特許ウォッチ

公開番号2025171692
公報種別公開特許公報(A)
公開日2025-11-20
出願番号2024077284
出願日2024-05-10
発明の名称運用レコメンド情報提示方法及び運用レコメンド情報提示システム
出願人株式会社日立製作所
代理人弁理士法人サンネクスト国際特許事務所
主分類G06F 16/90 20190101AFI20251113BHJP(計算;計数)
要約【課題】対象の状況に応じた適切な回答を生成AIから取得できるようにする。
【解決手段】運用レコメンド情報提示システムは、機器の稼働の時系列のデータの傾向変化を表すデータ傾向変化スコアを算出する。データ傾向変化スコアに応じた運用情報の検索範囲の指定に基づく機器の過去の運用に係る運用情報の検索結果と、データ傾向変化スコアに応じた最新の実測値とその予測値との乖離を改善するために推奨されるレコメンド情報を言語モデルに生成させるためのプロンプトと、を言語モデルに受け渡し、運用情報の検索結果とプロンプトとに基づいて言語モデルによって生成されたレコメンド情報をユーザに対して提示する。
【選択図】図12

特許請求の範囲【請求項１】
運用レコメンド情報を提示する運用レコメンド情報提示システムが実行する運用レコメンド情報提示方法であって、
前記運用レコメンド情報提示システムは、プロセッサとメモリとを有し、
前記プロセッサが、
対象の機器の稼働に係るデータを時系列で収集して時系列データとして記憶装置に格納し、
前記記憶装置に格納された前記時系列データのうちの前記或る時点よりも以前の時点における過去データを学習することで、前記或る時点よりも以後の時点における予測値を予測する予測モデルを生成し、
前記予測モデルを用いて、該過去データに基づいて該或る時点における該予測値を推論し、
所定の検索条件に基づく前記機器の過去の運用に係る運用情報の検索結果と、前記時系列データのうちの前記或る時点における最新の実測値と前記予測値との乖離を改善するために推奨される前記機器の運用方法を含む前記運用レコメンド情報を言語モデルに生成させるためのプロンプトと、を該言語モデルに受け渡し、
前記運用情報の検索結果と前記プロンプトとに基づいて前記言語モデルによって生成された前記運用レコメンド情報をユーザに対して提示する
各処理を有し、
前記プロセッサが、
前記記憶装置に格納した前記時系列データの時系列の傾向変化の程度を表すデータ傾向変化スコアを算出し、
前記運用情報を検索する際に、前記所定の検索条件を、前記データ傾向変化スコアに応じた前記運用情報の検索範囲が指定されている複数の運用情報検索条件の候補から選択し、
前記プロンプトを、前記データ傾向変化スコアに応じた前記運用レコメンド情報が前記言語モデルによって生成されるように設計された複数のプロンプトの候補から選択する
ことを特徴とする運用レコメンド情報提示方法。
続きを表示（約 2,800 文字）【請求項２】
請求項１に記載の運用レコメンド情報提示方法であって、
前記機器は、計算環境毎に設置された計算機及び該計算機とは異なる装置を含み、
前記プロセッサが、
前記計算機及び前記装置の消費電力に係る前記時系列データを収集して前記記憶装置に格納し、
前記或る時点よりも以前の時点における前記装置の消費電力に係る前記過去データを学習して該或る時点よりも以後における該装置の消費電力に係る前記予測値を予測する前記予測モデルを用いて、該過去データに基づいて該予測値を推論し、
前記或る時点における前記装置の消費電力に係る前記最新の実測値と前記予測値との間に所定値を超える前記乖離が発生しているか否かを判定し、
前記所定値を超える前記乖離が発生していると判定した場合に、前記計算機の消費電力に係る前記時系列データの前記データ傾向変化スコアを算出し、
前記所定の検索条件に基づく前記計算機及び前記装置の過去の運用に係る前記運用情報の検索結果と、前記乖離を改善するために推奨される該計算機及び該装置の運用方法を含む前記運用レコメンド情報を前記言語モデルに生成させるための前記プロンプトと、を該言語モデルに受け渡し、
前記運用情報の検索結果と前記プロンプトとに基づいて前記言語モデルによって生成された前記機器の運用に係る前記運用レコメンド情報を前記ユーザに対して提示する
各処理を有し、
前記プロセッサが、
前記運用情報を検索する際に、前記所定の検索条件を、前記データ傾向変化スコアに応じた前記運用情報の検索範囲として、前記計算機及び前記装置が設置されている前記計算環境の範囲が指定されている前記複数の運用情報検索条件の候補から選択する
ことを特徴とする運用レコメンド情報提示方法。
【請求項３】
請求項１に記載の運用レコメンド情報提示方法であって、
前記プロセッサが、
前記データ傾向変化スコアに応じた前記言語モデルのパラメータを選択し、
設定された前記パラメータを、前記運用情報の検索結果及び前記プロンプトと共に前記言語モデルに受け渡す
ことを特徴とする運用レコメンド情報提示方法。
【請求項４】
請求項３に記載の運用レコメンド情報提示方法であって、
前記複数の運用情報検索条件の候補は、
前記データ傾向変化スコアが示す前記時系列データの傾向変化の程度が大きいほど前記検索範囲が広く指定されており、
前記パラメータは、
前記データ傾向変化スコアが示す前記時系列データの傾向変化の程度が大きいほど多様な前記運用レコメンド情報が前記言語モデルによって生成されるように設定されている
ことを特徴とする運用レコメンド情報提示方法。
【請求項５】
請求項１に記載の運用レコメンド情報提示方法であって、
前記プロセッサが、
前記データ傾向変化スコアが示す前記時系列データの傾向変化の程度が一定値未満で小さい場合に、過去の前記運用情報が有用である可能性がある情報を含んだ前記運用レコメンド情報を前記言語モデルに生成させる前記プロンプトを選択し、
前記データ傾向変化スコアが示す前記時系列データの傾向変化の程度が前記一定値以上で大きい場合に、過去の前記運用情報が有用でない可能性がある情報を含んだ前記運用レコメンド情報を前記言語モデルに生成させる前記プロンプトを選択する
ことを特徴とする運用レコメンド情報提示方法。
【請求項６】
請求項３に記載の運用レコメンド情報提示方法であって、
前記複数の運用情報検索条件の候補、前記複数のプロンプトの候補、及び前記パラメータは、前記データ傾向変化スコアの複数の範囲毎に設けられており、
前記プロセッサが、
前記ユーザによる前記運用レコメンド情報に対するフィードバックに基づいて、前記データ傾向変化スコアの前記複数の範囲を更新する
処理を有することを特徴とする運用レコメンド情報提示方法。
【請求項７】
請求項６に記載の運用レコメンド情報提示方法であって、
前記プロセッサが、
前記ユーザからネガティブな前記フィードバックを受けた前記運用レコメンド情報に対応する前記データ傾向変化スコアと、前記運用情報検索条件、前記パラメータ、及び前記プロンプトとの組合せを対応付けて記録し、
前記言語モデルに受け渡す際に、前記ネガティブな前記フィードバックを受けた前記運用レコメンド情報と同一の前記データ傾向変化スコアと、前記運用情報検索条件、前記パラメータ、及び前記プロンプトと、の組合せを選択しない
ことを特徴とする運用レコメンド情報提示方法。
【請求項８】
運用レコメンド情報を提示する運用レコメンド情報提示システムであって、
前記運用レコメンド情報提示システムは、プロセッサとメモリとを有し、
前記プロセッサは、
対象の機器の稼働に係るデータを時系列で収集して時系列データとして記憶装置に格納し、
前記記憶装置に格納された前記時系列データのうちの前記或る時点よりも以前の時点における過去データを学習することで、前記或る時点よりも以後の時点における予測値を予測する予測モデルを生成し、
前記予測モデルを用いて、該過去データに基づいて該或る時点における該予測値を推論し、
所定の検索条件に基づく前記機器の過去の運用に係る運用情報の検索結果と、前記時系列データのうちの前記或る時点における最新の実測値と前記予測値との乖離を改善するために推奨される前記機器の運用方法を含む前記運用レコメンド情報を言語モデルに生成させるためのプロンプトと、を該言語モデルに受け渡し、
前記運用情報の検索結果と前記プロンプトとに基づいて前記言語モデルによって生成された前記運用レコメンド情報をユーザに対して提示する
各処理を実行し、
前記プロセッサは、
前記記憶装置に格納した前記時系列データの時系列の傾向変化の程度を表すデータ傾向変化スコアを算出し、
前記運用情報を検索する際に、前記所定の検索条件を、前記データ傾向変化スコアに応じた前記運用情報の検索範囲が指定されている複数の運用情報検索条件の候補から選択し、
前記プロンプトを、前記データ傾向変化スコアに応じた前記運用レコメンド情報が前記言語モデルによって生成されるように設計された複数のプロンプトの候補から選択し、選択した該プロンプトの候補に基づいて生成する
ことを特徴とする運用レコメンド情報提示システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、運用レコメンド情報提示方法及び運用レコメンド情報提示システムに関する。
続きを表示（約 2,200 文字）【背景技術】
【０００２】
近年、人手不足を背景に、社会・技術基盤の運用管理において、業務の効率化が求められている。例えばデータセンタは、デジタル技術の発展により電力需要が増大してきているが、電力需要の増大に対する電力効率の改善のための分析や対策の策定は、データセンタの運用管理において負荷が高い業務の１つであり、業務効率化が求められている。
【０００３】
現在、さまざまな業務の効率化の手段として、ＬＬＭ（Large Language Model）に代表されるような生成ＡＩ（Artificial Intelligence）の活用が検討されてきている。ＬＬＭのような大規模モデルの学習には大量のデータと計算リソースが必要であるため、学習済みのモデル（ベースモデル）を再利用することが多い。その際、ベースモデルが内包する知識の他に、ユーザが保有するデータを活用したいというニーズがある。このため、ベースモデルを用いてテキストや画像などを生成する際に、ユーザが保有するデータの中から関連情報を取得した上で、ベースモデルに生成処理を行わせるＲＡＧ（Retrieval-Augmented Generation）と呼ばれる手法が知られている。
【０００４】
例えば特許文献１には、ユーザのテキスト生成要求（クエリ）を分割したサブクエリに対してそれぞれのデータソースを基にＲＡＧを実施して関連情報を取得し、サブクエリに関連情報を付加して生成ＡＩに問合せて回答を取得する方法が開示されている。また非特許文献１には、ＲＡＧで得られた複数の関連情報毎にクエリとの関連性や根拠の有無を評価し、評価結果が最良の関連情報をクエリに付加して生成ＡＩに問合せて回答を取得する方法が開示されている。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０２３／２００７６２号
【非特許文献】
【０００６】
Akari Asai，et.al.，“SELF-RAG: LEARNING TO RETRIEVE, GENERATE, AND CRITIQUE THROUGHSELF-REFLECTION”，［online］，［令和６年４月２３日検索］，インターネット＜URL：https://arxiv.org/abs/2310.11511＞
【発明の概要】
【発明が解決しようとする課題】
【０００７】
上述の従来技術を用いると、例えばデータセンタの運用管理において、データセンタの同じサーバルームの過去の実績データに基づく業務改善案と、別のサーバルームの過去の実績データに基づく業務改善案と、を生成ＡＩから回答として取得できる。しかし、サーバルームの状態を考慮すると、同じサーバルームの過去の実績データに基づく業務改善案と、別のサーバルームの過去の実績データに基づく業務改善案と、の何れがより適切か、が判断できない。すなわち対象の状況に応じた適切な回答を生成ＡＩから取得できないという問題があった。
【０００８】
本発明は上記の課題に鑑みてなされたものであり、対象の状況に応じた適切な回答を生成ＡＩから取得できるようにすることを目的とする。
【課題を解決するための手段】
【０００９】
上記目的を達成するために、本発明は、運用レコメンド情報を提示する運用レコメンド情報提示システムが実行する運用レコメンド情報提示方法であって、前記運用レコメンド情報提示システムは、プロセッサとメモリとを有し、前記プロセッサが、対象の機器の稼働に係るデータを時系列で収集して時系列データとして記憶装置に格納し、前記記憶装置に格納された前記時系列データのうちの前記或る時点よりも以前の時点における過去データを学習することで、前記或る時点よりも以後の時点における予測値を予測する予測モデルを生成し、前記予測モデルを用いて、該過去データに基づいて該或る時点における該予測値を推論し、所定の検索条件に基づく前記機器の過去の運用に係る運用情報の検索結果と、前記時系列データのうちの前記或る時点における最新の実測値と前記予測値との乖離を改善するために推奨される前記機器の運用方法を含む前記運用レコメンド情報を言語モデルに生成させるためのプロンプトと、を該言語モデルに受け渡し、前記運用情報の検索結果と前記プロンプトとに基づいて前記言語モデルによって生成された前記運用レコメンド情報をユーザに対して提示する各処理を有し、前記プロセッサが、前記記憶装置に格納した前記時系列データの時系列の傾向変化の程度を表すデータ傾向変化スコアを算出し、前記運用情報を検索する際に、前記所定の検索条件を、前記データ傾向変化スコアに応じた前記運用情報の検索範囲が指定されている複数の運用情報検索条件の候補から選択し、前記プロンプトを、前記データ傾向変化スコアに応じた前記運用レコメンド情報が前記言語モデルによって生成されるように設計された複数のプロンプトの候補から選択することを特徴とする。
【発明の効果】
【００１０】
本発明によれば、対象の状況に応じた適切な回答を生成ＡＩから取得できる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許