最近の調査によると、計画外のダウンタイムにより、業界は年間推定 50 億米ドルの損失を被っています。 Kaspersky Machine Learning for Anomaly Detection は、生産プロセスの逸脱を早い段階で特定し、ダウンタイムを短縮するのに役立ちます。 Kaspersky MLAD は、2022 年のセキュリティのトップ製品の 3 つです。 Kaspersky MLAD は、Computer & Automation Magazine の読者投票の「安全とセキュリティ」部門で XNUMX 位になりました。
このソリューションには、マシン センサーからのテレメトリをリアルタイムで分析する機械学習アルゴリズムが搭載されています。 製造プロセス (タグ) のパラメーターが予期しない動作をするとすぐに、警告がトリガーされます。 この革新的なアプローチは最近、米国特許によって確認されました。
機械学習による異常の検出
このソリューションには、マシン センサーからのテレメトリを分析する機械学習アルゴリズムが搭載されています。 製造プロセスのパラメーター (タグ) が予期しない動作をしたときにアラートをトリガーすることで、機械の故障を警告します。 Kaspersky Machine Learning for Anomaly Detection は、詳細な異常分析のための機能豊富なビジュアル インターフェイスと、製品を既存のシステムと統合してユーザーのダッシュボードにアラートを送信するためのツールも提供します。
産業環境では、スムーズな操作が不可欠です。 機器の誤動作、操作エラー、または産業用制御システムへのサイバー攻撃は回避する必要があります。 ただし、最悪の事態が発生した場合は、早期検出により、ダウンタイムのコスト、リソースの浪費、およびその他の深刻な結果の影響を減らすことができます。 Kaspersky の試算によると、ダウンタイムを 50% 削減すると、大規模な発電所で年間最大 1 万ドル、石油精製所で最大 2,5 万ドルの節約が可能になります。
ダウンタイムによる数十億ドルのコスト
Kaspersky Machine Learning for Anomaly Detection ニューラル ネットワークは、生産プロセスで使用されるさまざまなセンサーのテレメトリをリアルタイムで分析します。 このソリューションは、信号ダイナミクスや信号相関の変化などの小さな異常を検出し、限界に達してパフォーマンスに影響を与える前にユーザーに通知します。 これにより、プラント オペレータは予防措置を講じることができます。 異常を検出できるようにするために、ニューラル ネットワークは過去のテレメトリ データからマシンの通常の動作を学習します。
たとえば、新しいタイプの原材料が導入されたり、機械の一部が交換されたりしたために、生産プロセスのパラメーターが変更された場合、オペレーターは機械学習トレーニングを再度実行して、ニューラル ネットワークを更新できます。 機械学習ベースの検出器に加えて、特定のケースに対してカスタム診断ルールを追加することもできます。 Kaspersky Machine Learning for Anomaly Detection は、検出された異常を分析するためのビジュアル インターフェイスを提供します。 監視されたすべてのプロセスの視覚化された図により、専門家はシステムのどの部分で、いつ、何が問題になったかを確認できます。
詳細は Kaspersky.com をご覧ください
カスペルスキーについて Kaspersky は、1997 年に設立された国際的なサイバーセキュリティ企業です。 Kaspersky の脅威インテリジェンスとセキュリティに関する深い専門知識は、革新的なセキュリティ ソリューションとサービスの基盤として機能し、世界中の企業、重要なインフラストラクチャ、政府、および消費者を保護します。 同社の包括的なセキュリティ ポートフォリオには、最先端のエンドポイント プロテクションと、複雑で進化するサイバー脅威から防御するためのさまざまな専門的なセキュリティ ソリューションとサービスが含まれています。 400 億を超えるユーザーと 250.000 の法人顧客がカスペルスキーのテクノロジーによって保護されています。 カスペルスキーの詳細については、www.kaspersky.com/ をご覧ください。