JP7021000B2 - 情報処理装置、プログラムおよび情報処理方法 - Google Patents
情報処理装置、プログラムおよび情報処理方法 Download PDFInfo
- Publication number
- JP7021000B2 JP7021000B2 JP2018099775A JP2018099775A JP7021000B2 JP 7021000 B2 JP7021000 B2 JP 7021000B2 JP 2018099775 A JP2018099775 A JP 2018099775A JP 2018099775 A JP2018099775 A JP 2018099775A JP 7021000 B2 JP7021000 B2 JP 7021000B2
- Authority
- JP
- Japan
- Prior art keywords
- event
- type
- case
- information
- extracted
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F11/0766—Error or fault reporting or storing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability analysis
Description
図1は、第1の実施形態に係る診断システムの構成例を示す図である。図1の診断システムは、複合機1a、1b、1c、ネットワーク2、基地局2a、2b、2c、サーバラック4、端末5a、5b、5cとを備えている。サーバラック4には、サーバ(計算機)、ストレージ装置、スイッチなどの情報機器がマウントされている。複合機1a、1b、1cと、基地局2a、2b、2cと、サーバラック4内の情報機器はネットワーク2を介して互いに接続されている。
また、エラー履歴データベース12からランダムサンプリング(ランダムなエントリの抽出)を行い、負例に係るエントリ数と正例に係るエントリ数があらかじめ設定された比と近い数になるよう、第2データを生成してもよい。
第2の実施形態では、診断装置やログ収集装置のハードウェア構成について説明する。上述の各実施形態における診断装置、ログ収集装置はコンピュータ100によって構成される。コンピュータ100には、サーバ、クライアント端末、組み込み機器のマイコン、タブレット、スマートフォン、フィーチャーフォン、パソコンなどの各種の情報処理装置が含まれる。コンピュータ100は、仮想計算機(VM:Virtual Machine)やコンテナなどによって実現されていてもよい。
2、3 ネットワーク
2a、2b、2c 基地局
4 サーバラック
4a ログ収集装置
4b 診断装置
5a、5b、5c 端末
10 データ収集部
11、16 記憶部
12 エラー履歴データベース
12a、12b、13a、13b、14a、14b、17a、17b、17c、18a、18b テーブル
17d、18d 列
13 装置構成データベース
14 保守担当者データベース
15 データ生成部
17 学習データベース
18 検査データベース
19 モデルデータベース
20 モデル生成部
21 選択部
22 管理部
23 通知部
30、31、32、33 画面
100 コンピュータ
101 プロセッサ
102 入力装置
103 表示装置
104 通信装置
105 記憶装置
106 バス
Claims (19)
- 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定し、前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する、データ生成部と、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する、モデル生成部と、を備え、
前記データ生成部は、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
情報処理装置。 - 前記データ生成部は、前記履歴情報における前記事象の発生件数に基づいて、前記履歴情報における前記第2事例に設定される前記第2種類ごとの前記事象の構成比を計算する、
請求項1に記載の情報処理装置。 - 前記データ生成部は、前記履歴情報において前記事象が発生した装置の台数に基づいて、前記履歴情報における前記第2事例に設定される前記第2種類ごとの前記事象の構成比を計算する、
請求項1に記載の情報処理装置。 - 前記データ生成部は、前記学習データにおける前記第1事例に設定される前記事象の数と、前記第2事例に設定される前記事象の数の比が略1:1となるように、前記履歴情報から前記第2種類ごとに前記第2事例の前記事象の一部を抽出する、
請求項1ないし3のいずれか一項に記載の情報処理装置。 - 複数の前記装置の前記構成情報に基づいて生成された検査データを前記診断モデルに入力し、前記診断モデルの出力値に基づいて保守点検を行うべき前記装置を選択する、選択部を備えた
請求項1~4のいずれか一項に記載の情報処理装置。 - 前記選択部が選択した保守点検を行うべき前記装置と、保守点検を行うべき前記装置の部位に関する情報を担当の保守員に通知する、
通知部を備えた
請求項5に記載の情報処理装置。 - 前記通知部は、前記選択部が選択した前記装置の保守点検において行うべき作業の手順に関する情報を担当の保守員に通知する、
請求項6に記載の情報処理装置。 - 前記装置は、画像形成装置であり、前記構成情報はファームウェアのバージョン、ハードウェアのリビジョン、オプション部品に関する情報、消耗品に関する情報の少なくともいずれかを含む、
請求項1ないし7のいずれか一項に記載の情報処理装置。 - 前記事象はエラーである
請求項1~8のいずれか一項に記載の情報処理装置。 - 前記第1事例は正例であり、前記第2事例は負例である
請求項1~9のいずれか一項に記載の情報処理装置。 - 前記第1事例と前記第2事例との比率は、前記履歴情報における前記第1種類の事象と前記第2種類の事象との比率より大きい
請求項1~10のいずれか一項に記載の情報処理装置。 - 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定する、第1ステップと、
前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する第2ステップと、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する第3ステップと、をコンピュータに実行させ、
前記第1ステップは、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
プログラム。 - 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定する、第1ステップと、
前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する第2ステップと、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する第3ステップと、をコンピュータが実行し、
前記第1ステップは、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
情報処理方法。 - 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定し、前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する、データ生成部と、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する、モデル生成部と、
複数の前記装置の前記構成情報に基づいて生成された検査データを前記診断モデルに入力し、前記診断モデルの出力値に基づいて保守点検を行うべき前記装置を選択する、選択部と
を備え、
前記データ生成部は、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
情報処理装置。 - 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定する、第1ステップと、
前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する、第2ステップと、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する、第3ステップと、
複数の前記装置の前記構成情報に基づいて生成された検査データを前記診断モデルに入力し、前記診断モデルの出力値に基づいて保守点検を行うべき前記装置を選択する、第4ステップと、
をコンピュータに実行させ、
前記第1ステップは、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
プログラム。 - 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定する、第1ステップと、
前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する、第2ステップと、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する、第3ステップと、
複数の前記装置の前記構成情報に基づいて生成された検査データを前記診断モデルに入力し、前記診断モデルの出力値に基づいて保守点検を行うべき前記装置を選択する、第4ステップと
をコンピュータが実行し、
前記第1ステップは、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
情報処理方法。 - 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定し、前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する、データ生成部と、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する、モデル生成部と、
を備え、
前記装置は、画像形成装置であり、前記構成情報はファームウェアのバージョン、ハードウェアのリビジョン、オプション部品に関する情報、消耗品に関する情報の少なくともいずれかを含み、
前記データ生成部は、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
情報処理装置。 - 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定する、第1ステップと、
前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する、第2ステップと、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する、第3ステップと、
をコンピュータに実行させ、
前記装置は、画像形成装置であり、前記構成情報はファームウェアのバージョン、ハードウェアのリビジョン、オプション部品に関する情報、消耗品に関する情報の少なくともいずれかを含み、
前記第1ステップは、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
プログラム。 - 複数の装置において発生した事象の一覧と、前記事象の種類に関する情報とを含む履歴情報においていずれかの第1種類の前記事象を抽出して第1事例に設定し、前記第1種類と異なる第2種類の前記事象の一部を抽出して第2事例に設定する、第1ステップと、
前記第1事例および前記第2事例の前記事象の発生時における前記装置の構成情報に基づいて学習データを生成する、第2ステップと、
前記学習データを用いて、前記装置において前記第1種類の前記事象が発生する可能性の大きさを推定する診断モデルを生成する、第3ステップと、
をコンピュータが実行し、
前記装置は、画像形成装置であり、前記構成情報はファームウェアのバージョン、ハードウェアのリビジョン、オプション部品に関する情報、消耗品に関する情報の少なくともいずれかを含み、
前記第1ステップは、前記第2事例に設定される前記事象の前記第2種類ごとの構成比が、前記履歴情報における前記事象の前記第2種類ごとの構成比に略等しくなるように、前記履歴情報から前記第2種類ごとに前記事象の一部を抽出する、
情報処理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018099775A JP7021000B2 (ja) | 2018-05-24 | 2018-05-24 | 情報処理装置、プログラムおよび情報処理方法 |
US16/294,077 US11657321B2 (en) | 2018-05-24 | 2019-03-06 | Information processing device, non-transitory storage medium and information processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018099775A JP7021000B2 (ja) | 2018-05-24 | 2018-05-24 | 情報処理装置、プログラムおよび情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019204345A JP2019204345A (ja) | 2019-11-28 |
JP7021000B2 true JP7021000B2 (ja) | 2022-02-16 |
Family
ID=68614697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018099775A Active JP7021000B2 (ja) | 2018-05-24 | 2018-05-24 | 情報処理装置、プログラムおよび情報処理方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11657321B2 (ja) |
JP (1) | JP7021000B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7036082B2 (ja) * | 2019-04-04 | 2022-03-15 | セイコーエプソン株式会社 | 画像処理装置、機械学習装置、画像処理方法 |
US20240036999A1 (en) * | 2022-07-29 | 2024-02-01 | Dell Products, Lp | System and method for predicting and avoiding hardware failures using classification supervised machine learning |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011145773A (ja) | 2010-01-12 | 2011-07-28 | Fujitsu Ltd | ネットワーク管理支援システム、ネットワーク管理支援装置、ネットワーク管理支援方法およびプログラム |
CN107025153A (zh) | 2016-01-29 | 2017-08-08 | 阿里巴巴集团控股有限公司 | 磁盘的故障预测方法和装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3090517B2 (ja) | 1991-12-16 | 2000-09-25 | 富士ゼロックス株式会社 | 診断装置 |
US5680541A (en) | 1991-12-16 | 1997-10-21 | Fuji Xerox Co., Ltd. | Diagnosing method and apparatus |
JPH08318296A (ja) * | 1995-05-26 | 1996-12-03 | Fuji Electric Co Ltd | 下水処理場の汚泥処理トラブル原因推定方法及び汚泥処理トラブル対策支援装置 |
US9785983B2 (en) * | 2012-06-13 | 2017-10-10 | Opera Solutions U.S.A., Llc | System and method for detecting billing errors using predictive modeling |
US9588876B2 (en) * | 2014-08-01 | 2017-03-07 | Microsoft Technology Licensing, Llc | Estimating likelihood of code changes introducing defects |
JP5790891B1 (ja) | 2015-01-27 | 2015-10-07 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
JP6514038B2 (ja) | 2015-05-29 | 2019-05-15 | 株式会社沖データ | 情報処理装置及び保守システム |
US10025657B2 (en) | 2015-06-29 | 2018-07-17 | Ricoh Company, Ltd. | Information processing system and failure diagnosis method |
JP6468099B2 (ja) | 2015-07-03 | 2019-02-13 | 株式会社リコー | 情報処理システム、故障原因診断方法及びプログラム |
US20180137415A1 (en) * | 2016-11-11 | 2018-05-17 | Minitab, Inc. | Predictive analytic methods and systems |
JP7010641B2 (ja) * | 2017-09-27 | 2022-01-26 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 異常診断方法および異常診断装置 |
US11262742B2 (en) * | 2018-04-09 | 2022-03-01 | Diveplane Corporation | Anomalous data detection in computer based reasoning and artificial intelligence systems |
US10817750B2 (en) * | 2018-04-09 | 2020-10-27 | Diveplane Corporation | Data inclusion in computer-based reasoning models |
-
2018
- 2018-05-24 JP JP2018099775A patent/JP7021000B2/ja active Active
-
2019
- 2019-03-06 US US16/294,077 patent/US11657321B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011145773A (ja) | 2010-01-12 | 2011-07-28 | Fujitsu Ltd | ネットワーク管理支援システム、ネットワーク管理支援装置、ネットワーク管理支援方法およびプログラム |
CN107025153A (zh) | 2016-01-29 | 2017-08-08 | 阿里巴巴集团控股有限公司 | 磁盘的故障预测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US11657321B2 (en) | 2023-05-23 |
JP2019204345A (ja) | 2019-11-28 |
US20190362262A1 (en) | 2019-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9084937B2 (en) | Faults and performance issue prediction | |
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 | |
US9886261B1 (en) | System to prioritize update distribution to devices | |
US20140188729A1 (en) | Remote notification and action system with event generating | |
CN107533504A (zh) | 用于软件分发的异常分析 | |
JP2019153306A (ja) | 故障解決策予測システム及び方法 | |
US20190278529A1 (en) | System and method for machine learning optimization of human resource scheduling for device repair visits | |
US9934096B2 (en) | Fault management system | |
JP2008015568A (ja) | メンテナンスシステムおよびメンテナンスシステムの制御方法およびホストサーバおよびホストサーバのプログラムを記憶したコンピュータ読み取り可能な記憶媒体。 | |
US11900393B2 (en) | Guided computing device repair systems, methods, and apparatus | |
JP7021000B2 (ja) | 情報処理装置、プログラムおよび情報処理方法 | |
US11086919B2 (en) | Service regression detection using real-time anomaly detection of log data | |
US20230239194A1 (en) | Node health prediction based on failure issues experienced prior to deployment in a cloud computing system | |
CN114911492B (zh) | 推理服务部署方法、装置、设备以及存储介质 | |
US10447552B2 (en) | System and method for predictive maintenance | |
JP2016071871A (ja) | システム、情報処理装置、サービス決定方法及びプログラム | |
CN105204923A (zh) | 用于资源预配置的方法和装置 | |
JP6015750B2 (ja) | ログ収集サーバ、ログ収集システム、ログ収集方法 | |
US20230273783A1 (en) | Update management system and method | |
CN114546425A (zh) | 模型部署方法、装置、电子设备及存储介质 | |
JP2014174838A (ja) | 情報処理システム、情報処理装置及びプログラム | |
US20220066704A1 (en) | Monitoring system, monitoring method, and monitoring program | |
CN111258618A (zh) | 文件配置方法、装置、计算机设备和存储介质 | |
CN105099750A (zh) | 故障信息管理装置、故障信息管理系统及其管理方法 | |
JP5906873B2 (ja) | 訪問発生解析装置および訪問発生解析プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200625 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210407 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210416 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210615 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210910 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211109 |
|
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: 20220104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220203 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7021000 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |