即使在因违反用户需求而产生较大惩罚的可能性较高的情况下，也能够对资源设计的结果进行调整而降低容易导致违反用户需求的预测的比率。具有：需求指定功能部(11)，其指定针对对象服务的用户需求；以及资源设计部(12)，其通过机器学习而预测执行对象服务时的针对多种资源设定能够达成的性能，基于该预测结果而选择满足所指定的用户需求的资源设定，作为用于性能预测的模型，资源设计部(12)生成使用针对N模型加上了在实际性能比预测性能差的情况下成为有限值的函数得到的P模式损失函数的P模型，该N模型使用已有的N模式损失函数。