Case study

Anomalie Erkennung

Die Herausforderung

Die Überwachung von industriellen Systemen, wie z.B. Kläranlagen, wird durch die steigende Anzahl von Sensoren und verfügbaren Daten immer komplexer.

Intelligente Algorithmen werden benötigt, um abnormales Verhalten automatisch zu erkennen und menschliche Betreiber zu unterstützen.

Die Lösung

KOMBINATION VON MASCHINELLEM LERNEN MIT HISTORISCHEN DATEN

‍

1. Anhand historischer Daten lernt ein Machine Learning Algorithmus das normale Verhalten des Systems aus den Sensordaten zu extrahieren

‍

2. Das Modell identifiziert Anomalien, indem es das Originalsignal rekonstruiert und einen Rekonstruktionsfehler berechnet

‍

3. Durch die Überwachung eines realen Systems ist das Modell in der Lage, abnormales Verhalten in Echtzeit zu erkennen und einen menschlichen Betreiber zu alarmieren

Vorteile

Überwachen Sie eine Vielzahl von Sensoren in Echtzeit
Verbessern Sie die Erkennungsrate von Defekten
Erkennen Sie Anomalien, bevor sie zu kritischen Schäden führen

Weitere Use Cases

Erkennung von Betrugsfällen: Erkennen Sie abnormales Benutzerverhalten
Netzwerk-Systeme: Schützen Sie Ihre Infrastruktur vor potenziellen Eindringlingen
Vorausschauende Wartung: Identifizieren Sie abnormales Maschinenverhalten

... und viele mehr