MLAD: aprendizado de máquina na detecção de anomalias

Ufa! Ainda bem que acabou. O ano mais horrível conhecido pela maioria de nós – finalmente terminado, acabado, finito. Vamos ter esperança que, como muitas pessoas estão repetindo: ‘2021 será melhor; não pode ser pior, certo ?!

Por uns bons 10 meses do ano passado, praticamente o mundo inteiro ficou em estado de choque permanente. E não me refiro apenas à população mundial; empresas privadas e economias nacionais também foram atingidas de forma incrivelmente dura. Infelizmente, um campo que não foi tão afetado – na verdade, só se beneficiou muito com a pandemia – foi o cibercrime. Pessoas isoladas, trabalhando em casa e passando muito mais tempo online, ou seja, muito mais vítimas potencial de golpes online, prontas para serem hackeadas. Claro, que não apenas os usuários individuais ficaram vulneráveis, como também empresas: com funcionários trabalhando em casa, muitas redes corporativas foram atacadas porque não estavam suficientemente protegidas, pois, na pressa para fazer todos trabalharem remotamente de forma rápida, a segurança não foi priorizada .Resumindo, o status quo digital de todo o mundo também foi fortemente abalado por este vírus infernal.

Como resultado do aumento do cibercrime – em particular o que visa redes corporativas vulneráveis – o setor de cibersegurança está mais ocupado do que nunca. Sim – isso inclui nós! 2020 para nós, como uma Korporação, acabou sendo muito produtivo. Por exemplo, o número de novas versões de nossas soluções lançadas ao longo do ano foi expressivo – especialmente para o setor empresarial.

Também tivemos novas versões em nossa linha de soluções de cibersegurança industrial, uma das quais é sobre o que quero falar hoje – uma teKnologia conhecida como MLAD. Não deve ser confundido com site de videos engraçados online, ou MLAD que é abreviação de Dose Analgésica Local Mínima, ou a abreviação de Artéria Descendente Anterior Médio Esquerda, nosso MLAD é a abreviação de Machine Learning for Anomaly Detection, ou em português, Aprendizado de Máquina para a Detecção de Anomalias.

Se você é um leitor frequente de nossos blogs, deve se lembrar de algo sobre essa nossa tecnologia. Talvez não. De qualquer forma – aqui está um lembrete…

Nosso MLAD é um sistema que usa aprendizado de máquina para analisar dados de telemetria de instalações industriais para localizar anomalias, ataques ou quebras.

Digamos que você tenha uma fábrica com milhares de sensores instalados – alguns medindo pressão, alguns temperatura, outros – todo o resto. Cada sensor gera um fluxo constante de informações. Um funcionário manter o controle de todos esses fluxos é praticamente impossível, mas para as tecnologias baseadas em aprendizado de máquina – é um passeio no parque. Tendo treinado preliminarmente uma rede neuro, o MLAD pode, com base em correlações diretas ou indiretas, detectar que algo está errado em uma determinada seção da fábrica. Ao fazer isso, danos de milhões, ou mais, de dólares causados por incidentes potenciais, não cortados pela raiz, podem ser evitados.

Ok – essa é a ideia geral do que o MLAD faz. Deixe-me tentar relacionar a escala granular da análise que o MLAD realiza usando uma metáfora médica…

Alguns de vocês podem ter uma pulseira fitness (fitband). Este tipo de dispositivo informa seu pulso cardíaco e o número de passos dados, mas não muito mais. Existem apenas alguns sensores, limitando assim as funcionalidades. Digamos que os médicos tenham um dispositivo mais avançado com muito mais sensores para poder monitorar outras coisas – como pressão arterial, contagem de glóbulos brancos e assim por diante. Mas vamos dar um passo adiante no monitoramento hipotético: digamos que os médicos tenham um dispositivo com, tipo, um zilhão de sensores conectados em todo o corpo – na verdade, em cada vaso sanguíneo, cada célula nervosa e praticamente em todos os outros lugares, todos transmitindo telemetria dados constantemente. Claro, uma quantidade tão grande de dados em escala granular com certeza ajudará os médicos a localizar isso ou aquilo que pode não estar muito certo no corpo de um paciente e que requer tratamento, mas só um médico está realmente analisando isso – que dor de cabeça (também detectada por sensores :). A solução não vem do céu como um super herói da ficção, mas sim as nossas teKnologias!

 

Ok, introdução / recapitulação do que o MLAD faz – feita. Agora sobre as novas atualizações …

A primeira atualização séria do MLAD é chamada de Pipeline. Não confundir com a terceira faixa do álbum Construction Time Again. Novamente, este é um recurso que permite dividir a análise da telemetria em diferentes partes.

A maioria das pessoas tem dois braços, duas pernas e um número predeterminado de outros órgãos. Saber que todos estão indo bem no geral – que você não está doente de uma forma ou de outra – é bom, claro. Mas saber como cada órgão corporal está se saindo sozinho seria muito melhor. Na prática, esse princípio é aplicado em coisas como Building Information Management (BIM), ou em tradução livre, Modelo de informação da construção: em cada sala há um sensor de janela, um termômetro, um indicador do regime de trabalho do ar condicionado e assim por diante. Assim, em vez de colocar todo o edifício em um único modelo, temos um mini-modelo para cada sala. Mais simples, mais elegante, com a análise mais precisa e relevante.

A segunda grande atualização é chamada de Trainer. Não, não é o último tênis de corrida da New Balance, nosso Trainer permite que a empresa que usa o MLAD treine novamente os algoritmos conforme necessário – sem nossa participação. E esse “retreinamento” é necessário frequentemente: as matérias-primas mudam, um processo é ajustado, um filtro é adicionado e assim por diante. Voltando às metáforas médicas … Você muda o que come – chega de fast food, apenas opções saudáveis (ou vice-versa) – e os resultados dos exames de sangue também mudam. Da mesma forma, as leituras típicas do sensor podem mudar após um ajuste de processo, então a rede neural precisa receber uma nova norma, e isso é feito agora com um botão.

Também houve alguns ajustes e melhorias na interface. Por exemplo, o MLAD agora pode mostrar uma visão geral dos dados de um tipo de sensor para todo o objeto e traçar um “mapa” do esquema de produção com pressão ou temperatura determinada para todo o fluxo de trabalho. E no futuro (spoiler!), estamos planejando desenhar modelos 3-D, sob demanda, de objetos com todas as leituras, a fim de possibilitar a localização de anomalias para olhos destreinados.

Mais um fato divertido de cortesia! A tecnologia é tão legal que nos deparamos com um problema inesperado e incomum: a princípio, o pessoal das empresas clientes simplesmente não acredita que tudo o que foi mencionado acima seja possível! Somente no final de uma demonstração prática das funcionalidades do MLAD é que eles começam a perceber que não estamos inventando nada e que esta inovação vai ajudá-los imensamente em seu trabalho … e seus rostos voltam ao normal depois de uma hora (boquiabertos).

Então. Impressionado? Se sim, e você quiser mais informações – clique aqui. Lá você encontrará estudos de caso e alguns vídeos de demonstração engenhosos.

E isso é tudo por hoje, pessoal. Mantenha-se seguro!

 

LEIA COMENTÁRIOS 0
Deixe um comentário.