JP2016218636A - 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 - Google Patents

Abstract

【課題】 学習期間に得られた被監視システムの情報に異常が含まれていても、当該システムの異常検知能力が高いシステムモデル作成を可能とする。【解決手段】 システムモデル生成支援装置は、複数期間にわたってシステムから出力された時系列情報から、複数のパラメータを含むシステムのモデルを期間毎に生成する期間モデル生成手段と、各パラメータについて、パラメータ値が他期間と比較して所定特異条件を満たす期間を除去候補期間として特定する除去候補期間特定手段と、特定された複数の除去候補期間から、当該期間に出力された情報を使用せずにシステムのモデルを作成すべき期間を選択し、選択された期間特定情報を出力する除去期間選択手段と、を備える。【選択図】 図１

Description

本発明は、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、特に、システムから出力された時系列情報に基づくモデルの生成支援に関する。

プラントや設備などの監視対象システムが出力する多次元時系列データをもとにシステムの異常を発見する運用管理装置の一例が、特許文献１に記載されている。この運用管理装置は、時系列情報の組の相関性に基づいてシステムのモデル化を行い、生成されたモデルを用いてそのシステムの障害や異常等の要因を判定する、相関性分析を用いる。

この装置は、システム正常時における複数のメトリックの計測期間を学習期間とし、複数のメトリックの内の各ペアの相関関係を表す相関関数を決定し、相関関数の誤差より求められた予測誤差情報に応じて相関を選別して、システムの相関モデルを生成する。そして、この運用管理システムは、生成された相関モデルを用いて、相関関係の破壊（相関破壊）を検出し、相関破壊をもとにシステムの障害要因を判定する。

このように、相関破壊をもとにシステムの状態を分析する技術は、不変関係分析と呼ばれる。不変関係分析を行う運用システムは、例えば、メトリックｙ、ｕのペアに関して、メトリックｕに基づいてメトリックｙを予測するために両メトリック間の相関関数を用いる。そして、この運用システムは、学習時の時系列情報におけるメトリックｙの実測値と相関関数による予測値との差、つまり予測誤差から、監視時に許容される予測誤差を算出し、閾値として使用する。予測誤差が閾値を超えた場合が相関破壊である。この運用システムは、監視時に監視対象システムが出力する多次元時系列データの中に相関破壊を検出すると、異常発生と判断する。

特許文献２に記載されている運用管理システムは、プラントや設備などの監視対象システムが出力する多次元時系列データをもとに異常を発見するため、良質な学習データを生成する。この運用管理システムは、良質な学習データを生成するため、データ間の類似度に着目し、正常事例からなるコンパクトな学習データを生成したり、設備のアラーム発生期間を学習データから削除したりする。

特許第４８７２９４４号公報 特許第５３０１３１０号公報

特許文献１に記載されている運用管理システムは、学習期間に異常が含まれている場合、異常を発見する能力が低いモデルを生成してしまう可能性がある。この運用管理システムは、学習時の予測誤差によって監視時に許容される予測誤差の閾値を設定する。そのため、学習時に異常が含まれると予測誤差が大きくなり、監視時に許容される予測誤差の閾値が非常に大きくなってしまう場合がある。その結果、監視時に異常が発生しても、予測誤差が閾値を超えず、運用管理システムが異常を発見できない場合がある。

また、特許文献２に記載されている運用管理システムは、学習期間に異常が含まれないように、設備のアラーム発生期間を学習データから削除する。しかし、異常が発生した際にアラームが発生するとは限らないため、学習期間に異常が残ってしまう可能性がある。

本発明は、学習機関に以上が含まれている場合でも、上記課題を抑制する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、プログラムを提供することを目的とする。

本発明の一実施の形態のシステムモデル生成支援装置は、複数期間にわたってシステムから出力された時系列情報から、複数のパラメータを含む前記システムのモデルを期間毎に生成する期間モデル生成手段と、各パラメータについて、パラメータ値が他期間と比較して所定特異条件を満たす期間を除去候補期間として特定する除去候補期間特定手段と、特定された複数の前記除去候補期間から、当該期間に出力された情報を使用せずに前記システムのモデルを作成すべき期間を選択し、選択された期間特定情報を出力する除去期間選択手段と、を備える。

本発明の一実施の形態のシステムモデル生成支援方法は、複数期間にわたってシステムから出力された時系列情報から、複数のパラメータを含む前記システムのモデルを期間毎に生成し、各パラメータについて、パラメータ値が他期間と比較して所定特異条件を満たす期間を除去候補期間として特定し、特定された複数の前記除去候補期間から、当該期間に出力された情報を使用せずに前記システムのモデルを作成すべき期間を選択し、選択された期間特定情報を出力する。

本発明の一実施の形態のプログラムは、複数期間にわたってシステムから出力された時系列情報から、複数のパラメータを含む前記システムのモデルを期間毎に生成する期間モデル生成処理と、各パラメータについて、パラメータ値が他期間と比較して所定特異条件を満たす期間を除去候補期間として特定する除去候補期間特定処理と、特定された複数の前記除去候補期間から、当該期間に出力された情報を使用せずに前記システムのモデルを作成すべき期間を選択し、選択された期間特定情報を出力する除去期間選択処理と、をコンピュータに実行させる。

本発明にかかるシステムモデル生成支援装置は、学習期間に得られた被監視システムの情報に異常が含まれていても、当該システムの異常検知能力が高いシステムモデル作成を可能とする。

図１は、第一の実施の形態にかかるシステムモデル生成支援装置１００の全体構成図である。 図２は、システムモデル生成支援装置１００の動作フローチャートである。 図３は、時系列情報蓄積部２１７に蓄積されている時系列情報の例（その一）を示す。 図４は、図３の時系列情報をチャート上に表した図である。 図５は、分割された時系列情報の例（その一）を示す。 図６は、各期間に対して、期間モデル生成部２１３が求めた相関関数と予測誤差の例（その一）を示す。 図７は、図６の各期間のモデルの各パラメータ値と、そのパラメータ値の全期間平均との差の例を示している。 図８は、除去候補期間の一覧の例（その一）を示す。 図９は、時系列情報蓄積部２１７に蓄積されている時系列情報の例（その二）を示す。 図１０は、図９の時系列情報をチャート上に表した図である。 図５は、分割された時系列情報の例（その二）を示す。 図６は、各期間に対して、期間モデル生成部２１３が求めた相関関数と予測誤差の例（その二）を示す。 図１３は、図１２の各期間のモデルの各パラメータ値と、そのパラメータ値の全期間平均との差の例を示している。 図１４は、ユーザ端末装置に表示される情報の例を示す。 図１５は、第三の実施の形態にかかるシステムモデル生成支援装置１００の全体構成図である。

＜第一の実施の形態＞
［構成］
図１は、本実施の形態にかかるシステムモデル生成支援装置１００の全体構成図である。本実施の形態のシステムモデル生成支援装置１００は、モデル情報蓄積部２１１と、時系列情報蓄積部２１７と、期間モデル生成部２１３と、除去候補期間特定部２１４と、除去期間選択部２１５と、を備えている。システムモデル生成支援装置１００は、時系列情報分割部２１２と、モデル生成部２１６と、を備えていても良い。

モデル情報蓄積部２１１は、モデルの形式やパラメータの種類を含むモデル情報を蓄積する。モデルの形式は、例えば特許文献１に示されるような相関性分析のモデルである場合、性能情報時系列に含まれるメトリックのペアを変数とする相関関数の形式である。モデルの形式はモデルの雛形と言っても良い。モデルは、モデルの形式とモデルのパラメータが組み合わされて一意に特定される。

モデルのパラメータは、モデルが相関関数である場合、相関関数のパラメータ、例えば変数の係数、指数、切片である。例えば、モデルが"'B(i)=c*A(i)+d"'という形式の相関関数である場合、係数c及び切片dがモデルのパラメータである。

ここで、A(i)及びB(i)は、メトリックのペアである。メトリックは、運用管理システムが監視するシステム（以降、被監視システム）の性能、負荷、障害状況を表す指標であり、監視指標と呼ばれることも有る。メトリックは、例えば、被監視システムのプロセッサ使用率、実行中アプリケーション数、通信コネクション数、待ち行列長、または、入出力リトライ回数である。

また、モデルのパラメータは、監視時に許容される予測誤差の閾値を含んでいても良い。運用管理システムは、被監視システムを監視中に、例えばペアの一方のメトリック、例えばA(i)の値から、相関関数を用いて他方のメトリック、例えばB(i)の値を予測する。すなわち、運用管理システムは、相関関数を用いて、A(i)の値からB(i)の値を予測する。運用管理システムは、B(i)の予測値と被監視システムにおける実測値の差異と、この閾値とを比較することでメトリックス間の相関破壊を検出し、システムの異常を認識する。

時系列情報蓄積部２１７は、学習用の時系列情報を蓄積する。学習用の時系列情報は、例えば、被監視システムが出力した上記のメトリックの値の履歴情報を含む。

時系列情報分割部２１２は、時系列情報蓄積部２１７から受け取った、学習用の時系列を複数の期間毎のデータに分割する。分割の方法は、例えばあらかじめ決められた、もしくはユーザによって入力された時間の長さで分割することとしても良い。また、分割の方法は、あらかじめ決められた、もしくはユーザによって入力された履歴レコードの個数（履歴取得時点の個数）で分割することとしても良い。

期間モデル生成部２１３は、モデル情報蓄積部２１１からモデルの情報を受け取り、時系列情報分割部２１２から期間毎に分割された時系列を受け取って、期間毎に被監視システムのモデルを生成する。モデルは、モデルのパラメータ、例えばメトリックのペアに対する相関関数の係数や切片、監視時に許容される予測誤差の閾値を決定することで生成される。

除去候補期間特定部２１４は、期間モデル生成部２１３から期間毎のモデルのパラメータを受け取り、モデル情報蓄積部２１１からモデルの情報を受け取って、モデルのパラメータ毎に除去候補期間を特定する。除去候補期間特定部２１４は、パラメータ値が他期間と比較して所定の特異条件を満たす期間を除去候補期間として特定する。除去候補期間特定部２１４は、パラメータごとに除去候補期間を１つ特定しても良いし、所定数以下の複数個を特定しても良い。

パラメータが数値で表される場合、除去候補期間特定部２１４は、例えば、パラメータ値が全期間の平均値より一定以上大きい期間や、小さい期間を除去候補期間としても良い。また、除去候補期間特定部２１４は、例えば、複数のパラメータによるコサイン距離やマハラノビス距離を算出し、他の期間との距離が一定以上離れている期間を除去候補期間としても良い。また例えば、除去候補期間特定部２１４は、時間的な順序関係を考慮し、前後の期間との距離が一定以上離れている期間を除去候補期としても良い。除去候補期間特定部２１４は、条件を満たす区間が複数あるときは、かい離が大きい順に所定数以下の複数個を特定しても良い。

除去期間選択部２１５は、除去候補期間特定部２１４から、除去候補期間の一覧を受け取り、除去期間を選択する。除去期間選択部２１５は、例えば各期間において、その期間を除去候補期間としたパラメータの数が多い順に所定数、例えば１つの期間を除去期間としても良い。また、除去期間選択部２１５は、全ての除去候補期間を除去期間としても良い。

モデル生成部２１６は、除去期間選択部２１５から除去期間の一覧を受け取り、当該期間に出力されたメトリックの値を除去した時系列情報から、被監視システムのモデルを生成する。モデル生成部２１６は、期間モデル生成部２１３と同じ手法でモデルを生成しても良いし、別の手法を用いても良い。モデル生成部２１６と期間モデル生成部２１３は、統合されて実装されていても良い。

なお、時系列情報は、例えば被監視システムにより、予め複数の期間に分割されていても良い。この場合、システムモデル生成支援装置１００は、時系列情報分割部２１２を備えていなくても良い。

また、システムモデル生成支援装置１００は、除去期間の一覧を外部、例えば運用管理システムに出力し、運用管理システムが、除去期間に出力されたメトリックの値を除去した時系列情報からモデルを生成しても良い。この場合、システムモデル生成支援装置１００は、モデル生成部２１６を備えていなくても良い。

また、モデル情報蓄積部２１１と、時系列情報蓄積部２１７は、システムモデル生成支援装置１００外の他の装置、例えば、遠隔ファイルサーバ装置、に備えられていても良い。

時系列情報分割部２１２、期間モデル生成部２１３、除去候補期間特定部２１４、除去期間選択部２１５、および、モデル生成部２１６は、論理回路で構成される。上述の各部の何れかは、コンピュータでもあるシステムモデル生成支援装置１００のメモリ装置（図示されず）に格納されて、システムモデル生成支援装置１００のプロセッサ（図示されず）により実行されるプログラムにより実現されても良い。

また、モデル情報蓄積部２１１、および、時系列情報蓄積部２１７は、半導体メモリ装置、または、ディスク装置である。

［動作］
図２は、本実施の形態にかかるシステムモデル生成支援装置１００の動作フローチャートである。まず、時系列情報分割部２１２が、時系列情報蓄積部２１７に蓄積されている時系列情報を分割する（Ｓ１）。次いで、期間モデル生成部２１３が、モデル情報蓄積部２１１に格納されているモデル情報を参照して、各期間についてモデルを作成する（Ｓ２）。

その後、除去候補期間特定部２１４がモデルのパラメータ毎に除去候補期間を特定し（Ｓ３）、除去期間選択部２１５がパラメータ毎の除去候補期間の中から除去期間を選択する（Ｓ４）。

最後に、モデル生成部２１６が、除去期間に出力されたデータを削除した時系列情報を基にモデルを作成する（Ｓ５）。

［具体的データ例が入力されたときの動作］
以下、具体的データ例を基に、システムモデル生成支援装置１００の動作例を説明する。この例において、システムモデル生成支援装置１００は、特許文献１に示されるような相関性分析を行う為のモデルを生成するものとする。この場合、モデルは、上述したように、”B(i)=c*A(i)+d”という形式の相関関数と、３つのパラメータ（当該相関関数の係数cと切片d、および、予測誤差の閾値）を含む。相関関数において、時刻iにおけるメトリックＡの値がA(i)、時刻iにおけるメトリックＢの値がB(i)である。

図３は、時系列情報蓄積部２１７に蓄積されている時系列情報の例を示す。この時系列情報は、時刻１から時刻２０までの、メトリックＡとＢの測定値を含む。また、図４は、図３の時系列情報をチャート上に表したものである。

まず、時系列情報分割部２１２は、時系列情報蓄積部２１７から図３の時系列情報を受け取り、複数の期間の情報に分割する。ここでは、時系列情報分割部２１２は、５測定時点ごとの４つの期間に分割するものとする。

図５は、分割された時系列情報の例を示す。時系列情報は、図５に示されるように、期間１から４までの四つに分割される。

次に、期間モデル生成部２１３は、モデル情報蓄積部２１１からモデルの情報を受け取り、時系列情報分割部２１２から図５のように分割された時系列情報を受け取って、期間毎にモデルを生成する。期間モデル生成部２１３は、各期間に対し、各期間に含まれる５時点のメトリクスＡとＢの値から、最小二乗法を用いて相関関数の係数ｃ、切片ｄ、及び、予測誤差の値を算出する。ここで、予測誤差は二乗誤差に-1をかけた値である。

図６は、各期間に対して、期間モデル生成部２１３が求めた相関関数と予測誤差の例を示す。期間１に対しては、B(i) = 0.9577 * A(i) + 0.5645という相関関数と-0.0007428という予測誤差が得られ、期間２に対してはB(i) = 1.079 * A(i) + 0.505という相関関数と-0.008400という予測誤差が得られる。同様に、期間３に対してはB(i) = -0.1371 * A(i) + 1.065という相関関数と-0.1940という予測誤差が得られ、期間４に対してはB(i) = 1.0 * A(i) + 0.5という相関関数と0という予測誤差が得られる。

次に、除去候補期間特定部２１４は、モデル情報蓄積部２１１からモデルのパラメータの一覧を受け取り、図６に示されるようなモデルの一覧を受け取って、パラメータ毎に除去候補期間を特定する。この例では、除去候補期間特定部２１４は、そのパラメータの値の全期間の平均との差の絶対値が最も大きい期間を、そのパラメータに対する除去候補期間に特定する。

図７は、図６の各期間のモデルの各パラメータ値と、そのパラメータ値の全期間平均との差の例を示している。例えば、相関関数の係数は、期間１が0.9577、期間２が1.079、期間３が-0.1371、期間４が1.0であり、全期間の平均は0.7249である。従って、各期間の値と平均との差の絶対値は、期間１が0.2328、期間２が0.3540、期間３が0.8620、期間４が0.2751であり、最も大きい値は期間３の0.8620である。従って、除去候補期間特定部２１４は、「相関関数の係数」パラメータに対する除去候補期間を期間３と特定する。同様にして、除去候補期間特定部２１４は、「相関関数の切片」パラメータに関する除去候補期間を期間３、「予測誤差」パラメータに関する除去候補期間を期間３と特定する。

次に、除去期間選択部２１５は、除去候補期間特定部２１４から、図８で示されるような除去候補期間の一覧を受け取り、除去期間を選択する。例として、最も多くのパラメータが除去候補期間とした期間を除去期間とすると、除去期間選択部２１５は期間３を除去期間として選択する。

最後に、モデル生成部２１６は、期間３のデータを除いた時系列情報から被監視システムの監視し使用するモデルを作成して出力する。すなわち、モデル生成部２１６は、期間１、２、及び、４に対応するメトリックスＡとＢの値から被監視システムのモデルを作成して出力する。

[効果]
本実施形態のシステムモデル生成支援装置１００は、学習期間に得られた被監視システムの情報に異常が含まれていても、当該システムの異常検知能力が高いシステムモデル作成を可能とする。

その理由は、システムモデル生成支援装置１００が、学習期間を分割した複数の期間毎にモデルを生成し、各パラメータについて、パラメータ値が他期間と比較して特異な期間を特定し、特定された期間に出力された情報を排除してモデルを作成するからである。すなわち、本実施形態のシステムモデル生成支援装置１００は、モデルが大きく変化するような異常が発生している期間を除去した学習ができるのである。

＜第二の実施形態＞
[構成]
本実施の形態のシステムモデル生成支援装置１００は、図１に示す構成に加え、除去期間選択部２１５に接続されたユーザ端末装置（図示されず）を備える。

[動作]
本実施の形態において、除去期間選択部２１５は、除去候補期間と、各除去候補期間に関する情報をユーザ端末装置に表示する。除去候補期間に関する情報は、それらの期間を本当に除去するかをユーザが判断するための情報であり、例えば各期間を除去候補にしたパラメータの一覧と、各期間のパラメータの値である。

さらに、除去期間選択部２１５は、ユーザ端末装置から、ユーザが入力した期間特定情報を取得して、特定された期間を除去期間として選択する。

本実施の形態のシステムモデル生成支援装置１００は、他の点において第一の実施形態と同様に動作する。

［具体的データ例が入力されたときの動作］
以下、具体的データ例を基に、本実施の形態のシステムモデル生成支援装置１００の動作例を説明する。この例において、システムモデル生成支援装置１００は、第一の実施の形態の例と同じモデルを扱う。

図９は、時系列情報蓄積部２１７に蓄積されている時系列情報の例を示す。この時系列情報は、時刻１から時刻２０までの、メトリックＡとＢの測定値を含む。また、図１０は、図９の時系列情報をチャート上に表したものである。

まず、時系列情報分割部２１２は、時系列情報蓄積部２１７から図９の時系列情報を受け取り、複数の期間の情報に分割する。ここでは、時系列情報分割部２１２は、５測定時点ごとの４つの期間に分割するものとする。

図１１は、分割された時系列情報の例を示す。時系列情報は、図５に示されるように、期間１から４までの四つに分割される。

次に、期間モデル生成部２１３は、モデル情報蓄積部２１１からモデルの情報を受け取り、時系列情報分割部２１２から図１１のように分割された時系列情報を受け取って、期間毎にモデルを生成する。期間モデル生成部２１３は、各期間に対し、各期間に含まれる５時点のメトリクスＡとＢの値から、最小二乗法を用いて相関関数の係数ｃ、切片ｄ、及び、予測誤差の値を算出する。ここで、予測誤差は二乗誤差に-1をかけた値である。

図１２は、各期間に対して、期間モデル生成部２１３が求めた相関関数と予測誤差の例を示す。期間１に対しては、B(i) = 2.8059 * A(i) + 0.5839という相関関数と-0.005150という予測誤差が得られ、期間２に対してはB(i) = 1.079 * A(i) + 0.505という相関関数と-0.008400という予測誤差が得られる。同様に、期間３に対してはB(i) = -0.1371 * A(i) + 1.065という相関関数と-0.1940という予測誤差が得られ、期間４に対してはB(i) = 1.0 * A(i) + 0.5という相関関数と0という予測誤差が得られる。

次に、除去候補期間特定部２１４は、モデル情報蓄積部２１１からモデルのパラメータの一覧を受け取り、図１２に示されるようなモデルの一覧を受け取って、パラメータ毎に除去候補期間を特定する。この例では、除去候補期間特定部２１４は、そのパラメータの値の全期間の平均との差の絶対値が最も大きい期間を、そのパラメータに対する除去候補期間に特定する。

図１３は、図１２の各期間のモデルの各パラメータ値と、そのパラメータ値の全期間平均との差の例を示している。例えば、相関関数の係数は、期間１が2.8059、期間２が1.079、期間３が-0.1371、期間４が1.0であり、全期間の平均は1.1870である。従って、各期間の値の平均との差の絶対値は、期間１が1.619、期間２が0.1079、期間３が1.324、期間４が0.1869であり、最も大きい値は期間１の1.619である。従って、除去候補期間特定部２１４は、「相関関数の係数」パラメータに対する除去候補期間を期間１と特定する。同様にして、除去候補期間特定部２１４は、「相関関数の切片」パラメータに関する除去候補期間を期間３、「予測誤差」パラメータに関する除去候補期間を期間３と特定する。

次に、除去期間選択部２１５は、除去候補期間特定部２１４から除去候補期間の一覧を受け取り、除去期間を選択する。

ここで、除去期間選択部２１５は、除去候補期間と、各除去候補期間に関する情報をユーザ端末装置に表示する。例として、除去候補期間に関する情報は、各候補期間に関するパラメータの値と、平均との差の絶対値であるとする。この場合、除去期間選択部２１５は、図１４が示すような情報をユーザ端末装置に表示する。

ユーザは、ユーザ端末装置に表示された情報を見て、除去期間にしたい期間を選択し、選択した期間の特定情報をユーザ端末装置に入力する。例えばユーザは、最も多くのパラメータが削除候補期間とした期間を除去期間にしたいと考えるかもしれない。その場合、ユーザは、期間３を選択する。また、ユーザは、全ての削除候補期間を除去期間にしたいと考えるかもしれない。その場合、ユーザは、期間１と期間３を選択する。また、ユーザは、特定のパラメータ、例えば「相関関数の係数」パラメータに関する削除候補期間を除去期間にしたいと考えるかもしれない。その場合、ユーザは、期間１を選択する。

除去期間選択部２１５は、ユーザ端末装置からユーザが入力した期間特定情報を取得して、特定された期間を除去期間として選択する。ここでは、期間１が選択されたものとする。

最後に、モデル生成部２１６は、選択された期間１のデータを除いた時系列情報から被監視システムの監視し使用するモデルを作成して出力する。すなわち、モデル生成部２１６は、期間２、３、及び、４に対応するメトリックスＡとＢの値から被監視システムのモデルを作成して出力する。

[効果]
本実施形態のシステムモデル生成支援装置１００は、ユーザが有する被監視システムについての知識を活用して、当該システムの異常検知能力が高いシステムモデル作成を可能とする。

その理由は、除去期間選択部２１５が、除去候補期間と、各除去候補期間に関する情報をユーザ端末装置に表示し、ユーザ端末装置から、ユーザが入力した期間特定情報を取得して、特定された期間を除去期間として選択するからである。

＜第３の実施形態＞
図１５は、本実施の形態にかかるシステムモデル生成支援装置１００の全体構成図である。本実施の形態のシステムモデル生成支援装置１００は、期間モデル生成部２１３と、除去候補期間特定部２１４と、除去期間選択部２１５と、を備えている。

期間モデル生成部２１３は、複数期間にわたってシステムから出力された時系列情報から、複数のパラメータを含むシステムのモデルを期間毎に生成する。除去候補期間特定部２１４は、各パラメータについて、パラメータ値が他期間と比較して所定特異条件を満たす期間を除去候補期間として特定する。除去期間選択部２１５は、特定された複数の除去候補期間から、当該期間に出力された情報を使用せずにシステムのモデルを作成すべき期間を選択し、選択された期間特定情報を出力する。

本実施形態のシステムモデル生成支援装置１００は、学習期間に得られた被監視システムの情報に異常が含まれていても、当該システムの異常検知能力が高いシステムモデル作成を可能とする。

その理由は、システムモデル生成支援装置１００が、学習期間を分割した複数の期間毎にモデルを生成し、各パラメータについて、パラメータ値が他期間と比較して特異な期間を特定し、特定された期間に出力された情報を排除してモデルを作成するからである。すなわち、本実施形態のシステムモデル生成支援装置１００は、モデルが大きく変化するような異常が発生している期間を除去した学習ができるのである。

以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

１００ システムモデル生成支援装置
２１１ モデル情報蓄積部
２１２ 時系列情報分割部
２１３ 期間モデル生成部
２１４ 除去候補期間特定部
２１５ 除去期間選択部
２１６ モデル生成部
２１７ 時系列情報蓄積部

Claims (10)

1. 複数期間にわたってシステムから出力された時系列情報から、複数のパラメータを含む前記システムのモデルを期間毎に生成する期間モデル生成手段と、
   各パラメータについて、パラメータ値が他期間と比較して所定特異条件を満たす期間を除去候補期間として特定する除去候補期間特定手段と、
   特定された複数の前記除去候補期間から、当該期間に出力された情報を使用せずに前記システムのモデルを作成すべき期間を選択し、選択された期間特定情報を出力する除去期間選択手段と、を備えるシステムモデル生成支援装置。
2. 前記時系列情報は、前記システムから取得された複数種類の監視指標値の時系列を包含し、
   前記期間モデル生成手段は、前記複数の監視指標のペアについて、前記時系列情報から、一方の指標値から他方の指標値を予測する所定の相関関数のパラメータと予測誤差を算出し、算出した前記相関関数のパラメータ、及び、前記予測誤差をパラメータするモデルを生成する、請求項１のシステムモデル生成支援装置。
3. 前記除去候補期間特定手段は、期間のパラメータ値の、前記複数の期間のパラメータ値の平均値からのかい離または直前あるいは直後の期間のパラメータ値とのかい離が大きな順に、所定個数の期間を前記除去候補期間として特定する、請求項１乃至請求項２の何れか一項のシステムモデル生成支援装置。
4. 前記除去期間選択手段は、最も多くのパラメータについて、前記除去候補期間として特定された期間を選択する、請求項１乃至請求項３の何れか一項のシステムモデル生成支援装置。
5. 前記除去期間選択手段は、前記複数のパラメータの各々について特定した前記除去候補期間を表示して、ユーザが入力した選択情報を取得し、前記選択情報で特定された前記除去候補期間を選択する、請求項１乃至請求項３の何れか一項のシステムモデル生成支援装置。
6. 複数期間にわたってシステムから出力された時系列情報から、複数のパラメータを含む前記システムのモデルを期間毎に生成し、
   各パラメータについて、パラメータ値が他期間と比較して所定特異条件を満たす期間を除去候補期間として特定し、
   特定された複数の前記除去候補期間から、当該期間に出力された情報を使用せずに前記システムのモデルを作成すべき期間を選択し、選択された期間特定情報を出力する、システムモデル生成支援方法。
7. 前記時系列情報は、前記システムから取得された複数種類の監視指標値の時系列を包含し、
   前記複数の監視指標のペアについて、前記時系列情報から、一方の指標値から他方の指標値を予測する所定の相関関数のパラメータと予測誤差を算出し、算出した前記相関関数のパラメータ、及び、前記予測誤差をパラメータするモデルを生成する、請求項６のシステムモデル生成支援方法。
8. 期間のパラメータ値の、前記複数の期間のパラメータ値の平均値からのかい離または直前あるいは直後の期間のパラメータ値とのかい離が大きな順に、所定個数の期間を前記除去候補期間として特定する、請求項６乃至請求項７の何れか一項のシステムモデル生成支援方法。
9. 最も多くのパラメータについて、前記除去候補期間として特定された期間を前記除去候補期間に選択する、請求項１乃至請求項３の何れか一項のシステムモデル生成支援方法。
10. 複数期間にわたってシステムから出力された時系列情報から、複数のパラメータを含む前記システムのモデルを期間毎に生成する期間モデル生成処理と、
    各パラメータについて、パラメータ値が他期間と比較して所定特異条件を満たす期間を除去候補期間として特定する除去候補期間特定処理と、
    特定された複数の前記除去候補期間から、当該期間に出力された情報を使用せずに前記システムのモデルを作成すべき期間を選択し、選択された期間特定情報を出力する除去期間選択処理と、をコンピュータに実行させるプログラム。

Images