Projektbeschreibung
Daten durch Erkennung baldiger Ausfälle von Speichergeräten sichern
Die physische Infrastruktur wird erweitert, um der schnell wachsenden Nachfrage nach mehr mobiler Konnektivität gerecht zu werden. Derzeit gibt es mehr als 2 Milliarden vernetzte Computer und 30 Milliarden Smartphones, tragbare und vernetzte Geräte. Die Datenmenge wird immer größer und erfordert die Unterstützung durch eine stets wachsende Hardware-Infrastruktur. In einer solchen Umgebung werden Hardware-Fehler zur Regel, was zu Datenverlusten und höheren Wartungskosten führen kann. Das EU-finanzierte Projekt PREFAIL wird dazu beitragen, einen Innovationspartner zu gewinnen, der Lösungen für die proaktive Erkennung von bald ausfallenden Speichergeräten entwickelt, die Nutzende vor Datenverlusten schützt und die Datenpflege bei den Speicheranbietern verbessert.
Ziel
As the Digital Transformation of Europe, and the rest of the world, is rapidly picking up pace, the underlying physical infrastructure is similarly expanding to keep up with demand generated by over 2 billion connected computers and more than 30 billion smartphones, wearables and IoT devices. Nevertheless, Internet applications and services remain prone to inevitable hardware failures, that lead to data losses and increased maintenance costs. The primary problem lies with the cost of implementing data redundancy by constantly adding expensive hardware to cater to the needs of traditional data replication approaches (e.g. by always keeping copies of a file on multiple servers).
With the assistance of an Innovation Associate specializing in Machine Learning, Algolysis Ltd aspires to extend its cloud-based storage device monitoring service (DriveNest - www.drivenest.com) with a robust state-of-the-art failure prediction engine. Reliably identifying soon-to-fail storage devices can be a transformative capability across the ICT sector, as a range of proactive data management and mitigation services can be built on top.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- NaturwissenschaftenInformatik und InformationswissenschaftenInternetInternet der Dinge
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles LernenVerstärkungslernen
- Technik und TechnologieElektrotechnik, Elektronik, InformationstechnikInformationstechnikTelekommunikationMobiltelefon
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) H2020-INNOSUP-2018-2020
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-INNOSUP-2020-02
Finanzierungsplan
CSA -Koordinator
4630 LEMESOS
Zypern
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).