JP6503223B2 - 運用損失を考慮して障害予測結果を評価する装置、システム、プログラム及び方法 - Google Patents
運用損失を考慮して障害予測結果を評価する装置、システム、プログラム及び方法 Download PDFInfo
- Publication number
- JP6503223B2 JP6503223B2 JP2015101339A JP2015101339A JP6503223B2 JP 6503223 B2 JP6503223 B2 JP 6503223B2 JP 2015101339 A JP2015101339 A JP 2015101339A JP 2015101339 A JP2015101339 A JP 2015101339A JP 6503223 B2 JP6503223 B2 JP 6503223B2
- Authority
- JP
- Japan
- Prior art keywords
- failure
- prediction
- type
- predicted
- correct
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Maintenance And Management Of Digital Transmission (AREA)
- Debugging And Monitoring (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Small-Scale Networks (AREA)
Description
TPk:事象種別kが、正しく事象種別kと予測された件数
FPk:事象種別kでない障害が、誤って事象種別kと予測された件数
FNk:事象種別kが、誤って事象種別kでない障害と予測された件数
TNk:事象種別kでない障害が、正しく事象種別kではない障害と予測された件数
当該障害予測手段による予測結果としての複数の障害種別の各々について、予測した際に正解であった障害種別である正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る予測回数情報を取得する予測結果取得手段と、
当該正解障害種別毎に、当該予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストを含む運用損失に係る情報である運用損失情報を取得する運用損失取得手段と、
当該正解障害種別と当該予測障害種別との組毎に、1つの予測障害種別における当該正解障害種別毎に、又は1つの正解障害種別における当該予測障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該障害予測手段による予測結果の評価の指標となる評価値を算出する評価値算出手段と
を有する障害予測評価装置が提供される。
予測結果取得手段は、当該設備の交換又は修理が必要な障害である旨の障害種別、及び当該設備の交換又は修理が不要な障害である旨の障害種別についての当該予測回数情報を取得し、
運用損失取得手段は、当該設備の交換又は修理が不要な障害である旨の正解予測種別と、当該設備の交換又は修理が必要な障害である旨の予測障害種別とに対応する運用損失情報として、当該設備の交換又は修理に係るコスト分が加算された値を採用することも好ましい。
予測結果取得手段は、当該現地での対応が必要な障害である旨の障害種別、及び当該現地での対応が不要な障害である旨の障害種別についての当該予測回数情報を取得し、
運用損失取得手段は、当該現地での対応が不要な障害である旨の正解予測種別と、当該現地での対応が必要な障害である旨の予測障害種別とに対応する運用損失情報として、当該現地への出動コスト分が加算された値を採用することも好ましい。
(b)遠隔リセットが必要な障害である旨の障害種別、
(c)事業システムにおける現地での対応が必要な障害である旨の障害種別、及び
(d)事業システムの有する設備の交換又は修理が必要な障害である旨の障害種別
からなる群から選択された少なくとも1つを含むことも好ましい。
(a)障害予測のない場合に必要となる運用コストと比較した運用コストの増減分、
(b)障害予測が外れる又は当たることによって生じるサービスの向上又は劣化の度合い、及び
(c)障害予測のない場合に必要となる障害復旧のための時間と比較した障害復旧時間の増減分
からなる群から選択された少なくとも1つを含むことも好ましい。
障害予測手段による予測結果としての複数の障害種別であって、当該設備の交換又は修理が必要な障害である旨の障害種別、及び当該設備の交換又は修理が不要な障害である旨の障害種別を含む複数の障害種別の各々について、予測した際に正解であった障害種別である正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る予測回数情報を取得する予測結果取得手段と、
当該正解障害種別毎に、当該予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストであって、設備の交換又は修理が不要な障害である旨の正解予測種別と、当該設備の交換又は修理が必要な障害である旨の予測障害種別とに対応しており当該設備の交換又は修理に係るコスト分が加算された値を有する運用コストを含む運用損失に係る情報である運用損失情報を取得する運用損失取得手段と、
当該正解障害種別と当該予測障害種別との組毎に、1つの予測障害種別における当該正解障害種別毎に、又は1つの正解障害種別における当該予測障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該障害予測手段による予測結果の評価の指標となる評価値を算出する評価値算出手段と
を有する障害予測システムが提供される。
当該障害予測手段による予測結果としての複数の障害種別の各々について、予測した際に正解であった障害種別である正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る予測回数情報を取得する予測結果取得手段と、
当該正解障害種別毎に、当該予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストを含む運用損失に係る情報である運用損失情報を取得する運用損失取得手段と、
当該正解障害種別と当該予測障害種別との組毎に、1つの予測障害種別における当該正解障害種別毎に、又は1つの正解障害種別における当該予測障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該障害予測手段による予測結果の評価の指標となる評価値を算出する評価値算出手段と
してコンピュータを機能させる障害予測評価プログラムが提供される。
当該障害予測手段による予測結果としての複数の障害種別の各々について、予測した際に正解であった障害種別である正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る予測回数情報を取得するステップと、
当該正解障害種別毎に、当該予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストを含む運用損失に係る情報である運用損失情報を取得するステップと、
当該正解障害種別と当該予測障害種別との組毎に、1つの予測障害種別における当該正解障害種別毎に、又は1つの正解障害種別における当該予測障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該障害予測手段による予測結果の評価の指標となる評価値を算出するステップと
を有する障害予測評価方法が提供される。
図1は、本発明による障害予測評価装置を含む障害予測評価システムの一実施形態を示す模式図である。
(a)事業システムとしての通信ネットワーク(NW)システム3における障害の発生を予測する障害予測手段としての障害予測装置2と、
(b)障害予測装置2から出力される予測結果を評価する障害予測評価装置1と
を備えている。
(A)予測結果としての複数の障害種別の各々について、予測した際の正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る「予測回数情報」を取得し、
(B)正解障害種別毎に、予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストを含む運用損失に係る情報である「運用損失情報」を取得し、
(C)正解障害種別と予測障害種別との組毎に、対応する「予測回数情報」を「運用損失情報」によって重み付けした値に基づいて、障害予測装置2による予測結果の評価の指標となる「評価値」を算出する。
(B1)障害予測のない場合に必要となる運用コストと比較した運用コスト(例えば金額)の増減分、
(B2)障害予測が外れる又は当たることによって生じるサービスの向上又は劣化の度合い、又は
(B3)障害予測のない場合に必要となる障害復旧のための時間と比較した障害復旧時間の増減分
とすることができる。さらには、上記(B1)〜(B3)から選択された2つ又は上記(B1)〜(B3)の全部を「運用損失情報」とすることも可能である。
(C1)正解障害種別と予測障害種別との組毎に
行われる以外にも、
(C2)1つの予測障害種別における正解障害種別毎に、又は
(C3)1つの正解障害種別における予測障害種別毎に
行われてもよい。(C1)〜(C3)の場合、後に詳述するように、それぞれAccuracy、Precision及びRecallに対応した評価値が算出される。このように、障害予測評価装置1によれば、所望の評価基準に対応した「評価値」を算出することも可能となるのである。
図2は、障害予測装置2の動作フェーズを概略的に説明するための模式図である。障害予測装置2における動作フェーズとして、「動作フェーズ」、「学習器評価フェーズ」及び「予測フェーズ」が挙げられる。
(a)過去に又は現時点で収集した通信設備31等から発生したアラームと、
(b)当該アラーム発生の際に実際に生じていた障害の種類である正解障害種別と
を教師データセットとし、上記(a)に係るアラーム群から生成された複数の教師データセットを障害予測装置2に入力して、機械学習の学習器を構築する。
図3は、本発明による障害予測評価装置の一実施形態における機能構成を示す機能ブロック図である。
(a)予測結果としての障害種別の情報と、当該予測結果の出力の際に正解であった障害種別の情報とを受信し、また、
(b)後述する評価値算出部113で算出された評価値を含む評価結果を、外部の通知先、例えば通信NWシステム3を管理する事業者の情報処理装置宛てに送信する。
(a)正しい対処のみを実施した場合に省けた工数に基づく対処コストの低減分。
(b)誤って設備交換を実施した場合の、設備の値段及び設置費用に基づく設備コスト。
(c)誤って設備をベンダへ修理に出した場合の、ベンダとの契約に基づく修理コスト。
(d)誤って現地作業を実施した場合の、現地までの距離、赴く人数、作業量及び時間帯に基づく出動コスト。
(e)誤って必要な対処を省いた場合の、サービス影響時間及び影響人数に基づく損失コスト。
(C1)正解障害種別と予測障害種別との組毎に、
(C2)1つの予測障害種別における正解障害種別毎に、又は
(C3)1つの正解障害種別における予測障害種別毎に
対応する予測回数情報を運用損失情報によって重み付けして加算した値に基づいて、障害予測装置2による予測結果の評価の指標となる評価値を算出する。尚、算出された評価値は、評価対象となった装置2の学習器に付与された識別子、又は評価対象となった装置2の学習器における学習方法(機械学習の種類、機械学習のパラメータ、教師データセットの形式等)毎に付与された識別子と対応付けて評価結果蓄積部104に保存されることも好ましい。
(2) Ea=Σi=1 NΣj=1 Nxijyij
を算出する。上式(2)において、Σi=1 Nはiについての1からNまでの総和であり、Σj=1 Nはjについての1からNまでの総和である。この評価値Eaは、障害種別テーブル111tにおいていわゆるAccuracyに対応する範囲を評価対象としたものであり、全ての予測結果に従って対応する対処を実施した(対応する放置処置をとった)場合に、本来必要となった運用コストと比較した際の運用コストの増大・削減分の総合計を示した値(金額)となる。
(3) Epj=Σi=1 Nxijyij
を算出する。上式(3)において、Σi=1 Nはiについての1からNまでの総和である。この評価値Epjは、障害種別テーブル111tにおいていわゆるPrecisionに対応する範囲を評価対象としたものであり、1つの予測結果に従って対応する対処を実施した(対応する放置処置をとった)場合に、本来必要となった運用コストと比較した際の運用コストの増大・削減分の合計を示した値(金額)となる。
(4) Eri=Σj=1 Nxijyij
を算出する。上式(4)において、Σj=1 Nはjについての1からNまでの総和である。この評価値Eriは、障害種別テーブル111tにおいていわゆるRecallに対応する範囲を評価対象としたものであり、1つの正解予測結果がある状況で、予測結果に従って対応する対処を実施した(対応する放置処置をとった)場合に、本来必要となった運用コストと比較した際の運用コストの増大・削減分の合計を示した値(金額)となる。
(5) Accuracy=Σi=1 Nxii/Σi=1 NΣj=1 Nxij
との形で算出される。また、例えば、「設備交換が必要な障害」について着目すると、Precisionは、
(6) Precision=xNN/Σi=1 NxiN
となり、Recallは、
(7) Recall=xNN/Σj=1 NxNj
との形で算出される。
図6、図7及び図8は、本発明による障害予測評価処理の一実施例を説明するためのテーブル図である。
学習方法αを用いた障害予測に対する評価として、
(8) Ea=−230(万円)
(9) Accuracy=0.805
が算出された。また、
学習方法βを用いた障害予測に対する評価として、
(10) Ea=−385(万円)
(11) Accuracy=0.791
が算出された。
101 通信インタフェース部
102 予測結果蓄積部
103 運用コスト蓄積部
104 評価結果蓄積部
111 測結果取得部
111t 障害種別テーブル
112 運用コスト取得部(運用損失取得手段)
112a 設備交換コスト算定部
112b 現地出動コスト算定部
112t 運用コストテーブル
113 評価値算出部
113a アキュラシ対応評価値算出部
113b プレシジョン対応評価値算出部
113c リコール対応評価値算出部
121 通信制御部
2 障害予測装置
3 通信ネットワークシステム
Claims (12)
- 事業システムにおける障害の発生を予測する障害予測手段による予測結果を評価する障害予測評価装置であって、
当該障害予測手段による予測結果としての複数の障害種別の各々について、予測した際に正解であった障害種別である正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る予測回数情報を取得する予測結果取得手段と、
当該正解障害種別毎に、当該予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストを含む運用損失に係る情報である運用損失情報を取得する運用損失取得手段と、
当該正解障害種別と当該予測障害種別との組毎に、1つの予測障害種別における当該正解障害種別毎に、又は1つの正解障害種別における当該予測障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該障害予測手段による予測結果の評価の指標となる評価値を算出する評価値算出手段と
を有することを特徴とする障害予測評価装置。 - 前記事業システムは、少なくとも1つの設備を備えており、
前記予測結果取得手段は、当該設備の交換又は修理が必要な障害である旨の障害種別、及び当該設備の交換又は修理が不要な障害である旨の障害種別についての当該予測回数情報を取得し、
前記運用損失取得手段は、当該設備の交換又は修理が不要な障害である旨の正解予測種別と、当該設備の交換又は修理が必要な障害である旨の予測障害種別とに対応する運用損失情報として、当該設備の交換又は修理に係るコスト分が加算された値を採用する
ことを特徴とする請求項1に記載の障害予測評価装置。 - 前記事業システムは、障害発生時にその場で対応が必要となる少なくとも1つの現地を有し、
前記予測結果取得手段は、当該現地での対応が必要な障害である旨の障害種別、及び当該現地での対応が不要な障害である旨の障害種別についての当該予測回数情報を取得し、
前記運用損失取得手段は、当該現地での対応が不要な障害である旨の正解予測種別と、当該現地での対応が必要な障害である旨の予測障害種別とに対応する運用損失情報として、当該現地への出動コスト分が加算された値を採用する
ことを特徴とする請求項1又は2に記載の障害予測評価装置。 - 前記事業システムは、少なくとも1つの設備を備え、障害発生時にその場で対応が必要となり得る少なくとも1つの現地を有する通信ネットワークシステムであることを特徴とする請求項1から3のいずれか1項に記載の障害予測評価装置。
- 前記予測結果取得手段によって取得される予測回数情報を導出するための当該予測結果は、当該障害予測手段が、当該設備から又は予めネットワークに設置された監視設備から収集されるネットワークに係るアラーム情報と、当該正解障害種別とを教師データセットとして学習させて構築した学習器に対し、予測対象であるアラーム情報を入力することによって取得した予測結果であることを特徴とする請求項4に記載の障害予測評価装置。
- 当該複数の障害種別は、対処が不要な障害である旨の障害種別、遠隔リセットが必要な障害である旨の障害種別、前記事業システムにおける現地での対応が必要な障害である旨の障害種別、及び前記事業システムの有する設備の交換又は修理が必要な障害である旨の障害種別からなる群から選択された少なくとも1つを含むことを特徴とする請求項1から5のいずれか1項に記載の障害予測評価装置。
- 当該運用損失情報は、障害予測のない場合に必要となる運用コストと比較した運用コストの増減分、障害予測が外れる又は当たることによって生じるサービスの向上又は劣化の度合い、及び障害予測のない場合に必要となる障害復旧のための時間と比較した障害復旧時間の増減分からなる群から選択された少なくとも1つを含むことを特徴とする請求項1から6のいずれか1項に記載の障害予測評価装置。
- 当該運用損失情報は、対応する当該正解障害種別及び当該予測障害種別が一致する場合に負値又はゼロをとり且つ一致しない場合に正値又はゼロをとり、当該評価値は、負値をとる場合にその絶対値が大きいほど、当該障害予測手段による予測結果の有効性がより高いとの評価を示すことを特徴とする請求項1から7のいずれか1項に記載の障害予測評価装置。
- 前記評価値算出手段は、当該設備の交換又は修理が必要な障害である旨の予測障害種別における当該正解障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該設備の交換又は修理が必要である旨の予測結果に対する有効性を評価する評価値を算出することを特徴とする請求項2に記載の障害予測評価装置。
- 少なくとも1つの設備を備えた通信ネットワークシステムにおける障害の発生を予測する障害予測手段と、前記障害予測手段による予測結果を評価する障害予測評価装置とを備えた障害予測システムであって、前記障害予測評価装置は、
前記障害予測手段による予測結果としての複数の障害種別であって、当該設備の交換又は修理が必要な障害である旨の障害種別、及び当該設備の交換又は修理が不要な障害である旨の障害種別を含む複数の障害種別の各々について、予測した際に正解であった障害種別である正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る予測回数情報を取得する予測結果取得手段と、
当該正解障害種別毎に、当該予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストであって、設備の交換又は修理が不要な障害である旨の正解予測種別と、当該設備の交換又は修理が必要な障害である旨の予測障害種別とに対応しており当該設備の交換又は修理に係るコスト分が加算された値を有する運用コストを含む運用損失に係る情報である運用損失情報を取得する運用損失取得手段と、
当該正解障害種別と当該予測障害種別との組毎に、1つの予測障害種別における当該正解障害種別毎に、又は1つの正解障害種別における当該予測障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該障害予測手段による予測結果の評価の指標となる評価値を算出する評価値算出手段と
を有することを特徴とする障害予測システム。 - 事業システムにおける障害の発生を予測する障害予測手段による予測結果を評価する装置に搭載されたコンピュータを機能させるプログラムであって、
当該障害予測手段による予測結果としての複数の障害種別の各々について、予測した際に正解であった障害種別である正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る予測回数情報を取得する予測結果取得手段と、
当該正解障害種別毎に、当該予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストを含む運用損失に係る情報である運用損失情報を取得する運用損失取得手段と、
当該正解障害種別と当該予測障害種別との組毎に、1つの予測障害種別における当該正解障害種別毎に、又は1つの正解障害種別における当該予測障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該障害予測手段による予測結果の評価の指標となる評価値を算出する評価値算出手段と
してコンピュータを機能させることを特徴とする障害予測評価プログラム。 - 事業システムにおける障害の発生を予測する障害予測手段による予測結果を評価する方法であって、
当該障害予測手段による予測結果としての複数の障害種別の各々について、予測した際に正解であった障害種別である正解障害種別毎に、当該障害種別が実際に予測障害種別として予測された回数に係る予測回数情報を取得するステップと、
当該正解障害種別毎に、当該予測障害種別の各々について、当該予測障害種別の内容に従って対処又は放置した際に発生する運用コストを含む運用損失に係る情報である運用損失情報を取得するステップと、
当該正解障害種別と当該予測障害種別との組毎に、1つの予測障害種別における当該正解障害種別毎に、又は1つの正解障害種別における当該予測障害種別毎に、対応する当該予測回数情報を当該運用損失情報によって重み付けした値に基づいて、当該障害予測手段による予測結果の評価の指標となる評価値を算出するステップと
を有することを特徴とする障害予測評価方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015101339A JP6503223B2 (ja) | 2015-05-18 | 2015-05-18 | 運用損失を考慮して障害予測結果を評価する装置、システム、プログラム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015101339A JP6503223B2 (ja) | 2015-05-18 | 2015-05-18 | 運用損失を考慮して障害予測結果を評価する装置、システム、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016219962A JP2016219962A (ja) | 2016-12-22 |
JP6503223B2 true JP6503223B2 (ja) | 2019-04-17 |
Family
ID=57581681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015101339A Expired - Fee Related JP6503223B2 (ja) | 2015-05-18 | 2015-05-18 | 運用損失を考慮して障害予測結果を評価する装置、システム、プログラム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6503223B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102418594B1 (ko) * | 2017-10-30 | 2022-07-08 | 주식회사 케이티 | Ict 장비 관리 시스템 및 방법 |
CN109886443A (zh) * | 2017-12-26 | 2019-06-14 | 广东电网有限责任公司电力调度控制中心 | 一种基于灰色***理论的故障预估*** |
JP2019140501A (ja) * | 2018-02-09 | 2019-08-22 | 日本電信電話株式会社 | 設定規制制御装置、設定規制制御方法、および、設定規制制御プログラム |
WO2021149191A1 (ja) * | 2020-01-22 | 2021-07-29 | 三菱電機株式会社 | 制御プログラムを更新するサービスシステム、サーバ装置及びサーバ装置における制御プログラム更新方法 |
CN116562618A (zh) * | 2020-05-19 | 2023-08-08 | 三峡大学 | 一种获得动态安全评估模型的方法 |
JPWO2023089688A1 (ja) * | 2021-11-17 | 2023-05-25 | ||
CN114865607B (zh) * | 2022-04-21 | 2024-07-02 | 国网伊犁伊河供电有限责任公司 | 一种零损耗深度限流方法及限流*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3579834B2 (ja) * | 2001-06-29 | 2004-10-20 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 管理可能なネットワークにおける事前対策オンライン診断 |
JP4701148B2 (ja) * | 2006-03-02 | 2011-06-15 | アラクサラネットワークス株式会社 | 障害回復システム及びサーバ |
-
2015
- 2015-05-18 JP JP2015101339A patent/JP6503223B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2016219962A (ja) | 2016-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6503223B2 (ja) | 運用損失を考慮して障害予測結果を評価する装置、システム、プログラム及び方法 | |
KR101984730B1 (ko) | 서버 장애 자동 예측 시스템 및 자동 예측 방법 | |
Carpitella et al. | A risk evaluation framework for the best maintenance strategy: The case of a marine salt manufacture firm | |
US20210110319A1 (en) | Framework to quantify cybersecurity risks and consequences for critical infrastructure | |
CN110428018A (zh) | 一种全链路监控***中的异常预测方法及装置 | |
US20160092808A1 (en) | Predictive maintenance for critical components based on causality analysis | |
Zhang et al. | A model-based reinforcement learning approach for maintenance optimization of degrading systems in a large state space | |
Wu et al. | Risk-averse optimization for resilience enhancement of complex engineering systems under uncertainties | |
Blancke et al. | A holistic multi-failure mode prognosis approach for complex equipment | |
AU2020309879B2 (en) | Failure probability assessment system and method therefor | |
Lee et al. | An analytical approach to quantitative effect estimation of operation advisory system based on human cognitive process using the Bayesian belief network | |
JP6812312B2 (ja) | プラント支援評価システム及びプラント支援評価方法 | |
Xing et al. | Dynamic business continuity assessment using condition monitoring data | |
Tu et al. | A Bayes-SLIM based methodology for human reliability analysis of lifting operations | |
Ramuhalli et al. | Concepts for Autonomous Operation of Microreactors | |
JP2013105221A (ja) | 保守部品配送支援システム,保守部品配送支援装置および保守部品配送支援プログラム | |
Ansari et al. | AI-enhanced maintenance for building resilience and viability in supply chains | |
CN105868265A (zh) | 更新、证据和触发事件的案例管理链接 | |
JP7466479B2 (ja) | 業務改善支援装置、プログラムおよびプログラムを格納した記憶媒体 | |
Baraldi et al. | Uncertainty treatment in expert information systems for maintenance policy assessment | |
Pinto et al. | Increasing the reliability of an electrical power system in a big european hospital through the petri nets and fuzzy inference system mamdani modelling | |
JP5200678B2 (ja) | サービシステム、サービスシステム管理方法、及びプログラム | |
Shafiee et al. | A Bayesian network model for the probabilistic safety assessment of offshore wind decommissioning | |
Mandelli et al. | Reliability modeling in a predictive maintenance context: A margin-based approach | |
Bellini et al. | A deep learning approach for short term prediction of industrial plant working status |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180212 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181214 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181220 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181226 |
|
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: 20190315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190325 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6503223 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |