-
Die
Erfindung betrifft ein Verfahren und eine entsprechende Vorrichtung
zur Optimierung des Stromverbrauchs einer Datenverarbeitungseinrichtung.
Ferner betrifft die Erfindung eine Datenverarbeitungsvorrichtung
mit einer solchen Vorrichtung sowie ein Computerprogramm zur Implementierung
eines solchen Verfahrens.
-
Der
Stromverbrauch von Computern ist heute ein bedeutendes technisches,
wirtschaftliches und ökologisches
Problem. Moderne Mikroprozessoren haben derzeit einen Leistungsverbrauch
von über 100W.
Diese Leistung muss in Form von elektrischer Energie zur Verfügung gestellt
werden, wird auf dem Mikrochip in Wärme umgesetzt und muss anschließend wieder
durch entsprechende Kühlmaßnahmen abgeführt werden.
In der Bundesrepublik entfallen bereits heute mehr als 7% des elektrischen
Energiebedarfs auf IT-Systeme – Tendenz
steigend. Ca. 25% der Betriebskosten einer Server-Farm entfallen
auf die Bereitstellung der Energie und die Kühlung. Noch unmittelbarer spüren Nutzer
von Note books, Pocket-PCs, Laptop-Computern, PDAs oder Mobilfunktelefone
den Stromverbrauch durch zu kurze Betriebszeiten der Batterien solcher
mobiler Geräte. Auch
eingebettete Systeme, insbesondere in mobilen Anwendungen, unterliegen
Begrenzungen ihres Stromverbrauchs.
-
Datenverarbeitungseinrichtungen,
worunter vorliegend Notebooks, Laptops, PDAs, Pocket-PCs, Mobiltelefone
sowie eingebettete elektronische Systeme verstanden werden sollen,
bestehen aus mehreren stromverbrauchenden Komponenten. In der Regel
sind dies zumindest ein Prozessor, ein Display mit Hintergrundbeleuchtung,
Speicher, ein Flash-Speicher und/oder ein Festplattenlaufwerk, ein optisches
Laufwerk, eine Netzwerkkarte für
kabelgebundene Netzwerke, eine Netzwerkkarte für drahtlose Netzwerke, Schnittstellenkarten
und Eingabegeräte
für den
Nutzer (Tastatur, Maus). Diese Komponenten verbrauchen in der Regel
elektrische Energie, solange sie nicht vollständig abgeschaltet sind. Im eingeschalteten
Zustand können
sie unter Umständen
in unterschiedliche Betriebszustände
versetzt werden, die sich jeweils in der Leistungsfähigkeit
und der Aufnahme elektrischer Leistung unterscheiden können.
-
So
kann ein Prozessor beispielsweise in mehreren Kombinationen unterschiedlicher
Taktrate und Versorgungsspannung betrieben werden, die sich einerseits
im Stromverbrauch, andererseits in der Rechenleistung unterscheiden.
Eine Festplatte kann in unterschiedlichen Betriebszuständen betrieben
werden: Ein normaler Betrieb, bei dem der Motor die Platte auf Betriebsdrehzahl
hält und
die Schreib-/Leseköpfe
in Position sind; ein Stand-By Betrieb, bei dem die Köpfe geparkt
sind und die Platte auf niedriger Drehzahl läuft; ein Ruhezustand, bei dem
die Köpfe
geparkt sind und der Motor sowie die Elektronik abgeschaltet sind.
Die Festplatte würde bei
diesen drei Betriebsarten im normalen Betrieb den meisten Strom,
im Stand-By einen reduzierten Strom und im Ruhezustand keinen Strom
verbrauchen. Um die Festplatte zu nutzen, muss sie sich im Normalbetrieb
befinden. Das Umschalten der Betriebszustände dauert jeweils eine gewisse
Zeit, in der die Festplatte nicht benutzt werden kann, aber immer
noch Strom verbraucht. Diese Energie wird somit ohne unmittelbaren
Nutzen verbraucht. Außerdem
beeinträchtigt
die Wartezeit das Leistungsangebot des Rechners und stört den Nutzer.
Wird die Festplatte beispielsweise bereits kurze Zeit, nachdem sie
in den Ruhezustand versetzt wurde, erneut in den Normalbetrieb geschaltet,
so wird unnötig
Energie verwendet und zudem der Nutzer gestört. Wird sie hingegen erst
nach langer Zeit wieder in den Normalbetriebversetzt, so wurde Energie
gespart.
-
In
Notebooks und Laptops werden deshalb seit langem so genannte Power
Management Verfahren eingesetzt, die einzelne Komponenten des Systems
dann in einen Betriebsmodus versetzen, der weniger Leistung aufnimmt,
wenn vermutet wird, dass die Komponente in naher Zukunft nicht die
volle oder gar keine Arbeitsleistung erbringen muss. Beispiele solcher
Komponenten sind:
- – Prozessor, der über mehrere
Leistungsstufen (Betriebsfrequenzen, Versorgungsspannungen) verfügt,
- – Festplatte
mit mehreren Betriebsmodi (an, stand-by, aus)
- – Display-Beleuchtung
(hell, mittel, dunkel, aus)
-
Power
Management basiert somit auf der Prädiktion eines zukünftigen
Betriebsverhaltens.
-
Ein
ideales Power Management ist somit dadurch charakterisiert, dass
es ständig
und unverzögert
dem Nutzer die von ihm gewünschte
(Rechen-)Leistung zur Verfügung
stellt und die einzelnen Komponenten gleichzeitig nur eine minimale
Energie benötigen.
-
Zur
Entscheidungsfindung über
das Abschalten von Komponenten wird bei bekannten Verfahren primär die Zeit
herangezogen, die zwischen der letzten Aktivität einer Komponente und dem
Zeitpunkt der jeweiligen Entscheidung vergangen ist. Liegt diese
Zeit über
einem Schwellwert, so wird die Komponente in einen Betriebsmodus
mit geringerer Energie versetzt. Die jeweiligen Schwellwerte können üblicherweise
vom Benutzer verändert
werden. Alternative, beispielsweise in
EP 1271291 A2 oder
US 6645895 B1 beschriebene
Verfahren sind bekannt, die aus Protokollen der Nutzung, z.B. im
Tagesrhythmus oder Wochenrhythmus, Nutzungsmuster erkennen und aus
Korrelationen des aktuell beobachteten Systemverhaltens mit einem
dieser Muster eine Vorhersage ableiten. Diese Verfahren sind jedoch
dann nicht effektiv, wenn kein regelmäßiges Nutzungsverhalten vorliegt,
was bei Notebooks regelmäßig nicht
der Fall ist.
-
Diesen
Verfahren ist gemein, dass sie stets nur die Aktivität einzelner
Systemkomponenten betrachten und hieraus unmittelbar eine Prädiktion
der erwarteten zukünftigen
Anforderungen an die Komponenten erstellen. Die Begrenzung dieser
Vorhersagemethode wird aus folgendem Beispiel deutlich: Ein ideales
Power Management wird die Hintergrundbeleuchtung eines LCD-Displays
nur dann einschalten, wenn das Display von einem Nutzer betrachtet
wird. Dies ist ohne eine Kamera, die feststellt, ob ein Nutzer anwesend
ist und auf das Display schaut, nicht zu ermitteln. Bekannte Power
Management Verfahren versuchen die Anwesenheit und das Interesse
des Nutzers am Inhalt des Displays darüber zu ermitteln, dass sie
die Aktivität
von Eingabegeräten überwachen,
z.B. der Maus und der Tastatur. So kann zweifelsfrei aus der Aktivität von Eingabegeräten auf
die Anwesenheit eines Nutzers geschlossen werden. Der Umkehrschluss
ist jedoch nicht zulässig:
Keine Aktivität
der Eingabegeräte
bedeutet nicht zwangsläufig,
dass kein Nutzer anwesend ist. Vielmehr kann es sein, dass der Nutzer
einen längeren
Text liest, sich zwischenzeitlich Notizen macht etc., oder beispielsweise
ein Video betrachtet.
-
US
2005/0049729 A1 beschreibt eine Vorrichtung zur Verwaltung der Betriebszustände eines Rechensystems.
Ziel ist eine Optimierung des Betriebszustands des Systems unter
Abwägung
von Energieeinsparung und Rechenleistung. Beschrieben wird insbesondere
ein einstufiges Verfahren, welches aus einer Vielzahl von Informationen
von Sensoren eines Datenverarbeitungssystems, sowie dessen Betriebssystem
und Nutzervorgaben einen aktuellen Zustand des Datenverarbeitungssystems ermittelt.
Es werden nicht näher
erläuterte
Verfahren genannt, die einen Zielzustand des Systems ermitteln.
Weiterhin werden Operationen benannt, die das System dann in diesen
Zielzustand überführen.
-
Der
Erfindung liegt die Aufgabe zugrunde, ein Verfahren und eine Vorrichtung
zur Optimierung des Stromverbrauchs einer Datenverarbeitungseinrichtung
zu schaffen, mit denen sich die Betriebszustände der Komponenten der Datenverarbeitungseinrichtung
optimal steuern lassen. Insbesondere sollen sowohl zu kurze Zeiten
bis zur Deaktivierung von Komponenten, wodurch zwar Strom ge spart
werden kann, jedoch die notwendigen Zeiten für die Reaktivierung vom Benutzer
als störend
empfunden werden, als auch zu lange Zeiten bis zur Deaktivierung
von Komponenten, wodurch zu wenig Strom gespart wird, vermieden
werden.
-
Diese
Aufgabe wird erfindungsgemäß gelöst durch
ein Verfahren nach Anspruch 1 mit den Schritten:
- a)
Erfassung von Betriebsparametern von Hard- und Softwarekomponenten
der Datenverarbeitungseinrichtung,
- b) Erfassung von aperiodisch auftretenden, den Betriebszustand
von Hard- und/oder
Softwarekomponenten beeinflussenden Ereignissen,
- c) Abschätzung
des aktuellen Nutzungsszenarios der Datenverarbeitungseinrichtung
durch Auswertung einer eine Vielzahl von Regeln enthaltenden Regelmenge
anhand der erfassten Betriebsparameter und Ereignisse, wobei durch
Auswertung der Regeln Wahrscheinlichkeiten für das Vorliegen vorbestimmter
Nutzungsszenarien basierend auf Betriebsparametern und/oder Ereignissen
ermittelt werden, und
- d) Steuerung der Betriebszustände der Komponenten der Datenverarbeitungseinrichtung
unter Berücksichtigung
der abgeschätzten
aktuellen Nutzungsszenarien.
-
Eine
entsprechende Vorrichtung ist in Anspruch 17, eine entsprechende
Datenverarbeitungseinrichtung ist in Anspruch 18 und ein entsprechendes
Computerprogramm ist in Anspruch 19 angegeben. Vorteilhafte Ausgestaltungen
der Erfindung sind in den Unteransprüchen angegeben.
-
Die
Erfindung basiert auf der Überlegung, dass
ein ideales Power Management für
jede Komponente des Notebooks jederzeit wissen müsste, wann diese Komponente
wieder mit welcher Leistungsfähigkeit
benötigt
wird. Das Power Management würde
dann entscheiden können,
ob eine Komponente sinnvoll in einen leistungsärmeren Betriebeszustand versetzt
werden kann. Es würde
hierbei abwägen,
ob die durch den leistungsärmeren
Betriebeszustand eingesparte Energie größer ist als die zum Reaktivieren
notwendige Energie. Es würde
idea ler Weise die ruhenden Komponenten so rechtzeitig reaktivieren,
dass sie exakt dann, wenn sie wieder benötigt werden, betriebsbereit
sind.
-
Ein
solches ideales Power Management würde somit eine exakte Vorhersage
der zukünftigen Anforderungen
an die Datenverarbeitungseinrichtung erfordern. Eine solche exakte
Vorhersage ist für von
Menschen benutzte Geräte
nicht möglich,
sondern kann nur angenähert
werden. Hieraus wird deutlich, dass die Qualität der Entscheidung, eine Komponente
in einen Niedrigenergiezustand zu versetzen, sehr stark von der
Qualität
der Vorhersage abhängt,
mit welcher Wahrscheinlichkeit diese Komponente in der nächsten Zeit
benötigt
wird (Wahrscheinlichkeitsdichte der Nutzung über der zukünftigen Zeit). Eine zu vorsichtige
Annahme wird vermuten, dass die Komponenten bald wieder gebraucht
werden und sie deshalb häufig
nicht abschalten, auch wenn dies im Nachhinein sinnvoll gewesen
wäre. Eine
aggressive Strategie wird die Komponente auch häufig dann abschalten, wenn
sie wieder gebraucht wird, bevor die eingesparte Energie größer ist
als die zur Reaktivierung notwendige Energie.
-
Ein
realisierbares Power Management sollte bezüglich seiner Qualität möglichst
nahe an das ideale Power Management herankommen. Das erfindungsgemäße Verfahren
beruht auf verfügbaren bzw.
effizient beschaffbaren Informationen der Datenverarbeitungseinrichtung
und des Bedarfs des Nutzers, woraus geeignete Betriebszustände für die einzelnen
Komponenten ermittelt und die Komponenten dann in diese Zustände versetzt
werden:
Das erfindungsgemäße Verfahren
verbessert die Vorhersagegenauigkeit somit dadurch, dass aus mehreren
Parametern die Wahrscheinlichkeit der Zugehörigkeit der aktuellen Systemnutzung
zu vordefinierten Nutzungsszenarien ermittelt wird, bei deren Vorliegen
optimierte Einstellungen für
die Betriebszustände
der Systemkomponenten vorgenommen werden können.
-
In
obigem Fall würde
u.A. die Wahrscheinlichkeit für
die Nutzungsszenarien „Lesen
eines Dokuments" und „Betrachten
eines Videos" ermittelt werden.
Hierzu würden
beispielsweise Daten der Aktivität
der Eingabekomponenten, des Hauptfensters auf dem Bildschirm (Fokusfenster)
und der laufenden Anwendungsprogramme berücksichtigt.
-
Die
vorliegende Erfindung beinhaltet somit die Vorteile des Power Managements,
ermöglicht
jedoch, die Qualität
des Power Managements signifikant zu steigern. Die Anwendung dieses
Verfahrens verbessert die Vorhersagegenauigkeit des Power Managements
und verringert dadurch die Wahrscheinlichkeit von Fehlentscheidungen.
Hierdurch wird einerseits die Energieeinsparung erhöht, andererseits
wird der Anwender weniger durch das Power Management in der Nutzung
des Computers gestört.
-
Für den Nutzer
des erfindungsgemäßen Verfahrens
ergeben sich somit die folgenden Vorteile:
- 1.
Längere
Batteriebetriebsdauer mobiler Computer oder anderer Datenverarbeitungseinrichtungen,
- 2. geringerer Stromverbrauch und geringere Kühlung für stationäre Computer,
- 3. geringere Störungen
des Betriebs durch Wartezeiten aufgrund von Fehlentscheidungen,
und
- 4. ggf. automatische Adaption des Systems an das individuelle
Nutzerverhalten durch eine optionale, unter näher erläuterte Lernkomponente.
-
Für den Entwickler
und Anbieter von Computern bietet das erfindungsgemäße Verfahren
folgende Vorteile:
- 1. Produktdifferenzierung
durch neue Regelsätze und
verbesserte Lernkomponenten,
- 2. einfache Schnittstelle zwischen Hardware und Power Management
durch eine modulare Systemarchitektur und die gekapselte Regelbasis.
-
Es
ergeben sich somit Anwendungen in allen Bereichen, in denen der
Stromverbrauch von Computern eine Bedeutung hat, beispielsweise
in Laptops, Notebooks, Pocket-PCs, Tablet-PCs oder anderer Datenverarbeitungseinrichtungen.
-
In
einer bevorzugten Ausgestaltung ist vorgesehen, dass die Steuerung
der Betriebszustände der
Komponenten derart erfolgt, dass entsprechend dem abgeschätzten aktuellen
Nutzungsszenario nicht benötigte
Komponenten in einen Betriebszustand mit reduziertem oder keinem
Stromverbrauch versetzt werden.
-
Dabei
ist bevorzugt vorgesehen, dass bei der Steuerung der Betriebszustände der
Komponenten Zeitvorgaben für
das Versetzen einer Komponenten in einen anderen Betriebszustand
berücksichtigt
werden. Dadurch soll verhindert werden, dass die Betriebszustände zu häufig und/oder
zu schnell gewechselt werden, was für den Nutzer eher störend wäre und ggf.
mehr Energie für
das Wechseln der Betriebszustände
verbrauchen würde,
als dadurch überhaupt
eingespart werden könnte.
-
In
einer weiteren bevorzugten Ausgestaltung ist vorgesehen, dass zur
Steuerung der Betriebszustände
der Komponenten zunächst
anhand des abgeschätzten
aktuellen Nutzungsszenarios bestimmt wird, welche Komponenten aktuell
benutzt werden, und/oder abgeschätzt
wird, welche Komponenten innerhalb eines, beispielsweise vorgegebenen,
Zeitintervalls benötigt
werden, und dass daraus bestimmt wird, in welche Betriebszustände die
Komponenten versetzt werden. Auch bei dieser Ausgestaltung wird ein
zu schnelles und/oder häufiges
Wechseln der Betriebszustände
verhindert.
-
Ferner
ist bevorzugt vorgesehen, dass zur Abschätzung des aktuellen Nutzungsszenarios
direkte, zeitbasierte, mittelbare und/oder indirekte Regeln eingesetzt
werden. Direkte Regeln beeinflussen unmittelbar Steuerungssignale
zur Steuerung der Betriebszustände
der Komponenten der Datenverarbeitungseinrichtung anhand der erfassten
Betriebsparameter und/oder Ereignisse beeinflussen. Zeitbasierte Regeln
beeinflussen mittelbar Steuerungssignale zur Steuerung der Betriebszustände der
Komponenten der Datenverarbeitungseinrichtung anhand zeitlicher Parameter.
Indirekte Regeln führen
zu Abschätzungen
von Nutzungsszenarien anhand der erfassten Betriebsparameter und/oder
Ereignisse. Mittelbare Regeln beeinflussen Steuerungssignale zur
Steuerung der Betriebszustände
der Komponenten der Datenverarbeitungseinrichtung anhand von erkannten Nutzeraktivitäten, direkten
und/oder zeitbasierten Regeln und/oder anhand der erfassten Betriebsparameter
und/oder Ereignisse. Insbesondere werden bevorzugt zur Abschätzung des
aktuellen Nutzungsszenarios Fuzzy-Regeln eingesetzt. Erfindungsgemäß wird somit,
basierend auf Regeln, eine (oder mehrere) Abstraktionsebene(n) zwischen
der Erfassung der Betriebsparameter und Ereignisse und der Steuerung
der Betriebszustände
eingeführt.
-
Die
Abschätzung
des aktuellen Nutzungsszenarios umfasst vorzugsweise die folgenden Schritte:
- c1) Erkennung der aktuellen Nutzeraktivitäten) der
Datenverarbeitungseinrichtung anhand der erfassten Betriebsparameter
und Ereignisse durch Auswertung von Regeln, die einen Zusammenhang
zwischen Betriebsparametern bzw. Ereignissen und Nutzeraktivitäten) beschreiben, und
- c2) Ermittlung von Steuerungssignalen zur Steuerung der Betriebszustände der
Komponenten der Datenverarbeitungseinrichtung anhand der bzw. den
erkannten Nutzeraktivitäten)
und anhand der erfassten Betriebsparameter und Ereignisse durch
Auswertung von Regeln, die einen Zusammenhang zwischen Betriebsparametern,
Ereignissen und/oder Nutzeraktivitäten) einerseits und Steuerungssignalen
zur Steuerung der Betriebszustände
der Komponenten der Datenverarbeitungseinrichtung andererseits beschreiben.
-
Bevorzugt
werden die Betriebsparameter periodisch und die aperiodisch auftretenden
Ereignisse unmittelbar nach dem Auftreten erfasst. Es ist jedoch auch
möglich,
die Betriebsparameter zu unregelmäßigen Zeitpunkten und die Ereignisse
periodisch zu erfassen.
-
Weiter
ist in bevorzugten Weiterbildungen vorgesehen, dass die Abschätzung des
aktuellen Nutzungsszenarios und die Steuerung der Betriebszustände periodisch
und/oder aperiodisch nach Auftreten eines aperiodischen Ereignisses
erfolgen.
-
Damit
der Nutzer Einfluss nehmen kann auf die Steuerung der Betriebszustände und
ggf. korrigierend oder durch Vorgaben eingreifen kann, ist in einer
bevorzugten Weiterbildung vorgesehen, dass die in der Regelmenge
enthaltenden Regeln und/oder Regelparameter und/oder die Auswertung der
Regeln zur Abschätzung
des aktuellen Nutzungsszenarios durch den Nutzer beeinflussbar sind.
-
In
einer vorteilhaften Ausgestaltung ist eine Lernkomponente vorgesehen,
bei der die vorgenommene Steuerung der Betriebszustände der
Komponenten der Datenverarbeitungseinrichtung anhand des abgeschätzten aktuellen
Nutzungsszenarios sowie die Reaktionen des Nutzers und/oder externer Komponenten
auf die vorgenommene Steuerung überwacht
werden und daraus die Regeln der Regelmenge, die Auswertung der
Regeln und/oder Regelparameter angepasst werden. Weiterbildungen
dieser Lernkomponente sind in den Ansprüchen 13 bis 16 angegeben.
-
Die
Erfindung wird nachfolgend anhand der Figuren näher erläutert. Es zeigen:
-
1 ein
Blockschaltbild einer erfindungsgemäßen Vorrichtung und
-
2 ein
Blockschaltbild einer bevorzugten Ausgestaltung einer Steuereinheit.
-
Die
grundlegende Struktur einer erfindungsgemäßen Vorrichtung zur Optimierung
des Stromverbrauchs einer Datenverarbeitungseinrichtung wird im Folgenden
anhand des in 1 gezeigten Blockschaltbilds
erläutert.
-
Die
bezüglich
seines Stromverbrauchs zu steuernde Datenverarbeitungseinrichtung
(z.B. ein Computersystem) besteht aus mehreren Hardware-Komponenten,
z.B. einer CPU 17, einer Festplatte 18, einem
Display 1x. Mindestens eine dieser Komponenten kann in
mindestens zwei unterschiedliche Betriebszustände versetzt werden, die sich
einerseits durch ein unterschiedliches Leistungsangebot oder eine
unterschiedliche Leistung der Komponente und andererseits durch
einen unterschiedlichen elektrischen Energie- oder Leistungsbedarf
unterscheiden. Die Einstellung des jeweiligen Betriebszustandes
einer jeden Komponente erfolgt beispielsweise durch das Betriebssystem 16.
Dem Betriebsystem können
von der Steuerung 13 hierfür entsprechende Befehle erteilt
werden. Das Betriebssystem kann ggf. zusätzliche Systemparameter, z.B.
die Versorgungsspannung und/oder die Betriebsfrequenz des Gesamtsystems
oder von Teilen hiervon, beeinflussen.
-
Das
Betriebssystem 16 überwacht
zudem laufend mindestens zwei Parameter der Komponenten und weitere
Systemparameter, z.B. die Temperatur 20, die Versorgungsspannung,
ggf. Informationen externer Komponenten, wie z.B. eines GPS-Empfängers, einer
Kamera, oder auch Daten der Prozesse oder Anwendungsprogramme.
-
Mittels
einer periodischen Erfassungseinheit 14 wird eine ausgewählte Menge
von Betriebsparametern ausgelesen, und mittels einer weiteren Erfassungsein heit 15 werden
aperiodisch auftretende Ereignisse erfasst. Die erfassten Betriebsparameter und
Ereignisse erhält
die Auswerteeinheit 12 der Regeln, die insbesondere Fuzzy-Regeln
enthalten, die von ihr zur Auswertung der (Fuzzy-) Regelmenge 11 notwendigen
Parameter.
-
Die
aperiodischen Ereignisse resultieren hierbei insbesondere aus Ereignissen
der Umwelt auf die Datenverarbeitungseinrichtung, z.B. Nutzereingaben.
Diese aperiodischen Eingaben dienen insbesondere auch einer Lernkomponente,
die aus den vergangenen Entscheidungen der Steuerung, den aperiodischen
Ereignissen und den periodischen Ereignissen die Qualität vergangener
Vorhersagen bewertet und ggf. die Regelmenge und die Parameter der
Regeln anpasst. Hierzu wird ihr von der Regelauswertung Information
darüber
zur Verfügung
gestellt, welche Regeln zu einer ungünstigen Vorhersage geführt haben.
-
Die
Regelauswertung in der Auswerteeinheit 12 erfolgt autonom
periodisch oder aperiodisch. Der Anwender kann Parameter der Regelauswertung über eine
Anwender-Steuerungseinheit 10 beeinflussen. Die Regelauswertung
wertet bevorzugt in periodischen Zeitabständen die Regelmenge mit den
jeweils aktuellen Parametern aus, wobei die in der Regelmenge enthaltenen
Fuzzy-Regeln nach den bekannten Regeln der Fuzzy-Logik ausgewertet
werden. Zusätzlich
reagiert sie auf aperiodische Ereignisse und wendet entsprechende
Regeln an. Das Ergebnis der Regelauswertung ist die Festlegung der gewünschten
Betriebszustände
der Komponenten des Computers, die dann von der Steuerungseinheit 13 an
das Betriebssystem 16 übermittelt
werden.
-
Im
Folgenden wird beispielhaft und nicht abschließend das Konzept der Regeln
zur Bestimmung der Nutzungsszenarien and Komponentenansteuerung
beschrieben.
-
Im
Gegensatz zu den bekannten Verfahren beruht das erfindungsgemäße Power-Management-Verfahren
auf einem zweistufigen Prozess der Ermittlung des System-/Nutzungszustandes.
Ziel der ersten Stufe ist es, aus zunächst isoliert ermittelten Parametern
zu erkennen, welchen Aktivitäten
oder welcher Einzelaktivität
der Nutzer der Datenverarbeitungseinrichtung gerade mithilfe der
Daten verarbeitungseinrichtung nachgeht. Beispielhaft sind folgende
Aktivitäten
und Merkmale zu ihrer Identifikation denkbar:
- 1.
Aktive Arbeit z.B. tippen,
• Merkmale
zur Identifizierung des Zustandes:
• Mausbewegung,
• allgemein
Aktivität
einer Nutzerschnittstellenkomponente,
• Fokussiertes Fenster, d.h.
Größe des im
Vordergrund befindlichen Fensters sowie Aktivität und Menge der diesem Fenster
zugeordneten Prozesse oder Anwendungen.
- 2. Passive Arbeit z.B. lesen, zuhören, Video ansehen.
• Merkmale
zur Identifizierung des Zustandes:
• Soundkartenaktivität,
• Art der
aktuell laufenden Anwendung,
• Aktivität des DVD-Laufwerks,
• Vollbildmodus
bestimmter Anwendungen aktiv,
• Fokussiertes Fenster, d.h.
Größe des im
Vordergrund befindlichen Fensters sowie Aktivität und Menge der diesem Fenster
zugeordneten Prozesse und Anwendungen.
- 3. Mobile Arbeit
• Merkmale
zur Identifizierung des Zustandes:
• kein Netzteil angeschlossen.
- 4. Hintergrundaktivität
• Merkmale
zur Identifizierung des Zustandes:
• Prozessorauslastung ohne Aktivität einer
Nutzerschnittstellenkomponente,
• keine bzw. wenig Sound- und
Grafikausgabe der Anwendungen.
- 5. Folienpräsentation
• Merkmale
zur Identifizierung des Zustandes:
• Art der Anwendung (z.B. pdf-Betrachter,
PowerPoint),
• geringe
Eingabehäufigkeit über Maus
und Tastatur,
• externer
Bildschirm (z.B. Beamer) angeschlossen,
• Umgebungsgeräusche über Mikrofon.
• Mögliche Reaktionen
auf den Zustand:
• Haupt-Bildschirm
(Displaybeleuchtung) ausschalten,
• externen Monitorausgang einschalten,
• auch bei
keiner oder geringer Aktivität
der Eingabekomponenten kein Übergang
des Systems in den Ruhezustand.
- 6. Drucken (Drucken alleine, ohne weitere Aktivitäten)
• Merkmale
zur Identifizierung des Zustandes:
• aktiver Druckauftrag ohne
folgende Aktivität
einer Nutzerschnittstellenkomponente,
• Verlauf der vorherigen Rechnernutzung.
-
Im
Folgenden wird die Grundstruktur der Regelmenge zur Ansteuerung
von Systemkomponenten beschrieben. Es kann hierbei zwischen direkten, indirekten
und mittelbaren Regeln unterschieden werden. Diese Arten von Regeln
werden um Regeln ergänzt,
die über
Zeiträume
von Aktivitäten
bzw. Nichtaktivitäten
von Komponenten gebildet werden.
-
Direkte
Regeln werten unmittelbar Parameter des Systems oder einzelner Komponenten
aus und bewirken, sofern sie zutreffen, direkt zu einer Änderung
des Betriebszustands einzelner Komponenten, z.B.:
„WENN die
Datenverarbeitungseinrichtung durch Netzstrom gespeist wird, DANN
versetze alle Komponenten in den Betriebszustand mit höchster Leistungsfähigkeit." Direkte Regeln entsprechen
denen des bekannten Power Managements, können jedoch dieser Erfindung
entsprechend mittels der Fuzzy-Logik verfeinert werden. Dies sei
an einem Beispiel erläutert:
Oben
wurde ein Beispiel für
die Abschaltung der Hintergrundbeleuchtung des Displays eingeführt. Kriterium
ist, ob der Nutzer das Display betrachtet oder nicht. Mangels Kameraüberwachung
kann dieses Kriterium nur angenähert
bewertet werden, hier über eine
Aktivität
einer Eingabekomponente. Das An- bzw. Abschalten der Hintergrundbeleuchtung
wird erfindungsgemäß über Regeln
festgelegt. Zur Entscheidung, ob die Hintergrundbeleuchtung angeschaltet
werden muss, sind in diesem Fall keine weiteren Kriterien nötig, da
aus der Aktivität
einer Eingabekomponente zweifelsfrei auf die Anwesenheit eines Nutzers
geschlossen werden kann.
- Diskrete Regel: „WENN eine
Bewegung der Maus registriert wird, DANN schalte die Hintergrundbeleuchtung
ein."
- Fuzzy-Regel: „WENN
eine deutliche Bewegung der Maus registriert wird, DANN schalte
die Hintergrundbeleuchtung ein."
- Fuzzy-Zeitregel: „WENN
die Prozessorleistung über längere Zeit
niedrig war, DANN versetze den Prozessor in die nächstniedrige
Leistungsstufe."
-
Die
beiden ersten Regeln unterscheiden sich nur im Wort „deutliche". Was eine „deutliche" Bewegung ist, kann
in der Fuzzyfizierung festgelegt werden. Die Anwendung der Fuzzy-Regel
würde vermeiden,
dass die Hintergrundbeleuchtung auch bei kleinen Bewegungen der
Maus, z.B. durch versehentliches Anstoßen oder Erschütterungen
eingeschaltet wird.
-
In
der dritten Regel sind die Begriffe „Längere Zeit" und „Niedrige Prozessorleistung" unscharfe Variablen,
die eine teilweise Erfüllung
der Regel ermöglichen.
-
Umgekehrt
kann aus der Nichtaktivität
der Eingabekomponenten nicht mit Sicherheit auf die Abwesenheit
einen Nutzers geschlossen werden. Hier kommen bei dem erfindungsgemäßen Verfahren
indirekte Regeln zum Einsatz. Diese Regeln beschreiben die Beziehung
zwischen Systemparametern und vordefinierten Nutzungsszenarien.
Beispiele:
- „WENN
(eine hohe Netzwerkaktivität
ODER eine hohe Aktivität
der Festplatte ODER eine hohe Aktivität eines optischen Laufwerks
ODER eine hohe Aktivität
eines Wechseldatenträgers
vorliegt) UND eine niedrige Prozessorleistung benötigt wird
UND der Lautsprecher eingeschaltet ist, DANN liegt das Nutzungszenario
Musikhören
vor."
- „WENN
im Vordergrund ein großes
Fenster liegt UND (ein Textverarbeitungsprogramm ODER ein Reader aktiv
und/oder diesem Fenster zugeordnet ist) und eine sehr niedrige Prozessorleistung
benötigt
wird, DANN liegt das Nutzungsszenario Textlesen vor."
- „WENN
(eine hohe Netzwerkaktivität
ODER eine hohe Aktivität
der Festplatte ODER eine hohe Aktivität eines optischen Aufwerks
ODER eine hohe Aktivität
eines Wechseldatenträgers
vorliegt) UND eine hohe Prozessorleistung benötigt wird UND der Lautsprecher
eingeschaltet ist, DANN liegt das Nutzungsszenario Videosehen vor."
-
Bei
einigen dieser Regeln wurde beispielsweise die Eigenschaft „hohe Benutzeraktivität" verwendet. Diese
Eigenschaft lässt
sich wiederum vorteilhaft mittels Fuzzy-Logik beschreiben:
„Hohe Benutzeraktivität"
= „viel Mausbewegung
und wenig Tastaturnutzung"
= „wenig
Mausbewegung und viel Tastaturnutzung"
= „mittlere Mausbewegung und
mittlere Tastaturnutzung".
-
Eine
Eigenschaft der Fuzzy-Logik ist, dass das Ergebnis der Auswertung
einer Fuzzy-Regel nicht notwendigerweise ein Ja oder Nein ist, sondern vielmehr
eine Zugehörigkeitswahrscheinlichkeit. Über die
Zugehörigkeit
der Eingangsparameter zu dem in der Regel genannten Wert, z.B. niedrige
Prozessorleistung, bestimmt die Fuzzy-Logik die Zugehörigkeit
zu einem Nutzungsszenario. Eine Prozessorleistung von 5% ist sicherlich
niedrig, also mit einer hohen Konfidenz der Eigenschaft „niedrige
Prozessorleistung" zuzuordnen;
eine Prozessorleistung von 80% ist sicherlich mit ähnlich hoher
Konfidenz der Eigenschaft „hohe
Prozessorleistung" zuzuordnen.
Eine Prozessorleistung von 40% ist vielleicht gleich zeitig der Eigenschaft „niedrige
Prozessorleistung" als
auch der Eigenschaft „hohe
Prozessorleistung" zuzuordnen,
allerdings jeweils mit einer deutlich geringen Konfidenz.
-
Wenn
nun die Zugehörigkeit
des Systemszustands zu einem Nutzungsszenario ermittelt wird, so ist
das Ergebnis ebenfalls eine Wahrscheinlichkeit oder Konfidenz. Es
kann also beispielsweise ermittelt werden, dass zum aktuellen Zeitpunkt
mit hoher Konfidenz das Szenario „Textlesen" und gleichzeitig mit mittlerer Konfidenz
das Szenario „Musikhören" ermittelt wird.
-
Für obiges
Beispiel, Abschalten der Hintergrundbeleuchtung, können nun
mithilfe der indirekten Regeln beispielhaft weitere mittelbare Regel
definiert werden, die abhängig
vom angenommenen Nutzungsszenario über das Abschalten der Hintergrundbeleuchtung
entscheiden:
- „WENN
das Nutzungsszenario Videosehen vorliegt, DANN schalte Hintergrundbeleuchtung
ein."
- „WENN
das Nutzungsszenario Musikhören
vorliegt UND NICHT das Nutzungsszenario Textlesen vorliegt UND keine
deutliche Bewegung der Maus registriert wurde, DANN schalte die
Hintergrundbeleuchtung aus."
- „WENN
das Nutzungsszenario Textlesen vorliegt UND über einen längeren Zeitraum keine Bewegung der
Maus registriert wurde, DANN schalte die Hintergrundbeleuchtung
aus."
- „WENN
das Nutzungsszenario Textlesen vorliegt UND die Hintergrundbeleuchtung
aus ist UND (eine kleine Bewegung der Maus registriert wurde ODER eine
deutliche Bewegung der Maus registriert wurde), DANN schalte die
Hintergrundbeleuchtung ein."
-
Beispiele
für mögliche Regeln,
die andere Komponenten ansteuern:
- „WENN das Nutzungsszenario
Textlesen vorliegt UND über
einen längeren
Zeitraum keine Aktivität
der Festplatte registriert wurde, DANN schalte die Festplatte aus."
- „WENN
das Nutzungsszenario Textlesen vorliegt UND über einen längeren Zeitraum keine Aktivität des optischen
Laufwerks registriert wurde, DANN schalte das optische Laufwerk
aus."
-
Neben
der Nutzeraktivität
und der Aktivität der
Systemkomponenten lässt
die Menge der zum jeweiligen Zeitpunkt aktiven Systemprozesse auf
Nutzungsszenarien schließen.
Da eine eineindeutige Zuordnung von Systemprozessen zu Anwendungen und
Nutzungsszenarien nicht oder bestenfalls durch eine Nutzereingabe
möglich
ist, wird in einer bevorzugten Ausgestaltung des erfindungsgemäßen Verfahrens
eine Einbeziehung der Lernkomponente zur Erfassung dieser Beziehung
verwendet. Aufgabe der Lernkomponente ist es hierbei, für einzelne
Nutzungsszenarien Mengen typischer aktiver Prozesse zu identifizieren.
-
Sagt
eine Regel mit hinreichender Wahrscheinlichkeit das Zutreffen eines
Nutzungsszenarios voraus, so werden die dann aktiven Prozesse protokolliert,
z.B. in einer Tabelle. Besteht diese Tabelle bereits für das besagte
Nutzungsszenario, so kann hieraus die Korrelation mit den aktuell
aktiven Prozessen ermittelt werden und die Konfidenz in die Vorhersage
des Nutzungsszenario erhöht
oder verringert werden. Liegt eine hohe Übereinstimmung der aktiven
Prozesse mit den für
das Nutzungsszenario durch die Lernkomponente als typisch klassifizierten Prozessen
vor, so wird die Konfidenz erhöht,
andernfalls verringert.
-
In
die Auswertung dieser zweiten Stufe der Regeln geht nun die Konfidenz
der Ermittlung der jeweiligen Nutzungsszenarien ein.
-
Wie
die genannten Beispiele zeigen, können mehrere Regeln gleichzeitig
für eine
Systemkomponente zutreffen. Dies kann potenziell zu inkonsistenten
Ergebnissen der verschiedenen Regeln führen. Diese Inkonsistenzen
müssen
aufgelöst
werden. Dies geschieht beispielsweise in separaten Ansteuerkomponenten,
was nachfolgend anhand des in 2 gezeigten
Blockschaltbildes erläutert
werden.
-
Die
gesamte, erfindungsgemäß verwendete Regelmenge
besteht somit aus einer erweiterbaren großen Menge von direkten Regeln 32, 3x,
zeitbasierten Regeln 31, 3w und indirekten Regeln 34 bis 3z.
Diese Regeln werten die Sensorsignale 38 aus.
-
Die
Ansteuerung der einzelnen Systemkomponenten erfolgt in den Modulen 33 bis 3y.
Diese Module setzen die Steuersignale 37 der einzelnen
Komponenten, indem sie die Ergebnisse der Zeitregeln 31 bis 3w,
der direkten Regeln 32 bis 3x und der indirekten
Regeln 34 bis 3z berücksichtigen. Optional können sie
auch Nutzerpräferenzen 30 mit
berücksichtigen.
Diese Ansteuerung kann wiederum regelbasiert erfolgen (mittelbare
Regeln).
-
Diese
Menge wird ergänzt
um Regeln 30, die es dem Nutzer ermöglichen, Einfluss auf die Charakteristik
der Power Managements zu nehmen. So kann er beispielsweise eine
höhere
Priorität
auf die Leistungsfähigkeit
des Systems legen oder auf die Energieersparnis. Dies kann beispielsweise
durch eine Veränderung
der Regeln der Fuzzyfizierung der Parameter erfolgen, indem der
Nutzer vorgibt, welcher Zeitraum als „lang" bewertet wird. Zusätzlich können nutzerdefinierte Parameter
in die Regeln aufgenommen werden, z.B.:
„WENN Nutzerpräferenz auf
Energieeinsparung liegt UND das Nutzungsszenario Textverarbeitung
vorliegt, DANN setze die Prozessorleistung auf niedrig."
-
Auch
können
durch Nutzersteuerung einzelne Regeln deaktiviert werden, oder weitere
Vorgaben gemacht werden, wie beispielsweise eine Festlegung des
bevorzugten Textverarbeitungsprogramms.
-
Auch
das bislang beschriebene, zu einem wesentlichen Teil auf Fuzzy-Regeln
basierende Verfahren ist nicht perfekt. Es kann objektiv und nachträglich betrachtet
Fehlentscheidungen treffen. Diese sind insbesondere: Das zu frühe Versetzen
einer Komponente in einen energieniedrigeren Betriebszustand, wenn
diese kurz darauf wieder benötigt
wird und die Reaktivierungsenergie die Einsparung überschreitet;
oder das zu späte
Umschalten einer Komponente in einen energieniedrigeren Betriebszustand,
wenn durch eine frühere
Umschaltung bereits Energie hätte
eingespart werden können.
Die eigentliche Entscheidung beruhte ja auf einer Vorhersage des
Nutzer- oder Systemverhaltens, welche falsch sein kann. Eine wesentliche
Ursache liegt in den individuell unterschiedlichen Arbeitsweisen,
Präferenzen und
Nutzungsszenarien. Eine Fehlentscheidung kann prinzipiell erst nachträglich festgestellt
werden. Eine solche Feststellung ermöglicht jedoch eine Anpassung
der die Entscheidung beeinflussenden Parameter mit dem Ziel, zukünftig günstigere
Entscheidungen zu treffen. Eine mögliche Realisierung einer entsprechenden
Lernkomponente ist im Folgenden beschrieben.
-
Die
Lernkomponente 21 überwacht
einerseits die Entscheidungen der Regelauswertung und die Reaktionen
des Nutzers sowie des Systems. Ziel der Lernkomponente ist es, die
Parameter des Power Managements möglichst optimal an das Nutzungsverhalten
individueller Nutzer anzupassen. Die Parameter sind beispielsweise
die Festlegung der Grenzwerte von Fuzzy-Variablen, beispielsweise
der Variablen „Längere Zeit" oder „Niedrige
Leistung", für einzelne
Komponenten des Systems oder Nutzungsszenarien. Auch die Ermittlung
und dynamische Anpassung der Menge typischerweise in den einzelnen Nutzungsszenarien
aktiven Prozesse kann durch die Lernkomponente erfolgen.
-
Das
Prinzip der Lernkomponente beruht darauf, dass sie die Entscheidungen
des Power Managements protokolliert, Fehlentscheidungen feststellt,
und die Parameter, die zu den Fehlentscheidungen geführt haben,
anpasst.
-
Diese
Parameter sind so einzustellen, dass einerseits möglichst
wenige Chancen zur Energieeinsparung verpasst werden, d.h. dass
z.B. der Wertebereich der Variablen „Längere Zeit" nicht zu hoch angesetzt wird. Andererseits
sind die Parameter so zu wählen,
dass die Beeinträchtigung
des Nutzers gering ist und eine Energieverschwendung durch zu häufiges Aktivieren
und Deaktivieren vermieden wird.
-
Die
Lernkomponente erfasst deshalb die Ergebnisse der Regelauswertung
und identifiziert, ob bspw. bei einer Änderung des Betriebszustandes
einer Komponente, die dieser Komponente zugewiesene Variable „Längere Zeit" zugetroffen hat.
Wird die Komponente nun kurzfristig, d.h. bevor die zur Reaktivierung
notwendige Energie durch den Energieniedrigeren Betriebszustand
eingespart wurde, wieder aktiviert, so hat es sich offenbar um eine
Fehlentscheidung des Power Managements gehandelt. Die Lernkomponente
erfasst im Weiteren, wie häufig
diese Fehlentscheidung getroffen wurde. Wenn dies häufig der
Fall ist, so erhöht
sie die Grenzwerte der Variablen „Längere Zeit".
-
Die
Lernkomponente überprüft andererseits periodisch
oder aperiodisch bei Zustandsänderungen,
z.B. Entscheidungen des Power Managements über neue Betriebszustände, ob
eine Komponente nicht bereits sinnvollerweise früher in einen energieniedrigeren
Betriebszustand hätte
versetzt werden können.
Dies ist z.B. dann der Fall, wenn seit der letzten Aktivität der Festplatte
bereits mehr Zeit vergangen ist, als zur Einsparung der Reaktivierungsenergie
nötig gewesen
wäre, die
Festplatte aber noch nicht in den Ruhezustand versetzt wurde. Die
Lernkomponente wird bei einer Häufung
dieser Fehlentscheidungen die Grenzwerte der Variablen „Längere Zeit" für die Festplatte
verringern.
-
Die
Ermittlung der Menge für
ein Nutzungsszenario typischerweise aktiven Prozesse kann beispielsweise
dadurch erfolgen, dass dann, wenn ein Nutzungsszenario mit einer
ausreichenden Wahrscheinlichkeit angenommen werden kann, die dann gerade
aktiven Prozesse in eine Tabelle für dieses Nutzungsszenario aufgenommen
werden. Den Prozessen kann hierbei ein Gewicht zugeordnet werden, welches
bei einer sich später
herausstellenden Fehlentscheidung reduziert, bei einer als richtig
identifizierten Entscheidung erhöht
werden kann. Bei späteren
Regelauswertungen des gleichen Nutzungsszenarios können weitere
Prozesse zugefügt
werden, andere in ihrem Gewicht verändert werden, z.B. auch abhängig von
der Konfidenz der Vorhersage. Nach einer Zeit des Lernens, was nicht
ausschließen
soll, dass die Lernkomponente kontinuierlich weiter lernen kann,
wird somit für
jedes Nutzungsszenario eine stabile Menge von Prozessen bekannt
sein, die bei diesem Nutzungsszenario in der Regel aktiv sind. Eine
Vergleich mit der jeweils aktiven Menge von Prozessen kann somit
die Vorhersagekonfidenz für Prozesse
verbessern.
-
Zur
Optimierung der Parameter für
einzelne Komponenten und Nutzungsszenarien ist deshalb vorgesehen,
dass diese Komponenten und Szenarien getrennte Instanzen der Variablen
und Prozesslisten haben.
-
Aus
einer Fehlentscheidung bei der eine Vielzahl von Regeln involviert
war, kann nicht eindeutig auf den für die Fehlentscheidung verantwortlichen Parameter
geschlossen werden. Erst durch Auswertung einer statistisch relevanten
Anzahl von Fehlentscheidungen und der Häufigkeit an diesen beteiligter Variablen
kann auf die anzupassende Variable oder Variablen geschlossen werden.
Die Lernkomponente enthält
deshalb eine Menge (z.B. Tabelle oder Liste) aller Variablen (Parameter)
und ordnet ihnen die Häufigkeit
der Beteiligung an korrekten und Fehlentscheidungen sowie die notwendige
Art der Änderung (Vergrößern oder
Verkleinern) zu. Diese Tabelle wird in Abständen ausgewertet und zur Anpassung
der Parameter verwendet.
-
Wie
oben erläutert,
betrifft die vorliegende Erfindung ein Verfahren und eine Vorrichtung,
mit deren Hilfe sich der Stromverbrauch von Datenverarbeitungseinrichtungen
unter weitgehender Beibehaltung der Leistungsparameter reduzieren
lässt.
Es basiert einerseits auf der Tatsache, dass der Stromverbrauch
von Komponenten einer Datenverarbeitungseinrichtung durch Verwendung
unterschiedlicher Betriebsarten, die sich in ihrem Stromverbrauch
unterscheiden, beeinflussen lässt.
Die Steuerung dieser Betriebsarten wird als Power Management bezeichnet.
Bekannte Verfahren des Power Managements nutzen diese Eigenschaft
dadurch, dass sie einzelne Komponenten dann in einen Stromsparenden
Modus versetzen, wenn diese mindestens für eine einstellbare Zeit nicht
benötigt
wurden. Die Komponente wird deaktiviert. Wird die Komponente wieder
benötigt,
so wird sie aktiviert. Beim Aktivieren wird zusätzliche Energie benötigt, außerdem vergeht
Zeit. Nachteilig ist bei diesem Verfahren, dass der Schwellwert für die zu
verstreichende Zeit statisch vom Benutzer oder Entwickler des Systems
vorgegeben wird. Bei kurzen Zeiten bis zur Deaktivierung kann zwar
Strom gespart werden, jedoch werden die notwendigen Zeiten für die Reaktivierung
vom Benutzer als störend empfunden.
Bei sehr kurzen Zeiten kann in ungünstigen Fällen die Reaktivierungsenergie
die Einsparung sogar übertreffen.
-
Die
Erfindung hebt das durch die festen Deaktivierungszeiten verursachte
Problem auf, indem statt der beschriebenen Totzeit eine Steuerung, insbesondere
eine Fuzzy-Steuerung verwendet wird, bei der weitere Parameter des
aktuellen Betriebszustands des Computers und des antizipierten Nutzerverhaltens
in die Steuerung der Betriebsmodi einfließen. Diese Parameter werden
in Regeln der „Unscharfen-Logik" (Fuzzy-Logik) verwendet,
die schließlich
ausgewertet werden. Die Auswertung resultiert in Aktionen, die die
Betriebsmodi der Computerkomponenten setzen.
-
Eine
besonders vorteilhafte Realisierung der Erfindung kombiniert die
genannte Regelauswertung mit einer Lernkomponente, die es dem Power
Management ermöglicht,
die Regelparameter dynamisch zu adaptieren und somit aus ungüns tigen
Entscheidungen zu lernen, mit dem Ziel, die Effizienz des Power
Managements zu verbessern.
-
Die
Erfindung beziehungsweise deren bevorzugte Ausgestaltungen beruhen
somit auf mehreren Grundlagen:
- 1. Neben der
Zeit werden weitere Parameter aus dem Betrieb des Computers während der
Laufzeit erfasst.
- 2. Diese beinhalten insbesondere auch Informationen aus dem
Betriebssystem, über
die Fenster der Nutzeroberfläche,
die Aktivität
der Netzwerkkomponenten und der Nutzerschnittstellenkomponenten.
- 3. Durch die zahlreichen Parameter kann der globale Nutzungszustand
besser ermittelt werden, insbesondere können Aussagen über das
Vorliegen von typischen vordefinierten Nutzungsszenarien gemacht
werden.
- 4. Wenn der globale Betriebszustand und wahrscheinliche Nutzungsszenarien
bekannt sind, kann mit höherer
Konfidenz eine Aussage über wahrscheinliche
zukünftige
Anforderungen an das System getroffen werden.
- 5. Zur Auswertung der Parameter und Steuerung werden Regeln,
beispielsweise auch Regeln der Fuzzy-Logik, verwendet.
- 6. Zur weiteren Verbesserung der Qualität der Prädiktion wird eine Lernkomponente
verwendet, die während
der Laufzeit Fehlvorhersagen ermittelt und die Parameter und Regeln,
aus denen diese Fehlvorhersagen ermittelt wurden, selbständig verbessert.