JP7329162B1 - 情報処理装置および情報処理方法 - Google Patents
情報処理装置および情報処理方法 Download PDFInfo
- Publication number
- JP7329162B1 JP7329162B1 JP2023078382A JP2023078382A JP7329162B1 JP 7329162 B1 JP7329162 B1 JP 7329162B1 JP 2023078382 A JP2023078382 A JP 2023078382A JP 2023078382 A JP2023078382 A JP 2023078382A JP 7329162 B1 JP7329162 B1 JP 7329162B1
- Authority
- JP
- Japan
- Prior art keywords
- threads
- execution state
- information processing
- value
- execution
- 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
- 230000010365 information processing Effects 0.000 title claims description 65
- 238000003672 processing method Methods 0.000 title claims description 15
- 230000007704 transition Effects 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 38
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 230000006399 behavior Effects 0.000 claims description 2
- 230000007257 malfunction Effects 0.000 abstract description 19
- 230000005856 abnormality Effects 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
Landscapes
- Debugging And Monitoring (AREA)
Abstract
【解決手段】
プログラムの実行単位であるプロセス内の複数のスレッドの実行状態の遷移を記録するための変数を設定するように構成された設定部10と、プログラムの実行に応じて記録された、複数のスレッドの実行状態の遷移を示す変数の値を取得するように構成された取得部13と、取得部13によって取得された、複数のスレッドの実行状態の遷移を示す変数の値を未知の入力として学習済みの分類器に与え、学習済みの分類器の演算を行って、プログラムの動作異常の原因に関する分類クラスを出力するように構成された分類部14と、分類部14が出力した分類クラスに基づいて、プログラムの動作異常の原因を提示するように構成された提示部16とを備える。
【選択図】図1
Description
まず、本発明の実施の形態に係る情報処理装置1を備える情報処理システムの概要について説明する。図1に示すように、情報処理システムは、情報処理装置1と、コアネットワーク装置2とを備え、情報処理装置1とコアネットワーク装置2とは、WAN(Wide Area Network)、LAN(Local Area Network)、インターネットなどのネットワークNWを介して接続されている。
図1に示すように、情報処理装置1は、設定部10、学習部11、記憶部12、取得部13、分類部14、特定部15、および提示部16を備える。
次に、上述した機能を有する情報処理装置1を実現するハードウェア構成の一例について、図3を用いて説明する。
次に、上述した構成を有する情報処理装置1の動作を、図5および図6のフローチャートを参照して説明する。図5は、情報処理装置1による学習処理を示すフローチャートである。図6は、情報処理装置1による、学習済みの分類器を用いた分類処理および特定処理を示すフローチャートである。
Claims (10)
- プログラムの実行単位であるプロセス内の複数のスレッドの実行状態の遷移を記録するための変数を設定するように構成された設定部と、
前記プログラムの実行に応じて記録された、前記複数のスレッドの前記実行状態の遷移を示す変数の値を取得するように構成された取得部と、
前記取得部によって取得された、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値を未知の入力として学習済みの分類器に与え、前記学習済みの分類器の演算を行って、前記プログラムの動作異常の原因に関する分類クラスを出力するように構成された分類部と、
前記分類部が出力した前記分類クラスに基づいて、前記プログラムの前記動作異常の原因を提示するように構成された提示部と
を備える情報処理装置。 - 請求項1に記載の情報処理装置において、
さらに、前記取得部によって取得された、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値に基づいて、前記プログラムにおける前記動作異常の発生箇所を特定するように構成された特定部を備え、
前記提示部は、特定された前記動作異常の前記発生箇所を示す情報を提示するように構成されている
ことを特徴とする情報処理装置。 - 請求項2に記載の情報処理装置において、
さらに、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値に対して予め設定された前記動作異常の原因を正解ラベルとして付した教師データを用いて、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値と、前記動作異常の原因との関係を学習し、前記学習済みの分類器を構築するように構成された学習部を備える
ことを特徴とする情報処理装置。 - 請求項3に記載の情報処理装置において、
前記複数のスレッドの前記実行状態の遷移を示す前記変数の値は、前記複数のスレッドのうちの第1スレッドが、第1実行状態において第1命令を実行した後に、または並行して、第2スレッドが第2命令を実行する第2実行状態へ遷移したことを示す第1の値、および、前記第1スレッドが前記第1命令を実行することができないため、前記第1スレッドの前記第1実行状態が正常に終了せず、前記第2実行状態へ遷移しなかったことを示す第2の値のいずれかを含む
ことを特徴とする情報処理装置。 - 請求項4に記載の情報処理装置において、
前記特定部は、前記取得部によって取得された、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値が前記第2の値を含む場合に、前記第2の値によって示される、正常に終了しなかった前記第1実行状態において前記第1スレッドが実行することができなかった前記第1命令が、前記プログラムにおける前記動作異常の前記発生箇所に対応すると特定する
ことを特徴とする情報処理装置。 - プログラムの実行単位であるプロセス内の複数のスレッドの実行状態の遷移を記録するための変数を設定する第1ステップと、
前記プログラムの実行に応じて記録された、前記複数のスレッドの前記実行状態の遷移を示す変数の値を取得する第2ステップと、
前記第2ステップで取得された、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値を未知の入力として学習済みの分類器に与え、前記学習済みの分類器の演算を行って、前記プログラムの動作異常の原因に関する分類クラスを出力する第3ステップと、
前記第3ステップで出力された前記分類クラスに基づいて、前記プログラムの前記動作異常の原因を提示する第4ステップと
を備える情報処理方法。 - 請求項6に記載の情報処理方法において、
さらに、前記第2ステップで取得された、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値に基づいて、前記プログラムにおける前記動作異常の発生箇所を特定する第5ステップを備え、
前記第4ステップは、特定された前記動作異常の前記発生箇所を示す情報を提示する
ことを特徴とする情報処理方法。 - 請求項7に記載の情報処理方法において、
さらに、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値に対して予め設定された前記動作異常の原因を正解ラベルとして付した教師データを用いて、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値と、前記動作異常の原因との関係を学習し、前記学習済みの分類器を構築する第6ステップを備える
ことを特徴とする情報処理方法。 - 請求項8に記載の情報処理方法において、
前記複数のスレッドの前記実行状態の遷移を示す前記変数の値は、前記複数のスレッドのうちの第1スレッドが、第1実行状態において第1命令を実行した後に、または並行して、第2スレッドが第2命令を実行する第2実行状態へ遷移したことを示す第1の値、および、前記第1スレッドが前記第1命令を実行することができないため、前記第1スレッドの前記第1実行状態が正常に終了せず、前記第2実行状態へ遷移しなかったことを示す第2の値のいずれかを含む
ことを特徴とする情報処理方法。 - 請求項9に記載の情報処理方法において、
前記第5ステップは、前記第2ステップで取得された、前記複数のスレッドの前記実行状態の遷移を示す前記変数の値が前記第2の値を含む場合に、前記第2の値によって示される、正常に終了しなかった前記第1実行状態において前記第1スレッドが実行することができなかった前記第1命令が、前記プログラムにおける前記動作異常の前記発生箇所に対応すると特定する
ことを特徴とする情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023078382A JP7329162B1 (ja) | 2023-05-11 | 2023-05-11 | 情報処理装置および情報処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023078382A JP7329162B1 (ja) | 2023-05-11 | 2023-05-11 | 情報処理装置および情報処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7329162B1 true JP7329162B1 (ja) | 2023-08-17 |
Family
ID=87563126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023078382A Active JP7329162B1 (ja) | 2023-05-11 | 2023-05-11 | 情報処理装置および情報処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7329162B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7496481B1 (ja) | 2024-02-15 | 2024-06-06 | 株式会社インターネットイニシアティブ | プロセス管理装置およびプロセス管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010522905A (ja) * | 2006-09-29 | 2010-07-08 | フィッシャー−ローズマウント システムズ, インコーポレイテッド | プロセスプラントにおける異常状態の多変量検出 |
JP2011232814A (ja) * | 2010-04-23 | 2011-11-17 | Nec Corp | プログラム検証装置、方法及びプログラム |
JP2012138044A (ja) * | 2010-12-28 | 2012-07-19 | Toshiba Corp | プロセス状態監視装置 |
-
2023
- 2023-05-11 JP JP2023078382A patent/JP7329162B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010522905A (ja) * | 2006-09-29 | 2010-07-08 | フィッシャー−ローズマウント システムズ, インコーポレイテッド | プロセスプラントにおける異常状態の多変量検出 |
JP2011232814A (ja) * | 2010-04-23 | 2011-11-17 | Nec Corp | プログラム検証装置、方法及びプログラム |
JP2012138044A (ja) * | 2010-12-28 | 2012-07-19 | Toshiba Corp | プロセス状態監視装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7496481B1 (ja) | 2024-02-15 | 2024-06-06 | 株式会社インターネットイニシアティブ | プロセス管理装置およびプロセス管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113011828B (zh) | 更新或重新训练并更新动态人工智能/机器学习模型 | |
Gao et al. | Task failure prediction in cloud data centers using deep learning | |
US10936936B2 (en) | Systems and methods for intelligently configuring and deploying a control structure of a machine learning-based dialogue system | |
Yadwadkar et al. | Wrangler: Predictable and faster jobs using fewer resources | |
US7730364B2 (en) | Systems and methods for predictive failure management | |
US8112758B2 (en) | Methods and apparatus for resource allocation in partial fault tolerant applications | |
US11860721B2 (en) | Utilizing automatic labelling, prioritizing, and root cause analysis machine learning models and dependency graphs to determine recommendations for software products | |
CN112668988A (zh) | 使用人工智能(ai)的媒体到工作流生成 | |
JP7329162B1 (ja) | 情報処理装置および情報処理方法 | |
US10732873B1 (en) | Timeout mode for storage devices | |
US20210200535A1 (en) | Scalable code repository with green master | |
US20230107316A1 (en) | Automatic data transfer between a source and a target using semantic artificial intelligence for robotic process automation | |
KR102502324B1 (ko) | 로봇 프로세스 자동화를 위한 머신 학습 모델 재훈련 파이프라인 | |
Pinto et al. | Hadoop distributed computing clusters for fault prediction | |
Tran et al. | Proactive stateful fault-tolerant system for kubernetes containerized services | |
WO2016118792A1 (en) | Text classification using bi-directional similarity | |
US20200364104A1 (en) | Identifying a problem based on log data analysis | |
US11935129B2 (en) | Methods for automatically determining injury treatment relation to a motor vehicle accident and devices thereof | |
US20230289648A1 (en) | Generating validated quantum function invocations | |
US11797770B2 (en) | Self-improving document classification and splitting for document processing in robotic process automation | |
US20220100964A1 (en) | Deep learning based document splitter | |
EP3905144A1 (en) | Machine learning model retraining pipeline for robotic process automation | |
EP4140098A1 (en) | Automated reasoning for event management in cloud platforms | |
Wang et al. | SaaS software performance issue diagnosis using independent component analysis and restricted Boltzmann machine | |
US20240118991A1 (en) | Application scenario injection and validation system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230511 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230511 |
|
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: 20230803 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230804 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7329162 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |