Failure prediction based on bayesian networks for hard disk drives

The ability to predict failures in Hard Disk Drives (HDD) is a major objective of HDD manufacturers since avoiding unexpected failures may prevent data loss. As a consequence, failure prediction in HDDs became a topic that attracted much attention in recent years. Nowadays, most HDDs are equipped with a threshold-based monitoring system named Self-Monitoring, Analysis and Reporting Technology (SMART). The system collects several performance parameters and detects anomalies that may indicate incipient failures. Although the SMART system is very popular, it achieves failure detection rates of 3% to 10%. Moreover, SMART works as an incipient failure detection method and does not provide an estimate of the remaining life of the HDD. In this paper, we propose a failure prediction method using SMART attributes and a Bayesian Network. The proposed method uses a subset of the SMART attributes and a set of SMART trend related attributes to provide remaining life estimates of HDDs. To demonstrate practical usefulness, this method was applied to a dataset consisting of 49,056 hard drives from Backblaze’s data centers.A capacidade de prever falhas em discos rígidos tornou-se um dos grandes objetivos de fabricantes de tais equipamentos visto que falhas inesperadas podem acarretar em significativas perdas de dados. Como consequência, este tópico de pesquisa tem atraído muita atenção em anos recentes. Atualmente, a maioria dos discos rígidos está equipada com um sistema de monitoramento de falhas denominado Self-Monitoring, Analysis and Reporting Technology (SMART). Este sistema coleta diversos parâmetros relativos ao desempenho do equipamento e detecta anomalias utilizando um método baseado em violação de limiares. Apesar da grande popularidade do sistema SMART, estudos recentes mostram que somente 3% a 10% das falhas são identificadas previamente. Com isso, muitos trabalhos têm sido desenvolvidos como alternativas ao SMART. Este trabalho apresenta um novo método para previsão de falhas com base em Redes Bayesianas, e utilizando os parâmetros coletados pelo sistema SMART. Para a demonstração da efetividade do método proposto, foram realizados experimentos em um conjunto de dados contendo 49.056 discos rígidos