JP2008026993A - 情報処理方法、情報処理装置およびプログラム - Google Patents

Abstract

【課題】精度の高い需要予測を行うとともに得られた需要予測に応じた資源調整をも可能とするシステムを提供することを目的とする。
【解決手段】モンテカルロ法による計算手法を適用することにより需要を予測する需要予測ステップと、前記需要予測ステップにより得られた予測値を実測値と比較して両者の差分を求める実測値比較ステップと、前記差分を加味して前記需要予測ステップにおいて使用する計算式における所定の係数を修正する修正ステップとよりなる構成とした。
【選択図】図１

Description

本発明は情報処理方法、情報処理装置およびプログラムに係り、特に需要予測の精度の向上を図り得る構成を有する情報処理方法、情報処理装置およびプログラムに関する。

種々の技術分野における製品開発のポイントは高性能な装置をより早く市場に出すことであるが、近年の製品開発にはバーチャルファクトリー的な究極で大規模かつ高性能な処理環境の構築が要請されている。このような製品開発処理環境の構築には、例えば、製品の仮想的な設計を可能にする高性能なＣＡＤ利用環境、そしてその製品の検証等を行なう大規模高速シミュレーション環境等、期設計段階での評価を成し得る電気系/機械系ＣＡＤ、解析ＣＡＥ等利用環境が有益である。

このような高性能な製品開発環境は、時期的、場所的、規模的な制約を受けることなく、多様なアプリケーションの高速化処理が可能なサービスの提供形態が望まれ、具体的にはいわゆるＡＳＰ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｅｒｖｉｃｅ Ｐｒｏｖｉｄｅｒ）環境の構築が有効である。

そのため大規模で高性能な情報処理資源環境での連携処理や、遠隔地からの会話処理がローカル運用と同じ操作・感覚で利用されるコラボレーション環境が実現されルことが望ましい。またこのような環境の実現が製品開発分野を越え広く、製品の開発から廃棄までも管理範囲とするＰＬＭ（Ｐｒｏｄｕｃｔ ｌｉｆｅ ｃｙｃｌｅ ｍａｎａｇｅｍｅｎｔ）分野等広範な利用が有益である。

このように広範な情報連携は、従来のローカルネットワーク内（図５中、Ｅｘｔネットワークａ）のLAN(Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ)規模の処理資源運用のみでは不十分とも考えられる。このため開発環境の複雑化と効率化要望により利用規模が拡大するにつれ、インターネット等の利用が進み、より広域での資源共用によるサーバ集中化が急速に進展する傾向にある。

従来のＡＳＰ運用環境においては、各ユーザ毎の利用予定（事前利用申請等）を基に情報処理資源のある程度の不足や将来的な予測を見込んだ場合であっても、現実には日常的な業務対応において様々なトラブルの発生、各種処理実行に伴う使用条件による運用効率の悪化、余剰資源による不良資産の発生等により、充分な資産活用が図られないおそれがあった。

図５はこのようなＡＳＰ運用環境を模式的に示す図である。

同図に示す如く、ＡＳＰ運用環境では様々な拠点Ａ，Ｂ，Ｃ，...がインターネット等のネットワーク環境で互いに連携され、各種資源、すなわちＬＡＮ資源（Ｌａｎ資源）、ＣＰＵ資源、メモリ（ＭＥＭ）資源、ファイル資源、ソフトウェア資源（ソフト資源）等が共有可能とされる。

このように高性能なサーバをセンターに集約して処理を行うＡＳＰ方式では多数のユーザによって情報処理資源が共用されるため、利用されるデータ量の変動の幅が大きくなると処理資源の過剰あるいは、不足という状況が発生することが考えられる。

特にユーザ数が多くなると各人についての少量の資源の空きも、全体で考えた場合その絶対額換算では大きなものとなることが考えられる。このため効率的な資源活用を図る目的から、過去の利用実績情報を加味し、需要予測の精度を常に高め、資源の空き状態の発生を極力避けるような効率的な運用体制の構築が求められている。

この点に関連し、特許文献1〜4では以下に述べる如く各種の関連技術が提案されている。

特許文献１では「ビジネスリスク計画システムの構築方法、およびその利用料の算出方法」が開示されており、この技術では計算機資源や利用料金の予測をモンテカルロ法を用いて予測を行う構成とされている。しかしながらここではネットワーク、ストレージ、ソフトライセンス等の利用は予測対象に含まれていない。

特許文献２では「資源計画作成プログラム」が開示されており、そこではデータセンタ資源について予測する構成が開示されている。しかしながら中期的なモンテカルロ法を用いた予測方法等についての開示は含まれず、またダイナミックな修正の可能性等についての開示も含まれない。

特許文献３では「ネットワークシステム、ＣＰＵ資源プロバイダ、クライアント装置、処理サービスの提供方法、およびプログラム」が開示されており、ＣＰＵの処理能力に関してモンテカルロ法を適用する構成が開示されている。しかしながらネットワーク、ストレージ、ソフトライセンス等、ＡＳＰとして提供する総合的なサービス全体を対象とした構成、実績情報を反映した修正等についての開示は含まれない。

特許文献４では「情報処理システム、情報処理装置、分散情報処理方法及びコンピュータプログラム」が開示されており、貸し出し可能なクラスタ数毎に分割・管理を行う構成が開示されている。しかしながらその対象はハードウェアのみであり、ソフトウェアを対象とした構成の開示は含まれない。また、モンテカルロ法を用いた予測方法についての開示も含まれない。
特開２００２−９９７１４号公報 特開２００５−２９３０４８号公報 特開２００３−５８５１８号公報 特開２００４−２８７８０１号公報

本発明は上記問題点に鑑みてなされたものであり、需要予測の精度を効果的に向上可能な情報処理方法、情報処理装置および同方法をコンピュータに実行させるためのプログラムを提供することを目的とする。

本発明では要求に応じてサービスを提供するシステムにおいて、モンテカルロ法による計算により需要を予測する需要予測ステップと、前記需要予測ステップにより得られた予測値を実測値と比較して両者の差分を求める実測値比較ステップと、前記差分を加味して前記需要予測ステップにおいて使用する計算式の係数を修正する修正ステップとを実施するようにした。

このようにモンテカルロ法を適用した需要予測において、その計算式の係数を実測値との差分を加味して適宜修正することにより、常に実態に即した高精度の予測結果を提供することが可能となる。

本発明によれば常に実態に即した高精度の需要予測が得られるため、上記ＡＳＰセンター等における効果的な資源管理が可能となり、運用の効率化を図ることができる。

図１は本発明の実施の形態の一例としての「需要予測およびこれに基づいた資源管理方法」における処理の流れを示すフローチャートである。

なおここでは上記ＡＳＰセンター等、ユーザの要求に応じて自己が保有する様々な資源（ＬＡＮ資源、ＣＰＵ資源、メモリ資源、ファイル資源、ソフトウェア資源等）によるサービスを提供するシステムにおいて、精度の高い需要予測を行うことによって効果的な資源管理を可能とすることを目的としている。

同図中、同方法ではまずユーザによる上記保有資源に対する需要予測計算を行い（ステップＳ１），その結果に応じ保有資源の増減についての提示（ステップＳ２）あるいは各ユーザの優先順位の調整（図８と共に後述）についての提示を行う（ステップＳ３）。

次に所定期間（時間）の経過を待ち（ステップＳ４），同期間経過迄に得られた実測需要量をステップＳ１で得られた予測需要量と比較する（ステップＳ５）。

そしてその比較結果に応じ、ステップＳ１において使用される需要予測計算式中の係数の修正を行う（ステップＳ６）。

そしてそのように係数が修正された条件において更にその時点での需要予測計算を実施する（ステップＳ１）。それ以降上述の処理を繰り返す。

本発明の実施の形態ではこのように実測値との比較結果に基づいて需要予測計算の計算式の係数の修正を行うため常に高精度の需要予測を得ることが可能となる。

また需要予測結果に応じて資源増減についての提示（ステップＳ２）あるいはユーザの優先順位の調整の提示（ステップＳ３）を行うため、需要予測の結果を資源管理に効果的に活かすことが可能となる。したがって効率的なシステムの運用が可能となる。

図２は図１中の需要予測計算処理（ステップＳ１）の内容を示す処理フローチャートである。

この計算は周知のモンテカルロ法に基づくものである。

図中、一連の乱数を使用して平均予測需要量Ｄ_Ａ（Ｔ）を計算し（ステップＳ１１、図４とともに後述）、これを規定の時間Ｔｓ分に至るまで所定回数（ｎ＝Ｔｓ／Δｔ）繰り返す（ステップＳ１２，Ｓ１３）。

図３は図１中、実測値との比較（ステップＳ５）について説明するための図であり、図１のステップＳ１の需要予測計算で得られた需要予測をプロット（実線）した例を示す。

図３中、所定期間経過後（ステップＳ４）の実測値が破線のＲ_１（Ｔ）であった場合、すなわち予測値との差分がプラスΔｄ１であった場合、その差分に応じてステップＳ１の需要予測計算の計算式の係数を増加させる（ステップＳ６）。

逆に所定期間経過後（ステップＳ４）の実測値が二点差線のＲ_２（Ｔ）であった場合、すなわち予測値との差分がマイナスΔｄ２であった場合、その差分に応じてステップＳ１の需要予測計算の計算式の係数を減少させる（ステップＳ６）。

図４は図２中の「平均予測需要量Ｄ_Ａ（Ｔ）の計算」の内容を示す処理フローチャートである。

図示の如く、同計算ではまず乱数を発生させ（ステップＳ２１）、得られた乱数に基づいてユーザ一人分の予測需要量Ｄ（ｎ）を得る（ステップＳ２２）。そしてこの処理をユーザの人数分、すなわちＮ回繰り返す（ステップＳ２３，Ｓ２４）。

そこで得られたＮ人分の予測需要量の平均をとる（ステップＳ２５）。

なお上記乱数を求める手段としては周知のものを適用可能であり、例えばマイクロソフトＥｘｃｅｌの乱数関数ＲＡＮＤ（）を適用可能である。

以下、上記基本的な考え方に基づく本発明の実施例について詳細に説明する。

本発明の実施例による「需要予測およびこれに基づいた資源管理方法」では、ＣＡＤ（Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｅｓｉｇｎ）、ＣＡＥ（ｃｏｍｐｕｔｅｒ ａｉｄｅｄ ｅｎｇｉｎｅｅｒｉｎｇ）等の大規模情報処理において必要な情報処理資源（ＣＰＵ：演算処理装置、メモリー／磁気ディスク装置等記憶装置、ネットワーク）に加え、ＣＡＤ／ＣＡＥアプリケーションソフトウェアー等処理で必要な大規模な処理資源を効率的に共用することを目的としている。

そしてＡＳＰセンター等における情報処理資源をモデル化、体系化し、現在までの資源利用実績等を基に、数分〜数ケ月後の資源利用予測を算出し、全体の資源利用を最適化して低コストに提供する大規模情報処理資源管理を実現することを目的としている。

より詳細に述べると、本発明の実施例による「需要予測およびこれに基づいた資源管理方法」は、増大するＡＳＰセンター等の大規模マシンセンター等での高速集中処理や、複数の遠隔拠点に分散したサーバ・クライアント等との広域並列連携処理や、このような処理における多数の拠点に分散した巨大なデータを自己のマシン環境より安く早く行なうことを可能とする処理資源効率化制御及びその需要を予測制御する一連の仕組を提供することを目的としている。

さらに言及すれば、このような環境における数分後から数ケ月先の使用予測を、予め与えた初期値と今現在の実績値とを基にして求めるものであり、従来のモンテカルロ型最適解探索の計算処理に加え、ダイナミックにパラメータを修正する手段を備えた修正モンテカルロシミュレーションシステムを構成する。

すなわち本発明の実施例では、先ずユーザの処理資源需要申請に基づき、ＡＳＰセンターの資源管理定義データ及び、過去の利用実績データを基に、修正モンテカルロ法によって今後必要となる処理資源利用予測を行なう。

すなわち個人／グループ毎の利用実績や利用傾向（増加強度；+／−／≒）を把握してランダム関数の初期値を修正設定する。そして処理対象ユーザ人数分の予測を並列モンテカルロ法によるシミュレーションにて利用度等を算出し、所要提供処理資源の大きさを算出する。

この場合常に最新の資源利用状況が反映されるため、急激な変動がない限り無駄のない効率的な資源運用が可能となる。

図６にこのような修正モンテカルロ法による処理の概要を示す。

図中、各用語の説明を以下に示す。

定義体：ユーザによる資源利用予定情報／センター保有資源情報に基づく定義データ
現状分析：過去の利用実績を基にした今後の利用傾向の把握
基本値補正：モンテカルロ法で使用するランダム関数の初期値（初期パラメータ）に実測値情報を盛り込んだ予測値修正パラメータ
利用予測：過去の実測値に基づいた各種条件設定における利用推移予測
ダイナミック補正：実測値と予測値との比較結果に基づく繰り返し修正による補正
強制制御：資源利用側のユーザによる処理実行条件の選択に基づくユーザニーズに沿った運用環境の制御

図６中、定義体のデータから得た過去の実績および将来の利用予定に基づいて現状分析を行い、将来の利用予測（需要予測）行う。その際、予測値と実測値との比較結果に基づいてモンテカルロ法による計算式の係数のダイナミックな補正を行う。またユーザによる強制制御も可能とされる。

すなわち本発明の実施例によれば、実測値であるＣＰＵ使用実績、ディスク使用量、ツールライセンスの空き状況等を基に初期パラメータＳｉｎｔを決定し、乱数を発生させ、共用化したい人数分（N）のデータを累計し、それを人数Nで割った値を初期予測値とする（以下の式（１）による）。そしてこの計算を所定時間分に至るまで繰り返すことで、一定期間の推移が求められる（図１中、ステップＳ１に対応、図３参照）。

こうして得られた初期予測値（推移データ）を実測値データと比較し、その差分を△ｉｎとする。そしてこの差分△ｉｎその他必要に応じ季節によって現れる変動の傾向の要素等（Pα）を加味して予測値を修正する（図１中、ステップＳ４〜Ｓ６に対応）。

以下の式（１）はこの場合の需要予測計算の計算式の例である。

（１／Ｎ）ΣｎＲＡＮＤ＿Ｍ（Ｓｉｎｔ十△ｉｎ）十Pα ...（１）

ここでΣｎはＮ人分の加算を意味し、ＲＡＮＤ＿Ｍは乱数を発生する関数を示す。この関数としては上記の如く、例えばマイクロソフトＥｘｃｅｌの乱数関数ＲＡＮＤ（）を使用可能である。

この修正を含む需要予測計算処理繰り返す（図１中、ステップＳ１、Ｓ４〜Ｓ６の繰り返しに対応）ことで、より確かな需要予測値を得ることができる。

ここでは従来のモンテカルロ法で得られる予測値に対し実測値などによる修正を加える処理を行うため、「修正モンテカルロ法」と称する。

またこのようにして得られた需要予測結果から、将来需要の増加が見込まれる場合は増加が必要な資源（マシン、ライセンス数など）を提示する（図１中、ステップＳ２に対応）。同様に、需要の減少が見込まれる場合、削減すべき資源の量を提示する（同上）。その際の予測期間は、設備の増減が可能とされる程度のものとすればよい。

また上記方法により得られた需要予測結果から、資源運用の効率化を行うことで最適化し得ると予測されるような場合、各ユーザに対し処理を実行する際に適用される選択可能な条件を提示する。

具体的には処理の優先順位を上げる設定を行うことにより利用価格を上げる条件、逆に優先順位を下げる設定を行うことにより利用価格を下げる条件等が考えられる。その結果処理を平均化させ、総費用を抑制することが可能となる。

その場合の予測期間は、リアルタイムに対応が必要とされる程度とすればよい。

このように本発明の実施例によれば、従来の予測手法（多様なパラメータ）に加え、予測値と実測値との差異からその後の傾向を分析し、絶えず予測を補正して精度を高めることにより、資源提供コストの低減を図ることが可能となる。また予測精度の向上によりユーザの待ち時間を極力減らすことが可能となるため、ユーザサービス度を向上させることも可能となる。

図７は上述の本発明の実施例の変形例を説明するための処理フローチャートである。

この例の場合、各種データＰ１〜Ｐ４に基づき、上記の如く数式（１）の計算を所定期間分に至るまで繰り返す手法等により需要予測の推移データを作成（ステップＳ５１）した後、所定のパラメータ情報Ｐ５および過去の実績値の推移データＴｒ１と予測値の推移データＴｒ２との比較結果に基づいて需要予測データの分析を行う（ステップＳ５２）。

その結果、収束の有無を判定し（ステップＳ５４）、未収束の場合適宜モンテカルロ法の計算式における係数の修正を行う（ステップＳ５３）。

ステップＳ５１，Ｓ５２，Ｓ５４，Ｓ５３のループを繰り返すことにより、需要予測の精度を向上させることが可能となる。

なお、ステップＳ５４における収束の有無の判定は、例えば上記ループの繰り返し実行回数が所定の値に達したか否かの判定によるものとすることが可能である。

そしてこのようにして得られた需要予測値に基づいて資源活用対策を行う（ステップＳ５５，Ｓ５６）。

ステップＳ５６の資源活用対策の内容は、後述する図８中、ステップＳ２１０〜Ｓ２４０，Ｓ３１０〜Ｓ３４０，Ｓ４１０〜Ｓ４５０の処理とされる。

図８は本発明の実施例による「需要予測およびこれに基づいた資源管理方法」の処理フローチャートを示す。

ここで同方法によって処理される資源利用実績分析データの詳細な階層構造の例を以下に示す。

1．利用実績情報：
ディスク使用量
ＣＰＵ処理時間
ＩＡサーバランタイム

2．ソフトウェアライセンス情報(利用ツール情報)：
ツール名
FEATURE名（アプリケーションの機能名）
版数
期限
同時使用可能本数
付属情報
基本単金
登録日
担当者

図８中、予測データ算出処理（ステップＳ１００）では、上記モンテカルロ法による計算の初期パラメータＳｉｎｔを決定する。

初期パラメータＳｉｎｔは、例えば上記ＣＰＵ使用量、ディスク使用量、ツール空き状況等のデータに基づいて決定される。

そして以下の式（１）によって上記初期予測値を得る（ステップＳ１１０）。

（１／Ｎ）ΣｎＲＡＮＤ＿Ｍ（Ｓｉｎｔ十△ｉｎ）十Pα ...（１）

ここでΔｉｎは実測値との比較結果から得られるダイナミックな補正値を示し、Ｐαはそれ以外の様々な要素（季節変動による傾向等）による修正値を示す。

このようにして得られた初期予測値に基づき、所定期間（時間分）に至るまで上記式（１）による計算を繰り返すことで需要予測推移データを得る。この場合、その繰り返しの度毎に式（１）中の各係数を適宜変化させる。その変化の方法については、例えば図９と共に説明する方法（正弦関数の利用）を適用可能である。

そしてこのようにして得られた需要予測推移データに基づき、以下のステップＳ２１０〜Ｓ２４０、ステップＳ３１０〜Ｓ３４０、ステップＳ４１０〜Ｓ４５０の処理がなされる。

Ｓ２１０：資源需要量の増加が予測される場合にこの分岐が実行される。

Ｓ２２０：マシン（すなわちハードウェア資源）の増強が有効かどうかを判定する。

Ｓ２３０：Ｓ２２０がＹｅｓの場合、マシン増強の必要な量を提示する。

Ｓ２４０：Ｓ２２０がＮｏの場合、ライセンス（すなわちソフトウェア資源）数追加の必要量を提示する。

なおここで上記判定内容は上記初期パラメータの設定によって変化する。

Ｓ３１０：資源需要量の減少が予測される場合にこの分岐が実行される。

Ｓ３２０：マシンの削減が有効かどうか判定する。

Ｓ３３０：Ｓ３２０がＹｅｓの場合、マシン削減の必要量を提示する。

Ｓ３４０：Ｓ３２０がＮｏの場合、ライセンス数削減の必要量を提示する。

上記同様、判定内容は上記初期パラメータの設定によって変化する。

Ｓ４１０：リアルタイムに資源の不足が予測される場合にこの分岐が実行される。

Ｓ４２０：ＪＯＢ優先順位変更時の価格一覧をユーザに提示する。

Ｓ４３０：優先順位を上げたいかどうか、ユーザに問い合せる。

Ｓ４４０：Ｓ４３０がＹｅｓの場合、ＪＯＢ優先順位を上げ、課金額を補正する（割増）。

Ｓ４５０：Ｓ４３０がＮｏの場合、ＪＯＢ優先順位を下げ、課金額を補正する（減額）。

次にステップＳ５００では、一定期間経過後、予測値と実測値との誤差分析を行う。

その結果得られた補正値Δｉｎを上記式（１）に代入し、ステップ１１０に戻る。

図９は上記予測データ算出処理（ステップＳ１００）の具体例を示す処理フローチャートである。

図中、まずユーザの人数（Ｎ）分の乱数をそれぞれ発生させる（ステップＳ７１）。

次に初期パラメータＳｉｎｔを設定し（ステップＳ７２）、傾向係数Ｐαを設定する（ステップＳ７３）。

なおステップＳ７２，Ｓ７３中、ＳＩＮは正弦関数ｓｉｎを示す。

次に、このようにして求められた予測パラメータおよび傾向計数を基に、ユーザの各人に対しステップＳ７１で得られた乱数を適用することによりユーザ毎の予測需要量を求め、更にその平均値（平均予測需要量）を求める（ステップＳ７４）。

そしてステップＳ７１〜Ｓ７４の処理を所定時間分繰り返す（ステップＳ７５）。

この例では単位時間を１ヶ月としているため、上記繰り返しの回数は３６回となる。

そしてこのようにして得られた３６ヶ月分の平均予測需要量をプロットする（ステップＳ７６）。

図１０は上記実施例による実測値による修正処理を説明するための処理フローチャートを示す。

この場合、ユーザ人数分の初期パターンＳｉｎｔを求め（ステップＳ８１）、対応するデータベースを作成する（ステップＳ８２）。

ステップＳ８３では、このデータベース化されたユーザ毎の初期パターンＳｉｎｔ、並びにステップＳ８５で求まる所定期間（ｘ時間）後の実測値との差分Ａ−ａから求まる補正値Δｉｎ、その他必要に応じ季節繁忙係数、過去実績からの分析値等による傾向係数Ｐαを上記式（１）に代入してユーザ毎の予測需要量を得る。さらにユーザの人数分の平均（平均予測需要量）を求めた後、上記同様所定期間分に至るまで数式（１）の計算を繰り返す手法等により、平均予測需要量の推移データを得る（ステップＳ８３）。

ここで得られた平均予測需要量の推移データに基づき、図８と共に上述の資源増減の提示あるいは優先順位調整の提示等を行う（ステップＳ８４）。

次に所定期間後に予測値と実測値との比較を行う（ステップＳ８５）。そして上述の如くその比較結果等を加味して計算式（１）の係数を修正して再度平均予測需要量を求める（ステップＳ８３）。

以下ステップＳ８３〜Ｓ８５の処理を繰り返す。

次に図１１〜図１５とともに、本発明の実施例を適用可能なＡＳＰの運用の具体例について説明する。

図１１中、ユーザによるサービス利用実績がその都度実行ログに蓄積され（ステップＳ１５１）、そのログの内容が所定のデータ変換を経て（ステップＳ１５２）、実績ログファイルＦ２に格納される。

他方、後述するマスタファイルＦ１の内容に基づき、前記実績ログファイルＦ２に格納された実績データを集計し（ステップＳ１５４）、集計結果を実績集計ファイルＦ３に格納する。

そしてマスタファイルＦ１の内容に基づき、上記実績集計ファイルＦ３に格納された実績集計データを適用して各ユーザに対する課金レポートを作成する（ステップＳ１５５）。

以下に上記マスタファイル（Ｆ１）の登録内容の具体例を示す。

課金情報─[ディスク、ＣＰＵ，ＩＡランタイム]基本/従量単価、[ＣＰＵ，ＩＡ]基準マシンの性能係数/基準名
ＦＥＡＴＵＲＥ情報（アプリケーションの機能）─ツール名/版数、ＦＥＡＴＵＲＥ名、期限、使用可能数、基本/従量単金、登録日、担当者
リソース申請情報─申請者、部署名、部コード、区分、機種、登録日、担当者、申請量(月毎)
センタサーバ情報─IPアドレス、ホスト名、区分、機種名、単価係数、CPU種別、性能係数、有効日、登録日、担当者、機種識別名
ツール情報─リソースID、ベンダデーモン名、提供状況、ツール名、ツール版数、契約本数、登録日、担当者、ライセンス期限、購入費、保守費、当年度減価償却費、動作環境、機能分類コード、機能概要、有効期間(開始/終了)、ライセンスのみ利用申請対象フラグ
ユーザマシン情報─申請者名、部署名、課金対象グループ、IPアドレス、マシン設置場所、利用期間、状態、許可日、登録日、担当者、申請者ID名、グループ名、ツール名一覧
ツール申請情報─申請者、部署名、部コード、ツール名、版数、区分、登録日、担当者、申請本数(月毎)

次に上記実績ログファイル（Ｆ２）の記録内容の具体例を示す。

ＡＳＰログ(開始日時、終了日時、システム名、機能名、版数、実行ホスト名、ログイン名、プロセスID、実行時間、OS版数、IPアドレス、対象ライセンス本数、拡張情報)
「アプリＷｅｂ化ツール」ログ（ＡＳＰアカウント名、機能名、実行開始日時、実行時間、実行ホスト名)

次に実績集計ファイル（Ｆ３）の格納内容の具体例を示す。

ＣＰＵ使用実績─年度、月度、ASPアカウント、IPアドレス、CPU時間、CPU性能係数、実行回数
ディスク使用実績─年度、月度、ＡＳＰグループ名、ディスク使用量
ホスト使用実績─年度、月度、区分(センタ/ユーザホスト)、IPアドレス、ホスト名、実行時間、実行回数
実行実績──年度、月度、ユーザ名(アカウント)、ＡＳＰグループ名、ツール名、FEATURE名、IPアドレス、ホスト区分、実行時間、実行回数、ＵＮＩＸ／ＰＣ識別
ライセンス使用実績─年度、月度、内部製番、ツール名、ＦＥＡＴＵＲＥ名、同時使用最大ライセンス数、ホスト区分、ＵＮＩＸ／ＰＣ識別（「ＵＮＩＸ」は登録商標）

図１２は図１１のステップＳ１５１の詳細を説明するための図である。

ここでユーザ毎の資源利用予定については予め各ユーザによって申請されているが、実際に利用した実績情報が以下の処理により集計処理される。

ユーザはＡＳＰセンター１０にログインする。そして例えばＣＡＤツールを使う場合、あらかじめ取得され、ライセンスサーバ１２に登録されたライセンスに基づき、センタサーバ１１を介して該当するＣＡＤツールを使用する。

そして使用結果の実行ログがＡＳＰセンター１０内の所定の記録装置に記録される。

この例ではあらかじめ取得されたライセンスはライセンスサーバ１２を介してライセンス管理ログＬ１に登録される。

また、ユーザがセンタサーバ１１に対し該当するツール利用の依頼を行うと、アプリＷｅｂ化ツールログＬ２に対応する実行ログが記録される。

あるいはユーザが自社内のユーザマシン２０上でツールを利用した場合、その実行ログは一旦社内ツール実行ログＬ４として記録され、その内容がＡＳＰセンター１０に転送され、その社内ツール実行ログＬ３として記録される
上記ＡＳＰセンター内の所定の記録装置に記録されるログファイルＬ１，Ｌ２，Ｌ３のうち、ライセンス管理ログＬ１は、ユーザがＡＳＰセンター１０のライセンスサーバ１２にログインしてツールのライセンスを取得し、ツールの実行自体はユーザマシン２０で行った場合に記録されるログである。

また「アプリＷｅｂ化ツール」ログＬ２は、ユーザがＡＳＰセンター１０の装置にログインし、そこにあらかじめインストールしてあるツールを実行した場合に記録されるログである。「アプリＷｅｂ化ツール」はＩＳＶツールをＷｅｂ上から使用するためのツールである。

ＡＳＰセンター１０はこれ以外にもＤＡログＬ３(社内ツールの実行ログ)、社内製「CADアプリＷｅｂ化ツール」ログ等複数の実行ログを有する。

これらの実行ログに実際に記録されるデータの記録形態はそれぞれ記録するツールによって異なる（バイナリ形式他）ため図１３に示す如く、各々を一旦別個に回収し、その中から必要な値のみを取り出して再構成して一定の形式のログに変換する処理を行う（ステップＳ１５２）。この場合各ログの形式はＤＡログ形式に合わせられる（Ｌ２２，Ｌ２３）。

また、ベンダー毎に出力されていたライセンス管理ログＬ１は一つにまとめられ、ＡＳＰログＬ２１としてＤＡログ形式に合わせて出力される（ステップＳ１５２）。

図１１のステップＳ１５３では、図１４に示す如く、ユーザ情報、マシン情報、課金情報などの基礎データを記録したファイルを読み込み、実績集計や課金情報作成の際に利用できるような形式に変換し、マスタファイルＦ１として生成する。

図１１のステップＳ１５４では、ＣＰＵの実行開始時刻、終了時刻、ツールのＦＥＡＴＵＲＥ（アプリケーションの機能)名などを記録した実績ログファイルＦ２と、ツールのＦＥＡＴＵＲＥ名の定義や、ユーザの所属、製番、ログイン名などが記録されたマスタファイルＦ１を読み込んで実績集計処理を行い、実績集計ファイルＬ３（ＣＰＵ実績、ディスク使用実績、ツール使用実績など）を出力する。

図１６は図１〜図４等と共に上述の本発明の実施例による「需要予測およびこれに基づいた資源管理方法」をコンピュータに自動実行させる場合について説明するため、コンピュータの構成例を示すブロック図である。

図１６に示すごとく、同コンピュータ１００は、与えられたプログラムを構成する命令を実行することによって様々な動作を実行するためのＣＰＵ１０１と、キーボード、マウス等よりなりユーザが操作内容又はデータを入力するための操作部１０２と、ユーザにＣＰＵ１０１による処理経過、処理結果等を表示するＣＲＴ、液晶表示器等よりなる表示部１０３と、ＲＯＭ、ＲＡＭ等よりなりＣＰＵ１０４が実行するプログラム、データ等を記憶したり作業領域として使用されるメモリ１０４と，プログラム、データ等を格納するハードディスク装置１０５と、ＣＤ−ＲＯＭ１０７を媒介として外部からプログラムをロードしたりデータをロードするためのＣＤ−ＲＯＭドライブ１０６と、インターネット、ＬＡＮ等の通信網１０９を介して外部サーバからプログラムをダウンロード等するためのモデム１０８とを有する。

同コンピュータ１００はＣＤ−ＲＯＭ１０７を媒介として、あるいは通信網１０９を媒介として、図１〜図４等とともに上述の「需要予測およびこれに基づいた資源管理方法」をＣＰＵ１０１に実行させるための命令よりなるプログラムをロードあるいはダウンロードし、これがハードディスク装置１０５にインストールされ、適宜メモリ１０４にロードされてＣＰＵ１０１に実行される。その結果、同コンピュータ１００により上記「需要予測およびこれに基づいた資源管理方法」が実行される。

したがってこの場合、当該コンピュータが本発明の一実施例による情報処理装置に対応する。

なお上記本発明の実施例において、需要予測の対象となるＡＳＰ保有資源の内容は、ＣＰＵの処理能力、ディスク装置等のストレージ能力、ソフトウェア資源のライセンス数および／又はデータ伝送回線等によるデータ伝送能力である。

本発明は以下の付記の各々に記載の構成をとり得る。
（付記１）
要求に応じてサービスを提供するシステムにおいて、
モンテカルロ法による計算により需要を予測する需要予測ステップと、
前記需要予測ステップにより得られた予測値を実測値と比較して両者の差分を求める実測値比較ステップと、
前記差分を加味して前記需要予測ステップにおいて使用する計算の係数を修正する修正ステップとよりなる情報処理方法。
（付記２）
前記需要予測ステップによる予測値に基づいて前記システムが保有する資源の増減を提示する資源増減提示ステップを更に有することを特徴とする付記１に記載の情報処理方法。
（付記３）
前記需要予測ステップによる予測結果に基づいて要求に応ずる際の条件の修正を提示する要求対応条件修正ステップとよりなる付記１に記載の情報処理方法。
（付記４）
前記需要予測ステップでは、使用する計算式の係数を、システムが保有するＣＰＵの過去の使用実績、システムが保有する格納装置の現在の使用量、システムが保有するソフトウェア資源のライセンスのうちの現在使用中のライセンス数、システムが保有する回線のうち現在使用中の回線数のうちの少なくとも一のデータを加味して決定することを特徴とする付記１に記載の情報処理方法。
（付記５）
前記需要予測ステップは、予測される人数のユーザの一人一人について乱数を発生する乱数発生ステップと、
前記乱数発生ステップで求められた乱数に基づいて各ユーザについて予測需要量を求める予測需要量取得ステップと、
前記予測需要量取得ステップで求められたユーザ毎の予測需要量を前記予測されるユーザの人数分平均することにより平均予測需要量を得る平均予測需要量取得ステップとよりなり、前記乱数発生ステップ、予測需要取得ステップおよび平均需要量取得ステップを所定時間分繰り返すことで所定時間分の需要予測を得ることを特徴とする付記１に記載の情報処理方法。
（付記６）
要求に応じてサービスを提供するシステムにおいて、
モンテカルロ法による計算により需要を予測する需要予測手段と、
前記需要予測手段により得られた予測値を実測値と比較して両者の差分を求める実測値比較手段と、
前記差分を加味して前記需要予測手段において使用する計算式の係数を修正する修正手段とよりなる情報処理装置。
（付記７）
前記需要予測手段による予測値に基づいて前記システムが保有する資源の増減を提示する資源増減提示手段を更に有することを特徴とする付記６に記載の情報処理装置。
（付記８）
前記需要予測手段による予測結果に基づいて要求に応ずる際の条件の修正を提示する要求対応条件修正手段とよりなる付記６に記載の情報処理装置。
（付記９）
前記需要予測手段は、使用する計算式の係数を、システムが保有するＣＰＵの過去の使用実績、システムが保有する格納装置の現在の使用量、システムが保有するソフトウェア資源のライセンスのうちの現在使用中のライセンス数、システムが保有する回線のうち現在使用中の回線数のうちの少なくとも一のデータを加味して決定することを特徴とする付記６に記載の情報処理装置。
（付記１０）
前記需要予測手段は、予測される人数のユーザの一人一人について乱数を発生する乱数発生手段と、
前記乱数発生手段で求められた乱数に基づいて各ユーザについて予測需要量を求める予測需要量取得手段と、
前記予測需要量取得手段で求められたユーザ毎の予測需要量を前記予測されるユーザ数分平均して平均予測需要量を求める平均予測需要量取得手段とよりなり、前記乱数発生手段による乱数の発生、、予測需要取得手段によるユーザ毎の予測需要量の取得および平均予測需要量取得手段による平均予測需要量の取得の各処理を所定時間分繰り返すことで所定時間分の平均予測需要量を得ることを特徴とする付記６に記載の情報処理装置。
（付記１１）
要求に応じてサービスを提供するシステムに適用されるプログラムであって、
モンテカルロ法による計算により需要を予測する需要予測ステップと、
前記需要予測ステップにより得られた予測値を実測値と比較して両者の差分を求める実測値比較ステップと、
前記差分を加味して前記需要予測ステップにおいて使用する計算式の係数を修正する修正ステップとをコンピュータに実行させるための命令よりなるプログラム。
（付記１２）
前記需要予測ステップによる予測値に基づいて前記システムが保有する資源の増減を提示する資源増減提示ステップをコンピュータに実行させるための命令を更に有する付記１１に記載のプログラム。
（付記１３）
前記需要予測ステップによる予測結果に基づいて要求に応ずる際の条件の修正を提示する要求対応条件修正ステップをコンピュータに実行させるための命令を更に有する付記１１に記載のプログラム。
（付記１４）
前記需要予測ステップでは、使用する計算式の係数を、システムが保有するＣＰＵの過去の使用実績、システムが保有する格納装置の現在の使用量、システムが保有するソフトウェア資源のライセンスのうちの現在使用中のライセンス数、システムが保有する回線のうち現在使用中の回線数のうちの少なくとも一のデータを加味して決定する構成とされてなる付記１１に記載のプログラム。
（付記１５）
前記需要予測ステップは、予測される人数のユーザの一人一人について乱数を発生する乱数発生ステップと、
前記乱数発生ステップで求められた乱数に基づいて当該ユーザについて予測需要量を求める予測需要量取得ステップと、
前記予測需要量取得ステップで求められたユーザ毎の予測需要量を前記予測されるユーザ数分平均することにより平均予測需要量を得る平均予測需要量取得ステップとよりなり、
前記乱数発生ステップ、予測需要取得ステップおよび平均需要量取得ステップを所定時間分繰り返すことで所定時間分の需要予測を得るステップをコンピュータに実行させるための命令を更に有する付記１１に記載のプログラム。

本発明の実施例による情報処理方法の基本的な処理の流れを示す処理フローチャートである。 図１中、需要予測処理の内容を示す処理フローチャートである。 図１中、実測値との比較処理について説明するための図である。 図２中、平均予測需要量を求める過程を示す処理フローチャートである。 本発明の実施例に適用可能な情報処理資源の概念を説明するための図である。 本発明の実施例に適用可能な修正モンテカルロ法の概念を説明するための図である。 本発明の変形例による情報処理方法の概要を説明するための処理フローチャートである。 本発明の実施例による情報処理方法の詳細を説明するための処理フローチャートである。 予測データ算出処理の詳細な構成例を説明するための処理フローチャートである。 実測値による修正処理の詳細な構成例を説明するための処理フローチャートである。 本発明の実施例の更に具体的な構成例を説明するための図である。 図１１中、実績取得処理について詳細に説明するための図である。 図１１中、ログ形式変換処理について詳細に説明するための図である。 図１１中、ファイル生成処理について詳細に説明するための図である。 図１１中、実績集計処理について詳細に説明するための図である。 本発明の実施例をコンピュータで実現する場合について説明するためのコンピュータの構成例を示す図である。

符号の説明

１０ ＡＳＰセンター
１１ センタサーバ
１２ ライセンスサーバ
２０ ユーザマシン

Claims (5)

1. 要求に応じてサービスを提供するシステムにおいて、
   モンテカルロ法による計算により需要を予測する需要予測ステップと、
   前記需要予測ステップにより得られた予測値を実測値と比較して両者の差分を求める実測値比較ステップと、
   前記差分を加味して前記需要予測ステップにおいて使用する計算式の係数を修正する修正ステップとよりなる情報処理方法。
2. 前記需要予測ステップによる予測値に基づいて前記システムが保有する資源の増減を提示する資源増減提示ステップを更に有することを特徴とする請求項１に記載の情報処理方法。
3. 前記需要予測ステップによる予測結果に基づいて要求に応ずる際の条件の修正を提示する要求対応条件修正ステップとよりなる請求項１又は２に記載の情報処理方法。
4. 要求に応じてサービスを提供するシステムにおいて、
   モンテカルロ法による計算により需要を予測する需要予測手段と、
   前記需要予測手段により得られた予測値を実測値と比較して両者の差分を求める実測値比較手段と、
   前記差分を加味して前記需要予測手段において使用する計算式の係数を修正する修正手段とよりなる情報処理装置。
5. 要求に応じてサービスを提供するシステムに適用されるプログラムであって、
   モンテカルロ法による計算により需要を予測する需要予測ステップと、
   前記需要予測ステップにより得られた予測値を実測値と比較して両者の差分を求める実測値比較ステップと、
   前記差分を加味して前記需要予測ステップにおいて使用する計算式の係数を修正する修正ステップとをコンピュータに実行させるための命令よりなるプログラム。

Images