Mittarinvaihdon laadunvarmistuksen kehittäminen ja tehostaminen

Abstract

Diplomityö käsittelee mittarinvaihtoa sähköverkkoyhtiön mittausketjun kriittisenä vaiheena ja sen vaikutusta mittausdatan luotettavuuteen. Tavoitteena on kehittää yhdenmukainen ja skaalautuva menetelmä mittarinvaihdon onnistumisen arviointiin suurissa vaihtomäärissä. Tutkimus yhdistää mittarinvaihtoprosessin ja laadunvarmistuksen periaatteiden taustoituksen käytännönläheiseen data-analyysiin, jossa käyttöpaikkakohtaista kulutusdataa vertaillaan ennen ja jälkeen vaihtotapahtuman. Analyysissä tunnistetaan tilanteita, joissa mittausdataan syntyy poikkeamia, kuten katkoksia, epäjohdonmukaisuuksia tai pysyviä tasomuutoksia, ja erotetaan ne tavanomaisesta kulutuksen vaihtelusta. Lisäksi kuvataan, miten tunnistetut poikkeamat voidaan hyödyntää laadun parantamisessa ja korjaavien toimenpiteiden kohdentamisessa. Lopputuloksena muodostuu kokonaiskuva mittarinvaihtojen laadun seurannan systematisoinnista ja sen merkityksestä luotettavan mittausdatan varmistamisessa operatiivisessa toiminnassa.

This master's thesis examines meter replacement as a critical stage in an electricity distribution company's metering chain and its impact on the reliability of measurement data. The objective is to develop a consistent and scalable method for evaluating the success of meter replacements in large-volume changeover operations. The study combines a theoretical review of the meter replacement process and quality assurance principles with a practical data analysis, in which site-specific consumption data is compared before and after the replacement event. The analysis identifies situations where anomalies arise in measurement data, such as gaps, inconsistencies, or persistent level shifts, and distinguishes them from normal consumption variation. The study describes how identified anomalies can be utilized to improve quality and to target corrective actions. The outcome is a comprehensive view of how quality monitoring of meter replacements can be systematized and how this supports reliable measurement data in operational practice.