تخفيض الانقطاعات بـ50 % في مصفاة نفط يحقق وفرا سنويا يصل إلى 2.5 مليون دولار
يُعدّ الحفاظ على سلاسة سير العمليات التقنية وتجنب الانقطاعات أيًا كان سببها، كأعطال الماكينات أو أخطاء المشغّلين أو الهجمات الرقمية التي تستهدف أنظمة الرقابة والتحكم الصناعية من أهم عوامل العمل في البيئات الصناعية، فإذا حدث خطأ ما، فيمكن للكشف المبكر أن يمنع حدوث الأعطال أو يقلل من تكلفتها، ويحفظ المواد الخام من الهدر، ويحدّ من تأثير أية عواقب وخيمة أخرى.
ووفقًا لتقديرات حديثة، فإن خفض وقت الأعطال بنسبة 50% يحقق توفيرًا سنويًا يصل إلى مليون دولار لمحطة كبيرة لإنتاج الطاقة، أو 2.5 مليون دولار لمصفاة نفط.
وأتاحت الشركة العالمية المتخصصة في الأمن الإلكتروني والخصوصية الرقمية كاسبرسكي، للمرة الأولى، ضمن منتجاتها الأمنية التجارية، حلّها المصمم للكشف المبكر عن الانحرافات وحالات الشذوذ في عمليات الإنتاج، والقائم على تعلّم الآلات، «كاسبرسكي ماشين ليرنج فور انومالي ديتيكشن» أو كاسبرسكي MLAD، كأداة للكشف عن تلك الانحرافات مزودة بخوارزميات تعلّم الآلات التي تحلل القياسات الواردة عن بُعد 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 بواجهة رسومية غنية بالمزايا تقدّم تحليلًا مفصّلًا لحالات الشذوذ، فضلًا عن أدوات لدمج الحلّ مع الأنظمة الحالية، وتقديم تنبيهات إلى لوحات البيانات الخاصة بالمشغلين.
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 MLAD في البنية التحتية القائمة للمصنع ولا يتطلب تركيب مستشعرات إضافية، ويتصل بأنظمة الرقابة الصناعية، للحصول على البيانات والإبلاغ عن حالات الانحراف.
وبوسع الحلّ، بدلاً من ذلك، التكامل مع الحلّ «كاسبرسكي اندستريال سايبرسيكيورتي فور نيتوركس» المخصص لحماية الشبكات الصناعية.
ويتيح حل كاسبرسكي، 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.
وقال رئيس قسم الأبحاث التقنية في كاسبرسكي أندري لافرنتييف، إن الخوارزميات المتقدمة في مجال تعلم الآلات والقدرة على التكيف مع عمليات صناعية معينة، تجعل من الحل MLAD «أداة أساسية لضمان السلاسة في عمليات الإنتاج الصناعي»، مضيفًا: 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.
ووفقًا لتقديرات حديثة، فإن خفض وقت الأعطال بنسبة 50% يحقق توفيرًا سنويًا يصل إلى مليون دولار لمحطة كبيرة لإنتاج الطاقة، أو 2.5 مليون دولار لمصفاة نفط.
وأتاحت الشركة العالمية المتخصصة في الأمن الإلكتروني والخصوصية الرقمية كاسبرسكي، للمرة الأولى، ضمن منتجاتها الأمنية التجارية، حلّها المصمم للكشف المبكر عن الانحرافات وحالات الشذوذ في عمليات الإنتاج، والقائم على تعلّم الآلات، «كاسبرسكي ماشين ليرنج فور انومالي ديتيكشن» أو كاسبرسكي MLAD، كأداة للكشف عن تلك الانحرافات مزودة بخوارزميات تعلّم الآلات التي تحلل القياسات الواردة عن بُعد 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 بواجهة رسومية غنية بالمزايا تقدّم تحليلًا مفصّلًا لحالات الشذوذ، فضلًا عن أدوات لدمج الحلّ مع الأنظمة الحالية، وتقديم تنبيهات إلى لوحات البيانات الخاصة بالمشغلين.
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 MLAD في البنية التحتية القائمة للمصنع ولا يتطلب تركيب مستشعرات إضافية، ويتصل بأنظمة الرقابة الصناعية، للحصول على البيانات والإبلاغ عن حالات الانحراف.
وبوسع الحلّ، بدلاً من ذلك، التكامل مع الحلّ «كاسبرسكي اندستريال سايبرسيكيورتي فور نيتوركس» المخصص لحماية الشبكات الصناعية.
ويتيح حل كاسبرسكي، 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.
وقال رئيس قسم الأبحاث التقنية في كاسبرسكي أندري لافرنتييف، إن الخوارزميات المتقدمة في مجال تعلم الآلات والقدرة على التكيف مع عمليات صناعية معينة، تجعل من الحل MLAD «أداة أساسية لضمان السلاسة في عمليات الإنتاج الصناعي»، مضيفًا: 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.