抽象的な
この論文では、大規模なデータセットからハードドライブのパフォーマンス データを理解するために私たちが行ったさまざまな手順について説明します。データセットは、クラウド ストレージ会社である BackBlaze によって提供されています。データは、約 2 年間にわたる約 50,000 台のハードドライブの日々のパフォーマンスをキャプチャしたものです。データは、稼働中のハードドライブごとに 1 日 1 つのレコードで構成されています。各レコードには、タイムスタンプ、いくつかの人口統計、障害インジケーター、および 80 個の自己監視、分析、レポート作成テクノロジ (SMART) インジケーターが含まれています。最初の課題は、データ テーブルのサイズが非常に大きいことです。2 番目の課題は、分析前にデータの品質が適切であることを評価して確認することです。3 番目の課題は、JMP の既存の分析ツールやグラフィカル ツールで利用できるさまざまな形式にデータを整理することです。さらに、最も重要なのは、データからわかることを理解するために、適切なツールを使用して分析を実行することです。私たちは、どのハードドライブが最適か、ハードドライブの障害は予測可能かどうかという 2 つの重要な質問に対する答えを見つけようとします。この作業では、データ操作、探索、信頼性プラットフォームなど、JMP の幅広い機能を紹介します。
だった
Peng Liu 博士は、JMP の主席研究統計学者開発者です。信頼性、生存、時系列プラットフォームの保守と開発を担当しています。研究、データ分析、ソフトウェア設計などの業務を担当しています。
Leo Wright (CQE) は、JMP の信頼性と品質の主任製品マネージャーです。彼は、品質と信頼性のエンジニアリングに重点を置いた製造業の豊富な経験を持っています。SAS に入社する前は、いくつかの Fortune 500 企業の品質組織を管理していました。
