การตรวจสอบคุณภาพของฮาร์ดดิสก์ภายใต้มาตรฐานอุตสาหกรรม ด้วยวิธีการเหมืองข้อมูล

Abstract

ฮาร์ดดิสก์เป็นอุปกรณ์ที่ใช้เก็บข้อมูลที่มีความหลากหลาย เช่น เพลง ภาพยนตร์ หรือข้อมูลทางราชการ ผู้ใช้งานคาดหวังที่จะได้ฮาร์ดดิสก์ที่มีประสิทธิภาพสูง เนื่องจากจะถูกนำไปใช้ในการเก็บข้อมูลที่สำคัญ ในกระบวนการผลิตฮาร์ดดิสก์ที่มีความซับซ้อนอาจก่อให้เกิดความผิดพลาดในระหว่างการผลิตได้ จึงจำเป็นต้องมีการคัดแยกฮาร์ดดิสก์ที่ไม่ผ่านการทดสอบคุณภาพและความน่าเชื่อถือ เพื่อเป็นการควบคุมคุณภาพและเพิ่มความเชื่อมั่นสำหรับผู้ใช้งาน ในการทดสอบความน่าเชื่อถือจะมีการสุ่มตัวอย่างฮาร์ดดิสก์มาทดสอบโดยจาลองลักษณะการใช้งานตามเงื่อนไขต่าง ๆ หากไม่ผ่านการทดสอบจะถูกนำมาวิเคราะห์หาสาเหตุการเสียโดยผู้เชี่ยวชาญ วิทยานิพนธ์นี้ได้มีการทำเหมืองข้อมูลโดยใช้อัลกอริทึม C5.0, Neural Network, C&R Tree, SVM และ CHAID ในการเรียนรู้ประเภทการเสียของฮาร์ดดิสก์โดยใช้ข้อมูลที่ได้จากกระบวนการทดสอบคุณภาพมาทำการเลือกแอตทริบิวท์ที่สนใจและปรับแต่งข้อมูลให้เหมาะสม แล้วทำการเปรียบเทียบผลลัพธ์ที่ได้จากการทดสอบในแต่ละอัลกอริทึม เพื่อให้ได้แบบจำลองที่สามารถคัดแยกสาเหตุการเสียของฮาร์ดดิสก์ได้ถูกต้องมากที่สุด ผลลัพธ์จากวิทยานิพนธ์พบว่าแบบจำลองที่ได้จากอัลกอริทึม C5.0 สามารถคัดแยกประเภทการเสียของฮาร์ดดิสก์ได้อย่างมีประสิทธิภาพ โดยมีค่าความถูกต้องคิดเป็นร้อยละ 99.79 และมีความสอดคล้องกับลำดับความสำคัญของแอตทริบิวท์ที่ถูกเลือกโดยผู้เชี่ยวชาญจึงทำให้แบบจำลองที่ได้มีความน่าเชื่อถือ แบบจำลองที่ได้นี้สามารถช่วยลดขั้นตอนทดสอบความน่าเชื่อถือและการหาสาเหตุการเสียของฮาร์ดดิสก์ได้ ผลลัพธ์ที่ได้สามารถนำไปปรับปรุงคุณภาพการผลิตได้รวดเร็วยิ่งขึ้น

Hard disk drive (HDD) is data storage device for storage the music, movie or important information. The end-users expect to have the high performance of HDD in order to storage the important information. The complexity of production process was generated the error or problems during the production. It is necessary to check the HDD based on industrial standard and reliability in order to control the quality and reliability for users. HDDs were examined by the reliability test by using various samples under many operation conditions. If the result is failure, the HDD will be analyzed the cause of failure by experts. This thesis focuses on the HDD failure mode classification using data mining method. It consists of C5.0, Neural Network, C & R Tree, SVM and CHAID algorithm. These algorithms are used to learn the failure mode using the attributes of the production process. Multiple learning techniques study the improvement on inducing a more accurate and sensitive model. The comparison of the each algorithm in order to get the best model that can classify the cause of failure. The results show that the C5.0 algorithm is the best model for HDD failure mode classification with 99.79% accuracy. The priorities of attributes are consistent between C5.0 algorithm and expert persons that influence the resulting model's quality. This method can help to increase quality and reliability of production and to improve efficiency of the analysis process prior to deliver the products to the end-users.