DE102006024747A1

DE102006024747A1 - Verfahren und Vorrichtung zur Optimierung des Stromverbrauchs einer Datenverarbeitungseinrichtung

Info

Publication number: DE102006024747A1
Application number: DE102006024747A
Authority: DE
Inventors: Wolfgang Nebel; Domenik Helms; Mark Hillers; Nicole Kaczoreck; Milan Schulte; Arne Schulz
Original assignee: OFFIS eV; Carl Von Ossietzky Universitaet Oldenburg
Current assignee: OFFIS eV; Carl Von Ossietzky Universitaet Oldenburg
Priority date: 2006-05-26
Filing date: 2006-05-26
Publication date: 2007-11-29
Anticipated expiration: 2026-05-27
Also published as: WO2007137779A3; DE102006024747B4; WO2007137779A2

Abstract

Die Erfindung betrifft ein Verfahren und eine entsprechende Vorrichtung zur Optimierung des Stromverbrauchs einer Datenverarbeitungseinrichtung. Um die Betriebszustände der Komponenten der Datenverarbeitungseinrichtung optimal zu steuern und insbesondere sowohl zu kurze als auch zu lange Zeiten bis zur Deaktivierung von Komponenten zu vermeiden, wird ein Verfahren mit den folgenden Schritten vorgeschlagen: 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 anhand der angeschätzten aktuellen Nutzungsszenarien.

Description

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.

Claims

Verfahren zur Optimierung des Stromverbrauchs einer Datenverarbeitungseinrichtung 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 anhand der abgeschätzten aktuellen Nutzungsszenarien.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, 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.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass bei der Steuerung der Betriebszustände der Komponenten Zeitvorgaben für das Versetzen einer Komponenten in einen anderen Betriebszustand berücksichtigt werden.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, 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 Zeitintervalls benötigt werden, und dass daraus bestimmt wird, in welche Betriebszustände die Komponenten versetzt werden.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass zur Abschätzung des aktuellen Nutzungsszenarios direkte, zeitbasierte, mittelbare und/oder indirekte Regeln eingesetzt werden, wobei direkte Regeln unmittelbar Steuerungssignale zur Steuerung der Betriebszustände der Komponenten der Datenverarbeitungseinrichtung anhand der erfassten Betriebsparameter und/oder Ereignisse beeinflussen, wobei zeitbasierte Regeln mittelbar Steuerungssignale zur Steuerung der Betriebszustände der Komponenten der Datenverarbeitungseinrichtung anhand zeitlicher Parameter beeinflussen, wobei indirekte Regeln zu Abschätzungen von Nutzungsszenarien anhand der erfassten Betriebsparameter und/oder Ereignisse führen, und wobei mittelbare Regeln 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 beeinflussen.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass zur Abschätzung des aktuellen Nutzungsszenarios Fuzzy-Regeln eingesetzt werden
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Abschätzung des aktuellen Nutzungsszenarios die Schritte umfasst: 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
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Betriebsparameter periodisch erfasst werden und dass die aperiodisch auftretenden Ereignisse unmittelbar nach dem Auftreten erfasst werden.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Abschätzung des aktuellen Nutzungsszenarios und die Steuerung der Betriebszustände periodisch erfolgen.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Abschätzung des aktuellen Nutzungsszenarios und die Steuerung der Betriebszustände aperiodisch nach Auftreten eines aperiodischen Ereignisses erfolgen.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die in der Regelmenge enthaltenden Regeln und/oder Regelparameter und/oder und die Auswertung der Regeln zur Abschätzung des aktuellen Nutzungsszenarios durch den Nutzer beeinflussbar sind.
Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die vorgenommene Steuerung der Betriebszustände der Komponenten der Datenverarbeitungseinrichtung anhand der abgeschätzten aktuellen Nutzungsszenarien sowie die Reaktionen des Nutzers und/oder externer Komponenten auf die vorgenommene Steuerung überwacht werden und dass daraus die Regeln der Regelmenge, die Auswertung der Regeln und/oder Regelparameter angepasst werden.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass aus der überwachten Steuerung und den überwachten Reaktionen des Benutzers oder externer Komponenten Fehlentscheidung hinsichtlich der Steuerung der Betriebszustände der Komponenten ermittelt werden und daraus eine entsprechende Anpassungen der Regeln der Regelmenge, der Auswertung der Regeln und/oder der Regelparameter abgeleitet werden.
Verfahren nach Anspruch 12 oder 13, dadurch gekennzeichnet, dass aus der überwachten Steuerung und den überwachten Reaktionen des Benutzers bei korrekt abgeschätztem Nutzungsszenario die bei diesem Nutzungsszenario auftretenden Betriebsparameter von Hard- und Softwarekomponenten erfasst und mit diesem Nutzungsszenario verknüpft und, insbesondere tabellarisch, gesammelt werden und wobei diese Sammlung bei späteren Abschätzungen von Nutzungsszenarien eingesetzt wird.
Verfahren nach Anspruch 14, dadurch gekennzeichnet, dass die Sammlung von Verknüpfungen laufend überprüft, ergänzt und/oder gewichtet wird.
Verfahren nach Anspruch 14 oder 15, dadurch gekennzeichnet, dass den Verknüpfungen der Sammlung Häufigkeiten der Beteiligung an Fehlentscheidungen, an korrekten Entscheidungen hinsichtlich der Steuerung der Betriebszustände der Komponenten und/oder der Abschätzung der Nutzungsszenarien und/oder an der Art einer eventuell vorgenommenen Änderung der beteiligten Regeln oder Regelparameter zugeordnet werden.
Vorrichtung zur Regelung des Stromverbrauchs einer Datenverarbeitungseinrichtung mit: a) Erfassungsmitteln zur Erfassung von Betriebsparametern von Hard- und Softwarekomponenten der Datenverarbeitungseinrichtung, b) Erfassungsmitteln zur Erfassung von aperiodisch auftretenden, den Betriebszustand von Hard- und/oder Softwarekomponenten beeinflussenden Ereignissen, c) einer Auswerteeinheit zur 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) einer Steuerungseinheit zur Steuerung der Betriebszustände der Komponenten der Datenverarbeitungseinrichtung anhand der abgeschätzten aktuellen Nutzungsszenarien.
Datenverarbeitungseinrichtung mit einer Vielzahl von Hard- und Softwarekomponenten und einer Vorrichtung zur Regelung des Stromverbrauchs nach Anspruch 17.
Computerprogramm mit Programmcode zur Umsetzung des Verfahrens nach Anspruch 1 auf einem Computer, wenn das Computerprogramm auf einem Computer läuft, wobei das Computerprogramm aufweist: a) Programmcode zur Erfassung von Betriebsparametern von Hard- und Softwarekomponenten der Datenverarbeitungseinrichtung, b) Programmcode zur Erfassung von aperiodisch auftretenden, den Betriebszustand von Hard- und/oder Softwarekomponenten beeinflussenden Ereignissen, c) Programmcode zur 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) Programmcode zur Steuerung der Betriebszustände der Komponenten der Datenverarbeitungseinrichtung anhand der abgeschätzten aktuellen Nutzungsszenarien.