特開 2019-133610 データオーケストレーションプラットフォーム管理

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】特開2019-133610(P2019-133610A)

(43)【公開日】2019年8月8日

(54)【発明の名称】データオーケストレーションプラットフォーム管理

(51)【国際特許分類】

   G06F 9/50 20060101AFI20190712BHJP

   G06N 20/00 20190101ALI20190712BHJP

   G06F 13/00 20060101ALI20190712BHJP

   G06F 9/46 20060101ALI20190712BHJP

【ＦＩ】

   G06F9/46 465C

   G06N99/00 150

   G06F13/00 351N

   G06F9/46ZIT

【審査請求】未請求

【請求項の数】20

【出願形態】ＯＬ

【全頁数】32

(21)【出願番号】特願2018-17735(P2018-17735)

(22)【出願日】2018年2月3日

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＳＭＡＬＬＴＡＬＫ

(71)【出願人】

【識別番号】518041537

【氏名又は名称】アレグロスマート株式会社

(74)【代理人】

【識別番号】100163991

【弁理士】

【氏名又は名称】加藤 慎司

(72)【発明者】

【氏名】田渕 鳴利

(72)【発明者】

【氏名】原田 充

【テーマコード（参考）】

5B089

【Ｆターム（参考）】

5B089GA11

5B089GA21

5B089GB03

5B089HA10

5B089HA11

5B089HB02

5B089JA36

5B089KA04

5B089KC23

5B089KC50

(57)【要約】      （修正有）

【課題】データ源から取得された生データを自動的に解釈し、解釈されたデータを処理するＡＩ論理部を動的に判定する。
【解決手段】複数のデータ源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理に関する。データオーケストレーションプラットフォーム管理は、生データを複数のデータ源から取得する生データ取得工程と、生データを分析するデータ解釈辞書を用いて、ネットワーク通信環境の属性を示す意味付けデータを生成する意味付けデータ生成工程と、ネットワーク通信環境の属性を分析するデータオーケストレーションプラットフォーム管理部を用いて、意味付けデータに対して処理を行うＡＩ論理部を判定するＡＩ論理部判定工程と、ＡＩ論理部を用いて意味付けデータを処理する意味付けデータ処理工程とを含む。
【選択図】図２

【特許請求の範囲】

【請求項1】

複数のデータ源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理方法であって、
生データを前記複数のデータ源から取得する生データ取得工程と、
前記生データを分析するデータ解釈辞書を用いて、前記ネットワーク通信環境の属性を示す意味付けデータを生成する意味付けデータ生成工程と、
前記ネットワーク通信環境の属性を分析するデータオーケストレーションプラットフォーム管理部を用いて、前記意味付けデータに対して処理を行うＡＩ論理部を判定するＡＩ論理部判定工程と、
前記ＡＩ論理部を用いて前記意味付けデータを処理する意味付けデータ処理工程と
を含むデータオーケストレーションプラットフォーム管理方法。

【請求項2】

前記意味付けデータ生成工程に応じて前記意味付けデータの前記ネットワーク通信環境の属性を機械学習使用可能性基準と比較することにより、機械学習が使用可能な意味付けデータの一部を特定する意味付けデータ一部特定工程と、
前記意味付けデータの一部を機械学習部に送信する意味付けデータ一部送信工程と
を更に含む請求項１に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項3】

前記意味付けデータの一部の属性を複数の前記ＡＩ論理部に照らし合わせて分析するように構成される前記機械学習部の機械学習技術を用いて、前記意味付けデータの一部を処理するＡＩ論理部を示す処理ルールを導出する処理ルール導出工程と、
前記処理ルールを用いて前記意味付けデータを処理するＡＩ論理部判定を管理する機械学習モデルを構築する機械学習モデル構築工程と
を更に含む請求項２に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項4】

前記データ解釈辞書が前記意味付けデータに対して処理動作を実行する前記ＡＩ論理部を判定するために前記機械学習モデルを使用する機械学習モデル使用工程と、
前記データ解釈辞書が前記生データを分析するために複数のデータ源プロフィールを使用するデータ源プロフィール使用工程と
を更に含む請求項３に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項5】

前記生データは、前記複数のデータ源のうちの第１データ源を識別するデータ源識別情報とコンテンツデータとを含み、
前記データ源プロフィール使用工程は、
前記第１データ源を識別するデータ源識別情報と前記複数のデータ源プロフィールとを比較することにより、前記第１データ源に対応する第１データ源プロフィールを選択するデータ源プロフィール選択工程と、
前記第１データ源プロフィールを選択する工程に応じて、前記第１データ源プロフィールを用いて前記生データを分析することにより、前記意味付けデータを生成する意味付けデータ生成工程と
を含む請求項４に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項6】

前記生データは、前記複数のデータ源のうちの第１データ源を識別するデータ源識別情報とコンテンツデータとを含み、
前記データ源プロフィール使用工程は、
前記第１データ源を識別するデータ源識別情報と前記複数のデータ源プロフィールとを比較することにより、前記第１データ源に対応するデータ源プロフィールが存在しないことを判定するデータ源プロフィール不在判定工程と、
前記データ源プロフィール不在判定工程に応じて、前記第１データ源の識別情報に関連付けられた新しいデータ源プロフィールを確立するデータ源プロフィール確立工程と
を含む請求項４又は５に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項7】

前記コンテンツデータは、テキストデータ、画像データ、オーディオデータ、映像データ、測定値、生体データ、状態データ、及び位置データからなる群より選ばれる少なくとも１つである請求項５又は６に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項8】

前記ネットワーク通信環境の属性は、データ種類、意味情報、タイムスタンプ、測定単位、信頼値及び重要度からなる群より選ばれる少なくとも１つである請求項５乃至７の何れか１項に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項9】

前記意味付けデータ処理工程は、
前記意味付けデータと過去の意味付データとの関係を抽出する予測分析手法を用いて、前記ネットワーク通信環境に関する複数の候補予測背景を生成する候補予測背景生成工程と、
前記候補予測背景生成工程に応じて、前記複数の候補予測背景に対して信頼値を割り当てる信頼値割り当て工程と
を含む請求項１乃至８の何れか１項に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項10】

前記複数の候補予測背景に対して割り当てられた前記信頼値と所定の信頼値とを比較することにより、前記所定の信頼値を達成する第１候補予測背景を選定する候補予測背景選定工程と、
前記データオーケストレーションプラットフォーム管理部を用いて前記ネットワーク通信環境に対して、前記第１候補予測背景に基づいた管理動作を実行する管理動作実行工程と
を更に含む請求項９に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項11】

前記複数のＡＩ論理部を含み且つ前記意味付けデータに対して処理動作を実行するデータ処理パイプラインを前記データオーケストレーションプラットフォーム管理部を用いて構築するデータ処理パイプライン構築工程を更に含む請求項１乃至１０の何れか１項に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項12】

前記データオーケストレーションプラットフォーム管理部が、前記意味付け情報を処理するＡＩ論理部判定を管理する機械学習モデルを用いて、前記データ処理パイプラインを変更するデータ処理パイプライン変更工程を更に含む請求項１１に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項13】

前記ネットワーク通信環境の属性に基づいたデータ出力形式で前記意味付けデータをＡＩ記憶システムに格納する意味付けデータ格納工程を更に含む請求項１乃至１２の何れか１項に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項14】

前記生データ取得工程と、前記意味付けデータ生成工程と、前記ＡＩ論理部判定工程と、前記意味付けデータ処理工程とを、データオーケストレーションプラットフォーム管理を円滑にするために動的に行うことを含む請求項１乃至１３の何れか１項に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項15】

前記生データ取得工程と、前記意味付けデータ生成工程と、前記ＡＩ論理部判定工程と、前記意味付けデータ処理工程とを、ユーザが関わることなく自動的に行うことを含む請求項１乃至１４の何れか１項に記載のデータオーケストレーションプラットフォーム管理方法。

【請求項16】

複数のデータ源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理システムであって、
前記データオーケストレーションプラットフォーム管理システムは、
コンピュータ可読コンピュータ命令を有するメモリと、
前記コンピュータ可読コンピュータ命令を実行するためのプロセッサとを備え、
前記コンピュータ可読コンピュータ命令は、
生データを前記複数のデータ源から取得する生データ取得工程と、
前記生データを分析するデータ解釈辞書を用いて、前記ネットワーク通信環境の属性を示す意味付けデータを生成する意味付けデータ生成工程と、
前記ネットワーク通信環境の属性を分析するデータオーケストレーションプラットフォーム管理部を用いて、前記意味付けデータに対して処理を行うＡＩ論理部を判定するＡＩ論理部判定工程と、
前記ＡＩ論理部を用いて前記意味付けデータを処理する意味付けデータ処理工程と
を含むデータオーケストレーションプラットフォーム管理システム。

【請求項17】

複数のデータ源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理コンピュータコンピュータプログラムであって、
前記コンピュータプログラムは、実行されるプログラム命令を有するコンピュータ可読記憶媒体を含み、
前記プログラム命令は、
生データを前記複数のデータ源から取得する生データ取得工程と、
前記生データを分析するデータ解釈辞書を用いて、前記ネットワーク通信環境の属性を示す意味付けデータを生成する意味付けデータ生成工程と、
前記ネットワーク通信環境の属性を分析するデータオーケストレーションプラットフォーム管理部を用いて、前記意味付けデータに対して処理を行うＡＩ論理部を判定するＡＩ論理部判定工程と、
前記ＡＩ論理部を用いて前記意味付けデータを処理する意味付けデータ処理工程と
をコンピュータに実行させるためのコンピュータプログラム。

【請求項18】

前記意味付けデータ生成工程に応じて前記意味付けデータの前記ネットワーク通信環境の属性を機械学習使用可能性基準と比較することにより、機械学習が使用可能な意味付けデータの一部を特定する意味付けデータ一部特定工程と、
前記意味付けデータの一部を機械学習部に送信する機械学習データ送信工程と
を更に含む請求項１７に記載のコンピュータプログラム。

【請求項19】

前記プログラム命令は、データ処理システム内のコンピュータ可読記憶媒体に格納され、リモートデータ処理システムからネットワークを介してダウンロードされることを更に含む請求項１７に記載のコンピュータプログラム。

【請求項20】

前記プログラム命令は、サーバデータ処理システム内のコンピュータ可読記憶媒体に格納され、ネットワークを介して遠隔データ処理システムにダウンロードされ、コンピュータ可読記憶媒体で使用されることを更に含む請求項１７に記載のコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、コンピュータシステムに関し、特にデータ源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理に関する。

【背景技術】

【0002】

近年、多様なアプリケーションを対応するために、多機能のネットワーク通信環境が普及している（例えば、ＩＯＴ、センサネットワーク、ビッグデータネットワーク）。例えば、１つのネットワーク通信環境には、温度、圧力、湿度、降水量、及び地震活動などの自然現象、交通流及び車両駐車などの輸送、工場効率及び電力使用などの工業生産性、並びに侵入検知及び防犯などのセキュリティ等の様々な環境を管理するために、数多くのセンサが設置されることがある。ネットワーク通信環境の機能及び応用形態が増加するにつれて、これらのセンサを適切に構成し、センサが提供するデータを正しく解釈するオーバーヘッドも増加する。

【0003】

多数のデータソース（例えば、センサデバイス）を含む現在のネットワーク通信環境において、生データの取得方法、出力フォーマット、送信方法等がデータ源によって異なる場合がある。例えば、あるセンサは、取得した測定値をバイナリフォーマットで送信するが、他のセンサは、測定値を１６進でフォーマットしたり、更に他のセンサは生データを独自のフォーマットで出力する場合もある。そのため、ユーザは、各データ源を構成し、データ源によって取得されたデータを解釈し、その後、生データを処理するＡＩ論理部を選択することを手動で行う必要がある。特許文献１には、ＩＯＴ環境において、デバイスが受信したデータがユーザに解釈されるように、意味ラベルを要求する技術が開示されている。しかしながら、特許文献１には、データを動的に解釈し、解釈されたデータを処理するための適切なＡＩ論理部を判定することは開示されておらず、センサから取得された生データを解釈するためにユーザの手間が必要となる。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】米国特許出願２０１５／００１９７１４号

【発明の概要】

【発明が解決しようとする課題】

【0005】

本発明の目的は、データ源から取得された生データを自動的に解釈し、解釈されたデータを処理するＡＩ論理部を動的に判定することである。

【課題を解決するための手段】

【0006】

本開示の態様は、ユーザの介入なしに動的かつ自動化された方法で多様なデータ源からのデータを解釈する（すなわち、意味付ける）データオーケストレーションプラットフォームに関する。データオーケストレーションプラットフォームでは、機械学習手法とデータ解釈辞書を活用することによって、データを受信したデータ源に応じたデータ解釈が可能となる。その後、機械学習手法による機械学習モデルは、意味付けデータに関連している属性に基づいて、意味付けデータを処理するＡＩ論理部を判定する。ＡＩ論理部による処理の結果に基づいて、今後のデータ取得の効率及び信頼性を向上するための管理動作がネットワーク通信環境に対して実行される。

【0007】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、複数のデータ源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理方法であって、生データを前記複数のデータ源から取得する生データ取得工程と、
前記生データを分析するデータ解釈辞書を用いて、前記ネットワーク通信環境の属性を示す意味付けデータを生成する意味付けデータ生成工程と、前記ネットワーク通信環境の属性を分析するデータオーケストレーションプラットフォーム管理部を用いて、前記意味付けデータに対して処理を行うＡＩ論理部を判定するＡＩ論理部判定工程と、前記ＡＩ論理部を用いて前記意味付けデータを処理する意味付けデータ処理工程とを含む。

【0008】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記意味付けデータ生成工程に応じて前記意味付けデータの前記ネットワーク通信環境の属性を機械学習使用可能性基準と比較することにより、機械学習が使用可能な意味付けデータの一部を特定する意味付けデータ一部特定工程と、前記意味付けデータの一部を機械学習部に送信する意味付けデータ一部送信工程とを更に含んでいてもよい。

【0009】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記意味付けデータの一部の属性を複数の前記ＡＩ論理部に照らし合わせて分析するように構成される前記機械学習部の機械学習技術を用いて、前記意味付けデータの一部を処理するＡＩ論理部を示す処理ルールを導出する処理ルール導出工程と、前記処理ルールを用いて前記意味付けデータを処理するＡＩ論理部判定を管理する機械学習モデルを構築する機械学習モデル構築工程とを更に含んでいてもよい。

【0010】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記データ解釈辞書が前記意味付けデータに対して処理動作を実行する前記ＡＩ論理部を判定するために前記機械学習モデルを使用する機械学習モデル使用工程と、前記データ解釈辞書が前記生データを分析するために複数のデータ源プロフィールを使用するデータ源プロフィール使用工程とを更に含んでいてもよい。

【0011】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法において、前記生データは、前記複数のデータ源のうちの第１データ源を識別するデータ源識別情報とコンテンツデータとを含み、前記データ源プロフィール使用工程は、前記第１データ源を識別するデータ源識別情報と前記複数のデータ源プロフィールとを比較することにより、前記第１データ源に対応する第１データ源プロフィールを選択するデータ源プロフィール選択工程と、前記第１データ源プロフィールを選択する工程に応じて、前記第１データ源プロフィールを用いて前記生データを分析することにより、前記意味付けデータを生成する意味付けデータ生成工程とを更に含んでいてもよい。

【0012】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法において、前記生データは、前記複数のデータ源のうちの第１データ源を識別するデータ源識別情報とコンテンツデータとを含み、前記データ源プロフィール使用工程は、前記第１データ源を識別するデータ源識別情報と前記複数のデータ源プロフィールとを比較することにより、前記第１データ源に対応するデータ源プロフィールが存在しないことを判定するデータ源プロフィール不在判定工程と、前記データ源プロフィール不在判定工程に応じて、前記第１データ源の識別情報に関連付けられた新しいデータ源プロフィールを確立するデータ源プロフィール確立工程とを更に含んでいてもよい。

【0013】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法において、前記コンテンツデータは、テキストデータ、画像データ、オーディオデータ、映像データ、測定値、生体データ、状態データ、及び位置データからなる群より選ばれる少なくとも１つである。

【0014】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法において、前記ネットワーク通信環境の属性は、データ種類、意味情報、タイムスタンプ、測定単位、信頼値及び重要度からなる群より選ばれる少なくとも１つである。

【0015】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法において、前記意味付けデータ処理工程は、前記意味付けデータと過去の意味付データとの関係を抽出する予測分析手法を用いて、前記ネットワーク通信環境に関する複数の候補予測背景を生成する候補予測背景生成工程と、前記候補予測背景生成工程に応じて、前記複数の候補予測背景に対して信頼値を割り当てる信頼値割り当て工程とを更に含んでいてもよい。

【0016】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記複数の候補予測背景に対して割り当てられた前記信頼値と所定の信頼値とを比較することにより、前記所定の信頼値を達成する第１候補予測背景を選定する候補予測背景選定工程と、前記データオーケストレーションプラットフォーム管理部を用いて前記ネットワーク通信環境に対して、前記第１候補予測背景に基づいた管理動作を実行する管理動作実行工程とを更に含んでいてもよい。

【0017】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記複数のＡＩ論理部を含み且つ前記意味付けデータに対して処理動作を実行するデータ処理パイプラインを前記データオーケストレーションプラットフォーム管理部を用いて構築するデータ処理パイプライン構築工程を更に含んでいてもよい。

【0018】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記データオーケストレーションプラットフォーム管理部が、前記意味付け情報を処理するＡＩ論理部判定を管理する機械学習モデルを用いて、前記データ処理パイプラインを変更するデータ処理パイプライン変更工程を更に含んでいてもよい。

【0019】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記ネットワーク通信環境の属性に基づいたデータ出力形式で前記意味付けデータをＡＩ記憶システムに格納する意味付けデータ格納工程を更に含んでいてもよい。

【0020】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記生データ取得工程と、前記意味付けデータ生成工程と、前記ＡＩ論理部判定工程と、前記意味付けデータ処理工程とを、データオーケストレーションプラットフォーム管理を円滑にするために動的に行うことを更に含んでいてもよい。

【0021】

本発明の態様に係るデータオーケストレーションプラットフォーム管理方法は、前記生データ取得工程と、前記意味付けデータ生成工程と、前記ＡＩ論理部判定工程と、前記意味付けデータ処理工程とを、ユーザが関わることなく自動的に行うことを更に含んでいてもよい。

【0022】

本発明の態様に係るデータオーケストレーションプラットフォーム管理システムは、複数のデータ源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理システムであって、前記データオーケストレーションプラットフォーム管理システムは、コンピュータ可読コンピュータ命令を有するメモリと、前記コンピュータ可読コンピュータ命令を実行するためのプロセッサとを備え、前記コンピュータ可読コンピュータ命令は、生データを前記複数のデータ源から取得する生データ取得工程と、前記生データを分析するデータ解釈辞書を用いて、前記ネットワーク通信環境の属性を示す意味付けデータを生成する意味付けデータ生成工程と、前記ネットワーク通信環境の属性を分析するデータオーケストレーションプラットフォーム管理部を用いて、前記意味付けデータに対して処理を行うＡＩ論理部を判定するＡＩ論理部判定工程と、前記ＡＩ論理部を用いて前記意味付けデータを処理する意味付けデータ処理工程とを含む。

【0023】

本発明の態様に係るデータオーケストレーションプラットフォームコンピュータプログラムは、複数のデータ源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理コンピュータコンピュータプログラムであって、前記コンピュータプログラムは、実行されるプログラム命令を有するコンピュータ可読記憶媒体を含み、
前記プログラム命令は、生データを前記複数のデータ源から取得する生データ取得工程と、
前記生データを分析するデータ解釈辞書を用いて、前記ネットワーク通信環境の属性を示す意味付けデータを生成する意味付けデータ生成工程と、前記ネットワーク通信環境の属性を分析するデータオーケストレーションプラットフォーム管理部を用いて、前記意味付けデータに対して処理を行うＡＩ論理部を判定するＡＩ論理部判定工程と、前記ＡＩ論理部を用いて前記意味付けデータを処理する意味付けデータ処理工程とをコンピュータに実行させるためのコンピュータプログラムを含む。

【0024】

本発明の態様に係るデータオーケストレーションプラットフォームコンピュータプログラムは、前記意味付けデータ生成工程に応じて前記意味付けデータの前記ネットワーク通信環境の属性を機械学習使用可能性基準と比較することにより、機械学習が使用可能な意味付けデータの一部を特定する機械学習データ特定工程と、前記意味付けデータの一部を機械学習部に送信する機械学習データ送信工程とを更に含んでいてもよい。

【0025】

本発明の態様に係るデータオーケストレーションプラットフォームコンピュータプログラムは、前記プログラム命令は、データ処理システム内のコンピュータ可読記憶媒体に格納され、リモートデータ処理システムからネットワークを介してダウンロードされることを更に含んでいてもよい。

【0026】

本発明の態様に係るデータオーケストレーションプラットフォームコンピュータプログラムは、前記プログラム命令は、サーバデータ処理システム内のコンピュータ可読記憶媒体に格納され、ネットワークを介して遠隔データ処理システムにダウンロードされ、コンピュータ可読記憶媒体で使用されることを更に含んでいてもよい。

【発明の効果】

【0027】

本開示の実施形態によれば、データオーケストレーションプラットフォームにおいて、ＡＩ論理部判定が自動的且つ動的に行われ、デバイスを手動で構成する手作業を行う必要性を抑えることができる。

【図面の簡単な説明】

【0028】

【図1】図１は、本開示の態様に係るデータオーケストレーションプラットフォームを含むネットワーク通信環境の概念図である。

【図2】図２は、本開示の態様に係るネットワーク通信環境のシステムアーキテクチャの例を示す図である。

【図3】図３は、本開示の実施形態を実施するためのコンピュータシステムのブロック図である。

【図4】図４は、本開示の実施形態に係るデータオーケストレーションプラットフォーム管理方法を示すフローチャートである。

【図5】図５は、本開示の実施形態に係るデータオーケストレーションプラットフォーム管理方法を示すフローチャートである。

【図6】図６は、本開示の実施形態に係るデータオーケストレーションプラットフォーム管理方法を示すフローチャートである。

【図7】図７は、本開示の実施形態に係るデータオーケストレーションプラットフォーム管理のためのデータ処理パイプラインを示す図である。

【図8】図８は、本開示の実施形態に係るデータオーケストレーションプラットフォーム管理のためのデータ処理パイプラインを示す図である。

【図9】図９は、本開示の実施形態に係るデータオーケストレーションプラットフォームのシステムアーキテクチャの例を示す図である。

【発明を実施するための形態】

【0029】

以下、本発明の実施形態を図面を参照して説明する。本明細書に記載された実施形態は本発明の説明のための例示であって、特許請求の範囲に係る本発明を限定する趣旨ではない。すなわち、実施形態に関して記載された要素及びそれらの組み合わせのそれぞれが、本発明の態様を実施するために必須ではなく、他の種々の形態でも実施することが可能である。

【0030】

本発明の態様が、以下の説明及び図面に開示される。明示的に開示される態様の他にも、本開示の範囲から逸脱することなく、別の態様を考案することができる。また、本開示の周知の要素は省略される場合がある。

【0031】

本明細書において、「例えば」や「例」などの表現は、「一例としてあげる」という意味で使われており、他の態様に比べて望ましいや有利であるなどの意味はない。同様に、「開示の態様」という言葉は、本開示の全ての態様を含むことを必要としない。

【0032】

本発明の態様は、例えば、コンピューティングデバイスによって実行される動作の一連として記述される。本明細書で説明される様々な動作は、特定の回路（例えば、特定用途向け集積回路（ＡＳＩＣ））、１つ又は複数のプロセッサによって実行されるプログラム命令、又はその両方の組み合わせによって実行されてもよい。さらに、本明細書に記載された動作は、コンピュータ命令としてコンピュータ可読記憶媒体に保存され、実行時にプロセッサに実行されてもよい。従って、本開示の様々な態様は、多数の異なる形態で具体化されてもよく、それらのすべてが特許請求の範囲内である。

【0033】

本明細書では、データ源という表現は、例えば、データ又は情報を通信することができるオブジェクト、ハードウェアコンポーネント、ソフトウェアモジュール、デバイス、センサ、又は生物（人間ユーザ、動物等）を意味するものである。ある実施形態では、データ源は、データオーケストレーションデバイスを含んでもよい。ここで、データオーケストレーションデバイスは、アドレス指定可能なインターフェース（例えば、インターネットプロトコル（ＩＰ）アドレス、ブルートゥース（登録商標）識別子（ＩＤ）、近距離通信（ＮＦＣＩＤ等）、有線接続又は無線接続を介して１つ以上の他のデバイスに情報を送信する装置であってもよい。また、データオーケストレーションデバイスは、クイックレスポンス（ＱＲ）コード、無線周波数識別（ＲＦＩＤ）タグ、ＮＦＣタグなどの受動的通信インターフェース、又はモデムなどの能動的通信インターフェースを有してもよい。例えば、データオーケストレーションデバイスは、携帯電話、コンピュータ、医療機器、生体センサ、信号機、太陽光発電パネル、工場機械、冷蔵庫、トースター、オーブン、電子レンジ、冷凍庫、食器洗浄機、皿、手工具、洗濯機、衣類乾燥機、炉、エアコン、サーモスタット、テレビ、照明器具、掃除機、スプリンクラー、電気メーター、ガスメーター等を含んでも良く、ネットワーク通信環境と通信するアドレス指定可能な通信インターフェースを備えている限り、任意のものであってもよい。

【0034】

図１は、本開示の態様に係るデータオーケストレーションプラットフォーム１００を含むネットワーク通信環境１５０の概念図である。ネットワーク通信環境１５０は、データオーケストレーションプラットフォーム１００とデータ源群１２０を含んでもよい。

【0035】

ネットワーク通信環境１５０は、相互接続されたセンサ、デバイス、建物、自動車、生物、ソフトウェアアプリケーション、及びデータオーケストレーションプラットフォームを使用する他のものにおいて、データ取得、通信、接続などを容易にするネットワークである。例えば、図１に示すように、ネットワーク通信環境１５０は多数のデータ源で構成されるデータ源群１２０を含んでいてもよい。データ源群１２０は例えば、ネットワーク通信環境において、データが生成される装置、生物、場所、ソフトウェア等のデータ発生源の集合を意味するものである。一例として、図１に示すように、データ源群１２０は工場の生産管理システム、交通流量を監視するセンサ、ＳＮＳプラットフォーム、外部の人工知能やデータベース、人間の生体データを監視するセンサ等、様々な機器やシステムを含んでいてもよい。データオーケストレーションプラットフォーム１００は、ネットワーク通信環境１５０のデバイス、コンピュータシステム、ミドルウェア、サービス等を自動的かつ動的に監視したり、制御したり、管理したりするソフトウェア又はハードウェアによって実現されているレーヤーである。ここで、データオーケストレーションプラットフォーム１００は、ＩＯＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）デバイス管理、ＡＩデータ処理、機械学習、ビッグデータ処理等の手法を用いて本開示の工程を実現することができる。具体例としては、データオーケストレーションプラットフォーム１００は環境監視、インフラ管理、製造・工場管理、メディア、エネルギー管理、医療・ヘルスケア、バイオメトリクス、建物・自宅のスマート化、輸送、都市開発、コンシューマーアプリケーション等の分野に応用されてもよい。

【0036】

図２は、本開示の態様に係るネットワーク通信環境２００のシステムアーキテクチャの例を示す図である。ネットワーク通信環境２００は、テレビ２１０、屋外空調ユニット２１２、サーモスタット２１４、太陽光発電パネル２１６、及び自動車２１８のデータオーケストレーションデバイスを含んでもよい。

【0037】

図２に示すように、データオーケストレーションデバイス２１０〜２１８は、データオーケストレーションプラットフォーム２０８又は直接有線接続インターフェース２０９を介してアクセスネットワーク（例えば、アクセスポイント２２５）と通信するように構成される。データオーケストレーションプラットフォーム２０８は、ＩＥＥＥ８０２．１１などの無線インターネットプロトコル（ＩＰ）に準拠してもよい。なお、 図２には、データオーケストレーションデバイス２１０〜２１８がデータオーケストレーションプラットフォーム２０８又は直接有線接続２０９を介して通信する構成が示されているが、各データオーケストレーションデバイスは、有線接続、無線接続、又はその両方を介して通信するように構成されてもよい。

【0038】

インターネット２７５は、多数のルーティングエージェント及び処理エージェント（便宜上、図２には図示せず）を含む。インターネット２７５は、異種のデバイス及びネットワーク間で通信するために標準インターネットプロトコルスイート（例えば、伝送制御プロトコル（ＴＣＰ）及びＩＰ）を使用し、相互接続されたコンピュータやコンピュータネットワークのグローバルシステムである。ＴＣＰ／ＩＰは、データのフォーマット、アドレス指定、送信、宛先へのルーティング及び受信方法を指定するエンドツーエンド接続のプロトコルである。

【0039】

図２には、インターネット２７５に直接接続するコンピュータ２２０が示されている（例えば、イーサネット（登録商標）接続、Ｗｉ−Ｆｉ、又は８０２．１１のネットワークを介して）。コンピュータ２２０は、例えば、アクセスポイント２２５を介してインターネット２７５に接続されてもよい。コンピュータ２２０は、データオーケストレーションデバイスであってもよく、あるいは、データオーケストレーションデバイス２１０−２１８を管理する機能を含んでいてもよい。例えば、コンピュータ２２０はデータオーケストレーションプラットフォーム２０８を構成又は設定するためのＧＵＩをユーザに提供してもよい。なお、デスクトップコンピュータとして図示されているが、コンピュータ２２０は、ノートパソコン、タブレットコンピュータ、ＰＤＡ、スマートフォンなどであってもよい。

【0040】

アクセスポイント２２５は、例えば、ＦＩＯＳ、ケーブルモデム、ＤＳＬモデムなどの光通信システムを介してインターネット２７５に接続されてもよい。アクセスポイント２２５は、標準インターネットプロトコル（例えば、ＴＣＰ／ＩＰ）を使用して、データオーケストレーションデバイス２１０〜２２０及びインターネット２７５と通信してもよい。

【0041】

図２には、インターネット２７５に接続されているデータサーバ２７０が示されている。データサーバ２７０は、複数の別個のサーバとして実現されてもよいし、又は単一のサーバであってもよい。ある実施形態では、データサーバ２７０はなくてもよく、データオーケストレーションデバイス２１０から２２０はピアツーピア（Ｐ２Ｐ）ネットワークで相互接続されてもよい。その場合、データオーケストレーションデバイス２１０から２２０は、データオーケストレーションプラットフォーム２０８又は直接有線接続２０９を介して互いに直接通信することができる。さらに、データオーケストレーションデバイス２１０から２２０の一つ又は複数は、相互に直接通信するためのブルートゥース（登録商標）又はＮＦＣインターフェースを備えてもよい。

【0042】

図２に示すように、ネットワーク通信環境２００は、スーパーバイザデバイス２３０（又はオーケストレーションプラットフォーム管理部と呼ばれる）を含んでもよい。以下の説明では、「スーパーバイザデバイス」２３０はオーケストレーションマネージャ（ＩＯＴグループ、ビッグデータマネージャなど）、グループオーナー、又は同様の機能を提供する別の物理的又は論理的コンポーネントを意味してもよい。

【0043】

ある実施形態では、スーパーバイザデバイス２３０は、ネットワーク通信環境２００内の他のコンポーネントを監視したり、制御したり、又は管理したりすることができる。例えば、スーパーバイザデバイス２３０は、データオーケストレーションプラットフォーム２０８と通信して、ネットワーク通信環境２００内のデータオーケストレーションデバイス２１０から２２０の設定、活動、状態等を管理してもよい。スーパーバイザデバイス２３０は、インターネット２７５及びデータサーバ２７０に接続されてもよい。スーパーバイザデバイス２３０は、データオーケストレーションデバイス２１０から２２０の設定、活動、状態等を管理するためにインターネット２７５及びデータサーバ２７０から情報を得ることができる。スーパーバイザデバイス２３０は、スタンドアロンデバイスであっても良く、又はデータオーケストレーションデバイス２１０から２２０のうちの１つであってもよい。スーパーバイザデバイス２３０は、物理デバイス上で動作する物理デバイス又はソフトウェアアプリケーションであってもよい。スーパーバイザデバイス２３０は、管理している設定、活動、状態等に関する情報を入出力するユーザインターフェースを含んでもよい。このように、スーパーバイザデバイス２３０は様々なコンポーネントを含み、ネットワーク通信環境２００内のデータ源を監視したり、制御したり、又は管理したりするために有線又は無線通信インターフェースをサポートしてもよい。

【0044】

図２に示すネットワーク通信環境２００は１つ以上の受動データオーケストレーションデバイス２０５（能動データオーケストレーションデバイス２１０−２２０とは対照的に）を含んでもよい。受動データオーケストレーションデバイス２０５は、ブルートゥース（登録商標）デバイス、無線周波数（ＲＦ）デバイス、ＲＦＩＤタグ付きデバイス、赤外線（ＩＲ）デバイス、ＮＦＣタグ付きデバイス等の、近距離通信で識別子及び属性を別のデバイスに送信できるデバイスであってもよい。能動データオーケストレーションデバイスは、受動データオーケストレーションデバイスの属性の変化を検出したり、記憶したり、制御したり、管理したりすることができる。

【0045】

一例として、受動データオーケストレーションデバイス２０５は、ＲＦＩＤタグ又はバーコードを有する在庫管理システム及び在庫品目を含んでもよい。在庫管理システム及び在庫品目はそれぞれ、ＲＦＩＤタグ又はバーコードを読み取って、在庫品目がいつ在庫管理システムに追加・除去されたかを検出するスキャナ又はリーダを備えてもよい。在庫管理システムが在庫品目の追加・除去を検出すると、スーパーバイザデバイス２３０は、在庫管理システム及び在庫品目によって検出された活動に関連する信号を受信してもよい。次いで、スーパーバイザデバイス２３０は、在庫品目に対して取引が行われたこと（新しい品目の出荷が到着した、又は品目が購入された）を推測することができる。

【0046】

上記では、ＲＦＩＤタグ又はバーコード通信インターフェースを有するものが受動データオーケストレーションデバイス２０５として説明したが、受動データオーケストレーションデバイス２０５は、通信機能を持たないものであってもよい。例えば、あるデータオーケストレーションデバイスは、受動データオーケストレーションデバイス２０５の形状、サイズ、色、又は他の観察可能な特徴を検出して受動データオーケストレーションデバイス２０５を識別するスキャナ又はリーダ機能を備えてもよい。このように、例えば通信機能を持たないものでも、任意のものがネットワーク通信環境２００の一部となり、スーパーバイザデバイス２３０によって監視されたり、制御されたり、又は管理されてもよい。

【0047】

図３は、本開示の実施形態を実施するためのコンピュータシステムのブロック図である。本明細書で開示される様々な実施形態の機構及び装置は、コンピューティングシステムに適用されてもよい。コンピュータシステム３００の主要コンポーネントは、１つ以上のプロセッサ３０２、メモリ３０４、端末インターフェース３１２、ストレージインタフェース３１４、Ｉ／Ｏ（入出力）デバイスインタフェース３１６、及びネットワークインターフェース３１８を含む。これらのコンポーネントは、メモリバス３０６、Ｉ／Ｏバス３０８、バスインターフェースユニット３０９、及びＩ／Ｏバスインターフェースユニット３１０を介して、相互的に接続されてもよい。

【0048】

コンピュータシステム３００は、プロセッサ３０２と総称される１つ又は複数の汎用プログラマブル中央処理装置（ＣＰＵ）３０２Ａ及び３０２Ｂを含んでもよい。ある実施形態では、コンピュータシステム３００は複数のプロセッサを備えても良く、また別の実施形態では、コンピュータシステム３００は単一のＣＰＵシステムであってもよい。各プロセッサ３０２は、メモリ３０４に格納された命令を実行し、オンボードキャッシュを含んでもよい。

【0049】

ある実施形態では、メモリ３０４は、データ及びプログラムを記憶するためのランダムアクセス半導体メモリ、記憶装置、又は記憶媒体（揮発性又は不揮発性のいずれか）を含んでもよい。ある実施形態では、メモリ３０４は、コンピュータシステム３００の仮想メモリであっても良く、ネットワークを介してコンピュータシステム３００に接続された他のコンピュータシステムの仮想メモリであってもよい。メモリ３０４は、単一のものとして構成されても良く、複数のキャッシュ層によって構成されてもよい。例えば、メモリは複数のレベルのキャッシュに存在し、これらのキャッシュは機能毎に分割されてもよく、その結果、１つのキャッシュは命令を保持し、他のキャッシュはプロセッサによって使用される非命令データを保持する構成であってもよい。メモリは、いわゆるＮＵＭＡ（Ｎｏｎ−Ｕｎｉｆｏｒｍ Ｍｅｍｏｒｙ Ａｃｃｅｓｓ）コンピュータアーキテクチャのように、分散され、種々の異なるＣＰＵに関連付けられてもよい。

【0050】

メモリ３０４は、本明細書で説明する機能を実施するプログラム、モジュール、及びデータ構造のすべて又は一部を格納してもよい。ある実施形態では、データオーケストレーションプラットフォーム管理アプリケーション３５０は、本明細書で説明する機能を実現するための命令又は指示であってもよく、プロセッサ３０２上で実行されてもよい。ある実施形態では、データオーケストレーションプラットフォーム管理アプリケーション３５０は、プロセッサの代わりに、又はプロセッサベースに加えて、半導体デバイス、チップ、論理ゲート、回路、回路カード、及び他の物理ハードウェアデバイスで実行されてもよい。ある実施形態では、データオーブントースタープラットフォーム管理アプリケーション３５０は、命令又は指示に加えてデータを含んでもよい。

【0051】

コンピュータシステム３００は、プロセッサ３０２、メモリ３０４、表示システム３２４、及びＩ／Ｏバスインターフェースユニット３１０間の通信を処理するバスインターフェースユニット３０９を含んでもよい。Ｉ／Ｏバスインターフェースユニット３１０は、様々なＩ／Ｏユニットとの間でデータを転送するためのＩ／Ｏバス３０８を含んでもよい。Ｉ／Ｏバスインターフェースユニット３１０は、Ｉ／Ｏバス３０８を介して、Ｉ／Ｏプロセッサ（Ｉ／ＯＰ）又はＩ／Ｏアダプタ（Ｉ／ＯＡ）としても知られる複数のＩ／Ｏインタフェースユニット３１２，３１４，３１６、及び３１８を介して通信してもよい。表示システム３２４は、表示コントローラ、表示メモリ、又はその両方を含んでもよい。表示コントローラは、ビデオ、オーディオ、又は両方のデータを表示装置３２６に提供することができる。表示メモリは、ビデオデータをバッファするための専用メモリであってもよい。表示システム３２４は、コンピュータモニタ、テレビジョン、タブレット又は携帯型デバイスなどの表示装置３２６に接続されてもよい。ある実施形態では、表示装置３２６は、オーディオをレンダリングするためスピーカを含んでもよい。また、オーディオをレンダリングするためのスピーカは、Ｉ／Ｏインタフェースユニットと接続されてもよい。ある実施形態では、表示システム３２４によって提供される機能は、プロセッサ３０２を含む集積回路によって実現されてもよい。同様に、バスインターフェースユニット３０９によって提供される機能は、プロセッサ３０２を含む集積回路によって実現されてもよい。

【0052】

Ｉ／Ｏインタフェースユニットは、様々なストレージ又はＩ／Ｏデバイスと通信する機能を備える。例えば、端末インタフェースユニット３１２は、ユーザ出力デバイス（例えば、ビデオ表示装置、スピーカ、又はテレビなど）及びユーザ入力デバイス（例えば、キーボード、マウス、キーパッド、タッチパッド、トラックボール、ボタン、ライトペン、又は他のポインティングデバイス）等のユーザＩ／Ｏデバイス３２０が取り付けられてもよい。ユーザは、ユーザインターフェースを使用して、ユーザ入力デバイスを操作することで、ユーザＩ／Ｏデバイス３２０及びコンピュータシステム３００にコマンドや指示を入力しても良く、コンピュータシステム３００から出力データを受け取ってもよい。ユーザインターフェースの情報は、例えば、ユーザＩ／Ｏデバイス３２０を介して表示装置に表示されたり、スピーカによって再生されたり、プリンタを介して印刷されたりしてもよい。

【0053】

ストレージインタフェース３１４は、１つ又は複数のディスクドライブや直接アクセスストレージ装置３２２（通常は磁気ディスクドライブストレージ装置であるが、単一のディスクドライブとして見えるように構成されたディスクドライブのアレイ又は他のストレージ装置であってもよい）が取り付けられてもよい。ある実施形態では、ストレージ装置３２２は、任意の二次記憶装置を介して実装されてもよい。メモリ３０４の内容は、記憶装置３２２に記憶され、必要に応じて記憶装置３２２から読み出されてもよい。Ｉ／Ｏデバイスインタフェース３１６は、プリンタ、ファックスマシン等の他のＩ／Ｏデバイスに対してインターフェースを提供してもよい。ネットワークインターフェース３１８は、コンピュータシステム３００と他のデバイスが相互的に通信できるように、通信経路を提供してもよい。これらの通信経路は、例えば、ネットワーク３３０であってもよい。

【0054】

図３に示すコンピュータシステム３００は、プロセッサ３０２、メモリ３０４、バスインタフェース３０９、表示システム３２４、及びＩ／Ｏバスインターフェースユニット３１０の間の直接通信経路を提供するバス構造を備えているが、他の実施形態では、コンピュータシステム３００は、階層構成、スター構成、又はウェブ構成のポイントツーポイントリンク、複数の階層バス、パラレル又は冗長パスの通信経路を含んでもよい。さらに、Ｉ／Ｏバスインターフェースユニット３１０及びＩ／Ｏバス３０８は単一のユニットとして示されているが、コンピュータシステム３００は実際には複数のＩ／Ｏバスインターフェースユニット３１０又は複数のＩ／Ｏ バス３０８を備えてもよい。また、複数のＩ／Ｏインタフェースユニットが示されているが、他の実施形態では、Ｉ／Ｏデバイスのいくつか又はすべてが、１つのシステムＩ／Ｏバスに直接接続されてもよい。

【0055】

ある実施形態では、コンピュータシステム３００は、マルチユーザメインフレームコンピュータシステム、シングルユーザシステム、又は他のコンピュータシステム（クライアント）からの要求を受信するサーバコンピュータであってもよい。他の実施形態では、コンピュータシステム３００は、デスクトップコンピュータ、携帯型コンピュータ、ノートブックコンピュータ、タブレットコンピュータ、ポケットコンピュータ、電話、スマートフォン、又は任意の他の適切な電子機器であってもよい。

【0056】

図４は、本開示の実施形態に係るデータオーケストレーションプラットフォーム管理方法４００を示すフローチャートである。具体的には、方法４００の態様は、ネットワーク通信環境から取得される生データに対して処理動作を実行する人工知能（ＡＩ）論理部を判定することに関する。ネットワーク通信環境は、相互接続されたセンサ、デバイス、建物、自動車、生物、ソフトウェアアプリケーション、及びデータオーケストレーションプラットフォームを使用する他のものにおいて、データ取得、通信、接続などを容易にするネットワークである。データオーケストレーションプラットフォームは、ネットワーク通信環境のデバイス、コンピュータシステム、ミドルウェア、サービス等を自動的かつ動的に監視したり、制御したり、管理したりするソフトウェア又はハードウェアによって実現されているレーヤーである。ここで、データオーケストレーションプラットフォームは、ＩＯＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）デバイス管理、ＡＩデータ処理、機械学習、ビッグデータ処理等の手法を用いて本開示の工程を実現することができる。具体例としては、データオーケストレーションプラットフォームは環境監視、インフラ管理、製造・工場管理、メディア、エネルギー管理、医療・ヘルスケア、バイオメトリクス、建物・自宅のスマート化、輸送、都市開発、コンシューマーアプリケーション等の分野に応用されてもよい。

【0057】

本開示は、ネットワーク通信環境から取得されるデータの状況、目的、重要性等（すなわち、データの意味）が、データ源によって異なる可能性があるという認識に鑑みてなされたものである。従って、データ源の性状及び属性に基づいて、異なるデータに対して異なる動作を実行することが望ましい場合がある。そのため、本開示の実施形態により、データ解釈辞書を使用し、意味付けデータを生成することで、データに対して適切な処理動作を実行するＡＩ論理部を自動的に判定することが可能となる。本開示の実施形態によれば、データ源から取得された生データを意味付け、この意味付けデータを処理するＡＩ論理部をユーザの介入なしに動的に判定することにより、データオーケストレーションプラットフォームの柔軟性が向上し、 デバイスを手動で構成する手作業を行う必要性を抑えることができる（すなわち、ネットワーク管理者は、あるデータ源に登録するＡＩ論理部を手動で選択する必要はない）。全体として、データを取得したデータ源によってＡＩ論理部を判定することは、データ実用性、データ信頼性、又はデータオーケストレーションプラットフォームのパフォーマンス及び効率における利点に繋がる場合がある。 方法４００は、ブロック４０１で開始する。

【0058】

ある実施形態では、本明細書に記載される生データ取得工程、意味付けデータ生成工程、ＡＩ論理部判定工程、及び意味付けデータ処理工程は、それぞれブロック４０４で動的に実行されてもよい。本明細書に記載の工程は、データオーケストレーションプラットフォーム管理を容易にするため、動的に実行されてもよい。例えば、本明細書に記載される生データ取得工程、意味付けデータ生成工程、ＡＩ論理部判定工程、及び意味付けデータ処理工程は、リアルタイムで、継続的又は瞬時に実行されてもよい。一例として、本明細書で説明される工程は、データオーケストレーションプラットフォーム管理を円滑にするため、瞬時に実行されてもよい（例えば、意味付けデータに対する処理動作を実行するＡＩ論理部は、生データの特性に基づいて毎回その場でリアルタイムで判定されてもよい）。しかし、本明細書に記載の工程はこれに限定されず、他の方法で実施されてもよい。

【0059】

ある実施形態では、本明細書に記載される生データ取得工程、意味付けデータ生成工程、ＡＩ論理部判定工程、及び意味付けデータ処理工程は、それぞれブロック４０６で自動的に実行されてもよい。例えば、本明細書に記載の工程は、ユーザの介入なしに自動的に実行されてもよい。ある実施形態では、本明細書に記載される生データ取得工程、意味付けデータ生成工程、ＡＩ論理部判定工程、及び意味付けデータ処理工程は、ローカルのコンピューターデバイス（例えば、ネットワークノード）の記憶システムに保存されているデータオーケストレーションプラットフォーム管理モジュールによって実行されてもよい。ある実施形態では、本明細書に記載される生データ取得工程、意味付けデータ生成工程、ＡＩ論理部判定工程、及び意味付けデータ処理工程は、遠隔のコンピューターデバイス又はサーバにホストされている外部データオーケストレーションプラットフォーム管理モジュール（例えば、サブスクリプション又は他のサービスモデルを介してアクセス可能なサーバ）によって実行されてもよい。このように、データオーケストレーションプラットフォーム管理は手動操作なしで、自動化されたコンピューターデバイスによって実施することができる。しかし、本明細書に記載の工程はこれに限定されず、他の方法で実施されてもよい。

【0060】

ブロック４２０において、生データが取得される。生データは、ネットワーク通信環境内のデータ源から取得されてもよい。ここでは、取得するという表現は、例えば、生データを検出したり、分析したり、検知したり、受信したり、収集したり、変換したり、インポートしたりすることを意味するものである。上述のように、データ源は例えば、ネットワーク通信環境において、データが生成される装置、生物、場所、ソフトウェア等のデータ発生源を意味するものである。一例として、データ源は、工場環境に配備された製造実行システム（ＭＥＳ）、サーバのプログラマブル論理コントローラ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｃｏｎｔｒｏｌｌｅｒ）、人間ユーザ入力、心臓モニタ、カメラ、太陽光発電システム、自動車等であってもよい。具体的には、１つ又は複数のデータオーケストレーションデバイス（例えば、カメラ、マイクロホン、熱カメラ、動きセンサ、温度計、光検出器、気圧計、湿度計、静電容量センサ、加速度計、及び他のセンサ）を使用して、ネットワーク通信環境（例えば、家庭環境、医療施設、工場、オフィスビル、道路・高速道路）からの生データを取得し、取得したデータをデータオーケストレーションプラットフォームに送信することができる。

【0061】

上述のように、生データはデータ源から取得されてもよい。ここで、生データは、例えば、ネットワーク通信環境のデータ源から収集された構造化された又は非構造化された情報の集合であってもよい。例えば、生データには、センサの記録等のテキストデータ、撮影された写真等の画像データ、音声録音等のオーディオデータ、録画した録画等のビデオデータ、心拍数や精神状態等の生体データが含まれてもよい。生データは、ネットワーク通信環境の状態（例えば、温度測定値、リソースの使用状況）、位置（ものの地理的・空間的位置を絶対的に又は相対的に示すデータ）、自動的なプロセス（例えば、実行まで待ち行列で待機しているタスクや指示）、動作（例えば、手動イベント又は自動イベントをトリガするパラメータ状態又は条件）等を示すデータが含まれてもよい。さらに、生データは、受動データ（例えば、指示された時間にのみデータを取得するデータ源からのデータ）、能動的データ（例えば、データを連続的に取得して送信するように構成されたセンサ）、又は動的データ（例えば、 センサデバイスとソフトウェアアプリケーションとの間の双方向通信）を含んでもよい。具体例としては、生データは、ある領域内の空気量中の微粒子の密度の測定値を表す情報であってもよい。

【0062】

ある実施形態では、生データを取得する工程において、データ源が連続的又は継続的に生データをデータオーケストレーションプラットフォームに送信するように設定される（すなわち、「データプッシュ」）。また、他の実施では、生データを取得する工程において、データオーケストレーションプラットフォームがデータ源から生データを要求するように設定されてもよい（すなわち、「データプル」）。生データ取得の一例として、バッテリ製造工場では、温度データを取得する温度計、気圧データを取得する気圧計、及び湿度を取得する湿度センサは、それぞれが取得した生データをリアルタイムでデータオーケストレーションプラットフォームに送信することによって、バッテリ生産の異常（バッテリの歩留まりに悪影響を及ぼす温度、湿度、圧力の変化など）を動的に検出することができる。生データを取得する工程はこの例に限定されず、他の工程が使用されてもよい。

【0063】

ある実施形態では、ブロック４２２において、生データは、複数のデータ源のうちの第１のデータ源を識別するデータ源識別情報を含んでもよい。ここでは、データ源識別情報は例えば、タグ、ラベル、名前、コード、文字列等の、あるデータ源を一意に識別する属性を意味するものである。一例として、ある通信環境において、様々なデータ（例えば、湿度、温度、圧力、照度）を取得するために何百もののセンサが設置されているとする。各センサを一意に識別するために、１２文字の識別要素がそれぞれのセンサに割り当てられてもよい。例えば、複数のデータ源のうちのあるセンサには「Ｎ３Ａ５４ＭＩ０５５４Ｒ」というデータ源識別情報が割り当てられているとする。上述のように、このデータ源識別情報は、生データと共にオーケストレーションプラットフォームに送信されてもよい。例えば、生データがデータ源によって取得された場合、そのデータ源は、自分のデータ源識別情報を含むメタデータを生データと共にパッケージとして構成し、そのパッケージをデータオーケストレーションプラットフォームに送信してもよい（すなわち、その生データがどのデータ源に取得されたかを示すため）。他のタイプのデータ源識別情報も可能である。

【0064】

ある実施形態では、ブロック４２４において、生データはコンテンツデータを含む。ここでは、コンテンツデータは、例えば、ネットワーク通信環境の一つ又は複数の属性に関連する情報を意味するものである。コンテンツデータには、テキストデータ（例えば、監視の結果を示す文章）、画像データ（例えば、撮影された写真、生成された画像）、オーディオデータ（例えば、録音された音声）映像データ （録画した動画）、測定値（例えば、測定された電圧）生体データ（例えば、人間の特性の測定及び計算）、状況データ（例えば、状態又は背景）、位置データ（例えば、物体又は生物の絶対的又は相対的な位置）、又はそれらの組み合わせが含まれてもよい。具体例としては、コンテンツデータは、交通渋滞の影響範囲を示す測定値と、渋滞が発生している場所の地理的座標又は撮像された画像を含んでもよい。他のタイプのコンテンツデータも可能である。

【0065】

ブロック４４０において、ネットワーク通信環境の属性を示す意味付けデータが生成される。意味付けデータは、生データを分析するデータ解釈辞書を用いて生成されてもよい。ここでは、生成するという表現は、例えば、ネットワーク通信環境の属性を示す意味付けデータを定式化したり、インスタンス化したり、構造化したり、整理したり、構成したり、又は確立したりすることを意味するものである。意味付けデータには、生データを定義、説明、記述、又は文脈化する構造化情報などが含まれてもよい。上述のように、意味付けデータは、ネットワーク通信環境の属性を示す情報であってもよい。ここで、属性というのは、ネットワーク通信環境の構成、構造、機能、又は目的を特徴付ける特性、質、又は他の性状を意味するものである。例えば、ブロック４６４において、属性は、例えば、温度データ、電圧データ、生体データ、在庫データ等のデータ種類、意味情報（すなわち、データを取得する目的を示す情報）タイムスタンプ（例えば、あるデータセットが２０１７年４月６日１６時３４分に記録された）、ボルトやメートル等の測定単位、信頼値（例えば、データが正確である可能性が７９％）、重要度（例えば、低い、高い）などを含む。他のタイプの属性も可能である。

【0066】

上述のように、ある実施形態では、ネットワーク通信環境の属性を示す意味付けデータは、生データを分析するデータ解釈辞書によって生成されてもよい。データ解釈辞書は、生データを解読したり、定義したり、翻訳したり、明確化したり、又は意味を抽出するように構成されたデータベース、インデックス、リポジトリ、又は他の語彙リソースであってもよい。ある実施形態では、生データ生成工程において、データ解釈辞書は、データ源に基づいて、生データを定義、特徴付け、又は文脈化する１つ又は複数の対応している属性を特定してもよい（後述のように、この生データ生成工程は、データ源のデータ源識別情報を用いて行われてもよい）。次いで、特定された属性は、対応する生データにマッピングされ、その後、生データ及びメタデータとして添付された属性の両方を含むデータパッケージがコンパイルされてもよい。一例として、「７．６」の値を含む生データが動物園の水槽に設置されているセンサによって取得されるとする。この生データは、データ解釈辞書によって分析された結果、 「７．６」の値が水槽内の水のｐＨデータであることを示す意味付けデータが生成されてもよい。従って、「測定単位：ｐＨ」という属性は、メタデータとして生データに添付され、その後生データ及びメタデータは意味付けデータとして一緒に束ねられ、データパッケージとして出力されてもよい。意味付けデータを生成する工程はこの例に限定されず、他の工程が使用されてもよい。

【0067】

ある実施形態では、ブロック４６２において、意味付けデータは、ＡＩ記憶システムに格納される。意味付けデータは、ネットワーク通信環境の属性に基づいたデータ出力形式でＡＩ記憶システムに格納されてもよい。ここでは、格納するという表現は、例えば、ＡＩ記憶システムにおいて、意味付けデータを保存したり、記録したり、集約したり、キャッシングしたり、又は記憶したりすることを意味するものである。ＡＩ記憶システムは、ＡＩツールを用いることによって、格納されたデータの記録や検索などを容易にするためのデータベース管理システム（ＤＢＭＳ）、データリポジトリ、クラウドストレージ、又は他のデータ保守方法であってもよい。ある実施形態では、意味付けデータの格納工程において、意味付けデータはソートされ、属性（例えば、データ種類、意味情報、タイムスタンプ、測定単位、信頼値、重大度）毎にグループ化される。次に、ソートされた意味付けデータは、対応する属性に基づいたデータ出力形式でデータ記憶システムに格納される。ここで、データ出力形式は例えば、意味付けデータの属性によって選択され、意味付けデータを維持するためのデータ構造であってもよい。例えば、地震活動異常検出に関する統計データは、ＡＩ記憶システムに分析された結果、「地震活動異常検出」というタグに関連付けられ、ＣＳＶ形式でＡＩ記憶システムに格納されてもよい（これにより、「地震活動異常検出」を検索することで、「地震活動異常検出」という意味情報に関連しているデータがＣＳＶ形式で返される）。意味付けデータを格納する工程はこの例に限定されず、他の工程が使用されてもよい。

【0068】

ブロック４６０において、意味付けデータに対して処理動作を実行するＡＩ論理部が判定される。ＡＩ論理部は、ネットワーク通信環境の属性を分析するように構成されたデータオーケストレーションプラットフォーム管理部を用いて判定されてもよい。上述のように、ここでのデータオーケストレーションプラットフォーム管理部は、データオーケストレーションプラットフォームのハードウェア及びソフトウェアを監視、制御、分析、評価、又は管理するように構成されたハードウェアコンポーネント又はソフトウェアモジュールであってもよい。ここでは、判定するという表現は、例えば、意味付けデータに対して処理動作を実行するＡＩ論理部を選択したり、検出したり、特定したり、識別したり、又は決定したりすることを意味するものである。上述のように、本開示に係る発明は、データの属性に基づいて意味付けデータを処理するために適切なＡＩ論理部を自動的に選択することが望ましい場合があるという認識に鑑みてなされたものである。ここで、ＡＩ論理部は、意味を導出し、タスクを実行するために、データを発見したり、解析したり、解釈したり、変換したり、又は処理するように構成されたモジュール、アプリケーション、ルーチン、アルゴリズム、スクリプト等の、ＡＩを用いる技術を意味するものである。例えば、ＡＩ論理部は、自然言語処理技術、画像分析技術、予測分析、統計分析、規範分析、マーケットモデリング、ウェブ分析、セキュリティ分析、リスク分析、ソフトウェア分析などがある。ある実施形態では、ＡＩ論理部は、データオーケストレーションプラットフォームの内部に備えられてもよい。ある実施形態では、ＡＩ論理部は、データオーケストレーションプラットフォームの外部に存在し、データオーケストレーションプラットフォームに通信可能に接続されて連携されてもよい

【0069】

ある実施形態では、ＡＩ論理部を判定する工程において、データオーケストレーションプラットフォーム管理部は、ある意味付けデータに関連付けられている属性を複数の利用可能なＡＩ論理部を特徴付けるプロフィールと比較し、複数のＡＩ論理部に対して適合値を割り当て、適合閾値を達成する１つ又は複数のＡＩ論理部を判定してもよい。例えば、意味付けデータが、「データフォーマット：ＪＰＥＧ」及び「データ種類：監視カメラ画像」という属性と関連付けられているとする。次に、データオーケストレーションプラットフォーム管理部は、意味付けデータを、自然言語処理手法、統計解析手法、画像解析手法、及び感情分析手法等の利用可能なＡＩ論理部と比較する。例として、データオーケストレーションプラットフォーム管理部は、統計分析技術に対して１３点の適合値を割り当てるとする（意味付けデータが統計を含まないため、統計分析が適切でない可能性がある）。また、データオーケストレーションプラットフォーム管理部は画像解析技術に対して８９点の適合値を割り当てるとする（監視カメラのデータは画像を含むため、画像解析は関連性が高い）。また、データオーケストレーションプラットフォーム管理部は感情分析技術に対して５５点の適合値を割り当てるとする（適用する可能性はあるが、監視カメラ画像に対して感情分析は関連性が低いと判断される）。次に、データオーケストレーションプラットフォーム管理部は、適合閾値（例えば、最高値を有するＡＩ論理部、又は、例えば８０点以上の適合値を有するＡＩ論理部）を達成するＡＩ論理部を、意味付けデータを処理するＡＩ論理部として判定する。ＡＩ論理部を判定する工程はこの例に限定されず、他の工程が使用されてもよい。

【0070】

ブロック４８０において、意味付けデータは、ＡＩ論理部を用いて処理される。ここでは、処理するという表現は、例えば、ＡＩ論理部を用いて、意味付けデータに対して分析したり、変換したり、調査したり、評価したり、変更したり、動作を実行したりすることを意味するものである。ある実施形態では、処理工程において、判定されたＡＩ論理部は、意味付けデータに属性を追加又は除去したり（例えば、新しい測定値をテーブルに追加する）、意味付けデータの既存の属性の値を更新したり（例えば、新しい測定値に基づいてテーブル内の既存のレコードを変更する）、意味付けデータを別の操作の入力として使用したり（例えば、時間の値を使用して速度を計算する）、意味付けデータから結論又は推論を抽出したり（例えば、異常な電圧値が発生したと判断する）、意味付けデータを別のタイプ又はフォーマットに変換したり（例えば、華氏温度値を摂氏温度値に変換する）することが含まれる。具体的には、意味付けデータを処理する工程は、統計分析手法、機械学習手法、データオプティマイズ手法、予測分析手法、又は他の適切な分析操作を意味付けデータに対して適用することを含んでもよい。一例として、意味付け処理工程において、２組の電圧測定値の統計的な関係が回帰分析技術によって分析されてもよい。意味付けデータを処理する工程はこの例に限定されず、他の工程が使用されてもよい。

【0071】

以下のような実施例が考案される。「０ｂ１０１０１」という文字列を含む生データは、「ｓｃｖｌｔ２４」というデータ源識別情報が割り当てられているデータオーケストレーションデバイスＡによって取得され、データオーケストレーションプラットフォームに送信されるとする。上述のように、この生データは、データ解釈辞書に解析されることによって、意味付けデータが生成される。具体的には、例えば、データ解釈辞書は、「ｓｃｖｌｔ２４」のデータ源識別情報に基づき、デバイスＡのデータ源プロファイルを特定してもよい。データ源プロファイルに基づいて、データ解釈辞書は、デバイスＡが、電圧値を測定し、測定した電圧値をバイナリ形式で出力する太陽光発電池であることを判断する。従って、データ解釈辞書は、「データ種類 ： 太陽光発電池測定値」、「データ形式 ：２進」及び「測定単位 ：ボルト」の属性を示すメタデータを、生データに添付することによって、意味付けデータを生成する。意味付けデータが生成されると、意味付けデータを処理するためのＡＩ論理部が判定されてもよい。例えば、意味付けデータは、様々なＡＩ論理部（例えば、自然言語処理ユニット、画像分析ユニット、予測分析ユニット）と比較された結果、測定された電圧値と過去の電圧値との関係を導出するように構成された統計分析ユニット（例えば、異常を特定するためのロジック）が適合閾値を達成する適合値を有していることが決定されるとする。従って、意味付けデータは、判定された統計分析ユニットによって処理されてもよい。意味付けデータを処理する方法は、この例に限定されず、他の方法が使用されてもよい。

【0072】

方法４００はブロック４９９で終了する。上述のように、方法４００の態様は、データオーケストレーションプラットフォーム管理に関する。方法４００によれば、データオーケストレーションプラットフォーム管理に対するパフォーマンス又は効率における利点に繋がる場合がある。一例として、データ源から取得されるデータを処理するＡＩ論理部を自動的に判定することで、データオーケストレーションプラットフォームの柔軟性が向上し、デバイスを手動で構成する手作業を行う必要性を抑えることができる（すなわち、ネットワーク管理者は、あるデータ源に登録するＡＩ論理部を手動で選択する必要はない）。全体として、データを取得したデータ源によってＡＩ論理部を判定することは、データ実用性、データ信頼性、又はデータオーケストレーションプラットフォームのパフォーマンス及び効率における利点に繋がる場合がある。

【0073】

図５は、実施形態に係るデータオーケストレーションプラットフォーム管理方法５００を示すフローチャートである。方法５００の態様は、機械学習モデル及びデータ源プロフィールを用いて、意味付けデータの生成を管理することに関する。ある実施形態では、方法５００の態様は、方法４００の態様と類似又は同一であり、本明細書に記載される他の方法と互換的に利用されてもよい。ある実施形態では、方法５００は、方法４００の実行に続いて実行されてもよい。方法５００は、ブロック５０１で開始する。ブロック５２０において、生データがデータ源から取得される。ブロック５２４において、処理ルールが導出される。ブロック５２８において、機械学習モデルが構築される。ブロック５３２及び５３４では、機械学習モデル及びデータ源プロファイルが生データを分析するために使用される。

【0074】

ある実施形態では、ブロック５２１において、意味付けデータの一部が機械学習のために特定される。意味付けデータの一部が意味付けデータのネットワーク通信環境の属性を機械学習使用可能性基準と比較することによって特定されてもよい。意味付けデータの一部が意味付けデータ生成工程に応じて特定されてもよい。ここでは、特定するという表現は、例えば、機械学習のための意味付けデータの一部を検出したり、発見したり、認識したり、識別したり、又は確認したりすることを意味するものである。ある実施形態では、意味付けデータの一部は、機械学習部を学習（すなわち、トレーニング）させるのに関連性、有用性、有益性、又は有効性があると判断されるデータであってもよい。上述のように、意味付けデータの一部は、機械学習使用可能性基準と比較することによって特定されてもよい。機械学習使用可能性基準は、例えば、意味付けデータの機械学習に対する有用度を評価するパラメータ、特性、条件、要件、規定、又はベンチマークの集合であってもよい。例として、機械学習使用可能性基準は、特定の属性を有するデータが機械学習部によって既に処理されているかどうか（すなわち、未処理の属性を有するデータが機械学習部を学習するのに適切かもしれない）、生データを取得したデータ源の種類 （例えば、光検出器、加速度計、ＭＥＳ）、取得された生データの文脈的要素（例えば、データが取得された理由）などの情報を含んでもよい。ある実施形態では、機械学習使用可能性基準は、ある機械学習部の特徴に基づいて構成されてもよい（例えば、機械学習部によっては、使用可能性を定義する基準やベンチマーク等が異なる場合がある）。一例として、気象現象（例えば、嵐、雨、雪、雹）を予測する機械学習部が、気象現象を予測するために、意味付けデータに存在しているパターンを認識するように構成されているとする。空気の湿度、土壌窒素濃度、及び地下水の水位を示すデータが、定義された期間にわたって取得される。意味付けデータは、機械学習使用可能性基準と比較された結果、空気の湿度が気象現象の予測に関連するため、空気の湿度に関する意味付けデータの一部が機械学習に有用であると判断される。意味付けデータの一部を特定する工程は、この例に限定されず、他の工程が使用されてもよい。

【0075】

ある実施形態では、ブロック５２３において、意味付けデータの一部が機械学習部に送信される。ここでは、送信するという表現は、例えば、意味付けデータの一部を機械学習部に送ったり、中継したり、伝達したり、又は転送したりすることを意味するものである。上述のように、機械学習部は、データから意味を導出したり、推論を抽出したり、結論を出したり、又はデータを監視したりすることによって自動的に学習するために意味付けデータを分析したり、処理したりするハードウェアコンポーネント又はソフトウェアモジュールであってもよい。例としては、機械学習部は、ルールベースの学習手法、ディープラーニング手法、次元削減方法、アンサンブル学習手法、インスタンスベースアルゴリズム、回帰分析、ベイジアンネットワーク、人工ニューラルネットワーク、クラスター分析、異常検出、強化学習、又はこれらの技術と他の技術の組み合わせを機械学習技術として使用してもよい。ある実施形態では、機械学習部は、データオーケストレーションプラットフォームの内部に備えられてもよい。ある実施形態では、機械学習部は、データオーケストレーションプラットフォームの外部に存在し、データオーケストレーションプラットフォームに通信可能に接続されて連携されてもよい。ある実施形態では、意味付けデータの一部を送信する工程において、意味付けデータがトレーニングコーパスとしてコンパイルされ、機械学習部に出力されてもよい。意味付けデータを機械学習手法に送信する工程はこの例に限定されず、他の工程が使用されてもよい。

【0076】

ブロック５２４において、意味付けデータの一部を処理する一つ又は複数のＡＩ論理部を示す処理ルールが導出される。処理ルールは、意味付けデータの一部の属性を複数のＡＩ論理部に照らし合わせて分析する機械学習部の機械学習技術を用いて導出されてもよい。上述のように、機械学習技術は、ルールベースの学習手法、ディープラーニング手法、次元削減方法、アンサンブル学習手法、インスタンスベースアルゴリズム、回帰分析、ベイジアンネットワーク、人工ニューラルネットワーク、クラスター分析、異常検出、強化学習等を含んでもよい。ここでは、導出するという表現は、例えば、意味付けデータの一部を処理するＡＩ論理部を定める処理ルールを計算したり、抽出したり、推測したり、識別したり、推論したり、特定したり、又は判定したりすることを意味するものである。処理ルールは、意味付けデータの１つ又は複数の属性と１つ以上のＡＩ論理部との関係を確立する原理、ガイドライン、公理、規定又は規則を含んでもよい。具体的には、処理ルールは、｛ＩＦ：ＴＨＥＮ｝式であってもよい（例えば、意味付けデータが「データフォーマット：テキストデータ」の属性に関連付けられている場合、「自然言語処理手法」のＡＩ論理部で処理されるべき）。ある実施形態では、処理ルールを導出する工程において、意味付けデータの一部に関連付けられている属性と、ＡＩ論理部の特性との関係が抽出されてもよい。一例として、「データフォーマット：ＣＳＶファイル」、「データ種類 ：データトラフィック統計」、及び「意味情報：侵入検出監視」の属性に関連付けられている意味付けデータが受信されると、機械学習部（例えば、分類器システム、関連ルール学習アルゴリズム、人工免疫システム）は、受信したデータの属性をＡＩ論理部の特性（例えば、特徴、質、強みなど）に照らし合わせて分析する。分析の結果、「データ型 ：データトラフィック統計」又は「意味情報：侵入検出監視」の属性を有する意味付けデータが分散分析（ＡＮＯＶＡ）のＡＩ論理部に処理されるべきであるという処理ルールを定義してもよい。処理ルールを導出する工程は、この例に限定されず、他の工程が使用されてもよい。

【0077】

ある実施形態では、ブロック５２８において、機械学習モデルが処理ルールを用いて構築される。機械学習モデルは、ＡＩ論理部判定を管理するように構成されてもよい。ここでは、構築するという表現は、例えば、機械学習モデルを作成したり、定式化したり、構成したり、構造化したり、又は確立したりすることを意味するものである。機械学習モデルは、ＡＩ論理部判定に関連する蓄積された処理ルールの集合であってもよい。機械学習モデルは、データオーケストレーション管理部によって新しいデータが取得されて処理される際に、処理ルールを継続的に追加したり、除去したり、修正したり、又は更新したりするように構成されてもよい。機械学習モデルは、ＡＩ論理部判定に適用されるために、データオーケストレーションプラットフォーム管理部によってアクセス可能に構成されてもよい。ある実施形態では、機械学習モデルを構築する工程において、複数の処理ルールがグラフィカルモデルとして表現されてもよい。例えば、各処理ルールは、グラフィカルモデルにおいて、あるＡＩ論理部と意味付けデータの一部のある属性との依存関係が相互的にリンクしているノードとして表現されてもよい。一例として、上述した例を参照すると、ＡＮＯＶＡ論理部を表すノードは、「データ種類： データトラフィック統計」の属性及び「意味情報：侵入検出監視」の属性を表すノードにリンクされてもよい。このように、データオーケストレーションプラットフォームにおいて意味付けデータが生成される場合、機械学習モデルは、グラフィカルモデルを参照することによって意味付けデータを処理する適切なＡＩ論理部を容易に判定することができる。機械学習モデルを構築する工程はこの例に限定されず、他の工程が使用されてもよい。

【0078】

ある実施形態では、ブロック５３２において、機械学習モデルが意味付けデータに対して処理動作を実行するＡＩ論理部を判定するために使用される。ここでは、使用するという表現は、例えば、機械学習モデルをＡＩ論理部判定のために適用したり、採用したり、活用したり、又は利用したりすることを意味するものである。上述のように、本開示の態様は、データの属性に基づいて、あるデータを処理することに適したＡＩ論理部を動的に判定することに関する。従って、機械学習部によって導出された処理ルールで構築された機械学習モデルを活用することで、ＡＩ論理部の判定を容易にすることができる。ある実施形態では、機械学習モデル使用工程において、意味付けデータを処理するＡＩ論理部が、意味付けデータの属性と、機械学習モデル内に確立された依存関係を比較することで、処理ルールに基づいて特定される。一例として、前述の例を参照すると、「データ種類：データトラフィック統計」の属性に関連付けられた意味付けデータがデータオーケストレーションプラットフォームによって取得された場合、データオーケストレーションプラットフォーム管理部は、機械学習モデルを適用し、意味付けデータを処理するＡＩ論理部として、ＡＮＯＶＡのＡＩ論理部を判定してもよい。機械学習使用工程はこの例に限定されず、他の工程が使用されてもよい。

【0079】

ある実施形態では、ブロック５３４において、生データを分析するために、データ源に対応するデータ源プロフィールがデータ解釈辞書によって使用される。ここでは、使用するという表現は、例えば、生データを分析するためにデータ源を採用したり、活用したり、又は利用したりすることを意味するものである。ある実施形態では、データ源プロフィールは、データ源のタイプ、構成、設定、及び他の特性を記述、定義、又は特徴付ける情報の集合であってもよい。例えば、データ源プロフィールは、データ源のタイプ（例えば、ユーザ、ＭＥＳ、電圧センサ）、製造業者、モデル番号、ファームウェアバージョン、データ取得設定（例えば、どのようなデータが取得されているか、データ取得速度、送信遅延等）、データ出力フォーマット（例えば、バイナリ、ＣＳＶファイル）、又はデータ源を特徴付ける他の情報を含んでもよい。ある実施形態では、あるデータ源のデータ源プロフィールは、そのデータ源のデータ源識別情報にリンクされてもよい。例えば、具体的には、ある心拍計のデータ源プロフィールには、そのセンサの識別要素が「ｂｓｅｎｓｅｈｂｍｏｎ１３８４」であり、製造業者が「Ｂｉｏｓｅｎｓｅ」という会社であり、モデル番号がＨＳ５２４ＡＬ＃ＤＱＣであり、ファームウェアバージョンが１．６２であり、心拍数を３秒に一回取得するように設定され、測定したデータをＣＳＶ形式で出力するという情報が含まれるとする。ある実施形態では、データ源プロフィール使用工程において、データ解釈辞書がデータ源の特性に基づいて意味付けデータの属性を特定するために、データ源プロフィールを参照するように構成されてもよい。このように、データ解釈辞書は、データ源識別情報をデータ源プロフィールと比較して、あるデータ源に対応するデータ源プロフィールを特定し、そのデータ源の特性に基づいて生データを分析し、意味付けデータを生成することができる。

【0080】

ある実施形態では、ブロック５３８において、第１データ源のデータ源識別情報と複数のデータ源プロフィールが比較され、第１データ源に対応する第１データ源プロフィールが存在するか否かが判定される。第１データ源を識別するデータ源識別情報と複数のデータ源プロフィールを比較することによって、第１データ源に対応する第１データ源プロフィールが存在していると判定されると、第１データ源プロフィールが選択される。ここでは、判定するという表現は、例えば、第１データ源に対応する第１データ源プロフィールが存在するかどうかを検出したり、特定したり、識別したり、又は決定したりすることを意味するものである。上述のように、第１データ源に対応する第１データ源プロフィールが存在するかどうかを判定する工程は、第１データ源のデータ源識別情報を複数のデータ源プロフィールと比較して、第１データ源のデータ源識別情報に対応するデータ源識別情報とリンクされた第１データ源プロフィールが存在するかどうかを確認することが含まれてもよい。具体的には、この比較工程において、第１データ源のデータ源識別情報に対する類似性閾値（例えば、所定の数の文字が一致する）を達成するデータ源プロフィールが検索されてもよい。第１データ源のデータ源識別情報に対して類似性閾値を達成するデータ源プロフィールが検出された場合、この検出されたデータ源プロフィールが第１データ源プロフィールとして選択され、方法５００はブロック５４２に進んで意味付けデータを生成してもよい（すなわち、データ源プロフィールを用いて意味付けデータを生成する）。第１データ源のデータ源識別情報に対して類似性閾値を達成するデータ源プロフィールが検出されなかった場合、つまり、第１データ源に対するデータ源プロフィールが不在していると判定された場合、方法５００はブロック５４４に進んで新しいデータ源プロフィールを作成してもよい（例えば、データ源識別情報に対応するプロフィールを作成する）。

【0081】

ある実施形態では、ブロック５４２において、第１データ源に対応する第１データ源プロフィールが存在していると判定されて、第１データ源プロフィールが選択されると、意味付けデータが第１データ源プロフィールに応じて生成される。意味付けデータは、第１データ源プロフィールを用いて生データを分析することによって生成されてもよい。ここでは、生成するという表現は、例えば、生データを分析するために第１データ源プロフィールを使用して意味付けデータを定式化したり、インスタンス化したり、構造化したり、整理したり、構成したり、又は確立したりすることを意味するものである。ある実施形態では、意味付けデータを生成する工程において、意味付けデータの属性がデータ解釈辞書に基づいて特定され、その後、特定された属性を使用することで、生データが解釈される（すなわち、背景を推測し、意味を導出する）。一例として、「ｓｔｇｌｕｍｖａｌ１４」というデータ源識別情報を有するデータ源から生データが受信されると、データ解釈辞書は、「ｓｔｇｌｕｍｖａｌ１４」というデータ源識別情報に対応するデータ源プロフィールを特定し、その後、特定されたプロフィールを使用することで、「ｓｔｇｌｕｍｖａｌ１４」という識別要素が「データ種類： 光度」及び「測定単位：ワット」の属性に関連付けられている光度センサに対応することを判定する。従って、その後、データ解釈辞書は、データ源プロフィールから特定された属性を使用し、生データを分析し、意味付けデータを生成してもよい。

【0082】

ある実施形態では、ブロック５４４において、第１データ源に対応する第１データ源プロフィールが不在していると判断されると、第１データ源のデータ源識別情報に関連付けられる新しいデータ源プロフィールが機械学習部によって確立される。ここでは、確立するという表現は、例えば、第１データ源に対応する新しいデータ源プロフィールを定式化したり、生成したり、インスタンス化したり、作成したり、構造化したり、又は整理したりすることを意味するものである。ある実施形態では、新しいデータ源プロフィールを確立する工程において、未登録のデータ源識別情報に対応する新しいレコードが作成されてもよい。機械学習手法は、第１データ源から取得された生データを分析して、第１データ源を特徴付ける性状、又は第１データ源がどのようにネットワーク通信環境と対話するかを特徴づける情報（例えば、取得するデータ種類、フォーマット等）を導出し、それらの情報を新しく作成されたデータ源プロフィールに追加してもよい。新しい生データが取得されるにつれて、機械学習技術は新しく作成されたデータ源プロフィールを継続的更新してもよい。新しいデータ源プロフィールを確立する工程は、この例に限定されず、他の工程が使用されてもよい。

【0083】

以下のような実施例が考案される。「０００８．０Ａ１４．Ｃ．２７」という文字列を含む生データが「ｔｅｍｐｓｅｎｓｏｒ１８」というデータ源識別情報を有するデータオーケストレーションデバイスによって取得され、データオーケストレーションプラットフォームに送信されるとする。上述のように、生データは、データ解釈辞書によって分析され、意味付けデータが生成される。具体的には、例えば、データ解釈辞書は、データ源プロフィールの集合にアクセスして、「ｔｅｍｐｓｅｎｓｏｒ１８」というデータ源識別情報に対応するデータ源プロフィールが存在するか否かを判定する。例えば、データ解釈辞書は、「ｔｅｍｐｓｅｎｓｏｒ１８」というデータ源識別情報を複数のデータ源プロフィールと比較し、「ｔｅｍｐｓｅｎｓｏｒ１８」というデータ源識別情報にリンクされたデータ源プロフィールが存在していることを判定するとする（すなわち、データオーケストレーションデバイスに対応するプロフィールが存在している）。ある実施形態では、データ源プロフィールは、「ｔｅｍｐｓｅｎｓｏｒ１８」というデータ源識別情報に対応するデータタオーケストレーションデバイスがデータセンタに配置されるサーバ用の温度計であり、この温度計から取得される生データの最初の４桁がサーバが設置されている部屋番号を示し、次の４桁がラック識別子とラック内の位置を示し、次の文字が測定値の測定単位を示し、最後の２桁が測定された温度値を示すとする。この情報に基づいて、生データの「０００８．０Ａ１４．Ｃ．２７」という文字列が、サーバが８号室のサーバラックＡの１４番目の位置にあることを示し、測定温度は摂氏２７度であることがデータ解釈辞書によって判断される。従って、データ解釈辞書は、データオーケストレーションデバイスについて特定されたデータ源プロフィールの情報に基づいて、意味付けデータが生成されてもよい。データ源プロフィール使用工程と意味付けデータ生成工程は、この例に限定されず、他の工程が使用されてもよい。

【0084】

ブロック５６０において、ＡＩ論理部が判定される。ブロック５８０において、意味付けデータがＡＩ論理部によって処理される。方法５００は、ブロック５９９で終了する。上述のように、方法５００の態様は、データオーケストレーションプラットフォーム管理に関する。方法５００の態様は、データオーケストレーションプラットフォーム管理において、パフォーマンス又は効率の利点に繋がる場合がある。一例として、機械学習モデル及びデータ源プロフィールを使用することにより、生データの解釈及びデータ処理用のＡＩ論理部の動的選択が円滑に行われる。全体として、データを取得したデータ源によってＡＩ論理部を判定することは、データ実用性、データ信頼性、又はデータオーケストレーションプラットフォームのパフォーマンス及び効率における利点に繋がる場合がある。

【0085】

図６は、実施形態に係るデータオーケストレーションプラットフォーム管理方法６００を示すフローチャートである。方法６００の態様は、予測分析手法を使用することで候補予測背景を生成し、その後、１つ又は複数の予測背景に基づいてネットワーク通信環境に対して管理動作を実行することに関する。ある実施形態では、方法６００の態様は、方法４００又は５００の態様と類似又は同一であり、本明細書に記載される他の方法と互換的に利用されてもよい。ある実施形態では、方法６００は、方法４００又は５００の実行に続いて実行されてもよい。方法６００は、ブロック６０１で開始する。ブロック６２０で、生データがデータ源から取得される。ブロック６４０において、意味付けデータがデータ解釈辞書によって生成されてもよい。ブロック６６０において、意味付けデータに対して処理を実行するＡＩ論理部が判定されてもよい。ブロック６８０において、意味付けデータは、ＡＩ論理部によって処理される。

【0086】

ある実施形態では、ブロック６８２において、ネットワーク通信環境に関する複数の候補予測背景が生成される。候補予測背景は、意味付けデータと過去の意味付けデータ（例えば、データオーケストレーションプラットフォームで格納されている過去の意味付けデータ）との関係を抽出する予測分析手法を用いて生成される。ここでは、生成するという表現は、候補予測背景を定式化したり、作成したり、インスタンス化したり、構造化したり、又は確立したりすることを意味するものである。ある実施形態では、候補予測背景は、生データがネットワーク通信環境で取得された背景状況を説明する推論又は理論的根拠を含んでもよい。例えば、候補予測背景は、生データに存在するパターンを説明する推論、仮説、又は論理ステートメントであってもよい。上述のように、候補予測背景を生成する工程において、予測分析手法（例えば、線形回帰モデル、ロジスティック回帰技術、時系列モデル、分類及び回帰ツリー、ニューラルネットワーク、サポートベクトルマシン、ナイーブベイズ、ｋ最近傍、ジオスペース予測モデル等） は、現在の意味付けデータの背景を裏付ける関係（例えば傾向、共有パターン、統計的発散）を特定するために、現在の意味付けデータと過去の意味付けデータを分析してもよい。この分析に基づいて、予測分析手法は、意味付けデータに対して複数の可能な推理（すなわち、予測背景）を生成してもよい。一例として、ある太陽光発電池から取得された電圧には、毎日ほぼ同じ時間に同じぐらいの電圧低下が発生するとする。その後、雲による障害（すなわち、雲の影が太陽光発電に干渉している）、配線問題（すなわち、ケーブルの抵抗による損失）、汚れ（すなわち、太陽光発電池を覆う土、ほこり、又は雪による損失）、及び太陽追従設定の問題（すなわち、太陽光発電池の角度が太陽の動きを正確に追跡していない）という候補予測背景が生成されてもよい。候補予測背景生成工程は、この例に限定されず、他の工程が使用されてもよい。

【0087】

ある実施形態では、ブロック６８４において、候補予測背景が生成されると、候補予測背景に対して信頼性値が割り当てられる。ここでは、割り当てるという表現は、例えば、候補予測背景に対して信頼値を指定したり、定義したり、又は配ったりすることを意味するものである。信頼値は、それぞれの候補予測背景の信頼性、確実性、又は精度を相対的に表す指標であってもよい。例えば、信頼値は０〜１００までの整数値として表現され、高い値はより高い信頼性を示し、低い値はより低い信頼性を示すように構成されてもよい。ある実施形態では、候補予信頼値を割り当てる工程において、ある候補予測背景と、過去の意味付けデータのパターン及び傾向との相関性を表す値を計算してもよい（例えば、相関性がより高い候補予測背景には、より高い信頼値が割り当てられる）。例として、前の例を参照すると、雲による妨害という候補予測背景には４５点の信頼値が割り当てられるとする（すなわち、可能ではあるが、雲が毎日ほぼ同じ時間に同じぐらいの電圧低下を引き起こす可能性が低いと判断される）。また、配線問題という候補予測背景には８点の信頼値が割り当てられるとする（すなわち、配線の故障が毎日特定の時間にのみ発生する可能性は非常に低いと判断される）。また、汚れという候補予測背景には、 ３２点の信頼値が割り当てられるとする（すなわち、太陽光発電池がほこりで覆われているとすれば、一定の電圧低下が予想される）。また、太陽追従設定の問題という候補予測背景には８１点の信頼値が割り当てられるとする（すなわち、太陽光発電池の追従角度が間違っていれば、毎日特定の時間に同じぐらいの電圧低下が発生し得る）。信頼値割り当て工程はこの例に限定されず、他の工程が使用されてもよい。

【0088】

ある実施形態では、ブロック６８６において、第１候補予測背景が選定される。第１候補予測背景は、複数の候補予測背景に対応する信頼値を所定の信頼閾値と比較することによって選定されてもよい。ここでは、選定するという表現は、例えば、第１候補予測背景を選択したり、確認したり、選出したり、判定したり、又は特定したりすることを意味するものである。第１候補予測背景は、ある意味付けデータの背景を説明する最大の確率（例えば、最も高い信頼値）を有する候補予測背景であってもよい。上述のように、第１候補予測背景は、複数の候補予測背景に対応する信頼値を信頼閾値と比較することによって選定されてもよい。信頼閾値は、候補予測背景に対する最小許容度を示す所定のベンチマーク、規定、又は要件であってもよい。ある実施形態では、信頼閾値は、データオーケストレーションプラットフォームのユーザによって設定されてもよい（例えば、ユーザが「８０点」の信頼閾値を指定してもよい）。ある実施形態では、信頼閾値は、他の候補予測背景に対する候補予測背景の最小許容順位を示してもよい（例えば、最高信頼値を有する候補予測背景が選択されてもよい）。一例として、候補予測背景が値８５点に設定されるとする（（例えば、ユーザ入力によって）。従って、４５点の信頼値を有する雲による妨害という候補予測背景、８点の信頼値を有する配線問題という候補予測背景、３２点の信頼値を有する汚れという候補予測背景、及び８１点の信頼値を有する太陽追従の問題という候補予測背景が「８５点」の信頼閾値と比較した結果、太陽追従の問題という候補予測背景が第１候補予測背景として選択される（すなわち、それが８５点の信頼閾値を達成する唯一の候補であると判断されるため、意味付けデータの最も可能性の高い背景と決定される）。第１候補予測背景を選定する工程はこの例に限定されず、他の工程が使用されてもよい。

【0089】

ある実施形態では、ブロック６８８において、ネットワーク通信環境にして、管理動作が第１候補予測背景に基づいた管理動作が実行される。管理動作は、データオーケストレーションプラットフォーム管理部を用いて実行されてもよい。ここでは、実行するという表現は、例えば、管理動作を開始したり、履行したり、遂行したり、実施したり、執行したり、又はインスタンス化したりすることを意味するものである。管理動作は、データオーケストレーションプラットフォームの効率を向上するためのアクション、プロセス、手順、ポリシー、又は過程を含んでもよい。例として、管理動作は、データオーケストレーションデバイスの再構成（例えば、ファームウェアの更新、設定の変更）、データオーケストレーションデバイスの追加又は除去（例えば、誤動作センサの除去、新しいセンサのインストール）、ユーザ又はネットワーク管理者への通知、データトラフィックのルート変更などが含まれてもよい。ある実施形態では、ネットワーク通信環境に対して実行される管理動作は、第１候補予測背景に基づいて選択されてもよい。例えば、データオーケストレーションプラットフォーム管理部は、候補予測背景及び候補の管理動作が格納されているデータベースを参照し、第１候補予測背景に対して有効な管理動作を判定してもよい。一例として、前述の例を参照すると、太陽追従の問題が第１候補予測背景として選択されると、データオーケストレーションプラットフォーム管理部は候補予測背景のデータベースを参照し、角度を再較正するための管理動作を選択してもよい（すなわち、太陽の動きを正確に追従する角度に設定すること）。従って、データオーケストレーションプラットフォーム管理部は、データオーケストレーションプラットフォームの効率を容易にするために太陽光発電池に対して、選択された管理動作を実行してもよい。管理動作を実行する工程は、この例に限定されず、他の工程が使用されてもよい。

【0090】

方法６００はブロック６９９で終了する。上述のように、方法６００の態様は、データオーケストレーションプラットフォーム管理に関する。方法６００によれば、データオーケストレーションプラットフォーム管理に対するパフォーマンス又は効率における利点に繋がる場合がある。一例として、候補予測背景に基づいてデータオーケストレーションプラットフォームに対する管理動作を実行することにより、ネットワーク通信環境はリアルタイムで柔軟に変更することができる。全体として、データを取得したデータ源によってＡＩ論理部を判定することは、データ実用性、データ信頼性、又はデータオーケストレーションプラットフォームのパフォーマンス及び効率における利点に繋がる場合がある。

【0091】

図７は、実施形態に係るデータオーケストレーションプラットフォーム管理のためのデータ処理パイプライン７５０を示す図である。図７の態様は、ＡＩ論理部を含むデータ処理パイプライン７５０を構築して、その後データ処理パイプライン７５０を用いて意味付けデータに対して処理動作を実行することに関する。データ処理パイプライン７５０はデータオーケストレーション管理部を用いて構築されてもよい。ここでは、構築するという表現は、例えば、データ処理パイプライン７５０を形成したり、構成したり、生成したり、又は確立したりすることを意味するものである。データ処理パイプライン７５０は、データオーケストレーションプラットフォームによって取得されたデータに対して様々な処理動作を実行するように構成された一連の通信可能に接続されたアセットを含んでもよい。ある実施形態では、データ処理パイプライン７５０は、ストリームコンピューティング環境におけるタプルの実行パスを定めるオペレータグラフとして実現されてもよい。

【0092】

図７に示すように、データ処理パイプライン７５０は、データに対する処理操作を実行する複数のアセット７０２〜７２６を含んでもよい。ここでは、アセットというのは、例えば、データオーケストレーションプラットフォームによって取得されたデータに対して所定の処理動作を実行するように構成された処理部（例えば、ＡＩ論理部）を意味するものである。ある実施形態では、データ処理パイプライン７５０のアセットは、本明細書で説明するデータオーケストレーションプラットフォーム管理方法の態様を実施する様々なソフトウェアモジュール及びハードウェアコンポーネントであってもよい。例えば、図７に示すように、データ処理パイプライン７５０は、データ源アセット７０２及び７２２（例えば、特定のデータ源、又はデバイスクラスを表すアセット）、オプティマイズアセット７０４及び７２４（例えば、生意味付けデータを生データから生成するアセット）、格納アセット７０６（例えば、属性に基づいて意味付けデータを格納するアセット）、処理アセット７０８及び７１２（例えば、意味付けデータを分類したり、ソートしたり、変換したり、又は正規化したりするアセット）、クラウド分析アセット７１０（例えば、意味付けデータに対して統計分析や予測分析を適用するアセット）、ビッグデータアセット７１４（例えば、データからの洞察を一般化し、正規化し、そして共有するアセット）、及び機械学習アセット７２６（例えば、機械学習技術をデータに適用し、機械学習モデルを構築するアセット）を含んでもよい。ある実施形態では、データ処理パイプライン７５０を構成する工程において、データオーケストレーションプラットフォーム管理部は、現在の処理アプリケーションに類似する過去の処理アプリケーションに対するデータ処理パイプラインに基づいて、現在の生データを処理するアセットを自動的に生成してもよい。ある実施形態では、データ処理パイプライン７５０を構成する工程において、グラフィカルユーザインターフェース（ＧＵＩ）をユーザ又はネットワーク管理者に提供し、ユーザ又は管理者の入力に応じて、所望のアセットで処理パイプライン７５０を構築してもよい。データ処理パイプライン７５０を構成する工程は、この例に限定されず、他の工程が使用されてもよい。

【0093】

図８は、実施形態に係るデータオーケストレーションプラットフォーム管理のためのデータ処理パイプライン８５０を示す図である。図８は、データオーケストレーションプラットフォーム管理部が、ＡＩ論理部判定を管理する機械学習モデルを用いて、データ処理パイプラインを自動的に変更することに関する。上述のように、本開示の態様は、機械学習モデルを用いてＡＩ論理部を判定し、意味付けデータを動的かつ自動化された方法で処理することに関する。ある実施形態では、データオーケストレーションプラットフォーム管理部が、機械学習モデルによって判定されたＡＩ論理部に基づいてデータ処理パイプライン８５０を変更することができる。図８に示すように、データ処理パイプラインは、データ源アセット８０２及び８２２、オプティマイズアセット８０４及び８２４、格納アセット８０６、処理アセット８０８、８１２及び８２８、クラウド分析アセット８１０、ビッグデータアセット８１４、及び機械学習アセット８２６を含んでもよい。データ処理パイプライン８５０のアセット８０２から８２８は、データ処理パイプライン７５０のアセットに実質的に対応するので、詳細な説明はここでは省略する。

【0094】

ある実施形態では、データ処理パイプライン８５０を変更することは、データ処理パイプライン８５０のアセットを修正したり、追加したり、除去したり、適合したり、カスタマイズしたり、調整したり、更新したり、又は再構成したりすることを含んでもよい。ある実施形態では、データ処理パイプライン８５０を変更する工程において、新しいオプティマイズアセット（例えば、新しいＡＩ論理部）を追加して、データ処理パイプライン８５０内データの流れを再ルーティングしてもよい。図８に示すように、新しいオプティマイズアセット８２８がデータ処理パイプライン８５０に追加されると、オプティマイズアセット８０８からのデータが機械学習アセット８２６、オプティマイズアセット８２８、最後にビッグデータアセット８１４に流れるように、データ経路は変更されてもよい。一例として、オプティマイズアセット８０８は機械学習のための意味付けデータの一部を特定し（上述の機械学習使用可能性基準を用いることで）、意味付けデータの一部を機械学習アセット８２６に送信してもよい。その後、上述のように、機械学習アセット８２６は、ビッグデータアセット８１４に転送される前に、意味付けデータの一部をオプティマイズアセット８２８（例えば、ＡＩ論理部）にルーティングして処理を行うことを判定してもよい。データパイプライン８５０への変更は、動的に行ってもよい（例えば、意味付けデータの性質に基づいて追加のＡＩ論理部をリアルタイムで追加することができる）。データパイプライン８５０を変更する工程はこの例に限定されず、他の工程が使用されてもよい。

【0095】

図９は、本開示の実施形態に係るデータオーケストレーションプラットフォームのシステムアーキテクチャの例を示す図である。図９は、本明細書で説明するデータオーケストレーションプラットフォームの様々な態様を実施するためのシステムアーキテクチャ９００に関する。ある実施形態では、データオーケストレーションプラットフォームは、データ源（例えば、センサ、ユーザ、デバイス）を含むネットワーク９０５（例えば、ネットワーク通信環境、ＩＯＴネットワーク）に通信可能に接続されてもよい。ある実施形態では、システムアーキテクチャ９００は、管理デバイス９９０（例えば、コンピュータ、サーバ、端末、モバイルデバイス）によって構成されたり、管理されたり、及び構造化されたりしてもよい。システムアーキテクチャ９００は、ネットワーク９０５のデータ源からのデータ（例えば、生データ）を取得するように構成されたオーケストレーションハブ９２０を含んでもよい。オーケストレーションハブ９２０は、ネットワーク９０５から取得されたデータを監視したり、集約したり、又は管理したりするように構成されたソフトウェアモジュール又はハードウェアコンポーネントであってもよい。ある実施形態では、オーケストレーションハブ９２０は、生データの解釈を円滑にするため、機器属性データ９１０及び接続データ９１２にマッピングしてもよい（例えば、データ源プロフィールを用いて）。ある実施形態では、生データは、処理されるために直接にオーケストレーション処理ユニット９５０に直接送信されてもよい。オーケストレーション処理ユニット９５０は、例えば、データパイプライン生成９４５を実行して、生データに対して処理動作を実行するためのデータパイプラインを構築してもよい。ある実施形態では、生データは、格納又は分類されるためにオーケストレーションデータベース９８０（例えば、ＡＩ記憶システム）に直接に送信されてもよい。図９に示すように、ある実施形態では、生データは、意味付けデータを生成するために、データ解釈辞書９７５（例えば、生データの意味を抽出する語彙リソース）によって処理されてもよい。ある実施形態では、意味付けデータを生成する工程では、取得状態データ９７６（例えば、生データが取得された背景を示すデータ）及び再オプティマイズデータ９７７（例えば、過去のデータがどのようにオプティマイズされ、解釈されたかを示すデータ）が使用されてもよい。その後、意味付けデータは、データ正規化９６０を受けて正式化され、フォーマッティングされる。上述のように、意味付けデータは、今後のデータ分析を改善するためのフィードバックとしてオーケストレーションハブ９２０に戻されても良く、さらなる処理（例えば、管理動作を判定する工程）のためにオーケストレーション処理ユニット９５０に送信されてもよい。システムアーキテクチャ９００はこの例に限定されず、他のタイプのシステムアーキテクチャ９００も可能である。

【0096】

上述した実施形態に加えて、より少ないステップ、より多くのステップ、又は異なるステップを有する実施形態も可能である。また、上記のステップは、上記と異なる順序で実行されてもよい。ある実施形態において、これらのステップは、他のステップに応じて実行されてもよい。

【0097】

上記では、様々な実施形態が参照されている。しかしながら、本開示は具体的に記載された実施形態に限定されない。また、記載された特徴、工程、及び要素は任意に組み合わせられてもよい。また、記載された実施形態の範囲から逸脱することなく、多くの改変及び変形が可能である。記載された態様、特徴、実施形態及び利点は、単なる例示に過ぎず、特許請求の範囲に明示的に記載されている場合を除き、特許請求の範囲とみなされるものではない。

【0098】

本発明は、システム、方法、又はコンピュータプログラム製品であってもよい。コンピュータプログラム製品は、プロセッサに本発明の機能を実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読記憶媒体を含んでもよい。

【0099】

コンピュータ可読記憶媒体は、命令実行装置によって使用される命令を保持し記憶することができる有形の装置であってもよい。コンピュータ可読記憶媒体は、例えば、電子記憶装置、磁気記憶装置、光学記憶装置、電磁記憶装置、半導体記憶装置、又はこれらの任意の組み合わせであってもよいが、これらに限定されない。その他、コンピュータ可読記憶媒体はポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラマブル読み出し専用メモリスタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスクリードオンリメモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリスティック、フロッピーディスク、又はこれらの任意の適切な組み合わせを含んでもよい。本明細書で使用されるコンピュータ可読記憶媒体は、電波又は他の自由に伝搬する電磁波、導波管、又は他の伝送媒体を通って伝播する電磁波（例えば、通過する光パルス）などの一時的な信号であると解釈されるべきではない。

【0100】

本明細書に記載のコンピュータ可読プログラム命令は、ネットワーク、例えば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク、又は無線ネットワークを介して、コンピュータ可読記憶媒体や外部のコンピュータにダウンロードされてもよい。ネットワークは、同線、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ又はエッジサーバを含んでもよい。各コンピューティング装置内のネットワークアダプタカード又はネットワークインターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、それぞれのコンピューティング装置内のコンピュータ可読記憶媒体に格納したり、転送したりしてもよい。

【0101】

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、ソースコード、オブジェクトＪａｖａ（登録商標）、Ｓｍａｌｌｔａｌｋ、又はＣ ＋＋などのプログラミング言語であってもよい。コンピュータ可読プログラム命令は、ユーザのコンピュータと、遠隔のコンピュータやサーバによって部分的に実行されてもよい。このシナリオでは、遠隔のコンピュータは、ローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）を含むネットワークを介してユーザのコンピュータに接続されてもよく、又は外部のコンピュータに接続されてもよい。いくつかの実施形態では、例えばプログラマブルロジック回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又はプログラマブルロジックアレイ（ＰＬＡ）を含む電子回路は、コンピュータ可読プログラム命令を実行してもよい。

【0102】

本発明の実施形態による方法、システム、及びコンピュータプログラム製品は、フローチャート図及びブロック図を参照して説明された。フローチャート図及びブロック図の各ブロックはコンピュータ可読プログラム命令によって実施されてもよい。

【0103】

これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ、又は他のプログラム可能データ処理装置のプロセッサに提供されてもよい。その後、これらのコンピュータ可読プログラム命令がコンピュータ又はプロセッサに実行されると、フローチャート及びブロック図で記載されている機能が実施される。

【0104】

本開示に係る実施形態は、クラウドコンピューティングインフラストラクチャを介してエンドユーザに提供されてもよい。クラウドコンピューティングは、一般に、スケーラブルなコンピューティングリソースをネットワーク上のサービスとして提供することを意味するものである。より具体的には、クラウドコンピューティングは、コンピューティングリソースとその土台となる技術アーキテクチャ（例えば、サーバ、ストレージ、ネットワーク）間の抽象化を提供するコンピューティング能力として定義され、共有されているコンピューティングリソースがユーザや管理者の介入なしに迅速に提供され得るサービスである。従って、クラウドコンピューティングは、ユーザが、クラウド内の仮想的なコンピューティングリソース（例えば、ストレージ、データ、アプリケーション、さらには完全な仮想化コンピューティングシステム）にアクセスすることを可能にする。

【0105】

本開示の実施形態は企業、非営利団体、政府機関、組織などとのサービス契約として提供されてもよい。この場合、本明細書で説明する方法を実施するソフトウェア、ハードウェア、及びウェブサービスが提供されてもよい。これらの実施形態は、クライアントの操作を分析したり、分析に応じて推奨事項を作成したり、推奨事項を実装したり、システムを構築したり、システムを既存のプロセス及びインフラストラクチャに統合したり、システムの使用量を計量したり、 システムの使用による課金を計算したりすることを含んでもよい。

【0106】

図面のフローチャート及びブロック図は、本発明の様々な実施形態係るシステム、方法、及びコンピュータプログラム製品のアーキテクチャ、機能、及び動作を示す。これに関して、フローチャート又はブロック図の各ブロックは、指定された論理機能を実施する実行可能な命令を含むモジュール、ハードウェア、ソフトウェア等であってもよい。ある実施形態では、ブロックに記されている機能は、図に示された順序と違う順序で実施される。例えば、二つの連続しているブロックは、実際には実質的に同時に実行されてもよく、又は、逆の順序で実行されてもよい。また、ブロック図及びフローチャート図の各ブロックの組み合わせは、特定の機能又は動作を実行する専用のハードウェアシステムによって実行されてもよい。

【0107】

本明細書で使用する用語は、特定の実施形態のみを説明するためのものであり、実施形態を限定するものではない。本明細書において、単数形として説明されたものは、明示されていない限り、複数形も含んでもよい。「セット」、「グループ」、「一部」などは、１つ又は複数のものを含んでもよい。同様に、「含む」及び「〜であってもよい」という用語は、記載された特徴、ステップ、操作、要素、及び／又は構成要素の存在を表現するものであるが、それ以外のものも追加されても良く、記載されているものだけに限定する意味ではない。

【0108】

以上の説明では、添付の図面（同様の番号は同様の要素を表す）が参照され、図面には様々な実施形態が例示されている。これらの実施形態は、当業者が実施できるように十分に詳細に記載されているが、これらの実施形態の範囲から逸脱することなく、他の実施形態が使用されてもよい。

【0109】

以上、本発明の実施例を説明したが、これは、本発明の説明のための例示であって、本発明の範囲をこれらの実施例にのみ限定する趣旨ではない。すなわち、本発明は、他の種々の形態でも実施することが可能である。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】