JP4661853B2

JP4661853B2 - 障害分析システム、方法、及びプログラム

Info

Publication number: JP4661853B2
Application number: JP2007289413A
Authority: JP
Inventors: 敏夫登内
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2007-11-07
Filing date: 2007-11-07
Publication date: 2011-03-30
Anticipated expiration: 2027-11-07
Also published as: JP2009116651A

Description

本発明は、障害分析システムに係り、特に周期性の変動成分を有する時系列データを対象に障害分析ができる障害分析システム、障害分析方法、及び障害分析用プログラムに関する。

監視対象から取得した時系列データに基づいて障害を分析する障害分析システムにおいては、その時系列データに周期性の変動分が含まれていると、その周期性の変動分に障害を示している変動成分がマスクされてしまい障害分析が困難になるという問題がある。

例えば、監視対象物が携帯電話の無線局である場合、無線局はオフィス街にあるような無線局と繁華街にあるような無線局とでは、その局へのアクセス数（通信要求回数）の時間的変動パターン（時系列データ）が異なることが多い。オフィス街では、ほぼ毎日午前９時頃からアクセスが増加し、午後６時頃からはアクセスが減少するといった1日周期の変動が目立っている。一方、繁華街では、平日はアクセス数が少ないが、週末にはアクセス数が増えるといったように１週間周期の変動が目立ち、正常時の時系列データそのもののパターンが大きく異なっている。

このような周期性の変動をもつ時系列データは、障害の徴候をマスクしてしまい正確で検知能力の高い障害分析を困難にしている。このため、時系列データの特性に合わせて無線局毎にその分析方法を変えるという方法もあるがその実現には手間とコストなど困難を伴う。そこで、障害分析を困難にする監視対象の時系列データに含まれる様々な変動パターンを有する周期性の変動分を障害分析の前に除去するという課題の解決が望まれる。

ここで、関連する障害分析システムの一例として、時系列データに含まれる一定周期成分を除去するものが特許文献１に開示されている（図７参照、図面及び符号の一部を修正している）。この発明は、内燃機関１０１の触媒コンバータ１０２の劣化を判定・警告する障害分析システムに係り、障害分析手段としての触媒劣化判定部１２７はハイパスフィルタ（ＨＰＦ）１１２Ａ，１１２Ｂと、ローパスフィルタ（ＬＰＦ）１１３Ａ，１１３Ｂと、相関係数算出部１１８、逐次劣化指標算出部１１６Ａ、最終劣化指標算出部１１６Ｂ、比較部１１６Ｃ及び判定部１１７から構成されており、次のように動作する。監視対象である触媒コンバータ１０２の状態をモニタする前０_２センサ１０３と後０_２センサ１０４からのデータ信号Ｓ_３，Ｓ_４をＨＰＦ１２Ａ，Ｂ，ＬＰＦ１３Ａ，Ｂを通すことにより、障害分析に不要な高周波ノイズ、低周波ノイズを除去する。これにより、障害分析を容易にしている。障害分析方法としては、この発明では、二箇所のモニタデータの相関をとり、その相関が崩れることを検知することで、障害を発見している。

また、他の関連する技術の一例が、特許文献２に開示されている（図８参照、符号一部修正）。この技術は、障害分析システムではないが、取得したオーディオデータを分析する際に、ノイズ成分を除去する点で上記特許文献１の発明と共通点がある。この信号分析手段１１０は、帯域通過フィルタ１１１_１〜１１１_Ｂと、帯域区分中最大の周波数成分を推定する周期推定部１１３_１〜１１３_Ｂと、周期推定部で推定された周波数のみをフィルタする櫛型フィルタ１１４と、分析手段（パワー算出手段１１５Ａ，１１５Ｆ、正規化手段１２１、エントロピー計算手段１２２から成る）を備えて構成されており、次のように動作する。

音声信号を帯域通過フィルタ１１で、周波数成分ごとに分解し、一定区間ごとに分割する。分割された周波数成分区分ごと最大成分を特徴周波数と推定し、その周波数成分以外のノイズ成分を櫛型フィルタ１１４で除去する。フィルタ後の帯域成分を分析手段となるパワー算出手段１１５Ａ，１１５Ｆ、正規化手段１２１、エントロピー計算手段１２２を使って分析に必要な諸値を算出している。
特開平０７−０７７４８１号公報特開２００６−１１３２９８号公報

上記特許文献１に開示された障害分析システムは、障害分析に悪影響を及ぼす時系列データに含まれる一定周期成分をローパスフィルタ及びハイパスフィルタで除去する方法であり、予め除去すべき周波数が分かっている場合に有効である。しかしながら、無線局のアクセスパターンはどのような周期性成分があるか不明であり、しかも局ごとに異なるのでこのままでは使えない。

上記特許文献２の技術では、周波数区間ごとに区間で最大振幅を有する成分以外を除去することで、特徴点を出す方式をとっている。しかし、障害解析には最大振幅ではなく、例えば、従来と異なる周波数成分などは、残す必要がある。そのため、最大振幅以外を除去すると、最大振幅ではないが、従来の振動とは異なる周波数成分も除去されてしまい、障害検出ができない恐れがある。

このように、障害分析を困難にする監視対象の時系列データに含まれる周期性の変動分を障害分析前に除去するという課題に対して、上記のようにこれら周期性の変動成分を取り除く試みはある。しかし、周期性の変動分のパターンも様々であり、また除去すべき周波数成分を決めることも困難であるという問題点を抱えていた。

（発明の目的）
本発明は、上記問題点に鑑み、監視対象からの時系列データの周期性の変動成分を障害分析前に除去又は抑制し、これによって正確で検知能力の高い障害分析を行なえる障害分析システム、障害分析方法、及び障害分析用プログラムを提供することを、その目的とする。

上記課題を解決するため、本発明に係る障害分析システムは、
監視対象の装置から取得される時系列データに基づいて障害分析を行なう障害分析システムであって、前記取得される時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数分析手段と、前記周波数成分の中の除去すべき周波数成分を検出する周波数成分検出手段と、前記検出された周波数成分を除去する周波数成分除去手段（フィルタ）と、前記周波数成分を除去された残余の周波数成分に基づいて時系列データに逆変換する周波数成分逆変換手段と、この逆変換された時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析手段とを備え、
前記周波数分析手段は、入力される前記時系列データに対して周波数成分ごとに強度を計算しその結果を出力する機能を有し、前記周波数成分検出手段は、前記周波数成分の内、予め定められた基準強度よりも強度の値が大きい成分を除去対象の周波数成分として検出する構成としたことを特徴とする。

また、上記課題を解決するため、本発明に係る障害分析方法は、
監視対象の装置から取得される時系列データに基づいて障害分析を行なう障害分析システムにおける障害分析方法にあって、前記取得される時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数成分分析工程と、前記変換された周波数成分中から除去すべき周波数成分を特定し検出する周波数成分検出工程と、前記検出された周波数成分を除去する周波数成分除去工程と、前記周波数成分除去工程にて周波数成分を除去した残余の周波数成分に基づいて時系列データに逆変換する周波数成分逆変換工程と、この逆変換された時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析工程とを設け、
前記周波数分析工程では、入力される前記時系列データに対して周波数成分ごとに強度を計算しその結果を出力することをその内容とし、
前記周波数成分検出工程では、前記周波数成分の内、予め定められた基準強度よりも強度の値が大きい成分を除去対象の周波数成分として検出することをその内容としたことを特徴とする。

さらに、上記課題を解決するため、本発明に係る障害分析用プログラムは、
監視対象の装置から取得される時系列データに基づいて障害分析を行なう障害分析用プログラムにあって、前記取得される時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数成分分析機能、前記周波数成分の中から除去すべき周波数成分を特定し検出する周波数成分検出機能、前記検出された周波数成分を除去する周波数成分除去機能、前記周波数成分を除去した残余の周波数成分に基づいて時系列データに逆変換する周波数成分逆変換機能、及びこの逆変換された時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析機能、を備え、
前記周波数分析機能を、入力される前記時系列データに対して周波数成分ごとに強度を計算しその結果を出力するように構成すると共に、前記周波数成分検出機能を、前記周波数成分の内、予め定められた基準強度よりも強度の値が大きい成分を除去対象の周波数成分として検出するように構成し、
これらの各機能をコンピュータに実現させるようにしたことを特徴とする。

本発明は、このように構成されているので、障害分析の妨げとなっていた監視対象の時系列データに含まれる周期性の時間変動分を、障害分析を実行する前に効果的に抑制することが可能になり、正確で検知能力の高い障害分析が出来るという効果を発揮する障害分析システム、障害分析方法及び障害分析用プログラムを提供することができる。

次に、本発明の一実施形態に係る障害分析システムについて図１乃至図６に基づいて説明する。図１は本障害分析システムの構成を示すブロック図である。

この図１に示す本障害分析システム１は、障害分析をおこなう対象物である監視対象の装置５と、その監視対象の装置５から障害分析に必要となる障害状況を含む何らかの性能データ（以下「時系列データ」という）を取得すると共に管理するモニタ（データ取得管理部）１０と、このモニタ（データ取得管理部）１０に制御されて監視対象の装置にかかるデータを記憶するデータ格納手段２０とを備えている。さらに。そのデータ格納手段２０に記憶されたデータに基づいて障害分析用の時系列データを生成する時系列データ生成手段３０と、この生成された時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数分析手段４０と、この周波数成分の中から周期性の時間変動の原因になっており除去をすべき周波数成分を検出し特定する周波数成分検出手段５０と、この特定された周波数成分を除去する周波数成分フィルタ（周波数成分除去手段）６０と、この周波数成分を除去した残余の周波数成分に基づき時系列データに逆変換する周波数成分逆変換手段７０と、こうして得られた時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析を実行する障害分析手段８０と、この障害分析結果を管理者等に表示又は出力する分析結果表示手段（結果出力手段）９０を備えて構成されている。

ここで、本障害分析システム１の基本的な内容を先ず説明し、その後、詳細な構成と動作について説明する。

本障害分析システム１は、監視対象の装置５から取得される時系列データに基づいて周波数分析手段４０でその周波数成分を得るが、このとき時系列データの周期性の時間変動分に対応する周波数成分の強度は他の周波数成分の強度より大きく現れる。そこで強度の大きな周波数成分を、統計的仮説検定論など予め定めた規則に従い周波数成分検出手段５０で除去すべき周波数成分として検出する。この検出された周波数成分を周波数成分除去手段６０で除去し、この周波数成分を除去された残余の周波数成分に基づいて周波数成分逆変換手段７０で時系列データに逆変換し、これによって周期性の時間変動が抑制された時系列データが得られる。その後、この時系列データに基づいて障害分析手段８０で障害分析を行なうことを特徴とする。

これによって、障害分析の妨げとなっていた監視対象の時系列データに含まれる周期性の時間変動分を、障害分析を実行する前に効果的に抑制することが可能になり、正確で検知能力の高い障害分析が出来るという効果を発揮する。

引き続き、本障害分析システム１の構成及び動作について図１に基づき詳細に説明する。

監視対象の装置５は、障害分析システム１の監視分析対象物であり、例えば携帯電話の無線局であるとすると、監視の対象になる時系列データとしては、例えばその無線局への通話のアクセス数（通信要求回数）をとる。図３にこの時系列データの一例が示されているが、このデータには周期性の変動成分が含まれており、そのままこの時系列データを分析しても障害情報が周期性の変動分にマスクされて障害を発見するのが困難である。そのため、本システム１では、以下詳述するように、この周期性の変動分を時系列データから除去して障害分析しやすい時系列データに変換しているのである。

モニタ（データ取得管理部）１０は、監視対象の装置５に関する障害状況を含む何らかの性能データ（時系列データ）を取得すると共に、データ格納手段２０に記憶・蓄積し、管理するよう構成されている。後に、障害分析を実行する際に、この記憶・蓄積されたデータに基づいて障害分析を行なうためである。

時系列データ生成手段３０は、データ格納手段２０に記憶・蓄積されている性能データを、モニタ（データ取得管理部）１０を介して取得し、障害分析に利用する時系列データを作成するよう構成されている。これによって、監視対象の装置５から得られた性能データに基づいて、実際に障害分析を行なう対象である時系列データが作成される。
時系列データを作成するに際しては、データ格納手段２０に蓄積されている性能データをそのまま利用する場合もあり、また、後の解析に合わせて例えば一部のデータを間引いて使う場合もある。ここでは、一例として、時系列データとして離散時間点の数値データを扱っている。

周波数分析手段４０は、作成された時系列データを周波数成分ごとにその振幅データである周波数成分データに変換するよう構成される。すなわち、時系列データに対して周波数成分ごとにその強度を計算しその結果を出力するように機能する。この分析によって、周期性の時間変動分が比較的強度の強い周波数成分として表れるため、他の周期性を持たない変動分に対応する比較的強度の弱い周波数成分と分離しやすくなる。
具体的には、例えば時間―周波数領域の変換手段として一般的なフーリエ変換の手法を用いることが出来る。ここでは、離散時間点のデータであり、離散的フーリエ変換（Discrete Fourier Transform：ＤＦＴ）の一種でよく知られた高速フーリエ変換（Fast Fourier Transform：ＦＦＴ）を用いている。

周波数成分検出手段５０は、得られた各周波数成分の中で周期性の時間変動の原因となっている周波数成分（これを「特異周波数」と呼ぶことがある）を検出し特定するよう構成される。一般的に、各周波数成分の中で振幅強度（単に「強度」ともいう）の強い周波数成分が主として周期性の時間変動を惹起しているので、このような他の周波数成分と比較して振幅強度の強い周波数成分を検出し、除去対象の周波数成分として特定するよう構成される。

具体的には、何らかの基準強度を越える強度を有する周波数成分があると、それを除去すべき周波数成分として特定する方法をとっている。しかし、この基準強度は、監視対象の装置の時系列データが違えば、その周波数成分の強度の平均値、分散等も異なり、そのままでは使えない。そのため、先ず、周波数成分の強度は、平均値と平均値からのずれを分散で除して正規化した値を使用する。
さらに、基準強度を決めるに際しては、障害情報を含んでいる強度の余り強くない周波数成分まで除去することがないようしなければならない。そのため、統計的仮説検定理論を用いることで客観的な検出を行なっている。

すなわち、正規化した後、ある強度を有する周波数成分を除去する場合、その周波数成分を除去してはならないのに除去してしまう確率（すなわち、通常のランダムな変動分あるいは障害に起因する変動分であるのに周期性の変動分と間違えて除去してしまう確率、第１種の過誤）、及びその周波数成分を除去しなければならないのに除去しない確率（すなわち、周期性の変動分であるのに間違えて除去しない確率、第２種の過誤）を夫々一定値以下に抑えるために、基準強度を統計的仮説検定理論により客観的に決めている。このように基準強度を客観的に決定し、除去すべき周波数成分を検出、特定しているので、周期性の時間変動分の正確な抑制が可能になり、障害検知能力の高い分析をもたらす。

具体的な仮説検定方法として正規分布を仮定して周知のχ二乗検定等の方法も利用できるが、ここでは、グラブス・スミルノフ検定（スミルノフ・グラブス法、スミルノフ法ともいう）を使用している。このグラブス・スミルノフ検定法は、統計データから外れ値（ここでは周期性の時間変動に対応する強度の強い周波数成分）を除くための手法で、統計データ（周波数成分の強度）の平均値からのずれをその標準偏差で割った値（正規化した値）を基に、予め設定した有意水準（棄却水準）から導かれる基準強度を越えた外れが大きいものから順に外れ値を除いていくものである。すなわち、1回の検定が終わると特定された周波数成分を除いて残余の周波数成分で平均値、標準偏差等を再度計算し直し、同じように検定を行い周波数成分を除去することを繰り返していく。

このようにして、除去すべき周波数成分を定量的に検出しているので、周期性の時間変動分の正確な抑制が可能になり、ひいては障害検知能力の高い分析をもたらすことになる。

周波数成分フィルタ（周波数成分除去手段）６０は、周波数成分検出の結果から除去すべきであると特定された周波数成分を除去するよう構成される。具体的には、除去すべき周波数成分を零にしたり、あるいは他の周波数成分の平均的な強さにまで抑制するようにしてもよい。

周波数成分逆変換手段７０は、周波数成分フィルタ６０が除去した残余の周波数成分に基づいて、時間−周波数変換の逆変換を行なって時系列性能データに戻す機能を備えている。具体的には、逆高速フーリエ変換（Inverse Fast Fourie Transform：ＩＦＦＴ）を用いて時系列データに戻している。このとき得られる時系列データは周期性の時間変動分が抑制され、正確で障害検知能力の高い障害分析に適するものとなっている。

障害分析手段８０は、この周期性の時間変動分を除去した時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析を行うよう構成されている。障害分析手段８０の具体的な構成等については、「特願平０３−１８６９２９号公報、故障診断エキスパ−トシステム」や「特開２００６−３４９６４０号公報、故障診断装置および方法」など様々な方法が提案されているので、適切なものを使うことが出来る。

分析結果表示手段（結果出力手段）９０は、分析結果を表示するディスプレイ、あるいは分析結果を印刷出力するプリンター等である。これによって、障害分析結果がディスプレイに表示され、また印刷出力等されるので、障害分析結果が監視対象の装置５の管理者等に理解しやすく、また利用しやすくなる。

なお、上述のモニタ（データ取得管理部）１０では、モニタ１０は、監視対象の装置５からの性能データを連続時間のデータとして取得してもよい。

また、周波数分析手段４０においては、この時間―周波数領域の変換は、例えば専用のフーリエ変換用ＬＳＩ等のハードウエアで実現することも可能である。また、連続時間の場合はフーリエ変換などの手法を使用して実行してもよい。同様に、周波数成分逆変換手段７０においても、時間―周波数領域の逆変換は、例えば専用のフーリエ変換用ＬＳＩ等のハードウエアでこの逆変換を実現することも可能である。また、連続時間の場合は逆フーリエ変換などの手法を使用して実行してもよい。

なお又、上述の各手段の設置場所は基本的に問わない。一つの装置に実装してもよいし、例えば、モニタ１０、データ格納手段２０（又は時系列データ生成手段まで含めて）は、監視対象に組み込むとか、その近くに別装置として設置する構成もある。同様に、障害分析手段８０、出力表示手段９０も、夫々別装置として物理的に離隔した場所に設置され通信手段で接続されていてもよい。

（動作説明）
次に、本障害分析システム１の動作を図２乃至図６に基づいて説明する。図２は障害分析システムの動作フロー図である。各動作の工程で行なわれる処理の内容は既に詳述しているので、主としてその動作の流れと各工程で得られる処理結果のデータについて説明する。

図２（ａ）は、モニタ（データ取得管理部）１０が監視対象５から、例えば一定の時間間隔で時系列データを取得しデータ格納手段２０に記憶、蓄積する動作（ステップＳ１００）を示している。この動作は、後の障害分析時の動作に先立って比較的長期に渡って通常は独立して行なわれるので、ここでは障害分析動作とは別の動作フローとして示している。

次に図２（ｂ）に基づいて障害分析を行うまでの動作フローを示す。
先ず、前述のデータ格納手段２０に記憶・蓄積されたデータは、モニタ（データ取得管理部）１０を介して時系列データ生成手段３０によって取得され、障害分析用の時系列データとして作成される（ステップＳ２０１、時系列データ取得工程）。

次に、この時系列性能データに対して周波数分析手段４０では、時間−周波数領域変換が行なわれ、周波数成分ごとにその強度が算定される（ステップＳ２０２、周波数成分分析工程）。

次に、異常周波数成分検出手段５０では、周波数分析結果の各周波数成分の中から、基準強度を超える周波数成分を特異周波数成分として検出し特定する（ステップＳ２０３、周波数成分検出工程）。除去すべき周波数成分を統計的仮説検定理論に基づいて客観的に検出、特定しているので、周期性の時間変動分の効果的な抑制が可能になり、正確で検知能力の高い障害分析をもたらす。

次に、周波数成分フィルタ６０は、周波数成分の中から、上記周波数成分検出工程で検出された周波数成分を除去する（ステップＳ２０４、周波数成分除去工程）。

上述した周波数成分を除去された残余の周波数成分を基に周波数成分逆変換手段７０において時間−周波数領域の逆変換が実行され時系列データに戻される（ステップＳ２０５、逆変換工程）。この逆変換工程で得られる時系列データは、周期性の時間変動が抑制されており、正確で検知能力の高い障害分析を可能にする。

次に、この逆変換によって得られた時系列データを使って、障害分析手段８０において障害分析を行う（ステップＳ２０６、障害分析工程）。そして、図示していないが出力表示手段９０において結果を表示する（出力表示工程）。これによって、障害分析結果がディスプレイに表示され、また印刷出力されるので、障害分析結果が管理者等に理解しやすく利用しやすくなる。

ここで、上記各工程での処理結果をグラフに示した図３乃至図６を用いて、本障害分析システム１の動作フローをさらに詳細に説明する。

ステップＳ２０１（時系列データ取得工程）の結果得られる時系列データの一例が図３に示されている。この図３では、横軸が時間（１目盛１時間）であり、縦軸が通信要求回数を示している。この時系列データでは、２４時間ごとに周期性が存在することがわかる。これは、昼間は通信の需要が高く通信要求回数が増えるが、深夜は減るためである。

この横軸３８目盛のところは、通信要求回数が周囲と比べて比較的高く（矢印Ｂで示す）、また、前日の同時刻（横軸が１４目盛：矢印Ａ）と比べても比較的高い。そのため、障害により通信の再送などが発生している可能性がある。このような障害部分は、周期性の変動分があるため、通常の周期性の変動なのか、それとも障害による変化なのか区別がつきにくい。

なお、このような周期性の変動分は固定的なパターンとは限らず、例えば、ショッピングセンター等では、平日に比して週末に通信要求回数が増大するという１週間単位での周期性を有する場合がある。

次に、ステップＳ２０２（周波数成分分析工程）の結果得られる周波数成分の強度分布
をあらわしたグラフを図４に示す。この図４では、横軸ｘは周波数を表し、縦軸ｙは周波数成分の強度を示している。この場合、横軸の１目盛は１／１２８周波数[単位は１／時間]となる。数値１２８は今回の時系列データの長さ（すなわち時間数）である。ちなみに、横軸ｘ＝０は非周期成分を示しており、横軸ｘ目盛は、周波数ｘ／１２８[単位は１／時間]を示し、また、１２８／ｘ周期でもある。横軸ｘ＝１２８目盛で周波数１[単位は１／時間]、1周期（１２８時間）となる。

この周波数成分の分析結果を見ると分かるとおり、横軸ｘ＝０，ｘ＝５前後，ｘ＝１２２で強い周波数成分を有することがわかる。すなわち、非周期成分及び１２８／５＝約２５時間周期、及び１２８／１２２＝約1時間周期で変動する高い成分があることを示している。

ステップＳ２０３（周波数成分検出工程）では、図４に示すような周波数成分の中から除去すべき周波数成分を検出する。その結果、図５に薄い表示で示されているように、横軸ｘ＝５前後及びｘ＝１２５前後を除去すべき周波数成分として検出、特定したことを示す。ただし、ｘ＝０は非周期成分であり、障害が含まれている可能性があるため、除去対象からはずされている。

ステップＳ２０４（周波数成分除去工程）では、周波数成分検出工程で検出し、除去を指定された周波数成分が除去される。図５は、その結果（除去後）の周波数成分（濃い表示）と除去前の周波数成分（薄い表示）を合わせて表示したものである。

次のステップＳ２０５（逆変換工程）の結果得られた時系列データを図６に示す。図５の周波数成分検出工程で検出された周波数成分除去後の周波数成分データ（変換前表示）に基づいて逆変換された後の時系列データ（変換後表示）と共に最初の時系列データ（変換前表示）も表示している。図６では、周期性の変動分が除去されているため、横軸３８目盛の時点で、周囲の成分に比べて送信要求回数が多いことが明確になっている。生の時系列データを表した図３で、障害が起きている可能性を指摘した部分であり、このように非常に判別しやすくなっていることが分かる。

ステップＳ２０６（障害分析工程）では、図６に示すように周期性の変動分を抑制し障害を検知しやすくした時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析を実行する。

以上のように本障害分析システムは構成され動作するので、周期性の時間変動分を有する監視対象からの時系列データを、周期性の変動分の影響を抑制した時系列データに変換、生成し、障害分析手段８０における正確で検知能力の高い障害分析を可能にするという効果を奏する。

（障害分析方法）
ここで、上記の本障害分析システム１にあって、上述の動作フローで説明した周波数成分分析工程、周波数成分検出工程、周波数成分除去工程、周波数成分逆変換工程、及び障害分析工程の各工程を設けたものが障害分析方法である。

すなわち、監視対象の装置から取得される時系列データに基づいて障害分析を行なう障害分析システムにおける障害分析方法であって、取得される時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数成分分析工程と、その変換された周波数成分中から除去すべき周波数成分を特定し検出する周波数成分検出工程と、その検出された周波数成分を除去する周波数成分除去工程と、周波数成分除去工程にて周波数成分を除去した残余の周波数成分に基づいて時系列データに逆変換する周波数成分逆変換工程とを設け、この逆変換された時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析工程を設けたことを特徴とする。

この障害分析方法によって、障害分析の妨げとなっていた監視対象の時系列データに含まれる周期性の時間変動分を、障害分析を実行する前に効果的に抑制することが可能になり、ひいては正確で検知能力の高い障害分析が出来るという効果を発揮する。

また、この障害検出方法において、周波数分析工程を、入力される時系列データに対して周波数成分ごとに強度を計算しその結果を出力する構成としてもよい。
さらに、上記の周波数成分検出工程を、周波数成分の内予め定められた基準強度よりも強度の値が大きい成分を除去対象の周波数成分として検出する構成としてもよいし、統計的仮説検定理論に基づいて、周波数成分の強度の平均値、分散値、有意水準等の値から前記基準強度を算定し、その基準強度を越える強度の周波数成分を除去すべき特異周波数成分として検出する構成とすることも可能である。さらに又、前記統計的仮説検定理論として、グラブス・スミルノフ仮説棄却検定法を使った検出工程としてもよい。

これによって、上述の効果に加えて、統計的仮説検定理論から客観的に除去すべき周波数成分を検出しているので、周期性の時間変動分の正確な抑制が可能になり、障害検知能力の高い分析をもたらす。

なおまた、この障害検出方法において、障害分析工程から得られた障害分析結果を少なくとも印字出力又はディスプレイ表示する等の出力表示工程とを設けてもよい。これによって、さらに、障害分析結果がディスプレイに表示され、また印刷出力されるので、障害分析結果が理解しやすく利用しやすくなる。

さらに、この障害検出方法において、上記の周波数分析工程の前段に、監視対象の装置にかかるデータを取得すると共に管理するデータ取得管理工程と、この取得されたデータを予め装備されたデータ格納手段に記憶するデータ格納工程と、記憶されたデータに基づいて前記監視対象の装置にかかるデータの時系列データを生成する時系列データ生成工程とを設けてもよい。これによって、上記効果に加えて、実際に障害分析を行なう対象である監視対象からの時系列データが取得され、蓄積されるので、その時系列データを基に障害分析が行なえる。

（障害分析用プログラム）
また、ここで上述の動作フローで説明した周波数成分分析工程、周波数成分検出工程、周波数成分除去工程、周波数成分逆変換工程、障害分析工程の各工程の機能をコンピュータに実行させるようプログラムとして構成したのが、障害分析用プログラムである。

すなわち、監視対象の装置から取得される時系列データに基づいて障害分析を行なう障害分析用プログラムにあって、取得される時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数成分分析機能と、その周波数成分の中から除去すべき周波数成分を特定し検出する周波数成分検出機能と、その検出された周波数成分を除去する周波数成分除去機能と、その周波数成分を除去した残余の周波数成分に基づいて時系列データに逆変換する周波数成分逆変換機能、及びこの逆変換された時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析機能をコンピュータに実行させるように構成したことを特徴とする。

この障害分析用プログラムによって、障害分析の妨げとなっていた監視対象の時系列データに含まれる周期性の時間変動分を、障害分析を実行する前に効果的に抑制することが可能になり、ひいては正確で検知能力の高い障害分析が可能になるという効果も得られる。さらに、上記の周波数成分分析処理、逆変換処理は、高速フーリエ変換（ＦＦＴ）に好適であり、その他の周波数成分検出処理、周波数成分除去処理もプログラム化に向いており、コンピュータ以外に特別のハードウェアを必要としないのでコストが低く、また、処理内容の更改等の変更にも柔軟に対処できるという効果も奏する。

また、障害分析用プログラムにおいて、上記の周波数分析機能を、入力される前記時系列データに対して周波数成分ごとに強度を計算しその結果を出力する構成としてもよい。

さらに、上記の周波数成分検出機能は、前記周波数成分の内、予め定められた基準強度よりも強度の値が大きい成分を除去対象の周波数成分として検出する構成としてもよいし、
統計的仮説検定理論に基づいて、周波数成分の強度の平均値、分散値、有意水準等の値から基準強度を算定し、その基準強度を越える強度の周波数成分を除去すべき特異周波数成分として検出する構成としてもよい。さらに又、上記の周波数成分検出機能を、グラブス・スミルノフ仮説棄却検定法を利用した検出機能として、これをコンピュータに実行させるように構成してもよい。

これらの障害分析用プログラムでは、上記の効果に加えて、統計的仮説検定理論から客観的に除去すべき周波数成分を検出しているので、周期性の時間変動分を効果的に抑制した障害分析用の時系列データが得られ、正確で検知能力の高い障害分析をもたらす。

なおまた、障害分析用プラグラムにおいて、上記の障害分析機能から得られた障害分析結果を少なくとも印字出力又はディスプレイ表示する等の出力表示機能をコンピュータに実行させるように構成してもよい。これによって、さらに、障害分析結果がディスプレイに表示され、また印刷出力されるので、障害分析結果が管理者等に理解しやすく、又利用しやすくなる。

さらに、障害分析用プラグラムにおいて、上記の周波数分析機能の前に、監視対象の装置にかかるデータを取得すると共に管理するデータ取得管理機能と、このデータ管理機能に付勢されて前記監視対象の装置にかかるデータをデータ格納手段に記憶するデータ格納処理機能と、このデータ格納手段に記憶されたデータに基づいて前記監視対象の装置にかかるデータの時系列データを生成する時系列データ生成機能とを、コンピュータに実行させるように構成してもよい。これによって、上記の効果に加えて実際に障害分析を行なう対象である監視対象からの時系列データが記憶、蓄積されるので、その時系列データを基に障害分析が行なえる。

本発明は、通信機器、産業機器などの機器の障害発見・分析といった用途に適用できる。特に、監視対象機器からの障害情報を含む時系列データに周期性の時間変動があり、この周期性の変動とは独立に発生する障害が、この周期性の変動にマスクされ発見されにくくなっているような場合に適用でき、その障害の発見・分析等に大きな効果を発揮する。

本発明の一実施形態に係る障害分析システムの構成を示すブロック図である。図１に示す障害分析システムの動作のフロー図である。監視対象からの時系列データの一例を示した図である。図３に示す一の時系列データの周波数成分を表すグラフである。図４に示す周波数成分から周期性の変動要因と検出・特定された周波数成分を検出除去したグラフである。図５に示す周期性変動要因の周波数成分除去後の周波数成分から逆変換によって得た時系列性能データを元の時系列性能データと共に表示したグラフである。関連する既存の一発明を示す図である。他の関連する既存の発明を示す図である。

符号の説明

１障害分析システム
５監視対象
１０モニタ（データ取得管理部）
２０データ格納手段
３０時系列データ生成手段
４０周波数分析手段
５０周波数成分検出手段
６０周波数成分除去フィルタ（周波数成分除去手段）
７０周波数成分逆変換手段
８０障害分析手段
９０分析結果表示手段（結果出力手段）

Claims

監視対象の装置から取得される時系列データに基づいて障害分析を行なう障害分析システムであって、
前記取得される時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数分析手段と、前記周波数成分の中の除去すべき周波数成分を検出する周波数成分検出手段と、前記検出された周波数成分を除去する周波数成分除去手段（フィルタ）と、前記周波数成分を除去された残余の周波数成分に基づいて時系列データに逆変換する周波数成分逆変換手段と、この逆変換された時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析手段とを備え、
前記周波数分析手段は、入力される前記時系列データに対して周波数成分ごとに強度を計算しその結果を出力する機能を有し、
前記周波数成分検出手段は、前記周波数成分の内、予め定められた基準強度よりも強度の値が大きい成分を除去対象の周波数成分として検出する構成としたことを特徴とする障害分析システム。
前記請求項１に記載の障害分析システムにおいて、
前記周波数成分検出手段は、統計的仮説検定理論に基づいて、前記周波数成分の強度の平均値、分散値、有意水準の値から前記基準強度を算定し、その基準強度を越える強度の周波数成分を除去すべき特異周波数成分として検出する機能を備えていることを特徴とした障害分析システム。
前記請求項１又は２に記載の障害分析システムにおいて、
前記周波数分析手段の入力側に、前記監視対象の装置にかかるデータを取得すると共に管理するデータ取得管理部と、このデータ取得管理部に制御されて前記監視対象の装置にかかるデータを記憶するデータ格納手段と、このデータ格納手段に記憶されたデータに基づいて前記監視対象の装置にかかるデータの時系列データを生成する時系列データ生成手段とを設けたことを特徴とする障害分析システム。
監視対象の装置から取得される時系列データに基づいて障害分析を行なう障害分析システムにおける障害分析方法にあって、
前記取得される時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数成分分析工程と、
前記変換された周波数成分中から除去すべき周波数成分を特定し検出する周波数成分検出工程と、
前記検出された周波数成分を除去する周波数成分除去工程と、
前記周波数成分除去工程にて周波数成分を除去した残余の周波数成分に基づいて時系列データに逆変換する周波数成分逆変換工程と、
この逆変換された時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析工程とを設け、
前記周波数分析工程では、入力される前記時系列データに対して周波数成分ごとに強度を計算しその結果を出力することをその内容とし、
前記周波数成分検出工程では、前記周波数成分の内、予め定められた基準強度よりも強度の値が大きい成分を除去対象の周波数成分として検出することをその内容としたことを特徴とする障害分析方法。
前記請求項４に記載の障害分析方法において、
前記周波数成分検出工程では、統計的仮説検定理論に基づいて、前記周波数成分の強度の平均値、分散値、有意水準の値から前記基準強度を算定し、その基準強度を越える強度の周波数成分を除去すべき特異周波数成分として検出するように構成としたことを特徴とする障害分析方法。
前記請求項５に記載の障害分析方法において、
前記周波数分析工程の前段に、前記監視対象の装置にかかるデータを取得すると共に管理するデータ取得管理工程と、この取得されたデータを予め装備されたデータ格納手段に記憶するデータ格納工程と、記憶されたデータに基づいて前記監視対象の装置にかかるデータの時系列データを生成する時系列データ生成工程とを設けたことを特徴とする障害分析方法。
監視対象の装置から取得される時系列データに基づいて障害分析を行なう障害分析用プログラムにあって、
前記取得される時系列データを周波数成分ごとにその振幅データである周波数成分データに変換する周波数成分分析機能、前記周波数成分の中から除去すべき周波数成分を特定し検出する周波数成分検出機能、前記検出された周波数成分を除去する周波数成分除去機能、前記周波数成分を除去した残余の周波数成分に基づいて時系列データに逆変換する周波数成分逆変換機能、及びこの逆変換された時系列データに基づいてそのデータ内容を分析し障害を検出する障害分析機能、を備え、
前記周波数分析機能を、入力される前記時系列データに対して周波数成分ごとに強度を計算しその結果を出力するように構成し、
前記周波数成分検出機能を、前記周波数成分の内、予め定められた基準強度よりも強度の値が大きい成分を除去対象の周波数成分として検出するように構成し、
これらの各機能をコンピュータに実現させるようにしたことを特徴とする障害分析用プログラム。
前記請求項７に記載の障害分析用プログラムにおいて、
前記周波数成分検出機能は、統計的仮説検定理論に基づいて、前記周波数成分の強度の平均値、分散値、有意水準の値から前記基準強度を算定し、その基準強度を越える強度の周波数成分を除去すべき特異周波数成分として検出する構成としたことを特徴とする障害分析用プログラム。
前記請求項７又は８に記載の障害分析用プラグラムにおいて、
前記周波数分析機能の実行前に、予め、前記監視対象の装置にかかるデータを取得すると共に管理するデータ取得管理機能と、このデータ管理機能に付勢されて前記監視対象の装置にかかるデータをデータ格納手段に記憶するデータ格納処理機能と、このデータ格納手段に記憶されたデータに基づいて前記監視対象の装置にかかるデータの時系列データを生成する時系列データ生成機能とを設けると共に、これを前記コンピュータに実行させるようにしたことを特徴とする障害分析用プログラム。