ਭਾਰਤੀ ਰਿਨਿਊਏਬਲ ਐਨਰਜੀ ਕੰਪਨੀਆਂ ਹੁਣ ਕਬਾੜ ਕਪੈਸਿਟੀ (capacity addition) ਤੋਂ ਅੱਗੇ ਵੱਧ ਰਹੀਆਂ ਹਨ। ਹੁਣ AI (Artificial Intelligence) ਦੀ ਮਦਦ ਨਾਲ ਪਲਾਂਟਾਂ ਦੀ ਕਾਰਜਕੁਸ਼ਲਤਾ (efficiency) ਵਧਾਉਣ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਜਾ ਰਿਹਾ ਹੈ।
ਸੈਕਟਰ ਲਈ ਇਸਦਾ ਕੀ ਮਤਲਬ ਹੈ?
ਰਿਨਿਊਏਬਲ ਐਨਰਜੀ ਇੰਡਸਟਰੀ ਹੁਣ ਸਿਰਫ ਕਪੈਸਿਟੀ ਵਧਾਉਣ ਦੀ ਬਜਾਏ ਕਾਰਜਕੁਸ਼ਲਤਾ (operational efficiency) 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੀ ਹੈ। ਬੋਸਟਨ ਕੰਸਲਟਿੰਗ ਗਰੁੱਪ (Boston Consulting Group) ਦੀ ਇੱਕ ਨਵੀਂ ਰਿਪੋਰਟ ਮੁਤਾਬਕ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਹੁਣ ਸਿਰਫ ਇੱਕ ਪ੍ਰਯੋਗਿਕ (experimental) ਸਾਧਨ ਨਹੀਂ, ਸਗੋਂ ਇੱਕ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਫਾਇਦਾ (competitive advantage) ਬਣ ਗਈ ਹੈ।
ਭਾਰਤੀ ਰਿਨਿਊਏਬਲ ਕੰਪਨੀਆਂ ਲਈ, ਜਿੱਥੇ ਵੱਡੇ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਭਾਰੀ ਪੂੰਜੀ ਨਿਵੇਸ਼ (capital spending) ਅਤੇ ਜ਼ਮੀਨ ਐਕਵਾਇਰ ਕਰਨ ਦੇ ਖਰਚੇ ਹੁੰਦੇ ਹਨ, ਉੱਥੇ ਮੌਜੂਦਾ ਸੰਪਤੀਆਂ (assets) ਤੋਂ ਵੱਧ ਬਿਜਲੀ ਉਤਪਾਦਨ (power output) ਪ੍ਰਾਪਤ ਕਰਨਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਟੀਚਾ ਬਣ ਗਿਆ ਹੈ।
ਬਾਜ਼ਾਰ ਲਈ ਮੁੱਖ ਸੰਦੇਸ਼ ਇਹ ਹੈ ਕਿ ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਤਪਾਦਨ ਨੂੰ ਅਨੁਕੂਲ (optimize generation) ਬਣਾ ਸਕਦੀਆਂ ਹਨ, ਉਹ ਸਿਰਫ ਨਵੀਂ ਕਪੈਸਿਟੀ ਬਣਾਉਣ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਮੁਕਾਬਲੇ ਆਪਣੇ ਕਾਰਜਕਾਰੀ ਖਰਚਿਆਂ (operational costs) ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਕਰਨਗੀਆਂ।
ਕੁਸ਼ਲਤਾ ਕੱਚੀ ਵਿਸਥਾਪਨ ਦੀ ਥਾਂ ਕਿਵੇਂ ਲੈ ਰਹੀ ਹੈ?
ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ, ਭਾਰਤ ਦੇ ਰਿਨਿਊਏਬਲ ਸੈਕਟਰ ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ ਗੀਗਾਵਾਟ (GW) ਜੋੜਨ ਦੀ ਦੌੜ ਰਹੀ ਹੈ। ਹਾਲਾਂਕਿ, ਬਾਜ਼ਾਰ ਦੇ ਪਰਿਪੱਕ (mature) ਹੋਣ ਦੇ ਨਾਲ, ਪਲਾਂਟ ਲੋਡ ਫੈਕਟਰ (PLF) – ਯਾਨੀ ਕਿ ਇੱਕ ਪਲਾਂਟ ਆਪਣੀ ਵੱਧ ਤੋਂ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਮੁਕਾਬਲੇ ਕਿੰਨੀ ਬਿਜਲੀ ਪੈਦਾ ਕਰਦਾ ਹੈ – ਨੂੰ ਸੁਧਾਰਨ ਦੀ ਸਮਰੱਥਾ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੋ ਗਈ ਹੈ।
AI ਟੂਲ ਕੰਪਨੀਆਂ ਨੂੰ ਉਪਕਰਨਾਂ ਦੀਆਂ ਖਰਾਬੀਆਂ, ਜਿਵੇਂ ਕਿ ਸੋਲਰ ਪੈਨਲ ਦੀ ਖਰਾਬੀ ਜਾਂ ਟਰਬਾਈਨ ਦੀ ਸਮੱਸਿਆ, ਨੂੰ ਡਾਊਨਟਾਈਮ (downtime) ਦਾ ਕਾਰਨ ਬਣਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਪਤਾ ਲਗਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ। ਪ੍ਰਤੀਕਿਰਿਆਤਮਕ ਮੁਰੰਮਤ (reactive repairs) ਤੋਂ ਅਨੁਮਾਨਿਤ ਰੱਖ-ਰਖਾਅ (predictive maintenance) ਵੱਲ ਵਧਣ ਨਾਲ, ਕੰਪਨੀਆਂ ਕਾਰਜਕਾਰੀ ਡਾਊਨਟਾਈਮ ਨੂੰ ਘਟਾ ਸਕਦੀਆਂ ਹਨ।
Tata Power, Adani Green Energy, ਅਤੇ JSW Energy ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਸੰਪਤੀਆਂ ਦੀ ਸਿਹਤ ਦੀ ਦੂਰੋਂ ਨਿਗਰਾਨੀ (monitor asset health remotely) ਕਰਨ ਲਈ ਡਿਜੀਟਲ ਟਵਿਨ (digital twins) ਅਤੇ ਪ੍ਰਡਿਕਟਿਵ ਐਨਾਲਿਟਿਕਸ (predictive analytics) ਨੂੰ ਵਧਾ ਰਹੀਆਂ ਹਨ। ਇਨ੍ਹਾਂ ਡਿਜੀਟਲ ਤਰੀਕਿਆਂ ਨਾਲ ਊਰਜਾ ਉਪਜ (energy yield) ਵਿੱਚ ਸਿਰਫ 1% ਤੋਂ 3% ਦਾ ਸੁਧਾਰ ਵੀ, ਵਾਧੂ ਜ਼ਮੀਨ ਜਾਂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਨਿਵੇਸ਼ ਕੀਤੇ ਬਿਨਾਂ, ਮਹੱਤਵਪੂਰਨ ਵਾਧੂ ਮਾਲੀਆ (incremental revenue) ਦੇ ਸਕਦਾ ਹੈ।
ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ (Business Impact)
ਨਿਵੇਸ਼ਕਾਂ (investors) ਲਈ, AI ਅਪਣਾਉਣ ਦਾ ਪ੍ਰਭਾਵ ਕਾਰਜਕੁਸ਼ਲਤਾ ਦੇ ਮੈਟ੍ਰਿਕਸ (operational efficiency metrics) ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਇਨ੍ਹਾਂ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਲਾਗੂ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਸਮੇਂ ਦੇ ਨਾਲ ਆਪਣੇ ਕਾਰਜਕਾਰੀ ਮਾਰਜਿਨ (operating margins) ਵਿੱਚ ਸੁਧਾਰ ਦੇਖ ਸਕਦੀਆਂ ਹਨ। ਸ਼ੇਅਰਧਾਰਕਾਂ (shareholders) ਲਈ ਮੁੱਖ ਮੁੱਲ ਸਿਰਜਣਾ ਤਿੰਨ ਖੇਤਰਾਂ ਤੋਂ ਆਉਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ: ਘਟੇ ਹੋਏ ਰੱਖ-ਰਖਾਅ ਖਰਚੇ, ਆਟੋਮੇਟਿਡ ਵਰਕਫਲੋਜ਼ (automated workflows) ਰਾਹੀਂ ਕਾਮਿਆਂ ਦੀ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਸੁਧਾਰ, ਅਤੇ ਸੋਲਰ ਤੇ ਵਿੰਡ ਫਾਰਮਾਂ ਲਈ ਉੱਚ ਅੱਪਟਾਈਮ (higher uptime)।
ਹਾਲਾਂਕਿ, ਇਸ ਤਬਦੀਲੀ ਲਈ ਇੱਕ ਸੱਭਿਆਚਾਰਕ ਅਤੇ ਢਾਂਚਾਗਤ ਤਬਦੀਲੀ (cultural and structural shift) ਦੀ ਲੋੜ ਹੈ। ਸਿਰਫ ਸੌਫਟਵੇਅਰ ਖਰੀਦਣਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਤਕਨਾਲੋਜੀ ਨੂੰ ਇੰਜੀਨੀਅਰਿੰਗ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਟੀਮਾਂ ਦੇ ਰੋਜ਼ਾਨਾ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ (integrated) ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਇਨ੍ਹਾਂ ਸਾਧਨਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀਆਂ ਹਨ, ਉਹ ਉਮੀਦ ਮੁਤਾਬਕ ਉਤਪਾਦਕਤਾ ਲਾਭ (productivity gains) ਦੇ ਬਿਨਾਂ ਵਧ ਰਹੇ ਤਕਨੀਕੀ ਖਰਚੇ ਦੇਖ ਸਕਦੀਆਂ ਹਨ।
ਜੋਖਮ ਅਤੇ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਰੁਕਾਵਟਾਂ (Risks and Implementation Hurdles)
ਜਦੋਂ ਕਿ AI ਸੰਭਾਵਨਾਵਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ, ਇਹ ਜੋਖਮ ਤੋਂ ਮੁਕਤ ਨਹੀਂ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਊਰਜਾ ਖੇਤਰ ਵਿੱਚ ਡਿਜੀਟਲ ਤਬਦੀਲੀ ਨਾਲ ਜੁੜੀਆਂ ਚੁਣੌਤੀਆਂ ਬਾਰੇ ਸੁਚੇਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ:
- ਉੱਚ ਸ਼ੁਰੂਆਤੀ ਲਾਗਤਾਂ (High Initial Costs): ਉੱਨਤ AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਮੁੱਢਲੀ ਪੂੰਜੀ (upfront capital) ਅਤੇ ਹੁਨਰਮੰਦ ਪ੍ਰਤਿਭਾ (skilled talent) ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜੋ ਅਸਥਾਈ ਤੌਰ 'ਤੇ ਨਕਦ ਪ੍ਰਵਾਹ (cash flows) 'ਤੇ ਭਾਰ ਪਾ ਸਕਦੀ ਹੈ।
- ਸਾਈਬਰ ਸੁਰੱਖਿਆ (Cybersecurity): ਜਿਵੇਂ-ਜਿਵੇਂ ਊਰਜਾ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਵਧੇਰੇ ਜੁੜਿਆ ਹੋਇਆ ਅਤੇ ਡਿਜੀਟਲ ਹੁੰਦਾ ਜਾਂਦਾ ਹੈ, ਗਰਿੱਡ ਅਤੇ ਬਿਜਲੀ ਉਤਪਾਦਨ ਸੰਪਤੀਆਂ (power generation assets) ਦੇ ਸਾਈਬਰ ਖਤਰੇ (cyber threats) ਦਾ ਜੋਖਮ ਵੱਧ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਲਈ ਸੁਰੱਖਿਆ ਵਿੱਚ ਵਾਧੂ ਨਿਵੇਸ਼ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ।
- ਏਕੀਕਰਨ ਗੁੰਝਲਤਾ (Integration Complexity): ਬਹੁਤ ਸਾਰੀਆਂ ਰਿਨਿਊਏਬਲ ਫਰਮਾਂ ਕੋਲ ਪੁਰਾਣੀਆਂ ਪ੍ਰਣਾਲੀਆਂ (legacy systems) ਹਨ। ਪੁਰਾਣੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਨੂੰ ਨਵੇਂ AI ਟੂਲਜ਼ ਨਾਲ ਮਿਲਾਉਣਾ ਏਕੀਕਰਨ ਵਿੱਚ ਦੇਰੀ (integration delays) ਅਤੇ ਲਾਗਤ ਵਾਧਾ (cost overruns) ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ।
- ਅਨਿਸ਼ਚਿਤ ਰਿਟਰਨ (Uncertain Return): ਇੱਕ ਭੌਤਿਕ ਸੋਲਰ ਪਲਾਂਟ ਬਣਾਉਣ ਦੇ ਉਲਟ ਜਿੱਥੇ ਉਤਪਾਦਨ ਕੁਝ ਹੱਦ ਤੱਕ ਅਨੁਮਾਨਤ (predictable) ਹੁੰਦਾ ਹੈ, AI ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਵਿੱਤੀ ਰਿਟਰਨ ਨੂੰ ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ ਮਾਪਣਾ ਵਧੇਰੇ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਕਾਂ (analysts) ਲਈ ਸਫਲਤਾ ਨੂੰ ਮਾਪਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ।
ਨਿਵੇਸ਼ਕ ਕੀ ਨਿਗਰਾਨੀ ਕਰ ਸਕਦੇ ਹਨ?
ਸੈਕਟਰ ਨੂੰ ਦੇਖ ਰਹੇ ਨਿਵੇਸ਼ਕ ਮੈਨੇਜਮੈਂਟ ਦੀ ਟਿੱਪਣੀ (management commentary) ਅਤੇ ਸਾਲਾਨਾ ਰਿਪੋਰਟਾਂ (annual reports) ਵਿੱਚ ਖਾਸ ਸੰਕੇਤਾਂ (signals) 'ਤੇ ਨਜ਼ਰ ਰੱਖ ਸਕਦੇ ਹਨ। ਡਿਜੀਟਲ ਤਬਦੀਲੀ ਖਰਚਿਆਂ, PLF ਵਿੱਚ ਸੁਧਾਰ, ਅਤੇ AI-ਆਧਾਰਿਤ ਰੱਖ-ਰਖਾਅ 'ਤੇ ਕਿਸੇ ਵੀ ਖਾਸ ਅਪਡੇਟ ਬਾਰੇ ਖੁਲਾਸਿਆਂ (disclosures) 'ਤੇ ਨਜ਼ਰ ਰੱਖੋ। ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਆਪਣੀ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਦਾ ਦਾਅਵਾ ਕਰਦੀ ਹੈ, ਤਾਂ ਇਹ ਪੁਸ਼ਟੀ ਕਰੋ ਕਿ ਕੀ ਇਹ ਕਾਰਜਕੁਸ਼ਲਤਾ ਅਤੇ ਰੱਖ-ਰਖਾਅ (O&M) ਖਰਚਿਆਂ ਵਿੱਚ ਕਮੀ ਜਾਂ ਊਰਜਾ ਉਪਜ ਵਿੱਚ ਸੁਧਾਰ ਨਾਲ ਸਬੰਧਤ ਹੈ।