KR20160114666A

KR20160114666A - Monitoring device, monitoring method, and program

Info

Publication number: KR20160114666A
Application number: KR1020167023568A
Authority: KR
Inventors: 노부유키 오와리
Original assignee: 미츠비시 쥬고우 메카토로시스테무즈 가부시키가이샤
Priority date: 2014-02-28
Filing date: 2015-02-27
Publication date: 2016-10-05
Also published as: JP6207078B2; JP2015164005A; KR101858377B1; MY183857A; WO2015129879A1

Abstract

하나 이상의 구성 기기를 가지는 시스템을 감시하는 감시 장치(1)는, 구성 기기(2A, 2B, …)가 출력하는 로그 정보를 취득하는 로그 정보 취득부(10)와, 로그 정보에 근거하여 복수 종류의 수치로 이루어지는 특징 벡터를 추출하는 특징 벡터 추출부(11)와, 상기 시스템에서 발생한 장해에 대한 장해 정보의 입력을 접수하는 장해 정보 입력부(13)와, 장해의 발생의 소정 시간 전부터 당해 장해의 발생시까지 취득되어 있던 로그 정보에 근거하여 추출된 장해시 특징 벡터와, 당해 장해에 대한 장해 정보를 관련지어 기억하는 장해 정보 처리부(14)와, 시스템의 통상 가동시에 취득되는 로그 정보에 근거하여 추출된 통상시 특징 벡터가, 장해시 특징 벡터 중 어느 것에 유사한지의 판단에 근거하여, 시스템에서 발생하는 장해를 예측하는 장해 예측부를 구비한다.The monitoring device 1 for monitoring a system having one or more component devices includes a log information acquisition section 10 for acquiring log information outputted by the component devices 2A, 2B, ..., A feature vector extracting unit 11 for extracting a feature vector having a numerical value of a predetermined number of times, a fault information inputting unit 13 for receiving an input of fault information about a fault occurring in the system, A failure information processing unit (14) for storing the failure feature vector extracted based on the log information acquired until the occurrence of the failure and the failure information for the failure in association with each other, based on the log information acquired at the time of normal operation of the system And a failure predicting unit for predicting a failure occurring in the system based on a determination as to which of the feature vectors at the time of failure is similar to the extracted normal-time feature vector.

Description

[0001] MONITORING DEVICE, MONITORING METHOD, AND PROGRAM [0002]

본 발명은 감시 장치, 감시 방법 및 프로그램에 관한 것이다.The present invention relates to a monitoring apparatus, a monitoring method, and a program.

본원은 2014년 2월 28일에, 일본에 출원된 특허 출원 제2014-039394호에 근거하여 우선권을 주장하고, 그 내용을 여기에 원용한다.The present application claims priority based on Japanese Patent Application No. 2014-039394 filed on Feb. 28, 2014, the content of which is hereby incorporated by reference.

최근의 사회 인프라 시스템은, 복수의 구성 기기가 서로 정보를 송수신하면서 제휴함으로써 여러 기능을 발휘하는 형태가 일반화되고, 시스템 전체로서의 기능의 고도화 및 구성의 복잡화가 진행되고 있다. 이에 따라, 당해 시스템의 보수, 수선 작업에서도 점검 항목의 증가나 고도화, 복잡화가 진행되어, 운영자의 부담을 증대시키고 있다. 또, 보수, 수선 작업에 필요한 시간이 증가함으로써, 시스템 전체의 가동률을 저하시키는 요인으로도 되어 있다.In recent social infrastructure systems, a form in which a plurality of constituent devices mutually communicate with each other to exhibit various functions by being associated with each other is generalized, and the functions of the whole system as a whole are becoming more complicated and more complicated. As a result, the number of items to be inspected is increased, upgraded and complicated even in the repair and repair work of the system, thereby increasing the burden on the operator. In addition, since the time required for the repair and repair work is increased, the operation rate of the entire system is lowered.

한편, 소정의 기기는, 자기가 행한 처리의 내용이나 그 일시 등을 로그 정보로서 기록하고, 축적하는 기능을 구비하고 있다. 당해 기기의 보수 작업원 등은, 예를 들면 당해 기기의 처리에 장해가 발생했을 때, 그 로그 정보를 참조하여 분석함으로써, 장해의 원인이나 대책을 특정하고 있다.On the other hand, a predetermined device has a function of recording and storing the contents of the process performed by the device, its date and time, and the like as log information. The repair worker or the like of the apparatus specifies the causes and countermeasures of the trouble by analyzing the log information when an obstacle occurs in the processing of the apparatus, for example.

또한, 임의의 기기의 가동 상황을 나타내는 특정의 수치(예를 들면, 임의의 검지 신호의 단위 시간당의 통신 횟수나 통신 리트라이 횟수 등)의 변동 경향과, 과거에 발생한 고장(장해)을 관련지어 기억함과 아울러, 가동 중에 있어 로그 정보로서 기록되는 당해 수치의 변동을 감시함으로써 고장의 전조를 검출해서, 고장 발생을 예측하는 기술이 고안되어 있다(예를 들면, 특허문헌 1 참조).It is also possible to associate a fluctuation tendency of a specific numerical value indicative of the operation state of an arbitrary device (for example, the number of times of communication of a certain detection signal per unit time or the number of communication retries) with a failure In addition to this, a technology for detecting the occurrence of a failure by monitoring the variation of the numerical value recorded as log information during operation, and for predicting the occurrence of a failure has been devised (see, for example, Patent Document 1).

이러한 감시 방법에 의하면, 장해의 발생을 사전에 예측할 수 있어, 장해 발생 전에 대책을 강구할 수 있기 때문에, 보수 작업원 등의 부담을 경감함과 아울러 기기의 가동률을 향상시킬 수 있다.According to such a monitoring method, the occurrence of an obstacle can be predicted in advance, and a countermeasure can be taken before the occurrence of an obstacle. Therefore, the burden of a maintenance worker can be reduced and the operation rate of the apparatus can be improved.

특허문헌 1: 일본 특허 공개 제2012-147049호 공보Patent Document 1: Japanese Patent Application Laid-Open No. 147049/1992

그러나, 상술한 바와 같이 기능 구성의 고도화, 복잡화가 진행된 사회 인프라 시스템에서는, 당해 시스템에서 발생할 수 있는 장해도 다양화되어 있다. 이 때문에, 로그 정보에서의 특정의 수치만을 추적하는 것만으로는 장해의 실태를 정확하게 파악하는 것이 어렵다.However, in the social infrastructure system in which the function configuration is advanced and complicated as described above, the obstacles that may occur in the system are also diversified. For this reason, it is difficult to accurately grasp the actual condition of the fault merely by tracking only the specific numerical value in the log information.

한편, 시스템의 구성 기기의 수 및 각각의 사이에서 송수신되는 정보량이 증가하고, 이에 따라 각각의 구성 기기에서 기록되는 로그 정보도 방대한 것으로 되어 있다. 이러한 방대한 로그 정보 중에서 장해의 실태를 정밀도 좋게 파악하는데 필요한 수치를 개별적으로 추출하면서 장해의 해석을 행하는 것은 현실적이지 않다.On the other hand, the number of constituent devices of the system and the amount of information transmitted and received between them increase, and thus the log information recorded in each constituent device is enormous. It is not realistic to analyze the disturbance while individually extracting the numerical values necessary for precisely grasping the actual condition of the obstacle among these vast log information.

본 발명은, 처리나 구성이 복잡한 시스템에서도, 당해 시스템에서 발생하는 장해를 정밀도 좋게 예측할 수 있는 감시 장치, 감시 방법 및 프로그램을 제공한다.The present invention provides a monitoring apparatus, a monitoring method, and a program capable of predicting a failure occurring in the system with high accuracy even in a system having complicated processing or configuration.

본 발명의 제 1 형태에 따른 감시 장치는, 적어도 하나의 구성 기기를 가지는 시스템을 감시하는 감시 장치로서, 상기 구성 기기가 출력하는 로그 정보를 취득하는 로그 정보 취득부와, 상기 로그 정보에 근거하여 복수 종류의 수치로 이루어지는 특징 벡터를 추출하는 특징 벡터 추출부와, 상기 시스템에서 발생한 장해에 대한 장해 정보의 입력을 접수하는 장해 정보 입력부와, 상기 특징 벡터 중 상기 장해의 발생의 소정 시간 전부터 당해 장해의 발생시까지 취득되어 있던 로그 정보에 근거하여 추출된 장해시 특징 벡터와, 당해 장해에 대한 장해 정보를 관련지어 기억하는 장해 정보 처리부와, 상기 특징 벡터 중 상기 시스템의 통상 가동시에 취득되는 로그 정보에 근거하여 추출된 통상시 특징 벡터가, 상기 장해시 특징 벡터 중 어느 것에 유사한지의 판단에 근거해서, 상기 시스템에서 발생하는 장해를 예측하는 장해 예측부를 구비한다.A monitoring apparatus according to a first aspect of the present invention is a monitoring apparatus for monitoring a system having at least one component apparatus, the monitoring apparatus comprising: a log information acquisition unit for acquiring log information outputted by the component apparatus; A feature vector extracting unit that extracts a feature vector composed of a plurality of kinds of numerical values; a failure information input unit that receives an input of failure information about a failure occurring in the system; A failure information processing unit for storing the failure feature vector extracted based on the log information acquired until the generation of the failure information and the failure information for the failure in association with each other; Is similar to any of the above failure feature vectors Based on the determination, and a failure prediction unit for predicting a failure occurring in the system.

또한, 본 발명의 제 2 형태는, 제 1 형태에 따른 감시 장치에 있어서, 상기 장해 예측부가, 상기 통상시 특징 벡터 및 상기 장해시 특징 벡터에 포함되는 수치의 각각의 차(差)로부터 산출되는 상위도(相違度)를 산출하고, 당해 상위도에 근거하여, 상기 통상시 특징 벡터가 상기 장해시 특징 벡터 중 어느 것에 유사한지를 판단한다.In a second aspect of the present invention, in the monitoring apparatus according to the first aspect, the failure predicting section is calculated from each difference (difference) between the normal state feature vector and the numerical value included in the failure feature vector And determines based on the degree of similarity, the normal feature vector is similar to the failure feature vector.

또한, 본 발명의 제 3 형태는, 제 1 또는 제 2 형태에 따른 감시 장치에 있어서, 상기 장해 예측부가, 가상 공간 내에서, 상기 특징 벡터에 포함되는 수치에 의해 일의적으로 정해지는 중심 위치의 비교에 근거하여, 상기 통상시 특징 벡터가 상기 장해시 특징 벡터 중 어느 것에 유사한지를 판단한다.In a third aspect of the present invention, in the monitoring apparatus according to the first or second aspect, the failure predicting unit calculates, in a virtual space, a center position uniquely determined by a numerical value contained in the feature vector Based on the comparison, it is judged which of the failure feature vectors is similar to the normal feature vector.

또한, 본 발명의 제 4 형태는, 제 1 내지 제 3 형태 중 어느 하나의 형태에 따른 감시 장치에 있어서, 상기 장해 예측부가, 상기 특징 벡터에 포함되는 수치 중 특정의 장해와 관련성이 높은 특징값끼리의 비교에 근거하여, 상기 통상시 특징 벡터가 상기 장해시 특징 벡터 중 어느 것에 유사한지를 판단한다.In a fourth aspect of the present invention, in the monitoring apparatus according to any one of the first to third aspects, the failure predicting unit may calculate a characteristic value having a high relevance to a specific failure among numerical values included in the characteristic vector Based on the comparison between the normal feature vectors, determines which of the failure feature vectors is similar to the normal feature vector.

또한, 본 발명의 제 5 형태는, 제 1 내지 제 4 형태 중 어느 하나의 형태에 따른 감시 장치에 있어서, 복수의 통상시 특징 벡터에 포함되는 수치마다의 평균값으로 이루어지는 평균 특징 벡터를 산출하는 평균 특징 벡터 산출부를 구비하고, 상기 장해 예측부는, 상기 통상시 특징 벡터가 상기 장해시 특징 벡터보다 상기 평균 특징 벡터에 유사하다고 판단한 경우에, 상기 시스템은 건전하게 가동하고 있다고 판정한다.In a fifth aspect of the present invention, in the monitoring apparatus according to any one of the first to fourth aspects, the average of the average feature vectors, which are the average values of the values included in the plurality of normal feature vectors, And the obstacle predicting section determines that the system is soundly operating when it determines that the normal feature vector is more similar to the average feature vector than the failure feature vector.

또한, 본 발명의 제 6 형태는, 제 5 형태에 따른 감시 장치에 있어서, 상기 장해 예측부가, 상기 통상시 특징 벡터가 상기 장해시 특징 벡터 또는 상기 평균 특징 벡터 중 어느 것에도 유사하지 않다고 판단한 경우에, 상기 시스템에서 미지의 장해의 전조가 있다고 판정한다.The sixth aspect of the present invention is the monitoring apparatus according to the fifth aspect, wherein when the failure predicting unit determines that the normal feature vector is not similar to either the failure feature vector or the average feature vector , It is determined that the system has a history of an unknown failure.

또한, 본 발명의 제 7 형태는, 제 1 내지 제 6 형태 중 어느 하나의 형태에 따른 감시 장치에 있어서, 상기 시스템이, 상기 구성 기기를 2개 이상 갖고, 상기 특징 벡터 추출부는, 2개 이상의 상기 구성 기기의 사이에서 행해지는 처리를 나타내는 로그 정보에 근거하여 상기 특징 벡터를 추출한다.A seventh aspect of the present invention is the monitoring apparatus according to any one of the first to sixth aspects, wherein the system has two or more constituent devices, and the feature vector extracting section has two or more And extracts the feature vector based on log information indicating a process performed between the constituent devices.

또한, 본 발명의 제 8 형태는, 제 1 내지 제 7 형태 중 어느 하나의 형태에 따른 감시 장치에 있어서, 상기 특징 벡터를 구성하는 수치의 종별의 지정을 접수하는 수치 지정 접수부를 구비하고, 상기 특징 벡터 추출부는, 당해 지정을 접수했을 때에, 당해 지정된 종별의 수치를 포함하는 특징 벡터를, 상기 로그 정보로부터 재추출한다.The eighth aspect of the present invention is the monitoring device according to any one of the first to seventh aspects, further comprising: a numeric designation accepting section for accepting designation of a numerical value constituting the characteristic vector, The feature vector extracting unit re-extracts, from the log information, the feature vector including the numerical value of the designated category when the specification is accepted.

또한, 본 발명의 제 9 형태에 따른 감시 방법은, 적어도 하나의 구성 기기를 가지는 시스템의 감시 방법으로서, 로그 정보 취득부가, 상기 구성 기기가 출력하는 로그 정보의 입력을 접수하고, 특징 벡터 추출부가, 상기 로그 정보에 근거하여 복수 종류의 수치로 이루어지는 특징 벡터를 추출하고, 장해 정보 입력부가, 상기 시스템에서 발생한 장해에 대한 장해 정보의 입력을 접수하고, 장해 정보 처리부가, 상기 특징 벡터 중 상기 장해의 발생의 소정 시간 전부터 당해 장해의 발생시까지 취득되고 있던 로그 정보에 근거해서 추출된 장해시 특징 벡터와 당해 장해에 대한 장해 정보를 관련지어 기억하고, 장해 예측부가, 상기 특징 벡터 중 상기 시스템의 통상 가동시에 취득되는 로그 정보에 근거하여 추출된 통상시 특징 벡터가, 상기 장해시 특징 벡터 중 어느 것에 유사한지의 판단에 근거하여, 상기 시스템에서 발생하는 장해를 예측한다.A monitoring method according to a ninth aspect of the present invention is a monitoring method of a system having at least one component device, wherein the log information acquisition unit receives input of log information outputted by the component device, And extracts a feature vector composed of a plurality of types of numerical values based on the log information, receives a failure information input unit, input of failure information on a failure occurring in the system, and the failure information processing unit, The failure prediction unit compares the extracted failure feature vector extracted from the log information acquired before the occurrence of the failure until a predetermined time before occurrence of the failure and the failure information for the failure, The normal feature vector extracted based on the log information acquired at the time of operation is the failure feature vector Based on a judgment as to whether the system is similar to any of the above-mentioned systems.

또한, 본 발명의 제 10 형태에 따른 프로그램은, 적어도 하나의 구성 기기를 가지는 시스템을 감시하는 감시 장치의 컴퓨터를, 상기 구성 기기가 출력하는 로그 정보의 입력을 접수하는 로그 정보 입력 수단, 상기 로그 정보에 근거하여 복수 종류의 수치로 이루어지는 특징 벡터를 추출하는 특징 벡터 추출 수단, 상기 시스템에서 발생한 장해에 대한 장해 정보의 입력을 접수하는 장해 정보 입력 수단, 상기 특징 벡터 중 상기 장해의 발생의 소정 시간 전부터 당해 장해의 발생시까지 취득되고 있던 로그 정보에 근거해서 추출된 장해시 특징 벡터와 당해 장해에 대한 장해 정보를 관련지어 기억하는 장해 정보 처리 수단, 상기 특징 벡터 중 상기 시스템의 통상 가동시에 취득되는 로그 정보에 근거하여 추출된 통상시 특징 벡터가, 상기 장해시 특징 벡터 중 어느 것에 유사한지의 판단에 근거해서, 상기 시스템에서 발생하는 장해를 예측하는 장해 예측 수단으로서 기능시킨다.A program according to a tenth aspect of the present invention is a program for causing a computer of a monitoring apparatus for monitoring a system having at least one component device to function as log information input means for accepting input of log information outputted by the component device, A feature vector extracting unit that extracts a feature vector composed of a plurality of types of numerical values based on the information, a trouble information input unit that receives an input of trouble information about a trouble that has occurred in the system, A failure information processing means for storing the failure vector extracted based on the log information acquired until the occurrence of the failure before and the failure information for the failure in association with each other; The normal feature vector extracted based on the log information is the feature vector Based on the determination as to which of the two or more of them is similar to each other.

상기한 감시 장치, 감시 방법 및 프로그램에 의하면, 처리나 구성이 복잡한 시스템에서도, 당해 시스템에서 발생하는 장해를 정밀도 좋게 예측할 수 있다.According to the above-described monitoring apparatus, monitoring method, and program, it is possible to accurately predict a failure occurring in the system even in a system having complicated processing or configuration.

도 1은 제 1 실시 형태에 따른 감시 장치의 기능 구성을 나타내는 도면이다.
도 2는 제 1 실시 형태에 따른 특징 벡터 추출부의 처리의 예를 설명하는 도면이다.
도 3은 제 1 실시 형태에 따른 장해 정보 처리부의 기능을 설명하는 도면이다.
도 4는 제 1 실시 형태에 따른 장해 예측부의 기능을 설명하는 도면이다.
도 5는 제 1 실시 형태에 따른 장해 예측부에 있어서의 유사 여부 판단의 예를 설명하는 도면이다.
도 6은 제 1 실시 형태에 따른 장해 예측부의 처리 플로우를 나타내는 흐름도이다.
도 7은 제 2 실시 형태에 따른 감시 장치가 감시 대상으로 하는 과금 수수 시스템의 구성을 나타내는 도면이다.
도 8은 제 2 실시 형태에 따른 특징 벡터 추출부의 처리의 예를 설명하는 도면이다.
도 9는 제 2 실시 형태에 따른 장해 정보 데이터베이스에 축적되어 있는 장해 정보의 예를 나타내는 도면이다.
도 10은 제 2 실시 형태에 따른 로그 정보 데이터베이스에 축적되어 있는 특징 벡터의 예를 나타내는 도면이다.
도 11은 제 2 실시 형태에 따른 장해 예측부에 있어서의 유사 여부 판단의 예를 설명하는 도면이다.
도 12는 제 2 실시 형태의 변형예에 따른 장해 예측부에 있어서의 유사 여부 판단의 예를 설명하는 도면이다.
도 13은 제 2 실시 형태의 변형예에 따른 장해 예측부에 있어서의 통지 처리의 예를 설명하는 도면이다.1 is a diagram showing a functional configuration of a monitoring apparatus according to the first embodiment.
2 is a diagram for explaining an example of the processing of the feature vector extracting unit according to the first embodiment.
3 is a diagram for explaining the function of the failure information processing unit according to the first embodiment.
4 is a view for explaining the function of the failure predicting unit according to the first embodiment.
FIG. 5 is a diagram for explaining an example of determination of similarity in the failure predicting unit according to the first embodiment. FIG.
6 is a flowchart showing the processing flow of the failure predicting unit according to the first embodiment.
7 is a diagram showing a configuration of a billing / receiving system to be monitored by the monitoring apparatus according to the second embodiment.
8 is a diagram for explaining an example of the processing of the feature vector extracting unit according to the second embodiment.
9 is a diagram showing an example of the fault information accumulated in the fault information database according to the second embodiment.
10 is a diagram showing an example of a feature vector stored in the log information database according to the second embodiment.
11 is a diagram for explaining an example of determination of similarity in the failure predicting unit according to the second embodiment.
12 is a diagram for explaining an example of determination of similarity in a failure predicting unit according to a modification of the second embodiment.
13 is a diagram for explaining an example of a notification process in the failure predicting unit according to a modification of the second embodiment.

<제 1 실시 형태>&Lt; First Embodiment >

이하, 제 1 실시 형태에 따른 감시 장치를, 도면을 참조하여 설명한다.Hereinafter, a monitoring apparatus according to the first embodiment will be described with reference to the drawings.

도 1은 제 1 실시 형태에 따른 감시 장치의 기능 구성을 나타내는 도면이다.1 is a diagram showing a functional configuration of a monitoring apparatus according to the first embodiment.

본 실시 형태에 따른 감시 장치(1)는, 예로서 유료 도로 등에 마련되는 과금 수수 시스템을 감시하는 경우를 설명한다.The monitoring apparatus 1 according to the present embodiment explains, for example, a case of monitoring a billing / delivery system provided on a toll road or the like.

도 1에 나타내는 바와 같이, 과금 수수 시스템(2)은 복수의 구성 기기(2A, 2B, 2C, …)를 가지고 있다. 복수의 구성 기기(2A, 2B, …)는, 예를 들면, 과금 수수 기계, 차량 분리기, 발진 제어기, 혹은 전자 과금 수수 시스템(ETC: Electronic Toll Collection(등록 상표))을 구성하는 무선 통신 장치나 차선(車線) 서버 등이다. 구성 기기(2A, 2B, …)는 서로 정보의 송수신을 행하면서 각각이 연계하여 동작한다.As shown in Fig. 1, the billing / delivering system 2 has a plurality of constituent devices 2A, 2B, 2C, .... The plurality of constituent devices 2A, 2B, ... may be, for example, a wireless communication device constituting a billing machine, a vehicle separator, an oscillation controller, or an electronic toll collecting system (ETC) And a lane server. The constituent devices 2A, 2B, ... operate in conjunction with each other while exchanging information with each other.

예를 들면, 차량 분리기에 의해 차량의 진입이 검지되면, 당해 검지 정보에 근거하여, 과금 수수 기계가 통행권을 발행한다. 또한, 당해 과금 수수 기계에서 통행권이 취득되었던 것이 검지되면, 당해 검지 정보에 근거하여, 발진 제어기의 개폐 바가 열린다. 이와 같이, 과금 수수 시스템은 여러 장치가 실시간으로 정보 통신을 행하면서 서로의 처리 동작을 연계한다. 또한, 각 구성 기기(2A, 2B, …)는, 각각이 실시하는 처리나 정보의 송수신의 일시 및 그 내용을 로그 정보로서 정상적으로 기록하고, 축적하고 있다.For example, when the entrance of the vehicle is detected by the vehicle separator, the billing machine issues the passport based on the detection information. Further, when it is detected that the passing right has been acquired in the billing and delivery machine, an opening / closing bar of the oscillation controller is opened based on the detection information. As described above, the billing-receiving system links various processing operations while various devices perform information communication in real time. In addition, each of the component devices 2A, 2B, ... normally records and accumulates the date and time of transmission and reception of each process and information, and the contents thereof as log information.

후술하는 바와 같이, 본 실시 형태에 따른 감시 장치(1)는, 과금 수수 시스템(2)을 감시의 대상으로 하고, 각 구성 기기(2A, 2B, …)가 기록하는 로그 정보를 취득한다. 본 실시 형태에 따른 감시 장치(1)는, 동일한 구성 기기로 이루어지는 복수의 과금 수수 시스템(2)이 설치된 요금소에 마련되고, 그 각각으로부터 로그 정보를 취득하고, 해당 복수의 과금 수수 시스템(2)마다, 로그 정보에 근거하는 감시 처리를 행한다.As will be described later, the monitoring apparatus 1 according to the present embodiment takes the billing / receiving system 2 as an object of monitoring, and acquires log information recorded by each of the constituent devices 2A, 2B, .... The monitoring apparatus 1 according to the present embodiment is provided in a tollgate where a plurality of billing / receiving systems 2 each composed of the same constituent equipments are installed, acquires log information from each of them, A monitoring process based on the log information is performed.

본 실시 형태에 따른 감시 장치(1)는, 로그 정보 취득부(10), 특징 벡터 추출부(11), 로그 정보 데이터베이스(DB)(12), 장해 정보 입력부(13), 장해 정보 처리부(14), 장해 정보 데이터베이스(DB)(15) 및 장해 예측부(16)를 구비하고 있다.The monitoring apparatus 1 according to the present embodiment includes a log information acquisition unit 10, a feature vector extraction unit 11, a log information database (DB) 12, a fault information input unit 13, a fault information processing unit 14 ), A fault information database (DB) 15, and a fault predicting section 16.

도 1에 나타내는 바와 같이, 로그 정보 취득부(10)는, 과금 수수 시스템(2)의 가동 중에 있어 각 구성 기기(2A, 2B, …)가 출력하는 로그 정보를 취득한다. 여기서, 구성 기기(2A, 2B, …)의 각각이 출력하는 로그 정보란, 구체적으로는 구성 기기(2A, 2B, …) 각각의 처리나 다른 구성 기기와의 통신이 행해질 때에 그 내용 및 일시 등이 부호화된 문자 정보(텍스트 데이터) 또는 수치 정보(바이너리 데이터)이다. 로그 정보 취득부(10)는 이러한 문자 정보로서 출력되는 로그 정보를 구성 기기(2A, 2B, …)로부터 순차적으로 접수한다.As shown in Fig. 1, the log information acquisition unit 10 acquires log information outputted by each of the component devices 2A, 2B, ... during the operation of the billing system 2. The log information outputted by each of the constituent devices 2A, 2B, ... refers specifically to the processing of each of the constituent devices 2A, 2B, ... and the contents and the date and time when communication with other constituent devices is performed (Text data) or numerical information (binary data). The log information acquisition unit 10 sequentially receives the log information output as the character information from the configuration devices 2A, 2B, ....

과금 수수 시스템(2)이 복수 존재하는 경우는, 취득한 로그 정보를, 각 과금 수수 시스템(2)을 식별하는 식별 정보와 관련짓는 처리를 행해도 좋다. 취득하는 로그 정보를 과금 수수 시스템(2)마다 식별함으로써, 감시 장치(1)는 복수의 과금 수수 시스템(2) 각각에 대해 동시 병렬적으로 감시 처리를 행할 수 있다.When there are a plurality of the bill transfer systems 2, the processing may be performed to associate the acquired log information with the identification information that identifies each of the bill transfer systems 2. By identifying the log information to be acquired for each billing reception system 2, the monitoring device 1 can perform monitoring processing for each of the plurality of billing reception systems 2 in parallel at the same time.

특징 벡터 추출부(11)는, 로그 정보 취득부(10)가 취득한 로그 정보에 근거하여, 과금 수수 시스템(2)의 가동 상황을 나타내는 복수 종류의 수치(특징량)의 조합으로 이루어지는 특징 벡터를 추출한다.The feature vector extracting unit 11 extracts a feature vector consisting of a combination of a plurality of types of numerical values (feature quantities) indicating the operation state of the billing / delivering system 2 based on the log information acquired by the log information acquiring unit 10 .

예를 들면, 특징 벡터 추출부(11)는, 로그 정보 중, 임의의 구성 기기 사이에서 행해진 특정의 통신 처리 c에 대한 기록을 추출하고, 소정의 기간(예를 들면, 최근의 일주일간) 중에 발생한 당해 특정의 통신 처리 c에서의 통신 리트라이 횟수나 통신 데이터량을 수치로서 취득한다.For example, the feature vector extracting unit 11 extracts a record of a specific communication process c performed among arbitrary components among log information, and extracts the record of the specific communication process c during a predetermined period (for example, The number of communication retries and the amount of communication data in the specific communication processing c that have occurred are obtained as numerical values.

또, 특징 벡터 추출부(11)는, 각각의 수치를, 당해 수치마다 정해지는 평균값이나 표준 편차 등에 근거하여 정규화하는 처리를 행한다. 이렇게 함으로써, 다른 종류의 수치의 대소나 증감을 동일한 척도로 표현할 수 있다. 특징 벡터 추출부(11)는 로그 정보 및 그 로그 정보로부터 추출한 특징 벡터를 로그 정보 데이터베이스(12)에 기억하여 축적한다.In addition, the feature vector extracting unit 11 performs a process of normalizing each numerical value based on an average value, a standard deviation, and the like determined for each numerical value. By doing this, you can express the magnitude, the magnitude, and the increase / decrease of other kinds of numerical values on the same scale. The feature vector extracting unit 11 stores log information and feature vectors extracted from the log information in the log information database 12 and accumulates them.

또한, 본 실시 형태에 따른 특징 벡터 추출부(11)는, 과금 수수 시스템(2)의 통상 가동시에 있어서의 복수의 로그 정보로부터 평균 특징 벡터를 산출하는 평균 특징 벡터 산출부(110)를 구비하고 있다. 이 평균 특징 벡터 산출부(110)에 대해서는 후술한다.The feature vector extracting unit 11 according to the present embodiment includes an average feature vector calculating unit 110 for calculating an average feature vector from a plurality of pieces of log information at the time of normal operation of the billing / . The average feature vector calculating unit 110 will be described later.

상술한 변형예로서, 특징 벡터 추출부(11)는, 로그 정보에 기록된 정보 이외의 정보, 예를 들면, 기후나 온도, 습도 등의 입력을 접수하여도 좋다. 그리고, 특징 벡터 추출부(11)는, 로그 정보에 근거하는 특징 벡터의 추출에 있어, 당해 온도나 습도의 의존성이 높은 수치에 대해 수치의 보정을 행하는 보정부를 구비하고 있어도 좋다.As a modification described above, the feature vector extracting unit 11 may receive information other than the information recorded in the log information, for example, input of the climate, temperature, humidity, and the like. The feature vector extracting unit 11 may be provided with a correcting unit for correcting the numerical value with respect to the numerical value having a high dependence of the temperature or humidity in extracting the feature vector based on the log information.

장해 정보 입력부(13)는, 예를 들면 과금 수수 시스템(2)에서 장해가 발생했을 때, 보수 작업원의 보수, 수선 작업에서 특정된 장해에 대한 정보의 입력을 접수한다. 예를 들면, 장해 정보 입력부(13)는 발생한 장해의 구성 기기명, 제조 번호, 일시, 장해의 원인 등, 발생한 장해를 분류하기 위해 필요한 정보의 입력을 접수한다.The failure information inputting section 13 accepts input of information on the failure specified in the maintenance and repair work of the maintenance worker when the failure occurs in the billing / delivering system 2, for example. For example, the fault information inputting section 13 receives input of information necessary for classifying the fault, such as the name of the constituent device, the manufacturing number, the date and time of the fault, and the cause of the fault.

장해 정보 처리부(14)는, 장해가 발생했을 때에 특징 벡터 추출부(11)에 의해 추출되고 있던 특징 벡터(장해시 특징 벡터)와, 그 장해에 대한 장해 정보를 관련지으면서 장해 정보 데이터베이스(15)에 기억, 축적한다. 구체적으로는, 장해 정보 처리부(14)는, 보수 작업원 등에 의해 입력된 장해 발생 일시를 참조하여, 그 장해 발생의 직전의 소정 시간 전(예를 들면, 일주일 전)부터 장해 발생시까지 취득되어 있던 로그 정보에 근거해서 추출된 장해시 특징 벡터를, 그 장해에 대한 장해 정보와 관련짓는다.The disturbance information processing unit 14 detects the disturbance information from the disturbance information database 15 while associating the feature vector extracted by the feature vector extracting unit 11 with the disturbance information about the disturbance, . Specifically, the fault information processing section 14 refers to the fault occurrence date and time input by the maintenance worker, and judges whether or not the fault has occurred from the predetermined time (for example, one week before) And associates the extracted failure feature vector based on the log information with the failure information on the failure.

장해 정보 처리부(14)는, 관련지은 장해시 특징 벡터와 장해 정보를 장해 데이터베이스(15)에 기억하여 축적한다. 이 때, 장해 정보 처리부(14)는, 입력된 장해 정보 중, 장해가 발생한 구성 기기명이나 제품 번호, 장해의 원인 등의 정보에 근거하여, 특정의 장해 구분(카테고리)으로 분류하면서 기억한다. 이렇게 함으로써, 과금 수수 시스템(2)에서 새롭게 발생한 장해가 과거에 발생한 장해와 동일한 것이라고 판단되는 경우에는, 장해 정보 데이터베이스(15)에서, 당해 새로운 장해에 연관된 장해시 특징 벡터가 동일한 장해 구분으로 분류되면서 축적된다.The failure information processing unit 14 stores the failure feature vector and the failure information in the failure database 15 and accumulates them. At this time, the fault information processing section 14 classifies the input fault information into a specific fault category (category) based on information such as a component name or a product number in which the fault occurs, a cause of the fault, and the like. In this way, when it is judged that the failure newly occurred in the billing system 2 is the same as the failure occurring in the past, the failure feature database related to the new failure is classified into the same failure classification in the failure information database 15 Is accumulated.

장해 예측부(16)는, 특징 벡터 중 과금 수수 시스템(2)의 통상 가동시에 취득되는 로그 정보에 근거하여 추출된 특징 벡터(통상시 특징 벡터)가, 장해시 특징 벡터 중 어느 것에 유사한지의 판단에 근거해서, 과금 수수 시스템(2)에서 발생하는 장해를 예측한다. 장해 예측부(16)의 구체적인 처리 내용에 대해서는 후술한다.The failure prediction unit 16 determines whether the feature vector extracted in the feature vector based on the log information acquired during the normal operation of the billing system 2 is similar to the feature vector at the time of failure Based on the judgment, the failure occurring in the billing / delivery system 2 is predicted. Concrete processing contents of the error predicting unit 16 will be described later.

도 2는 제 1 실시 형태에 따른 특징 벡터 추출부의 처리의 예를 설명하는 도면이다.2 is a diagram for explaining an example of the processing of the feature vector extracting unit according to the first embodiment.

예로서, 특징 벡터 추출부(11)는, 과금 수수 시스템(2)의 특징 벡터로서, 구성 기기의 하나(구성 기기(2A)로 함)인 「중계 통신 기기(라우터)」가 출력하는 로그 정보에 근거하여, 도 2에 나타내는 12개의 수치(특징량)로 이루어지는 특징 벡터를 추출한다. 여기서, 수치 P1, P2, …, P12는, 중계 통신 기기(구성 기기(2A))와 다른 구성 기기 각각의 사이에서의 통신 상황의 특징이나 경향을 나타내는 것으로서 선택된 수치군(통신의 빈도, 통신 리트라이 횟수, 통신 데이터량 등)이다. 수치 P4는, 예를 들면, 구성 기기 B와의 사이에서 행해지는 소정의 통신 처리 c의 통신 리트라이 횟수, 수치 P10은 당해 통신 처리 c의 통신 데이터량이다.As an example, the feature vector extracting unit 11 extracts, as a feature vector of the billing / delivering system 2, the log information outputted by the " relay communication device (router) " (Feature values) shown in Fig. 2 are extracted based on the feature vectors. Here, the numbers P1, P2, ... , P12 is a set of numerical values (frequency of communication, number of communication retries, amount of communication data, and the like) selected to indicate characteristics and trends of communication conditions between the relay communication device (the configuration device 2A) to be. The numerical value P4 is, for example, the number of communication retries of the predetermined communication process c performed with the component device B, and the numeric value P10 is the communication data amount of the communication process c.

통신의 빈도, 통신 리트라이 횟수나 통신 데이터량 등은, 수치로서의 단위나 스케일이 각각 다르다. 예를 들면, 동일한 「통신의 빈도」이더라도, 통상 가동시에서 하루에 수십회로 행해지는 통신 처리도 있고, 몇일에 1회만 행해지는 통신 처리도 있다. 이 때문에, 특징 벡터 추출부(11)(후술하는 평균 특징 벡터 산출부(110))는, 특징 벡터를 구성하는 것으로서 선택된 12개의 수치 각각에 대한 평균값 μ나 표준 편차 σ 등을, 과거에 취득된 로그 정보나 다른 과금 수수 시스템(2)에 대한 로그 정보 등으로부터 산출하고, 당해 평균값 μ, 표준 편차 σ 등에 근거한 정규화 처리를 행한다. 이것에 의해, 도 2에 나타내는 바와 같이, 추출된 특징 벡터에서, 당해 특징 벡터를 구성하는 수치마다의 대소 또는 증감을 동일한 척도로 비교할 수 있다.The frequency of communication, the number of communication retries, and the amount of communication data are different in units and scale as numerical values. For example, even in the same " frequency of communication ", there are communication processes performed several times a day at normal operation, and communication processes performed only once every several days. Therefore, the feature vector extracting unit 11 (mean feature vector calculating unit 110 described later) calculates the average value 占 and the standard deviation? For each of the 12 values selected as the feature vectors, Log information, and log information for the other billing system 2, and performs normalization processing based on the average value 占 and the standard deviation?. As a result, as shown in Fig. 2, it is possible to compare the magnitude of each of the features constituting the feature vector or the increase / decrease of the feature vector with the same scale.

예를 들면, 특징 벡터 추출부(11)는, 수치 P4(통신 처리 c의 통신 리트라이 횟수), 수치 P10(통신 처리 c의 통신 데이터량)이 모두 정규 분포에 따르는 것으로서, 도 2에서의 「50」을 평균값 μ, 「0」 및 「100」이 각각 -3σ, +3σ 등에 상당하도록 그 척도를 설정한다.For example, the feature vector extractor 11 determines that the numerical value P4 (the number of communication retries of the communication process c) and the numeric value P10 (the communication data quantity of the communication process c) all conform to the normal distribution, 50 " is set such that the average value mu, " 0 ", and " 100 " correspond to -3 sigma and + 3 sigma, respectively.

상술한 정규화 처리는, 일례로서, 선택된 수치에 따라서는 다른 통계 분포에 따른다. 이 경우, 특징 벡터 추출부(11)는 수치마다 적절한 통계 분포에 근거한 정규화 처리를 행한다.The above-described normalization processing is, for example, according to a different statistical distribution depending on the selected numerical value. In this case, the feature vector extracting unit 11 performs a normalization process based on a statistical distribution appropriate for each value.

상술한 처리에 있어서, 구체적으로는, 본 실시 형태에 따른 특징 벡터 추출부(11)는 평균 특징 벡터 산출부(110)를 구비하고 있다. 평균 특징 벡터 산출부(110)는 통상 가동 중의 복수의 과금 수수 시스템(2)의 로그 정보로부터, 과거로부터 현재에 걸쳐 정기적 또는 비정기적으로 추출된 복수의 통상시 특징 벡터로부터 그 수치 P1, P2, …마다의 평균값 μ 등을 산출한다. 즉, 본 실시 형태에서는, 수치 P1, P2, …마다의 평균값 μ나 표준 편차 σ는 미리 설정된 고정값이 아니고, 통상 가동 중의 복수의 과금 수수 시스템(2)에서의 로그 정보로부터 동적으로 산출되어 상시 갱신된다. 평균 특징 벡터 산출부(110)는 수치 P1, P2, …마다의 평균값 μ로 이루어지는 평균 특징 벡터 Va를 로그 정보 데이터베이스(12)에 기억하여 갱신하는 처리를 행한다.Specifically, in the above-described processing, the feature vector extracting unit 11 according to the present embodiment is provided with an average feature vector calculating unit 110. [ The average feature vector calculating unit 110 calculates the average feature vector from the log information of the plurality of billing / receiving systems 2 during normal operation, from the plurality of normal feature vectors extracted periodically or irregularly from the past to the present, ... And the like are calculated. That is, in this embodiment, the numerical values P1, P2, ... The average value 占 and the standard deviation? Of the respective billing systems are not fixedly set in advance and are dynamically calculated from the log information in the plurality of billing / receiving systems 2 during normal operation and are constantly updated. The average feature vector calculating unit 110 calculates the average feature vector by using the values P1, P2, ..., The average characteristic vector Va is stored in the log information database 12 and updated.

평균 특징 벡터 산출부(110)는, 평균값 μ를 산출함에 있어 참조하는 복수의 통상시 특징 벡터의 각 수치 P1, P2, … 중 분명한 이상값에 대해서는 기각 판정을 행하고, 평균값 μ 등의 산출 처리에 포함하지 않아도 좋다.The average feature vector calculating unit 110 calculates the average value of the respective values P1, P2, ... of the plurality of normal feature vectors to be referred to in calculating the average value [ , It is not necessary to make a rejection judgment and include it in the calculation process of the average value 占 or the like.

도 3은 제 1 실시 형태에 따른 장해 정보 처리부의 기능을 설명하는 도면이다.3 is a diagram for explaining the function of the failure information processing unit according to the first embodiment.

상술한 바와 같이, 장해 정보 처리부(14)는 장해시 특징 벡터와, 그 장해에 대한 장해 정보를 관련지으면서 장해 정보 데이터베이스(15)에 기억, 축적한다.As described above, the fault information processing unit 14 stores and stores the feature vector in the fault and the fault information on the fault in the fault information database 15 while relating them to each other.

구체적으로는, 우선 과금 수수 시스템(2)의 운용 중에 장해가 발생하여, 그 수선 작업이 행해졌을 때, 혹은 과금 수수 시스템(2)의 정기 점검이나 특별 점검(요금소로부터의 의뢰에 의해 비정기적으로 행해지는 점검)을 통해 장해가 인정되었을 때, 보수 작업원이 장해 정보 입력부(13)를 통해서, 그 장해의 내용을 나타내는 장해 정보를 입력한다. 이 때, 장해 정보 처리부(14)는, 입력되는 장해 정보에 근거하여, 발생한 장해를 소정의 구분으로 분류하면서 기억한다. 구체적으로는, 도 3에 나타내는 바와 같이, 발생한 장해는 장해의 구분으로서, 장해 A, 장해 B, 장해 C, … 등으로 분류된다. 예로서, 장해 정보 처리부(14)는, 도 3에 나타내는 바와 같이, 구성 기기(2A)(중계 통신 기기)의 전체 제어를 맡는 프로세서 부품에 고장이 발생하고 있던 경우를 「장해 A」, 통신용의 커넥터 케이블의 열화에 의해 발생되는 통신 회선 품질이 생기고 있던 경우를 「장해 B」, 통신 제어용 IC 부품에 고장이 발생하고 있던 경우를 「장해 C」 등으로 분류한다.Specifically, when the trouble occurs during the operation of the billing / receiving system 2 and the repair work is performed, or when the billing / order receiving system 2 performs periodic inspection or special inspection (by request from the tollgate) The maintenance worker inputs the fault information indicating the content of the fault through the fault information input unit 13. [ At this time, the fault information processing section 14 classifies the disturbances that have occurred into a predetermined class and stores them on the basis of the inputted fault information. More specifically, as shown in Fig. 3, the occurrence of an obstacle is classified into an obstacle A, an obstacle B, an obstacle C, ... . For example, as shown in Fig. 3, the fault information processing unit 14 may be referred to as " fault A " when a fault has occurred in a processor component that performs overall control of the component apparatus 2A (relay communication apparatus) The case where the quality of the communication line generated by deterioration of the connector cable is generated is classified as "fault B", and the case where the fault occurs in the IC component for communication control is classified as "fault C".

또한, 장해 정보 처리부(14)는, 입력된 장해 정보 중 장해 발생 일시를 참조하여, 장해 발생 직전의 소정 기간(예를 들면 일주일간)에 취득된 로그 정보에 근거해서 추출된 특징 벡터(장해시 특징 벡터)를 취득한다. 여기서, 장해 정보 처리부(14)는, 계속적으로 로그 정보 및 그 로그 정보로부터 추출된 특징 벡터가 축적되어 있는 로그 정보 데이터베이스(12)로부터, 해당하는 기간 내에 취득된 로그 정보 및 그 로그 정보로부터 추출된 특징 벡터를 참조한다. 이렇게 함으로써, 장해 정보 처리부(14)는, 발생한 장해의 구분(장해 A, 장해 B, 장해 C, …)마다, 그 발생 직전의 과금 수수 시스템(2)의 상황을 나타내는 장해시 특징 벡터 Vs1, Vs2, Vs3, …(도 3 참조)을 대응지을 수 있다.The failure information processing unit 14 refers to the failure occurrence date and time of the inputted failure information and determines the feature vector extracted based on the log information acquired in a predetermined period (for example, one week) Feature vector). Here, the fault information processing section 14 continuously extracts the log information and the log information acquired from the log information database 12 in which the feature vectors extracted from the log information are stored, and the log information extracted from the log information The feature vector is referred to. Thus, the failure information processing unit 14 generates the failure feature vectors Vs1 and Vs2 (indicating the state of the billing / delivering system 2 immediately before occurrence of the failure), for each failure category (failure A, failure B, failure C, , Vs3, ... (Refer to FIG. 3).

이상과 같이 해서, 장해 정보 데이터베이스(15)에는, 도 3에 나타내는 장해 정보와 장해시 특징 벡터가 관련지어진 정보군이 축적된다.As described above, in the fault information database 15, an information group in which the fault information shown in Fig. 3 and the feature vector in the fault are associated is stored.

여기서, 발생한 장해(장해 A, 장해 B, 장해 C)와, 그 장해시 특징 벡터 Vs1, Vs2, Vs3의 예(도 3)에 대해 설명한다.Here, an example (FIG. 3) of the obstacles (obstacles A, B and C) and the fault vector Vs1, Vs2 and Vs3 will be described.

장해 A의 발생 직전 상태를 나타내는 장해시 특징 벡터 Vs1은 전체적으로 작은 차트로 되어 있다. 여기서, 장해 A에서는, 해당하는 구성 기기(2A)(중계 통신 기기)의 전체 제어를 맡는 프로세서 부품의 고장이 발생하고 있었다. 따라서, 구성 기기(2A)에서 통신 처리가 행해지는 빈도가 저하하고, 통신 리트라이 횟수(수치 P4), 통신 데이터량(수치 P10)을 시초로, 그 외의 통신에 관한 수치도 작아져 있다.The failure feature vector Vs1 indicating the state immediately before occurrence of the fault A is a small chart as a whole. Here, in the fault A, a failure occurs in a processor component that performs overall control of the corresponding component device 2A (relay communication device). Therefore, the frequency with which the communication processing is performed in the constituent device 2A is lowered, and the number of communication retries (numerical value P4) and the amount of communication data (numerical value P10) are set at the beginning.

장해 B의 발생 직전 상태를 나타내는 장해시 특징 벡터 Vs2는 전체적으로 큰 차트로 되어 있다. 장해 B에서는, 해당하는 구성 기기(2A)에서, 통신용의 커넥터 케이블이 열화된 것에 기인하여 통신 회선 품질이 저하하고 있었다. 그 결과, 통신 리트라이 횟수(수치 P4)가 증대하고, 그에 따라 통신 데이터량(수치 P10)도 증대하고 있다.The failure feature vector Vs2 indicating the state immediately before occurrence of the fault B is a large chart as a whole. In the fault B, the quality of the communication line deteriorated due to deterioration of the connector cable for communication in the corresponding component device 2A. As a result, the number of communication retries (value P4) increases, and accordingly, the amount of communication data (value P10) also increases.

장해 C의 발생 직전 상태를 나타내는 장해시 특징 벡터 Vs3은 전체적으로 우측으로 치우친 차트로 되어 있다. 장해 C에서는, 해당하는 구성 기기(2A)에서, 통신 제어용 IC 부품에 고장이 발생하고 있었다. 그 결과, 통신 리트라이 횟수(수치 P4)는 증대하고 있지만, 정보의 송수신 자체의 실패 빈도가 증가했기 때문에, 통신 데이터량(수치 P10)은 감소하고 있다.The failure feature vector Vs3 indicating the state immediately before occurrence of the fault C is a chart shifted to the right as a whole. In the fault C, a failure occurred in the communication control IC component in the corresponding constituent device 2A. As a result, the number of communication retries (value P4) is increasing, but the communication data amount (value P10) is decreasing because the frequency of failure of transmission and reception of information itself has increased.

도 4는 제 1 실시 형태에 따른 장해 예측부의 기능을 설명하는 도면이다.4 is a view for explaining the function of the failure predicting unit according to the first embodiment.

상술한 바와 같이, 장해 예측부(16)는, 과금 수수 시스템(2)의 통상 가동시에 취득되는 로그 정보에 근거하여 추출된 통상시 특징 벡터가, 장해 정보 데이터베이스(15)에 축적된 장해시 특징 벡터 중 어느 것에 유사한지의 판단을 행한다. 구체적으로는, 장해 예측부(16)는, 과금 수수 시스템(2)의 통상 가동시에서 정기적(예를 들면 일주일간마다)으로 로그 정보 데이터베이스(12)에 액세스하고, 통상 가동시에서의 당해 정기 기간 내에 축적된 로그 정보에 근거하는 특징 벡터(통상시 특징 벡터)를 참조한다.As described above, the failure predicting unit 16 predicts the normalized feature vector extracted based on the log information acquired at the time of normal operation of the billing / receiving system 2, based on the failure information accumulated in the failure information database 15 And judges which of the feature vectors is similar. More specifically, the failure predicting unit 16 accesses the log information database 12 periodically (for example, every one week) at the time of normal operation of the billing / transmission system 2, Refers to a feature vector (normal feature vector) based on the log information accumulated within the period.

예를 들면, 장해 예측부(16)는, 로그 정보 데이터베이스(12)를 참조하여, 요금소의 주행 레인마다(주행 레인 X1, X2, X3, …)에 설치된 복수의 과금 수수 시스템(2)의 각각에 근거하여 추출된 통상시 특징 벡터 V1, V2, V3, …(도 4 참조)을 취득한다.For example, the failure predicting unit 16 refers to the log information database 12 and calculates the probability of occurrence of a failure in each of a plurality of billing / receiving systems 2 installed on a traveling lane (traveling lanes X1, X2, X3, Normal feature vectors V1, V2, V3, ... (See FIG. 4).

또, 장해 예측부(16)는, 여기서 취득한 통상시 특징 벡터 V1, V2, V3, …과, 장해 정보 데이터베이스(15)에 축적된 장해시 특징 벡터를 대비시켜, 통상시 특징 벡터 V1 등이 장해시 특징 벡터 중 어느 것에 유사한지 여부의 판단에 근거해서, 과금 수수 시스템(2)에서 이후 발생하는 장해를 예측한다.In addition, the failure predicting unit 16 predicts the normal feature vectors V1, V2, V3, ... , The failure feature database stored in the failure information database 15 and compares the failure feature vector stored in the failure information database 15 with the failure characteristic database in the billing / Estimate the disturbance that occurs.

예를 들면, 통상시 특징 벡터 V1은 수치 P1~P12의 각 수치 모두가 거의 평균값 μ에 가까운 상태이고, 장해 예측부(16)는 장해시 특징 벡터 Vs1, Vs2, Vs3(도 3)와는 유사하지 않다고 판단한다. 따라서, 통상시 특징 벡터 V1이 취득된 과금 수수 시스템(2)은, 현시점에서 장해의 전조가 없고, 건전한 상태에 있다고 추측된다.For example, the normal feature vector V1 is a state in which almost all of the numerical values P1 to P12 are close to the average value mu, and the error predicting unit 16 is similar to the failure feature vectors Vs1, Vs2, Vs3 . Therefore, it is assumed that the billing / order transfer system 2 in which the feature vector V1 is normally acquired is present in a sound state without a breakdown of the fault at the present time.

한편, 통상시 특징 벡터 V2는 전체적으로 약간 차트가 퍼진 경향으로 보여진다. 따라서, 장해 예측부(16)는, 이 통상시 특징 벡터 V2가 장해시 특징 벡터 Vs2(장해 B의 차트)와 유사하다고 판단한다. 그리고, 장해 예측부(16)는, 통상시 특징 벡터 V2가 취득된 과금 수수 시스템(2)에 대해, 향후의 가동에서 장해 B가 발생할 것이라고 예측한다. 이 예측에 의해, 보수 작업원 등은, 이 과금 수수 시스템(2)에 대해서는, 구성 기기(2A)(중계 통신 기기)의 통신용 커넥터 케이블을 중점적으로 점검할 필요가 있다고 판단할 수 있다.On the other hand, the normal feature vector V2 is seen as a tendency to slightly spread the chart as a whole. Therefore, the failure predicting unit 16 determines that the normal feature vector V2 is similar to the failure feature vector Vs2 (chart of the obstacle B). Then, the failure predicting unit 16 predicts that the fault B will occur in the future operation of the billing / order receiving system 2 in which the feature vector V2 is normally acquired. Based on this prediction, the maintenance worker or the like can determine that the communication connector cable of the component device 2A (relay communication device) needs to be focused on the billing / transmission system 2.

또한, 통상시 특징 벡터 V3은, 전체적으로 평균보다 약간 우측으로 치우친 차트로 되어 있다. 따라서, 장해 예측부(16)는, 이 통상시 특징 벡터 V3이 장해시 특징 벡터 Vs3(장해 C의 차트)과 유사하다고 판단한다. 그리고, 장해 예측부(16)는, 이 통상시 특징 벡터 V3이 취득된 과금 수수 시스템(2)은, 향후 장해 C가 발생할 가능성이 있다고 예측한다. 보수 작업원 등은, 이 예측 결과를 받아서, 당해 과금 수수 시스템(2)의 통신 제어용 IC 부품을 점검할 필요가 있다고 판단할 수 있다.In addition, the normal feature vector V3 is a chart slightly shifted slightly to the right as a whole from the average. Therefore, the failure predicting unit 16 determines that the normal feature vector V3 is similar to the failure feature vector Vs3 (chart of the obstacle C). Then, the failure predicting unit 16 predicts that there is a possibility that the failure C will occur in the billing / receiving system 2 in which the normal feature vector V3 is acquired. The maintenance worker or the like can determine that it is necessary to check the communication control IC part of the billing / order receiving system 2 by receiving the prediction result.

도 5는 제 1 실시 형태에 따른 장해 예측부에 있어서의 유사 여부 판단의 예를 설명하는 도면이다.FIG. 5 is a diagram for explaining an example of determination of similarity in the failure predicting unit according to the first embodiment. FIG.

장해 예측부(16)는, 통상시 특징 벡터 V1, V2, … 및 장해시 특징 벡터 Vs1, Vs2, …에 포함되는 수치(수치 P1, P2, …)의 각각의 차로부터 산출되는 상위도 D를 산출하고, 당해 상위도 D에 근거하여, 통상시 특징 벡터 V1, V2, …과, 장해시 특징 벡터 Vs1, Vs2, …의 대비를 행한다.The failure predicting unit 16 predicts normal vectors V1, V2, ... And the failure characteristic vector Vs1, Vs2, ... And calculates the upper diagram D calculated from each difference of the numerical values (numerical values P1, P2, ...) included in the upper diagram D. Based on the upper diagram D, the normal feature vectors V1, V2, ... And the disturbance characteristic vectors Vs1, Vs2, ... .

여기서, 상위도 D는, 예를 들면 대비하는 특징 벡터에 포함되는 수치 P1, P2, …마다의 차의 절대값의 평균값이다. 구체적으로는, 2개의 특징 벡터의 수치 Pn에 대한 차의 절대값을 ｜ΔPn｜이라고 나타내면, 상위도 D=(｜ΔP1｜+｜ΔP2｜+…+｜ΔP12｜)/12로 된다. 상위도 D의 산출 수법은 이것에 한정되지 않으며, 예를 들면, 각 특징 벡터에 포함되는 수치마다의 차의 제곱합의 평방근에 의해 구해지는 값이어도 좋다.Here, the upper diagram D shows, for example, the values P1, P2, ... included in the contrast vector Is an average value of the absolute values of the differences. More specifically, when the absolute value of the difference between the two feature vectors Pn is represented as |? Pn |, the degree of difference D = (| ΔP1 | + | ΔP2 | + ... + | ΔP12 |) / 12. The calculation method of the higher degree D is not limited to this, and may be a value obtained by the square root of the sum of squares of the differences for each value included in each feature vector, for example.

장해 예측부(16)는, 이 상위도 D가 낮을수록, 2개의 특징 벡터는 유사하다고 판단한다.The failure prediction unit 16 determines that the two feature vectors are similar as the upper diagram D becomes lower.

예로서, 도 5의 상단에 나타내는 바와 같이, 상술한 상위도 D에 근거하는 대비의 결과, 요금소의 주행 레인 X1에 설치된 과금 수수 시스템(2)의 통상시 특징 벡터 V1은 현단계에서 평균 특징 벡터 Va와 가장 유사하다(RANK1이었다)고 한다. 여기서, 평균 특징 벡터 Va는 평균 특징 벡터 산출부(110)가 산출한 특징 벡터로서, 특징 벡터에 포함되는 모든 수치(수치 P1~P12)가 평균값 μ인 특징 벡터이다.5, as a result of the contrast based on the above-mentioned upper diagram D, the normal-time feature vector V1 of the billing-receipt system 2 installed in the travel lane X1 of the tollgate, It is most similar to Va (RANK1). Here, the average feature vector Va is a feature vector calculated by the average feature vector calculating unit 110, and all the numerical values (numerical values P1 to P12) included in the feature vector are average values.

상기한 예의 경우, 장해 예측부(16)는, 통상시 특징 벡터 V1, V2, …이 현단계에서 기억되어 있는 장해시 특징 벡터 Vs1, Vs2, … 중 어느 하나보다 평균 특징 벡터 Va와 유사하다고 판단하고, 이것에 의해, 장해 예측부(16)는 주행 레인 X1에 설치된 과금 수수 시스템(2)의 가동 상황은 건전하다고 판정한다.In the case of the above example, the error predicting unit 16 calculates the normalized feature vectors V1, V2, ... The disturbance characteristic vectors Vs1, Vs2, ... stored at this stage It is determined that the operation state of the billing / delivering system 2 installed in the travel lane X1 is sound.

반대로, 예를 들면, 「장해 A」의 장해시 특징 벡터 Vs1의 상위도 D가, RANK1인 경우, 장해 예측부(16)는, 주행 레인 X1의 과금 수수 시스템(2)에 장해 A의 전조가 있다고 판단하고, 그 취지를 통지하기 위한 경보 신호를 출력한다.Conversely, for example, when the higher degree diagram D of the failure feature vector Vs1 of the "failure A" is RANK1, the failure predicting section 16 determines whether or not the advance of the failure A is present in the billing / , And outputs an alarm signal for notifying the effect.

또한, 도 5의 하단에 나타내는 바와 같이, 요금소의 주행 레인 X2에 설치된 과금 수수 시스템(2)의 통상시 특징 벡터 V2는, 현단계에서 평균 특징 벡터 Va와 가장 유사하지만, 장해 C의 장해시 특징 벡터 Vs3과의 상위도 D도 낮은 것으로 한다. 이 경우, RANK1은, 평균 특징 벡터 Va이지만, 장해 C의 장해시 특징 벡터 Vs3과의 상위도 D도 동등하게 낮아져 있다.5, the normal feature vector V2 of the billing / delivering system 2 installed at the tollgate X2 of the tollgate is most similar to the average feature vector Va at the present stage. However, as shown in the bottom of Fig. 5, It is assumed that the upper diagram D with respect to the vector Vs3 is also low. In this case, RANK1 is the average characteristic vector Va, but the upper diagram D with the failure characteristic vector Vs3 of the obstacle C is equally low.

이 경우, 장해 예측부(16)는, 장해 C의 장해시 특징 벡터 Vs3과의 상위도 D와, 평균 특징 벡터 Va와의 상위도 D의 차가 소정의 판정 임계값 ΔDth(예를 들면,ΔDth=1)를 하회하고 있었다는 것을 수취하여, 주행 레인 X2의 과금 수수 시스템(2)에 장해 C의 전조가 있다고 판단하고, 그 취지를 통지하기 위한 경고 신호를 출력해도 좋다.In this case, the error predicting unit 16 determines whether the difference D between the difference feature D with the feature vector Vs3 of the fault C and the difference diagram D between the average feature vector Va is equal to or smaller than a predetermined determination threshold value Dth (for example, ), It may be determined that there is a precursor of the fault C in the billing / delivering system 2 of the traveling lane X2, and a warning signal for notifying that it is notified may be output.

또, 장해 예측부(16)는, 상이한 2개의 장해(예를 들면, 장해 A와 장해 C)의 상위도가, 각각 RANK1, RANK2로 되어 있고, 또한 이들의 상위도 D가 근접한(ΔDth를 하회한) 경우는, 이 구성 기기(2A, 2B, …)에 2개의 장해 A, 장해 C가 동시에 발생할 수 있다는 것을 통지해도 좋다.In addition, the failure predicting section 16 determines that the higher degree of the two different obstacles (for example, the obstacle A and the obstacle C) is RANK1 and RANK2, respectively, , It may be notified that two obstacles A and C may occur simultaneously in the constituent devices 2A, 2B,.

도 6은 제 1 실시 형태에 따른 장해 예측부의 처리 플로우를 나타내는 흐름도이다.6 is a flowchart showing the processing flow of the failure predicting unit according to the first embodiment.

도 5를 이용하여 설명한 장해 예측부(16)의 처리의 구체적인 처리 플로우의 예를, 도 6을 참조하면서 설명한다.An example of a specific processing flow of the processing of the error predicting section 16 described with reference to FIG. 5 will be described with reference to FIG.

장해 예측부(16)는, 예를 들면 새로운 통상시 특징 벡터 V1, V2, …이 축적될 때마다, 도 6에 나타내는 처리 플로우를 개시한다.The error predicting unit 16 calculates, for example, new normal feature vectors V1, V2, ..., The process flow shown in Fig. 6 is started.

우선, 장해 예측부(16)는, 로그 정보 데이터베이스(12)를 참조하여, 임의의 과금 수수 시스템(2)에 대한 통상시 특징 벡터(예를 들면 통상시 특징 벡터 V1(도 4))를 참조한다(스텝 S10).First, the failure predicting unit 16 refers to the log information database 12 and refers to a normal feature vector (for example, the normal feature vector V1 (FIG. 4)) for an arbitrary billing system 2 (Step S10).

다음으로, 장해 예측부(16)는, 장해 정보 데이터베이스(15)를 참조하여, 현시점에서의 평균값 특징 벡터 Va, 및, 현시점에서 기억되어 있는 장해시 특징 벡터 Vs1, Vs2, …(도 3)을 취득한다(스텝 S11).Next, the failure predicting unit 16 refers to the failure information database 15 and calculates the average value feature vector Va at the current point and the failure feature vectors Vs1, Vs2, ..., (Fig. 3) (step S11).

그리고, 장해 예측부(16)는, 취득한 통상시 특징 벡터 V1과, 평균 특징 벡터 Va, 및 각 장해시 특징 벡터 Vs1, Vs2, …이 유사한지 여부의 판단 처리를 행한다(스텝 S12). 이 판단 처리란, 구체적으로는 도 5에 나타낸, 상위도 D에 근거하는 랭킹을 작성하는 처리이다.Then, the failure predicting unit 16 calculates the normal feature vector V1, the average feature vector Va, and the respective failure feature vectors Vs1, Vs2, ... (Step S12). Specifically, this determination processing is processing for generating a ranking based on the upper diagram D shown in Fig.

다음으로, 장해 예측부(16)는, 통상시 특징 벡터 V1과 가장 유사한 것(RANK1)이 평균 특징 벡터 Va인지 여부를 판정한다(스텝 S13).Next, the failure predicting unit 16 judges whether the average characteristic vector Va is the most similar to the normal characteristic vector V1 (RANK1) (step S13).

평균 특징 벡터 Va가 RANK1인 경우(스텝 S13: 예)는, 장해 예측부(16)는, 또한 평균 특징 벡터 Va의 상위도 D에 가까운 장해시 특징 벡터가 없는지를 판정한다(스텝 S14).If the average feature vector Va is RANK1 (step S13: YES), the failure predicting unit 16 also determines whether there is no failure feature vector near the upper diagram D of the average feature vector Va (step S14).

평균 특징 벡터 Va의 상위도 D에 가까운 것이 없는 경우(스텝 S14: 아니오), 장해 예측부(16)는 이 과금 수수 시스템(2)의 가동 상황은 건전하다고 판단하고 처리를 종료한다.If there is no difference between the average characteristic vector Va and the higher degree D (step S14: NO), the failure prediction unit 16 determines that the operation state of the billing system 2 is sound and ends the processing.

한편, 평균 특징 벡터 Va가 RANK1이 아닌 경우(스텝 S13: 아니오), 또는 RANK1이 아니어도 RANK1(평균 특징 벡터 Va)의 상위도 D에 가까운 것이 있는 경우(스텝 S14: 예), 감시 장치(1)는 그것을 통지하는 소정의 통지 처리를 행한다. 예를 들면, 스텝 S14에서, 장해 C의 장해시 특징 벡터 Vs3이 평균 특징 벡터 Va에 근접한 경우, 장해 예측부(16)는 그 과금 수수 시스템(2)에서 장해 C로의 진행 가능성이 있다는 취지의 주의를 촉구하는 통지 처리를 행한다. 또한, 예를 들면, 스텝 S13에서, 장해 A의 장해시 특징 벡터 Vs1의 상위도 D가 평균 특징 벡터 Va의 상위도 D를 하회하고, 장해 A가 RANK1로 되어 있던 경우에는, 장해 예측부(16)는 그 과금 수수 시스템(2)에서 장해 A 발생의 위험성이 높아지고 있다는 것을 알리는 경고 처리를 행한다.On the other hand, if the average feature vector Va is not RANK1 (step S13: NO) or if there is a similarity to the upper diagram D of RANK1 (average feature vector Va) (step S14: Performs predetermined notification processing to notify it. For example, when the failure feature vector Vs3 of the failure C is close to the average feature vector Va in step S14, the failure prediction unit 16 notifies that the billing / delivering system 2 has a possibility of proceeding to the failure C Quot ;. For example, in the case where the upper diagram D of the feature vector Vs1 at the time of the failure of the obstacle A is smaller than the upper diagram D of the mean feature vector Va and the obstacle A is RANK1 at the step S13, Executes a warning process to notify that the risk of the occurrence of the fault A is increasing in the billing / transmission system 2.

이렇게 해서, 장해 예측부(16)는, 수치 P1~P12 각각의 차로부터 산출되는 상위도 D에 근거하여, 통상시 특징 벡터 V1, V2, …이 장해시 특징 벡터 Vs1, Vs2(또는 평균 특징 벡터 Va) 중 어느 하나와 유사한지를 판단하고, 장해의 전조가 있다고 판정한 경우에는, 그것을 나타내는 소정의 경고 처리를 행한다.In this way, the error predicting unit 16 calculates the normalized feature vectors V1, V2, ..., Vn based on the upper diagram D calculated from the difference between the numbers P1 to P12, respectively. It is judged whether or not it is similar to any one of the failure feature vectors Vs1 and Vs2 (or the average feature vector Va). If it is judged that there is a precursor of the fault, a predetermined warning process is performed.

이상, 본 실시 형태에 따른 감시 장치(1)에 의하면, 복수의 구성 기기로 이루어지는 시스템(과금 수수 시스템(2))으로부터 취득되는 대량의 로그 정보 중에서 선택된 복수의 수치(수치 P1, P2, …, P12)를 취득(데이터 마이닝(data mining))하고, 이들 복수의 수치에 근거하는 특징 벡터를 추출한다. 그리고, 이 특징 벡터가 장해 발생시에 추출된 장해시 특징 벡터와 유사한지 여부를 판정함으로써 장해 발생의 예측을 행한다. 이렇게 함으로써, 시스템 전체로서의 가동의 경향을 망라적으로 나타내는 특징 벡터에 근거하여, 장해의 발생의 전조를 정밀도 좋게 검출할 수 있다.As described above, according to the monitoring apparatus 1 of the present embodiment, a plurality of numerical values (numerical values P1, P2, ...) selected from a large amount of log information acquired from a system (billing / (Data mining), and extracts a feature vector based on the plurality of values. Then, the occurrence of the fault is predicted by judging whether or not the feature vector is similar to the extracted feature vector at the time of occurrence of the fault. By doing so, it is possible to precisely detect the occurrence of a fault on the basis of a feature vector that comprehensively shows the tendency of the system as a whole.

또한, 감시 장치(1)에 의하면, 발생의 징조가 인정되는 장해의 종류를 특정할 수 있으므로, 그 장해에 따른 준비(긴급 출동 태세)를 갖추어 둘 수 있다. 이것에 의해, 장해의 발생을 미리 방지하도록 대응할 수 있다. 또한, 발생하더라도 복구 시간을 단축할 수 있으므로, 시스템의 가동률을 향상시킬 수 있다.Further, according to the monitoring apparatus 1, since the kind of the obstacle in which the sign of occurrence can be specified can be specified, the preparation (urgent dispatching state) according to the obstacle can be provided. Thus, it is possible to prevent the occurrence of the fault in advance. Also, since the recovery time can be shortened even if it occurs, the operation rate of the system can be improved.

또한, 본 실시 형태에서는, 감시 대상으로 하는 시스템(과금 수수 시스템(2))에는, 가동 상황에 따른 로그 정보가 출력되는 기능이 원래 구비되어 있다. 따라서, 본 실시 형태에 따른 감시 장치(1)에 의하면, 감시 대상으로 하는 시스템에 대해, 감시 장치(1)에 의한 감시용을 위한 새로운 기능을 실장시킬 필요가 없다. 따라서, 로그 정보를 출력하는 기능을 가지는 시스템에 대해서는, 본 실시 형태의 감시 장치(1)에 의한 감시를 용이하게 적용시킬 수 있다.In the present embodiment, the system to be monitored (the billing system 2) is provided with a function of outputting log information according to the operating status. Therefore, with the monitoring apparatus 1 according to the present embodiment, it is not necessary to mount a new function for monitoring by the monitoring apparatus 1 on the monitoring target system. Therefore, monitoring by the monitoring apparatus 1 of the present embodiment can be easily applied to a system having a function of outputting log information.

또한, 감시 대상으로 하는 시스템이 출력하는 로그 정보는, 일반적으로 문자 정보(텍스트 데이터)나 수치 정보(바이너리 데이터)이기 때문에, 당해 문자 정보에 근거하는 로그 정보의 기록 방식마다에 준거시켜 정보를 추출하는 것은 용이하다. 따라서, 본 실시 형태에 따른 감시 장치(1)에 의하면, 감시 대상으로 하는 시스템마다, 당해 시스템이 출력하는 로그 정보로부터 소망하는 복수의 수치를 추출할 수 있도록 커스터마이징함으로써, 어떠한 시스템에 대해서도 적용 가능해진다.Since the log information outputted by the monitoring target system is generally character information (text data) or numerical information (binary data), information is extracted based on the recording method of log information based on the character information It is easy to do. Therefore, the monitoring apparatus 1 according to the present embodiment can be applied to any system by customizing the system so that a plurality of desired numerical values can be extracted from the log information output from the system to be monitored .

또한, 이렇게 함으로써, 구성 기기 및 그 모양이 상이한 복수의 시스템을 동시에 감시 대상으로 할 수도 있다.In addition, by doing so, the constituent devices and a plurality of systems having different shapes can be simultaneously monitored.

또, 본 실시 형태에 따른 감시 장치(1)에 의하면, 상술한 바와 같이, 새로운 장해가 발생할 때마다 보수 작업원에 의해 장해 정보가 입력되고, 당해 장해시의 특징 벡터(장해시 특징 벡터)와 관련지을 수 있으면서 축적된다. 따라서, 감시 대상으로 하는 시스템의 가동에서 장해가 발생할 때에, 예측 가능한 장해 패턴이 증가해 간다. 이것에 의해, 시스템의 운용을 계속할수록, 그 가동률이 개선되는 효과가 얻어진다.According to the monitoring apparatus 1 of the present embodiment, as described above, the fault information is inputted by the maintenance worker every time a new fault occurs, and the characteristic vector at the time of the fault (fault characteristic vector) They are accumulated in association with each other. Therefore, when a fault occurs in the operation of the monitoring target system, the predictable fault pattern increases. As a result, as the operation of the system continues, the operation efficiency is improved.

또한, 본 실시 형태에서는, 시스템의 가동 상황이 건전한지 여부의 판정에, 평균 특징 벡터 Va를 이용하고 있다(예를 들면, 도 6의 스텝 S13). 상술한 바와 같이, 이 평균 특징 벡터 Va는, 과거 또는 현재에서의 상이한 시스템의 로그 정보로부터 구해지는 각 수치 P1, P2, … 각각의 평균값이며, 동적으로 변화한다. 즉, 본 실시 형태에 따른 감시 장치(1)는, 미리 정해진 고정값이 아니고, 가동 상황에 따라 동적으로 변화하는 평균 특징 벡터와의 대비에 의해 건전한지 여부의 판정을 행한다.In the present embodiment, the average feature vector Va is used (for example, step S13 in Fig. 6) to determine whether or not the operating state of the system is sound. As described above, this average feature vector Va is a value obtained by dividing each value P1, P2, ... obtained from log information of different systems in the past or present. Each value is an average value and changes dynamically. In other words, the monitoring apparatus 1 according to the present embodiment judges whether or not it is sound, by contrast with an average feature vector which dynamically changes according to the operation state, rather than a predetermined fixed value.

여기서, 미리 정해진 고정값에 따라 가동 상황의 건전성의 가부 판정을 행한 경우, 시스템의 가동 시간에 따라 본래적으로 변동해 가는 수치가 포함되어 있던 경우, 당해 시스템이 건전함에도 불구하고, 당해 변동한 수치와 상기 고정값의 대비에 근거하여 「장해의 전조가 있다」고 판정되어 버리는 것이 상정된다. 본 실시 형태에 따른 감시 장치(1)에 의하면, 동적으로 산출되는 평균 특징 벡터와의 대비에 근거하여 판정을 행하므로, 건전한 수치 변동의 요소가 제외되어, 한층더 정밀도 좋게 장해의 예측을 행할 수 있다.Here, in the case where the availability of the operating state is judged according to the predetermined fixed value and the numerical value fluctuating originally according to the operating time of the system is included, even though the system is sound, the numerical value It is judged that " there is a precursor of the fault " based on the contrast of the fixed value and the fixed value. According to the monitoring apparatus 1 according to the present embodiment, since determination is made based on the comparison with the average feature vector dynamically calculated, elements of sound numerical fluctuation are excluded, and the prediction of the disturbance can be performed more precisely have.

본 실시 형태에 따른 특징 벡터 추출부(11)는, 로그 정보 취득부(10)가 수집한 로그 정보로부터, 미리 선택된 복수의 수치(수치 P1, P2, …)를 추출하고, 특징 벡터로 하는 것으로서 설명하였다. 구체적으로는, 특징 벡터 추출부(11)는, 보수 작업원에 의한 수치의 종별의 지정을 접수하는 수치 지정 접수부를 구비하고 있어도 좋다. 이것에 의해, 보수 작업원은, 당해 수치 지정 접수부를 거쳐서, 특징 벡터를 구성하는 수치 P1, P2, …의 개수나 종별을 임의로 지정할 수 있다.The feature vector extracting unit 11 according to the present embodiment extracts a plurality of previously selected numerical values (numerical values P1, P2, ...) from the log information collected by the log information acquiring unit 10, . Specifically, the feature vector extracting unit 11 may be provided with a numeric designation accepting unit for accepting designation of a numerical value type by a maintenance worker. Thus, the maintenance worker can obtain the numerical values P1, P2, ... constituting the feature vector through the numerical designation accepting section. The number and the type of the data can be arbitrarily designated.

여기서, 장해 정보 처리부(14)가 동일한 장해(예를 들면 「장해 A」)에 대해 복수의 장해 특징 벡터를 축적했을 때에, 동일한 「장해 A」로 구분됨에도 불구하고, 당해 복수의 장해시 특징 벡터의 경향에 통일성을 발견하지 못한 경우, 혹은 장해의 경향 그 자체를 파악할 수 없는 경우가 상정된다. 이 경우, 보수 작업원은, 「장해 A」로서의 경향을 찾아낼 수 있도록, 상기 수치 지정 접수부를 거쳐서, 특징 벡터의 수치 P1, P2, …을 재선택한다. 보수 작업원에 의한 지정을 접수한 장해 정보 처리부(14)는, 로그 정보 데이터베이스(12)에 축적되어 있던 로그 정보를 참조하여, 각종 특징 벡터를 재추출한다. 보수 작업원은 재추출된 특징 벡터를 확인하면서, 장해의 예측에 필요한 수치의 조합을 검토할 수 있다.Here, when the fault information processing section 14 accumulates a plurality of fault feature vectors for the same fault (for example, " fault A "), the plurality of fault feature vectors And the tendency of the disability can not be grasped. In this case, the maintenance worker, through the numerical designation accepting section, sets the numerical values P1, P2, ... of the feature vector so that the tendency as the " disorder A " . The fault information processing unit 14 that received the designation by the maintenance worker refers to the log information stored in the log information database 12 and re-extracts various feature vectors. The maintenance worker can review the combination of numerical values necessary for predicting the disturbance while checking the reextracted feature vector.

이상, 제 1 실시 형태에 따른 감시 장치(1)에 의하면, 복수의 구성 기기로 이루어지는 복잡한 시스템에서도, 당해 시스템에서 발생하는 장해를 정밀도 좋게 예측할 수 있어, 당해 시스템의 가동률을 향상시킬 수 있다.As described above, according to the monitoring apparatus 1 of the first embodiment, it is possible to accurately predict a fault occurring in the system even in a complex system composed of a plurality of constituent devices, thereby improving the operating rate of the system.

<제 2 실시 형태>&Lt; Second Embodiment >

다음에, 제 2 실시 형태에 따른 감시 장치(1)에 대해 설명한다.Next, the monitoring apparatus 1 according to the second embodiment will be described.

제 2 실시 형태에 따른 감시 장치(1)는, 장해 예측부(16)에서의 장해의 예측 처리의 점에서, 제 1 실시 형태와 상이하다. 이하, 순서에 따라 예측 처리의 예를 설명한다.The monitoring apparatus 1 according to the second embodiment is different from the first embodiment in terms of a failure prediction processing in the error predicting unit 16. [ Hereinafter, an example of prediction processing will be described in order.

도 7은 제 2 실시 형태에 따른 감시 장치가 감시 대상으로 하는 과금 수수 시스템의 구성을 나타내는 도면이다.7 is a diagram showing a configuration of a billing / receiving system to be monitored by the monitoring apparatus according to the second embodiment.

제 2 실시 형태에 따른 감시 장치(1)는, 도 7에 나타내는 과금 수수 시스템(2)의 로그 정보를 취득하고, 장해 발생의 예측을 행한다.The monitoring apparatus 1 according to the second embodiment acquires the log information of the billing / delivering system 2 shown in Fig. 7 and predicts the occurrence of the failure.

감시 대상으로 하는 과금 수수 시스템(2)은, 예로서 전자 과금 수수 시스템이며, 도 7에 나타내는 바와 같이, 구성 기기(2M)가 구성 기기(2A, 2B, 2C)의 각각과 개별적으로 통신을 행하는 형태로 구성되어 있다. 예를 들면, 구성 기기(2M)는, IC 카드 리더, 구성 기기(2A, 2B, 2C)가, 각각 IC 카드, IC 카드에 대해 데이터 처리를 행하는 데이터 처리 장치, 판독된 IC 카드의 데이터에 근거하여 과금 등의 과금 수수 처리를 행하는 결제 처리 장치이다.The billing / receiving system 2 to be monitored is, for example, an electronic billing / receiving system. As shown in Fig. 7, the configuration apparatus 2M communicates with each of the configuration apparatuses 2A, 2B and 2C individually . For example, the configuration device 2M is a configuration device 2M in which the IC card reader and the configuration devices 2A, 2B, and 2C are respectively connected to a data processing device that performs data processing on the IC card and the IC card, And performs billing processing such as billing.

도 8은 제 2 실시 형태에 따른 특징 벡터 추출부의 처리의 예를 설명하는 도면이다.8 is a diagram for explaining an example of the processing of the feature vector extracting unit according to the second embodiment.

본 실시 형태에 있어서, 특징 벡터 추출부(11)는, 도 7에 나타낸 과금 수수 시스템(2)의 특징 벡터로서 12개의 수치가 선택되고 있다. 여기서, 수치 M은 구성 기기(2M) 자신의 기계 동작(IC 카드의 삽입, 취출)에 관한 수치이다. 또한, 수치 A1~A7은 구성 기기(2M)로부터 구성 기기(2A)로 위탁되는 처리에 관한 수치, 수치 B1~B3은 구성 기기(2M)로부터 구성 기기(2B)로 위탁되는 처리에 관한 수치, 그리고, 수치 C1은 구성 기기(2M)로부터 구성 기기(2C)로 위탁되는 처리에 관한 수치이다.In the present embodiment, the feature vector extracting unit 11 selects twelve numerical values as feature vectors of the billing / delivering system 2 shown in Fig. Here, the numerical value M is a numerical value concerning the machine operation (insertion / removal of the IC card) of the constituent device 2M itself. Numerals A1 to A7 are numerical values relating to the processing to be entrusted from the constituent element 2M to the constituent elements 2A. Numerals B1 to B3 are numerical values relating to the processing entrusted from the constituent element 2M to the constituent element 2B, The numerical value C1 is a numerical value relating to the processing to be entrusted from the component device 2M to the component device 2C.

특징 벡터 추출부(11)는, 제 1 실시 형태와 마찬가지로, 각 수치(수치 M, A1~A7, B1~B3, C1)의 각각에 대한 통계 분포(평균값 μ, 표준 편차 σ 등)에 근거하는 정규화 처리를 행하고, 각각의 수치의 대소, 증감의 편차가 동일한 척도로 비교 가능해진다. 각 수치의 평균값 μ, 표준 편차 σ 등에 대해서는, 제 1 실시 형태와 마찬가지로, 평균 특징 벡터 산출부(110)가, 가동 중인 복수의 과금 수수 시스템(2)에 대해 과거로부터 현재에 걸쳐 정기적 또는 비정기적으로 취득된 로그 정보에 근거해서 동적으로 산출한다.The feature vector extracting unit 11 extracts feature vectors based on statistical distributions (mean value 占 and standard deviation 占 and the like) for each of the numerical values (numerical values M, A1 to A7, B1 to B3 and C1) Normalization processing is performed, and the magnitude, magnitude, and variation of each numerical value can be compared on the same scale. As in the case of the first embodiment, the average characteristic vector calculating unit 110 calculates the average value μ and the standard deviation σ of each numerical value by referring to the plurality of active billing / receiving systems 2 from the past to the present at regular or irregular intervals On the basis of the log information acquired in the step S11.

본 실시 형태에서는, 도 8에 나타내는 바와 같이, 특징 벡터를 구성하는 수치 중, 관련성의 강한 수치끼리를 차트 내에서 특정 방향으로 치우치도록 설정하고 있다. 예를 들면, 구성 기기(2A)와의 통신에 관한 수치 A1~A7은 전체적으로 차트의 우측 아래쪽으로 치우치도록 인접하여 설정된다.In the present embodiment, as shown in FIG. 8, among the numerical values constituting the feature vector, values with strong relevance are set so as to be shifted in a specific direction in the chart. For example, the numerical values A1 to A7 relating to the communication with the constituent device 2A are set adjacently so as to be deviated to the right and bottom of the chart as a whole.

도 9는 제 2 실시 형태에 따른 장해 정보 데이터베이스에 축적되어 있는 장해 정보의 예를 나타내는 도면이다.9 is a diagram showing an example of the fault information accumulated in the fault information database according to the second embodiment.

본 실시 형태에 따른 장해 정보 처리부(14)의 처리는 제 1 실시 형태와 동등하다. 즉, 본 실시 형태에 따른 과금 수수 시스템(2)에 발생한 장해에 대한 장해 정보와, 그 발생시 직전에 취득되어 있던 로그 정보에 근거하여 추출된 장해시 특징 벡터를 관련지어 장해 정보 데이터베이스(15)에 축적한다.The processing of the fault information processing section 14 according to the present embodiment is equivalent to that of the first embodiment. That is, the failure information database 15 associates the failure feature vectors extracted on the basis of the failure information on the failure occurring in the billing system 2 according to the present embodiment and the log information acquired immediately before the generation, Accumulate.

여기서, 도 9를 참조하면서, 본 실시 형태에 따른 장해 정보 데이터베이스(15)에 축적된 장해 정보 및 장해시 특징 벡터의 예를 설명한다.Here, examples of the failure information and the failure feature vector stored in the failure information database 15 according to the present embodiment will be described with reference to FIG.

예로서, 장해 A는, 구성 기기(2C)의 전자 부품 α의 열화에 의해 소프트웨어가 폭주하여, 과금 수수 시스템(2)의 운용이 정지에 도달한 장해인 것으로 한다. 이 경우, 장해 A의 발생 직전 상태를 나타내는 장해시 특징 벡터 Vs1은 구성 기기(2C)에 관한 수치 C만이 돌출되어 증가하고, 그 이외의 수치는 평균값 근방으로 되어 있다.For example, it is assumed that the fault A is a failure that the software congests due to the deterioration of the electronic component? Of the component device 2C and the operation of the billing / delivering system 2 reaches the stop. In this case, the failure feature vector Vs1 indicating the state just before the occurrence of the fault A is increased only by the value C relating to the component device 2C, and the other values are near the average value.

또한, 장해 B는, 구성 기기(2A)와의 통신에 사용되는 구성 기기(2M)의 신호 접점 지그의 열화(오염, 마모)에 의해 통신 이상이 빈발하였다. 그 결과, 과금 수수 시스템(2)의 운용에서 몇번이나 통신 처리의 리트라이가 되어, 원활한 운용이 불가능한 상태로 된 장해를 나타내고 있다. 장해 B의 발생 직전에서의 장해시 특징 벡터 Vs2는 수치 A1~A7의 몇개가 평균값 μ보다 큰 차트로 되어 있다.Further, the disturbance B is frequently caused by deterioration (contamination, abrasion) of the signal contact jig of the component device 2M used for communication with the component device 2A. As a result, the billing and sending system 2 is in a state of being in a state in which the communication processing is retried many times in the operation of the billing and receiving system 2, and smooth operation is impossible. The failure characteristic vector Vs2 immediately before the occurrence of the fault B is a chart in which some of the values A1 to A7 are larger than the average value 占.

장해 C는, 구성 기기(2B)의 주요한 전자 부품인 주제어용 IC의 열 손상에 의해 기능이 정지되었기 때문에, 과금 수수 시스템(2)의 운용을 일시 정지한 장해를 나타내고 있다. 이에 관련하여, 장해 C의 발생 직전에서의 장해시 특징 벡터 Vs3은 수치 B2, B3이 돌출되어 증가하고 있다.The failure C indicates a failure that temporarily stops the operation of the billing / delivering system 2 because the function is stopped due to thermal damage of the main-processing IC as the main electronic component of the component device 2B. In this regard, the characteristic vector Vs3 at the time of the failure just before the occurrence of the fault C is increased by the protrusions B2 and B3.

도 10은 제 2 실시 형태에 따른 로그 정보 데이터베이스에 축적되어 있는 특징 벡터의 예를 나타내는 도면이다.10 is a diagram showing an example of a feature vector stored in the log information database according to the second embodiment.

본 실시 형태에 따른 장해 예측부(16)는, 제 1 실시 형태와 마찬가지로, 로그 정보 데이터베이스(12)를 참조하여, 통상 가동 중에 있어서의 복수의 과금 수수 시스템(2)(도 7)의 각각의 로그 정보로부터 추출된 통상시 특징 벡터 V1, V2, V3, …을 취득한다. 예로서, 장해 예측부(16)는, 주행 레인 X1~X3에 설치된 3개의 과금 수수 시스템(2)의 각각에 대해, 통상 가동 중에 있어서의 바로 근처의 소정 기간 내의 로그 정보에 근거하여 추출된 통상시 특징 벡터 V1~V3(도 10)을 취득한 경우를 생각한다.The failure predicting unit 16 according to the present embodiment refers to the log information database 12 and calculates the probability of each of the plurality of billing / receiving systems 2 (Fig. 7) during normal operation, as in the first embodiment Normal feature vectors V1, V2, V3, ... extracted from log information . For example, the failure predicting unit 16 predicts, for each of the three charging systems 2 installed in the traveling lane X1 to X3, the normal (normal) traffic information extracted based on the log information within a predetermined period immediately before the normal operation, And the time feature vectors V1 to V3 (Fig. 10) are acquired.

도 11은 제 2 실시 형태에 따른 장해 예측부에 있어서의 유사 여부 판단의 예를 설명하는 도면이다.11 is a diagram for explaining an example of determination of similarity in the failure predicting unit according to the second embodiment.

도 11에는, 장해 A, B, C에 대한 장해시 특징 벡터 Vs1, Vs2, Vs3(도 9) 및 주행 레인 X1~X3에 설치된 과금 수수 시스템(2) 각각에 대한 통상시 특징 벡터 V1~V3의 중심(重心) 위치를 나타내고 있다. 여기서, 중심 위치란, 가상 공간인 차트 평면(xy 평면) 상에서의 특징 벡터의 각 수치의 평균값이다. 중심 위치는 차트 평면 상에서, 특징 벡터에 포함되는 수치에 의해 일의적으로 정해진다.11 shows the characteristic vectors Vs1, Vs2 and Vs3 (FIG. 9) for the obstacles A, B and C and the normal characteristic vectors V1 to V3 for the billing / delivering systems 2 provided in the traveling lanes X1 to X3 And the center (center of gravity) position. Here, the center position is an average value of each value of the feature vector on the chart plane (xy plane) which is the virtual space. The center position is uniquely defined on the chart plane by the values contained in the feature vector.

본 실시 형태에 따른 장해 예측부(16)는, 서로의 특징 벡터의 중심 위치의 거리에 근거하여 유사한지 여부의 판단을 행한다.The failure predicting unit 16 according to the present embodiment determines whether or not similarity is based on the distances of the center positions of the feature vectors of each other.

예를 들면, 장해 A의 장해시 특징 벡터 Vs1은, 구성 기기(2C)에 장해가 있었기 때문에, 수치 C1만이 증가하고 있다(도 9 참조). 따라서, 도 11에서, 장해 A의 장해시 특징 벡터 Vs1은 수치 C1의 축이 설정되어 있는 방향인 +y 방향측으로 천이하고 있다. 이에 반해, 과금 수수 시스템(2)(주행 레인 X1)의 통상시 특징 벡터 V1은 마찬가지로 +y 방향측으로 천이하고 있어, 양자의 중심 위치의 거리가 가까워져 있다.For example, the disturbance characteristic vector Vs1 of the disturbance A has only a value C1 (see Fig. 9) because the constituent device 2C has a trouble. Therefore, in Fig. 11, the characteristic vector Vs1 at the time of the failure of the obstacle A transits to the + y direction side in the direction in which the axis of the value C1 is set. On the other hand, the normal feature vector V1 of the billing / delivering system 2 (traveling lane X1) similarly transits to the + y direction side, and the distance between the center positions of the two is close to each other.

여기서, 본 실시 형태에 따른 장해 예측부(16)는, 예를 들면 통상시 특징 벡터 V1의 중심 위치(x1, y1)와 장해시 특징 벡터 Vs1의 중심 위치(x2, y2)의 거리 d가 소정의 판정 임계값 dth 이하가 되는 경우에, 통상시 특징 벡터 V1이 장해시 특징 벡터 Vs1과 유사하다고 판단하고, 그 취지를 통지하는 처리를 행한다. 이것에 의해, 보수 작업원은, 주행 레인 X1의 과금 수수 시스템(2)에 대해, 구성 기기(2C)의 수선 작업을 필요로 하는 것을 인지할 수 있다.Here, the disturbance predicting unit 16 according to the present embodiment calculates the distance d between the center position (x1, y1) of the normal feature vector V1 and the center position (x2, y2) , It is judged that the normal feature vector V1 is similar to the feature vector Vs1 at the time of failure, and a process for notifying the fact is performed. As a result, the maintenance worker can recognize that the billing / delivering system 2 of the traveling lane X1 requires a repair work of the construction machine 2C.

거리 d는 d={(x1-x2)²+(y1-y2)²}¹ ^/2에 의해 구해진다.It is the distance d is obtained by d = {(x1-x2) 2 + (y1-y2) 2} 1/2.

마찬가지로, 장해 B의 장해시 특징 벡터 Vs2에서는, 구성 기기(2A)와의 통신 경로에 장해가 생겨 있었던 것에 의해, 수치 A1~A7 중 몇개의 수치가 증가하고 있다(도 9 참조). 따라서, 도 11에서, 장해시 특징 벡터 Vs2의 중심 위치는, 차트 우측 아래쪽 방향으로 추이하고 있다. 이에 반해, 과금 수수 시스템(2)(주행 레인 X2)의 통상시 특징 벡터 V2의 중심 위치도 마찬가지로 우측 아래쪽 방향측으로 천이하고 있어, 장해 B의 중심 위치에 가까워져 있다. 따라서, 장해 예측부(16)는, 판정 임계값 dth에 근거하는 판정 결과에 따라 장해 B와 동등한 이상의 발생을 예측하고, 그 취지를 통지하는 처리를 행한다.Likewise, in the obstacle feature vector Vs2 of the obstacle B, a numerical value of some of the numerals A1 to A7 is increased due to a trouble in the communication path with the constituent device 2A (see Fig. 9). Therefore, in Fig. 11, the center position of the feature vector Vs2 at the time of failure changes in the lower right direction of the chart. On the other hand, the center position of the feature vector V2 in the normal state of the billing and delivery system 2 (traveling lane X2) also transitions to the lower right direction and is close to the center position of the obstacle B. Therefore, the failure predicting unit 16 predicts occurrence of an abnormality equivalent to that of the obstacle B in accordance with the determination result based on the determination threshold value dth, and performs processing for notifying the occurrence of the abnormality.

또, 장해 C의 장해시 특징 벡터 Vs3에서는, 구성 기기(2B) 내부의 장해에 의해 동작이 정지한 것에 의해, 특히 수치 B2, B3의 수치가 돌출되어 증가하고 있다(도 9 참조). 이에 반해, 과금 수수 시스템(2)(주행 레인 X3)의 통상시 특징 벡터 V3은, 차트의 전체적인 형상에서는 장해 A, B, C의 유사성은 뚜렷하지 않다. 그러나, 통상시 특징 벡터 V3에서는, 구성 기기(2B)와의 통신 처리에 관한 수치의 하나인 B1이 돌출되어 있고, 중심 위치는 장해 C의 중심 방향에 가까워져 있다. 이것에 의해, 장해 예측부(16)는, 판정 임계값 dth에 근거하는 판정 결과에 따라, 장해 C와 마찬가지로 구성 기기(2B)에 근거하는 장해의 발생을 예측하고, 그 취지를 통지한다.In addition, numerical values B2 and B3 increase particularly in the obstacle characteristic vector Vs3 of the obstacle C due to the operation stopped by the obstacle inside the constituent device 2B (see FIG. 9). On the contrary, in the normal characteristic vector V3 of the billing and delivery system 2 (traveling lane X3), the similarity of the obstacles A, B and C is not clear in the overall shape of the chart. However, in the normal feature vector V3, B1, which is one of the numerical values relating to the communication processing with the constituent device 2B, protrudes, and the center position approaches the center of the obstacle C. Thereby, the failure predicting unit 16 predicts the occurrence of a failure based on the component device 2B in accordance with the determination result based on the determination threshold dth, like the failure C, and notifies the effect.

이와 같이, 본 실시 형태에 따른 장해 예측부(16)는, 통상시 특징 벡터 V1, V2, …와, 장해시 특징 벡터 Vs1, Vs2, …의 차트 평면 내에서의 중심 위치의 대비에 근거하여 유사 여부 판단을 행한다. 그렇게 하면, 특징 벡터를 구성하는 수치의 축을, 수치끼리가 가지는 소정의 공통성에 대응지어 설정하는 것에 의해, 중심 위치의 추이의 방향으로부터 이상의 진행 부분을 정밀도 좋게 추정할 수 있다. 예를 들면, 수치 A1~A7은, 「구성 기기(2A)와의 통신에 관련되는 수치」라는 공통성을 가지면서, 차트 평면 우측 아래쪽 방향으로 통합하여 설정된다. 따라서, 통상시 특징 벡터 V1, V2, …의 중심 위치가 우측 아래쪽 방향으로 추이하는 경향으로부터, 구성 기기(2A)에 어떠한 이상이 진행되고 있는 것이라고 추정할 수 있다.As described above, the failure predicting unit 16 according to the present embodiment calculates the normalized feature vectors V1, V2, ... And the obstacle-time characteristic vectors Vs1, Vs2, ... Similarity determination is performed based on the contrast of the center position in the chart plane. Then, by setting the axis of the numerical value constituting the feature vector in correspondence with the predetermined commonality of the numerical values, it is possible to accurately estimate the advanced part from the direction of the transition of the center position. For example, the numerical values A1 to A7 are collectively set in the lower right direction of the chart plane, with the commonality of " numerical values related to communication with the constituent devices 2A ". Therefore, the normal feature vectors V1, V2, ... It can be inferred that the abnormality is proceeding in the component device 2A from the tendency that the center position of the component device 2A moves in the downward right direction.

상술한 설명에서는, 본 실시 형태에 따른 과금 수수 시스템(2)은, 중심 위치의 거리에 근거하여, 서로의 거리가 소정의 판정 임계값 dth 이하로 된 경우에, 장해 발생의 가능성을 통지하는 것으로 했지만, 본 실시 형태의 변형예에서는, 이 형태에 한정되지 않는다. 예를 들면, 당해 변형예에서는, 장해 예측부(16)는 원점 0로부터 중심 위치가 추이한 방위 θ(θ=0°~360°)가 일치하고 있는지 여부에 근거하여, 장해의 발생을 예측해도 좋다.In the above description, the billing / delivering system 2 according to the present embodiment notifies the possibility of occurrence of a failure when the distance between them is equal to or less than a predetermined determination threshold value dth based on the distance of the center position However, the modification of the present embodiment is not limited to this embodiment. For example, in this modification, the failure predicting section 16 predicts the occurrence of the fault based on whether or not the orientation θ (θ = 0 ° to 360 °) in which the center position has shifted from the origin 0 coincides good.

구체적으로는, 예를 들면 도 11에서, 장해 C의 장해시 특징 벡터 Vs3의 중심 위치와, 통상시 특징 벡터 V3의 중심 위치의 거리 d는 비교적 떨어져 있어, 거리의 판정 임계값 dth에 따라서는 장해 C의 전조가 검출되지 않는다. 그러나, 도 11에 나타내는 바와 같이, 2개의 특징 벡터의 중심 위치가 추이한 방위는 모두 차트 평면 좌측에서 거의 일치하고 있다.Specifically, for example, in FIG. 11, the distance d between the center position of the feature vector Vs3 at the time of failure of the obstacle C and the center position of the normal feature vector V3 is relatively small, and depending on the distance determination threshold dth, No precursor of C is detected. However, as shown in Fig. 11, the azimuths in which the center positions of the two feature vectors change are almost coincident with each other on the left side of the chart plane.

이 경우, 장해 예측부(16)는, 통상시 특징 벡터 V3의 중심 위치의 방위 θ가, 장해시 특징 벡터 Vs3의 중심 위치의 방위 θs에 대해 θs±Δθ의 범위에 들어가는지 여부를 판정하고, 당해 판정 결과에 근거하여 과금 수수 시스템(2)에서의 장해 C의 발생을 예측해도 좋다.In this case, the failure predicting unit 16 determines whether or not the bearing &thetas; of the center position of the feature vector V3 in the normal state falls within the range of &thetas; s ± Δθ with respect to the bearing θs of the center position of the failure feature vector Vs3, And the occurrence of the fault C in the billing / order receiving system 2 may be predicted based on the judgment result.

이상과 같이, 추이하는 방위 θ를 대비함으로써, 장해 예측부(16)는, 중심 위치가 소정의 거리 범위 내에 가까워지기 전에 발생할 수 있는 장해를 특정할 수 있어, 장해 발생의 징조 및 그 원인 부분을 조기에 발견할 수 있다.As described above, by contrasting the transition azimuth?, The failure predicting unit 16 can identify a failure that may occur before the center position is close to a predetermined distance range, It can be found early.

도 12는 제 2 실시 형태의 변형예에 따른 장해 예측부에 있어서의 유사 여부 판단의 예를 설명하는 도면이다.12 is a diagram for explaining an example of determination of similarity in a failure predicting unit according to a modification of the second embodiment.

제 2 실시 형태의 변형예로서, 장해 예측부(16)는, 또한 특징 벡터에 포함되는 수치(수치 M, A1~A7, B1~B3, C1) 중, 특정의 장해와 관련성이 높은 수치인 특징값끼리의 비교에 근거하여, 통상시 특징 벡터 V1, V2, …와, 장해시 특징 벡터 Vs1, Vs2, …의 유사 여부 판단을 행해도 좋다.As a modification of the second embodiment, the error predicting unit 16 also calculates the characteristic (numerical value M, A1 to A7, B1 to B3, C1) included in the feature vector, Based on the comparison between the values, the normal feature vectors V1, V2, ... And the obstacle-time characteristic vectors Vs1, Vs2, ... Similarity determination may be performed.

구체예로서, 당해 변형예에 따른 장해 정보 처리부(14)는 특징값 설정부를 가진다. 이 특징값 설정부는, 동일한 장해의 구분으로 분류된 복수의 장해 정보에 관한 장해시 특징 벡터에 공통되는 경향을 가지는 하나의 특징값을 설정한다. 예를 들면, 장해 B에 대한 장해시 특징 벡터 Vs2(도 9 중앙), 및 동일한 장해 B로서 분류된 다른 복수의 장해시 특징 벡터에 공통되는 경향으로서 「수치 C1이 감소하고 있다」는 경향이 보여진다. 이 경우, 장해 정보 처리부(14)의 특징값 설정부는, 이 수치 C1을, 장해 B와 관련성이 높은 「특징값」으로서 설정하고, 기억한다. 동시에, 장해 정보 처리부(14)는, 당해 「특징값」인 수치 C1이 소정값까지 감소한 경우에, 장해 B의 경향이 강해진다는 취지의 정보를 기억해 둔다. 구체적으로는, 특징값 설정부는, 장해 정보 데이터베이스(15)에 대해, 예를 들면 「장해 B, 특징값: C1, 수치: 00」 등의 정보군을 기억해 둔다.As a specific example, the failure information processing unit 14 according to the modification has a feature value setting unit. The feature value setting unit sets a feature value having a tendency that is common to the failure feature vectors related to a plurality of failure information classified into the same failure category. For example, there is a tendency that " the value C1 is decreasing " as a tendency that is common to the failure feature vector Vs2 (center in FIG. 9) for the obstacle B and the other plurality of failure feature vectors classified as the same obstacle B Loses. In this case, the feature value setting unit of the fault information processing unit 14 sets and stores the value C1 as a "feature value" having high relevance to the defect B. At the same time, the failure information processing section 14 stores information indicating that the tendency of the obstacle B is strengthened when the value C1, which is the "feature value", has decreased to a predetermined value. Specifically, the feature value setting section stores information groups such as " fault B, feature value: C1, numerical value: 00 " for the fault information database 15. [

한편, 주행 레인 X4에 설치된 과금 수수 시스템(2)에서, 도 12에 나타내는 통상시 특징 벡터 V4가 취득되었다고 한다.On the other hand, it is assumed that the normal-time feature vector V4 shown in Fig. 12 is acquired in the billing-transfer system 2 provided in the traveling lane X4.

이 경우, 당해 변형예에 따른 장해 예측부(16)는, 우선 제 2 실시 형태와 마찬가지로, 그 중심 위치의 대비에 근거하여, 통상시 특징 벡터가 어떤 장해시 특징 벡터와 유사한지를 판단한다. 그러나, 이 경우, 통상시 특징 벡터 V4의 중심 위치는 전체적으로 평균값(원점 0)에 가까운 것으로 되어 있고, 그 추이하는 방위로부터도 장해시 특징 벡터 Vs1, Vs2, Vs3의 공통성은 보여지지 않는다(도 11 참조). 따라서, 장해 예측부(16)는, 중심 위치에 근거하는 유사 여부 판단에 의해, 당해 과금 수수 시스템(2)은 건전한 가동 상태에 있다고 판정한다.In this case, the disturbance predicting unit 16 according to the modified example first determines, based on the contrast of the center position thereof, similarity to the obstacle feature vector, as in the second embodiment. In this case, however, the center position of the feature vector V4 in the normal state is close to the average value (origin 0) as a whole, and the commonality of the feature vectors Vs1, Vs2, and Vs3 at the time of failure is not shown from the transition direction Reference). Therefore, the failure predicting unit 16 determines that the charging / receiving system 2 is in a sound operating state by determining whether or not the similarity is based on the central position.

그러나, 당해 변형예에 따른 장해 예측부(16)는, 또한 장해 정보 처리부(14)에 의해 기억된 특징값(수치 C1)끼리의 비교에 근거하여, 각 특징 벡터의 유사 여부 판단을 행한다.However, the failure predicting unit 16 according to this modification also judges whether or not each of the feature vectors is similar based on the comparison of the feature values (values C1) stored by the failure information processing unit 14. [

즉, 장해 예측부(16)는, 통상시 특징 벡터 V4의 수치 C1이 감소하고 있는 경향(도 12 참조)을 읽어내고, 장해 정보 처리부(14)에 의해 「특징값(수치 C1)의 감소 경향」과 연결되어 있는 「장해 B」와 유사하다고 판단한다.That is, the error predicting unit 16 reads the tendency that the numerical value C1 of the characteristic vector V4 is decreasing (see Fig. 12) "Which is linked to" obstacle B ".

이렇게 함으로써, 당해 변형예에 따른 장해 예측부(16)는, 중심 위치의 비교만으로는 놓치고 있었던 공통성에 근거하여, 한층더 정밀도 좋게 장해의 발생을 예측할 수 있다.By doing this, the failure prediction unit 16 according to the modified example can predict the occurrence of the failure more precisely based on the commonality missed only by the comparison of the center positions.

상술한 변형예에서, 장해 B와, 그 장해 B와 관련성이 높은 수치 C1의 관련지음은, 장해 정보 처리부(14)가, 축적된 장해 정보 및 장해시 특징 벡터를 해석하여 자동으로 설정하는 것으로서 설명하였다. 그러나, 다른 실시 형태에서는, 예를 들면, 보수 작업원이, 동일한 장해의 구분으로 분류된 복수의 장해시 특징 벡터의 차트를 확인함으로써, 그 장해와 관련성이 높다고 판단되는 특징값을 찾아내고, 장해 정보 처리부(14)가 그 판단에 근거하는 정보(장해의 분류 및 그 특징값)의 입력을 접수하여 기억하는 형태이더라도 좋다.In the modification described above, the relation between the obstacle B and the numerical value C1 that is highly related to the obstacle B is determined by analyzing the stored obstacle information and the obstacle characteristic vector and automatically setting the obstacle information processing section 14 Respectively. However, in another embodiment, for example, a maintenance worker identifies a feature value determined to be highly related to the failure by checking a chart of a plurality of failure feature vectors classified into the same failure category, The information processing unit 14 may receive and store the information based on the determination (classification of the fault and its characteristic value).

이 경우, 장해 정보 처리부(14)는, 감시 장치(1)가 구비하는 표시부(모니터)를 거쳐서, 축적된 장해시 특징 벡터의 차트를 보수 작업원에게 표시시키는 표시 지시부와, 표시된 차트에 근거한 보수 작업원의 판단에 의한 특징값의 지정을 접수하는 특징값 지정 접수부를 구비하는 것으로 한다.In this case, the fault information processing section 14 includes a display instruction section for displaying a chart of the accumulated failure feature vector to the maintenance worker via a display section (monitor) provided in the monitoring apparatus 1, And a feature value designation accepting section for accepting designation of a feature value by judgment of the worker.

또한, 상술한 변형예에서, 장해 예측부(16)는, 각 특징 벡터의 「중심 위치」에 의한 유사 여부 판단, 및 미리 설정된 「특징값」에 근거하는 유사 여부의 판단을 행하는 것으로서 설명했지만, 장해 예측부(16)는, 또한 제 1 실시 형태에서 설명한 「상위도 D」에 근거하는 유사 여부 판단을 행하여도 좋다.In the modification described above, the failure predicting unit 16 has been described as determining similarity based on the " center position " of each feature vector and determining similarity based on a predetermined " feature value " The failure predicting unit 16 may also make a similarity determination based on the "upper diagram D" described in the first embodiment.

도 13은 제 2 실시 형태의 변형예에 따른 장해 예측부에서의 통지 처리의 예를 설명하는 도면이다.13 is a diagram for explaining an example of a notification process in the failure predicting unit according to the modification of the second embodiment.

상술한 변형예의 경우, 유사 여부 판단의 수법에 따라서는 판단 결과가 다른 경우가 있다.In the case of the above modification, the determination result may be different depending on the similarity determination technique.

이 경우, 장해 예측부(16)는, 도 13에 나타내는 바와 같이, 장해 예측의 통지 처리로서, 당해 판단 방법마다 예측되는 장해를 표시하도록 해도 좋다. 예를 들면, 장해 예측부(16)는, 통상시 특징 벡터 V4와, 각 장해시 특징 벡터 Vs1, Vs2, …, 및 평균 특징 벡터 Va의 대비의 결과를, 그 판단 방법마다 표시한다. 도 13에서, 예를 들면, 판단 방법 m1은 「상위도 D」에 근거하는 판단, 판단 방법 m2는 「중심 위치」에 근거하는 판단, 판단 방법 m3은 「특징값」에 근거하는 판단이다.In this case, as shown in Fig. 13, the failure prediction unit 16 may display a failure predicted for each determination method as a failure prediction notification process. For example, the error predicting unit 16 calculates a normalized feature vector V4 and each failure feature vector Vs1, Vs2, ... , And the average feature vector Va are displayed for each determination method. In Fig. 13, for example, the judgment method m1 is judged based on the "upper figure D", the judgment method m2 is judged based on the "central position", and the judgment method m3 is judged based on the "characteristic value".

장해 예측부(16)가, 판단 방법마다 그 판단 결과를 통지하는 것에 의해, 보수 작업원은 장해의 전조를 상세하고 다각적으로 파악할 수 있다. 예를 들면, 도 13에 나타내는 판단 결과에 의하면, 현단계에서의 가동 상황은 건전에 가까운 것이지만, 향후장해 B의 발생으로 진행할 가능성이 있어, 주시할 필요가 있다는 것을 판단할 수 있다.By notifying the failure prediction unit 16 of the determination result for each determination method, the maintenance worker can grasp the precursor of the failure in detail and variously. For example, according to the determination result shown in Fig. 13, it is possible to judge that it is necessary to keep an eye on the possibility that the operation state at the present stage is close to sound, but may proceed with the occurrence of the obstacle B in the future.

또한, 상술한 제 1, 제 2 실시 형태에 따른 장해 예측부(16)는, 감시 대상(과금 수수 시스템(2))으로부터 추출된 통상시 특징 벡터가, 축적되어 있던 장해시 특징 벡터 Vs1, Vs2, …, 또는 평균 특징 벡터 Va 중 어디에 유사한지를 상대적으로 판단함으로써, 장해의 발생을 예측하는 것으로서 설명하였다. 그러나, 다른 실시 형태에 따른 장해 예측부(16)는, 통상시 특징 벡터가 각 장해시 특징 벡터 Vs1, Vs2, … 혹은 평균 특징 벡터 Va 중 어디에도 유사하지 않다고 판단한 경우는, 감시 대상(과금 수수 시스템(2))에서 미지의 장해의 전조가 있다고 판정하고, 그 취지를 나타내는 통지 처리를 행하도록 해도 좋다. 이 경우, 장해 예측부(16)는, 유사 여부 판단의 기준에 고정의 판정 임계값을 마련하고, 장해시 특징 벡터 Vs1, Vs2, …, 및 평균 특징 벡터 Va의 각각에 대해, 당해 고정의 판정 임계값에 근거한 유사 여부 판단을 행하는 것으로 한다.In addition, the failure predicting unit 16 according to the first and second embodiments described above determines whether or not the normal feature vector extracted from the monitoring target (the billing / order receiving system 2) is the accumulated failure feature vectors Vs1 and Vs2 , ... , Or the average feature vector Va, to predict the occurrence of the fault. However, the failure predicting unit 16 according to another embodiment may be configured such that the normal feature vector is the feature vector at each failure Vs1, Vs2, ... Or the average characteristic vector Va, it may be determined that there is an advance of an unknown error in the monitoring object (the billing / order receiving system 2), and notification processing indicating this may be performed. In this case, the failure predicting unit 16 provides a fixed determination threshold value to the criterion for determining similarity, and calculates the failure characteristic vector Vs1, Vs2, ..., , And the average feature vector Va, based on the fixed determination threshold value.

이렇게 함으로써, 보수 작업원은, 지금까지 축적된 장해시 특징 벡터 중 어디에도 해당하지 않는 새로운 현상이 발생하고 있는 경우에, 그 현상에 기인하여 장해가 발생하기 전에 그것을 인식해서, 대책을 강구할 수 있다.By doing so, when a new phenomenon that does not correspond to any of the accumulated failure feature vectors has occurred, the maintenance worker can recognize the failure before the occurrence of the failure and take a countermeasure .

이상, 제 2 실시 형태 및 그 변형예에 따른 감시 장치(1)에 의하면, 복수의 상이한 구성 기기에 관한 수치군을 1개의 특징 벡터로서 추출함으로써, 구성 기기마다 독립된 감시를 행할 뿐만 아니라, 시스템에서의 구성 기기 전체의 제휴 동작을 망라적으로 파악할 수 있다.As described above, the monitoring apparatus 1 according to the second embodiment and its modification extracts a group of numerical values relating to a plurality of different constituent devices as one feature vector, thereby performing independent monitoring for each constituent device, It is possible to grasp the cooperation operation of the entire constituent devices of the apparatus.

상술한 감시 장치(1)는 내부에 컴퓨터 시스템을 가지고 있다. 그리고, 상술한 감시 장치(1)의 각 처리의 과정은, 프로그램의 형식으로 컴퓨터 판독 가능한 기록 매체에 기억되어 있고, 이 프로그램을 컴퓨터가 판독하여 실행하는 것에 의해, 상기 처리가 행해진다. 여기서, 컴퓨터 판독 가능한 기록 매체란, 자기 디스크, 광학 자기 디스크, CD-ROM(Compact Disk Read Only Memory) 또는 반도체 메모리 등을 말한다. 또한, 이 컴퓨터 프로그램을 통신 회선에 의해 컴퓨터에 전달하고, 이 전달을 받은 컴퓨터가 당해 프로그램을 실행하도록 해도 좋다.The above-described monitoring apparatus 1 has a computer system therein. The processing of each of the above-described monitoring apparatuses 1 is stored in a computer-readable recording medium in the form of a program, and the above processing is performed by the computer reading and executing the program. Here, the computer-readable recording medium refers to a magnetic disk, an optical magnetic disk, a CD-ROM (Compact Disk Read Only Memory), a semiconductor memory, or the like. Further, the computer program may be transmitted to the computer by a communication line, and the received computer may execute the program.

이상, 본 발명의 몇몇 실시 형태를 설명했지만, 이들 실시 형태는 예로서 제시한 것이며, 발명의 범위를 한정하는 것은 의도하고 있지 않다. 이들 실시 형태는, 그 외의 여러 형태로 실시되는 것이 가능하며, 발명의 요지를 일탈하지 않는 범위에서 여러 가지의 생략, 치환, 변경을 행할 수 있다. 이들 실시 형태나 그 변형은, 발명의 범위나 요지에 포함됨과 아울러, 특허청구범위에 기재된 발명과 그 균등의 범위에 포함된다.While the present invention has been described in detail with reference to certain embodiments thereof, these embodiments are provided by way of example and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, substitutions, and alterations can be made without departing from the gist of the invention. These embodiments and modifications are included in the scope and spirit of the invention, and are included in the scope of the invention described in claims and equivalents thereof.

(산업상의 이용 가능성)(Industrial availability)

상기한 감시 장치, 감시 방법 및 프로그램은, 처리나 구성이 복잡한 시스템에서도, 당해 시스템에서 발생하는 장해를 정밀도 좋게 예측할 수 있다.The monitoring apparatus, the monitoring method, and the program described above can accurately predict a failure occurring in the system even in a system having complicated processing or configuration.

1: 감시 장치
10: 로그 정보 취득부
11: 특징 벡터 추출부
12: 로그 정보 데이터베이스
13: 장해 정보 입력부
14: 장해 정보 처리부
15: 장해 정보 데이터베이스
16: 장해 예측부
2: 과금 수수 시스템
2A, 2B, 2C: 구성 기기1: Monitoring device
10: log information acquisition unit
11: Feature vector extraction unit
12: log information database
13: Disable information input section
14:
15: obstacle information database
16:
2: Billing system
2A, 2B, 2C: Components

Claims

A monitoring device for monitoring a system having at least one component device,
A log information acquiring unit that acquires log information output by the component device;
A feature vector extracting unit for extracting feature vectors composed of plural kinds of numerical values based on the log information,
A fault information input unit for receiving input of fault information about a fault occurring in the system;
A failure information processing unit that stores the failure vector extracted based on the log information acquired from a time before the occurrence of the failure to the occurrence of the failure among the feature vectors and the failure information for the failure,
Based on the determination of whether or not the normal feature vector extracted based on the log information acquired at the time of normal operation of the system is similar to the failure feature vector, [0040]
And a monitoring device.

The method according to claim 1,
The error predicting unit,
And calculating a difference degree calculated from each difference between the normal feature vector and the numerical value included in the failure feature vector, and based on the degree diagram, Which is similar to which of the temporal feature vectors
monitor.

3. The method according to claim 1 or 2,
The error predicting unit,
In the virtual space, based on the comparison of the central position uniquely determined by the numerical value contained in the feature vector, it is judged which of the failure feature vectors is similar to the normal feature vector
monitor.

4. The method according to any one of claims 1 to 3,
The error predicting unit,
Based on a comparison between feature values having high relevance to a specific obstacle among the values included in the feature vector, it is determined which of the feature vectors at the time of failure is similar to the normal feature vector
monitor.

5. The method according to any one of claims 1 to 4,
Further comprising an average feature vector calculating unit for calculating an average feature vector comprising an average value for each value included in the plurality of normal feature vectors,
The error predicting unit,
When it is determined that the normal feature vector is more similar to the average feature vector than the failure feature vector, the system determines that the system is sound
monitor.

6. The method of claim 5,
The error predicting unit,
When it is determined that the normal feature vector is not similar to any of the failure feature vector or the average feature vector, it is determined that there is a precursor of an unknown error in the system
monitor.

7. The method according to any one of claims 1 to 6,
Wherein the system has two or more of the components,
The feature vector extracting unit extracts the feature vector based on log information indicating a process performed between two or more constituent devices
monitor.

8. The method according to any one of claims 1 to 7,
Further comprising: a numeric designation acceptance section for accepting designation of the type of the numerical value constituting the feature vector,
The feature vector extracting unit, when accepting the designation, re-extracts a feature vector including the numerical value of the designated category from the log information
monitor.

A monitoring method of a system having at least one component device,
The log information acquisition unit receives the input of the log information output by the component device,
The feature vector extracting unit extracts a feature vector composed of a plurality of types of numerical values based on the log information,
A fault information input unit receives input of fault information about a fault occurring in the system,
Wherein the failure information processing unit stores the failure feature vector extracted based on the log information acquired from the feature vector up to the occurrence of the failure from a predetermined time before the occurrence of the failure in association with the failure information about the failure,
The failure prediction unit may be configured to determine whether the normal feature vector extracted based on the log information acquired at the time of normal operation of the system among the feature vectors is similar to any of the failure feature vectors, Predict
Monitoring method.

A computer of a monitoring device for monitoring a system having at least one component device,
A log information input means for accepting input of log information output by the component device,
Feature vector extracting means for extracting feature vectors composed of a plurality of types of numerical values based on the log information,
Fault information input means for accepting input of fault information about a fault occurring in the system,
Failure information processing means for storing the failure feature vector extracted based on the log information acquired from a time before the occurrence of the failure to the occurrence of the failure among the feature vectors in association with the failure information for the failure,
Based on the determination of whether or not the normal feature vector extracted based on the log information acquired at the time of normal operation of the system is similar to the failure feature vector, Failure prediction means
.