Kaspersky Machine Learning for Anomaly Detection rešenje, dizajnirano za otkrivanje odstupanja u procesima proizvodnje u najranijoj fazi, sada je dostupno kao komercijalni proizvod. Detektor je unapređen algoritmima mašinskog učenja koji analiziraju telemetriju iz senzora mašina. Ono obaveštava o kvarovima na mašini slanjem upozorenja čim parametri proizvodnog procesa (oznake) počnu da se ponašaju na neočekivan način. Kaspersky MLAD rešenje obezbeđuje grafički interfejs bogat raznim opcijama za detaljnu analizu anomalija, kao i alate koji mogu da integrišu proizvod sa postojećim sistemima, kako bi upozorenje došlo do komandnih tabli operatora.
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[1].
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.
Kaspersky Machine Learning for Anomaly Detection interfejs: izveštaj pokazuje kako se parametri procesa proizvodnje menjaju u realnom vremenu, i da postoji anomalija (na najnižem grafikonu)
„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.
Za više informacija o Kaspersky Machine Learning for Anomaly Detection rešenju, molimo posetite https://mlad.kaspersky.com/.
[1] Procena je zasnovana na Kaspersky analizi različitih parametara kao što su trajanje zastoja, parametri ekonomske aktivnosti organizacija i modeliranje.
