Згідно з нещодавнім дослідженням, незаплановані простої коштують промисловості приблизно 50 мільярдів доларів США щорічно. Kaspersky Machine Learning for Anomaly Detection допомагає виявляти відхилення у виробничих процесах на ранній стадії та таким чином скорочувати час простою. Kaspersky MLAD – один із ТОП-продуктів 2022 року з безпеки. Kaspersky MLAD зайняв 3 місце в номінації «Безпека і безпека» в опитуванні читачів журналу Computer & Automation Magazine.
Рішення оснащено алгоритмами машинного навчання, які аналізують телеметрію від датчиків машини в реальному часі. Як тільки параметри виробничого процесу (теги) поводяться неочікувано, спрацьовують попередження. Інноваційний підхід нещодавно підтверджено патентом США.
Виявляйте аномалії за допомогою машинного навчання
Рішення оснащено алгоритмами машинного навчання, які аналізують телеметрію від датчиків машини. Він попереджає про збої машини, викликаючи сповіщення, коли параметри виробничого процесу (теги) поводяться неочікувано. Kaspersky Machine Learning for Anomaly Detection також надає багатофункціональний візуальний інтерфейс для детального аналізу аномалій та інструменти для інтеграції продукту з існуючими системами для надсилання сповіщень на інформаційні панелі користувачів.
У промислових умовах важлива безперебійна робота; Слід уникати збоїв у роботі обладнання, операційних помилок або кібератак на промислові системи управління. Однак, коли трапляється найгірше, раннє виявлення може допомогти зменшити вартість простою, втрачених ресурсів та вплив інших серйозних наслідків. За оцінками Kaspersky, 50-відсоткове скорочення часу простою дозволяє щорічно заощаджувати до 1 мільйона доларів США для великої електростанції або 2,5 мільйона доларів США для нафтопереробного заводу.
Час простою коштує мільярди доларів
Нейронна мережа Kaspersky Machine Learning for Anomaly Detection аналізує в режимі реального часу телеметрію різних датчиків, які використовуються у виробничому процесі. Рішення виявляє навіть незначні аномалії, такі як зміна динаміки сигналу або кореляції сигналів, і сповіщає користувачів, перш ніж вони досягнуть своїх меж і вплинуть на продуктивність. Це дозволяє операторам установок вживати профілактичних заходів. Щоб мати можливість виявляти аномалії, нейронна мережа вивчає нормальну поведінку машини з історичних даних телеметрії.
Якщо параметр виробничого процесу зміниться, наприклад, через введення нового типу сировини або заміну частини машини, оператор може знову запустити навчання машинного навчання, щоб оновити нейронну мережу. На додаток до детектора, заснованого на машинному навчанні, також можна додати спеціальні правила діагностики для конкретних випадків. Kaspersky Machine Learning for Anomaly Detection надає візуальний інтерфейс для аналізу виявлених аномалій. Завдяки візуалізованим діаграмам усіх процесів, що контролюються, фахівець може побачити, що, коли та в якій частині системи сталося не так.
Більше на Kaspersky.com
Про Касперського Kaspersky — міжнародна компанія з кібербезпеки, заснована в 1997 році. Глибокий досвід Kaspersky у сфері аналізу загроз і безпеки служить основою для інноваційних рішень і послуг безпеки для захисту бізнесу, критичної інфраструктури, урядів і споживачів у всьому світі. Комплексне портфоліо безпеки компанії включає провідний захист кінцевих точок і низку спеціалізованих рішень і послуг безпеки для захисту від складних і нових кіберзагроз. Понад 400 мільйонів користувачів і 250.000 XNUMX корпоративних клієнтів захищені технологіями Касперського. Більше інформації про Kaspersky на www.kaspersky.com/