特開 2023-16146 解析装置、解析方法及び解析プログラム

(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】P2023016146

(43)【公開日】2023-02-02

(54)【発明の名称】解析装置、解析方法及び解析プログラム

(51)【国際特許分類】

   G06F 11/07 20060101AFI20230126BHJP

   G06F 11/34 20060101ALI20230126BHJP

【ＦＩ】

G06F11/07 193

G06F11/34 147

G06F11/07 140Q

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2021120263

(22)【出願日】2021-07-21

(71)【出願人】

【識別番号】598057291

【氏名又は名称】株式会社富士通エフサス

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】奥山 賢二

(72)【発明者】

【氏名】奥中 康弘

(72)【発明者】

【氏名】小木曽 満宜

(72)【発明者】

【氏名】持田 哲也

(72)【発明者】

【氏名】玉木 義彦

(72)【発明者】

【氏名】高橋 学

(72)【発明者】

【氏名】田中 文夫

(72)【発明者】

【氏名】内藤 守

(72)【発明者】

【氏名】道端 圭二

(72)【発明者】

【氏名】福田 彰

(72)【発明者】

【氏名】花田 恭一

(72)【発明者】

【氏名】山田 貴裕

(72)【発明者】

【氏名】小林 幹京

【テーマコード（参考）】

5B042

【Ｆターム（参考）】

5B042KK17

5B042MA08

5B042MA14

5B042MC40

(57)【要約】

【課題】ログデータからトラブルの対応に有効な情報を特定して、オペレータを支援すること。
【解決手段】解析装置１００は、解析対象のログデータ１４５の特徴量を抽出し、ログデータの特徴量を入力データとし、トラブルの症状を正解ラベルとする学習データ１４３を基にして学習されたモデル１４４に、解析対象のログデータから抽出した特徴量を入力することで、解析対象のログデータ１４５に対応したトラブルの症状を特定する。
【選択図】図１

【特許請求の範囲】

【請求項1】

ログデータの特徴量を入力データとし、トラブルの症状を正解ラベルとする学習データを基にして学習されたモデルを記憶する記憶部と、
解析対象のログデータから抽出された特徴量を前記モデルに入力することで、前記解析対象のログデータに対応したトラブルの症状を特定する特定部と、
を有することを特徴とする解析装置。

【請求項2】

前記学習データの正解ラベルに設定される前記トラブルの症状には、トラブルの発生した製品の情報、トラブルの現象の情報、および、トラブルの原因に関する情報が含まれ、前記特定部は、解析対象のログデータから特徴量を前記モデルに入力することで、前記解析対象のログデータに対応した、トラブルの発生した製品の情報、トラブルの現象の情報、および、トラブルの原因に関する情報を特定することを特徴とする請求項１に記載の解析装置。

【請求項3】

前記解析対象のログデータに含まれる所定のメッセージの出現回数を、前記特徴量として抽出する抽出部を更に有することを特徴とする請求項１に記載の解析装置。

【請求項4】

前記特定部は、特定したトラブルの発生した製品の情報に関連するインシデント情報を更に特定することを特徴とする請求項２に記載の解析装置。

【請求項5】

前記特定部は、前記解析対象のログデータと、前記トラブルの症状と、前記インシデント情報とを対応付けて出力する処理を更に実行することを特徴とする請求項４に記載の解析装置。

【請求項6】

解析対象のログデータの特徴量を抽出し、
ログデータの特徴量を入力データとし、トラブルの症状を正解ラベルとする学習データを基にして学習されたモデルに、前記解析対象のログデータから抽出した特徴量を入力することで、前記解析対象のログデータに対応したトラブルの症状を特定する、
処理をコンピュータが実行することを特徴とする解析方法。

【請求項7】

解析対象のログデータの特徴量を抽出し、
ログデータの特徴量を入力データとし、トラブルの症状を正解ラベルとする学習データを基にして学習されたモデルに、前記解析対象のログデータから抽出した特徴量を入力することで、前記解析対象のログデータに対応したトラブルの症状を特定する、
処理をコンピュータに実行させることを特徴とする解析プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、解析装置等に関する。

【背景技術】

【0002】

企業では、サポートサイトを作成し、自社の製品やサービスを利用するユーザに対して、トラブル対応等を行っている。たとえば、サポートサイトでは、過去のトラブル事例や失敗事例とともに、よくある質問とその回答をまとめたＦＡＱ（Frequently Asked Questions）を用意することが一般的である。

【0003】

ユーザは、トラブルが発生した場合には、サポートサイトのＦＡＱを参照して、トラブルの解消を図り、ＦＡＱで解消できない場合には、サポートセンターのオペレータに対して、電話やメールによる問い合わせを行っている。オペレータは、サービス提供時に記録されたログデータを参照して、トラブルの対応を検討する場合もある。

【先行技術文献】

【非特許文献】

【0004】

【非特許文献1】住友電工情報システム、“コールセンター効率化”、［online］、［令和3年6月23日検索］、インターネット＜URL：https://www.sei-info.co.jp/quicksolution/case-studies/cases/crm.html＞

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、ログデータには様々な情報が混在しているため、オペレータがログデータをそのまま参照して、トラブル対応に役立てることは容易なことではない。このため、ログデータを基にして、トラブルの対応に有効な情報を特定し、オペレータを支援することが求められている。

【0006】

１つの側面では、本発明は、ログデータからトラブルの対応に有効な情報を特定して、オペレータを支援することができる解析装置、解析方法及び解析プログラムを提供することを目的とする。

【課題を解決するための手段】

【0007】

第１の案では、解析装置は、記憶部と、特定部とを有する。記憶部は、ログデータの特徴量を入力データとし、トラブルの症状を正解ラベルとする学習データを基にして学習されたモデルを記憶する。特定部は、解析対象のログデータから抽出された特徴量をモデルに入力することで、解析対象のログデータに対応したトラブルの症状を特定する。

【発明の効果】

【0008】

ログデータを基にしてトラブルの対応に有効な情報を特定し、オペレータを支援することができる。

【図面の簡単な説明】

【0009】

【図1】図１は、本実施例に係る解析装置の構成を示す機能ブロック図である。

【図2】図２は、学習データのデータ構造の一例を示す図である。

【図3】図３は、評価データのデータ構造の一例を示す図である。

【図4】図４は、本実施例に係る解析装置の学習フェーズの処理手順を示すフローチャートである。

【図5】図５は、本実施例に係る解析装置の評価フェーズの処理手順を示すフローチャートである。

【図6】図６は、実施例の解析装置と同様の機能を実現するコンピュータのハードウェア構成の一例を示す図である。

【発明を実施するための形態】

【0010】

以下に、本願の開示する解析装置、解析方法及び解析プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

【実施例0011】

本実施例に係る解析装置の構成について説明する。図１は、本実施例に係る解析装置の構成を示す機能ブロック図である。図１に示すように、この解析装置は、通信部１１０、入力部１２０、表示部１３０、記憶部１４０、制御部１５０を有する。

【0012】

通信部１１０は、有線または無線通信によって、外部装置との間で情報の送受信を行う。たとえば、通信部１１０は、ＮＩＣ（Network Interface Card）等によって実現される。解析装置１００は、通信部１１０を介して、後述するナレッジＤＢ１４１、ログデータ１４５を受信してもよい。

【0013】

入力部１２０は、解析装置１００の制御部１５０に各種の情報を入力するための入力装置である。入力部１２０は、キーボードやマウス、タッチパネル等に対応する。オペレータ等は、入力部１２０を操作して、後述するログデータ１４５を入力してもよい。

【0014】

表示部１３０は、制御部１５０から出力される情報を表示する表示装置である。表示部１３０は、有機ＥＬ（Electro Luminescence）ディスプレイ、液晶ディスプレイ、タッチパネル等に対応する。

【0015】

記憶部１４０は、ナレッジＤＢ（Data Base）１４１、質問詳細データ１４２、学習データ１４３、モデル１４４、ログデータ１４５、評価データ１４６を有する。記憶部１４０は、たとえば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。

【0016】

ナレッジＤＢ１４１は、過去のトラブル対応に関するナレッジ情報を保持するデータベースである。たとえば、ナレッジＤＢ１４１には、過去に発生したトラブル対応に紐づく情報を識別するためのインシデント番号、トラブルの対応履歴のログデータ（システムログ）が含まれる。

【0017】

質問詳細データ１４２は、ナレッジＤＢ１４１に含まれるデータのうち、一部のデータを抽出したものである。たとえば、質問詳細データ１４２には、インシデント番号や、このインシデント番号に対応するトラブル対応履歴のテキストデータ等が含まれる。

【0018】

学習データ１４３は、モデル１４４を学習するためのデータである。図２は、学習データのデータ構造の一例を示す図である。図２に示すように、この学習データ１４３は、インシデント番号と、正解ラベルデータと、入力データとを有する。インシデント番号は、過去に発生したトラブル対応に紐づく情報を識別する番号である。

【0019】

正解ラベルデータには、ＯＳ（Operating System）コード、製品コード、製品コンポーネント、クローズコード、現象名が含まれる。ＯＳコードは、ＯＳを識別する情報である。製品コードは、製品を識別する情報である。製品コンポーネントは、製品に含まれる部品を識別する情報である。正解ラベルデータに含まれる各情報は、トラブルの症状に相当する。

【0020】

クローズコードは、トラブル対応がどのような判断で終了したのかを示す情報である。たとえば、クローズコードには、ハード故障、ソフトウェア障害、操作ミス、設定ミス等が含まれる。

【0021】

現象名は、トラブルの現象名を示す情報である。たとえば、現象名には、システム停止、処理停止、処理結果異常等が含まれる。

【0022】

たとえば、図２のインシデント番号「０００１」に対応するＯＳコードは「ＯＳ－Ａ」、製品コード「製品－Ａ」、製品コンポーネント「コンポーネント－Ａ」、クローズコード「ハード故障」、現象名「システム停止」となる。

【0023】

入力データには、ログデータから検出されるメッセージＭ１～Ｍｎの出現回数が設定される。各メッセージは、予め設定される固有の文字列である。ログデータから検出されるメッセージＭ１～Ｍｎの出現回数は、ログデータの特徴量の一例である。

【0024】

たとえば、図２のインシデント番号「０００１」に対応するログデータに含まれるメッセージＭ１の出現回数が「１」、メッセージＭ２の出現回数が「０」、メッセージＭ３の出現回数が「３」、メッセージＭｎの出現回数が「１」である旨が設定される。

【0025】

モデル１４４は、決定木等の機械学習モデルである。本実施例では、モデル１４４を決定木として説明を行うが、ＮＮ（Neural Network）等で実現してもよい。

【0026】

ログデータ１４５は、評価の対象となるログデータであり、トラブル発生時の履歴が含まれる。ログデータ１４５には、固有のインシデント番号が割り当てられる。

【0027】

評価データ１４６は、ログデータ１４５から抽出される特徴量を保持する。図３は、評価データのデータ構造の一例を示す図である。図３に示すように、この評価データ１４６は、インシデント番号と、インシデント番号に対応するログデータ１４５から検出されるメッセージＭ１～Ｍｎの出現回数が設定される。

【0028】

たとえば、図３に示す例では、ログデータ１４５には、インシデント番号「９９９９」が設定される。また、ログデータ１４５に含まれるメッセージＭ１の出現回数が「１」、メッセージＭ２の出現回数が「０」、メッセージＭ３の出現回数が「３」、メッセージＭｎの出現回数が「１」である旨が設定される。

【0029】

図１の説明に戻る。制御部１５０は、前処理部１５１、学習処理部１５２、抽出部１５３、特定部１５４を有する。たとえば、制御部１５０は、ＣＰＵ（Central Processing Unit）やＭＰＵ(Micro Processing Unit)により実現される。また、制御部１５０は、たとえば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実行されてもよい。

【0030】

前処理部１５１は、ナレッジＤＢ１４１のデータを外部装置から受信し、記憶部１４０に登録する。前処理部１５１は、ナレッジＤＢ１４１を走査して、トラブル対応に関連する情報を抽出し、抽出した情報を、質問詳細データ１４２として、記憶部１４０に登録する。たとえば、ナレッジＤＢ１４１のうち、所定の項目に関連付けられたテキストデータや、インシデント番号を含む一定範囲のテキストデータ（トラブル対応の履歴）を引き抜き、質問詳細データ１４２に設定する。

【0031】

前処理部１５１は、質問詳細データ１４２を基にして、学習データ１４３を生成する。たとえば、前処理部１５１は、インシデント番号に対応する質問詳細データ１４２のテキストデータを走査し、所定のメッセージを特定し、出現回数をカウントする。前処理部１５１は、インシデント番号と、メッセージの出現回数とを対応付けて、入力データとする。

【0032】

また、前処理部１５１は、インシデント番号に関連する正解ラベルデータ（ＯＳコード、製品コード、製品コンポーネント、クローズコード、現象名）を、外部装置から取得する。なお、ナレッジＤＢ１４１に、インシデント番号に関連する正解ラベルデータが登録されている場合には、前処理部１５１は、ナレッジＤＢ１４１から、正解ラベルデータを検出してもよい。

【0033】

前処理部１５１は、上記のように、インシデント番号に対応する正解ラベルデータ、入力データを取得し、学習データ１４３に登録する。前処理部１５１は、各インシデント番号について、上記処理を繰り返し実行する。

【0034】

学習処理部１５２は、学習データ１４３を用いて、モデル１４４の機械学習を実行する。たとえば、学習処理部１５２は、入力データをモデル１４４に入力した場合の出力が、正解ラベルデータの出力結果となるように、モデル１４４のパラメータを調整する。学習データ１４３を用いて決定木を学習する手法は、いかなる従来技術を用いてもよい。

【0035】

抽出部１５３は、ログデータ１４５を、外部装置または入力部１２０から取得し、取得したログデータ１４５を、記憶部１４０に登録する。抽出部１５３は、ログデータ１４５から特徴量を抽出することで、評価データ１４６を生成し、記憶部１４０に登録する。たとえば、抽出部１５３は、ログデータ１４５を走査し、予め設定された複数のメッセージの出現回数をカウントする。抽出部１５３は、ログデータ１４５に設定されたインシデント番号と、各メッセージの出現回数を、評価データ１４６に設定する。

【0036】

特定部１５４は、評価データ１４６を、学習済みのモデル１４４に入力することで、トラブルの症状を特定する。たとえば、トラブルの症状として、ログデータ１４５に関連する、ＯＳコード、製品コード、製品コンポーネント、クローズコード、現象名が、モデル１４４から出力される。

【0037】

特定部１５４は、製品コードの情報を、外部装置に出力し、製品コードに関するマニュアル情報、製品コードに関連したトラブルのインシデント番号を問い合わせる。これにより、特定部１５４は、製品コードに対応するインシデント番号、マニュアル情報を取得する。以下の説明では、製品コードに関連したトラブルのインシデント番号を、「関連インシデント番号」と表記する。

【0038】

特定部１５４は、トラブルの症状（たとえば、ＯＳコード、製品コード、製品コンポーネント、クローズコード、現象名）、関連インシデント番号、マニュアル情報を対応付けた画面情報を生成し、表示部１３０に出力して表示させる。特定部１５４は、ログデータ１４５を外部装置から取得している場合には、外部装置に画面情報を送信してもよい。

【0039】

次に、本実施例に係る解析装置１００の処理手順の一例について説明する。図４は、本実施例に係る解析装置の学習フェーズの処理手順を示すフローチャートである。図４に示すように、解析装置１００の前処理部１５１は、ナレッジＤＢ１４１から、質問詳細データ１４２を抽出する（ステップＳ１０１）。

【0040】

前処理部１５１は、質問詳細データ１４２および外部装置から取得した正解ラベルデータを基にして、学習データ１４３を生成する（ステップＳ１０２）。

【0041】

解析装置１００の学習処理部１５２は、学習データ１４３を用いてモデル１４４を学習する（ステップＳ１０３）。学習処理部１５２は、学習済みのモデル１４４を、記憶部に登録する（ステップＳ１０４）。

【0042】

図５は、本実施例に係る解析装置の評価フェーズの処理手順を示すフローチャートである。解析装置１００の抽出部１５３は、ログデータ１４５の入力を受け付ける（ステップＳ２０１）。抽出部１５３は、ログデータ１４５から特徴量を抽出することで、評価データ１４６を生成する（ステップＳ２０２）。

【0043】

解析装置１００の特定部１５４は、評価データ１４６を学習済みのモデル１４４に入力して、トラブルの症状（ＯＳコード、製品コード、製品コンポーネント、クローズコード、現象名）を特定する（ステップＳ２０３）。

【0044】

特定部１５４は、トラブルの症状に対応するインシデント番号およびマニュアル情報を取得する（ステップＳ２０４）。特定部１５４は、トラブルの症状にインシデント番号およびマニュアル情報を対応付けた画面情報を生成する（ステップＳ２０５）。特定部１５４は、画面情報を表示部１３０に表示させる（ステップＳ２０６）。

【0045】

次に、本実施例に係る解析装置１００の効果について説明する。解析装置１００は、質問詳細データ１４２のようなログデータの特徴量を入力データ、トラブルの症状を正解ラベルとした学習データ１４３によって学習したモデル１４４に、解析対象のログデータ１４５の特徴量を入力して、出力結果を提示する。これによって、トラブル対応に有効な情報を抽出して、オペレータを支援することができる。

【0046】

解析装置１００は、学習データ１４３として用いるトラブルの症状として、ＯＳコード、製品コード、製品コンポーネント、クローズコード、現象名を利用する。これによって、オペレータは、対応中のトラブルの対応に役立つ情報を得ることができる。

【0047】

解析装置１００は、ログデータ１４５から特徴量（メッセージの出現回数）を抽出し、モデル１４４に入力する。これによって、モデル１４４に入力すべきデータを絞り込むことができる。

【0048】

解析装置１００は、トラブルの発生した製品の情報を関連するインシデント番号を更に特定する。これによって、トラブルの発生したログデータ１４５に関連する情報を、インシデント番号を用いて容易に収集することができる。

【0049】

次に、上記実施例に示した解析装置１００と同様の機能を実現するコンピュータのハードウェア構成の一例について説明する。図６は、実施例の解析装置と同様の機能を実現するコンピュータのハードウェア構成の一例を示す図である。

【0050】

図６に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、ユーザからのデータの入力を受け付ける入力装置２０２と、ディスプレイ２０３とを有する。また、コンピュータ２００は、有線または無線ネットワークを介して、外部装置等との間でデータの授受を行う通信装置２０４と、インタフェース装置２０５とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０６と、ハードディスク装置２０７とを有する。そして、各装置２０１～２０７は、バス２０８に接続される。

【0051】

ハードディスク装置２０７は、前処理プログラム２０７ａ、学習処理プログラム２０７ｂ、抽出プログラム２０７ｃ、特定プログラム２０７ｄを有する。また、ＣＰＵ２０１は、各プログラム２０７ａ～２０７ｄを読み出してＲＡＭ２０６に展開する。

【0052】

前処理プログラム２０７ａは、前処理プロセス２０６ａとして機能する。学習処理プログラム２０７ｂは、学習処理プロセス２０６ｂとして機能する。抽出プログラム２０７ｃは、抽出プロセス２０６ｃとして機能する。特定プログラム２０７ｄは、特定プロセス２０６ｄとして機能する。

【0053】

前処理プロセス２０６ａの処理は、前処理部１５１の処理に対応する。学習処理プロセス２０６ｂの処理は、学習処理部１５２の処理に対応する。抽出プロセス２０６ｃの処理は、抽出部１５３の処理に対応する。特定プロセス２０６ｄの処理は、特定部１５４の処理に対応する。

【0054】

なお、各プログラム２０７ａ～２０７ｄについては、必ずしも最初からハードディスク装置２０７に記憶させておかなくても良い。例えば、コンピュータ２００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＤＶＤ、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ２００が各プログラム２０７ａ～２０７ｄを読み出して実行するようにしてもよい。

【符号の説明】

【0055】

１００ 解析装置
１１０ 通信部
１２０ 入力部
１３０ 表示部
１４０ 記憶部
１４１ ナレッジＤＢ
１４２ 質問詳細データ
１４３ 学習データ
１４４ モデル
１４５ ログデータ
１４６ 評価データ
１５０ 制御部
１５１ 前処理部
１５２ 学習処理部
１５３ 抽出部
１５４ 特定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】