JP2021121956A - 故障予測方法、装置、電子設備、記憶媒体、及びプログラム - Google Patents

故障予測方法、装置、電子設備、記憶媒体、及びプログラム Download PDF

Info

Publication number
JP2021121956A
JP2021121956A JP2021084239A JP2021084239A JP2021121956A JP 2021121956 A JP2021121956 A JP 2021121956A JP 2021084239 A JP2021084239 A JP 2021084239A JP 2021084239 A JP2021084239 A JP 2021084239A JP 2021121956 A JP2021121956 A JP 2021121956A
Authority
JP
Japan
Prior art keywords
failure
prediction
information
potential risk
correlation
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
JP2021084239A
Other languages
English (en)
Other versions
JP7237110B2 (ja
Inventor
ワン，シャーロン
Xiaolong Wang
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Publication of JP2021121956A publication Critical patent/JP2021121956A/ja
Application granted granted Critical
Publication of JP7237110B2 publication Critical patent/JP7237110B2/ja
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
    • 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
    • G06F11/0772—Means for error signaling, e.g. using interrupts, exception flags, dedicated error registers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)
  • Emergency Alarm Devices (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

【課題】故障予測の精度を高めることができる、故障予測方法、装置、設備、記憶媒体、及びプログラムを提供する。【解決手段】故障予測方法において、クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得するステップ、故障警報リクエストを解析し、故障、潜在的なリスク、および変更のうちの少なくとも２つの故障トリガパラメータを得るステップ、故障、潜在的なリスク、および変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得るステップ及び相関結果に基づき、故障警報リクエストを引き起こす故障に対して予測を行い、故障予測結果を得るステップを含む。【選択図】図１

Description

本開示は、データ処理に関する。本開示は、特に、クラウドコンピューティング、故障処理分野に関し、故障予測、故障位置特定、故障修復などの故障に関連する分野に応用することができる。
インターネット技術、通信技術および端末のスマート化の発展に伴い、企業ユーザーであろうと、個人ユーザーであろうと、日常的なデータインタラクションに基づくビッグデータ処理は爆発的な増加傾向を示しており、これに対して、大量のビッグデータ分析およびデータ運用保守を行う必要がある。
ビッグデータ分析およびデータ運用保守に用いられるクラウドコンピューティングサービスを例とすると、クラウドコンピューティングサービスは、インターネットに依拠する関連サービスの増加、使用および交付モードであってもよい。現在、クラウドコンピューティングサービスは既に企業ユーザーのＩＴ構築の基盤となっており、企業ユーザーに安定で信頼できるクラウドコンピューティングサービスの実行環境を提供することは極めて重要である。一方、クラウドコンピューティングサービス環境の安定性は、高品質の運用保守作業次第であることが多く、運用保守作業において故障が発生すると、クラウドコンピューティングサービスの実行環境が不安定になるため、関連技術において有効な解決方案を提供する。
本開示は、故障予測方法、装置、電子設備および記憶媒体を提供する。
本開示の１つの態様は、故障予測方法を提供し、当該方法は、
クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得することと、
前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得ることと、
前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることと、
前記相関結果に基づき、前記故障警報リクエストを引き起こす障害に対して予測を行い、故障予測結果を得ることと、を含む。
本開示の他の態様は、故障予測装置を提供し、当該装置は、
クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得するためのリクエスト取得モジュールと、
前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得るためのリクエスト解析モジュールと、
前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得るための相関モジュールと、
前記相関結果に基づき、前記故障警報リクエストを引き起こす障害に対して予測を行い、故障予測結果を得るための予測モジュールと、を備える。
本開示の他の態様は、電子設備をさらに提供し、当該電子設備は、
少なくとも１つのプロセッサと、
少なくとも１つのプロセッサに通信接続されるメモリと、を備え、
メモリには、少なくとも１つのプロセッサにより実行可能な命令が記憶されており、
命令は、少なくとも１つのプロセッサにより実行される場合、本開示の実施形態の任意の故障予測方法を実行させることを特徴とする。
本開示の他の態様は、コンピュータ命令を記憶した非一過性のコンピュータ可読記憶媒体をさらに提供し、当該コンピュータ命令を記憶した非一過性のコンピュータ可読記憶媒体は、
本開示の実施形態の任意の故障予測方法をコンピュータに実行させる。
本開示によれば、クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得することと、前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得ることと、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることと、前記相関結果に基づき、前記故障警報リクエストを引き起こす障害に対して予測を行い、故障予測結果を得ることと、ができる。本開示は、故障警報リクエストをトリガする故障自身、および故障に関連するもろもろの潜在的なリスクと変更のうちの少なくとも２つの故障トリガパラメータに基づいて関連を付けて、相関の確立により得られた相関結果に基づき、該故障警報リクエストを引き起こす故障に対して予測を行うため、故障予測の精度を向上することができる。
ここに記載された内容は、本開示の実施形態のキーポイントまたは重要な特徴を記述することを意図せず、また、本開示の範囲を制限することにも用いられないことを理解すべきである。本開示の他の特徴については、下記の明細書を通して説明を促す。
添付図面は、本方案をより良く理解するためのものであり、本開示を限定するものではない。
本開示の実施形態による故障予測方法のフローチャート模式図である。 本開示の実施形態による故障予測方法のフローチャート模式図である。 本開示の実施形態による故障、潜在的なリスクおよび変更間の関連付けを行った後の全体的な連動となる応用例の模式図である。 本開示の実施形態による故障予測装置の構成構造模式図である。 本開示の実施形態による故障予測方法を実現するための電子設備のブロック図である。
以下では、本開示の例示的な実施形態を、理解を容易にするために本開示の実施形態の様々な詳細を含む添付の図面に関連して説明するが、これらは単に例示的なものであると考えるべきである。したがって、当業者は、本開示の範囲および精神を逸脱することなく、本明細書に記載された実施形態に様々な変更および修正を加えることができることを認識すべきである。同様に、以下の説明では、周知の機能および構成については、明確化および簡明化のために説明を省略する。
本明細書における用語「および／または」は、単に関連オブジェクトを記述する関連関係であり、表示には３つの関係が存在でき、例えば、Ａおよび／またはＢは、Ａが単独で存在する、ＡとＢとが同時に存在する、Ｂが単独で存在するという３つの状況を表すことができる。本明細書における用語「少なくとも１つ」は、複数のうちの任意の１つまたは複数のうちの少なくとも２つの任意の組み合わせを表し、例えば、Ａ、Ｂ、Ｃのうちの少なくとも１つを含むは、Ａ、Ｂ、およびＣからなる集合から選択された任意の１つまたは複数の要素を含むことを表すことができる。本明細書における用語「第１」、「第２」は、複数の類似の技術用語を指して区別することを表し、順序を限定する、または２つのみと限定する意図ではなく、例えば、第１特徴と第２特徴とは、２つのタイプ／２つの特徴があることを指し、第１特徴は１つまたは複数であり、第２特徴も１つまたは複数であることができる。
さらに、本明細書をよりよく説明するために、以下の具体的な実施形態において多くの具体的な詳細が示される。当業者は、特定の詳細がなくとも、本開示を同様に実施することができることを理解すべきである。いくつかの例において、当業者の熟知している方法、手段、要素、および回路は、本開示の主旨を明確にするため、詳細に説明しない。
本開示に現れる以下の技術用語の意味について説明を行う。
１、対応策とは、ある故障について、事前に制定された処理方案を指し、該対応策は人為的に実行されてもよく、自動的に実行されてもよい。
２、標準業務手順書（ＳＯＰ、Ｓｔａｎｄａｒｄ Ｏｐｅｒａｔｉｎｇ Ｐｒｏｃｅｄｕｒｅ）とは、特定のシーンについて、制定された標準化操作マニュアルを指す。
３、問題フォローアップ率とは、明確なフォローアップ者が存在し、フォローアップ現状について記述された解決済みおよび未解決の問題と、問題総数との間で除算演算を行うことを指し、「明確なフォローアップ者が存在し、フォローアップ現状について記述された解決済みおよび未解決の問題」をＡ１とし、「問題総数」をＢ１とし、「問題フォローアップ率」をＣ１とすると、Ｃ１＝Ａ１／Ｂ１となる。
４、問題解決率とは、明確なフォローアップ者と根本原因が存在する解決済みの故障数と、問題総数との間で除算演算を行うことを指し、「明確なフォローアップ者と根本原因が存在する解決済みの故障数」をＡ２とし、「問題総数」をＢ１とし、「問題解決率」をＣ２とすると、Ｃ２＝Ａ２／Ｂ１となる。
５、故障重みとは、変更または潜在的なリスクが故障を引き起こす可能性を指し、故障重みの値は０から１までとする。このうち、「０」は故障を起こさないことを示し、「１」は必ず故障を起こすことを示す。
６、潜在的なリスクレベルとは、潜在的なリスクレベルについて問題のプライオリティＰ（Ｐｒｉｏｒｉｔｙ）と重大性Ｓ（Ｓｅｖｅｒｉｔｙ）の２つの角度から問題に対して分類を行うことを指す。
７、問題プライオリティは以下を含む。
Ｐ１：プライオリティが最も高く、２週間以内に解決する必要がある、または少なくとも臨時損切り方案を生成する。
Ｐ２：プライオリティが高く、１か月以内に解決する必要がある、または少なくとも臨時損切り方案を生成する。
Ｐ３：プライオリティが中程度であり、四半期以内に解決する必要がある。
Ｐ４：プライオリティが低く、半年以内に解決する。
８、問題の重大性は以下を含む。
Ｓ１：重大性が最も高く、ユーザーの業務が既にダメージを受けている、またはダメージを受けようとしている。
Ｓ２：重大性が高く、ユーザーの業務は未だに影響を受けていないが、ダメージを受ける確率が高い。
Ｓ３：重大性が中程度であり、潜在的なリスクが存在し、クライアントの業務に影響を与える可能性のある。
Ｓ４：重大性が低く、一般的には能動的に発起された安定性を向上するための作業である。
関連技術において、クラウドコンピューティングサービスの実行環境について運用保守作業を行い、主に故障、潜在的なリスク、および変更についてピンポイントの解決を行う。このうち、故障について、クラウドコンピューティングサービスにおける監視システムを通して感知し、応答する対応策を配備し、人為的、半自動的、または自動的な故障予測などの処理を行うことができる。潜在的なリスクについて、大半が受動的に感知されたものであり、潜在的なリスクの内容に基づき対応する内容の専用の処理を行うことができる。変更について、人為的に、または変更プラットフォームを通して操作を行い、予め設定されたチェックリスト（ｃｈｅｃｋｌｉｓｔ）に従って検査を行うことができる。
上述の故障、潜在的なリスク、および変更に対する解決方案は各自の単独な解決方案であるため、以下の問題が存在する。
１、故障の処理は、即時損切りが目的であるため、損切り方案が明確であるが根本原因が調べ辛い故障に対して、一般的に即時損切りを選択し、後続の根本原因の追究は往々にしてうやむやになり、この方法は一時的な解決で根本を解決しないため、故障の収束および故障の除去を実現することが難しい。
２、潜在的なリスクの処理は、潜在的なリスクの根絶のみを重視して、一般的に消耗時間が長く、人力と時間が緊迫している状况の下で、往々にして潜在的なリスクの見落とし、漏れの状况が現れる。
３、変更の処理は、一般的に端末ユーザープレーンのレベルであり、例えば、ユーザープログラム上の変更によるものであり、運用保守人員はその品質に対して正確な評価を行うことが難しく、変更により引き起こされる、特に非ユーザープログラムなどの間接的な原因に引き起こされる変更による潜在的なリスクおよび故障はさらに発見、位置特定および遡及が難しい。
４、運用保守人員は一般的に故障、潜在的なリスク、変更の処理を担当し、異なる人である可能性があるため、複数の運用保守人員の間にコミュニケーションコストがあり、現状の解决の疲弊を起こし、有効的に収束および故障の除去を実現できず、さらに故障の進む可能性に対して即時に正確な予測をすることができない。
本開示の１つの例において、上述のクラウドコンピューティングサービスの応用シーンを例とすると、クラウドコンピューティング環境の故障、潜在的なリスク、変更について、相互に関連付けて連動処理を行うことができ、標準化のデータ入力、自動化のスマート管理および予測により、故障、潜在的なリスク、および変更関連付け後の閉ループ収束を実現することができ、すなわち互いに緊密に関連しており、例えば、故障は自身により起こされたものでなく、潜在的なリスクが解決を得ていないために引き起こされた可能性や、バックグラウンド側のクラウドコンピューティング自身の実行環境の異常により生じたものでなく、端末側のユーザーレベルの変更により生じる可能性などがある。さらに、故障、潜在的なリスク、変更の入力、処理、分析、フォローアップなどに対して標准化定義、データ構築などを行うことを通して、データ入力を受け入れることで、データ（例えば、故障、潜在的なリスク、変更など）の相関分析および予測を実行する自動化管理プラットフォームに依拠して、故障、潜在的なリスク、変更を重み付けして加重相関を行うことができ、横方向に貫通し、故障発生の根源を連合して定位し、故障と潜在的なリスクと変更との間において不具合の自動収束、自動予測の目的を達成することができ、最終的に、上述のデータ相関分析に基づいて、クラウドコンピューティング環境全体の安定性運用保守に対して提案と予測を提供する。これにより、故障を迅速に解消し、故障を引き起こす可能性のある潜在的なリスク、変更、甚だしきに至ってはその他の原因を解消し、自主的に運用保守業務の品質を制御し、クラウドコンピューティングサービスの運行環境が安定した状態にあることを保証することができる。
本開示の実施形態により、故障予測方法を提供し、図１は、本開示の実施形態による故障予測方法のフローチャート模式図であり、該方法は故障予測装置に応用でき、例えば、該装置は端末、サーバ、または他の処理デバイスにデプロイした状況の下で、故障警報、故障解析、故障予測、および警告などを実行することができる。このうち、端末は、ユーザデバイス（ＵＥ、Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ）、携帯デバイス、携帯電話、コードレス電話、パーソナルデジタルアシスタント（ＰＤＡ、Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ハンドヘルドデバイス、コンピューティングデバイス、車載デバイス、ウェアラブルデバイスなどであってもよい。いくつかの可能な実施形態において、該方法はさらに、プロセッサがメモリに記憶されたコンピュータ可読命令をコールすることにより実現されてもよい。図１に示されるように、以下を含む。
Ｓ１０１において、クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得する。
１つの例において、故障警報リクエストは、故障自体により引き起こされたものでもよい。故障警報リクエストは、潜在的なリスクにより引き起こされた故障でもよく、端末のユーザプレーンにおける操作により生じた変更により引き起こされた故障であってもよい。さらに故障警報リクエストは、故障自身が即時に除去できないことにより引き起こされた潜在的なリスクであってもよく、潜在的なリスクがさらに進み、故障が引き起こされる等の可能性であってもよく、該故障警報リクエストが故障、潜在的なリスクおよび変更のうちの少なくとも２つの故障トリガパラメータにより得られたものであれば、いずれも本開示の保護範囲内にある。
Ｓ１０２において、前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得る。
１つの例において、故障警報リクエストに対する解析を通して、故障を引き起こす各種トリガパラメータを得ることができ、例えば、故障警報リクエストに対する解析により、故障自身により引き起こされた故障なのか、さらに潜在的なリスクにより引き起こされた故障なのか、あるいは端末のユーザプレーンにおける操作により生じた変更により引き起こされた故障なのかなどを見つけることができる。
Ｓ１０３において、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得る。
１つの例において、故障、潜在的なリスク、および変更の各自の重みに基づき加重相関することを通して、相関結果を得ることができる。
もう１つの例において、既存の履歴予測結果が存在し、該故障を解決することができる場合、まず該故障を解決し、カツ即時損切りをした後、該故障を潜在的なリスクおよび変更に相関を行い（各種重みに対する加重相関であってもよい）、該相関結果を得る。
Ｓ１０４において、前記相関結果に基づき、前記故障警報リクエストを引き起こす故障に対して予測を行い、故障予測結果を得る。
１つの例において、故障警告リクエストが、故障自身の即時の除去ができなかったことにより引き起こされた潜在的なリスクに起因している場合、かつ、潜在的なリスクは故障をさらに深刻化させて新たな故障問題が引き起こされるため、故障と潜在的なリスクとの相関に基づき得られた相関結果に従って、該故障警報リクエストを引き起こす故障に対して予測を行うことで、故障が「故障自身およびそれにより引き起こされた潜在的なリスク」により引き起こされた故障予測結果を得る。
もう１つの例において、上述の例において、相関結果に基づき前記故障警報リクエストを引き起こす故障に対して予測を行うことに加えて、前記故障予測結果と履歴予測値との比較を行い、かつ、前記履歴予測値を総合して前記故障予測結果に対して修正を行うことで、修正後の予測結果を必要とする少なくとも１つのアプリケーションとつなげる（例えば、企業ユーザの必要とされる企業内部通信セキュリティアプリケーションシーンの１つまたは複数のアプリケーションとつなげる）。前記故障予測結果とクラウドコンピューティングサービスの実行環境の実際の実行データとの比較を行い、かつ、前記実際の実行データを総合して前記故障予測結果に対して修正を行うことで、修正後の予測結果を必要とする少なくとも１つのアプリケーションとつなげる（例えば、企業ユーザの必要とされる企業内部通信セキュリティアプリケーションシーンの１つまたは複数のアプリケーションとつなげる）。
本開示によれば、クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得することと、前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得ることと、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることと、前記相関結果に基づき、前記故障警報リクエストを引き起こす障害に対して予測を行い、故障予測結果を得ることと、ができる。本開示は、故障警報リクエストをトリガする故障自身、および故障に関連するもろもろの潜在的なリスクと変更のうちの少なくとも２つの故障トリガパラメータに基づいて関連を付けて、相関の確立により得られた相関結果に基づき、該故障警報リクエストを引き起こす故障に対して予測を行うため、故障予測の精度を向上することができる。
１つの実施形態において、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることは、前記故障、前記潜在的なリスク、および前記変更を多対多の関係に応じて各自の重み（例えば、各自、設計要件または履歴予測値に基づき得られる重みデフォルト値を用いる）に基づき加重相関を行い、前記相関結果を得ること、を含む。
本実施形態によれば、該加重相関を通して、故障、潜在的なリスク、変更が横方向の関連付けの目的に達成することで、故障、潜在的なリスク、変更を横方向に打通し、故障が生じる根本的な原因（例えば、故障自体により引き起こされた故障か、潜在的なリスクにより引き起こされた故障か、または変更により引き起こされた故障か、など）をより迅速に特定できます。これにより、故障の原因を迅速に位置特定することができることにより、故障を生じさせる問題の箇所を迅速に特定し、かつ、即時に故障を解決し（あるいは、故障が潜在的なリスクにより引き起こされたものであると位置特定されれば、潜在的なリスクを除去し、潜在的なリスクが除去されれば故障問題も解決されることとなる。あるいは、故障が変更により引き起こされたものであると位置特定されれば、すでに故障が現れていることを端末に提示し、端末が自身のユーザプレーンにおける変更操作を即時に調整できるようにするなど）、即時に損切りをする。
１つの実施形態において、処理情報に基づき前記各自の重みに対して重み調整を行った後、前記加重相関を行うことで前記相関結果を得ること、をさらに含む。このうち、処理情報は、前記故障、前記潜在的なリスク、前記変更に対して分析および／または処理を行った後に生じた関連情報を表すことに用いられる。
１つの実施形態において、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることは、前記故障を前記履歴予測値と関連付けることと、前記履歴予測値に基づき前記故障に対して予測を行った後、前記故障を、前記潜在的なリスク、前記変更と関連付けて、前記相関結果を得ることと、を含む。
本実施形態によれば、履歴予測結果（例えば、履歴予測に基づき推薦対応策を得るなど）が既に存在する場合、該故障を先行して解決することができる。該故障をまず解決し、かつ、即時に損切りをした後に、該故障を、潜在的なリスクおよび変更と関連付け（故障と、潜在的なリスクおよび変更の各自の重みに基づく加重相関であってもよい）、該相関結果を得る。すなわち、故障警報後に、故障に関連付ける履歴推薦対応策を自動的に推奨し実行すると同時に、該故障を潜在的なリスクおよび変更に自動的に関連付けることもできる。
該履歴推薦対応策が該故障の予測に対するものであるため、既存のものにより該故障を予測し、故障を位置特定し、かつ、即時に故障を除去することができる。その後さらに、故障、潜在的なリスクおよび変更の関連付けを行うことで、該関連付けを通して以下をできるようにする。
故障、潜在的なリスク、変更が横方向の関連付けの目的に達成することで、故障、潜在的なリスク、変更を横方向に打通し、故障が生じる根本的な原因（例えば、故障自体により引き起こされた故障か、潜在的なリスクにより引き起こされた故障か、または変更により引き起こされた故障か、など）をより迅速に特定できます。これにより、故障の原因を迅速に位置特定することができることにより、故障を生じさせる問題の箇所を迅速に位置特定し、かつ、即時に故障を解決し（あるいは、故障が潜在的なリスクにより引き起こされたものであると位置特定されれば、潜在的なリスクを除去し、潜在的なリスクが除去されれば故障問題も解決されることとなる。あるいは、故障が変更により引き起こされたものであると位置特定されれば、すでに故障が現れていることを端末に提示し、端末が自身のユーザプレーンにおける変更操作を即時に調整できるようにするなど）、即時に損切りをする。
本開示の実施形態によれば、故障予測方法を提供し、図２は、本開示の実施形態による故障予測方法のフローチャート模式図であり、図２に示すように、以下を含む。
Ｓ２０１において、データ収集操作に応じて、基礎情報、処理情報、相関情報のうちの少なくとも１つを入力する。
１つの例において、基礎情報は、前記故障、前記潜在的なリスク、前記変更の各種の自身の情報を表すことに用いられる。処理情報は、前記故障、前記潜在的なリスク、前記変更に対する分析および／または処理を行った後に生じる関連情報を表すことに用いられる。相関情報は、前記故障に対応する故障上下流の関連情報を表すことに用いられる。
Ｓ２０２において、クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得する。
１つの例において、故障警報リクエストは、故障自体により引き起こされたものでもよい。故障警報リクエストは、潜在的なリスクにより引き起こされた故障でもよく、端末のユーザプレーンにおける操作により生じた変更により引き起こされた故障であってもよい。さらに故障警報リクエストは、故障自身が即時に除去できないことにより引き起こされた潜在的なリスクであってもよく、潜在的なリスクがさらに故障により引き起こされる等の可能性を増やし、該故障警報リクエストが故障、潜在的なリスクおよび変更のうちの少なくとも２つの故障トリガパラメータにより得られたものであれば、いずれも本開示の保護範囲内にある。
Ｓ２０３において、前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得る。
１つの例において、故障警報リクエストに対する解析を通して、故障を引き起こす各種トリガパラメータを得ることができ、例えば、故障警報リクエストに対する解析により、故障自身により引き起こされた故障なのか、さらに潜在的なリスクにより引き起こされた故障なのか、あるいは端末のユーザプレーンにおける操作により生じた変更により引き起こされた故障なのかなどを見つけることができる。
Ｓ２０４において、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得る。
１つの例において、故障、潜在的なリスク、および変更の各自の重みを加重関連付けることを通して、相関結果を得ることができる。
もう１つの例において、既存の履歴予測結果が存在し、該故障を解決することができる場合、まず該故障を解決し、カツ即時損切りをした後、該故障を潜在的なリスクおよび変更に相関を行い（各種重みに対する加重相関であってもよい）、該相関結果を得る。
Ｓ２０５において、前記相関結果に基づき、前記故障警報リクエストを引き起こす故障に対して予測を行い、故障予測結果を得る。
Ｓ２０６において、故障、潜在的なリスク、および変更が相互に関連付けて形成された閉ループ処理プロセスが収束し、故障予測が終了するまで、上述の加重相関、および／または上述の故障予測およびＳＯＰに基づく標準化の実行処理に基づいて、故障警報リクエストを引き起こす故障の数に対して継続的に除去を行う。
１つの例において、ＳＯＰは特定のシーンについて制定される標準化操作マニュアルであり、上述のデータ収集操作、相関、故障予測などの各処理は、複数の人の介入を必要とせずに、該ＳＯＰに基づき標準化された、自動的な実行である。
本開示によれば、クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得する。前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得る。前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得る。前記相関結果に基づき、前記故障警報リクエストを引き起こす故障に対して予測を行い、故障予測結果を得る。故障、潜在的なリスク、および変更が相互に相関して形成された閉ループ処理プロセスが収束し、故障予測が終了するまで、上述の加重相関、および／または上述の故障予測およびＳＯＰに基づく標準化の実行処理に基づいて、故障警報リクエストを引き起こす故障の数に対して継続的に除去を行う。本開示は、故障警報リクエストをトリガする故障自身、および故障に関連するもろもろの潜在的なリスクと変更のうちの少なくとも２つの故障トリガパラメータに基づいて関連を付けて、関連付けにより得られた相関結果に基づき、該故障警報リクエストを引き起こす故障に対して予測を行うため、故障予測の精度を向上することができ、また、自動の相関プラス自動の故障予測対応策を通し、さらにＳＯＰの実行に合わせて、全体の故障予測の閉ループ処理プロセスの継続的な実行に伴い、故障の数は絶えず収束し、だんだん少なくなり、さらに全体の閉ループ処理プロセスは複数の人の介入を必要とせず、自動的に実行されるため、故障予測が正確で、安定性を高めるだけでなく、さらに人件費を下げることができる。
１つの実施形態において、データ取得操作に応じて、基礎情報、処理情報、相関情報のうちの少なくとも１つを入力できること以外に、さらに、故障、潜在的なリスク、および変更の関連付けに基づいて相関結果を得る操作に応じて、基礎情報、処理情報、相関情報のうちの少なくとも１つを継続して入力することもできる。応答のプロセス全体は、閉ループの処理プロセスでもあるため、入力データの完全性、正確性を保証することができ、該入力データに基づいて得られた最終故障予測結果の正確性は高く、クラウドコンピューティングサービスの実行環境の安定性を向上する。
さらに、故障、潜在的なリスク、および変更の相関に基づいて相関結果を得る操作に応じて、基礎情報、処理情報、相関情報のうちの少なくとも１つを継続して入力した後、故障、潜在的なリスク、変更または他の原因により故障警報を引き起こした後に相関を継続することについても、閉ループの処理プロセスである。
本実施形態によれば、基礎情報、処理情報、相関情報の少なくとも１つを入力することで、故障警報をトリガした後、故障、潜在的なリスク、変更または他の原因により引き起こされる故障警報に対して絶えることなく相関分析を行うことにより、より正確な故障予測結果（例えば、故障予測対応策）を得ることができる。
１つの実施形態において、入力データに対してデータ標準化の処理を実現することができ、すなわち、データ収集の標準化入力操作に応じて、少なくとも標準化オプションまたは標準化テンプレートを含む入力ポリシーおよび／または入力更新ポリシーを取得し、前記入力ポリシーおよび／または入力更新ポリシーに基づき、前期故障、前記潜在的なリスク、前記変更についての各種情報の標準化入力を実行する。
応用例
本応用例が適用する１つの応用シーンは、クラウドコンピューティングに対する故障処理シーンであり、まず、クラウドコンピューティングを紹介し、ビッグデータ分析およびデータ運用保守に用いられるクラウドコンピューティングサービスを例とすると、クラウドコンピューティングサービスは、インターネットに依拠する関連サービスの増加、使用および交付モードであってもよい。「クラウド」とは、ネットワーク、インターネットの１つの俗称である。クラウドとは、当初は早期の通信技術に基づいて構築された通信ネットワークを指し、インターネット技術の発展に伴い、現在でもインターネットと下部構造のインフラストラクチャを示すことができ、例えば、インフラストラクチャ（ＩａａＳ、Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）の抽象である。ＩａａＳは、ＩＴインフラストラクチャを１種のサービスとしてネットワークを介して外部に提供し、かつ、ユーザーのリソースに対する実際の使用量や占有量により、費用計算を行う１種のサービスモデルである。企業ユーザーに安定で信頼できるクラウドコンピューティングサービスの実行環境を提供することは至って重要である。クラウドコンピューティングサービス環境の安定性は、高品質の運用保守作業（例えば、故障、潜在的なリスク、変更）に大きく左右される。コンピューティング環境において、安定性の運用保守に関連する作業は、主に故障、潜在的なリスク、および変更の３部分に分かれる。
本開示の実施形態を応用した処理フローは、データ標準化（データ入力の標準化）、自動化管理（自動相関）、およびスマート分析（自動予測により得られた対応策）の３部分により実現することができ、下記を含む。
一、データ標準化
本応用例において、データ標準化のデータ部分の重点は標準化、規範化にあり、関連する可能性のある以下のような情報に標準化の入力を行うことで、データのソースデータの可用性を規範する。該データ標準化には、以下の３部分が含まれる。
１、基礎情報、すなわち客観的で、直接取得可能なデータであり、以下のようなタイプのデータであることができる。
１）故障：故障発生時に生じる客観的な情報は、一般的に監視システムから生じる警報を通じて直接得ることができ、例えば、トリガー時間、故障内容、関連製品、故障レベル、故障タイプなどである。
２）潜在的なリスク：例えば、発見時間、潜在的なリスク現象、関連製品、既に生じた影響（例えば、引き起こされた故障）、および関連する人員などである。
３）変更：変更時間、変更時間の長さ、変更内容、関連範囲、関連製品、変更者、スケジュール、ロールバック案があるか否か。
２、処理情報、すなわち分析、処理を行う必要があり、分析、処理を行った後に生じるデータであり、以下のようなタイプのデータであることができる。
１）故障：故障が発生した後に処理を行う際に生じる情報であり、例えば、故障原因、解決方案、現在の状態、フォローアップ者などである。
２）潜在的なリスク：完全な影響面、潜在的なリスクレベル（上述の潜在的なリスクレベルに対する説明を参照）、担当者、潜在的なリスクのトリガ原因、根本的な原因、解決方案、予想される除去時間。
３）変更：リリース階層、変更結果に従うか否か、ロールバックするか否か、直ちに故障が生じるか否か
３、相関情報、すなわち故障問題上下流の関連情報
１）故障：故障処理、フォローアップ、根絶など関連の情報、例えば対応策、関連付ける可能性のある潜在的なリスク、関連する可能性のある変更などである。
２）潜在的なリスク：潜在的なリスクが引き起こす可能性のある故障、ソースする可能性のある変更。
３）変更：変更が引き起こす可能性のある潜在的なリスク、引き起こされる故障。
二、自動化管理
上述のデータ標準化から分かるように、故障、潜在的なリスク、変更は、容易に入手できる基礎情報、処理情報と相関情報がより重要になるほか、永続的に取得し、追跡することはより困難となる。これに対し、自動化管理および後続のスマート分析の自動化プラットフォームを開発することによって、限られた人手の介入の下で、迅速かつ正確にデータに対し集中管理、処理、分析などの自動化管理と分析作業を行うこと実現する。自動管理には、以下の３部分が含まれる。
１、情報自動入力：該自動化プラットフォームを通じて監視、視察、変更などの操作連動を行い、入力情報について、制定した標准に応じて入力して、できるだけ正規化、自動化をし、人為的な効果を高める。
１）すべての基礎情報が自動的に入力される。
２）すべての処理情報と相関情報とができる限り自動的に入力され、人為的な介入が必要なとき、標準オプションまたはテンプレートを提供することにより、人為的な手間を省き、干渉情報を減少する。
２、自動化フォローアップ：上述情報（例えば、基礎情報、処理情報および相関情報）の自動化の収集に対し、さらに、情報の自動更新ポリシーを設定することで、情報入力および更新の自動化を実現し、人手を解放することができ、特に、見落としや漏れが発生しやすい問題に対してフォローアップの自動化を実現でき、これには、以下の２部分が含まれる。
１）各種問題にフォローアップ時効を設定し、期限を過ぎると担当者に通知を出し、かつ、グレードアップ制度を設定する。
２）キー情報が完全であるか否かを自動的に検査し、漏れがあった場合、キー情報を強制的に入力する。このうち、キー情報は、潜在的なリスクがトリガされる原因、故障が発生する根本的な原因、故障予測の解決対応策などであってもよい。相対的に、非キー情報は故障の生じる時間などであってもよく、キー情報は故障予測の精度に影響を与えるため、キー情報が自動的に入力されていないことを見つけた場合には、漏れたキー情報を人為的に入力することができる。
３）定期的（例えば、毎月）にフォローアップ総覧を生成し、問題フォローアップ率（上述の潜在的なリスクレベルに対する説明を参照）と問題解決率（上述の潜在的なリスクレベルに対する説明を参照）の指標に基づいて、フォローアップ効果を数量化し、例えば、故障または故障が生じる問題を観察する明確なフォローアップ者を設定し、１００件の故障が生じる問題がある場合、８０件フォローアップし、１０件解決し、１０件漏れた、などがフォローアップ総覧である。
３、横方向の関連付け：故障、潜在的なリスク、変更の相互間に関連を付けて、故障、潜在的なリスク、変更が相互に影響するディープな根本的な原因を横方向に打通することで、故障が生じる根本的な原因の位置特定および故障問題に対する解决を加速する。
１）相関の自動化は、例えば、相関対応策を自動的に推薦して実行するなどであり、既知の対応策のために、故障警報をした後、当該故障であることを見つけ、すなわち該故障に対応して既知の対応策に自動的に関連付けることで故障を解決し、自動化の処理は、人手を解放することができ、さらに故障を潜在的なリスクおよび変更に自動的に関連付けることができる。
２）故障、潜在的なリスク、変更の多対多、すなわちＮ：Ｎの関係に加重相関を行い、そのうち、Ｎは１より大きい整数であり、故障、潜在的なリスク、変更の各自の重みは重みデフォルト値を設定することも、処理情報の変動に基づき調整を行うこともできる。例えば、Ａの変更がＢの潜在的なリスクを導入し、５０％の確率でＣの故障を引き起こす場合、加重相関の関係は以下のようになる。
□ Ａ−＞Ｂ、重みは１であり、すなわちＢはＡに対する、重みが１である。
□ Ａ−＞Ｃ、重みは０．５であり、すなわちＣはＡに対する重み０．５である。
□ Ｂ−＞Ｃ、重みは０．５であり、すなわちＣはＢの重みに相当し、０．５である。
三、スマート分析
スマート分析は、上述のデータ標準化および自動化管理の基礎の上、故障警報リクエストデータに基づき、故障、潜在的なリスク、変更などの複数の角度から分析を行い、相応の提案（例えば、故障予測の対応策生成の自動化）を生成することで、故障と潜在的なリスクの収束可能、予測可能、変更の制御可能の目的に達成し、クラウドコンピューティング環境全体の安定性が向上する。スマート分析は、以下の３つの内容が含まれる。
１、全体の分析の基礎はデータであり、プラットフォームの実行時間が長いほど、スマート分析の精度は高くなる。
２、スマート分析によって生じる提案は、自動的に実行されてもよく、リスクコントロール指標に基づき人為的に実行されてもよい。
３、スマート分析の予測結果（例えば、上述の予測重みの比較と訂正）は、その後のクラウドコンピューティングサービスの実行環境の実際の実行データと比較および訂正を行うことで、故障予測の精度を絶え間なく向上することができる。
図３は、本開示の実施形態による故障、潜在的なリスクおよび変更を相関した後の全体連動の応用例の模式図であり、図３に示すように、以下の内容を含む。
一、故障発生後（故障を引き起こすのは、視察を通じて故障を見つけることでもよく、故障は自身の原因のほかに、潜在的なリスク、変更あるいは他の原因によって該故障を引き起こすことができる）、故障警報リクエストが引き起こされ、上述の該自動化プラットフォームを通じて基礎情報を記録し、故障警報リクエストは、故障と既存の対応策との相関を行うことや即時損切りなど、対応策の実行を自動的にトリガする。
二、即時損切り後に根本原因の位置特定を行うことで、故障を位置特定し、かつ、故障を除去し、同時に故障と潜在的なリスクおよび／または変更と関連を付けて、位置特定プロセスには、さらに実際の状況に基づき基礎情報、処理情報と相関情報を入力することができる。
三、潜在的なリスクに対してレベル付けし、ユーザーのニーズに基づき開発テストを行い、かつ、変更を実施する。既知の潜在的なリスクまたは変更であれば、既知の潜在的なリスクに対して処理を行い、対応するＳＯＰを呼び出し、既知の変更に対して処理を行い、予想させるものと異なった場合には、ロールバック処理を実行し、故障の除去と変更を終了する目的を達成することで、リスクをコントロールする。同時に、潜在的なリスクまたは変更の故障の重みをそれぞれ高くして、該潜在的なリスクと変更によって実際に引き起こされる故障のリスクが増大していることを示す。
四、新たな潜在的なリスクと診断された場合、新たな潜在的なリスクに対しても潜在的なリスクのレベル付けおよび処理を行うことができ、処理プロセスにおいて、履歴データを用いて該新たな潜在的なリスクが変更導入であるか否か、又は製品の欠陥であるか否かを分析することができる。
このうち、該新たな潜在的なリスクや変更の導入の処理プロセスを分析し、異常を見つけると、能動的に新たな潜在的なリスクや変更を故障に相関し、関連情報を入力する。製品の欠陥であれば、製品側の修復を推進した後、異なる変更の故障重量に対応する操作レベルに応じて変更を実施し、該製品側の修復を実現する。
五、新たな潜在的なリスクおよび変更を故障に相関させ、製品の欠陥に対して修復を行うことで、潜在的なリスクを除去でき、さらに関連付ける故障を除去でき、すなわち新たな潜在的なリスクと変更により引き起こされる故障を徹底的に除去し、故障総数を減少させ、収束する、故障をすべて除去するまで行う。
本実施形態を用いて、クラウドコンピューティングサービスの実行環境の故障、潜在的なリスク、変更に存在する欠点について、１つの完全な閉ループ処理プロセスが提案する。潜在的なリスク、変更、または他の原因（例えば、製品の欠陥）によって故障が引き起こされた後、これらの故障をトリガするパラメータを故障と能動的に相互に関連付けることで、発起された故障警報リクエストに応じて、故障の根本原因を位置特定し、さらに潜在的なリスク、変更または他の原因にまで拡大し、潜在的なリスクの除去を促進し、変更の安全はコントロール可能であり、最終的に該故障の根絶（既存の故障と新規の故障の導入）を消去する。フロー全体は、該自動化プラットフォームによりロジカルな閉ループを形成することで、クラウドコンピューティングサービスの実行環境を、故障、潜在的なリスクに対して閉ループ収束を実現でき、変更を安全にコントロール可能にすることで、これにより企業のクライアントのビジネスパフォーマンスが損なわれることを回避し、全体的にクラウドコンピューティングサービスの安定性を高める。
本開示の実施形態によれば、本開示は、故障予測装置を提供する、図４は、本開示の実施形態による故障予測装置の構成構造模式図であり、図４に示すように、クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得するためのリクエスト取得モジュール４１と、前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得るためのリクエスト解析モジュール４２と、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得るための相関モジュール４３と、前記相関結果に基づき、前記故障警報リクエストを引き起こす故障に対して予測を行い、故障予測結果を得るための予測モジュール４４と、を備える。
１つの実施形態において、前記故障予測結果と履歴予測値との比較を行い、かつ、前記履歴予測値を総合して前記故障予測結果に対して修正を行うことで、修正後の予測結果を必要とする少なくとも１つのアプリケーションとつなげるための予測比較モジュールをさらに備える。
１つの実施形態において、前記相関モジュールは、前記故障、前記潜在的なリスク、および前記変更を多対多の関係に応じて、各自の重みに基づき加重相関を行い、前記相関結果を得ること、を備え、このうち、前記各自の重みは、設計要件または履歴予測値に基づき得られる重みデフォルト値を用いる。
１つの実施形態において、処理情報に基づき前記各自の重みに対して重み調整を行った後、前記加重相関を行うための重み調整モジュール、をさらに備え、このうち、前記処理情報は、前記故障、前記潜在的なリスク、前記変更に対して分析および／または処理を行った後に生じた関連情報を表すことに用いられる。
１つの実施形態において、前記相関モジュールは、前記故障を前記履歴予測値に関連付けることと、前記履歴予測値に基づき前記故障に対して予測を行った後、前記故障を、前記潜在的なリスク、前記変更と関連付けて、前記相関結果を得ることと、をさらに備える。
１つの実施形態において、データ収集操作および／または前記相関結果を得る操作に応じて、基礎情報、処理情報、相関情報のうちの少なくとも１つを入力するための第１操作応答モジュール、をさらに備え、このうち、前記基礎情報は、前記故障、前記潜在的なリスク、前記変更の各種の自身の情報を表すことに用いられ、前記処理情報は、前記故障、前記潜在的なリスク、前記変更に対する分析および／または処理を行った後に生じる関連情報を表すことに用いられ、前記相関情報は、前記故障に対応する故障上下流の関連情報を表すことに用いられる。
１つの実施形態において、データ収集の標準化入力操作に応じて、少なくとも標準化オプションまたは標準化テンプレートを含む入力ポリシーおよび／または入力更新ポリシーを取得し、前記入力ポリシーおよび／または入力更新ポリシーに基づき、前期故障、前記潜在的なリスク、前記変更についての各種情報の標準化入力を実行するための第２操作応答モジュールと、をさらに備え、このうち、前記各種情報は、基礎情報、処理情報、相関情報のうちの少なくとも１つを含む。
本開示の実施形態における各装置の各モジュールの機能は、上述の方法の対応する説明を参照することができ、ここでは繰り返し説明しない。
本開示の実施形態によれば、本開示は、電子設備および可読記憶媒体をさらに提供する。
図５に示すよう、本開示の実施形態による故障予測方法を実現する電子設備のブロック図である。電子設備は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、大型コンピュータ、および他の適切なコンピュータのような様々な形態のデジタルコンピュータを表すことができる。また、電子設備は携帯情報端末、携帯電話、スマートフォン、装着可能デバイス、およびその他の類似のコンピューティングデバイスなどの様々な形態のモバイルデバイスを表すことができる。ここで示した構成要素、それらの接続と関係、およびそれらの機能は例示的なものに過ぎず、本開示で説明されたものおよび／または要求される本開示の実施を制限することは意図されない。
図５に示すよう、当該電子設備は、１つ又は複数のプロセッサ８０１と、メモリ８０２と、高速インターフェースと低速インターフェースとを含む各構成要素を接続するためのインターフェースとを含む。各構成要素は、異なるバスを利用して互いに接続し、共通のマザーボードに取り付けられてもよいし、必要に応じて他の方法で取り付けられてもよい。プロセッサは、電子設備内で実行される命令を処理してもよく、また、外部入出力デバイス（例えば、インターフェースに接続された表示デバイス）にグラフィックユーザインターフェース（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＧＵＩ）を表示するための、メモリまたはメモリ上に記憶されたグラフィカル情報の命令を含む。他の実施形態において、必要に応じて、複数のプロセッサおよび／または複数のバスを複数のメモリおよび複数のメモリとともに使用することができる。同様に、複数の電子設備を接続してもよく、各デバイスは、部分的に必要な動作、例えば、サーバアレイ、ブレードサーバの集合、またはマルチプロセッサシステムとして、提供する。図５においてプロセッサ８０１を例とする。
メモリ８０２は、本開示にて提供された非一過性のコンピュータ可読記憶媒体である。メモリは、本開示で提供される故障予測方法を少なくとも１つのプロセッサに実行させるように、少なくとも１つのプロセッサによって実行されることができる命令を記憶する。本開示における非一過性のコンピュータ可読記憶媒体は、本開示で提供された故障予測方法をコンピュータに実行させるためのコンピュータ命令を記憶する。
メモリ８０２は、非一過性のコンピュータ可読記憶媒体として、非一過性のソフトウェアプログラム、非一過性のコンピュータ実行可能なプログラムおよびモジュールを記憶するために使用されてもよく、本開示の実施形態における故障予測方法に対応するプログラム命令／モジュール、（例えば、図４に示される、リクエスト取得モジュール、リクエスト解析モジュール、相関モジュール、予測モジュールなどのモジュール）である。プロセッサ８０１は、メモリ８０２に記憶されている非一過性のソフトウェアプログラム、命令およびモジュールを実行することにより、サーバの様々な機能アプリケーションおよびデータ処理、即ち上述した方法に関する実施形態に係る故障予測方法を実行する。
メモリ８０２は、オペレーティングシステムや少なくとも１つの機能に必要なアプリケーションを記憶することができるプログラムの記憶領域と、故障予測方法に係る電子設備の使用によって生成されたデータなどを記憶することができるデータの記憶領域と、を含むことができる。さらに、メモリ８０２は、高速ランダムアクセスメモリを含んでもよく、非一過性の固体記憶装置を含んでもよい。例えば、少なくとも１つの磁気ディスク記憶装置、フラッシュメモリ装置、または他の非一過性の固体記憶装置を含むことができる。いくつかの実施形態において、メモリ８０２はオプションとして、プロセッサ８０１に対して遠隔的に設定されたメモリを含み、これらの遠隔メモリは、ネットワークを介して故障予測方法に係る電子設備に接続されてもよい。上記のネットワークの例は、インターネット、企業内ネットワーク、ローカルネットワーク、モバイル通信ネットワークおよびその組み合わせを含むが、これらに限定されない。
本開示の実施形態の故障予測方法に対応する電子設備は、入力装置８０３と出力装置８０４とをさらに含むことができる。プロセッサ８０１、メモリ８０２、入力装置８０３、および出力装置８０４は、バスまたは他の方法で接続されてもよく、図５ではバスを介して接続されている。
入力装置８０３は、入力された数字または文字を受信し、故障予測方法に係る電子設備のユーザ設定および機能制御に関するキー信号入力を生成することができ、例えば、タッチパネル、キーパッド、マウス、トラックボード、タッチパッド、指示棒、１つまたは複数のマウスボタン、トラックボール、ジョイスティックなどを含むことができる。出力装置８０４は、表示装置、補助照明装置（例えばＬＥＤ）、および触覚フィードバック装置（例えば、振動モータ）などを含むことができる。この表示装置は、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ、ＬＣＤ）、発光ダイオード（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ、ＬＥＤ）ディスプレイおよびプラズマディスプレイを含むことができるがこれらに限定されない。いくつかの実施形態では、表示装置はタッチパネルであってもよい。
本開示におけるシステムおよび技術に係る様々な実施形態は、デジタル電子回路システム、集積回路システム、専用集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔｓ、ＡＳＩＣ）、コンピュータハードウェア、ファームウェア、ソフトウェア、および／またはこれらの組み合わせによって実現されることができる。これらの様々な実施形態は、１つまたは複数のコンピュータプログラムにおいて実装されてもよく、この１つまたは複数のコンピュータプログラムは、少なくとも１つのプログラマブルプロセッサを含むプログラム可能なシステム上で実行されてもよく、および／または解釈されてもよく、このプログラマブルプロセッサは、専用または汎用のプログラマブルプロセッサであってもよく、記憶システム、少なくとも１つの入力装置、および少なくとも１つの出力装置より、データと命令を受信し、記憶システム、少なくとも１つの入力装置、および少なくとも１つの出力装置に、データと命令を送信する。
これらの計算プログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、またはコードともいう）は、プログラマブルプロセッサのマシン命令を含み、過程指向および／またはオブジェクト指向プログラミング言語、および／またはアセンブリ／マシン言語を用いてこれらの計算プログラムを実施することができる。本開示で使用されるように、「機械可読媒体」および「コンピュータ可読媒体」という用語は、マシン命令および／またはデータをプログラマブルプロセッサに提供するための任意のコンピュータプログラム製品、デバイス、および／または装置（例えば、磁気ディスク、光ディスク、メモリ、編集可能論理デバイス（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅ、ＰＬＤ）を意味し、機械読み取り可能な信号としてのマシン命令を受信する機械可読媒体を含む。「機械読み取り可能な信号」という用語は、マシン命令および／またはデータをプログラマブルプロセッサに提供するための任意の信号を意味する。
ユーザとのイントラクションを提供するために、本開示で説明されているシステムや技術は、コンピュータ上で実施されてもよく、また、ユーザに情報を表示するための表示装置（例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ、ブラウン管）またはＬＣＤ（液晶ディスプレイ）モニタ）と、入力をコンピュータに提供するためのキーボードおよびポインティングデバイス（例えば、マウスまたはトラックボール）とを備えてもよい。他の種類の装置も、ユーザとのイントラクションを提供するために使用され得る。例えば、ユーザに提供されたフィードバックは、任意の形態のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック）であってもよく、ユーザからの入力は、いかなる形式（音響入力、音声入力、または触覚入力を含む）で受信されてもよい。
本開示で説明されているシステムおよび技術は、バックグラウンド構成要素を含む計算システム（例えば、データサーバとして）、または中間部構成要素を含む計算システム（例えば、アプリケーションサーバ）、または、フロントエンド構成要素を含む計算システム（例えば、グラフィカルユーザインタフェースまたはネットワークブラウザを備えたユーザコンピュータであって、ユーザがこのグラフィカルユーザインタフェースまたはネットワークブラウザを介して本開示で説明されたシステムおよび技術に係る実施形態とインタラクションを行うことができるユーザコンピュータ）に実行されてもよく、または、このようなバックグラウンド構成要素、中間部構成要素、またはフロントエンド構成要素の任意の組合せを含む計算システムにおいて実行されてもよい。システムの構成要素は、任意の形態または媒体のデジタルデータ通信（例えば、通信ネットワーク）によって相互に接続されてもよい。通信ネットワークの例えとして、ローカルネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＬＡＮ）、広域ネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＷＡＮ）およびインターネットを含む。
コンピュータシステムは、クライアントおよびサーバを含むことができる。クライアントとサーバは一般的に相互に離れており、通信ネットワークを介してインタラクションを行う。クライアントとサーバとの関係を持つコンピュータプログラムがそれぞれのコンピュータ上で実行されることによって、クライアントとサーバとの関係は構築される。
本開示によれば、クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得することと、前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得ることと、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることと、前記相関結果に基づき、前記故障警報リクエストを引き起こす故障に対して予測を行い、故障予測結果を得ることと、ができる。本開示は、故障警報リクエストをトリガする故障自身、および故障に関連するもろもろの潜在的なリスクと変更のうちの少なくとも２つの故障トリガパラメータに基づいて関連を付けて、相関の確立により得られた相関結果に基づき、該故障警報リクエストを引き起こす故障に対して予測を行うため、故障予測の精度を向上することができる。
上記の様々な態様のフローを使用して、ステップを新たに順序付け、追加、または削除することが可能であることを理解すべきである。例えば、本開示で記載された各ステップは、並列に実行しても良いし、順次に実行しても良いし、異なる順序で実行しても良い。本開示で開示された技術案が所望する結果を実現することができる限り、本開示ではこれに限定されない。
上記具体的な実施形態は、本開示の保護範囲に対する限定を構成するものではない。当業者は、設計事項やその他の要因によって、様々な修正、組み合わせ、サブ組み合わせ、および代替が可能であることを理解するべきである。本開示の要旨および原則内における変更、均等な置換および改善等は、いずれも本開示の保護範囲に含まれるべきである。

Claims (17)

  1. クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得することと、
    前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータを得ることと、
    前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることと、
    前記相関結果に基づき、前記故障警報リクエストを引き起こす故障に対して予測を行い、故障予測結果を得ることと、を含む
    ことを特徴とする故障予測方法。
  2. 前記故障予測結果と履歴予測値との比較を行い、かつ、前記履歴予測値を総合して前記故障予測結果に対して修正を行うことで、修正後の予測結果を、必要とする少なくとも１つのアプリケーションとつなげること、をさらに含む
    ことを特徴とする請求項１に記載の故障予測方法。
  3. 前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることは、
    前記故障、前記潜在的なリスク、および前記変更を多対多の関係に応じて、各自の重みに基づき加重相関を行い、前記相関結果を得ること、を含み、
    前記各自の重みは、設計要件または履歴予測値に基づき得られる重みデフォルト値を用いる、
    ことを特徴とする請求項１に記載の故障予測方法。
  4. 処理情報に基づき前記各自の重みに対して重み調整を行った後、前記加重相関を行うこと、をさらに含み
    前記処理情報は、前記故障、前記潜在的なリスク、前記変更に対して分析および／または処理を行った後に生じた関連情報を表すことに用いられる、
    ことを特徴とする請求項３に記載の故障予測方法。
  5. 前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得ることは、
    前記故障を前記履歴予測値と関連付けることと、
    前記履歴予測値に基づき前記故障に対して予測を行った後、前記故障を、前記潜在的なリスク、前記変更と同期的に関連付けて、前記相関結果を得ることと、を含む
    ことを特徴とする請求項２に記載の故障予測方法。
  6. データ収集操作および／または前記相関結果を得る操作に応じて、基礎情報、処理情報、相関情報のうちの少なくとも１つを入力すること、をさらに含み、
    前記基礎情報は、前記故障、前記潜在的なリスク、前記変更の各種の自身の情報を表すことに用いられ、
    前記処理情報は、前記故障、前記潜在的なリスク、前記変更に対する分析および／または処理を行った後に生じる関連情報を表すことに用いられ、
    前記相関情報は、前記故障に対応する故障上下流の関連情報を表すことに用いられる、
    ことを特徴とする請求項１〜５のいずれか１項に記載の故障予測方法。
  7. データ収集の標準化入力操作に応じて、少なくとも標準化オプションまたは標準化テンプレートを含む入力ポリシーおよび／または入力更新ポリシーを取得することと、
    前記入力ポリシーおよび／または入力更新ポリシーに基づき、前期故障、前記潜在的なリスク、前記変更についての各種情報の標準化入力を実行することと、をさらに含み、
    前記各種情報は、基礎情報、処理情報、相関情報のうちの少なくとも１つを含む、
    ことを特徴とする請求項１〜５のいずれか１項に記載の故障予測方法。
  8. クラウド実行により生じた故障、潜在的なリスク、および端末のユーザプレーンにおける操作により生じた変更のうちの少なくとも２つの故障トリガパラメータから得られる故障警報リクエストを取得するためのリクエスト取得モジュールと、
    前記故障警報リクエストを解析し、前記故障、前記潜在的なリスク、および変更のうちの少なくとも２つの故障トリガパラメータを得るためのリクエスト解析モジュールと、
    前記故障、前記潜在的なリスク、および前記変更のうちの少なくとも２つの故障トリガパラメータの間に関連を付けて、相関結果を得るための相関モジュールと、
    前記相関結果に基づき、前記故障警報リクエストを引き起こす故障に対して予測を行い、故障予測結果を得るための予測モジュールと、を備える
    ことを特徴とする故障予測装置。
  9. 前記故障予測結果と履歴予測値との比較を行い、かつ、前記履歴予測値を総合して前記故障予測結果に対して修正を行うことで、修正後の予測結果を必要とする少なくとも１つのアプリケーションとつなげるための予測比較モジュール、をさらに備える
    ことを特徴とする請求項８に記載の故障予測装置。
  10. 前記相関モジュールは、
    前記故障、前記潜在的なリスク、および前記変更を多対多の関係に応じて、各自の重みに基づき加重相関を行い、前記相関結果を得ることに用いられ、
    前記各自の重みは、設計要件または履歴予測値に基づき得られる重みデフォルト値を用いる、
    ことを特徴とする請求項８に記載の故障予測装置。
  11. 処理情報に基づき前記各自の重みに対して重み調整を行った後、前記加重相関を行うための重み調整モジュール、をさらに備え、
    前記処理情報は、前記故障、前記潜在的なリスク、前記変更に対する分析および／または処理を行った後に生じた関連情報を表すことに用いられる
    ことを特徴とする請求項１０に記載の故障予測装置。
  12. 前記相関モジュールは、
    前記故障を前記履歴予測値と関連付け、前記履歴予測値に基づき前記故障に対して予測を行った後、前記故障を、前記潜在的なリスク、前記変更と同期的に関連付けて、前記相関結果を得ることにさらに用いられる
    ことを特徴とする請求項９に記載の故障予測装置。
  13. データ収集操作および／または前記相関結果を得る操作に応じて、基礎情報、処理情報、相関情報のうちの少なくとも１つを入力するための第１操作応答モジュール、をさらに備え、
    前記基礎情報は、前記故障、前記潜在的なリスク、前記変更の各種の自身の情報を表すことに用いられ、
    前記処理情報は、前記故障、前記潜在的なリスク、前記変更に対する分析および／または処理を行った後に生じる関連情報を表すことに用いられ、
    前記相関情報は、前記故障に対応する故障上下流の関連情報を表すことに用いられる、
    ことを特徴とする請求項８〜１２のいずれか１項に記載の故障予測装置。
  14. データ収集の標準化入力操作に応じて、少なくとも標準化オプションまたは標準化テンプレートを含む入力ポリシーおよび／または入力更新ポリシーを取得し、前記入力ポリシーおよび／または入力更新ポリシーに基づき、前期故障、前記潜在的なリスク、前記変更についての各種情報の標準化入力を実行するための第２操作応答モジュールと、をさらに備え、
    前記各種情報は、基礎情報、処理情報、相関情報のうちの少なくとも１つを含む、
    ことを特徴とする請求項８〜１２のいずれか１項に記載の故障予測装置。
  15. 少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサに通信接続されるメモリと、を備え、
    前記メモリには、前記少なくとも１つのプロセッサにより実行可能な命令が記憶されており、
    前記命令は、前記少なくとも１つのプロセッサにより実行される場合、請求項１〜７のいずれか１項に記載の故障予測方法を実行させることを特徴とする電子設備。
  16. 請求項１〜７のいずれか１項に記載の故障予測方法をコンピュータに実行させるための命令を記憶した非一過性のコンピュータ可読記憶媒体。
  17. コンピュータにおいて、プロセッサにより実行される場合、請求項１〜７のいずれか１項に記載の故障予測方法を実現することを特徴とするプログラム。
JP2021084239A 2020-07-20 2021-05-19 故障予測方法、装置、電子設備、記憶媒体、及びプログラム Active JP7237110B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010700415.5A CN111858120B (zh) 2020-07-20 2020-07-20 故障预测方法、装置、电子设备及存储介质
CN202010700415.5 2020-07-20

Publications (2)

Publication Number Publication Date
JP2021121956A true JP2021121956A (ja) 2021-08-26
JP7237110B2 JP7237110B2 (ja) 2023-03-10

Family

ID=73000725

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021084239A Active JP7237110B2 (ja) 2020-07-20 2021-05-19 故障予測方法、装置、電子設備、記憶媒体、及びプログラム

Country Status (5)

Country Link
US (1) US11675649B2 (ja)
EP (1) EP3923140A3 (ja)
JP (1) JP7237110B2 (ja)
KR (1) KR20210040861A (ja)
CN (1) CN111858120B (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112799868B (zh) * 2021-02-08 2023-01-24 腾讯科技（深圳）有限公司 一种根因确定方法、装置、计算机设备及存储介质
CN113643522B (zh) * 2021-08-31 2023-06-06 中国银行股份有限公司 报警预测方法、装置、设备和存储介质
CN114090411B (zh) * 2022-01-20 2022-09-16 山东中创软件商用中间件股份有限公司 一种应用数据分析方法、装置、设备及可读存储介质
CN114757380B (zh) * 2022-04-29 2024-02-20 西安热工研究院有限公司 一种火电厂故障预警系统、方法、电子设备及存储介质
US20240069999A1 (en) * 2022-08-31 2024-02-29 Microsoft Technology Licensing, Llc Detecting and mitigating cross-layer impact of change events on a cloud computing system
CN115801581B (zh) * 2022-11-12 2023-09-19 珠海易立方软件有限公司 电力现场的协同管理方法、系统、存储介质及电子设备
CN115840915B (zh) * 2022-11-22 2023-07-28 广州城轨科技有限公司 机电设备故障的自动识别方法、系统、终端及存储介质
CN115859058B (zh) * 2023-02-27 2023-05-30 中南大学湘雅医院 一种基于宽度学习网络的ups故障预测方法和系统
CN115919544B (zh) * 2023-03-13 2023-05-23 威海东舟医疗器械股份有限公司 一种基于人工智能的鼓膜治疗仪故障预测系统
CN116258484B (zh) * 2023-05-16 2023-08-18 青岛创新奇智科技集团股份有限公司 设备的预测性运维方案生成方法、装置、终端设备和介质
CN116502896B (zh) * 2023-06-25 2023-09-19 苏禹水务科技(南京)有限公司 一种基于bim+gis技术的泵站智能控制方法及系统
CN116503975B (zh) * 2023-06-29 2023-09-12 成都秦川物联网科技股份有限公司 基于智慧燃气gis的安全隐患处置方法和物联网系统
CN116935234B (zh) * 2023-09-18 2023-12-26 众芯汉创(江苏)科技有限公司 一种输电线走廊点云数据自动分类和树障预警系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008015596A (ja) * 2006-07-03 2008-01-24 Nec Fielding Ltd 管理サーバ及び修復プログラム送信方法
JP2008234351A (ja) * 2007-03-20 2008-10-02 Nec Corp 統合運用監視システム及びプログラム
JP2009064101A (ja) * 2007-09-04 2009-03-26 Toshiba Corp 遠隔監視システム及び遠隔監視方法
WO2013136739A1 (ja) * 2012-03-14 2013-09-19 日本電気株式会社 運用管理装置、運用管理方法、及び、プログラム
JP2017016382A (ja) * 2015-07-01 2017-01-19 株式会社リコー 情報処理システム、故障予測モデル採用判定方法及びプログラム
JP2019053474A (ja) * 2017-09-14 2019-04-04 先智雲端數據股▲分▼有限公司ＰｒｏｐｈｅｔＳｔｏｒ Ｄａｔａ Ｓｅｒｖｉｃｅｓ， Ｉｎｃ． クラウドベースサービスのデータ保護方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6065547B2 (ja) * 2011-11-28 2017-01-25 三菱化学株式会社 着色樹脂組成物、カラーフィルタ、液晶表示装置及び有機ｅｌ表示装置
US9542296B1 (en) * 2014-12-01 2017-01-10 Amazon Technologies, Inc. Disk replacement using a predictive statistical model
US9594624B2 (en) * 2015-06-12 2017-03-14 International Business Machines Corporation Resolving and preventing computer system failures caused by changes to the installed software
CN106899436A (zh) 2017-02-22 2017-06-27 郑州云海信息技术有限公司 一种云平台故障预测诊断系统
CN107256457A (zh) * 2017-06-05 2017-10-17 国网江苏省电力公司电力科学研究院 一种电能表自动化检定车间智能巡检系统
US10613962B1 (en) * 2017-10-26 2020-04-07 Amazon Technologies, Inc. Server failure predictive model
CN108256654B (zh) * 2018-01-02 2022-06-21 中电长城(长沙)信息技术有限公司 一种设备报障和故障诊断方法及系统
CN110096039A (zh) 2019-04-10 2019-08-06 珠海梅西互动技术有限公司 一种自动化设备机器互联系统及方法
CN110806730A (zh) * 2019-10-22 2020-02-18 重庆川仪自动化股份有限公司 大数据运维平台、服务器及存储介质
CN111258851B (zh) * 2020-01-14 2024-03-01 广州虎牙科技有限公司 一种集群的告警方法、装置、设置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008015596A (ja) * 2006-07-03 2008-01-24 Nec Fielding Ltd 管理サーバ及び修復プログラム送信方法
JP2008234351A (ja) * 2007-03-20 2008-10-02 Nec Corp 統合運用監視システム及びプログラム
JP2009064101A (ja) * 2007-09-04 2009-03-26 Toshiba Corp 遠隔監視システム及び遠隔監視方法
WO2013136739A1 (ja) * 2012-03-14 2013-09-19 日本電気株式会社 運用管理装置、運用管理方法、及び、プログラム
JPWO2013136739A1 (ja) * 2012-03-14 2015-08-03 日本電気株式会社 運用管理装置、運用管理方法、及び、プログラム
JP2017016382A (ja) * 2015-07-01 2017-01-19 株式会社リコー 情報処理システム、故障予測モデル採用判定方法及びプログラム
JP2019053474A (ja) * 2017-09-14 2019-04-04 先智雲端數據股▲分▼有限公司ＰｒｏｐｈｅｔＳｔｏｒ Ｄａｔａ Ｓｅｒｖｉｃｅｓ， Ｉｎｃ． クラウドベースサービスのデータ保護方法

Also Published As

Publication number Publication date
US11675649B2 (en) 2023-06-13
CN111858120A (zh) 2020-10-30
EP3923140A3 (en) 2022-04-13
JP7237110B2 (ja) 2023-03-10
US20210311813A1 (en) 2021-10-07
EP3923140A2 (en) 2021-12-15
KR20210040861A (ko) 2021-04-14
CN111858120B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
JP2021121956A (ja) 故障予測方法、装置、電子設備、記憶媒体、及びプログラム
WO2020259421A1 (zh) 一种业务系统的监控方法及装置
US9697722B2 (en) Methods, systems, and devices for managing a plurality of alarms
US9397906B2 (en) Scalable framework for monitoring and managing network devices
EP3627264B1 (en) Plant assessment system and plant assessment method
CN114551271A (zh) 监测机台运行状况的方法及装置、存储介质及电子设备
CN112199355B (zh) 数据迁移方法、装置、电子设备及存储介质
CN114924990A (zh) 一种异常场景测试方法及电子设备
US20190362262A1 (en) Information processing device, non-transitory storage medium and information processing method
KR102231648B1 (ko) 소방시설의 점검 이력 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록 매체
CN116414608A (zh) 异常检测方法、装置、设备及存储介质
US10140780B2 (en) Event-/condition-based machine monitoring for quality inspections
CN114116288A (zh) 故障处理方法、装置及计算机程序产品
US20160308815A1 (en) Methods and Systems for Adaptive and Contextual Collaboration in a Network
CN114422332B (zh) 网络切片控制方法、装置、处理设备及存储介质
CN117130945B (zh) 一种测试方法和装置
CN116225867A (zh) 黑名单生成方法、装置、电子设备及存储介质
CN115190008B (zh) 故障处理方法、故障处理装置、电子设备及存储介质
US11122059B2 (en) Integrated resource landscape system
CN117573412A (zh) 系统故障预警方法、装置、电子设备及存储介质
CN116974806A (zh) 异常消息的推送方法及装置、存储介质、电子设备
CN116483732A (zh) 一种基于多数据源的测试方法、装置及设备
CN118093368A (zh) 一种数据质量检测方法、装置、电子设备及存储介质
CN114756398A (zh) 一种数据处理方法、装置、设备及介质
CN117971246A (zh) 一种车辆升级方法、平台、设备及存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210519

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220629

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220715

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221003

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230130

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230228

R150 Certificate of patent or registration of utility model

Ref document number: 7237110

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150