JPWO2011138911A1 - 障害分析装置、障害分析方法およびプログラム - Google Patents

障害分析装置、障害分析方法およびプログラム Download PDF

Info

Publication number
JPWO2011138911A1
JPWO2011138911A1 JP2012513806A JP2012513806A JPWO2011138911A1 JP WO2011138911 A1 JPWO2011138911 A1 JP WO2011138911A1 JP 2012513806 A JP2012513806 A JP 2012513806A JP 2012513806 A JP2012513806 A JP 2012513806A JP WO2011138911 A1 JPWO2011138911 A1 JP WO2011138911A1
Authority
JP
Japan
Prior art keywords
failure
analysis target
value
target data
values
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
JP2012513806A
Other languages
English (en)
Other versions
JP5765336B2 (ja
Inventor
遼平 藤巻
遼平 藤巻
英徳 塚原
英徳 塚原
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.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Priority to JP2012513806A priority Critical patent/JP5765336B2/ja
Publication of JPWO2011138911A1 publication Critical patent/JPWO2011138911A1/ja
Application granted granted Critical
Publication of JP5765336B2 publication Critical patent/JP5765336B2/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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Debugging And Monitoring (AREA)

Abstract

障害分析装置（１００）は、障害分析処理部（１０７）と、属性抽出処理部（１０８）と、出力部（１０５）とを備える。障害分析処理部（１０７）は、分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する複数の指標の代表値との相対的な関係に基づいて、分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める。そして、求めた障害寄与度に基づいて、発生している障害要素を特定する。属性抽出処理部（１０８）は、障害要素を組み合わせた障害が発生しているときに、複数の指標がとる代表値と、記憶した分析対象データの各要素の値と、に基づいて、特定した障害要素の要因と推定される指標を特定する。出力部（１０５）は、特定した障害要素と指標との少なくとも一方を出力する。

Description

本発明は、機械システムの障害分析装置、障害分析方法および記録媒体に関する。
機械システムに障害が発生した際、迅速に原因を究明する事が重要である。しかし、近年の複雑化した機械システムから取得される大量のデータを人間が分析する事は困難である。そのため、原因究明の支援技術が一般に用いられている。
このような原因究明の支援技術として、機械システムから取得される、異なる属性のセンサ情報やログ情報等から、発生した障害に関連する属性の各種センサ情報やログ情報等（以下、注目属性という）を絞り込み、ユーザーへ提供する技術が提案されている。
具体的には、センサの時系列データから変化点を検出し、変化している属性を注目属性とする技術（例えば、特許文献１、非特許文献１参照）、主成分分析や類似する手法によりセンサ情報から特徴的な属性を算出し、その属性を注目属性とする技術（例えば、非特許文献２参照）などが提案されている。
特開２００５−２５７４１６号公報
Ｊｕｎ−ｉｃｈｉ Ｔａｋｅｕｃｈｉ， Ｋｅｎｊｉ Ｙａｍａｎｉｓｈｉ， "Ａ Ｕｎｉｆｙｉｎｇ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｄｅｔｅｃｔｉｎｇ Ｏｕｔｌｉｅｒｓ ａｎｄ Ｃｈａｎｇｅ Ｐｏｉｎｔｓ ｆｒｏｍ Ｔｉｍｅ Ｓｅｒｉｅｓ，" ＩＥＥＥ ＴＲＡＮＳＡＣＴＩＯＮＳ ＯＮ ＫＮＯＷＬＥＤＧＥ ＡＮＤ ＤＡＴＡ ＥＮＧＩＮＥＥＲＩＮＧ， ＶＯＬ．１８， ＮＯ．４， ＡＰＲＩＬ ２００６ 福地陽一、平井規郎、朱雀健、河野篤、原田忠尚、安全・快適な車社会を目指したＶＲＭソリューション、ＶＲＭ（Ｖｅｈｉｃｌｅ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ）Ｓｏｌｕｔｉｏｎ ｆｏｒ ａ Ｓａｆｅ ａｎｄ Ｃｏｍｆｏｒｔａｂｌｅ Ａｕｔｏｍｏｂｉｌｅ Ｓｏｃｉｅｔｙ、２００５
しかし、上記のような技術では、発生した障害に直接起因して生じる変化と、その障害に関連して生じる変化との両方が生じた場合に、障害に直接起因する属性と、その障害に間接的に起因する属性とが区別されずに、それぞれ注目属性として抽出される。したがって、注目属性を高精度に抽出するという観点からみると未だ十分とは言えない。
本発明は、上述のような事情に鑑みてなされたものであり、注目属性を高精度に抽出できる障害分析装置、障害分析方法および記録媒体を提供することを目的としている。
上記目的を達成するため、本発明の第一の観点に係る障害分析装置は、
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出手段と、
前記障害寄与度算出手段により求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定手段と、
障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する要因指標特定手段と、
前記障害要素特定手段により特定された障害要素と前記要因指標特定手段により特定された指標との少なくとも一方を出力する出力手段と、
を備えることを特徴とする。
上記目的を達成するため、本発明の第二の観点に係る障害分析方法は、
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出ステップと、
前記障害寄与度算出ステップで求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定ステップと、
障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定ステップで特定された障害要素の要因と推定される指標を特定する要因指標特定ステップと、
前記障害要素特定ステップで特定された障害要素と前記要因指標特定ステップで特定された指標との少なくとも一方を出力する出力ステップと、
を備えることを特徴とする。
上記目的を達成するため、本発明の第三の観点に係るコンピュータ読み取り可能な記録媒体は、
コンピュータを、
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出手段、
前記障害寄与度算出手段により求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定手段、
障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する要因指標特定手段、
前記障害要素特定手段により特定された障害要素と前記要因指標特定手段により特定された指標との少なくとも一方を出力する出力手段、
として機能させるためのプログラムを記録する。
本発明によれば、注目属性を高精度に抽出できる障害分析装置、障害分析方法および記録媒体を提供することができる。
本発明の第１の実施形態に係る障害分析装置の一例を示すブロック図である。 障害パタン行列の一例を示す図である。 本発明の第１の実施形態に係る障害分析装置にて行われる分析処理の一手順を示すフローチャートである。 属性パタンテーブルの一例を示す図である。 本発明の第２の実施形態に係る障害分析装置の一例を示すブロック図である。 データ行列の一例を示す図である。 障害発生行列の一例を示す図である。 本発明の第２の実施形態に係る障害分析装置にて行われる分析処理の一手順を示すフローチャートである。 本発明の第３の実施形態に係る障害分析装置の一例を示すブロック図である。 障害変化パタン行列の一例を示す図である。 本発明の第３の実施形態に係る障害分析装置にて行われる分析処理の一手順を示すフローチャートである。 本発明の第４の実施形態に係る障害分析装置の一例を示すブロック図である。 本発明の第４の実施形態に係る障害分析装置にて行われる分析処理の一手順を示すフローチャートである。
以下、本発明の実施形態に係る障害分析装置１００を、図面を参照して説明する。
（第１の実施形態）
本実施形態に係る障害分析装置１００は、分析対象である機械システムから取得される、異なる属性のセンサ情報やログ情報等から、発生した障害を特定し、その障害における注目属性を抽出する、プログラム制御により動作するコンピュータである。ここで、属性とは、各種センサ等の種別を指し、例えば、エアコンにおける室外機では、外気温センサや、室外熱交換センサ等である。障害分析装置１００は、図１に示すように、入力部１０１と、通信部１０２と、制御部１０３と、記憶部１０４と、出力部１０５と、から構成されている。
入力部１０１は、キーボードやマウス等に代表される入力装置である。入力部１０１は、ユーザーにより設定された、発生している障害を特定するための要素と、注目属性を抽出するための要素と、障害分析装置１００を動作させるための開始信号とを制御部１０３内の障害分析処理部１０７や属性抽出処理部１０８へ渡す。
通信部１０２は、外部データベースシステムとの接続を行うためのインタフェースを備える。外部データベースシステムには、分析対象の各属性に関するデータがログ情報やセンサ情報として格納されている。ログ情報やセンサ情報は、外部データベースシステムから通信部１０２を通じて制御部１０３に供給される。
制御部１０３は、記憶部１０４に格納されたプログラム１０６に従って動作し、入力部１０１からの入力を受け付けて分析に必要な機能を提供する。制御部１０３は、プログラム１０６に従って動作することにより、障害分析処理部１０７、属性抽出処理部１０８として機能する。
障害分析処理部１０７は、入力部１０１から受け取った、障害を特定するための要素を一時的に記憶する、内部メモリを備えている。内部メモリには、あらかじめ、後述する障害寄与度の種別と、障害の識別情報を対応付けて、発生している障害を特定するための対応表が格納されている。
属性抽出処理部１０８は、入力部１０１から受け取った、属性を抽出するための要素を一時的に記憶する、内部メモリを備えている。
記憶部１０４は、ハードディスクや半導体メモリなどの記憶装置から構成される。記憶部１０４には、障害分析装置１００を動作させるためのプログラム１０６と、障害パタン行列１１０と、属性パタンデータベース１１１とが格納されている。
障害パタン行列１１０は、図２に示すように、障害の総数×属性の総数（Ｍ行Ｄ列）の行列である。障害パタン行列１１０の要素Ｑｍｄは、障害ｍに対する属性ｄの代表値を示している。代表値は、過去に発生した障害に対応する属性値の平均値である。
属性パタンデータベース１１１は、複数の障害パタンテーブル１１２を備えている
障害パタンテーブル１１２は、図４に示すように、障害の組み合わせと、その組み合わせの障害が発生した際の各属性の代表値を示すテーブルである。代表値は、過去に発生した障害の組み合わせに対応する属性値の平均値である。各障害の総数と、各障害の組み合わせの総数を加えた数の障害パタンテーブル１１２が、属性パタンデータベース１１１にあらかじめ格納されている。障害の組み合わせに関しては、全ての障害の組み合わせに対応する障害パタンテーブル１１２が格納されていてもよいし、事前に絞り込まれた特定の障害の組み合わせに対応する障害パタンテーブル１１２が格納されていてもよい。
出力部１０５は、ディスプレイ装置やプリンタに代表される出力装置である。
次に、図３を参照して、本実施形態に係る障害分析装置１００の動作について説明する。
本実施形態に係る障害分析処理は、入力部１０１からの開始信号を受け付けて開始される。
まず、データ入力手段である通信部１０２は、外部データベースシステムから分析対象データであるセンサ情報やログ情報（以下、入力データという）を読み出す（ステップＳ１００）。
次に、障害分析処理部１０７は、入力部１０１から障害を特定するための要素、通信部１０２から入力データ、をそれぞれ受け取り、障害を特定するための要素を内部メモリに記憶する。属性抽出処理部１０８は、入力部１０１から属性を抽出するための要素を受け取り、内部メモリに記憶する。
障害分析処理部１０７は、記憶部１０４から障害パタン行列１１０を読み込む（ステップＳ１０１）。
続いて、障害分析処理部１０７は、通信部１０２から受け取った入力データと記憶部１０４から読み込んだ障害パタン行列１１０とを用いて、以下に示すように、発生している障害に対する障害の各要素の寄与の大きさ（以下、障害寄与度という）を求める（ステップＳ１０２）。
障害分析処理部１０７は、入力データの予測値を、パラメータベクトルＡを用いて、記憶部１０４から読み込んだ障害パタン行列１１０における行ベクトルの関数として表す。パラメータベクトルＡは障害寄与度である。
関数の例としては、下式（１）のような線型関数を利用する。
ｆ（Ｑ，Ａ）＝Ｘ’＝Ａ１Ｑ１＋Ａ２Ｑ２＋・・・＋ＡＭＱＭ ・・・（１）
式（１）は、障害寄与度であるＡ１，Ａ２，・・・，ＡＭ（Ｍは障害の総数。以下同じ。）を用いて、入力データであるＸ＝Ｘ１，Ｘ２，・・・，ＸＤ（Ｄは属性の総数。以下同じ。）の予測値Ｘ’を、障害ｍについての各属性に対応する値のベクトルＱｍ１，・・・，ＱｍＤの線型関数として表したものである。例えば、入力データＸ１の予測値Ｘ１’は、Ｘ１’＝Ａ１Ｑ１１＋Ａ２Ｑ２１＋・・・＋ＡＭＱＭ１となる。
次に、障害分析処理部１０７は、ＸとＸ’との間の距離を表す損失関数Ｌ＝｛Ｘ−ｆ（Ｑ，Ａ）｝２につき、ＸとＸ’の間の距離を最小化するＡの各要素の値を、下式（２）を解くことにより求める。
Ａ＝ａｒｇｍｉｎ＿Ａ（Ｘ−Ｘ’）２ ・・・（２）
式（２）は、（Ｘ−Ｘ’）２を最小にするようなＡを求める演算を表す。
続いて障害分析処理部１０７は、上記で求めたＡの各要素から、内部メモリに記憶した要素に基づいて、発生している障害を特定する（ステップＳ１０３）。
本実施形態では、入力部１０１から受け取った、発生している障害を特定するための要素として、閾値が内部メモリに記憶されている。障害分析処理部１０７は、上記で求めたＡの各要素につき、Ａの要素の値と、内部メモリに記憶されている閾値とをそれぞれ比較して、Ａの要素の値が閾値以上である場合には、その要素に対応する障害を、発生している障害として特定する。
例を示すと、求めたＡの各要素の値が、Ａ１＝０．５、Ａ２＝０．４、Ａ３＝０．１・・・で、内部メモリに記憶されている閾値が０．４である場合、障害分析処理部１０７は、Ａの各要素の値と閾値とをそれぞれ比較し、Ａの値が０．４以上であるＡ１およびＡ２を抽出する。障害分析処理部１０７は、抽出したＡ１およびＡ２と、あらかじめ内部メモリに記憶されている対応表とを比較して、Ａ１およびＡ２に対応する障害１および障害２を、発生している障害として特定する。
属性抽出処理部１０８は、入力データと、障害分析処理部１０７により特定および算出された、障害および障害寄与度を、障害分析処理部１０７から受け取る。
次に、属性抽出処理部１０８は、障害分析処理部１０７により特定された障害に基づいて、入力データの各属性から注目すべき属性を以下のように抽出する。
属性抽出処理部１０８は、特定された障害をキーとして、記憶部１０４の属性パタンデータベース１１１から、特定された障害に対応した属性パタンテーブル１１２を読み込む（ステップＳ１０４）。
上記例のように、障害分析処理部１０７により特定された障害が障害１および障害２である場合、属性抽出処理部１０８は、図４に示すような属性パタンテーブル１１２を読み込む。
属性抽出処理部１０８は、受け取った入力データの各要素の値と、読み込んだ属性パタンテーブル１１２の値の対応するもの同士を比較し、内部メモリに記憶した要素に基づいて、注目属性を抽出する（ステップＳ１０５）。
例えば、上記例の場合について説明すると、属性抽出処理部１０８は、入力データの要素の値と、図４に示す属性パタンテーブル１１２の要素の値（要素Ｚ１の値）との差の絶対値を求める。そして、属性抽出処理部１０８は、求めた差の絶対値と、内部メモリに記憶されている閾値とを比較して、求めた差の絶対値が閾値以下である場合には、各要素に対応する属性を注目属性として抽出する。属性抽出処理部１０８は、入力データの各要素につきこの動作を行うことで、入力データから注目すべき属性を抽出する。
続いて属性抽出処理部１０８は、障害の識別情報、障害寄与度、抽出した注目属性を、入力データに対応付けて出力部１０５へ渡す。
出力部１０５は、受け取った情報を出力する（ステップＳ１０６）。
ユーザーは、出力部１０５で出力された情報に基づいて、分析対象に発生した障害の原因究明を行う。
このように、障害分析装置１００は、ユーザーへ分析対象データに関連する障害、寄与の大きさ、その障害がどの属性に影響を与えているか、という情報を同時に提供することで、高精度に注目属性を抽出することができ、ひいては障害の原因究明の時間短縮化につながる。
（変形例）
この発明は、上記実施形態に限定されず、種々の変形及び応用が可能である。例えば、上記実施形態では、外部データベースシステムから分析対象データである入力データを読み出し、分析処理を行う例を示した。しかし、これは一例であり、ユーザーが入力部１０１から入力した分析対象データを入力データとして障害分析処理部１０７が受け取り、分析処理を行ってもよく、入力データを取得する方法は任意である。
上記実施形態では、障害パタン行列１１０の代表値が、過去に発生した障害に対応する属性値の平均値であり、属性パタンテーブル１１２の代表値が、過去に発生した障害の組み合わせに対応する属性値の平均値である例を示したが、必ずしもこれに限定されない。障害パタン行列１１０や属性パタンテーブル１１２の代表値は、事前に専門家が定義した値や、過去の障害データから所定の方法で推定した値など、任意の値を用いることができる。
また、上記実施形態では、属性パタンテーブル１１２が記憶部１０４の属性パタンデータベース１１１内に予め格納されている例を示したが、必ずしもこれに限定されない。障害パタン行列１１０の各要素の代表値から、障害分析処理部１０７により特定された障害に基づいて、障害分析処理部１０７により特定された障害に対応する属性パタンテーブル１１２を生成してもよい。例えば、上記例のように、障害分析処理部１０７により特定された障害が障害１および障害２であった場合、障害パタン行列１１１の障害１についての代表値と、対応する障害２についての代表値との和を、障害１および２に対応する属性パタンテーブル１１２の各要素の値としてもよい。このように、任意の方法により属性パタンテーブル１１２を生成してもよい。
上記実施形態では、障害分析処理部１０７が、ｆ（Ｑ，Ａ）として、線形関数を利用する例を示したが、必ずしもこれに限定されない。障害分析処理部１０７は、ｆ（Ｑ，Ａ）として、多項関数など任意の関数を利用することができる。
上記実施形態では、障害分析処理部１０７は、損失関数Ｌとして、ＸとＸ’との間の距離を表す関数を用いたが、これは一例であり、必ずしもこれに限定されない。例えば、障害分析処理部１０７は、入力データの予測値を確率分布としてとらえた場合は、損失関数Ｌとして、対数損失関数を利用することができる。また、障害分析処理部１０７は、損失関数Ｌとして、構造化リスク最小化（ｓｔｒｕｃｔｕｒａｌ ｒｉｓｋ ｍｉｎｉｍｉｚａｔｉｏｎ）、最尤推定、ベイズ推定等、任意の関数を利用することができる。
上記実施形態では、入力部１０１で設定される、障害分析処理部１０７が障害を特定するための要素や、属性抽出処理部１０８が注目属性を抽出するための要素を、閾値を用いて行うように設定した例を示した。しかし、これは一例であり、入力部１０１で設定される要素は任意である。また、要素は設定されなくてもよく、その場合には、障害寄与度が非負である各値について、対応する障害が特定され、この障害に対応する属性が注目属性として抽出される。
（第２の実施形態）
本実施形態に係る障害分析装置２００は、第１の実施形態における障害パタン行列１１０を予め記憶部１０４に格納することなく、発生している障害と、その障害に関連する属性を注目属性として抽出する障害分析装置である。
本実施形態に係る障害分析装置２００は、第１の実施形態と比較すると、図５に示すように、制御部１０３に、データ行列生成処理部２０５、障害発生行列生成処理部２０６をさらに備えている。また、記憶部１０４が、障害パタン行列１１０および属性パタンデータベース１１１を備えていない点で障害分析装置１００と相違する。なお、第１の実施形態と同じ部材及び構成については省略する。
次に、図８を参照して、本実施形態に係る障害分析装置２００の動作について説明する。
まず、通信部１０２は、複数の入力データを読み出す（ステップＳ２００）。本実施形態における入力データは、センサ情報やログ情報の他、関連する障害の種別を同時に含む。
データ行列生成処理部２０５と障害発生行列生成処理部２０６は、データ入力手段である通信部１０２から、複数の入力データを読み出す。
データ行列生成処理部２０５は、読み出した複数の入力データから、属性値を、図６に示すような、データ数×属性数（Ｎ行Ｄ列）の（Ｎはデータの総数。以下同じ。）データ行列２０８として配列し、記憶部１０４に記憶する（ステップＳ２０１）。以下、データ行列２０８をＧとする。各行ベクトルＧｎは、１つの入力データを示す行ベクトルである。
障害発生行列生成処理部２０６は、読み出した入力データから、障害の発生有無を、図７に示すような、データ数×障害の総数（Ｎ行Ｍ列）の障害発生行列２０９として配列し、記憶部１０４に記憶する（ステップＳ２０２）。以下、障害発生行列２０９をＦとし、Ｆの各行ベクトルをＦｎとする。例えば、要素Ｆｉｊは、データｉに対する障害ｊの発生有無を表し、障害ｊが発生していない場合には０、発生している場合には１を示す。
障害分析処理部１０７は、記憶部１０４からデータ行列２０８および障害発生行列２０９を読み込む。
障害分析処理部１０７は、第１の実施形態と同様に、損失関数を最適化する。第１の実施形態におけるＳ１０２では、障害分析処理部１０７は、損失関数をＡについて最適化した。しかし、本実施形態では、障害分析処理部１０７は、ＡとＱについて数理計画法により最適化し、障害寄与度を求めると同時に、対応する障害パタン行列１１０の各要素を求める（ステップＳ２０３）。
例えば、３つの属性を持つ２つの入力データ（Ｇ１〜３およびＧ１〜３’）それぞれにつき、障害１と２が発生した場合について簡単に説明する。
この場合、障害分析処理部１０７は、下式（３）のデータ行列Ｇと下式（４）の障害発生行列Ｆを生成する。
Figure 2011138911
Figure 2011138911
第１の実施形態と同様に、本実施形態においても、入力データＧの予測値ｇを示す関数として線型関数を利用すると、線型関数は、ｆ（Ｑ，Ａ，Ｆ）＝ｇ＝Ａ１Ｆ１Ｑ１＋Ａ２Ｆ２Ｑ２＋・・・＋ＡＭＦＭＱＭとなる。
この場合、入力データの要素Ｇ１およびＧ１’の予測値ｇ１は、ｇ１＝Ａ１Ｑ１１＋Ａ２Ｑ２１となる。
第１の実施形態と同様に、データ行列Ｇと予測値ｇとの距離を示すと、下式（５）および下式（６）となる。
Figure 2011138911
Figure 2011138911
ここで、障害分析処理部１０７は、式（５）と式（６）の和を求める。式（５）と式（６）の和は、ＡおよびＱの関数となる。障害分析処理部１０７は、式（５）と式（６）の和が最小となるようなＡおよびＱの各要素の値を、数理計画法を利用して求める。
続いて障害分析処理部１０７は、上記で求めた障害寄与度Ａの各要素から、第１の実施形態と同様にして、障害を特定する（ステップＳ２０４）。
次に、障害分析処理部１０７は、上記で求めたＱの各要素を用いて、上記で特定した障害と、入力データの属性数に対応する各属性の代表値を示す、属性パタンテーブル１１２を求める（ステップＳ２０５）。
障害分析処理部１０７は、例えば、図４に示すような、障害１と２が発生した場合の属性１の代表値Ｚ１を、障害１のみが発生した場合の各属性の代表値Ｑ１１と、障害２のみが発生した場合の各属性の代表値Ｑ２１との和によって求める。障害分析処理部１０７は、上記で求めたＱの各属性につきこの処理を繰り返すことで、特定した障害に対する属性パタンテーブル１１２を求める。
属性抽出処理部１０８は、データ行列２０８と、障害分析処理部１０７により特定された障害、障害寄与度および属性パタンテーブル１１２とを障害分析処理部１０７から読み出す。
属性抽出処理部１０８は、データ行列２０８の各要素と属性パタンテーブル１１２の各要素とを比較し、第１の実施形態と同様にして注目属性を抽出する（ステップＳ２０６）。
続いて属性抽出処理部１０８は、障害、障害寄与度、抽出した注目属性を、データ行列２０８に対応付けて出力部１０５へ渡す。そして、出力部１０５は、受け取った情報を出力する（ステップＳ２０７）。
このように、各障害に対する属性の代表値を示す障害パタンが不明な場合でも、障害分析装置２００は、ユーザーへ分析対象データに関連する障害、寄与の大きさ、その障害がどの属性に影響を与えているか、という情報を同時に提供することができる。その結果、分析対象の障害に対する予備知識を必要とすることなく、高精度に注目属性を抽出できる。
（変形例）
なお、上記実施形態は一例であり、第１の実施形態と同様に、種々の変形及び応用が可能である。上記実施形態では、属性パタンテーブル１１２は、各障害に対する各属性の代表値の和を利用して求められたが、これは一例であり、任意の方法を利用することができる。
また、上記実施形態では、障害分析処理部１０７が、障害パタン行列１１０を生成し、生成した障害パタン行列１１０の各要素に基づいて、特定した障害に対応する属性パタンテーブル１１２の各要素を算出する例を示した。しかし、これは一例であり、必ずしもこれに限定されない。属性パタンテーブル１１２は、予め記憶されていてもよい。さらにその各要素の値は、事前に専門家が定義した値や、過去のデータから推定するなど、任意の値を用いることができる。
（第３の実施形態）
本実施形態に係る障害分析装置３００は、入力データとして時系列データを用いて、障害が発生した際の各属性値の変化度を算出することにより、第１の実施形態に係る障害分析装置１００で出力する情報に加え、注目属性に生じた変化情報を出力する障害分析装置である。
本実施形態に係る障害分析装置３００は、第１の実施形態と比較すると、図９に示すように、制御部１０３に、データ変化度算出処理部３０１をさらに備えている。また、記憶部１０４が、障害パタン行列１１０ではなく障害変化パタン行列３０２を、属性パタンデータベース１１１ではなく属性変化パタンデータベース３０３を備えている点で障害分析装置１００と相違する。なお、第１の実施形態と同じ部材及び構成については省略する。
障害変化パタン行列３０２は、図１０に示すように、第１の実施形態に係る障害パタン行列と同様に、障害の総数×属性の総数（Ｍ行Ｄ列）の行列である。しかし、障害変化パタン行列３０２の要素Ｃｍｄは、第１の実施形態に係る障害パタン行列の要素と異なり、障害ｍに対する属性ｄの変化度の代表値を示している。代表値は、過去に発生した障害に対応する属性の変化度の平均値である。
属性変化パタンデータベース３０３は、属性変化パタンテーブル３０４を備えている。
属性変化パタンテーブル３０４は、図４に示すような、第１の実施形態に係る属性パタンテーブルと同様のテーブルであるため図示は省略する。属性変化パタンテーブル３０４の各要素の値は、各障害の組み合わせと、その組み合わせに対応する各属性の変化度の代表値を示している。代表値は、過去に発生した障害の組み合わせに対応する属性の変化度の平均値である。
次に、図１１を参照して、本実施形態に係る分析装置３００の動作について説明する。
まず、データ入力手段である通信部１０２は、外部データベースシステムから分析対象データである入力データを読み出す（ステップＳ３００）。
本実施形態における入力データは、分析対象である機械システムから取得される、異なる属性のセンサ情報やログ情報の時系列データである。本実施形態における時系列データは、自動車のエンジンの回転数や温度センサの値のような連続値である。
次に、データ変化度算出処理部３０１は、通信部１０２から入力データを受け取り、任意の変化度算出技術を利用して、入力データの各属性に対応する変化度を算出する（ステップＳ３０１）。変化度算出技術の例としては、ＣｈａｎｇｅＦｉｎｄｅｒ（非特許文献１）、ＩＢＭ法（特許文献１）などの技術を用いる。
続いて、障害分析処理部１０７は、データ変化度算出処理部３０１により算出された変化度を、データ変化度算出処理部３０１から受け取り、記憶部１０４から障害変化パタン行列３０２を読み込む（ステップＳ３０２）。
障害分析処理部１０７は、受け取った変化度と障害変化パタン行列３０２とを用いて、第１の実施形態と同様の処理により、障害寄与度を求め（ステップＳ３０３）、障害を特定する（ステップＳ３０４）。ここで、本実施形態における変化度は、第１の実施形態における入力データに相当し、本実施形態における障害変化パタン行列３０２は、第１の実施形態における障害パタン行列１１０に相当する。
属性抽出処理部１０８は、変化度、障害、障害寄与度を障害分析処理部１０７から受け取ると共に、第１の実施形態と同様にして記憶部１０４の属性変化パタンデータベース３０３から、属性変化パタンテーブル３０４を読み込む（ステップＳ３０５）。
属性抽出処理部１０８は、第１の実施形態と同様の処理により、注目属性を抽出し（ステップＳ３０６）、障害、障害寄与度、その障害に対応する注目属性を、変化度に対応付けて出力部１０５へ渡す。ここで、本実施形態における属性変化パタンテーブル３０４は、第１の実施形態における属性パタンテーブル１１２に相当する。
出力部１０５は、受けとった情報を出力する（ステップＳ３０７）。
このように、障害分析装置３００は、分析対象データとして時系列データを用いることにより、どの障害によってどの属性にどのような変化が生じたのかといった、詳細な情報をユーザーに提供することができる。この結果、注目属性を高精度に抽出できるとともに、障害発生時の詳細な情報をユーザーへ提供でき、障害原因の特定をより高精度に行うことができる。
（変形例）
なお、上記実施形態は一例であり、種々の変形及び応用が可能である。
上記実施形態では、時系列データとして連続値を用いた例を示したが、これは一例であり、時系列データは、各種機能のＯＮ／ＯＦＦなどの離散値であってもよい。
上記実施形態では、属性変化パタンテーブル３０４が予め記憶部１０４内の属性変化パタンデータベース３０３に格納されている例を示したが、必ずしもこれに限定されない。第１の実施形態と同様に、障害変化パタン行列等から属性変化パタンテーブル３０４が生成されてもよい。
（第４の実施形態）
本実施形態に係る障害分析装置４００は、第３の実施形態に係る分析装置３００と同様に、時系列データを用いて、障害が発生した際の各属性値の変化度を算出する。さらに、障害分析装置４００は、第２の実施形態に係る分析装置２００と同様に、障害に関する予備知識を必要とすることなく、必要な情報を特定する。
本実施形態に係る障害分析装置４００は、第２の実施形態と比較すると、図１２に示すように、制御部１０３に、第３の実施形態に係るデータ変化度算出処理部３０１をさらに備えている。なお、第２の実施形態と同じ部材及び構成については省略する。
次に、図１３を参照して、本実施形態に係る分析装置４００の動作について説明する。
通信部１０２は、外部データベースシステムから、第３の実施形態と同様、時系列データである入力データを読み出し（ステップＳ４００）、読み出した入力データを、データ変化度算出処理部３０１および障害発生行列生成処理部２０６へ渡す。
データ変化度算出処理部３０１では、第３の実施形態と同様の処理により、入力データの各属性に対応する変化度を算出する（ステップＳ４０１）。
データ行列生成処理部２０５は、データ変化度算出処理部３０１で算出した変化度を受け取り、変化度を、データ数×属性数（Ｎ行Ｄ列）のデータ行列２０８として配列し、記憶部１０４に記憶する（ステップＳ４０２）。
障害発生行列生成処理部２０６は、第２の実施形態と同様の処理により、障害発生行列２０９を生成し、記憶部１０４に記憶する（ステップＳ４０３）。
障害分析処理部１０７は、データ行列２０８と障害発生行列２０９とを記憶部１０４から受け取り、第２の実施形態と同様の処理により、障害寄与度と障害変化パタンとを算出する（ステップＳ４０４）とともに、障害を特定する（ステップＳ４０５）。
続いて障害分析処理部１０７は、第２の実施形態と同様の処理により、第３の実施形態と同様の属性変化パタンテーブル３０４を求める（ステップＳ４０６）とともに、注目属性を抽出する（ステップＳ４０７）。
属性抽出処理部１０８は、第３の実施形態と同様に、障害、障害寄与度、その障害に対応する注目属性を、変化度に対応付けて出力部１０５へ渡す。
出力部１０５は、受け取った情報を出力する（ステップＳ４０８）。
このように、障害分析装置４００は、各障害における属性の変化度の代表値を示す障害変化パタンが不明な場合でも、どの障害によってどの属性にどのような変化が生じたのかといった、より詳細な情報をユーザーに提供することができる。この結果、分析対象の障害に対する予備知識を必要とすることなく、注目属性を高精度に抽出できるとともに、障害発生時の詳細な情報をユーザーへ提供でき、障害原因の特定をより高精度に行うことができる。
なお、上記実施形態は一例であり、種々の変形及び応用が可能である。
上記実施形態では、属性変化パタンテーブル３０４は、障害分析処理部１０７により求められる例を示したが、必ずしもこれに限定されない。属性変化パタンテーブル３０４は、予め記憶部１０４の属性変化パタンデータベース３０３に格納されていてもよい。
また、上記実施形態に係る障害分析装置１００〜４００の機能は、専用のハードウェアによっても、また、通常のコンピュータシステムによっても実現することができる。
例えば、上記実施形態において、障害分析装置１００〜４００の記憶部１０４に記憶されているプログラム１０６を、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto-Optical disk）等のコンピュータ読み取り可能な記録媒体に格納して配布し、そのプログラムをコンピュータにインストールすることにより、上述の処理を実行する装置を構成することができる。
また、プログラムをインターネット等の通信ネットワーク上の所定のサーバ装置が有するディスク装置等に格納しておき、例えば、搬送波に重畳させて、コンピュータにダウンロード等するようにしても良い。
また、通信ネットワークを介してプログラムを転送しながら起動実行することによっても、上述の処理を達成することができる。
更に、プログラムの全部又は一部をサーバ装置上で実行させ、その処理に関する情報をコンピュータが通信ネットワークを介して送受信しながらプログラムを実行することによっても、上述の処理を達成することができる。
なお、上述の機能を、ＯＳ（Operating System）が分担して実現する場合又はＯＳとアプリケーションとの協働により実現する場合等には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロード等しても良い。
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出手段と、
前記障害寄与度算出手段により求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定手段と、
障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する要因指標特定手段と、
前記障害要素特定手段により特定された障害要素と前記要因指標特定手段により特定された指標との少なくとも一方を出力する出力手段と、
を備えることを特徴とする障害分析装置。
（付記２）
前記障害寄与度算出手段は、
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データを記憶する分析対象データ記憶手段と、
予め記憶されている、複数の障害それぞれに対する前記複数の指標の代表値を示す障害パタンの要素の代表値と、前記分析対象データ記憶手段に記憶された分析対象データの要素の値と、の対応するもの同士の相対的な関係に基づいて、発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める手段と、
を備え、
前記要因指標特定手段は、障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値の組を示す、予め記憶されている属性パタンの要素の値と、前記分析対象データ記憶手段に記憶された分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する、
ことを特徴とする付記１に記載の障害分析装置。
（付記３）
前記障害寄与度算出手段は、
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データを記憶する分析対象データ記憶手段と、
予め記憶されている、複数の障害それぞれに対する前記複数の指標の代表値を示す障害パタンの要素の代表値と、前記分析対象データ記憶手段に記憶された分析対象データの要素の値と、の対応するもの同士の相対的な関係に基づいて、発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める手段と、
を備え、
前記要因指標特定手段は、障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値の組を示す、属性パタンの要素の値を、前記障害パタンの要素の代表値に基づいて算出し、算出した前記属性パタンの要素の値と、前記分析対象データ記憶手段に記憶された分析対象データの各要素の値に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する、
ことを特徴とする付記１に記載の障害分析装置。
（付記４）
前記分析対象データから、前記分析対象データの各指標値を配列して第１行列を生成するデータ行列生成手段と、
前記データ行列生成手段により生成された前記第１行列の各行の各要素の値を前記分析対象データとして記憶するデータ行列記憶手段と、
前記分析対象データから、前記分析対象データに対する障害の発生の有無を配列して第２行列を生成する障害発生行列生成手段と、
をさらに備え、
前記障害寄与度算出手段は、
前記障害発生行列生成手段により生成された前記第２行列と、未知の、複数の障害それぞれに対する前記複数の指標の代表値を示す障害パタンと、を対応付けたものの各要素の値を記憶する障害パタン記憶手段と、
前記データ行列記憶手段に記憶された複数の分析対象データの要素の値と、前記障害パタン記憶手段に記憶された各要素の値との、対応するもの同士の相対的な関係に基づいて前記障害寄与度および前記障害パタンの要素の値を算出する手段と、
を備え、
前記要因指標特定手段は、障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値の組を示す、予め記憶されている属性パタンの要素の値と、前記分析対象データ記憶手段に記憶された分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する、
ことを特徴とする付記１に記載の障害分析装置。
（付記５）
前記分析対象データから、前記分析対象データの各指標値を配列して第１行列を生成するデータ行列生成手段と、
前記データ行列生成手段により生成された前記第１行列の各行の各要素の値を前記分析対象データとして記憶するデータ行列記憶手段と、
前記分析対象データから、前記分析対象データに対する障害の発生の有無を配列して第２行列を生成する障害発生行列生成手段と、
をさらに備え、
前記障害寄与度算出手段は、
前記障害発生行列生成手段により生成された前記第２行列と、未知の、複数の障害それぞれに対する前記複数の指標の代表値を示す障害パタンと、を対応付けたものの各要素の値を記憶する障害パタン記憶手段と、
前記データ行列記憶手段に記憶された複数の分析対象データの要素の値と、前記障害パタン記憶手段に記憶された各要素の値との、対応するもの同士の相対的な関係に基づいて前記障害寄与度および前記障害パタンの要素の値を算出する手段と、
を備え、
前記要因指標特定手段は、障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値の組を示す、属性パタンの要素の値を、前記障害パタンの要素の値に基づいて算出し、算出した前記属性パタンの要素の値と、前記分析対象データ記憶手段に記憶された分析対象データの各要素の値に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する、
ことを特徴とする付記１に記載の障害分析装置。
（付記６）
前記分析対象データ記憶手段が、分析対象物の複数の指標の値をそのまま分析対象データとして記憶する、
ことを特徴とする付記２乃至５のいずれか一個に記載の障害分析装置。
（付記７）
前記分析対象データの各指標の値の変化度を求める変化度算出手段と、
前記変化度算出手段により求められた変化度を示す値の組を前記分析対象データとして記憶する手段と、
をさらに備え、
前記障害パタンが、各障害に対応する各指標の値の変化度の代表値を示す値であり、
前記属性パタンが、各障害の組み合わせに対応する各指標の値の変化度の代表値を示す値である、
ことを特徴とする付記２乃至５のいずれか一個に記載の障害分析装置。
（付記８）
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出ステップと、
前記障害寄与度算出ステップで求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定ステップと、
障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定ステップで特定された障害要素の要因と推定される指標を特定する要因指標特定ステップと、
前記障害要素特定ステップで特定された障害要素と前記要因指標特定ステップで特定された指標との少なくとも一方を出力する出力ステップと、
を備えることを特徴とする障害分析方法。
（付記９）
コンピュータを、
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出手段、
前記障害寄与度算出手段により求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定手段、
障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する要因指標特定手段、
前記障害要素特定手段により特定された障害要素と前記要因指標特定手段により特定された指標との少なくとも一方を出力する出力手段、
として機能させるためのプログラムを記録した、コンピュータ読み取り可能な記録媒体。
本出願は、２０１０年５月６日に出願された日本国特許出願特願２０１０−１０６８１０号に基づく。本明細書中に、それらの明細書、特許請求の範囲、図面全体を参照として取り込むものとする。
本発明は、機械システムの障害を分析する用途に好適に適用される。
１００ 障害分析装置
１０１ 入力部
１０２ 通信部
１０３ 制御部
１０４ 記憶部
１０５ 出力部
１０６ プログラム
１０７ 障害分析処理部
１０８ 属性抽出処理部
１１０ 障害パタン行列
１１１ 属性パタンデータベース
１１２ 属性パタンテーブル
２００ 障害分析装置
２０５ データ行列生成処理部
２０６ 障害発生行列生成処理部
２０７ 障害パタン推定処理部
２０８ データ行列
２０９ 障害発生行列
３００ 障害分析装置
３０１ データ変化度算出処理部
３０２ 障害変化パタン行列
３０３ 属性変化パタンデータベース
３０４ 属性変化パタンテーブル
４００ 障害分析装置
本発明は、機械システムの障害分析装置、障害分析方法およびプログラムに関する。
本発明は、上述のような事情に鑑みてなされたものであり、注目属性を高精度に抽出できる障害分析装置、障害分析方法およびプログラムを提供することを目的としている。
上記目的を達成するため、本発明の第三の観点に係るプログラムは、
コンピュータを、
分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出手段、
前記障害寄与度算出手段により求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定手段、
障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する要因指標特定手段、
前記障害要素特定手段により特定された障害要素と前記要因指標特定手段により特定された指標との少なくとも一方を出力する出力手段、
として機能させる。
本発明によれば、注目属性を高精度に抽出できる障害分析装置、障害分析方法およびプログラムを提供することができる。

Claims (9)

  1. 分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出手段と、
    前記障害寄与度算出手段により求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定手段と、
    障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する要因指標特定手段と、
    前記障害要素特定手段により特定された障害要素と前記要因指標特定手段により特定された指標との少なくとも一方を出力する出力手段と、
    を備えることを特徴とする障害分析装置。
  2. 前記障害寄与度算出手段は、
    分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データを記憶する分析対象データ記憶手段と、
    予め記憶されている、複数の障害それぞれに対する前記複数の指標の代表値を示す障害パタンの要素の代表値と、前記分析対象データ記憶手段に記憶された分析対象データの要素の値と、の対応するもの同士の相対的な関係に基づいて、発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める手段と、
    を備え、
    前記要因指標特定手段は、障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値の組を示す、予め記憶されている属性パタンの要素の値と、前記分析対象データ記憶手段に記憶された分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する、
    ことを特徴とする請求項１に記載の障害分析装置。
  3. 前記障害寄与度算出手段は、
    分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データを記憶する分析対象データ記憶手段と、
    予め記憶されている、複数の障害それぞれに対する前記複数の指標の代表値を示す障害パタンの要素の代表値と、前記分析対象データ記憶手段に記憶された分析対象データの要素の値と、の対応するもの同士の相対的な関係に基づいて、発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める手段と、
    を備え、
    前記要因指標特定手段は、障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値の組を示す、属性パタンの要素の値を、前記障害パタンの要素の代表値に基づいて算出し、算出した前記属性パタンの要素の値と、前記分析対象データ記憶手段に記憶された分析対象データの各要素の値に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する、
    ことを特徴とする請求項１に記載の障害分析装置。
  4. 前記分析対象データから、前記分析対象データの各指標値を配列して第１行列を生成するデータ行列生成手段と、
    前記データ行列生成手段により生成された前記第１行列の各行の各要素の値を前記分析対象データとして記憶するデータ行列記憶手段と、
    前記分析対象データから、前記分析対象データに対する障害の発生の有無を配列して第２行列を生成する障害発生行列生成手段と、
    をさらに備え、
    前記障害寄与度算出手段は、
    前記障害発生行列生成手段により生成された前記第２行列と、未知の、複数の障害それぞれに対する前記複数の指標の代表値を示す障害パタンと、を対応付けたものの各要素の値を記憶する障害パタン記憶手段と、
    前記データ行列記憶手段に記憶された複数の分析対象データの要素の値と、前記障害パタン記憶手段に記憶された各要素の値との、対応するもの同士の相対的な関係に基づいて前記障害寄与度および前記障害パタンの要素の値を算出する手段と、
    を備え、
    前記要因指標特定手段は、障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値の組を示す、予め記憶されている属性パタンの要素の値と、前記分析対象データ記憶手段に記憶された分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する、
    ことを特徴とする請求項１に記載の障害分析装置。
  5. 前記分析対象データから、前記分析対象データの各指標値を配列して第１行列を生成するデータ行列生成手段と、
    前記データ行列生成手段により生成された前記第１行列の各行の各要素の値を前記分析対象データとして記憶するデータ行列記憶手段と、
    前記分析対象データから、前記分析対象データに対する障害の発生の有無を配列して第２行列を生成する障害発生行列生成手段と、
    をさらに備え、
    前記障害寄与度算出手段は、
    前記障害発生行列生成手段により生成された前記第２行列と、未知の、複数の障害それぞれに対する前記複数の指標の代表値を示す障害パタンと、を対応付けたものの各要素の値を記憶する障害パタン記憶手段と、
    前記データ行列記憶手段に記憶された複数の分析対象データの要素の値と、前記障害パタン記憶手段に記憶された各要素の値との、対応するもの同士の相対的な関係に基づいて前記障害寄与度および前記障害パタンの要素の値を算出する手段と、
    を備え、
    前記要因指標特定手段は、障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値の組を示す、属性パタンの要素の値を、前記障害パタンの要素の値に基づいて算出し、算出した前記属性パタンの要素の値と、前記分析対象データ記憶手段に記憶された分析対象データの各要素の値に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する、
    ことを特徴とする請求項１に記載の障害分析装置。
  6. 前記分析対象データ記憶手段が、分析対象物の複数の指標の値をそのまま分析対象データとして記憶する、
    ことを特徴とする請求項２乃至５のいずれか一項に記載の障害分析装置。
  7. 前記分析対象データの各指標の値の変化度を求める変化度算出手段と、
    前記変化度算出手段により求められた変化度を示す値の組を前記分析対象データとして記憶する手段と、
    をさらに備え、
    前記障害パタンが、各障害に対応する各指標の値の変化度の代表値を示す値であり、
    前記属性パタンが、各障害の組み合わせに対応する各指標の値の変化度の代表値を示す値である、
    ことを特徴とする請求項２乃至５のいずれか一項に記載の障害分析装置。
  8. 分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出ステップと、
    前記障害寄与度算出ステップで求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定ステップと、
    障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定ステップで特定された障害要素の要因と推定される指標を特定する要因指標特定ステップと、
    前記障害要素特定ステップで特定された障害要素と前記要因指標特定ステップで特定された指標との少なくとも一方を出力する出力ステップと、
    を備えることを特徴とする障害分析方法。
  9. コンピュータを、
    分析対象物の複数の指標の値に基づいて生成された値を要素とする分析対象データと、複数の障害それぞれに対する前記複数の指標の代表値との相対的な関係に基づいて、前記分析対象物に発生している障害に個々の障害（以下、障害要素という）がどの程度寄与しているかを示す障害寄与度を求める障害寄与度算出手段、
    前記障害寄与度算出手段により求められた障害寄与度に基づいて、発生している障害要素を特定する障害要素特定手段、
    障害要素を組み合わせた障害が発生しているときに、前記複数の指標がとる代表値と、前記分析対象データの各要素の値と、に基づいて、前記障害要素特定手段により特定された障害要素の要因と推定される指標を特定する要因指標特定手段、
    前記障害要素特定手段により特定された障害要素と前記要因指標特定手段により特定された指標との少なくとも一方を出力する出力手段、
    として機能させるためのプログラムを記録した、コンピュータ読み取り可能な記録媒体。
JP2012513806A 2010-05-06 2011-04-26 障害分析装置、障害分析方法およびプログラム Active JP5765336B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012513806A JP5765336B2 (ja) 2010-05-06 2011-04-26 障害分析装置、障害分析方法およびプログラム

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2010106810 2010-05-06
JP2010106810 2010-05-06
JP2012513806A JP5765336B2 (ja) 2010-05-06 2011-04-26 障害分析装置、障害分析方法およびプログラム
PCT/JP2011/060108 WO2011138911A1 (ja) 2010-05-06 2011-04-26 障害分析装置、障害分析方法および記録媒体

Publications (2)

Publication Number Publication Date
JPWO2011138911A1 true JPWO2011138911A1 (ja) 2013-07-22
JP5765336B2 JP5765336B2 (ja) 2015-08-19

Family

ID=44903763

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012513806A Active JP5765336B2 (ja) 2010-05-06 2011-04-26 障害分析装置、障害分析方法およびプログラム

Country Status (5)

Country Link
US (1) US9043645B2 (ja)
EP (1) EP2568433A4 (ja)
JP (1) JP5765336B2 (ja)
CN (1) CN102884486B (ja)
WO (1) WO2011138911A1 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102884486B (zh) * 2010-05-06 2014-10-29 日本电气株式会社 故障分析装置、故障分析方法
JP5635486B2 (ja) * 2011-12-07 2014-12-03 株式会社オプティム 診断対処サーバ、診断対処方法、及び、診断対処サーバ用プログラム
CN107203450B (zh) * 2016-03-16 2020-06-02 伊姆西Ip控股有限责任公司 故障的分类方法和设备
JP6579995B2 (ja) * 2016-04-26 2019-09-25 三菱電機株式会社 静観候補特定装置、静観候補特定方法及び静観候補特定プログラム
DE102016225081A1 (de) * 2016-12-15 2018-06-21 Robert Bosch Gmbh Vorrichtung und Verfahren zum Bestimmen der Pinpoint-Fähigkeit möglicher Fehler einer oder mehrerer Komponenten
JP7147853B2 (ja) * 2018-08-20 2022-10-05 日本電信電話株式会社 異常要因推定装置、異常要因推定方法、及びプログラム
JP2020135242A (ja) * 2019-02-15 2020-08-31 オムロン株式会社 異常検知システム、異常検知方法およびプログラム
CN111609526B (zh) 2019-02-25 2023-11-14 开利公司 Hvac系统不舒适指数和显示
JP7280094B2 (ja) * 2019-04-08 2023-05-23 株式会社日立製作所 判断支援装置および判断支援方法
CN111026570B (zh) * 2019-11-01 2022-05-31 支付宝(杭州)信息技术有限公司 用于确定业务系统异常原因的方法和装置
US11676071B2 (en) * 2020-06-30 2023-06-13 Oracle International Corporation Identifying and ranking anomalous measurements to identify faulty data sources in a multi-source environment
CN112199226B (zh) * 2020-10-14 2022-12-27 北京紫光展锐通信技术有限公司 问题确定方法及相关产品
CN112650608B (zh) * 2020-12-28 2024-03-01 广州虎牙科技有限公司 异常根因定位方法以及相关装置、设备

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3224226B2 (ja) * 1989-09-22 2001-10-29 株式会社リコー 故障診断エキスパートシステム
JPH0816956B2 (ja) * 1990-01-18 1996-02-21 株式会社日立製作所 フォールト・トリー表示方法、フォールト・トリー表示装置およびプロセス診断支援システム
JPH0546428A (ja) 1991-08-08 1993-02-26 Nec Software Ltd フアジー診断プロセツサ
JPH05151373A (ja) 1991-11-26 1993-06-18 Komatsu Ltd ニユーラルネツトワークを用いたフアジイ逆診断方法
GB0216858D0 (en) * 2002-07-19 2002-08-28 Bae Systems Plc Fault diagnosis system
CN1548286A (zh) 2003-05-19 2004-11-24 天津市天锻压力机有限公司 液压机异地故障分析诊断系统
JP2005222108A (ja) 2004-02-03 2005-08-18 Matsushita Electric Ind Co Ltd バグ分析方法および装置
JP4183185B2 (ja) 2004-03-10 2008-11-19 インターナショナル・ビジネス・マシーンズ・コーポレーション 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体
JP4347150B2 (ja) * 2004-07-09 2009-10-21 三菱重工業株式会社 空調サービス支援装置
JP4527642B2 (ja) * 2005-09-29 2010-08-18 富士通株式会社 ネットワーク障害診断装置、ネットワーク障害診断方法およびネットワーク障害診断プログラム
JP4711077B2 (ja) * 2006-06-09 2011-06-29 富士ゼロックス株式会社 故障診断システム、画像形成装置および故障診断プログラム
CN102354204B (zh) * 2007-03-22 2016-06-29 日本电气株式会社 诊断装置
JP5200678B2 (ja) 2008-06-13 2013-06-05 日本電気株式会社 サービシステム、サービスシステム管理方法、及びプログラム
JP5048625B2 (ja) * 2008-10-09 2012-10-17 株式会社日立製作所 異常検知方法及びシステム
JP2010106810A (ja) 2008-10-31 2010-05-13 Honda Motor Co Ltd Ｖ型内燃機関
CN102884486B (zh) * 2010-05-06 2014-10-29 日本电气株式会社 故障分析装置、故障分析方法

Also Published As

Publication number Publication date
EP2568433A1 (en) 2013-03-13
CN102884486A (zh) 2013-01-16
JP5765336B2 (ja) 2015-08-19
US20130042148A1 (en) 2013-02-14
WO2011138911A1 (ja) 2011-11-10
EP2568433A4 (en) 2017-10-25
CN102884486B (zh) 2014-10-29
US9043645B2 (en) 2015-05-26

Similar Documents

Publication Publication Date Title
JP5765336B2 (ja) 障害分析装置、障害分析方法およびプログラム
JP6571914B2 (ja) 情報の複数のドメインを組合せることによる仕事の実施データ内の異常の検知
JP2022031709A (ja) 工業プロセス施設に対する工業プロセスパフォーマンスを測定するシステム及びコンピュータ実装方法
EP3385889A1 (en) Abnormality detection system, abnormality detection method, abnormality detection program, and method for generating learned model
JP4282717B2 (ja) 定期点検データ分析装置およびその方法
JP2008003920A (ja) 時系列データの予測・診断装置およびそのプログラム
US20140006044A1 (en) System and method for preparing healthcare service bundles
JP7292076B2 (ja) 劣化推定装置、学習装置、劣化推定方法、学習方法、劣化推定プログラム、および、学習プログラム
US20140188777A1 (en) Methods and systems for identifying a precursor to a failure of a component in a physical system
JP2020035407A (ja) 異常予兆診断装置及び異常予兆診断方法
JP5695763B2 (ja) イベント系列のリスク評価値を可視化する方法、装置及びコンピュータプログラム
JP6777142B2 (ja) システム分析装置、システム分析方法、及び、プログラム
JP2007323315A (ja) 協調フィルタリング方法、協調フィルタリング装置、および協調フィルタリングプログラムならびにそのプログラムを記録した記録媒体
JP2019125206A (ja) 情報処理装置、情報処理方法及びプログラム
JP7441768B2 (ja) 保全シミュレーション装置、および、保全シミュレーション方法
JP2019175273A (ja) 品質評価方法および品質評価装置
JP2021144637A (ja) 情報処理装置、情報処理方法およびプログラム
JP2015187773A (ja) データ解析装置、データ解析プログラム及びデータ解析方法
JP2012181739A (ja) 工数見積装置、工数見積方法、工数見積プログラム
JP6247777B2 (ja) 異常診断装置および異常診断方法
JP7000266B2 (ja) 分析フロー作成システムおよび分析フロー作成方法
JP6753442B2 (ja) モデル生成装置、モデル生成方法、及びプログラム
JP6945511B2 (ja) 推定装置、および推定方法
EP4332707A1 (en) Apparatus, method and programme for processing information
JP2024094823A (ja) 故障評価システム、故障評価方法、及び故障評価プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140305

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150210

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150406

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: 20150519

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150601

R150 Certificate of patent or registration of utility model

Ref document number: 5765336

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350