حدد الصفحة

الحلّ Kaspersky Machine Learning for Anomaly Detection يتنبّأ بالأعطال في عمليات الإنتاج

الحلّ Kaspersky Machine Learning for Anomaly Detection يتنبّأ بالأعطال في عمليات الإنتاج

أتاحت كاسبرسكي، للمرة الأولى، ضمن منتجاتها الأمنية التجارية، حلّها المصمم للكشف المبكر عن الانحرافات وحالات الشذوذ في عمليات الإنتاج، والقائم على تعلّم الآلات، Kaspersky Machine Learning for Anomaly Detection. وتأتي أداة الكشف هذه مزودة بخوارزميات تعلّم الآلات التي تحلل القياسات الواردة عن بعد من مُستشعرات ماكينات الإنتاج الصناعي. ويصدر الحلّ تحذيرًا من حدوث أعطال في الماكينة عن طريق رفع التنبيهات بمجرد أن تبدأ محدِّدات عملية التصنيع (العلامات) في التصرّف بطريقة غير متوقعة. ويتسم الحلّ Kaspersky MLAD بواجهة رسومية غنية بالمزايا تقدّم تحليلًا مفصّلًا لحالات الشذوذ، فضلًا عن أدوات لدمج الحلّ مع الأنظمة الحالية، وتقديم تنبيهات إلى لوحات البيانات الخاصة بالمشغلين.

ومن المهم في البيئات الصناعية الحفاظ على سلاسة سير العمليات التقنية وتجنب الانقطاعات أيًا كان سببها، كأعطال الماكينات أو أخطاء المشغلين أو الهجمات الرقمية التي تستهدف أنظمة الرقابة والتحكم الصناعية. فإذا حدث خطأ ما، يمكن للكشف المبكر أن يمنع حدوث الأعطال أو يقلل من تكلفتها ويحفظ المواد الخام من الهدر ويحدّ من تأثير أية عواقب وخيمة أخرى. ووفقًا لتقديرات كاسبرسكي، فإن خفض وقت الأعطال بنسبة 50% يحقق توفيرًا سنويًا يصل إلى مليون دولار لمحطة كبيرة لإنتاج الطاقة، أو 2.5 مليون دولار لمصفاة نفط[1].

وتجري الشبكة العصبية الخاصة بالحلّ الجديد تحليلات فورية للقياسات الواردة عن بُعد من مختلف المستشعرات الموجودة في الماكينات الصناعية المستخدمة في الإنتاج، لتكشف عن الانحرافات الطفيفة، مثل التغيرات الحاصلة في ديناميكيات الإشارات أو ارتباطاتها، وتطلق تنبيهات قبل أن تصل قيم الانحراف إلى الحدود التي تُنذر بالخطر وتؤثر في الأداء. ويسمح هذا الأمر لمشغلي المصنع أو المحطة باتخاذ التدابير الوقائية. 

وتتعلم الشبكة العصبية السلوك الطبيعي للماكينات والآلات من بياناتها المسجلة مسبقًا، لتتمكن من اكتشاف حالات الشذوذ. أما إذا شهدت إحدى المحددات الخاصة بعملية الإنتاج تغييرًا ما، كإدخال نوع جديد من المواد الخام في العملية الصناعية، مثلًا، أو استبدال جزء من الماكينة، فإن المشغل يعيد تشغيل “مدرِّب” تعلّم الآلات لتحديث الشبكة العصبية الخاصة بالحلّ. ويمكن بجانب الكاشف القائم على تقنيات تعلّم الآلات، إضافة قواعد تشخيصية مصممة  خصيصًا لحالات معينة بناءً على طلب العميل.

ويعمل الحلّ Kaspersky MLAD في البنية التحتية القائمة للمصنع ولا يتطلب تركيب مستشعرات إضافية، ويتصل بأنظمة الرقابة الصناعية مثل SCADA، للحصول على البيانات والإبلاغ عن حالات الشذوذ. وبوسع الحلّ، بدلاً من ذلك، التكامل مع الحلّ Kaspersky Industrial CyberSecurity for Networks المخصص لحماية الشبكات الصناعية. ويدعم المنتج في الأصل البروتوكولات الشائعة، مثل OPC UAوMQTT وAMQP إضافة إلى REST، ما يجعله قابلًا للتطبيق على الأنظمة ذات المعدات المتنوعة.

ويتيح Kaspersky MLAD واجهة رسومية لتحليل حالات الشذوذ المكتشفة. بفضل المخطّطات الزمنية المرئية لجميع العمليات المراقبة، ويمكن للخبير رؤية حالة الشذوذ ووقت حدوثها والجزء الذي حدثت فيه من النظام.

2-6-21

واجهة Kaspersky Machine Learning for Anomaly Detection: يوضح التقرير كيف تتغير محددات عملية التصنيع لحظة بلحظة، مبينًا وجود شذوذ (على الجزء الأدنى من الرسم البياني)

وقال أندري لافرنتييف رئيس قسم الأبحاث التقنية في كاسبرسكي، إن الخوارزميات المتقدمة في مجال تعلم الآلات والقدرة على التكيف مع عمليات صناعية معينة، تجعلان من الحل Kaspersky Machine Learning for Anomaly Detection “أداة أساسية لضمان السلاسة في عمليات الإنتاج الصناعي”. وأضاف: “يكمل هذا الحلّ المبتكر أنظمة الرقابة ويساند خبرة مشغلي الآلات بمنحهم القدرة على اكتشاف حالات الشذوذ في بيئة معقدة، ما يتيح منع حدوث الأعطال والكوارث، أيًا كانت أسباب الانحرافات، بفضل التنبيهات المبكرة. وقد عملنا على تطوير هذه التقنية لعدة سنوات ويسعدنا اليوم الإعلان عن إتاحتها ضمن منتج كامل لمساعدة العملاء على تحقيق هذه المنافع”.

يمكن زيارة https://mlad.kaspersky.com لمزيد من المعلومات حول Kaspersky Machine Learning for Anomaly Detection.


[1] يعتمد التقدير على تحليل كاسبرسكي للمحددات المختلفة، مثل مدة العطل، ومعايير النشاط الاقتصادي للمؤسسات، والنمذجة.

عن المؤلف

شيماء زامل

التسويق على مواقع التواصل الإجتماعي، كاتبة محتوى إبداعي، مترجمة من اللغة العربية الى الإنجليزية، مديرة مجتمع

اخر الأخبار

WP Twitter Auto Publish Powered By : XYZScripts.com