Annons

MASKININLÄRNING: Kaperskys nya algoritmer kan förutse produktionsstopp

Inom industrin är det inte sällan avgörande att tekniska processer är optimerade och inte avbryts av oväntade händelser så som driftstörningar, operatörsfel eller cyberattacker. Skulle olyckan väl vara framme, så kan en tidig upptäckt förhindra större störningar och på så sätt förhindra eller begränsa kostsamma driftsstopp eller andra oönskade konsekvenser.

Gränssnittet till Kaspersky Machine Learning for Anomaly Detection: rapporten visar här hur produktionsprocessens olika parametrar förändras i realtid och att det upptäckts en avvikelse (i diagrammet längst ned).

KRÄVER INGA EXTRA SENSORER
Kaspersky MLAD kan integreras direkt i den befintliga anläggningen och kräver inga extra sensorer. På så sätt kan en operatör meddelas direkt på den befintliga instrumentpanelen om ett fel upptäcks. För att kunna larma om avvikelser i systemet används data från anläggningens kontrollsystem som exempelvis SCADA eller med Kaspersky Industrial CyberSecurity for Networks. MLAD har stöd för populära protokoll som OPC UA, MQTT, AMQP och REST vilket gör att produkten fungerar med de flesta system.
Kaspersky MLAD har ett grafiskt gränssnitt för analys av upptäckta avvikelser. Genom att visualisera processerna kan en expert se vad som gått fel, när och i vilken del av systemet.
– Avancerade maskininlärningsalgoritmer och förmågan att kunna anpassas till särskilda processer gör Kaspersky MLAD till ett viktigt verktyg för att säkerställa en smidig produktion, säger Andrey Lavrentyev, Head of Technology Research Department på Kaspersky. Lösningen kompletterar bevakningssystem och maskinoperatörers expertis med möjligheten att kunna upptäcka avvikelser i komplexa miljöer tidigt, vilket kan förhindra större olyckor.

Print Friendly, PDF & Email

Success Stories

Industriellt

Success Stories

Intressant på PLM TV News

PLM TV News

PLM TV News

PLM TV News

PLM TV News

PLM TV News

Aktuell ANALYS

Aktuell Analys

Aktuell Analys

3D-printing

Block title