• Skip to primary navigation
  • Skip to main content

Stratis

Stratis

  • hu
  • Rólunk
  • Kulcsemberek
  • Szolgáltatások
    • Vezetési tanácsadás
    • IT menedzsment
    • Információ- és adatmenedzsment
    • Komplex, üzletileg kritikus projektek szakmai menedzsmentje
  • Adatvezérelt megoldások
    • Ipari megoldások
    • A.N.I.T.A.
    • Anomália felderítés
  • Referenciák
  • Karrier
    • Pozíciók
    • Kiválasztási folyamat
  • Blog
  • Kapcsolat

Hatékony hibafeltárás a mesterséges intelligencia alkalmazásával

Az automatizálás jelentősen növeli a produktivitást, az automatizálást nyújtó – sokszor komplex – rendszerek korábban nem tapasztalt meghibásodása viszont jelentős pénzügyi veszteséget okoz. – Melyiket választja?

Nem kell „automatikusan” elfogadnia ezt a „trade”-et! Segíthetünk?

Az életünk szinte minden területén elvárjuk, hogy automatizált megoldások szolgáljanak ki minket. Azt szeretjük, arra törekszünk, hogy az unalmas, monoton, ismétlődő feladatokat végezzék el helyettünk a gépek, szoftverek, robotok. Ugye, ettől jól érezzük magunkat? Azt várjuk, hogy az így felszabaduló energiáinkat kreatív, sokkal izgalmasabb, nagyobb értéket eredményező feladatokra fordíthassuk.

Azonban amint létrehozzuk ezeket az automatizmusokat, gépeket, melyek az életünket hivatottak megkönnyíteni, megjelenik az általunk kontrollálatlan, számunkra rejtett hibázás lehetősége. Mi van, ha a létrehozott szoftverek, gépek valamelyik alkatrésze elromlik, és az elvárt eredményeket nem vagy nem úgy kapjuk? Ezekre nyilván fel akarunk készülni előre, ezért különböző szabályokat, korlátokat építünk be a működésükbe, amik jelzik, ha hibás, vagy határértéken kívüli eredmény születik, és erről információt, értesítést kapunk. A kapott információk és ismereteink alapján tudjuk korrigálni a helyzetet, vagy segítséget hívunk, aki kijavítja a hibás működést, és ismét örülünk.

De vajon minden hibát, minden nem várt eseményt le tudunk előre írni szabályokkal? Mi történik, ha addig soha nem látott eredményeket produkál az automatizált rendszerünk, vagy addig ismeretlen hibajelenségeket tapasztalunk? Elindul a találgatás, vizsgálódás, gondolkodás, próbálkozás, fejvakarás. Ezt az ismeretlen, rendellenes működés felismerését hívjuk anomália felismerésnek, és az alapprobléma beazonosítását gyökérok elemzésnek és feltárásnak. Mivel ilyenkor nem kapunk semmilyen használható információt, ez a folyamat kizárólag a tapasztalatokra, korábban szerzett szakmai ismeretekre alapozva gyakran egy sok bosszúsággal járó, hosszú folyamat is lehet, ami általában nagy pénzügyi veszteséget jelent.

Mégis, hogyan tudjuk segíteni ilyenkor a helyzetünket? A válaszunk az adatok alapján történő anomália felderítés, és gyökérok elemzés. Hívjunk erre segítségül egy újabb szoftvert.

A gépeink működési paramétereit, a környezeti körülmények jellemzőit mérni, ezeket az adatokat gyűjteni ma már nem bonyolult. Minden technológia és módszertan kipróbált módon rendelkezésre áll ehhez. Ha a mérés, adatgyűjtés környezetet kialakítjuk, azonnal elérhetővé válik számunkra a gépi, mesterséges intelligencia alapú anomália felderítés, és gyökérok elemzés.

Mi ezt a megoldást kínáljuk!

Az anomália felderítése egy felügyelet nélkül tanított mesterséges intelligencia alapú rendszer, mely a normál működést leíró adathalmazhoz képest eltérő mintázatokat tudunk felismerni. Ezzel lényegében a működés során felmerülő bármilyen hibát azonosítani tudunk, ami a rendelkezésre álló adathalmazunkból kinyerhető. Korábban már tapasztalt hibajelenségek (ismert, jellemző hibák), illetve a még soha nem előforduló rendellenességek is felfedezhetőek. A szakértelemre azért szükség van. A normál használati rutinokat, és standard működési gyakorlatot ismerve, a szakmai háttérismeretekre alapozva lehet a rendellenességet tükröző adathalmazokat értelmezni, és hibatípusokat rendelni hozzájuk, vagy egyszerűen „érdekes adatmintának” (zajnak) minősíteni. És így meg is érkeztünk egy automatikus hiba detektáló rendszerhez.

Az ilyen elven működő hibafelderítést az élet rengeteg területén alkalmazhatjuk, sőt már alkalmazzuk is. Gondoljunk bele, hogyan tudják a bankok kiszűrni, ha valaki lopott bankkártyával akar vásárolni, vagy egy termelővállalat hogyan ellenőrizheti egy termék gyártásának minőségét, ha azt 20-50 paraméter írja le egyszerre, vagy egy napenergia-park esetében hogyan deríthetjük ki, hogy ha a termelt energiamennyiség miért kevesebb az elvi lehetségeshez viszonyítva. De sorolhatnánk még a példákat.

A leglényegesebb, hogy a mesterséges intelligencia megoldás alkalmazásával felépített felügyeleti és hibadetektáló rendszerek eddig sosem tapasztalt, szabályokkal előre le nem írható hibákat is ki lehet szűrni, mely meggyorsítja a helyreállítási folyamatokat, ezáltal csökkenti a költségeket. Sőt, ezekből, a korábban nem látott eltérésekből tovább tanítható a rendszer, így nincs szükség arra, hogy minden alkalommal újabb és újabb szabályokat írjunk le. A technológia emellett nem csak a már biztosan bekövetkező hibákat tudja felismerni, hanem egy folyamatban képes előre jelezni egy komponens szabálytalan működését, és már a hiba bekövetkezése előtt figyelmezteti az üzemeltetőt, így lehetőséget teremt a probléma megelőzésére.

Ne hagyja nyitva a kiskapukat!

Kapcsolat

Rólunk

  • Cégismertető
  • Kulcsemberek
  • Adatvédelmi tájékoztató

Szolgáltatások

  • IT menedzsment
  • Információ és adatmenedzsment
  • Komplex, üzletileg kritikus projektek szakmai menedzsmentje
  • Vezetési tanácsadás

Iparág / Referenciák

  • Bankok
  • Biztosítók
  • Egészségügy
  • Közigazgatás
  • Távközlés

Karrier

  • Pályakezdők, frissdiplomások
  • Tapasztalt szakemberek
  • Kiválasztási folyamat

Közbeszerzés

  • Közbeszerzési projektek
Széchenyi Terv 2020

Stratis Vezetői és Informatikai Tanácsadó Kft. - Minden jog fenntartva.
1037 Budapest, Szépvölgyi út 139. Tel: +36-1-454-1900 Fax: +36-1-454-1901 Email: info@stratis.hu

We use cookies on our website to give you the most relevant experience by remembering your preferences and repeat visits. By clicking “Accept”, you consent to the use of ALL the cookies.
Cookie settingsACCEPT
Manage consent

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary
Always Enabled
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SAVE & ACCEPT