电邮这篇文章 AI 服务器硬件故障模式识别与可靠性评估研究
DOI: http://dx.doi.org/10.12349/iser.v7i7.11403
Article ID: 11403
摘要
针对AI服务器硬件故障频发、运维被动响应的现状，本文构建基于FMEA的硬件故障模式识别框架，归纳GPU、显存、散热、电源、互联通信五类故障模式，通过计算风险优先数（RPN）对各类故障进行量化风险排序；利用真实监测数据统计各组件实际故障率，建立串并联可靠性评估模型，以RPN作为权重修正系数，进一步优化维护决策优先级。实验结果表明，所提框架能有效识别高风险故障模式，可靠性评估结果与实测数据吻合良好，为AI服务器主动运维提供定量依据。
关键词
AI服务器；硬件故障模式；FMEA；可靠性评估；MTBF；RPN
全文:
PDF参考
张文波,贾孟君,明亮. 基于EfficientNet的服务器硬盘故障识别[J].广播电视信息,2025,32(10):106-109.
李逍,张亚强,史宏志. 服务器故障注入技术综述：实现、优化与评估[J].计算机应用,2025,45(S1):144-153.
王宁. 云计算数据中心服务器检测维修模块化教学的实践路径[J].信息与电脑,2025,37(04):203-205.
李盛新,叶丰华,李道童,等. 基于IQPSO-GA优化ANFIS模型的服务器故障预警方法[J].计算机测量与控制,2024,32(04):37-45.
刘伟峰. 基于机器学习的大规模并行计算机系统硬件故障检测方法[J].技术与市场,2022,29(06):51-52+55.
Refbacks
- 当前没有refback。
版权所有（c）2026 邓 杰谦
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。
