特許ウォッチ

公開番号2025139173
公報種別公開特許公報(A)
公開日2025-09-26
出願番号2024037974
出願日2024-03-12
発明の名称予測システム、予測方法及びプログラム
出願人日本電気株式会社
代理人個人,個人
主分類G06F 11/34 20060101AFI20250918BHJP(計算;計数)
要約【課題】時系列のS.M.A.R.Tデータを用いて高精度に記憶装置の寿命や故障を予測する方法を提供する。
【解決手段】予測システムは、複数種類の記憶装置で収集された時系列のS.M.A.R.T.データである第1訓練データを用いて、前記第1訓練データに含まれる値の推移と前記記憶装置の残存耐用期間との関係を学習して構築された汎用予測モデルと、記憶装置の種類別の時系列のS.M.A.R.T.データである第2訓練データを用いて前記第2訓練データに含まれる値の推移と前記第2訓練データに係る種類の記憶装置の残存耐用期間との関係を学習して構築された特化予測モデルと、を記憶する手段と、予測対象の記憶装置で収集された時系列のS.M.A.R.T.データと、前記予測対象の記憶装置と同じ種類の記憶装置に係る前記特化予測モデルと、に基づいて、前記予測対象の記憶装置の残存耐用期間を予測する手段と、を備える。
【選択図】図6
特許請求の範囲【請求項１】
複数種類の記憶装置で収集された時系列のS.M.A.R.T.データである第1訓練データを用いて、前記第1訓練データに含まれる値の推移と記憶装置の残存耐用期間との関係を学習して構築された汎用予測モデルと、記憶装置の種類別の時系列のS.M.A.R.T.データである第２訓練データを用いて前記第２訓練データに含まれる値の推移と前記第２訓練データに係る種類の記憶装置の残存耐用期間との関係を学習して構築された特化予測モデルと、を記憶する手段と、
予測対象の記憶装置で収集された時系列のS.M.A.R.T.データと、前記予測対象の記憶装置と同じ種類の記憶装置に係る前記特化予測モデルと、に基づいて、前記予測対象の記憶装置の残存耐用期間を予測する手段と、
を備える予測システム。
続きを表示（約 1,500 文字）【請求項２】
前記記憶する手段が、前記予測対象の記憶装置と同じ種類の記憶装置に係る前記特化予測モデルを記憶していない場合、
前記予測する手段は、前記予測対象の記憶装置で収集された時系列のS.M.A.R.T.データと、前記汎用予測モデルと、に基づいて、前記予測対象の記憶装置の残存耐用期間を予測する、
請求項１に記載の予測システム。
【請求項３】
前記特化予測モデルは、前記汎用予測モデルを基に、前記第２訓練データを用いて追加学習して構築されたモデルである、
請求項１又は請求項２に記載の予測システム。
【請求項４】
前記予測対象の記憶装置の残存耐用期間が所定の閾値以下となると、前記予測対象の記憶装置の自動バックアップを実行する手段、
をさらに備える請求項１又は請求項２に予測システム。
【請求項５】
前記予測対象の記憶装置がSSDの場合、当該記憶装置の無通電時間が所定の閾値以上となると、データ消失の可能性を通知する手段、
をさらに備える請求項１又は請求項２に予測システム。
【請求項６】
前記汎用予測モデルおよび前記特化予測モデルを構築する手段、
をさらに備える請求項１又は請求項２に予測システム。
【請求項７】
前記第1訓練データには、公開されている記憶装置の故障に関する時系列のS.M.A.R.Tデータが含まれる、
請求項１又は請求項２に予測システム。
【請求項８】
前記第２訓練データには、記憶装置が故障に至るまで定期的に収集されたS.M.A.R.Tデータおよび／または前記予測対象の記憶装置の稼働中に収集されたS.M.A.R.Tデータが含まれる、
請求項１又は請求項２に予測システム。
【請求項９】
複数種類の記憶装置で収集された時系列のS.M.A.R.T.データである第1訓練データを用いて、前記第1訓練データに含まれる値の推移と記憶装置の残存耐用期間との関係を学習して構築された汎用予測モデルと、記憶装置の種類別の時系列のS.M.A.R.T.データである第２訓練データを用いて前記第２訓練データに含まれる値の推移と前記第２訓練データに係る種類の記憶装置の残存耐用期間との関係を学習して構築された特化予測モデルと、を記憶する手段から、予測対象の記憶装置と同じ種類の記憶装置に係る前記特化予測モデルを取得し、
取得した前記特化予測モデルと、前記予測対象の記憶装置で収集された時系列のS.M.A.R.T.データと、に基づいて、前記予測対象の記憶装置の残存耐用期間を予測する、
予測方法。
【請求項１０】
コンピュータに、
複数種類の記憶装置で収集された時系列のS.M.A.R.T.データである第1訓練データを用いて、前記第1訓練データに含まれる値の推移と記憶装置の残存耐用期間との関係を学習して構築された汎用予測モデルと、記憶装置の種類別の時系列のS.M.A.R.T.データである第２訓練データを用いて前記第２訓練データに含まれる値の推移と前記第２訓練データに係る種類の記憶装置の残存耐用期間との関係を学習して構築された特化予測モデルと、を記憶する手段から、予測対象の記憶装置と同じ種類のドライブに係る前記特化予測モデルを取得し、
取得した前記特化予測モデルと、前記予測対象の記憶装置で収集された時系列のS.M.A.R.T.データと、に基づいて、前記予測対象の記憶装置の残存耐用期間を予測する処理、
を実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、予測システム、予測方法及びプログラムに関する。
続きを表示（約 2,500 文字）【背景技術】
【０００２】
HDD（Hard Disk Drive）やSSD（Solid State Drive）などの記憶装置（以下、ドライブと称する場合がある。）は、一般的に所定期間（例えば5年間）の動作が保証されている。しかし、ドライブの使用環境や使用条件により、保証期間中であっても故障する可能性がある。そのため、故障することを前提に運用、保守の体制がとられていることが多い。ドライブの故障時期や寿命の予測精度が向上することができれば、突然のドライブ故障による予期しない保守機会を低減することができる。すなわち、RUL(Remaining Useful Life：ドライブの残存耐用期間)の予測精度の向上は、ドライブに最も期待されることの一つである稼働安定性の向上に貢献する。
【０００３】
ドライブの稼働状態の監視や故障原因の分析に用いられるデータとして、S.M.A.R.T（Self-Monitoring, Analysis and Reporting Technology）データが知られている。S.M.A.R.T.とはHDDやSSDなどのドライブ製品に内蔵される自己診断機能である。S.M.A.R.T.機能により、ドライブは各種の検査項目をリアルタイムに自己診断し、自身の状態を数値化する。そして、その結果はS.M.A.R.Tデータとして記録される。S.M.A.R.Tデータには、スピンアップ時間、稼働時間、モーターの回転/停止回数、代替処理された不良セクタの数、総書き込みデータ量などの情報が含まれている。S.M.A.R.Tデータは、定期的に収集された時系列データであり、時間の経過とともに変化する現象を捉えるためにも用いることができる。例えば、ドライブの故障時期や寿命の予測に活用することができる。特許文献１には、S.M.A.R.Tデータに含まれる複数のパラメータと各パラメータについて設定された閾値とを比較して、ドライブの健康状態の評価や故障予測を行う技術が開示されている。
【０００４】
S.M.A.R.Tデータを活用する場合、公開された汎用的なS.M.A.R.Tデータを用いることが一般的である。汎用的なS.M.A.R.Tデータには、様々な種類のドライブのデータや様々なベンダーのデータが含まれる。S.M.A.R.Tデータの内容、定義、指標は、ドライブの種類やベンダーによって異なることが一般的である。したがって、汎用的なS.M.A.R.Tデータを用いて、故障原因の特定、健康状態の評価、故障予測などを行っても十分な精度が得られない可能性が高い。特許文献１にもこの課題に対する解決手段は開示されていない。
【先行技術文献】
【特許文献】
【０００５】
特許第７２８１８５４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
S.M.A.R.Tデータを用いて高精度に記憶装置の寿命や故障を予測する方法を提供することを目的の一つとする。
【課題を解決するための手段】
【０００７】
本開示の一態様によれば、予測システムは、複数種類の記憶装置で収集された時系列のS.M.A.R.T.データである第1訓練データを用いて、前記第1訓練データに含まれる値の推移と記憶装置の残存耐用期間との関係を学習して構築された汎用予測モデルと、記憶装置の種類別の時系列のS.M.A.R.T.データである第２訓練データを用いて前記第２訓練データに含まれる値の推移と前記第２訓練データに係る種類の記憶装置の残存耐用期間との関係を学習して構築された特化予測モデルと、を記憶する手段と、予測対象の記憶装置で収集された時系列のS.M.A.R.T.データと、前記予測対象の記憶装置と同じ種類の記憶装置に係る前記特化予測モデルと、に基づいて、前記予測対象の記憶装置の残存耐用期間を予測する手段と、を備える。
【０００８】
本開示の一態様によれば、予測方法は、複数種類の記憶装置で収集された時系列のS.M.A.R.T.データである第1訓練データを用いて、前記第1訓練データに含まれる値の推移と記憶装置の残存耐用期間との関係を学習して構築された汎用予測モデルと、記憶装置の種類別の時系列のS.M.A.R.T.データである第２訓練データを用いて前記第２訓練データに含まれる値の推移と前記第２訓練データに係る種類の記憶装置の残存耐用期間との関係を学習して構築された特化予測モデルと、を記憶する手段から、予測対象の記憶装置と同じ種類の記憶装置に係る前記特化予測モデルを取得し、取得した前記特化予測モデルと、前記予測対象の記憶装置で収集された時系列のS.M.A.R.T.データと、に基づいて、前記予測対象の記憶装置の残存耐用期間を予測する。
【０００９】
本開示の一態様によれば、コンピュータに、複数種類の記憶装置で収集された時系列のS.M.A.R.T.データである第1訓練データを用いて、前記第1訓練データに含まれる値の推移と記憶装置の残存耐用期間との関係を学習して構築された汎用予測モデルと、記憶装置の種類別の時系列のS.M.A.R.T.データである第２訓練データを用いて前記第２訓練データに含まれる値の推移と前記第２訓練データに係る種類の記憶装置の残存耐用期間との関係を学習して構築された特化予測モデルと、を記憶する手段から、予測対象の記憶装置と同じ種類のドライブに係る前記特化予測モデルを取得し、取得した前記特化予測モデルと、前記予測対象の記憶装置で収集された時系列のS.M.A.R.T.データと、に基づいて、前記予測対象の記憶装置の残存耐用期間を予測する処理、を実行させる。
【発明の効果】
【００１０】
本開示によれば、S.M.A.R.Tデータを用いて高精度に記憶装置の寿命や故障を予測することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許