인공 신경망을 포함하는 장애 예측 시스템에 있어서,복수의 장치들로부터 상기 복수의 장치들 각각이 동작함에 따른 로그 데이터들을 획득하는 수집부, 상기 로그 데이터들 각각은 자연어 데이터를 포함함;상기 로그 데이트들 각각에 포함된 자연어 데이터에 대해 인공 신경망이 처리할 수 있도록 기 설정된 위험도 수치를 라벨링(labeling)하는 전처리부;상기 전처리된 데이터를 수신하고, 수신된 데이터에 포함된 자연어 데이터들에 기반하여, 상기 복수의 장치들 중 제1 장치에서 발생 가능한 장애와 관련된 제1 데이터를 출력하는, 인공 신경망을 포함하고,상기 인공 신경망은, 입력된 자연어 데이터 중 특정 장치의 동작 상태와 관련된 데이터를 식별하고, 상기 식별한 데이터 및 라벨링된 상기 위험도 수치에 기반하여, 해당 장치에서 발생 가능한 장애와 관련된 데이터를 출력하는 방법을 학습하는, 장애 예측 시스템.

제1항에 있어서,상기 인공 신경망으로부터 출력된 상기 제1 데이터를 사용자에게 출력하는 표시부를 더 포함하고,상기 표시부는: 상기 인공 신경망으로부터 출력된 상기 제1 데이터로부터 API(application programming interface)를 생성하고, 상기 API에 기반하여, GUI(graphic user interface)를 통해 상기 제1 데이터를 상기 사용자에게 출력하는, 장애 예측 시스템.

제1항에 있어서,상기 전처리된 데이터 중 일부의 파라미터를 선택하여 미세 조정(fine-tuning)하는 데이터 분석부를 포함하고,상기 인공 신경망은, 상기 로그 데이터들 중 미세 조정된 일부의 파라미터들에 기반하여, 입력된 자연어 데이터 중 특정 장치의 동작과 관련된 데이터 및 상기 위험도 수치로부터 해당 장치에서 발생 가능한 장애와 관련된 데이터를 출력하는 방법을 학습하는, 장애 예측 시스템.

제1항에 있어서,상기 전처리부는: 상기 획득된 로그 데이터들 각각을 획득된 시간에 기반하여 토큰화(tokenization)하고, 상기 토큰화된 데이터에 대하여, 상기 기 설정된 위험도 수치를 라벨링하는, 장애 예측 시스템.

제1항에 있어서,상기 전처리부는, 상기 로그 데이터 중 수치 데이터를 0 내지 1의 범위로 변환하는, 장애 예측 시스템.

제1항에 있어서,상기 제1 데이터는, 상기 제1 장치에서 장애가 발생할 확률, 상기 제1 장치에서 발생 가능한 장애의 종류, 및 상기 제1 장치에서 장애가 발생할 것으로 예측되는 시간 중 적어도 일부를 포함하는, 장애 예측 시스템.

제1항에 있어서,상기 인공 신경망은, 입력된 자연어 데이터에 기반하여, 상기 로그 데이터들을 분류하는 임베딩 레이어(embedding layer)를 포함하고,상기 임베딩 레이어는, 상기 복수의 장치들로부터 발생 가능한 상기 로그 데이터들의 개수와 대응되는 크기를 갖는, 장애 예측 시스템.

제1항에 있어서,상기 인공 신경망은, 라벨링된 상기 위험도 수치를 가중치로 활용하는 어텐션 마스크(attention mask) 기법, 및 상기 입력된 자연어 데이터들 중 특정 장치의 동작과 관련된 데이터의 위치 정보를 식별하는 위치 인코딩(positional encoding) 기법 중 적어도 일부를 이용하여, 상기 장애와 관련된 데이터를 출력하는 방법을 학습하는, 장애 예측 시스템.

장애 예측 방법에 있어서,수집부가 복수의 장치들로부터 상기 복수의 장치들 각각이 동작함에 따른 로그 데이터들을 획득하는 단계, 상기 로그 데이터들 각각은 자연어 데이터를 포함함;전처리부가 상기 로그 데이트들 각각에 포함된 자연어 데이터에 대해 인공 신경망이 처리할 수 있도록 기 설정된 위험도 수치를 라벨링(labeling)하는 단계;인공 신경망이 상기 전처리된 데이터를 수신하고, 수신된 데이터에 포함된 자연어 데이터들에 기반하여, 상기 복수의 장치들 중 제1 장치에서 발생 가능한 장애와 관련된 제1 데이터를 출력하는 단계를 포함하고,상기 인공 신경망은, 입력된 자연어 데이터 중 특정 장치의 동작 상태와 관련된 데이터를 식별하고, 상기 식별한 데이터 및 라벨링된 상기 위험도 수치에 기반하여, 해당 장치에서 발생 가능한 장애와 관련된 데이터를 출력하는 방법을 학습하는, 장애 예측 방법.

제9항에 있어서,상기 전처리된 데이터 중 일부의 파라미터를 선택하여 미세 조정(fine-tuning)하는 단계를 더 포함하고,상기 인공 신경망은, 상기 로그 데이터들 중 미세 조정된 일부의 파라미터들에 기반하여, 입력된 자연어 데이터 중 특정 장치의 동작과 관련된 데이터 및 상기 위험도 수치로부터 해당 장치에서 발생 가능한 장애와 관련된 데이터를 출력하는 방법을 학습하는, 장애 예측 방법.

제9항에 있어서,상기 인공 신경망으로부터 출력된 상기 제1 데이터로부터 API(application programming interface)를 생성하는 단계; 및상기 API에 기반하여, GUI(graphic user interface)를 통해 상기 제1 데이터를 출력하는 단계를 더 포함하는, 장애 예측 방법.

제9항에 있어서,상기 인공 신경망은, 입력된 자연어 데이터에 기반하여, 상기 로그 데이터들을 분류하는 임베딩 레이어(embedding layer)를 포함하고,상기 임베딩 레이어는, 상기 로그 데이터들에 의해 식별되는 로그 이벤트들의 개수와 대응되는 크기를 갖는, 장애 예측 방법.