@article{oai:mejiro.repo.nii.ac.jp:00001615,
 author = {伊藤, 利佳 and 藤田, 直行 and ITO, Rika and FUJITA, Naoyuki},
 issue = {18},
 journal = {目白大学経営学研究, Mejiro Journal of Managemant},
 month = {Feb},
 note = {pdf, 近年の計算機環境の大規模化に伴い，ハードウェアシステムの障害の影響も年々大きくなっている。そのため，ハードウェアの障害を事前に予測するシステムの構築が求められている。研究所や企業などにおいてハードウェア障害が発生すると，管理者は原因の究明と復旧作業などの対応に追われ，円滑なコンピュータ利用のサービスが妨げられる。しかしながら，障害の起きる原因は多様であり，パフォーマンスの低下やトラフィック状況などのハードウェアの内部情報を監視しているだけでは障害の予兆を捉えることは難しい。そのため，コンピュータの内部情報やシステムの設置状況などの外部情報を包括的に精査することによって障害の予兆を捉えるための研究を行っている。しかし，障害を起こしたハードウェアの状況把握のための内部情報を収集することは容易ではない。そこで，本研究では，ハードディスクに備えられているS.M.A.R.T.（Self-Monitoring, Analysis and Reporting Technology）情報を用いて機械学習を実施することによって，ハードディスク障害の予測に関する解析を行い，その結果を報告する。, The large-scale expansion of the computing environment in recent years has also seen an increase in hardware system failures. The construction of a system that would predict such hardware failures beforehand is therefore in demand. When hardware failures occur not only is the administrator pressed with tasks such as investigating the cause and recovery procedures, these failures also hinder the smooth services used by the computer users.
However it is difficult to detect failure symptoms by only monitoring the hardware internal information such as performance degradation. Hence, the system is needed that detects these failure symptoms by comprehensively examining the internal information of computers and external information such as the statuses of system installations. In this study, we performed an analysis on the prediction of hard disk failures by applying machine learning to the S.M.A.R.T. data generated from hard disk system and report the results.},
 pages = {77--90},
 title = {ビッグデータを活用した障害予測に関する実験的検証},
 year = {2020}
}