JPWO2011155308A1 - 契約違反予測システム、契約違反予測方法および契約違反予測プログラム - Google Patents

契約違反予測システム、契約違反予測方法および契約違反予測プログラム Download PDF

Info

Publication number
JPWO2011155308A1
JPWO2011155308A1 JP2012519325A JP2012519325A JPWO2011155308A1 JP WO2011155308 A1 JPWO2011155308 A1 JP WO2011155308A1 JP 2012519325 A JP2012519325 A JP 2012519325A JP 2012519325 A JP2012519325 A JP 2012519325A JP WO2011155308 A1 JPWO2011155308 A1 JP WO2011155308A1
Authority
JP
Japan
Prior art keywords
event
probability
violation
sla
contract
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
JP2012519325A
Other languages
English (en)
Other versions
JP5768983B2 (ja
Inventor
敏夫 登内
敏夫 登内
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 JP2012519325A priority Critical patent/JP5768983B2/ja
Publication of JPWO2011155308A1 publication Critical patent/JPWO2011155308A1/ja
Application granted granted Critical
Publication of JP5768983B2 publication Critical patent/JP5768983B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/20—Traffic policing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Debugging And Monitoring (AREA)

Abstract

サービスレベル契約違反の予測精度を向上させる。学習用イベントログＬ１、学習用ＳＬＡログＬ２を参照し、イベントごとに計測値の確率分布を算出する確率分布算出部２１と、算出された確率分布、ＳＬＡリストＬ７を参照し、イベントごとにＳＬＡ違反となる確率、ＳＬＡ違反とならない確率を算出する確率算出部２２と、学習用ＳＬＡログＬ２を参照し、イベント発生から所定時間経過後までの間にＳＬＡ違反となる計測値の確率密度、イベント発生から所定時間経過後までの間にＳＬＡ違反とならない計測値の確率密度を算出するＳＬＡ分布算出部２３と、イベントが発生したときに該イベントに対応する各確率、該イベント発生時の計測値の各確率密度を用い、該イベント発生から所定時間以内にＳＬＡ違反が発生する確率を算出する違反発生確率算出部２４とを備える。

Description

本発明は、契約違反予測システム、契約違反予測方法および契約違反予測プログラムに関する。
近年、ＩＳＰ、ＡＳＰ、ＳａａＳ等のサービス提供者が顧客との間で締結するサービスレベル契約（Service Level Agreement、以下「ＳＬＡ」という。）が注目されている。ＳＬＡは、例えば、サービスの応答時間を３秒以内にする等、サービス提供者が顧客に提供するサービスの品質等を保証する契約である。ＳＬＡを締結したサービス提供者は、ＳＬＡ違反の発生を事前に察知し、ＳＬＡ違反が発生する前に対処することが重要となる。下記非特許文献１の第１章には、ＳＬＡ違反の発生を予測する技術が開示されている。
P.DOMINGOS / M.PAZZANI 共著、「On the Optimality of the Simple Bayesian Classifier under Zero-One Loss」、Machine Learning、29、pp.103-130、1997 KluwerAcademic Publishers、Manufactured in The Netherlands
上記非特許文献１では、あるイベントＰｉが発生してから一定時間内にＳＬＡ違反が発生した回数に基づき、イベントＰｉが発生したときに一定時間内にＳＬＡ違反となる確率Ｐｒ（×｜Ｐｉ）を算出し、この確率を用いてＳＬＡ違反の発生を予測している。この方法では、一定時間内に発生したＳＬＡ違反が少ないと、ＳＬＡ違反が１件増減するだけで、算出される確率Ｐｒ（×｜Ｐｉ）が大きく変動し、予測精度が低下してしまう。また、従来技術の単純ベイジアンフィルタでは、事象を離散値として扱い、閾値を超えているか否かでＳＬＡ違反の発生を予測する。したがって、サービス品質をあらわすパラメータ値を連続的に扱い、パラメータ値ごとに異なる違反確率に基づいてきめ細くＳＬＡ違反の発生を予測することはできない。
本発明は、上述した課題を解決するためになされたものであり、サービスレベル契約違反の予測精度を向上させることができる契約違反予測システム、契約違反予測方法および契約違反予測プログラムを提供することを目的とする。
本発明の契約違反予測システムは、サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出部と、前記確率分布算出部により算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出部と、前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出部と、前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出部と、を備える。
本発明の契約違反予測方法は、サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出ステップと、前記確率分布算出ステップにおいて算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出ステップと、前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出ステップと、前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出ステップと、を含む。
本発明の契約違反予測プログラムは、上記契約違反予測方法に含まれる各ステップをコンピュータに実行させる。
本発明によれば、サービスレベル契約違反の予測精度を向上させることができる。
第１実施形態における契約違反予測システムの構成を例示するブロック図である。 学習用イベントログおよび検査対象イベントログを例示する図である。 学習用ＳＬＡログおよび検査対象ＳＬＡログを例示する図である。 イベント種類リストを例示する図である。 確率分布表を例示する図である。 違反確率表を例示する図である。 サービスの応答時間を８秒以内にするというＳＬＡ下での各種数値例を表形式に示す図である。 ＳＬＡ確率分布表を例示する図である。 第１実施形態における契約違反予測システムの動作を説明するためのフローチャートである。 第２実施形態における契約違反予測システムの構成を例示するブロック図である。 第２実施形態における契約違反予測システムの動作を説明するためのフローチャートである。 第３実施形態における契約違反予測システムの構成を例示するブロック図である。 相関分析部の処理内容を説明するための図である。 相関一覧表を例示する図である。 第３実施形態におけるイベント種類リストを例示する図である。 第３実施形態における契約違反予測システムの動作を説明するためのフローチャートである。
以下、添付図面を参照して、本発明に係る契約違反予測システム、契約違反予測方法および契約違反予測プログラムの好適な実施形態について説明する。
[第１実施形態]
まず、図１を参照して、第１実施形態における契約違反予測システムの構成について説明する。図１に示すように、契約違反予測システム１は、機能的には、例えば、モニタ部１０と、ＳＬＡ違反確率計算部２０と、表示部３０とを有する。
ここで、契約違反予測システム１は、物理的には、例えば、ＣＰＵ（Central Processing Unit）と、メモリと、入出力インターフェースと、ディスプレイとを含んで構成される。メモリには、例えば、ＣＰＵで処理されるプログラムおよびデータを記憶するＲＯＭ（Read Only Memory）やＨＤＤ（Hard Disk Drive）と、主として制御処理のための各種作業領域として使用されるＲＡＭ（Random Access Memory）とが含まれる。これらの要素は、互いにバスを介して接続されている。ＣＰＵが、ＲＯＭに記憶されたプログラムを実行し、入出力インターフェースを介して受信されたメッセージや、ＲＡＭに展開されたデータを処理することで、後述する契約違反予測システム１における各部の機能を実現することができる。
モニタ部１０は、管理対象システム９０の状態を監視し、学習用イベントログＬ１、学習用ＳＬＡログＬ２、検査対象イベントログＬ３、検査対象ＳＬＡログＬ４等の各種ログを生成する。管理対象システム９０は、サービス提供者が顧客にサービスを提供するために利用するシステムであり、ＳＬＡの対象となるシステムである。モニタ部１０は、一定時間（例えば、１０秒）ごとに、ログ情報を出力する。
学習用イベントログＬ１および検査対象イベントログＬ３は、管理対象システム９０が実行するイベントに関するイベント情報を記録するログである。図２に、学習用イベントログＬ１および検査対象イベントログＬ３を例示する。学習用イベントログＬ１および検査対象イベントログＬ３は、例えば、イベント発生時刻、イベント発生箇所（例えばホスト装置名）、イベントメッセージおよびイベントタイプ等のイベント情報を記録する。
学習用ＳＬＡログＬ２および検査対象ＳＬＡログＬ４は、イベント発生時のＳＬＡサービス項目の計測値に関するＳＬＡ計測値情報を記録するログである。ＳＬＡサービス項目とは、ＳＬＡに含まれるサービス項目をいい、例えば、応答時間が該当する。図３に、学習用ＳＬＡログＬ２および検査対象ＳＬＡログＬ４を例示する。学習用ＳＬＡログＬ２および検査対象ＳＬＡログＬ４は、例えば、イベント発生時刻およびＳＬＡサービス項目の計測値等のＳＬＡ計測値情報を記録する。
学習用イベントログＬ１および学習用ＳＬＡログＬ２は、ＳＬＡ違反の発生を予測する際に参照する確率分布表Ｌ６やＳＬＡ確率分布表Ｌ９を事前に生成するために用いる分析・学習用のログである。検査対象イベントログＬ３および検査対象ＳＬＡログＬ４は、ＳＬＡ違反の発生を予測する際に検査の対象となるイベントやＳＬＡ計測値を契約違反予測システム１に付与するためのログである。
図１に示すＳＬＡ違反確率計算部２０は、確率分布算出部２１と、確率算出部２２と、ＳＬＡ分布算出部２３と、違反発生確率算出部２４と、をさらに有する。
確率分布算出部２１は、学習用イベントログＬ１、学習用ＳＬＡログＬ２およびイベント種類リストＬ５を参照し、学習用イベントログＬ１に記録されたイベントごとに、学習用ＳＬＡログＬ２に記録されたイベント発生時におけるＳＬＡサービス項目の計測値の確率分布を算出し、確率分布表Ｌ６に格納する。確率分布として、本実施形態では正規分布を用いる。確率分布算出部２１は、正規分布を一意に特定可能な平均値および不偏分散を、確率分布として算出する。
イベント種類リストＬ５は、各イベントが属するイベント種類を決定するためのリストである。図４に、イベント種類リストＬ５を例示する。イベント種類リストＬ５は、例えば、イベント種類とイベントタイプとを対応付けて記憶する。
確率分布表Ｌ６は、正規分布を特定する平均値および不偏分散をイベントごとに記憶する。図５に、確率分布表Ｌ６を例示する。確率分布表Ｌ６は、事象ＰであるイベントごとにＳＬＡ計測値ｐの平均値Ｅ（ｐ｜Ｐ）と不偏分散Ｖ（ｐ｜Ｐ）とを対応付けて記憶する。なお、“全体”の平均値と不偏分散列は、イベントの発生有無にかかわらず、全てのＳＬＡ計測値ｐの平均値Ｅ（ｐ）と不偏分散Ｖ（ｐ）となる。
以下に、確率分布算出部２１がイベントＰｉの正規分布を算出する際の手順について説明する。確率分布算出部２１は、学習用イベントログＬ１および学習用ＳＬＡログＬ２を参照し、イベントＰｉが発生した時刻ｔからδｔ秒（所定時間）が経過するまでの間に計測されたＳＬＡ計測値ｐの最悪値ｐｗｏｒｓｔ（ｔ）を、イベントＰｉが発生した時刻ｔごとに求め、これら最悪値ｐｗｏｒｓｔ（ｔ）の平均値Ｅおよび不偏分散Ｖを算出する。
例えば、イベントＰｉが発生した時刻をｔ１、…、ｔｎとすると、最悪値ｐｗｏｒｓｔ（ｔ）の平均値Ｅ（ｐｗｏｒｓｔ｜Ｐｉ）および不偏分散Ｖ（ｐｗｏｒｓｔ｜Ｐｉ）は、それぞれ以下のように算出できる。
Ｅ（ｐｗｏｒｓｔ｜Ｐｉ）＝（１／ｎ）Σｊｐｗｏｒｓｔ（ｔｊ） … （１）
Ｖ（ｐｗｏｒｓｔ｜Ｐｉ）＝（１／ｎ）Σｊ｛ｐｗｏｒｓｔ（ｔｊ）−Ｅ（ｐｗｏｒｓｔ｜Ｐｉ）｝２ … （２）
不偏分散Ｖの平方根が偏差σとなるため、イベントＰｉの正規分布Ｎ｛Ｅ（ｐｗｏｒｓｔ｜Ｐｉ）、σ（ｐｗｏｒｓｔ｜Ｐｉ）｝は一意に定まる。なお、“全体”の正規分布Ｎは、Ｎ｛Ｅ（ｐｗｏｒｓｔ）、σ（ｐｗｏｒｓｔ）｝となる。
図１に示す確率算出部２２は、確率分布表Ｌ６およびＳＬＡリストＬ７を参照し、イベントごとに、ＳＬＡ違反に該当する確率およびＳＬＡ違反に該当しない確率をそれぞれ算出し、違反確率表Ｌ８に格納する。
ＳＬＡリストＬ７は、ＳＬＡサービス項目ごとに、ＳＬＡサービス項目の契約条件となる閾値を記憶する。例えば、ＳＬＡの契約内容がサービスの応答時間を８秒以内にするという契約である場合に、ＳＬＡリストＬ７は、ＳＬＡサービス項目である応答時間を識別する情報に対応付けて契約閾値である８秒を記憶する。
違反確率表Ｌ８は、ＳＬＡ違反に関する確率を記憶する。図６に、違反確率表Ｌ８を例示する。違反確率表Ｌ８は、ＳＬＡ違反がδt秒（所定時間）以内に発生しなかったとき(“○”で表す)に、イベントＰｉが発生する確率Ｐｒ（Ｐｉ｜○）と、ＳＬＡ違反がδt秒以内に発生したとき(“×”で表す)に、イベントＰｉが発生する確率Ｐｒ（Ｐｉ｜×）と、をイベントＰｉごとに対応付けて記憶する。また、違反確率表Ｌ８は、システム全体でＳＬＡ違反に該当しない確率Ｐｒ（○）とＳＬＡ違反に該当する確率Ｐｒ（×）とを対応付けて記憶する。
以下に、確率算出部２２が、上記各確率を算出する際の手順について説明する。確率算出部２２は、確率分布表Ｌ６から特定される確率分布と、ＳＬＡリストＬ７の契約閾値ｖ０とを用いて、システム全体での非違反確率Ｐｒ（○）、違反確率Ｐｒ（×）、およびイベントＰｉごとの非違反確率Ｐｒ（○｜Ｐｉ）、違反確率Ｐｒ（×｜Ｐｉ）を、それぞれ以下のように算出する。なお、イベントＰｉ発生時の確率分布をＮ（Ｅｉ、σｉ）とする。
Ｐｒ（○）＝Ｐｒ｛ｐｗｏｒｓｔ＜ｖ０｜Ｎ（Ｅ、σ）） … （３）
Ｐｒ（×）＝Ｐｒ｛ｐｗｏｒｓｔ≧ｖ０｜Ｎ（Ｅ、σ）） … （４）
Ｐｒ（○｜Ｐｉ）＝Ｐｒ｛ｐｗｏｒｓｔ＜ｖ０｜Ｎ（Ｅｉ、σｉ）） … （５）
Ｐｒ（×｜Ｐｉ）＝Ｐｒ｛ｐｗｏｒｓｔ≧ｖ０｜Ｎ（Ｅｉ、σｉ）） … （６）
確率算出部２２は、上記式（５）および式（６）で算出したＰｒ（○｜Ｐｉ）およびＰｒ（×｜Ｐｉ）を用い、Ｐｒ（Ｐｉ｜○）およびＰｒ（Ｐｉ｜×）を、それぞれ以下のように算出する。
Ｐｒ（Ｐｉ｜○）＝｛Ｐｒ（○｜Ｐｉ）×ＮＰｉ｝／｛Ｐｒ（○）×Ｎａｌｌ｝ … （７）
Ｐｒ（Ｐｉ｜×）＝｛Ｐｒ（×｜Ｐｉ）×ＮＰｉ｝／｛Ｐｒ（×）×Ｎａｌｌ｝ … （８）
上記式（７）および式（８）のＮＰｉはイベントＰｉが発生した件数であり、Ｎａｌｌは全イベントの発生件数である。
確率算出部２２は、上記式（３）、式（４）、式（７）および式（８）で算出したＰｒ（○）、Ｐｒ（×）、Ｐｒ（Ｐｉ｜○）およびＰｒ（Ｐｉ｜×）を違反確率表Ｌ８に格納する。
図７を参照して、確率算出部２２が算出する確率について具体例を用いて説明する。図７は、サービスの応答時間を８秒以内にするというＳＬＡ下での各種数値例を示したものである。イベントａがＳＬＡ違反（ｐ＞８）となる確率Ｐｒ（×｜ａ）は、イベントａの確率密度をｆ（ａ）とすると、以下の式（９）で表される。
Figure 2011155308
図７に例示するイベントａの違反確率Ｐｒ（×｜ａ）は、“０．２１”となる。また、Ｐｒ（○｜ａ）＝１−Ｐｒ（×｜ａ）より、イベントａの非違反確率Ｐｒ（○｜ａ）は、“０．７９”となる。図７に示すＰｒ（×｜ａ）およびＰｒ（○｜ａ）の“計”欄が、システム全体での違反確率Ｐｒ（×）および非違反確率Ｐｒ（○）であり、それぞれ、“０．２１”および“０．７９”となる。
このとき、イベントａの違反回数の期待値は、イベントａの発生回数が４１回であるため、４１×Ｐｒ（×｜ａ）＝４１×０．２１＝８．５６回となる。また、システム全体での違反発生回数の期待値は、システム全体でのイベント発生回数が２２９回であるため、２２９×Ｐｒ（×）＝２２９×０．２１＝４８．１９回となる。したがって、Ｐｒ（ａ｜×）＝８．５６／４８．１９＝０．１７となる。これと同様にして、Ｐｒ（ａ｜○）＝３２．４４／１７９．８０＝０．１８となる。
図１に示すＳＬＡ分布算出部２３は、学習用ＳＬＡログＬ２を参照し、イベント発生からδt秒経過後までの間にＳＬＡ違反に該当するＳＬＡ計測値の確率分布と、イベント発生からδt秒経過後までの間にＳＬＡ違反に該当しないＳＬＡ計測値の確率分布とをそれぞれ算出し、ＳＬＡ確率分布表Ｌ９に格納する。なお、本実施形態では、確率分布として正規分布を用いるため、ＳＬＡ分布算出部２３は、確率分布として、正規分布を一意に特定可能な平均値および不偏分散を算出する。確率分布が定まれば、確率密度を一意に特定することができる。
ＳＬＡ確率分布表Ｌ９は、ＳＬＡ計測値の正規分布を特定する平均値および不偏分散を、イベント発生からδt秒経過後までの間にＳＬＡ違反に該当する場合とＳＬＡ違反に該当しない場合とでそれぞれ記憶する。図８に、ＳＬＡ確率分布表Ｌ９を例示する。ＳＬＡ確率分布表Ｌ９は、イベント発生からδt秒経過後までの間にＳＬＡ違反に該当しない場合におけるＳＬＡ計測値ｐの平均値Ｅ（ｐ｜○）および不偏分散Ｖ（ｐ｜○）と、イベント発生からδt秒経過後までの間にＳＬＡ違反に該当する場合におけるＳＬＡ計測値ｐの平均値Ｅ（ｐ｜×）および不偏分散Ｖ（ｐ｜×）と、をそれぞれ記憶する。なお、図８に示すＳＬＡ確率分布表Ｌ９に記載されている値は、ＳＬＡ計測値ｐ（ｔ）の値が“６”であると仮定した場合の数値例である。
以下に、ＳＬＡ分布算出部２３が、正規分布である平均値および不偏分散を算出する際の手順について説明する。例えば、δt秒経過後までにＳＬＡ違反が発生しなかった時刻をｔ１、…、ｔｎとし、ＳＬＡ計測値をｐ（ｔ）とすると、ＳＬＡ計測値をｐ（ｔ）の平均値Ｅ○および不偏分散Ｖ○は、それぞれ以下のように算出できる。
Ｅ○＝（１／ｎ）Σｊｐ（ｔｊ） … （１０）
Ｖ○＝（１／ｎ）Σｊ｛ｐ（ｔｊ）−Ｅ｝２ … （１１）
不偏分散Ｖ○の平方根が偏差σ○となるため、正規分布Ｎ｛Ｅ○、σ○｝が一意に定まり、確率密度ｆ（ｐ｜○）も一意に定まる。同様にして、正規分布Ｎ｛Ｅ×、σ×｝および確率密度ｆ（ｐ｜×）についても算出できる。
図１に示す違反発生確率算出部２４は、イベントＰが発生したときに、当該イベントＰに対応する各確率Ｐｒ（○）、Ｐｒ（×）、Ｐｒ（Ｐ｜○）、Ｐｒ（Ｐ｜×）および当該イベントＰ発生時のＳＬＡ計測値ｐに対応する各確率密度ｆ（ｐ｜○）、ｆ（ｐ｜×）を用い、当該イベントＰ発生からδｔ秒以内に契約違反が発生する確率を算出する。この違反発生確率算出部２４は、イベント確率検索部２４１と、ＳＬＡ確率算出部２４２と、複合確率統合部２４３とを含む。
イベント確率検索部２４１は、検査対象イベントログＬ３に含まれるイベントに対応する各種の確率を違反確率表Ｌ８から検出する。例えば、イベントＰｉとイベントＰｊが同時に発生している場合には、Ｐｒ（Ｐｉ｜○）、Ｐｒ（Ｐｊ｜○）、Ｐｒ（○）、Ｐｒ（Ｐｉ｜×）、Ｐｒ（Ｐｊ｜×）、Ｐｒ（×）を違反確率表Ｌ８から検出する。
ＳＬＡ確率算出部２４２は、検査対象ＳＬＡログＬ４から現在時刻tのＳＬＡ計測値ｐ（ｔ）の値ｖを読み込み、ＳＬＡ確率分布表Ｌ９を参照して、確率密度ｆ（ｐ（ｔ）＝ｖ｜○）、ｆ（ｐ（ｔ）＝ｖ｜×）を算出する。具体的には、例えば図８に示すＳＬＡ確率分布表Ｌ９の場合には、ＳＬＡ計測値ｐ（ｔ）の値が“６”であり、平均値が“２．８６”であり、不偏分散が“１０．７１”である正規分布の確率密度を求めることで、確率密度ｆ（ｐ（ｔ）＝６｜○）を算出する。同様に、平均値が“１０．２６”であり、不偏分散が“３．４９”である正規分布の確率密度を求めることで、確率密度ｆ（ｐ（ｔ）＝６｜×）を算出する。
複合確率統合部２４３は、イベント確率検索部２４１により検出された各種の確率と、ＳＬＡ確率算出部２４２により算出された確率密度とを用い、現在時刻tにおいてＳＬＡ計測値ｐ（ｔ）の値がｖであり、かつ、一または複数のイベントＰが発生したときに、ＳＬＡ違反となる確率Ｐｒ（×｜ｐ（ｔ）＝ｖ、Ｐ）を算出する。
例えば、ＳＬＡ計測値ｐ（ｔ）の値がｖからｖ＋δｖに含まれるイベント（例えばイベントｐとする）と、イベントＰｉとイベントＰｊとが発生している場合には、公知のベイズの定理と、lim_（δｖ->０）Ｐｒ（ｐ）／δｖ＝ｆ（ｐ）とを利用することで、ＳＬＡ違反となる確率Ｐｒ（×｜Ｐｉ、Ｐｊ、ｐ）を以下のように算出することができる。
Ｐｒ（×｜Ｐｉ、Ｐｊ、ｐ）
＝Ｐｒ（Ｐｉ、Ｐｊ、ｐ｜×）Ｐｒ（×）／Ｐｒ（Ｐｉ、Ｐｊ、ｐ）
＝Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）Ｐｒ（ｐ｜×）Ｐｒ（×）／Ｐｒ（Ｐｉ、Ｐｊ、ｐ）
＝Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）Ｐｒ（ｐ｜×）Ｐｒ（×）／｛Ｐｒ（○）Ｐｒ（Ｐｉ｜○）Ｐｒ（Ｐｊ｜○）Ｐｒ（ｐ｜○）＋Ｐｒ（×）Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）Ｐｒ（ｐ｜×）｝
＝Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）｛Ｐｒ（ｐ｜×）／δｐ｝Ｐｒ（×）／｛Ｐｒ（○）Ｐｒ（Ｐｉ｜○）Ｐｒ（Ｐｊ｜○）｛Ｐｒ（ｐ｜○）／δｖ｝＋Ｐｒ（×）Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）｛Ｐｒ（ｐ｜×）／δｐ｝｝
＝lim_（δｖ->０）｛Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）｛Ｐｒ（ｐ｜×）／δｐ｝Ｐｒ（×）／｛Ｐｒ（○）Ｐｒ（Ｐｉ｜○）Ｐｒ（Ｐｊ｜○）｛Ｐｒ（ｐ｜○）／δｖ｝＋Ｐｒ（×）Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）｛Ｐｒ（ｐ｜×）／δｐ｝｝｝
＝Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）ｆ（ｐ｜×）Ｐｒ（×）／｛Ｐｒ（○）Ｐｒ（Ｐｉ｜○）Ｐｒ（Ｐｊ｜○）ｆ（ｐ｜○）＋Ｐｒ（×）Ｐｒ（Ｐｉ｜×）Ｐｒ（Ｐｊ｜×）ｆ（ｐ｜×）｝ … （１２）
なお、上記式（１２）は、イベントＰｉとイベントＰｊとが発生している場合の式であるが、例えば、イベントＰｉのみが発生している場合には、式（１２）に含まれる各項から“Ｐｊ”部分を省略すればよい。
具体的には、例えば、ある時刻区間である５分間に、イベントａおよびイベントｂが発生し、そのときのＳＬＡ計測値ｐ（ｔ）の値が“６”である場合に、５分以内にＳＬＡ違反となる確率Ｐｒ（×｜Ｐａ、Ｐｂ、ｐ＝６）を求めるとする。この場合には、上記式（１２）を用いて以下のように計算することができる。
Ｐｒ（×｜Ｐａ、Ｐｂ、ｐ＝６）
＝Ｐｒ（Ｐａ｜×）Ｐｒ（Ｐｂ｜×）ｆ（ｐ＝６｜×）Ｐｒ（×）／｛Ｐｒ（○）Ｐｒ（Ｐａ｜○）Ｐｒ（Ｐｂ｜○）ｆ（ｐ＝６｜○）＋Ｐｒ（×）Ｐｒ（Ｐａ｜×）Ｐｒ（Ｐｂ｜×）ｆ（ｐ＝６｜×）｝ … （１３）
ここで、図６の違反確率表Ｌ８および図８のＳＬＡ確率分布表Ｌ９の数値を例にすると、Ｐｒ（Ｐａ｜×）＝“０．１７”、Ｐｒ（Ｐｂ｜×）＝“０．２４”、ｆ（ｐ＝６｜×）＝“０．０１５８”、Ｐｒ（×）＝“０．２１”、Ｐｒ（Ｐａ｜○）＝“０．１８”、Ｐｒ（Ｐｂ｜○）＝“０．２６”、ｆ（ｐ＝６｜○）＝“０．０７６９”、Ｐｒ（○）＝“０．７９”となり、これらを上記式（１３）に代入すると、Ｐｒ（×｜Ｐａ、Ｐｂ、ｐ＝６）＝“０．００３６３”となる。
なお、本実施形態では、以下のことを前提としている。
前提１：ｐｒ（×｜Ｐ１、…、Ｐｎ）は、時刻ｔによらず等しい。
前提２：ＳＬＡ違反無（○）またはＳＬＡ違反有（×）を条件とする条件付確率において、事象Ｐ１、…、Ｐｎは、確率的に独立である。したがって、Ｐｒ（Ｐｍ、Ｐｎ｜○）＝Ｐｒ（Ｐｍ｜○）Ｐｒ（Ｐｎ｜○）、およびＰｒ（Ｐｍ、Ｐｎ｜×）＝Ｐｒ（Ｐｍ｜×）Ｐｒ（Ｐｎ｜×）が成立する。
前提３：ＳＬＡ計測値ｐ（ｔ）の値の確率密度は、特定の確率分布に従い、この確率分布の種類（例えば、正規分布）は、事前に把握されている。なお、単純ベイジアンフィルタにおいて、前提２が多くの場合、近似的に成立することは公知である。
前提４：ＳＬＡ違反無（○）またはＳＬＡ違反有（×）を条件とする条件付確率において、事象Ｐｉと、ＳＬＡ計測値ｐ（ｔ）の値がｖからδｖに含まれることとは、確率的に独立である。したがって、Ｐｒ（Ｐｉ、ｖ≦ｐ（ｔ）＜ｖ＋δｔ｜○）＝Ｐｒ（Ｐｉ｜○）Ｐｒ（ｖ≦ｐ（ｔ）＜ｖ＋δｔ｜○）、およびＰｒ（Ｐｉ、ｖ≦ｐ（ｔ）＜ｖ＋δｔ｜×）＝Ｐｒ（Ｐｉ｜×）Ｐｒ（ｖ≦ｐ（ｔ）＜ｖ＋δｔ｜×）が成立する。
前提５：ＳＬＡ違反無（○）またはＳＬＡ違反有（×）を条件とする条件付確率において、ＳＬＡ計測値ｐ（ｔ）の値の確率密度は、特定の確率分布に従い、この確率分布の種類(例えば、正規分布)は、事前に把握されている。
次に、図９を参照して、第１実施形態における契約違反予測システム１の動作について説明する。以下に説明する動作では、モニタ部１０が、管理対象システム９０の状態を監視し、学習用イベントログＬ１、学習用ＳＬＡログＬ２、検査対象イベントログＬ３、検査対象ＳＬＡログＬ４等の各種ログを予め生成していることを前提とする。
最初に、確率分布算出部２１は、学習用イベントログＬ１、学習用ＳＬＡログＬ２およびイベント種類リストＬ５を参照し、学習用イベントログＬ１に記録されたイベントごとに、学習用ＳＬＡログＬ２に記録されたＳＬＡサービス項目の計測値の確率分布を算出し、確率分布表Ｌ６に格納する（ステップＳ１０１）。
続いて、確率算出部２２は、上記ステップＳ１０１で更新された確率分布表Ｌ６およびＳＬＡリストＬ７を参照し、イベントごとに、ＳＬＡ違反に該当する確率およびＳＬＡ違反に該当しない確率をそれぞれ算出し、違反確率表Ｌ８に格納する（ステップＳ１０２）。
一方、ＳＬＡ分布算出部２３は、学習用ＳＬＡログＬ２を参照し、イベント発生からδt秒経過後までの間にＳＬＡ違反に該当するＳＬＡ計測値に対応する確率分布と、イベント発生からδt秒経過後までの間にＳＬＡ違反に該当しないＳＬＡ計測値に対応する確率分布とをそれぞれ算出し、ＳＬＡ確率分布表Ｌ９に格納する（ステップＳ１０３）。
ここで、上記ステップＳ１０１およびステップＳ１０２の処理と、上記ステップＳ１０３の処理とは、並行して実行することとしても良いし、いずれか一方を先に実行し他方を後から実行することとしても良い。また、上記ステップＳ１０１〜ステップＳ１０３までの各処理は、システムを運用する前に実行する準備処理となる。一方、下記ステップＳ１０４以降の各処理は、システムの運用時に実行する運用処理となる。
続いて、システム運用時になると、イベント確率検索部２４１は、検査対象イベントログＬ３に含まれるイベントに対応する各種の確率を違反確率表Ｌ８から検出する（ステップＳ１０４）。
一方、ＳＬＡ確率算出部２４２は、検査対象ＳＬＡログＬ４から現在時刻tのＳＬＡ計測値ｐ（ｔ）の値ｖを読み込み、ＳＬＡ確率分布表Ｌ９を参照して、確率密度ｆ（ｐ（ｔ）＝ｖ｜○）、ｆ（ｐ（ｔ）＝ｖ｜×）を算出する（ステップＳ１０５）。
ここで、上記ステップＳ１０４の処理と上記ステップＳ１０５の処理とは、並行して実行することとしても良いし、いずれか一方を先に実行し他方を後から実行することとしても良い。
続いて、複合確率統合部２４３は、上記ステップＳ１０４で検出された各種の確率と、上記ステップＳ１０５で算出された確率密度とを用い、現在時刻tにおいてＳＬＡ計測値ｐ（ｔ）の値がｖであり、かつ、一または複数のイベントＰが発生したときに、ＳＬＡ違反となる確率Ｐｒ（×｜ｐ（ｔ）＝ｖ、Ｐ）を算出する（ステップＳ１０６）。
続いて、表示部３０は、上記ステップＳ１０６で算出されたＳＬＡ違反となる確率をディスプレイに表示させる（ステップＳ１０７）。
上述したように、第１実施形態における契約違反予測システム１によれば、学習用イベントログＬ１および学習用ＳＬＡログＬ２に蓄積されているデータに基づいて算出した確率分布を確率分布表に格納し、この確率分布表に基づいてＳＬＡ違反となる確率を予測することができるため、予測の精度を向上させることができる。
また、イベントが発生してからδｔ秒後までの間にＳＬＡ違反が発生したか否かの確率分布をＳＬＡ確率分布表に格納し、このＳＬＡ確率分布表に基づいて、現在のＳＬＡ計測値を基準にして、δt秒以内にＳＬＡ違反となる確率を予測することができる。したがって、より精度の高い予測を行うことが可能となる。
[第２実施形態]
本発明の第２実施形態について説明する。図１０に示す第２実施形態における契約違反予測システム１が、上述した第１実施形態における契約違反予測システム１と相違する点は、検定部４０と危険率リストＬ１０とが追加される点である。それ以外の構成については、第１実施形態における契約違反予測システム１の各構成と同様であるため、各構成要素には同一の符合を付し、その説明は省略するとともに、以下においては、主に第１実施形態との相違点について説明する。
検定部４０は、各イベントについて、確率分布算出部２１によって算出される確率分布、およびＳＬＡ分布算出部２３によって算出される確率分布が、正規分布であるか否かの検定を行う。検定方法としては、例えば、公知のカイ二乗検定を用いることができる。具体的に、検定部４０は、検定対象となる確率分布の有意確率を算出し、算出した有意確率が危険率リストＬ１０に設定されている危険率（例えば、０．０５）よりも大きい場合に、確率分布が正規分布であると検定する。
検定部４０は、正規分布であると検定した確率分布に対応するイベントのみを、確率分布算出部２１およびＳＬＡ分布算出部２３の入力対象とする。具体的に、検定部４０は、正規分布であると検定されたイベントに対応するイベント種類リストＬ５のレコードに使用フラグをたてる。確率分布算出部２１およびＳＬＡ分布算出部２３は、イベント種類リストＬ５で使用フラグがたてられているイベントのみを処理対象とする。これにより、正規分布であると検定した確率分布に対応するイベントのみを、確率分布算出部２１およびＳＬＡ分布算出部２３の入力対象とすることができる。
次に、図１１を参照して、第２実施形態における契約違反予測システム１の動作について説明する。以下に説明する動作では、第１実施形態と同様に、学習用イベントログＬ１、学習用ＳＬＡログＬ２、検査対象イベントログＬ３、検査対象ＳＬＡログＬ４が予め生成されていることを前提とする。
最初に、検定部４０は、各イベントについて、確率分布算出部２１によって算出される確率分布、およびＳＬＡ分布算出部２３によって算出される確率分布が、正規分布であるか否かの検定を行う（ステップＳ２０１）。
続いて、検定部４０は、正規分布であると検定された確率分布に対応するイベントが存在するか否かを判定する（ステップＳ２０２）。この判定がＮＯである場合（ステップＳ２０２；ＮＯ）には、処理を終了する。
一方、上記ステップＳ２０２の判定で正規分布であると検定された確率分布に対応するイベントが存在すると判定された場合（ステップＳ２０２；ＹＥＳ）には、イベント種類リストＬ５で使用フラグがたてられているイベントについてのみ、上述したステップＳ１０１（図９参照）以降の処理を実行する（ステップＳ２０３）。
上述したように、第２実施形態における契約違反予測システム１によれば、管理対象システム９０のイベントとＳＬＡ計測値との関係、およびＳＬＡ計測値とδt秒以内におけるＳＬＡ計測値の最悪値との関係が想定通りであるか否かをチェックすることができる。そして、想定外のイベントを除外することで、ノイズを除去し、ＳＬＡ違反の予測精度を向上させることができる。
[第３実施形態]
本発明の第３実施形態について説明する。図１２に示す第３実施形態における契約違反予測システム１が、上述した第１実施形態における契約違反予測システム１と相違する点は、相関分析部５０とイベント種類フィルタ部５１と相関一覧表Ｌ１１が追加される点である。それ以外の構成については、第１実施形態における契約違反予測システム１の各構成と同様であるため、各構成要素には同一の符合を付し、その説明は省略するとともに、以下においては、主に第１実施形態との相違点について説明する。
相関分析部５０は、事象間の相関度を、以下のように算出する。まず、相関分析部５０は、各イベントが発生したベクトルを算出する。例えばイベントＰｉの場合、δｔ秒が経過するまでにＳＬＡ違反が発生しなかった時刻がｔ○，１、…、ｔ○，ｎであるとき、イベントＰｉが発生したベクトルは、Ｐ○，ｉ＝（Ｐｉ（ｔ○，１）、…、Ｐｉ（ｔ○，ｎ））となる。Ｐｉ（ｔｉ）は、イベントＰｉが発生した場合には１となり、イベントＰｉが発生しなかった場合には０となる。
具体的に、相関分析部５０は、学習用イベントログＬ１および学習用ＳＬＡログＬ２を入力とし、５分ごとに、ＳＬＡ計測値と、５分間でのＳＬＡ計測値の最悪値と、５分間で発生したイベントの情報とを、図１３に示す表のように生成する。５分間で発生したイベントの情報としては、イベントごとに、５分間で発生した場合には“１”を格納し、５分間で発生しなかった場合には“０”を格納する。
続いて、相関分析部５０は、各イベント間の相関係数ｋを算出する。相関係数ｋとしては、例えば、ピアソンの積率相関係数を用いることができる。この場合に、相関係数は、ｋｉ，ｊ＝（Ｐｉ−ｋｉ＊ｎ）・（Ｐｊ−ｋｊ＊ｎ）／｜Ｐｉ−ｋｉ＊ｎ｜｜Ｐｊ−ｋｊ＊ｎ｜を算出することで求められる。相関分析部５０は、例えば、ＰｉとＰｊとの相関係数ｋｉ・ｊとして、ｋ○ｉ・ｊ＝Ｐ○，ｉ・Ｐ○，ｉ／｜Ｐ○，ｉ｜｜Ｐ○，ｉ｜と、ｋ×ｉ・ｊ＝Ｐ×，ｉ・Ｐ×，ｉ／｜Ｐ×，ｉ｜｜Ｐ×，ｉ｜とを算出する。ここで、Ｐｉ・Ｐｉは内積であり、｜Ｐｉ｜はベクトルの長さである。図１３では、Ｐｃ＝（０，１，０，０，１，…）であり、Ｐｄ＝（０，１，１，０，０，…）であるため、相関分析部５０は、これらの値を用いて、例えば、ｋ○ｃ，ｄ＝−０．１７を算出し、ｋ×ｃ，ｄ＝−０．２５”を算出する。相関分析部５０は、算出した各イベント間の相関係数を、図１４（Ａ）および図１４（Ｂ）に示す相関一覧表Ｌ１１に格納する。
続いて、相関分析部５０は、時刻ｔにおけるＳＬＡ計測値ｐ（ｔ）と、時刻ｔからδtまでの間のＳＬＡ計測値の最悪値ｐｗｏｒｓｔ（ｔ）との差で表されるδｐ（ｔ）＝ｐｗｏｒｓｔ（ｔ）−ｐ（ｔ）のベクトルδｐ＝（δｐ（ｔ１）、…、δｐ（ｔｎ）を算出する。
続いて、相関分析部５０は、各イベントＰｉとδｐ（ｔ）との相関係数ｋｉ，δｐを算出する。相関係数としては、例えば、ピアソンの積率相関係数を用いることができる。この場合に、相関係数は、ｋｉ，δｐ＝（Ｐｉ−ｋｉ＊ｎ）・（δｐ−ｋδｐ＊ｎ）／｜Ｐｉ−ｋｉ＊ｎ｜｜δｐ−ｋδｐ＊ｎ｜を算出することで求められる。ここで、ｎは（１，１，…，１）であり、ｋｉはＰｉ＝（ｃｉ，１，ｃｉ，２，…，ｃｉ，ｎ）の平均値（１／ｎ）Σｊｃｉ，ｊであり、ｋδｐはδｐ＝（ｄ１，ｄ２，…，ｄｎ）の平均値（１／ｎ）Σｊｄｉ，ｊ１である。図１３では、Ｐｃ＝（０，１，０，０，１，…）であり、δｐ＝（６．６５−７．２２，８．５２−８．０８，１０．７９−１０．０８，…）であるため、相関分析部５０は、これらの値を用いて、例えば、ｋｃ，δｐ＝０．０４を算出する。相関分析部５０は、算出した各相関係数ｋｉ，δｐを図１４（Ｃ）に示す相関一覧表Ｌ１１に格納する。
図１２に示すイベント種類フィルタ部５１は、図１４（Ｃ）に示す相関一覧表Ｌ１１を参照し、δｐ（ｔ）と相関性の低いイベントは、ＳＬＡ計数値に対して影響が少ないイベントであると判定し、イベント種類リストの候補から排除する。相関性が低いか否かは、例えば、｜ｋｉ，δｐ｜が“０．００５”未満であるか否かにより判定することができる。図１４（Ｃ）に示す相関一覧表Ｌ１１では、全ての｜ｋｉ，δｐ｜が“０．００５”以上であるため、イベントは排除されない。
イベント種類フィルタ部５１は、図１４（Ａ）および図１４（Ｂ）に示す相関一覧表Ｌ１１を参照し、イベント間の相関性が高いイベントのうち、いずれか一方のイベントを、イベント種類リストの候補から排除する。相関性が高いか否かは、例えば、｜ｋｉ，ｊ｜が“０．５”を超えるか否かにより判定することができる。図１４（Ａ）および図１４（Ｂ）に示す相関一覧表Ｌ１１では、全ての｜ｋｉ，ｊ｜が“０．５”以下であるため、イベントは排除されない。なお、相関性が高いイベントが存在する場合には、例えば、δｐ（ｔ）との相関性が低い方のイベントを、イベント種類リストの候補から排除することができる。
イベント種類フィルタ部５１は、例えば、図１５に示すイベント種類リストＬ５を出力する。図１５に示すイベント種類リストＬ５では、使用フラグ欄にフラグ（チェックマーク）がたてられているイベントａ、ｂ、ｃ、ｄ、ｆが“排除されていないイベント”であることを示し、使用フラグ欄にフラグがたてられていないイベントｅが“排除されたイベント”であることを示す。
次に、図１６を参照して、第３実施形態における契約違反予測システム１の動作について説明する。以下に説明する動作では、第１実施形態と同様に、学習用イベントログＬ１、学習用ＳＬＡログＬ２、検査対象イベントログＬ３、検査対象ＳＬＡログＬ４が予め生成されていることを前提とする。
最初に、相関分析部５０は、管理対象システム９０で発生した各イベントとδｐ（ｔ）との相関係数を算出し、相関一覧表Ｌ１１に格納する（ステップＳ３０１）。
続いて、相関分析部５０は、管理対象システム９０で発生した各イベント間の相関係数を算出し、相関一覧表Ｌ１１に格納する（ステップＳ３０２）。
続いて、イベント種類フィルタ部５１は、δｐ（ｔ）との相関性が第１の所定閾値（例えば０．００５）未満であるイベントを、イベント種類リストの候補から排除する（ステップＳ３０３）。
続いて、イベント種類フィルタ部５１は、イベント間の相関性が第２の所定閾値（例えば０．５）を超えるイベントのうち、δｐ（ｔ）との相関性が低い方のイベントを、イベント種類リストの候補から排除する（ステップＳ３０４）。
続いて、イベント種類フィルタ部５１は、イベント種類リストＬ５を出力する（ステップＳ３０５）。
続いて、ＳＬＡ違反確率計算部２０は、イベント種類リストＬ５に使用フラグがたてられているイベントが存在するか否かを判定する（ステップＳ３０６）。この判定がＮＯである場合（ステップＳ３０６；ＮＯ）には、処理を終了する。
一方、上記ステップＳ３０６の判定で使用フラグがたてられているイベントが存在すると判定された場合（ステップＳ３０６；ＹＥＳ）には、イベント種類リストＬ５に使用フラグがたてられているイベントについてのみ、上述したステップＳ１０１（図９参照）以降の処理を実行する（ステップＳ３０７）。
上述したように、第３実施形態における装置１によれば、δｐ（ｔ）との相関性が低いイベントを排除し、δｐ（ｔ）との相関性が高いイベントのみを対象にしてＳＬＡ違反を予測することができる。これにより、サービス品質に影響を与えないイベントを排除することができるため、ＳＬＡ違反の予測精度を向上させることが可能となる。
また、イベント間の相関性が高いイベントのうち、一方のイベントを排除することができる。本発明では事象が確率的に独立に発生することを前提としているため、確率的に依存性が高いイベントが存在する場合には、一方を排除することで、ＳＬＡ違反の予測精度を向上させることが可能となる。
[変形例]
なお、上述した各実施形態は、単なる例示に過ぎず、各実施形態に明示していない種々の変形や技術の適用を排除するものではない。すなわち、本発明は、その趣旨を逸脱しない範囲で様々な形態に変形して実施することができる。
例えば、上記の各実施形態の一部または全部は、以下の付記のようにも記載され得るが、本発明を以下に限定するものではない。
（付記１）サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出部と、前記確率分布算出部により算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出部と、前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出部と、前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出部と、を備えることを特徴とする契約違反予測システム。
（付記２）前記確率分布算出部により算出される前記確率分布が、所定の分布であるか否かを検定する検定部を、さらに備え、前記確率分布算出部は、前記検定部により前記所定の分布であると判定された前記確率分布に対応する前記イベント情報および前記計測値情報に基づいて、前記確率分布を算出することを特徴とする付記１記載の契約違反予測システム。
（付記３）前記計測値情報を参照し、前記イベントごとに、当該イベント発生時の計測値と、当該イベントの発生から所定時間経過後までの間の前記計測値の変動値との間の第１相関係数を算出する相関係数算出部と、前記相関係数算出部により算出された前記第１相関係数が所定閾値よりも小さい前記イベントを、前記イベント情報の対象から除外するフィルタ部と、をさらに備えることを特徴とする付記１または２記載の契約違反予測システム。
（付記４）前記イベント情報を参照し、各前記イベント間の第２相関係数を算出する第２の相関係数算出部と、前記第２の相関係数算出部により算出された前記第２相関係数が第２の所定閾値よりも大きい場合に、当該第２相関係数に対応する２つの前記イベントのうち、前記相関係数算出部により算出された前記第１相関係数が小さい方の前記イベントを、前記イベント情報の対象から除外する第２のフィルタ部と、をさらに備えることを特徴とする付記３記載の契約違反予測システム。
（付記５）前記確率分布は、正規分布であることを特徴とする付記１〜４のいずれかに記載の契約違反予測システム。
（付記６）サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出ステップと、前記確率分布算出ステップにおいて算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出ステップと、前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出ステップと、前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出ステップと、を含むことを特徴とする契約違反予測方法。
（付記７）付記６に記載の各ステップをコンピュータに実行させるための契約違反予測プログラム。
この出願は、２０１０年６月９日に出願された日本出願特願２０１０−１３２３００を基礎とする優先権を主張し、その開示の全てをここに取り込む。
本発明に係る契約違反予測システム、契約違反予測方法および契約違反予測プログラムは、サービスレベル契約違反の予測精度を向上させることに適している。
１…契約違反予測システム、１０…モニタ部、２０…ＳＬＡ違反確率計算部、２１…確率分布算出部、２２…確率算出部、２３…ＳＬＡ分布算出部、２４…違反発生確率算出部、２４１…イベント確率検索部、２４２…ＳＬＡ確率算出部、２４３…複合確率統合部、３０…表示部、４０…検定部、５０…相関分析部、５１…イベント種類フィルタ部、９０…管理対象システム、Ｌ１…学習用イベントログ、Ｌ２…学習用ＳＬＡログ、Ｌ３…検査対象イベントログ、Ｌ４…検査対象ＳＬＡログ、Ｌ５…イベント種類リスト、Ｌ６…確率分布表、Ｌ７…ＳＬＡリスト、Ｌ８…違反確率表、Ｌ９…ＳＬＡ確率分布表、Ｌ１０…危険率リスト、Ｌ１１…相関一覧表。

Claims (7)

  1. サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出部と、
    前記確率分布算出部により算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出部と、
    前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出部と、
    前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出部と、
    を備えることを特徴とする契約違反予測システム。
  2. 前記確率分布算出部により算出される前記確率分布が、所定の分布であるか否かを検定する検定部を、さらに備え、
    前記確率分布算出部は、前記検定部により前記所定の分布であると判定された前記確率分布に対応する前記イベント情報および前記計測値情報に基づいて、前記確率分布を算出することを特徴とする請求項１記載の契約違反予測システム。
  3. 前記計測値情報を参照し、前記イベントごとに、当該イベント発生時の計測値と、当該イベントの発生から所定時間経過後までの間の前記計測値の変動値との間の第１相関係数を算出する相関係数算出部と、
    前記相関係数算出部により算出された前記第１相関係数が所定閾値よりも小さい前記イベントを、前記イベント情報の対象から除外するフィルタ部と、
    をさらに備えることを特徴とする請求項１または２記載の契約違反予測システム。
  4. 前記イベント情報を参照し、各前記イベント間の第２相関係数を算出する第２の相関係数算出部と、
    前記第２の相関係数算出部により算出された前記第２相関係数が第２の所定閾値よりも大きい場合に、当該第２相関係数に対応する２つの前記イベントのうち、前記相関係数算出部により算出された前記第１相関係数が小さい方の前記イベントを、前記イベント情報の対象から除外する第２のフィルタ部と、
    をさらに備えることを特徴とする請求項３記載の契約違反予測システム。
  5. 前記確率分布は、正規分布であることを特徴とする請求項１〜４のいずれか１項に記載の契約違反予測システム。
  6. サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出ステップと、
    前記確率分布算出ステップにおいて算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出ステップと、
    前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出ステップと、
    前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出ステップと、
    を含むことを特徴とする契約違反予測方法。
  7. 請求項６に記載の各ステップをコンピュータに実行させるための契約違反予測プログラム。
JP2012519325A 2010-06-09 2011-05-20 契約違反予測システム、契約違反予測方法および契約違反予測プログラム Active JP5768983B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012519325A JP5768983B2 (ja) 2010-06-09 2011-05-20 契約違反予測システム、契約違反予測方法および契約違反予測プログラム

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2010132300 2010-06-09
JP2010132300 2010-06-09
JP2012519325A JP5768983B2 (ja) 2010-06-09 2011-05-20 契約違反予測システム、契約違反予測方法および契約違反予測プログラム
PCT/JP2011/061673 WO2011155308A1 (ja) 2010-06-09 2011-05-20 契約違反予測システム、契約違反予測方法および契約違反予測プログラム

Publications (2)

Publication Number Publication Date
JPWO2011155308A1 true JPWO2011155308A1 (ja) 2013-08-01
JP5768983B2 JP5768983B2 (ja) 2015-08-26

Family

ID=45097917

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012519325A Active JP5768983B2 (ja) 2010-06-09 2011-05-20 契約違反予測システム、契約違反予測方法および契約違反予測プログラム

Country Status (3)

Country Link
US (1) US9396432B2 (ja)
JP (1) JP5768983B2 (ja)
WO (1) WO2011155308A1 (ja)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5768983B2 (ja) * 2010-06-09 2015-08-26 日本電気株式会社 契約違反予測システム、契約違反予測方法および契約違反予測プログラム
JP2014106851A (ja) * 2012-11-29 2014-06-09 Fujitsu Ltd 情報処理装置、情報処理方法及びプログラム
US20160283304A1 (en) * 2013-12-20 2016-09-29 Hitachi, Ltd. Performance prediction method, performance prediction system and program
US11048608B2 (en) * 2015-03-17 2021-06-29 Vmware, Inc. Probability-distribution-based log-file analysis
US10116675B2 (en) * 2015-12-08 2018-10-30 Vmware, Inc. Methods and systems to detect anomalies in computer system behavior based on log-file sampling
EP3446261A1 (en) * 2016-04-21 2019-02-27 Telefonaktiebolaget LM Ericsson (PUBL) Predicting timely completion of a work order
US11347373B2 (en) * 2016-10-05 2022-05-31 Vmware, Inc. Methods and systems to sample event messages
US10810103B2 (en) * 2016-12-14 2020-10-20 Vmware, Inc. Method and system for identifying event-message transactions
US11277317B2 (en) * 2019-08-05 2022-03-15 International Business Machines Corporation Machine learning to predict quality-of-service needs in an operational data management system

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5538897A (en) * 1994-03-14 1996-07-23 University Of Washington Use of mass spectrometry fragmentation patterns of peptides to identify amino acid sequences in databases
US7145898B1 (en) * 1996-11-18 2006-12-05 Mci Communications Corporation System, method and article of manufacture for selecting a gateway of a hybrid communication system architecture
US5867494A (en) * 1996-11-18 1999-02-02 Mci Communication Corporation System, method and article of manufacture with integrated video conferencing billing in a communication system architecture
GB9909436D0 (en) * 1999-04-23 1999-06-23 Pact Routing device
US6321179B1 (en) * 1999-06-29 2001-11-20 Xerox Corporation System and method for using noisy collaborative filtering to rank and present items
US6460001B1 (en) * 2000-03-29 2002-10-01 Advantest Corporation Apparatus for and method of measuring a peak jitter
IL157501A0 (en) 2001-02-20 2004-03-28 Associates International Inc C System and method for monitoring service provider achievements
US20040136379A1 (en) * 2001-03-13 2004-07-15 Liao Raymond R Method and apparatus for allocation of resources
JP2003150723A (ja) 2001-11-14 2003-05-23 Nippon Telegr & Teleph Corp <Ntt> サービスプロバイダのｓｌａ違反検出及び返金処理方法及びシステム
EP1335535A1 (en) * 2002-01-31 2003-08-13 BRITISH TELECOMMUNICATIONS public limited company Network service selection
JP2005523533A (ja) 2002-04-19 2005-08-04 コンピュータ アソシエイツ シンク，インコーポレイテッド 混合型数字及び／又は非数字データの処理
US7444310B2 (en) 2002-04-19 2008-10-28 Computer Associates Think, Inc. Automatic model maintenance through local nets
WO2003090147A2 (en) 2002-04-19 2003-10-30 Computer Associates Think, Inc. Method and apparatus for discovering evolutionary changes within a system
US7777743B2 (en) 2002-04-19 2010-08-17 Computer Associates Think, Inc. Viewing multi-dimensional data through hierarchical visualization
JP2005011892A (ja) * 2003-06-17 2005-01-13 Matsushita Electric Ind Co Ltd Ｌｓｉの設計マージンの設定方法
US7313533B2 (en) 2003-07-11 2007-12-25 International Business Machines Corporation Systems and methods for monitoring and controlling business level service level agreements
US8346909B2 (en) * 2004-01-22 2013-01-01 International Business Machines Corporation Method for supporting transaction and parallel application workloads across multiple domains based on service level agreements
US8041797B2 (en) * 2004-03-31 2011-10-18 International Business Machines Corporation Apparatus and method for allocating resources based on service level agreement predictions and associated costs
US8417499B2 (en) * 2004-03-31 2013-04-09 International Business Machines Corporation Enabling real-time testing of on-demand infrastructure to predict service level agreement compliance
US20060015593A1 (en) * 2004-06-17 2006-01-19 International Business Machines Corporation Three dimensional surface indicating probability of breach of service level
FR2872977B1 (fr) 2004-07-08 2006-10-13 Gemplus Sa Procede de contre-mesure dans un composant electronique mettant en oeuvre un algorithme a cle publique utilisant les courbes elliptiques permettant la protection du calcul de couplage sur les dites courbes
SG121921A1 (en) 2004-11-02 2006-05-26 Soon Seah Toh Network management appliance
JP4941296B2 (ja) 2005-03-31 2012-05-30 日本電気株式会社 移動通信のサービスレベル管理システム
US7957413B2 (en) 2005-04-07 2011-06-07 International Business Machines Corporation Method, system and program product for outsourcing resources in a grid computing environment
US7546039B1 (en) * 2005-11-28 2009-06-09 At&T Intellectual Property, Ii, L.P. Systems, devices, and methods for controlling outage probabilities
US20070239496A1 (en) * 2005-12-23 2007-10-11 International Business Machines Corporation Method, system and computer program for operational-risk modeling
US8713513B2 (en) * 2006-12-13 2014-04-29 Infosys Limited Evaluating programmer efficiency in maintaining software systems
JP4982216B2 (ja) 2007-03-14 2012-07-25 株式会社日立製作所 ポリシ作成支援方法、ポリシ作成支援システム、およびプログラム
US20090076859A1 (en) * 2007-12-12 2009-03-19 Peter Phillips System and method for hedging portfolios of variable annuity liabilities
JP5088411B2 (ja) * 2008-05-27 2012-12-05 富士通株式会社 システム運用管理支援プログラム，方法及び装置
JP5768983B2 (ja) * 2010-06-09 2015-08-26 日本電気株式会社 契約違反予測システム、契約違反予測方法および契約違反予測プログラム

Also Published As

Publication number Publication date
JP5768983B2 (ja) 2015-08-26
WO2011155308A1 (ja) 2011-12-15
US9396432B2 (en) 2016-07-19
US20130080367A1 (en) 2013-03-28

Similar Documents

Publication Publication Date Title
JP5768983B2 (ja) 契約違反予測システム、契約違反予測方法および契約違反予測プログラム
JP6394726B2 (ja) 運用管理装置、運用管理方法、及びプログラム
US7693982B2 (en) Automated diagnosis and forecasting of service level objective states
EP2759938B1 (en) Operations management device, operations management method, and program
US10747188B2 (en) Information processing apparatus, information processing method, and, recording medium
EP2814218A1 (en) Detecting anomalies in work practice data by combining multiple domains of information
JP4282717B2 (ja) 定期点検データ分析装置およびその方法
JP5418610B2 (ja) 障害原因抽出装置、障害原因抽出方法およびプログラム記憶媒体
US20160378583A1 (en) Management computer and method for evaluating performance threshold value
JP2010526352A (ja) 統計的な分析を利用した性能障害管理システム及びその方法
CN107992410B (zh) 软件质量监测方法、装置、计算机设备和存储介质
US8918345B2 (en) Network analysis system
JP4573179B2 (ja) 性能負荷異常検出システム、性能負荷異常検出方法、及びプログラム
US20100131952A1 (en) Assistance In Performing Action Responsive To Detected Event
WO2016136198A1 (ja) システム監視装置、システム監視方法、及び、システム監視プログラムが記録された記録媒体
JP5387779B2 (ja) 運用管理装置、運用管理方法、及びプログラム
EP2690559B1 (en) Operation administration system, operation administration method, and program
JPWO2014132611A1 (ja) システム分析装置、及び、システム分析方法
Wang An imperfect software debugging model considering irregular fluctuation of fault introduction rate
EP3588395A1 (en) Management device, management method, and program
JP2011170518A (ja) 状態監視装置及び方法
CN110458713B (zh) 模型监控方法、装置、计算机设备及存储介质
JP2014153736A (ja) 障害予兆検出方法、プログラムおよび装置
CN112685390B (zh) 数据库实例管理方法及装置、计算设备
WO2012070475A1 (ja) 情報処理装置、情報処理方法、並びに情報処理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140409

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: 20150527

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150609

R150 Certificate of patent or registration of utility model

Ref document number: 5768983

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150