Google и Seagate разработали технологию предсказания поломки жестких дисков

Изображение: (сс) Tumisu
Цифровые технологии, матрица
Цифровые технологии, матрица

Модель машинного обучения для предсказания выхода из строя компьютерных жестких дисков (HDD) анонсировали компании Google и Seagate, 18 мая сообщает электронное периодическое издание 3DNews.

Новая технология на базе искусственного интеллекта (ИИ) призвана с высокой степенью вероятности предсказывать поломку HDD задолго до его фактической «смерти». Для реализации технологии Google и Seagate аккумулируют S.M.A.R.T-информацию и другие сведения о жестких дисках из дата-центров, где используется большое количество HDD.

Как сообщают в Google, они используют две системы предсказания сбоев, одна из которых — «классификатор таблиц» AutoML — обеспечивает предсказание поломки с точностью в 98%. Несмотря на то, что у специалистов данная модель вызывает ряд вопросов, в Google уверяют, что она поможет выявить самые распространенные факторы выхода из строя HDD, чтобы дать возможность специалистам предпринимать меры по предотвращению отказов оборудования заблаговременно.

В Google планируют охватить новой технологией все жесткие диски Seagate.

Напомним, S.M.A.R.T. (self-monitoring, analysis and reporting technology — технология самоконтроля, анализа и отчетности) — технология оценки состояния жесткого диска встроенной аппаратурой самодиагностики, а также механизм предсказания времени выхода его из строя.

В 2016 году компания Blackblaze сообщала о проведенном мониторинге и анализе пяти S.M.A.R.T.-атрибутов HDD, якобы позволяющих предсказывать поломку жесткого диска. Экспертами была выявлена корреляция между значения S.M.A.R.T.-атрибутов № 5 (число операций переназначения секторов), 187 (количество ошибок, о которых сообщил HDD), 188 (количество прерванных операций в связи с таймаутом HDD), 197 (число секторов, являющихся кандидатами на замену) и 198 (число некорректируемых средствами диска секторов) и скорым выходом жесткого диска из строя. Однако компании не удалось доказать точную зависимость между этими показателями и общим износом устройства.