keeping these systems running in an efficient way, requires a large amount of data to be gathered and analysed in order to extract information that helps in different processes such as risk assessments, decision making, and defining strategies. In short, data advanced analytics needs to be integrated into the energy management systems. This work examines the reporting process and the analytics level of a team (SKIPPER) in an energy production company in Portugal (EDP, Energias De Portugal). The work analyses the existing reporting platforms, data architecture in SKIPPER and clients’ requirements in order to enhance the reporting process and integrate data advanced analytics concept by implementing long term forecasting models, comparing their differences and recommending the necessary actions to be made. Focusing on thermal energy production, this work presents SAS as a new reporting platform and compares its functionalities with the existing reporting platform. Taking into consideration 27 months of historical data, SAS is also presented as a time series forecasting platform where a dashboard is created offering two options (scenario analysis and goal seeking). R Studio is tested as a second advanced analytics option where an energy production forecasting model is implemented shaping the data as a hierarchical time series having the Optimal Reconciliation as the most accurate approach, and a regression model is implemented defining raw material prices, CO2 fine and working hours as the most important factors affecting energy production. The results of the thesis work show that utilizing SAS as the main reporting platform in SKIPPER, and integrating R Studio in the statistical architecture can improve the reporting practices of SKIPPER and raise its level of data analytics maturity.en
dc.formatapplication/pdf
dc.identifier.tid202278395pt
dc.identifier.urihttp://hdl.handle.net/10437/9758
dc.language.isoengpt
dc.rightsopenAccess
dc.subjectMESTRADO EM ENGENHARIA INFORMÁTICA E SISTEMAS DE INFORMAÇÃOpt
dc.subjectINFORMÁTICApt
dc.subjectCOMPUTER SCIENCEen
dc.subjectENGENHARIA INFORMÁTICApt
dc.subjectCOMPUTER ENGINEERINGen
dc.subjectPRODUÇÃO DE ENERGIApt
dc.subjectENERGY PRODUCTIONen
dc.subjectINTELIGÊNCIA ECONÓMICApt
dc.subjectBUSINESS INTELLIGENCEen
dc.subjectMÉTODOS DE PREVISÃOpt
dc.subjectMETHODS OF FORECASTINGen
dc.subjectANÁLISE DE DADOSpt
dc.subjectDATA ANALYSISen
dc.subjectBIG DATApt
dc.subjectBIG DATAen
dc.titleFrom reporting to advanced analytics : a case study on energy productionpt
dc.typemasterThesisen

Ficheiros

Principais
A mostrar 1 - 1 de 1
Miniatura indisponível
Nome:
Thesis - Salam Abdeen (1) .pdf
Tamanho:
4.47 MB
Formato:
Adobe Portable Document Format
Descrição:
Dissertação de Mestrado
Ver/Abrir
Licença
A mostrar 1 - 1 de 1
Miniatura indisponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Ver/Abrir

Coleções

Mestrado em Engenharia Informática e Sistemas de Informação
Biblioteca - Dissertações de Mestrado