Anomaly Detection rešenje predviđa krah procesa proizvodnje

U industrijskom okruženju, održavanje tehnološkog procesa na optimalnom putu je od ključnog značaja, kao i izbegavanje prekida bilo koje vrste, uključujući: kvarove na opremi, greške operatora ili sajber napade na industrijske kontrolne sisteme.

Ako nešto pođe po zlu, rana detekcija može sprečiti narušavanje procesa i tako smanjiti troškove zastoja u radu, rasipanje sirovina i uticaj drugih ozbiljnih posledica.

Prema procenama kompanije Kaspersky, smanjenje zastoja od 50% omogućuje godišnju uštedu do milion dolara za veliku elektranu ili 2,5 miliona dolara za rafineriju nafte.

Neuronska mreža Kaspersky Machine Learning for Anomaly Detection analizira telemetriju u realnom vremenu iz različitih senzora koji se koriste u proizvodnom procesu.

Ona otkriva manja odstupanja, poput promena u dinamici ili korelaciji signala, i daje upozorenja pre nego što vrednosti dostignu svoj prag i imaju uticaj na performanse.

To operatorima daje mogućnost preduzimanja preventivnih mera.
Da bi mogla da otkrije anomalije, neuronska mreža uči normalno ponašanje mašine iz istorijskih telemetrijskih podataka.

Ako se parametar proizvodnog procesa promeni (na primer, uvede se nova vrsta sirovine) ili se zameni deo mašine, operator može ponovo da pokrene ML obuku radi ažuriranja neuronske mreže.

Pored detektora zasnovanog na mašinskom učenju, prilagođena dijagnostička pravila za specifične slučajeve se mogu dodati na zahtev klijenta.

Kaspersky MLAD funkcioniše u postojećoj infrastrukturi postrojenja i ne zahteva instalaciju dodatnih senzora.
Da bi prikupilo podatke i prijavilo anomalije, Kaspersky MLAD rešenje se povezuje sa industrijskim kontrolnim sistemima kao što je SCADA.

Alternativno, može se integrisati sa Kaspersky Industrial CyberSecurity for Networks rešenjem.
Proizvod izvorno podržava popularne protokole, uključujući OPC UA, MQTT, AMQP, kao i REST, što ga čini primenjivim za sisteme sa raznolikom opremom.

Kaspersky MLAD rešenje obezbeđuje grafički interfejs za analizu otkrivenih anomalija.
Zahvaljujući vizualizovanim vremenskim grafikonima svih nadgledanih procesa, stručnjak može videti šta je pošlo po zlu, kada i u kojem delu sistema.

„Napredni ML algoritmi i sposobnost adaptiranja određenim industrijskim procesima, Kaspersky Machine Learning for Anomaly Detection čine ključnim alatom koji osigurava neometanu proizvodnju. Upotpunjuje sisteme nadzora i stručnost operatora mašina sposobnošću otkrivanja anomalija u složenom okruženju. Bez obzira na to šta prouzrokuje odstupanja, zastoji, kvarovi opreme i katastrofe se mogu sprečiti zahvaljujući ranim upozorenjima. Razvijamo ovu tehnologiju već nekoliko godina i drago nam je što danas najavljujemo opštu dostupnost kompletnog proizvoda koji će korisnicima pomoći u ostvarivanju ovih prednosti,” komentariše Andrej Lavrentijev (Andrey Lavrentyev), šef odeljenja za tehnološka istraživanja u kompaniji Kaspersky.

Povezani naslovi

Napišite komentar:

Unesite svoj komentar!
Unesite svoje ime ovde

Možda Vas interesuje

Nova era mobilnih mreža stiže u...

Huawei Technologies je u okviru evropske turneje i u Srbiji predstavio inovacije i rešenja koja koriste...

Da li je istina da sedenje...

Miopija znači da možete jasno videti stvari koje su blizu, ali imate problema sa vidom predmeta...

TECNO pomera granice AI fotografije

Na godišnjem događaju Future Lens 2024, inovativni tehnološki brend TECNO predstavio je tri najnovija tehnološka dostignuća:...

INTUIT DOME: izgrađen za navijače i...

Los Anđeles je predstavio svoje najnovije sportsko čudo – Arenu u Inglevudu, koja će biti korišćena...

Bluetooth 6.0 je zvanično lansiran

Postoji velika verovatnoća da se oslanjate na Bluetooth više nego što mislite, čak i ako možda...

Primena AI rešenja u Srbiji je...

Aleksandar Marinković, direktor kompanije ASEE u Srbiji, istakao je na konferenciji Innovate with Data da je...

Otkrivamo kako moderni radni prostori unapređuju...

Danas zaposleni žele više od onoga što nude tradicionalne kancelarije. Zastareli, jednolični prostori u kojima je...

Milisav u razmišljanju: ChatGPT dobija ozbiljnu...

Novi o1 model, sada dostupan u ChatGPT-u, sada 'razmišlja' pre nego što odgovori – i počinje...

Šest nivoa autonomnog rada

U narednoj deceniji, šest nivoa autonomnog rada će prvo unapređivati kapacitete, a zatim potpuno zameniti zadatke,...

Veštačka inteligencija ne može biti svesna...

Sećate se HAL 9000, Dejvida iz filma Prometej i svih onih zabavnih, zlih inteligentnih robota i...
U industrijskom okruženju, održavanje tehnološkog procesa na optimalnom putu je od ključnog značaja, kao i izbegavanje prekida bilo koje vrste, uključujući: kvarove na opremi, greške operatora ili sajber napade na industrijske kontrolne sisteme. Ako nešto pođe po zlu, rana detekcija može sprečiti narušavanje procesa i tako smanjiti troškove zastoja u radu, rasipanje sirovina i uticaj drugih ozbiljnih posledica. Prema procenama kompanije Kaspersky, smanjenje zastoja od 50% omogućuje godišnju uštedu do milion dolara za veliku elektranu ili 2,5 miliona dolara za rafineriju nafte. Neuronska mreža Kaspersky Machine Learning for Anomaly Detection analizira telemetriju u realnom vremenu iz različitih senzora koji se koriste u proizvodnom procesu. Ona otkriva manja odstupanja, poput promena u dinamici ili korelaciji signala, i daje upozorenja pre nego što vrednosti dostignu svoj prag i imaju uticaj na performanse. To operatorima daje mogućnost preduzimanja preventivnih mera. Da bi mogla da otkrije anomalije, neuronska mreža uči normalno ponašanje mašine iz istorijskih telemetrijskih podataka. Ako se parametar proizvodnog procesa promeni (na primer, uvede se nova vrsta sirovine) ili se zameni deo mašine, operator može ponovo da pokrene ML obuku radi ažuriranja neuronske mreže. Pored detektora zasnovanog na mašinskom učenju, prilagođena dijagnostička pravila za specifične slučajeve se mogu dodati na zahtev klijenta. Kaspersky MLAD funkcioniše u postojećoj infrastrukturi postrojenja i ne zahteva instalaciju dodatnih senzora. Da bi prikupilo podatke i prijavilo anomalije, Kaspersky MLAD rešenje se povezuje sa industrijskim kontrolnim sistemima kao što je SCADA. Alternativno, može se integrisati sa Kaspersky Industrial CyberSecurity for Networks rešenjem. Proizvod izvorno podržava popularne protokole, uključujući OPC UA, MQTT, AMQP, kao i REST, što ga čini primenjivim za sisteme sa raznolikom opremom. Kaspersky MLAD rešenje obezbeđuje grafički interfejs za analizu otkrivenih anomalija. Zahvaljujući vizualizovanim vremenskim grafikonima svih nadgledanih procesa, stručnjak može videti šta je pošlo po zlu, kada i u kojem delu sistema. „Napredni ML algoritmi i sposobnost adaptiranja određenim industrijskim procesima, Kaspersky Machine Learning for Anomaly Detection čine ključnim alatom koji osigurava neometanu proizvodnju. Upotpunjuje sisteme nadzora i stručnost operatora mašina sposobnošću otkrivanja anomalija u složenom okruženju. Bez obzira na to šta prouzrokuje odstupanja, zastoji, kvarovi opreme i katastrofe se mogu sprečiti zahvaljujući ranim upozorenjima. Razvijamo ovu tehnologiju već nekoliko godina i drago nam je što danas najavljujemo opštu dostupnost kompletnog proizvoda koji će korisnicima pomoći u ostvarivanju ovih prednosti," komentariše Andrej Lavrentijev (Andrey Lavrentyev), šef odeljenja za tehnološka istraživanja u kompaniji Kaspersky.