CN102576328A - 系统操作管理装置、系统操作管理方法和程序存储介质 - Google Patents

系统操作管理装置、系统操作管理方法和程序存储介质 Download PDF

Info

Publication number
CN102576328A
CN102576328A CN2010800465174A CN201080046517A CN102576328A CN 102576328 A CN102576328 A CN 102576328A CN 2010800465174 A CN2010800465174 A CN 2010800465174A CN 201080046517 A CN201080046517 A CN 201080046517A CN 102576328 A CN102576328 A CN 102576328A
Authority
CN
China
Prior art keywords
correlation model
performance information
unit
cycle
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010800465174A
Other languages
English (en)
Other versions
CN102576328B (zh
Inventor
加藤清志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of CN102576328A publication Critical patent/CN102576328A/zh
Application granted granted Critical
Publication of CN102576328B publication Critical patent/CN102576328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0787—Storage of error reports, e.g. persistent data storage, storage using memory protection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Hardware Design (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

提供了系统操作管理装置，通过该系统操作管理装置，在对将来故障的检测提供确定标准的时候，减小了系统管理员的负担。所述系统操作管理装置1包括性能信息累积单元12，模型产生单元30和分析单元31。所述性能信息累积单元12以时间顺序存储包括在系统中多个类型性能值的性能信息。针对具有多个属性中的一个属性的多个周期中的每个周期，所述模型产生单元30产生包括存储在所述性能信息累积单元12中不同类型性能值之间的一个或者多个关联的关联模型。所述分析单元31采用所述输入系统性能信息和对应于获得所述输入性能信息的周期的属性的所述关联模型，对所述已经输入的系统的性能信息执行异常检测。

Description

系统操作管理装置、系统操作管理方法和程序存储介质
技术领域
本发明涉及系统操作管理装置、系统操作管理方法和程序存储介质，并且，更具体地说，涉及确定被管理系统系统操作状况的系统操作管理装置、系统操作管理方法和程序存储介质。
背景技术
近年来，在提供服务定位客户中，存在利用诸如采用网络进行邮件订购销售的计算机系统、信息和通信技术的多个服务。为了顺利执行这些服务，需要计算机系统一直稳定操作。因此，计算机系统的操作管理是必不可少的。
然而，该类系统的操作管理通过系统管理员手动执行。因此，存在一个问题，即随着系统规模和复杂性的增加，需要系统管理员具有丰富的知识和经验，不具有足够知识和经验的系统管理员或者类似人员能够引起误操作。
为了避免这一问题，提供了系统操作管理装置，用于执行组成系统的硬件的状况的联合监测和控制。该系统操作管理装置在线获得表示管理系统硬件操作状况的数据(下文称之为性能信息)，从性能信息的分析结果确定管理系统的故障存在，并且将其内容显示于显示单元(例如，显示器)上，该显示单元是包括在系统操作管理装置中的元件。这里，作为确定上述故障存在的方法示例，有根据性能信息临界值提前执行确定的技术，以及根据性能信息实际测量值和提前计算的性能信息计算值(理论值)之间差值的参考范围执行确定的技术。
在该系统操作管理装置中，有关系统中故障存在或者不存在的信息显示在显示单元上，如上述的显示器。因此，当显示故障存在的时候，需要对故障原因从显示内容缩小到故障原因是否是缺少存储器容量、或者是否是CPU(中央处理单元)过载，以改善故障。然而，由于此故障原因缩小的工作需要对可能涉及故障出现的系统历史和部分参数的调查，该工作需要依赖于执行该工作的系统管理员的经验和感觉。因此，对执行该系统操作管理装置的系统管理员来说，必然需要高技能。同时，通过系统操作管理系统解决系统故障要求系统管理员承担繁重的时间和体力负担。
相应地，在该系统操作管理装置中，根据从管理系统中收集的处理容量信息自动执行对异常状况或者类似状况组合分析、向系统管理员通知问题的总结点和粗略估计的故障原因、以及接收处理指示都很重要。
因此，存在各种相关技术，这些技术与配置有减少执行系统管理和故障修复工作的系统管理员负担的功能的系统操作管理装置相关。在下文中，将会对这些相关技术进行描述。
日本专利申请特许公开No.2004-062741中公开了一项技术，该技术涉及故障信息显示装置，用于指示系统故障信息。当在管理数据处理系统的操作状况管理中发现有任何故障的时候，该技术根据故障出现的次序以及故障单元的实际布置，通过对外显示故障消息，从而使得有可能从视觉上容易地识别故障位置，简化故障起源估计，并且因此减少系统管理员的负担，
日本专利申请特许公开No.2005-257416中公开了一项技术，该技术涉及一种装置，该装置根据从测量设备中获得的参数上的时间顺序信息诊断测量设备。该技术根据参数时间顺序信息的变化，通过计算参数信息之间的相关强度，适当地检测由测量设备性能恶化引起的故障。根据该项技术，可以适当地确定不同参数上信息的时间顺序变化是否类似。
日本专利申请特许公开No.2006-024017中公开了一项技术，该技术涉及估计计算机资源容量的系统。该技术识别由特定处理引起的负载数量，并且通过对系统元件处理历史和性能信息中变化历史的对比，分析将来与处理数量相关的负载。根据该项技术，当提前掌握了处理和负载之间的关系时，可以识别系统的行为。
日本专利申请特许公开No.2006-146668中公开了一项技术，该技术涉及操作管理支持装置。该技术以固定时间间隔从管理系统中获得诸如CPU的硬件操作状况信息、以及到网络控制服务器的访问量信息，找到组成信息的多个元素之间的关联，并且从该关联中确定系统的当前状况正常与否。根据该项技术，可以更加灵活地检测系统性能降级的情形，并且可以详细地显示降级原因和对其的措施。
日本专利申请特许公开No.2007-293393中公开了一项技术，该技术涉及故障监测系统，用于搜索过去的类似故障。通过周期性获得相关于处理容量不同种类的信息、以及在时间轴上和相关于过去出现的故障信息一起指示该信息，该技术可以根据是否类似于过去故障出现时的分析信息，预测将来故障的出现。
日本专利申请特许公开No.H10-074188中公开了一项技术，该技术涉及数据学习设备。该技术对从数据管理装置获得的学习目标信息和相关于提前产生的估计值的信息进行对比，并且当两个信息之间的相似度小于或者等于预定的标准时，确定获得的信息为异常信息。并且，该技术根据两个信息之间的差值，校正相关于估计值的信息内容。根据该项技术，可以通过重复该操作改善数据管理装置的处理准确度。
然而，在以上每个专利文件的公开技术中，存在下面将要提出的问题。
首先，在日本专利申请特许公开No.2004-062741中公开的技术中，虽然对实际出现的系统故障处理的执行准确容易，但是，存在一个问题，即不能阻止将来能够发生的系统故障。因此，存在一个问题，即对于缺乏经验的系统管理员来说，仍然存在一个阻止将来系统故障的负担繁重的工作。
接着，在日本专利申请特许公开No.2005-257416中公开的技术中，需要提前正确理解目标系统的结构和行为，以从失败的关联数字和内容中识别实际出现的故障。这就是说，需要提前搞清楚哪种类型的关联失败引起哪种类型的故障。出于这一原因，存在一个问题，这就是当执行该技术的时候，系统管理员需要具有丰富的经验和知识，使得系统管理员负担繁重。
接着，在日本专利申请特许公开No.2006-024017中公开的技术中，当预测目标系统规模很大时，或者该系统具有一个结构以与其它系统合作时，处理和负载之间的关联变得非常复杂，所以必须收集和分析可以关联的所有处理的历史，以正确估计负载数量。
为了在该分析中执行正确的预测，数据收集和分析的负载很大，因此存在一个问题，就是使得涉及在该分析中的人员负担繁重。同样，存在一个问题，涉及在该分析中的人员需要具有非常高级别的知识。
接着，在日本专利申请特许公开No.2006-146668中公开的技术中，虽然对实际出现的系统异常以一个适当的方式执行了原因澄清和改善行动，但是系统管理员和类似人员自身必须根据系统目前状况正常的确定结果执行将来系统异常出现的预测。因此，存在一个问题，即系统管理员需要具有丰富的经验，并且使得系统管理员负担繁重。
接着，在日本专利申请特许公开No.2007-293393中公开的技术中，当分析目标上的信息内容是在时间顺序上持续、在正常和异常之间没有区别的信息时，仅仅从信息内容的值和变化状态上不能明白地搞清楚哪个部分故障。因此，在这种情况下，存在一个问题，就是系统管理员或者类似人员必须根据他自己的经验检测故障部分，因此使得系统管理员负担繁重。
接着，在日本专利申请特许公开No.H10-074188中公开的技术中，系统管理员本身需要生成涉及上述估计值的信息。因为该生成需要丰富的经验，所以存在一个问题，即使得系统管理员负担繁重。
如上所述，在每个常用的相关技术中，对一个系统管理员来说，需要高于一定级别的技能和经验，并且，使得系统管理员或者类似人员负担繁重。
并且，最近，因为存在管理系统内容的复杂性和级别增加的趋势，预测将来会使得系统管理员的负担进一步增加。
发明内容
本发明的目标在于提供系统操作管理装置、系统操作管理方法和程序存储介质，以解决上述问题，并且在提供将来检测故障判定标准时，可以减少系统管理员的负担。
根据本发明示例方面的系统操作管理装置包括性能信息累积装置，用于以时间顺序存储包括系统中多种类型性能值的性能信息；模型产生装置，用于针对具有多个属性中的一个属性的多个周期中的每个周期，产生包括存储在所述性能信息累积装置中不同类型性能值之间的一个或者多个关联的关联模型；以及分析装置，用于采用所述输入性能信息和对应于获得所述输入性能信息的周期的属性的所述关联模型，对所述已经输入的系统的性能信息执行异常检测。
根据本发明示例方面的系统操作管理方法，包括以时间顺序存储包括在系统中多种类型性能值的性能信息；针对具有多个属性中的一个属性的多个周期中的每个周期，产生包括所述多种类型性能值的不同类型性能值之间的一个或者多个关联的关联模型；以及采用所述输入性能信息和对应于获得所述输入性能信息的周期的属性的所述关联模型，对所述已经输入的系统的性能信息执行异常检测。
一种程序记录介质，在其上记录有系统操作管理程序，使得计算机执行方法，根据本发明示例方面，包括以时间顺序存储包括在系统中多种类型性能值的性能信息；针对具有多个属性中的一个属性的多个周期中的每个周期，产生包括所述多种类型性能值的不同类型性能值之间的一个或者多个关联的关联模型；以及采用所述输入性能信息和对应于获得所述输入性能信息的周期的属性的所述关联模型，对所述已经输入的系统的性能信息执行异常检测。
本发明的效果是在系统管理操作装置中，对将来故障的检测提供一个标准的时候，实质性地减少系统管理员的负担。
附图说明
图1是表示本发明系统操作管理装置第一示例实施方式结构的框图。
图2是表示本发明第一示例实施方式中调度信息例子的说明图。
图3是表示本发明第一示例实施方式中调度信息另一个例子的说明图。
图4是表示本发明第一示例实施方式中调度信息又一个例子的说明图。
图5是表示本发明第一示例实施方式中用于产生关联变化分析结果的操作例子的说明图。
图6是表示本发明第一示例实施方式中系统操作管理装置的操作的流程图。
图7是表示本发明系统操作管理装置第二示例实施方式结构的框图。
图8是表示本发明第二示例实施方式中候选信息产生单元21结构的框图。
图9是表示本发明第二示例实施方式中用于产生调度候选信息的操作例子的说明图。
图10是表示本发明第二示例实施方式中用于产生关联变化分析结果的操作例子的说明图。
图11是表示本发明第二示例实施方式中校正候选产生单元22结构的框图。
图12是表示本发明第二示例实施方式中分析调度校正候选产生程序的例子的说明图。
图13是表示本发明第二示例实施方式中分析调度校正候选产生程序的例子的说明图(图12的延续)。
图14是表示本发明第二示例实施方式中管理员对话单元14显示内容的例子的说明图。
图15是表示本发明第二示例实施方式中用于产生调度候选信息的操作的流程图。
图16是表示本发明第二示例实施方式中用于产生调度信息校正候选的操作的流程图。
图17是表示本发明系统操作管理装置第三示例实施方式结构的框图。
图18是表示本发明第三示例实施方式中管理员对话单元14显示内容的例子的说明图。
图19是表示本发明第三示例实施方式中通过整合模型确定单元23操作的流程图。
图20是表示根据本发明的系统操作管理装置前提的结构的框图。
图21是表示图20中所示的系统操作管理装置的性能信息的例子的说明图。
图22是表示图21中所示的性能信息状况以累积方式存储的例子的说明图。
图23是表示图20中所示的系统操作管理装置关联模型例子的说明图。
图24是表示图20中所示的系统操作管理装置操作的流程图。
图25是表示图20中所示的系统操作管理装置的管理员对话单元14上显示内容的例子的说明图。
图26是表示本发明第一实施方式特征结构的框图。
具体实施方式
下文中，基于图1到图26将对根据本发明的系统操作管理装置的每个示例实施方式进行描述。
[本发明前提的系统操作管理装置]
首先，在描述第一示例实施方式之前，根据图20到图25，将对本发明前提的系统操作管理装置101进行描述。
图20是表示根据本发明的系统操作管理装置前提的结构的框图。
在图20中，系统操作管理装置101管理为客户服务执行系统4的操作状况。该为客户服务执行系统4通过电子电信线接收客户请求的信息E，并且执行提供上述信息给客户的服务。
为客户服务执行系统4包括一个或者多个服务器。该为客户服务执行系统4配置为与系统操作管理装置101独立的计算机。
如图20所示，系统操作管理装置101包括性能信息收集单元11和性能信息累积单元12。这里，性能信息收集单元11从包括在为客户服务执行系统4中的服务器周期性地获得服务器的性能信息。性能信息累积单元12顺序地存储通过性能信息收集单元11获得的性能信息。因此，包括在为客户服务执行系统4中的性能信息可以随时间存储。
这里，服务器的性能信息是包括通过对每个不同元件(例如，CPU和存储器)的状况量化获得的多个类型的性能值的信息，不同元件对包括在为客户服务执行系统4中的服务器的操作有影响。作为性能值的特定例子，有CPU的利用率以及剩余存储容量。
图21是表示图20中所示的系统操作管理装置的性能信息例子的说明图。图22是表示图21中所示性能信息已经以累积方式存储的状况的例子的说明图。
例如，性能信息收集单元11获得如图21所示性能信息，并且性能信息累积单元12如图22所示存储性能信息。
如图20所示，系统操作管理装置101包括关联模型产生单元16，分析模型累积单元17和关联变化分析单元18。关联模型产生单元16产生为客户服务执行系统4的操作状况的关联模型。分析模型累积单元17存储由关联模型产生单元16产生的关联模型。关联变化分析单元18对包括在性能信息中的性能值的实际测量值和通过存储在分析模型累积单元17中的关联模型的变换函数计算出的值之间的差值是否在提前设定的参考范围内进行确定，并且输出确定结果。通过这个方法，可以对为客户服务执行系统4的操作状况进行检查。这里，关联模型产生单元16通过取出存储在性能信息累积单元12中的预定周期的性能信息的时间顺序数据，并且根据此时间顺序数据，获得任何两个类型性能信息性能值之间变换函数，产生关联模型。
并且，如图20所示，系统操作管理装置101包括故障分析单元13，管理员对话单元14和处理执行单元15。故障分析单元13根据关联变化分析单元18的性能信息的分析结果，分析为客户服务执行系统4系统故障可能性的存在或者不存在。当故障分析单元13确定有系统故障可能性的时候，管理员对话单元14对外指示确定结果，并且，当以响应于指示内容系统故障的改善指令从外边输入的时候，管理员对话单元14接受输入的信息。当改善指令输入管理员对话单元14的时候，处理执行单元15接收涉及此输入的信息，并且根据涉及输入的信息内容执行处理，以应对在包括在为客户服务执行系统4中的服务器上的系统故障。
因此，可以正确检测并且以适当的方式处理包括在为客户服务执行系统4中的服务器上的性能信息异常。
接着，将对系统操作管理装置101的每个元件进行详细解释。
性能信息收集单元11周期性地访问为客户服务执行系统4的服务器，并且从中获得性能信息。获得的性能信息存储在性能信息累积单元12中。在本发明的示例实施方式中，性能信息收集单元11周期性地获得性能信息，并且将其顺序地存储在性能信息累积单元12中。
接着，性能信息累积单元12存储通过性能信息收集单元11获得的性能信息。如上所述，性能信息周期性地、顺序地存储在性能信息累积单元12中。
接着，关联模型产生单元16接收存储在性能信息累积单元12中的对应于提前设定的采集周期的性能信息，选择该性能信息的任意两种类型，并且获得用于从一种类型性能值的时间序列转换到另一种性能值的时间序列的变换函数(下文称之为关联函数)。
关联模型产生单元16对类型的所有组合获得上述的关联函数，并且因此通过对每个获得的关联函数进行组合产生关联模型。
并且，在产生上述的关联模型之后，关联模型产生单元16在分析模型累积单元17中存储该关联模型。
分析模型累积单元17存储从关联模型产生单元16中接收到的关联模型。
接着，关联变化分析单元18将一种类型的性能值代入前述的关联函数，从而获得另一种类型性能值的理论值(计算的值)，并且随后将其与性能值的实际值(实际测量值)进行比较(针对通过性能信息收集单元11最新获得的用于分析的性能信息)。接着，通过确定两个值之间的差异是否落在提前设定的参考范围内，执行两种类型性能值之间的关联是否维持的分析(下文称之为关联变化分析)。
当上述差值落入参考范围之内时，关联变化分析单元18确定两种类型性能值之间的关联正常维持。通过这一分析结果，可以确定在处理容量采集时间点上的系统的操作状况，即包括在为客户服务执行系统4中的服务器的操作状况。
之后，关联变化分析单元18将分析结果发送给故障分析单元13。
接着，故障分析单元13根据从关联变化分析单元18接收到的分析结果和提前设定的方法，对包括在为客户服务执行系统4中的服务器上是否具有故障可能性进行确定，并且发送确定结果给管理员对话单元14。
这里，下文为上述确定方法的例子。
在第一个例子中，故障分析单元13确认性能信息关联变化分析结果中，确定异常的关联数是否超过提前设定的值，如果超过了，则确定在为客户服务执行系统4中存在故障可能性。
在第二个例子中，仅当确定为异常的关联中涉及特定元件(例如，CPU利用率)的关联数大于或者等于提前设定的临界值时，则确定在为客户服务执行系统4中存在故障可能性。
接着，管理员对话单元14将从故障分析单元13接收到的涉及是否具有故障可能性的确定结果的内容对外输出，用于通过输出单元指示，输出单元(例如，装备在管理员对话单元14中的显示器)未在图中注明。
图25是表示图20中所示的系统操作管理装置101的管理员对话单元14上显示内容的例子的说明图。
例如，管理员对话单元14将上述确定结果显示在图25中的显示屏幕14A上。如在显示屏幕14A上所显示的，管理员对话单元14利用图表执行显示，从而使得系统管理员可以容易地理解确定结果。
下面将进一步描述屏幕显示14A。显示屏幕14A包括指示性能信息分析结果异常度的关联破坏情形14Aa的数量；指示异常点的关联图表14Ab；以及具有大异常度的元件列表14Ac。例如，如图25所示，当C.CPU的异常度很大的时候，这些显示能够准确通知系统管理员在C.CPU中具有故障可能性。
在显示故障分析的确定结果之后(图25中的显示屏幕14A)，管理员对话单元14从确定显示内容的系统管理员处接收针对故障的改善指令输入，并且发送其信息给处理执行单元15。
接着，处理执行单元15根据输入给管理员对话单元14的故障改善指令，在为客户服务执行系统4的服务器上执行措施。
例如，当特定CPU的负载很高时，当从管理员对话单元14输入减少工作量的指令时，处理执行单元15执行措施，以减少在为客户服务执行系统4的服务器上的工作量。
[关联模型的产生]
这里，将对上述的通过关联模型产生单元16产生关联模型进行更加明确的描述。
关联模型产生单元16从存储在性能信息累积单元12中的性能信息中，取出从外边提前设定的给定周期内获得的信息。
接着，关联模型产生单元16选择性能信息的任意两种类型。
这里，假定关联模型产生单元16从图22中的性能信息12B的类型中选择了“A.CPU”(A.CPU的利用率)和“A.MEM”(A.MEM的剩余量)，下面将继续进行描述。
关联模型产生单元16计算关联函数F，该函数用于将“A.CPU”性能值的时间序列(输入X)转换成“A.MEM”性能值的时间序列(输出Y)。
这里，根据本发明的示例实施方式，关联模型产生单元16可以从不同形式的函数中选择一个适合的函数，作为关联函数F的内容。这里，假定选择了形式为“Y＝αX+β”的函数作为关联函数F，下面将继续进行描述。
关联模型产生单元16将“A.MEM”X性能值的时间序列变化与性能信息12B中的“A.MEM”Y性能值的时间序列变化进行对比，并且计算可以将X转换为Y的方程“Y＝αX+β”的数字值α和β。这里，假定作为计算结果，α和β各自计算为“-0.6”和“100”。
并且，关联模型产生单元16将利用上述关联函数“Y＝-0.6X+100”转换X获得的Y数字值的时间序列与实际Y数字值的时间序列进行对比，并且从转换误差(是它们之间的差值)中计算关联函数的加权信息w。
关联模型产生单元16对性能信息12B的两种类型的所有组合执行上述操作。例如，当性能信息12B包括5种类型的性能值时，关联模型产生单元16对从这5种类型中获得的20种组合的每种组合产生关联函数F。
这里，关联函数F变成检查为客户服务执行系统4稳定性(为管理目标)的标准，因此，根据为客户服务执行系统4稳定(在正常时间内)时周期内获得的性能信息，生成了关联函数。
关联模型产生单元16通过将该方法获得的不同关联函数组合成一个，产生一个关联模型。
图23是表示图20中表示的系统操作管理装置关联模型的例子的说明图。
图23所示的关联模型17A包括对应于两种类型组合的多个关联函数。
[关联变化分析]
接着，将对上述的通过关联变化分析单元18进行的关联变化分析进行更加明确的描述。
这里，描述的前提是性能信息收集单元11获得指示在图22中12B最后一行中的性能信息(2007年11月7日8:30获得的性能信息)12Ba作为用于分析性能信息。
当从性能信息收集单元11处接收到性能信息12Ba的时候，关联变化分析单元18访问分析模型累积单元17，以取出存储在其中的关联模型，并且从包括在关联模型的关联函数中抽取适用于性能信息12Ba分析的一个关联函数。
更具体地说，关联变化分析单元18对性能信息12Ba中的类型的所有组合抽取关联函数。例如，当性能信息12Ba中有三种类型“A.CPU”，“A.MEM”和“B.CPU”时候，关联变化分析单元18选择并抽取上述关于“X”和“Y”组合的“A.CPU”和“A.MEM”，“A.MEM”和“B.CPU”以及“A.CPU”和“B.CPU”的所有关联函数。
因此，将继续描述抽取“A.CPU”和“A.MEM”类型组合的情形，并且，根据此情形执行关联变化分析。
关联变化分析单元18代入上述关联函数X中“A.CPU”的实际值，以计算性能信息12Ba的Y的数字值。接着，关联变化分析单元18对计算得到的Y的数字值(即“A.MEM”的理论值)和性能信息“A.MEM”的实际数字值(实际测量值)进行对比。
当确定了“A.MEM”的理论值和“A.MEM”的实际测量值之间的差值落入提前设定的参考范围内作为对比结果的时候，关联变化分析单元18确定维持性能信息12Ba的两种类型“A.CPU”和“A.MEM”之间的关联(也就是说，它是正常的)。
另一方面，当确定了上述差值落在参考范围之外时，关联变化分析单元18确定性能信息12Ba的两种类型“A.CPU”和“A.MEM”之间的关联失败(也就是说，它是异常的)。
[图20中系统操作管理装置的操作]
接着，下文根据图24对系统操作管理装置101的操作进行描述。
图24是表示图20中所示的系统操作管理装置的操作的流程图。
性能信息收集单元11从为客户服务执行系统4周期性地获得(步骤S101)性能信息，并且将其存储在性能信息累积单元12中(步骤S102)。
接着，关联模型产生单元16从存储在性能信息累积单元12中的性能信息中取出提前设定的周期的性能信息，并且根据此性能信息产生关联模型(步骤S103)。此处产生的关联模型存储在分析模型累积单元17中。
接着，关联变化分析单元18从性能信息收集单元11中获得作为分析目标的性能信息(步骤S104)。同时，关联变化分析单元18从分析模型累积单元17中获得用于关联变化分析的关联模型。
接着，关联变化分析单元18对用于分析的性能信息执行关联变化分析，并检测关联失败(步骤S105)。
完成关联变化分析之后，关联变化分析单元18将分析结果发送给故障分析单元13。
接收到分析结果的故障分析单元13确定分析结果中确定为关联失败的关联数(关联失败情形的数量)，并且确定该数量是否超过提前设定的标准(步骤S106)。当超过提前设定的标准作为确定结果时(步骤S106/是)，故障分析单元13确定在为客户服务执行系统4中有故障可能性，并且将涉及其详细分析内容的信息发送给管理员对话单元14。另一方面，当没有超过提前设定的标准时(步骤S106/否)，重复从用于分析的性能信息的采集步骤S104开始的步骤。
从故障分析单元13接收到涉及详细分析内容的信息的管理员对话单元14根据该信息指示在为客户服务执行系统4中有故障可能性(步骤S107)。
接着，当确定指示在管理员对话单元14上的分析结果的系统管理员将针对故障的改善指令输入管理员对话单元14中时，管理员对话单元14将涉及改善指令输入的信息发送给处理执行单元15(步骤S108)。
接着，当接收到涉及改善指令输入的信息时，处理执行单元15根据其中的内容在为客户服务执行系统4上执行改善行动(步骤S109)。
之后，重复从用于分析的性能信息采集操作步骤(S104)开始的步骤。从而，可以检查为客户服务执行系统4随时间的状况变化。
[第一示例实施方式]
接着，根据图1到图6，将对本发明第一示例实施方式的具体内容进行描述。
图1是表示本发明系统操作管理装置第一示例实施方式结构的框图。
这里，如图1所示，和上述图20中系统操作管理装置101类似，本发明第一示例实施方式中的系统操作管理装置1包括性能信息收集单元11，性能信息累积单元12，关联模型产生单元16，分析模型累积单元17，关联变化分析单元18，故障分析单元13，管理员对话单元14和处理执行单元15。性能信息收集单元11从为客户服务执行系统4获得性能信息。性能信息累积单元12存储获得的性能信息。关联模型产生单元16根据获得的性能信息产生关联模型。分析模型累积单元17存储产生的关联模型。关联变化分析单元18利用关联模型分析获得的性能信息的异常。故障分析单元13根据关联变化分析单元18分析结果确定为客户服务执行系统4的异常。管理员对话单元14输出故障分析单元13的判断结果。当针对管理员对话单元14输出内容具有改善指令输入的时候，处理执行单元15根据该指令执行为客户服务执行系统4的改善。
并且，系统操作管理装置1包括分析调度累积单元19。分析调度累积单元19存储调度信息，该调度信息是根据上述关联变化分析中用于分析的性能信息采集周期来改变关联模型的调度。这里，该调度信息通过系统管理员提前生成。
分析调度累积单元19能够从关联模型产生单元16和关联变化分析单元18访问。因此，能够根据存储在该分析调度累积单元19中的调度信息产生关联模型，并且执行性能信息分析。
本发明第一示例实施方式中的管理员对话单元14、关联模型产生单元16和关联变化分析单元18除了早先提到的各种功能，还进一步包括新功能。下文中将对这些功能进行描述。
管理员对话单元14接受外边提前生成的调度信息输入，并且将输入的调度信息存储在分析调度累积单元19中。
图2、图3和图4是表示本发明第一示例实施方式中调度信息例子的说明图。
例如，在图2中的调度信息19A中，指定了每周的周六周日的第一优先权调度，和每天的第二优先权调度。该调度信息19A按照优先权顺序应用，并且分析周期归类为两大类，例如，每个周六周日，以及每周除去周六周日的日期(周一到周五)。
类似地，在图3中的调度信息19B中，只指定了每天的第一优先权的调度。
在图4中的调度信息19C中，指定了每月最后一天和工作日的第一优先权调度，每周的周六周日的第二优先权调度，以及每天的第三优先权调度。
[关联模型的产生]
接着，将对本发明第一示例实施方式中通过关联模型产生单元16产生关联模型进行进一步描述。
在产生关联模型的时候，关联模型产生单元16从性能信息累积单元12获得提前设定的周期的性能信息，并且从分析调度累积单元19接收调度信息。接着，关联模型产生单元16根据称之为性能信息的性能信息收集单元11的采集时间的调度信息中提前设定的分析周期，对性能信息归类。之后，关联模型产生单元16根据每个归类的性能信息组，利用上述方法产生关联模型。因此，获得了每个分析周期的关联模型。
例如，考虑关联模型产生单元16获得调度信息19A(图2)并且产生关联模型的情形。
首先，关联模型产生单元16根据通过性能信息收集单元11在第一优先权的分析周期内(即周六和周日)获得的性能信息，得到关联函数，并且据此产生关联模型。
接着，关联模型产生单元16根据第二优先权的分析周期内(即除去上述第一优先权周期的表示为“每天”的周期的周一到周五)获得的性能信息得到关联函数，并且据此产生关联模型。
之后，关联模型产生单元16在分析模型累积单元17中，与各个分析周期相关地存储各个分析周期的所有产生的关联模型。
与此同时，在本发明的第一实施方式中，假定模型产生单元30包括关联模型产生单元16。同样，假定分析单元31包括关联变化分析单元18和故障分析单元13。
[关联变化分析]
接着，将对本发明第一示例实施方式中通过关联变化分析单元18进行的关联变化分析进行描述。
首先，关联变化分析单元18从信息收集单元11接收用于分析的性能信息，并且从分析模型累积单元17取出所有根据调度信息产生的关联模型。并且，关联变化分析单元18从分析调度累积单元19获得调度信息。
接着，关联变化分析单元18确认获得的性能信息的采集日期和时间。例如，作为该情况下采集日期和时间的确认方法，关联变化分析单元18能够读取包括在性能信息中的时间和日期信息(称之为图21的性能信息12A)。
关联变化分析单元18确认目前设定的关联模型是否适合于执行作为分析目标获得的性能信息的关联变化分析(即，用于此关联模型产生的性能信息采集周期与获得用于分析的性能信息的采集周期是否为同一分析周期)。
作为确认结果，当关联模型不适合在关联变化分析中使用的时候，关联变化分析单元18从分析模型累积单元17中抽取适合于分析的关联模型，并且对此关联模型改变设置。
在这种情况下，当还没有产生适用于分析的关联模型的时候，关联变化分析单元18发送指示适合于分析的关联模型不存在的信息给关联模型产生单元16。接收到此信息的关联模型产生单元16执行适合于分析的关联模型的更新产生，并且将其存储在分析模型累积单元17中。并且，关联模型产生单元16发送指示关联模型产生完成的信息给关联变化分析单元18。
图5是表示本发明第一示例实施方式中用于产生关联变化分析结果的操作例子的说明图。
如上所述，当重复进行分析周期变化的确定和用于执行分析的操作的时候，图5的18A指示分析结果。在图5的18Aa中，将分析时间段归类成假期(对应于图2的调度信息19A的第一优先权的调度)和工作日(对应于图2的调度信息19A的第二优先权的调度)。通过对每个周期产生关联模型执行分析。通过对各个分析周期抽取这些分析结果并且对它们进行组合，获得图5的18Ab中所示的分析结果。
在这种情况下，通过在工作日上采用工作日关联模型，在假期上采用假期关联模型，提供了根据各个周期操作特征的分析结果。因此，通过根据提前指定的调度信息，自动转换关联模型的同时执行分析，在不增加管理员负担的同时，获得了高准确度的分析结果。
每个单元的其它功能和上述图20中的系统操作管理装置101的这些功能相同。
[第一示例实施方式的操作]
接着，根据图6，下面将对本发明第一示例实施方式中的系统操作管理装置1的操作进行描述。
图6是表示本发明第一示例实施方式中系统操作管理装置的操作的流程图。
这里，为了使整个操作的流程清楚起见，同样涉及与上述图20中系统操作管理装置101操作重叠的部分。
管理员对话单元14将从外边输入的调度信息发送给分析调度累积单元19，并且对其进行存储(步骤S201，调度信息存储步骤)。
性能信息收集单元11从包括在为客户服务执行系统4中的服务器中周期性地获得性能信息(步骤S202，性能信息获得步骤)，并且将其存储在性能信息累积单元12中(步骤S203，性能信息存储步骤)。
接着，关联模型产生单元16从性能信息累积单元12获得对应于预定周期的性能信息。并且，关联模型产生单元16从分析调度累积单元19获得分析调度信息。
接着，关联模型产生单元16对包括在获得的分析调度信息中的每个分析时间段产生关联模型(步骤S204，关联模型产生步骤)，并且与每个分析时间段相关地将其存储在分析模型累积单元17中。
接着，关联变化分析单元18从性能信息收集单元11获得用于分析的性能信息(步骤S205，用于分析的性能信息获得步骤)。关联变化分析单元18分别从分析模型累积单元17中获得每个时间段关联模型，并且从分析调度累积单元19中获得调度信息(步骤S206，关联模型和调度信息获得步骤)。
关联变化分析单元18确认用于分析的性能信息的采集时间和日期，并且确定目前设定的关联模型是否适用于性能信息的分析，并且确定是否需要关联模型的变化(步骤S207，分析时间段选择步骤)。
这就是说，当目前设定的关联模型不适用于性能信息的分析时，关联变化分析单元18确定将其变化为适用于分析的关联模型。另一方面，如果已经设定了适用于分析的关联模型，关联变化分析单元18确定不改变关联模型。
当在步骤S207确定改变关联模型的设定的时候(步骤S207/是)，关联分析单元18确认改变之后分析周期的关联模型已经产生与否(步骤S208)。当还没有产生的时候(步骤S208/否)，关联分析单元18将指示改变之后分析周期的关联模型还未产生的信息传输给关联模型产生单元16。接收到该信息的关联模型产生单元16执行关联模型的更新产生，并且将其存储在分析模型累积单元17中(步骤S209，关联模型更新产生步骤)，并且将指示改变之后关联模型的更新产生已经完成的信息发送给关联变化分析单元18。
当变化之后的关联模型已经产生(步骤S208/是)，关联变化分析单元18利用关联模型执行性能信息的关联变化分析(步骤S210，关联变化分析步骤)。
当在步骤S207确定不改变关联模型的时候(步骤S207/否)，关联变化分析单元18利用当前设定的分析周期的关联模型，不进行变化地执行关联变化分析(步骤S210，关联变化分析步骤)。
关联变化分析单元18利用目前设定的分析时间段的关联模型不做改变，执行关联变化分析(步骤S210，关联变化分析步骤)。
在关联变化分析结束之后，关联变化分析单元18将分析结果发送给故障分析单元13。
接收到分析结果的故障分析单元13确认性能信息的关联变化分析结果中确定为异常的关联数量是否超过提前指定的值(步骤S211，故障分析步骤)。当确认结果为超过时，(步骤S211/是)，故障分析单元13将性能信息中异常详细内容的信息发送给管理员对话单元14。另一方面，当没有超过的时候(步骤S211/否)，重复从步骤S205开始的步骤，步骤S205为用于分析的性能信息的获得步骤。
当从故障分析单元13中接收到涉及性能信息异常的详细内容的信息时，管理员对话单元14根据该信息指示在为客户服务执行系统4中具有故障的可能性(步骤S212，故障信息输出步骤)。
接着，当针对上述系统故障的改善指令通过系统管理员(确认了指示在管理员对话单元14上的分析结果)输入到管理员对话单元14中的时候，管理员对话单元14将改善指令输入信息发送给处理执行单元15(步骤S213，改善指令信息输入步骤)。
接着，在从管理员对话单元14中接收改善指令输入的信息时，处理执行单元15根据信息内容在为客户服务执行系统4上执行改善行动(步骤S214，系统改善步骤)。
之后，重复执行从用于分析的性能信息采集操作开始的步骤(步骤S205)。因此，可以确认为客户服务执行系统4操作状况随时间变化。
这里，能够对上述每个步骤中执行的具体内容编程，并且通过计算机执行。
接着，将对本发明第一实施的特征结构进行描述。图26是表示本发明第一实施方式特征结构的框图。
系统操作管理装置1包括性能信息累积单元12，模型产生单元30和分析单元31。
这里，性能信息累积单元12以时间顺序存储包括在系统中多个类型性能值的性能信息。对于具有多个属性中的一个属性的多个周期的每个周期，模型产生单元30产生包括存储在性能信息累积单元12中的性能值的不同类型之间的一个或者多个关联的关联模型。分析单元31利用输入的性能信息和对应于一个周期(在该周期获得输入性能信息)属性的关联模型，执行已经输入的系统性能信息的异常检测，。
[第一示例实施方式的效果]
根据本发明第一示例实施方式，即使为客户服务执行系统4的环境随时间变化，仍可以通过恰当地选择适用的关联模型执行关联变化分析，这是因为安排为引入了调度信息，并且利用关联模型执行关联变化分析，关联模型基于与用于分析的性能信息的采集时间一致的分析周期中获得的性能信息。因此，可以以高准确度管理为客户服务执行系统4的操作。
并且，根据本发明的第一示例实施方式，根据商业模式组合所需的模型产生和变化是自动的，并且通过提前将商业模式注册为调度信息，实质性地减少了系统管理员的负担。
这里，本发明并不限于该例子。在本发明中，利用其它方法(这些方法可以指定对应于用于分析的性能信息采集时间和日期的分析周期的关联模型的变化)也可以获得类似效果。
在上述描述中，通过关联变化分析单元18执行是否改变关联模型的确定。然而，在本发明中，并不限于该例。关联模型产生单元16能够执行是否改变关联模型的确定，或者关联模型产生单元16和关联变化分析单元18中的一个能够执行确定，并且控制另一个。关联模型产生单元16和关联变化分析单元18能够联合执行分析周期的确定。
无论采用上述方法中的哪一个，能够根据用于分析的性能信息的采集时间和日期改变关联模型并执行分析的系统操作管理装置1可以提供类似效果。
[第二示例实施方式]
接着，根据图7到图16，将对根据本发明操作管理系统的第二示例实施方式进行描述。
图7是表示本发明系统操作管理装置第二示例实施方式结构的框图。
如图7所示，类似于上述第一示例实施方式中的系统操作管理装置1，本发明第二示例实施方式中的系统操作管理装置2包括性能信息收集单元11，性能信息累积单元12，关联模型产生单元16，分析模型累积单元17，关联变化分析单元18，故障分析单元13，管理员对话单元14，处理执行单元15和分析调度累积单元19。性能信息收集单元11从为客户服务执行系统4获得性能信息。性能信息累积单元12存储获得的性能信息。关联模型产生单元16根据获得的性能信息产生关联模型。分析模型累积单元17存储产生的关联模型。关联变化分析单元18利用关联模型分析获得的性能信息的异常。故障分析单元13根据关联变化分析单元18的分析结果确定为客户服务执行系统4的异常。管理员对话单元14输出故障分析单元13确定结果。当针对管理员对话单元14输出的内容具有改善指令的输入的时候，处理执行单元15根据指令执行为客户服务执行系统4的改善。分析调度累积单元19存储分析调度。
并且，如图7所示，该系统操作管理装置2包括周期性模型累积单元20，候选信息产生单元21和校正候选产生单元22。周期性模型累积单元20周期性地存储由关联模型产生单元16产生的关联模型。候选信息产生单元21从周期性模型累积单元20接收关联模型，并且根据这些关联模型内容的变化状况产生调度候选信息(为临时调度信息草图)。校正候选产生单元22通过将日历信息(为日历上的属性)应用于候选信息产生单元21顺序产生的调度候选信息中的每个分析周期(通过对每个分析周期和日历信息的对比，以及在适于每个分析周期的日历上的属性抽取)，产生调度信息的校正候选。
如图7所示，周期性模型累积单元20连接到关联模型产生单元16。因此，周期性模型累积单元20可以顺序地存储在关联模型产生单元16中顺序地产生的关联模型。
图8是表示本发明第二示例实施方式中候选信息产生单元21结构的框图。
如图8所示，候选信息产生单元21包括共同关联确定单元21a，静态元素变化点抽取单元21b，动态元素类似确定单元21c和所需模型组抽取单元21d。共同关联确定单元21a在由关联模型产生单元16在连续时间分段中生成的关联模型之间抽取共同关联。静态元素变化点抽取单元21b抽取时间点，在该时间点，用于性能信息分析的关联模型变化了(根据共同关联确定单元21a抽取的共同关联数的增加或减少)。动态元素类似确定单元21c确定由静态元素变化点抽取单元21b抽取的新分析周期的关联模型中包括的关联与在用于过去分析时间段关联模型中包括的关联之间的相似度。所需模型组抽取单元21d根据静态元素变化点抽取单元21b和动态元素类似确定单元21c指定了关联模型的每个分析周期，产生调度候选信息。
图11是表示本发明第二示例实施方式中校正候选产生单元22结构的框图。
如图11所示，校正候选产生单元22包括日历信息累积单元22a，日历特征确定单元22b和校正候选产生单元22c。日历信息累积单元22a存储关于日历属性的信息(下文称之为日历信息)，如一周某天信息和假期信息。日历特征确定单元22b从候选信息产生单元21中的所需模型组抽取单元21d中接收调度候选信息，并且通过将存储在日历信息累积单元22a的日历信息应用到调度日历信息的内容，确定调度候选信息中每个分析周期中的日期特征(下文称之为日历特征)。校正候选产生单元22c将由日历特征确定单元22b确定的日历特征和存在的调度信息的内容进行对比，并且，当它们之间有差值的时候，根据日历特征的内容产生调度信息的校正候选。
同样，在本发明的第二示例实施方式中，关联模型产生单元16和管理员对话单元14除了上述的不同功能之外，还进一步包括新功能。下文将描述这些功能。
关联模型产生单元16以从外边提前设定的时间间隔产生关联模型。因此，可以获得对应于为客户服务执行系统4不同操作情形的关联模型。
管理员对话单元14从分析调度累积单元19获得调度信息的校正候选，并且对其进行显示。因此，有可能对系统管理员显示产生的调度信息草图，并且请求系统管理员确定是否改变调度信息。
与此同时，在本发明的第二实施方式中，假定模型产生单元30包括关联模型产生单元16，候选信息产生单元21和校正候选产生单元22。同样假定分析单元31包括关联变化分析单元18和故障分析单元13。
[关联模型的周期性产生]
对本发明第二示例实施方式中关联模型产生的描述将着重于同上述第一示例实施方式不同的部分。
如上所述，关联模型产生单元16以从外边提前设定的时间间隔(在每个时间分段)产生关联模型。这里，作为时间间隔设定的例子，系统管理员可以设定指示关于时间间隔的“每天15:00产生关联模型”的内容。
与此同时，对每个时间间隔(时间分段)，每个时间间隔(时间分段)的长度能够是相同或者不同的。
顺序产生的关联模型顺序地存储在周期性模型累积单元20中，而不是分析模型累积单元17中。
[调度候选信息的产生]
接着，下文将对利用上述候选信息产生单元21产生调度候选信息进行描述。
共同关联确定单元21a取出存储在周期性模型累积单元20中的多个关联模型。接着，在取出的关联模型中，对根据两个连续采集时间分段中的性能信息各自产生的两个模型进行对比，并且从中抽取共同关联(例如，关联函数)。
共同关联确定单元21a对两个连续时间分段中产生的关联模型的所有组合执行该操作。
接着，静态元素变化点抽取单元21b根据共同关联确定单元21a抽取的共同关联确认共同关联数随时间的变化。
采用特定的例子，将对通过静态元素变化点抽取单元21b进行的共同关联数随时间变化的确认操作进行描述。
作为例子，考虑根据性能信息收集单元11获得的性能信息、关联模型产生单元16对每个连续时间分段p，q，r，s和t分别产生关联模型P，Q，R，S和T的情形。
静态元素变化点抽取单元21b顺序地确认(a)关联模型P和关联模型Q之间的共同关联数，(b)关联模型Q和关联模型R之间的共同关联数，(c)关联模型R和关联模型S之间的共同关联数，(d)关联模型S和关联模型T之间的共同关联数。
假定作为静态元素变化点抽取单元21b的确认结果，共同关联数在组合(a)中为3，在组合(b)中为2，在组合(c)中为3，在组合(d)中为0。
对于在上述两个连续时间分段中的关联模型之间的共同关联数的随时间变化数量超过从外边提前设定的数字值的时间点，静态元素变化点抽取单元21b确定该时间点为应该改变性能信息分析关联模型的时间点(分析周期的分割点)。
在这种情况下，假定该设置具有指示“当共同关联数中的变化等于或者大于3的时候改变关联模型”的内容。
因此，在上述情况下，当从组合(a)移动到组合(b)时变化数量为1，当从组合(b)移动到组合(c)时变化数量为1，当从组合(c)移动到组合(d)时变化数量为3。
因此，当从组合(c)移动到组合(d)时间点符合设置，因此静态元素变化点抽取单元21b确定其为改变关联模型的时间点，这就是说，分析周期的分割点。接着，静态元素变化点抽取单元21b在该分割点分割分析周期。
接着，动态元素类似确定单元21c暂时性地将通过关联模型产生单元16周期性产生的关联模型中的最新关联模型分配给根据上述分析周期分割设定的新分析周期。
并且，动态元素类似确定单元21c确认暂时指定的关联模型内容和通过静态元素变化点抽取单元21b在分析周期分割之前指定的关联模型(在分割点之前对每个分析周期指定的一个关联模型)的内容之间的相似度。
作为确认结果，当因为相似度超过提前设定的标准确认了两者之间相似的时候，动态元素类似确定单元21c将新分析周期内关联模型改变为分割之前指定的关联模型(在分割点之前指定给各个分析周期的关联模型中暂时指定的关联模型相似的关联模型)。
这里，根据图9，将对静态元素变化点抽取单元21b以及动态元素类似确定单元21c对每个分析周期进行分析周期的分割、关联模型的指定进行说明。
图9是表示本发明第二示例实施方式中用于产生调度候选信息的操作例子的说明图。
在图9的21A中，指示了分析周期分割以及新关联模型的指定。在图9的阶段1(21b1)中，对通过关联模型A进行了性能信息分析的时间段划分，并且新设定关联模型B。在这种情况下，利用关联模型A执行性能信息分析的时候，候选信息产生单元21的静态元素变化点抽取单元21b在周期性产生的关联模型之间找出差值，接着划分分析周期，并且将最新周期关联模型的关联模型B指定给该周期。
在图9的阶段2(21b2)中，利用关联模型B的分析继续进行之后，静态元素变化点抽取单元21b设定新分析周期，并且以类似的方式指定最新周期关联模型的关联模型C。同时，候选信息产生单元21的动态元素类似确定单元21c确定关联模型A和关联模型C的相似度。因此，当确定它们为类似的时候，动态元素类似确定单元21c指定关联模型A，而不是关联模型C，作为新周期的关联模型(如图9的阶段3(21c1)中所示)。
从而，可以阻止如下的情形，在该情形中，无论对不同分析周期设定的关联模型之间的相似度的存在，对分析周期分别产生不同的分析模型，因此，产生了很多的关联模型，并且因此存储器的存储容量变得缺乏。并且，可以阻止由于用于存储的存储器容量缺乏而造成的总体上系统操作管理装置2操作速度的降低、以及由于同样原因导致的其操作不稳定的情形。
接着，通过将静态元素变化点抽取单元21b和动态元素类似确定单元21c一起指定了关联模型的每个分析周期链接到一个，所需模型组抽取单元21d产生调度候选信息。
图10是表示本发明第二示例实施方式中用于产生关联变化分析结果的操作例子的说明图。
这里，图10中的21B指示本发明第二示例实施方式中关联变化的分析结果。
如图10的21c2中所示，通过静态元素变化点抽取单元21b和动态元素类似确定单元21c对分析时间段执行关联模型指定操作将关联模型A或B指定给分析时间段1，2和3的每一个。这里，在分析时间段1，2和3的分析结果中，利用关联模型A的分析结果分别称之为A1和A3。类似地，利用关联模型B的分析结果称之为B2。
如图10的21d1所示，产生上述的分析结果A1、分析结果B2和分析结果A3作为分析结果。
所需模型组抽取单元21d在分析模型累积单元20中累积指定给调度候选信息每个分析周期的关联模型，并且将调度候选信息发送给校正候选产生单元22的日历特征确定单元22b。
图12是表示本发明第二示例实施方式中分析调度校正候选产生程序的例子的说明图。
例如，所需模型组抽取单元21d将图12的调度候选信息21d2发送给日历特征确定单元22b。
[调度信息校正候选的产生]
日历特征确定单元22b从所需模型组抽取单元21d接收调度候选信息，并且从日历信息累积单元22a获得日历信息。这里，通过系统管理员提前生成日历信息。
接着，日历特征确定单元22b对日历信息和调度候选信息的内容进行对比，并且接着顺序地将对应的日历信息应用于调度候选信息的每个分析周期。因此，确定了日历特征。
这里，根据图12，将对通过上述日历特征确定单元22b进行日历特征的确定进行进一步描述。
如图12所示，考虑从所需模型组抽取单元21d接收到的2009年8月的调度候选信息21d2分为三个类型的A到C的分析周期，即周六，周日和周一到周五，以及一个月最后一天的情形。在这种情况下，假定针对在日历信息22a1中周六和周日、周一到周五以及2009年8月31日分别设定为“假期”、“工作日”和“一个月最后一天”的日历属性。
在这个时间，日历特征确定单元22b对调度候选信息21d2和该日历信息23a1进行对比，并且抽取适合调度候选信息21d2每个分析时间段的日历信息23a1的属性(产生程序21b1)。因此，日历特征22b2对各个分析周期确定为：对应于周六周日的分析周期为“假期”，对应于周一到周五的分析周期为“工作日”，对应于8月31日的分析周期为“一个月的最后一天”。
通过日历特征的确定，可以自动明确每个分析周期的日历属性，而不用对每个分析周期点到点地调查调度候选信息的内容。
接着，校正候选产生单元22c从日历特征确定单元22b接收日历特征，并且从分析调度累积单元19接收通过系统管理员提前产生的调度信息。接着，校正候选产生单元22c对日历特征的内容和已经产生的调度信息的内容进行对比。
作为比较的结果，当通过日历特征指示的内容从提前产生的调度信息的内容改变了的时候，调度信息产生单元22c根据日历特征的内容产生调度信息的校正候选。调度信息产生单元22c在分析调度累积单元19中存储调度信息的校正候选。
图13是表示本发明第二示例实施方式中分析调度校正候选产生程序的例子的说明图(图12的延续)。
这里，根据图13，将对通过上述调度信息产生单元21c产生调度信息的校正候选功能进行进一步描述。
如图13所示，假定日历特征22b2是通过日历特征确定单元22b产生的，并且现有的调度信息19B存储在分析调度累积单元19中。
当对两者进行对比的时候，日历特征22b2的内容从现有的调度信息19B有了明显变化(产生程序22c1)。因此，调度信息产生单元22c将日历特征22b2反映在调度信息中，从而产生调度的校正候选22c2。
因此，即使现有的调度信息不适合，也可以自动获得适合的调度信息。
[调度信息校正候选的指示]
管理员对话单元14从分析调度累积单元19中取出调度信息的校正候选和提前产生的调度信息，并且将两者显示在同一屏幕上。
图14是表示本发明第二示例实施方式中管理员对话单元14显示内容的例子的说明图。
例如，管理员对话单元14显示图14的显示屏幕14B。
如显示屏幕14B中所示，管理员对话单元14显示提前产生的调度信息和调度信息的校正候选，将它们并排放置，使得可以容易地执行它们之间的对比。
管理员对话单元14同样同时显示每个分析时间段(14Ba)的关联模型、提前产生的调度信息中的所需关联模型(14Bb)的列表、以及调度信息的校正候选。其原因在于，通过清楚地指示它们组成元素的关联模型，可以清楚地确定提前产生的调度信息和调度信息之间的差值。
并且，管理员对话单元14同样显示操作按钮14Bc，用于将规则调度信息从提前产生的调度信息改变为调度信息的校正候选。当系统管理员利用此操作按钮14Bc执行指示规则调度信息变化的输入时，涉及此输入的信息从管理员对话单元14被发送到分析调度累积单元19，并且根据调度信息校正候选的内容，对提前产生的调度信息的内容进行校正。
因此，在调度信息产生的时候，可以实质性地减少系统管理员的负担，因为系统管理员提前产生粗略内容的调度信息，并且接着系统操作管理装置2将内容校正为适合关联变化分析的内容。
每个单元的其它功能和上述第一示例实施方式中的功能相同。
[第二示例实施方式的操作]
接着，根据图15和图16，着重于和上述第一示例实施方式中不同的部分，下文将对本发明第二示例实施方式中的系统操作管理装置2的操作进行描述。
图15是表示本发明第二示例实施方式中用于产生调度候选信息的操作的流程图。
首先，和上述第一示例实施方式的系统操作管理装置1类似，性能信息收集单元11从为客户服务执行系统的服务器3周期性地获得性能信息，并且将其顺序地存储在性能信息累积单元12中。
接着，关联模型产生单元16以从外边提前设定的时间间隔产生关联模型(图15：步骤S301，关联模型周期性产生步骤)。之后，产生的关联模型顺序地存储在周期性模型累积单元20中。
接着，候选信息产生单元21的共同关联确定单元21a从周期性模型累积单元20中获得对应于从外边提前设定的时间分段的关联模型。接着，共同关联确定单元21a对两个连续时间分段各自产生的两个关联模型进行对比，并且在这些获得的关联模型中，抽取两者共同(图15：步骤S302，共同关联抽取步骤)的关联(如关联函数)。
接着，静态元素变化点抽取单元21b确认上述共同关联数的随时变化(图15：步骤S303)，并且确认该变化是否落入提前从外边设定的参考范围之内(图15：步骤S304)。
在这个时候，当关联函数数量中的变化落在参考范围之内的时候(步骤S304/是)，静态元素变化点抽取单元21b确定应该利用同样的关联模型分析性能信息。另一方面，当关联函数数量中的变化超过参考范围的时候(步骤S304/否)，静态元素变化点抽取单元21b确定该时间点为用于关联变化分析的关联模型变化了的时间点，并且在该时间点将分析周期分割(图15：步骤S305，关联模型分割步骤)。
接着，动态元素类似确定单元21c通过静态元素变化点抽取单元21b对新分析周期将最新关联模型暂时性地指定给关联模型。之后，对该分割点之前指定给分析时间段的关联模型的内容和上述最新关联模型的内容进行对比(图15，步骤S306)，并且确定它们之间的类似度(图15，步骤S307)。
这时，因为类似超过了提前设定的参考范围，确定它们类似(步骤S307/是)的时候，动态元素类似确定单元21c在将分割点之前的关联模型指定给该新分析周期的关联模型(图15：步骤S308，关联模型指定步骤)。另一方面，当确定类似度等于或者低于参考范围(步骤S307/否)时，动态元素类似确定单元21c将上述暂时指定的关联模型指定给该新分析周期的关联模型。
接着，所需模型组抽取单元21d根据每个分析时间段产生调度候选信息，其中对每个分析时间段通过静态元素变化点抽取单元21b和动态元素类似确定单元21c指定了关联模型，并且将其发送给校正候选产生单元22的日历特征确定单元22b(图15：步骤S309，候选信息产生和传递步骤)。同样，所需模型组抽取单元21d在分析模型累积单元17中与每个分析时间段相关地存储指定给调度候选信息每个分析时间段的每个关联模型。
图16是表示本发明第二示例实施方式中用于产生调度信息校正候选的操作的流程图。
接着，日历特征确定单元22b从所需模型组抽取单元21d中接收调度候选信息(图16：步骤S310，候选信息获得步骤)，并且从日历信息累积单元22a获得日历信息。日历特征确定单元22b对调度候选信息的内容和日历信息的内容进行比较，并且通过将日历信息应用到调度候选信息中的每个分析周期来确定日历特征(图16：步骤S311，日历特征确定步骤)。
接着，校正候选产生单元22c接收通过日历特征确定单元22b确定的日历特征，并且对日历特征的内容和已经产生的调度信息的内容进行比较(图16：步骤S312)。
作为比较结果，当确定日历特征的内容从已经生成的调度信息的内容已经变化了的时候(步骤S313/是)，校正候选产生单元22c根据日历特征产生调度信息的校正候选，并且将其存储在分析调度累积单元19中(图16：步骤S314，校正候选产生和存储步骤)。接着，管理员对话单元14从调度累积单元19获得调度信息的校正候选，并且将其对外显示(图16：步骤S315，校正候选输出步骤)。另一方面，作为上述比较结果，当确定日历特征的内容从现有的调度信息的内容没有变化的时候(步骤S313/否)，校正候选产生单元22c不会产生调度信息的校正候选。
当具有一个从外边指示调度信息的变化给管理员对话单元14的输入时，管理员对话单元14将与输入相关的信息发送给分析调度累积单元19，并且将用于关联变化分析的规则调度信息改变为校正候选的内容。
之后，关联变化分析单元18根据产生的调度信息，对获得的用于分析的性能信息执行关联变化分析。
之后的步骤同上述第一示例实施方式的步骤相同。
这里，能够对上述每个步骤中执行的具体内容编程，并且通过计算机执行。
[第二示例实施方式的效果]
根据本发明的第二示例实施方式，即使当系统管理员不具有丰富的知识和经验，并且因此系统管理者很难亲自产生调度信息的时候，系统管理员也不需要正确掌握每种商业模式，并且点对点地产生调度信息，因此，可以实质性地减少系统管理员的负担，其原因在于系统操作管理装置2产生调度信息。
根据本发明的第二示例实施方式，即使商业模式不规则，很难将商业模式注册为调度信息，仍有可能根据为客户服务执行系统4中的变化，自动准确地指定关联模型，因此，可以一直提供根据实际利用形式的高准确分析结果，这是因为系统操作管理装置2察觉为客户服务执行系统4环境中随时间的变化，并且随之灵活地产生调度信息。
作为该效果最有效工作的情形，存在一种情形，在该情形中，多个部门共同地使用为客户服务执行系统4。
在该情形中，由于存在系统的多个用户，其中的用户模式变得复杂。然而，如上所述，根据本发明的第二示例实施方式，由于所需关联模型的产生和变化是自动的，没有由于不正确调度设置导致的分析结果准确度下降，因此，一直维持了正确的分析结果。因此，改善了针对管理系统性能恶化的处理效率。
这里，在上述描述中，当检测出应该改变关联模型的时候，系统操作管理装置2产生调度信息的校正候选，并且对现有的调度信息和校正候选并排显示，如显示屏幕14B(图12)所示，并且，从系统管理员和类似人员接收调度信息校正指令的输入时，执行调度信息的校正。然而，本发明并不限于该例。例如，在特定的范围内，系统操作管理装置2能够执行调度的自动校正，或者从系统管理员和类似人员接收输入时，能够规划出将来调度的变化，或者能够重新执行过去性能数据的分析。这就是说，当系统操作管理装置自动产生系统管理者通常不得不点对点产生的调度信息的时候，获得了类似的效果。
[第三示例实施方式]
接着，根据图17到图19，将对根据本发明的操作管理系统的第三示例实施方式进行说明。
图17是表示本发明系统操作管理装置第三示例实施方式结构的框图。
如图17所示，同第二示例实施方式中的系统操作管理装置2类似，本发明第三示例实施方式中的系统操作管理装置3包括性能信息收集单元11，性能信息累积单元12，关联模型产生单元16，分析模型累积单元17，关联改变分析单元18，故障分析单元13，管理员对话单元14和处理执行单元15。性能信息收集单元11从为客户服务执行系统4获得性能信息。性能信息累积单元12存储该获得的性能信息。关联模型产生单元16根据获得的性能信息产生关联模型。分析模型累积单元17存储产生的关联模型。关联变化分析单元18利用关联模型分析获得的性能信息的异常度。故障分析单元13根据关联变化分析单元18的分析结果确定为客户服务执行系统4的异常度。管理员对话单元14输出故障分析单元13确定的结果。当具有针对管理员对话单元14输出内容的改善指令输入的时候，处理执行单元15根据指令执行为客户服务执行系统4的改善。
除此而外，如图17所示，同上述第二示例实施方式中的系统操作管理装置2类似，本发明第三示例实施方式中的系统操作管理装置3包括分析调度累积单元19，周期性模型累积单元20，候选信息产生单元21，以及校正候选产生单元22。分析调度累积单元19存储分析调度。周期性模型累积单元20顺序地存储通过关联模型产生单元16周期性产生的关联模型。候选信息产生单元21根据存储在周期性模型累积单元20中的性能信息产生调度候选信息(为调度信息草图)。校正候选产生单元22通过将日历上的属性应用到调度候选信息产生调度信息的校正候选。
并且，如图17所示，系统操作管理装置3包括整合模型确定单元23。当关联变化分析单元18具有关联变化分析的多个结果的时候，整合模型确定单元23根据每个分析结果的异常度，通过对其异常度的比较确定指令。
除了上述的各个功能，关联变化分析单元18，故障分析单元13和管理员对话单元14还包括新功能。下文将对这些功能进行描述。
关联变化分析单元18不仅利用根据调度信息指定的关联模型，而且利用分析模型累积单元17中累积的其它关联模型，对从性能信息收集单元11中接收到的性能信息执行关联变化分析。
故障分析单元13从整合模型确定单元23接收除了利用根据调度信息指定的关联模型分析结果之外，还接收利用其它关联模型分析结果，并且执行故障分析，并将其中的结果发送给管理员对话单元14。
管理员对话单元14显示从故障分析单元13接收到的根据调度信息分析结果，同时一起显示利用另一关联模型分析结果。并且，该管理员对话单元14接收指示利用另一关联模型完成的分析结果为规则分析结果的输入，并且根据另一关联模型的内容，对存储在分析调度累积单元19中的调度信息的内容进行校正。
因此，即使在上述第一和第二示例实施方式中，在调度信息内容中有任何缺陷，也可以通过从其它关联模型中选择适合的关联模型并且将其应用于关联变化分析中，从而执行高准确度的关联变化分析。
与此同时，在本发明的第三示例实施方式中，假定模型产生单元30包括关联模型产生单元16，候选信息产生单元21，校正候选产生单元22和整合模型确定单元23。同样假定分析单元31包括关联变化分析单元18和故障分析单元13.
下文中，着重于和上述第一和第二示例实施方式中不同的部分，将对本发明第三示例实施方式的内容进行详细解释。
关联变化分析单元18从性能信息收集单元11获得用于分析的性能信息，并且从分析调度累积单元19获得调度信息，以及从分析模型累积单元17中获得提前设定的分析周期的每个关联模型。
接着，关联变化分析单元18利用根据调度信息指定的关联模型，对用于分析的性能信息执行关联变化分析。并且，关联变化分析单元18利用从分析模型累积单元17中获得的不同关联模型执行关联变化分析。
接着，关联变化分析单元18将上述关联变化分析的所有分析结果发送给整合模型确定单元23。
整合模型确定单元23对从关联变化分析单元18中接收到的所有分析结果比较异常度(实际测量值和理论值之间的差值)，并且确定每个分析结果的指令。
接着，整合模型确定单元23在利用其它的关联模型分析结果中，确认分析结果具有的异常度是否低于根据调度信息的分析结果的异常度。当该分析结果作为确认结果存在的时候，整合模型确定单元23确定利用其它关联模型的分析结果作为分析结果的替代，并且确定该分析结果替代的关联模型为整合模型。与此同时，当具有异常度低于根据调度信息分析结果的异常度的多个分析结果的时候，整合模型确定单元23能够确定具有最低异常度的分析结果为分析结果的替代。
最后，整合模型确定单元23将根据调度信息分析结果和分析结果的替代发送给故障分析单元13。
例如，这里，作为通过整合模型确定单元23对比每种分析结果异常度的方法，存在从信息判断异常度恒定大或恒定小的方法。
作为该方法的一个特定例子，参考图10的21c2，考虑利用关联模型A执行性能信息分析结果中的一个的分析结果A3以及利用关联模型B执行性能信息分析结果中的一个的分析结果B3的情形。
作为它们的比较结果，在分析结果B3中，异常度高于分析结果A3异常度的情形持续很长一段时间(图10，21c2)。因此，在这种情形下，整合模型确定单元23确定分析结果B3不是一个适合的分析结果。接着，整合模型确定单元23确定分析结果A3比分析结果B3更加合适，因为分析结果A3的异常度恒定小于分析结果B3的异常度。
因此，在根据调度信息指定的关联模型为模型B、其分析结果为B3，并且存在利用关联模型A获得的分析结果A3作为利用另一关联模型的分析结果的情形下，整合模型确定单元23确定分析结果A3为分析结果的替代。
当在整合模型确定单元23中确定了替代的时候，故障分析单元13从该整合模型确定单元23接收根据调度信息的分析结果和替代，并且在执行了根据调度信息获得的分析结果的上述故障分析之后，将两个结果发送给管理员对话单元13。
当从故障分析单元13发送根据调度信息的分析结果和替代的时候，管理员对话单元14接收两个结果，并且同时显示两个结果。
图18是表示本发明第三示例实施方式中管理员对话单元14显示内容的例子的说明图。
例如，管理员对话单元14显示图18的显示屏幕14C。
该显示屏幕14C包括指示异常度(根据关联函数理论值和实际测量值之间的差值)的当前分析结果(根据调度信息的分析结果)。同样，显示屏幕14C包括分析周期内(对该周期而言，在上述当前分析结果中存在分析结果的替代)分析结果和其中用到的关联模型的信息14Cb，分析结果替代的分析结果和其中用到的关联模型的信息14Cc。并且，显示屏幕14C包括操作按钮14Cd，将分析结果的替代用作规则分析结果，而不是当前分析结果。
因此，根据显示在该显示屏幕14C上的不同信息，系统管理员可以根据当前分析结果(根据调度信息的分析结果)检测到的异常度将改善指令输入给管理员对话单元14。
并且，系统管理员可以将指示分析结果替代(而非当前分析结果)用作性能信息的规则分析结果的指令输入给管理员对话单元14(图18，操作按钮14Cd)。
此外，当分析结果的替代用作分析结果时，根据整合模型(该关联模型对应于一个分析时间段，在该时间段内，表示的替代被整合模型替代)的内容，管理员对话单元14校正存储在分析调度累积单元19中的当前调度信息的内容。因此，可以提高之后分析结果的准确度。
在每个单元中的其它功能和上述第二示例实施方式相同。
[第三示例实施方式的操作]
接着，下文中，着重于和上述第一和第二示例实施方式中不同的部分，根据图19将对本发明第三示例实施方式中的系统操作管理装置3的操作进行描述。
图19是表示本发明第三示例实施方式中通过整合模型确定单元23操作的流程图。
本发明第三示例实施方式中的系统操作管理装置3的操作中产生调度信息的每个步骤和第二示例实施方式相同。
在之后的关联变化分析步骤中，关联变化分析单元18从性能信息收集单元11获得用于分析的性能信息，并且同样从分析模型累积单元17累积的关联模型之中获得对应于提前设定周期的所有关联模型。
接着，关联变化分析单元18利用根据调度信息指定的关联模型执行性能信息的关联变化分析(步骤S401，初始模型分析步骤)。
接着，关联变化分析单元18利用从分析模型累积单元17获得的其它关联模型，同样执行性能信息的关联变化分析(步骤S402，另一个模型分析步骤)。
接着，关联变化分析单元18将所有根据调度信息的分析结果和利用其它管理模型的分析结果发送给整合模型确定单元23。
接着，整合模型确定单元23对根据调度信息的分析结果和利用其它关联模型的分析结果进行比较(步骤S403，整合模型确定步骤)。
因此，当利用其它关联模型的一个分析结果优于(具有较低的异常度)根据调度信息的分析结果(步骤S404/是)，整合模型确定单元23将利用其它关联模型的分析结果设置为根据调度信息分析结果的替代。接着，整合模型确定单元23将该对分析结果的替代的其它关联模型设定为整合模型，并且将根据调度信息的分析结果和分析结果的替代发送给故障分析单元13。
另一方面，当利用其他关联模型的分析结果次于根据调度信息的分析结果时(步骤S404/否)，整合模型确定单元23只将根据调度信息的分析结果发送给故障分析单元13。
接着，故障分析单元13从整合模型确定单元23接收根据调度信息的分析结果和替代，并且，在执行故障分析之后，将根据完成了故障分析的调度信息的分析结果和替代发送给管理员对话单元14。
接着，管理员对话单元14显示从故障分析单元13中接收到的根据调度信息的分析结果的内容和替代的内容(步骤S405，替代输出步骤)。
接着，管理员对话单元14接受通过浏览上述显示内容的系统管理员或者类似人员涉及处理指示的输入，并且将输入信息发送给处理执行单元15(步骤S406)。
并且，当接收到指示分析结果的替代用作规则调度信息的输入时，管理员对话单元14根据整合模型的内容校正存储在分析调度累积单元19中的当前调度信息(利用整合模型代替对应于已经呈现了替代的分析周期的关联模型)(步骤S407，调度信息校正步骤)。
之后，重复执行从步骤S401开始的步骤。
这里，能够对上述每个步骤中执行的具体内容编程，并且通过计算机执行。
[第三示例实施方式的效果]
根据本发明的第三示例实施方式，即使为客户服务执行系统4的操作模式随时间改变(即，为客户服务执行系统4不需要以调度信息设定的方式操作的情形)，系统操作管理装置3可以以高准确度执行关联变化分析。其原因在于，系统操作管理装置3输出利用另一个未在调度信息中指定的关联模型完成的关联变化分析结果，并且，即使操作模式出现暂时的无序，也可以将利用对应于操作模式无序时间的关联模型的关联变化分析结果应用为分析结果的替代。
例如，根据第三实施方式，即使出于任何原因，将通常在一个月最后一天执行的商业提前时，也可以利用根据调度信息的分析结果表示分析结果的替代，如“如果认定一个月的最后一天，是正常的”。因此，当在为客户服务执行系统4的操作模式中出现突然差异的时候，系统操作管理装置3可以对系统管理员显示一个恰当的分析结果。
并且，根据本发明的第三示例实施方式，可以一直将调度信息的内容更新到最新状态，因此，可以获得可以灵活处理不同系统错误的操作管理环境，这是因为系统操作管理装置3可以根据整合模型的内容，校正顺序地存储在分析调度累积单元19中的调度信息的内容。
虽然在上述每个示例实施方式中对本发明进行了描述，但是本发明并不限于每个上述的示例实施方式。
该申请基于并要求享有2009年10月15日提交的申请序列号为2009-238747的日本专利申请的优先权权利，其公开全文通过参考结合于此。
工业适用性
可以将根据本发明的系统操作管理装置、系统操作管理方法和程序存储介质应用于信息处理装置中，该信息处理装置提供各种诸如网络服务和商业服务的不同信息通信服务。由于可以在此信息处理装置中检测系统性能恶化，其不仅适用于网络邮件订购装置和内部信息装置，并且适用于假定在一个给定时间大量顾客集中应用的情形的多种类型的设备，如铁路飞机的座位预定、签发设备和电影剧院的自动座位票务购买设备。
参考符号列表
1，2，3和101  系统操作管理装置
4  为客户服务执行系统
11  性能信息收集单元
12  性能信息累积单元
13  故障分析单元
14  管理员对话单元
15  处理执行单元
16  关联模型产生单元
17  分析模型累积单元
18  关联变化分析单元
19  分析调度累积单元
20  周期性模型累积单元
21  候选信息产生单元
21a  共同关联确定单元
21b  静态元素变化点抽取单元
21c  动态元素类似确定单元
21d  所需模型组抽取单元
22  校正候选产生单元
22a  日历信息累积单元
22b  日历特征确定单元
22c  校正候选产生单元
23  整合模型确定单元
30  模型产生单元
31  分析单元

Claims (21)

1.一种系统操作管理装置包括：
性能信息累积装置，用于以时间顺序存储包括系统中多种类型性能值的性能信息；
模型产生装置，用于针对具有多个属性中的一个属性的多个周期中的每个周期，产生包括存储在所述性能信息累积装置中所述多种类型性能值的不同类型性能值之间的一个或者多个关联的关联模型；以及
分析装置，用于采用所述输入性能信息和对应于已经获得所述输入性能信息的周期的所述属性的所述关联模型，对所述已经输入的系统的性能信息执行异常检测。
2.如权利要求1所述的系统操作管理装置，其中，
所述分析装置根据所述关联的关联失败数量执行异常检测，所述关联失败是通过将所述关联模型应用到所述性能信息中来计算的。
3.如权利要求2所述的系统操作管理装置，其中，
所述模型产生装置根据存储在所述性能信息累积装置中的所述预定周期的所述性能信息，对包括在预定周期中的多个时间段的每个时间段产生所述关联模型，对包括一个或者多个时间段的分析周期，根据包括在用于每个所述时间段的所述关联模型的所述关联中的变化选择所述关联模型中的一个，并且将所述选择关联模型设定用于具有所述分析周期的所述属性的周期的所述关联模型。
4.如权利要求3所述的系统操作管理装置，其中，
当两个连续时间段关联模型之间共同的所述关联数量的增加或者减少度等于或者大于预定值的时候，所述模型产生装置设定该时间点为分割点，以划分所述预定周期，将通过所述分割点划分的每个周期设定用于所述分析周期，并且将在所述分析周期的所述时间段的一个时间段中产生的所述关联模型，设定用于所述分析周期的所述关联模型。
5.如权利要求4所述的系统操作管理装置，其中，
当设定用于所述分析周期的所述关联模型中包括的所述关联与设定用于另一分析周期而不是所述分析周期的所述关联模型中包括的所述关联相类似的时候，所述模型产生装置将设定用于所述另一分析周期的所述关联模型指定给设定用于所述分析周期的所述关联模型。
6.如权利要求2所述的系统操作管理装置，其中，
所述模型产生装置对所述多个属性中的每个属性，获得存储在所述性能信息累积装置中的具有所述属性的周期中的所述性能信息，根据所述获得的性能信息产生所述关联模型，并且将所述产生的关联模型设定用于在具有所述属性的周期中的所述关联模型。
7.如权利要求1到6中任一项所述的系统操作管理装置，其中，
所述分析装置利用对应于已经获得所述性能信息的周期的属性的所述关联模型以及不同于所述关联模型的另一关联模型，执行所述性能信息的异常检测，并且，当利用所述另一关联模型的异常检测中的异常度低于利用对应于已经获得所述性能信息的周期的属性的所述关联模型异常检测中的异常度的时候，选择所述另一关联模型作为具有所述属性的周期的整合模型。
8.一种系统操作管理方法，包括
以时间顺序存储包括在系统中多种类型性能值的性能信息；
针对具有多个属性中的一个属性的多个周期中的每个周期，产生包括所述多种类型性能值的不同类型性能值之间的一个或者多个关联的关联模型；以及
采用所述输入性能信息和对应于获得所述输入性能信息的周期的属性的所述关联模型，对所述已经输入的系统的性能信息执行异常检测。
9.如权利要求8所述的系统操作管理方法，其中，
所述性能信息的所述异常检测的执行包括根据所述关联的关联失败的数量执行异常度检测，关联失败是通过将所述关联模型应用于所述性能信息来计算的。
10.如权利要求9所述的系统操作管理方法，其中，
针对所述多个属性中的每个属性，产生所述关联模型包括，根据预定周期的性能信息，对包括在预定周期中的多个时间段的每个时间段产生所述关联模型，对包括一个或者多个时间段的分析周期，根据包括在每个所述时间段所述关联模型的所述关联中的变化选择所述关联模型中的一个，并且将所述选择关联模型设定用于具有所述分析周期所述属性的周期的所述关联模型。
11.如权利要求10所述的系统操作管理方法，其中，
针对所述多个属性中的每个属性，产生所述关联模型包括，当两个连续时间段关联模型之间共同的所述关联数量的增加或者减少度等于或者大于预定值的时候，设定该时间点为分割点，以划分所述预定周期，将通过所述分割点划分的每个周期设定用于所述分析周期，并且将在所述分析周期的所述时间段的一个时间段中产生的所述关联模型，设定用于所述分析周期的所述关联模型。
12.如权利要求11所述的系统操作管理方法，其中，
针对所述多个属性中的每个属性，产生所述关联模型包括，当设定用于所述分析周期的所述关联模型中包括的所述关联与设定用于另一分析周期而不是所述分析周期的所述关联模型中包括的所述关联相类似的时候，将设定用于所述另一分析周期的所述关联模型指定给设定用于所述分析周期的所述关联模型。
13.如权利要求9所述的系统操作管理方法，其中，
针对所述多个属性中的每个属性，产生所述关联模型包括，获得具有所述属性的周期中的所述性能信息，根据所述获得的性能信息产生所述关联模型，并且将所述产生的关联模型设定用于在具有所述属性的周期中的所述关联模型。
14.如权利要求8到13中任一项所述的系统操作管理方法，其中，
对所述性能信息执行异常检测包括，利用对应于已经获得所述性能信息的周期的属性的所述关联模型以及不同于所述关联模型的另一关联模型，执行所述性能信息的异常检测，并且，当利用所述另一关联模型的异常检测中的异常度低于利用对应于已经获得所述性能信息的周期的属性的所述关联模型异常检测中的异常度的时候，选择所述另一关联模型作为具有所述属性的周期的整合模型。
15.一种程序记录介质，在其上记录有系统操作管理程序，使得计算机执行方法，包括：
以时间顺序存储包括在系统中多种类型性能值的性能信息；
针对具有多个属性中的一个属性的多个周期中的每个周期，产生包括所述多种类型性能值的不同类型性能值之间的一个或者多个关联的关联模型；以及
采用所述输入性能信息和对应于已经获得所述输入性能信息的周期的属性的所述关联模型，对所述已经输入的系统的性能信息执行异常检测。
16.如权利要求15所述的程序记录介质，在其上记录有所述系统操作管理程序，其中，
所述性能信息的所述异常检测的执行包括根据所述关联的关联失败的数量执行异常检测，所述关联失败是通过将所述关联模型应用于所述性能信息来计算的。
17.如权利要求16所述的程序记录介质，在其上记录有所述系统操作管理程序，其中，
针对所述多个属性中的每个属性，产生所述关联模型包括，根据预定周期的性能信息，对包括在预定周期中的多个时间段的每个时间段产生所述关联模型，对包括一个或者多个时间段的分析周期，根据包括在每个所述时间段所述关联模型的所述关联中的变化选择所述关联模型中的一个，并且将所述选择关联模型设定用于具有所述分析周期所述属性的周期的所述关联模型。
18.如权利要求17所述的程序记录介质，在其上记录有所述系统操作管理程序，其中，
针对所述多个属性中的每个属性，产生所述关联模型包括，当两个连续时间段关联模型之间共同的所述关联数量的增加或者减少度等于或者大于预定值的时候，设定该时间点为分割点，以划分所述预定周期，将通过所述分割点划分的每个周期设定用于所述分析周期，并且将在所述分析周期的所述时间段的一个时间段中产生的所述关联模型，设定用于所述分析周期的所述关联模型。
19.如权利要求18所述的程序记录介质，在其上记录有所述系统操作管理程序，其中，
针对所述多个属性中的每个属性，产生所述关联模型包括，当设定用于所述分析周期的所述关联模型中包括的所述关联与设定用于另一分析周期而不是所述分析周期的所述关联模型中包括的所述关联相类似的时候，将设定用于所述另一分析周期的所述关联模型指定给设定用于所述分析周期的所述关联模型。
20.如权利要求16所述的程序记录介质，在其上记录有所述系统操作管理程序，其中，
针对所述多个属性中的每个属性，产生所述关联模型包括，获得具有所述属性的周期中的所述性能信息，根据所述获得的性能信息产生所述关联模型，并且将所述产生的关联模型设定用于在具有所述属性的周期中的所述关联模型。
21.如权利要求15到20中任一项所述的程序记录介质，在其上记录有所述系统操作管理程序，其中，
对所述性能信息执行异常检测包括，利用对应于已经获得所述性能信息的周期的属性的所述关联模型以及不同于所述关联模型的另一关联模型，执行所述性能信息的异常检测，并且，当利用所述另一关联模型的异常检测中的异常度低于利用对应于获得所述性能信息的周期的属性的所述关联模型异常检测中的异常度的时候，选择所述另一关联模型作为具有所述属性的周期的整合模型。
CN201080046517.4A 2009-10-15 2010-10-13 系统操作管理装置、系统操作管理方法和程序存储介质 Active CN102576328B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2009238747 2009-10-15
JP2009-238747 2009-10-15
PCT/JP2010/068527 WO2011046228A1 (ja) 2009-10-15 2010-10-13 システム運用管理装置、システム運用管理方法、及びプログラム記憶媒体

Publications (2)

Publication Number Publication Date
CN102576328A true CN102576328A (zh) 2012-07-11
CN102576328B CN102576328B (zh) 2015-09-09

Family

ID=43876274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080046517.4A Active CN102576328B (zh) 2009-10-15 2010-10-13 系统操作管理装置、系统操作管理方法和程序存储介质

Country Status (5)

Country Link
US (3) US8959401B2 (zh)
EP (1) EP2490126B1 (zh)
JP (2) JPWO2011046228A1 (zh)
CN (1) CN102576328B (zh)
WO (1) WO2011046228A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103970638A (zh) * 2013-02-01 2014-08-06 国际商业机器公司 用于存档和备份存储的选择性监控的系统和方法
CN104798049A (zh) * 2012-11-20 2015-07-22 日本电气株式会社 操作管理装置和操作管理方法
CN108931967A (zh) * 2017-05-22 2018-12-04 大隈株式会社 运行监控装置及其控制程序

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8700953B2 (en) * 2008-09-18 2014-04-15 Nec Corporation Operation management device, operation management method, and operation management program
JP5267736B2 (ja) * 2010-06-07 2013-08-21 日本電気株式会社 障害検出装置、障害検出方法およびプログラム記録媒体
US8874963B2 (en) * 2010-12-20 2014-10-28 Nec Corporation Operations management apparatus, operations management method and program thereof
AU2012221821B2 (en) * 2011-02-24 2015-07-02 International Business Machines Corporation Network event management
US9665630B1 (en) * 2012-06-18 2017-05-30 EMC IP Holding Company LLC Techniques for providing storage hints for use in connection with data movement optimizations
WO2014020691A1 (ja) * 2012-07-31 2014-02-06 株式会社日立製作所 管理システム及びプログラム
JP5958348B2 (ja) * 2013-01-07 2016-07-27 富士通株式会社 分析方法、分析装置、及び分析プログラム
JP6126891B2 (ja) * 2013-03-29 2017-05-10 富士通株式会社 検出方法、検出プログラム、および検出装置
SG11201508013YA (en) * 2013-03-29 2015-10-29 Cumulus Systems Inc Organizing and fast searching of data
WO2014184934A1 (ja) * 2013-05-16 2014-11-20 株式会社日立製作所 障害分析方法、障害分析システム及び記憶媒体
JP6068296B2 (ja) * 2013-08-29 2017-01-25 日本電信電話株式会社 制御装置、計算資源管理方法及び計算資源管理プログラム
WO2015033603A1 (ja) * 2013-09-09 2015-03-12 日本電気株式会社 情報処理システム、情報処理方法及びプログラム
US20160283304A1 (en) * 2013-12-20 2016-09-29 Hitachi, Ltd. Performance prediction method, performance prediction system and program
US9450833B2 (en) * 2014-03-26 2016-09-20 International Business Machines Corporation Predicting hardware failures in a server
JP6369089B2 (ja) * 2014-03-26 2018-08-08 セイコーエプソン株式会社 情報通信システム、情報処理装置および情報収集方法
WO2015191394A1 (en) * 2014-06-09 2015-12-17 Northrop Grumman Systems Corporation System and method for real-time detection of anomalies in database usage
JP6387777B2 (ja) 2014-06-13 2018-09-12 富士通株式会社 評価プログラム、評価方法、および評価装置
JP6627765B2 (ja) * 2014-09-03 2020-01-08 日本電気株式会社 監視装置及びその監視方法、監視システム、並びにコンピュータ・プログラム
US20170262561A1 (en) * 2014-09-11 2017-09-14 Nec Corporation Information processing apparatus, information processing method, and recording medium
JP6502062B2 (ja) * 2014-11-04 2019-04-17 Kddi株式会社 通信品質予測装置及び通信品質予測プログラム
JP6520083B2 (ja) * 2014-12-02 2019-05-29 株式会社リコー 情報処理システム、サーバシステム、情報処理装置、情報処理方法及びプログラム
US10733331B2 (en) 2015-03-11 2020-08-04 Nec Corporation Information processing apparatus, information processing method, and recording medium
CN104680329A (zh) * 2015-03-17 2015-06-03 中国农业银行股份有限公司 一种运维问题发生原因确定方法及装置
JP6627258B2 (ja) * 2015-05-18 2020-01-08 日本電気株式会社 システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム
JP6625839B2 (ja) * 2015-07-08 2019-12-25 株式会社東芝 負荷実績データ判別装置、負荷予測装置、負荷実績データ判別方法及び負荷予測方法
JP6555061B2 (ja) * 2015-10-01 2019-08-07 富士通株式会社 クラスタリングプログラム、クラスタリング方法、および情報処理装置
JP6634919B2 (ja) * 2016-03-25 2020-01-22 日本電気株式会社 分析装置
US10467123B2 (en) * 2016-05-09 2019-11-05 Oracle International Corporation Compression techniques for encoding stack trace information
WO2017204307A1 (ja) 2016-05-27 2017-11-30 中部電力株式会社 システムモデル評価システム、運用管理システム、システムモデル評価方法及びプログラム
WO2018122889A1 (ja) * 2016-12-27 2018-07-05 日本電気株式会社 異常検出方法、システムおよびプログラム
FR3098937B1 (fr) * 2019-07-15 2021-10-08 Bull Sas Procédé d’analyse de consommation de ressource d’une infrastructure informatique, alerte et dimensionnement
JP7285798B2 (ja) * 2020-03-09 2023-06-02 株式会社日立製作所 性能分析装置、性能分析方法、及び性能分析プログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001014295A (ja) * 1999-06-30 2001-01-19 Sumitomo Metal Ind Ltd データ予測方法、データ予測装置及び記録媒体
JP2005316808A (ja) * 2004-04-30 2005-11-10 Nec Software Chubu Ltd 性能監視装置および性能監視方法並びにプログラム
US20080027948A1 (en) * 2006-07-06 2008-01-31 Richard Corley Managing Application System Load
JP2008204040A (ja) * 2007-02-19 2008-09-04 Kddi Corp 携帯端末、プログラム及び携帯端末への表示画面制御方法
JP2009199534A (ja) * 2008-02-25 2009-09-03 Nec Corp 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5528516A (en) * 1994-05-25 1996-06-18 System Management Arts, Inc. Apparatus and method for event correlation and problem reporting
JPH1074188A (ja) 1996-05-23 1998-03-17 Hitachi Ltd データ学習装置およびプラント制御装置
JPH10224990A (ja) 1997-02-10 1998-08-21 Fuji Electric Co Ltd 電力需要量予測値補正方法
JP2001142746A (ja) 1999-11-11 2001-05-25 Nec Software Chubu Ltd 計算機システムの負荷監視装置
US7065566B2 (en) * 2001-03-30 2006-06-20 Tonic Software, Inc. System and method for business systems transactions and infrastructure management
CA2471013C (en) * 2001-12-19 2011-07-26 David Helsper Method and system for analyzing and predicting the behavior of systems
JP4089339B2 (ja) 2002-07-31 2008-05-28 日本電気株式会社 障害情報表示装置及びプログラム
JP2004086896A (ja) 2002-08-06 2004-03-18 Fuji Electric Holdings Co Ltd 適応的予測モデル構築方法及び適応的予測モデル構築システム
JP2004086897A (ja) 2002-08-06 2004-03-18 Fuji Electric Holdings Co Ltd モデル構築方法およびモデル構築システム
US8479057B2 (en) * 2002-11-04 2013-07-02 Riverbed Technology, Inc. Aggregator for connection based anomaly detection
US20040093193A1 (en) * 2002-11-13 2004-05-13 General Electric Company System statistical associate
JP3922375B2 (ja) * 2004-01-30 2007-05-30 インターナショナル・ビジネス・マシーンズ・コーポレーション 異常検出システム及びその方法
JP4183185B2 (ja) 2004-03-10 2008-11-19 インターナショナル・ビジネス・マシーンズ・コーポレーション 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体
JP4756675B2 (ja) 2004-07-08 2011-08-24 インターナショナル・ビジネス・マシーンズ・コーポレーション コンピュータ資源のキャパシティを予測するためのシステム、方法およびプログラム
JP2006146668A (ja) 2004-11-22 2006-06-08 Ntt Data Corp 運用管理支援装置及び運用管理支援プログラム
JP4661250B2 (ja) 2005-02-09 2011-03-30 富士電機ホールディングス株式会社 予測方法、予測装置および予測プログラム
US7802144B2 (en) * 2005-04-15 2010-09-21 Microsoft Corporation Model-based system monitoring
US8379538B2 (en) * 2005-06-22 2013-02-19 Hewlett-Packard Development Company, L.P. Model-driven monitoring architecture
US7246043B2 (en) * 2005-06-30 2007-07-17 Oracle International Corporation Graphical display and correlation of severity scores of system metrics
JP4896573B2 (ja) 2006-04-20 2012-03-14 株式会社東芝 障害監視システムと方法、およびプログラム
US8095830B1 (en) * 2007-04-03 2012-01-10 Hewlett-Packard Development Company, L.P. Diagnosis of system health with event logs
JP4990018B2 (ja) * 2007-04-25 2012-08-01 株式会社日立製作所 装置性能管理方法、装置性能管理システム、および管理プログラム
US20090171718A1 (en) * 2008-01-02 2009-07-02 Verizon Services Corp. System and method for providing workforce and workload modeling
JP4872944B2 (ja) 2008-02-25 2012-02-08 日本電気株式会社 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム
US8098585B2 (en) * 2008-05-21 2012-01-17 Nec Laboratories America, Inc. Ranking the importance of alerts for problem determination in large systems
US8230269B2 (en) * 2008-06-17 2012-07-24 Microsoft Corporation Monitoring data categorization and module-based health correlations
US8166351B2 (en) * 2008-10-21 2012-04-24 At&T Intellectual Property I, L.P. Filtering redundant events based on a statistical correlation between events
US8392760B2 (en) * 2009-10-14 2013-03-05 Microsoft Corporation Diagnosing abnormalities without application-specific knowledge

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001014295A (ja) * 1999-06-30 2001-01-19 Sumitomo Metal Ind Ltd データ予測方法、データ予測装置及び記録媒体
JP2005316808A (ja) * 2004-04-30 2005-11-10 Nec Software Chubu Ltd 性能監視装置および性能監視方法並びにプログラム
US20080027948A1 (en) * 2006-07-06 2008-01-31 Richard Corley Managing Application System Load
JP2008204040A (ja) * 2007-02-19 2008-09-04 Kddi Corp 携帯端末、プログラム及び携帯端末への表示画面制御方法
JP2009199534A (ja) * 2008-02-25 2009-09-03 Nec Corp 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104798049A (zh) * 2012-11-20 2015-07-22 日本电气株式会社 操作管理装置和操作管理方法
CN104798049B (zh) * 2012-11-20 2017-08-04 日本电气株式会社 操作管理装置和操作管理方法
US10282272B2 (en) 2012-11-20 2019-05-07 Nec Corporation Operation management apparatus and operation management method
CN103970638A (zh) * 2013-02-01 2014-08-06 国际商业机器公司 用于存档和备份存储的选择性监控的系统和方法
US9563529B2 (en) 2013-02-01 2017-02-07 International Business Machines Corporation Selective monitoring of archive and backup storage
CN103970638B (zh) * 2013-02-01 2017-08-29 国际商业机器公司 用于存档和备份存储的选择性监控的系统和方法
CN108931967A (zh) * 2017-05-22 2018-12-04 大隈株式会社 运行监控装置及其控制程序

Also Published As

Publication number Publication date
EP2490126B1 (en) 2020-08-26
EP2490126A1 (en) 2012-08-22
JP5605476B2 (ja) 2014-10-15
JP2013229064A (ja) 2013-11-07
JPWO2011046228A1 (ja) 2013-03-07
US20160274965A1 (en) 2016-09-22
US20110246837A1 (en) 2011-10-06
US9384079B2 (en) 2016-07-05
US10496465B2 (en) 2019-12-03
US20150113329A1 (en) 2015-04-23
WO2011046228A1 (ja) 2011-04-21
US8959401B2 (en) 2015-02-17
CN102576328B (zh) 2015-09-09
EP2490126A4 (en) 2015-08-12

Similar Documents

Publication Publication Date Title
CN102576328B (zh) 系统操作管理装置、系统操作管理方法和程序存储介质
Musa Operational profiles in software-reliability engineering
US7050943B2 (en) System and method for processing operation data obtained from turbine operations
US7103610B2 (en) Method, system and computer product for integrating case based reasoning data and failure modes, effects and corrective action data
US7437281B1 (en) System and method for monitoring and modeling system performance
EP3346205B1 (en) Inspection management system and inspection management method
KR101066949B1 (ko) 업무 분석 프로그램을 기록한 컴퓨터 판독가능한 기록 매체 및 업무 분석 장치
Grady Measuring and managing software maintenance
CN103154904B (zh) 操作管理设备、操作管理方法和程序
US20150142506A1 (en) Account Health Assessment, Risk Identification, and Remediation
KR20110069404A (ko) 화상형성장치 관리 서버, 화상형성장치들의 에러를 관리하는 방법 및 시스템
US8000819B2 (en) Manufacturing instruction evaluation support system, manufacturing instruction evaluation support method, and manufacturing instruction evaluation support program
Henning et al. Goals and measures for analyzing power consumption data in manufacturing enterprises
CN113342939B (zh) 数据质量监控方法、装置及相关设备
JP2019175273A (ja) 品質評価方法および品質評価装置
WO2008050323A2 (en) Method for measuring health status of complex systems
US20150073878A1 (en) Device to perform service contract analysis
JP6718835B2 (ja) 情報処理システムの利用実態分析装置、及び利用実態分析方法
US11372399B2 (en) System section data management device and method thereof
Enck et al. Using statistical process monitoring to identify us business cycle change points and turning points
CN117745401A (zh) 网上银行系统的检测方法及装置、非易失性存储介质
CN116974853A (zh) 设备信息处理方法和装置
Jafar et al. Designing the Digital System Using SDLC Methodology to Increase Inspection Efficiency at PT. LV
JP5019992B2 (ja) 代替準備支援システム、代替準備支援サーバ装置及び代替準備支援プログラム
Kanoun A measurement-based framework for software reliability improvement

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant