JP2010152539A - 障害発見システム検証装置、障害発見システム検証方法及び障害発見システム検証制御プログラム - Google Patents
障害発見システム検証装置、障害発見システム検証方法及び障害発見システム検証制御プログラム Download PDFInfo
- Publication number
- JP2010152539A JP2010152539A JP2008328429A JP2008328429A JP2010152539A JP 2010152539 A JP2010152539 A JP 2010152539A JP 2008328429 A JP2008328429 A JP 2008328429A JP 2008328429 A JP2008328429 A JP 2008328429A JP 2010152539 A JP2010152539 A JP 2010152539A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- type
- state
- state model
- degree
- 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
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Abstract
【解決手段】所定のサービスを提供するサービス提供システムの障害を検出して障害検出結果(発見障害リストta)を出力する障害発見システム30が試験対象となる。試験用データtd及び障害発見システム30から出力される発見障害リストtaに基づいて、障害の種類毎にサービス提供システムの状態の統計データを示す障害種類別状態モデルsnが生成される。発見障害リストtaを構成する各発見障害事例毎に、サービス提供システムの状態の障害種類別状態モデルsnに対する外れ度tfが計算され、同外れ度tfの大きいものから順に発見障害事例が提示される。
【選択図】図1
Description
この種の障害発見システムは、あらゆるサービス提供システムに合わせて常に適切に動作することは困難であるため、障害が発生したことを判断するための閾値の設定や原因の分析を行うためのルールの学習などを行い、監視の対象となるサービス提供システムに対応して随時調整を行う必要がある。また、障害発見システムを調整する場合、調整後の動作結果に基づいて、障害を正しく検出できること、及び、障害でないものを障害として誤検出することがないことを検証する必要がある。このため、障害発見システムの調整結果の良否を検証するための障害発見システム検証装置が要求されている。
このシステムは、図9に示すように、入力装置1と、出力装置2と、データ処理装置10と、記憶装置20とから構成されている。データ処理装置10は、条件設定部11と、試験用データ生成部12と、試験実施部13と、結果比較部14とから構成されている。記憶装置20は、試験用台帳部21と、システム状態蓄積データベース22とから構成されている。また、試験実施部13には、試験対象の障害発見システム30が接続されている。
すなわち、図9のテストデータ管理システムでは、障害発見システム30のテストの精度を高める場合、大量のデータを用いてテストする必要があるが、この場合、同障害発見システム30の動作結果も大量になり、担当者による検証作業の負荷が大きくなる。このため、担当者は、障害発見システムの動作結果の検証を効率的に行うことができないという問題点がある。
この形態の障害発見システム検証装置40は、同図に示すように、図9と同様の試験対象の障害発見システム30が接続され、また、表示装置50が接続されている。障害発見システム30は、所定のサービスを提供する図示しないサービス提供システムの障害を検出して障害検出結果を出力する。この障害発見システム30は、上記サービス提供システムの障害を発見するための所定の調整が行われる構成とされている。表示装置50は、たとえば液晶表示装置などで構成されている。
この図を参照して、この形態の障害発見システム検証装置に用いられる障害発見システム検証方法の処理内容について説明する。
この障害発見システム検証装置では、サービス提供システムの状態情報が集積された試験用データtdが障害発見システム30に与えられ、出力される発見障害リストta(障害検出結果)が障害の種類毎に分類される。試験用データtdに基づいて障害の種類毎にサービス提供システムの状態を示す各状態パラメータの統計データが求められて障害種類別状態モデルsnが生成される。発見障害リストtaを構成する各発見障害事例毎に、試験用データtdから、各障害が発生した時刻及び場所に対応するサービス提供システムの状態情報が取り出され、同状態情報が発見障害事例の障害種類に対応する障害種類別状態モデルsnと比較されて外れ度tfが求められ、同外れ度tfの大きいものから順に発見障害事例が表示される。
この形態の障害発見システム検証装置40Aでは、同図3に示すように、図1中の障害発見システム検証装置40の構成に加え、正常時状態モデル生成部48と、障害種類別判定用パラメータ選定部49とが設けられている。正常時状態モデル生成部48(正常時状態モデル生成手段)は、システム状態受付部41から送出されるシステム状態リストsm(試験用データtd)及び発見障害リストtbに基づいて、サービス提供システムが正常時の状態を示す各状態パラメータの統計データを求めて正常時状態モデルspを生成する。この場合、正常時状態モデル生成部48は、障害の起きていないとき、すなわち、発見障害リスト受付部42が受け取った発見障害リストtaに含まれない時刻及び場所についてのシステム状態を、システム状態受付部41が受け取った試験用データtdから取り出し、障害の起きていないときにおけるシステム状態の統計的モデル(正常時状態モデルsp)を作成する。
この図を参照して、この形態の障害発見システム検証装置に用いられる障害発見システム検証方法の処理内容について説明する。
この障害発見システム検証装置では、次の点が上記第1の実施形態と異なっている。
すなわち、発見障害事例提示処理では、試験用データtd及び発見障害リストtaに基づいて、サービス提供システムが正常時の状態を示す各状態パラメータの統計データを求めて正常時状態モデルspが生成されると共に、システム状態を構成する状態パラメータのうち、障害種類別状態モデルsnでの振る舞いが、当該状態モデル以外の障害種類別状態モデル及び正常時状態モデルspでの振る舞いと比較して特徴的なパラメータを有する状態モデルが特徴的状態モデルsqとして選定され、外れ度計算部45で外れ度tfを求める際に、同特徴的状態モデルsqが優先的に使用される。
この形態の環境では、同図5に示すように、サービス提供システム60と、システム状態情報保存DB(データベース)61と、障害発見システム30と、障害発見システム検証装置40(又は40A)と、表示装置50とが設けられている。サービス提供システム60は、たとえばネットワークに接続されている複数の機器を組み合わせて所定のサービスを提供する。このサービス提供システム60では、長期間にわたって複数回の障害が発生している。システム状態情報保存DB61は、試験対象の障害発見システム30が監視対象とするサービス提供システム60のシステム状態情報を定期的に収集して保存する。
これらの図を参照して、この形態の障害発見システム検証装置に用いられる障害発見システム検証方法の処理内容について説明する。
試験対象の障害発見システム30は、システム状態情報保存DB61に保存されているシステム状態情報(試験用データtd)に基づいて動作する。この結果、障害発見システム30は、システム状態情報保存DB61に保存された期間に起きた障害を発見し、この発見した障害のリストを発見障害リストtaとして取り出す。発見障害リストtaでは、たとえば図6に示すように、各発見障害事例が、各事例を特定する“ID”、“時刻”、“場所”及び“検出結果”で構成されている。
たとえば、上記各実施形態では、障害発見システム検証装置40,40Aは、コンピュータで構成されているが、内部を構成する各部が個別のユニットで構成されていても良い。また、障害発見システム検証装置40,40Aには、外れ度計算部45で計算された外れ度tfが所定の閾値よりも大きいときにアラームなどを発生する手段が設けられていても良い。
40,40A 障害発見システム検証装置
41 システム状態受付部(障害発見システム検証装置の一部)
42 発見障害リスト受付部(障害発見システム検証装置の一部)
43 障害種類分類部(障害種類分類手段、障害発見システム検証装置の一部)
44 障害種類別状態モデル生成部(障害種類別状態モデル生成手段、障害発見システム検証装置の一部)
45 外れ度計算部(外れ度計算手段、障害発見システム検証装置の一部)
46 ソート部(分類抽出手段の一部、障害発見システム検証装置の一部)
47 出力部(分類抽出手段の一部、障害発見システム検証装置の一部)
48 正常時状態モデル生成部(正常時状態モデル生成手段、障害発見システム検証装置の一部)
49 障害種類別判定用パラメータ選定部(障害種類別判定用パラメータ選定手段、障害発見システム検証装置の一部)
50 表示装置
60 サービス提供システム
Claims (15)
- 所定のサービスを提供するサービス提供システムの障害を検出して障害検出結果を出力する障害発見システムを試験対象とし、前記サービス提供システムの状態情報及び前記障害発見システムから出力される前記障害検出結果に基づいて、障害の種類毎に前記サービス提供システムの状態情報の統計データを示す障害種類別状態モデルを生成すると共に、前記障害検出結果を構成する発見障害事例毎に、前記サービス提供システムの状態情報の前記障害種類別状態モデルに対する乖離の度合いを示す外れ度を求め、該外れ度の大きいものから順に前記発見障害事例を提示する構成とされていることを特徴とする障害発見システム検証装置。
- 前記障害発見システムは、前記サービス提供システムの障害を発見するための所定の調整が行われる構成とされ、
当該障害発見システム検証装置は、
前記サービス提供システムの状態情報が集積されてなる試験用データが与えられた前記障害発見システムから出力される前記障害検出結果を障害の種類毎に分類し、前記試験用データに基づいて前記障害の種類毎に前記サービス提供システムの状態を示す各状態パラメータの統計データを求めて前記障害種類別状態モデルを生成すると共に、前記障害検出結果を構成する各発見障害事例毎に、前記試験用データから、各障害が発生した時刻及び場所に対応する前記サービス提供システムの状態情報を取り出し、該状態情報を前記発見障害事例の障害種類に対応する前記障害種類別状態モデルと比較して、該障害種類別状態モデルに対する乖離の度合いを示す外れ度を求め、該外れ度の大きいものから順に前記発見障害事例を提示する構成とされていることを特徴とする請求項1記載の障害発見システム検証装置。 - 前記試験用データに基づいて、前記サービス提供システムが正常時の状態を示す各状態パラメータの統計データを求めて正常時状態モデルを生成すると共に、前記外れ度を求める際に、システム状態を構成する状態パラメータのうち、前記障害種類別状態モデルでの振る舞いが、当該状態モデル以外の障害種類別状態モデル及び前記正常時状態モデルでの振る舞いと比較して特徴的なパラメータを有する状態モデルを優先的に使用する構成とされていることを特徴とする請求項2記載の障害発見システム検証装置。
- 前記試験用データが与えられた前記障害発見システムから出力される前記障害検出結果を障害の種類毎に分類する障害種類分類手段と、
前記試験用データに基づいて前記障害の種類毎に前記サービス提供システムの状態を示す各状態パラメータの統計データを求めて障害種類別状態モデルを生成する障害種類別状態モデル生成手段と、
前記障害検出結果を構成する各発見障害事例毎に、前記試験用データから、各障害が発生した時刻及び場所に対応する前記サービス提供システムの状態情報を取り出し、該状態情報を前記発見障害事例の障害種類に対応する前記障害種類別状態モデルと比較して、該障害種類別状態モデルに対する乖離の度合いを示す外れ度を求める外れ度計算手段と、
前記外れ度の大きい前記発見障害事例から順に分類抽出して提示する分類抽出手段とを備えてなることを特徴とする請求項2記載の障害発見システム検証装置。 - 前記試験用データ及び前記障害検出結果に基づいて、前記サービス提供システムが正常時の状態を示す各状態パラメータの統計データを求めて正常時状態モデルを生成する正常時状態モデル生成手段と、
システム状態を構成する状態パラメータのうち、前記障害種類別状態モデルでの振る舞いが、当該状態モデル以外の障害種類別状態モデル及び前記正常時状態モデルでの振る舞いと比較して特徴的なパラメータを有する状態モデルを特徴的状態モデルとして選定し、前記外れ度計算手段で前記外れ度を求める際に、前記特徴的状態モデルを優先的に使用させる障害種類別判定用パラメータ選定手段とが設けられていることを特徴とする請求項4記載の障害発見システム検証装置。 - 所定のサービスを提供するサービス提供システムの障害を検出して障害検出結果を出力する障害発見システムを試験対象とし、障害発見システム検証装置が、前記サービス提供システムの状態情報及び前記障害発見システムから出力される前記障害検出結果に基づいて、障害の種類毎に前記サービス提供システムの状態情報の統計データを示す障害種類別状態モデルを生成すると共に、前記障害検出結果を構成する発見障害事例毎に、前記サービス提供システムの状態情報の前記障害種類別状態モデルに対する乖離の度合いを示す外れ度を求め、該外れ度の大きいものから順に前記発見障害事例を提示することを特徴とする障害発見システム検証方法。
- 前記障害発見システムが、前記サービス提供システムの障害を発見するための所定の調整が行われる構成とされ、前記障害発見システム検証装置が、前記サービス提供システムの状態情報が集積されてなる試験用データが与えられた前記障害発見システムから出力される前記障害検出結果を障害の種類毎に分類し、前記試験用データに基づいて前記障害の種類毎に前記サービス提供システムの状態を示す各状態パラメータの統計データを求めて前記障害種類別状態モデルを生成すると共に、前記障害検出結果を構成する各発見障害事例毎に、前記試験用データから、各障害が発生した時刻及び場所に対応する前記サービス提供システムの状態情報を取り出し、該状態情報を前記発見障害事例の障害種類に対応する前記障害種類別状態モデルと比較して、該障害種類別状態モデルに対する乖離の度合いを示す外れ度を求め、該外れ度の大きいものから順に前記発見障害事例を提示することを特徴とする請求項6記載の障害発見システム検証方法。
- 前記障害発見システム検証装置が、前記試験用データに基づいて、前記サービス提供システムが正常時の状態を示す各状態パラメータの統計データを求めて正常時状態モデルを生成すると共に、前記外れ度を求める際に、システム状態を構成する状態パラメータのうち、前記障害種類別状態モデルでの振る舞いが、当該状態モデル以外の障害種類別状態モデル及び前記正常時状態モデルでの振る舞いと比較して特徴的なパラメータを有する状態モデルを優先的に使用することを特徴とする請求項7記載の障害発見システム検証方法。
- 前記試験用データが与えられた前記障害発見システムから出力される前記障害検出結果を障害の種類毎に分類する障害種類分類処理と、
前記試験用データに基づいて前記障害の種類毎に前記サービス提供システムの状態を示す各状態パラメータの統計データを求めて障害種類別状態モデルを生成する障害種類別状態モデル生成処理と、
前記障害検出結果を構成する各発見障害事例毎に、前記試験用データから、各障害が発生した時刻及び場所に対応する前記サービス提供システムの状態情報を取り出し、該状態情報を前記発見障害事例の障害種類に対応する前記障害種類別状態モデルと比較して、該障害種類別状態モデルに対する乖離の度合いを示す外れ度を求める外れ度計算処理と、
前記外れ度の大きい前記発見障害事例から順に分類抽出して提示する分類抽出処理とを行うことを特徴とする請求項7記載の障害発見システム検証方法。 - 前記試験用データ及び前記障害検出結果に基づいて、前記サービス提供システムが正常時の状態を示す各状態パラメータの統計データを求めて正常時状態モデルを生成する正常時状態モデル生成処理と、
システム状態を構成する状態パラメータのうち、前記障害種類別状態モデルでの振る舞いが、当該状態モデル以外の障害種類別状態モデル及び前記正常時状態モデルでの振る舞いと比較して特徴的なパラメータを有する状態モデルを特徴的状態モデルとして選定し、前記外れ度計算処理で前記外れ度を求める際に、前記特徴的状態モデルを優先的に使用させる障害種類別判定用パラメータ選定処理とを行うことを特徴とする請求項9記載の障害発見システム検証方法。 - 所定のサービスを提供するサービス提供システムの障害を検出して障害検出結果を出力する障害発見システムを試験対象とし、
コンピュータで構成された障害発見システム検証装置が、前記サービス提供システムの状態情報及び前記障害発見システムから出力される前記障害検出結果に基づいて、障害の種類毎に前記サービス提供システムの状態情報の統計データを示す障害種類別状態モデルを生成すると共に、前記障害検出結果を構成する発見障害事例毎に、前記サービス提供システムの状態情報の前記障害種類別状態モデルに対する乖離の度合いを示す外れ度を求め、該外れ度の大きいものから順に前記発見障害事例を提示する処理を実行するためのコンピュータ読み取り可能な障害発見システム検証制御プログラム。 - 前記障害発見システムが、前記サービス提供システムの障害を発見するための所定の調整が行われる構成とされ、前記サービス提供システムの状態情報が集積されてなる試験用データが与えられた前記障害発見システムから出力される前記障害検出結果を障害の種類毎に分類し、前記試験用データに基づいて前記障害の種類毎に前記サービス提供システムの状態を示す各状態パラメータの統計データを求めて前記障害種類別状態モデルを生成すると共に、前記障害検出結果を構成する各発見障害事例毎に、前記試験用データから、各障害が発生した時刻及び場所に対応する前記サービス提供システムの状態情報を取り出し、該状態情報を前記発見障害事例の障害種類に対応する前記障害種類別状態モデルと比較して、該障害種類別状態モデルに対する乖離の度合いを示す外れ度を求め、該外れ度の大きいものから順に前記発見障害事例を提示する処理を、前記障害発見システム検証装置に実行させるための請求項11記載の障害発見システム検証制御プログラム。
- 前記試験用データに基づいて、前記サービス提供システムが正常時の状態を示す各状態パラメータの統計データを求めて正常時状態モデルを生成すると共に、前記外れ度を求める際に、システム状態を構成する状態パラメータのうち、前記障害種類別状態モデルでの振る舞いが、当該状態モデル以外の障害種類別状態モデル及び前記正常時状態モデルでの振る舞いと比較して特徴的なパラメータを有する状態モデルを優先的に使用する処理を、前記障害発見システム検証装置に実行させるための請求項12記載の障害発見システム検証制御プログラム。
- 前記試験用データが与えられた前記障害発見システムから出力される前記障害検出結果を障害の種類毎に分類する障害種類分類処理と、
前記試験用データに基づいて前記障害の種類毎に前記サービス提供システムの状態を示す各状態パラメータの統計データを求めて障害種類別状態モデルを生成する障害種類別状態モデル生成処理と、
前記障害検出結果を構成する各発見障害事例毎に、前記試験用データから、各障害が発生した時刻及び場所に対応する前記サービス提供システムの状態情報を取り出し、該状態情報を前記発見障害事例の障害種類に対応する前記障害種類別状態モデルと比較して、該障害種類別状態モデルに対する乖離の度合いを示す外れ度を求める外れ度計算処理と、
前記外れ度の大きい前記発見障害事例から順に分類抽出して提示する分類抽出処理とを、前記障害発見システム検証装置に実行させるための請求項12記載の障害発見システム検証制御プログラム。 - 前記試験用データ及び前記障害検出結果に基づいて、前記サービス提供システムが正常時の状態を示す各状態パラメータの統計データを求めて正常時状態モデルを生成する正常時状態モデル生成処理と、
システム状態を構成する状態パラメータのうち、前記障害種類別状態モデルでの振る舞いが、当該状態モデル以外の障害種類別状態モデル及び前記正常時状態モデルでの振る舞いと比較して特徴的なパラメータを有する状態モデルを特徴的状態モデルとして選定し、前記外れ度計算処理で前記外れ度を求める際に、前記特徴的状態モデルを優先的に使用させる障害種類別判定用パラメータ選定処理とを、前記障害発見システム検証装置に実行させるための請求項14記載の障害発見システム検証制御プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008328429A JP5267109B2 (ja) | 2008-12-24 | 2008-12-24 | 障害発見システム検証装置、障害発見システム検証方法及び障害発見システム検証制御プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008328429A JP5267109B2 (ja) | 2008-12-24 | 2008-12-24 | 障害発見システム検証装置、障害発見システム検証方法及び障害発見システム検証制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010152539A true JP2010152539A (ja) | 2010-07-08 |
JP5267109B2 JP5267109B2 (ja) | 2013-08-21 |
Family
ID=42571577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008328429A Active JP5267109B2 (ja) | 2008-12-24 | 2008-12-24 | 障害発見システム検証装置、障害発見システム検証方法及び障害発見システム検証制御プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5267109B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377094A (zh) * | 2012-04-12 | 2013-10-30 | 金蝶软件(中国)有限公司 | 异常监测方法和装置 |
KR20200002843A (ko) * | 2017-04-24 | 2020-01-08 | 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 | 모니터링 시스템에서 발생하는 경보에 대한 기계 학습식 결정 안내 기법 |
JP2020201839A (ja) * | 2019-06-12 | 2020-12-17 | 富士通株式会社 | 情報収集プログラム、情報収集方法及び情報収集システム |
CN112782638A (zh) * | 2020-12-22 | 2021-05-11 | 国网浙江海宁市供电有限公司 | 一种低压计量箱内电能表故障诊断维护方法 |
CN112782639A (zh) * | 2020-12-22 | 2021-05-11 | 国网浙江海宁市供电有限公司 | 一种低压计量箱故障智能指示方法及指示器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007018530A (ja) * | 2006-09-11 | 2007-01-25 | Nec Corp | 忘却型ヒストグラム計算装置及びそれを用いた外れ値度計算装置 |
JP2008171104A (ja) * | 2007-01-10 | 2008-07-24 | Nec Corp | 業務サービスとシステム性能を監視対象とする監視装置、監視システム、監視方法および監視プログラム |
JP2008181432A (ja) * | 2007-01-26 | 2008-08-07 | Mitsubishi Electric Corp | ヘルスチェック装置及びヘルスチェック方法及びプログラム |
-
2008
- 2008-12-24 JP JP2008328429A patent/JP5267109B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007018530A (ja) * | 2006-09-11 | 2007-01-25 | Nec Corp | 忘却型ヒストグラム計算装置及びそれを用いた外れ値度計算装置 |
JP2008171104A (ja) * | 2007-01-10 | 2008-07-24 | Nec Corp | 業務サービスとシステム性能を監視対象とする監視装置、監視システム、監視方法および監視プログラム |
JP2008181432A (ja) * | 2007-01-26 | 2008-08-07 | Mitsubishi Electric Corp | ヘルスチェック装置及びヘルスチェック方法及びプログラム |
Non-Patent Citations (2)
Title |
---|
CSNG199800178004; 内平 直志: '並行処理におけるプログラム試験' 情報処理 第39巻,第1号, 19980116, p.19-25, 社団法人情報処理学会 * |
JPN6013016219; 内平 直志: '並行処理におけるプログラム試験' 情報処理 第39巻,第1号, 19980116, p.19-25, 社団法人情報処理学会 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377094A (zh) * | 2012-04-12 | 2013-10-30 | 金蝶软件(中国)有限公司 | 异常监测方法和装置 |
KR20200002843A (ko) * | 2017-04-24 | 2020-01-08 | 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 | 모니터링 시스템에서 발생하는 경보에 대한 기계 학습식 결정 안내 기법 |
US20200050532A1 (en) | 2017-04-24 | 2020-02-13 | Microsoft Technology Licensing, Llc | Machine Learned Decision Guidance for Alerts Originating from Monitoring Systems |
JP2020518064A (ja) * | 2017-04-24 | 2020-06-18 | マイクロソフト テクノロジー ライセンシング,エルエルシー | 監視システムから発する警告に対する機械学習判断指針 |
KR102589649B1 (ko) * | 2017-04-24 | 2023-10-13 | 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 | 모니터링 시스템에서 발생하는 경보에 대한 기계 학습식 결정 안내 기법 |
US11809304B2 (en) | 2017-04-24 | 2023-11-07 | Microsoft Technology Licensing, Llc | Machine learned decision guidance for alerts originating from monitoring systems |
JP2020201839A (ja) * | 2019-06-12 | 2020-12-17 | 富士通株式会社 | 情報収集プログラム、情報収集方法及び情報収集システム |
CN112782638A (zh) * | 2020-12-22 | 2021-05-11 | 国网浙江海宁市供电有限公司 | 一种低压计量箱内电能表故障诊断维护方法 |
CN112782639A (zh) * | 2020-12-22 | 2021-05-11 | 国网浙江海宁市供电有限公司 | 一种低压计量箱故障智能指示方法及指示器 |
CN112782638B (zh) * | 2020-12-22 | 2022-09-13 | 国网浙江海宁市供电有限公司 | 一种低压计量箱内电能表故障诊断维护方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5267109B2 (ja) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10346282B2 (en) | Multi-data analysis based proactive defect detection and resolution | |
US8191048B2 (en) | Automated testing and qualification of software-based, network service products | |
US6973415B1 (en) | System and method for monitoring and modeling system performance | |
US7082381B1 (en) | Method for performance monitoring and modeling | |
US20220066906A1 (en) | Application state prediction using component state | |
US20160378583A1 (en) | Management computer and method for evaluating performance threshold value | |
CN107992410B (zh) | 软件质量监测方法、装置、计算机设备和存储介质 | |
US8448025B2 (en) | Fault analysis apparatus, fault analysis method, and recording medium | |
JP5267109B2 (ja) | 障害発見システム検証装置、障害発見システム検証方法及び障害発見システム検証制御プログラム | |
JP5200970B2 (ja) | 品質管理システムおよび品質管理装置および品質管理プログラム | |
JP6141471B2 (ja) | システムの可用性を解析するための方法、装置、当該装置を含むシステム、並びに、上記方法を実施するためのコンピュータプログラム | |
WO2011155308A1 (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 | |
JPWO2012029500A1 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
AlGhamdi et al. | Towards reducing the time needed for load testing | |
US20220222545A1 (en) | Generation method, non-transitory computer-readable storage medium, and information processing device | |
US9405657B2 (en) | Application architecture assessment system | |
JP6375200B2 (ja) | 計算機システムの異常予兆検出装置および方法 | |
WO2020044898A1 (ja) | 機器状態監視装置及びプログラム | |
CN111555899A (zh) | 告警规则配置方法、设备状态监测方法、装置和存储介质 | |
US20220222580A1 (en) | Deterioration detection method, non-transitory computer-readable storage medium, and information processing device | |
US9372746B2 (en) | Methods for identifying silent failures in an application and devices thereof | |
EP3131014A1 (en) | Multi-data analysis based proactive defect detection and resolution | |
Krasich | Modeling of SW reliability in early design with planning and measurement of its reliability growth | |
US20220043419A1 (en) | Dependability priority number | |
JP2011028490A (ja) | システム監視装置、システム監視方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110902 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130123 |
|
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: 20130409 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130422 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 5267109 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |