JP7392415B2 - Information processing program, information processing device, computer readable recording medium, and information processing system - Google Patents
Information processing program, information processing device, computer readable recording medium, and information processing system Download PDFInfo
- Publication number
- JP7392415B2 JP7392415B2 JP2019209098A JP2019209098A JP7392415B2 JP 7392415 B2 JP7392415 B2 JP 7392415B2 JP 2019209098 A JP2019209098 A JP 2019209098A JP 2019209098 A JP2019209098 A JP 2019209098A JP 7392415 B2 JP7392415 B2 JP 7392415B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- information processing
- similarity
- subtraction
- information
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 97
- 239000013598 vector Substances 0.000 claims description 267
- 238000004364 calculation method Methods 0.000 claims description 244
- 230000006870 function Effects 0.000 claims description 95
- 239000013604 expression vector Substances 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 77
- 238000010586 diagram Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 26
- 238000004891 communication Methods 0.000 description 20
- 230000007547 defect Effects 0.000 description 11
- 230000005856 abnormality Effects 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 6
- 230000007704 transition Effects 0.000 description 4
- 239000000470 constituent Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Debugging And Monitoring (AREA)
Description
本発明は、情報処理プログラム、情報処理装置、コンピュータ読み取り可能な記録媒体および情報処理システムに関する。 The present invention relates to an information processing program , an information processing apparatus, a computer-readable recording medium, and an information processing system .
工作機械等の不具合の監視対象となる装置について、故障予測および不具合解析のために、デバッグ等のためにロギングされた動作ログ(以下、デバッグログと称する場合がある)に対して自動識別を行う技術が知られている。従来のデバッグログに対する自動識別方法では、特定の値または回数等をデバッグログから抽出してベクトル化し、当該ベクトル間の類似性に基づいて識別を行う方法がほとんどである。 Automatic identification of operation logs logged for debugging, etc. (hereinafter sometimes referred to as debug logs) for failure prediction and failure analysis of equipment to be monitored for malfunctions such as machine tools. The technology is known. Most conventional automatic identification methods for debug logs involve extracting a specific value or number of times from the debug log, converting it into a vector, and performing identification based on the similarity between the vectors.
このような監視対象となる装置について不具合を自動識別する技術として、特定の値または回数等をログから抽出してベクトル化し、当該ベクトル間の類似性に基づいて識別を行う構成が開示されている(例えば特許文献1)。 As a technology for automatically identifying defects in devices to be monitored, a configuration has been disclosed in which a specific value or number of times, etc. is extracted from a log, vectorized, and identified based on the similarity between the vectors. (For example, Patent Document 1).
しかしながら、特許文献1に記載された自動識別方法の場合、複数の機能またはモジュールが並列して動いている場合、特定のデバッグログの組み合わせ、または順序によって初めて不具合とみなされるものに対応できないという問題がある。
However, in the case of the automatic identification method described in
本発明は、上述の課題に鑑みてなされたものであって、ベクトル化した動作ログの加減算から必要な情報を求め、当該情報を用いることによって類似度の演算を行うことができる情報処理プログラム、情報処理装置、コンピュータ読み取り可能な記録媒体および情報処理システムを提供することを目的とする。 The present invention has been made in view of the above-mentioned problems, and is an information processing program that can obtain necessary information from addition and subtraction of vectorized operation logs and calculate similarity by using the information. , an information processing device, a computer-readable recording medium, and an information processing system .
上述した課題を解決し、目的を達成するために、本発明は、コンピュータに、対象機器の動作ログを取得する取得手段と、前記取得手段により取得された前記動作ログを示す分散表現の第1ベクトルを生成する生成手段と、前記第1ベクトルと、予め準備されている辞書データに基づく分散表現の第2ベクトルとの間で加算および減算の少なくともいずれかを行って第3ベクトルを求める加減算手段と、前記第3ベクトルと、予め準備されている辞書データに基づく分散表現のベクトルとの類似度を演算する演算手段と、して機能させることを特徴とする。 In order to solve the above-mentioned problems and achieve the objects, the present invention provides a computer with an acquisition means for acquiring an operation log of a target device, and a first distributed representation indicating the operation log acquired by the acquisition means. a generating means for generating a vector; and an addition/subtraction means for performing at least one of addition and subtraction between the first vector and a second vector of distributed representation based on dictionary data prepared in advance to obtain a third vector. and a calculating means for calculating the degree of similarity between the third vector and a distributed representation vector based on dictionary data prepared in advance .
本発明によれば、ベクトル化した動作ログの加減算から必要な情報を求め、当該情報を用いることによって類似度の演算を行うことができる。 According to the present invention, necessary information can be obtained from addition and subtraction of vectorized action logs, and similarity calculation can be performed using the information.
以下に、図面を参照しながら、本発明に係る情報処理プログラム、情報処理装置、コンピュータ読み取り可能な記録媒体および情報処理システムの実施形態を詳細に説明する。また、以下の実施形態によって本発明が限定されるものではなく、以下の実施形態における構成要素には、当業者が容易に想到できるもの、実質的に同一のもの、およびいわゆる均等の範囲のものが含まれる。さらに、以下の実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換、変更および組み合わせを行うことができる。 DESCRIPTION OF THE PREFERRED EMBODIMENTS Embodiments of an information processing program , an information processing apparatus, a computer-readable recording medium, and an information processing system according to the present invention will be described in detail below with reference to the drawings. Further, the present invention is not limited to the following embodiments, and the constituent elements in the following embodiments include those that can be easily conceived by a person skilled in the art, those that are substantially the same, and those that are within the so-called equivalent range. is included. Furthermore, various omissions, substitutions, changes, and combinations of constituent elements can be made without departing from the gist of the following embodiments.
(異常監視システムの全体構成)
図1は、実施形態に係る異常監視システムの全体構成の一例を示す図である。図1を参照しながら、本実施形態に係る異常監視システム1の全体構成について説明する。
(Overall configuration of abnormality monitoring system)
FIG. 1 is a diagram illustrating an example of the overall configuration of an abnormality monitoring system according to an embodiment. The overall configuration of an
図1に示すように、異常監視システム1は、情報処理装置10と、対象機器50a~50cと、を含む。情報処理装置10および対象機器50a~50cは、ネットワーク2を介して互いに通信可能となっている。ネットワーク2は、例えば、LAN(Local Area Network)、専用線、インターネット等を含んで構成されており、有線だけでなく無線による通信が行われる箇所が含まれていてもよい。
As shown in FIG. 1, the
情報処理装置10は、不具合の監視対象となる対象機器50a~50cから取得されるデバッグログを用いて、故障予測および不具合解析のための自動識別を行う装置である。
The
対象機器50a~50cは、例えば工作機械またはMFP(Multifunction Peripheral)等のように、情報処理装置10による監視対象となる機器である。対象機器50a~50cは、動作を行う内部の機能またはモジュールごとに動作内容等を示す動作ログ(デバッグログ)を生成する。なお、図1に示す異常監視システム1では、対象機器50a~50cが示されているが、これらのうち任意の対象機器を示す場合、または総称する場合、単に「対象機器50」と称する。また、図1に示す異常監視システム1では、対象機器50a~50cの3台が示されているが、これに限定されるものではなく、他の台数であってもよい。
The target devices 50a to 50c are devices to be monitored by the
(情報処理装置のハードウェア構成)
図2は、実施形態に係る情報処理装置のハードウェア構成の一例を示す図である。図2を参照しながら、本実施形態に係る情報処理装置10のハードウェア構成について説明する。
(Hardware configuration of information processing device)
FIG. 2 is a diagram illustrating an example of the hardware configuration of the information processing device according to the embodiment. The hardware configuration of the
図2に示すように、情報処理装置10は、CPU(Central Processing Unit)101と、ROM(Read Only Memory)102と、RAM(Random Access Memory)103と、通信I/F104と、センサI/F105と、入出力I/F106と、入力装置107と、ディスプレイ108と、補助記憶装置109と、を備えている。このうち、CPU101、ROM102、RAM103、通信I/F104、センサI/F105、入出力I/F106、および補助記憶装置109は、互いに通信可能となるようにバス110で接続されている。
As shown in FIG. 2, the
CPU101は、情報処理装置10の全体を制御する演算装置である。CPU101は、例えば、RAM103をワークエリア(作業領域)としてROM102等に格納されたプログラムを実行することで、情報処理装置10全体の動作を制御し、診断機能を実現する。
The
通信I/F104は、対象機器50等の外部装置と通信するためのインターフェースである。通信I/F104は、例えば、Ethernet(登録商標)、およびTCP(Transmission Control Protocol)/IP(Internet Protocol)に準拠したインターフェースである。なお、通信I/F104は、有線通信のインターフェースでなく、無線通信のインターフェースであってもよい。
The communication I/
センサI/F105は、対象機器50に設置された各種センサからセンサデータ(例えば振動データ、音響データ、温度データ等)を受信するためのインターフェースである。なお、対象機器50に設置された各種センサから直接センサI/F105によってセンサデータを取得することに限定されるものではなく、各種センサのセンサデータは対象機器50が取得して蓄積するものとし、情報処理装置10は、対象機器50から通信I/F104を介して、センサデータを取得するものとしてもよい。
The sensor I/
入出力I/F106は、各種装置(例えば、入力装置107およびディスプレイ108)とバス110とを接続するためのインターフェースである。
The input/output I/
入力装置107は、文字および数字等の入力、各種指示の選択、ならびにカーソルの移動等の操作を行うためのマウスまたはキーボード等の装置である。なお、入力装置107は、例えば、タッチパネルの入力機能(タッチ操作機能)により実現されてもよい。
The
ディスプレイ108は、カーソル、メニュー、ウィンドウ、文字または画像等の各種情報を表示するLCD(Liquid Crystal Display)または有機EL(Electro-Luminescence)ディスプレイ等の表示装置である。
The
補助記憶装置109は、情報処理装置10の設定情報、対象機器50から受信したデバッグログおよびセンサデータ、OS(Operating System)、ならびにアプリケーションプログラム等の各種データを記憶するHDD(Hard Disk Drive)、SSD(Solid State Drive)、またはEEPROM(Electrically Erasable Programmable Read-Only Memory)等の不揮発性の記憶装置である。
The
なお、図2に示した情報処理装置10のハードウェア構成は一例を示すものであり、図2に示した構成要素を全て含む必要はなく、または、その他の構成要素を含むものとしてもよい。
Note that the hardware configuration of the
(情報処理装置の機能ブロックの構成および動作)
図3は、実施形態に係る情報処理装置の機能ブロックの構成の一例を示す図である。図4は、デバッグログの一例を示す図である。図5は、デバッグログの分散表現ベクトルを求める動作を説明する図である。図6は、新規ログの中に過去ログの要素が含まれる場合の状態を説明する図である。図7は、ベクトル表現した解析対象ログを複数のベクトルに分割する状態を説明する図である。図8は、評価対象機能のデバッグログに対して加減算を行う動作を説明する図である。図9は、デバッグログ組み合わせ設定画面の一例を示す図である。図10は、デバッグログ閾値設定画面の一例を示す図である。図3~図10を参照しながら、本実施形態に係る情報処理装置10の機能ブロックの構成および動作について説明する。
(Configuration and operation of functional blocks of information processing device)
FIG. 3 is a diagram illustrating an example of the configuration of functional blocks of the information processing device according to the embodiment. FIG. 4 is a diagram showing an example of a debug log. FIG. 5 is a diagram illustrating an operation for obtaining a distributed representation vector of a debug log. FIG. 6 is a diagram illustrating a state when elements of a past log are included in a new log. FIG. 7 is a diagram illustrating a state in which a log to be analyzed expressed as a vector is divided into a plurality of vectors. FIG. 8 is a diagram illustrating the operation of performing addition and subtraction on the debug log of the evaluation target function. FIG. 9 is a diagram showing an example of a debug log combination setting screen. FIG. 10 is a diagram illustrating an example of a debug log threshold setting screen. The configuration and operation of the functional blocks of the
図3に示すように、情報処理装置10は、通信部11と、ログ情報取得部12(取得手段)と、ベクトル情報生成部13(生成手段)と、類似度演算部14(演算手段)と、ベクトル情報加減算演算部15(加減算手段)と、機能ベクトル制御部16と、機種ベクトル制御部17と、イベントヒストグラム制御部18(作成手段)と、固定ロジック制御部19(ロジック制御手段)と、結果表示制御部20(結果表示手段)と、類似情報一覧表示制御部21(一覧表示制御手段)と、故障予測制御部22(故障予測制御手段)と、影響度算出部23(影響度算出手段)と、イベントヒストグラム加減算演算部24と、外部連携制御部25と、設定部26(設定手段)と、記憶部27と、操作入力部28と、を有する。
As shown in FIG. 3, the
通信部11は、対象機器50とデータ通信を行う機能部である。例えば、通信部11は、対象機器50から、デバッグ等のためにロギングされた動作ログであるデバッグログを、ネットワーク2を介して受信する。通信部11は、図2に示す通信I/F104によって実現される。
The
ログ情報取得部12は、対象機器50から、通信部11を介してデバッグログを取得する機能部である。デバッグログの一例を図4に示す。図4に示すように、デバッグログは、文字列で構成され、対象機器50のモジュール、およびソフトウェアで実現される機能によって、出力される行数は異なる。図4に示すデバッグログでは、7行で構成されているが、実際には数千行から数万行単位で識別対象となることが多い。ログ情報取得部12は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The log information acquisition unit 12 is a functional unit that acquires debug logs from the target device 50 via the
ベクトル情報生成部13は、類似性の識別対象となるデバッグログ内の行と、その付近の行との確率モデルを生成することによって、当該デバッグログの1行を分散表現でベクトル化する機能部である。以下、分散表現されたベクトルを、「分散表現ベクトル」と称する場合がある。 The vector information generation unit 13 is a functional unit that vectorizes one line of the debug log in a distributed representation by generating a probability model of the line in the debug log that is the target of similarity identification and the lines in its vicinity. It is. Hereinafter, a distributed representation vector may be referred to as a "distributed representation vector."
例えば、分散表現でベクトル化する手法として、図5(a)に示すようなWord2Vecの手法を応用することができる。注目しているデバッグログの行の数がSである場合、デバッグログの各行は、S次元のone-hotベクトルで区別して表現することができる。ただし、これらのデバッグログの各行を表すone-hotベクトルは、分散表現ベクトルではなく、各ベクトルが全く関係していない上に、すべてのベクトル同士のコサイン類似度は0であるため、全てのデバッグログの行は似ていないことになる。 For example, as a method for vectorizing using distributed representation, the Word2Vec method as shown in FIG. 5(a) can be applied. When the number of lines of the debug log of interest is S, each line of the debug log can be distinctly represented by an S-dimensional one-hot vector. However, the one-hot vectors representing each line of these debug logs are not distributed representation vectors; each vector is not related at all, and the cosine similarity between all vectors is 0, so all debug logs are The lines in the log will be dissimilar.
デバッグログを構成する各行が並ぶ順序は、対象機器50における動作の特徴(不具合発生等)を表している可能性がある。したがって、デバッグログの特定の行が与えられた場合、その周辺の行を予測することが可能となる。例えば、デバッグログを構成する行から、隣り合う2行を抽出し、一方をContextと称し、他方をTargetとすると、あるContextが与えらえた場合に、Targetを予測するための埋め込み行列(重み)Wを学習することによって、当該埋め込み行列Wの各列ベクトルを、デバッグログの各行の分散表現ベクトルとすることができる。 The order in which the lines constituting the debug log are arranged may represent characteristics of the operation of the target device 50 (such as the occurrence of a malfunction). Therefore, given a particular line of the debug log, it is possible to predict the lines around it. For example, if two adjacent lines are extracted from the lines that make up the debug log, and one is called Context and the other is called Target, the embedding matrix (weight) is used to predict Target when a certain Context is given. By learning W, each column vector of the embedding matrix W can be used as a distributed representation vector of each row of the debug log.
例えば、埋め込み行列Wを、W=(w1 w2 ・・・ wi ・・・ wS)(wiは列ベクトル)とした場合、図5(a)に示すように、あるContext(デバッグログのi番目の行)が与えらえた場合、当該i番目の行のone-hotベクトル(i番目の要素だけが1であり、それ以外の要素が0の列ベクトル)を、埋め込み行列Wをかけると、埋め込み行列WのN次元であるi番目の列ベクトルwi=(wi,1,wi,2,・・・,wi,N)T(図5(a)の中間層)が得られる。さらに、中間層である列ベクトルwiに、図5(b)に示すような埋め込み行列Wの転置行列である行列WTをかけることによって、出力層の列ベクトル(出力ベクトル)p=(p1,p2,・・・,ps)Tが得られる。ただし、出力ベクトルpは、確率化するためにソフトマック関数を通している。この出力ベクトルpと、正解値のベクトルp’=(p’1,p’2,・・・,p’s)Tとの差(誤差)を小さくするように埋め込み行列Wを更新していくことによって、ContextからTargetを予測するための埋め込み行列Wを求めることができる。そして、上述のように、Contextを示すone-hotベクトルと埋め込み行列Wとをかけた場合、i番目の列ベクトルwiが抽出されることになり、当該列ベクトルwiだけが後の演算に用いられることになるので、当該列ベクトルwiがi番目の行の特性を示す分散表現ベクトルと捉えることができる。 For example, when the embedding matrix W is set as W=(w 1 w 2 ... w i ... w S ) (w i is a column vector), as shown in FIG. If the i-th row of the log is given, the one-hot vector (column vector in which only the i-th element is 1 and the other elements are 0) of the i-th row is converted into the embedding matrix W. Then, the i-th column vector w i which is the N dimension of the embedding matrix W = (w i,1 , w i,2 , ..., w i,N ) T (middle layer in FIG. 5(a)) is obtained. Furthermore, by multiplying the column vector w i in the intermediate layer by the matrix W T which is the transposed matrix of the embedding matrix W as shown in FIG. 5(b), the column vector (output vector) in the output layer p=(p 1 , p 2 ,..., p s ) T is obtained. However, the output vector p is passed through a soft Mack function to make it stochastic. The embedding matrix W is updated to reduce the difference (error) between this output vector p and the correct value vector p' = (p' 1 , p' 2 , ..., p' s ) T. By doing this, it is possible to obtain an embedding matrix W for predicting Target from Context. Then, as described above, when the one-hot vector indicating the Context is multiplied by the embedding matrix W, the i-th column vector w i will be extracted, and only this column vector w i will be used in the subsequent calculation. Therefore, the column vector w i can be regarded as a distributed expression vector indicating the characteristics of the i-th row.
同様の考え方で、Doc2Vecの手法を応用することにより、対象機器50の内部の機能またはモジュールごとに得られた複数の時系列に並んだデバッグログ(U個のデバッグログとする)が生成された場合、i番目のデバッグログ全体を示す分散表現ベクトルdiを得ることができる。この場合、上述の埋め込み行列Wの代わりに、図5(c)に示すような埋め込み行列D=(d1 d2 ・・・di ・・・ dU)(diは列ベクトル)を用いるものとすればよい。 Based on the same idea, by applying the Doc2Vec method, a plurality of chronologically arranged debug logs (U debug logs) obtained for each internal function or module of the target device 50 were generated. , we can obtain a distributed representation vector d i indicating the entire i-th debug log. In this case, instead of the above-mentioned embedding matrix W, an embedding matrix D=(d 1 d 2 ...d i ... d U ) (d i is a column vector) as shown in FIG. 5(c) is used. Just take it as a thing.
なお、デバッグログ全体についての分散表現ベクトルを求めるものとしたが、これに限定されるものではなく、例えば、複数の行、所定の経過時間、モジュール、スレッド、関数、ファイル、ヒストグラムマッチングごとに分散表現ベクトルを求めるものとしてもよい。 Note that although the distributed expression vector is calculated for the entire debug log, the present invention is not limited to this. It may also be used to obtain an expression vector.
ベクトル情報生成部13は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The vector information generation unit 13 is realized, for example, by executing a program by the
類似度演算部14は、ベクトル情報生成部13により生成された分散表現ベクトルについて、ベクトル情報加減算演算部15により加減算された結果としてのベクトルの類似度(例えばコサイン類似度)を算出する機能部である。類似度演算部14は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The similarity calculation unit 14 is a functional unit that calculates the similarity of vectors (for example, cosine similarity) as a result of addition and subtraction performed by the vector information addition/subtraction calculation unit 15 on the distributed expression vectors generated by the vector information generation unit 13. be. The similarity calculation unit 14 is realized, for example, by executing a program by the
ベクトル情報加減算演算部15は、ベクトル情報生成部13により生成された分散表現ベクトルについて加算または減算を行う機能部である。 The vector information addition/subtraction operation unit 15 is a functional unit that performs addition or subtraction on the distributed expression vector generated by the vector information generation unit 13.
例えば、図6に示すように、新規で取得されたデバッグログである新規ログ501に、複数の過去のデバッグログである過去ログ511a~511cが含まれているとした場合、新規ログ501の分散表現ベクトルを分解(演算としては減算)することによって、正常系のデバッグログと、異常系のデバッグログとに分け、異常を抽出することができる。
For example, as shown in FIG. 6, if a
分散表現ベクトルの分解としては、例えば、図7に示すように、分解の対象となる解析対象ログ521が、コピージョブについての動作ログであるコピージョブログ522と、省エネ移行の拒絶動作について動作ログである省エネ移行拒絶ログ523とを含むデバッグログである場合、解析対象ログ521の分散表現ベクトルは、コピージョブログ522の分散表現ベクトルと、省エネ移行拒絶ログ523の分散表現ベクトルとの和で表現されることになる。
For decomposition of the distributed expression vector, for example, as shown in FIG. 7, an
次に、ベクトル情報加減算演算部15による分散表現ベクトルについての加減算の例を、図8を参照しながら説明する。図8(a)に示す例は、評価(解析)対象となる特定のデバッグログである評価対象機能ログ531の分散表現ベクトルから、評価対象として想定される機能(ここでは新機能、省エネ機能、画面切替機能)についてのデバッグログである想定機能ログ532の分散表現ベクトルを減算し、想定外の機能(ここではオートリセット機能)についてのデバッグログである想定外機能ログ533の分散表現ベクトルが得られたことを示す。このように、想定外(すなわち評価対象漏れ)であった機能のデバッグログの分散表現ベクトルを得られるので、評価対象に含めることができる。
Next, an example of addition/subtraction on the distributed expression vector by the vector information addition/subtraction calculation unit 15 will be described with reference to FIG. In the example shown in FIG. 8A, functions assumed to be evaluated (here, new functions, energy saving functions, By subtracting the distributed expression vector of the expected function log 532, which is the debug log for the screen switching function), the distributed expression vector of the
また、図8(b)に示す例は、機種Aのデバッグログである機種Aログ541の分散表現ベクトルから、機種Bのデバッグログである機種Bログ542の分散表現ベクトルを減算することにより、想定外の機種の差異(ここでは画面切替機能)に係るデバッグログの分散表現ベクトルが得られたことを示す。このように、異なる機種のデバッグログの分散表現ベクトルの差分を求めることにより、想定外の機種の差異の存否を確認することができる。
Further, in the example shown in FIG. 8(b), by subtracting the distributed expression vector of the
また、図8(c)に示す例は、評価(解析)対象となる現行の機能(ここでは新機能、省エネ機能、画面切替機能、オートリセット機能)についてのデバッグログである評価対象機能ログ551の分散表現ベクトルに対して、追加する新機能(ここでは課金機能)についてのデバッグログである新機能ログ552の分散表現ベクトルを加算したベクトルが、過去の障害を含むデバッグログである過去障害ログ553の分散表現ベクトルと略一致したことを示す。このように、追加する新機能のデバッグログの分散表現ベクトルを加算することによって、当該新機能による障害の発生を事前に検証することが可能となる。
In addition, the example shown in FIG. 8(c) is an evaluation target function log 551 which is a debug log for the current functions to be evaluated (analyzed) (in this case, new functions, energy saving functions, screen switching functions, and auto-reset functions). The vector obtained by adding the distributed expression vector of the
ベクトル情報加減算演算部15は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The vector information addition/subtraction calculation unit 15 is realized, for example, by executing a program by the
機能ベクトル制御部16は、特定の機能に対応するデバッグログの分散表現ベクトルに対して加減算処理の制御を行う機能部である。機能ベクトル制御部16は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The function vector control unit 16 is a functional unit that controls addition and subtraction processing to a distributed expression vector of a debug log corresponding to a specific function. The function vector control unit 16 is realized, for example, by executing a program by the
機種ベクトル制御部17は、特定の機種に対応するデバッグログの分散表現ベクトルに対して加減算処理の制御を行う機能部である。機種ベクトル制御部17は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The model vector control unit 17 is a functional unit that controls addition and subtraction processing to the distributed expression vector of the debug log corresponding to a specific model. The model vector control unit 17 is realized, for example, by executing a program by the
イベントヒストグラム制御部18は、デバッグログの単位時間当たりの出力行数からヒストグラムを作成し、予め作成されている辞書データとしてのヒストグラムと比較することによって、クラス分類を行う機能部である。例えば、イベントヒストグラム制御部18は、毎秒のデバッグログの出力行数で作成したヒストグラムと、辞書データとしてのヒストグラムとの間でベクトルの内積を算出する。このように作成されたヒストグラムは、不具合発生時等におけるデバッグログの出力の態様に規則性があるケースでは、重要な情報となり得る。イベントヒストグラム制御部18は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The event histogram control unit 18 is a functional unit that performs class classification by creating a histogram from the number of output lines per unit time of the debug log and comparing it with a histogram as dictionary data created in advance. For example, the event histogram control unit 18 calculates a vector inner product between a histogram created based on the number of output lines of the debug log per second and a histogram as dictionary data. The histogram created in this way can be important information in cases where there is regularity in the manner in which debug logs are output when a problem occurs. The event histogram control unit 18 is realized, for example, by executing a program by the
固定ロジック制御部19は、類似度演算部14により算出された類似度に基づく分類に従って、その分類中での細分類を行うために、分類ごとに固定ロジックによる判断を行う機能部である。ここで、固定ロジックとは、例えば文字列検索等が該当する。当該固定ロジックは、各分類によって異なるロジック、異なる条件で構成されるものとしても構わない。例えば、固定ロジック制御部19は、「A」というクラスに分類された場合は、所定の固定ロジックに従って「REJECT:」という文字列を検索し、当該文字列が存在する場合、当該文字列の後に記載された数字によって細分類を行う。固定ロジック制御部19は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The fixed logic control unit 19 is a functional unit that performs determination based on fixed logic for each classification in order to perform subclassification within the classification according to the classification based on the degree of similarity calculated by the similarity calculation unit 14. Here, the fixed logic corresponds to, for example, a character string search. The fixed logic may be configured with different logic and different conditions depending on each classification. For example, if the fixed logic control unit 19 is classified into the class "A", it searches for the character string "REJECT:" according to a predetermined fixed logic, and if the character string exists, it searches for the character string "REJECT:" after the character string. Subdivide by the numbers listed. The fixed logic control unit 19 is realized, for example, by executing a program by the
結果表示制御部20は、類似度演算部14による類似度の算出結果(識別結果)、および固定ロジック制御部19により行われた細分類の結果等を、ディスプレイ108に表示させる機能部である。結果表示制御部20は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The result display control unit 20 is a functional unit that causes the
類似情報一覧表示制御部21は、類似度演算部14により算出された類似度が所定値以上である場合の識別結果を、当該類似度が高い順等にソートして、ディスプレイ108に一覧表示させる機能部である。類似情報一覧表示制御部21は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The similar information list display control unit 21 sorts the identification results when the similarity calculated by the similarity calculation unit 14 is equal to or higher than a predetermined value in descending order of the similarity, and causes the
故障予測制御部22は、類似度演算部14による類似度の算出結果(識別結果)が、過去の故障情報と同一であると判断した場合、当該故障情報に応じて必要な交換用部品等の発注を自動で実行する機能部である。故障予測制御部22は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
If the failure prediction control unit 22 determines that the similarity calculation result (identification result) by the similarity calculation unit 14 is the same as the past failure information, the failure prediction control unit 22 determines whether necessary replacement parts, etc. are provided according to the failure information. This is a functional unit that automatically executes orders. The failure prediction control unit 22 is realized, for example, by executing a program by the
影響度算出部23は、類似度演算部14による類似度の算出結果(識別結果)と、過去の対応工数情報または不具合情報等との一致性に基づいて、機能追加時の影響度を算出する機能部である。例えば、特注で機能追加を受注した時に、その影響を見積もる際に使用することができる。影響度算出部23は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The
イベントヒストグラム加減算演算部24は、ベクトル情報加減算演算部15によるデバッグログの分散表現ベクトルの加減算時に、イベントヒストグラム制御部18で作成されたヒストグラムがある場合、当該ヒストグラムの加減算を行う機能部である。イベントヒストグラム加減算演算部24は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The event histogram addition/subtraction calculation unit 24 is a functional unit that performs addition/subtraction of the histogram created by the event histogram control unit 18 when the vector information addition/subtraction calculation unit 15 adds or subtracts the distributed expression vector of the debug log. The event histogram addition/subtraction calculation section 24 is realized, for example, by executing a program by the
外部連携制御部25は、過去の蓄積されたデバッグログ、辞書データ、および固定ロジック等の少なくともいずれかが外部の機器等に記憶されている場合、当該機器から必要な情報を参照(取得)する機能部である。これによって、複数の機器の連携が可能になり、最新データの参照を行うことが可能となる。外部連携制御部25は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
If at least any of past accumulated debug logs, dictionary data, fixed logic, etc. is stored in an external device, the external cooperation control unit 25 refers to (obtains) the necessary information from the device. It is a functional part. This makes it possible to link multiple devices and to refer to the latest data. The external cooperation control unit 25 is realized, for example, by executing a program by the
設定部26は、操作入力部28に対するユーザの操作入力に従って、デバッグログの組み合わせ設定の有無、デバッグログの組み合わせ数の判定手段、および各種閾値等の設定を行う機能部である。設定部26は、例えば、図2に示すCPU101によりプログラムが実行されることによって実現される。
The setting
例えば、図9に示すデバッグログ組み合わせ設定画面1000は、ベクトル情報加減算演算部15によるデバッグログの分散表現の加減算動作に関する設定(組み合わせ条件)を行うための画面である。デバッグログ組み合わせ設定画面1000では、図9に示すように、デバッグログの組み合わせ設定の有無、デバッグログの組み合わせ数判定手段(例えば行数(単位時間あたりの出力行数)、時間、モジュール数、スレッド数、関数数、ファイル数、デバッグログのヒストグラムマッチング等)、デバッグログの組み合わせ数の上下限の有無、その上下限値、および、デバッグログの組み合わせ数判定手段の新規登録等が設定できる。デバッグログ組み合わせ設定画面1000は、図9に示すように、優先度設定ボタン1001と、ログ組み合わせ数上限設定ボックス1002と、ログ組み合わせ数下限設定ボックス1003と、新規ログ組み合わせ数判定手段登録ボタン1004と、決定ボタン1011と、キャンセルボタン1012と、を含む。
For example, a debug log
デバッグログの組み合わせ数判定手段は、図9に示すように、チェックボックスによって複数組み合わせて選択することができる。例えば、デバッグログの組み合わせ判定手段を「スレッド数」とした場合、重要なスレッドと重要でないスレッドとを平等に扱うべきではないため、重要なスレッドおよび重要でないスレッドの重みをそれぞれ変え、ユーザにとって必要な情報の重みが高くなるようにし、組み合わせ数を決定できるようにする。このように複数の組み合わせ数判定手段を組み合わせて選択できることによって、複数の条件で判断した上で必要最低限の組み合わせ数で識別することができる。 As shown in FIG. 9, the means for determining the number of combinations of debug logs can be selected by selecting a plurality of combinations using check boxes. For example, if "number of threads" is used as a means of determining combinations of debug logs, important threads and unimportant threads should not be treated equally. The number of combinations can be determined by giving higher weight to information that is important to the user. By being able to select a combination of a plurality of combination number determining means in this manner, it is possible to perform identification using the minimum necessary number of combinations after making a determination based on a plurality of conditions.
優先度設定ボタン1001は、対応するデバッグログの組み合わせ数判定手段の優先度について重み付けの設定を行うためのボタンである。例えば、デバッグログの組み合わせ数判定手段を「スレッド数」とした場合、重要なスレッドと重要でないスレッドとを平等に扱うべきではないので、重要なスレッドと重要でないスレッドとで重みを変え、ユーザにとって必要な情報の重みが高くなるように設定することによって、当該設定に応じた組み合わせ数が決定される。このように、デバッグログの組み合わせ数判定手段の優先度について重み付けを設定できることによって、ユーザが重要視する情報を優先することができる。 The priority setting button 1001 is a button for setting the weighting of the priority of the corresponding debug log combination number determining means. For example, if the number of combinations of debug logs is determined by the number of threads, important threads and unimportant threads should not be treated equally. By setting the weight of necessary information to be high, the number of combinations is determined according to the setting. In this way, by being able to set the weighting for the priority of the debug log combination number determining means, it is possible to prioritize information that the user regards as important.
ログ組み合わせ数上限設定ボックス1002は、デバッグログの組み合わせ数の上下限の設定を有りとした場合に、上限値を設定するための入力ボックスである。ログ組み合わせ数下限設定ボックス1003は、デバッグログの組み合わせ数の上下限の設定を有りとした場合に、下限値を設定するための入力ボックスである。
The log combination number upper
新規ログ組み合わせ数判定手段登録ボタン1004は、デバッグログの組み合わせ数判定手段を新規に登録するためのボタンである。 A new log combination number determining means registration button 1004 is a button for newly registering a debug log combination number determining means.
決定ボタン1011は、デバッグログ組み合わせ設定画面1000において設定した設定内容を確定して、記憶部27に設定内容を記憶させるボタンである。キャンセルボタン1012は、デバッグログ組み合わせ設定画面1000において設定した設定内容をキャンセルするためのボタンである。
The
また、図10に示すデバッグログ閾値設定画面1200は、各種閾値に関する設定を行うための画面である。デバッグログ閾値設定画面1200では、図10に示すように、閾値による判定の有無、一次判断閾値、二次判断閾値、および、優先閾値等が設定できる。デバッグログ閾値設定画面1200は、図10に示すように、一次判断閾値設定ボックス1201と、二次判断閾値設定ボックス1202と、優先判断閾値設定ボックス1203と、決定ボタン1211と、キャンセルボタン1212と、を含む。
Further, a debug log threshold setting screen 1200 shown in FIG. 10 is a screen for setting various thresholds. On the debug log threshold setting screen 1200, as shown in FIG. 10, it is possible to set the presence or absence of threshold-based determination, a primary determination threshold, a secondary determination threshold, a priority threshold, and the like. As shown in FIG. 10, the debug log threshold setting screen 1200 includes a primary judgment
一次判断閾値設定ボックス1201および二次判断閾値設定ボックス1202は、類似度演算部14により算出された類似度に基づいて、さらに固定ロジック制御部19による固定ロジックによる判断を行うか否かを決定付ける一次判断閾値(第1閾値)および二次判断閾値(第2閾値)を設定するための入力ボックスである。優先判断閾値設定ボックス1203は、設定された組み合わせ数により、ベクトル情報加減算演算部15による加減算後のデバッグログについて類似度演算部14による類似度の算出処理を中断するか否かを決定付ける優先閾値(第3閾値)を設定するための入力ボックスである。
The primary judgment
決定ボタン1211は、デバッグログ閾値設定画面1200において設定した設定内容を確定して、記憶部27に設定内容を記憶させるボタンである。キャンセルボタン1212は、デバッグログ閾値設定画面1200において設定した設定内容をキャンセルするためのボタンである。
The
記憶部27は、例えばベクトル情報生成部13により生成された分散表現ベクトルの情報(ベクトル情報)、固定ロジック情報、組み合わせ情報、機能情報、機種情報、故障情報、機能影響情報、および、上述の図9および図10に示した各設定画面で設定された各設定情報等を記憶する機能部である。記憶部27は、図2に示すRAM103および補助記憶装置109の少なくともいずれかによって実現される。
The storage unit 27 stores, for example, information on distributed expression vectors (vector information) generated by the vector information generation unit 13, fixed logic information, combination information, function information, model information, failure information, function impact information, and the above-mentioned diagrams. This is a functional unit that stores each setting information set on each setting screen shown in FIGS. 9 and 10. The storage unit 27 is realized by at least one of the
操作入力部28は、ユーザからの操作入力を受け付ける機能部である。操作入力部28は、図2に示す入力装置107によって実現される。
The operation input unit 28 is a functional unit that receives operation input from the user. The operation input unit 28 is realized by the
なお、図3に示した情報処理装置10のログ情報取得部12、ベクトル情報生成部13、類似度演算部14、ベクトル情報加減算演算部15、機能ベクトル制御部16、機種ベクトル制御部17、イベントヒストグラム制御部18、固定ロジック制御部19、結果表示制御部20、類似情報一覧表示制御部21、故障予測制御部22、影響度算出部23、イベントヒストグラム加減算演算部24、外部連携制御部25および設定部26は、図2に示すCPU101によりプログラムが実行されることによって実現されることに限定されるものではなく、IC(Integrated Circuit)等のハードウェアによって実現されるものとしてもよい。
Note that the
また、図3に示す情報処理装置10の各機能部は、機能を概念的に示したものであって、このような構成に限定されるものではない。例えば、図3に示す情報処理装置10で独立した機能部として図示した複数の機能部を、1つの機能部として構成してもよい。一方、図3に示す情報処理装置10で1つの機能部が有する機能を複数に分割し、複数の機能部として構成するものとしてもよい。
Furthermore, the functions of each functional unit of the
(加減算を伴うデバッグログ類似度演算処理の流れ)
図11は、実施形態に係る情報処理装置における加減算を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図11を参照しながら、本実施形態に係る情報処理装置10によるデバッグログ類似度演算処理の流れについて説明する。
(Flow of debug log similarity calculation process involving addition and subtraction)
FIG. 11 is a sequence diagram illustrating an example of debug log similarity calculation processing involving addition and subtraction in the information processing apparatus according to the embodiment. The flow of debug log similarity calculation processing by the
<ステップS11、S12>
ベクトル情報生成部13は、記憶部27に予め蓄積されている辞書データとしてのデバッグログを読み出して取得する。
<Steps S11, S12>
The vector information generation unit 13 reads and acquires a debug log as dictionary data stored in the storage unit 27 in advance.
<ステップS13>
ベクトル情報生成部13は、記憶部27から読み出した蓄積されたデバッグログについて、行単位で出力確率ベースで分散表現のベクトル化を行う。以下、記憶部27に蓄積されたデバッグログについて算出された分散表現ベクトルを「辞書ベクトル」と称する場合がある。なお、記憶部27に蓄積する際に、予めベクトル情報生成部13により分散表現にベクトル化して蓄積するものとしてもよい。
<Step S13>
The vector information generation unit 13 vectorizes the distributed representation of the accumulated debug logs read from the storage unit 27 on an output probability basis for each line. Hereinafter, the distributed expression vector calculated for the debug logs accumulated in the storage unit 27 may be referred to as a "dictionary vector." Note that when storing the data in the storage unit 27, the vector information generation unit 13 may vectorize the data into a distributed representation beforehand and store the data.
<ステップS14、S15>
その後、ログ情報取得部12は、対象機器50で生成されたデバッグログを、通信部11を介して取得し、記憶部27に記憶させる。そして、ベクトル情報生成部13は、ログ情報取得部12により取得されたデバッグログを記憶部27から読み出して取得する。
<Steps S14, S15>
Thereafter, the log information acquisition unit 12 acquires the debug log generated by the target device 50 via the
<ステップS16>
ベクトル情報生成部13は、記憶部27から読み出したログ情報取得部12により取得されたデバッグログについて、行単位で出力確率ベースで分散表現のベクトル化を行う。以下、記憶部30に記憶されたログ情報取得部12により取得されたデバッグログについて算出された分散表現ベクトルを「入力ベクトル」と称する場合がある。
<Step S16>
The vector information generation unit 13 vectorizes the distributed representation of the debug log read out from the storage unit 27 and acquired by the log information acquisition unit 12 on an output probability basis for each line. Hereinafter, the distributed expression vector calculated for the debug log acquired by the log information acquisition unit 12 stored in the storage unit 30 may be referred to as an “input vector”.
<ステップS17>
そして、ベクトル情報生成部13は、類似度演算要求と共に、辞書ベクトル(第2ベクトルの一例)および入力ベクトル(第1ベクトルの一例)を、類似度演算部14へ送る。
<Step S17>
Then, the vector information generation unit 13 sends the dictionary vector (an example of the second vector) and the input vector (an example of the first vector) to the similarity calculation unit 14 along with the similarity calculation request.
<ステップS18、S19>
類似度演算部14は、ベクトル情報生成部13から類似度演算要求を受け取ると、記憶部27を参照し、組み合わせ情報を取得する。類似度演算部14は、組み合わせ情報に規定された情報(例えば、デバッグログ組み合わせ設定画面1000で設定された内容)に従い、ログ情報取得部12で取得されたデバッグログの状態に応じて、デバッグログの組み合わせ数を変更する。
<Steps S18, S19>
Upon receiving the similarity calculation request from the vector information generation unit 13, the similarity calculation unit 14 refers to the storage unit 27 and acquires combination information. The similarity calculation unit 14 generates a debug log according to the state of the debug log acquired by the log information acquisition unit 12 according to the information specified in the combination information (for example, the content set on the debug log combination setting screen 1000). Change the number of combinations.
<ステップS20>
類似度演算部14は、取得した組み合わせ情報に従って、辞書ベクトルおよび入力ベクトルと共に、ベクトル加減算要求を、ベクトル情報加減算演算部15へ送る。
<Step S20>
The similarity calculation unit 14 sends a vector addition/subtraction request to the vector information addition/subtraction calculation unit 15 along with the dictionary vector and the input vector according to the acquired combination information.
<ステップS21、S22>
ベクトル情報加減算演算部15は、類似度演算部14からベクトル加減算要求を受け取ると、当該ベクトル加減算要求に従って、受け取った辞書ベクトルおよび入力ベクトルついて加減算を行い、その演算結果を、類似度演算部14へ返す。
<Steps S21, S22>
Upon receiving the vector addition/subtraction request from the similarity calculation unit 14, the vector information addition/subtraction calculation unit 15 performs addition/subtraction on the received dictionary vector and input vector according to the vector addition/subtraction request, and sends the calculation result to the similarity calculation unit 14. return.
<ステップS23>
類似度演算部14は、ベクトル情報加減算演算部15から演算結果を受け取ると、当該演算結果が示す加減算後のベクトル(第3ベクトルの一例)と、辞書ベクトルとの類似度を算出する。
<Step S23>
When the similarity calculation unit 14 receives the calculation result from the vector information addition/subtraction calculation unit 15, it calculates the similarity between the vector after addition and subtraction (an example of the third vector) indicated by the calculation result and the dictionary vector.
上述のステップS20~S23の処理は、組み合わせ情報で導出される組み合わせ数分だけ連続で繰り返される。この処理は、複数の機能が同時に動作していて、入力ベクトルに複数の機能のデバッグログが混入しているケースを想定している。そのため、当該処理によって、目的のデバッグログ以外のデバッグログの情報を入力ベクトルから取り除くものとしている。ただし、入力ベクトルから取り除くべきベクトルを特定することはできないので、組み合わせ数分の繰り返し処理により、組み合わせ情報が示す各組み合わせで識別を実施し、一番明確に得られた識別結果を採用するものとすればよい。 The processes of steps S20 to S23 described above are continuously repeated as many times as the number of combinations derived from the combination information. This process assumes a case where multiple functions are running simultaneously and the input vector contains debug logs from multiple functions. Therefore, through this processing, information on debug logs other than the target debug log is removed from the input vector. However, since it is not possible to specify the vector to be removed from the input vectors, identification is performed for each combination indicated by the combination information by repeated processing for the number of combinations, and the most clearly obtained identification result is adopted. do it.
<ステップS24>
類似度演算部14は、算出した類似度のうち、識別結果として一番明確に得られた類似度を演算結果として、ベクトル情報生成部13へ返す。
<Step S24>
Among the calculated similarities, the similarity calculation unit 14 returns the similarity that is most clearly obtained as an identification result to the vector information generation unit 13 as a calculation result.
このように、デバッグログから行単位に分散表現ベクトルを生成することによって、デバッグログ間での演算が可能となり、複数の機能またはモジュールが並列で動作している場合に、各デバッグログの分散表現ベクトルの加減算から必要な情報を抽出し、当該情報を用いることによって精度の高い解析を行うことができる。 In this way, by generating a distributed representation vector line by line from debug logs, operations can be performed between debug logs, and when multiple functions or modules are running in parallel, the distributed representation vector of each debug log can be used. By extracting necessary information from addition and subtraction of vectors and using this information, highly accurate analysis can be performed.
(特定機能のベクトルの減算を伴うデバッグログ類似度演算処理)
図12は、実施形態に係る情報処理装置における特定機能のベクトルの減算を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図12を参照しながら、本実施形態に係る情報処理装置10による特定機能のベクトルの減算を伴うデバッグログ類似度演算処理の流れについて説明する。
(Debug log similarity calculation process involving vector subtraction of specific functions)
FIG. 12 is a sequence diagram illustrating an example of debug log similarity calculation processing involving subtraction of a vector of a specific function in the information processing apparatus according to the embodiment. With reference to FIG. 12, a flow of debug log similarity calculation processing involving subtraction of a vector of a specific function by the
<ステップS31~S36>
ステップS31~S36の処理は、上述の図11に示したステップS11~S16の処理と同様である。
<Steps S31 to S36>
The processing in steps S31 to S36 is similar to the processing in steps S11 to S16 shown in FIG. 11 described above.
<ステップS37>
そして、ベクトル情報生成部13は、類似度演算要求と共に、辞書ベクトルおよび入力ベクトルを、類似度演算部14へ送る。
<Step S37>
Then, the vector information generation unit 13 sends the dictionary vector and the input vector to the similarity calculation unit 14 along with the similarity calculation request.
<ステップS38、S39>
類似度演算部14は、ベクトル情報生成部13から類似度演算要求を受け取ると、記憶部27を参照し、機能情報を取得する。
<Steps S38, S39>
Upon receiving the similarity calculation request from the vector information generation unit 13, the similarity calculation unit 14 refers to the storage unit 27 and acquires functional information.
<ステップS40>
類似度演算部14は、取得した機能情報に従って、入力ベクトルと特定機能の辞書ベクトルとの間で減算を要求する特定機能ベクトル減算要求を、入力ベクトルと共に、ベクトル情報加減算演算部15へ送る。
<Step S40>
The similarity calculation unit 14 sends a specific function vector subtraction request requesting subtraction between the input vector and the dictionary vector of the specific function to the vector information addition/subtraction calculation unit 15 along with the input vector, according to the acquired function information.
<ステップS41、S42>
ベクトル情報加減算演算部15は、類似度演算部14から特定機能ベクトル減算要求を受け取ると、当該特定機能ベクトル減算要求に従って、受け取ったベクトル間での減算を行い、その演算結果を、類似度演算部14へ返す。
<Steps S41, S42>
When the vector information addition/subtraction calculation unit 15 receives a specific function vector subtraction request from the similarity calculation unit 14, it performs subtraction between the received vectors according to the specific function vector subtraction request, and sends the calculation result to the similarity calculation unit. Return to 14.
<ステップS43>
類似度演算部14は、ベクトル情報加減算演算部15から演算結果を受け取ると、当該演算結果が示す減算後のベクトル(第3ベクトルの一例)と、別の機能のデバッグログ、または過去の不具合情報を示す辞書ベクトルとの類似度を算出する。
<Step S43>
When the similarity calculation unit 14 receives the calculation result from the vector information addition/subtraction calculation unit 15, the similarity calculation unit 14 calculates the subtracted vector (an example of the third vector) indicated by the calculation result, and the debug log of another function or past defect information. Calculate the degree of similarity with the dictionary vector indicating .
<ステップS44>
類似度演算部14は、算出した類似度を演算結果として、ベクトル情報生成部13へ返す。
<Step S44>
The similarity calculation unit 14 returns the calculated similarity to the vector information generation unit 13 as a calculation result.
このように、入力ベクトルと辞書ベクトルとの減算結果が、別の機能に類似していないか、または過去の不具合情報に類似していないかを算出することによって、想定外の機能が影響していることを確認したり、入力ベクトルに対する不具合を検出することが可能となる。 In this way, by calculating whether the result of subtraction between the input vector and the dictionary vector is similar to another function or past defect information, it is possible to detect the influence of unexpected functions. It is possible to confirm that the input vector is correct and to detect defects in the input vector.
なお、上述の類似度演算部14によるステップS38、S39での機能情報の取得、およびステップS40~S42でのベクトル情報加減算演算部15への特定機能ベクトル減算要求による処理等は、機能ベクトル制御部16によって行われるものとしてもよい。 Note that the acquisition of function information in steps S38 and S39 by the above-mentioned similarity calculation unit 14 and the processing by requesting specific function vector subtraction to the vector information addition/subtraction calculation unit 15 in steps S40 to S42 are carried out by the function vector control unit. 16 may be used.
(特定機種のベクトルの減算を伴うデバッグログ類似度演算処理)
図13は、実施形態に係る情報処理装置における特定機種のベクトルの減算を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図13を参照しながら、本実施形態に係る情報処理装置10による特定機種のベクトルの減算を伴うデバッグログ類似度演算処理の流れについて説明する。
(Debug log similarity calculation process involving vector subtraction for a specific model)
FIG. 13 is a sequence diagram illustrating an example of a debug log similarity calculation process involving subtraction of a vector of a specific model in the information processing apparatus according to the embodiment. With reference to FIG. 13, a flow of debug log similarity calculation processing involving subtraction of a vector of a specific model by the
<ステップS51~S56>
ステップS51~S56の処理は、上述の図11に示したステップS51~S56の処理と同様である。
<Steps S51 to S56>
The processing in steps S51 to S56 is similar to the processing in steps S51 to S56 shown in FIG. 11 described above.
<ステップS57>
そして、ベクトル情報生成部13は、類似度演算要求と共に、辞書ベクトルおよび入力ベクトルを、類似度演算部14へ送る。
<Step S57>
Then, the vector information generation unit 13 sends the dictionary vector and the input vector to the similarity calculation unit 14 along with the similarity calculation request.
<ステップS58、S59>
類似度演算部14は、ベクトル情報生成部13から類似度演算要求を受け取ると、記憶部27を参照し、機種情報を取得する。
<Steps S58, S59>
Upon receiving the similarity calculation request from the vector information generation unit 13, the similarity calculation unit 14 refers to the storage unit 27 and obtains model information.
<ステップS60>
類似度演算部14は、取得した機種情報に従って、入力ベクトルと特定機種の辞書ベクトルとの間で減算を要求する特定機種ベクトル減算要求を、入力ベクトルと共に、ベクトル情報加減算演算部15へ送る。
<Step S60>
The similarity calculation unit 14 sends a specific model vector subtraction request requesting subtraction between the input vector and the dictionary vector of the specific model to the vector information addition/subtraction calculation unit 15 along with the input vector, according to the acquired model information.
<ステップS61、S62>
ベクトル情報加減算演算部15は、類似度演算部14から特定機種ベクトル減算要求を受け取ると、当該特定機種ベクトル減算要求に従って、受け取ったベクトル間での減算を行い、その演算結果を、類似度演算部14へ返す。
<Steps S61, S62>
When the vector information addition/subtraction calculation unit 15 receives a specific model vector subtraction request from the similarity calculation unit 14, it performs subtraction between the received vectors in accordance with the specific model vector subtraction request, and sends the calculation result to the similarity calculation unit. Return to 14.
<ステップS63>
類似度演算部14は、ベクトル情報加減算演算部15から演算結果を受け取ると、当該演算結果が示す減算後のベクトル(第3ベクトルの一例)と、別の機能のデバッグログ、または過去の不具合情報を示す辞書ベクトルとの類似度を算出する。
<Step S63>
When the similarity calculation unit 14 receives the calculation result from the vector information addition/subtraction calculation unit 15, the similarity calculation unit 14 calculates the subtracted vector (an example of the third vector) indicated by the calculation result, and the debug log of another function or past defect information. Calculate the degree of similarity with the dictionary vector indicating .
<ステップS64>
類似度演算部14は、算出した類似度を演算結果として、ベクトル情報生成部13へ返す。
<Step S64>
The similarity calculation unit 14 returns the calculated similarity to the vector information generation unit 13 as a calculation result.
このように、入力ベクトルと辞書ベクトルとの減算結果が、別の機能に類似していないか、または過去の不具合情報に類似していないかを算出することによって、機種間の相違により想定外の機能が影響していることを確認したり、他の機種と異なる機種の入力ベクトルに対する不具合を検出することが可能となる。 In this way, by calculating whether the subtraction result between the input vector and the dictionary vector is similar to another function or past defect information, unexpected cases due to differences between models can be detected. It is possible to confirm that a function is affected or to detect a problem with an input vector of a model that is different from other models.
なお、上述の類似度演算部14によるステップS58、S59での機種情報の取得、およびステップS60~S62でのベクトル情報加減算演算部15への特定機種ベクトル減算要求による処理等は、機種ベクトル制御部17によって行われるものとしてもよい。 Note that the acquisition of the model information in steps S58 and S59 by the above-mentioned similarity calculation unit 14, and the processing based on the specific model vector subtraction request to the vector information addition/subtraction calculation unit 15 in steps S60 to S62, etc. are performed by the model vector control unit. 17 may be used.
(特定機能のベクトルの加算を伴うデバッグログ類似度演算処理)
図14は、実施形態に係る情報処理装置における特定機能のベクトルの加算を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図14を参照しながら、本実施形態に係る情報処理装置10による特定機能のベクトルの加算を伴うデバッグログ類似度演算処理の流れについて説明する。
(Debug log similarity calculation process involving addition of vectors of specific functions)
FIG. 14 is a sequence diagram illustrating an example of debug log similarity calculation processing that involves addition of vectors of specific functions in the information processing apparatus according to the embodiment. With reference to FIG. 14, the flow of debug log similarity calculation processing involving addition of vectors of specific functions by the
<ステップS71~S76>
ステップS71~S76の処理は、上述の図11に示したステップS11~S16の処理と同様である。
<Steps S71 to S76>
The processing in steps S71 to S76 is similar to the processing in steps S11 to S16 shown in FIG. 11 described above.
<ステップS77>
そして、ベクトル情報生成部13は、類似度演算要求と共に、辞書ベクトルおよび入力ベクトルを、類似度演算部14へ送る。
<Step S77>
Then, the vector information generation unit 13 sends the dictionary vector and the input vector to the similarity calculation unit 14 along with the similarity calculation request.
<ステップS78、S79>
類似度演算部14は、ベクトル情報生成部13から類似度演算要求を受け取ると、記憶部27を参照し、機能情報を取得する。
<Steps S78, S79>
Upon receiving the similarity calculation request from the vector information generation unit 13, the similarity calculation unit 14 refers to the storage unit 27 and acquires functional information.
<ステップS80>
類似度演算部14は、取得した機能情報に従って、入力ベクトルと特定機能の辞書ベクトルとの間で加算を要求する特定機能ベクトル加算要求を、入力ベクトルと共に、ベクトル情報加減算演算部15へ送る。
<Step S80>
The similarity calculation unit 14 sends a specific function vector addition request requesting addition between the input vector and the dictionary vector of the specific function to the vector information addition/subtraction calculation unit 15 along with the input vector, according to the acquired function information.
<ステップS81、S82>
ベクトル情報加減算演算部15は、類似度演算部14から特定機能ベクトル加算要求を受け取ると、当該特定機能ベクトル加算要求に従って、受け取ったベクトル間での加算を行い、その演算結果を、類似度演算部14へ返す。
<Steps S81, S82>
When the vector information addition/subtraction calculation unit 15 receives a specific function vector addition request from the similarity calculation unit 14, the vector information addition/subtraction calculation unit 15 performs addition between the received vectors according to the specific function vector addition request, and sends the calculation result to the similarity calculation unit. Return to 14.
<ステップS83>
類似度演算部14は、ベクトル情報加減算演算部15から演算結果を受け取ると、当該演算結果が示す加算後のベクトル(第3ベクトルの一例)と、別の機能のデバッグログ、または過去の不具合情報を示す辞書ベクトルとの類似度を算出する。
<Step S83>
When the similarity calculation unit 14 receives the calculation result from the vector information addition/subtraction calculation unit 15, the similarity calculation unit 14 calculates a vector after addition (an example of a third vector) indicated by the calculation result, and a debug log of another function or past defect information. Calculate the degree of similarity with the dictionary vector indicating .
<ステップS84>
類似度演算部14は、算出した類似度を演算結果として、ベクトル情報生成部13へ返す。
<Step S84>
The similarity calculation unit 14 returns the calculated similarity to the vector information generation unit 13 as a calculation result.
このように、入力ベクトルと辞書ベクトルとの加算結果が、別の機能に類似していないか、または過去の不具合情報に類似していないかを算出することによって、例えば、特定の新機能を加えたことによって、過去の障害に近づくか否か等、新機能を搭載したことによる影響を事前に検証することができる。 In this way, by calculating whether the addition result of the input vector and dictionary vector is similar to another function or past defect information, it is possible to add a specific new function, for example. By doing so, it is possible to verify in advance the impact of installing a new function, such as whether or not it approaches past failures.
なお、上述の類似度演算部14によるステップS78、S79での機能情報の取得、およびステップS80~S82でのベクトル情報加減算演算部15への特定機能ベクトル加算要求による処理等は、機能ベクトル制御部16によって行われるものとしてもよい。 Note that the acquisition of function information in steps S78 and S79 by the above-mentioned similarity calculation unit 14 and the processing by requesting addition of a specific function vector to the vector information addition/subtraction calculation unit 15 in steps S80 to S82 are carried out by the function vector control unit. 16 may be used.
(固定ロジック判断を伴うデバッグログ類似度演算処理の流れ)
図15は、実施形態に係る情報処理装置における固定ロジック判断を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図15を参照しながら、本実施形態に係る情報処理装置10による固定ロジック判断を伴うデバッグログ類似度演算処理の流れについて説明する。
(Flow of debug log similarity calculation process with fixed logic judgment)
FIG. 15 is a sequence diagram illustrating an example of debug log similarity calculation processing involving fixed logic determination in the information processing apparatus according to the embodiment. With reference to FIG. 15, the flow of debug log similarity calculation processing involving fixed logic determination by the
<ステップS91~S103>
ステップS91~S103の処理は、上述の図11に示したステップS11~S23の処理と同様である。
<Steps S91 to S103>
The processing in steps S91 to S103 is similar to the processing in steps S11 to S23 shown in FIG. 11 described above.
<ステップS104、S105>
上述の図10に示したデバッグログ閾値設定画面1200において閾値による判定が有り(閾値設定:「する」)に設定されており、かつ、類似度演算部14により算出された類似度が一次判断閾値よりも大きい場合、類似度演算部14は、結果表示要求と共に、算出した類似度を結果表示制御部20へ送る。結果表示制御部20は、結果表示要求を受け取ると、類似度演算部14により算出された類似度を識別結果として、ディスプレイ108に表示させる。
<Steps S104, S105>
In the debug log threshold setting screen 1200 shown in FIG. 10 described above, judgment based on a threshold is set (threshold setting: "Yes"), and the similarity calculated by the similarity calculation unit 14 is the primary judgment threshold. If the similarity is greater than , the similarity calculation unit 14 sends the calculated similarity to the result display control unit 20 along with a result display request. Upon receiving the result display request, the result display control unit 20 causes the
<ステップS106、S107>
上述の図10に示したデバッグログ閾値設定画面1200において閾値による判定が有り(閾値設定:「する」)に設定されており、かつ、類似度演算部14により算出された類似度が二次判断閾値よりも大きく一次判断閾値以下である場合、類似度演算部14は、記憶部27から固定ロジック情報を読み出して取得する。
<Steps S106, S107>
In the debug log threshold setting screen 1200 shown in FIG. 10 described above, judgment based on the threshold is set (threshold setting: "Yes"), and the similarity calculated by the similarity calculation unit 14 is used as the secondary judgment. If it is larger than the threshold and less than or equal to the primary determination threshold, the similarity calculation unit 14 reads and acquires the fixed logic information from the storage unit 27.
<ステップS108>
類似度演算部14は、固定ロジック判断要求と共に、取得した固定ロジック情報、および算出した類似度を、固定ロジック制御部19へ送る。
<Step S108>
The similarity calculation unit 14 sends the fixed logic determination request, the acquired fixed logic information, and the calculated similarity to the fixed logic control unit 19.
<ステップS109>
固定ロジック制御部19は、固定ロジック判断要求を受け取ると、類似度演算部14により算出された類似度に基づく分類に従って、その分類中での細分類を行うために、分類ごとに固定ロジック情報が示す固定ロジックによる判断を行う。
<Step S109>
When the fixed logic control unit 19 receives the fixed logic determination request, the fixed logic control unit 19 generates fixed logic information for each classification in order to perform subclassification within the classification according to the classification based on the degree of similarity calculated by the similarity calculation unit 14. Judgments are made based on the fixed logic shown.
<ステップS110、S111>
固定ロジック制御部19による固定ロジックによる判断結果が識別可能である場合、固定ロジック制御部19は、結果表示要求と共に、当該判断結果を結果表示制御部20へ送る。結果表示制御部20は、結果表示要求を受け取ると、固定ロジック制御部19による判断結果をディスプレイ108に表示させる。
<Steps S110, S111>
If the determination result based on the fixed logic by the fixed logic control unit 19 is identifiable, the fixed logic control unit 19 sends the determination result to the result display control unit 20 along with a result display request. Upon receiving the result display request, the result display control unit 20 causes the
<ステップS112、S113>
固定ロジック制御部19による固定ロジックによる判断結果が識別不能である場合、固定ロジック制御部19は、類似情報一覧表示要求と共に、固定ロジックによる判断結果を、類似情報一覧表示制御部21へ送る。類似情報一覧表示制御部21は、類似情報一覧表示要求を受け取ると、固定ロジックによる判断結果に基づく類似度の一覧を、当該類似度順にディスプレイ108に表示させる。
<Steps S112, S113>
If the determination result based on the fixed logic by the fixed logic control unit 19 is indiscernible, the fixed logic control unit 19 sends the determination result based on the fixed logic to the similar information list display control unit 21 along with a similar information list display request. When the similar information list display control unit 21 receives the similar information list display request, it causes the
<ステップS114>
固定ロジック制御部19は、固定ロジックによる判断結果を類似度演算部14へ返す。
<Step S114>
The fixed logic control unit 19 returns the determination result based on the fixed logic to the similarity calculation unit 14.
<ステップS115、S116>
上述の図10に示したデバッグログ閾値設定画面1200において閾値による判定が無し(閾値設定:「しない」)に設定されており、または、類似度演算部14により算出された類似度が二次判断閾値以下である場合、類似度演算部14は、類似情報一覧表示要求と共に、類似度の算出結果を、類似情報一覧表示制御部21へ送る。類似情報一覧表示制御部21は、類似情報一覧表示要求を受け取ると、類似度演算部14により算出された類似度の一覧を、ディスプレイ108に表示させる。これによって、高い類似度に基づく識別はできないものの、関連するデバッグログが出現している過去の事例を参照することができる。
<Steps S115, S116>
In the debug log threshold setting screen 1200 shown in FIG. 10 described above, the judgment based on the threshold is set to "no" (threshold setting: "no"), or the similarity calculated by the similarity calculation unit 14 is used for the secondary judgment. If it is less than or equal to the threshold, the similarity calculation unit 14 sends the similarity calculation result to the similar information list display control unit 21 along with a similar information list display request. Upon receiving the similar information list display request, the similar information list display control unit 21 causes the
<ステップS117>
類似度演算部14は、算出した類似度を演算結果として、ベクトル情報生成部13へ返す。
<Step S117>
The similarity calculation unit 14 returns the calculated similarity to the vector information generation unit 13 as a calculation result.
このように、類似度演算部14による類似度に基づいて、大分類分けまでは成功することができても小分類分けまでができない場合に、大分類から固定ロジックによる判断に小分類まで識別可能にすることができる。 In this way, based on the similarity determined by the similarity calculation unit 14, if the major classification is successful but the minor classification is not possible, it is possible to identify the minor classification from the major classification to the determination based on the fixed logic. It can be done.
(情報蓄積を伴うデバッグログ類似度演算処理の流れ)
図16は、実施形態に係る情報処理装置における情報蓄積を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図16を参照しながら、本実施形態に係る情報処理装置10による情報蓄積を伴うデバッグログ類似度演算処理の流れについて説明する。なお、設定部26により、組み合わせ情報および固定ロジック情報等の蓄積に関する設定が可能であるものとする。具体的には、上述の情報について、無条件で蓄積すること、入力ベクトルの類似度が所定の閾値より大きい場合に蓄積すること、または、ディスプレイ108に表示された確認画面でユーザによりOK操作された場合に蓄積することのうちいずれかを、設定部26により設定が可能であるものとする。
(Flow of debug log similarity calculation process with information accumulation)
FIG. 16 is a sequence diagram illustrating an example of debug log similarity calculation processing involving information accumulation in the information processing apparatus according to the embodiment. With reference to FIG. 16, a flow of debug log similarity calculation processing involving information accumulation by the
<ステップS121~S133>
ステップS121~S133の処理は、上述の図11に示したステップS11~S23の処理と同様である。
<Steps S121 to S133>
The processing in steps S121 to S133 is similar to the processing in steps S11 to S23 shown in FIG. 11 described above.
<ステップS134、S135>
設定部29により無条件で蓄積することが設定されている場合、類似度演算部14は、組み合わせ情報を記憶部27に蓄積させる。
<Steps S134, S135>
If the setting unit 29 has set the combination information to be stored unconditionally, the similarity calculation unit 14 causes the storage unit 27 to store the combination information.
<ステップS136、S137>
設定部29により入力ベクトルの類似度が所定の閾値より大きい場合に蓄積することが設定されていて、かつ、当該類似度が所定の閾値よりも大きい場合、類似度演算部14は、組み合わせ情報を記憶部27へ蓄積させる。
<Steps S136, S137>
If the setting unit 29 sets that the input vectors are stored when their similarity is greater than a predetermined threshold, and the similarity is greater than the predetermined threshold, the similarity calculation unit 14 stores the combination information. It is stored in the storage unit 27.
<ステップS138、S139>
設定部26により、ディスプレイ108に表示された確認画面でユーザによりOK操作された場合に蓄積することが設定されていて、かつ、当該確認画面でOK操作がなされた場合、類似度演算部14は、組み合わせ情報を記憶部27へ蓄積させる。
<Steps S138, S139>
If the
このように、組み合わせ情報を記憶部30へ蓄積することによって、辞書データをアップデートし続けることができる。 In this way, by storing combination information in the storage unit 30, dictionary data can be continuously updated.
<ステップS140、S141>
設定部26により無条件で蓄積することが設定されている場合、類似度演算部14は、固定ロジック情報を記憶部27に蓄積させる。
<Steps S140, S141>
If the
<ステップS142、S143>
設定部26により入力ベクトルの類似度が所定の閾値より大きい場合に蓄積することが設定されていて、かつ、当該類似度が所定の閾値よりも大きい場合、類似度演算部14は、固定ロジック情報を記憶部27へ蓄積させる。
<Steps S142, S143>
If the
<ステップS144、S145>
設定部26により、ディスプレイ108に表示された確認画面でユーザによりOK操作された場合に蓄積することが設定されていて、かつ、当該確認画面でOK操作がなされた場合、類似度演算部14は、固定ロジック情報を記憶部27へ蓄積させる。
<Steps S144, S145>
If the
このように、固定ロジック情報を蓄積することによって、次回以降で機能追加等により固定ロジックの内容が変更になっても追従可能となる。 By accumulating fixed logic information in this way, even if the contents of the fixed logic are changed due to addition of functions or the like from the next time onward, it is possible to follow the changes.
<ステップS146>
類似度演算部14は、算出した類似度を演算結果として、ベクトル情報生成部13へ返す。
<Step S146>
The similarity calculation unit 14 returns the calculated similarity to the vector information generation unit 13 as a calculation result.
以上のように、ステップS138およびS144において、設定部26により、ディスプレイ108に表示された確認画面でユーザによりOK操作された場合に蓄積することが設定されていて、かつ、当該確認画面でOK操作がなされた場合に記憶部27へ情報を蓄積するものとしている。これによって、次回以降で情報を利用すべき内容であるか否かをユーザが個別に選択することができる。
As described above, in steps S138 and S144, the setting
なお、記憶部27へ蓄積する情報は、組み合わせ情報および固定ロジック情報に限定されるものではなく、例えば、組み合わせ情報に従って組み合わせたベクトルの情報を蓄積するものとしてもよい。 Note that the information stored in the storage unit 27 is not limited to the combination information and fixed logic information, and for example, information on vectors combined according to the combination information may be stored.
(外部連携を伴うデバッグログ類似度演算処理の流れ)
図17は、実施形態に係る情報処理装置における外部連携を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図17を参照しながら、本実施形態に係る情報処理装置10による外部連携を伴うデバッグログ類似度演算処理の流れについて説明する。
(Flow of debug log similarity calculation process with external linkage)
FIG. 17 is a sequence diagram illustrating an example of debug log similarity calculation processing involving external cooperation in the information processing apparatus according to the embodiment. With reference to FIG. 17, a flow of debug log similarity calculation processing involving external cooperation by the
<ステップS151>
ベクトル情報生成部13は、蓄積デバッグログの取得要求を、外部連携制御部25へ送る。
<Step S151>
The vector information generation unit 13 sends a request to acquire the accumulated debug log to the external cooperation control unit 25.
<ステップS152、S153>
外部連携制御部25は、蓄積デバッグログの取得要求を受け取ると、外部サーバ等の外部の機器から辞書データとしての蓄積デバッグログを取得し、当該蓄積デバッグログをベクトル情報生成部13へ返す。このように、辞書データとしての蓄積デバッグログを外部サーバ等の外部の機器から取得するようにすることによって、辞書データを外部の機器で一元管理することができる。
<Steps S152, S153>
When the external cooperation control unit 25 receives the request to acquire the accumulated debug log, it acquires the accumulated debug log as dictionary data from an external device such as an external server, and returns the accumulated debug log to the vector information generation unit 13 . In this way, by acquiring the accumulated debug log as dictionary data from an external device such as an external server, the dictionary data can be centrally managed by the external device.
<ステップS154>
ベクトル情報生成部13は、外部連携制御部25から受け取った蓄積デバッグログについて、行単位で出力確率ベースで分散表現のベクトル化を行い、辞書ベクトルを生成する。
<Step S154>
The vector information generation unit 13 vectorizes the distributed representation of the accumulated debug log received from the external cooperation control unit 25 on an output probability basis for each line, and generates a dictionary vector.
<ステップS155~S164>
ステップS155~S164の処理は、上述の図11に示したステップS14~S23の処理と同様である。
<Steps S155 to S164>
The processing in steps S155 to S164 is similar to the processing in steps S14 to S23 shown in FIG. 11 described above.
<ステップS165、S166>
上述の図10に示したデバッグログ閾値設定画面1200において閾値による判定が有り(閾値設定:「する」)に設定されており、かつ、類似度演算部14により算出された類似度が一次判断閾値よりも大きい場合、類似度演算部14は、結果表示要求と共に、算出した類似度を結果表示制御部20へ送る。結果表示制御部20は、結果表示要求を受け取ると、類似度演算部14により算出された類似度を識別結果として、ディスプレイ108に表示させる。
<Steps S165, S166>
In the debug log threshold setting screen 1200 shown in FIG. 10 described above, judgment based on a threshold is set (threshold setting: "Yes"), and the similarity calculated by the similarity calculation unit 14 is the primary judgment threshold. If the similarity is greater than , the similarity calculation unit 14 sends the calculated similarity to the result display control unit 20 along with a result display request. Upon receiving the result display request, the result display control unit 20 causes the
<ステップS167>
上述の図10に示したデバッグログ閾値設定画面1200において閾値による判定が有りに設定されており、かつ、類似度演算部14により算出された類似度が二次判断閾値よりも大きく一次判断閾値以下である場合、類似度演算部14は、固定ロジック情報の取得要求を、外部連携制御部25へ送る。
<Step S167>
In the debug log threshold setting screen 1200 shown in FIG. 10 described above, judgment based on a threshold is set to Yes, and the similarity calculated by the similarity calculation unit 14 is greater than the secondary judgment threshold and less than or equal to the primary judgment threshold. If so, the similarity calculation unit 14 sends a fixed logic information acquisition request to the external cooperation control unit 25.
<ステップS168、S169>
外部連携制御部25は、固定ロジック情報の取得要求を受け取ると、外部サーバ等の外部の機器から固定ロジック情報を取得し、当該固定ロジック情報をベクトル情報生成部13へ返す。このように、固定ロジック情報を外部サーバ等の外部の機器から取得するようにすることによって、固定ロジック情報を外部の機器で一元管理することができる。
<Steps S168, S169>
Upon receiving the fixed logic information acquisition request, the external cooperation control unit 25 acquires the fixed logic information from an external device such as an external server, and returns the fixed logic information to the vector information generation unit 13. In this way, by acquiring the fixed logic information from an external device such as an external server, the fixed logic information can be centrally managed by the external device.
<ステップS170~S179>
ステップS170~S179の処理は、上述の図15に示したステップS108~S117の処理と同様である。
<Steps S170 to S179>
The processing in steps S170 to S179 is similar to the processing in steps S108 to S117 shown in FIG. 15 described above.
(優先順位に従った加減算を伴うデバッグログ類似度演算処理の流れ)
図18は、実施形態に係る情報処理装置における優先順位に従った加減算を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図18を参照しながら、本実施形態に係る情報処理装置10による優先順位に従った加減算を伴うデバッグログ類似度演算処理の流れについて説明する。
(Flow of debug log similarity calculation process involving addition and subtraction according to priority order)
FIG. 18 is a sequence diagram illustrating an example of a debug log similarity calculation process involving addition and subtraction according to priorities in the information processing apparatus according to the embodiment. With reference to FIG. 18, the flow of debug log similarity calculation processing involving addition and subtraction according to priority order by the
<ステップS181~S189>
ステップS181~S189の処理は、上述の図11に示したステップS11~S19の処理と同様である。
<Steps S181 to S189>
The processing in steps S181 to S189 is similar to the processing in steps S11 to S19 shown in FIG. 11 described above.
<ステップS190~S193>
ステップS190~S193の処理は、上述の図11に示したステップS20~S23の処理と同様である。
<Steps S190 to S193>
The processing in steps S190 to S193 is similar to the processing in steps S20 to S23 shown in FIG. 11 described above.
<ステップS194>
上述の図10に示したデバッグログ閾値設定画面1200において閾値による判定が有りに設定されており、かつ、類似度演算部14により算出された類似度が優先閾値よりも大きい場合、ベクトル情報生成部13は、当該類似度を採用して、類似度演算部14による類似度の算出処理を中断させる。
<Step S194>
If threshold-based determination is set to Yes on the debug log threshold setting screen 1200 shown in FIG. 13 adopts the similarity and suspends the similarity calculation process by the similarity calculation unit 14.
以上のステップS190~S194の処理を、ステップS194で類似度演算部14により算出された類似度が優先閾値よりも大きいと判定されるまで、繰り返す。ただし、繰り返し回数の最大値は、上述のステップS189で取得された組み合わせ情報が示す組み合わせ数である。 The above processing of steps S190 to S194 is repeated until it is determined in step S194 that the similarity calculated by the similarity calculation unit 14 is greater than the priority threshold. However, the maximum value of the number of repetitions is the number of combinations indicated by the combination information acquired in step S189 described above.
このように、優先閾値よりも大きい類似度が得られた段階で、以降の類似度の算出処理を中断することによって、全体の処理時間を短縮することができる。 In this way, the overall processing time can be shortened by interrupting the subsequent similarity calculation process when a similarity greater than the priority threshold is obtained.
(故障予測処理を伴うデバッグログ類似度演算処理の流れ)
図19は、実施形態に係る情報処理装置における故障予測処理を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図19を参照しながら、本実施形態に係る情報処理装置10による故障予測処理を伴うデバッグログ類似度演算処理の流れについて説明する。
(Flow of debug log similarity calculation process with failure prediction process)
FIG. 19 is a sequence diagram illustrating an example of debug log similarity calculation processing accompanied by failure prediction processing in the information processing apparatus according to the embodiment. With reference to FIG. 19, the flow of debug log similarity calculation processing accompanied by failure prediction processing by the
<ステップS201~S214>
ステップS201~S214の処理は、上述の図9に示したステップS11~S24の処理と同様である。
<Steps S201 to S214>
The processing in steps S201 to S214 is similar to the processing in steps S11 to S24 shown in FIG. 9 described above.
<ステップS215>
ベクトル情報生成部13は、故障予測要求と共に、類似度演算部14により算出された類似度を、故障予測制御部22へ送る。
<Step S215>
The vector information generation unit 13 sends the similarity calculated by the similarity calculation unit 14 to the failure prediction control unit 22 along with the failure prediction request.
<ステップS216、S217>
故障予測制御部22は、故障予測要求を受け取ると、記憶部27から過去の故障情報を読み取って取得する。
<Steps S216, S217>
When the failure prediction control unit 22 receives the failure prediction request, the failure prediction control unit 22 reads and acquires past failure information from the storage unit 27.
<ステップS218、S219>
故障予測制御部22は、類似度演算部14により算出された類似度が、過去の故障情報と同一であると判断した場合、故障の発生を予測し、当該故障情報に応じて必要な交換用部品等の発注等(故障予測処理)を自動で実行する。そして、故障予測制御部22は、故障予測処理の処理結果をベクトル情報生成部13へ返す。
<Steps S218, S219>
If the failure prediction control unit 22 determines that the similarity calculated by the similarity calculation unit 14 is the same as past failure information, the failure prediction control unit 22 predicts the occurrence of a failure and installs necessary replacement parts according to the failure information. Automatically executes parts ordering, etc. (failure prediction processing). The failure prediction control unit 22 then returns the processing result of the failure prediction process to the vector information generation unit 13.
このように、過去の同様の故障状態が予測された場合に、必要な交換用部品等を自動で手配することができる。 In this way, when a similar failure state in the past is predicted, necessary replacement parts etc. can be automatically arranged.
(影響度算出処理を伴うデバッグログ類似度演算処理の流れ)
図20は、実施形態に係る情報処理装置における影響度算出処理を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図20を参照しながら、本実施形態に係る情報処理装置10による影響度算出処理を伴うデバッグログ類似度演算処理の流れについて説明する。
(Flow of debug log similarity calculation process accompanied by impact calculation process)
FIG. 20 is a sequence diagram illustrating an example of debug log similarity calculation processing accompanied by influence calculation processing in the information processing apparatus according to the embodiment. With reference to FIG. 20, the flow of debug log similarity calculation processing accompanied by influence calculation processing by the
<ステップS221~S234>
ステップS221~S234の処理は、上述の図9に示したステップS11~S24の処理と同様である。
<Steps S221 to S234>
The processing in steps S221 to S234 is similar to the processing in steps S11 to S24 shown in FIG. 9 described above.
<ステップS235>
ベクトル情報生成部13は、影響度算出要求と共に、類似度演算部14により算出された類似度を、影響度算出部23へ送る。
<Step S235>
The vector information generation unit 13 sends the degree of similarity calculated by the degree of similarity calculation unit 14 to the degree of
<ステップS236、S237>
影響度算出部23は、影響度算出要求を受け取ると、記憶部27から機能影響情報を読み取って取得する。ここで、機能影響情報とは、過去に、機能追加によって変動した対応工数情報、および発生した不具合情報等の機能追加に伴って影響を及ぼした内容を示す情報である。
<Steps S236, S237>
Upon receiving the influence degree calculation request, the influence
<ステップS238、S239>
影響度算出部23は、類似度演算部14により算出された類似度から、取得した機能影響情報を用いて、機能追加時の影響度を算出する。そして、影響度算出部23は、影響度の算出処理の処理結果をベクトル情報生成部13へ返す。
<Steps S238, S239>
The influence
これによって、特注機能等の機能追加時に、その追加に伴う影響(工数変動、変動のボリューム等)を事前に見積もることができる。 As a result, when adding a function such as a custom-made function, it is possible to estimate in advance the effects of the addition (variation in man-hours, volume of variation, etc.).
(イベントヒストグラムの加減算を伴うデバッグログ類似度演算処理の流れ)
図21は、実施形態に係る情報処理装置におけるイベントヒストグラムの加減算を伴うデバッグログ類似度演算処理の一例を示すシーケンス図である。図21を参照しながら、本実施形態に係る情報処理装置10によるイベントヒストグラムの加減算を伴うデバッグログ類似度演算処理の流れについて説明する。
(Flow of debug log similarity calculation process involving addition and subtraction of event histograms)
FIG. 21 is a sequence diagram illustrating an example of debug log similarity calculation processing involving addition and subtraction of event histograms in the information processing apparatus according to the embodiment. With reference to FIG. 21, the flow of debug log similarity calculation processing involving addition and subtraction of event histograms by the
<ステップS241~S249>
ステップS241~S249の処理は、上述の図9に示したステップS11~S19の処理と同様である。
<Steps S241 to S249>
The processing in steps S241 to S249 is similar to the processing in steps S11 to S19 shown in FIG. 9 described above.
<ステップS250、S251>
類似度演算部14は、ベクトル情報生成部13から類似度演算要求を受け取ると、さらに、イベントヒストグラム制御部18により作成されたヒストグラムがある場合、当該ヒストグラムを取得する。
<Steps S250, S251>
When the similarity calculation unit 14 receives the similarity calculation request from the vector information generation unit 13, if there is a histogram created by the event histogram control unit 18, the similarity calculation unit 14 acquires the histogram.
<ステップS252>
類似度演算部14は、取得した組み合わせ情報に従って、辞書ベクトルおよび入力ベクトルと共に、ベクトル加減算要求を、ベクトル情報加減算演算部15へ送る。
<Step S252>
The similarity calculation unit 14 sends a vector addition/subtraction request to the vector information addition/subtraction calculation unit 15 along with the dictionary vector and the input vector according to the acquired combination information.
<ステップS253、S254>
ベクトル情報加減算演算部15は、類似度演算部14からベクトル加減算要求を受け取ると、当該ベクトル加減算要求に従って、受け取った辞書ベクトルおよび入力ベクトルついて加減算を行い、その演算結果を、類似度演算部14へ返す。
<Steps S253, S254>
Upon receiving the vector addition/subtraction request from the similarity calculation unit 14, the vector information addition/subtraction calculation unit 15 performs addition/subtraction on the received dictionary vector and input vector according to the vector addition/subtraction request, and sends the calculation result to the similarity calculation unit 14. return.
<ステップS255>
類似度演算部14は、さらに、組み合わせ情報に従って、取得したヒストグラムと共に、イベントヒストグラム加減算要求を、イベントヒストグラム加減算演算部24へ送る。
<Step S255>
The similarity calculation unit 14 further sends an event histogram addition/subtraction request to the event histogram addition/subtraction calculation unit 24 along with the acquired histogram according to the combination information.
<ステップS256、S257>
イベントヒストグラム加減算演算部24は、類似度演算部14からイベントヒストグラム加減算要求を受け取ると、当該イベントヒストグラム加減算要求に従って、受け取ったヒストグラムついて加減算を行い、その演算結果を、類似度演算部14へ返す。
<Steps S256, S257>
When the event histogram addition/subtraction operation unit 24 receives an event histogram addition/subtraction request from the similarity calculation unit 14, it performs addition/subtraction on the received histogram according to the event histogram addition/subtraction request, and returns the operation result to the similarity calculation unit 14.
<ステップS258>
類似度演算部14は、ベクトル情報加減算演算部15から演算結果を受け取ると、当該演算結果が示す加減算後のベクトルと、辞書ベクトルとの類似度を算出する。また、類似度演算部14は、イベントヒストグラム加減算演算部24から円座結果を受け取ると、当該演算結果が示す加減算後のヒストグラムと、例えば辞書データとしてのヒストグラムとの類似度を算出する。
<Step S258>
When the similarity calculation unit 14 receives the calculation result from the vector information addition/subtraction calculation unit 15, it calculates the similarity between the added/subtracted vector indicated by the calculation result and the dictionary vector. Furthermore, when the similarity calculation unit 14 receives the constellation result from the event histogram addition/subtraction calculation unit 24, it calculates the degree of similarity between the histogram after addition and subtraction indicated by the calculation result and the histogram as dictionary data, for example.
上述のステップS252~S258の処理は、組み合わせ情報で導出される組み合わせ数分だけ連続で繰り返される。 The processes of steps S252 to S258 described above are continuously repeated for the number of combinations derived from the combination information.
<ステップS259>
類似度演算部14は、算出した類似度のうち、識別結果として一番明確に得られた類似度を演算結果として、ベクトル情報生成部13へ返す。
<Step S259>
Among the calculated similarities, the similarity calculation unit 14 returns the similarity that is most clearly obtained as an identification result to the vector information generation unit 13 as a calculation result.
このように、デバッグログの分散表現ベクトルの加減算の結果だけでなく、デバッグログのヒストグラムについての類似度を算出することにより、より精度の高い解析を行うことが可能となる。 In this way, by calculating not only the results of addition and subtraction of the distributed expression vectors of the debug logs but also the similarity of the histograms of the debug logs, it is possible to perform more accurate analysis.
以上のように、本実施形態に係る異常監視システム1では、デバッグログから行単位に分散表現ベクトルを生成することによって、デバッグログ間での演算が可能となり、複数の機能またはモジュールが並列で動作している場合に、各デバッグログの分散表現ベクトルの加減算から必要な情報を抽出し、当該情報を用いることによって精度の高い解析を行うことができる。
As described above, in the
なお、上述の各シーケンス図で説明したベクトル情報生成部13の動作では、デバッグログの行単位で分散表現のベクトルを生成して、当該ベクトルを用いた処理を説明したが、これに限定されるものではなく、デバッグログ全体についての分散表現のベクトルを生成し、当該ベクトルについて処理を行うものとしてもよい。 Note that in the operation of the vector information generation unit 13 explained in each of the above sequence diagrams, a vector of distributed representation is generated for each line of the debug log, and processing using the vector is explained, but the present invention is not limited to this. Instead, a vector of distributed representation of the entire debug log may be generated and processing may be performed on the vector.
また、上述の各シーケンス図の動作は、適宜組み合わせて実現することも可能である。 Further, the operations in each of the sequence diagrams described above can be realized by appropriately combining them.
また、上述の実施形態の各機能は、一または複数の処理回路によって実現することが可能である。ここで、「処理回路」とは、電子回路により実装されるプロセッサのようにソフトウェアによって各機能を実行するようプログラミングされたプロセッサや、上述した各機能を実行するよう設計されたASIC(Application Specific Integrated Circuit)、DSP(Digital Signal Processor)、FPGA(Field-Programmable Gate Array)、SoC(System on a Chip)、GPU(Graphics Processing Unit)や従来の回路モジュール等のデバイスを含むものとする。 Moreover, each function of the above-described embodiments can be realized by one or more processing circuits. Here, the term "processing circuit" refers to a processor that is programmed to execute each function using software, such as a processor implemented using an electronic circuit, or an ASIC (Application Specific Integrated Circuit), DSP (Digital Signal Processor), FPGA (Field-Programmable Gate Array), SoC (System on a Chip), GPU (Graphics Processing) It shall include devices such as units) and conventional circuit modules.
また、上述の実施形態の情報処理装置10で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでCD-ROM(Compact Disc Read Only Memory)、フレキシブルディスク(FD)、CD-R(Compact Disk-Recordable)、DVD(Digital Versatile Disk)等のコンピュータで読み取り可能な記録媒体に記録してコンピュータ・プログラム・プロダクトとして提供するように構成してもよい。
Furthermore, the programs executed by the
また、上述の実施形態の情報処理装置10で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、上述の実施形態の情報処理装置10で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。
Further, the program executed by the
また、上述の実施形態の情報処理装置10で実行されるプログラムは、上述した各機能部を含むモジュール構成となっており、実際のハードウェアとしてはCPU(プロセッサ)が上述のROMからプログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、各部が主記憶装置上に生成されるようになっている。
In addition, the program executed by the
1 異常監視システム
2 ネットワーク
10 情報処理装置
11 通信部
12 ログ情報取得部
13 ベクトル情報生成部
14 類似度演算部
15 ベクトル情報加減算演算部
16 機能ベクトル制御部
17 機種ベクトル制御部
18 イベントヒストグラム制御部
19 固定ロジック制御部
20 結果表示制御部
21 類似情報一覧表示制御部
22 故障予測制御部
23 影響度算出部
24 イベントヒストグラム加減算演算部
25 外部連携制御部
26 設定部
27 記憶部
28 操作入力部
50、50a~50c 対象機器
101 CPU
102 ROM
103 RAM
104 通信I/F
105 センサI/F
106 入出力I/F
107 入力装置
108 ディスプレイ
109 補助記憶装置
110 バス
501 新規ログ
511a~511c 過去ログ
521 解析対象ログ
522 コピージョブログ
523 省エネ移行拒絶ログ
531 評価対象機能ログ
532 想定機能ログ
533 想定外機能ログ
541 機種Aログ
542 機種Bログ
543 機種差分ログ
551 評価対象機能ログ
552 新機能ログ
553 過去障害ログ
1000 デバッグログ組み合わせ設定画面
1001 優先度設定ボタン
1002 ログ組み合わせ数上限設定ボックス
1003 ログ組み合わせ数下限設定ボックス
1004 新規ログ組み合わせ数判定手段登録ボタン
1011 決定ボタン
1012 キャンセルボタン
1200 デバッグログ閾値設定画面
1201 一次判断閾値設定ボックス
1202 二次判断閾値設定ボックス
1203 優先判断閾値設定ボックス
1211 決定ボタン
1212 キャンセルボタン
1
102 ROM
103 RAM
104 Communication I/F
105 Sensor I/F
106 Input/output I/F
107
Claims (23)
対象機器の動作ログを取得する取得手段と、
前記取得手段により取得された前記動作ログを示す分散表現の第1ベクトルを生成する生成手段と、
前記第1ベクトルと、予め準備されている辞書データに基づく分散表現の第2ベクトルとの間で加算および減算の少なくともいずれかを行って第3ベクトルを求める加減算手段と、
前記第3ベクトルと、予め準備されている辞書データに基づく分散表現のベクトルとの類似度を演算する演算手段と、
して機能させるための情報処理プログラム。 to the computer,
an acquisition means for acquiring operation logs of the target device;
generation means for generating a first vector of a distributed representation indicating the operation log acquired by the acquisition means;
Addition and subtraction means for performing at least one of addition and subtraction between the first vector and a second vector of distributed representation based on dictionary data prepared in advance to obtain a third vector;
Calculating means for calculating the degree of similarity between the third vector and a distributed expression vector based on dictionary data prepared in advance ;
An information processing program that makes it work.
前記動作ログの各行から周辺の行を予測するための埋め込み行列を学習し、
前記埋め込み行列に基づいて前記第1ベクトルを生成する請求項1に記載の情報処理プログラム。 The generating means is
Learning an embedding matrix for predicting surrounding rows from each row of the action log,
The information processing program according to claim 1, wherein the first vector is generated based on the embedding matrix.
前記類似度が前記第1閾値以下であり、かつ前記第2閾値より大きい場合、前記ロジック制御手段による判断結果を表示させる、If the similarity is less than or equal to the first threshold and greater than the second threshold, displaying the determination result by the logic control means;
結果表示手段をさらに備えた請求項6に記載の情報処理プログラム。The information processing program according to claim 6, further comprising result display means.
前記加減算手段は、さらに、前記作成手段により作成された前記ヒストグラムについて加算および減算の少なくともいずれかを行い、
前記演算手段は、さらに、前記加減算手段による加減算後のヒストグラムと、前記辞書データとしてのヒストグラムとの類似度を演算する請求項1~12のいずれか一項に記載の情報処理プログラム。 Further comprising a creation means for creating a histogram from the number of output lines per unit time of the operation log,
The addition/subtraction means further performs at least one of addition and subtraction on the histogram created by the creation means,
13. The information processing program according to claim 1, wherein the calculation means further calculates the degree of similarity between the histogram after addition and subtraction by the addition and subtraction means and the histogram as the dictionary data .
前記取得手段により取得された前記動作ログを示す分散表現の第1ベクトルを生成する生成手段と、generation means for generating a first vector of a distributed representation indicating the operation log acquired by the acquisition means;
前記第1ベクトルと、予め準備されている辞書データに基づく分散表現の第2ベクトルとの間で加算および減算の少なくともいずれかを行って第3ベクトルを求める加減算手段と、Addition and subtraction means for performing at least one of addition and subtraction between the first vector and a second vector of distributed representation based on dictionary data prepared in advance to obtain a third vector;
前記第3ベクトルと、予め準備されている辞書データに基づく分散表現のベクトルとの類似度を演算する演算手段と、Calculating means for calculating the degree of similarity between the third vector and a distributed expression vector based on dictionary data prepared in advance;
を備える情報処理装置。An information processing device comprising:
対象機器の動作ログを取得する取得手段と、an acquisition means for acquiring operation logs of the target device;
前記取得手段により取得された前記動作ログを示す分散表現の第1ベクトルを生成する生成手段と、generation means for generating a first vector of a distributed representation indicating the operation log acquired by the acquisition means;
前記第1ベクトルと、予め準備されている辞書データに基づく分散表現の第2ベクトルとの間で加算および減算の少なくともいずれかを行って第3ベクトルを求める加減算手段と、Addition and subtraction means for performing at least one of addition and subtraction between the first vector and a second vector of distributed representation based on dictionary data prepared in advance to obtain a third vector;
前記第3ベクトルと、予め準備されている辞書データに基づく分散表現のベクトルとの類似度を演算する演算手段と、Calculating means for calculating the degree of similarity between the third vector and a distributed expression vector based on dictionary data prepared in advance;
して機能させるための情報処理プログラムを記録したコンピュータ読み取り可能な記録媒体。A computer-readable recording medium that records an information processing program for operating the computer.
前記対象機器は、動作ログを生成して、前記情報処理装置に送信し、The target device generates an operation log and transmits it to the information processing device,
前記情報処理装置は、The information processing device includes:
前記対象機器から送信された前記動作ログを取得する取得手段と、acquisition means for acquiring the operation log transmitted from the target device;
前記取得手段により取得された前記動作ログを示す分散表現の第1ベクトルを生成する生成手段と、generation means for generating a first vector of a distributed representation indicating the operation log acquired by the acquisition means;
前記第1ベクトルと、予め準備されている辞書データに基づく分散表現の第2ベクトルとの間で加算および減算の少なくともいずれかを行って第3ベクトルを求める加減算手段と、Addition and subtraction means for performing at least one of addition and subtraction between the first vector and a second vector of distributed representation based on dictionary data prepared in advance to obtain a third vector;
前記第3ベクトルと、予め準備されている辞書データに基づく分散表現のベクトルとの類似度を演算する演算手段と、Calculating means for calculating the degree of similarity between the third vector and a distributed expression vector based on dictionary data prepared in advance;
を備える、情報処理システム。An information processing system comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019209098A JP7392415B2 (en) | 2019-11-19 | 2019-11-19 | Information processing program, information processing device, computer readable recording medium, and information processing system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019209098A JP7392415B2 (en) | 2019-11-19 | 2019-11-19 | Information processing program, information processing device, computer readable recording medium, and information processing system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021082018A JP2021082018A (en) | 2021-05-27 |
JP7392415B2 true JP7392415B2 (en) | 2023-12-06 |
Family
ID=75965298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019209098A Active JP7392415B2 (en) | 2019-11-19 | 2019-11-19 | Information processing program, information processing device, computer readable recording medium, and information processing system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7392415B2 (en) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015164005A (en) | 2014-02-28 | 2015-09-10 | 三菱重工業株式会社 | Monitoring apparatus, monitoring method, and program |
JP2017111479A (en) | 2015-12-14 | 2017-06-22 | 日本放送協会 | Advertisement text selection device and program |
JP2019057139A (en) | 2017-09-21 | 2019-04-11 | 日本電気株式会社 | Operation management system, monitoring server, method and program |
JP2019159729A (en) | 2018-03-12 | 2019-09-19 | 株式会社リコー | Failure prediction system |
-
2019
- 2019-11-19 JP JP2019209098A patent/JP7392415B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015164005A (en) | 2014-02-28 | 2015-09-10 | 三菱重工業株式会社 | Monitoring apparatus, monitoring method, and program |
JP2017111479A (en) | 2015-12-14 | 2017-06-22 | 日本放送協会 | Advertisement text selection device and program |
JP2019057139A (en) | 2017-09-21 | 2019-04-11 | 日本電気株式会社 | Operation management system, monitoring server, method and program |
JP2019159729A (en) | 2018-03-12 | 2019-09-19 | 株式会社リコー | Failure prediction system |
Also Published As
Publication number | Publication date |
---|---|
JP2021082018A (en) | 2021-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6643211B2 (en) | Anomaly detection system and anomaly detection method | |
JP6693938B2 (en) | Appearance inspection device | |
JP2022037241A (en) | Abnormality detection system, abnormality detection method, abnormality detection program, and method for generating learned model | |
KR102101050B1 (en) | Predicting software build errors | |
JP2019185422A (en) | Failure prediction method, failure prediction device, and failure prediction program | |
CN109918690B (en) | Monitoring system, learning device, learning method, monitoring device, and monitoring method | |
CN106708738B (en) | Software test defect prediction method and system | |
JP2018180759A (en) | System analysis system and system analysis method | |
JP2012226511A (en) | Yield prediction system and yield prediction program | |
CN112633461B (en) | Application assistance system and method, and computer-readable recording medium | |
KR102073810B1 (en) | Method and system for predicting the failure of naval ship propulsion system using machine learning | |
CN111859047A (en) | Fault solving method and device | |
JP5061744B2 (en) | Situation analysis system and situation analysis method | |
CN113687972A (en) | Method, device and equipment for processing abnormal data of business system and storage medium | |
JP2011175504A (en) | Event prediction system, event prediction method, and computer program | |
Murillo-Morera et al. | An automated defect prediction framework using genetic algorithms: A validation of empirical studies | |
JP7392415B2 (en) | Information processing program, information processing device, computer readable recording medium, and information processing system | |
JP6161367B2 (en) | Information processing apparatus, information processing method, and program | |
Zhang et al. | Predicting consistent clone change | |
JP2007164346A (en) | Decision tree changing method, abnormality determination method, and program | |
US11372741B2 (en) | Information processing apparatus configured to perform debug analysis based on a distributed representation vector for lines of a debug log, method, and non-transitory recording medium | |
JP6579163B2 (en) | Process condition diagnosis method and condition diagnosis apparatus | |
JP6885321B2 (en) | Process status diagnosis method and status diagnosis device | |
Thongkum et al. | Design flaws prediction for impact on software maintainability using extreme learning machine | |
US8594963B2 (en) | In-line inspection yield prediction system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220914 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231017 |
|
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: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231106 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7392415 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |