JP2015164005A - 監視装置、監視方法及びプログラム - Google Patents

Abstract

【課題】処理や構成が複雑なシステムで発生する障害を精度よく予測する。【解決手段】一つ以上の構成機器を有するシステムを監視する監視装置１は、構成機器２Ａ、２Ｂ、・・・が出力するログ情報を取得するログ情報取得部１０と、ログ情報に基づいて複数種類の数値からなる特徴ベクトルを抽出する特徴ベクトル抽出部１１と、上記システムで発生した障害についての障害情報の入力を受け付ける障害情報入力部１３と、障害の発生の所定時間前から当該障害の発生時までに取得されていたログ情報に基づいて抽出された障害時特徴ベクトルと、当該障害についての障害情報と、を関連付けて記憶する障害情報処理部１４と、システムの通常稼働時に取得されるログ情報に基づいて抽出された通常時特徴ベクトルが、障害時特徴ベクトルの何れに類似するかの判断に基づいて、システムで発生する障害を予測する障害予測部と、を備える。【選択図】図１

Description

本発明は、監視装置、監視方法及びプログラムに関する。

近年の社会インフラシステムは、複数の構成機器が互いに情報を送受信しながら連携することで様々な機能を発揮する形態が一般化し、システム全体としての機能の高度化及び構成の複雑化が進んでいる。これに伴い、当該システムの保守、修繕作業においても点検項目の増加や高度化・複雑化が進み、運営者の負担を増大させている。さらに、保守、修繕作業に要する時間が増加することで、システム全体の稼働率を低下させる要因にもなっている。

一方、所定の機器は、自己が行った処理の内容やその日時等をログ情報として記録し、蓄積する機能を備えている。当該機器の保守作業員等は、例えば、当該機器の処理に障害が発生した際、そのログ情報を参照して分析することで、障害の原因や対策を特定している。

また、ある機器の稼働状況を示す特定の数値（例えば、ある検知信号の単位時間当たりの通信回数や通信リトライ回数等）の変動傾向と、過去に発生した故障（障害）と、を関連付けて記憶するとともに、稼働中においてログ情報として記録される当該数値の変動を監視することで故障の予兆を検出し、故障発生を予測する技術が考案されている（例えば、特許文献１参照）。
このような監視方法によれば、障害の発生を事前に予測でき、障害発生前に対策を講じることができるため、保守作業員等の負担を軽減するとともに機器の稼働率を向上させることができる。

特開２０１２−１４７０４９号公報

しかしながら、上述したように機能構成の高度化・複雑化が進んだ社会インフラシステムにおいては、当該システムにおいて発生し得る障害も多様化しているため、ログ情報における特定の数値のみを追跡するのみでは、障害の実態を正確に把握することが難しい。
その一方で、システムの構成機器の数及び各々の間で送受信される情報量が増加し、これに伴って各々の構成機器において記録されるログ情報も膨大なものとなっている。このような膨大なログ情報の中から障害の実態を精度よく把握するのに必要な数値を個別に抽出しながら障害の解析を行うのは現実的ではない。

本発明は、上記課題に鑑みてなされたものであって、処理や構成が複雑なシステムにおいても、当該システムで発生する障害を精度よく予測することができる監視装置、監視方法及びプログラムを提供することを目的とする。

上記問題を解決するために、本発明に係る一態様は、少なくとも一つの構成機器を有するシステムを監視する監視装置であって、前記構成機器が出力するログ情報を取得するログ情報取得部と、前記ログ情報に基づいて複数種類の数値からなる特徴ベクトルを抽出する特徴ベクトル抽出部と、前記システムで発生した障害についての障害情報の入力を受け付ける障害情報入力部と、前記特徴ベクトルのうち前記障害の発生の所定時間前から当該障害の発生時までに取得されていたログ情報に基づいて抽出された障害時特徴ベクトルと、当該障害についての障害情報と、を関連付けて記憶する障害情報処理部と、前記特徴ベクトルのうち前記システムの通常稼働時に取得されるログ情報に基づいて抽出された通常時特徴ベクトルが、前記障害時特徴ベクトルの何れに類似するかの判断に基づいて、前記システムで発生する障害を予測する障害予測部と、を備える監視装置である。

また、本発明に係る一態様は、上述の監視装置において、前記障害予測部が、前記通常時特徴ベクトル及び前記障害時特徴ベクトルに含まれる数値の各々の差から算出される相違度を算出し、当該相違度に基づいて、前記通常時特徴ベクトルが前記障害時特徴ベクトルの何れに類似するかを判断することを特徴とする。

また、本発明に係る一態様は、上述の監視装置において、前記障害予測部が、仮想空間内において、前記特徴ベクトルに含まれる数値により一意に定まる重心位置の比較に基づいて、前記通常時特徴ベクトルが前記障害時特徴ベクトルの何れに類似するかを判断することを特徴とする。

また、本発明に係る一態様は、上述の監視装置において、前記障害予測部が、前記特徴ベクトルに含まれる数値のうち特定の障害と関連性が高い特徴値同士の比較に基づいて、前記通常時特徴ベクトルが前記障害時特徴ベクトルの何れに類似するかを判断することを特徴とする。

また、本発明に係る一態様は、上述の監視装置において、複数の通常時特徴ベクトルに含まれる数値ごとの平均値からなる平均特徴ベクトルを算出する平均特徴ベクトル算出部を備え、前記障害予測部は、前記通常時特徴ベクトルが前記障害時特徴ベクトルよりも前記平均特徴ベクトルに類似すると判断した場合に、前記システムは健全に稼働していると判定することを特徴とする。

また、本発明に係る一態様は、上述の監視装置において、前記障害予測部が、前記通常時特徴ベクトルが前記障害時特徴ベクトルまたは前記平均特徴ベクトルのいずれにも類似しないと判断した場合に、前記システムにおいて未知の障害の予兆があると判定することを特徴とする。

また、本発明に係る一態様は、上述の監視装置において、前記システムが、前記構成機器を二つ以上有し、前記特徴ベクトル抽出部は、二つ以上の前記構成機器の間において行われる処理を示すログ情報に基づいて前記特徴ベクトルを抽出することを特徴とする。

また、本発明に係る一態様は、上述の監視装置において、前記特徴ベクトルを構成する数値の種別の指定を受け付ける数値指定受付部を備え、前記特徴ベクトル抽出部は、当該指定を受け付けた際に、当該指定された種別の数値を含む特徴ベクトルを、前記ログ情報から再抽出することを特徴とする。

また、本発明に係る一態様は、少なくとも一つの構成機器を有するシステムの監視方法であって、ログ情報取得部が、前記構成機器が出力するログ情報の入力を受け付け、特徴ベクトル抽出部が、前記ログ情報に基づいて複数種類の数値からなる特徴ベクトルを抽出し、障害情報入力部が、前記システムで発生した障害についての障害情報の入力を受け付け、障害情報処理部が、前記特徴ベクトルのうち前記障害の発生の所定時間前から当該障害の発生時までに取得されていたログ情報に基づいて抽出された障害時特徴ベクトルと、当該障害についての障害情報と、を関連付けて記憶し、障害予測部が、前記特徴ベクトルのうち前記システムの通常稼働時に取得されるログ情報に基づいて抽出された通常時特徴ベクトルが、前記障害時特徴ベクトルの何れに類似するかの判断に基づいて、前記システムで発生する障害を予測することを特徴とする監視方法である。

また、本発明に係る一態様は、少なくとも一つの構成機器を有するシステムを監視する監視装置のコンピュータを、前記構成機器が出力するログ情報の入力を受け付けるログ情報入力手段、前記ログ情報に基づいて複数種類の数値からなる特徴ベクトルを抽出する特徴ベクトル抽出手段、前記システムで発生した障害についての障害情報の入力を受け付ける障害情報入力手段、前記特徴ベクトルのうち前記障害の発生の所定時間前から当該障害の発生時までに取得されていたログ情報に基づいて抽出された障害時特徴ベクトルと、当該障害についての障害情報と、を関連付けて記憶する障害情報処理手段、前記特徴ベクトルのうち前記システムの通常稼働時に取得されるログ情報に基づいて抽出された通常時特徴ベクトルが、前記障害時特徴ベクトルの何れに類似するかの判断に基づいて、前記システムで発生する障害を予測する障害予測手段、として機能させるプログラムである。

上述の監視装置、監視方法及びプログラムによれば、処理や構成が複雑なシステムにおいても、当該システムで発生する障害を精度よく予測することができる。

第１の実施形態に係る監視装置の機能構成を示す図である。 第１の実施形態に係る特徴ベクトル抽出部の処理の例を説明する図である。 第１の実施形態に係る障害情報処理部の機能を説明する図である。 第１の実施形態に係る障害予測部の機能を説明する図である。 第１の実施形態に係る障害予測部における類否判断の例を説明する図である。 第１の実施形態に係る障害予測部の処理フローを示すフローチャート図である。 第２の実施形態に係る監視装置が監視対象とする料金収受システムの構成を示す図である。 第２の実施形態に係る特徴ベクトル抽出部の処理の例を説明する図である。 第２の実施形態に係る障害情報データベースに蓄積されている障害情報の例を示す図である。 第２の実施形態に係るログ情報データベースに蓄積されている特徴ベクトルの例を示す図である。 第２の実施形態に係る障害予測部における類否判断の例を説明する図である。 第２の実施形態の変形例に係る障害予測部における類否判断の例を説明する図である。 第２の実施形態の変形例に係る障害予測部における通知処理の例を説明する図である。

＜第１の実施形態＞
以下、第１の実施形態に係る監視装置を、図面を参照して説明する。
図１は、第１の実施形態に係る監視装置の機能構成を示す図である。
本実施形態に係る監視装置１は、例として、有料道路等に設けられる料金収受システムを監視する場合を説明する。

図１に示すように、料金収受システム２は、複数の構成機器２Ａ、２Ｂ、２Ｃ、・・・を有している。複数の構成機器２Ａ、２Ｂ、・・・は、例えば、料金収受機械、車両分離器、発進制御機、或いは、電子料金収受システム（ＥＴＣ：Electronic Toll Collection（登録商標））を構成する無線通信装置や車線サーバ等である。構成機器２Ａ、２Ｂ、・・・は、互いに情報の送受信を行いながら各々が連携して動作する。
例えば、車両分離器により車両の進入が検知されると、当該検知情報に基づいて、料金収受機械が通行券を発行する。また、当該料金収受機械において通行券が取得されたことが検知されると、当該検知情報に基づいて、発進制御機の開閉バーが開かれる。このように、料金収受システムは、様々な装置がリアルタイムで情報通信を行いながら互いの処理動作を連携する。また、各構成機器２Ａ、２Ｂ、・・・は、各々が実施する処理や情報の送受信の日時及びその内容をログ情報として定常的に記録し、蓄積している。
後述するように、本実施形態に係る監視装置１は、料金収受システム２を監視の対象とし、各構成機器２Ａ、２Ｂ、・・・が記録するログ情報を取得する。なお、本実施形態に係る監視装置１は、同一の構成機器からなる複数の料金収受システム２が設置された料金所に設けられ、その各々からログ情報を取得して、当該複数の料金収受システム２毎に、ログ情報に基づく監視処理を行う。

本実施形態に係る監視装置１は、ログ情報取得部１０、特徴ベクトル抽出部１１、ログ情報データベース（ＤＢ）１２、障害情報入力部１３、障害情報処理部１４、障害情報データベース（ＤＢ）１５及び障害予測部１６を備えている。

図１に示すように、ログ情報取得部１０は、料金収受システム２の稼働中において各構成機器２Ａ、２Ｂ、・・・が出力するログ情報を取得する。ここで、構成機器２Ａ、２Ｂ、・・・の各々が出力するログ情報とは、具体的には、構成機器２Ａ、２Ｂ、・・・各々の処理や他の構成機器との通信が行われる度にその内容及び日時等が符号化された文字情報（テキストデータ）又は数値情報（バイナリデータ）である。ログ情報取得部１０は、このような文字情報として出力されるログ情報を構成機器２Ａ、２Ｂ、・・・から逐次受け付ける。
なお、料金収受システム２が複数存在する場合は、取得したログ情報を、各料金収受システム２を識別する識別情報と関連付ける処理を行ってもよい。取得するログ情報を料金収受システム２ごとに識別することで、監視装置１は、複数の料金収受システム２各々について同時並列的に監視処理を行うことができる。

特徴ベクトル抽出部１１は、ログ情報取得部１０が取得したログ情報に基づいて、料金収受システム２の稼働状況を表す複数種類の数値（特徴量）の組み合わせからなる特徴ベクトルを抽出する。
例えば、特徴ベクトル抽出部１１は、ログ情報のうちある構成機器間で行われた特定の通信処理ｃについての記録を抽出し、所定の期間（例えば、直近の一週間）中に発生した当該特定の通信処理ｃにおける通信リトライ回数や通信データ量を数値として取得する。さらに、特徴ベクトル抽出部１１は、各々の数値を、当該数値ごとに定められる平均値や標準偏差等に基づいて正規化する処理を行う。このようにすることで、異なる種類の数値の大小や増減を同一の尺度で表現することができる。特徴ベクトル抽出部１１は、ログ情報及びそのログ情報から抽出した特徴ベクトルをログ情報データベース１２に記憶して蓄積する。
また、本実施形態に係る特徴ベクトル抽出部１１は、料金収受システム２の通常稼働時における複数のログ情報から平均特徴ベクトルを算出する平均特徴ベクトル算出部１１０を備えている。この平均特徴ベクトル算出部１１０については後述する。
なお、上述の変形例として、特徴ベクトル抽出部１１は、ログ情報に記録された情報以外の情報、例えば、天候や温度、湿度等の入力を受け付けてもよい。そして、特徴ベクトル抽出部１１は、ログ情報に基づく特徴ベクトルの抽出に際し、当該温度や湿度の依存性が高い数値について数値の補正を行う補正部を備えていてもよい。

障害情報入力部１３は、例えば、料金収受システム２において障害が発生した際、保守作業員の保守・修繕作業において特定された障害についての情報の入力を受け付ける。例えば、障害情報入力部１３は、発生した障害の構成機器名、製造番号、日時、障害の原因等、発生した障害を分類するために必要な情報の入力を受け付ける。

障害情報処理部１４は、障害が発生した際に特徴ベクトル抽出部１１により抽出されていた特徴ベクトル（障害時特徴ベクトル）と、その障害についての障害情報と、を関連付けながら障害情報データベース１５に記憶、蓄積する。具体的には、障害情報処理部１４は、保守作業員等により入力された障害発生日時を参照して、その障害発生の直前の所定時間前（例えば、一週間前）から障害発生時までに取得されていたログ情報に基づいて抽出された障害時特徴ベクトルを、その障害についての障害情報と関連付ける。
障害情報処理部１４は、関連付けた障害時特徴ベクトルと障害情報とを障害データベース１５に記憶して蓄積する。この際、障害情報処理部１４は、入力された障害情報のうち、障害が発生した構成機器名や型番、障害の原因等の情報に基づいて、特定の障害区分（カテゴリ）に分類しながら記憶する。このようにすることで、料金収受システム２において新たに発生した障害が過去に発生した障害と同一のものと判断される場合には、障害情報データベース１５において、当該新たな障害に紐づいた障害時特徴ベクトルが同一の障害区分に分類されながら蓄積される。

障害予測部１６は、特徴ベクトルのうち料金収受システム２の通常稼働時に取得されるログ情報に基づいて抽出された特徴ベクトル（通常時特徴ベクトル）が、障害時特徴ベクトルの何れに類似するかの判断に基づいて、料金収受システム２で発生する障害を予測する。障害予測部１６の具体的な処理内容については後述する。

図２は、第１の実施形態に係る特徴ベクトル抽出部の処理の例を説明する図である。
例として、特徴ベクトル抽出部１１は、料金収受システム２の特徴ベクトルとして、構成機器の一つ（構成機器２Ａとする）である「中継通信機器（ルーター）」が出力するログ情報に基づき、図２に示すような１２個の数値（特徴量）からなる特徴ベクトルを抽出する。ここで、数値Ｐ１、Ｐ２、・・・、Ｐ１２は、中継通信機器（構成機器２Ａ）と他の構成機器各々との間における通信状況の特徴や傾向を示すものとして選択された数値群（通信の頻度、通信リトライ回数、通信データ量等）である。数値Ｐ４は、例えば、構成機器Ｂとの間で行われる所定の通信処理ｃの通信リトライ回数、数値Ｐ１０は、当該通信処理ｃの通信データ量である。

通信の頻度、通信リトライ回数や通信データ量等は、数値としての単位やスケールが各々異なる。例えば、同じ「通信の頻度」であっても、通常稼働時において一日に数十回と行われる通信処理もあれば、数日に１回のみ行われる通信処理もある。このため、特徴ベクトル抽出部１１（後述する平均特徴ベクトル算出部１１０）は、特徴ベクトルを構成するものとして選択された１２個の数値各々についての平均値μや標準偏差σ等を、過去に取得されたログ情報や他の料金収受システム２についてのログ情報等から算出し、当該平均値μ、標準偏差σ等に基づいた正規化処理を行う。これにより、図２に示すように、抽出された特徴ベクトルにおいて、当該特徴ベクトルを構成する数値ごとの大小または増減を同一の尺度で比較可能とすることができる。
例えば、特徴ベクトル抽出部１１は、数値Ｐ４（通信処理ｃの通信リトライ回数）、数値Ｐ１０（通信処理ｃの通信データ量）がいずれも正規分布に従うものとして、図２における「５０」を平均値μ、「０」及び「１００」が各々−３σ、＋３σ等に相当するようにその尺度を設定する。
なお、上述した正規化処理は、一例であって、選択された数値によっては他の統計分布に従うものもある。この場合、特徴ベクトル抽出部１１は、数値ごとに適切な統計分布に基づいた正規化処理を行う。

上述の処理において、具体的には、本実施形態に係る特徴ベクトル抽出部１１は、平均特徴ベクトル算出部１１０を備えている。平均特徴ベクトル算出部１１０は、通常稼働中の複数の料金収受システム２のログ情報から、過去から現在にかけて定期的、または不定期に抽出された複数の通常時特徴ベクトルからその数値Ｐ１、Ｐ２、・・・ごとの平均値μ等を算出する。すなわち、本実施形態においては、数値Ｐ１、Ｐ２、・・・ごとの平均値μや標準偏差σは、予め設定された固定値ではなく、通常稼働中の複数の料金収受システム２におけるログ情報から動的に算出され、常時更新される。平均特徴ベクトル算出部１１０は、数値Ｐ１、Ｐ２、・・・ごとの平均値μからなる平均特徴ベクトルＶａをログ情報データベース１２に記憶して更新する処理を行う。
なお、平均特徴ベクトル算出部１１０は、平均値μを算出するにあたって参照する複数の通常時特徴ベクトルの各数値Ｐ１、Ｐ２、・・・のうち明らかな異常値については棄却判定を行い、平均値μ等の算出処理に含まないものとしてもよい。

図３は、第１の実施形態に係る障害情報処理部の機能を説明する図である。
上述したように、障害情報処理部１４は、障害時特徴ベクトルと、その障害についての障害情報と、を関連付けながら障害情報データベース１５に記憶、蓄積する。
具体的には、まず、料金収受システム２の運用中に障害が発生し、その修繕作業が行われた際、或いは、料金収受システム２の定期点検や特別点検（料金所からの依頼により非定期に行われる点検）を通じて障害が認められた際、保守作業員が障害情報入力部１３を通じて、その障害の内容を示す障害情報を入力する。このとき、障害情報処理部１４は、入力される障害情報に基づいて、発生した障害を所定の区分に分類しながら記憶する。具体的には、図３に示すように、発生した障害は、障害の区分として、障害Ａ、障害Ｂ、障害Ｃ、・・・等と分類される。例として、障害情報処理部１４は、図３に示すように、構成機器２Ａ（中継通信機器）の全体制御を司るプロセッサ部品に故障が発生していた場合を「障害Ａ」、通信用のコネクタケーブルの劣化により引き起こされる通信回線品質が生じていた場合を「障害Ｂ」、通信制御用ＩＣ部品に故障が発生していた場合を「障害Ｃ」等と分類する。

また、障害情報処理部１４は、入力された障害情報のうち障害発生日時を参照して、障害発生直前の所定期間（例えば一週間）に取得されたログ情報に基づいて抽出された特徴ベクトル（障害時特徴ベクトル）を取得する。ここで、障害情報処理部１４は、継続的にログ情報及びそのログ情報から抽出された特徴ベクトルが蓄積されているログ情報データベース１２から、該当する期間内に取得されたログ情報及びそのログ情報から抽出された特徴ベクトルを参照する。このようにすることで、障害情報処理部１４は、発生した障害の区分（障害Ａ、障害Ｂ、障害Ｃ、・・・）ごとに、その発生直前の料金収受システム２の状況を表す障害時特徴ベクトルＶｓ１、Ｖｓ２、Ｖｓ３、・・・（図３参照）を対応付けることができる。
以上のようにして、障害情報データベース１５には、図３に示すような障害情報と障害時特徴ベクトルとが関連付けられた情報群が蓄積される。

ここで、発生した障害（障害Ａ、障害Ｂ、障害Ｃ）と、その障害時特徴ベクトルＶｓ１、Ｖｓ２、Ｖｓ３の例（図３）について説明する。
障害Ａの発生直前の状態を示す障害時特徴ベクトルＶｓ１は、全体的に小さいチャートとなっている。ここで、障害Ａにおいては、該当する構成機器２Ａ（中継通信機器）の全体制御を司るプロセッサ部品の故障が発生していた。したがって、構成機器２Ａにおいて通信処理が行われる頻度が低下し、通信リトライ回数（数値Ｐ４）、通信データ量（数値Ｐ１０）をはじめ、その他の通信に関する数値も小さくなっている。

障害Ｂの発生直前の状態を示す障害時特徴ベクトルＶｓ２は、全体的に大きいチャートとなっている。障害Ｂにおいては、該当する構成機器２Ａにおいて、通信用のコネクタケーブルが劣化したことに起因して通信回線品質が低下していた。その結果、通信リトライ回数（数値Ｐ４）が増大し、それに伴い通信データ量（数値Ｐ１０）も増大している。

障害Ｃの発生直前の状態を示す障害時特徴ベクトルＶｓ３は、全体的に右寄りのチャートとなっている。障害Ｃにおいては、当該する構成機器２Ａにおいて、通信制御用ＩＣ部品に故障が発生していた。その結果、通信リトライ回数（数値Ｐ４）は増大しているが、情報の送受そのものの失敗の頻度が増加したため、通信データ量（数値Ｐ１０）は減少している。

図４は、第１の実施形態に係る障害予測部の機能を説明する図である。
上述したように、障害予測部１６は、料金収受システム２の通常稼働時に取得されるログ情報に基づいて抽出された通常時特徴ベクトルが、障害情報データベース１５に蓄積された障害時特徴ベクトルの何れに類似するかの判断を行う。具体的には、障害予測部１６は、料金収受システム２の通常稼働時において定期的（例えば一週間ごと）にログ情報データベース１２にアクセスし、通常稼働時における当該定期期間内に蓄積されたログ情報に基づく特徴ベクトル（通常時特徴ベクトル）を参照する。
例えば、障害予測部１６は、ログ情報データベース１２を参照して、料金所の走行レーンごと（走行レーンＸ１、Ｘ２、Ｘ３、・・・）に設置された複数の料金収受システム２の各々に基づいて抽出された通常時特徴ベクトルＶ１、Ｖ２、Ｖ３、・・・（図４参照）を取得する。

さらに、障害予測部１６は、ここで取得した通常時特徴ベクトルＶ１、Ｖ２、Ｖ３、・・・と、障害情報データベース１５に蓄積された障害時特徴ベクトルと、を対比させて、通常時特徴ベクトルＶ１等が障害時特徴ベクトル何れに類似するか否かの判断に基づいて、料金収受システム２において以後発生する障害を予測する。
例えば、通常時特徴ベクトルＶ１は、数値Ｐ１〜Ｐ１２の各数値全てがほぼ平均値μに近い状態であり、障害予測部１６は、障害時特徴ベクトルＶｓ１、Ｖｓ２、Ｖｓ３（図３）には類似しないと判断する。よって、通常時特徴ベクトルＶ１が取得された料金収受システム２は、現時点において障害の予兆がなく、健全な状態にあると推測される。

一方、通常時特徴ベクトルＶ２は、全体としてややチャートが広がった傾向が見受けられる。したがって、障害予測部１６は、この通常時特徴ベクトルＶ２が障害時特徴ベクトルＶｓ２（障害Ｂのチャート）に類似すると判断する。そして、障害予測部１６は、通常時特徴ベクトルＶ２が取得された料金収受システム２に対し、今後の稼働において障害Ｂが発生するものと予測する。この予測により、保守作業員等は、この料金収受システム２に対しては、構成機器２Ａ（中継通信機器）の通信用コネクタケーブルを重点的に点検する必要がある、と判断することができる。

また、通常時特徴ベクトルＶ３は、全体的に平均よりやや右寄りのチャートとなっている。したがって、障害予測部１６は、この通常時特徴ベクトルＶ３が障害時特徴ベクトルＶｓ３（障害Ｃのチャート）に類似すると判断する。そして、障害予測部１６は、この通常時特徴ベクトルＶ３が取得された料金収受システム２は、今後、障害Ｃが発生する可能性があると予測する。保守作業員等は、この予測結果を受けて、当該料金収受システム２の通信制御用ＩＣ部品を点検する必要がある、と判断することができる。

図５は、第１の実施形態に係る障害予測部における類否判断の例を説明する図である。
障害予測部１６は、通常時特徴ベクトルＶ１、Ｖ２、・・・及び障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・に含まれる数値（数値Ｐ１、Ｐ２、・・・）の各々の差から算出される相違度Ｄを算出し、当該相違度Ｄに基づいて、通常時特徴ベクトルＶ１、Ｖ２、・・・と、障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・との対比を行う。
ここで、相違度Ｄは、例えば、対比する特徴ベクトルに含まれる数値Ｐ１、Ｐ２、・・・ごとの差の絶対値の平均値である。具体的には、２つの特徴ベクトルの数値Ｐｎについての差の絶対値を｜ΔＰｎ｜で表すと、相違度Ｄ＝（｜ΔＰ１｜＋｜ΔＰ２｜＋・・・＋｜ΔＰ１２｜）／１２となる。なお、相違度Ｄの算出手法はこれに限定されず、例えば、各特徴ベクトルに含まれる数値ごとの差の二乗和の平方根により求められる値であってもよい。
障害予測部１６は、この相違度Ｄが低いほど、２つの特徴ベクトルは類似していると判断する。

例として、図５上段に示すように、上述の相違度Ｄに基づく対比の結果、料金所の走行レーンＸ１に設置された料金収受システム２の通常時特徴ベクトルＶ１は、現段階において平均特徴ベクトルＶａに最も類似していた（ＲＡＮＫ１であった）とする。ここで、平均特徴ベクトルＶａは、平均特徴ベクトル算出部１１０が算出した特徴ベクトルであって、特徴ベクトルに含まれる全ての数値（数値Ｐ１〜Ｐ１２）が平均値μである特徴ベクトルである。
上記の例の場合、障害予測部１６は、通常時特徴ベクトルＶ１、Ｖ２、・・・が現段階において記憶されている障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・のいずれよりも平均特徴ベクトルＶａに類似すると判断し、これにより、障害予測部１６は、走行レーンＸ１に設置された料金収受システム２の稼働状況は健全であると判定する。
逆に、例えば、「障害Ａ」の障害時特徴ベクトルＶｓ１の相違度Ｄが、ＲＡＮＫ１であった場合、障害予測部１６は、走行レーンＸ１の料金収受システム２に障害Ａの予兆があると判断し、その旨を通知するための警報信号を出力する。

また、図５下段に示すように、料金所の走行レーンＸ２に設置された料金収受システム２の通常時特徴ベクトルＶ２は、現段階において平均特徴ベクトルＶａに最も類似していたものの、障害Ｃの障害時特徴ベクトルＶｓ３との相違度Ｄも低かったとする。この場合、ＲＡＮＫ１は、平均特徴ベクトルＶａであるものの、障害Ｃの障害時特徴ベクトルＶｓ３との相違度Ｄも同等に低いものとなっている。
この場合、障害予測部１６は、障害Ｃの障害時特徴ベクトルＶｓ３との相違度Ｄと、平均特徴ベクトルＶａとの相違度Ｄと、の差が所定の判定閾値ΔＤｔｈ（例えば、ΔＤｔｈ＝１）を下回っていたことを受け、走行レーンＸ２の料金収受システム２に障害Ｃの予兆があると判断し、その旨を通知するための警告信号を出力してもよい。
さらに、障害予測部１６は、異なる二つの障害（例えば、障害Ａと障害Ｃ）との相違度が、それぞれＲＡＮＫ１、ＲＡＮＫ２となっており、なおかつ、これらの相違度Ｄが近かった（ΔＤｔｈを下回っていた）場合は、この構成機器２Ａ、２Ｂ、・・・に二つの障害Ａ、障害Ｃが同時に発生し得ることを通知してもよい。

図６は、第１の実施形態に係る障害予測部の処理フローを示すフローチャート図である。
図５を用いて説明した障害予測部１６の処理の具体的な処理フローの例を、図６を参照しながら説明する。
障害予測部１６は、例えば、新たな通常時特徴ベクトルＶ１、Ｖ２、・・・が蓄積されるごとに、図６に示すような処理フローを開始する。

まず、障害予測部１６は、ログ情報データベース１２を参照して、ある料金収受システム２についての通常時特徴ベクトル（例えば通常時特徴ベクトルＶ１（図４））を参照する（ステップＳ１０）。
次に、障害予測部１６は、障害情報データベース１５を参照して、現時点における平均値特徴ベクトルＶａ、及び、現時点において記憶されている障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・（図３）を取得する（ステップＳ１１）。
そして、障害予測部１６は、取得した通常時特徴ベクトルＶ１と、平均特徴ベクトルＶａ、及び、各障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・、とが類似しているか否かの判断処理を行う（ステップＳ１２）。この判断処理とは、具体的には、図５に示したような、相違度Ｄに基づくランキングを作成する処理である。

次に、障害予測部１６は、通常時特徴ベクトルＶ１と最も類似するもの（ＲＡＮＫ１）が、平均特徴ベクトルＶａであるか否かを判定する（ステップＳ１３）。
平均特徴ベクトルＶａがＲＡＮＫ１であった場合（ステップＳ１３：ＹＥＳ）は、障害予測部１６は、さらに、平均特徴ベクトルＶａの相違度Ｄに近い障害時特徴ベクトルがないかを判定する（ステップＳ１４）。
平均特徴ベクトルＶａの相違度Ｄに近いものがない場合（ステップＳ１４：ＮＯ）、障害予測部１６は、この料金収受システム２の稼働状況は健全であると判断して処理を終了する。

一方、平均特徴ベクトルＶａがＲＡＮＫ１でなかった場合（ステップＳ１３：ＮＯ）、または、ＲＡＮＫ１でなくともＲＡＮＫ１（平均特徴ベクトルＶａ）の相違度Ｄに近いものがある場合（ステップＳ１４：ＹＥＳ）、監視装置１は、そのことを通知する所定の通知処理を行う。例えば、ステップＳ１４で、障害Ｃの障害時特徴ベクトルＶｓ３が平均特徴ベクトルＶａに近接していた場合、障害予測部１６は、その料金収受システム２において障害Ｃへの進行の可能性が有る旨の注意を促す通知処理を行う。また、例えば、ステップＳ１３にて、障害Ａの障害時特徴ベクトルＶｓ１の相違度Ｄが平均特徴ベクトルＶａの相違度Ｄを下回り、障害ＡがＲＡＮＫ１となっていた場合には、障害予測部１６は、その料金収受システム２において障害Ａ発生の危険性が高まっていることを知らせる警告処理を行う。

このようにして、障害予測部１６は、数値Ｐ１〜Ｐ１２各々の差から算出される相違度Ｄに基づいて、通常時特徴ベクトルＶ１、Ｖ２・・・が障害時特徴ベクトルＶｓ１、Ｖｓ２（または平均特徴ベクトルＶａ）のいずれに類似するかを判断し、障害の予兆があると判定した場合には、そのことを示す所定の警告処理を行う。

以上、本実施形態に係る監視装置１によれば、複数の構成機器からなるシステム（料金収受システム２）から取得される大量のログ情報の中から選択された複数の数値（数値Ｐ１、Ｐ２、・・・、Ｐ１２）を取得（データマイニング）し、これら複数の数値に基づく特徴ベクトルを抽出する。そして、この特徴ベクトルが障害発生時において抽出された障害時特徴ベクトルと類似するか否かを判定することで障害発生の予測を行う。このようにすることで、システム全体としての稼働の傾向を網羅的に示す特徴ベクトルに基づいて、障害の発生の予兆を精度よく検出することができる。
また、監視装置１によれば、発生の兆候が認められる障害の種類を特定することができるので、その障害に応じた準備（緊急出動態勢）を整えておくことができる。これにより、障害の発生を未然に防ぐように対応でき、また、発生しても復旧時間を短縮することができるので、システムの稼働率を向上させることができる。

また、本実施形態においては、監視対象とするシステム（料金収受システム２）には、稼働状況に応じたログ情報が出力される機能がもともと備わっている。したがって、本実施形態に係る監視装置１によれば、監視対象とするシステムに対し、監視装置１による監視用のための新たな機能を実装させる必要がない。したがって、ログ情報を出力する機能を有するシステムに対しては、本実施形態の監視装置１による監視を容易に適用させることができる。

また、監視対象とするシステムが出力するログ情報は、一般的に文字情報（テキストデータ）や数値情報（バイナリデータ）であるため、当該文字情報に基づくログ情報の記録方式ごとに準拠させて情報を抽出することは容易である。したがって、本実施形態に係る監視装置１によれば、監視対象とするシステムごとに、当該システムが出力するログ情報から所望する複数の数値を抽出できるようにカスタマイズすることで、いかなるシステムに対しても適用可能となる。
また、このようにすることで、構成機器及びその態様が異なる複数のシステムを同時に監視対象とすることもできる。

さらに、本実施形態に係る監視装置１によれば、上述したように、新たな障害が発生するごとに保守作業員により障害情報が入力され、当該障害時の特徴ベクトル（障害時特徴ベクトル）と関連付けられながら蓄積される。したがって、監視対象とするシステムの稼働において障害が発生する度に、予測可能な障害パターンが増えていく。これにより、システムの運用を継続するほど、その稼働率が改善される効果が得られる。

また、本実施形態においては、システムの稼働状況が健全であるか否かの判定に、平均特徴ベクトルＶａを用いている（例えば、図６ステップＳ１３）。上述したように、この平均特徴ベクトルＶａは、過去または現在における他のシステムのログ情報から求められる各数値Ｐ１、Ｐ２、・・・各々の平均値であって、動的に変化する。つまり、本実施形態に係る監視装置１は、予め定められた固定値ではなく、稼働状況に応じて動的に変化する平均特徴ベクトルとの対比により健全か否かの判定を行う。
ここで、予め定められた固定値に従って稼働状況の健全性の可否判定を行った場合、システムの稼働時間に応じて本来的に変動していく数値が含まれていた場合、当該システムが健全であるにも関わらず、当該変動した数値と上記固定値との対比に基づいて「障害の予兆がある」と判定されてしまうことが想定される。本実施形態に係る監視装置１によれば、動的に算出される平均特徴ベクトルとの対比に基づいて判定を行うので、健全な数値変動の要素が除外され、一層精度よく障害の予測を行うことができる。

なお、本実施形態に係る特徴ベクトル抽出部１１は、ログ情報取得部１０が収集したログ情報から、予め選択された複数の数値（数値Ｐ１、Ｐ２、・・・）を抽出し、特徴ベクトルとするものとして説明した。具体的には、特徴ベクトル抽出部１１は、保守作業員による数値の種別の指定を受け付ける数値指定受付部を備えていてもよい。これにより、保守作業員は、当該数値指定受付部を介して、特徴ベクトルを構成する数値Ｐ１、Ｐ２、・・・の個数や種別を任意に指定することができる。
ここで、障害情報処理部１４が同一の障害（例えば「障害Ａ」）について複数の障害特徴ベクトルを蓄積した際に、同じ「障害Ａ」に区分されるにも関わらず、当該複数の障害時特徴ベクトルの傾向に統一性が見いだせない場合、或いは、障害の傾向そのものを把握できない場合が想定される。この場合、保守作業員は、「障害Ａ」としての傾向が見いだせるように、上記数値指定受付部を介して、特徴ベクトルの数値Ｐ１、Ｐ２、・・・を再選択する。保守作業員による指定を受け付けた障害情報処理部１４は、ログ情報データベース１２に蓄積されていたログ情報を参照して、各種特徴ベクトルを再抽出する。保守作業員は、再抽出された特徴ベクトルを確認しながら、障害の予測に必要な数値の組み合わせを検討することができる。

以上、第１の実施形態に係る監視装置１によれば、複数の構成機器からなる複雑なシステムにおいても、当該システムで発生する障害を精度よく予測することができ、当該システムの稼働率を向上させることができる。

＜第２の実施形態＞
次に、第２の実施形態に係る監視装置１について説明する。
第２の実施形態に係る監視装置１は、障害予測部１６における障害の予測処理の点で、第１の実施形態と異なる。以下、順を追って予測処理の例を説明する。
図７は、第２の実施形態に係る監視装置が監視対象とする料金収受システムの構成を示す図である。
第２の実施形態に係る監視装置１は、図７に示すような料金収受システム２のログ情報を取得して、障害発生の予測を行う。
監視対象とする料金収受システム２は、例として電子料金収受システムであって、図７に示すように、構成機器２Ｍが、構成機器２Ａ、２Ｂ、２Ｃのそれぞれと個々に通信を行う態様で構成されている。例えば、構成機器２Ｍは、ＩＣカードリーダ、構成機器２Ａ、２Ｂ、２Ｃは、それぞれＩＣカード、ＩＣカードに対してデータ処理を行うデータ処理装置、読み取られたＩＣカードのデータに基づいて課金等の料金収受処理を行う決済処理装置である。

図８は、第２の実施形態に係る特徴ベクトル抽出部の処理の例を説明する図である。
本実施形態において、特徴ベクトル抽出部１１は、図７に示した料金収受システム２の特徴ベクトルとして１２個の数値が選択されている。ここで、数値Ｍは、構成機器２Ｍ自身の機械動作（ＩＣカードの挿入、取り出し）に関する数値である。また、数値Ａ１〜Ａ７は、構成機器２Ｍから構成機器２Ａに委託される処理に関する数値、数値Ｂ１〜Ｂ３は、構成機器２Ｍから構成機器２Ｂに委託される処理に関する数値、そして、数値Ｃ１は、構成機器２Ｍから構成機器２Ｃに委託される処理に関する数値である。

特徴ベクトル抽出部１１は、第１の実施形態と同様に、各数値（数値Ｍ、Ａ１〜Ａ７、Ｂ１〜Ｂ３、Ｃ１）の各々についての統計分布（平均値μ、標準偏差σ等）に基づく正規化処理を行い、各々の数値の大小、増減のばらつきが同一の尺度で比較可能となるようにする。なお、各数値の平均値μ、標準偏差σ等については、第１の実施形態と同様に、平均特徴ベクトル算出部１１０が、稼働中の複数の料金収受システム２について過去から現在に渡って定期的または不定期に取得されたログ情報に基づいて動的に算出する。
なお、本実施形態においては、図８に示すように、特徴ベクトルを構成する数値のうち、関連性の強い数値同士をチャート内において特定方向に偏るように設定している。例えば、構成機器２Ａとの通信に関する数値Ａ１〜Ａ７は、全体としてチャートの右下側に偏るように隣接して設定される。

図９は、第２の実施形態に係る障害情報データベースに蓄積されている障害情報の例を示す図である。
本実施形態に係る障害情報処理部１４の処理は、第１の実施形態と同等である。すなわち、本実施形態に係る料金収受システム２に発生した障害についての障害情報と、その発生時直前に取得されていたログ情報に基づいて抽出された障害時特徴ベクトルと、を関連付けて障害情報データベース１５に蓄積する。

ここで、図９を参照しながら、本実施形態に係る障害情報データベース１５に蓄積された障害情報及び障害時特徴ベクトルの例を説明する。
例として、障害Ａは、構成機器２Ｃの電子部品αの劣化によりソフトウェアが暴走し、料金収受システム２の運用を停止するに至った障害であったとする。この場合、障害Ａの発生直前の状態を示す障害時特徴ベクトルＶｓ１は、構成機器２Ｃに関わる数値Ｃのみが突出して増加し、それ以外の数値は平均値近傍となっている。
また、障害Ｂは、構成機器２Ａとの通信に使用される構成機器２Ｍの信号接点金具の劣化（汚れ、摩耗）により通信異常が頻発した結果、料金収受システム２の運用において何度も通信処理のリトライがなされ、円滑な運用ができない状態となった障害を表している。障害Ｂの発生直前における障害時特徴ベクトルＶｓ２は、数値Ａ１〜Ａ７のいくつかが平均値μより大きいチャートとなっている。
障害Ｃは、構成機器２Ｂの主要な電子部品である主制御用ＩＣの熱損傷により機能が停止しため、料金収受システム２の運用を一時停止した障害を表している。これに関連して、障害Ｃの発生直前における障害時特徴ベクトルＶｓ３は、数値Ｂ２、Ｂ３が突出して増加している。

図１０は、第２の実施形態に係るログ情報データベースに蓄積されている特徴ベクトルの例を示す図である。
本実施形態に係る障害予測部１６は、第１の実施形態と同様に、ログ情報データベース１２を参照して、通常稼働中における複数の料金収受システム２（図７）の各々のログ情報から抽出された通常時特徴ベクトルＶ１、Ｖ２、Ｖ３、・・・を取得する。例として、障害予測部１６は、走行レーンＸ１〜Ｘ３に設置された３つの料金収受システム２のそれぞれについて、通常稼働中における直近の所定期間内のログ情報に基づいて抽出された通常時特徴ベクトルＶ１〜Ｖ３（図１０）を取得した場合を考える。

図１１は、第２の実施形態に係る障害予測部における類否判断の例を説明する図である。
図１１には、障害Ａ、Ｂ、Ｃについての障害時特徴ベクトルＶｓ１、Ｖｓ２、Ｖｓ３（図９）及び走行レーンＸ１〜Ｘ３に設置された料金収受システム２それぞれについての通常時特徴ベクトルＶ１〜Ｖ３の重心位置を示している。ここで、重心位置とは、仮想空間であるチャート平面（ｘｙ平面）上における特徴ベクトルの各数値の平均値である。重心位置は、チャート平面上において、特徴ベクトルに含まれる数値により一意に定まる。
本実施形態に係る障害予測部１６は、互いの特徴ベクトルの重心位置の距離に基づいて類似しているか否かの判断を行う。

例えば、障害Ａの障害時特徴ベクトルＶｓ１は、構成機器２Ｃに障害があったため、数値Ｃ１のみが増加している（図９参照）。したがって、図１１において、障害Ａの障害時特徴ベクトルＶｓ１は、数値Ｃ１の軸が設定されている方向である＋ｙ方向側に遷移している。これに対し、料金収受システム２（走行レーンＸ１）の通常時特徴ベクトルＶ１は、同様に＋ｙ方向側に遷移しており、両者の重心位置の距離が近づいている。
ここで、本実施形態に係る障害予測部１６は、例えば、通常時特徴ベクトルＶ１の重心位置（ｘ１、ｙ１）と、障害時特徴ベクトルＶｓ１の重心位置（ｘ２、ｙ２）との距離ｄが所定の判定閾値ｄｔｈ以下となる場合に、通常時特徴ベクトルＶ１が障害時特徴ベクトルＶｓ１に類似すると判断し、その旨を通知する処理を行う。これにより、保守作業員は、走行レーンＸ１の料金収受システム２について、構成機器２Ｃの修繕作業を要することを認知することができる。
なお、距離ｄは、ｄ＝｛（ｘ１−ｘ２）^２＋（ｙ１−ｙ２）^２｝^１／２により求められる。

同様に、障害Ｂの障害時特徴ベクトルＶｓ２では、構成機器２Ａとの通信経路に障害が生じていたことにより、数値Ａ１〜Ａ７のうちのいくつかの数値が増加している（図９参照）。したがって、図１１において、障害時特徴ベクトルＶｓ２の重心位置は、チャート右下の方向に推移している。これに対し、料金収受システム２（走行レーンＸ２）の通常時特徴ベクトルＶ２の重心位置も同様に右下方向側に遷移しており、障害Ｂの重心位置に近づきつつある。したがって、障害予測部１６は、判定閾値ｄｔｈに基づく判定結果に応じて障害Ｂと同等の異常の発生を予測し、その旨を通知する処理を行う。

さらに、障害Ｃの障害時特徴ベクトルＶｓ３では、構成機器２Ｂ内部の障害により動作が停止したことで、特に数値Ｂ２、Ｂ３の数値が突出して増加している（図９参照）。これに対し、料金収受システム２（走行レーンＸ３）の通常時特徴ベクトルＶ３は、チャートの全体的な形状では障害Ａ、Ｂ、Ｃとの類似性は判然としない。しかしながら、通常時特徴ベクトルＶ３においては、構成機器２Ｂとの通信処理に関する数値の一つであるＢ１が突出しており、重心位置は障害Ｃの重心方向に近づきつつある。これにより、障害予測部１６は、判定閾値ｄｔｈに基づく判定結果に応じて、障害Ｃと同様に構成機器２Ｂに基づく障害の発生を予測し、その旨を通知する。

このように、本実施形態に係る障害予測部１６は、通常時特徴ベクトルＶ１、Ｖ２、・・・と、障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・とのチャート平面内における重心位置の対比に基づいて類否判断を行う。そうすると、特徴ベクトルを構成する数値の軸を、数値同士が有する所定の共通性に対応付けて設定することにより、重心位置の推移の方向から異常の進行箇所を精度よく推定することができる。例えば、数値Ａ１〜Ａ７は、「構成機器２Ａとの通信に関わる数値」という共通性を有しながら、チャート平面右下方向にまとめて設定される。したがって、通常時特徴ベクトルＶ１、Ｖ２、・・・の重心位置が右下方向に推移する傾向から、構成機器２Ａに何らかの異常が進行しているものと推定することができる。

なお、上述の説明では、本実施形態に係る料金収受システム２は、重心位置の距離に基づき、互いの距離が所定の判定閾値ｄｔｈ以下となった場合に、障害発生の可能性を通知することとしたが、本実施形態の変形例においては、この態様に限定されない。例えば、当該変形例においては、障害予測部１６は、原点０から重心位置が推移した方位θ（θ＝０°〜３６０°）が一致しているか否かに基づいて、障害の発生を予測してもよい。
具体的には、例えば図１１において、障害Ｃの障害時特徴ベクトルＶｓ３の重心位置と、通常時特徴ベクトルＶ３の重心位置との距離ｄは比較的離れており、距離の判定閾値ｄｔｈによっては障害Ｃの予兆が検出されない。しかし、図１１に示すように、２つの特徴ベクトルの重心位置が推移した方位はいずれもチャート平面左側で、ほぼ一致している。この場合、障害予測部１６は、通常時特徴ベクトルＶ３の重心位置の方位θが、障害時特徴ベクトルＶｓ３の重心位置の方位θｓに対しθｓ±Δθの範囲に収まるか否かを判定し、当該判定結果に基づいて料金収受システム２における障害Ｃの発生を予測するようにしてもよい。
以上のように、推移する方位θを対比することで、障害予測部１６は、重心位置が所定の距離範囲内に近づく前に発生し得る障害を特定することができ、障害発生の兆候及びその原因箇所を早期に発見することができる。

図１２は、第２の実施形態の変形例に係る障害予測部における類否判断の例を説明する図である。
第２の実施形態の変形例として、障害予測部１６は、さらに、特徴ベクトルに含まれる数値（数値Ｍ、Ａ１〜Ａ７、Ｂ１〜Ｂ３、Ｃ１）のうち、特定の障害と関連性が高い数値である特徴値同士の比較に基づいて、通常時特徴ベクトルＶ１、Ｖ２、・・・と、障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・との類否判断を行うようにしてもよい。

具体例として、当該変形例に係る障害情報処理部１４は、特徴値設定部を有する。この特徴値設定部は、同じ障害の区分に分類された複数の障害情報に係る障害時特徴ベクトルに共通する傾向を有する一つの特徴値を設定する。例えば、障害Ｂについての障害時特徴ベクトルＶｓ２（図９中央）、及び、同じ障害Ｂとして分類された他の複数の障害時特徴ベクトルに共通する傾向として、「数値Ｃ１が減少している」との傾向がみられる場合、障害情報処理部１４の特徴値設定部は、この数値Ｃ１を、障害Ｂと関連性が高い「特徴値」として設定し、記憶する。同時に、障害情報処理部１４は、当該「特徴値」である数値Ｃ１が所定値まで減少した場合に、障害Ｂの傾向が強くなる旨の情報を記憶しておく。具体的には、特徴値設定部は、障害情報データベース１５に対し、例えば、『障害Ｂ、特徴値：Ｃ１、数値：○○』等の情報群を記憶しておく。

一方、走行レーンＸ４に設置された料金収受システム２において、図１２に示すような通常時特徴ベクトルＶ４が取得されたとする。
この場合、当該変形例に係る障害予測部１６は、まず、第２の実施形態と同様に、その重心位置の対比に基づいて、通常時特徴ベクトルがいずれの障害時特徴ベクトルに類似しているかを判断する。しかし、この場合、通常時特徴ベクトルＶ４の重心位置は全体として平均値（原点０）に近いものとなっており、その推移する方位からも障害時特徴ベクトルＶｓ１、Ｖｓ２、Ｖｓ３との共通性は見受けられない（図１１参照）。したがって、障害予測部１６は、重心位置に基づく類否判断によって、当該料金収受システム２は健全な稼働状態にあると判定する。

しかし、当該変形例に係る障害予測部１６は、さらに、障害情報処理部１４によって記憶された特徴値（数値Ｃ１）同士の比較に基づいて、各特徴ベクトルの類否判断を行う。すなわち、障害予測部１６は、通常時特徴ベクトルＶ４の数値Ｃ１が減少している傾向（図１２参照）を読み取って、障害情報処理部１４により「特徴値（数値Ｃ１）の減少傾向」と紐付けられている「障害Ｂ」に類似すると判断する。
このようにすることで、当該変形例に係る障害予測部１６は、重心位置の比較のみでは見逃されていた共通性に基づいて、一層精度よく障害の発生を予測することができる。

なお、上述の変形例において、障害Ｂと、その障害Ｂと関連性が高い数値Ｃ１との関連付けは、障害情報処理部１４が、蓄積された障害情報及び障害時特徴ベクトルを解析して自動で設定するものとして説明した。しかし、他の実施形態では、例えば、保守作業員が、同じ障害の区分に分類された複数の障害時特徴ベクトルのチャート図を目視することでその障害と関連性が高いと判断される特徴値を見出し、障害情報処理部１４がその判断に基づく情報（障害の分類及びその特徴値）の入力を受け付けて記憶する態様であってもよい。
この場合、障害情報処理部１４は、監視装置１が備える表示部（モニタ）を介して、蓄積された障害時特徴ベクトルのチャート図を保守作業員に表示させる表示指示部と、表示されたチャート図に基づいた保守作業員の判断による特徴値の指定を受け付ける特徴値指定受付部を備えるものとする。

また、上述の変形例において、障害予測部１６は、各特徴ベクトルの「重心位置」による類否判断、及び、前もって設定された「特徴値」に基づく類否の判断を行うものとして説明したが、障害予測部１６は、さらに、第１の実施形態で説明した「相違度Ｄ」に基づく類否判断を行ってもよい。

図１３は、第２の実施形態の変形例に係る障害予測部における通知処理の例を説明する図である。
上述の変形例の場合、類否判断の手法によっては判断結果が異なる場合がある。
この場合、障害予測部１６は、図１３に示すように、障害予測の通知処理として、当該判断方法ごとに予測される障害を表示するようにしてもよい。例えば、障害予測部１６は、通常時特徴ベクトルＶ４と、各障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・、及び平均特徴ベクトルＶａとの対比の結果を、その判断方法ごとに表示する。図１３において、例えば、判断方法ｍ１は「相違度Ｄ」に基づく判断、判断方法ｍ２は「重心位置」に基づく判断、判断方法ｍ３は「特徴値」に基づく判断である。
障害予測部１６が、判断方法ごとにその判断結果を通知することにより、保守作業員は、障害の予兆を詳細かつ多角的に把握することができる。例えば、図１３に示すような判断結果によれば、現段階における稼働状況は健全に近いものの、今後、障害Ｂの発生に進行する可能性があり、注視する必要があることを判断することができる。

また、上述の第１、第２の実施形態に係る障害予測部１６は、監視対象（料金収受システム２）から抽出された通常時特徴ベクトルが、蓄積されていた障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・、または、平均特徴ベクトルＶａの何れに類似するかを相対的に判断することで、障害の発生を予測するものとして説明した。しかし、他の実施形態に係る障害予測部１６は、通常時特徴ベクトルが各障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・或いは平均特徴ベクトルＶａのいずれにも類似しないと判断した場合は、監視対象（料金収受システム２）において未知の障害の予兆があると判定し、その旨を示す通知処理を行うようにしてもよい。この場合、障害予測部１６は、類否判断の基準に固定の判定閾値を設け、障害時特徴ベクトルＶｓ１、Ｖｓ２、・・・、及び、平均特徴ベクトルＶａのそれぞれに対し、当該固定の判定閾値に基づいた類否判断を行うものとする。
このようにすることで、保守作業員は、今までに蓄積された障害時特徴ベクトルのいずれにも該当しない新たな現象が発生しつつある場合に、その現象に起因して障害が発生する前にそのことを認識し、対策を講じることができる。

以上、第２の実施形態及びその変形例に係る監視装置１によれば、複数の異なる構成機器に関わる数値群を１つの特徴ベクトルとして抽出することで、構成機器ごとに独立した監視を行うだけでなく、システムにおける構成機器全体の連携動作を網羅的に把握することができる。

なお、上述の監視装置１は、内部にコンピュータシステムを有している。そして、上述した監視装置１の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここで、コンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）または半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。

以上、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものとする。

１・・・監視装置
１０・・・ログ情報取得部
１１・・・特徴ベクトル抽出部
１２・・・ログ情報データベース
１３・・・障害情報入力部
１４・・・障害情報処理部
１５・・・障害情報データベース
１６・・・障害予測部
２・・・料金収受システム
２Ａ、２Ｂ、２Ｃ、・・・構成機器

Claims (10)

1. 少なくとも一つの構成機器を有するシステムを監視する監視装置であって、
   前記構成機器が出力するログ情報を取得するログ情報取得部と、
   前記ログ情報に基づいて複数種類の数値からなる特徴ベクトルを抽出する特徴ベクトル抽出部と、
   前記システムで発生した障害についての障害情報の入力を受け付ける障害情報入力部と、
   前記特徴ベクトルのうち前記障害の発生の所定時間前から当該障害の発生時までに取得されていたログ情報に基づいて抽出された障害時特徴ベクトルと、当該障害についての障害情報と、を関連付けて記憶する障害情報処理部と、
   前記特徴ベクトルのうち前記システムの通常稼働時に取得されるログ情報に基づいて抽出された通常時特徴ベクトルが、前記障害時特徴ベクトルの何れに類似するかの判断に基づいて、前記システムで発生する障害を予測する障害予測部と、
   を備える監視装置。
2. 前記障害予測部は、
   前記通常時特徴ベクトル及び前記障害時特徴ベクトルに含まれる数値の各々の差から算出される相違度を算出し、当該相違度に基づいて、前記通常時特徴ベクトルが前記障害時特徴ベクトルの何れに類似するかを判断する
   ことを特徴とする請求項１に記載の監視装置。
3. 前記障害予測部は、
   仮想空間内において、前記特徴ベクトルに含まれる数値により一意に定まる重心位置の比較に基づいて、前記通常時特徴ベクトルが前記障害時特徴ベクトルの何れに類似するかを判断する
   ことを特徴とする請求項１または請求項２に記載の監視装置。
4. 前記障害予測部は、
   前記特徴ベクトルに含まれる数値のうち特定の障害と関連性が高い特徴値同士の比較に基づいて、前記通常時特徴ベクトルが前記障害時特徴ベクトルの何れに類似するかを判断する
   ことを特徴とする請求項１から請求項３の何れか一項に記載の監視装置。
5. 複数の通常時特徴ベクトルに含まれる数値ごとの平均値からなる平均特徴ベクトルを算出する平均特徴ベクトル算出部を備え、
   前記障害予測部は、
   前記通常時特徴ベクトルが前記障害時特徴ベクトルよりも前記平均特徴ベクトルに類似すると判断した場合に、前記システムは健全に稼働していると判定する
   ことを特徴とする請求項１から請求項４の何れか一項に記載の監視装置。
6. 前記障害予測部は、
   前記通常時特徴ベクトルが前記障害時特徴ベクトルまたは前記平均特徴ベクトルのいずれにも類似しないと判断した場合に、前記システムにおいて未知の障害の予兆があると判定する
   ことを特徴とする請求項５に記載の監視装置。
7. 前記システムは、前記構成機器を二つ以上有し、
   前記特徴ベクトル抽出部は、二つ以上の前記構成機器の間において行われる処理を示すログ情報に基づいて前記特徴ベクトルを抽出する
   ことを特徴とする請求項１から請求項６の何れか一項に記載の監視装置。
8. 前記特徴ベクトルを構成する数値の種別の指定を受け付ける数値指定受付部を備え、
   前記特徴ベクトル抽出部は、当該指定を受け付けた際に、当該指定された種別の数値を含む特徴ベクトルを、前記ログ情報から再抽出する
   ことを特徴とする請求項１から請求項７の何れか一項に記載の監視装置。
9. 少なくとも一つの構成機器を有するシステムの監視方法であって、
   ログ情報取得部が、前記構成機器が出力するログ情報の入力を受け付け、
   特徴ベクトル抽出部が、前記ログ情報に基づいて複数種類の数値からなる特徴ベクトルを抽出し、
   障害情報入力部が、前記システムで発生した障害についての障害情報の入力を受け付け、
   障害情報処理部が、前記特徴ベクトルのうち前記障害の発生の所定時間前から当該障害の発生時までに取得されていたログ情報に基づいて抽出された障害時特徴ベクトルと、当該障害についての障害情報と、を関連付けて記憶し、
   障害予測部が、前記特徴ベクトルのうち前記システムの通常稼働時に取得されるログ情報に基づいて抽出された通常時特徴ベクトルが、前記障害時特徴ベクトルの何れに類似するかの判断に基づいて、前記システムで発生する障害を予測する
   ことを特徴とする監視方法。
10. 少なくとも一つの構成機器を有するシステムを監視する監視装置のコンピュータを、
    前記構成機器が出力するログ情報の入力を受け付けるログ情報入力手段、
    前記ログ情報に基づいて複数種類の数値からなる特徴ベクトルを抽出する特徴ベクトル抽出手段、
    前記システムで発生した障害についての障害情報の入力を受け付ける障害情報入力手段、
    前記特徴ベクトルのうち前記障害の発生の所定時間前から当該障害の発生時までに取得されていたログ情報に基づいて抽出された障害時特徴ベクトルと、当該障害についての障害情報と、を関連付けて記憶する障害情報処理手段、
    前記特徴ベクトルのうち前記システムの通常稼働時に取得されるログ情報に基づいて抽出された通常時特徴ベクトルが、前記障害時特徴ベクトルの何れに類似するかの判断に基づいて、前記システムで発生する障害を予測する障害予測手段、
    として機能させるプログラム。

Images