---
sourceDocument: Yokohama IT Operations Management
sourceDocumentLink: https://www.servicenow.com/docs/r/ja-JP/yokohama/it-operations-management

 Release :

    - yokohama

ft:locale :

    - ja-JP

ft:publication_title :

    - Yokohama IT Operations Management

ft:clusterId :

    - itom

bundleId :

    - itom

workflow :

    - Technology


---

# 自動アラートグループ化

# 自動アラートグループ化 {#ariaid-title1}

* リリースバージョン: Yokohama
* 
* 更新日 2025年01月30日
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：3分

自動アラートグループ化とは、履歴データを使用して類似のアラートを自動的にグループに編成するプロセスのことです。こうしたアラートは、サーバーエラーやネットワーク停止などのシステムの問題である場合があります。関連するアラートをグループ化することで、チームはパターンをすばやく特定し、繰り返し発生する問題に対処し、個々のアラートが多すぎることによるノイズを減らすことができます。
都市の交通システムを監視していると想像してください。事故、交通渋滞、通行止めなどの報告のように、多くのアラートが届きます。自動アラートグループ化は、パターンに基づいてこれらのアラートを整理するスマートアシスタントのように機能するため、関連する問題をまとめて確認し、より効率的に対応できます。こうした自動アラートグループは、サービスオペレーションワークスペース内の エクスプレスリスト に表示されます。

## このグループ化を有効にする方法 {#c_SACorrelatedAlertGroups__section_edv_4q5_mdc}

アラート相関に関して機械学習ベースの自動化を有効にするには、プロパティ \[ML ベースの自動化相関を有効にする\] (sa_analytics.specific_patterns_enabled) を true に設定します。

Domain Support - Domain Extensions Installer がアクティブ化されている場合、アラートアグリゲーションパターンは、sa_analytics.agg.learner_domain_level プロパティで定義されたドメインレベルに基づいて作成されます。デフォルトでは、このドメインレベルは 2 (ドメイン階層の第 2 レベルに相当) に設定されています。たとえば、会社では、レベル 1 が会社自体を表し、レベル 2 が社内の部門またはチームを表すと考えられます。アラートは、部門やチームでソートするなど、この第 2 レベルに基づいてグループ化されます。詳細については、「[ドメインセパレーションと イベント管理](https://www.servicenow.com/docs/sw2Q9hInAMroFMOKe1GCSQ "ドメインセパレーションは イベント管理 でサポートされています。 ドメインセパレーションでは、データ、プロセス、および管理タスクをドメインと呼ばれる論理的なグループに分けることができます。どのユーザーがデータを表示できるか、データにアクセスできるかなど、このアプリケーションのいくつかの側面を制御できます。")」を参照してください。

## 仕組み {#c_SACorrelatedAlertGroups__section_xd2_w45_mdc}

自動アラートグループ化では、機械学習 (ML) と履歴データを使用してアラート間のパターンを特定します。パターン識別子と呼ばれる特定の特性 (問題のタイプ、影響を受けるシステム、CI、またはほぼ同じ期間に複数回発生したメトリクスなど) を調べて、アラートが関連しているかどうかを判断します。 アラートアグリゲーション学習では、アルゴリズムを使用して、パターンに基づいてアラートをグループ化します。具体的には、パターンベースのアルゴリズムと確率的手法を使用して、受信アラートを分析し、関連するアラートを特定します。  
ラッシュアワーに特定の交差点で事故が頻繁に発生することに気づくようなものだと考えてください。システムでは、特定の識別子 (場所や問題のタイプなど) に基づいて、類似したアラート (同じ場所で繰り返される交通渋滞など) がグループ化されます。アラートは、次の重要な手順に従って効果的にグループ化されます。

* 履歴データの分析：システムで過去のアラートを調査して、パターンと関係を学習します。
* 機械学習の適用：ML アルゴリズムでアラートの履歴データを分析して、アラート間のパターンと関係を特定します。これにより、システムは過去のインシデントから学習し、時間の経過とともに類似のアラートをグループ化する機能を向上させることができます。
* 類似のアラートをグループ化：一致するパターンを持つアラートが自動的にグループ化されます。
{#c_SACorrelatedAlertGroups__ul_zs3_rp5_mdc}  
都市の交通システムを管理していて、次のような複数のアラートを受信したとします。

* 8:00 AM：メインストリートで事故
* 8:05 AM：メインストリート付近で交通渋滞
* 8:10 AM：メインストリートで通行止め
{#c_SACorrelatedAlertGroups__ul_d1b_hs5_mdc}自動アラートグループ化は、これらのアラートを分析し、パターンを認識することで、スマートアシスタントのように機能します。アラートすべてがメインストリートに関連しており、同じ事故に起因している可能性が高いため、それらをグループ化します。これにより、各アラートに個別に対処するのではなく、全体像をすばやく把握し、根本原因 (事故) の解決に集中できます。

## 福利厚生 {#c_SACorrelatedAlertGroups__section_j3b_z45_mdc}

* 繰り返し発生する問題の検出：パターン (サーバーが常に過熱しているなど) をすばやく特定します。
* 時間の短縮：個々のアラートではなく、関連するアラートのグループを処理します。
* 対応の改善：ばらばらな問題に対処するのではなく、根本原因の修正に重点を置きます。
{#c_SACorrelatedAlertGroups__ul_tns_z45_mdc}