知財求人 - 知財ポータルサイト「IP Force」
(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】P2023179925
(43)【公開日】2023-12-20
(54)【発明の名称】ログ解析装置
(51)【国際特許分類】
G06F 11/34 20060101AFI20231213BHJP
H01L 21/02 20060101ALI20231213BHJP
【ＦＩ】
G06F11/34 176
G06F11/34 152
H01L21/02 Z
【審査請求】有
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2022092868
(22)【出願日】2022-06-08
(71)【出願人】
【識別番号】000006297
【氏名又は名称】村田機械株式会社
(74)【代理人】
【識別番号】100088155
【弁理士】
【氏名又は名称】長谷川 芳樹
(74)【代理人】
【識別番号】100113435
【弁理士】
【氏名又は名称】黒木 義樹
(74)【代理人】
【識別番号】100176245
【弁理士】
【氏名又は名称】安田 亮輔
(74)【代理人】
【識別番号】100183081
【弁理士】
【氏名又は名称】岡▲崎▼ 大志
(72)【発明者】
【氏名】井元 慎一郎
【テーマコード（参考）】
5B042
【Ｆターム（参考）】
5B042MA08
5B042MA11
5B042MA13
5B042MC15
5B042MC40
(57)【要約】
【課題】トラブル発生時のユーザのログ解析をより効率的に支援できる。
【解決手段】ログ解析装置１は、対象期間Ｔ内に搬送システム２においてイベント毎に出力された文字列からなる複数のログ情報３１を取得するログ情報取得部１２と、複数のログ情報３１に基づいて、一連のイベント毎又は予め定められた長さの設定期間毎に、それぞれ一以上のログ情報３１が結合された複数のログ文章３３を生成する文章生成部１３と、ログ文章３３毎に、複数のログ文章３３に基づいて設定された複数のトピックの各々に分類される度合いを示す第１スコアを算出する第１スコア算出部１５と、ログ文章３３毎に、第１スコアに基づいて、ログ文章３３を複数のトピックのうちのいずれか一つのトピックに分類することの困難さの度合いを示す第２スコアを算出する第２スコア算出部１６と、ログ文章３３毎に算出された第２スコアをユーザに対して表示する表示部１７と、を備える。
【選択図】図１
【解決手段】ログ解析装置１は、対象期間Ｔ内に搬送システム２においてイベント毎に出力された文字列からなる複数のログ情報３１を取得するログ情報取得部１２と、複数のログ情報３１に基づいて、一連のイベント毎又は予め定められた長さの設定期間毎に、それぞれ一以上のログ情報３１が結合された複数のログ文章３３を生成する文章生成部１３と、ログ文章３３毎に、複数のログ文章３３に基づいて設定された複数のトピックの各々に分類される度合いを示す第１スコアを算出する第１スコア算出部１５と、ログ文章３３毎に、第１スコアに基づいて、ログ文章３３を複数のトピックのうちのいずれか一つのトピックに分類することの困難さの度合いを示す第２スコアを算出する第２スコア算出部１６と、ログ文章３３毎に算出された第２スコアをユーザに対して表示する表示部１７と、を備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
対象期間内に一以上の装置を含むシステムにおいてイベント毎に出力された文字列からなる複数のログ情報を取得するログ情報取得部と、
前記複数のログ情報に基づいて、一連のイベント毎又は予め定められた長さの設定期間毎に、それぞれ一以上の前記ログ情報が結合された複数のログ文章を生成する文章生成部と、
前記ログ文章毎に、前記複数のログ文章に基づいて設定された複数の主題の各々に分類される度合いを示す第１スコアを算出する第１スコア算出部と、
前記ログ文章毎に、前記第１スコアに基づいて、前記ログ文章を前記複数の主題のうちのいずれか一つの主題に分類することの困難さの度合いを示す第２スコアを算出する第２スコア算出部と、
前記ログ文章毎に算出された前記第２スコアをユーザに対して表示する表示部と、
を備えるログ解析装置。
前記複数のログ情報に基づいて、一連のイベント毎又は予め定められた長さの設定期間毎に、それぞれ一以上の前記ログ情報が結合された複数のログ文章を生成する文章生成部と、
前記ログ文章毎に、前記複数のログ文章に基づいて設定された複数の主題の各々に分類される度合いを示す第１スコアを算出する第１スコア算出部と、
前記ログ文章毎に、前記第１スコアに基づいて、前記ログ文章を前記複数の主題のうちのいずれか一つの主題に分類することの困難さの度合いを示す第２スコアを算出する第２スコア算出部と、
前記ログ文章毎に算出された前記第２スコアをユーザに対して表示する表示部と、
を備えるログ解析装置。
【請求項2】
前記対象期間は、
前記システムにおいて解析対象のトラブルが発生していた期間を含むトラブル期間と、
前記トラブル期間よりも長く、且つ、前記システムにおいて前記トラブルが発生していなかった正常期間と、を含む、
請求項１に記載のログ解析装置。
前記システムにおいて解析対象のトラブルが発生していた期間を含むトラブル期間と、
前記トラブル期間よりも長く、且つ、前記システムにおいて前記トラブルが発生していなかった正常期間と、を含む、
請求項１に記載のログ解析装置。
【請求項3】
前記文章生成部は、前記ログ情報のうち予め不要な情報として定められた部分を除外して、前記ログ文章を生成する、
請求項１に記載のログ解析装置。
請求項１に記載のログ解析装置。
【請求項4】
前記文章生成部により生成された複数のログ文章に基づいて、各前記ログ文章が前記複数の主題の各々に分類される確率を示す確率分布を出力するモデルを生成するモデル生成部を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記モデルから出力される前記確率分布を前記第１スコアとして算出し、
前記第２スコア算出部は、前記ログ文章毎の前記第１スコアに基づいて、前記ログ文章毎のエントロピーを前記第２スコアとして算出する、
請求項１に記載のログ解析装置。
前記第１スコア算出部は、前記複数のログ文章の各々について、前記モデルから出力される前記確率分布を前記第１スコアとして算出し、
前記第２スコア算出部は、前記ログ文章毎の前記第１スコアに基づいて、前記ログ文章毎のエントロピーを前記第２スコアとして算出する、
請求項１に記載のログ解析装置。
【請求項5】
前記表示部は、前記ログ文章に割り当てられた識別子と、前記ログ文章の前記第２スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
請求項１に記載のログ解析装置。
請求項１に記載のログ解析装置。
【請求項6】
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の前記第２スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
請求項１に記載のログ解析装置。
請求項１に記載のログ解析装置。
【請求項7】
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも一つの前記主題に対応する前記第１スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
請求項１に記載のログ解析装置。
請求項１に記載のログ解析装置。
【請求項8】
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも二以上の前記主題に対応する前記第１スコアと、の組に対応する点がプロットされた前記散布図を生成及び表示し、
前記表示部は、前記主題毎に区別可能な態様で、各前記点を前記散布図上に表示する、
請求項７に記載のログ解析装置。
前記表示部は、前記主題毎に区別可能な態様で、各前記点を前記散布図上に表示する、
請求項７に記載のログ解析装置。
【請求項9】
前記表示部は、前記散布図にプロットされた所定の点を選択するユーザ操作を受け付けた場合に、前記選択された点に対応する前記ログ文章を構成する前記ログ情報に関する詳細情報を生成及び表示する、
請求項５～８のいずれか一項に記載のログ解析装置。
請求項５～８のいずれか一項に記載のログ解析装置。
【請求項10】
前記表示部は、前記散布図と共に、前記複数の主題の各々に対応する内容を視覚的に示す表示情報を生成及び表示する、
請求項７又は８に記載のログ解析装置。
請求項７又は８に記載のログ解析装置。
【請求項11】
前記文章生成部により生成された複数のログ文章に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルであって、それぞれ各前記ログ文章が前記複数の主題の各々に分類される確率を示す確率分布を出力する前記複数のモデルを生成するモデル生成部を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記複数のモデルの各々から出力される前記確率分布を、前記モデル毎の前記第１スコアとして算出し、
前記第２スコア算出部は、
前記ログ文章毎の前記第１スコアに基づいて前記ログ文章毎のエントロピーを算出する処理を前記モデル毎に実行し、
前記ログ文章毎に、前記複数のモデルの各々について算出されたエントロピーの平均値を前記第２スコアとして算出する、
請求項１～８のいずれか一項に記載のログ解析装置。
前記第１スコア算出部は、前記複数のログ文章の各々について、前記複数のモデルの各々から出力される前記確率分布を、前記モデル毎の前記第１スコアとして算出し、
前記第２スコア算出部は、
前記ログ文章毎の前記第１スコアに基づいて前記ログ文章毎のエントロピーを算出する処理を前記モデル毎に実行し、
前記ログ文章毎に、前記複数のモデルの各々について算出されたエントロピーの平均値を前記第２スコアとして算出する、
請求項１～８のいずれか一項に記載のログ解析装置。
【請求項12】
前記文章生成部により生成された複数のログ文章に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルであって、各前記ログ文章が前記モデル毎に設定される複数の主題の各々に分類される確率を示す確率分布を出力する前記複数のモデルを生成するモデル生成部と、
前記複数のモデルのうちから一の代表モデルを選定するモデル選定部と、
を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記複数のモデルの各々から出力される前記確率分布を、前記モデル毎の前記第１スコアとして算出し、
前記モデル選定部は、
前記ログ文章及び前記モデルの組み合わせ毎のエントロピーを取得し、
前記ログ文章毎に、複数の前記モデルの各々に対応するエントロピーの平均値を取得し、
前記ログ文章及び前記モデルの組み合わせ毎に、各前記モデルに対応するエントロピーと各前記ログ文章に対応する前記平均値との誤差に関する指標である誤差値を算出し、
複数の前記ログ文章の各々について算出された前記誤差値の総和が最小となる前記モデルを代表モデルとして選定し、
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも一つの前記主題に対応する前記代表モデルの前記第１スコアと、の組に対応する点がプロットされた散布図を表示する、
請求項７又は８に記載のログ解析装置。
前記複数のモデルのうちから一の代表モデルを選定するモデル選定部と、
を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記複数のモデルの各々から出力される前記確率分布を、前記モデル毎の前記第１スコアとして算出し、
前記モデル選定部は、
前記ログ文章及び前記モデルの組み合わせ毎のエントロピーを取得し、
前記ログ文章毎に、複数の前記モデルの各々に対応するエントロピーの平均値を取得し、
前記ログ文章及び前記モデルの組み合わせ毎に、各前記モデルに対応するエントロピーと各前記ログ文章に対応する前記平均値との誤差に関する指標である誤差値を算出し、
複数の前記ログ文章の各々について算出された前記誤差値の総和が最小となる前記モデルを代表モデルとして選定し、
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも一つの前記主題に対応する前記代表モデルの前記第１スコアと、の組に対応する点がプロットされた散布図を表示する、
請求項７又は８に記載のログ解析装置。
【請求項13】
前記装置は、物品を搬送する搬送車であり、
前記一連のイベントは、コントローラによって前記搬送車に割り付けられる一の搬送指令に対応して実行される一連の処理である、
請求項１～８のいずれか一項に記載のログ解析装置。
前記一連のイベントは、コントローラによって前記搬送車に割り付けられる一の搬送指令に対応して実行される一連の処理である、
請求項１～８のいずれか一項に記載のログ解析装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ログ解析装置に関する。
【背景技術】
【0002】
半導体製造工場等において、半導体ウェハが収納されるカセット等の物品を搬送する搬送車の走行を制御する搬送システムが知られている。このような搬送システムでトラブル（障害）が発生した場合、トラブルの原因を特定するために、搬送システムにおいて出力及び記録された文字列からなるログ情報の解析が必要になることがある。
【0003】
例えば特許文献１には、上記のようなログ解析に関連する手法として、半導体ウェハにエッチングや成膜等を施す基板処理装置にトラブルが発生した場合に、予め登録（記憶）されたトラブルに関連するキーワードを用いて基板処理装置で得られたログ情報を検索し、検索されたログ情報を強調表示する仕組みが開示されている。上記仕組みによれば、トラブルについて予め登録されたキーワードを用いることにより、ユーザ（作業者）がトラブルに関連するログを知らなくても、必要なログを自動的に検索及び強調表示できる。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２００８－１４０２４８号公報
【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、上記特許文献１に記載の手法では、予めトラブルの種類毎にキーワードを用意しておく必要がある。また、上記特許文献１に記載の手法では、未知のトラブル（すなわち、予めキーワードが登録されていないトラブル）に関連するログ情報を抽出することはできない。
【0006】
本発明は、トラブル発生時のユーザのログ解析を容易且つ正確に支援できるログ解析装置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】
本発明に係るログ解析装置は、対象期間内に一以上の装置を含むシステムにおいてイベント毎に出力された文字列からなる複数のログ情報を取得するログ情報取得部と、複数のログ情報に基づいて、一連のイベント毎又は予め定められた長さの設定期間毎に、それぞれ一以上のログ情報が結合された複数のログ文章を生成する文章生成部と、ログ文章毎に、複数のログ文章に基づいて設定された複数の主題の各々に分類される度合いを示す第１スコアを算出する第１スコア算出部と、ログ文章毎に、第１スコアに基づいて、ログ文章を複数の主題のうちのいずれか一つの主題に分類することの困難さの度合いを示す第２スコアを算出する第２スコア算出部と、ログ文章毎に算出された第２スコアをユーザに対して表示する表示部と、を備える。
【0008】
上記ログ解析装置では、一連のイベント又は設定期間の単位で一以上のログ情報が結合されたログ文章毎に、複数の主題の各々に分類される度合い（第１スコア）が算出されると共に、一つの主題に分類することが困難な度合い（第２スコア）が算出される。通常のシステムでは、処理が正常に行われる期間においては、有限個のログ文章のパターンのいずれかに対応する一連の処理が繰り返し実行されることが多い。このため、いずれかの主題に分類されるログ文章（すなわち、第２スコアが比較的低いログ文章）は、正常な事象（例えば、上述したログ文章のパターンのうちの一つ）に対応している可能性が高い。これに対して、トラブル等の特異的な事象に対応するログ文章は、上述したログ文章のパターンのいずれにも分類されないため、正常な事象に対応するログ文章と比較して高い第２スコアが算出される可能性が高い。このようなログ文章毎の第２スコアがユーザに対して表示されることにより、ユーザは、個々のログ情報を詳細に確認することなく、トラブル等の特異的な事象に対応する可能性が高いログ文章（すなわち、第２スコアが比較的高いログ文章）を、容易に把握することができる。また、上記仕組みにおいては、イベント単位（すなわち、ログ情報単位）で見ると特異性がなくてもログ文章単位で見ると特異性のある事象を把握することが可能となる。また、上記仕組みにおいては、トラブルに関連するログ情報を抽出するために、発生し得るトラブルに関連するキーワードの事前作成等の作業は不要である。従って、上記ログ解析装置によれば、トラブル発生時のユーザのログ解析を容易且つ正確に支援できる。また、処理が正常に行われている期間においては、ログ文章の主題毎の分類によって、システム内の処理の動向を容易に把握できる。
【0009】
対象期間は、システムにおいて解析対象のトラブルが発生していた期間を含むトラブル期間と、トラブル期間よりも長く、且つ、システムにおいてトラブルが発生していなかった正常期間と、を含んでもよい。上記構成によれば、対象期間内に取得された複数のログ情報から生成される複数のログ文章の中に、上述したログ文章のパターンのいずれかに対応する十分な数のログ文章を確保し易くなる。これにより、より確実に、トラブルに関連するログ文章の第２スコアをトラブルに関連しないログ文章の第２スコアよりも高くすることができる。
【0010】
文章生成部は、ログ情報のうち予め不要な情報として定められた部分を除外して、ログ文章を生成してもよい。上記構成によれば、個々のログ文章の内容を簡素化することにより、ログ文章を記憶するために必要な記憶領域を低減できると共に、ログ文章に対する演算処理（例えば、第１スコア算出部の処理）に必要な計算量を低減できる。
【0011】
上記ログ解析装置は、文章生成部により生成された複数のログ文章に基づいて、各ログ文章が複数の主題の各々に分類される確率を示す確率分布を出力するモデルを生成するモデル生成部を更に備えてもよく、第１スコア算出部は、複数のログ文章の各々について、モデルから出力される確率分布を第１スコアとして算出してもよく、第２スコア算出部は、ログ文章毎の第１スコアに基づいて、ログ文章毎のエントロピーを第２スコアとして算出してもよい。上記構成によれば、各ログ文章が各主題に分類される確率を示す確率分布に基づいて算出されるエントロピーを、一つの主題に分類することの困難さの度合いを示す具体的な指標として得ることができる。また、エントロピーの大きさに基づいて、ログ文章の特異性（トラブルに関連している蓋然性）を容易に把握することが可能となる。
【0012】
表示部は、ログ文章に割り当てられた識別子と、ログ文章の第２スコアと、の組に対応する点がプロットされた散布図を生成及び表示してもよい。上記構成によれば、ユーザに、複数のログ文章のうち特に第２スコアが大きいログ文章（すなわち、当該ログ文章に対応する点）を視覚的且つ容易に把握させることができる。すなわち、ユーザは、他のログ文章と比較して第２スコアが大きい特異なログ文章（言い換えれば、特異な事象であるトラブルに関連する可能性が高いログ文章）を、容易に発見することができる。これにより、トラブル発生時のユーザのログ解析を効果的に支援することができる。
【0013】
表示部は、ログ文章を構成するログ情報が記録された時点と、ログ文章の第２スコアと、の組に対応する点がプロットされた散布図を生成及び表示してもよい。上記構成によれば、ユーザに、時系列に沿って複数のログ文章の第２スコアの変化を視覚的且つ容易に把握させることができる。すなわち、ユーザは、他のログ文章と比較して第２スコアが大きい特異なログ文章（言い換えれば、トラブルに関連する可能性が高いログ文章）を容易に発見できると共に、当該ログ文章が発生した時点を容易に把握することができる。これにより、トラブル発生時のユーザのログ解析を効果的に支援することができる。
【0014】
表示部は、ログ文章を構成するログ情報が記録された時点と、ログ文章の少なくとも一つの主題に対応する第１スコアと、の組に対応する点がプロットされた散布図を生成及び表示してもよい。上記構成によれば、ユーザに、個別の主題に分類されるログ文章（すなわち、特定の主題に対応する確率値が大きいログ文章）の発生時期を視覚的且つ容易に把握させることができる。すなわち、ユーザは、どの主題に対応するイベントがどの時期に発生していたかを容易に把握することができる。
【0015】
表示部は、ログ文章を構成するログ情報が記録された時点と、ログ文章の少なくとも二以上の主題に対応する第１スコアと、の組に対応する点がプロットされた散布図を生成及び表示してもよく、表示部は、主題毎に区別可能な態様で、各点を散布図上に表示してもよい。上記構成によれば、散布図上に複数の主題に対応する点を混在させつつ、各点がどの主題に対応するかをユーザに視覚的に把握させることができる。
【0016】
表示部は、散布図にプロットされた所定の点を選択するユーザ操作を受け付けた場合に、選択された点に対応するログ文章を構成するログ情報に関する詳細情報を生成及び表示してもよい。上記構成によれば、ユーザが興味を持ったログ文章（すなわち、選択された点に対応するログ文章３３）の詳細情報をユーザに提示することにより、トラブル発生時のユーザのログ解析を効果的に支援することができる。
【0017】
表示部は、散布図と共に、複数の主題の各々に対応する内容を視覚的に示す表示情報を生成及び表示してもよい。上記構成によれば、例えば、トラブルに関連する主題が複数の主題のうちの一の主題として設定された場合に、ユーザにトラブル（すなわち、一の主題に関連するイベント）の発生期間と当該トラブルに関連するログ文章とを視覚的且つ容易に把握させることができる。
【0018】
上記ログ解析装置は、文章生成部により生成された複数のログ文章に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルであって、それぞれ各ログ文章が複数の主題の各々に分類される確率を示す確率分布を出力する複数のモデルを生成するモデル生成部を更に備えてもよく、第１スコア算出部は、複数のログ文章の各々について、複数のモデルの各々から出力される確率分布を、モデル毎の第１スコアとして算出してもよく、第２スコア算出部は、ログ文章毎の第１スコアに基づいてログ文章毎のエントロピーを算出する処理をモデル毎に実行してもよく、ログ文章毎に、複数のモデルの各々について算出されたエントロピーの平均値を第２スコアとして算出してもよい。上記構成によれば、複数のモデルの出力から求まるエントロピーの平均値を第２スコアとして用いることにより、ログ解析のロバスト性（頑健性）を向上させることができる。例えば、モデル生成部により生成された一のモデルから適切な出力結果が得られなかったとしても、複数のモデルの出力結果の平均値を採用することにより、当該一のモデルの不具合を吸収し、適切な結果（第２スコア）をユーザに提示することが可能となる。
【0019】
上記ログ解析装置は、文章生成部により生成された複数のログ文章に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルであって、各ログ文章がモデル毎に設定される複数の主題の各々に分類される確率を示す確率分布を出力する複数のモデルを生成するモデル生成部と、複数のモデルのうちから一の代表モデルを選定するモデル選定部と、を更に備えてもよく、第１スコア算出部は、複数のログ文章の各々について、複数のモデルの各々から出力される確率分布を、モデル毎の第１スコアとして算出してもよく、モデル選定部は、ログ文章及びモデルの組み合わせ毎のエントロピーを取得してもよく、ログ文章毎に、複数のモデルの各々に対応するエントロピーの平均値を取得してもよく、ログ文章及びモデルの組み合わせ毎に、各モデルに対応するエントロピーと各ログ文章に対応する平均値との誤差に関する指標である誤差値を算出してもよく、複数のログ文章の各々について算出された誤差値の総和が最小となるモデルを代表モデルとして選定してもよく、表示部は、ログ文章を構成するログ情報が記録された時点と、ログ文章の少なくとも一つの主題に対応する代表モデルの第１スコアと、の組に対応する点がプロットされた散布図を表示してもよい。上記構成によれば、複数のモデルのうち全文章（複数のログ文章）について最も平均的なエントロピーを出力したモデル（すなわち、誤差値の総和が最小となるモデル）を代表モデルとして選定することができる。これにより、複数のモデルの中で他のモデルと大きく挙動が異なるモデル（すなわち、複数のモデルの中でイレギュラーなモデルであり、適切な出力結果が得られない可能性が高いモデル）が代表モデルとして選定されることを防止することができる。その結果、ユーザに対して適切な出力結果（すなわち、平均的なモデルである代表モデルの出力結果）を提示することができる。
【0020】
装置は、物品を搬送する搬送車であってもよく、一連のイベントは、コントローラによって搬送車に割り付けられる一の搬送指令に対応して実行される一連の処理であってもよい。上記構成によれば、物品を搬送する搬送車を備える搬送システムにおいて、搬送指令毎に結合されたログ文章に対する解析を実行することにより、搬送システムにおいてトラブルが発生した際のログ解析を容易に行うことが可能となる。
【発明の効果】
【0021】
本発明によれば、トラブル発生時のユーザのログ解析を容易且つ正確に支援できるログ解析装置を提供することができる。
【図面の簡単な説明】
【0022】
【図1】第１実施形態のログ解析装置の機能構成を示すブロック図である。
【図2】ログ解析装置のハードウェア構成の一例を示すブロック図である。
【図3】ログ情報及びログ文章の一例を示す図である。
【図4】モデルの生成手順の一例を示す図である。
【図5】ログ文章毎にトピックモデルにより得られる確率分布及びエントロピーの一例を示す図である。
【図7】ログ文章毎のエントロピーを示す散布図の一例を示す図である。
【図8】ログ記録順に各ログ文章のエントロピーをプロットした散布図の一例を示す図である。
【図9】ログ記録順に各ログ文章の所定のトピックの確率値をプロットした散布図の一例を示す図である。
【図10】第１実施形態のログ解析装置の動作の一例を示すフローチャートである。
【図11】第２実施形態のログ解析装置の機能構成を示すブロック図である。
【図12】第２実施形態の複数のモデルの生成手順の一例を示す図である。
【図13】ログ文章及びトピックモデルの組み合わせ毎の算出結果の一例を示す図である。
【図14】第２実施形態のログ解析装置の動作の一例を示すフローチャートである。
【発明を実施するための形態】
【0023】
以下、図面を参照して本発明の一実施形態について説明する。なお、図面の説明においては、同一又は同等の要素には同一の符号を付し、重複する説明を省略する場合がある。
【0024】
［第１実施形態］
図１は、第１実施形態に係るログ解析装置１の機能構成の一例を示す図である。ログ解析装置１は、搬送システム２（システム）においてイベントが発生する毎に出力（記録）されるログ情報を解析することにより、搬送システム２においてトラブルが発生した際のユーザ（作業者）のログ解析を支援する装置である。図１に示されるように、ログ解析装置１は、ログＤＢ１１と、ログ情報取得部１２と、文章生成部１３と、モデル生成部１４と、第１スコア算出部１５と、第２スコア算出部１６と、表示部１７と、を備える。
図１は、第１実施形態に係るログ解析装置１の機能構成の一例を示す図である。ログ解析装置１は、搬送システム２（システム）においてイベントが発生する毎に出力（記録）されるログ情報を解析することにより、搬送システム２においてトラブルが発生した際のユーザ（作業者）のログ解析を支援する装置である。図１に示されるように、ログ解析装置１は、ログＤＢ１１と、ログ情報取得部１２と、文章生成部１３と、モデル生成部１４と、第１スコア算出部１５と、第２スコア算出部１６と、表示部１７と、を備える。
【0025】
図２に示されるように、ログ解析装置１は、一以上のＣＰＵ（Central Processing Unit）等のプロセッサ１０１と、主記憶装置である一以上のＲＡＭ（Random Access Memory）１０２及び一以上のＲＯＭ（Read Only Memory）１０３と、ユーザが操作入力を行うためのキーボード等の入力装置１０４と、ユーザに情報を提示するディスプレイ等の出力装置１０５と、外部装置と通信を行うための通信モジュール１０６と、ＨＤＤ及びＳＳＤ等の補助記憶装置１０７と、を含むコンピュータシステムとして構成され得る。
【0026】
ログ解析装置１は、単一のサーバ装置によって構成されてもよいし、複数のサーバ装置によって構成されてもよい。ログ解析装置１の各機能は、例えば、ＲＡＭ１０２等のメモリに所定のプログラムを読み込ませ、プロセッサ１０１の制御のもとで入力装置１０４及び出力装置１０５を動作させると共に通信モジュール１０６を動作させ、ＲＡＭ１０２及び補助記憶装置１０７におけるデータの読み出し及び書き込みを行うことで実現される。
【0027】
搬送システム２は、コントローラ２１と、複数の搬送車２２（一以上の装置）と、を含む。搬送システム２は、例えば半導体製造工場等において、複数枚の半導体ウェハが収容されるカセット（例えば、ＦＯＵＰ（Front Opening Unified Pod））等の物品の搬送制御を行うためのシステムである。搬送車２２は、例えば、工場内に敷設されたレール（軌道）に沿って走行可能に構成されると共に、物品を搬送可能に構成された無人搬送車である。搬送車２２は、例えば天井走行車、有軌道台車等である。搬送車２２の具体例としては、天井走行式無人搬送車（ＯＨＴ：Overhead Hoist Transfer）が挙げられる。
【0028】
コントローラ２１は、複数の搬送車２２のうちから選定された特定の搬送車２２に搬送指令を割り付けることにより、各搬送車の走行動作を制御する。搬送指令は、工場内のある場所（例えば、ＦＯＵＰを保管するストッカ、ＦＯＵＰ内の半導体ウェハに対する処理を実行する処理装置等）から他の場所へと物品を搬送することを指示する情報である。搬送指令は、例えば、搬送対象の物品を識別する識別情報（物品ＩＤ）と、当該物品をピックアップする地点（Ｆｒｏｍ地点）と、当該物品の搬送先の地点（Ｔｏ地点）と、を含む情報である。コントローラ２１は、予め定められた選択基準に基づいて、搬送指令の割付先となる搬送車２２を決定する。例えば、コントローラ２１は、Ｆｒｏｍ地点から最も近い空き搬送車を優先して、搬送指令を割り付ける。また、コントローラ２１は、予め定められたルート探索アルゴリズム（例えば公知の最短経路検索アルゴリズム等）を実行することにより、搬送指令を実行するための走行経路を決定し、当該走行経路を搬送車２２に通知する。これにより、搬送指令が割り付けられた搬送車２２は、当該走行経路に基づいて走行する。
【0029】
コントローラ２１は、イベントが発生する毎にログ情報を出力する。イベントとは、搬送システム２において発生した事象（予めログ出力対象として定められた事象）の単位であり、例えば、コントローラ２１又は搬送車２２によって実行された一回の操作又は処理等に対応する。ログ情報は、イベントの内容を示す文字列からなる情報である。コントローラ２１により出力されるログ情報は、ログＤＢ１１に蓄積（記録）される。
【0030】
図１に示されるように、ログ解析装置１は、搬送システム２のコントローラ２１とは異なる装置として構成され得る。上記構成によれば、コントローラ２１の外部にあるログ解析装置１でログ解析処理が実行されるため、ログ解析処理の計算負荷をコントローラ２１が負担する必要がないという利点が得られる。すなわち、ログ解析処理の実行によって、コントローラ２１の処理負荷が増大しないという利点が得られる。ただし、ログ解析装置１は、搬送システム２のコントローラ２１に組み込まれてもよい。
【0031】
ログ解析装置１は、搬送システム２においてトラブルが発生した場合に、当該トラブルに関連する可能性が高いログ文章（一以上のログ情報が結合された文章）を抽出し、ユーザに視覚的に分かり易い態様で提示する機能を有する。以下、上記機能を実現するためにログ解析装置１が備える各機能的構成要素について説明する。
【0032】
ログＤＢ１１は、搬送システム２においてイベント毎に出力されたログ情報（本実施形態では、コントローラ２１により出力されたログ情報）を記憶する。ログＤＢ１１は、例えば、上述した補助記憶装置１０７によって実現される。ただし、ログＤＢ１１は、必ずしもログ解析装置１に実装される必要はなく、ログ解析装置１からアクセス可能な外部装置に実装されてもよい。
【0033】
ログ情報取得部１２は、対象期間Ｔ内に搬送システム２において出力された複数のログ情報を取得する。本実施形態では、対象期間Ｔは、トラブル期間Ｔ１及び正常期間Ｔ２の両方を含んだ期間（すなわち、Ｔ＝Ｔ１＋Ｔ２）である。
【0034】
トラブル期間Ｔ１とは、搬送システム２において解析対象のトラブルが発生していた期間を含む期間である。例えば、トラブル期間Ｔ１は、トラブルが発生したと判断された時点からトラブルが解消したと判断された時点までの期間である。すなわち、トラブル期間Ｔ１は、トラブルに関連する一以上のログ情報が出力された可能性が高い期間である。トラブルとは、搬送システム２において発生した何らかの障害、不調、故障、事故等であり、搬送システム２の正常な動作を妨げ得る事象全般を意味する。トラブルの例としては、設計時に想定されていなかった搬送制御パターンによる潜在バグの発現、搬送システム２内の通信負荷の上昇による通信遅延、多数の搬送車２２が特定の場所に密集することによる搬送経路のグリッドロック、電源盤故障や電気回路故障等の電気的不具合による搬送異常、搬送車２２の意図しない動作停止、搬送車２２同士の衝突等が挙げられる。
【0035】
正常期間Ｔ２は、搬送システム２においてトラブルが発生していなかった期間（すなわち、搬送システム２が正常に稼働していた期間）であり、トラブル期間Ｔ１よりも十分に長い期間である。なお、トラブル期間Ｔ１と正常期間Ｔ２とは、時間的に分離していてもよい。すなわち、トラブル期間Ｔ１と正常期間Ｔ２とは、必ずしも時間的に連続している必要はない。
【0036】
図３の上段部は、対象期間Ｔ内にログＤＢ１１に記録された複数のログ情報３１の例を示している。ログＤＢ１１には、イベント発生毎に、１行（１レコード）のログ情報３１が記録される。図３の例では、ログ情報３１は、イベント発生時点（ログ記録時点）を示す時刻情報（タイムスタンプ）と、イベントの種類を識別するイベントコードと、イベント内容を示す内容情報と、を予め定められた特定文字（例えば、カンマ「，」）で区切った構成（すなわち、「時刻情報，イベントコード，内容情報」）を有する。内容情報は、例えば、後述する搬送ＩＤ、イベント関連変数（コントローラ２１の内部状態により変化する変数）等を含み得る。図３の１行目のログ情報３１は、時刻情報「０１：００：００」と、イベントコード「Ｃ１０１」と、内容情報「イベント１０１です。Ｔ＿ＩＤ＝０００１ ｖｈｌ＝２１１ Ｍｏｄｅ＝０ Ｋｉｎｄ＝１０」と、を含んでいる。
【0037】
本実施形態では、ログ情報３１は、特定のジョブ（本実施形態では搬送指令）に紐付くイベントに対応する第１ログ情報３１Ａと、特定のジョブに紐付かないイベントに対応する第２ログ情報３１Ｂと、に分類される。
【0038】
第１ログ情報３１Ａは、コントローラ２１において生成された特定の搬送指令を識別するための搬送ＩＤ（Ｔ＿ＩＤ）を含んだログ情報３１である。特定の搬送指令に紐付く第１ログ情報３１Ａは、当該特定の搬送指令がアクティブな期間（すなわち、当該特定の搬送指令が発生してから当該特定の搬送指令に対応する物品搬送が完了するまでの期間）のみにおいて記録される。
【0039】
第２ログ情報３１Ｂは、上述した搬送ＩＤを含まないログ情報３１である。第２ログ情報３１Ｂは、例えば、搬送指令と紐付かないコントローラ２１の内部処理（内部イベント）に関する情報を含むログ情報３１である。第１ログ情報３１Ａの発生期間が限定的であるのに対して、第２ログ情報３１Ｂは、搬送システム２が稼働中の全期間において定期又は不定期に発生し得る。
【0040】
文章生成部１３は、複数のログ情報３１に基づいて、一連のイベント毎又は予め定められた長さの設定期間毎に、一以上のログ情報３１が結合されたログ文章３３を生成する。また、文章生成部１３は、ログ情報３１のうち予め不要な情報として定められた部分（以下単に「不要部分」という。）を除外して、ログ文章３３を生成する。不要部分の例としては、後述のスコア算出に使用しない（不要な）情報として予め定められた部分が挙げられる。一例として、文章生成部１３により生成されたログ文章３３は、ログＤＢ１１に記憶される。
【0041】
図３の中段部は、対象期間Ｔ内に記録された各ログ情報３１に対して、不要部分を除外すると共に記載を簡略化する加工がされた後のログ情報３２の例を示している。図３の例では、１行目のログ情報３１の時刻情報と、内容情報のうちイベントコード「Ｃ１０１」と実質的に同一の情報である文字列「イベント１０１です。」と、搬送特性に影響を与えない部分（例えば、トラブルの有無によって記載が変化しない部分）である文字列「ｖｈｌ＝２１１」（当該イベントに関連した搬送車２２を識別する台車番号を示す部分）とが、不要部分３１ａとして除去される。
【0042】
文章生成部１３は、ログ情報３１から不要部分３１ａを除外する（言い換えれば、不要部分３１ａに該当しない部分のみを抽出する）と共に、「Ｍｏｄｅ＝」、「Ｋｉｎｄ＝」等の記載を「Ｍｏｄ」、「Ｋｉｎｄ」等の簡略記載に変更する。また、文章生成部１３は、搬送ＩＤを含む第１ログ情報３１Ａについては、搬送ＩＤの記載位置を文頭に移すことで、「Ｔ＿ＩＤ＝」の文字列を除去する。一方、文章生成部１３は、搬送ＩＤを含まない第２ログ情報３１Ｂについては、文頭に予め定められた文字列（本実施形態では「ＮａＮ」）を追加する。このような処理により、図３の上段部に示されるログ情報３１は、図３の中段部に示されるように記載が簡略化されると共に、文頭によって種別（すなわち、第１ログ情報３１Ａ又は第２ログ情報３１Ｂのいずれであるか）を判別可能な形式に変換されたログ情報３２が得られる。
【0043】
なお、図３の例では、ログ情報３１に含まれる「Ｍｏｄｅ＝０」、「Ｋｉｎｄ＝１０」等の変数を示す部分は不要部分として除去されていないが、例えば、全てのログ情報３１において共通の値をとる変数の記載（例えば「ｘ＝０」等の文字列）が存在する場合には、そのような変数についての記載も不要部分３１ａとして除去されてもよい。
【0044】
文章生成部１３は、例えば、以下の第１方法又は第２方法により、ログ文章３３を生成する。
【0045】
（第１方法）
文章生成部１３は、一連のイベント毎に、一以上のログ情報３１を一つにまとめることで、ログ文章３３を生成する。一連のイベントは、コントローラ２１によって搬送車２２に割り付けられる一の搬送指令に対応して実行される一連の処理を含む。従って、本実施形態では、文章生成部１３は、同一の搬送ＩＤを含む複数の第１ログ情報３１Ａ（本実施形態では、第１ログ情報３１Ａから得られたログ情報３２）を時系列に沿って一つにまとめることにより、一連のイベント単位で一以上のログ情報３２が結合されたログ文章３３が得られる。なお、同一の搬送ＩＤを含む第１ログ情報３１Ａが一つしか存在しない場合には、当該搬送ＩＤに対応するログ文章３３は、当該第１ログ情報３１Ａ（本実施形態では、当該第１ログ情報３１Ａから得られたログ情報３２）と同一となってもよい。
文章生成部１３は、一連のイベント毎に、一以上のログ情報３１を一つにまとめることで、ログ文章３３を生成する。一連のイベントは、コントローラ２１によって搬送車２２に割り付けられる一の搬送指令に対応して実行される一連の処理を含む。従って、本実施形態では、文章生成部１３は、同一の搬送ＩＤを含む複数の第１ログ情報３１Ａ（本実施形態では、第１ログ情報３１Ａから得られたログ情報３２）を時系列に沿って一つにまとめることにより、一連のイベント単位で一以上のログ情報３２が結合されたログ文章３３が得られる。なお、同一の搬送ＩＤを含む第１ログ情報３１Ａが一つしか存在しない場合には、当該搬送ＩＤに対応するログ文章３３は、当該第１ログ情報３１Ａ（本実施形態では、当該第１ログ情報３１Ａから得られたログ情報３２）と同一となってもよい。
【0046】
図３の例では、搬送ＩＤ「０００１」に紐付く４つのログ情報３２Ａが時系列に沿って結合されることにより、一連のイベント（搬送ＩＤ「０００１」に対応する搬送指令に関する一連の処理）に対応するログ文章３３Ａが生成される。また、搬送ＩＤ「０００２」に紐付く２つのログ情報３２Ｂが時系列に沿って結合されることにより、一連のイベント（搬送ＩＤ「０００２」に対応する搬送指令に関する一連の処理）に対応するログ文章３３Ｂが得られる。
【0047】
（第２方法）
文章生成部１３は、予め定められた長さの設定期間毎に、一以上のログ情報３１を一つにまとめることで、ログ文章３３を生成する。上述したように、搬送ＩＤを含まない第２ログ情報３１Ｂは、搬送ＩＤをキーとして結合することができない。また、第２ログ情報３１Ｂは、搬送システム２が稼働中の全期間において発生する。そこで、文章生成部１３は、対象期間Ｔを任意の設定期間（例えば６０秒）毎に区切り、同一の期間に含まれる一以上の第２ログ情報３１Ｂ（本実施形態では、当該第２ログ情報３１Ｂから得られたログ情報３２）を時系列に沿って一つにまとめることにより、設定期間単位で一以上のログ情報３２が結合されたログ文章３３が得られる。
文章生成部１３は、予め定められた長さの設定期間毎に、一以上のログ情報３１を一つにまとめることで、ログ文章３３を生成する。上述したように、搬送ＩＤを含まない第２ログ情報３１Ｂは、搬送ＩＤをキーとして結合することができない。また、第２ログ情報３１Ｂは、搬送システム２が稼働中の全期間において発生する。そこで、文章生成部１３は、対象期間Ｔを任意の設定期間（例えば６０秒）毎に区切り、同一の期間に含まれる一以上の第２ログ情報３１Ｂ（本実施形態では、当該第２ログ情報３１Ｂから得られたログ情報３２）を時系列に沿って一つにまとめることにより、設定期間単位で一以上のログ情報３２が結合されたログ文章３３が得られる。
【0048】
図３の例では、設定期間（６０秒間）毎に区切られた一つの期間「０１：００：００～０１：００：５９」に含まれる２つのログ情報３２Ｃが時系列に沿って結合されることにより、当該期間「０１：００：００～０１：００：５９」」に対応するログ文章３３Ｃが生成される。なお、図３には図示していないが、対象期間Ｔに含まれる上記以外の期間（例えば、「０１：０１：００～０１：０１：５９」」、「０１：０２：００～０１：０２：５９」等）についても、上記と同様の処理が実行されることにより、各期間に対応するログ文章３３が生成される。
【0049】
モデル生成部１４は、文章生成部１３により生成された複数のログ文章３３に基づいてモデルＭを生成する。例えば、モデルＭは、入力された全体の文章から予め設定された数のトピック（主題）を抽出し、個別の文章がどのトピックに分類されるかを示す確率分布（第１スコア）を出力するように構成されたトピックモデルである。言い換えれば、モデルＭは、モデルＭの構築（学習）に用いられた各文章の各トピックへの依存度（関連度）を確率値として出力する。モデルＭは、特定の形態に限定されないが、モデルＭの具体例として、ディリクレ分布に従う確率分布を出力するように構成されるＬＤＡ（Latent Dirichlet Allocation）モデルが挙げられる。
【0050】
ここで、第１方法によって生成されたログ文章３３（すなわち、搬送ＩＤを含み、搬送ＩＤ毎に生成された「ＩＤあり文章」）と第２方法によって生成されたログ文章３３（すなわち、搬送ＩＤを含まず、設定期間毎に生成された「ＩＤなし文章」）とでは、文章中に含まれる単語（イベントＩＤ、各種変数等）の種類及び値が大きく異なる。このような場合、モデル生成部１４は、ＩＤあり文章に適用する第１のモデルと、ＩＤなし文章に適用する第２のモデルと、を別々に生成してもよい。また、文章生成部１３により生成されるログ文章３３が３つ以上の種類に大別される場合には、モデル生成部１４は、３つ以上の種類の各々に対応する３つ以上のモデルを生成してもよい。
【0051】
なお、上記種類毎のモデル生成方法及びその後のモデルを用いた処理は、全種類で共通であるため、以下の説明では、一の種類（ＩＤあり文章）に適用されるモデルＭに着目して説明を行う。すなわち、以下の説明において登場するログ文章３３は、対象期間Ｔに取得されたログ情報３１（第１ログ情報３１Ａ）から第１方法によって生成されたＩＤあり文章であり、第２方法によって生成されたＩＤなし文章を含まないものとする。
【0052】
図４を参照して、モデル生成部１４によるモデル生成処理の一例について説明する。図４において、「Ｄｏｃ＿Ａ」、「Ｄｏｃ＿Ｂ」、及び「Ｄｏｃ＿Ｃ」は、搬送ＩＤに対応する文字列である。以下の説明では、これらの搬送ＩＤに対応するログ文章３３のことを単に「Ｄｏｃ＿Ａ」等と表記する。
【0053】
図４に示されるように、モデル生成部１４は、まず、対象期間Ｔに取得されたログ情報３１から得られた複数のログ文章３３の各々に対して自然言語処理の一種であるＴＦ－ＩＤＦ処理を実行する。例えば、ＴＦ－ＩＤＦ処理は、各ログ文章３３に含まれる各単語（例えば、スペースで区切られた「Ｃ１０１」、「Ｍｏｄ０」等の単語）のｔｆ（ｔ，ｄ）と、全てのログ文章３３に含まれる単語毎のｉｄｆ（ｔ）と、を算出する処理である。ｔｆ（ｔ，ｄ）は、文章ｄにおける単語ｔの出現頻度（ＴＦ：Term Frequency）である。ｉｄｆ（ｔ）は、全てのログ文章３３における単語ｔの希少性を表す逆文書頻度（ＩＤＦ：Inverse Document Frequency）である。このようなＴＦ及びＩＤＦは、公知の計算手法によって算出される。
【0054】
続いて、モデル生成部１４は、上記のようなＴＦ－ＩＤＦ処理が実行された後の複数のログ文章３３（すなわち、複数のログ文章３３と、当該複数のログ文章３３から得られたＴＦ及びＩＤＦと、を合わせた情報）と、任意に設定されたモデルパラメータと、に基づいて、モデルＭを生成する。このようなモデル生成処理は、トピックモデルを生成するための公知の機械学習アルゴリズム（本実施形態では、ＬＤＡアルゴリズム）によって実行される。
【0055】
モデルパラメータは、トピック数と、ランダムシードと、を含む。トピック数は、モデルＭにより抽出されるトピック数を定めた値である。ランダムシードは、モデル生成にランダム性を与える乱数の種である。すなわち、トピック数が同一であっても、ランダムシードが異なれば、モデルＭの出力が変化する。つまり、モデルパラメータ（本実施形態では、トピック数とランダムシードとの組み合わせ）が異なれば、生成されるモデルＭの内容が変化する。
【0056】
第１スコア算出部１５は、ログ文章３３毎に、複数のログ文章３３（すなわち、対象期間Ｔのログ情報３１に基づいて文章生成部１３によって生成された複数のログ文章３３）に基づいて設定された複数のトピック（主題）の各々に分類される度合いを示す第１スコアを算出する。ここで、複数のトピックは、複数のログ文章３３に対する自然言語処理によって設定される。例えば、複数のトピックは、複数のログ文章３３の各々に含まれる各単語の出現頻度に基づいて設定され得る。本実施形態では、複数のトピックは、上述したモデル生成部１４が複数のログ文章３３に基づいて生成したモデルＭによって抽出される。すなわち、上述したモデル生成部１４によるモデル生成処理の過程において、モデルパラメータ（トピック数）により指定された数のトピックが設定される。また、第１スコア算出部１５は、モデルＭを利用することにより、複数のログ文章３３の各々についてモデルＭから出力される確率分布を、第１スコアとして算出する。
【0057】
図５は、トピック数を「１０」に指定して生成されたモデルＭから、３つのログ文章「Ｄｏｃ＿Ａ」、「Ｄｏｃ＿Ｂ」、「Ｄｏｃ＿Ｃ」の各々について得られた（出力された）確率分布及びエントロピーの一例を示す図である。図６は、図５の例に対応する各ログ文章「Ｄｏｃ＿Ａ」、「Ｄｏｃ＿Ｂ」、「Ｄｏｃ＿Ｃ」の確率分布を示すグラフである。この例では、モデルＭによって、１０個のトピック（Ｔｏｐｉｃ＿０～Ｔｏｐｉｃ＿９）が抽出（設定）されると共に、各ログ文章が各トピックに分類される確率を示す確率分布が得られる。
【0058】
第２スコア算出部１６は、ログ文章３３毎に、第１スコア（本実施形態では、第１スコア算出部１５により算出された確率分布）に基づいて、ログ文章３３を複数のトピックのうちのいずれか一つのトピックに分類することの困難さの度合いを示す第２スコアを算出する。
【0059】
ここで、上述したように、対象期間Ｔは、トラブル期間Ｔ１と共に十分の長さの正常期間Ｔ２を含んでいる。正常期間Ｔ２において実行された搬送指令（すなわち、正常に実行された搬送指令）に関連するログ情報３１から生成されたログ文章３３は、いくつかのパターンに分類されると想定される。例えば、正常に搬送が実行された場合のログ文章のパターンは、搬送指令が割り付けられた搬送車２２がコントローラ２１によって指示された走行経路に従って搬送が当初の予定通りに実行されたパターン、搬送指令が最初に割り付けられた搬送車２２から別の搬送車２２に再割付がされた後に搬送が実行されたパターン等の有限個のログ文章のパターンに集約されると考えられる。このため、対象期間Ｔに正常に実行された複数の搬送指令（すなわち、搬送指令に関する一連のイベント）の中には、互いに同一のトピックに分類される搬送指令が複数含まれている可能性が高い。従って、正常に実行された搬送指令に関するログ文章３３については、モデルＭによって、図５及び図６に示される「Ｄｏｃ＿Ａ」のように特定のトピック（この例ではＴｏｐｉｃ＿９）に偏った確率分布が得られることが期待できる。
【0060】
一方、トラブルに関連するログ文章３３（すなわち、正常ではない特異な事象に対応するログ文章３３）については、上述したような正常なログ文章のパターンのいずれにも分類されないため、図５及び図６に示される「Ｄｏｃ＿Ｂ」又は「Ｄｏｃ＿Ｃ」のように特定のトピックに偏らない確率分布が得られる可能性が高い。また、どのトピックに分類されるか不明な程度が大きいログ文章３３ほど、複数のトピックについての確率分布から下記式（１）に基づいて算出されるエントロピー（情報量）は大きくなる。下記式（１）において、ｍは、トピックを識別するトピック番号である。Ｐｍは、トピック番号ｍに対応するトピックの確率値である。ｎは、トピック数である。
【0061】
エントロピー＝－Σｍ｛Ｐｍ×ｌｏｇｎ（Ｐｍ）｝ …（１）
【0062】
図５及び図６の例では、各ログ文章３３のエントロピーは、「－｛（Ｐ１×ｌｏｇ１０Ｐ１）＋（Ｐ２×ｌｏｇ１０Ｐ２）＋…＋（Ｐ９×ｌｏｇ１０Ｐ９）｝」により算出される。このように算出されるエントロピーは、確率分布が特定の一つのトピックに偏っている程小さくなる。言い換えれば、エントロピーは、ログ文章３３が特定の一つのトピックに明確に分類されない度合いが大きい程（つまり、ログ文章３３を特定の一つのトピックに分類することの困難さの度合いが大きい程）、大きくなる。実際、図５及び図６の例では、特定の一つのトピックに偏っている度合いの大きさの順は、「Ｄｏｃ＿Ａ」、「Ｄｏｃ＿Ｂ」、「Ｄｏｃ＿Ｃ」の順になっている。これに対して、エントロピーの大きさの順は、「Ｄｏｃ＿Ｃ（０．７６２）」、「Ｄｏｃ＿Ｂ（０．６１７）」、「Ｄｏｃ＿Ａ（０．３５６）」と、上記順とは逆になっている。
【0063】
以上のことから、エントロピーを上述した第２スコアとして用いることができる。そこで、本実施形態では、第２スコア算出部１６は、ログ文章３３毎の第１スコア（確率分布）に基づいて上記式（１）により算出されるログ文章３３毎のエントロピーを、第２スコアとして算出する。
【0064】
表示部１７は、ログ文章３３毎に算出された第２スコアを表示する。表示部１７は、例えば、ディスプレイ等の出力装置１０５の画面上に、視覚的に把握可能な態様で、ログ文章３３毎の第２スコアを表示する。以下、いくつかの表示例について説明する。
【0065】
（第１の表示例）
図７に示されるように、表示部１７は、ログ文章３３に割り当てられた識別子（文章ＩＤ）と、ログ文章３３の第２スコア（本実施形態ではエントロピー）と、の組に対応する点Ｐがプロットされた散布図ＳＰ１を生成及び表示してもよい。散布図ＳＰ１の横軸は文章ＩＤを表し、散布図ＳＰ１の縦軸はエントロピーを表している。
図７に示されるように、表示部１７は、ログ文章３３に割り当てられた識別子（文章ＩＤ）と、ログ文章３３の第２スコア（本実施形態ではエントロピー）と、の組に対応する点Ｐがプロットされた散布図ＳＰ１を生成及び表示してもよい。散布図ＳＰ１の横軸は文章ＩＤを表し、散布図ＳＰ１の縦軸はエントロピーを表している。
【0066】
第１の表示例によれば、ユーザに、複数のログ文章３３のうち特にエントロピーが大きいログ文章３３（すなわち、当該ログ文章３３に対応する点Ｐ）を視覚的且つ容易に把握させることができる。すなわち、ユーザは、他のログ文章３３と比較してエントロピーが大きい特異なログ文章３３（言い換えれば、特異な事象であるトラブルに関連する可能性が高いログ文章３３）を、容易に発見することができる。これにより、トラブル発生時のユーザのログ解析を効果的に支援することができる。
【0067】
また、図７の上部に示されるように、表示部１７は、散布図ＳＰ１にプロットされた所定の点Ｐ（一例として、エントロピーが他の点Ｐよりも突出して大きい点Ｐ１）を選択するユーザ操作を受け付けた場合に、選択された点Ｐ１に対応するログ文章３３を構成するログ情報３１に関する詳細情報Ｄを表示してもよい。この例では、詳細情報Ｄは、選択された点Ｐ１に対応する文章ＩＤと、エントロピーと、文字列（すなわち、ログ文章３３の内容）と、搬送ＩＤ（Ｔ＿ＩＤ）と、開始時点と、関連台車ＩＤと、を含む。開始時点は、ログ文章３３を構成する最初のログ情報３１が記録された時点である。関連台車ＩＤは、当該搬送ＩＤに対応する搬送指令に関わった搬送車２２（例えば、搬送指令が割り付けられた搬送車２２）を識別する番号（ＩＤ）である。すなわち、関連台車ＩＤは、上述したログ情報３１に含まれる変数「ｖｈｌ」に対応する情報である。上記構成によれば、ユーザが興味を持ったログ文章３３（すなわち、選択された点Ｐ１に対応するログ文章３３）の詳細情報Ｄをユーザに提示することにより、トラブル発生時のユーザのログ解析を効果的に支援することができる。
【0068】
ここで、複数のログ文章３３間で内容（文字列）が同一となる場合があり得る。例えば、複数の異なる搬送ＩＤの各々に対応する複数のログ文章３３の内容が、いずれも図３のログ文章３３Ａと同一の内容（“Ｃ１０１～Ｋｉｎｄ０”）になる場合があり得る。また、本実施形態では一例として、文章ＩＤは、ログ文章３３の内容毎に割り当てられる。すなわち、内容が同一である複数のログ文章３３が存在する場合、これらのログ文章３３に対して同一の文章ＩＤが割り当てられる。このように複数のログ文章３３（すなわち、互いに異なる搬送ＩＤに関する複数のログ文章３３）に共通に割り当てられた文章ＩＤに対応する点Ｐが選択された場合、表示部１７は、当該文章ＩＤに対応する複数のログ文章３３についての複数の詳細情報Ｄを表示してもよい。
【0069】
なお、上述した文章ＩＤは、複数のログ文章３３間で重複しないように、ログ文章３３毎に個別に割り当てられてもよい。例えば、文章ＩＤは、搬送ＩＤと一対一に対応するように割り当てられてもよい。或いは、搬送ＩＤが文章ＩＤとして用いられてもよい。ただし、上記のように内容が同一である複数のログ文章３３を一つの文章ＩＤ（すなわち、散布図ＳＰ１上の一つの点Ｐ）に集約することにより、散布図ＳＰ１にプロットされる点Ｐの個数を減らすことができ、散布図ＳＰ１の見易さを向上させることができる。また、このように複数のログ文章３３を一つの文章ＩＤ（一つの点Ｐ）に集約したとしても、上述した詳細情報Ｄを表示する機能があれば、当該文章ＩＤに集約された個々のログ文章３３の詳細を確認することが可能であるため、特に不都合は生じない。
【0070】
（第２の表示例）
図８に示されるように、表示部１７は、ログ文章３３を構成するログ情報３１が記録された時点と、ログ文章３３の第２スコア（本実施形態ではエントロピー）と、の組に対応する点Ｐがプロットされた散布図ＳＰ２を生成及び表示してもよい。一例として、上述した時点は、ログ文章３３を構成する最初のログ情報３１が記録された時点（すなわち、図７の「開始時点」に対応する時点）である。また、散布図ＳＰ２の横軸は上記時点（開始時点）を表し、散布図ＳＰ２の縦軸はエントロピーを表している。
図８に示されるように、表示部１７は、ログ文章３３を構成するログ情報３１が記録された時点と、ログ文章３３の第２スコア（本実施形態ではエントロピー）と、の組に対応する点Ｐがプロットされた散布図ＳＰ２を生成及び表示してもよい。一例として、上述した時点は、ログ文章３３を構成する最初のログ情報３１が記録された時点（すなわち、図７の「開始時点」に対応する時点）である。また、散布図ＳＰ２の横軸は上記時点（開始時点）を表し、散布図ＳＰ２の縦軸はエントロピーを表している。
【0071】
第２の表示例によれば、ユーザに、時系列に沿って複数のログ文章３３のエントロピーの変化を視覚的且つ容易に把握させることができる。すなわち、ユーザは、他のログ文章３３と比較してエントロピーが大きい特異なログ文章３３（言い換えれば、トラブルに関連する可能性が高いログ文章３３）を容易に発見できると共に、当該ログ文章３３が発生した時点を容易に把握することができる。これにより、トラブル発生時のユーザのログ解析を効果的に支援することができる。なお、第２の表示例においても、表示部１７は、散布図ＳＰ２にプロットされた所定の点Ｐを選択するユーザ操作を受け付けた場合に、選択された点Ｐに対応するログ文章３３を構成するログ情報３１に関する詳細情報Ｄを表示してもよい。
【0072】
（第３の表示例）
図９に示されるように、表示部１７は、ログ文章３３を構成するログ情報３１が記録された時点（上述した通り、本実施形態では図７の「開始時点」に対応する時点）と、ログ文章３３の少なくとも一つのトピックに対応する第１スコア（確率値）と、の組に対応する点Ｐがプロットされた散布図ＳＰ３を表示する。図９の例では、散布図ＳＰ３には、全てのログ文章３３について、ユーザによって選択された一のトピック（ここでは一例としてＴｏｐｉｃ＿５）に対応する確率値（トピック確率）を示す点Ｐがプロットされている。なお、散布図ＳＰ３に表示される内容は、ユーザ操作によって切替可能に構成されてもよい。すなわち、表示部１７は、散布図ＳＰ３と共に、散布図ＳＰ３に表示する内容（トピック）を切り替えるためのタブ、ボタン等を表示してもよい。
図９に示されるように、表示部１７は、ログ文章３３を構成するログ情報３１が記録された時点（上述した通り、本実施形態では図７の「開始時点」に対応する時点）と、ログ文章３３の少なくとも一つのトピックに対応する第１スコア（確率値）と、の組に対応する点Ｐがプロットされた散布図ＳＰ３を表示する。図９の例では、散布図ＳＰ３には、全てのログ文章３３について、ユーザによって選択された一のトピック（ここでは一例としてＴｏｐｉｃ＿５）に対応する確率値（トピック確率）を示す点Ｐがプロットされている。なお、散布図ＳＰ３に表示される内容は、ユーザ操作によって切替可能に構成されてもよい。すなわち、表示部１７は、散布図ＳＰ３と共に、散布図ＳＰ３に表示する内容（トピック）を切り替えるためのタブ、ボタン等を表示してもよい。
【0073】
第３の表示例によれば、ユーザに、個別のトピックに分類されるログ文章３３（すなわち、特定のトピックに対応する確率値が大きいログ文章３３）の発生時期を視覚的且つ容易に把握させることができる。すなわち、ユーザは、どのトピックに対応するイベントがどの時期に発生していたかを容易に把握することができる。なお、第３の表示例においても、表示部１７は、散布図ＳＰ３にプロットされた所定の点Ｐを選択するユーザ操作を受け付けた場合に、選択された点Ｐに対応するログ文章３３を構成するログ情報３１に関する詳細情報Ｄを表示してもよい。
【0074】
第３の表示例においては、図９に示されるように、表示部１７は、散布図ＳＰ３と共に、モデルＭにより抽出された各トピック（この例では、８つのＴｏｐｉｃ＿０～Ｔｏｐｉｃ＿８）に関連する内容を視覚的に示す表示情報５０を表示してもよい。一のトピックに対応する表示情報５０は、例えば、当該一のトピックに対する確率値が最大となる一以上のログ文章３３に公知のワードクラウドを適用することにより生成された情報である。ワードクラウドは、文書（ここでは上記一以上のログ文章３３）において出現頻度が高い単語ほど目立つように、文書に含まれる単語を視覚化する手法である。この場合、一のトピックに対応する表示情報５０において、当該一のトピックに分類される確率が高いログ文章３３に多く含まれている単語ほど、目立ち易い態様（例えば、他の単語よりもサイズが大きくされた態様）で表示される。
【0075】
このように散布図ＳＰ３と共に表示情報５０（少なくとも散布図ＳＰ３の表示対象とされているトピックに対応する表示情報５０）を表示することにより、特定のトピックに対応するイベントの発生時期をユーザに把握させると共に、当該特定のトピックの内容をユーザに把握させることができる。図９の例では、Ｔｏｐｉｃ＿５に対応する表示情報５０から、Ｔｏｐｉｃ＿５が「Ｃ７８５７」及び「Ｃ５１６４」との関連性が高いトピックであることを視覚的且つ容易に把握することができる。ここで、例えば「Ｃ７８５７」が搬送経路の消失（軽異常）を示すイベントコードである場合、図９に示される散布図ＳＰ３及び表示情報５０に基づいて、ユーザは、上記軽異常に関するイベントが時間帯Ａにおいて多発していたという事実を把握することができる。このように、トラブル（軽異常を含む）との関連性が高いトピックが、モデルＭによって抽出される場合もあり得る。従って、上記のように散布図ＳＰ３及び表示情報５０をユーザに提示する構成によれば、このような場合においても、ユーザにトラブル（図９の例では、Ｔｏｐｉｃ＿５）の発生期間と当該トラブルに関連するログ文章とを視覚的且つ容易に把握させることができる。
【0076】
また、上記第３の表示例において、表示部１７は、ログ文章３３を構成するログ情報３１が記録された時点（上述した通り、本実施形態では図７の「開始時点」に対応する時点）と、ログ文章３３の少なくとも二以上のトピックに対応する第１スコア（確率値）と、の組に対応する点Ｐがプロットされた散布図ＳＰ３を表示してもよい。例えば、ログ文章３３毎に、最大の確率値を有するトピックの確率値が、散布図ＳＰ３にプロットしてもよい。この場合、散布図ＳＰ３上には、複数のトピックに対応する複数の点Ｐが混在することになる。ここで、散布図ＳＰ３上の全ての点Ｐを同じ態様（例えば、同一の形状、色等）で表示すると、各点Ｐがどのトピックの確率値を表しているのかを把握することができない。そこで、このような場合には、表示部１７は、トピック毎に区別可能な態様で、各点Ｐを散布図ＳＰ３上に表示してもよい。例えば、表示部１７は、各点Ｐをトピック毎に異なる色で表現してもよい。これにより、散布図ＳＰ３上に複数のトピックに対応する点Ｐを混在させつつ、各点Ｐがどのトピックに対応するかをユーザに視覚的に把握させることができる。
【0077】
なお、上記第３の表示例についてのここまでの説明では、ログ文章３３毎に一つのトピックに対応する一つの点Ｐが散布図ＳＰ３上にプロットされる構成を例示したが、一つのログ文章３３に対して二つ以上の点Ｐが散布図ＳＰ３上にプロットされてもよい。例えば、一つのログ文章３３に対して、当該ログ文章３３のトップ２の確率値（すなわち、最大の確率値とその次に大きい確率値）を有する二つのトピックに対応する二つの点Ｐがプロットされてもよい。
【0078】
図１０は、ログ解析装置１の動作の一例を示すフローチャートである。まず、ログ情報取得部１２は、対象期間Ｔのログ情報３１をログＤＢ１１から取得する（ステップＳ１）。続いて、文章生成部１３は、対象期間Ｔの複数のログ情報３１に基づいて、複数のログ文章３３を生成する（ステップＳ２、図３参照）。続いて、モデル生成部１４は、文章生成部１３により生成された複数のログ文章３３に基づいてモデルＭを生成する（ステップＳ３、図４参照）。続いて、第１スコア算出部１５は、複数のログ文章３３の各々についてモデルＭから出力される確率分布を、第１スコアとして算出する（ステップＳ４）。続いて、第２スコア算出部１６は、ログ文章３３毎の第１スコア（確率分布）に基づいて上記式（１）により算出されるログ文章３３毎のエントロピーを、第２スコアとして算出する（ステップＳ５）。続いて、表示部１７は、ログ文章３３毎の第２スコアを表示する（ステップＳ６）。例えば、表示部１７は、上述した第１～第３の表示例に示したような表示処理を実行する。
【0079】
以上述べたログ解析装置１では、一連のイベント又は設定期間の単位で一以上のログ情報３１が結合されたログ文章３３毎に、複数のトピック（主題）の各々に分類される度合い（第１スコア）が算出されると共に、一つのトピックに分類することが困難な度合い（第２スコア）が算出される。搬送システム２を含む通常のシステムにおいて、処理が正常に行われる期間においては、有限個のログ文章のパターンのいずれかに対応する一連の処理が繰り返し実行されることが多い。このため、いずれかのトピックに分類されるログ文章３３（すなわち、第２スコアが比較的低いログ文章３３）は、正常な事象（例えば、上述したログ文章のパターンのうちの一つ）に対応している可能性が高い。これに対して、トラブル等の特異的な事象に対応するログ文章３３は、上述したログ文章のパターンのいずれにも分類されないため、正常な事象に対応するログ文章３３と比較して高い第２スコアが算出される可能性が高い。このようなログ文章３３毎の第２スコアがユーザに対して表示されることにより、ユーザは、トラブル等の特異的な事象に対応する可能性が高いログ文章３３（すなわち、第２スコアが比較的高いログ文章３３）を、容易に把握することができる。また、上記仕組みにおいては、イベント単位（すなわち、ログ情報３１単位）で見ると特異性がなくてもログ文章３３単位で見ると特異性のある事象を把握することが可能となる。また、上記仕組みにおいては、トラブルに関連するログ情報３１を抽出するために、発生し得るトラブルに関連するキーワードの事前作成等の作業は不要である。従って、ログ解析装置１によれば、トラブル発生時のユーザのログ解析を容易且つ正確に支援できる。また、処理が正常に行われている期間においては、ログ文章３３のトピック毎の分類によって、搬送システム２内の処理の動向を容易に把握できる。
【0080】
また、対象期間Ｔは、トラブル期間Ｔ１と、トラブル期間Ｔ１よりも長く、且つ、搬送システム２においてトラブルが発生していなかった正常期間Ｔ２と、を含む。上記構成によれば、対象期間Ｔ内に取得された複数のログ情報３１から生成される複数のログ文章３３の中に、上述したログ文章のパターンのいずれかに対応する十分な数のログ文章３３（すなわち、正常なパターンに対応するログ文章３３）を確保し易くなる。これにより、より確実に、トラブルに関連するログ文章３３の第２スコアをトラブルに関連しないログ文章３３の第２スコアよりも高くすることができる。
【0081】
また、文章生成部１３は、ログ情報３１のうち予め不要な情報として定められた部分（不要部分３１ａ）を除外して、ログ文章３３を生成する（図３参照）。上記構成によれば、個々のログ文章３３の内容を簡素化することにより、ログ文章３３を記憶するために必要なログＤＢ１１の記憶領域を低減できると共に、ログ文章３３に対する演算処理（例えば、第１スコア算出部１５の処理）に必要な計算量を低減できる。また、上記不要な情報に対応する記載がトラブルに関連しないログ情報３１及びトラブルに関連するログ情報３１の両方に共通的に含まれている場合があり得る。このような共通的な記載を除去してログ文章３３を生成することにより、トラブルに関連しないログ文章３３とトラブルに関連するログ文章３３との間で、内容的な差異をより大きくすることができる。その結果、トラブルに関連しないログ文章３３とトラブルに関連するログ文章３３とを区別しやすくなり、トラブルに関連しないログ文章３３とトラブルに関連するログ文章３３との間で第２スコアの差が大きくなることが期待できる。
【0082】
また、ログ解析装置１は、モデルＭを生成するモデル生成部１４を備えている。第１スコア算出部１５は、モデルＭから出力される確率分布を第１スコアとして算出する。第２スコア算出部１６は、ログ文章３３毎の第１スコアに基づいて、ログ文章３３毎のエントロピーを第２スコアとして算出する。上記構成によれば、各ログ文章３３が各トピックに分類される確率を示す確率分布に基づいて算出されるエントロピーを、一つのトピックに分類することの困難さの度合いを示す具体的な指標として得ることができる。また、エントロピーの大きさに基づいて、ログ文章３３の特異性（トラブルに関連している蓋然性）を容易に把握することが可能となる。
【0083】
また、本実施形態では、ログ解析装置１による解析対象のシステムは、物品を搬送する一以上の搬送車２２を含む搬送システム２であり、ログ文章３３の単位となる一連のイベントは、コントローラ２１によって搬送車２２に割り付けられる一の搬送指令に対応して実行される一連の処理である。上記構成によれば、物品を搬送する搬送車２２を備える搬送システム２において、搬送指令毎に結合されたログ文章３３に対する解析を実行することにより、搬送システム２においてトラブルが発生した際のログ解析を容易に行うことが可能となる。
【0084】
［第２実施形態］
図１１は、第２実施形態に係るログ解析装置１Ａの機能構成の一例を示す図である。ログ解析装置１Ａは、主に、複数のモデルＭを用いるように構成されている点において、ログ解析装置１と相違している。ログ解析装置１Ａは、モデル生成部１４、第１スコア算出部１５、第２スコア算出部１６、及び表示部１７の代わりに、モデル生成部１４Ａ、第１スコア算出部１５Ａ、第２スコア算出部１６Ａ、及び表示部１７Ａを備えると共に、モデル選定部１８を更に備える点において、ログ解析装置１と相違している。
図１１は、第２実施形態に係るログ解析装置１Ａの機能構成の一例を示す図である。ログ解析装置１Ａは、主に、複数のモデルＭを用いるように構成されている点において、ログ解析装置１と相違している。ログ解析装置１Ａは、モデル生成部１４、第１スコア算出部１５、第２スコア算出部１６、及び表示部１７の代わりに、モデル生成部１４Ａ、第１スコア算出部１５Ａ、第２スコア算出部１６Ａ、及び表示部１７Ａを備えると共に、モデル選定部１８を更に備える点において、ログ解析装置１と相違している。
【0085】
モデル生成部１４Ａは、文章生成部１３により生成された複数のログ文章３３に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルＭを生成する。モデル生成部１４Ａにより生成される複数のモデルＭの各々は、各ログ文章３３がモデルＭ毎に設定される複数のトピックの各々に分類される確率を示す確率分布を出力する。
【0086】
図１２に示されるように、本実施形態では一例として、モデル生成部１４Ａは、３つのログ文章「Ｄｏｃ＿Ａ」、「Ｄｏｃ＿Ｂ」、「Ｄｏｃ＿Ｃ」に基づいて、モデルパラメータ（本実施形態では、トピック数（Ｍ）とランダムシード（ｓｅｅｄ）の組み合わせ）が以下のように互いに異なる４つのモデル（ｍｏｄｅｌ＿０、ｍｏｄｅｌ＿１、ｍｏｄｅｌ＿２、ｍｏｄｅｌ＿３）を生成する。
・ｍｏｄｅｌ＿０：トピック数＝３、ランダムシード＝３０
・ｍｏｄｅｌ＿１：トピック数＝３、ランダムシード＝７０
・ｍｏｄｅｌ＿２：トピック数＝５、ランダムシード＝３０
・ｍｏｄｅｌ＿３：トピック数＝５、ランダムシード＝７０
・ｍｏｄｅｌ＿０：トピック数＝３、ランダムシード＝３０
・ｍｏｄｅｌ＿１：トピック数＝３、ランダムシード＝７０
・ｍｏｄｅｌ＿２：トピック数＝５、ランダムシード＝３０
・ｍｏｄｅｌ＿３：トピック数＝５、ランダムシード＝７０
【0087】
第１スコア算出部１５Ａは、複数のログ文章３３の各々について、複数のモデルＭ（本実施形態では、上記４つのモデル）の各々から出力される確率分布を、モデルＭ毎の第１スコアとして算出する。
【0088】
第２スコア算出部１６Ａは、ログ文章３３毎の第１スコア（トピック毎の確率値）に基づいてログ文章３３毎のエントロピーを算出する処理をモデルＭ毎に実行する。第２スコア算出部１６Ａは、ログ文章３３毎に、複数のモデルＭの各々について算出されたエントロピーの平均値を第２スコアとして算出する。
【0089】
図１３は、複数のモデルＭ（ｍｏｄｅｌ＿０、ｍｏｄｅｌ＿１、ｍｏｄｅｌ＿２、ｍｏｄｅｌ＿３）の算出結果の一例を示す図である。図１３に示されるように、第１スコア算出部１５Ａの処理によって、モデルＭ毎の第１スコア（トピック毎の確率値からなる確率分布）が算出される。
【0090】
図１３の例では、ログ文章「Ｄｏｃ＿Ａ」について、モデル「ｍｏｄｅｌ＿０」によって、３つのトピックに対する確率分布［０．０５，０．１０，０．８５］が得られている。一方、モデル「ｍｏｄｅｌ＿０」とはモデルパラメータ（ランダムシード）が異なるモデル「ｍｏｄｅｌ＿１」によって、異なる確率分布［０．１５，０．８０，０．０５］が得られている。他のログ文章３３とモデルＭの組み合わせについても同様に、第１スコア算出部１５Ａの処理によって、それぞれに対応する確率分布が得られている。
【0091】
図１３の例では、第２スコア算出部１６Ａの処理により、ログ文章「Ｄｏｃ＿Ａ」のエントロピーを算出する処理を、モデル「ｍｏｄｅｌ＿０」、「ｍｏｄｅｌ＿１」、「ｍｏｄｅｌ＿２」、「ｍｏｄｅｌ＿３」の各々について実行することにより、各モデルに対応するエントロピー「０．４７２」、「０．５３９」、「０．４０３」、「０．３６３」を算出する。そして、第２スコア算出部１６Ａは、これらのエントロピーの平均値（平均エントロピー）「０．４４４」を、ログ文章「Ｄｏｃ＿Ａ」の第２スコアとして算出する。第２スコア算出部１６Ａは、他のログ文章「Ｄｏｃ＿Ｂ」、「Ｄｏｃ＿Ｃ」についても同様の処理を実行することにより、それぞれのエントロピーの平均値「０．４３３」、「０．９９１」を、各ログ文章の第２スコアとして算出する。
【0092】
モデル選定部１８は、以下の処理を実行することにより、複数のモデルＭのうちから一の代表モデルを選定する。
【0093】
まず、モデル選定部１８は、ログ文章３３及びモデルＭの組み合わせ毎のエントロピーを取得する。図１３の例では、モデル選定部１８は、３つのログ文章「Ｄｏｃ＿Ａ」、「Ｄｏｃ＿Ｂ」、「Ｄｏｃ＿Ｃ」と４つのモデル「ｍｏｄｅｌ＿０」、「ｍｏｄｅｌ＿１」、「ｍｏｄｅｌ＿２」、「ｍｏｄｅｌ＿３」の各組み合わせに対応する１２個のエントロピーを取得する。モデル選定部１８は、上述した第２スコア算出部１６Ａと同様の処理を実行することによりエントロピーを算出してもよいし、上述した第２スコア算出部１６Ａの算出結果を取得してもよい。
【0094】
続いて、モデル選定部１８は、ログ文章３３毎に、複数のモデルＭの各々について算出されたエントロピーの平均値を取得する。モデル選定部１８は、上述した第２スコア算出部１６Ａと同様の処理を実行することによりエントロピーの平均値を算出してもよいし、上述した第２スコア算出部１６Ａの算出結果を取得してもよい。図１３の例では、モデル選定部１８は、各ログ文章「Ｄｏｃ＿Ａ」、「Ｄｏｃ＿Ｂ」、「Ｄｏｃ＿Ｃ」のエントロピーの平均値「０．４４４」、「０．４３３」、「０．９９１」を取得する。
【0095】
続いて、モデル選定部１８は、ログ文章３３及びモデルＭの組み合わせ毎に、各モデルＭに対応するエントロピーと各ログ文章３３について算出された平均値（平均エントロピー）との誤差に関する指標である誤差値を算出する。本実施形態では一例として、誤差値は、平均二乗誤差（ＭＳＥ）である。例えば、モデル選定部１８は、ログ文章「Ｄｏｃ＿Ａ」とモデル「ｍｏｄｅｌ＿０」との組み合わせについて、ＭＳＥ「０．０００８（＝（０．４７２－０．４４４）２）」を算出する。モデル選定部１８は、他のログ文章３３とモデルＭの組み合わせについても同様に、ＭＳＥを算出する。
【0096】
続いて、モデル選定部１８は、複数のログ文章３３の各々について算出されたＭＳＥの総和が最小となるモデルＭを代表モデルとして選定する。図１３の例では、モデル「ｍｏｄｅｌ＿０」のＭＳＥの総和は、「０．００８４（＝０．０００８＋０．００７６＋０．０００１）」であり、モデル「ｍｏｄｅｌ＿１」のＭＳＥの総和は、「０．００９４（＝０．００８９＋０．０００４＋０．０００１）」であり、モデル「ｍｏｄｅｌ＿２」のＭＳＥの総和は、「０．００２７（＝０．００１７＋０．０００５＋０．０００４）」であり、モデル「ｍｏｄｅｌ＿３」のＭＳＥの総和は、「０．０１３６（＝０．００６６＋０．００６９＋０．００００）」である。よって、この例では、モデル選定部１８は、最小のＭＳＥ総和「０．００２７」を有するモデル「ｍｏｄｅｌ＿２」を代表モデルとして選定する。
【0097】
表示部１７Ａは、上述した第１の表示例及び第２の表示例の表示処理を行う際には、第２スコア算出部１６Ａにより算出された第２スコア（すなわち、複数のモデルＭの各々について算出されたエントロピーの平均値）を用いて、散布図ＳＰ１，ＳＰ２を生成及び表示する。
【0098】
表示部１７Ａは、上述した第３の表示例の表示処理を行う際には、ログ文章３３を構成するログ情報３１が記録された時点（図７の「開始時点」に対応する時点）と、ログ文章３３の少なくとも一つのトピックに対応する代表モデルの第１スコアと、の組に対応する点Ｐがプロットされた散布図ＳＰ３を生成及び表示する。
【0099】
図１４は、ログ解析装置１Ａの動作の一例を示すフローチャートである。ステップＳ１１及びＳ１２の処理は、図１０のステップＳ１及びＳ２の処理と同様である。すなわち、ログ情報取得部１２は、対象期間Ｔのログ情報３１をログＤＢ１１から取得する（ステップＳ１１）。続いて、文章生成部１３は、対象期間Ｔの複数のログ情報３１に基づいて、複数のログ文章３３を生成する（ステップＳ１２、図３参照）。続いて、モデル生成部１４Ａは、文章生成部１３により生成された複数のログ文章３３と互いに異なる複数のモデルパラメータとに基づいて、複数のモデルＭ（例えば、図１２に例示した４つのモデル）を生成する（ステップＳ１３）。続いて、第１スコア算出部１５Ａは、複数のログ文章３３の各々について、複数のモデルＭ（本実施形態では、上記４つのモデル）の各々から出力される確率分布を、モデルＭ毎の第１スコアとして算出する（ステップＳ１４、図１３参照）。続いて、第２スコア算出部１６Ａは、ログ文章３３毎の第１スコア（トピック毎の確率値）に基づいてログ文章３３毎のエントロピーを算出する処理をモデルＭ毎に実行する（ステップＳ１５、図１３参照）。続いて、第２スコア算出部１６は、ログ文章３３毎に、複数のモデルＭの各々について算出されたエントロピーの平均値を第２スコアとして算出する（ステップＳ１６、図１３参照）。続いて、モデル選定部１８は、複数のモデルＭのうちから一の代表モデルを選定する（ステップＳ１７）。続いて、表示部１７Ａは、表示処理を実行する（ステップＳ１８）。例えば、表示部１７Ａは、ステップＳ１６で算出されたエントロピーの平均値（第２スコア）を用いた表示処理（例えば、第１の表示例及び第２の表示例の表示処理）を実行する。或いは、表示部１７Ａは、ステップＳ１７で算出された代表モデル（図１３の例では、ｍｏｄｅｌ＿２）を用いた表示処理（例えば、第３の表示例の表示処理）を実行する。
【0100】
以上述べた第２実施形態のログ解析装置１Ａによれば、以下の効果が得られる。すなわち、ログ解析装置１Ａによれば、複数のモデルＭの出力から求まるエントロピーの平均値を第２スコアとして用いることにより、ログ解析のロバスト性（頑健性）を向上させることができる。例えば、モデルパラメータ（トピック数、ランダムシード）をどのように設定すれば適切なモデルＭが得られるかは、搬送システム２の構成、対象期間Ｔ等によって異なり得る。このため、事前に適切なモデルパラメータを把握することが難しい場合がある。そのため、仮に単一のモデルパラメータに対応するモデルＭのみを用いる場合であって、当該モデルＭから適切な出力結果が得られない場合（例えば、トラブルに関連するログ文章３３の第２スコアがトラブルに関連しないログ文章３３の第２スコアよりも高くなるような結果が適切に得られない場合）、ログ解析を効率的に行うことができない。これに対して、複数のモデルＭを用いるログ解析装置１Ａによれば、仮にモデル生成部１４Ａにより生成された一のモデルＭから適切な出力結果が得られなかったとしても、複数のモデルＭの出力結果の平均値を採用することにより、当該一のモデルＭの不具合を吸収し、適切な結果（第２スコア）をユーザに提示することが可能となる。
【0101】
また、ログ解析装置１Ａによれば、複数のモデルＭのうち全文章（複数のログ文章３３）について最も平均的なエントロピーを出力したモデルＭ（すなわち、誤差値の総和が最小となるモデル）を代表モデルとして選定することができる。これにより、複数のモデルＭの中で他のモデルＭと大きく挙動が異なるモデル（すなわち、複数のモデルＭの中でイレギュラーなモデルであり、適切な出力結果が得られない可能性が高いモデルＭ）が代表モデルとして選定されることを防止することができる。その結果、ユーザに対して適切な出力結果（すなわち、平均的なモデルである代表モデルの出力結果）を提示することができる。
【0102】
以上、本発明の実施形態について説明したが、本発明は上述した実施形態に限定されず、その要旨を逸脱しない範囲で様々な変更が可能である。
【0103】
例えば、上記実施形態（第２実施形態）では、説明を単純にするために、比較的トピック数が少ない４つのモデルＭを用いる場合について例示したが、用いられるモデルＭの個数は、上記に限られない。例えば、モデル生成部１４Ａは、４種類のトピック数（８，１０，１２，１６）と５種類のランダムシード（１０，３０．５０，７０，９０）との各組み合わせに対応する２０個のモデルＭを生成してもよい。
【0104】
また、上記実施形態では、ログ解析装置１が利用されるシステムとして、半導体工場等に設けられる搬送システム２を例示したが、ログ解析装置１は、搬送システム２以外のシステムにも適用できる。すなわち、ログ解析装置１は、搬送システム２以外のシステムにおいて出力されるログ情報を解析する用途に用いられてもよい。
【0105】
上記実施形態では、ログ解析装置１は搬送システム２の外部に設けられたが、ログ解析装置１は、搬送システム２の一部であってもよい。また、ログＤＢ１１は、コントローラ２１内に設けられてもよい。また、コントローラ２１にログ解析装置１が実装されてもよい。この場合、コントローラ２１内で、上述したログ情報の解析（すなわち、上述したログ解析装置１の処理）が行われてもよい。
【0106】
上記実施形態では、ログ情報３１は、特定のジョブ（本実施形態では搬送指令）に紐付くイベントに対応する第１ログ情報３１Ａと、特定のジョブに紐付かないイベントに対応する第２ログ情報３１Ｂと、を含んでいたが、ログ情報３１の構成は、上記に限られない。例えば、ログＤＢ１１に蓄積される全てのログ情報３１が第１ログ情報３１Ａであってもよいし、ログＤＢ１１に蓄積される全てのログ情報３１が第２ログ情報３１Ｂであってもよい。
【0107】
なお、本明細書及び添付図面の記載により、少なくとも以下の態様１～態様１３が明らかとなる。
【0108】
（態様１）
対象期間内に一以上の装置を含むシステムにおいてイベント毎に出力された文字列からなる複数のログ情報を取得するログ情報取得部と、
前記複数のログ情報に基づいて、一連のイベント毎又は予め定められた長さの設定期間毎に、それぞれ一以上の前記ログ情報が結合された複数のログ文章を生成する文章生成部と、
前記ログ文章毎に、前記複数のログ文章に基づいて設定された複数の主題の各々に分類される度合いを示す第１スコアを算出する第１スコア算出部と、
前記ログ文章毎に、前記第１スコアに基づいて、前記ログ文章を前記複数の主題のうちのいずれか一つの主題に分類することの困難さの度合いを示す第２スコアを算出する第２スコア算出部と、
前記ログ文章毎に算出された前記第２スコアをユーザに対して表示する表示部と、
を備えるログ解析装置。
対象期間内に一以上の装置を含むシステムにおいてイベント毎に出力された文字列からなる複数のログ情報を取得するログ情報取得部と、
前記複数のログ情報に基づいて、一連のイベント毎又は予め定められた長さの設定期間毎に、それぞれ一以上の前記ログ情報が結合された複数のログ文章を生成する文章生成部と、
前記ログ文章毎に、前記複数のログ文章に基づいて設定された複数の主題の各々に分類される度合いを示す第１スコアを算出する第１スコア算出部と、
前記ログ文章毎に、前記第１スコアに基づいて、前記ログ文章を前記複数の主題のうちのいずれか一つの主題に分類することの困難さの度合いを示す第２スコアを算出する第２スコア算出部と、
前記ログ文章毎に算出された前記第２スコアをユーザに対して表示する表示部と、
を備えるログ解析装置。
【0109】
（態様２）
前記対象期間は、
前記システムにおいて解析対象のトラブルが発生していた期間を含むトラブル期間と、
前記トラブル期間よりも長く、且つ、前記システムにおいて前記トラブルが発生していなかった正常期間と、を含む、
態様１のログ解析装置。
前記対象期間は、
前記システムにおいて解析対象のトラブルが発生していた期間を含むトラブル期間と、
前記トラブル期間よりも長く、且つ、前記システムにおいて前記トラブルが発生していなかった正常期間と、を含む、
態様１のログ解析装置。
【0110】
（態様３）
前記文章生成部は、前記ログ情報のうち予め不要な情報として定められた部分を除外して、前記ログ文章を生成する、
態様１又は態様２のログ解析装置。
前記文章生成部は、前記ログ情報のうち予め不要な情報として定められた部分を除外して、前記ログ文章を生成する、
態様１又は態様２のログ解析装置。
【0111】
（態様４）
前記文章生成部により生成された複数のログ文章に基づいて、各前記ログ文章が前記複数の主題の各々に分類される確率を示す確率分布を出力するモデルを生成するモデル生成部を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記モデルから出力される前記確率分布を前記第１スコアとして算出し、
前記第２スコア算出部は、前記ログ文章毎の前記第１スコアに基づいて、前記ログ文章毎のエントロピーを前記第２スコアとして算出する、
態様１～態様３のいずれかのログ解析装置。
前記文章生成部により生成された複数のログ文章に基づいて、各前記ログ文章が前記複数の主題の各々に分類される確率を示す確率分布を出力するモデルを生成するモデル生成部を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記モデルから出力される前記確率分布を前記第１スコアとして算出し、
前記第２スコア算出部は、前記ログ文章毎の前記第１スコアに基づいて、前記ログ文章毎のエントロピーを前記第２スコアとして算出する、
態様１～態様３のいずれかのログ解析装置。
【0112】
（態様５）
前記表示部は、前記ログ文章に割り当てられた識別子と、前記ログ文章の前記第２スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
態様１～態様４のいずれかのログ解析装置。
前記表示部は、前記ログ文章に割り当てられた識別子と、前記ログ文章の前記第２スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
態様１～態様４のいずれかのログ解析装置。
【0113】
（態様６）
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の前記第２スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
態様１～態様５のいずれかのログ解析装置。
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の前記第２スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
態様１～態様５のいずれかのログ解析装置。
【0114】
（態様７）
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも一つの前記主題に対応する前記第１スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
態様１～態様６のいずれかのログ解析装置。
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも一つの前記主題に対応する前記第１スコアと、の組に対応する点がプロットされた散布図を生成及び表示する、
態様１～態様６のいずれかのログ解析装置。
【0115】
（態様８）
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも二以上の前記主題に対応する前記第１スコアと、の組に対応する点がプロットされた前記散布図を生成及び表示し、
前記表示部は、前記主題毎に区別可能な態様で、各前記点を前記散布図上に表示する。
態様７のログ解析装置。
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも二以上の前記主題に対応する前記第１スコアと、の組に対応する点がプロットされた前記散布図を生成及び表示し、
前記表示部は、前記主題毎に区別可能な態様で、各前記点を前記散布図上に表示する。
態様７のログ解析装置。
【0116】
（態様９）
前記表示部は、前記散布図にプロットされた所定の点を選択するユーザ操作を受け付けた場合に、前記選択された点に対応する前記ログ文章を構成する前記ログ情報に関する詳細情報を生成及び表示する、
態様５～態様８のいずれかのログ解析装置。
前記表示部は、前記散布図にプロットされた所定の点を選択するユーザ操作を受け付けた場合に、前記選択された点に対応する前記ログ文章を構成する前記ログ情報に関する詳細情報を生成及び表示する、
態様５～態様８のいずれかのログ解析装置。
【0117】
（態様１０）
前記表示部は、前記散布図と共に、前記複数の主題の各々に対応する内容を視覚的に示す表示情報を生成及び表示する、
態様５～態様９のいずれかのログ解析装置。
前記表示部は、前記散布図と共に、前記複数の主題の各々に対応する内容を視覚的に示す表示情報を生成及び表示する、
態様５～態様９のいずれかのログ解析装置。
【0118】
（態様１１）
前記文章生成部により生成された複数のログ文章に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルであって、それぞれ各前記ログ文章が前記複数の主題の各々に分類される確率を示す確率分布を出力する前記複数のモデルを生成するモデル生成部を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記複数のモデルの各々から出力される前記確率分布を、前記モデル毎の前記第１スコアとして算出し、
前記第２スコア算出部は、
前記ログ文章毎の前記第１スコアに基づいて前記ログ文章毎のエントロピーを算出する処理を前記モデル毎に実行し、
前記ログ文章毎に、前記複数のモデルの各々について算出されたエントロピーの平均値を前記第２スコアとして算出する、
態様１～態様１０のいずれかのログ解析装置。
前記文章生成部により生成された複数のログ文章に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルであって、それぞれ各前記ログ文章が前記複数の主題の各々に分類される確率を示す確率分布を出力する前記複数のモデルを生成するモデル生成部を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記複数のモデルの各々から出力される前記確率分布を、前記モデル毎の前記第１スコアとして算出し、
前記第２スコア算出部は、
前記ログ文章毎の前記第１スコアに基づいて前記ログ文章毎のエントロピーを算出する処理を前記モデル毎に実行し、
前記ログ文章毎に、前記複数のモデルの各々について算出されたエントロピーの平均値を前記第２スコアとして算出する、
態様１～態様１０のいずれかのログ解析装置。
【0119】
（態様１２）
前記文章生成部により生成された複数のログ文章に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルであって、各前記ログ文章が前記モデル毎に設定される複数の主題の各々に分類される確率を示す確率分布を出力する前記複数のモデルを生成するモデル生成部と、
前記複数のモデルのうちから一の代表モデルを選定するモデル選定部と、
を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記複数のモデルの各々から出力される前記確率分布を、前記モデル毎の前記第１スコアとして算出し、
前記モデル選定部は、
前記ログ文章及び前記モデルの組み合わせ毎のエントロピーを取得し、
前記ログ文章毎に、複数の前記モデルの各々に対応するエントロピーの平均値を取得し、
前記ログ文章及び前記モデルの組み合わせ毎に、各前記モデルに対応するエントロピーと各前記ログ文章に対応する前記平均値との誤差に関する指標である誤差値を算出し、
複数の前記ログ文章の各々について算出された前記誤差値の総和が最小となる前記モデルを代表モデルとして選定し、
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも一つの前記主題に対応する前記代表モデルの前記第１スコアと、の組に対応する点がプロットされた散布図を表示する、
態様１～態様１１のいずれかのログ解析装置。
前記文章生成部により生成された複数のログ文章に基づいて、互いに異なる複数のモデルパラメータに対応する複数のモデルであって、各前記ログ文章が前記モデル毎に設定される複数の主題の各々に分類される確率を示す確率分布を出力する前記複数のモデルを生成するモデル生成部と、
前記複数のモデルのうちから一の代表モデルを選定するモデル選定部と、
を更に備え、
前記第１スコア算出部は、前記複数のログ文章の各々について、前記複数のモデルの各々から出力される前記確率分布を、前記モデル毎の前記第１スコアとして算出し、
前記モデル選定部は、
前記ログ文章及び前記モデルの組み合わせ毎のエントロピーを取得し、
前記ログ文章毎に、複数の前記モデルの各々に対応するエントロピーの平均値を取得し、
前記ログ文章及び前記モデルの組み合わせ毎に、各前記モデルに対応するエントロピーと各前記ログ文章に対応する前記平均値との誤差に関する指標である誤差値を算出し、
複数の前記ログ文章の各々について算出された前記誤差値の総和が最小となる前記モデルを代表モデルとして選定し、
前記表示部は、前記ログ文章を構成する前記ログ情報が記録された時点と、前記ログ文章の少なくとも一つの前記主題に対応する前記代表モデルの前記第１スコアと、の組に対応する点がプロットされた散布図を表示する、
態様１～態様１１のいずれかのログ解析装置。
【0120】
（態様１３）
前記装置は、物品を搬送する搬送車であり、
前記一連のイベントは、コントローラによって前記搬送車に割り付けられる一の搬送指令に対応して実行される一連の処理である、
態様１～態様１２のいずれかのログ解析装置。
前記装置は、物品を搬送する搬送車であり、
前記一連のイベントは、コントローラによって前記搬送車に割り付けられる一の搬送指令に対応して実行される一連の処理である、
態様１～態様１２のいずれかのログ解析装置。
【符号の説明】
【0121】
１，１Ａ…ログ解析装置、２…搬送システム（システム）、１２…ログ情報取得部、１３…文章生成部、１４，１４Ａ…モデル生成部、１５，１５Ａ…第１スコア算出部、１６，１６Ａ…第２スコア算出部、１７，１７Ａ…表示部、１８…モデル選定部、２１…コントローラ、２２…搬送車（装置）、３１…ログ情報、３３，３３Ａ，３３Ｂ，３３Ｃ…ログ文章、５０…表示情報、Ｄ…詳細情報、Ｍ…モデル、Ｐ，Ｐ１…点、ＳＰ１，ＳＰ２，ＳＰ３…散布図、Ｔ…対象期間、Ｔ１…トラブル期間、Ｔ２…正常期間。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】