Desafio 5

Descrição da situação

O processo de leitura é uma etapa essencial na medição e faturamento do consumo de energia elétrica para clientes de baixa e média tensão. Através desse processo, é possível assegurar o total de energia consumida pelo cliente, de forma a cobrar desse cliente o valor correto de sua conta e melhorar sua experiência como consumidor. Atualmente esse processo é realizado por agentes leituristas que são enviados aos medidores, e que realizam a leitura e a inserem em um aplicativo celular para impressão da fatura em campo. Uma das formas de trazer segurança e assertividade para esse processo é realização de verificações de consistência na leitura, retendo aquelas leituras que apresentam parâmetros anormais e que podem representar erros, visando garantir valores corretos de medição, minimizar erros de faturamento, entregar a conta com o valor correto e garantir a melhor experiência para o cliente. O processo consiste em definir parâmetros adequados para retenção de contas, visando impedir a entrega de contas com valores incorretos, para que sejam tratadas e enviadas corretamente ao cliente antes de gerar uma reclamação, refaturamento ou pagamento de indenização ao cliente.

Esses mecanismos são implementados sistemicamente, tanto no sistema de coleta da leitura em campo (SGL), quanto no ERP da empresa (SAP CCS). Após uma classificação de uma leitura como implausível, ela é direcionada para equipe correspondente para avaliação e tratamento (Ajuste da leitura no sistema, liberação, geração de nota de releitura, etc). Após concluído todo o processo de ajuste e liberação, a fatura com valor correto é enviada para o cliente pelo serviço postal.

Porém, mesmo com diversos mecanismos implementados para trazer essa segurança, o processo ainda apresenta erros de leitura na ponta final. A proposta desse projeto é, por meio de tecnologias como inteligência artificial e visão computacional:

• Minimizar os erros de leitura na primeira etapa de coleta de dados, visando adquirir dados corretos para o processo de faturamento e realizar a impressão das faturas com valores corretos de cobrança em campo 

• Desenvolver regras mais inteligentes e assertivas no processo de retenção de contas, visando reter somente as faturas que de fato apresentam desvios/erros que requerem tratamento adicional para a equipe de leitura 

Quais as causas?

• Os erros de leitura podem ocorrer por diversos motivos, sendo os principais: 

• Leitura referente a outro medidor 

• Medidor com visão ruim (Medidor longe, caixa obstruída, vidro embaçado, leiturista sem a visão de todos os dígitos do medidor) 

• Foto ilegível ou ausência de foto 

• Erro humano (Falta de atenção, erro de interpretação, treinamento inadequado) 

• Capacidade de trabalho da equipe (Épocas com alta demanda mesmo com equipe fixa) 

Efeitos e consequências

Ao realizar uma leitura incorreta estamos suscetíveis à diversos problemas, como por exemplo: 

• Atraso na entrega da conta ao cliente, causando insatisfação ao cliente 

• Acionamento do cliente nos canais de atendimento com reclamações sobre a entrega de contas, gerando custos para a CEMIG e insatisfação ao cliente 

• Refaturamento de contas, com potencial de devolução em dobro por parte da CEMIG 

• Aumento de custos para envio da correspondência através dos correios ao invés da LIS 

• Custo de reputação para a companhia 

Definição de problema resolvido

• Atualmente a CEMIG trabalha com um Índice de Refaturamento de Contas (IRC) de 0,59 (Total de contas refaturadas por erro de leitura/total de contas faturadas a cada 10.000 contas).  

• Atualmente a CEMIG trabalha com um Índice de Contas com Erro de Leitura (ICEL) de 0,36 (Total de contas com erros de leitura/total de contas faturadas a cada 10.000 contas 

Soluções já testadas

Atualmente a CEMIG possui implementado processos de redução de erros de leitura nos coletores que estão em posse dos leituristas (Ex: Repetição de leitura, pop-up de alerta, leitura invertida) e de tratamento de leituras implausíveis (Que foram retidas pelos parâmetros de consistência) para baixa e média tensão, onde são implementadas diversas regras no sistema para minimizar erros e reter contas de acordo com categorias e parâmetros específicos. Esse processo ajudou a reduzir consideravelmente o índice de refaturamentos de contas. Porém, ainda encontramos alguns desafios nesse processo, como por exemplo:

• As fotos muitas vezes são ilegíveis e impedem uma verificação assertiva (Ex: Fotos embaçadas, medidores embaçados, leiturista com visão parcial do medidor)  

• Erro humano no lançamento da leitura (Falta de atenção, erro de interpretação, treinamento inadequado) 

• Erro humano na análise de consistência (Leitura validada corretamente, mas referente a outro medidor, interpretação errada do avaliador) 

• Muitos dos parâmetros são dinâmicos e as regras não acompanham as variações externas ao processo CEMIG (Ex: Em meses de muito calor, o índice de faturas retidas aumenta consideravelmente, visto que o consumo médio de grande parte das famílias aumenta por conta do uso de ar-condicionado) 

• Os parâmetros são gerais para tipos específicos de leitura, e não adequadas a outros parâmetros do consumidor (Ex: Não existem regras específicas para consumo de acordo com a renda do consumidor, local de consumo, tipo de negócio, etc) 

As soluções desenvolvidas e testadas até então utilizam de métodos de UX e regras quantitativas estáticas para definir os critérios de retenção. A proposta desse projeto é utilizar soluções mais modernas e inteligentes para refinar esse modelo e trabalhar em conjunto para obter uma maior assertividade no processo de leitura.

Hipóteses de solução

O processo de leitura é realizado atualmente por leiturista contratado, e utiliza de um aparelho celular para realizar a leitura do medidor e registrar o valor dentro da aplicação. Caso esse valor seja inconsistente com os parâmetros históricos inseridos no aplicativo, é solicitado ao leiturista para retirar uma foto do medidor, para que seja atestada a veracidade do dado e que possa ser confirmada posteriormente. Nesse processo de leitura, alguns exemplos de soluções que podem contribuir para o desafio:

• Inteligência que leia o valor da leitura na foto enviada pelo leiturista e a numeração do medidor, e confirme em campo se o valor inserido pelo leiturista está condizente com o valor da foto, permitindo a impressão em campo sem retenção. Essa solução teria um valor agregado adicional se fosse realizado de forma offline, visto que rotas rurais não possuem conexão com a internet no momento da leitura.  

• Inteligência artificial que leia todos os parâmetros de carga para o celular do leiturista e seja capaz de validar em campo os parâmetros de consistência de maneira inteligente para retenção de faturas 

• Inteligência para validação automática da leitura na foto na etapa de tratamento de implausíveis 

• Inteligência descritiva para base de implausíveis para analisar parâmetros mais relevantes para criação de regras de consistência 

• Tratamento de consistência automática de leituras, com definições e ações de acordo com os parâmetros analisados