文献

J-GLOBAL ID：201902279159776893   整理番号：19A1197197

決定木による貯蔵システムの故障予測と健康状態評価【JST・京大機械翻訳】

Failure Prediction and Health Status Assessment of Storage Systems with Decision Trees

著者 (2件)： Kaur Kamaljit (Computer Engineering and Technology, Guru Nanak Dev University, Amritsar, India) ,  Kaur Kuljit (Computer Engineering and Technology, Guru Nanak Dev University, Amritsar, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 955  ページ： 366-376  発行年： 2019年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 大規模貯蔵システムの切迫した故障の予測は,データの損失を防ぐために重要である。SMART属性に基づく様々な機械学習と統計的方法が異なる研究者によって提案されている。それらは良好な予測精度を達成したが,それらのほとんどは「良い」または「失敗」としてのハードドライブの状態を予測することに焦点を合わせている。さらに,ハードドライブの性能は,それらの対応するSMART属性における連続的な変化によって示されるように,急激に悪化する。従って,これらのモデルはこの種の連続変化を予測できない。本論文は,より良い予測精度を与えるハードドライブのためのディシジョンツリーベースの故障予測モデルを与えた。実験により,決定木ベースのモデルが,故障の99.99%を通して,誤警報率が0.001%未満であることを示した。また,ハードドライブの健康状態を積極的に定量化するリードタイムの予測を導入し,バックアップを誘発するために前もって警告を生成する。提案したモデルを実世界データセットでテストした。Copyright 2019 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 統計的方法 ,  モデル ,  *ディシジョンツリー ,  機械学習 ,  調達期間
準シソーラス用語： 誤警報率 ,  予測精度 ,  *健康状態 ,  *故障予知 , 【Automatic Indexing@JST】

著者キーワード (3件)： フォールトトレランス ,  ディシジョンツリー ,  ID3

分類 (5件)： 保線,鉄道防災  (RC07050X) ,  婦人科・産科の診断  (GS02000W) ,  操縦・制御系統  (QK05020Z) ,  システムモデル  (IB02000Z) ,  核酸一般  (EB04010U)

タイトルに関連する用語 (4件)： 決定木 ,  貯蔵 ,  故障予測 ,  状態評価