Nos enfocamos en un método de estimación basado en aprendizaje profundo en términos de tiempo de corrección de fallas para la evaluación de confiabilidad de operación de software de código abierto (OSS) en el entorno de un servicio de computación en el borde. Luego, discutimos los niveles de gravedad de las fallas para considerar la dificultad de la corrección de fallas. Utilizamos una red neuronal profunda de alimentación directa para estimar los tiempos de corrección de fallas. En particular, consideramos las características de las tendencias de fallas mediante el uso de gráficos tridimensionales. Por lo tanto, podemos aumentar la reconocibilidad del método propuesto basado en aprendizaje profundo para datos de fallas a gran escala desde el punto de vista de los niveles de gravedad de las fallas en la operación de OSS en el borde.