JP3765674B2 - 障害個所推定方法 - Google Patents
障害個所推定方法 Download PDFInfo
- Publication number
- JP3765674B2 JP3765674B2 JP26803098A JP26803098A JP3765674B2 JP 3765674 B2 JP3765674 B2 JP 3765674B2 JP 26803098 A JP26803098 A JP 26803098A JP 26803098 A JP26803098 A JP 26803098A JP 3765674 B2 JP3765674 B2 JP 3765674B2
- Authority
- JP
- Japan
- Prior art keywords
- fault
- alarm
- hypothesis
- failure
- delay
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Description
【発明の属する技術分野】
本発明はアラーム時系列を観測情報として用いて障害診断を行う方法に関する。
【0002】
【従来の技術】
伝送路について従来の技術を説明する。伝送路は多重化装置や終端装置のタンデム接続により構成されており、伝送路システムの監視に関しては、ITU勧告Gシリーズが、伝送路を構成する各装置からのアラームの発生方法を規定している。
【0003】
このITU勧告Gシリーズのアラーム発生方法によれば、伝送路の一箇所で通信が途絶えると、通信途絶を検出した全ての装置から監視装置にアラームが通知されるため、障害の影響が波及するにつれて監視装置に通知されるアラームの数が増える。
【0004】
このようなアラームから伝送路の障害診断を行う場合、以下のような状況を考慮しなければならない。
(1) アラームの伝播や検出に遅延があり、更にこれらが一定しないため、同じ障害であっても、監視装置におけるアラームの観測順序は一定しない。
(2) 観測されたアラームを引き起こす障害仮説は複数存在するため、アラームの有無だけからでは、単一障害の波及か、複数障害の同時発生なのかを判定できない場合がある。
【0005】
観測順序が一定しないアラームに対して障害診断を行うために、従来の障害診断手法では、障害発生後一定時間内のアラーム集合を収集し、この期間内のアラーム集合を説明する最適な障害仮説を求めるという手法が一般的である。
【0006】
しかし、このような従来手法では、下記の欠点がある。
即ち、観測データに欠損があった場合に最も確からしい障害仮説を選択する必要がるが、従来はその手段がないため、障害仮説間の優先度を試行錯的に決定せざるを得ない。
【0007】
【発明が解決しようとする課題】
そこで本発明の課題は、正確さを欠くことなく、アラームの観測時間を最小とすることができる障害診断方法を提供すること、更には、観測データに欠損があっても最も確率の高い障害個所を推定することができる障害個所推定方法を提供することである。
【0008】
【課題を解決するための手段】
上記課題を解決するため本発明では、アラーム伝播モデルに基づいて障害仮説を時系列モデルとして表し、障害仮説選択の問題を時系列モデルの尤度判定問題に変形することで、障害診断を行う。
【0009】
即ち、請求項1に係る発明は、通信途絶を検出する機能を備えた複数の装置が配置された観測対象システムを、通信途絶を検出した全ての前記装置からアラームが通知される監視装置を用いて、障害の発生個所を推定する障害個所推定方法であって、前記監視装置は、各障害仮説に対して、遅延パラメータによって規定される時系列モデルを構成し、障害発生時に観測されるアラームの観測遅延時間の確率密度関数を前記遅延パラメータの分布関数の畳み込みにより求め、前記時系列モデルと前記確率密度関数とを用いて、各障害仮説の尤度を求め、観測されるアラーム時系列と前記尤度との比較を行い、最尤障害仮説を決定することにより、傷害個所を推定することを特徴とする障害個所推定方法である。
【0011】
請求項2に係る発明は、通信途絶を検出する機能を備えた複数の装置が配置された観測対象システムを、通信途絶を検出した全ての前記装置からアラームが通知される監視装置を用いて、障害の発生個所を推定する障害個所推定方法であって、前記監視装置は、障害発生後各アラームが観測されるまでの観測遅延時間について、観測対象システムを構成する装置間の接続関係に従って、各装置をノードとし、装置間の接続をリンクとする故障木を構成すること、各故障木上での経路に付随するアラーム遅延パラメータとして、各ノードに検出遅延を付与し、各リンクに伝播遅延を付与することにより、アラーム観測遅延時間の確率密度関数を、前記検出遅延及び前記伝播遅延の分布関数の畳み込みにより求めること、各障害仮説のもとで、時刻tでアラームを観測する時の尤度を、アラームが到着するまでは確率密度関数で推定し、アラーム到着後は到着時の確率密度関数に値で定義すること、観測されるアラーム時系列と前記尤度との比較を行い、最尤障害仮説を決定することにより、障害の発生個所を推定することを特徴とする障害個所推定方法である。
請求項3に係る発明は、請求項1又は請求項2に係る発明において、前記監視装置は、各障害仮説毎に求めた前記尤度から、赤池情報量基準(以下、AICと呼ぶ)を求めること、障害仮説をAICの小さい順に整列し、AICが最小の障害仮説を最も妥当な障害仮説であると決定することにより、障害の発生個所を推定することを特徴とする障害個所推定方法である。
【0012】
【発明の実施の形態】
以下、本発明の実施の形態を図面を参照して説明する。
【0013】
まず、故障木を用いたアラーム伝播モデルを作成する。その手順を以下に説明する。
【0014】
故障木は、システムの状態変数をノードに対応させ、ノードの間に存在する因果関係をリンク(有向グラフ)で表現した知識表現の1つであり、化学プラント等での異常診断に適用されて有効性が認められている。
【0015】
そこで本発明では、監視対象システムを構成する装置間の接続間に従って故障木を構成し、この故障木にアラーム観測までの遅延時間を付随させてアラーム伝播モデルを定義する。
【0016】
この例では、図1に示す伝送路のトポロジーを仮定する。
【0017】
図1において、各装置a,b,c,d,e,f,g,hが送信側P0であり、各装置a',b',c', d',e',f',g',h'が受信側P1であり、送信側と受信側の装置間では、a-a',b-b',c-c',d-d',e-e',f-f',g-g',h-h'のように同じ英字の装置どうしが接続される。P1,P2,P3,P4,P5,P6,P7はマルチプレクサであり、これらのマルチプレクサに対抗するデマルチプレクサがP8,P9,P10,P11,P12,P13,P14である。
【0018】
送信側P0の各装置a,b,c,d,e,f,g,hはアラーム発生装置を備えており、各装置のアラーム発生装置を、それぞれ各符号a,b,c,d,e,f,g,hに対応させて、0a,0b,0c,0d,0e,0f,0g,0hと表す。
【0019】
また、各マルチプレクサP1,P2,P3,P4,P5,P6,P7は1つのアラーム発生装置(c)を備えており、各マルチプレクサのアラーム発生装置を、それぞれ各符号P1,P2,P3,P4,P5,P6,P7に対応させて、1c,2c,3c,3c,4c,5c,6c,7cと表す。他方、各デマルチプレクサP8,P9,P10,P11,P12,P13,P14は2つのアラーム発生装置(a),(b)を備えており、各デマルチプレクサのアラーム発生装置を、それぞれ各符号P8,P9,P11,P12,P13,P14に対応させて、8a,8b,9a,9b,10a,10b,11a,11b,12a,12b,13a,13b,14a,14bと表す。
【0020】
各装置を結ぶリンクは、1〜29の番号で識別する。
【0021】
アラームは、受信側(下流側)の装置が発生するものとする。
【0022】
更に、伝送路上の各装置における障害発生からアラーム観測までの遅延時間として、検出遅延(アーム発生装置が異常状態を検出してから監視装置にアラームが届き異常状態を認識するまでの検出遅延)と、伝播遅延(障害の影響が他の装置に及ぶまでの伝播遅延)の2つを定義する。
【0023】
そして、図1に示したトポロジーに対して、検出遅延を各ノードに付与し、伝播遅延を各リンクに付与することにより、障害の影響の時間的波及を記述する故障木を図2のように作成する。。
【0024】
図2の故障木はリンク17の故障を考えており、アラーム遅延パラメータのうち、λ8b,λ7c,λ5c,λ6c,λ1c,λ3a,λ4c,λ0b,λ0f,λ0g及びλ0hはアラーム検出遅延を示し、δ17,δ15,δ14,δ13,δ11,δ9,δ8,δ7,δ6及びδ2はアラーム伝播遅延を示している。
【0025】
同様に、リンク20の故障を考えて作成した故障木を図3に示し、リンク21の故障を考えて作成した故障木を図4に示す。また、リンク20とリンク21の同時故障を考えて作成した故障木を図5に示す。
【0026】
次に、各故障木毎にアラーム観測遅延の確率分布を決定する。その手順を以下に説明する。但し、次のように記号を定義する。
(1) Li :リンクiの障害仮説
(2) L :障害仮説Liの集合{Li}
(3) FTi :障害仮説Liに付随して定義される故障木
(4) FT :故障木FTi の集合{FTi}
(5) ak :ノードNkから通知されるアラーム
(6) A :全アラームの集合
(7) Ai :障害仮説Liの下で観測可能なアラームの集合(数1にAiとAの関係は示す)
【0027】
【数1】
【0028】
さて、時刻t0でリンクiに障害が発生した時に、この障害によって引き起こされるアラームak(但し、akとAiの関係は数2に示すものとする)を時刻tに観測する際のアラーム観測遅延の確率分布をP{ak}(t|θik,t0)とする。ここで、θikは、障害発生箇所であるリンクiからノードNjまでの、故障木上での経路に付随する遅延パラメータの並びである。
【0029】
【数2】
【0030】
例えば、リンク17に故障が発生した場合、アラーム観測遅延の確率分布は、下記数3〜数7となる。但し、数3〜数7において、Δi(t)は伝播遅延δi の分布関数、Λi(t)は検出遅延λi の分布関数、〇は畳み込みを表す。
【0031】
【数3】
【0032】
【数4】
【0033】
【数5】
【0034】
【数6】
【0035】
【数7】
【0036】
次に、アラーム伝播モデルに基づいて、障害個所を推定するための評価関数を以下のように定める。
【0037】
アラームakが時刻tkで観測される時の時系列Sが下記数8で与えられ、障害仮説Liのもとでアラームakを時刻tで観測する確率密度関数をp{ak}(t|θi,t0)とするとき、障害仮説Liの尤度を下記数9及び数10で定義する。また、対数尤度LL(t|θi,t0)を数11で定義し、障害仮説モデルを比較する評価関数として赤池情報量規準 AIC(t|θi,t0)を数12で定義する。
【0038】
【数8】
【0039】
【数9】
【0040】
【数10】
【0041】
【数11】
【0042】
【数12】
【0043】
ここで、評価関数 AIC(t|θi,t0)は障害発生時刻t0を含んでいるため、まず、障害発生時刻t0の推定を行う必要がある。そこで、観測アラーム時系列S={<ak,tk>|0 <k<N}が与えられたとき、障害仮説Liに対する観測遅延パラメータの並びをθiとするとき、時刻tにおける障害発生時刻t0(t|θi)は最尤推定により下記数13で計算される。
【0044】
【数13】
【0045】
次に、障害仮説Liと障害仮説Ljから合成される同時障害仮説L{i+j}の尤度では、アラームakが障害仮説LiとLjのどちらに含まれるかによって、確率密度関数は下記数14〜数16のように定義する。
【0046】
【数14】
【0047】
【数15】
【0048】
【数16】
【0049】
アラーム観測時系列から障害仮説を推定するためには、その観測時系列が得られた時の各障害仮説の確からしさを表現する評価関数が必要である。この評価関数は「アラームの観測遅延が期待値に近い程評価が高く、期待値から離れる程評価が下がる」という性質を満たす必要がある。上記で定める評価関数 AIC(t|θi,t0)はこの要件を満たしている。
【0050】
障害仮説Liを、故障木FTi毎に定義される遅延パラメータの集合θiによって規定されるモデルであると考え、上記の評価関数を用いて観測データに最も適合する障害仮説を推定する。
【0051】
障害仮説の時系列モデルを規定するパラメータの個数は,遅延パラメータの個数|θi|であり、各障害仮説毎に異なる。しかし、赤池情報量規準(AIC)を用いることで、パラメータ個数の異なるモデルの比較が可能である。これによると、最尤モデルθ* は下記数17により求める。
【0052】
【数17】
【0053】
上記で説明したアラーム伝播モデルの作成から評価関数の作成までの手順を図6にまとめて示す。
【0054】
次に、観測したアラームの時系列S={<ak,tk>| 0<k<N }が観測時刻tk順に整列したリストとして与えられたとき、観測時刻tにおける最尤障害仮説を推定するアルゴリズムについて、下記▲1▼〜▲4▼により、説明する。このアルゴリズムは図7に示すように、観測アラーム時系列を入力として、図6の手順で作成した評価関数を用いて、最尤障害仮説を出力する。但し、pop(S)は時系列Sから最初の要素を取り出す操作である。
【0055】
▲1▼ 初期状態
(a) n:=0
(b) t:=t1(第1アラームを観測した時刻)
(c) 可能モデルリスト: =単独装置の障害モデルの集合
(d) 削除モデルリスト: ={}
【0056】
▲2▼ <ak,tk>= pop(S)
【0057】
【0058】
▲4▼ 可能モデルリストの順番でモデルを出力する。
【0059】
図8は、リンク20とリンク21が同時に故障したときに、リンク17、20、21及びそれらが同時発生した場合の障害仮説のAICの時間変化を示している。図8によると、観測されるアラームが説明できない障害仮説が時間経過とともに可能モデルリストから除かれるため、例えばリンク20の単独障害仮説アラーム0gが観測された時刻で棄却される。そして、AICが少ない方が優れた仮説であるので、図8中では下にある仮説ほど尤もらしい仮説となる。
【0060】
上記の説明では伝送路の障害を例にとり障害個所推定方法を説明したが、本発明は伝送路障害に限定されることなく、任意のシステムで複数のアラーム情報が同時に発生した場合における障害個所の推定方法(コリレーション)や、道路の輻輳情報管理のようなネットワークの障害個所推定方法に適用することができる。
【0061】
【発明の効果】
以上により、本発明によれば、次のような効果がある。
【0062】
従来の障害個所推定方法では一定の観測時間で診断を行う場合にどれくらいの診断誤りの可能性があるかを明示できなかったが、本発明では各障害仮説の尤度順に診断結果を整列させることができる。
【0063】
従来の障害個所推定方法では観測データに欠損があった場合には特殊な処理や複雑な診断規則を設けることが必要であったが、本発明では障害仮説を時系列モデルとして定義し、観測されるアラームの時系列に最も近い障害仮説の時系列モデルを選択することにより、簡単に障害仮説を選ぶことができる。
【0064】
従来の障害個所推定方法では障害仮説が複数生じた場合には障害個所が少ないものを選ぶだけであった。このため、いくら尤度が高くても単純なモデルが選択されてしまう欠点があった。これを補正しよとして障害個所推定をガイドするために障害仮説に確率パラメータを付随させる等も試みられているが、障害仮説に付随させる確率パラメータをどのように与えるかが試行錯誤的にしか行えなかった。これに対し、本発明では、障害仮説が複数生じた場合でも、赤池情報量規準に基づき尤度が高く複雑度が少ないモデルを選択することができる。
【図面の簡単な説明】
【図1】本発明の実施の形態に係る伝送路のトポロジーを示す図。
【図2】リンク17が故障したときの故障木を示す図。
【図3】リンク20が故障したときの故障木を示す図。
【図4】リンク21が故障したときの故障木を示す図。
【図5】リンク20とリンク21が同時故障したときの故障木を示す図。
【図6】アラーム伝播モデル及び評価関数の作成手順を示す図。
【図7】アラーム伝播モデルに基づく障害個所推定アルゴリズムを示す図。
【図8】観測されたアラーム時系列に対する各障害仮説の赤池情報量規準AICの時間変化を示す図。
【符号の説明】
1〜29 リンク
Claims (3)
- 通信途絶を検出する機能を備えた複数の装置が配置された観測対象システムを、通信途絶を検出した全ての前記装置からアラームが通知される監視装置を用いて、障害の発生個所を推定する障害個所推定方法であって、
前記監視装置は、
各障害仮説に対して、遅延パラメータによって規定される時系列モデルを構成し、
障害発生時に観測されるアラームの観測遅延時間の確率密度関数を、前記遅延パラメータの分布関数の畳み込みにより求め、
前記時系列モデルと前記確率密度関数とを用いて、各障害仮説の尤度を求め、
観測されるアラーム時系列と前記尤度との比較を行い、最尤障害仮説を決定することにより、障害の発生個所を推定することを特徴とする障害個所推定方法。 - 通信途絶を検出する機能を備えた複数の装置が配置された観測対象システムを、通信途絶を検出した全ての前記装置からアラームが通知される監視装置を用いて、障害の発生個所を推定する障害個所推定方法であって、
前記監視装置は、
障害発生後各アラームが観測されるまでの観測遅延時間について、観測対象システムを構成する装置間の接続関係に従って、各装置をノードとし、装置間の接続をリンクとする故障木を構成すること、
各故障木上での経路に付随するアラーム遅延パラメータとして、各ノードに検出遅延を付与し、各リンクに伝播遅延を付与することにより、アラーム観測遅延時間の確率密度関数を、前記検出遅延及び前記伝播遅延の分布関数の畳み込みにより求めること、
各障害仮説のもとで、時刻tでアラームを観測する時の尤度を、アラームが到着するまでは確率密度関数で推定し、アラーム到着後は到着時の確率密度関数の値で定義すること、
観測されるアラーム時系列と前記尤度との比較を行い、最尤障害仮説を決定することにより、障害の発生個所を推定することを特徴とする障害個所推定方法。 - 請求項1又は請求項2に記載の障害個所推定方法において、
前記監視装置は、
各障害仮説毎に求めた前記尤度から、赤池情報量規準(以下、AICと呼ぶ)を求めること、
障害仮説をAICの小さい順に整列し、AICが最小の障害仮説を最も妥当な障害仮説であると決定することにより、障害の発生個所を推定することを特徴とする障害個所推定方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26803098A JP3765674B2 (ja) | 1998-03-16 | 1998-09-22 | 障害個所推定方法 |
US09/270,664 US6374196B1 (en) | 1998-03-16 | 1999-03-16 | Method of fault diagnosis based on propagation model |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP6550198 | 1998-03-16 | ||
JP14594598 | 1998-05-27 | ||
JP10-65501 | 1998-05-27 | ||
JP10-145945 | 1998-05-27 | ||
JP26803098A JP3765674B2 (ja) | 1998-03-16 | 1998-09-22 | 障害個所推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2000048277A JP2000048277A (ja) | 2000-02-18 |
JP3765674B2 true JP3765674B2 (ja) | 2006-04-12 |
Family
ID=27298816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP26803098A Expired - Fee Related JP3765674B2 (ja) | 1998-03-16 | 1998-09-22 | 障害個所推定方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US6374196B1 (ja) |
JP (1) | JP3765674B2 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1364286B1 (de) * | 2001-02-20 | 2009-08-19 | Siemens Aktiengesellschaft | Verfahren und anordnung zur ermittlung einer gesamtfehlerbeschreibung zumindest eines teils eines technischen systems, computer programm-element und computerlesbares speichermedium |
US7625635B2 (en) | 2003-05-12 | 2009-12-01 | Jgc Catalysts And Chemicals Ltd. | Transparent film-forming coating liquid, substrate with transparent film, and display device |
WO2005021259A1 (ja) * | 2003-08-28 | 2005-03-10 | Dai Nippon Printing Co., Ltd. | 反射防止積層体 |
JP4244940B2 (ja) | 2005-02-24 | 2009-03-25 | 日本電気株式会社 | ネットワークの品質劣化箇所推定装置、品質劣化箇所推定方法及び品質劣化箇所推定プログラム |
JP5082511B2 (ja) * | 2007-03-07 | 2012-11-28 | オムロン株式会社 | 因果構造決定装置、因果構造決定装置の制御方法、および因果構造決定装置の制御プログラム |
US8813025B1 (en) | 2009-01-12 | 2014-08-19 | Bank Of America Corporation | Customer impact predictive model and combinatorial analysis |
US8832657B1 (en) * | 2009-01-12 | 2014-09-09 | Bank Of America Corporation | Customer impact predictive model and combinatorial analysis |
CN103049346B (zh) * | 2012-12-11 | 2015-03-18 | 工业和信息化部电子第五研究所 | 基于失效物理的元器件故障树构建方法和系统 |
CN106407097A (zh) * | 2016-11-30 | 2017-02-15 | 努比亚技术有限公司 | 服务器故障预警装置和方法 |
CN106936639A (zh) * | 2017-03-22 | 2017-07-07 | 中国人民解放军重庆通信学院 | 一种用于应急移动通信系统的故障诊断平台及其构建方法 |
CN107977072B (zh) * | 2017-07-28 | 2021-06-08 | 北京物灵智能科技有限公司 | 一种机器人使用的养成方法、养成专家系统及电子设备 |
CN111123034B (zh) * | 2019-12-23 | 2022-06-14 | 南京工程学院 | 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 |
JPWO2022259307A1 (ja) * | 2021-06-07 | 2022-12-15 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5214577A (en) * | 1990-10-24 | 1993-05-25 | Osaka Gas Co., Ltd. | Automatic test generation for model-based real-time fault diagnostic systems |
JPH052600A (ja) * | 1991-06-24 | 1993-01-08 | Nec Corp | 確率分布及び確率的規則の学習方式 |
JPH05102993A (ja) * | 1991-10-08 | 1993-04-23 | Fujitsu Ltd | 通信障害検出方法 |
US5629872A (en) * | 1992-01-29 | 1997-05-13 | Arch Development Corporation | System for monitoring an industrial process and determining sensor status |
JPH06187030A (ja) * | 1992-12-17 | 1994-07-08 | Hitachi Ltd | 時系列モデルによる制御系異常診断方法、及び表示方法 |
US5465321A (en) * | 1993-04-07 | 1995-11-07 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Hidden markov models for fault detection in dynamic systems |
JPH06324966A (ja) * | 1993-05-10 | 1994-11-25 | N T T Data Tsushin Kk | 通信障害区間推定システム |
JPH07160659A (ja) * | 1993-12-01 | 1995-06-23 | Ricoh Co Ltd | 学習方式 |
JPH09307550A (ja) * | 1996-05-10 | 1997-11-28 | Hitachi Ltd | ネットワークシステム監視装置 |
US6147974A (en) * | 1997-03-04 | 2000-11-14 | Kokusai Denshin Denwa Co., Ltd. | Apparatus for monitoring state of traffic in telecommunication network |
-
1998
- 1998-09-22 JP JP26803098A patent/JP3765674B2/ja not_active Expired - Fee Related
-
1999
- 1999-03-16 US US09/270,664 patent/US6374196B1/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2000048277A (ja) | 2000-02-18 |
US6374196B1 (en) | 2002-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3765674B2 (ja) | 障害個所推定方法 | |
US11792217B2 (en) | Systems and methods to detect abnormal behavior in networks | |
CN109787817B (zh) | 网络故障诊断方法、装置和计算机可读存储介质 | |
EP1279211B1 (en) | Topology-based reasoning apparatus for root-cause analysis of network faults | |
CN101783749B (zh) | 一种网络故障定位方法和装置 | |
CN104796273A (zh) | 一种网络故障根源诊断的方法和装置 | |
US8245079B2 (en) | Correlation of network alarm messages based on alarm time | |
EP2795841B1 (en) | Method and arrangement for fault analysis in a multi-layer network | |
CN107210927A (zh) | 协议处理中的异常检测 | |
JP7081741B2 (ja) | ネットワークデバイスの状態を判定するための方法及び装置 | |
CN107896168B (zh) | 一种网络虚拟化环境下的电力通信网多域故障诊断方法 | |
Rafique et al. | Analytics-driven fault discovery and diagnosis for cognitive root cause analysis | |
Mayer et al. | Demonstration of ML-assisted soft-failure localization based on network digital twins | |
EP0754382B1 (en) | A method and a system for distributed supervision of hardware | |
US20220156368A1 (en) | Detection of model attacks in distributed ai | |
Kobayashi et al. | Causal analysis of network logs with layered protocols and topology knowledge | |
CN102281103A (zh) | 基于模糊集合解算的光网络多故障恢复方法 | |
Dawes et al. | Network diagnosis by reasoning in uncertain nested evidence spaces | |
JP6586067B2 (ja) | 故障位置特定装置、故障位置特定方法、および、故障位置特定プログラム | |
US11716241B1 (en) | Methods, systems, and computer readable media for actively diagnosing and remediating performance degradation in a production network | |
Cui et al. | Fault propagation reasoning and diagnosis for computer networks using cyclic temporal constraint network model | |
KR102182977B1 (ko) | 분석적 규칙 기반의 인공지능형 망 장애 관제 장치 및 방법 | |
KR20190132223A (ko) | 네트워크 장애 원인 분석 장치 및 방법 | |
CN113454950A (zh) | 基于流量统计的网络设备及链路实时故障检测方法和系统 | |
JP6378653B2 (ja) | サービス影響原因推定装置、サービス影響原因推定プログラム、及びサービス影響原因推定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050308 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050502 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050628 |
|
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: 20060117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060124 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120203 Year of fee payment: 6 |
|
LAPS | Cancellation because of no payment of annual fees |