CRISP-DM-এর অ্যাপ্লিকেশন
ক্রস-ইন্ডাস্ট্রি স্ট্যান্ডার্ড প্রসেস ফর ডেটা মাইনিং (CRISP-DM) একটি পদ্ধতি হিসেবে স্বীকৃত হয়েছিল M&V মেথডলজি আরও স্ট্যান্ডার্ডাইজ করতে এবং এনার্জি বাঁচানোর আরও কার্যকর অনুমান করতে। CRISP-DM-এর বিভিন্ন অ্যাপ্লিকেশন রয়েছে:
ব্যবসায়িক বোঝাপড়া (Business Understanding)
একটি বায়োমেডিক্যাল ম্যানুফ্যাকচারিং সুবিধাকে কেস স্টাডি হিসেবে নির্বাচন করা হয়েছিল ডেটা মাইনিং-এর M&V-তে অ্যাপ্লিকেশন সম্ভাব্যতা যাচাই করার জন্য। বিশ্লেষণাধীন ব্যবসার গভীর বোঝাপড়া মডেলিং ও ইভ্যালুয়েশন ফেজে ফলাফল বাস্তবায়নের জন্য অত্যাবশ্যক ছিল। এটি একটি প্রসেস ওক-থ্রু, প্রসেস ফ্লো ডায়াগ্রাম, এবং পাইপিং ও ইনস্ট্রুমেন্টেশন ডায়াগ্রাম শেখাによって বাস্তবায়ন করা হয়েছিল।
বিশ্লেষণের সীমার মধ্যে সিস্টেমগুলির জ্ঞান এই ফেজ থেকে এবং সুবিধার ইঞ্জিনিয়ারিং টিমের সাথে আরও কিছু বিষয় বোঝা যাচ্ছিল। বিশ্লেষণের সীমা ছিল পুরো ম্যানুফ্যাকচারিং সুবিধার ওপর জ্যুত ধরণের এনার্জি খরচ।
ডেটা বোঝাপড়া (Data Understanding)
CRISP-DM রেফারেন্স মডেলের ডেটা বোঝাপড়া প্রক্রিয়া সুবিধার ডেটা টেকনোলজি ইনফ্রাস্ট্রাকচারে গবেষণা মাধ্যমে সম্পন্ন হয়েছিল। এনার্জি খরচের ডেটা ফ্লো এবং সেগুলো কোথায় সংরক্ষিত ছিল তার ডেটাবেস সম্পর্কে ধারণা লাভ করা হয়েছিল।
ডেটা প্রিপারেশন (Data Preparation)
মিটারিং-এর বৈশিষ্ট্যের কারণে এনার্জি খরচের ডেটা গণনা করা কঠিন। ইলেকট্রিক্যাল এনার্জির জন্য কিউমুলেটিভ মিটার ব্যবহৃত হয় এবং ফলস্বরূপ আউটপুট ডেটায় প্রি-প্রসেসিং সম্পন্ন করতে হয়। অন্বেষণাধীন কেসে, এটি ইউজারের কাছে আউটপুট দেওয়ার আগেই করা হয়েছিল।
তবুও এই প্রি-ক্লিনজিংয়ের মনেāj, আউটলায়ার ডেটাসেটে থাকা থাকে কারণ প্রি-ক্লিনজিং প্রসেস সব অ্যানোমালি দূর করতে পারেনি। তাই ডেটা প্রিপারেশন ফেজ ব্যবহার করা হয়েছিল ইউজারের কাছে দেওয়া ডেটাসেটে অবশিষ্ট আউটলায়ার দূর করতে।
দুটি ডেটা সোর্স ব্যবহার করা হয়েছিল সাইটে ইলেকট্রিক্যাল এনার্জি কনসিউমারের সম্পূর্ণ বিশ্লেষণের জন্য প্রয়োজনীয় ডেটা সংগ্রহের জন্য - এনার্জি ম্যানেজমেন্ট অ্যাপ্লিকেশন এবং উইন্ড টার্বাইন ম্যানেজমেন্ট অ্যাপ্লিকেশন।
সাইটে ব্যবহৃত ইলেকট্রিক্যাল এনার্জি কিউমুলেটিভ কিলোওয়াট-আওয়ার (kWh) মিটার দিয়ে মাপা হয়। এই ডেটার প্রি-প্রসেসিং নিয়ে ミーター ত্রুটির কারণে উৎপন্ন আউটলায়ার সনাক্ত করা এবং ডেটাকে kWh থেকে গড় ইলেকট্রিক্যাল লোড কিলোওয়াট (kW)-এ রূপান্তর করা। দ্বিতীয় ধাপটি সমান ফরম্যাট এবং ইউনিটে ডেটা বিশ্লেষণের জন্য প্রয়োজন ছিল।
মডেলিং (Modelling)
ডেটা প্রিপারেশন প্রসেস থেকে আউটপুট ডেটাসেট ডেটা ক্লিনজিং বাস্তবায়নের ফলস্বরূপ ক্লিন ও ফাংশনাল ফরম্যাটে ছিল। এই কেস স্টাডির উদ্দেশ্যে, কমপ্রেসড এর লোড মডেল করার জন্য নির্বাচিত পরিমাণ ছিল, কারণ এটি উপলব্ধ এনার্জি ডেটার শক্তি চরিত্রায়ণ করার জন্য সবচেয়ে উপযুক্ত ভেরিয়েবল ছিল।
যখন লোডকে হাই-লেভেলে বিবেচনা করা হয়েছিল, সাইটে অন্য গুরুত্বপূর্ণ এনার্জি ইউজারদের সাথে কোনো স্পষ্ট ও प्रत्यক্ষ কোরিলেশন ছিল না। অন্যান্য গুরুত্বপূর্ণ এনার্জি ইউজাররা সাপ্লাই শিডিউলিং এবং স্ট্যান্ডার্ড অপারেটিং প্রসিডিউর থাকায় আরও প্রেডিক্টেবল ছিল।
