추상적인
이 논문에서는 대규모 데이터 세트에서 하드 드라이브 성능 데이터를 이해하기 위해 수행한 다양한 단계를 살펴봅니다. 이 데이터 세트는 클라우드 스토리지 회사인 BackBlaze에서 제공합니다. 이 데이터는 약 2년 동안 약 50,000개의 하드 드라이브의 일일 성능을 수집합니다. 이 데이터는 서비스 중인 각 하드 드라이브에 대한 일일 레코드 하나로 구성됩니다. 각 레코드에는 타임스탬프, 여러 인구 통계, 오류 표시기, 80개의 자체 모니터링, 분석 및 보고 기술(SMART) 표시기가 포함됩니다. 관련된 첫 번째 과제는 데이터 테이블의 엄청난 크기입니다. 두 번째 과제는 분석 전에 데이터 품질이 적절한지 평가하고 확인하는 것입니다. 세 번째 과제는 JMP의 기존 분석 및 그래픽 도구에서 활용할 수 있는 다양한 모양으로 데이터를 구성하는 것입니다. 또한 가장 중요한 것은 데이터가 무엇을 나타내는지 이해하기 위해 적절한 도구를 사용하여 분석을 수행합니다. 우리는 두 가지 핵심 질문에 대한 답을 찾으려고 합니다. 어떤 하드 드라이브가 가장 좋은지, 하드 드라이브 오류가 예측 가능한지 여부입니다. 이 작업에서는 데이터 조작, 탐색, 신뢰성 플랫폼을 포함한 JMP의 광범위한 역량을 보여줄 것입니다.
였다
Peng Liu, PhD는 JMP의 수석 연구 통계 개발자입니다. 그는 신뢰성, 생존 및 시계열 플랫폼을 유지 관리하고 개발하는 일을 담당합니다. 그의 업무에는 연구, 데이터 분석 및 소프트웨어 아키텍처가 포함됩니다.
Leo Wright, CQE는 JMP의 신뢰성 및 품질 부문 수석 제품 관리자입니다. 그는 제조 분야에서 품질 및 신뢰성 엔지니어링에 중점을 둔 광범위한 경험을 가지고 있습니다. SAS에 합류하기 전에 그는 여러 Fortune 500 조직의 품질 조직을 관리했습니다.
