Muhendis
New member
Endüstriyel ortamlarda teknolojik süreci ülkü şartlarda tutmak, ekipman arızaları, operatör kusurları yahut endüstriyel denetim sistemlerine yönelik siber ataklar dahil her türlü kesintiyi önlemek fazlaca değerli. Bu noktada erken tespit tahlilleri bir şeylerin karşıt gittiğini anlayabilir, aksaklıkları önleyebilir ve ötürüsıyla arıza müddetinin maliyetini, hammadde israfını ve başka önemli sonuçların niye olabileceği tesirleri azaltabilir. Kaspersky’nin varsayımlarına bakılırsa kesinti müddetinde yüzde 50 azalma, büyük bir elektrik santrali için yıllık 1 milyon dolar yahut bir petrol rafinerisi için 2,5 milyon dolar tasarruf sağlıyor.
Kaspersky Machine Learning for Anomaly Detection’ın yapay hudut ağı, üretim sürecinde kullanılan çeşitli sensörlerden gerçek vakitli olarak toplanan telemetri verisini tahlil ediyor bu biçimdece sinyallerin dinamiklerindeki yahut korelasyonlarındaki değişiklikler üzere küçük sapmalar tespit ediliyor ve pahalar eşiklerine ulaşmadan ve performansı etkilemedilk evvel ikaz veriliyor. Bu da önleyici önlemlerin almasına imkan tanıyor. Anormallikleri tespit edebilmek için hudut ağı, makinenin olağan davranışını geçmiş telemetri datalarından öğreniyor. Üretim sürecinin rastgele bir parametresi değişirse (mesela, yeni bir hammadde çeşidi eklenirse) yahut makinenin bir kesimi değiştirilirse, operatör hudut ağını güncellemek için ML eğiticisini bir daha çalıştırabiliyor. ML tabanlı dedektöre ek olarak sisteme müşterinin talebi üzerine belli durumlar için özelleştirilmiş tanılama kuralları eklenebiliyor.
Kaspersky MLAD, mevcut tesisin altyapısında çalışıyor ve ek sensör suramı gerektirmiyor. Kaspersky MLAD, data elde etmek ve anormallikleri raporlamak için SCADA üzere endüstriyel denetim sistemlerine bağlanıyor. Alternatif olarak, Kaspersky Industrial CyberSecurity for Networks ile de entegre edilebiliyor. Eser, OPC UA, MQTT, AMQP ve çeşitli ekipmanlara sahip sistemlere uygulanabilen REST üzere tanınan protokolleri doğal olarak destekliyor.
Kaspersky MLAD, tespit edilen anormalliklerin tahlili için bir grafik arayüzü de sağlıyor. İzlenen tüm süreçlerin görselleştirilmiş vakit grafikleri yardımıyla uzmanlar neyin yanlış gittiğini, ne vakit ve sistemin hangi kısmında olduğunu gorebiliyor.
Kaspersky Teknoloji Araştırma Departmanı Lideri Andrey Lavrentyev, şunları söz ediyor: “Gelişmiş makine tahsili algoritmaları ve makul endüstriyel süreçlere ahenk sağlama yeteneği, Kaspersky Machine Learning for Anomaly Detection çözümümüzü meselesiz üretim sağlamak için gerekli bir araç haline getiriyor. Karmaşık bir ortamdaki anormallikleri tespit etme yeteneğiyle, izleme sistemlerini ve makine operatörlerinin uzmanlığını tamamlıyor. Sapmaların niçini ne olursa olsun erken ikazlar yardımıyla arıza müddetleri, ekipman arızaları ve felaketler önlenebiliyor. Bu teknolojiyi birkaç yıldır geliştiriyoruz. Bugün müşterilerin bu avantajları elde etmelerine yardımcı olmak için tam teşekküllü eserin genel kullanıma sunulduğunu duyurmaktan memnunluk duyuyoruz” diyor.
Hibya Haber Ajansı
Kaspersky Machine Learning for Anomaly Detection’ın yapay hudut ağı, üretim sürecinde kullanılan çeşitli sensörlerden gerçek vakitli olarak toplanan telemetri verisini tahlil ediyor bu biçimdece sinyallerin dinamiklerindeki yahut korelasyonlarındaki değişiklikler üzere küçük sapmalar tespit ediliyor ve pahalar eşiklerine ulaşmadan ve performansı etkilemedilk evvel ikaz veriliyor. Bu da önleyici önlemlerin almasına imkan tanıyor. Anormallikleri tespit edebilmek için hudut ağı, makinenin olağan davranışını geçmiş telemetri datalarından öğreniyor. Üretim sürecinin rastgele bir parametresi değişirse (mesela, yeni bir hammadde çeşidi eklenirse) yahut makinenin bir kesimi değiştirilirse, operatör hudut ağını güncellemek için ML eğiticisini bir daha çalıştırabiliyor. ML tabanlı dedektöre ek olarak sisteme müşterinin talebi üzerine belli durumlar için özelleştirilmiş tanılama kuralları eklenebiliyor.
Kaspersky MLAD, mevcut tesisin altyapısında çalışıyor ve ek sensör suramı gerektirmiyor. Kaspersky MLAD, data elde etmek ve anormallikleri raporlamak için SCADA üzere endüstriyel denetim sistemlerine bağlanıyor. Alternatif olarak, Kaspersky Industrial CyberSecurity for Networks ile de entegre edilebiliyor. Eser, OPC UA, MQTT, AMQP ve çeşitli ekipmanlara sahip sistemlere uygulanabilen REST üzere tanınan protokolleri doğal olarak destekliyor.
Kaspersky MLAD, tespit edilen anormalliklerin tahlili için bir grafik arayüzü de sağlıyor. İzlenen tüm süreçlerin görselleştirilmiş vakit grafikleri yardımıyla uzmanlar neyin yanlış gittiğini, ne vakit ve sistemin hangi kısmında olduğunu gorebiliyor.
Kaspersky Teknoloji Araştırma Departmanı Lideri Andrey Lavrentyev, şunları söz ediyor: “Gelişmiş makine tahsili algoritmaları ve makul endüstriyel süreçlere ahenk sağlama yeteneği, Kaspersky Machine Learning for Anomaly Detection çözümümüzü meselesiz üretim sağlamak için gerekli bir araç haline getiriyor. Karmaşık bir ortamdaki anormallikleri tespit etme yeteneğiyle, izleme sistemlerini ve makine operatörlerinin uzmanlığını tamamlıyor. Sapmaların niçini ne olursa olsun erken ikazlar yardımıyla arıza müddetleri, ekipman arızaları ve felaketler önlenebiliyor. Bu teknolojiyi birkaç yıldır geliştiriyoruz. Bugün müşterilerin bu avantajları elde etmelerine yardımcı olmak için tam teşekküllü eserin genel kullanıma sunulduğunu duyurmaktan memnunluk duyuyoruz” diyor.
Hibya Haber Ajansı