JP2020123413A - ディスクライブラリシステム、ディスク管理装置、予測方法、プログラム、及び学習済みモデル - Google Patents

Abstract

【課題】ディスクライブラリシステムの状態に関する情報を精度よく予測すること。【解決手段】交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリシステムは、光ディスクの状態に関する第１情報を取得する第１取得部と、ディスクドライブの状態に関する第２情報を取得する第２取得部と、記憶部に記憶されている、第１情報と第２情報とディスクライブラリシステムの状態に関する情報とが関連付けられた関連付け情報に基づいて、第１取得部が取得した第１情報及び第２取得部が取得した第２情報に対応するディスクライブラリシステムの状態に関する情報を予測する予測部と、予測部による予測結果に基づく情報を出力する出力部と、を備える。【選択図】図１

Description

本発明は、ディスクライブラリシステム、ディスク管理装置、予測方法、プログラム、及び学習済みモデルに関する。

データセンターにおいてデータを記憶する記憶媒体として光ディスクを用いたディスクライブラリシステムがある。光ディスクは、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）よりも壊れにくく信頼性が高いため、データ保存の信頼性に有利であるが、光ディスクにも経年劣化や傷や埃の影響があり、１００％の信頼性を確保できるわけではない。

例えば、特許文献１には、温度などの環境情報と光ディスクに記録された記録データの再生品質に基づいて光ディスクの寿命を算出する寿命算出方法についての技術が開示されている。

特開２０１４−２０７０３０号公報

しかしながら、光ディスクの寿命は、光ディスクの状態だけではなく、光ディスクに対してデータ読み書きするディスクドライブの状態も影響する。また、ディスクライブラリシステムは、光ディスクの寿命だけでなく、ディスクドライブの故障などによっても、その信頼性を保つことができなくなる。そのため、ディスクライブラリシステムの状態に関する情報を、より精度よく予測できるようになることが望まれている。

本発明は上記の点に鑑みてなされたものであり、ディスクライブラリシステムの状態に関する情報を精度よく予測できるディスクライブラリシステム、ディスク管理装置、予測方法、プログラム、及び学習済みモデルを提供することを課題とする。

本発明は上記の課題を解決するためになされたものであり、本発明の一態様は、交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリシステムであって、前記光ディスクの状態に関する第１情報を取得する第１取得部と、前記ディスクドライブの状態に関する第２情報を取得する第２取得部と、記憶部に記憶されている、前記第１情報と前記第２情報と前記ディスクライブラリシステムの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得部が取得した前記第１情報及び前記第２取得部が取得した前記第２情報に対応する前記ディスクライブラリシステムの状態に関する情報を予測する予測部と、前記予測部による予測結果に基づく情報を出力する出力部と、を備えるディスクライブラリシステムである。

また、本発明の一態様は、光ディスクの状態に関する第１情報を取得する第１取得部と、前記光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブの状態に関する第２情報を取得する第２取得部と、記憶部に記憶されている、前記第１情報と前記第２情報と前記光ディスクまたは前記ディスクドライブの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得部が取得した前記第１情報及び前記第２取得部が取得した前記第２情報に対応する前記光ディスクまたは前記ディスクドライブの状態に関する情報を予測する予測部と、前記予測部による予測結果に基づく情報を出力する出力部と、を備えるディスク管理装置である。

また、本発明の一態様は、交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリ装置を管理するディスクライブラリシステムにおける予測方法であって、第１取得部が、前記光ディスクの状態に関する第１情報を取得する第１取得ステップと、第２取得部が、前記ディスクドライブの状態に関する第２情報を取得する第２取得ステップと、予測部が、記憶部に記憶されている、前記第１情報と前記第２情報と前記ディスクライブラリシステムの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得ステップにおいて取得した前記第１情報及び前記第２取得ステップにおいて取得した前記第２情報に対応する前記ディスクライブラリシステムの状態に関する情報を予測する予測ステップと、出力部が、前記予測ステップによる予測結果に基づく情報を出力する出力ステップと、を有する予測方法である。

また、本発明の一態様は、ディスク管理装置における予測方法であって、第１取得部が、光ディスクの状態に関する第１情報を取得する第１取得ステップと、第２取得部が、前記光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブの状態に関する第２情報を取得する第２取得ステップと、予測部が、記憶部に記憶されている、前記第１情報と前記第２情報と前記光ディスクまたは前記ディスクドライブの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得ステップにおいて取得した前記第１情報及び前記第２取得ステップにおいて取得した前記第２情報に対応する前記光ディスクまたは前記ディスクドライブの状態に関する情報を予測する予測ステップと、出力部が、前記予測ステップによる予測結果に基づく情報を出力する出力ステップと、を有する予測方法である。

また、本発明の一態様は、交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリ装置を管理するディスクライブラリシステムにおけるコンピュータに、前記光ディスクの状態に関する第１情報を取得する第１取得ステップと、前記ディスクドライブの状態に関する第２情報を取得する第２取得ステップと、記憶部に記憶されている、前記第１情報と前記第２情報と前記ディスクライブラリシステムの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得ステップにおいて取得した前記第１情報及び前記第２取得ステップにおいて取得した前記第２情報に対応する前記ディスクライブラリシステムの状態に関する情報を予測する予測ステップと、前記予測ステップによる予測結果に基づく情報を出力する出力ステップと、を実行させるためのプログラムである。

また、本発明の一態様は、交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリ装置を管理するディスク管理装置におけるコンピュータに、光ディスクの状態に関する第１情報を取得する第１取得ステップと、前記光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブの状態に関する第２情報を取得する第２取得ステップと、記憶部に記憶されている、前記第１情報と前記第２情報と前記光ディスクまたは前記ディスクドライブの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得ステップにおいて取得した前記第１情報及び前記第２取得ステップにおいて取得した前記第２情報に対応する前記光ディスクまたは前記ディスクドライブの状態に関する情報を予測する予測ステップと、前記予測ステップによる予測結果に基づく情報を出力する出力ステップと、を実行させるためのプログラムである。

また、本発明の一態様は、交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリシステムの状態に関する情報を予測するための学習済みモデルであって、前記光ディスクの状態に関する第１情報と前記ディスクドライブの状態に関する第２情報と前記ディスクライブラリシステムの状態に関する情報とに基づいて、前記ディスクライブラリシステムの状態に関する情報を予測するよう、コンピュータを機能させるための学習済みモデルである。

本発明によれば、ディスクライブラリシステムの状態に関する情報を精度よく予測できる。

実施形態に係るディスクライブラリシステム１における予測の概要を示す図。 実施形態に係るディスクライブラリシステムの構成の一例を示すブロック図。 実施形態に係るディスク管理装置の詳細構成の一例を示す図。 実施形態に係るディスク情報の一例を示す図。 実施形態に係るドライブ情報の一例を示す図。 実施形態に係る予測処理の一例を示すフローチャート。 実施形態に係る機械学習装置の構成の一例を示すブロック図。 実施形態に係るニューラルネットワークの一例を説明するための模式図。 実施形態に係る学習処理の一例を説明するための模式図。

以下、図面を参照しながら本発明の一実施形態について説明する。
［ディスクライブラリシステムの概要］
本実施形態に係るディスクライブラリシステム１は、大量のデータを記憶するための複数の光ディスクに対してデータの書き込みまたは読み出しを行う光ディスクライブラリシステムである。例えば、ディスクライブラリシステム１は、データセンターなどに設置されている。ディスクライブラリシステム１は、光ディスクの寿命またはディスクドライブの故障などによって、その信頼性を保つことができなくなる。そこで、ディスクライブラリシステム１は、光ディスクの寿命またはディスクドライブの故障などを予測するように構成されている。

図１は、本実施形態に係るディスクライブラリシステム１における予測の概要を示す図である。図示するように、ディスクライブラリシステム１は、光ディスクの情報（以下、「ディスク情報」を称する）と、光ディスクに対してデータの書き込み（記録）または読み出し（再生）を行うディスクドライブの情報（以下、「ドライブ情報」を称する）とに基づいて、光ディスクの寿命またはディスクドライブの故障などを予測する。なお、光ディスクの寿命またはディスクドライブの故障は、ディスクライブラリシステム１の状態に関する情報の一例である。ディスク情報には、例えば、エラーレート、反射率、変調度、ジッタなど光ディスクの記録状態に関する情報などが含まれる。なお、ディスク情報には、光ディスク個々を識別するための識別情報などが含まれてもよい。ドライブ情報とは、例えば、動作回数（トレイ開閉回数、記録・再生回数など）、レーザー駆動時間、レーザー波形などディスクドライブの動作状態に関する情報などが含まれる。なお、ドライブ情報には、ディスクドライブ個々を識別するための識別情報などが含まれてもよい。ディスク情報及びドライブ情報の詳細については後述する。

光ディスクの寿命とは、光ディスクの状態（例えば、将来の状態）に関する情報であり、光ディスクに対してデータの記録または再生ができない状態になるまでの期間（或いは、データの記録または再生ができない可能性がある状態になるまでの期間）である。ディスクドライブの故障とは、ディスクドライブの状態（例えば、将来の状態）に関する情報であり、ディスクドライブに挿入された光ディスクに対して、ディスクドライブに起因してデータの記録または再生ができない状態になること（或いは、データの記録または再生ができない可能性がある状態になること）である。

例えば、光ディスクの寿命は、エラーレートなどのディスク情報により示される光ディスクの状態だけではなく、動作回数などのドライブ情報により示されるディスクドライブの状態も関係することがある。つまり、光ディスクの寿命は、ディスク情報だけでなくドライブ情報とも因果関係を有する場合がある。そこで、ディスクライブラリシステム１は、例えば、過去のディスク情報とドライブ情報と光ディスクの状態に関する情報とに基づいて、光ディスクの寿命を予測するための機械学習がされた学習済みモデル（ＡＩ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）に、現在のディスク情報とドライブ情報とを入力して処理を行なうことで、光ディスクの寿命予測の結果を出力する。

同様に、ディスクドライブの故障は、ドライブ情報だけでなくディスク情報とも因果関係を有する場合がある。ディスクライブラリシステム１は、例えば、過去のディスク情報とドライブ情報とディスクドライブの状態に関する情報とに基づいて、ディスクドライブの故障を予測するための機械学習がされた学習済みモデル（ＡＩ）に、現在のディスク情報とドライブ情報とを入力して処理を行なうことで、ディスクドライブの故障予測の結果を出力する。

［ディスクライブラリシステムの構成］
次に、ディスクライブラリシステム１の構成の詳細について説明する。
図２は、本実施形態に係るディスクライブラリシステム１の構成の一例を示すブロック図である。ディスクライブラリシステム１は、複数の光ディスクに対してデータの記録または再生を行うライブラリ装置１０と、ディスク管理装置２０とを備えている。

ライブラリ装置１０は、ディスクドライブ部１１０と、ディスク格納部１２０と、チェンジャー機構１３０とを備えている。ディスクドライブ部１１０は、複数のディスクドライブ１１１を備えている。ディスク格納部１２０には、交換可能な複数の光ディスク１２１が格納されている。チェンジャー機構１３０は、ディスク格納部１２０に格納されている光ディスク１２１をディスクドライブ１１１へ搬送、または、ディスクドライブ１１１からディスク格納部１２０へ光ディスク１２１を搬送する。なお、ディスク格納部１２０には、光ディスク１２１が所定の枚数ごとに収納されたディスクカートリッジが複数格納されてもよい。

ディスクドライブ１１１は、トレイに挿入された光ディスク１２１に対してデータの記録または再生を行う。例えば、ディスクドライブ１１１は、不図示の光ピックアップ（ＯＰＵ；Ｏｐｔｉｃａｌ Ｐｉｃｋ Ｕｐ）、トレイを開閉する開閉機構、光ディスク１２１を回転させるためのスピンドルモーター、及び各部を制御するドライブ制御部などを備えている。光ピックアップは、レーザー光を光ディスク１２１に照射し、かつ光ディスク１２１からの反射光を受光する。ドライブ制御部は、スピンドルモーターの回転を制御することにより、トレイに挿入された光ディスク１２１の回転を制御するとともに、光ピックアップを光ディスク１２１の半径方向へ変位させながらレーザー発光を制御する。記録時には、ドライブ制御部は、回転させた光ディスク１２１に光ピックアップからレーザー光を照射してデータを書き込む。再生時には、ドライブ制御部は、回転させた光ディスク１２１に光ピックアップからレーザー光を照射し、反射した光を光ピックアップで受光し、データを読み取る。また、再生時には、ドライブ制御部は、反射した光から変換される再生信号やディスクドライブ１１１内の各部の動作状態などを計測することにより、前述したディスク情報およびドライブ情報を出力する。

また、ライブラリ装置１０は、ディスクドライブ部１１０の内部または近傍に設置された環境情報を検出するセンサ１１５と、ディスク格納部１２０の内部または近傍に設置された環境情報を検出するセンサ１２５とを備え、各部の環境情報を出力する。センサ１１５及びセンサ１２５は、例えば、温度センサ、湿度センサ、光量センサ、埃センサなどである。

ディスク管理装置２０は、ライブラリ装置１０を制御するとともに、ライブラリ装置１０からディスク情報、ドライブ情報などを取得して光ディスクの寿命またはディスクドライブの故障などを予測する。ディスク管理装置２０は、通信部２１０と、表示部２２０と、記憶部２３０と、制御部２４０とを備えている。

通信部２１０は、例えば、複数のイーサネット（登録商標）ポートや複数のＵＳＢ等のデジタル入出力ポート、ＷｉＦｉ(登録商標）や携帯電話回線などの無線通信ポート等を含んで構成され、制御部２４０による制御に基づいて、通信ネットワークを介して他の装置や端末などと通信を行う。

表示部２２０は、画像やテキスト等の情報を表示するディスプレイであり、例えば、液晶ディスプレイパネル、有機ＥＬ（ＥｌｅｃｔｒｏＬｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイパネルなどを含んで構成される。

記憶部２３０と、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ-Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ-Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などを含み、各種情報や画像、プログラム等を記憶する。なお、記憶部２３０は、ディスク管理装置２０に内蔵されるものに限らず、ＵＳＢ等のデジタル入出力ポート等によって接続された外付け型の記憶装置でもよい。

制御部２４０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などを含んで構成され、記憶部２３０に記憶されているプログラムを実行することにより各種の機能を実現する。例えば、制御部２４０は、ライブラリ装置１０を制御するとともに、ライブラリ装置１０からディスク情報、ドライブ情報などを取得して光ディスクの寿命またはディスクドライブの故障などを予測する。制御部２４０の機能構成及び記憶部２３０に記憶されるデータについて、図３を参照して詳述する。

図３は、本実施形態に係るディスク管理装置２０の詳細構成の一例を示す図であり、記憶部２３０及び制御部２４０の構成を示している。記憶部２３０は、ディスク情報記憶部２３１と、ドライブ情報記憶部２３２と、環境情報記憶部２３３と、学習モデル記憶部２３４とを備えている。制御部２４０は、ライブラリ制御部２４１と、ディスク情報取得部２４２と、ドライブ情報取得部２４３と、環境情報取得部２４４と、予測部２４５と、出力部２４６とを備えている。

ライブラリ制御部２４１は、ライブラリ装置１０の動作全般を制御する。ライブラリ制御部２４１は、ディスク格納部１２０に格納された光ディスク１２１へのデータアクセスの際（例えば、記録時、再生時）に、チェンジャー機構１３０を制御して、ディスク格納部１２０から所定の光ディスク１２１を取り出し、ディスクドライブ１１１へ搬送してトレイに挿入する。また、ライブラリ制御部２４１は、ディスクドライブ１１１で一定期間データアクセスがない光ディスク１２１を、ディスクドライブ１１１から取り出し、チェンジャー機構１３０を制御して、ディスク格納部１２０へ搬送して格納する。また、ライブラリ制御部２４１は、各ディスクドライブ１１１に対してデータの記録または再生をなどの指示を行う。

ディスク情報取得部２４２は、ライブラリ装置１０（ディスクドライブ１１１）からディスク情報を取得し、ディスク情報記憶部２３１に記憶させる。ドライブ情報取得部２４３は、ライブラリ装置１０（ディスクドライブ１１１）からドライブ情報を取得し、ドライブ情報記憶部２３２に記憶させる。例えば、ディスク情報取得部２４２は、ディスクドライブ１１１が光ディスク１２１からデータを読み出すタイミングに応じて測定されたディスク情報を取得する。同様に、ドライブ情報取得部２４３は、ディスクドライブ１１１が光ディスク１２１からデータを読み出すタイミングに応じてドライブ情報を取得する。また、ディスク情報と、当該ディスク情報が測定されたときのドライブ情報とは、関連付けて記憶される。

ここで、ディスク情報取得部２４２が取得するディスク情報の具体例について詳述する。図４は、本実施形態に係るディスク情報の一例を示す図である。ディスク情報には、ディスクを識別するためのディスク識別情報、ディスクのメーカ名、製造ロット番号、ディスクの状態に関する情報、及びディスクの状態に関する情報を計測したタイミングを示すタイムスタンプなどが含まれる。なお、光ディスク１２１が所定の枚数ごとに収納されたディスクカートリッジがディスク格納部１２０に複数格納されている場合には、ディスクカートリッジを識別するためのカートリッジ識別情報がディスク情報に含まれてもよい。ディスクの状態に関する情報には、光ディスク１２１の記録状態に応じた信号の状態に関する情報や光ディスク１２１の記録状態に影響する物理的な状態に関する情報などが含まれ、具体的には以下に示すような情報の少なくとも一部が含まれる。

（ディスクの状態に関する情報の具体例）
ディスクの状態に関する情報として、エラーレートが挙げられる。エラーレートは記録されたデータのエラー（データ誤り）発生率を表したものであり、その増加は光ディスク１２１の寿命に大きく影響する。エラーレートはその計算方法の定義により様々なものが存在し、例えばＢｌｕ−ｒａｙ ｄｉｓｃ（登録商標）の規格に基づくものではＳＥＲ（Ｓｙｍｂｏｌ Ｅｒｒｏｒ Ｒａｔｅ）、ＲＳＥＲ（Ｒａｍｄｏｍ Ｓｙｍｂｏｌ Ｅｒｒｏｒ Ｒａｔｅ）、Ｂｕｒｓｔ Ｅｒｒｏｒが挙げられる。その他、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）などの各規格により様々なエラーレートが存在するが、エラーレートを表現する指標であれば、特定の定義に限定されるものではない。

エラーレートの他にディスクの状態に関する情報としては、記録品質を表しエラーレートとも相関の取れる指標（記録品質指標）が挙げられる。エラーレートはその定義からデータ誤りの有無により計算されるが、記録品質指標からは記録された信号のより詳細な状態を定量的に知ることができる。すなわち、記録品質指標をモニターすることでエラーレートの増大をより早期に検知可能となり、より精度の高い寿命予測が可能となる。記録品質指標の代表的なものとして、２値化処理により再生する系ではタイムジッタ（Ｊｉｔｔｅｒ）が挙げられる。また、記録品質指標の代表的なものとして、ＰＲＭＬ（Ｐａｒｔｉａｌ Ｒｅｓｐｏｎｓｅ Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ）処理により再生する系では、ＰＲＭＬの内部状態を示すＳＡＭ（Ｓｅｑｕｅｎｃｅ Ａｍｐｌｉｔｕｄｅ Ｍａｒｇｉｎ）、ＭＬＳＥ（Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ Ｓｅｑｕｅｎｃｅ Ｅｒｒｏｒ）、Ｖ−ＳＥＡＴ、Ｌ−ＳＥＡＴ、ＳＡＭＱＥＳ、ＳＡＭＥＲなどが挙げられる。また、記録品質指標の代表的なものとして、多記録再生系ではＳＤＲ（Ｓｉｇｍａ ｔｏ Ｄｙｎａｍｉｃ Ｒａｎｇｅ）などの指標値が挙げられる。この他にも多くの記録品質指標が存在するが、記録品質を表しエラーレートと相関の取れるものであれば、特定の定義に限定されるものではない。

また、他にディスクの状態に関する情報としては、信号の読み取りやすさを表す指標としてＳ／Ｎ比（シグナルノイズレシオ）が挙げられる。Ｓ／Ｎ比の低下は記録された信号の読み取り難さ（不正確さ）につながり、記録品質指標の劣化、エラーレートの劣化につながるため、光ディスク１２１の寿命とも大いに関係する。Ｓ（シグナル）に関係するものとして、未記録状態の反射率（未記録反射率）、記録状態の反射率（記録後反射率）、記録信号の最大マークと最大スペースからの反射率の差を表す変調度などが挙げられる。この他にも再生信号（シグナル）の強さを表すものであれば、特定の定義に限定されるものではない。一方、Ｎ（ノイズ）に関係するものとして、記録溝の品質を示すＰｕｓｈ−Ｐｕｌｌ、Ｗｏｂｂｌｅ ＣＮＲ（Ｃａｒｒｉｅｒ ｔｏ ｎｏｉｓｅ ｒａｔｉｏ）、また各記録マーク長と線速度からなる周波数に漏れこんでくるノイズ成分が挙げられる。この他にもＳ／Ｎ比を低下させるノイズの強さを表すものであれば、特定の定義に限定されるものではない。

また、他にディスクの状態に関する情報としては、光ピックアップのディスク記録溝に対する追従し易さを表す指標としてサーボ品質が挙げられる。ディスク内部・表面の欠陥、物理的な変形、光学的な影響により光ピックアップのサーボ制御が困難になると、記録、及び再生が困難となり、光ディスク１２１の寿命にも大いに影響する。サーボ品質を表す指標として、記録溝に対するレーザー光の集光スポットと径方向のシフト量を表すＴＥＳ（Ｔｒａｃｋｉｎｇ Ｅｒｒｏｒ Ｓｉｇｎａｌ）、記録溝に対するレーザー光の集光スポットと垂直方向のシフト量を表すＦＥＳ（Ｆｏｃｕｓｉｎｇ Ｅｒｒｏｒ Ｓｉｇｎａｌ）などが挙げられる。光ピックアップの光ディスク１２１に対するサーボ制御に影響する指標であれば、特定の定義に限定されるものではない。

なお、ディスク情報取得部２４２は、ディスク情報の一部または全部を取得する際に、ディスク情報を測定する専用の特殊なディスクドライブ（検査機）から取得してもよい。例えば、ライブラリ装置１０は、ディスクドライブ１１１とは別に、ディスク情報を測定する専用のディスクドライブを一台または複数台備え、チェンジャー機構１３０により当該専用のディスクドライブへ光ディスク１２１を搬送してもよい。これにより、ライブラリ装置１０は、ディスク管理装置２０へ光ディスク１２１のディスク情報を測定して出力してもよい。

次に、ドライブ情報取得部２４３が取得するドライブ情報の具体例について詳述する。図５は、本実施形態に係るドライブ情報の一例を示す図である。ドライブ情報には、ドライブを識別するためのドライブ識別情報、ドライブのメーカ名、製造ロット番号、ドライブの状態に関する情報、及びドライブの状態に関する情報を計測したタイミングを示すタイムスタンプなどが含まれる。ドライブの状態に関する情報の具体例としては、例えば以下に示すドライブの状態に関する情報の具体例の少なくとも一部が含まれる。

（ドライブの状態に関する情報の具体例）
ドライブの状態に関する情報として、光ピックアップの情報が挙げられる。光ディスク１２１に対する記録マークの書き込み、及び再生に使われる光ピックアップの劣化は、記録信号の品質低下、及び再生信号の劣化につながるため、ディスクドライブ１１１の寿命と大いに関係がある。光ピックアップの状態を知る指標としては、光ディスク１２１に記録した時間の累計を表す記録時間、光ディスク１２１を再生した時間の累計を表す再生時間、光ピックアップ（ＯＰＵ）の電流値、電圧値、温度、レーザーから出力される波形パターンの品質を表すレーザー波形などが挙げられる。光ピックアップの状態を表す指標であれば、特定の指標に限定されるものではない。

他にドライブの状態に関する情報としては、ディスクドライブ１１１内で光ディスク１２１を回転させるためのスピンドルモーターの情報が挙げられる、スピンドルモーターの劣化は光ディスク１２１の回転不良に繋がり、記録時には規則的な記録パターンの形成が、再生時にはデータ復元が困難となりエラーレートの上昇につながる。すなわち、スピンドルモーターの劣化はドライブ寿命と大いに関係がある。スピンドルモーターの状態を表す指標として、スピンドルモーターの駆動電流、電圧、回転時間が挙げられる。この他にもスピンドルモーターの状態を表す指標であれば、特定の指標に限定されるものではない。

他にドライブの状態に関する情報としては、トレイが開閉された回数の累計を表すトレイ開閉回数、ドライブ内温度など、ディスクドライブ１１１の使用状況、各部品にかかる負荷状況を知ることのできる指標であれば、特定の指標に限定されるものではない。

例えば、ディスク情報取得部２４２は、取得したディスク情報を、同じタイミングで測定されたドライブ情報と関連付けてディスク情報記憶部２３１に記憶させる。例えば、ディスク情報取得部２４２は、取得したディスク情報に、その光ディスク１２１が挿入されていたディスクドライブ１１１のドライブ識別情報を加えてディスク情報記憶部２３１に記憶させてもよい。また、ディスク情報取得部２４２は、ディスク情報とドライブ情報とのそれぞれに含まれるタイムスタンプに基づいて、ディスク情報とドライブ情報とを関連付けてもよい。

なお、ディスク情報取得部２４２は、複数の光ディスク１２１のうちディスクドライブ１１１により所定期間以上データが読み出されていない（アクセスがない）光ディスク１２１については、ディスク情報を定期的に取得してもよい。例えば、ライブラリ制御部２４１は、ディスク格納部１２０に格納されている光ディスク１２１のうち一定期間以上アクセスがない光ディスク１２１を、ディスク格納部１２０から取り出し、ディスクドライブ１１１へ搬送する。そして、ディスク情報取得部２４２は、その一定期間以上アクセスがない光ディスク１２１を再生しディスク情報を取得してもよい。また、ドライブ情報取得部２４３は、その一定期間以上アクセスがない光ディスク１２１を再生したディスクドライブ１１１のドライブ情報を取得してもよい。

図３に戻り、環境情報取得部２４４は、ライブラリ装置１０のセンサ１１５からディスクドライブ部１１０の内部または近傍の環境情報を取得し、環境情報記憶部２３３に記憶させる。また、環境情報取得部２４４は、ライブラリ装置１０のセンサ１２５からディスク格納部１２０の内部または近傍の環境情報を取得し、環境情報記憶部２３３に記憶させる。環境情報には、温度、湿度、光量、埃量などの少なくとも一部の情報、または他の環境についての情報が含まれ、上述したディスク情報またはドライブ情報が取得されたタイミングやディスク識別情報、ドライブ識別情報などと関連付けて記憶される。

予測部２４５は、ディスク情報取得部２４２が取得したディスク情報及びドライブ情報取得部２４３が取得したドライブ情報に対応するディスクライブラリシステム１の状態（光ディスクの寿命またはディスクドライブの故障など）を予測する。例えば、予測部２４５は、上記取得したディスク情報及びドライブ情報と、学習モデル記憶部２３４に格納されている学習済みモデルを用いて、ディスクライブラリシステム１の状態（光ディスクの寿命またはディスクドライブの故障など）を予測する。

ここで、学習済みモデルは、ディスク情報とドライブ情報とディスクライブラリシステム１の状態に関する情報とが関連付けられた関連付け情報の一例である。学習済みモデルは、これまでに取得した複数のディスク情報とドライブ情報とディスクライブラリシステム１の状態に関する情報とに基づいて機械学習されたものである。例えば、学習モデル記憶部２３４には、光ディスク１２１の寿命を予測するための学習済みモデルと、ディスクドライブ１１１の故障を予測するための学習済みモデルとのいずれか一方または両方が格納されている。なお、機械学習により学習済みモデルを生成する機械学習装置の構成及び学習処理の例については後述する。

予測部２４５は、取得したディスク情報及びドライブ情報と光ディスク１２１の寿命を予測するための学習済みモデルとに基づいて、光ディスク１２１の寿命を予測する。また、予測部２４５は、取得したディスク情報及びドライブ情報とディスクドライブ１１１の故障を予測するための学習済みモデルとに基づいて、ディスクドライブ１１１の故障を予測する。

出力部２４６は、予測部２４５による予測結果に基づく情報を出力する。例えば、出力部２４６は、光ディスク１２１の寿命の予測結果またはディスクドライブ１１１の故障の予測結果に基づく情報を出力する。具体的には、出力部２４６は、光ディスク１２１またはディスクドライブ１１１の交換時期に関する情報を出力してもよい。交換時期に関する情報としては、例えば、「今すぐ交換することをお勧めします」、「一週間以内に交換することをお勧めします」、「一ヶ月以内に交換することをお勧めします」、「一年以内に交換することをお勧めします」などが含まれる。また、交換時期に関する情報のみでなく、出力部２４６は、交換以外の対処方法に関する情報を出力してもよい。対処方法に関する情報としては、例えば、「光ディスクのバックアップを行ってください」、「埃が付着している可能性があるため光ディスクをクリーニングしてください」、「ディスクドライブをクリーニングしてください」などが含まれる。

また、出力方法としては、表示部２２０へ表示する方法であってもよいし、不図示のスピーカから音声で出力する方法であってもよいし、予め登録された宛先（ディスクライブラリシステム１の管理者など）へ通信部２１０を介してメールで通知する方法あってもよい。また、出力部２４６は、予測結果を光ディスク１２１の製造元やディスクドライブ１１１の製造元へメールなどで通知することによりフィードバックしてもよい。これにより、光ディスク１２１やディスクドライブ１１１の製造に活かすことや、問題解決につながるような情報を提供することができる。なお、通知する内容は、予測結果そのものに限らず、予測結果などを加工した内容であってもよいし、通知する必要があるものを特定するのみの情報（例えば、製造ロット番号、ディスク識別情報、ドライブ識別情報）であってもよい。

［予測処理の動作］
次に、ディスク管理装置２０の制御部２４０がディスクライブラリシステム１の状態に関する情報を予測する予測処理の動作について説明する。
図６は、本実施形態に係る予測処理の一例を示すフローチャートである。

（ステップＳ１０１）制御部２４０は、チェンジャー機構１３０を制御して、ディスク格納部１２０から所定の光ディスク１２１を取り出し、ディスクドライブ１１１へ搬送してトレイに挿入する。そして、制御部２４０は、光ディスク１２１を挿入したディスクドライブ１１１に対してデータの記録、または再生指示を行う。ディスクドライブ１１１は、記録、または再生指示に応じて光ディスク１２１へデータの記録、または光ディスク１２１からデータを読み出す。そして、ステップＳ１０３の処理に進む。

（ステップＳ１０３）制御部２４０は、ディスクドライブ１１１からディスク情報を取得し、ディスク情報記憶部２３１に記憶させる。また、制御部２４０は、ディスクドライブ１１１からドライブ情報を取得し、ドライブ情報記憶部２３２に記憶させる。このとき、ディスク情報とドライブ情報とは、関連付けて記憶される。そして、ステップＳ１０５及びステップＳ１０７の処理に進む。

（ステップＳ１０５）制御部２４０は、ステップＳ１０３で取得したディスク情報及びドライブ情報と、学習モデル記憶部２３４に記憶されている光ディスク１２１の寿命を予測するための学習済みモデルとに基づいて、光ディスク１２１の寿命を予測する。

（ステップＳ１０７）制御部２４０は、ステップＳ１０３で取得したディスク情報及びドライブ情報と、学習モデル記憶部２３４に記憶されているディスクドライブ１１１の故障を予測するための学習済みモデルとに基づいて、ディスクドライブ１１１の故障を予測する。なお、ステップＳ１０５及びステップＳ１０７の処理を行なう順番はいずれが先でもよい。そして、ステップＳ１０９の処理に進む。

（ステップＳ１０９）制御部２４０は、ステップＳ１０５及びステップＳ１０７の予測結果に基づいて、光ディスク１２１の寿命及びディスクドライブ１１１の故障の予測情報を出力する。例えば、制御部２４０は、光ディスク１２１またはディスクドライブ１１１の交換時期に関する情報を表示部２２０へ表示させる。

［機械学習装置の構成］
次に、ディスクライブラリシステム１で予測処理に用いる学習済みモデルを生成する機械学習装置３０の構成について説明する。
図７は、本実施形態に係る機械学習装置３０の構成の一例を示すブロック図である。機械学習装置３０は、通信部３１０と、学習データ設定部３２０と、学習データ記憶部３３０と、学習部３４０と、出力部３５０とを備えている。

通信部３１０は、例えば、複数のイーサネット（登録商標）ポートや複数のＵＳＢ等のデジタル入出力ポート、ＷｉＦｉ(登録商標）や携帯電話回線などの無線通信ポート等を含んで構成され、通信ネットワークを介して他の装置や端末などと通信を行う。

学習データ設定部３２０は、通信部３１０を介して通信ネットワークに接続されるディスクライブラリシステム１から、学習済みモデルを生成するために必要な情報を取得する。例えば、学習データ設定部３２０は、ディスクライブラリシステム１から、複数の光ディスク１２１それぞれのディスク情報及びそれぞれの光ディスク１２１のデータを読み出したディスクドライブ１１１のドライブ情報を取得する。また、学習データ設定部３２０は、取得したディスク情報及びドライブ情報に基づいて、そのディスク情報及びドライブ情報が測定された時点でのディスクライブラリシステム１の状態について判定する。例えば、学習データ設定部３２０は、ディスク情報及びドライブ情報が測定された時点でのディスクライブラリシステム１の状態として、光ディスク１２１が寿命か否か、またはディスクドライブ１１１が故障か否かなどを判定する。学習データ設定部３２０は、これらの判定を、ディスク情報またはドライブ情報のうちの少なくとも一部の情報に基づいて判定してもよいし、ディスクライブラリシステム１からその時点のエラー情報（例えば、読み取りエラー、トレイ開閉エラーなど）を取得して判定してもよい。また、これらの判定は、学習データ設定部３２０が判定してもよいし、オペレータや技術者などの人が判定してもよい。人が判定する場合には、判定結果を人が入力することにより、学習データ設定部３２０が判定結果を取得する。また、これらの判定は、ディスクライブラリシステム１が判定してもよく、学習データ設定部３２０は、当該判定結果をディスクライブラリシステム１から取得してもよい。

また、学習データ設定部３２０は、取得したディスク情報及びドライブ情報と、判定したディスクライブラリシステム１の状態に関する情報（光ディスク１２１の寿命またはディスクドライブ１１１に関する情報など）とを関連付けた関連付け情報を学習データセットとして学習データ記憶部３３０に記憶させる。これにより、学習データ記憶部３３０には、ディスクライブラリシステム１で測定されたディスク情報及びドライブ情報と当該測定時点でのディスクライブラリシステム１の状態に関する情報とが関連付けられた学習データセットが複数蓄積される。なお、学習データ設定部３２０は、ディスクライブラリシステム１でディスク情報及びドライブ情報が測定されるたびに随時取得してもよいし、所定のタイミングで定期的にまとめて取得してもよい。また、学習データ設定部３２０は、通信部３１０に代えて、光ディスクやメモリカードなどの記憶媒体を介してディスク情報及びドライブ情報を取得してもよい。

また、学習データ設定部３２０は、他のディスクライブラリシステムやディスクドライブ装置、または複数のディスクライブラリシステム１からディスク情報またはドライブ情報などを取得してもよい。例えば、最初にディスクライブラリシステム１で使用する学習済みモデルを生成する際に、当該ディスクライブラリシステム１で取得されるディスク情報またはドライブ情報を取得してもよいし、他のデータセンターまたは同じデータセンターなどに設置されている既存のディスクライブラリシステムやディスクドライブ装置などで既に取得済みのディスク情報及びドライブ情報、または学習用に別途収集されたディスク情報及びドライブ情報を取得してもよい。また、学習済みモデルを更新する際も、他のディスクライブラリシステムやディスクドライブ装置、または複数のディスクライブラリシステム１からディスク情報及びドライブ情報を取得してもよい。

学習部３４０は、ディスク情報及びドライブ情報とディスクライブラリシステム１の状態に関する情報とが関連付けられた学習データセットを用いて、次の機械学習を行う。具体的には、学習部３４０は、学習データセットを学習データ記憶部３３０から読み込む。学習部３４０は、読み込んだ学習データセットを用いて機械学習を行い、学習済みモデルを生成する。出力部３５０は、学習済みモデルを、通信部３１０を介してディスクライブラリシステム１へ送信する。これにより、ディスクライブラリシステム１の学習モデル記憶部２３４に学習済みモデルが格納されて利用可能となる。なお、学習済みモデルは、通信部３１０に代えて、光ディスクやメモリカードなどの記憶媒体を介してディスクライブラリシステム１の学習モデル記憶部２３４に格納されてもよい。また、学習済みモデルは、機械学習装置３０で機械学習が進むにつれて更新されてもよい。

＜学習段階＞
次に、機械学習の具体例について説明する。学習部３４０は、学習用のニューラルネットワークに対して、ディスク情報及びドライブ情報を入力層に入力する入力変数とし、ディスクライブラリシステム１の状態に関する情報（光ディスク１２１の寿命またはディスクドライブ１１１の故障に関する情報など）を出力層から出力される出力変数として設定する。

（ニューラルネットワークについて）
図８は、本実施形態に係るニューラルネットワークの一例を説明するための模式図である。この図のニューラルネットワークは、Ｌ個の層ｌから構成される。ｌ＝１の層は入力層、ｌ＝２〜Ｌ−１の層は中間層或いは隠れ層、ｌ＝Ｌを出力層はとも呼ばれる。
入力層のＮ個のノードは、ｘ_ｎ（ｎ＝１、２、３、・・・Ｎ）である。つまり、ニューラルネットワークは、入力層に、ｘ_ｎを要素とするベクトルｘ（＝（ｘ_１、ｘ_２、ｘ_３、・・・ｘ_Ｎ））が入力される。出力層の出力は、Ｍ個のｙ_ｍ（ｍ＝１、２、３、・・・Ｍ）である。つまり、ニューラルネットワークは、出力層から、ｙｍを要素とするベクトルｙ（＝（ｙ_１、ｙ_２、ｙ_３、・・・ｙ_Ｍ））を出力する。

第ｌ層のノードからは、ベクトルｕ^{（ｌ＋１）}が関数ｆ（ｕ^{（ｌ＋１）}）に入力された値として、ベクトルｚ^{（ｌ＋１）}が出力される。ベクトルｕ^{（ｌ＋１）}は、第ｌ層のノードから出力されるベクトルｚ^（ｌ）に、重み行列ｗ^{（ｌ＋１）}を左から乗算し、ベクトルｂ^{（ｌ＋１）}を加算したベクトルである。関数ｆ（ｕ^（ｌ））は、活性化関数であり、ベクトルｂ^（ｌ）は、バイアスである。なお、入力層から出力されるベクトルｚ^（１）は、ベクトルｘである。

（学習処理について）
図９は、本実施形態に係る学習処理の一例を説明するための模式図である。
図９は、図８のニューラルネットワークを用いた学習処理を表す。
学習段階において、ベクトルＸ_iと、教師データとしてのベクトルＹ_iと、の組は、学習データセットとされる。ベクトルＸ_iはベクトルｘに値が設定されたベクトルであり、ベクトルＹ_iはベクトルｙに値が設定されたベクトルである。ニューラルネットワークは、Ｉ個の学習データセット（Ｘ_i、Ｙ_i）（ｉ＝１〜Ｉ）に基づいて、重み行列ｗ^（ｌ）が更新される。

具体的には、重み行列ｗ^（ｌ）に、初期値が設定される。入力層にデータＸ_iが入力された場合、重み行列ｗ^（ｌ）に値が設定されたニューラルネットワークは、出力層から、データＸに応じたベクトルｙ（ｙ（Ｘ_i）と表す）を出力する。ベクトルｙ（Ｘ_i）とデータＹ_iの誤差Ｅは、損失関数を用いて計算される。第ｌ層の勾配ΔＥ_ｌ＋１は、各層からの出力ｚ_ｌ＋１と誤差信号δ_ｌ＋１を用いて計算される。誤差信号δ_ｌ＋１は、誤差信号δ_ｌを用いて計算される。なお、このように、出力層側から入力層側へ誤差信号を伝えていくことは、逆伝搬とも呼ばれる。
重み行列ｗ^（ｌ）は、勾配ΔＥ_ｌ＋１に基づいて更新される。この重み行列ｗ^（ｌ）の更新は、Ｉ個の学習データセット（Ｘ_i、Ｙ_i）（ｉ＝１〜Ｉ）に対して、順次、行われる。Ｉ個の学習データセット（Ｘ_i、Ｙ_i）によって重み行列ｗ^（ｌ）が更新されたニューラルネットワークが、学習済みモデルである。

（ニューラルネットワークの設定の実施例）
学習部３４０は、ディスク情報及びドライブ情報の各々をベクトルＸ_iとし、ディスクライブラリシステム１の状態に関する情報をベクトルＹ_iとして、学習処理を行う。学習部３４０は、Ｉ個の学習データセット（Ｘ_i、Ｙ_i）（ｉ＝１〜Ｉ）に基づいて、逆伝搬によって重み行列ｗ^（ｌ）を更新することで、学習処理を行う。学習処理の結果、学習部３４０は、重み行列ｗ^（ｌ）が更新されたニューラルネットワークを、学習済みモデルとして取得する。つまり、学習部３４０は、ディスク情報及びドライブ情報とディスクライブラリシステム１の状態に関する情報に基づいて、学習済みモデルを生成する。例えば、学習部３４０は、ディスク情報及びドライブ情報と光ディスク１２１の寿命に関する情報に基づいて、光ディスク１２１の寿命を予測するための学習済みモデルを生成する。また、学習部３４０は、ディスク情報及びドライブ情報とディスクドライブ１１１の故障に関する情報に基づいて、ディスクドライブ１１１の故障を予測するための学習済みモデルを生成する。

ここで、学習部３４０は、ニューラルネットワークの層数として、３層（Ｌ＝３）を設定する。ただし、本発明はこれに限らず、総数は、４層以上であってもよい。
学習部３４０は、各層のノードの数（「ノード数」とも称する）として、入力層（ｌ＝１の層）のノード数をＮ個、中間層（ｌ＝２の層）のノード数を（Ｍ＋Ｎ）÷２個、出力層（ｌ＝３の層）のノード数をＭ個に設定する。ただし、本発明はこれに限らず、中間層のノード数は、Ｎ個又はＭ個であってもよいし、Ｎ個以下、Ｍ個以上の個数であってもよい。また、中間層のノード数は、Ｎ個以上であってもよいし、Ｍ個以上であってもよい。

学習部３４０は、ニューラルネットワークの各層の結合として、全結合を設定する。ただし、本発明はこれに限らず、一部或いは全ての層の結合は、非全結合に設定であってもよい。
学習部３４０は、活性化関数として、全ての層の活性化関数にシグモイド関数を設定する。ただし、本発明はこれに限らず、各層の活性化関数は、ステップ関数、線形結合、ソフトサイン、ソフトプラス、ランプ関数、切断冪関数、多項式、絶対値、動径基底関数、ウェーブレット、ｍａｘｏｕｔ等、他の活性化関数であってもよい。また、ある層の活性化関数は、他の層とは異なる種類であってもよい。

学習部３４０は、誤差関数として、二乗損失（平均二乗誤差）を設定する。ただし、本発明はこれに限らず、誤差関数は、交差エントロピー、τ−分位損失、Ｈｕｂｅｒ損失、ε感度損失（ε許容誤差関数）であってもよい。また、学習部３４０は、勾配を計算するアルゴリズム（勾配降下アルゴリズム）として、ＳＧＤ（確率的勾配降下）を設定する。ただし、本発明はこれに限らず、勾配降下アルゴリズムには、Ｍｏｍｅｎｔｕｍ（慣性項） ＳＤＧ、ＡｄａＧｒａｄ、ＲＭＳｐｒｏｐ、ＡｄａＤｅｌｔａ、Ａｄａｍ（Ａｄａｐｔｉｖｅ ｍｏｍｅｎｔ ｅｓｔｉｍａｔｉｏｎ）等が用いられても良い。
学習部３４０は、パーセプトロンのニューラルネットワークに限らず、畳み込みニューラルネットワーク（ＣＮＮ）、再起型ニューラルネットワーク（ＲＮＮ）、残差ネットワーク（ＲｅｓＮｅｔ）等の他のニューラルネットワークを設定してもよい。

＜実行段階＞
ディスクライブラリシステム１の予測部２４５は、学習部３４０が生成した学習済みモデルに対して、現在のディスク情報及びドライブ情報を入力することで、ディスクライブラリシステム１の状態に関する情報（光ディスク１２１の寿命またはディスクドライブ１１１の故障に関する情報など）を出力する。具体的には、予測部２４５は、実行段階で取得したディスク情報及びドライブ情報を、ベクトルｘとして入力し、ベクトルｙをディスクライブラリシステム１の状態に関する情報として出力する。
このように、予測部２４５は、ディスク情報及びドライブ情報と学習部３４０の学習結果に基づいて、ディスクライブラリシステム１の状態に関する情報を出力する。これにより、予測部２４５は、光ディスク１２１の寿命またはディスクドライブ１１１の故障を予測することができる。

＜学習の変形例＞
なお、上記実施形態において、学習処理は、教師なし学習、ニューラルネットワーク以外の教師あり学習、又は、強化学習を用いた学習処理であってもよい。

（教師なし学習）
学習部３４０は、Ｉ個の学習データセット（Ｘ_i、Ｙ_i）（ｉ＝１〜Ｉ）について、回帰又は分類を行うことで、教師なし学習の学習処理を行ってもよい。
学習部３４０は、一または複数の関数のモデルに対して、Ｉ個の学習データセット（Ｘ_i、Ｙ_i）との誤差が小さくなるように、変数を決定する。学習部３４０は、変数を決定したモデルを、回帰による学習済みモデルとして生成してもよい。
学習部３４０は、Ｉ個の学習データセット（Ｘ_i、Ｙ_i）を、クラスタリングによって部分集合に分類する。学習部３４０は、各部分集合（クラスタ）の境界を示す情報を、分類による学習済みモデルとしてもよい。クラスタリングは、単リンク法、完全リンク法、群平均法、セントロイド法、重み付き平均法、メジアン法等の階層的なアルゴリズムであってもよい。また、クラスタリングは、Ｋ−ｍｅａｎｓ法等の非階層的であってもよい。なお、Ｋ−ｍｅａｎｓ法の場合、クラスタ数は、予め定められていてもよいし、コンピュータが手動或いは自動で設定してもよい。

（教師あり学習）
学習部３４０は、ニューラルネットワークに限らず、決定木、回帰木、ランダムフォレスト、勾配ブースティング木、線形回帰、ロジスティック回帰、ＳＶＭ（サポートベクターマシン）等によって、教師あり学習の学習処理を行ってもよい。
決定木による学習処理を行う場合、学習部３４０は、Ｉ個の学習データセット（Ｘ_i、Ｙ_i）について、ベクトルＸ_iを独立変数に設定し、ベクトルＹ_iを従属変数と設定する。

（強化学習）
学習部３４０は、学習データセット（Ｘ_i、Ｙ_i）を用いて、強化学習の学習処理を行ってもよい。例えば、学習部３４０は、強化学習として、Ｑ値を用いた強化学習（Ｑ学習）を行う。学習部３４０は、ベクトルＹ_iに基づいて、Ｑ（ｓ、ａ）を計算する。ここで、ｓは状態、ａは行動を表し、学習部３４０は、状態ｓや行動ａをベクトルＸ_iに基づいた値であってもよい。なお、本発明はＱ学習に限らず、強化学習には、Ｓａｒｓａ、又は、モンテカルロ法が用いられてもよい。

＜変数の変形例＞
なお、上記実施形態において、学習データセット（Ｘ_i、Ｙ_i）は、ディスク情報及びドライブ情報とディスクライブラリシステム１の状態に関する情報（光ディスク１２１の寿命またはディスクドライブ１１１の故障に関する情報など）との一部が用いられても良い。つまり、学習部３４０は、ディスク情報及びドライブ情報とディスクライブラリシステム１の状態に関する情報との組のうち、これらの情報の一部或いはそれらの組み合わせが、予め定められた条件を満たすものを、学習データセット（Ｘ_i、Ｙ_i）としてもよい。また、学習部３４０は、ディスク情報及びドライブ情報とディスクライブラリシステム１の状態に関する情報との一部或いは全部について、予め定めたルールに従って変換した値を、学習データセット（Ｘ_i、Ｙ_i）に用いてもよい。例えば、学習部３４０は、ディスク情報及びドライブ情報とディスクライブラリシステム１の状態に関する情報との一部或いは全部について、時間変化、空間での変化、又は、異なる測定機会との差分を、学習データセット（Ｘ_i、Ｙ_i）として用いてもよい。

以上説明してきたように、本実施形態に係るディスクライブラリシステム１において、ディスク管理装置２０は、ディスク情報取得部２４２（第１取得部の一例）と、ドライブ情報取得部２４３（第２取得部の一例）と、予測部２４５と、出力部２４６とを備えている。ディスク情報取得部２４２は、光ディスク１２１の状態に関するディスク情報（第１情報の一例）を取得する。ドライブ情報取得部２４３は、ディスクドライブ１１１の状態に関するドライブ情報（第２情報の一例）を取得する。予測部２４５は、記憶部２３０に記憶されている、ディスク情報とドライブ情報とディスクライブラリシステム１の状態に関する情報とが関連付けられた関連付け情報に基づいて、ディスク情報取得部２４２が取得したディスク情報及びドライブ情報取得部２４３が取得したドライブ情報に対応するディスクライブラリシステム１の状態に関する情報を予測する。出力部２４６は、予測部２４５による予測結果に基づく情報を出力する。

これにより、ディスク管理装置２０は、ディスクライブラリシステム１の状態（例えば、将来の状態）に関する情報を精度よく予測できる。

例えば、ディスクライブラリシステム１の状態に関する情報は、光ディスク１２１の寿命（光ディスク１２１の状態に関する情報の一例）を含む。これにより、ディスク管理装置２０は、光ディスク１２１の寿命を精度よく予測できる。

また、例えば、ディスクライブラリシステム１の状態に関する情報は、ディスクドライブ１１１の故障（ディスクドライブ１１１の状態に関する情報の一例）を含む。これにより、ディスク管理装置２０は、ディスクドライブ１１１の故障を精度よく予測できる。

また、出力部２４６は、予測部２４５による予測に基づいて、光ディスク１２１またはディスクドライブ１１１の交換時期に関する情報を出力する。これにより、ディスク管理装置２０は、光ディスク１２１の寿命が来る前に交換を促すことや、ディスクドライブ１１１が故障する前に交換を促すことができるため、データ保存の信頼性を高めることができる。

例えば、ディスク情報は、光ディスク１２１の記録状態に応じた信号の状態に関する情報を含む。これにより、ディスク管理装置２０は、光ディスク１２１の記録状態に応じて光ディスク１２１の寿命を精度よく予測することができる。

また、ディスク情報は、光ディスク１２１の記録状態に影響する物理的な状態に関する情報を含む。これにより、ディスク管理装置２０は、光ディスク１２１の記録状態に応じて光ディスク１２１の寿命を精度よく予測することができる。

また、ドライブ情報は、ディスクドライブ１１１の動作状態に関する情報を含む。これにより、ディスク管理装置２０は、ディスクドライブ１１１の動作状態に応じて光ディスク１２１の寿命またはディスクドライブ１１１の故障を精度よく予測することができる。

また、ディスク情報取得部２４２は、ディスクドライブ１１１が光ディスク１２１からデータを読み出すタイミングに応じてディスク情報を取得する。これにより、ディスク管理装置２０は、光ディスク１２１の現在の状態に関連するディスク情報を即座に取得することができ、光ディスク１２１の寿命予測の精度を高めることができる。

また、同様に、ドライブ情報取得部２４３は、ディスクドライブ１１１が光ディスク１２１からデータを読み出すタイミングに応じてドライブ情報を取得する。これにより、ディスク管理装置２０は、ディスクドライブ１１１の現在の状態に関連するディスク情報を、ディスク情報の種痘タイミングと同期して即座に取得することができ、光ディスク１２１の寿命予測またはディスクドライブ１１１の故障予測の精度を高めることができる。

また、ディスク情報取得部２４２は、複数の光ディスク１２１のうちディスクドライブ１１１により一定期間以上データが読み出されていない光ディスク１２１については、ディスク情報を定期的に取得する。これにより、ディスク管理装置２０は、長期間アクセスが無い光ディスク１２１についても寿命を予測することができ、データ保存の信頼性を高めることができる。

なお、ディスク情報取得部２４２は、複数の光ディスク１２１のうち第１の光ディスク１２１についての予測部２４５による予測結果に基づいて、第１の光ディスク１２１と同一ロットの第２の光ディスク１２１についてのディスク情報を取得する頻度を変更してもよい。これにより、ディスク管理装置２０は、寿命が近い光ディスク１２１とロット（製造ロット番号）が同一の光ディスク１２１についての測定頻度を高くして、寿命予測を行うことができる。つまり、ディスク管理装置２０は、例えば同一ロットで寿命に同じ傾向になる場合があるため、ロットごとに寿命が近い光ディスク１２１があった場合には、そのロットについて重点的にチェックすることができる。即ち、製造ロットごとにリスクの重み付けを行うことができる。また、ディスク管理装置２０は、問題のなさそうなロットの測定頻度を低くし、問題の起きそうなロットの測定頻度を高くすることができ、測定頻度を最適化することができる。

また、予測部２４５は、ディスク情報とドライブ情報との組み合わせに基づいて光ディスク１２１またはディスクドライブ１１１の将来の状態に関する情報を予測し、予測した予測結果を他の組み合わせに基づく予測結果と比較してもよい。例えば、予測部２４５は、メーカやロットごとに光ディスク１２１とディスクドライブ１１１との組み合わせで光ディスク１２１やディスクドライブ１１１の寿命予測の平均値を比較し、組み合わせごとの善し悪しを判定してもよい。これにより、ディスク管理装置２０は、光ディスク１２１の寿命が長くなるような光ディスク１２１またはディスクドライブ１１１の組み合わせや、ディスクドライブ１１１の故障が起きにくい組み合わせを出力することができる。

なお、ディスク管理装置２０は、さらにディスクライブラリシステム１内の環境状態に関する環境情報に基づいて、ディスクライブラリシステム１の状態に関する情報を予測してもよい。具体的には、ディスク管理装置２０の環境情報取得部２４４（第３取得部の一例）は、光ディスク１２１またはディスクドライブ１１１の環境状態に関する環境情報（第３情報の一例）を取得する。そして、予測部２４５は、記憶部２３０に記憶されている、ディスク情報とドライブ情報と環境情報とディスクライブラリシステム１の状態に関する情報とが関連付けられた関連付け情報に基づいて、ディスク情報取得部２４２が取得したディスク情報、ドライブ情報取得部２４３が取得したドライブ情報、及び環境情報取得部２４４が取得した環境情報に対応するディスクライブラリシステム１の状態に関する情報を予測してもよい。例えば、予測部２４５は、ディスク情報とドライブ情報と環境情報とディスクライブラリシステム１の状態に関する情報とに基づいて機械学習された学習済みモデルを用いて、ディスクライブラリシステム１の状態に関する情報（光ディスク１２１の寿命またはディスクドライブ１１１の故障など）を予測してもよい。これにより、ディスク管理装置２０は、光ディスク１２１またはディスクドライブ１１１の環境状態をさらに考慮して、ディスクライブラリシステム１の状態に関する情報（光ディスク１２１の寿命またはディスクドライブ１１１の故障など）を精度よく予測できる。

以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。

例えば、ディスク管理装置２０は、光ディスク１２１の寿命の予測と、ディスクドライブ１１１の故障の予測のいずれか一方のみを行ってもよい。

また、上記実施形態では、ディスクドライブ部１１０の内部または近傍の環境情報及びディスク格納部１２０の内部または近傍の環境情報を取得する構成例を示したが、環境情報を予測処理に用いない場合、ディスクライブラリシステム１は、環境情報を取得する構成を備えなくてもよい。即ち、ディスクライブラリシステム１は、図２に示すセンサ１１５及びセンサ１２５と、図３に示す環境情報取得部２４４とを備えない構成としてもよい。

また、上記実施形態では、一つのディスクライブラリシステム１における予測処理の例を説明したが、一つのデータセンター内の複数のディスクライブラリシステム１の間で各種情報や予測結果を共有してもよいし、複数のデータセンター内の複数のディスクライブラリシステム１の間で各種情報や予測結果を共有してもよい。

また、ディスク管理装置２０と機械学習装置３０とが常時または所定のタイミングで通信接続され、ディスク管理装置２０から各種の情報が機械学習装置３０へ随時送信されてもよいし、機械学習装置３０から更新済みの学習済みモデルがディスク管理装置２０へ随時送信されてもよい。また、ディスク管理装置２０は、学習済みモデルを備えずに、機械学習装置３０と通信することにより、機械学習装置３０の学習済みモデルを用いて予測処理を行なってもよい。

また、上記実施形態では、ディスク情報とドライブ情報とディスクライブラリシステム１の状態に関する情報とが関連付けられた関連付け情報として、学習済みモデルを用いて予測処理を行なう例を説明したが、これに限られるものではない。例えば、上記のディスク情報とドライブ情報とディスクライブラリシステム１の状態に関する情報とが関連付けられた関連付け情報は、データテーブルで構成されてもよいし、学習済みモデルを使用せずにアルゴリズムを具現化したプログラムで構成されてもよい。

なお、上述したディスクライブラリシステム１（ディスク管理装置２０）または機械学習装置３０は、内部にコンピュータシステムを有している。そして、上述したディスクライブラリシステム１（ディスク管理装置２０）または機械学習装置３０が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述したディスクライブラリシステム１（ディスク管理装置２０）または機械学習装置３０が備える各構成における処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。

また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後にディスクライブラリシステム１（ディスク管理装置２０）または機械学習装置３０が備える各構成で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

また、ディスクライブラリシステム１（ディスク管理装置２０）または機械学習装置３０の一部又は全部を、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）等の集積回路として実現してもよい。また、本実施形態のディスクライブラリシステム１（ディスク管理装置２０）または機械学習装置３０内の各構成要素は個別にプロセッサ化してもよいし、一部、または全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

また、上記実施形態では、ディスク管理装置２０が、複数の光ディスク１２１と複数のディスクドライブ１１１とを備えたディスクライブラリシステム１において光ディスク１２１の寿命またはディスクドライブ１１１の故障を予測する構成例を説明したが、これに限られるものではない。例えば、ディスク管理装置２０は、１台のディスクドライブ１１１を備えた装置において、当該１台のディスクドライブ１１１に挿入される光ディスク１２１についての寿命を予測してもよいし、当該１台のディスクドライブ１１１の故障を予測してもよい。

１ ディスクライブラリシステム、１０ ライブラリ装置、２０ ディスク管理装置、３０ 機械学習装置、１１０ ディスクドライブ部、１１１ ディスクドライブ、１１５，１２５ センサ、１２０ ディスク格納部、１２１ 光ディスク、１３０ チェンジャー機構、２１０ 通信部、２２０ 表示部、２３０ 記憶部、２３１ ディスク情報記憶部、２３２ ドライブ情報記憶部、２３３ 環境情報記憶部、２３４ 学習モデル記憶部、２４０ 制御部、２４１ ライブラリ制御部、２４２ ディスク情報取得部、２４３ ドライブ情報取得部、２４４ 環境情報取得部、２４５ 予測部、２４ 出力部、３１０ 通信部、３２０ 学習データ設定部、３３０ 学習データ記憶部、３４０ 学習部、３５０ 出力部

Claims (20)

1. 交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリシステムであって、
   前記光ディスクの状態に関する第１情報を取得する第１取得部と、
   前記ディスクドライブの状態に関する第２情報を取得する第２取得部と、
   記憶部に記憶されている、前記第１情報と前記第２情報と前記ディスクライブラリシステムの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得部が取得した前記第１情報及び前記第２取得部が取得した前記第２情報に対応する前記ディスクライブラリシステムの状態に関する情報を予測する予測部と、
   前記予測部による予測結果に基づく情報を出力する出力部と、
   を備えるディスクライブラリシステム。
2. 前記予測部は、
   前記第１情報と前記第２情報と前記ディスクライブラリシステムの状態に関する情報とに基づいて機械学習された学習済みモデルを前記関連付け情報として用いて、前記ディスクライブラリシステムの状態に関する情報を予測する、
   請求項１に記載のディスクライブラリシステム。
3. 前記ディスクライブラリシステムの状態に関する情報は、前記光ディスクの状態に関する情報を含む、
   請求項１または請求項２に記載のディスクライブラリシステム。
4. 前記ディスクライブラリシステムの状態に関する情報は、前記ディスクドライブの状態に関する情報を含む、
   請求項１から請求項３のいずれか一項に記載のディスクライブラリシステム。
5. 前記第１取得部は、
   前記ディスクドライブが前記光ディスクからデータを読み出すタイミングに応じて前記第１情報を取得する、
   前記第２取得部は、
   前記ディスクドライブが前記光ディスクからデータを読み出すタイミングに応じて前記第２情報を取得する、
   請求項１から請求項４のいずれか一項に記載のディスクライブラリシステム。
6. 前記第１取得部は、
   複数の前記光ディスクのうち前記ディスクドライブにより一定期間以上データが読み出されていない前記光ディスクについては、前記第１情報を定期的に取得する、
   請求項５に記載のディスクライブラリシステム。
7. 前記第１取得部は、
   複数の前記光ディスクのうち第１の光ディスクについての前記予測部による予測結果に基づいて、前記第１の光ディスクと同一ロットの第２の光ディスクについての前記第１情報を取得する頻度を変更する、
   請求項６に記載のディスクライブラリシステム。
8. 前記出力部は、
   前記予測部による予測に基づいて、前記光ディスクまたは前記ディスクドライブの交換時期に関する情報を出力する、
   請求項１から請求項７のいずれか一項に記載のディスクライブラリシステム。
9. 前記予測部は、
   前記第１情報と前記第２情報との組み合わせに基づいて前記光ディスクまたは前記ディスクドライブの状態に関する情報を予測し、予測した予測結果を他の前記組み合わせに基づく予測結果と比較する、
   請求項１から請求項８のいずれか一項に記載のディスクライブラリシステム。
10. 前記第１情報は、
    前記光ディスクの記録状態に応じた信号の状態に関する情報を含む、
    請求項１から請求項９のいずれか一項に記載のディスクライブラリシステム。
11. 前記第１情報は、
    前記光ディスクの記録状態に影響する物理的な状態に関する情報を含む、
    請求項１から請求項１０のいずれか一項に記載のディスクライブラリシステム。
12. 前記第２情報は、
    前記ディスクドライブの動作状態に関する情報を含む、
    請求項１から請求項１１のいずれか一項に記載のディスクライブラリシステム。
13. 前記光ディスクまたは前記ディスクドライブの環境状態に関する第３情報を取得する第３取得部をさらに備え、
    前記予測部は、
    前記記憶部に記憶されている、前記第１情報と前記第２情報と前記第３情報と前記ディスクライブラリシステムの状態に関する情報とが関連付けられた関連付け情報とに基づいて、前記第１取得部が取得した前記第１情報、前記第２取得部が取得した前記第２情報、及び前記第３取得部が取得した前記第３情報に対応する前記ディスクライブラリシステムの状態に関する情報を予測する、
    請求項１から請求項１２のいずれか一項に記載のディスクライブラリシステム。
14. 前記予測部は、
    前記第１情報と前記第２情報と前記第３情報と前記ディスクライブラリシステムの状態に関する情報とに基づいて機械学習された学習済みモデルを前記関連付け情報として用いて、前記ディスクライブラリシステムの状態に関する情報を予測する、
    請求項１３に記載のディスクライブラリシステム。
15. 光ディスクの状態に関する第１情報を取得する第１取得部と、
    前記光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブの状態に関する第２情報を取得する第２取得部と、
    記憶部に記憶されている、前記第１情報と前記第２情報と前記光ディスクまたは前記ディスクドライブの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得部が取得した前記第１情報及び前記第２取得部が取得した前記第２情報に対応する前記光ディスクまたは前記ディスクドライブの状態に関する情報を予測する予測部と、
    前記予測部による予測結果に基づく情報を出力する出力部と、
    を備えるディスク管理装置。
16. 交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリ装置を管理するディスクライブラリシステムにおける予測方法であって、
    第１取得部が、前記光ディスクの状態に関する第１情報を取得する第１取得ステップと、
    第２取得部が、前記ディスクドライブの状態に関する第２情報を取得する第２取得ステップと、
    予測部が、記憶部に記憶されている、前記第１情報と前記第２情報と前記ディスクライブラリシステムの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得ステップにおいて取得した前記第１情報及び前記第２取得ステップにおいて取得した前記第２情報に対応する前記ディスクライブラリシステムの状態に関する情報を予測する予測ステップと、
    出力部が、前記予測ステップによる予測結果に基づく情報を出力する出力ステップと、
    を有する予測方法。
17. ディスク管理装置における予測方法であって、
    第１取得部が、光ディスクの状態に関する第１情報を取得する第１取得ステップと、
    第２取得部が、前記光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブの状態に関する第２情報を取得する第２取得ステップと、
    予測部が、記憶部に記憶されている、前記第１情報と前記第２情報と前記光ディスクまたは前記ディスクドライブの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得ステップにおいて取得した前記第１情報及び前記第２取得ステップにおいて取得した前記第２情報に対応する前記光ディスクまたは前記ディスクドライブの状態に関する情報を予測する予測ステップと、
    出力部が、前記予測ステップによる予測結果に基づく情報を出力する出力ステップと、
    を有する予測方法。
18. 交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリ装置を管理するディスクライブラリシステムにおけるコンピュータに、
    前記光ディスクの状態に関する第１情報を取得する第１取得ステップと、
    前記ディスクドライブの状態に関する第２情報を取得する第２取得ステップと、
    記憶部に記憶されている、前記第１情報と前記第２情報と前記ディスクライブラリシステムの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得ステップにおいて取得した前記第１情報及び前記第２取得ステップにおいて取得した前記第２情報に対応する前記ディスクライブラリシステムの状態に関する情報を予測する予測ステップと、
    前記予測ステップによる予測結果に基づく情報を出力する出力ステップと、
    を実行させるためのプログラム。
19. 交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリ装置を管理するディスク管理装置におけるコンピュータに、
    光ディスクの状態に関する第１情報を取得する第１取得ステップと、
    前記光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブの状態に関する第２情報を取得する第２取得ステップと、
    記憶部に記憶されている、前記第１情報と前記第２情報と前記光ディスクまたは前記ディスクドライブの状態に関する情報とが関連付けられた関連付け情報に基づいて、前記第１取得ステップにおいて取得した前記第１情報及び前記第２取得ステップにおいて取得した前記第２情報に対応する前記光ディスクまたは前記ディスクドライブの状態に関する情報を予測する予測ステップと、
    前記予測ステップによる予測結果に基づく情報を出力する出力ステップと、
    を実行させるためのプログラム。
20. 交換可能な複数の光ディスクに対してデータの書き込みまたは読み出しを行うディスクドライブを備えたディスクライブラリシステムの状態に関する情報を予測するための学習済みモデルであって、
    前記光ディスクの状態に関する第１情報と前記ディスクドライブの状態に関する第２情報と前記ディスクライブラリシステムの状態に関する情報とに基づいて、前記ディスクライブラリシステムの状態に関する情報を予測するよう、
    コンピュータを機能させるための学習済みモデル。

Images