Designing a Business Model for Energy Management and Optimization in Iran Using Blockchain Technology

Document Type : Original Article

Authors

1 Department of Business, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran.

2 Department of Entrepreneurship Development, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran.

Abstract

Until the late 20th century, the economic situation of countries was directly related to the amount of energy they consumed, so that high consumption of energy carriers, especially in the industrial sector, was considered a sign of development.However, today, this relationship has changed, and other signs measure the exit of countries from the backwardness cycle. Despite these changes, our country is still struggling with the whirlpool of excessive consumption of energy carriers, so planning and using successful international experiences are needed to control the amount of energy consumed in the country. In this study, the energy balance sheet information of the country (from 1380 to 1396) was first analyzed using Python software, and an accurate picture of the challenges and the amount of resource waste in the production, distribution, and consumption chain was drawn. Also, the business model of 25 successful startups in the world energy industry that have led to increased energy efficiency on the platform of emerging technologies has been studied, and an optimized business model for improving energy efficiency in Iran has been designed. Finally, in line with the extracted model in the path of solving the challenges of the energy production to consumption chain, a technological platform for smartening the energy industry has been proposed, which is a ground for innovation and value creation and the use of innovations and creativity of startups.

Keywords

Main Subjects


مقدّمه

صنعت انرژی با توجه به نقش دوگانه آن در تأمین انرژی و درآمد ارزی، زیربنای اصلی توسعه کشور به‌شمار می‌آید. ایران به‌عنوان یکی از بزرگ‌ترین کشورهای دارنده ذخایر نفت و گاز در دنیا، برای کنترل میزان انرژی مصرفی خود که بخش عمده‌ای از آن تولید داخلی است، نیازمند برنامه‌ریزی و به‌کارگیری تجارب موفق بین‌المللی با رویکرد ارتقا بهره‌وری است. مصرف انرژی در کشور به‌ویژه در بخش خانگی که غیر مولد است، بی‌رویه بوده و شاخص شدت مصرف انرژی بسیار نامطلوب است، به‌طوری که این مصرف خارج از قاعده، اثرات زیان‌باری در روند توسعه کشور بر جای گذاشته‌است. این وضعیت بیش از هر چیز موجب اتلاف منابع کشور در گستره وسیع می‌شود. از آن گذشته بخش‌های متولی تولید و توزیع حامل‌های انرژی، فاقد ارتباطی ارگانیک و سامان‌مند با یکدیگر هستند و این مهم باعث گردیده تا اطلاعات منسجم و قابل اتکایی که مبنای تصمیم‌گیری و نظارت درست و مؤثر باشد در دسترس نبوده و به همین خاطر هزینه‌های مضاعفی صرف تبادل اطلاعات و شکل‌گیری مجموعه‌های ثالث گردیده‌است.

بر همین اساس در پژوهش حاضر برای غلبه بر دو چالش اساسی در صنعت انرژی که خود علت به وجود آمدن چالش‌های دیگری شده‌اند، با بهره‌گیری از تجارب موفق بین‌المللی، راه‌حل‌های مشخصی پیشنهاد شده‌است.

     چالش اول؛ به مسائل مربوط به بهینه‌سازی الگوی مصرف و فقدان انگیزه مصرف‌کنندگان (خانگی، صنعت و حمل و نقل) برای افزایش بهره‌وری انرژی برمی‌گردد که از علل اصلی آن، می‌توان به قیمت ارزان حامل‌های انرژی اشاره کرد و این چالش مشخصاً باعث بروز ابر چالش‌های دیگری در کشور گردیده که از یک‌سو یارانه پنهان حامل‌های انرژی و توزیع ناعادلانه آن است و از طرف دیگر نیز باعث تشدید قاچاق سوخت، مصرف بی‌رویه و بهره‌وری پایین نیروگاه‌ها و صنایع تبدیلی گردیده‌است (بازرگان هرندی و همکاران، 1402).

     چالش دوم؛ مسائلی که مربوط به اندازه‌گیری و مدیریت زنجیره تأمین و ارتقای استانداردها است که بیش از همه ریشه در فقدان اطلاعات صحیح و منسجم دارد (لمبرت[1]، 2003).

تقریباً تمامی کارشناسان اقتصادی بر این مسئله اتفاق‌نظر دارند که راه حل برون‌رفت از وضعیت فعلی، واقعی شدن قیمت‌ها، اجازه ورود سایر بازیگران و ایفای نقش رگلاتوری توسط حاکمیت (در مقابل تصدی‌گری) است (گاسیوروسکی و بایرن[2]، 2015). اما تصمیم گیران و سیاست‌گذاران به‌دلیل شرایط خاص حاکم بر کشور، رغبتی به این راه‌حل‌ها نشان نمی‌دهند و ریسک آزادسازی آنی و یک‌باره قیمت‌ها را نمی‌پذیرند و از طرفی نیز ابزارهای سنتی موجود نیز انعطاف لازم را در مسیر مدیریت هوشمندانه مصرف انرژی و توزیع عادلانه یارانه‌ها با هدف کنترل و بهینه‌سازی مصرف انرژی ندارند.

     در این راستا در این تحقیق با تبیین دقیق چالش‌ها و مشکلات زنجیره تولید، توزیع و مصرف انرژی و بررسی دقیق تجربیات بین‌المللی و کاربردهای نوآورانه فناوری‌های محاسباتی از قبیل هوش مصنوعی و بلاک‌چین، به هدف اصلی تحقیق که دستیابی به مدلی برای مدیریت و ارتقا بهره‌وری در صنعت انرژی ایران است، خواهد پرداخت تا در نتیجه آن امکان مدیریت هوشمندانه مصرف حامل‌های انرژی به‌خصوص در بخش خانگی و ارتقا بهره‌وری انرژی فراهم شده و با آزادسازی منابع و تخصیص آن به زیرساخت‌ها زمینه جلوگیری از هدر رفت ثروت و منابع ملی کشور و خلق ارزشی پایدار فراهم گردد.

مبانی نظری

با توجه به موضوع و اهداف پژوهش که از سه رکن اصلی «طراحی مدل کسب‌وکار برای بهره‌وری انرژی» در بستر «فناوری بلاک‌چین» با تمرکز بر «مدیریت و هوشمندسازی داده» تشکیل شده‌است در ادامه ضمن مروری بر مبانی نظری تحقیق، به‌بیان چارچوب نظری تحقیق به‌عنوان مبنایی برای انجام پژوهش پرداخته شده‌است.

فناوری بلاکچین

بلاک‌چین یک پروتکل ثبت داده غیر متمرکز است که معاملات بین همتایان را بدون داشتن یک نهاد واسطه، به‌عنوان مثال بانک، تسهیل می‌کند. (سوان، [3]2015، چیت‌ساز و همکاران، 1399).

     سه نوع اصلی بلاک‌چین وجود دارد، بلاک‌چین‌های عمومی مانند بیت‌کوین[4]، خصوصی مانند Hyperledger و بلاک‌چین‌های ترکیبی مانند Dragonchain که شامل بانک‌های اطلاعاتی سنتی یا فناوری Ledger توزیع‌شده[5] نیستند و اغلب با بلاک‌چین اشتباه گرفته می‌شوند (لارسن و همکاران[6]، 2017؛ کوهن و همکاران[7]، 2017؛ وینمن[8]، 2017).

     بلاک‌چین‌های عمومی، منبع باز هستند و به هرکسی اجازه می‌دهند که به‌عنوان کاربر، ماینر، توسعه‌دهنده یا عضو اکوسیستم شرکت کند. کلیه تراکنش‌هایی که در بهابازار زنجیره عمومی انجام‌می‌شود کاملاً شفاف است، به این معنی که هر کس می‌تواند جزئیات معاملات را بررسی کند. بلاک‌های زنجیره عمومی به‌گونه‌ای کاملاً غیر متمرکز ساخته‌شده‌اند که هیچ‌کدام از افراد یا نهادها نمی‌توانند کنترل کنند که معاملات در بلاک‌چین یا ترتیب پردازش آن‌ها ثبت شود (کولپرا و همکاران[9]، 2017).

     بلاک‌چین‌های خصوصی که به‌عنوان بلاک‌چین‌های مجاز یا زنجیره‌های خصوصی نیز شناخته می‌شوند، دارای تفاوت‌های قابل توجهی از زنجیره‌های عمومی هستند. شرکت‌کنندگان برای پیوستن به شبکه نیاز به رضایت و موافقت دارند. معاملات خصوصی است و فقط در دسترس شرکت‌کنندگان در اکوسیستم است که به آن‌ها اجازه پیوستن به شبکه داده‌شده‌است. بلاک‌چین‌های خصوصی متمرکزتر از بلاک‌چین‌های عمومی هستند. زنجیره‌های خصوصی برای شرکت‌هایی که مایل به همکاری و به اشتراک‌گذاری داده هستند باارزش هستند، اما نمی‌خواهند داده حساس تجاری آن‌ها در یک زنجیره عمومی قابل مشاهده باشد. این زنجیره‌ها، به‌لحاظ ماهیت، متمرکزتر هستند. نهادهای اداره‌کننده زنجیره، کنترل قابل توجهی بر شرکت‌کنندگان و ساختارهای حاکمیتی دارند (هیگن و همکاران[10]، 2017).

     در نهایت بلاک‌چین ترکیبی ضمن آنکه مزایای حریم خصوصی یک بلاک‌چین مجاز و خصوصی را دارد، مزایای امنیتی و شفافیت یک بلاک‌چین عمومی را نیز بهره‌مند است. این به کسب‌وکار انعطاف‌پذیری قابل توجهی می‌دهد تا بتوانند اطلاعاتی را که می‌خواهند عمومی و شفاف شوند و اطلاعاتی که می‌خواهند خصوصی نگه‌دارند را انتخاب کنند (برگر و همکاران[11]، 2016).

داده هوشمند

در عصر جدید جمع‌آوری داده دیگر مسئله اصلی نیست و چالش اصلی موضوعات مربوط به نگهداری و پردازش داده‌های مختلف و پُر حجم است که «کلان داده» نامیده می‌شود و مهم‌تر از آن این است که چطور از این داده استفاده کنیم، الگوهای آن را آشکار کنیم و بتوانیم از آن برای پیشرفت‌های عملیاتی و تصمیم‌گیری استراتژیک کارآمدتر استفاده کنیم. داده‌های بدون ساختار و هدف روشن، داده‌های غیر قابل استفاده هستند. این چیزی نیست جز حجم عظیمی از اطلاعات بی‌نظم و هرج و مرج و بدون هیچ‌گونه بینش‌ی. برای ایجاد ارزش‌افزوده، باید داده را درک کرد. فقط هنگامی‌که ساختار این داده به‌طور کامل تجزیه و تحلیل و درک شود، داده بزرگ می‌توانند به داده هوشمند تبدیل شوند.

     هدف تبدیل داده بزرگ به داده هوشمند، اقدامی است که بینش و ارزش واقعی را فراهم می‌کند. به‌عبارتی دیگر داده هوشمند چارچوبی نظام‌مند برای حل این چالش‌ها و بالفعل کردن ظرفیت‌های کلان داده را فراهم می‌کند (لورنتز[12]، 2013). داده هوشمند ما را قادر می‌سازد تا رفتارهای آگاهانه مربوط به داده را تعریف کنیم. این چارچوب همچنین از توصیف رسمی عملیات داده مانند تلفیق داده‌، تبدیل و مدیریت آن پشتیبانی می‌کند (پانیزار و همکاران[13]، 2014). در مقایسه با بزرگ داده‌ها، داده‌ها هوشمند، عملی و کاربردی هستند و معقول و هدف مشخص دارند. این مربوط به حجم داده‌ای که جمع‌آوری می‌شود نیست، بلکه مربوط به اقداماتی است که در پاسخ به آن داده انجام می‌گردد (جوان و اکبری[14]، 2019).

     در حالی که تعاریف داده هوشمند از منظر صاحب‌نظران و دانشمندان علوم داده تا حدودی متفاوت است، به‌طورکلی داده‌ی هوشمند به داده‌ای گفته‌می‌شود که در نقطه جمع‌آوری، به‌طور هدفمند و در ساختاری مشخص سازمان‌دهی و ذخیره شده به‌گونه‌ای که با بالاترین کیفیت و سرعت برای تجزیه و تحلیل در مراحل بعدی آماده و بهینه شده باشد. داده هوشمند داده‌ای است که از سیگنال‌ها و الگوهای برگرفته از الگوریتم‌های هوشمند استخراج شده‌است (آرچیالد و همکاران[15]، 2015). به‌طورکلی داده هوشمند داده قابل استفاده‌ای است که در جریان پاک‌سازی داده از بزرگ داده به‌دست می‌آید (رز و گرین[16]، 2016).

     داده به‌تنهایی بی‌معنا است و به‌منظور استفاده از مزایای داده در بزرگ داده، باید به داده هوشمند تبدیل شود. ارزش واقعی داده، به‌طور هدفمند به داده‌هایی با قابلیت اقدام و در کاربرد و نه در حجم آن است. داده هوشمند، داده‌ای ساختاریافته یا غنی‌شده است؛ زیرا افزون بر داده خام، نشانه‌گذاری نیمه ساختاریافته، صریح و فراداده نیز دارد. به داده هوشمند به‌اصطلاح «داده تمیز» نیز می‌گویند، زیرا تلاش می‌شود نواقص احتمالی که در فرایند ضبط یا خلق آن ایجاد شده، تا حد ممکن کاهش یابد (ماروچی و همکاران[17]، 2013). داده هوشمند به‌نوعی با انقلاب صنعتی چهارم عجین بوده و در واقع، پایه این تحول است. انقلاب صنعتی چهارم زندگی انسان را در حوزه‌های مختلف حقیقی و حقوقی دست‌خوش تغییر کرده و به ایجاد شبکه ارزش بین عناصر بازیگر در انقلاب صنعتی چهارم خواهد انجامید که داده نقش اساسی در این پارادایم جدید ایفا می‌کند (استاک و سلیگا[18]، 2016).

مدل کسبوکار

با آنکه در طی دو دهه اخیر مدل کسب‌وکار توسط محققان متعددی مورد مطالعه و بررسی قرار گرفته است، اما همچنان یک تعریف استاندارد برای آن وجود ندارد. با نگاهی به تعاریف مختلف مدل کسب‌وکار ملاحظه می‌شود که فصل مشترک این تعاریف، اشاره به مفاهیمی نظیر منطق، درک، سیستم، الگو و مواردی از این دست است. استروالدر و پیگنر مدل کسب‌وکار را «منطق درآمدزایی یک سازمان و یا به‌عبارتی چگونگی خلق، ارائه و دریافت ارزش در یک سازمان» توصیف می‌نمایند. از نگاه استروالدر و پینگر مدل کسب‌وکار در واقع چیزی نیست به‌جز معماری بنگاه و شبکه‌هایش برای خلق، بازاریابی و ارائه ارزش و ارتباط سرمایه با یک یا بخش‌هایی از مشتریان برای ایجاد سود و نگهداری جریان‌های درآمدی (استروالدر و پینوآ[19]، 2010).

     یکی از مهم‌ترین اجزای هر مدل کسب‌وکار، «ارزش پیشنهادی» است. ارزش پیشنهادی، به توصیف بسته محصولات و خدماتی می‌پردازد که شرکت به بازار ارائه می‌دهد (استروالدر[20]، 2004). با مرور و بررسی کلی از ادبیات موجود در باره عناصر اصلی و اجزای تشکیل‌دهنده مدل‌های کسب‌وکاری که ارزش پیشنهادی مهم‌ترین رکن و عنصر آن است، می‌توان به موارد ذیل اشاره کرد: مدل کسب‌وکار پتروویک و همکاران[21] (2001) از هفت عنصر مدل ارزش، مدل روابط مشتری، مدل منابع، مدل درآمد، مدل تولید، مدل سرمایه و مدل بازار تشکیل شده‌است.

     مدل کسب‌وکار استروالدر (2004) از نه جزء ارزش ارائه‌شده، مشتریان هدف، کانال توزیع، روابط، پیکربندی ارزش، شایستگی محوری، شبکه شرکا، مدل درآمدی و ساختار هزینه تشکیل شده‌است. مدل کسب‌وکار استهلر[22] (2002) شامل چهار عنصر ارزش قابل‌ارائه، کالا / خدمات، معماری (یکپارچه‌سازی) و مدل درآمد است. مدل کسب‌وکار چسبرو و روسنبالوم[23] (2002) شامل شش عنصر جایگاه ارزشی، بخش بازار، ساختار زنجیره ارزش، تولید درآمد و حاشیه، جایگاه در شبکه ارزش و استراتژی رقابت است. مدل کسب‌وکار آلت و زیمرمن[24] (2001) دارای شش مؤلفه اصلی مأموریت، ساختار، فرایندها، درآمدها، مسائل قانونی و فنّاوری است.

پیشینه و چارچوب نظری پژوهش

بررسی و مرور پژوهش‌های انجام شده در حوزه موضوع تحقیق نشان‌می‌دهد در پژوهش‌های مرتبط که در سطح بین‌الملل صورت گرفته است عموماً به تشریح مفاهیم مرتبط با موضوع پرداخته شده‌است. در داخل کشور نیز مطالعه خاصی بر روی این موضوع صورت نگرفته و مدل مشابهی نیز وجود ندارد؛ بنابراین همان‌طور که پیش‌تر به بررسی مبانی نظری ارکان مختلف تشکیل‌دهنده تحقیق پرداخته شد، بلاک‌چین خصوصی به‌دلیل تناسب آن با قواعد و الزامات حاکم بر صنعت انرژی ایران به‌عنوان بستری مناسب برای اجرا و پیاده‌سازی دستاوردهای این تحقیق و هوشمندسازی داده نیز به‌عنوان بهترین روش برای تجزیه و فرآوری بزرگ داده‌های صنعت انرژی با هدف ایجاد نسل بعدی برنامه‌ها و خدمات هوشمند انتخاب می‌شود. همچنین مدل کسب‌وکار استروالدر به‌عنوان مدل منتخب برای طراحی مدل کسب‌وکار ارتقا بهره‌وری در صنعت انرژی ایران به‌دلیل ساختاری بهینه و چارچوبی منسجم و نظام‌مند و همسویی با مدل کسب‌وکار منتخب در مدیریت و بهره‌وری صنعت انرژی جهان از میان مدل‌های کسب‌وکار موجود انتخاب گردید.

     مدل کسب‌وکار استروالدر از نه جزء به شرح ذیل (جدول 1) تشکیل گردیده که منطق چگونگی کسب درآمد یک شرکت را نشان‌می‌دهد (استروالدر، 2004؛ چیت‌ساز و بیگدلی، 1400).

جدول 1. اجزا مدل کسبوکار از نظر استروالدر

بلوک اصلی

اجزای مدل

شرح

محصولات

ارزش پیشنهادی

نمایی کلی از محصولات و خدمات شرکت که برای مشتری دارای ارزش است.

روابط مشتریان

بخش‌بندی مشتریان

بخشی از مشتریان که یک شرکت می‌خواهد به ارائه ارزش به آن‌ها بپردازد.

کانال‌های توزیع

ابزارهای متنوعی که شرکت به‌وسیله آن‌ها با مشتریان خود ارتباط برقرار می‌کند.

ارتباط با مشتریان

ارتباطی که شرکت بین خود و مشتریان بخش‌های مختلف ایجاد می‌کند.

مدیریت زیرساخت

فعالیت‌های کلیدی

تنظیمات مرتبط با فعالیت‌ها و منابع را توضیح می‌دهد.

منابع کلیدی

شایستگی‌های لازم برای اجرای مدل کسب‌وکار را توضیح می‌دهد.

شرکای کلیدی

شبکه همکاری و توافقات شرکت با سایر شرکت‌ها که الزاماً ارائه دهنده و تجاری کننده ارزش هستند را توضیح می‌دهد.

جنبه‌های مالی

جریان درآمدی

شیوه‌ای را که به‌وسیله آن شرکت پول به‌دست می‌آورد و انواع چرخه درآمدی را توضیح می‌دهد.

ساختار هزینه

نشان‌دهنده پول مورد نیاز برای همه و سایل به کار رفته در مدل کسب‌وکار.

روششناسی پژوهش

بر اساس تقسیم‌بندی موریسون و مکناب[25] (1962) رویکرد نوشتار حاضر، کیفی و از لحاظ روش‌شناسی نیز از نوع طرح‌های تبیینی و از شاخه مطالعات موردی است. علت انتخاب این رویکرد نیز آن است که محقق در نظر دارد به جنبه‌های نهفته یک پدیده که در اینجا ابعاد مدل کسب‌وکار است، پرداخته و آن را قابل درک سازد؛ بنابراین نیازمند استفاده از روش‌های کیفی از نوع تفسیری است. همچنین از آنجا که در این نوشتار در نظر است بر روی کسب‌وکارهای موفق بین‌المللی در زمینه بهره‌وری انرژی متمرکز شده و ابعاد مدل کسب‌وکار بهینه را استخراج نماید، این تحقیق از نوع مطالعه موردی چندگانه است.

     در این پژوهش حجم نمونه بر اساس اشباع نظری تعیین‌شده است. اشباع داده یا اشباع نظری رویکردی است که در پژوهش‌های کیفی برای تعیین کفایت نمونه‌گیری مورد استفاده قرار می‌گیرد. در این روش نمونه‌گیری که خاص تحقیقات کیفی است، اطلاعات مربوط تا جایی ادامه پیدا می‌کنند که جمع‌آوری اطلاعات بیشتر تأثیری بر نتیجه تحقیق نداشته‌باشد؛ بنابراین با همین رویکرد ابتدا اطلاعات ترازنامه انرژی کشور از سال 1380 تا 1396 (جدول 2) به‌عنوان بخشی از حجم نمونه آماری انتخاب گردید. اطلاعات منسجم و نظام‌مند بیشتری در کشور منتشر نگردیده است. جدول 2 اطلاعات اصلی زنجیره تولید، عرضه و مصرف به تفکیک سالیان مختلف است.

جدول 2. اطلاعات ترازنامه انرژی کشور از سال 1380 تا 1396

سال

حاملهای انرژی (تمامی واحدها معادل میلیون بشکه نفت خام است)

نفت خام و فرآوردههای نفتی

برق

گاز

کل حاملهای انرژی

تولید

عرضه

مصرف

تولید

عرضه

مصرف

تولید

عرضه

مصرف

تولید

عرضه

مصرف

1380

1358.9

504.5

393.8

-

76.6

59.5

390.5

416.7

226.1

1759.7

933.8

682.3

1381

1275.6

515.6

408.6

-

83

64.1

444

469.3

254.8

1731.5

998.8

730.2

1382

1456.9

552.6

415.6

-

90.5

70.4

502.6

517.2

278.7

1973.5

1056.1

767.9

1383

1534.4

535.7

428.6

-

98.1

76

568.5

583.3

321.7

2116.7

1134.5

830.3

1384

1613.6

583

461.5

-

104.7

79.7

621.5

624.3

345.5

2264.1

1237.3

902.4

1385

1595.4

619.8

485.2

-

113.3

86.4

686.5

689.9

400.5

2312.0

1340.5

987.1

1386

1629.3

617.8

480.3

-

119.9

91.2

774.3

777.8

471.8

2427.8

1420.5

1052.7

1387

1606.6

657.3

533.5

-

126.1

96.4

805.3

820.2

476.5

2428.4

1493.0

1115.1

1388

1585.2

676.2

538.5

-

130.2

100.8

566.2

859.9

519.7

2467.2

1551.5

1166.4

                                               

ادامه جدول 3. اطلاعات ترازنامه انرژی کشور از سال 1380 تا 1396

سال

حاملهای انرژی (تمامی واحدها معادل میلیون بشکه نفت خام است)

نفت خام و فرآوردههای نفتی

برق

گاز

کل حاملهای انرژی

تولید

عرضه

مصرف

تولید

عرضه

مصرف

تولید

عرضه

مصرف

تولید

عرضه

مصرف

1389

1607.9

620.8

474.7

-

137.0

109.4

903.4

906.6

557.7

2527.6

1543.8

1149.2

1390

1595.7

611.2

413.0

-

141.2

111.4

947.8

962.5

652.1

2562.9

1593.3

1184.6

1391

1209.7

620.0

422.2

-

149.5

117.2

985.2

956.0

631.3

2219.1

1598.2

1181.1

1392

1206.6

674.0

434.4

-

154.3

120.3

992.6

963.2

662.3

2229.8

1668.3

1229.7

1393

1241.4

681.4

482.5

-

161.5

130.2

1109.9

1086.7

696.7

2380.8

1799.4

1320.7

1394

1229.1

607.1

463

-

165

136.9

1177.0

1189.8

706.8

2434.1

1795.9

1318.4

1395

1572.5

710.7

461.2

-

170.0

141.7

1273.2

1239.5

755.5

2882.3

1808.6

1371.1

1396

1629.0

732.1

434.7

-

-

151.3

1392.9

1317.0

763.8

3060.6

1851.9

1363.5

                                               

     از دیگر سوء از میان کسب‌وکارهای مطرح و مرتبط با بهره‌وری انرژی در دنیا، با بررسی 25 استارت‌آپ به کفایت نمونه‌گیری رسیده بررسی بیشتر تأثیری در نتیجه حاصل نداشت (جدول 3). بهره‌گیری از فناوری‌های نوظهور و محاسباتی، اثبات مدل کسب‌وکار و عبور از مرحله معرفی و حضور در مرحله رشد در چرخه عمر هر استارت‌آپ، از ملاک‌های اصلی بررسی و انتخاب کسب‌وکارهای منتخب بود.

جدول 3. معرفی استارتآپهای (کسبوکارهای) مورد مطالعه

ردیف

نام استارتآپ

سال تأسیس

کشور

حوزه فعالیت

1

Grid Singularity

2016

برلین – آلمان

مدیریت، بهینه‌سازی و بهره‌وری صنعت انرژی

2

Currant

2019

لندن – انگلیس

مدیریت و بهره‌وری صنعت انرژی

3

D3A

2017

لندن – انگلیس

مدیریت و بهره‌وری صنعت انرژی

4

Energy Web

2017

برن – سوئیس

مدیریت و بهره‌وری صنعت انرژی

5

Exergy

2017

پرتلند – آمریکا

مدیریت و بهره‌وری صنعت انرژی

6

Filament

2008

بروکفیلد– آمریکا

مدیریت و بهره‌وری صنعت انرژی

7

Grid Plus

2017

آستین – آمریکا

مدیریت و هوشمندسازی صنعت انرژی

8

Acciona

1997

مادرید – اسپانیا

مدیریت و بهینه‌سازی صنعت انرژی

9

Hive Power

2017

زوریخ – سوئیس

مدیریت و بهینه‌سازی صنعت انرژی

10

Lition

2017

برلین – آلمان

بازار انرژی

11

LO3

2012

بروکلین – آمریکا

مدیریت و بهره‌وری صنعت انرژی

12

Piclo Energy

2013

لندن – انگلیس

مدیریت و بهره‌وری صنعت انرژی

13

Power Ledger

2016

ملبورن – استرالیا

مدیریت، بهینه‌سازی و بهره‌وری صنعت انرژی

14

Prosume

2017

میلان – ایتالیا

مدیریت، بهینه‌سازی و بهره‌وری صنعت انرژی

15

Sun Exchange

2015

کیپ تاون – آفریقای جنوبی

مدیریت، بهینه‌سازی و بهره‌وری صنعت انرژی

16

Sympower

2015

آمستردام – هلند

مدیریت و بهره‌وری صنعت انرژی

17

Verv Vlux

2009

لندن – انگلیس

مدیریت و بهره‌وری صنعت انرژی

18

Via Energy

2018

گویانیا – برزیل

مدیریت و بهره‌وری صنعت انرژی

19

We Power

2017

ویلنیوس – لیتوانی

بازار انرژی

20

Ambyint

2004

هیوستون – آمریکا

مدیریت و بهینه‌سازی صنعت انرژی

21

Dai Energy

2012

واشنگتن – آمریکا

هوشمندسازی صنعت انرژی

22

Energy Bazaar

2017

لاهه – هلند

بازار انرژی

23

Spark cognition

2013

آستین – آمریکا

مدیریت و بهره‌وری صنعت انرژی

24

Wiferion

2016

فرایبورگ – آلمان

هوشمندسازی صنعت انرژی

25

Wirewatt

2014

سن پدرو گا رزا گارسیا – مکزیک

مدیریت و بهره‌وری صنعت انرژی

     برای تجزیه و تحلیل اطلاعات جمع‌آوری شده در دو بخش مجزا از دو نرم‌افزار پایتون و مکس کیودا[26] استفاده گردید که در ادامه روش و چگونگی مدل‌سازی و تحلیل داده‌ها با نرم‌افزارهای پیش‌گفته تشریح شده‌است:

دادهکاوی ترازنامه انرژی با نرمافزار پایتون

برای داده‌کاوی اطلاعات 17 سال ترازنامه انرژی کشور در بستر نرم‌افزار پایتون ابتدا با استفاده از الگوریتم Pre-Processng داده‌های نامرتب ترازنامه انرژی را به تفکیک در بخش‌ها و قسمت‌های مختلف مورد بررسی قرار داده و به‌صورت هوشمند و یکپارچه دسته‌بندی کرده و پس از آن به‌کمک ماژول پاندا[27] به‌عنوان کتابخانه‌ای در این زبان برنامه‌نویسی به تجزیه و تحلیل داده‌های موجود پرداخته شد. این کتابخانه در واقع می‌تواند داده را با بهره‌گیری از ساختارهای Series و دیتا فریم[28] که ارائه می‌کند، به قالبی که برای تحلیل داده مناسب هستند، مبدل سازد. ساختار series مشابه با آرایه یک‌بُعدی است و می‌تواند داده از هر نوعی را ذخیره کند.

     مقادیری که در series قرار می‌گیرند قابل‌تغییر هستند؛ اما اندازه Series پانداس، غیرقابل تغییر است؛ و همچنین به اولین عنصر در Series، اندیس صفر (0) تخصیص داده خواهد شد و اندیس آخرین عنصر در Series برابر با N-1 است که در آن، N تعداد کل عنصرهای موجود در سری است؛ که در این پژوهش برای ساخت Series پانداس، ابتدا بسته پانداس با استفاده از دستور Import پایتون، وارد گردید. از طرفی ساختار داده دیتا فریم در پانداس را می‌توان به‌عنوان یک جدول در نظر گرفت. دیتا فریم، داده‌ها را در سطرها و ستون‌ها سازمان‌دهی می‌کند و از آن‌ها یک ساختار داده دوبُعدی می‌سازد. ستون‌ها می‌توانند حاوی مقادیری از انواع گوناگون باشند و در عین حال، اندازه دیتا فریم قابل‌تغییر است؛ بنابراین می‌توان آن را ویرایش نمود. برای ساخت دیتا فریم، کار از دیتابیس پایه شروع شده و یا ساختار داده‌هایی مانند آرایه‌های نام‌پای[29] به یک دیتا فریم مبدل گردیده است‌. به‌طورکلی بسته پانداس حاوی چندین متد برای پالایش مناسب داده است. ماژول پانداس دارای ابزارهای گوناگونی برای انجام عملیات ورودی / خروجی است و می‌تواند داده را از فرمت‌های گوناگونی شامل MS Excel، TSV، CSV و دیگر موارد بخواند.

تحلیل کیفی دادههای 25 استارتآپ بینالمللی با نرمافزار مکس کیودا

در بخش دوم، تجزیه و تحلیل داده‌ها را به‌منظور استخراج مدل کسب‌وکار بهینه منطبق با تجارب موفق جهانی در حوزه مدیریت و بهره‌وری انرژی، ابتدا از روی برگه امید[30]، استارت‌آپ‌های منتخب، مدل کسب‌وکارشان استخراج گردیده و سپس با استفاده از روش‌های کدگذاری (باز، محوری و انتخابی) نسبت به کدگذاری اطلاعات استخراج یافته - که بالغ بر 1000 صفحه است - اقدام شده‌است. کدگذاری تا مرحله‌ای ادامه داده شد که از آن پس اطلاعات مربوطه در دسته اصلی اضافه نشود و به‌عبارتی به مرحله اشباع در کدگذاری رسیده و سپس کدگذاری متوقف می‌شود. در نهایت با ورود اطلاعات و کدهای نهایی به نرم‌افزار مکس‌کیودا، بهینه‌ترین مدل کسب‌وکار برای مدیریت و بهره‌وری در صنعت انرژی استخراج گردید.

نتایج

یافته‌های تحقیق در دو بخش قابل‌ارائه است، در بخش اول با تجزیه و تحلیل اطلاعات ترازنامه انرژی از سال 1380 تا 1396 به‌وسیله نرم‌افزار پایتون سه نتیجه کلی ذیل حاصل می‌شود:

پیشی گرفتن نرخ رشد مصرف به تولید

با توجه به اهمیت دو حامل نفت خام و گاز طبیعی در تأمین انرژی کشور از یک‌سو و سرمایه‌گذاری بالای مورد نیاز برای توسعه میدان‌های نفت و گاز و زمان‌بر بودن این فرآیند از سویی دیگر، پیش‌بینی می‌شود به‌دلیل شرایط خاص حاکم بر کشور و عدم سرمایه‌گذاری هشت سال گذشته، روند افزایش تولید متوقف و در آینده نزدیک شاهد افت تولید باشیم و از طرفی با توجه به روند فزاینده مصرف در بخش‌های مصرف که در جدول 4 آمده است، در آینده‌ای نه‌چندان دور شاهد بحران‌های جدی خواهیم بود.

جدول ۴. نرخ رشد و شیب صعودی مصرف حاملهای مختلف انرژی

نوع حامل

حوزه مصرف

کل انرژی

گاز

برق

نفت خام و فرآوردههای نفتی

خانگی

6.25

6.82

1.97

2.95 -

صنعت

8.89

12.21

1.89

5.40 -

حمل و نقل

5.79

3.573

0.018

2.11

سایر مصارف انرژی

0.064

0.0

0.064

0.0

تجاری و عمومی

0.29

1.42

0.72

1.85 -

کشاورزی

1.54

1.41

1.20

1.088 -

مصارف غیر انرژی

7.353

6.16

0.0

0.813

تلفات بالا و بهرهوری پایین انرژی

میزان تلفات انرژی در کشور بسیار بالا و بهره انرژی بسیار پایین است، حدود یک‌چهارم انرژی عرضه شده به زنجیره، هدر می‌رود، به‌طوری که می‌توان گفت کشوری با اندازه اقتصاد و جمعیت کشورمان، به‌اندازه میزان تلفات ما، مصرف انرژی دارد. یکی از دلایل اصلی آن ارزان بودن انرژی و فرسودگی زیرساخت‌های توزیع که از عدم وجود انگیزه برای نوسازی نشئت می‌گیرد. نتایج مطالعات انجام شده در این تحقیق که در ادامه به آن اشاره خواهد گردید نشان‌می‌دهد که بهره‌گیری از فناوری‌های محاسباتی نوظهور در بستر مدل‌های نوین کسب‌وکار امکان شناسایی و رفع این چالش‌ها را برای کشور فراهم می‌آورد.

تناقضات متعدد آماری در اطلاعات ترازنامه انرژی

بررسی و تجزیه و تحلیل ترازنامه‌های انرژی منتشره در کشور بیانگر تناقضات آماری گسترده‌است، این موضوع به‌خصوص با آگاهی از اینکه ترازنامه انرژی کشور با تأخیر دوساله منتشر می‌شود، بی‌اعتمادی به اعداد و ارقام منتشره را تشدید می‌نماید و به وضوح بیانگر مداخلات انسانی در تمامی بخش‌های زنجیره و عدم وجود فرایندهای سامان‌مند اندازه‌گیری است؛ و زمانی که امکان اندازه‌گیری دقیق فراهم نباشد قطع به‌یقین امکان بهینه‌سازی و ارتقا بهره‌وری نیز وجود نخواهد داشت؛ بنابراین ضرورت استفاده از فن‌آوری‌هایی نظیر بلاک‌چین که کارکرد اصلی آن کاهش مداخلات انسانی و جلوگیری از تقلب و فساد است، برای هوشمندسازی زنجیره تولید، توزیع و مصرف بسیار مفید و مؤثر واقع می‌گردد.

در بخش دوم یافته‌های تحقیق مدل کسب‌وکار بهینه برای مدیریت و بهره‌وری صنعت انرژی، استخراج و طراحی شده‌است که به شرح ذیل است:

جدول ۵. مدل کسبوکار بهینه پلتفرم مدیریت و بهرهوری صنعت انرژی

بلوک اصلی

اجزای مدل

شرح

محصولات

ارزش پیشنهادی

مدیریت و بهره‌وری انرژی، فناوری بلاک‌چین، دمکراتیک کردن، پلتفرم داده باز، آینده کم‌کربن، شبکه انرژی همتا، هوشمندسازی داده‌

روابط مشتریان

بخش‌بندی مشتریان

شرکت‌ها و سازمان‌ها، دولت‌ها و نهادهای قانون‌گذاری، مردم و مصرف‌کنندگان نهایی

کانال‌های توزیع

برنامه‌های رابط نرم‌افزاری، قرارداد هوشمند، وب‌سایت

ارتباط با مشتریان

پلتفرم (اپلیکیشن)، سامانه مدیریت ارتباط با مشتریان

مدیریت زیرساخت

فعالیت‌های کلیدی

هوشمندسازی داده‌، ایجاد هویت دیجیتال، افزایش قابلیت ردیابی، قیمت‌گذاری دقیق و تطبیقی، اعتباردهی، احراز هویت، اطمینان و انعطاف‌پذیری سیستم

منابع کلیدی

نیروی انسانی، بلوغ فناوری، زیرساخت‌های فنی و اجرایی

شرکای کلیدی

مصرف‌کنندگان، توسعه‌دهندگان فناوری‌های غیرمتمرکز، اپراتورها، قانون‌گذاران و تنظیم‌کنندگان مقررات، خدمات‌دهندگان و تولیدکنندگان انرژی

جنبه‌های مالی

جریان درآمدی

کارمزد از تراکنش‌ها، ارز دیجیتال، عقد قرارداد

ساختار هزینه

توسعه زیرساخت فنی، پشتیبانی فنی، بازاریابی

بحث و نتیجهگیری

مطابق مطالعات صورت گرفته بر روی تجارب موفق جهانی به نظر می‌رسد فناوری‌های نوین محاسباتی در ذیل مدل‌های جدید کسب‌وکار، می‌توانند نقش بسیار مؤثری در مدیریت چالش‌های صنعت انرژی کشورمان داشته‌باشند. فناوری‌های نوین با کاربردهای وسیع و نوآورانه، این امیدواری را ایجاد نموده‌اند تا بستر مناسبی را برای حل مسائل و ابر چالش‌های موجود در زنجیره تولید، توزیع و مصرف انرژی با ورود بازیگران نوآور و فن‌آور به این حوزه و دسترسی نظام‌مند آن‌ها به داده فرآوری شده، فراهم نمایند. مجموعه خواص و ویژگی‌های منحصربه‌فرد این فناوری‌های نوین به‌ویژه هوش مصنوعی و بلاک‌چین باعث شده‌اند که فرآیندهای مدیریت و تبادل داده در این زنجیره عریض و طویل، ایمن و قابل ردگیری شده و همچنین امکان تولید اطلاعات همسان و قابل‌اتکا را از یک‌سو و هوشمندسازی و فراورش داده‌های موجود را از سوی دیگر فراهم نمایند به‌طوری که بخش‌های مختلف این زنجیره از عملکرد مجزا و جزیره‌ای خارج و در عین حال بتوان دخالت عامل انسانی را نیز کاهش داد و در نهایت، ضمن ایجاد اعتماد سامان‌مند، امکان خلق ارزش‌های جدید و ارائه الگوی جدید اقتصادی برای بهینه‌سازی زنجیره و رفع چالش‌های ریز و درشت در این حوزه استراتژیک فراهم گردد.

با توجه به شرایط خاص کشور و ناترازی عمیق تولید و مصرف انرژی از یک‌سو و روند فزاینده و تصاعدی مصرف به‌خصوص در بخش خانگی از سوی دیگر، هوشمندسازی زنجیره تولید، توزیع و مصرف انرژی بسیار ضروری و پُر اهمیت است. ضمن آنکه می‌توان از هوشمندسازی داده محور در مقابل رویکرد هزینه‌بر سخت‌افزاری بهره برد و در این مسیر با به‌کارگیری فناوری‌های نوظهور و محاسباتی می‌توان بسیاری از مشکلات زنجیره تولید تا مصرف انرژی را مرتفع نمود. هرچند اجرا و پیاده‌سازی این روش‌های نوآورانه مستلزم پذیرش مدل‌های نوین و خلاقانه کسب‌وکار همچون مدل به‌دست آمده از این تحقیق توسط حاکمیت برای تسهیل ورود بازیگران جدید در زنجیره تولید تا مصرف است. با تأکید بر این مهم که حاکمیت در این مسیر می‌بایست از به‌کارگیری مدل‌های سنتی دولتی به‌جد اجتناب نماید. همچنین باز کردن داده‌های صنعت انرژی و تسهیل دسترسی به آن با پروتکل‌های شفاف، استاندارد و نظام‌مند مطابق تجارب موفق جهانی نیز یکی دیگر از دستاوردهای پژوهش است که باید در این زمینه نسبت به ایجاد زیرساخت‌های فنی، قانونی و حقوقی لازم اقدامات لازم در کشور صورت پذیرد تا زمینه شکل‌گیری اکوسیستم استارتاپی فناورانه حول محور صنعت انرژی کشور فراهم گردد.

 

[1]. Lambert

[2]. Gasiorowski & Byrne

[3]. Swan

[4]. Bitcoin

[5]. Distributed Ledger Technology

[6]. Larsen & Castelli

[7]. Cohn et al.

[8]. weinmann

[9]. Korpela et al.

[10]. Higdon et al.

[11]. Burger et al.

[12]. Lorentz

[13]. Panahiazar et al.

[14]. Javan & Akbari

[15]. Kalinin et al.

[16]. Rouse & Green

[17]. Marucci et al.

[18]. Stock & Seliger

[19]. Osterwalder & Pigneur

[20]. Osterwalder

[21]. Petrovic et al.

[22]. Stehle

[23]. Chesebro & Rosenblum

[24]. Alt & Zimmermann

[25]. Morrison & McNab

[26]. MAXQDA

[27]. Pandas

[28]. Data Frame

[29]. Numpy

[30]. White Paper

References
Alt, R., & Zimmermann, H. D. (2001). Preface: introduction to special section–business models. Electronic markets, 11 (1), 3-9.
Bazargan Harandi, A., Hejazi, A., & Sarmad, Z. (2023). The book of research methods in behavioral sciences, 48th edition, Tehran: Ageh Publications. (in Persian).
Burger, C., Kuhlmann, A., Richard, P., & Weinmann, J. (2016). Blockchain in the energy transition. A survey among decision-makers in the German energy industry. DENA German Energy Agency, 60.
Chitsaz, E., & Bigdeli, M. (2021). Identifying the Success Factors Affecting Entrepreneurial Finance using Initial Dex Offering. Journal of Entrepreneurship Development, 14 (2), 221-240. doi: 10.22059/jed.2021.312183.653490 (in Persian).
Chitsaz, E., Qorbani Hesari, M., & Feili, H. (2020). Identifying the failure factors for crowdfunding using initial coin offering. Journal of Entrepreneurship Development, 13 (1), 1-20. doi: 10.22059/jed.2020.297121.653257 (in Persian).
Gasiorowski, M. J., & Byrne, M. (2015). Mohammad Mosaddeq and the 1953 coup in Iran: Syracuse University Press.
Higdon, S. J., Devost, D., Higdon, J. L., Brandl, B., Houck, J., Hall, P., & Sloan, G. (2004). The SMART data analysis package for the infrared spectrograph on the spitzer space telescope. Publications of the Astronomical Society of the Pacific, 116 (824), 975- 985.
Javan, M. S., & Akbari, M. K. (2019). SmartData 4.0: a formal description framework for big data. The Journal of Supercomputing, 75 (7), 3585-3620.
Kalinin, S. V., Sumpter, B. G., & Archibald, R. K. (2015). Big–deep–smart data in imaging for guiding materials design. Nature materials, 14 (10), 973-980.
Lambert, L. (2003). Leadership redefined: An evocative context for teacher leadership. School leadership & management, 23 (4), 421-430.
Larsen, A. H., Mortensen, J. J., Blomqvist, J., Castelli, I. E., Christensen, R., Dułak, M., & Hargus, C. (2017). The atomic simulation environment—a Python library for working with atoms. Journal of Physics: Condensed Matter, 29 (27), 273002.
Lorentz, G. G. (2013). Bernstein polynomials: American Mathematical Soc.
Marucci, M., Andersson, H., Hjärtstam, J., Stevenson, G., Baderstedt, J., Stading, M., & von Corswant, C. (2013). New insights on how to adjust the release profile from coated pellets by varying the molecular weight of ethyl cellulose in the coating film. International journal of pharmaceutics, 458 (1), 218-223.
Morrison, P., & McNab, B. (1962). Daily torpor in a Brazilian murine opossum (Marmosa). Comparative Biochemistry and Physiology, 6 (1), 57-68.
Osterwalder, A. (2004). The business model ontology a proposition in a design science approach. Université de Lausanne, Faculté des hautes études commerciales,
Osterwalder, A., & Pigneur, Y. (2010). Business model generation: a handbook for visionaries, game changers, and challengers: John Wiley & Sons.
Panahiazar, M., Taslimitehrani, V., Jadhav, A., & Pathak, J. (2014). Empowering personalized medicine with big data and semantic web technology: promises, challenges, and use cases. Paper presented at the 2014 IEEE International Conference on Big Data (Big Data).
Petrovic, O., Kittl, C., & Teksten, R. D. (2001). Developing business models for ebusiness. Available at SSRN 1658505.
Rouse, M., & Green, I. (2016). WhatIs. com. Tech Target. January.
Stehle, E. (2002). The body and its representations in Aristophanes' Thesmophoriazousai: Where does the costume end?. American Journal of Philology, 123 (3), 369-406.
Stock, T., & Seliger, G. (2016). Opportunities of sustainable manufacturing in industry 4.0. Procedia Cirp, 40, 536-541.
Swan, M. (2015). Blockchain: Blueprint for a new economy: "O'Reilly Media, Inc".