Firma GMV przedstawia podczas konferencji TDWI w Monachium, jak wykrywać anomalie przemysłowe za pomocą rozwiązania GMV PitIA

Firma GMV wzięła udział w konferencji TDWI w Monachium, jednym z najważniejszych europejskich wydarzeń poświęconych danym, analityce i sztucznej inteligencji, podczas której Miguel Tejedor i Fernando López wygłosili referat pt. „Explainable Unsupervised Anomaly Detection for Telemetry” (Wykrywanie wyjaśnialnych, nienadzorowanych anomalii w danych telemetrycznych), poświęcony temu, jak przenieść sztuczną inteligencję z laboratorium do codziennej eksploatacji złożonych systemów przemysłowych.

Podczas sesji eksperci z GMV zaprezentowali możliwości GMV PitIA, rozwiązania zaprojektowanego w celu przekształcania dużych ilości danych telemetrycznych z przemysłu w informacje przydatne do podejmowania decyzji operacyjnych. Propozycja wykorzystuje ujednolicony model, który jest w stanie uczyć się normalnego przebiegu procesów na podstawie wielowymiarowych, ukrytych reprezentacji skorelowanych sygnałów, co pozwala na obsługę różnych przypadków użycia w ramach tej samej platformy technologicznej.

Wśród zaprezentowanych funkcji na szczególną uwagę zasługiwały: prognozowanie zmiennych procesowych za pomocą czujników wirtualnych, nienadzorowane wykrywanie anomalii bez konieczności korzystania z wcześniej oznaczonych danych, monitorowanie operacyjne oparte na zdarzeniach oraz identyfikacja zmiennych odpowiedzialnych za każde wykryte odchylenie, co ułatwia operatorom analizę przyczyn źródłowych i interpretację wyników. System zawiera ponadto mechanizmy ciągłego dostosowywania, które pozwalają na utrzymanie zgodności modeli z ewolucją procesów przemysłowych.

W prezentacji podkreślono również znaczenie połączenia modeli wyjaśnialnych, rozumowania na poziomie zdarzeń oraz ciągłej aktualizacji w celu ograniczenia liczby fałszywych alarmów, usprawnienia zarządzania incydentami oraz ułatwienia integracji sztucznej inteligencji z istniejącymi platformami i procesami operacyjnymi. Ponadto GMV PitIA może dostosować się zarówno do scenariuszy z dużymi zbiorami danych archiwalnych, jak i do środowisk, w których dane te są bardzo ograniczone, jak ma to miejsce w zastosowaniach kosmicznych z satelitami na początku ich eksploatacji, dzięki podejściu, które zmniejsza zależność od obszernych zbiorów danych szkoleniowych. Ta elastyczność ułatwia ich wdrażanie w szerokiej gamie środowisk przemysłowych i operacyjnych.

Poprzez  GMV PitIA firma GMV potwierdza swoje zaangażowanie w opracowywanie niezawodnych, zrozumiałych i zorientowanych na działania rozwiązań wykorzystujących sztuczną inteligencję, które pomagają organizacjom przekształcać dane w szybsze, dokładniejsze i bardziej praktyczne decyzje w środowiskach przemysłowych o wysokim stopniu krytyczności.