JPWO2018066041A1 - 性能異常検出装置、性能異常検出方法、及び性能異常検出プログラム - Google Patents

Abstract

性能異常検出装置は、対象装置の性能をそれぞれ表す複数の性能情報を取得する性能情報取得部と、前記性能情報取得部が取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記対象装置の性能異常を検出する異常検出部と、前記異常検出部が前記性能異常を検出した場合に、前記対象装置の障害の種別を判定するための判定パラメータを記憶する判定パラメータ記憶部を参照して、前記異常な性能情報に相当する前記障害の種別を特定する障害特定部と、前記障害特定部が前記障害の種別を特定できない場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録するパラメータ登録部と、を有する。

Description

本件は、性能異常検出装置、性能異常検出方法、及び性能異常検出プログラムに関する。

センサノードを広域に設置し、各センサノードが計測した計測値を取得して解析するシステムの開発・運用が進められている。例えば、マンホールの蓋の裏側に設置した各センサノードが下水の水位やガス濃度を計測し、計測値を診断することによりマンホール下の異常を検出するシステムが知られている（例えば特許文献１参照）。

ここで、センサノードから計測値を取得する際に無線通信が利用される場合、車両等による遮蔽や、周辺からの干渉といった通信障害が発生すると、計測値を取得できなくなることがある。そのため、無線通信の異常を高精度に検出する技術が重要となる。

無線通信の異常を検出する技術としては、例えば、正常時の観測データで生成したクラスタと比較することで異常を検出する方法が知られている（例えば特許文献２参照）。特許文献２に開示される技術は、機械設備の異常診断・予防保全システムであり、運転スケジュールをもとに、正常な時系列データを用いて、時間帯ごとにクラスタを生成し、該クラスタと比較することにより異常を検出する技術である。

特開２０１６−１１４４５８号公報 特開２０１６−０３３７７８号公報

ところで、上述したシステムにおいて安価なセンサノードを利用したり、解析前に計測値を集約するゲートウェイを利用したりする場合、ハードウェアやソフトウェアのスペック不足や故障などによっても計測値を取得できなくなることがある。そのため、センサノードやゲートウェイの性能異常（例えば通信性能の異常や情報処理性能の異常など）を高精度に検出する技術も重要となる。

そこで、１つの側面では、対象装置の性能異常を高精度に検出できる性能異常検出装置、性能異常検出方法、及び性能異常検出プログラムを提供することを目的とする。

本明細書に開示の性能異常検出装置は、対象装置の性能をそれぞれ表す複数の性能情報を取得する性能情報取得部と、前記性能情報取得部が取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記対象装置の性能異常を検出する異常検出部と、前記異常検出部が前記性能異常を検出した場合に、前記対象装置の障害の種別を判定するための判定パラメータを記憶する判定パラメータ記憶部を参照して、前記異常な性能情報に相当する前記障害の種別を特定する障害特定部と、前記障害特定部が前記障害の種別を特定できない場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録するパラメータ登録部と、を有する性能異常検出装置である。

本明細書に開示の性能異常検出方法は、対象装置の性能をそれぞれ表す複数の性能情報を取得し、取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記対象装置の性能異常を検出し、前記性能異常を検出した場合に、前記対象装置の障害の種別を判定するための判定パラメータを記憶する判定パラメータ記憶部を参照して、前記異常な性能情報に相当する前記障害の種別を特定し、前記障害の種別を特定できない場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録する、処理をコンピュータが実行する性能異常検出方法である。

本明細書に開示の性能異常検出プログラムは、対象装置の性能をそれぞれ表す複数の性能情報を取得し、取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記対象装置の性能異常を検出し、前記性能異常を検出した場合に、前記対象装置の障害の種別を判定するための判定パラメータを記憶する判定パラメータ記憶部を参照して、前記異常な性能情報に相当する前記障害の種別を特定し、前記障害の種別を特定できない場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録する、処理をコンピュータに実行させるための性能異常検出プログラムである。

本明細書に開示の性能異常検出装置、性能異常検出方法、及び性能異常検出プログラムによれば、対象装置の性能異常を高精度に検出することができる。

図１は性能異常検出システムの一例を説明するための図である。 図２はセンサノードのハードウェア構成の一例である。 図３はゲートウェイのハードウェア構成の一例である。 図４は第１実施形態に係るセンサノード及びゲートウェイの機能ブロック図の一例である。 図５は環境情報記憶部の一例である。 図６は性能情報記憶部の一例である。 図７は判定パラメータ記憶部の一例である。 図８はゲートウェイの動作の一例を示すフローチャートである。 図９は障害種別特定処理の一例を表すフローチャートである。 図１０は性能悪化の一例を説明するための図である。 図１１は判定パラメータ登録処理の一例を表すフローチャートである。 図１２は性能悪化の他の一例を説明するための図である。 図１３は判定パラメータの登録例を説明するための図である。 図１４は第２実施形態に係るセンサノード及びゲートウェイの機能ブロック図の一例である。 図１５は判定パラメータ登録処理に追加されるフローチャートの一例である。 図１６（ａ）は障害名登録画面の一例である。図１６（ｂ）は第２実施形態に係る判定パラメータ記憶部の一例である。 図１７は第３実施形態に係るセンサノード及びゲートウェイの機能ブロック図の一例である。 図１８は悪化性能抽出部の動作の一例を示すフローチャートである。 図１９は悪化判定手法設定画面の一例である。 図２０は第４実施形態に係るセンサノード及びゲートウェイの機能ブロック図の一例である。 図２１はパラメータ登録部及び情報取得部の動作の一例を示すフローチャートである。 図２２は第４実施形態に係る判定パラメータ記憶部の一例である。 図２３は第５実施形態に係るセンサノード及びゲートウェイの機能ブロック図の一例である。 図２４は第５実施形態に係る障害特定部の動作の一例を示すフローチャートである。 図２５は第６実施形態に係るパラメータ登録部の動作の一例を示すフローチャートである。

以下、本件を実施するための形態について図面を参照して説明する。

（第１実施形態）
図１は性能異常検出システムＳの一例を説明するための図である。性能異常検出システムＳは複数のセンサノード１００、性能異常検出装置としての複数のゲートウェイ２００、及びサーバ３００を備えている。ゲートウェイ２００とサーバ３００は有線ネットワークＮＷ１により接続されている。有線ネットワークＮＷ１としては例えばインターネットがある。一方、センサノード１００とゲートウェイ２００は無線ネットワークＮＷ２により接続されている。無線ネットワークＮＷ２としては例えば無線ＬＡＮがある。尚、センサノード１００及びゲートウェイ２００はいずれか一方又は双方が１つであってもよい。また、ゲートウェイ２００とサーバ３００との接続は有線ネットワークＮＷ１ではなく、無線ネットワークＮＷ２であってもよいし、有線ネットワークＮＷ１と無線ネットワークＮＷ２が混在していてもよい。

センサノード１００は例えばマンホールの蓋の裏面に設けられる。センサノード１００は複数のセンサを備えている。各センサはマンホール下の温度や湿度、マンホール下に流れる下水の水位やマンホール下に存在するガスのガス濃度など、マンホール下の環境を数値化した環境値を計測する。また、センサノード１００は自身の無線通信の性能（例えば無線品質）及び情報処理の性能（例えばハードウェアやソフトウェアの性能）を数値化した性能値を計測する。センサノード１００は計測した環境値及び性能値をゲートウェイ２００に対して無線通信により送信する。

ゲートウェイ２００は例えば電柱などに設置される。ゲートウェイ２００はセンサノード１００から送信された環境値及び性能値を受信し、受信した環境値及び性能値に基づいて、センサノード１００の性能異常を検出する。尚、ゲートウェイ２００は自身の無線通信の性能及び情報処理の性能を数値化した性能値を計測し、その性能値に基づいて自身の性能異常を検出してもよい。ゲートウェイ２００は性能異常を検出すると、障害の種別を特定し、特定結果をサーバ３００に通知する。以下、センサノード１００及びゲートウェイ２００のそれぞれについて詳しく説明する。

まず、図２を参照して、センサノード１００のハードウェア構成について説明する。

図２はセンサノード１００のハードウェア構成の一例である。図２に示すように、センサノード１００は、Central Processing Unit（ＣＰＵ）１００Ａ、Random Access Memory（ＲＡＭ）１００Ｂ、及びRead Only Memory（ＲＯＭ）１００Ｃ、Electrically Erasable Programmable Read Only Memory（ＥＥＰＲＯＭ）１００Ｄを含んでいる。また、センサノード１００は、Hard Disk Drive（ＨＤＤ）１００Ｅ、Radio Frequency（ＲＦ）回路１００Ｆ、及びAnalogue/Digital（ＡＤ）コンバータ１００Ｇを含んでいる。ＲＦ回路１００Ｆにはアンテナ１００Ｆ´が接続されている。ＲＦ回路１００Ｆに代えて無線通信機能を実現するＣＰＵが利用されてもよい。ＡＤコンバータ１００Ｇには複数のセンサ１００Ｇ´が接続されている。ＣＰＵ１００Ａ〜ＡＤコンバータ１００Ｇは、内部バス１００Ｈによって互いに接続されている。少なくともＣＰＵ１００ＡとＲＡＭ１００Ｂとが協働することによってコンピュータが実現される。

上述したＲＡＭ１００Ｂには、ＲＯＭ１００ＣやＥＥＰＲＯＭ１００Ｄ、ＨＤＤ１００Ｅに記憶されたプログラムがＣＰＵ１００Ａによって格納される。格納されたプログラムをＣＰＵ１００Ａが実行することにより、後述する各種の機能が実現され、また、各種の処理が実行される。尚、プログラムは後述するフローチャートに応じたものとすればよい。

続いて、図３を参照して、ゲートウェイ２００のハードウェア構成について説明する。尚、上述したサーバ３００については基本的にゲートウェイ２００と同様の構成であるため、その説明を省略する。

図３はゲートウェイ２００のハードウェア構成の一例である。図３に示すように、ゲートウェイ２００は、少なくともＣＰＵ２００Ａ、ＲＡＭ２００Ｂ、ＲＯＭ２００Ｃ、ネットワークＩ／Ｆ（インタフェース）２００Ｄ、及びＲＦ回路２００Ｅを含んでいる。ＲＦ回路２００Ｅにはアンテナ２００Ｅ´が接続されている。ＲＦ回路２００Ｅに代えて無線通信機能を実現するＣＰＵが利用されてもよい。

また、ゲートウェイ２００は、必要に応じて、入力Ｉ／Ｆ２００Ｆ、出力Ｉ／Ｆ２００Ｇ、入出力Ｉ／Ｆ２００Ｈ、ドライブ装置２００Ｉ、ＨＤＤ２００Ｊの少なくとも１つを含んでいてもよい。ＣＰＵ２００ＡからＨＤＤ２００Ｊは、内部バス２００Ｋによって互いに接続されている。少なくともＣＰＵ２００ＡとＲＡＭ２００Ｂとが協働することによってコンピュータが実現される。

入力Ｉ／Ｆ２００Ｆには、入力装置７１０が接続される。入力装置７１０としては、例えばキーボードやマウスなどがある。
出力Ｉ／Ｆ２００Ｇには、表示装置７２０が接続される。表示装置７２０としては、例えば液晶ディスプレイがある。
入出力Ｉ／Ｆ２００Ｈには、半導体メモリ７３０が接続される。半導体メモリ７３０としては、例えばUniversal Serial Bus（ＵＳＢ）メモリやフラッシュメモリなどがある。入出力Ｉ／Ｆ２００Ｈは、半導体メモリ７３０に記憶されたプログラムやデータを読み取る。
入力Ｉ／Ｆ２００Ｆ及び入出力Ｉ／Ｆ２００Ｈは、例えばＵＳＢポートを備えている。出力Ｉ／Ｆ２００Ｇは、例えばディスプレイポートを備えている。

ドライブ装置２００Ｉには、可搬型記録媒体７４０が挿入される。可搬型記録媒体７４０としては、例えばCompact Disc（ＣＤ）−ＲＯＭ、Digital Versatile Disc（ＤＶＤ）といったリムーバブルディスクがある。ドライブ装置２００Ｉは、可搬型記録媒体７４０に記録されたプログラムやデータを読み込む。
ネットワークＩ／Ｆ２００Ｄは、例えばポートとPhysical Layer Chip（ＰＨＹチップ）とを備えている。サーバ３００は、ネットワークＩ／Ｆ２００Ｄを介して有線ネットワークＮＷ１と接続される。

上述したＲＡＭ２００Ｂには、ＲＯＭ２００ＣやＨＤＤ２００Ｊに記憶されたプログラムがＣＰＵ２００Ａによって格納される。ＲＡＭ２００Ｂには、可搬型記録媒体７４０に記録されたプログラムがＣＰＵ２００Ａによって格納される。格納されたプログラムをＣＰＵ２００Ａが実行することにより、ゲートウェイ２００は後述する各種の機能を実現し、また、後述する各種の処理を実行する。尚、プログラムは後述するフローチャートに応じたものとすればよい。

次に、図４から図７までを参照して、センサノード１００及びゲートウェイ２００の各機能について説明する。

図４は第１実施形態に係るセンサノード１００及びゲートウェイ２００の機能ブロック図の一例である。図５は環境情報記憶部２２５の一例である。図６は性能情報記憶部２３５の一例である。図７は判定パラメータ記憶部２５０の一例である。まず、センサノード１００について説明する。センサノード１００は、環境計測部１１０、性能計測部１２０、及び通信部１３０を含んでいる。

環境計測部１１０は上述した環境値を定期的に計測し、計測した環境値と計測時刻とセンサノードを識別するノードＩＤを含む環境情報を生成する。性能計測部１２０は上述した性能値を定期的に計測し、計測した性能値と計測時刻とノードＩＤを含む性能情報を生成する。通信部１３０は環境計測部１１０が生成した環境情報と性能計測部１２０が生成した性能情報を取得し、取得した環境情報及び性能情報を、無線ネットワークＮＷ２を介してゲートウェイ２００に送信する。

尚、環境計測部１１０は例えば上述したＡＤコンバータ１００Ｇ及び複数のセンサ１００Ｇ´などにより実現される。性能計測部１２０は例えばハードウェアやソフトウェアの性能を計測するプログラムを上述したＣＰＵ１００Ａが実行することによって実現される。通信部１３０は例えば上述したＲＦ回路１００Ｆ及びアンテナ１００Ｆ´によって実現される。

次に、ゲートウェイ２００について説明する。ゲートウェイ２００は、通信部２１０、環境情報取得部２２０、環境情報記憶部２２５、性能情報取得部２３０、及び性能情報記憶部２３５を含んでいる。また、ゲートウェイ２００は、異常検出部２４０、判定パラメータ記憶部２５０、障害特定部２６０、パラメータ登録部２７０、及び特定結果通知部２８０を含んでいる。尚、ゲートウェイ２００が実現するこれら機能の少なくとも一部はサーバ３００が実現してもよい。しかしながら、サーバ３００にゲートウェイ２００の全て又は大部分の機能を含めると、ゲートウェイ２００からサーバ３００への通信負荷が増大するため、ゲートウェイ２００が大部分の情報処理を実行し、その処理結果をサーバ３００に送信する方が好ましい。

通信部２１０は各種の情報や要求を送信したり受信したりする。例えば、通信部２１０はセンサノード１００から送信された環境情報及び性能情報を受信する。通信部２１０は環境情報を受信した場合、環境情報取得部２２０に送信する。通信部２１０は性能情報を受信した場合、性能情報取得部２３０に送信する。尚、通信部２１０は例えば上述したＲＦ回路２００Ｅ及びアンテナ２００Ｅ´によって実現される。

環境情報取得部２２０は通信部２１０から送信された環境情報を受信する。例えば、環境情報取得部２２０は環境情報の送信要求を定期的に発行してセンサノード１００に向けて発信し、センサノード１００から送信要求に応じて送信された環境情報を受信する。これにより、環境情報取得部２２０はセンサノード１００から環境情報を取得する。尚、送信要求を利用する方式に代えて、センサノード１００が定期的に環境情報を送信する方式を利用してもよい。また、環境値に変化があるときにセンサノード１００が環境情報を送信する方式を利用してもよい。環境情報取得部２２０は環境情報を取得すると、取得した環境情報を環境情報記憶部２２５に格納し、異常検出部２４０に環境情報記憶部２２５の更新を通知する。

環境情報記憶部２２５は環境情報を記憶する。より詳しくは、図５に示すように、環境情報記憶部２２５は環境情報を複数の環境情報テーブルＴ１によりノードＩＤ毎に管理する。上述したように、環境情報は、ノードＩＤ、計測時刻を表すタイムスタンプ、並びに、温度、湿度、水位、及びガス濃度（図５では単にガスと表記）といった各種の環境値を構成要素として含んでいる。図５では、環境値として温度、湿度、水位、ガス濃度が示されているが、温度、湿度、水位、ガス濃度の一部を計測するセンサノードであれば、計測されない環境値は環境情報の構成要素に含まれない。また、無線通信の障害（例えば干渉や遮蔽など）により環境情報取得部２２０が環境情報の取得を失敗すると、図５に示すように、連続する環境値の一部が欠落する。

性能情報取得部２３０は通信部２１０から送信された性能情報を受信する。例えば、性能情報取得部２３０は性能情報の送信要求を定期的に発行してセンサノード１００に向けて発信し、センサノード１００から送信要求に応じて送信された性能情報を受信する。これにより、性能情報取得部２３０はセンサノード１００から性能情報を取得する。尚、センサノード１００とゲートウェイ２００との間にアクセスポインタやルータといった無線通信用の中継器（以下、単に無線中継器という）が介在する場合には、性能情報取得部２３０は無線中継器を介して性能情報を取得してもよい。また、性能情報取得部２３０はゲートウェイ２００自身の性能情報を取得してもよい。性能情報取得部２３０は性能情報を取得すると、取得した性能情報を性能情報記憶部２３５に格納し、異常検出部２４０に性能情報記憶部２３５の更新を通知する。

性能情報記憶部２３５は性能情報を記憶する。より詳しくは、図６に示すように、性能情報記憶部２３５は性能情報を複数の性能情報テーブルＴ２によりノードＩＤ毎に管理する。上述したように、性能情報は、ノードＩＤ、タイムスタンプ、及び、各種の性能値を構成要素として含んでいる。図６では、情報処理性能の性能値としてＣＰＵ使用率及びメモリ使用率が示されている。通信性能の性能値としてReceived Signal Strength Indicator（ＲＳＳＩ：電波強度）、Link Quality（ＬＱ：リンク品質）、応答時間、及び再送回数が示されている。尚、情報処理性能の性能値としてＨＤＤ使用率、バッテリ残量、デバイス内温度、内部処理時間などが利用されてもよい。通信性能の性能値としてPacket Error Rate（ＰＥＲ：パケットエラー率）、チャネル利用率、アクティブノード数などが利用されてもよい。図６に示す性能値の一部を計測するセンサノードであれば、計測されない性能値は性能情報の構成要素に含まれない。また、無線通信の障害（例えば干渉や遮蔽など）が発生すると、図６に示すように、連続する性能値の一部が所定の閾値を超える場合がある。図６では、ＬＱに閾値「２５０」が設定されている場合に、ＬＱ「２５０」以下は閾値超えに該当することを表している。同様に、再送回数に閾値「４」が設定されている場合、再送回数「４」以上は閾値超えに該当することを表している。

異常検出部２４０は環境情報取得部２２０が取得した複数の環境情報に異常な環境情報が含まれていたり、性能情報取得部２３０が取得した複数の性能情報に異常な性能情報が含まれていたりする場合に、センサノード１００の異常を検出する。具体的には、異常検出部２４０は環境情報取得部２２０から環境情報記憶部２２５の更新が通知されると、環境情報記憶部２２５から直近の環境情報を抽出する。また、異常検出部２４０は性能情報取得部２３０から性能情報記憶部２３５の更新が通知されると、性能情報記憶部２３５から直近の性能情報を抽出する。異常検出部２４０は抽出した環境情報に含まれる環境値や性能情報に含まれる性能値が欠落していたり、閾値を超えていたりすると、センサノード１００の異常を検出する。異常検出部２４０は異常の発生を検出すると、障害特定部２６０に異常発生を通知し、障害特定部２６０に異常発生と判定した環境情報や性能情報に含まれる各種の構成要素を送信する。具体的には、環境情報であれば、異常検出部２４０は環境情報のノードＩＤ、タイムスタンプ、環境値及びその環境値に対応する環境値名を送信する。性能情報であれば、異常検出部２４０は性能情報のノードＩＤ、タイムスタンプ、性能値及びその性能値に対応する性能名を送信する。尚、異常検出部２４０は抽出した直近の複数の環境値や性能値から平均値や分散値を算出し、算出した平均値や分散値が閾値を超えるか否かにより、異常の発生を判定してもよい。

障害特定部２６０は、異常検出部２４０が異常を検出した場合に、判定パラメータ記憶部２５０を参照して、異常な性能情報に相当する障害の障害種別を特定する。すなわち、障害特定部２６０は異常検出部２４０から異常発生が通知されると、障害種別を特定する。ここで、判定パラメータ記憶部２５０はセンサノード１００の障害種別を判定するための判定パラメータを記憶する。具体的には、図７に示すように、判定パラメータ記憶部２５０は障害種別と複数のパラメータ（例えばＣＰＵ使用率、ＲＳＳＩ、ＬＱなど）を関連付けて判定パラメータとして記憶する。複数のパラメータの一部にはフラグ「１」やフラグ「０」が設定されている。フラグ「１」はそのパラメータが悪化していることを表している。フラグ「０」はそのパラメータが悪化していないことを表している。したがって、図７に示す上段の判定パラメータではＲＳＳＩが悪化しておらず、ＬＱと再送回数が悪化していることを表している。このような複数のパラメータにより表されるパラメータセットには障害種別「干渉」が関連付けられている。一方で、下段の判定パラメータではＲＳＳＩ、ＬＱ及び再送時間がいずれも悪化していることを表している。このような複数のパラメータにより表されるパラメータセットには障害種別「遮蔽」が関連付けられている。

障害特定部２６０は、判定パラメータ記憶部２５０からパラメータセットを抽出して、異常な性能情報に相当する障害種別を特定できるか否かを判定し、障害種別を特定できた場合、障害種別などを特定結果通知部２８０に通知する。一方、障害特定部２６０は、障害種別を特定できなかった場合、判定パラメータ記憶部２５０の更新依頼を後述する判定パラメータ管理部２７１に通知し、該当する性能情報のノードＩＤ、タイムスタンプ、性能値及び性能名を判定パラメータ管理部２７１に送信する。

パラメータ登録部２７０は障害特定部２６０が障害種別を特定できない場合に、異常な性能情報に相当する障害種別を表す判定パラメータを判定パラメータ記憶部２５０に登録する。図４に示すように、パラメータ登録部２７０は判定パラメータ管理部２７１と悪化性能抽出部２７２を含んでいる。

判定パラメータ管理部２７１は障害特定部２６０から更新依頼が通知されると、悪化性能の抽出依頼を悪化性能抽出部２７２に通知するとともに、障害特定部２６０から送信されたノードＩＤ、タイムスタンプ、性能値及び性能名を悪化性能抽出部２７２に送信する。また、判定パラメータ管理部２７１は悪化性能抽出部２７２から送信されたパラメータセットを受信すると、受信したパラメータセットを判定パラメータとして判定パラメータ記憶部２５０に登録する。さらに、判定パラメータ管理部２７１は悪化性能抽出部２７２から送信されたノードＩＤなどを受信すると、受信したノードＩＤを障害特定部２６０に送信する

悪化性能抽出部２７２は判定パラメータ管理部２７１から抽出依頼が通知されると、判定パラメータ管理部２７１から送信されたノードＩＤに基づいて取得でき、かつ、送信されたタイムスタンプ以前の直近の性能値を性能情報記憶部２３５から抽出する。悪化性能抽出部２７２は性能値を抽出すると、性能毎に性能悪化の有無を判定し、性能悪化がある場合にはその性能に対応するパラメータに対し性能悪化を表すフラグ「１」を設定する。逆に、悪化性能抽出部２７２は性能悪化がない場合にはその性能に対応するパラメータに対しフラグ「０」を設定する。悪化性能抽出部２７２はパラメータにフラグ「１」又はフラグ「０」を設定すると、フラグ「１」又はフラグ「０」が設定されたパラメータを組み合わせたパラメータセットと、該当するノードＩＤ、タイムスタンプ、性能値及び性能名を判定パラメータ管理部２７１に送信する。

特定結果通知部２８０は障害特定部２６０から障害種別などを受信すると、障害種別などを特定結果としてサーバ３００に向けて送信する。したがって、Personal Computer（ＰＣ）などの端末装置を利用してサーバ３００にアクセスできれば、性能異常検出システムＳのシステム管理者やシステム利用者は障害種別を確認することができる。

続いて、図８を参照して、ゲートウェイ２００の動作について説明する。

図８はゲートウェイ２００の動作の一例を示すフローチャートである。まず、環境情報取得部２２０及び性能情報取得部２３０はそれぞれ環境情報及び性能情報を取得する（ステップＳ１０１）。ステップＳ１０１の処理が完了すると、環境情報取得部２２０及び性能情報取得部２３０はそれぞれ環境情報及び性能情報を対応する記憶部に格納する（ステップＳ１０２）。すなわち、環境情報取得部２２０であれば、環境情報を環境情報記憶部２２５に格納する。性能情報取得部２３０であれば、性能情報を性能情報記憶部２３５に格納する。

ステップＳ１０２の処理が完了すると、次いで、異常検出部２４０は環境情報又は性能情報を対応する記憶部から抽出する（ステップＳ１０３）。すなわち、異常検出部２４０は環境情報記憶部２２５から環境情報を抽出したり、性能情報記憶部２３５から性能情報を抽出したりする。尚、異常検出部２４０は環境情報及び性能情報を抽出してもよい。異常検出部２４０は環境情報と性能情報の一方又は双方を抽出すると、異常を検出したか否かを判定する（ステップＳ１０４）。

ここで、異常検出部２４０は異常を検出しなかった場合（ステップＳ１０４：ＮＯ）、処理を終了する。すなわち、異常検出部２４０はセンサノード１００に異常が発生していないと判断する。具体的には、干渉や遮蔽といった通信異常が発生しておらず、かつ、故障や過負荷（いわゆるスペック不足）といったハードウェアの機器異常、ソフトウェアの処理異常が発生していないと異常検出部２４０は判断する。一方、異常検出部２４０は異常を検出した場合（ステップＳ１０４：ＹＥＳ）、障害特定部２６０は障害種別特定処理を実行する（ステップＳ１０５）。障害種別特定処理はセンサノード１００に発生した障害種別を特定する処理である。尚、障害種別特定処理の詳細は後述する。

ステップＳ１０５の処理が完了すると、次いで、障害特定部２６０は障害種別を特定可能か否か判定する（ステップＳ１０６）。障害特定部２６０は障害種別特定処理の処理結果に基づいて障害種別を特定できた場合（ステップＳ１０６：ＹＥＳ）、特定結果通知部２８０は特定結果を通知し（ステップＳ１０７）。処理を終了する。

一方、障害特定部２６０は障害種別特定処理の処理結果に基づいて障害種別を特定できなかった場合（ステップＳ１０６：ＮＯ）、パラメータ登録部２７０は判定パラメータ登録処理を実行する（ステップＳ１０８）。判定パラメータ登録処理は判定パラメータ記憶部２５０に判定パラメータを登録する処理である。尚、判定パラメータ登録処理の詳細は後述する。ステップＳ１０８の処理が完了するとステップＳ１０７の処理に移行し、特定結果通知部２８０はステップＳ１０７の処理を実行して処理を終了する。

続いて、図９及び図１０を参照して、上述した障害種別特定処理の詳細について説明する。

図９は障害種別特定処理の一例を表すフローチャートである。図１０は性能悪化の一例を説明するための図である。上述したように、ステップＳ１０４の処理で異常検出部２４０が異常を検出すると、障害特定部２６０は判定パラメータ記憶部２５０にパラメータセットがあるか否かを判定する（ステップＳ２０１）。より詳しくは、フラグ「０」が設定されたパラメータやフラグ「１」が設定されたパラメータのパラメータセットがあるか否かを障害特定部２６０は判定する。第１実施形態では判定パラメータ記憶部２５０にフラグ「０」が設定されたパラメータやフラグ「１」が設定されたパラメータのパラメータセットが記憶されているため（図７参照）、障害特定部２６０は判定パラメータ記憶部２５０にパラメータセットがあると判定する（ステップＳ２０１：ＹＥＳ）。仮に、判定パラメータ記憶部２５０にフラグ「０」やフラグ「１」が設定されたパラメータのパラメータセットが記憶されていない場合、障害特定部２６０は判定パラメータ記憶部２５０にパラメータセットがないと判定する（ステップＳ２０１：ＮＯ）。

判定パラメータ記憶部２５０にパラメータセットがある場合、障害特定部２６０はパラメータセットを抽出する（ステップＳ２０２）。第１実施形態では上段及び下段の２つの判定パラメータのいずれにおいてもＲＳＳＩ、ＬＱ、及び再送回数にフラグ「０」又はフラグ「１」が設定されているため（図７参照）、障害特定部２６０はＲＳＳＩ、ＬＱ、及び再送回数をパラメータセットとして抽出する。

ステップＳ２０２の処理が完了すると、次いで、障害特定部２６０はパラメータセットに応じた性能値を性能情報記憶部２３５から抽出する（ステップＳ２０３）。より詳しくは、障害特定部２６０は異常発生の通知と併せて受信した性能情報の構成要素（具体的には、ノードＩＤ、タイムスタンプ、性能値、及びその性能値に対応する性能名）を利用して、性能情報記憶部２３５から性能値を抽出する。例えば、障害特定部２６０は受信したノードＩＤに基づいて性能情報テーブルＴ２（図６参照）のいずれかを特定する。次に、障害特定部２６０は特定した性能情報テーブルＴ２の中から抽出したパラメータセットに応じた性能名を特定する。最後に、特定した性能名に対応する性能値の中から受信したタイムスタンプの直近Ｘ個分の性能値を抽出する。尚、直近Ｘ個に代えて前後Ｘ個であってもよい。また、性能値の変化周期や変化量などによりＸ個を変更してもよい。例えば通信性能の場合は無秩序に大きく変化するためＸ個をより多め（例えば５０個）とし、情報処理性能の場合は無秩序には大きく変化しないためＸ個をより少なめ（例えば１０個）としてもよい。

したがって、ノードＩＤ「１２３４５６」が割り当てられたセンサノード１００に異常が発生したと判定された場合、障害特定部２６０は性能情報記憶部２３５（図６参照）からパラメータセット（ＲＳＳＩ、ＬＱ、及び再送回数）に応じた性能値であって、タイムスタンプ「００：００：０４」の直近Ｘ個（例えば５個）の性能値を抽出する。

ステップＳ２０３の処理が完了すると、次いで、障害特定部２６０は性能悪化の有無を判定する（ステップＳ２０４）。より詳しくは、障害特定部２６０は抽出した性能値のそれぞれに対し性能悪化の有無を判定する。ここで、図１０に示すように、抽出した性能値をグラフ化すると、例えばＲＳＳＩはばらつきが少ないため性能悪化が発生していない。ところが、ＬＱ及び再送回数はいずれも一部がばらついた区間Ｚ１が存在する。このように、一部の性能値に性能悪化が存在すれば、障害特定部２６０は性能悪化があると判定する（ステップＳ２０５：ＹＥＳ）。逆に、性能値のすべてに性能悪化が存在しなければ、障害特定部２６０は性能悪化がないと判定する（ステップＳ２０５：ＮＯ）。尚、性能悪化の判定については種々の判定手法を利用することができる。例えば、判定手法として平均値、中央値、分散値などを利用したり、特徴量の比較や閾値超えの有無を利用したりしてもよい。また、クラスタ分析やトレンド分析、正常時の学習パターンやクラスタとの比較を利用してもよい。クラスタ分析としては例えばＫ−Ｍｅａｎｓ法、Ｘ−Ｍｅａｎｓ法などがある。トレンド分析としては例えば最小二乗法や近似１次直線などがある。

ステップＳ２０５の処理において性能悪化がある場合、障害特定部２６０は判定した性能の組み合わせとパラメータセットを照合する（ステップＳ２０６）。例えば、障害特定部２６０は判定した性能の組み合わせであるＲＳＳＩ、ＬＱ及び再送回数とパラメータセットに設定されたフラグ「０」又は「１」とをそれぞれ照合する。ここで、上述したように、ＲＳＳＩは性能悪化しておらず、ＬＱ及び再送回数は性能悪化している。このため、障害特定部２６０は照合した結果、上段の判定パラメータと一致したと判断する（図７参照）。障害特定部２６０は照合した結果、判定パラメータとの一致を確認すると、一致した障害種別を特定し（ステップＳ２０７）、処理を終了する。したがって、第１実施形態では、障害特定部２６０は障害種別「干渉」を特定する。仮に、ＲＳＳＩ、ＬＱ及び再送回数の全てが性能悪化している場合、障害特定部２６０は障害種別「遮蔽」を特定する。

尚、ステップＳ２０１の処理において判定パラメータ記憶部２５０にパラメータセットがない場合や、ステップＳ２０５の処理において性能悪化がない場合には、図８を参照して説明したステップＳ１０８の処理に移行する。すなわち、図８を参照して説明したステップＳ１０６の処理において障害特定部２６０が障害種別を特定できなかった場合と同様に、パラメータ登録部２７０は判定パラメータ登録処理を実行する。

続いて、図１１から図１３を参照して、上述した判定パラメータ登録処理の詳細について説明する。

図１１は判定パラメータ登録処理の一例を表すフローチャートである。図１２は性能悪化の他の一例を説明するための図である。図１３は判定パラメータの登録例を説明するための図である。上述したように、（１）障害特定部２６０が障害種別を特定できなかった場合、（２）判定パラメータ記憶部２５０からパラメータセットを取得できなかった場合、又は、（３）性能悪化がないと判定した場合、図１１に示すように、悪化性能抽出部２７２は全ての性能値を性能情報記憶部２３５から抽出する（ステップＳ３０１）。より詳しくは、判定パラメータ管理部２７１が障害特定部２６０から更新依頼が通知されると、更新依頼の通知と併せて受信した性能情報の構成要素（具体的には、ノードＩＤ、タイムスタンプ、性能値、及びその性能値に対応する性能名）を利用して、性能情報記憶部２３５から全ての性能値を抽出する。

したがって、例えばノードＩＤ「１２３４５６」が割り当てられたセンサノード１００に異常が発生したと判定されて、障害種別が特定不能である場合、悪化性能抽出部２７２は性能情報記憶部２３５（図６参照）から全ての性能値であって、タイムスタンプ「００：００：０４」の直近Ｘ個（例えば５個）の性能値を抽出する。したがって、悪化性能抽出部２７２はＣＰＵ使用率から再送回数までの各性能値を抽出する。

ステップＳ３０１の処理が完了すると、次いで、悪化性能抽出部２７２は性能悪化の有無を判定する（ステップＳ３０２）。より詳しくは、悪化性能抽出部２７２は抽出した性能値のそれぞれに対し性能悪化の有無を判定する。ここで、図１２に示すように、抽出した性能値をグラフ化すると、例えばＲＳＳＩと応答時間はばらつきが少ないため性能悪化が発生していない。ところが、ＬＱ及び再送回数はいずれも一部がばらついた区間Ｚ２が存在する。尚、ＣＰＵ使用率及びメモリ使用率についてはグラフが省略されているが、ＲＳＳＩ及び応答時間と同様にばらつきが少ないため性能悪化がないものとして説明する。

このように、一部の性能値に性能悪化が存在すれば、悪化性能抽出部２７２は性能悪化があると判定する（ステップＳ３０３：ＹＥＳ）。逆に、性能値のすべてに性能悪化が存在しなければ、悪化性能抽出部２７２は性能悪化がないと判定する（ステップＳ３０３：ＮＯ）。この場合、悪化性能抽出部２７２は処理を終了する。

ここで、性能悪化がある場合、悪化性能抽出部２７２は悪化したパラメータに悪化フラグとしてフラグ「１」を設定する（ステップＳ３０４）。ステップＳ３０４の処理が完了すると、悪化性能抽出部２７２は悪化していないパラメータに非悪化フラグとしてフラグ「０」を設定する（ステップＳ３０５）。ステップＳ３０５の処理が完了すると、判定パラメータ管理部２７１は判定パラメータを登録する（ステップＳ３０６）。より詳しくは、判定パラメータ管理部２７１はフラグ「０」が設定されたパラメータ及びフラグ「１」が設定されたパラメータのパラメータセットを判定パラメータとして判定パラメータ記憶部２５０に登録する。これにより、図１３に示すように、判定パラメータ記憶部２５０は登録された判定パラメータを記憶する。したがって、別のタイミングでセンサノード１００に異常が発生しても、動的に登録された判定パラメータにより障害種別が特定される。特に、センサノード１００に異常が発生して、障害種別が特定できない場合など特定の場合に動的に判定パラメータが登録されるため、高精度に異常を検出することができる。このように、センサノード１００の種類や利用通信方式に限定されずに、異常発生前後で悪化する性能値を抽出して障害種別を判定する判定パラメータに動的に反映されるため、障害種別を判定する判定パラメータを事前に定めた場合と比べて、検出精度が向上する。尚、図１３において登録された判定パラメータには障害名が登録されていない（又はＮＵＬＬとして登録されている）が、例えば新たに登録された判定パラメータであることを示す障害名とは異なる特定の文字列（例えば「新規」など）を障害種別として登録してもよい。

（第２実施形態）
続いて、図１４から図１６を参照して、本件の第２実施形態について説明する。
図１４は第２実施形態に係るセンサノード１００及びゲートウェイ２００の機能ブロック図の一例である。図１５は判定パラメータ登録処理に追加されるフローチャートの一例である。図１６（ａ）は障害名登録画面の一例である。図１６（ｂ）は第２実施形態に係る判定パラメータ記憶部２５０の一例である。

尚、図４に示すセンサノード１００及びゲートウェイ２００の各構成要素と同様の構成には同一符号を付し、その説明を省略する。後述する第３実施形態以降も同様である。図１４に示すように、第２実施形態では被通知装置としての端末装置４００が有線ネットワークＮＷ１と接続されている点で第１実施形態と相違する。

ここで、図１５に示すように、上述したステップＳ３０６の処理が完了すると、判定パラメータ管理部２７１は障害名の付与を求める要求情報を端末装置４００に通知する（ステップＳ４０１）。要求情報には登録された判定パラメータなどが含まれている。これにより、図１６（ａ）に示すように、端末装置４００は障害名登録画面を表示する。システム管理者やシステム利用者は端末装置４００に表示された性能名と性能名に対応するフラグを確認し、これらのフラグのパターンに適した障害名を端末装置４００から入力する。入力後、システム管理者やシステム利用者がポインタＰｔにより登録ボタンＢＴ１を押下する操作を行うと、端末装置４００は入力された障害名を判定パラメータ管理部２７１に送信する。尚、障害名に特定の文字列が表示された場合には、当該文字列を書き換えるようにしてもよい。

図１５に戻り、判定パラメータ管理部２７１は障害名を受信するまで待機し（ステップＳ４０２：ＮＯ）、障害名を受信すると（ステップＳ４０２：ＹＥＳ）、障害名を判定パラメータ記憶部２５０に登録する（ステップＳ４０３）。これにより、図１６（ｂ）に示すように、判定パラメータ記憶部２５０は障害名が登録された判定パラメータを記憶する。尚、第２実施形態では、判定パラメータを新たに登録した後に要求情報を端末装置４００に通知したが、例えば同じ判定パラメータを複数回登録することになった場合に、要求情報を通知してもよい。これにより、頻発する障害に対して障害名が登録される。

（第３実施形態）
続いて、図１７から図１９を参照して、本件の第３実施形態について説明する。
図１７は第３実施形態に係るセンサノード１００及びゲートウェイ２００の機能ブロック図の一例である。図１８は悪化性能抽出部２７２の動作の一例を示すフローチャートである。図１９は悪化判定手法設定画面の一例である。図１７に示すように、第３実施形態でも第２実施形態と同様に被通知装置としての端末装置４００が有線ネットワークＮＷ１と接続されている。

ここで、図１８に示すように、所定のタイミングで悪化性能抽出部２７２は性能名の一覧を端末装置４００に通知する（ステップＳ５０１）。所定のタイミングとしては、例えば性能情報記憶部２３５に性能情報が登録された時点であってもよいし、後述する悪化判定手法が設定されていない性能が判定パラメータに出現した時点であってもよい。また、端末装置４００から一覧の通知を要求された時点であってもよい。

これにより、図１９に示すように、端末装置４００は悪化判定手法設定画面を表示する。システム管理者やシステム利用者は端末装置４００に表示された複数の性能名のそれぞれに対し悪化判定手法を設定する。具体的には、システム管理者やシステム利用者は悪化判定手法設定画面に含まれる判定手法に表示された選択ボタンＢＴ２をポインタＰｔにより押下する操作を行って、判定手法を選択する。判定手法には、図１９に示す閾値や手法１，２のほか、第１実施形態で説明した平均値、中央値、分散値などがある。尚、手法１はクラスタ分析を表しており、手法２はトレンド分析を表している。また、判定手法で閾値が選択された場合には、端末装置４００は入力不能に制御された入力欄Ｂｘの制御を解除してもよい。これにより、システム管理者やシステム利用者は入力欄Ｂｘに閾値を入力することができる。入力後、システム管理者やシステム利用者がポインタＰｔにより設定ボタンＢＴ３を押下する操作を行うと、端末装置４００は選択された判定手法及び入力された閾値を悪化性能抽出部２７２に送信する。

図１８に戻り、悪化性能抽出部２７２は悪化判定手法を受信するまで待機し（ステップＳ５０２：ＮＯ）、悪化判定手法を受信すると（ステップＳ５０２：ＹＥＳ）、悪化判定手法に基づいて性能悪化の有無を判定する（ステップＳ５０３）。より詳しくは、悪化性能抽出部２７２は受信した悪化判定手法を保持し、性能悪化の有無を判定する際に、受信した悪化判定手法を利用して性能悪化の有無を判定する。第３実施形態によれば、各性能値の傾向や特性に応じた性能悪化の有無が判定され、第１実施形態及び第２実施形態と比べて、センサノード１００の性能異常を高精度に検出することができる。

（第４実施形態）
続いて、図２０から図２２を参照して、本件の第４実施形態について説明する。
図２０は第４実施形態に係るセンサノード１００及びゲートウェイ２００の機能ブロック図の一例である。図２１はパラメータ登録部２７０及び情報取得部２９１の動作の一例を示すフローチャートである。図２２は第４実施形態に係る判定パラメータ記憶部２５０の一例である。

図２０に示すように、第４実施形態に係るゲートウェイ２００は情報取得部２９１を含む点、並びに、無線中継器５００及び無線ネットワークＮＷ２´を介してセンサノード１００´とゲートウェイ２００が接続されている点で上述した第１実施形態から第３実施形態までと相違する。尚、センサノード１００´の構成は基本的にセンサノード１００の構成と同様である。

ここで、図２１に示すように、第１実施形態で説明したステップＳ３０３の処理において性能悪化がない場合（図１１参照）、悪化性能抽出部２７２は悪化していない全てのパラメータに非悪化フラグとしてフラグ「０」を設定する（ステップＳ６０１）。ステップＳ６０１の処理が完了すると、判定パラメータ管理部２７１は判定パラメータを判定パラメータ記憶部２５０に登録する（ステップＳ６０２）。より詳しくは、判定パラメータ管理部２７１は全てフラグ「０」が設定されたパラメータのパラメータセットを判定パラメータとして判定パラメータ記憶部２５０に登録する。これにより、図２２に示すように、判定パラメータ記憶部２５０は登録されたノードＩＤ「１２３４５６」についての判定パラメータを記憶する。すなわち、センサノード１００に対し異常が検出されたにも関わらず、そのセンサノード１００の性能値に対して悪化性能抽出部２７２が性能悪化の有無を判定すると、性能悪化がないと判定されている。このような場合、ゲートウェイ２００の管理下にある別のセンサノード１００´の性能値を利用して、悪化性能抽出部２７２は性能悪化の有無を改めて判定する。

したがって、ステップＳ６０２の処理が完了すると、次いで、情報取得部２９１はゲートウェイ２００の管理下にある他のノードＩＤを取得する（ステップＳ６０３）。より詳しくは、情報取得部２９１は通信部２１０を介して無線中継器５００が管理するセンサノード１００´のノードＩＤを取得する。無線中継器５００が介在せず、通信部２１０がセンサノード１００´と無線ネットワークＮＷ２´を介して接続している場合には、情報取得部２９１はセンサノード１００´からノードＩＤを取得してもよい。尚、センサノード１００´にはノードＩＤ「９８７ＡＢＣ」が割り当てられている。

ステップＳ６０３の処理が完了すると、悪化性能抽出部２７２は情報取得部２９１が取得したセンサノード１００´のノードＩＤに基づいて全ての性能値を性能情報記憶部２３５から抽出する（ステップＳ６０４）。例えば、悪化性能抽出部２７２は取得したノードＩＤに基づいて性能情報テーブルＴ２（図６参照）のいずれかを特定する。次に、悪化性能抽出部２７２は特定した性能情報テーブルＴ２の中から全ての性能名を特定する。最後に、特定した性能名に対応する性能値の中から異常を検出したタイムスタンプの直近Ｘ個分の性能値を抽出する。

ステップＳ６０４の処理が完了すると、次いで、悪化性能抽出部２７２は性能悪化の有無を判定する（ステップＳ６０５）。より詳しくは、悪化性能抽出部２７２は抽出した性能値のそれぞれに対し性能悪化の有無を判定する。そして、一部の性能値に性能悪化が存在すれば、悪化性能抽出部２７２は性能悪化があると判定する（ステップＳ６０６：ＹＥＳ）。逆に、性能値のすべてに性能悪化が存在しなければ、悪化性能抽出部２７２は性能悪化がないと判定する（ステップＳ６０６：ＮＯ）。この場合、悪化性能抽出部２７２は全てのパラメータに非悪化フラグを設定し、登録した判定パラメータを削除してから処理を終了する。

ここで、性能悪化がある場合、悪化性能抽出部２７２は悪化したパラメータに悪化フラグとしてフラグ「１」を設定する（ステップＳ６０７）。ステップＳ６０７の処理が完了すると、悪化性能抽出部２７２は悪化していないパラメータに非悪化フラグとしてフラグ「０」を設定する（ステップＳ６０８）。ステップＳ６０８の処理が完了すると、判定パラメータ管理部２７１は判定パラメータを判定パラメータ記憶部２５０に登録する（ステップＳ６０９）。より詳しくは、判定パラメータ管理部２７１はフラグ「０」が設定されたパラメータ及びフラグ「１」が設定されたパラメータのパラメータセットを判定パラメータとして判定パラメータ記憶部２５０に登録する。

これにより、図２２に示すように、判定パラメータ記憶部２５０は登録されたノードＩＤ「９８７ＡＢＣ」についての判定パラメータを記憶する。すなわち、センサノード１００の性能値に対して悪化性能抽出部２７２が性能悪化の有無を判定しても性能悪化がないと判定されたが、センサノード１００´の性能値に対して悪化性能抽出部２７２が性能悪化の有無を判定すると性能悪化があると判定される。このように、ゲートウェイ２００の管理下にあるセンサノード１００とは別のセンサノード１００´の性能値に対し性能悪化の有無を判定することにより、障害の特定精度が向上する。特に、強耐性の無線通信の場合には性能悪化が確認されなくても、近隣の弱耐性の無線通信に性能悪化が確認される可能性があり、第４実施形態の方式が有効になる。

（第５実施形態）
続いて、図２３及び図２４を参照して、本件の第５実施形態について説明する。
図２３は第５実施形態に係るセンサノード１００及びゲートウェイ２００の機能ブロック図の一例である。図２４は第５実施形態に係る障害特定部２６０の動作の一例を示すフローチャートである。

図２３に示すように、第５実施形態に係るゲートウェイ２００は間隔変更部２９２を含む点、並びに、無線中継器５００及び無線ネットワークＮＷ２´を介してセンサノード１００´とゲートウェイ２００が接続されている点で上述した第１実施形態から第３実施形態までと相違する。

ここで、図２４に示すように、第１実施形態で説明した（１）ステップＳ１０６の処理において障害種別を特定できなかった場合（図８参照）、又は、（２）ステップＳ２０５の処理において性能悪化がない場合（図９参照）、障害特定部２６０は性能情報の取得間隔の変更を間隔変更部２９２に要求する（ステップＳ７０１）。これにより、間隔変更部２９２は通信部２１０に性能情報の性能情報取得部２３０への送信間隔を変更する。したがって、性能情報取得部２３０は変更後の取得間隔で取得した性能情報を性能情報記憶部２３５に格納する。尚、取得間隔の変更に関し、間隔変更部２９２は障害特定部２６０からの要求に応じて例えば秒間隔であった取得間隔をミリ秒間隔の取得間隔に変更する。取得間隔の変更に関しては、例えば段階的に短間隔にしていく変更であってもよい。

ステップＳ７０１の処理が完了すると、次いで、障害特定部２６０はパラメータセットに応じた性能値を性能情報記憶部２３５から抽出する（ステップＳ７０２）。より詳しくは、障害特定部２６０は異常発生の通知と併せて受信した性能情報の構成要素（具体的には、ノードＩＤ、タイムスタンプ、性能値、及びその性能値に対応する性能名）を利用して、性能情報記憶部２３５から性能値を抽出する。例えば、障害特定部２６０は受信したノードＩＤに基づいて性能情報テーブルＴ２（図６参照）のいずれかを特定する。次に、障害特定部２６０は特定した性能情報テーブルＴ２の中から抽出したパラメータセットに応じた性能名を特定する。最後に、特定した性能名に対応する性能値の中から受信したタイムスタンプの直近Ｘ個分の性能値と取得間隔変更後のＸ個分の性能値を抽出する。

ステップＳ７０２の処理が完了すると、次いで、障害特定部２６０は性能悪化の有無を判定する（ステップＳ７０３）。より詳しくは、障害特定部２６０は抽出した性能値のそれぞれに対し性能悪化の有無を判定する。そして、一部の性能値に性能悪化が存在すれば、障害特定部２６０は性能悪化があると判定する（ステップＳ７０４：ＹＥＳ）。逆に、性能値のすべてに性能悪化が存在しなければ、障害特定部２６０は性能悪化がないと判定する（ステップＳ７０４：ＮＯ）。

ステップＳ７０４の処理において性能悪化がある場合、障害特定部２６０は判定した性能の組み合わせとパラメータセットを照合する（ステップＳ７０５）。例えば、障害特定部２６０は判定した性能の組み合わせであるＲＳＳＩ、ＬＱ及び再送回数とパラメータにそれぞれ設定されたフラグ「０」又は「１」と照合する。ここで、上述したように、ＲＳＳＩは性能悪化しておらず、ＬＱ及び再送回数は性能悪化している。このため、障害特定部２６０は照合した結果、上段の判定パラメータと一致したと判断する（図７参照）。障害特定部２６０は照合した結果、判定パラメータとの一致を確認すると、一致した障害種別を特定する（ステップＳ７０６）。

ステップＳ７０６の処理が完了すると、次いで、障害特定部２６０は障害種別を特定可能か否か判定する（ステップＳ７０７）。障害特定部２６０は障害種別特定処理の処理結果に基づいて障害種別を特定できた場合（ステップＳ７０７：ＹＥＳ）、性能情報の取得間隔復帰を間隔変更部２９２に要求する（ステップＳ７０８）。これにより、間隔変更部２９２は通信部２１０に性能情報の性能情報取得部２３０への送信間隔を変更前の状態に戻す。したがって、性能情報取得部２３０は変更前の取得間隔で取得した性能情報を性能情報記憶部２３５に格納する。ステップＳ７０８の処理が完了すると、特定結果通知部２８０はステップＳ１０７の処理を実行する。

尚、ステップＳ７０４の処理において性能悪化がない場合や、ステップＳ７０７の処理において障害特定部２６０が障害種別を特定できなかった場合（ステップＳ７０７：ＮＯ）、図８を参照して説明したステップＳ１０８の処理に移行する。すなわち、パラメータ登録部２７０は判定パラメータ登録処理を実行する。このように、性能情報の取得間隔を動的に変更することにより、より精密に悪化傾向を確認でき、性能異常の検出精度が向上する。

（第６実施形態）
続いて、図２５を参照して、本件の第６実施形態について説明する。
図２５は第６実施形態に係るパラメータ登録部２７０の動作の一例を示すフローチャートである。図２５に示すように、まず、悪化性能抽出部２７２は性能値に対し主成分分析を実行する（ステップＳ８０１）。より詳しくは、悪化性能抽出部２７２は抽出可能な性能値を抽出して、主成分分析を実行する。主成分分析の対象は環境値であってもよい。尚、悪化性能抽出部２７２は環境値又は性能値をそのまま利用してもよいが、例えば平均値、標準偏差、回帰直線の傾き、最大値、最小値、レンジなどの統計値を変数に加えてもよい。

ステップＳ８０１の処理が完了すると、次いで、悪化性能抽出部２７２は主成分を抽出する（ステップＳ８０２）。より詳しくは、悪化性能抽出部２７２は主成分分析の分析結果から、累積寄与率が閾値（例えば９０％）以上となる主成分を抽出する。例えば閾値９０％として、悪化性能抽出部２７２は累積寄与率が９０％以上の主成分を抽出する。

ステップＳ８０２の処理が完了すると、次いで、悪化性能抽出部２７２は因子負荷量が高い変数を抽出する（ステップＳ８０３）。より詳しくは、悪化性能抽出部２７２は抽出した１以上の主成分から、因子負荷量の高い変数をパラメータとして抽出する。例えば、悪化性能抽出部２７２は因子負荷量の絶対値が０．５以上の変数を抽出してもよいし、絶対値が１に近い変数から順に所定量の変数を抽出してもよい。

ステップ８０３の処理が完了すると、次いで、判定パラメータ管理部２７１は抽出したパラメータにフラグを設定したパラメータセットを判定パラメータとして登録する（ステップＳ８０４）。より詳しくは、悪化性能抽出部２７２は抽出したパラメータにフラグ「１」又はフラグ「０」のいずれかを設定し、判定パラメータ管理部２７１はフラグを設定したパメラータのパラメータセットを判定パラメータとして登録する。第６実施形態により、その環境に応じた異常発生のパターンを生成することができ、性能異常の検出精度が向上する。

以上、本発明の好ましい実施形態について詳述したが、本発明に係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。例えば、上述した第１実施形態から第６実施形態では環境情報を一例として説明したが、性能情報以外を表す非性能情報であれば環境情報に特に限定されない。非性能情報としては、例えば脈波、心拍、血圧、体温といった生体情報（いわゆるバイタル情報）、歩行や走行、速度、位置、方向、傾きといった動作情報がある。このような非性能情報であっても環境情報の場合と同様の効果が得られる。

Ｓ 性能異常検出システム
１００ センサノード
２００ ゲートウェイ
２１０ 通信部
２２０ 環境情報取得部
２３０ 性能情報取得部
２４０ 異常検出部
２５０ 判定パラメータ記憶部
２６０ 障害特定部
２７０ パラメータ登録部
２７１ 判定パラメータ管理部
２７２ 悪化性能抽出部
２８０ 特定結果通知部
２９１ 情報取得部
２９２ 間隔変更部
３００ サーバ
４００ 端末装置
５００ 無線中継器

Claims (15)

1. 対象装置の性能をそれぞれ表す複数の性能情報を取得する性能情報取得部と、
   前記性能情報取得部が取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記対象装置の性能異常を検出する異常検出部と、
   前記異常検出部が前記性能異常を検出した場合に、前記対象装置の障害の種別を判定するための判定パラメータを記憶する判定パラメータ記憶部を参照して、前記異常な性能情報に相当する前記障害の種別を特定する障害特定部と、
   前記障害特定部が前記障害の種別を特定できない場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録するパラメータ登録部と、
   を有する性能異常検出装置。
2. 前記パラメータ登録部は、前記判定パラメータを前記判定パラメータ記憶部に登録した場合に、前記障害の種別に相当する障害名の付与を求める要求情報を前記性能異常検出装置と接続された被通知装置に通知し、前記被通知装置から送信された前記障害名を受信した場合に、受信した前記障害名を前記障害の種別に関連付けて登録する、
   ことを特徴とする請求項１に記載の性能異常検出装置。
3. 前記パラメータ登録部は、取得可能な前記性能情報の性能一覧を前記性能異常検出装置と接続された被通知装置に通知し、
   前記障害特定部は、前記パラメータ登録部が前記性能一覧のそれぞれに対し設定された性能悪化の判定手法を受信すると、受信した前記判定手法に基づいて、前記性能悪化の有無を判定する、
   ことを特徴とする請求項１又は２に記載の性能異常検出装置。
4. 前記障害特定部は、前記異常な性能情報のそれぞれについて性能悪化の有無を判定し、
   前記異常な性能情報のいずれにも前記性能悪化がない場合に、前記性能異常検出装置と接続された別の前記対象装置から前記複数の性能情報を取得する情報取得部を含み、
   前記パラメータ登録部は、前記情報取得部が取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録する、
   ことを特徴とする請求項１から３のいずれか１項に記載の性能異常検出装置。
5. 前記複数の性能情報の取得間隔を変更する間隔変更部を含み、
   前記障害特定部は、前記障害の種別を特定できない場合に、前記間隔変更部に前記取得間隔の変更を要求し、前記間隔変更部が変更した取得間隔に基づいて前記性能情報取得部が取得した前記複数の性能情報を利用して、前記異常な性能情報のそれぞれについて性能悪化の有無を判定する、
   ことを特徴とする請求項１から４のいずれか１項に記載の性能異常検出装置。
6. 前記パラメータ登録部は、前記複数の性能情報に対し、前記判定パラメータを変数とした主成分分析を実行し、累積寄与率が所定の第１閾値以上の主成分を抽出し、抽出した前記主成分から因子負荷量の絶対値と所定の第２閾値との比較結果に応じた前記因子負荷量の変数を抽出し、抽出した前記因子負荷量の変数に基づく前記判定パラメータを前記判定パラメータ記憶部に登録する、
   ことを特徴とする請求項１から５のいずれか１項に記載の性能異常検出装置。
7. 前記対象装置の周囲の環境をそれぞれ表す複数の環境情報を取得する環境情報取得部を含み、
   前記異常検出部は、前記環境情報取得部が取得した前記複数の環境情報に異常な環境情報が含まれる場合に、前記対象装置の周囲の環境異常を検出し、
   前記障害特定部は、前記異常検出部が前記環境異常を検出した場合に、前記判定パラメータ及び前記異常な環境情報と時刻が対応する前記複数の性能情報を利用して、前記障害の種別を特定する、
   ことを特徴とする請求項１から６のいずれか１項に記載の性能異常検出装置。
8. 対象装置の性能をそれぞれ表す複数の性能情報を取得し、
   取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記対象装置の性能異常を検出し、
   前記性能異常を検出した場合に、前記対象装置の障害の種別を判定するための判定パラメータを記憶する判定パラメータ記憶部を参照して、前記異常な性能情報に相当する前記障害の種別を特定し、
   前記障害の種別を特定できない場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録する、
   処理をコンピュータが実行する性能異常検出方法。
9. 前記判定パラメータを前記判定パラメータ記憶部に登録した場合に、前記障害の種別に相当する障害名の付与を求める要求情報を、性能異常を検出する性能異常検出装置と接続された被通知装置に通知し、前記被通知装置から送信された前記障害名を受信した場合に、受信した前記障害名を前記障害の種別に関連付けて登録する、
   ことを特徴とする請求項８に記載の性能異常検出方法。
10. 取得可能な前記性能情報の性能一覧を前記性能異常検出装置と接続された被通知装置に通知し、
    前記性能一覧のそれぞれに対し設定された性能悪化の判定手法を受信すると、受信した前記判定手法に基づいて、前記性能悪化の有無を判定する、
    ことを特徴とする請求項８又は９に記載の性能異常検出方法。
11. 前記異常な性能情報のそれぞれについて性能悪化の有無を判定し、
    前記異常な性能情報のいずれにも前記性能悪化がない場合に、前記性能異常検出装置と接続された別の前記対象装置から前記複数の性能情報を取得し、
    取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録する、
    ことを特徴とする請求項８から１０のいずれか１項に記載の性能異常検出方法。
12. 前記障害の種別を特定できない場合に、前記複数の性能情報の取得間隔の変更を要求し、変更した取得間隔に基づいて取得した前記複数の性能情報を利用して、前記異常な性能情報のそれぞれについて性能悪化の有無を判定する、
    ことを特徴とする請求項８から１１のいずれか１項に記載の性能異常検出方法。
13. 前記複数の性能情報に対し、前記判定パラメータを変数とした主成分分析を実行し、累積寄与率が所定の第１閾値以上の主成分を抽出し、抽出した前記主成分から因子負荷量の絶対値と所定の第２閾値との比較結果に応じた前記因子負荷量の変数を抽出し、抽出した前記因子負荷量の変数に基づく前記判定パラメータを前記判定パラメータ記憶部に登録する、
    ことを特徴とする請求項８から１２のいずれか１項に記載の性能異常検出方法。
14. 前記対象装置の周囲の環境をそれぞれ表す複数の環境情報を取得し、
    取得した前記複数の環境情報に異常な環境情報が含まれる場合に、前記対象装置の周囲の環境異常を検出し、
    前記環境異常を検出した場合に、前記判定パラメータ及び前記異常な環境情報と時刻が対応する前記複数の性能情報を利用して、前記障害の種別を特定する、
    ことを特徴とする請求項８から１３のいずれか１項に記載の性能異常検出方法。
15. 対象装置の性能をそれぞれ表す複数の性能情報を取得し、
    取得した前記複数の性能情報に異常な性能情報が含まれる場合に、前記対象装置の性能異常を検出し、
    前記性能異常を検出した場合に、前記対象装置の障害の種別を判定するための判定パラメータを記憶する判定パラメータ記憶部を参照して、前記異常な性能情報に相当する前記障害の種別を特定し、
    前記障害の種別を特定できない場合に、前記異常な性能情報に相当する前記障害の種別を表す前記判定パラメータを前記判定パラメータ記憶部に登録する、
    処理をコンピュータに実行させるための性能異常検出プログラム。

Images