Kaspersky stellt Machine Learning for Anomaly Detection vor

Ausfallzeiten in Industrieumgebungen voraussagen

20. Mai 2021, 08:00 Uhr   |  Anna Molder

Ausfallzeiten in Industrieumgebungen voraussagen

Kaspersky stellte seine Lösung Machine Learning for Anomaly Detection vor. Damit sollen sich Abweichungen in den Produktionsprozessen frühzeitig erkennen und Ausfallzeiten reduzieren lassen. Die Lösung sei mit Machine-Learning-Algorithmen ausgestattet, die die Telemetrie von Maschinensensoren analysieren.

Das neuronale Netzwerk der Lösung analysiere in Echtzeit die Telemetrie verschiedener Sensoren, die bei Produktionsprozessen in Verwendung sind. Die Lösung erkennt bereits geringfügige Abweichungen, beispielsweise eine Änderung der Signaldynamik oder Signalkorrelationen, und benachrichtigt die Nutzenden, bevor die Werte ihre Grenzbereiche erreichen und die Leistung beeinflussen, so die Kaspersky-Angabe. Dadurch sollen Unternehmen vorbeugende Maßnahmen ergreifen können.

Um Anomalien erkennen zu können, lerne das neuronale Netzwerk das normale Verhalten der Maschine aus historischen Telemetriedaten. Sollte sich ein Parameter des Produktionsprozesses ändern, weil zum Beispiel eine neue Art von Rohmaterial zum Einsatz kommt, könne ein Bedienender das Machine-Learning-Training erneut ausführen, um das neuronale Netzwerk zu aktualisieren. Zusätzlich zu einem Machine-Learning-basierten Detektor könne man auch individuelle Diagnoseregeln für bestimmte Fälle hinzufügen.

Machine Learning for Anomaly Detection Interface
© Kaspersky

Das Interface der "Machine Learning for Anomaly Detection"-Lösung.

Die Machine-Learning-Lösung lasse sich in der Infrastruktur der vorhandenen Anlage einsetzen und erfordere keine Installation zusätzlicher Sensoren. Um Daten zu erhalten und die Anomalien zu melden, stellt Machine Learning for Anomaly Detection laut Kaspersky eine Verbindung zu industriellen Steuerungssystemen wie Scada her. Außerdem lasse sich die Lösung in Kasperskys Industrial CyberSecurity for Networks integrieren.

Darüber hinaus bietet die Lösung eine grafische Oberfläche für die Analyse erkannter Anomalien. Aufgrund der visualisierten Diagramme aller überwachten Prozesse sei ersichtlich, was wann und in welchem Teil des Systems schiefgelaufen ist.

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

Kaspersky

Machine Learning

Industrie