DE60219078T2

DE60219078T2 - Verfahren zur identifikation von den durchsatz begrenzenden elementen in einem kommunikationsnetz

Info

Publication number: DE60219078T2
Application number: DE60219078T
Authority: DE
Inventors: Alain Bruno; Pierre Germain
Original assignee: BMC SOFTWARE DEV; BMC SOFTWARE DEVELOPMENT
Current assignee: BMC SOFTWARE DEV; BMC SOFTWARE DEVELOPMENT
Priority date: 2002-02-07
Filing date: 2002-02-07
Publication date: 2007-12-13
Anticipated expiration: 2022-02-08
Also published as: EP1472818B1; AU2002237365A1; DE60219078D1; EP1472818A1; WO2003073697A1

Description

Die vorliegende Erfindung betrifft ein Verfahren zur Identifikation von Elementen, die die Leistungseigenschaften eines Telekommunikationsnetzwerkes begrenzen.
Ein derartiges Netzwerk verbindet eine Vielzahl von Elementen, wobei jedes von diesen mit wenigstens einem anderen Element verbunden ist. Man unterscheidet die Abschluss- oder Endelemente, die für die Benutzer des Netzwerkes zugänglich sind, die Zwischenelemente wie Schalter oder Router, die zwischen den verschiedenen Abschluss- oder Endelementen angeordnet sind, und die physikalischen Leitungen, die ebenfalls zu dem Netzwerk gehören.
Das Netzwerk gestattet es, Informationen zwischen zwei Endstellen oder sogar zwischen zwei Zwischenelementen zu schicken, wobei der vorgenannte Begriff Information in seiner größtmöglichen Bedeutung verwendet wird.
Derzeit wird die Information durch Datenpakete übermittelt, die unabhängig voneinander behandelt werden. Das Kommunikationsprotokoll „IP", das im Internet verwendet wird, ist ein Beispiel einer derartigen Informationsübermittlung.
Das Netzwerk verbindet daher eine Vielzahl von Elementen, und es versteht sich daher, dass man sicherstellt, dass es die hierfür erforderlichen Leistungseigenschaften aufweist. Diese Leistungseigenschaften bestehen im Wesentlichen darin, die Übermittlung eines vorgegebenen Informationsvolumens innerhalb eines vorbestimmten Zeitraumes ausgehend von einer Endstelle über ein oder mehrere Zwischenelemente bis zur Ankunft bei einer anderen Endstelle sicherzustellen.
Die verschiedenen Zwischen- oder Endelemente sind mit Einrichtungen ausgestattet, die die Leistungseigenschaften der Übermittlung begrenzen können. Man denkt dabei an den Durch satz einer Schnittstelle, an einen Informationsverlust, an die Sättigung der Ressourcen eines Prozessors oder an die Laufzeit zwischen zwei Punkten des Netzwerkes. Beispielsweise hängt die Laufzeit zwischen zwei Endstellen von dem Durchsatz der Ausgangsschnittstelle der ersten Endstelle, der Belastung eines Schalters und dem Durchsatz einer physikalischen Leitung ab.
Die Laufzeit ist eine globale Variable, da sie von verschiedenen Elementen des Netzwerks abhängt, während der Durchsatz der Schnittstelle, die Belastung des Schalters und der Durchsatz der Leitung lokale Variablen sind, da sie lediglich ein Element des Netzwerks betreffen.
Eine globale Variable, die daher von verschiedenen lokalen Variablen abhängt, kann unter eine Schwelle von erforderlichen Leistungseigenschaften fallen.
WO-A-0011629 offenbart ein System zur Flusskontrolle bei einem Netzwerk über eine Wegsteuerung.
Die vorliegende Erfindung hat daher ein Identifikationsverfahren für die lokale Variable beziehungsweise für lokale Variablen zum Gegenstand, die für diese Verringerung der Leistungseigenschaft verantwortlich sind.
Gemäß der Erfindung weist ein Verfahren zur Identifikation wenigstens eines Elementes eines Netzwerkes, das die Leistungseigenschaften eines Netzwerkes begrenzt, die nachfolgenden Schritte auf:

– Messen einer globalen Variable R, die den Zustand eines Kommunikationsdienstes zwischen einem ersten und einem zweiten Element des Netzwerkes definiert,
– Messen einer Anzahl von lokalen Variablen Vj, die den Zustand eines weiteren Elementes des Netzwerks definieren, das wenigstens zwischen dem ersten Element und dem zweiten Element des Netzwerkes angeordnet ist,
– Berechnen einer mehrdimensionalen Korrelationsfunktion der globalen Variable R mit der Anzahl der lokalen Variablen Vj durch multilineare Regression, wobei ein Startmodell wie folgt definiert ist:
wobei
– Vj ist eine zeitliche Folge einer lokalen Variable j ist,
– C ist eine vorbestimmte Konstante ist,
– I ein Einheitsvektor ist und
– Wj eine Gewichtung der lokalen Variable j in dem Startmodell ist, wie es durch Minimierung einer Abweichungsfunktion X² bestimmt ist, die eine Summe der quadratischen Abweichungen zwischen den Werten des Startmodells und den zugehörigen Werten der globalen Variable R darstellt:
wobei
– Ri der i-te Wert der globalen Variable R ist,
– Vji der i-te Wert der lokalen Variable j ist,
– Identifizieren eines begrenzenden Elementes wie das Element, dessen lokale Variable den größten Beitrag in der Korrelationsfunktion liefert.

Vorzugsweise ist das Kommunikationsnetzwerk ein großes Kommunikationsnetzwerk und weist weiterhin die Substitution eines abgeleiteten Modells für das Startmodell M auf.
Vorteilhafterweise weist das abgeleitete Modell die Berechnung eines Einflussabsolutwertes EIj für jede lokale Variable Vj wie folgt auf: EIj = CCja·BSEjb·Wjc·CAWd·Qe,wobei

– CCj ein Korrelationskoeffizient der lokalen Variablen Vj und der globalen Variable R ist,
– BSEj ein Fehlerwert ist,
– CAW eine Summe der Absolutwerte der Gewichtungen Wj ist,
– Q die Anzahl der lokalen Variablen ist, die in das abgeleitete Modell eingehen,
– a, b, c, d und e Anpassungsparameter sind.

Vorzugsweise ist der Korrelationskoeffizient CCj wie folgt definiert:
wobei

– Ri der i-te Wert der globalen Variable R ist,
– Rm der Mittelwert der globalen Variable R ist,
– Vji der i-te Wert der lokalen Variable j ist und
– Vjm der Mittelwert der lokalen Variable j ist.

Vorzugsweise ist BSEj wie folgt definiert:
wobei

– Rmin der Minimalwert der globalen Variable R ist,
– Rmax der Maximalwert der globalen Variable R ist und
– u ein Gewichtungsexponent ist.

Vorzugsweise sind die Anpassungsparameter wie folgt festgelegt: a = 1, b = –2, c = 2, d = –2, e = 2.
Die vorliegende Erfindung ergibt sich nun mit mehr Details im Rahmen der nachfolgenden Beschreibung von Ausführungsbeispielen, die beispielhaft gegeben sind und sich auf die beigefügten Figuren beziehen, bei denen
1 eine anschauliche Darstellung eines Netzwerkes ist, bei dem die Erfindung angewendet wird und
2 eine anschauliche Darstellung eines Verfahrens zur Verringerung der Anzahl von lokalen Variablen gemäß der Erfindung ist.
Mit Bezug auf 1 verbindet das Netzwerk NET über eine erste Schnittstelle I1, eine zweite Schnittstelle I2 und eine dritte Schnittstelle I3 eine erste Endstelle T1, eine zweite Endstelle T2 und eine dritte Endstelle T3. Das Netzwerk weist drei Schalter SW1, SW2, SW3 und einen Router ROUT auf.
Die Verbindung der ersten Endstelle T1 mit der dritten Endstelle T3 bindet daher die erste Schnittstelle I1, den ersten Schalter SW1, den Router ROUT, den zweiten Schalter SW2 und die dritte Schnittstelle I3 ein. Diese Verbindung gestattet es, einen Kommunikationsdienst sicherzustellen.
Die globale Variable, die die Laufzeit zwischen der ersten Endstelle T1 und der dritten Endstelle T3 bildet, hängt daher von ei ner Vielzahl von lokalen Variablen ab, zu denen unter anderem zählen:

– der Durchsatz der ersten Schnittstelle I1,
– der Auslastungsgrad des Prozessors des ersten Schalters SW1,
– der Durchsatz in der Leitung zwischen dem ersten Schalter SW1 und dem Router ROUT,
– das momentane, durch den Router ROUT bearbeitete Datenvolumen,
– die Fehlerrate in der Leitung zwischen dem Router ROUT und dem zweiten Schalter SW2,
– der Belastungsgrad des Speichers des zweiten Schalters SW2 und
– der Durchsatz der dritten Schnittstelle I3.

Wenn diese Laufzeit zu groß wird, handelt es sich darum zu wissen, welche lokale Variable der Hauptgrund ist und welche weiteren lokalen Variablen ebenfalls eine geringere Rolle bei dem Absinken der Leistungseigenschaft spielen.
Die verschiedenen Variablen, lokale und globale, sind Mittelwerte von von Zeit zu Zeit bestimmten und synchronisierten Werten. Um den Wert dieser Variablen zu erhalten, können verschiedene Techniken verwendet werden, und es seien daher die intrusive Messung und Speicherung von lokalen Indikatoren genannt.
Die intrusive Messung erfolgt mittels eines Programmes, das eine vorbestimmte Aktion durchführt, bei der die verschiedenen Variablen sowie die Gesamtzeit der Ausführung gemessen werden.
Das Sammeln von lokalen Indikatoren besteht darin, die Listen von Indikatoren, die von den meisten Einrichtungen vorgehalten werden, zu untersuchen, wobei die Indikatoren für deren Zustände charakteristisch sind.
Diese Untersuchung kann mittels eines Kommunikationsprotokolles, das zur Verwaltung bestimmt ist wie SNMP für den englischen Begriff „Simple Network Management Protocol", durchgeführt werden.
Die Suche der lokalen Variable oder der lokalen Variablen, die für die Verschlechterung der globalen Variable verantwortlich ist beziehungsweise sind, wird mittels einer mehrdimensionalen Korrelation durchgeführt.
Diese Suche kann beispielhaft durch Ausführen einer multilinearen Regression durch Minimierung der Fehlerquadrate durchgeführt werden und für weitere Details sei auf das Werk „Numerical Recipes: The Art Of Scientific Computing", William H. PRESS, Saul A. TEUKOLSKI, William T. VETTERLING, Brian P. FLANNERY, Cambridge University Press, verwiesen.
Mit M sei das Modell der globalen Variable gekennzeichnet:
wobei

– Vj eine zeitliche Folge der lokalen Variable j ist,
– Wj die Gewichtung der Variable j in dem Modell ist,
– C eine Konstante ist und
– I der Einheitsvektor (1, 1, ..., 1) ist.

Die multilineare Regression führt zum Bestimmen der Gewichtungen Wj in Folge des Minimierens der Abweichungsfunktion X², die die Summe der quadratischen Abweichungen zwischen den Werten des Modells und den zugehörigen Werten der globalen Variable darstellt:
wobei

– Ri der i-te Wert der globalen Variable ist,
– Vji der i-te Wert der lokalen Variable j ist,
– C und Wj die vorangehend definierten Werte sind.

Beispielhaft sei der Fall untersucht, bei dem eine globale Variable R von drei lokalen Variablen V, V2, V3 abhängt:
Das Modell ist von der Gestalt: M = C·I + W1·V1 + W2·V2 + W3·V3
Die Abweichungsfunktion X² schreibt sich:
Dann leitet man diese Funktion nach W1, W2, W3 und C ab:
Das Auflösen dieses Systems von vier Gleichungen mit vier Unbekannten führt zu der folgenden Lösung:
W1 = 1,182
W2 = 0,0194
W3 = –0,00130
C = 51,67
Es ergibt sich, dass die globale Variable R sehr stark mit der lokalen Variable V1 korreliert ist, die das hauptsächlich begrenzende Element darstellt. Wenn somit diese Variable den Auslastungsgrad des Prozessors des ersten Schalters SW1 darstellt, wird ein außergewöhnlich erhöhter Wert dieser globalen Variable (die Laufzeit) durch das Ersetzen dieses Prozessors durch einen stärkeren Prozessor korrigiert. Eine alternative Lösung würde darin bestehen, für den Fall, dass das Netzwerk das zulässt, den ersten Schalter SW1 unter Umleiten eines Teils des ihn belastenden Verkehrs auf einen anderen Schalter zu entlasten.
Es ergibt sich weiterhin, dass die lokale Variable C2 eine Gewichtung W2 hat, die merklich größer als die der Variable V3 durch W3 ist. Daher ist es möglich, den jeweiligen Beitrag der verschiedenen lokalen Variablen Vj zu dem Wert der globalen Variable R zu quantifizieren, wobei deren Beitrag direkt mit deren jeweiligen Gewichtungen Wj verknüpft ist. Somit leitet man entsprechend dem Verhältnis dieser Gewichtungen das Vorhandensein von einem oder mehreren begrenzenden Elementen ab.
Bei dem vorgenannten numerischen Beispiel sind lediglich drei lokale Variablen berücksichtigt worden. Allerdings ist bei einem Netz mit einer nicht unerheblichen Größe die Anzahl dieser Variablen wesentlich größer, bis zu mehreren Zehntausend. Weiterhin nimmt die Rechenzeit eines Modells mit einer globalen Variable mit dem Quadrat der Anzahl der in Betracht gezogenen lo kalen Variablen zu. A priori können alle lokalen Variablen des Netzwerks eine globale Variable beeinflussen und müssen daher in dem entsprechenden Modell auftauchen. Es ergibt sich, dass die Rechenzeit sehr schnell überzogen sein kann. Es wird daher bevorzugt, Mittel vorzusehen, um so weit als möglich die Anzahl der in dem Modell aufgenommenen Variablen zu verringern.
Man sieht daher eine Tabelle vor, in der alle Variablen, lokale als auch globale, auftauchen.
Mit Bezug auf 2 besteht ein erstes Mittel darin zu untersuchen, ob zwei lokale Variablen stark miteinander korreliert sind, um für einen derartigen Fall eine dieser Variablen des Modells zu unterdrücken. Die Gesamtheit von p lokalen Variablen taucht in einer Eingangsliste auf, und wenn man die Variable Vj betrachtet, ist der in einem ersten Zähler auftauchende Wert j auf 1 gesetzt.
Ein zweiter Zähler ist vorgesehen, der auf den Wert l = j + 1 initialisiert ist.
Die Berechnung des Korrelationskoeffizienten k zwischen den Variablen Vj und Vl wird nunmehr mit einer Aggregationsoperation vorgenommen. Die Variable Vj wird in eine Ausgangsliste eingeführt, und wenn der Korrelationskoeffizient k eine vorbestimmte Schwelle, beispielsweise 0,9, übersteigt, wird die Variable Vl von der Eingangsliste gestrichen.
Die vorangegangene Operation wird unter Hochzählen des zweiten Zählers um eine Einheit fortgesetzt, bis l den Wert p erreicht.
Wenn dieser zweite Zähler den Wert p erreicht, wird der erste Zähler seinerseits um eine Einheit j = j + 1 hochgesetzt, der zweite Zähler wird erneut auf l = j + 1 initialisiert, und es wird ein neuer Korrelationskoeffizient berechnet.
Die Aggregationsoperation wird auf diese Weise fortgesetzt, bis der erste Zähler und der zweite Zähler jeweils die Werte (p – 1) und p angenommen haben.
Eine zweite Möglichkeit, um die Anzahl der in dem Modell zu berücksichtigenden lokalen Variablen zu reduzieren, besteht darin, den Korrelationskoeffizienten jeder lokalen Variablen mit der globalen Variablen zu bestimmen.
Gemäß einer ersten Vorgehensweise werden lediglich die lokalen Variablen beibehalten, die zu einem Koeffizienten oberhalb einer vorbestimmten Schwelle von beispielsweise 0,5 führen.
Gemäß einer zweiten Vorgehensweise werden lediglich die lokalen Variablen beibehalten, die zu den größten Koeffizienten führen. In diesem Fall behält man eine vorbestimmte Anzahl von lokalen Variablen, beispielsweise 5, bei.
Man stellt fest, dass alternativ die zweite Möglichkeit vor der ersten Möglichkeit durchgeführt werden kann.
Eine dritte Möglichkeit zum Verringern der Anzahl der lokalen Variablen besteht darin, eine Vorauswahl dieser Variablen vorzunehmen.
An erster Stelle wird bevorzugt, alle sogenannten „hochrangigen" Variablen zu unterdrücken, die es nicht gestatten, auf eines der Elemente des Netzwerkes eine korrigierende Wirkung auszuüben. Dazu gehört somit der Anteil von verlorenen Daten aufgrund einer Sättigung der Ressourcen der Einrichtung. Obwohl diese Variable lokal ist, trägt sie wenig zur durchzuführenden Korrektur bei. Daraus ergeben sich sogar verschiedene Laufzeiten.
Die zugehörige Information wird in Bezug auf die betroffenen Variablen in der Liste eingetragen.
An zweiter Stelle ist es vorteilhaft, die lokalen Variablen zu unterdrücken, die auf natürliche Weise mit der globalen Variable aufgrund des Typs des Netzwerks korreliert sind.
In der Tat führen diese Variablen nicht zu einer zusätzlichen Information. Beispielsweise sind die Netzwerklaufzeit und der Anteil von verlorenen Daten intrinsisch miteinander korreliert.
Auch hier wird die entsprechende Information in Bezug auf die betroffenen Variablen in die Tabelle aufgenommen.
An dritter Stelle ist es wünschenswert, die lokalen Variablen zu unterdrücken, die unabhängig von dem Grund innerhalb einer bestimmten Zeit nicht genügend gemessene Werte aufweisen. Diese Information kann ebenfalls in Bezug auf die betroffenen Variablen in der Tabelle eingetragen werden.
Diese dritte Möglichkeit kann selbstverständlich vor der ersten oder vor der zweiten Möglichkeit eingesetzt werden. Sie wird vorzugsweise zu Beginn des Verfahrens gemäß der Erfindung eingesetzt.
Auch wenn verschiedene Möglichkeiten vorgeschlagen worden sind, um die Anzahl an lokalen Variablen zu verringern, kann sich diese Anzahl immer noch als zu groß erweisen, um eine akzeptable Berechnungszeit des Modells zu erzielen. Wenn somit n lokale Variablen beibehalten worden sind, kann man die abgeleiteten Modelle durch Beibehalten all der Kombinationen berechnen, die mehr als d lokale Variablen beinhalten, wobei sich versteht, dass d eine ganze Zahl kleiner als n ist, die auf geeignete Weise festgelegt wird.
Demnach wird das abgeleitete Modell oder die abgeleiteten Modelle ausgewählt, die das untersuchte Phänomen am Besten beschreiben und die für ein Startmodell für die multilineare Regressionsberechnung ersetzt werden.
Um dies durchzuführen, wird ein Einflussabsolutwert EIj definiert, der den Einfluss der lokalen Variable Vj in dem betreffenden abgeleiteten Modell präzisiert. Dieser Absolutwert nimmt beispielsweise die folgende Form an: EIj = CCja·BSEjb·Wjc·CAWd·Qe,wobei

– CCj der Korrelationskoeffizient der lokalen Variable Vj und der globalen Variable R ist,
– BSEj der Fehler ist,
– CAW die Summe der Absolutwerte der Gewichtungen Wj ist,
– Q die Anzahl der lokalen Variablen ist, die in das abgeleitete Modell eingehen, und
– a, b, c, d und e Anpassungsparameter sind.

Der Korrelationskoeffizient CCj ist wie folgt definiert:
wobei

Der Fehler BSEj ist wie folgt definiert:
wobei

Im Allgemeinen wählt man für den Gewichtungsexponenten u den Wert 0, so dass der Fehler dem in dem vorgenannten Werk definierten Standardfehler entspricht.
Entsprechend sind beispielhaft die Anpassungsparameter wie folgt festgelegt:
a = 1, b = –2, c = 2, d = –2, e = 2.
Daraus ergibt sich, dass der Einflussabsolutwert EIj die folgende Form annimmt: EIj = CCj·(Wj·Q·CAW)2/BSEj2.
Die Einflussabsolutwerte EIj werden daher für jede lokale Variabel in Bezug auf bestimmte oder wenigstens einige abgeleitete Modelle berechnet. Vorzugsweise werden alle abgeleiteten Modelle berücksichtigt.
Gemäß einer ersten Vorgehensweise wird ein abgeleitetes Modell nur dann ausgewählt, wenn alle Einflussabsolutwerte dieses Modells einen vorbestimmten Schwellwert übersteigen.
Gemäß einer zweiten Vorgehensweise, die man alternativ oder zusätzlich zu der ersten Vorgehensweise durchführen kann, wird ein abgeleitetes Modell nur dann ausgewählt, wenn das Verhältnis zwischen jedem Einflussabsolutwert und dem größten Einflussabsolutwert einen vorbestimmten Verhältniswert übersteigt.
Die erste Vorgehensweise, die zweite Vorgehensweise oder eine Kombination dieser beiden Vorgehensweisen können zu einem einzigartigen ausgewählten abgeleiteten Modell führen. Allerdings ist es im gegenteiligen Fall zweckmäßig, zu entscheiden, welches der ausgewählten Modelle beibehalten werden muss.
Um dies zu tun, definiert man einen Fehlerabschätzwert EE, der den Fehler zwischen dem betroffenen abgeleiteten Modell MD und der globalen Variable präzisiert. Dieser Wert kann beispielsweise die folgende Form annehmen:
wobei

– MDI der i-te Wert des abgeleiteten Modells MD ist,
– MD der Mittelwert des abgeleiteten Modells MD ist und
– t ein Korrekturexponent ist.

Im Allgemeinen nimmt man für den Korrekturexponenten t den Wert 0, was hier auch dem sogenannten Standardfehler entspricht.
Vorteilhafterweise ist das abgeleitete Modell, das genommen wird, dasjenige, das zu dem Fehlerabschätzwert mit dem kleinsten Wert führt.
Im Übrigen wurde die Erfindung mit Bezug auf eine besondere globale Variable, nämlich die Laufzeit zwischen zwei Endstellen, beschrieben. Sie wird jedoch auf andere Arten von globalen Variablen angewendet, und es seien unter anderen genannt:

– die Laufzeit zwischen zwei beliebigen Punkten des Netzwerks,
– die Anwendungsreaktionszeit, das heißt, die Zeit, die zwischen dem Absenden einer Anfrage durch einen Benutzer bis zur Antwort dieser Anfrage verstreicht,
– der Anteil von zwischen zwei Punkten des Netzwerks verlorenen Daten.

Entsprechend versteht es sich in keinem Fall, dass die weiter oben genannten lokalen Variablen in irgendeiner Art und Weise eine Beschränkung der Erfindung darstellen.
Ebenso sind die weiter oben erläuterten Ausführungsbeispiele der Erfindung aufgrund ihres konkreten Charakters ausgewählt worden. Es ist im übrigen nicht möglich, in erschöpfender Art und Weise alle Ausführungsformen zu erläutern, die die vorliegende Erfindung abdeckt. Insbesondere kann jeder beschriebene Schritt oder jede beschriebene Möglichkeit durch einen äquivalenten Schritt oder eine äquivalente Möglichkeit ersetzt werden, ohne den Bereich der vorliegenden Erfindung zu verlassen.

Claims

Verfahren zur Identifikation wenigstens eines Elementes eines Netzwerkes, das die Leistungseigenschaften eines Telekommunikationsnetzwerkes begrenzt, mit den nachfolgenden Schritten: – Messen einer globalen Variable R, die den Zustand eines Kommunikationsdienstes zwischen einem ersten und einem zweiten Element des Netzwerkes definiert, – Messen einer Anzahl von lokalen Variablen Vj, die den Zustand eines weiteren Elementes des Netzwerks definieren, das wenigstens zwischen dem ersten Element und dem zweiten Element des Netzwerkes angeordnet ist, – Berechnen einer mehrdimensionalen Korrelationsfunktion der globalen Variable R mit der Anzahl der lokalen Variablen Vj durch multilineare Regression, wobei ein Startmodell wie folgt definiert ist:
wobei – Vj ist eine zeitliche Folge einer lokalen Variable j ist, – C ist eine vorbestimmte Konstante ist, – I ein Einheitsvektor ist und – Wj eine Gewichtung der lokalen Variable j in dem Startmodell ist, wie es durch Minimierung einer Abweichungsfunktion X² bestimmt ist, die eine Summe der quadratischen Abweichungen zwischen den Werten des Startmodells und den zugehörigen Werten der globalen Variable R darstellt:
wobei – Ri der i-te Wert der globalen Variable R ist, – Vji der i-te Wert der lokalen Variable j ist, – Identifizieren eines begrenzenden Elementes wie das Element, dessen lokale Variable den größten Beitrag in der Korrelationsfunktion liefert.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Kommunikationsnetzwerk ein großes Kommunikationsnetzwerk ist und weiterhin die Substitution eines abgeleiteten Modells für das Startmodell M aufweist.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das abgeleitete Modell die Berechnung eines Einflussabsolutwertes EIj für jede lokale Variable Vj wie folgt aufweist: EIj = CCja·BSEjb·Wjc·CAWd·Qe,wobei – CCj ein Korrelationskoeffizient der lokalen Variablen Vj und der globalen Variable R ist, – BSEj ein Fehlerwert ist, – CAW eine Summe der Absolutwerte der Gewichtungen Wj ist, – Q die Anzahl der lokalen Variablen ist, die in das abgeleitete Modell eingehen, – a, b, c, d und e Anpassungsparameter sind.
Verfahren nach einem der Ansprüche 1 bis 3, bei dem der Korrelationskoeffizient CCj wie folgt definiert ist:
wobei – Ri der i-te Wert der globalen Variable R ist, – Rm der Mittelwert der globalen Variable R ist, – Vji der i-te Wert der lokalen Variable j ist und – Vjm der Mittelwert der lokalen Variable j ist.
Verfahren nach dem Anspruch 3 oder 4, dadurch gekennzeichnet, dass BSEj wie folgt definiert ist:
wobei – Rmin der Minimalwert der globalen Variable R ist, – Rmax der Maximalwert der globalen Variable R ist und – u ein Gewichtungsexponent ist.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass der Gewichtungsexponent den Wert Null aufweist.
Verfahren nach einem der Ansprüche 2 bis 5, dadurch gekennzeichnet, dass es einen Auswahlschritt für abgeleitete Modelle aufweist.
Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der Auswahlschritt die abgeleiteten Modelle beibehält, deren Einflussabschätzwerte (EIj) einen vorbestimmten Validierungsschwellwert überschreiten.
Verfahren nach einem der Ansprüche 7 oder 8, dadurch kennzeichnet, dass der Auswahlschritt die abgeleiteten Modelle beibehält, bei denen das Verhältnis zwischen jedem Einflussabschätzwert (Eij) und dem größten Einflussab schätzwert ein vorbestimmtes Validierungsverhältnis überschreitet.
Verfahren nach einem der Ansprüche 7 bis 9, dadurch gekennzeichnet, dass es einen Schritt zum Berechnen eines Abschätzfehlers für jedes der abgeleiteten Modelle aufweist, der den Fehler zwischen diesem und der globalen Variable abschätzt.
Verfahren nach einem der Ansprüche 3 bis 5, dadurch gekennzeichnet, dass die Anpassungsparameter wie folgt festgelegt sind: a = 1, b = –2, c = 2, d = –2, e = 2.
Einsatzbereiter Zusatz für eine Maschine, die die Anweisungen zum Ausführen jedes Schrittes des Verfahrens nach einem der vorangehenden Ansprüche bereitstellt, wenn diese Anweisungen durch die Maschine abgearbeitet werden.