De acordo com um estudo recente, o tempo de inatividade não planejado custa à indústria cerca de US$ 50 bilhões anualmente. O Kaspersky Machine Learning for Anomaly Detection ajuda a identificar desvios nos processos de produção em um estágio inicial e, assim, reduzir os tempos de inatividade. O Kaspersky MLAD é um dos principais produtos de segurança de 2022. O Kaspersky MLAD ficou em 3º lugar na categoria "Segurança e proteção" na votação dos leitores da Computer & Automation Magazine.
A solução está equipada com algoritmos de aprendizado de máquina que analisam a telemetria dos sensores da máquina em tempo real. Assim que os parâmetros do processo de fabricação (tags) se comportam de forma inesperada, os avisos são acionados. A abordagem inovadora também foi recentemente confirmada por uma patente dos EUA.
Descubra anomalias por meio do aprendizado de máquina
A solução está equipada com algoritmos de aprendizado de máquina que analisam a telemetria dos sensores da máquina. Ele avisa sobre falhas da máquina disparando alertas quando os parâmetros do processo de fabricação (tags) se comportam de forma inesperada. O Kaspersky Machine Learning for Anomaly Detection também fornece uma interface visual rica em recursos para análise detalhada de anomalias e ferramentas para integrar o produto aos sistemas existentes para enviar alertas aos painéis dos usuários.
Em ambientes industriais, a operação suave é essencial; Mau funcionamento do equipamento, erros de operação ou ataques cibernéticos aos sistemas de controle industrial devem ser evitados. No entanto, quando o pior acontece, a detecção precoce pode ajudar a reduzir o custo do tempo de inatividade, desperdício de recursos e o impacto de outras consequências graves. De acordo com as estimativas da Kaspersky, uma redução de 50% no tempo de inatividade permite uma economia anual de até US$ 1 milhão para uma grande usina de energia ou US$ 2,5 milhões para uma refinaria de petróleo.
O tempo de inatividade custa bilhões de dólares
A rede neural Kaspersky Machine Learning for Anomaly Detection analisa em tempo real a telemetria de vários sensores usados no processo de produção. A solução detecta até mesmo anomalias menores, como uma mudança na dinâmica do sinal ou nas correlações do sinal, e notifica os usuários antes que eles atinjam seus limites e afetem o desempenho. Isso permite que os operadores da planta tomem medidas preventivas. Para poder detectar anomalias, a rede neural aprende o comportamento normal da máquina a partir de dados históricos de telemetria.
Se um parâmetro do processo de produção mudar, por exemplo, porque um novo tipo de matéria-prima é introduzido ou uma parte da máquina é substituída, um operador pode executar o treinamento de aprendizado de máquina novamente para atualizar a rede neural. Além de um detector baseado em aprendizado de máquina, regras de diagnóstico personalizadas também podem ser adicionadas para casos específicos. O Kaspersky Machine Learning for Anomaly Detection fornece uma interface visual para analisar as anomalias detectadas. Devido aos diagramas visualizados de todos os processos monitorados, um especialista pode ver o que deu errado, quando e em qual parte do sistema.
Mais em Kaspersky.com
Sobre Kaspersky A Kaspersky é uma empresa internacional de cibersegurança fundada em 1997. A profunda inteligência de ameaças e experiência em segurança da Kaspersky serve como base para soluções e serviços de segurança inovadores para proteger empresas, infraestrutura crítica, governos e consumidores em todo o mundo. O abrangente portfólio de segurança da empresa inclui proteção de endpoint líder e uma variedade de soluções e serviços de segurança especializados para se defender contra ameaças cibernéticas complexas e em evolução. Mais de 400 milhões de usuários e 250.000 clientes corporativos são protegidos pelas tecnologias da Kaspersky. Mais informações sobre Kaspersky em www.kaspersky.com/