Descrizione del progetto
Salvare i dati individuando i dispositivi di archiviazione prossimi a un guasto
L’infrastruttura fisica si sta espandendo per soddisfare la domanda sempre crescente di una maggiore connettività mobile. Attualmente si contano oltre 2 miliardi di computer connessi e 30 miliardi tra smartphone, dispositivi indossabili e connessi. La quantità di dati diventa enorme e richiede il supporto di un’infrastruttura hardware sempre più grande. In tale contesto, i guasti all’hardware sono la norma, il che può causare perdite di dati e costi di manutenzione più elevati. Il progetto PREFAIL, finanziato dall’UE, seguirà il reclutamento di un responsabile dell’innovazione per progettare soluzioni in grado di individuare in modo proattivo i dispositivi di archiviazione prossimi al guasto, proteggendo gli utenti dalle perdite di dati e potenziando la manutenzione dei dati presso i provider di archiviazione.
Obiettivo
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.
Campo scientifico
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- natural sciencescomputer and information sciencesinternetinternet of things
- natural sciencescomputer and information sciencesartificial intelligencemachine learningreinforcement learning
- engineering and technologyelectrical engineering, electronic engineering, information engineeringinformation engineeringtelecommunicationsmobile phones
Parole chiave
Programma(i)
Invito a presentare proposte
Vedi altri progetti per questo bandoBando secondario
H2020-INNOSUP-2020-02
Meccanismo di finanziamento
CSA - Coordination and support actionCoordinatore
4630 LEMESOS
Cipro
L’organizzazione si è definita una PMI (piccola e media impresa) al momento della firma dell’accordo di sovvenzione.