Industrie: Machine Learning sagt Ausfallzeiten voraus

Anzeige

Beitrag teilen

Kaspersky Machine Learning for Anomaly Detection sagt Ausfallzeiten in Industrie-Umgebungen voraus. Damit lassen sich Abweichungen in den Produktionsprozessen frühzeitig erkennen und Ausfallzeiten reduzieren.

Die Lösung ist mit Machine-Learning-Algorithmen ausgestattet, die die Telemetrie von Maschinensensoren analysieren. Sie warnt vor Maschinenfehl7ern, indem Warnungen ausgelöst werden, sobald sich die Parameter des Herstellungsprozesses (Tags) unerwartet verhalten. Kaspersky Machine Learning for Anomaly Detection bietet darüber hinaus eine funktionsreiche visuelle Oberfläche für die detaillierte Analyse der Anomalien sowie Tools, mit denen das Produkt in vorhandene Systeme integriert werden kann, um Warnungen an die Dashboards der Nutzer zu senden.

Anzeige

Industrieanlagen vertragen meist keine Ausfälle

In industriellen Umgebungen ist ein reibungsloser Ablauf unabdingbar; Fehlfunktionen der Gerätschaften, Bedienungsfehler oder Cyberangriffe auf die industriellen Steuerungssysteme müssen vermieden werden. Im Falle des Falles kann jedoch eine frühzeitige Erkennung dabei helfen, die Kosten für Ausfallzeiten, die Verschwendung von Rohstoffen und die Auswirkungen anderer schwerwiegender Folgen zu senken. Nach Schätzungen von Kaspersky ermöglicht eine Reduzierung der Ausfallzeiten um 50 Prozent jährliche Einsparungen von bis zu 1 Mio. US-Dollar für ein großes Kraftwerk oder 2,5 Mio. US-Dollar für eine Ölraffinerie.

Neuronales Netzwerk für Machine Learning

Das neuronale Netzwerk von Kaspersky Machine Learning for Anomaly Detection analysiert in Echtzeit die Telemetrie verschiedener Sensoren, die im Produktionsprozess verwendet werden. Die Lösung erkennt bereits geringfügige Abweichungen, wie beispielsweise eine Änderung der Signaldynamik oder Signalkorrelationen, und benachrichtigt die Nutzer, bevor die Werte ihre Grenzbereiche erreichen und die Leistung beeinflussen. Dadurch können Anlagenbetreiber vorbeugende Maßnahmen ergreifen. Um Anomalien erkennen zu können, lernt das neuronale Netzwerk das normale Verhalten der Maschine aus historischen Telemetriedaten. Sollte sich ein Parameter des Produktionsprozesses ändern, weil zum Beispiel eine neue Art von Rohmaterial eingeführt oder ein Teil der Maschine ersetzt wird, kann ein Bediener das Machine-Learning-Training erneut ausführen, um das neuronale Netzwerk zu aktualisieren. Zusätzlich zu einem Machine-Learning-basierten Detektor können auch individuelle Diagnoseregeln für bestimmte Fälle hinzugefügt werden.

Anzeige

Jetzt Newsletter abonnieren

Einmal im Monat die besten News von B2B CYBER SECURITY lesen



Mit Klick auf „Anmelden“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden. Weitere Informationen finde ich in unserer Datenschutzerklärung. Nach dem Anmelden erhalten Sie zuerst eine Bestätigungsmail, damit keine anderen Personen Ihnen etwas ungewolltes bestellen können.
Aufklappen für Details zu Ihrer Einwilligung
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung. Sie können jederzeit den Newsletter wieder abbestellen. Einen entsprechenden Link finden Sie im Newsletter. Nach einer Abmeldung werden Ihre Daten in kürzester Zeit gelöscht. Eine Wiederherstellung ist nicht möglich. Falls Sie den Newsletter erneut haben möchten, ordern sie diesen einfach neu. Verfahren Sie auch so, wenn Sie eine andere E-Mail-Adresse für Ihren Newsletter nutzen möchten. Wenn Sie den auf der Website angebotenen Newsletter beziehen möchten, benötigen wir von Ihnen eine E-Mail-Adresse sowie Informationen, welche uns die Überprüfung gestatten, dass Sie der Inhaber der angegebenen E-Mail-Adresse und mit dem Empfang des Newsletters einverstanden sind. Weitere Daten werden nicht bzw. nur auf freiwilliger Basis erhoben. Für die Abwicklung der Newsletter nutzen wir Newsletterdiensteanbieter, die nachfolgend beschrieben werden.

CleverReach

Diese Website nutzt CleverReach für den Versand von Newslettern. Anbieter ist die CleverReach GmbH & Co. KG, Schafjückenweg 2, 26180 Rastede, Deutschland (nachfolgend „CleverReach“). CleverReach ist ein Dienst, mit dem der Newsletterversand organisiert und analysiert werden kann. Die von Ihnen zwecks Newsletterbezug eingegebenen Daten (z. B. E-Mail-Adresse) werden auf den Servern von CleverReach in Deutschland bzw. Irland gespeichert. Unsere mit CleverReach versandten Newsletter ermöglichen uns die Analyse des Verhaltens der Newsletterempfänger. Hierbei kann u. a. analysiert werden, wie viele Empfänger die Newsletternachricht geöffnet haben und wie oft welcher Link im Newsletter angeklickt wurde. Mit Hilfe des sogenannten Conversion-Trackings kann außerdem analysiert werden, ob nach Anklicken des Links im Newsletter eine vorab definierte Aktion (z. B. Kauf eines Produkts auf dieser Website) erfolgt ist. Weitere Informationen zur Datenanalyse durch CleverReach-Newsletter erhalten Sie unter: https://www.cleverreach.com/de/funktionen/reporting-und-tracking/. Die Datenverarbeitung erfolgt auf Grundlage Ihrer Einwilligung (Art. 6 Abs. 1 lit. a DSGVO). Sie können diese Einwilligung jederzeit widerrufen, indem Sie den Newsletter abbestellen. Die Rechtmäßigkeit der bereits erfolgten Datenverarbeitungsvorgänge bleibt vom Widerruf unberührt. Wenn Sie keine Analyse durch CleverReach wollen, müssen Sie den Newsletter abbestellen. Hierfür stellen wir in jeder Newsletternachricht einen entsprechenden Link zur Verfügung. Die von Ihnen zum Zwecke des Newsletter-Bezugs bei uns hinterlegten Daten werden von uns bis zu Ihrer Austragung aus dem Newsletter bei uns bzw. dem Newsletterdiensteanbieter gespeichert und nach der Abbestellung des Newsletters aus der Newsletterverteilerliste gelöscht. Daten, die zu anderen Zwecken bei uns gespeichert wurden, bleiben hiervon unberührt. Nach Ihrer Austragung aus der Newsletterverteilerliste wird Ihre E-Mail-Adresse bei uns bzw. dem Newsletterdiensteanbieter ggf. in einer Blacklist gespeichert, sofern dies zur Verhinderung künftiger Mailings erforderlich ist. Die Daten aus der Blacklist werden nur für diesen Zweck verwendet und nicht mit anderen Daten zusammengeführt. Dies dient sowohl Ihrem Interesse als auch unserem Interesse an der Einhaltung der gesetzlichen Vorgaben beim Versand von Newslettern (berechtigtes Interesse im Sinne des Art. 6 Abs. 1 lit. f DSGVO). Die Speicherung in der Blacklist ist zeitlich nicht befristet. Sie können der Speicherung widersprechen, sofern Ihre Interessen unser berechtigtes Interesse überwiegen. Näheres entnehmen Sie den Datenschutzbestimmungen von CleverReach unter: https://www.cleverreach.com/de/datenschutz/.

Auftragsverarbeitung

Wir haben einen Vertrag über Auftragsverarbeitung (AVV) zur Nutzung des oben genannten Dienstes geschlossen. Hierbei handelt es sich um einen datenschutzrechtlich vorgeschriebenen Vertrag, der gewährleistet, dass dieser die personenbezogenen Daten unserer Websitebesucher nur nach unseren Weisungen und unter Einhaltung der DSGVO verarbeitet.

Kaspersky Machine Learning for Anomaly Detection

Kaspersky Machine Learning for Anomaly Detection kann in der Infrastruktur der vorhandenen Anlage eingesetzt werden und erfordert keine Installation zusätzlicher Sensoren. Um Daten zu erhalten und die Anomalien zu melden, stellt Kaspersky Machine Learning for Anomaly Detection eine Verbindung zu industriellen Steuerungssystemen wie SCADA her. Alternativ kann die Lösung in Kaspersky Industrial CyberSecurity for Networks integriert werden. Das Produkt unterstützt nativ gängige Protokolle wie OPC UA, MQTT, AMQP sowie REST, wodurch es auf Systemen mit unterschiedlichen Geräten anwendbar ist.

Kaspersky Machine Learning for Anomaly Detection

Kaspersky Machine Learning for Anomaly Detection Konsole (Bild: Kaspersky).

Kaspersky Machine Learning for Anomaly Detection bietet eine visuelle Oberfläche für die Analyse erkannter Anomalien. Aufgrund der visualisierten Diagramme aller überwachten Prozesse kann ein Experte sehen, was wann und in welchem Teil des Systems schiefgelaufen ist.

Unverzichtbares Tool für eine reibungslose Produktion

“Fortschrittliche Machine-Learning-Algorithmen und die Fähigkeit, sich an bestimmte industrielle Prozesse anzupassen, machen Kaspersky Machine Learning for Anomaly Detection zu einem unverzichtbaren Tool für eine reibungslose Produktion”, so Andrey Lavrentyev, Head of Technology Research Department bei Kaspersky. “Die Lösung ergänzt Monitoring-Dienste und das Fachwissen der Maschinenbediener um die Fähigkeit, Anomalien in einer komplexen Umgebung zu erkennen. Unabhängig davon, was die Abweichungen verursacht, können Ausfallzeiten, Geräteausfälle und Katastrophen mithilfe frühzeitiger Warnungen verhindert werden. Wir entwickeln die Technologie seit mehreren Jahren und freuen uns, heute die allgemeine Verfügbarkeit des vollwertigen Produkts bekannt zu geben, damit Kunden diese Vorteile nutzen können.”

Mehr bei Kaspersky.com

 


Über Kaspersky

Kaspersky ist ein internationales Cybersicherheitsunternehmen, das im Jahr 1997 gegründet wurde. Die tiefgreifende Threat Intelligence sowie Sicherheitsexpertise von Kaspersky dient als Grundlage für innovative Sicherheitslösungen und -dienste, um Unternehmen, kritische Infrastrukturen, Regierungen und Privatanwender weltweit zu schützen. Das umfassende Sicherheitsportfolio des Unternehmens beinhaltet führenden Endpoint-Schutz sowie eine Reihe spezialisierter Sicherheitslösungen und -Services zur Verteidigung gegen komplexe und sich weiter entwickelnde Cyberbedrohungen. Über 400 Millionen Nutzer und 250.000 Unternehmenskunden werden von den Technologien von Kaspersky geschützt. Weitere Informationen zu Kaspersky unter www.kaspersky.com/


 

Passende Artikel zum Thema

Emotet übernimmt Microsoft OneNote-Anhänge

Emotet geht wieder neue Wege und infiziert Microsoft OneNote-Dokumente. Das in Unternehmen beliebte digitale Notizbuch ist für viele Anwender somit ➡ Weiterlesen

Phishing-Attacken erreichen Allzeithoch

Mehr als 30 Prozent der Unternehmen und Privatanwender waren in jedem Quartal von 2022 mobilen Phishing-Angriffen ausgesetzt. Stark regulierte Branchen ➡ Weiterlesen

High-End-Plattformen gegen DDoS 

Radware stellt unter der Bezeichnung DefensePro X eine leistungsstarke neue Serie von sechs -Abwehrplattformen gegen Cyberangriffe und DDoS vor. Ebenfalls ➡ Weiterlesen

Kommt eine neue Ransomware-Ära?

Neueste Forschungsergebnisse zeigen, wie sich die Geschäftsmodelle der Cyberkriminellen verändern können. Trend Micro veröffentlicht eine neue Studie, die sich mit ➡ Weiterlesen

E-Mail-Kommunikation: Ende-zu-Ende verschlüsselt

E-Mails gelten als eine der wichtigsten Kommunikationsformen im geschäftlichen Umfeld. Aber nur jedes zweite Unternehmen nutzt Ende-zu-Ende-Verschlüsselungsmethoden wie PGP oder ➡ Weiterlesen

Mobile Security Report: 2 neue Malware-Apps pro Minute 

Smartphone-Besitzer mit Android sind einem hohen Cyberrisiko ausgesetzt. Mobile Security: Die Angriffe werden zwar weniger, sind aber deutlich besser ausgeführt. ➡ Weiterlesen

Ransomware: HardBit 2.0 fragt nach Cyberversicherung

Die Gruppe der Ransomware HardBit 2.0 fragt nach einer erfolgreichen Attacke das Unternehmen nach Cyberversicherungsinformationen. So will die Gruppe ihre ➡ Weiterlesen

Cyberangriffe: Automobilindustrie stark betroffen

Eine neue Studie zeigt: die Automobilindustrie und Zulieferer sind besonders häufig von Cybervorfällen betroffen. Trend Micro hat die Cyberangriffe untersucht ➡ Weiterlesen