JP7081741B2

JP7081741B2 - 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

Info

Publication number: JP7081741B2
Application number: JP2020550850A
Authority: JP
Inventors: ガオ、ユンペン; シエ、ユミン; シャオ、シン; ジャン、リアン
Original assignee: ホアウェイ・テクノロジーズ・カンパニー・リミテッド
Priority date: 2018-03-22
Filing date: 2019-03-20
Publication date: 2022-06-07
Anticipated expiration: 2039-03-20
Also published as: EP3761566A4; CN110300008B; KR102455332B1; US11405294B2; EP3761566A1; CA3094557A1; CA3094557C; CN110300008A; WO2019179457A1; RU2020134150A; RU2020134150A3; JP2021516511A; EP3761566B1; KR20200128144A; US20210006481A1

Description

本願は、２０１８年３月２２日に中国国家知識産権局に出願され、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と題する中国特許出願第２０１８１０２４１４７８．１号に対する優先権を主張し、その全体が参照により本明細書に組み込まれる。

本願は、通信技術の分野、特に、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に関する。

通信技術の継続的な発展に伴い、ネットワークシステムの複雑性が増し、ネットワークデバイスの信頼性に起因するメンテナンス費用が高くなる。そのため、費用が比較的高くなるという課題を減らすために、故障が発生した後にネットワークデバイスがメンテナンスされるので、ネットワークデバイスの潜在的な故障が発生した場合に、警告が提供され得る。つまり、故障が発生しかけている場合に警告が提供され得る。そのため、ネットワークデバイスの状態を監視することが重要である。

一般に、既存のネットワークシステムの運用及び保守の間、閾値アラームシステムは、通常、ネットワークデバイスのサービスパフォーマンスデータに対して確立され、異なる閾値範囲を設定することにより、ネットワーク上のデバイスの状態が監視される。具体的には、ネットワークデバイスのサービスパフォーマンスデータの指標値が属する特定の閾値範囲に対応する状態を判定することにより、ある時点におけるネットワークデバイスの現在の状態が判定される。

しかしながら、実際のところ、例えば、潜在的な故障状態にあるネットワークデバイスが動作している場合、ネットワークデバイスは、ある時点においては正常な動作状態にあったかもしれず、別の時点においては潜在的な故障状態にあったかもしれない。そのため、前述した方法において明らかなように、潜在的な故障があるネットワークデバイスに対して、ネットワークデバイスが正常な動作状態にある場合に、ネットワークデバイスが正常であるとしか判定することができず、ネットワークデバイスが潜在的な故障あることを識別することができず、結果として、警告が見落とされてしまう。そのため、前述した方法では、ネットワークデバイスの状態を判定する精度が比較的低くなる。

ネットワークデバイスの状態を判定する精度が比較的低いという従来技術の課題を解決するために、本願は、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を提供する。

第１態様によれば、本願は、ネットワークデバイスの状態を判定するための方法を提供し、当該方法は、
警告解析デバイスにより、予め設定された期間内のネットワークデバイスの複数のターゲット重要性能指標ＫＰＩ（ｋｅｙｐｅｒｆｏｒｍａｎｃｅｉｎｄｉｃａｔｏｒｓ、ＫＰＩ）データを取得する段階と、警告解析デバイスにより、複数の特徴情報を取得する段階と、警告解析デバイスにより、各特徴情報に基づいて複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成する段階と、警告解析デバイスにより、複数の特徴情報に対応する生成されたエレメントを用いて特徴ベクトルを形成し、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する段階と含み、特徴ベクトルにあり、かつ、特徴情報に対応するエレメントの計算方式を表すために、任意の特徴情報が用いられる。

前述した方法において、ある時点におけるデータのみを用いる代わりに、ある期間内の複数のターゲットＫＰＩデータを解析することにより、ネットワークデバイスの状態が判定される。これにより、警告の見落としを減らすように、ネットワークデバイスを判定する精度を向上させる。

実現可能な設計例では、予め設定された警告解析モデルに基づいて特徴ベクトルを解析する段階の前に、警告解析デバイスは、警告解析モデルを生成する必要がある。具体的な方法は以下のとおりであってよい。警告解析デバイスは、ネットワークデバイスの異なる状態に対応する特徴ベクトルサンプルを取得し、各状態と、ネットワークデバイスの状態に対応する特徴ベクトルサンプルとに対してロジスティック回帰処理を実行して、警告解析モデルを取得する。

前述の方法に従って、警告解析デバイスは、警告解析モデルを生成してよく、その結果、警告解析デバイスは、警告解析モデルに基づいてネットワークデバイスの状態を後に判定する。

実現可能な設計例において、警告解析デバイスは、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する。具体的な方法は以下のとおりであってよい。警告解析デバイスは、警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの各状態の確率を判定し、確率に対応する状態の予め設定された基準値を各確率に乗算して、複数の積を取得し、警告解析デバイスは、複数の積を加算して、状態インジケーション値を取得し、状態インジケーション値が属する特定のインジケーション値の範囲を判定し、特定のインジケーション値の範囲に対応する状態をネットワークデバイスの状態として用いる。

前述の方法に従って、警告解析デバイスは、ネットワークデバイスの状態を正確に判定し得、その結果、ネットワークデバイスは、ネットワークデバイスの状態に基づいて後にメンテナンスされる。

実現可能な設計例において、警告解析デバイスは、予め設定された期間内のネットワークデバイスの複数のターゲットＫＰＩデータを取得する。具体的な方法は、以下のとおりであってよい。警告解析デバイスは、ネットワークデバイスのＫＰＩデータであって、ネットワーク管理デバイスによって継続的に送信されたＫＰＩデータを受信し、受信したＫＰＩデータから予め設定された期間内の複数のターゲットＫＰＩデータを取得する。

前述の方法に従って、警告解析は、実際の要件に基づいて、予め設定された期間内の複数のターゲットＫＰＩデータを取得してよく、その結果、警告解析デバイスは、続けて、複数のＫＰＩデータに基づいて特徴ベクトルを判定する。

実現可能な設計例において、ネットワークデバイスは、限定されるものではないが、波長分割多重デバイス、ルータ又はパケット転送ネットワークデバイスなどであってよい。このやり方では、警告解析デバイスは、複数のネットワークデバイスの状態を判定してよく、これに応じて、異なるネットワークデバイスをメンテナンスする。

実現可能な設計例では、ネットワークデバイスの状態を判定した後に、警告解析デバイスは、視覚表示デバイスを用いて、ネットワークデバイスの判定された状態をユーザに表示してよく、その結果、ユーザは、ネットワークデバイスの現在の状態を正確に識別し、これに応じて、ネットワークデバイスの状態に基づいてメンテナンスすることができる。

第２態様によれば、本願は、警告解析デバイスをさらに提供し、警告解析デバイスは、前述した方法例における警告解析デバイスを実装する機能を有する。機能は、ハードウェアにより実装されてよい、又は、対応するソフトウェアを実行するハードウェアにより実装されてよい。ハードウェア又はソフトウェアは、前述の機能に対応する１又は複数のモジュールを含む。

実現可能な設計例において、警告解析デバイスの構造は、取得ユニット及び処理ユニットを含む。これらのユニットは、前述した方法例における対応する機能を実行し得る。詳細については、方法の例における詳細な説明を参照されたい。詳細がここで再びを説明されることはない。

実現可能な設計例において、警告解析デバイスの構造は、メモリ及びプロセッサを含む。オプションで、警告解析デバイスは、通信インタフェースをさらに含む。通信インタフェースは、ネットワークシステムにおいて、別のデバイスと通信し、情報をやり取りするように構成される。プロセッサは、前述した方法における対応する機能を実行するように、警告解析デバイスをサポートするように構成される。メモリは、プロセッサに連結され、メモリは、警告解析デバイスにとって必要なプログラム命令及びデータを格納する。

第３態様によれば、本願は、ネットワークシステムをさらに提供し、ネットワークシステムは、ネットワークデバイス層、ネットワーク管理層、警告解析層及び視覚表示層を含み、具体的には、前述した設計において言及した警告解析デバイス、ネットワークデバイス、ネットワーク管理デバイス及び視覚表示デバイスを含む。

第４態様によれば、本願は、コンピュータ記憶媒体をさらに提供し、コンピュータ記憶媒体は、コンピュータが実行可能な命令を格納し、コンピュータによりコンピュータが実行可能な命令が呼び出された場合、コンピュータは、前述した方法のいずれか１つを実行する。

第５態様によれば、本願は、命令を含むコンピュータプログラム製品をさらに提供する。コンピュータプログラム製品がコンピュータ上で起動した場合、コンピュータは、前述した方法のいずれか１つを実行することが可能である。

第６態様によれば、本願は、チップをさらに提供する。チップは、メモリに接続され、メモリに格納されたプログラム命令を読み出して実行して、前述した方法のいずれか１つを実施するように構成される。

本願に係るネットワークシステムの概略的なアーキテクチャ図である。

本願に係るネットワークデバイスの状態を判定するための方法のフローチャートである。

本願に係る訂正前ビットエラーレートの除外ポイントを除去することについての概略図である。

本願に係る警告解析モデルの生成処理についての概略図である。

本願に係る警告解析デバイスの概略的な構造図である。

本願に係る警告解析デバイスの構造図である。

以下では、添付の図面を参照して本願をさらに詳細に説明する。

ネットワークデバイスの状態を判定する精度が比較的低いという従来技術の課題を解決するために、本願の実施形態は、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を提供する。本願における方法及び装置は、同じ発明の概念に基づいている。方法及び装置は、同様の課題解決原理を有する。そのため、装置及び方法の実施例について、相互参照が行われてよく、繰り返される部分の詳細は、再び説明しない。

以下では、本願におけるいくつかの項目が、当業者がより良い理解を得るのに役立てるために説明される。

（１）ネットワークデバイスは、ユーザにビジネスサービスを提供するデバイスである。ネットワークデバイスは、複数の状態、例えば、正常な動作状態、低リスク状態、高リスク状態及び故障状態を有し得る。低リスク状態及び高リスク状態はそれぞれ、潜在的な故障状態とみなされ得る。ネットワークデバイスは、限定されるものではないが、波長分割多重デバイス、ルータ又はパケット転送ネットワークデバイスなどであってよい。

（２）警告解析デバイスは、ネットワークデバイスのＫＰＩデータを解析することによりネットワークデバイスの状態を判定するデバイスである。警告解析デバイスは、サーバ、又は、複数のサーバを含むクラスタであってよい。

（３）ネットワーク管理デバイスは、ネットワークデバイスのＫＰＩデータを収集し、収集されたＫＰＩデータを警告解析デバイスに伝送するように構成されるデバイスである。

（４）ＫＰＩデータは、ネットワークデバイスのサービス性能を表すために用いられるデータであり、異なるネットワークデバイスは、異なるＫＰＩデータを有する。

（５）本願の実施形態に関連する「複数の」は、２つ又はそれより多いことを意味する。

本願の実施形態における技術的解決手段をより分かりやすく説明するために、以下では、添付の図面を参照して、本願の実施形態において提供される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を詳細に説明する。

図１は、ネットワークデバイスの状態を判定するための方法が本願の実施形態に従って適用可能な考えられるネットワークシステムのアーキテクチャを示す。ネットワークシステムのアーキテクチャは、ネットワークデバイス層、ネットワーク管理層、警告解析層及び視覚表示層を含む。

ネットワークデバイス層は、複数のネットワークデバイスを含み、ユーザに異なるビジネスサービスを提供する。例えば、ネットワークデバイス層は、波長分割多重デバイス、ルータ又はパケット転送ネットワークデバイスなどのネットワークデバイスを含んでよい。

ネットワーク管理層は、複数のネットワーク管理デバイスを含み、ネットワークデバイス層において任意のネットワークデバイスのＫＰＩデータを収集し、収集されたＫＰＩデータを警告解析層に伝送するように構成され、その結果、警告解析デバイスは、警告解析層において、ＫＰＩデータを解析して、ネットワークデバイスの状態を判定する。ネットワーク管理層は、標準的な共通オブジェクト要求ブローカアーキテクチャ（ｃｏｍｍｏｎｏｂｊｅｃｔｒｅｑｕｅｓｔｂｒｏｋｅｒａｒｃｈｉｔｅｃｔｕｒｅ、ＣＯＲＢＡ）ノースバウンドインタフェースを用いて、ネットワークデバイス層からネットワークデバイスのＫＰＩデータを収集してよい。そして、ネットワーク管理層は、ファイル転送プロトコル（ｆｉｌｅｔｒａｎｓｆｅｒｐｒｏｔｏｃｏｌ、ＦＴＰ）を用いて、ネットワークデバイスの収集されたＫＰＩデータを警告解析層に送信してよい。

警告解析層は、警告解析デバイスを含み、警告解析デバイスは、１つのサーバ、又は、複数のサーバを含むクラスタであってよい。警告解析デバイスは、ネットワーク管理層において伝送されたＫＰＩデータを解析することにより対応するネットワークデバイスの状態を警告解析層において判定し、視覚表示層を用いてユーザにネットワークデバイスの判定された状態を表示する。

視覚表示層は、人－コンピュータ間の相互作用を実施するように構成される。視覚表示層は、少なくとも１つの視覚表示デバイスを含む。ユーザは、視覚表示層における少なくとも１つの視覚表示デバイスにより表示される任意のネットワークデバイスの状態を用いて、ネットワークデバイスのサービスの信頼性を識別し、これに応じて、ネットワークデバイスの異なる状態に基づいてメンテナンスし得る。例えば、ネットワークデバイスが潜在的な故障状態にあると判定された場合、ユーザは、これに応じて、ネットワークデバイスの故障により引き起こされるサービス中断を回避するために、前もってネットワークデバイスをメンテナンスし得る。これにより、ユーザのサービスエクスペリエンスを改善できる。

本願の実施形態において提供されるネットワークデバイスの状態を判定するための方法は、図１に示されるネットワークシステムに適用可能である。図２を参照すると、方法の特定の手順は以下の段階を含む。

段階２０１、警告解析デバイスは、予め設定された期間内のネットワークデバイスの複数のターゲットＫＰＩデータを取得する。

任意選択の実施例において、警告解析デバイスが段階２０１を実行する場合、具体的な方法は以下のとおりであってよい。警告解析デバイスは図２の段階２００に示されるように、ネットワークデバイスのＫＰＩデータであって、ネットワーク管理デバイスによって継続的に送信されたＫＰＩデータを受信する。そして、警告解析デバイスは、受信したＫＰＩデータから予め設定された期間内の複数のＫＰＩデータを取得する。具体的には、予め設定された期間は、警告解析デバイスが毎回ＫＰＩデータを受信する時点の前の予め設定された期間であってよい。

特定の実施例の間、複数のタイプのネットワークデバイスがあるので、異なるネットワークデバイスは、異なるＫＰＩデータを有し、ネットワークデバイスは、波長分割多重デバイス、ルータ及びパケット転送ネットワークデバイスなどのうちのいずれか１つであってよい。

例えば、ネットワークデバイスが波長分割多重デバイスである場合、波長分割多重デバイスのＫＰＩデータは、訂正前ビットエラーレート及び訂正後ビットエラーレートであってよい。ビットエラーレートは、伝送の際のビットの総数に対して、ビットエラーが発生するビットの数の比率を指す。オプションで、ビットエラーレートは、訂正前ビットエラーレート又は訂正後ビットエラーレートであってよい。

前方誤り訂正（ｆｏｒｗａｒｄｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎ、ＦＥＣ）アルゴリズムは、エラービットの数を検出し、いくつかエラーを訂正し得る。そのため、ＦＥＣアルゴリズムが用いられる前のビットエラーレートは、訂正前ビットエラーレートであり、ＦＥＣアルゴリズムが用いられた後に得られるビットエラーレートは、訂正後ビットエラーレートである。

具体的には、ビットエラーレートは、整数ビットエラーパラメータで表され得る。例えば、ビットエラーパラメータが６である場合、ビットエラーレートが１０の－６乗であることを示す。ビットエラーレートが０である場合、ビットエラーが発生していないことを示す。後続の解析のために、ビットエラーレートが０である場合、ビットエラーレートは、ビットエラーパラメータ１３を用いて表され得る。つまり、ビットエラーレートが１０の－１３乗であることを示し、ビットエラーレートが０に近いことを示す。他のネットワークデバイスのＫＰＩデータは、本明細書において１つ１つ列挙されていない。

段階２０２、警告解析デバイスは、複数の特徴情報を取得し、特徴ベクトルにあり、かつ、特徴情報に対応するエレメントの計算方式を表すために、任意の特徴情報が用いられる。

具体的には、警告解析デバイスは、ネットワークデバイスの状態を解析するのに必要とされる特徴ベクトルにおける各エレメントに対応する特徴情報をネットワークデバイスに対して予め設定する。そのため、複数のターゲットＫＰＩデータを取得した後に、警告解析デバイスは、複数の特徴情報を取得してよく、その結果、警告解析デバイスは、後続の段階２０３を正確に実行できる。

ネットワークデバイスが波長分割多重デバイスである例が説明のためにさらに用いられ、波長分割多重デバイスに対して警告解析デバイスにより予め設定された特徴ベクトルは、サービス中断の回数、ＫＰＩ動向劣化の最悪値、変動値の最悪値、変動値の平均値、閾値距離の最悪値、及び、閾値距離の平均値を連続して含む。サービス中断の回数、ＫＰＩ動向劣化の最悪値、変動値の最悪値、変動値の平均値、閾値距離の最悪値及び閾値距離の平均値は、複数の特徴情報とみなされ得る。このやり方では、各特徴情報に基づいて対応するエレメントを取得するために、ビッグデータ技術を用いてＫＰＩデータが解析されてよく、最終的に、６つのエレメントを含む特徴ベクトルが形成される。

例えば、対応するエレメントの、各特徴情報により表され得る計算方式は、具体的には以下のとおりであり得る。警告解析デバイスは、波長分割多重デバイスの複数のターゲットＫＰＩデータにおける複数の訂正後ビットエラーレートに基づいて、予め設定された期間内の波長分割多重デバイスの各収集ポイントが故障しているか否かを判定し、予め設定された期間内のサービス中断の回数を計算し、サービス中断の回数は正の整数であってよく、複数の訂正前ビットエラーレートに基づいて、予め設定された期間内の波長分割多重デバイスの各収集ポイントの変動値、ＫＰＩ動向値及び閾値距離を計算し、変動値に基づいて、予め設定された期間内の変動値の最悪値及び変動値の平均値を計算し、閾値距離に基づいて、予め設定された期間内の閾値距離の最悪値及び閾値距離の平均値を計算し、４つの特徴値は［０、１００］内の正の実数であってよく、ＫＰＩ動向値に基づいて、予め設定された期間内のＫＰＩ動向値の最悪値を計算してよい。つまり、ＫＰＩ動向劣化の最悪値が得られ、ＫＰＩ動向劣化の最悪値は、任意の実数であり得る。

各特徴情報により表される計算方式で予め設定された期間は同じ、すなわち、予め設定された期間であってよい、又は、異なる期間であってよく、具体的には予め設定された期間の一部であってよい。例えば、複数のターゲットＫＰＩを取得するための予め設定された期間は３０日であってよく、サービス中断の回数に関連する予め設定された期間は３０日であってよく、変動値の最悪値、変動値の平均値、閾値距離の最悪値及び閾値距離の平均値に関連する予め設定された期間は１日であってよく、ＫＰＩ動向劣化の最悪値に関連する予め設定された期間は７日であってよい。１日及び７日は、予め設定された期間３０日の一部である。

段階２０３、警告解析デバイスは、各特徴情報に基づいて複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成する。

任意選択の実施例において、警告解析デバイスは、各特徴情報に基づいて複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成する。具体的には、エレメントは、各特徴情報により表される特徴情報に対応するエレメントの計算方式に基づいて取得され得る。

例えば、ネットワークデバイスが波長分割多重デバイスである例が説明のためにさらに用いられる。段階２０２の説明に関して、計算を通じて各エレメントを取得する処理は、具体的には、以下のとおり説明される。

Ａ．サービス中断の回数

まず、警告解析デバイスは、訂正後ビットエラーレート（ａｆｔとして示される）を用いて、波長分割多重デバイスが故障しているか否かを判定する。故障は、ｆとして示され、ｆの計算方法は、以下の式１に示され得る。
式１

ａｆｔが１３に等しく（つまり、訂正後ビットエラーレートが０であり）、ｆが１である場合、波長分割多重デバイスが故障していることを示す。つまり、サービスが中断されている。ａｆｔが１３ではなく、ｆが０である場合、波長分割多重デバイスが故障していないことを示す。つまり、サービスは中断されていない。具体的には、式２で説明される１３は、訂正後ビットエラーレートが０である場合、ビットエラーパラメータが１３であることを表す。

そして、警告解析デバイスは、予め設定された期間（３０日であってよい）内の波長分割多重デバイスのサービス中断の回数を計算し、サービス中断の回数をｆａｕｌｔとして記録する。ｆａｕｌｔを計算するための方法が以下の式２に示され得る。
式２

Ｂ．変動値の最悪値及び変動値の平均値

具体的には、警告解析デバイスは、まず、波長分割多重デバイスの複数の訂正前ビットエラーレートの異常値及びノイズ部分を処理し、第１の予め設定された期間（３０日であってよい）内の複数の訂正前ビットエラーレートの安定した値を計算し、リアルタイムにおける現時点での訂正前ビットエラーレートと安定した値との間の距離を計算し、距離に基づいて変動値を判定し、最後に、第２の予め設定された期間（１日であってよい）内の各ポイントの変動値の最悪値及び平均値を計算してよい。特定の計算処理は以下のとおりであってよい。

具体的には、警告解析デバイスは、３シグマ（Ｓｉｇｍａ、σ）ルールを用いて、複数の訂正前ビットエラーレートのデータの除外ポイントを除去してよい。図３に示されるように、［μ－３σ、μ＋３σ］を除く訂正前ビットエラーレートのデータが除外ポイントである。μは、訂正前ビットエラーレートの期待値である。さらに、警告解析デバイスは、性能評価プロセス代数（ｐｆｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｐｒｏｃｅｓｓａｌｇｅｂｒａ、ＦＥＰＡ）アルゴリズム解析方法を用いて複数の訂正前ビットエラーレートのノイズを除去してよく、警告解析デバイスは、予め設定された期間内の除外ポイント及びノイズが除去された後に取得された複数の訂正前ビットエラーレートの平均値を計算して、安定した値を取得する。そして、警告解析デバイスは、各サンプリングポイントの訂正前ビットエラーレートと安定した値との間の差に基づいて、各サンプリングポイントの変動値ｄｅｖを計算する。具体的には、以下の式３が用いられ得る。
式３

式３において、ｘは、各サンプリングポイントの訂正前ビットエラーレートであり、

は、安定した値である。最後に、予め設定された期間における変動値の最悪値ｄｅｖ＿ｍｉｎと、変動値の平均値ｄｅｖ＿ａｖｇとが、各ポイントの取得された変動値に基づいて計算される。具体的には、以下の式４及び式５がそれぞれ用いられ得る。
ｄｅｖ＿ｍｉｎ＝ｍｉｎ（ｄｅｖ_１、ｄｅｖ_２、ｄｅｖ_３...ｄｅｖ_ｎ）式４
式５

式４及び式５のｎは、予め設定された期間内の訂正前ビットエラーレートのサンプルの数である。

Ｃ．閾値距離の最悪値及び閾値距離の平均値

具体的には、警告解析デバイスは、波長分割多重デバイスによりサポートされ得る訂正前ビットエラーレートの閾値を設定する。訂正前ビットエラーレートが波長分割多重デバイスのハードウェア特徴閾値より大きい場合、ハードウェア特徴閾値により近い訂正前ビットエラーレートは、波長分割多重デバイスの低い信頼性を示す。この事例では、波長分割多重デバイスの閾値距離Ｓが以下の式６に示される。式６に示されるように、訂正前ビットエラーレートがハードウェア特徴閾値よりも低い場合、デバイスの閾値距離は０である。
式６

式６において、ｘは、訂正前ビットエラーレートであり、ｘ_ｍａｘは、予め設定された期間内の訂正前ビットエラーレートの最大値であり、ｖは、ハードウェア特徴閾値である。

そして、警告解析デバイスは、以下の式７及び式８のそれぞれを用いて、予め設定された期間内の閾値距離の最悪値Ｓ＿ｍｉｎ及び閾値距離の平均値Ｓ＿ａｖｇを計算する。
Ｓ＿ｍｉｎ＝ｍｉｎ（Ｓ_１、Ｓ_２、Ｓ_３、...Ｓ_ｍ）式７
式８

式７及び式８のｍは、予め設定された期間内の訂正前ビットエラーレートのサンプルの数である。

Ｄ．ＫＰＩ動向劣化の最悪値

具体的には、警告解析デバイスは、予め設定された期間（７日であってよい）内のＫＰＩデータに対して指数加重移動平均（ｅｘｐｏｎｅｎｔｉａｌｌｙｗｅｉｇｈｔｅｄｍｏｖｉｎｇａｖｅｒａｇｅ、ＥＷＭＡ）処理を実行し、そして、線形フィッティング処理を実行して、ＫＰＩ動向劣化の最悪値を取得する。最悪値は、ｓｌｏｐｅとして示される。

前述の方法に従って、特徴ベクトルを取得するために、各特徴情報に対応するエレメントが取得され得る。

段階２０４、警告解析デバイスは、複数の特徴情報に対応する生成されたエレメントを用いて特徴ベクトルを形成し、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する。

具体的には、特徴ベクトルを形成する複数のエレメントは、段階２０３を用いて取得されてよく、警告解析は、複数のエレメントを用いて特徴ベクトルを直接形成してよい。例えば、ネットワークデバイスが波長分割多重デバイスである例が用いられる。警告解析デバイスは、波長分割多重デバイスに関連する複数の特徴情報に対応し、かつ、段階２０３における前述した例において取得されたエレメントｆａｕｌｔ、ｓｌｏｐｅ、ｄｅｖ＿ａｖｇ、ｄｅｖ＿ｍｉｎ、Ｓ＿ａｖｇ及びＳ＿ｍｉｎを用いて、特徴ベクトルＴ＝｛ｆａｕｌｔ、ｓｌｏｐｅ、ｄｅｖ＿ａｖｇ，ｄｅｖ＿ｍｉｎ、Ｓ＿ａｖｇ、Ｓ＿ｍｉｎ｝を形成してよい。さらに、警告解析デバイスは、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、波長分割多重デバイスの状態を判定してよい。

任意選択の実施例において、予め設定された警告解析モデルに基づいて特徴ベクトルを解析する前に、警告解析デバイスは、さらに、警告解析モデルを生成する必要がある。具体的には、警告解析デバイスが警告解析モデルを生成する処理は、以下のとおりであってよい。警告解析デバイスは、ネットワークデバイスの異なる状態に対応する特徴ベクトルサンプルを取得し、各状態と、状態に対応する特徴ベクトルサンプルとに対してロジスティック回帰処理を実行して、警告解析モデルを取得する。

具体的には、ネットワークデバイスの状態は、正常な動作状態（健康状態とも称され得る）、低リスク状態、高リスク状態及び故障状態を含み得る。例えば、波長分割多重デバイスが例として用いられる。経験的な値に基づいて、以下のことが分かり得る。

波長分割多重デバイスが正常な動作状態にある場合、対応する特徴ベクトルにおいて、予め設定された期間内に故障が発生する。変動値の最悪値及び変動値の平均値と、閾値距離の最悪値及び閾値距離の平均値とは９０より大きく、ＫＰＩ動向劣化の最悪値は０より大きい。この事例では、正常な動作状態に対応する特徴ベクトルは、｛０、０．１、１００、１００、１００、１００｝であってよい。

波長分割多重デバイスが低リスク状態にある場合、対応する特徴ベクトルの値は、波長分割多重デバイスが正常な動作状態にある場合の特徴ベクトルの値よりわずかに悪い。例えば、予め設定された期間内に、故障が発生していない、又は、１回の故障のみが発生する。変動値の最悪値及び変動値の平均値と、閾値距離の最悪値及び閾値距離の平均値とはすべて９０より小さいが、変動値の平均値及び閾値距離の平均値が７０より大きく、ＫＰＩ動向劣化の最悪値は、負数ではない。この事例では、低リスク状態に対応する特徴ベクトルは、｛０、０．０２、８１．５２、７１．８９、８３．４６、７１｝であってよい。

波長分割多重デバイスが高リスク状態にある場合、対応する特徴ベクトルの値は、波長分割多重デバイスが低リスク状態にある場合の特徴ベクトルの値よりわずかに悪い。例えば、予め設定された期間内に故障が発生した回数は２回より多い。変動値の平均値及び閾値距離値の平均値は７０より小さく、ＫＰＩ動向劣化の最悪値は０より小さい。この事例では、高リスク状態に対応する特徴ベクトルは、｛５、－４．９１、６６．１、０、２４．４３、０｝であってよい。

波長分割多重デバイスが故障状態にある場合、対応する特徴ベクトルにおいて、予め設定された期間内に故障が発生した回数は５回より多い。変動値の最悪値及び変動値の平均値は４０より小さく、閾値距離の最悪値及び閾値距離の平均値は０であり、ＫＰＩ動向劣化の最悪値は０より小さい。この事例では、故障状態に対応する特徴ベクトルは、｛８、－２．６４、２８．０１、２７．０６、０、０｝であってよい。

上述した異なる既知の状態に対応する特徴ベクトルに基づいて、各状態に対応する特徴ベクトルサンプルが分かり得る。警告解析デバイスは、ロジスティック回帰アルゴリズムに基づいて、各状態と、状態に対応する特徴ベクトルサンプルとに対してモデルトレーニングを実行して、警告解析モデルを生成する。具体的には、警告解析モデルの入力は、ネットワークデバイスの特徴ベクトルであり、出力結果は、ネットワークデバイスの各状態の確率であり、入力された特徴ベクトルに基づいて判定される。つまり、複数の確率が取得されてよく、その結果、複数の確率に基づいて、ネットワークデバイスの状態が判定され得る。例えば、波長分割多重デバイスに対応する警告解析モデルを生成する処理が図４に示され得る。

考えられる実施例において、警告解析デバイスは、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する。具体的な方法は以下のとおりであってよい。警告解析デバイスは、警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの各状態の確率を判定し、確率に対応する状態の予め設定された基準値を各確率に乗算して、複数の積を取得し、複数の積を加算して、状態インジケーション値を取得し、警告解析デバイスは、状態インジケーション値が属する特定のインジケーション値の範囲を判定し、特定のインジケーション値の範囲に対応する状態をネットワークデバイスの状態として用いる。

例えば、警告解析デバイスは、予め設定された警告解析モデルを用いて、判定された特徴ベクトルを解析して、複数の確率｛ｇ１、ｇ２、ｇ３、ｇ４｝を取得し、ｇ１は、ネットワークデバイスが故障状態にある確率であり、ｇ２は、ネットワークデバイスが高リスク状態にある確率であり、ｇ３は、ネットワークデバイスが低リスク状態にある確率であり、ｇ４は、ネットワークデバイスが正常な動作状態にある確率である。各状態は、１つの基準値に対応しており、４つの状態に対応する基準値は、それぞれ、ｈ１、ｈ２、ｈ３及びｈ４として示され得る。各基準値は、１つの値の範囲に対応する。例えば、ｈ１は、［９、１０］に対応し、ｈ２は、［６．５、７．５］に対応し、ｈ３は、［２．５、３．５］に対応し、ｈ４は、［０、０．５］に対応する。ネットワークデバイスの状態を判定する処理において、すべての状態に対応する予め設定された基準値が、１０、７、３及び０であると仮定すると、ネットワークデバイスの状態に対応し、かつ、特徴ベクトルを解析することにより取得された確率ｇ１、ｇ２、ｇ３及びｇ４に対して、状態インジケーション値Ｚは、以下の式９を用いて得られ得る。
Ｚ＝ｇ１×１０＋ｇ２×７＋ｇ３×３＋ｇ４×０式９

さらに、状態インジケーション値の範囲は異なり、対応する状態も異なる。状態インジケーション値は、［０、１０］内であってよい。第１の中間値及び第２の中間値は、状態インジケーション値を３つの範囲、具体的には、［０、第１の中間値］、［第１の中間値、第２の中間値］及び［第２の中間値、１０］に分けるように構成され、３つの特定のインジケーション値の範囲はそれぞれ、異なる状態に対応する。オプションで、第１の中間値は、［６．８、７．２］に設定されてよく、第２の中間値は、［８、９］に設定されてよい。このやり方で、ネットワークデバイスの判定された状態がより正確となり得る。

例えば、式１０に示されるように、Ｚが取得された後に、Ｚが［０、第１の中間値］に属する場合、ネットワークデバイスが正常な動作状態にあり、Ｚが［第１の中間値、第２の中間値］に属する場合、ネットワークデバイスは、（高リスク状態及び低リスク状態を含む）潜在的な故障状態にあり、Ｚが［第２の中間値、１０］に属する場合、ネットワークデバイスは、故障状態にあると判定される。
式１０

このやり方では、前述した方法を用いて、警告デバイスは、状態インジケーション値が属する特定のインジケーション値の範囲を判定し、さらに、特定のインジケーション値の範囲に対応する状態を判定して、ネットワークデバイスの状態を判定してよい。

考えられる実施例において、ネットワークデバイスの状態を判定した後、警告解析デバイスは、図２の段階２０５に示されるように、視覚表示デバイスを用いて、ネットワークデバイスの判定された状態をユーザに表示してよく、その結果、ユーザは、ネットワークデバイスの現在の状態を正確に識別し、これに応じて、ネットワークデバイスの状態に基づいてネットワークデバイスをメンテナンスすることができる。

任意選択の実施例において、警告解析デバイスは、ネットワークデバイスの最終的に判定された状態が、実際の要件に基づいてユーザが至急知る必要がある状態であるか否かを判定し、ユーザが注意を払う状態のみ、ユーザに表示してよい。例えば、ユーザは、ネットワークデバイスが潜在的な故障状態にあるか否かに注意を払う。本願の本実施形態で提供される方法を用いてネットワークデバイスの状態を判定した後に、警告解析デバイスは、さらに、ネットワークデバイスが潜在的な故障状態にあるか否かを判定する。ネットワークデバイスが潜在的な故障状態にあると判定した場合、警告解析デバイスは、ネットワークデバイスの状態をユーザに表示する。このやり方では、ネットワークデバイスの故障によって引き起こされるサービス中断を回避するために、ユーザは、ネットワークデバイスが故障する前に前もってネットワークデバイスをメンテナンスすることができる。これにより、ユーザのサービスエクスペリエンスを改善できる。

本願の本実施形態において提供されるネットワークデバイスの状態を判定するための方法によれば、警告解析デバイスは、予め設定された期間内にネットワークデバイスの複数のターゲット重要性能指標ＫＰＩデータを取得し、複数の特徴情報を取得し、各特徴情報に基づいて複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成し、複数の特徴情報に対応する生成されたエレメントを用いて特徴ベクトルを形成し、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する。このやり方では、ある時点におけるデータのみを用いる代わりに、ある期間内の複数のターゲットＫＰＩデータを解析することにより、ネットワークデバイスの状態が判定される。これにより、警告の見落としを減らすように、ネットワークデバイスを判定する精度を向上させる。

前述の実施形態に基づいて、本願の実施形態は、警告解析デバイスをさらに提供する。警告解析デバイスは、図１に示されるネットワークシステム内の警告解析デバイスに適用され、図２に示されるネットワークデバイスの状態を判定するための方法を実施するように構成される。図５を参照すると、警告解析デバイス５００は、取得ユニット５０１及び処理ユニット５０２を含む。

取得ユニット５０１は、予め設定された期間内のネットワークデバイスの複数のターゲット重要性能指標ＫＰＩデータを取得し、複数の特徴情報を取得するように構成され、特徴ベクトルにあり、かつ、特徴情報に対応するエレメントの計算方式を表すために、任意の特徴情報が用いられる。

処理ユニット５０２は、各特徴情報に基づいて複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成し、複数の特徴情報に対応する生成されたエレメントを用いて特徴ベクトルを形成し、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定するように構成される。

考えられる実施例において、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する場合、処理ユニット５０２は、具体的には、警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの各状態の確率を判定し、確率に対応する状態の予め設定された基準値を各確率に乗算して、複数の積を取得し、複数の積を加算して、状態インジケーション値を取得し、状態インジケーション値が属する特定のインジケーション値の範囲を判定し、特定のインジケーション値の範囲に対応する状態をネットワークデバイスの状態として用いるように構成される。

任意選択の実施例において、取得ユニット５０１は、さらに、ネットワークデバイスの異なるネットワークデバイス状態に対応する特徴ベクトルサンプルを取得するように構成される。予め設定された警告解析モデルに基づいて特徴ベクトルを解析する前に、プロセッサ５０２は、さらに、警告解析モデルを生成するように構成される。ネットワークデバイスの異なるネットワークデバイス状態に対応する特徴ベクトルサンプルを取得した後に、取得ユニット５０１は、各ネットワークデバイスの状態と、ネットワークデバイスの状態に対応する特徴ベクトルサンプルに対してロジスティック回帰処理を実行して、警告解析モデルを取得する。

任意選択の実施例において、警告解析デバイス５００は、ネットワークデバイスのＫＰＩデータであって、ネットワーク管理デバイスによって継続的に送信されるＫＰＩデータを受信するように構成される受信ユニットをさらに含む。予め設定された期間内のネットワークデバイスの複数のターゲットＫＰＩデータを取得する場合、取得ユニット５０１は、具体的には、受信ユニットにより受信したＫＰＩデータから予め設定された期間内の複数のターゲットＫＰＩデータを取得するように構成される。

任意選択の実施例において、ネットワークデバイスは、波長分割多重デバイス、ルータ又はパケット転送ネットワークデバイスなどであってよい。

本願の本実施形態において提供される警告解析デバイスが用いられ、警告解析デバイスは、予め設定された期間内のネットワークデバイスの複数のターゲット重要性能指標ＫＰＩデータを取得し、複数の特徴情報を取得し、各特徴情報に基づいて複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成し、複数の特徴情報に対応する生成されたエレメントを用いて特徴ベクトルを形成し、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する。このやり方では、ある時点におけるデータのみを用いる代わりに、ある期間内の複数のターゲットＫＰＩデータを解析することにより、ネットワークデバイスの状態が判定される。これにより、警告の見落としを減らすように、ネットワークデバイスを判定する精度を向上させる。

本願の本実施形態において、ユニット区分は、単なる例に過ぎず、論理的な機能区分に過ぎないことに留意されたい。実際の実装では、別の分割方式が用いられてよい。本願の実施形態における機能ユニットは、１つの処理ユニットに統合されてよい、又は、ユニットのそれぞれが物理的に単独で存在してよい、又は、２つ又はそれより多くのユニットが１つのユニットに統合される。統合されたユニットは、ハードウェアの形式で実装されてよい、又は、ソフトウェア機能ユニットの形式で実装されてよい。

統合されたユニットがソフトウェア機能ユニットの形式で実装されており、独立した製品として販売又は使用される場合、統合されたユニットは、コンピュータ可読記憶媒体に格納されてよい。そのような理解に基づいて、本願の技術的解決手段は基本的に、又は、従来技術に対して貢献する部分、又は、技術的解決手段のすべて又は一部は、ソフトウェア製品の形式で実装されてよい。ソフトウェア製品は、記憶媒体に格納され、コンピュータデバイス（パーソナルコンピュータ、サーバ又はネットワークデバイスであってよい）、又は、プロセッサ（ｐｒｏｃｅｓｓｏｒ）に、本願の実施形態において説明された方法の段階のすべて又は一部を実行するよう命令するためのいくつかの命令を含む。前述した記憶媒体は、ＵＳＢフラッシュドライブ、リムーバブルハードディスク、リードオンリメモリ（Ｒｅａｄ‐ＯｎｌｙＭｅｍｏｒｙ、ＲＯＭ）、ランダムアクセスメモリ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ、ＲＡＭ）、磁気ディスク又は光ディスクなどの、プログラムコードを格納できる任意の媒体を含む。

前述の実施形態に基づいて、本願の実施形態は、警告解析デバイスをさらに提供する。警告解析デバイスは、図１に示されるネットワークシステム内の警告解析デバイスに適用され、図２に示されるネットワークデバイスの状態を判定するための方法を実施するように構成される。図６を参照すると、警告解析デバイス６００は、プロセッサ６０２及びメモリ６０３を含む。

プロセッサ６０２は、中央演算処理装置（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ、ＣＰＵ）、ネットワークプロセッサ（ｎｅｔｗｏｒｋｐｒｏｃｅｓｓｏｒ、ＮＰ）、又は、ＣＰＵ及びＮＰの組み合わせであってよい。プロセッサ６０２は、ハードウェアチップをさらに含んでよい。前述したハードウェアチップは、特定用途向け集積回路（ａｐｐｌｉｃａｔｉｏｎ－ｓｐｅｃｉｆｉｃｉｎｔｅｇｒａｔｅｄｃｉｒｃｕｉｔ、ＡＳＩＣ）、プログラマブル論理デバイス（ｐｒｏｇｒａｍｍａｂｌｅｌｏｇｉｃｄｅｖｉｃｅ、ＰＬＤ）又はそれらの組み合わせであってよい。ＰＬＤは、複雑プログラマブル論理デバイス（ｃｏｍｐｌｅｘｐｒｏｇｒａｍｍａｂｌｅｌｏｇｉｃｄｅｖｉｃｅ、ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅｇａｔｅａｒｒａｙ、ＦＰＧＡ）、ジェネリックアレイロジック（ｇｅｎｅｒｉｃａｒｒａｙｌｏｇｉｃ、ＧＡＬ）又はそれらの任意の組み合わせであってよい。

プロセッサ６０２及びメモリ６０３は、互いに接続される。オプションで、プロセッサ６０２及びメモリ６０３は、バス６０４を用いて互いに接続される。バス６０４は、ペリフェラルコンポーネントインターコネクト（ＰｅｒｉｐｈｅｒａｌＣｏｍｐｏｎｅｎｔＩｎｔｅｒｃｏｎｎｅｃｔ、ＰＣＩ）バス、又は、拡張型業界標準アーキテクチャ（ＥｘｔｅｎｄｅｄＩｎｄｕｓｔｒｙＳｔａｎｄａｒｄＡｒｃｈｉｔｅｃｔｕｒｅ、ＥＩＳＡ）バスなどであってよい。バスは、アドレスバス、データバス及び制御バスなどに分類され得る。表現しやすくするために、図６では、バスを表すために、１つの太線のみが用いられているが、これは、１つのバス又は１種類のバスのみがあることを意味するものではない。

警告解析デバイス６００が、図２に示されるネットワークデバイスの状態を判定するための方法を実施する場合、プロセッサ６０２は、予め設定された期間内のネットワークデバイスの複数のターゲット重要性能指標ＫＰＩデータを取得する段階と、
複数の特徴情報を取得する段階であって、特徴ベクトルにあり、かつ、特徴情報に対応するエレメントの計算方式を表すために、任意の特徴情報が用いられる、段階と、
各特徴情報に基づいて複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成する段階と、
複数の特徴情報に対応する生成されたエレメントを用いて特徴ベクトルを形成し、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する段階とを行うように構成される。

メモリ６０３は、プログラムなどを格納するように構成される。具体的には、プログラムは、プログラムコードを含んでよく、プログラムコードは、コンピュータ演算命令を含む。メモリ６０３は、ＲＡＭを含んでよく、さらに、不揮発性メモリ（ｎｏｎ－ｖｏｌａｔｉｌｅｍｅｍｏｒｙ）、例えば、少なくとも１つの磁気ディスクメモリを含んでよい。図２に示されるネットワークデバイスの状態を判定するための方法を実施するために、プロセッサ６０２は、メモリ６０３に格納されているアプリケーションプログラムを実行して、前述の機能を実施する。

考えられる実施例において、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する場合、プロセッサ６０２は、具体的には、警告解析モデルに基づいて特徴ベクトルを解析し、ネットワークデバイスの各状態の確率を判定し、確率に対応する状態の予め設定された基準値を各確率に乗算して、複数の積を取得し、複数の積を加算して、状態インジケーション値を取得し、状態インジケーション値が属する特定のインジケーション値の範囲を判定し、特定のインジケーション値の範囲に対応する状態をネットワークデバイスの状態として用いるように構成される。

任意選択の実施例において、予め設定された警告解析モデルに基づいて特徴ベクトルを解析する前に、プロセッサ６０２は、さらに、警告解析モデルを生成し、ネットワークデバイスの異なるネットワークデバイス状態に対応する特徴ベクトルサンプルを取得し、各ネットワークデバイスの状態と、ネットワークデバイスの状態に対応する特徴ベクトルサンプルとに対してロジスティック回帰処理を実行して、警告解析モデルを取得するように構成される。

任意選択の実装方式において、警告解析デバイス６００は、データを受信するように構成される通信インタフェース６０１をさらに含む。予め設定された期間内のネットワークデバイスの複数のターゲットＫＰＩデータを取得する場合、プロセッサ６０２は、具体的には、通信インタフェース６０１を制御して、ネットワークデバイスのＫＰＩデータであって、ネットワーク管理デバイスによって継続的に送信されたＫＰＩデータを受信し、受信したＫＰＩデータから予め設定された期間内の複数のターゲットＫＰＩデータを取得するように構成される。

要するに、本願の実施形態において提供される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によれば、警告解析デバイスは、予め設定された期間内のネットワークデバイスの複数のターゲット重要性能指標ＫＰＩデータを取得し、複数の特徴情報を取得し、各特徴情報に基づいて複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成し、複数の特徴情報に対応する生成されたエレメントを用いて特徴ベクトルを形成し、予め設定された警告解析モデルに基づいて特徴ベクトルを解析して、ネットワークデバイスの状態を判定する。このやり方では、ある時点におけるデータのみを用いる代わりに、ある期間内の複数のターゲットＫＰＩデータを解析することにより、ネットワークデバイスの状態が判定される。これにより、警告の見落としを減らすように、ネットワークデバイスを判定する精度を向上させる。

当業者であれば、本願の実施形態が、方法、システム又はコンピュータプログラム製品として提供され得ることを理解されたい。そのため、本願は、ハードウェアのみの実施形態、ソフトウェアのみの実施形態、又は、ソフトウェア及びハードウェアの組み合わせを有する実施形態の形式で用いてよい。さらに、本願は、コンピュータ使用可能プログラムコードを含む１又は複数のコンピュータ使用可能な記憶媒体（限定されるものではないが、ディスクメモリ、ＣＤ－ＲＯＭ及び光学メモリなどを含む）上で実装されるコンピュータプログラム製品の形式で用いてよい。

本願は、方法、本願の実施形態に係るデバイス（システム）及びコンピュータプログラム製品のフローチャート及び／又はブロック図に関して説明される。コンピュータプログラム命令は、フローチャート及び／又はブロック図における各処理及び／又は各ブロック、及び、フローチャート及び／又はブロック図における処理及び／又はブロックの組み合わせを実装するように用いられてよいことを理解されたい。これらのコンピュータプログラム命令は、マシンを生成するために、任意の他のプログラム可能なデータ処理デバイスの汎用コンピュータ、専用コンピュータ、組み込みプロセッサ、又は、プロセッサに提供されてよく、その結果、任意の他のプログラム可能なデータ処理デバイスのコンピュータ又はプロセッサにより実行される命令は、フローチャート内の１又は複数の処理及び／又はブロック図内の１又は複数のブロックにおける特定の機能を実装するための装置を生成する。

これらのコンピュータプログラム命令は、コンピュータ又は任意の他のプログラム可能なデータ処理デバイスに特定の方式で動作するよう命令できるコンピュータ可読メモリに格納されてよく、その結果、コンピュータ可読メモリに格納されている命令は、命令装置を含むアーチファクトを生成する。命令装置は、フローチャート内の１又は複数の処理及び／又はブロック図内の１又は複数のブロックにおける特定の機能を実装する。

これらのコンピュータプログラム命令は、コンピュータ又は別のプログラム可能なデータ処理デバイス上にロードされてよく、その結果、一連のオペレーション及び段階がコンピュータ又は別のプログラム可能デバイス上で実行され、それにより、コンピュータ実装処理を生成する。そのため、コンピュータ又は別のプログラム可能デバイス上で実行される命令は、フローチャート内の１又は複数の処理及び／又はブロック図内の１又は複数のブロックにおける特定の機能を実装するための段階を提供する。

本願のいくつかの好ましい実施形態が説明されてきたが、当業者であれば、彼らが基本的な発明の概念を理解すると、これらの実施形態に対して変更及び修正を行うことができる。そのため、以下の特許請求の範囲では、本願の範囲内に含まれる好ましい実施形態及びすべての変更及び修正をカバーするものと解釈されることを目的としている。

当然、当業者であれば、本願の範囲から逸脱することなく、本願の実施形態に対する様々な修正及び変形を行うことができる。本願は、以下の特許請求の範囲及びこれらの同等の技術により定義される保護の範囲内に含まれるならば、これらの修正及び変形をカバーすることを目的としている。

Claims

ネットワークデバイスの状態を判定するための方法であって、
警告解析デバイスにより、予め設定された期間内の前記ネットワークデバイスの複数のターゲット重要性能指標（ＫＰＩ）データを取得する段階と、
前記警告解析デバイスにより、複数の特徴情報に基づいて前記複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成する段階であって、各特徴情報は、特徴ベクトル内にあり、かつ、前記特徴情報に対応するエレメントの計算方式を表すために用いられる、段階と、
前記警告解析デバイスにより、前記複数の特徴情報に対応する生成されたエレメントを用いて前記特徴ベクトルを形成する段階と、
前記警告解析デバイスにより、前記特徴ベクトルを解析して、前記ネットワークデバイスの前記状態を判定する段階と
を備える方法。
前記複数の特徴情報は、サービス中断の回数、ＫＰＩ動向劣化の最悪値、変動値の最悪値、変動値の平均値、閾値距離の最悪値、及び、前記閾値距離の平均値を有する、請求項１に記載の方法。
前記方法は、前記警告解析デバイスにより、前記複数の特徴情報を取得する段階をさらに備える、請求項１または２一項に記載の方法。
前記警告解析デバイスにより、前記特徴ベクトルを解析して、前記ネットワークデバイスの前記状態を判定する段階は、前記警告解析デバイスにより、予め設定された警告解析モデルに基づいて前記特徴ベクトルを解析して、前記ネットワークデバイスの前記状態を判定する段階を有する、請求項１から３のいずれか一項に記載の方法。
前記警告解析デバイスにより、予め設定された警告解析モデルに基づいて前記特徴ベクトルを解析して、前記ネットワークデバイスの前記状態を判定する前記段階は、
前記警告解析デバイスにより、前記警告解析モデルに基づいて前記特徴ベクトルを解析して、前記ネットワークデバイスの各状態の確率を判定する段階と、
前記警告解析デバイスにより、前記ネットワークデバイスの各状態の前記確率に基づいて前記ネットワークデバイスの前記状態を判定する段階と
を有する、請求項４に記載の方法。
前記警告解析デバイスにより、前記ネットワークデバイスの各状態の前記確率に基づいて、前記ネットワークデバイスの前記状態を判定する前記段階は、
前記警告解析デバイスにより、前記ネットワークデバイスの各状態の前記確率に基づいて状態インジケーション値を取得する段階と、
前記警告解析デバイスにより、前記状態インジケーション値が属する特定のインジケーション値の範囲を判定し、前記特定のインジケーション値の範囲に対応する状態を前記ネットワークデバイスの前記状態として用いる段階と
を有する、請求項５に記載の方法。
前記警告解析デバイスにより、前記ネットワークデバイスの各状態の前記確率に基づいて状態インジケーション値を取得する前記段階は、
前記警告解析デバイスにより、前記確率に対応する状態の予め設定された基準値を各確率に乗算して、複数の積を取得する段階と、
前記警告解析デバイスにより、前記複数の積を加算して、状態インジケーション値を取得する段階と
を含む、請求項６に記載の方法。
前記警告解析デバイスにより、予め設定された警告解析モデルに基づいて前記特徴ベクトルを解析する前記段階の前に、前記方法は、
前記警告解析デバイスにより、前記警告解析モデルを生成する段階と、
をさらに備える、請求項４から７のいずれか一項に記載の方法。
前記警告解析デバイスにより、前記警告解析モデルを生成する前記段階は、
前記警告解析デバイスにより、前記ネットワークデバイスの異なる状態に対応する特徴ベクトルサンプルを取得する段階と、
前記警告解析デバイスにより、各状態と前記ネットワークデバイスの前記状態に対応する特徴ベクトルサンプルとに対してロジスティック回帰処理を実行して、前記警告解析モデルを取得する段階と
を含む、請求項８に記載の方法。
警告解析デバイスにより、予め設定された期間内の前記ネットワークデバイスの複数のターゲットＫＰＩデータを取得する前記段階は、
前記警告解析デバイスにより、前記ネットワークデバイスのＫＰＩデータであって、ネットワーク管理デバイスによって継続的に送信されたＫＰＩデータを受信する段階と、
前記警告解析デバイスにより、前記受信したＫＰＩデータから前記予め設定された期間内の前記複数のターゲットＫＰＩデータを取得する段階と
を有する、請求項１から９のいずれか一項に記載の方法。
前記ネットワークデバイスは、波長分割多重デバイス、ルータ又はパケット転送ネットワークデバイスのうちのいずれか１つのデバイスである、請求項１から１０のいずれか一項に記載の方法。
プログラム命令を格納するように構成されるメモリと、
前記メモリ内の前記プログラム命令を呼び出して、
予め設定された期間内のネットワークデバイスの複数のターゲット重要性能指標（ＫＰＩ）データを取得する工程と、
複数の特徴情報に基づいて前記複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成する工程であって、各特徴情報は、特徴ベクトル内にあり、かつ、前記特徴情報に対応するエレメントの計算方式を表すために用いられる、工程と、
前記複数の特徴情報に対応する生成されたエレメントを用いて前記特徴ベクトルを形成する工程と、
前記特徴ベクトルを解析して、前記ネットワークデバイスの状態を判定する工程と
を実行するように構成されるプロセッサと
を備える警告解析デバイス。
前記複数の特徴情報は、サービス中断の回数、ＫＰＩ動向劣化の最悪値、変動値の最悪値、変動値の平均値、閾値距離の最悪値、及び、前記閾値距離の平均値を有する、請求項１２に記載の警告解析デバイス。
前記プロセッサは、さらに、前記メモリ内の前記プログラム命令を呼び出して、前記複数の特徴情報を取得する工程を実行するように構成される、請求項１２又は１３に記載の警告解析デバイス。
前記特徴ベクトルを解析して、前記ネットワークデバイスの前記状態を判定する前記工程は、予め設定された警告解析モデルに基づいて前記特徴ベクトルを解析して、前記ネットワークデバイスの前記状態を判定する工程を有する、請求項１２から１４のいずれか一項に記載の警告解析デバイス。
予め設定された警告解析モデルに基づいて前記特徴ベクトルを解析して、前記ネットワークデバイスの前記状態を判定する前記工程は、
前記警告解析モデルに基づいて前記特徴ベクトルを解析して、前記ネットワークデバイスの各状態の確率を判定する工程と、
前記ネットワークデバイスの各状態の前記確率に基づいて前記ネットワークデバイスの前記状態を判定する工程と
を含む、請求項１５に記載の警告解析デバイス。
前記ネットワークデバイスの各状態の前記確率に基づいて前記ネットワークデバイスの前記状態を判定する前記工程は、
前記ネットワークデバイスの各状態の前記確率に基づいて状態インジケーション値を取得する工程と、
前記状態インジケーション値が属する特定のインジケーション値の範囲を判定し、前記特定のインジケーション値の範囲に対応する状態を前記ネットワークデバイスの前記状態として用いる工程と
を含む、請求項１６に記載の警告解析デバイス。
前記プロセッサは、さらに、前記メモリ内の前記プログラム命令を呼び出して、前記警告解析モデルを生成する工程を実行するように構成され、
前記警告解析モデルを生成する前記工程は、
前記ネットワークデバイスの異なる状態に対応する特徴ベクトルサンプルを取得する工程と、
各状態と、前記ネットワークデバイスの前記状態に対応する特徴ベクトルサンプルとに対してロジスティック回帰処理を実行して、前記警告解析モデルを取得する工程と
を有する、請求項１５から１７のいずれか一項に記載の警告解析デバイス。
予め設定された期間内のネットワークデバイスの複数のターゲット重要性能指標（ＫＰＩ）データを取得するように構成される取得ユニットと、処理ユニットとを備え、
前記処理ユニットは、複数の特徴情報に基づいて前記複数のターゲットＫＰＩデータを処理して、各特徴情報に対応するエレメントを生成することであって、各特徴情報は、特徴ベクトル内にあり、かつ、前記特徴情報に対応するエレメントの計算方式を表すために用いられる、生成することと、前記複数の特徴情報に対応する生成されたエレメントを用いて前記特徴ベクトルを形成することと、前記特徴ベクトルを解析して、前記ネットワークデバイスの状態を判定することとを行うように構成される、警告解析デバイス。
コンピュータ記憶媒体であって、コンピュータが実行可能な命令を格納し、前記コンピュータにより前記コンピュータが実行可能な命令が呼び出された場合、前記コンピュータが、請求項１から１１のいずれか一項に記載の方法を実行することが可能である、コンピュータ記憶媒体。
命令を備えるコンピュータプログラムであって、前記コンピュータプログラムがコンピュータ上で起動した場合、前記コンピュータは、請求項１から１１のいずれか一項に記載の方法を実行することが可能である、コンピュータプログラム。
チップであって、メモリに接続され、前記メモリに格納されているプログラム命令を読み出して実行して、請求項１から１１のいずれか一項に記載の方法を実装するように構成されるチップ。