Intelligente Zeitreihenanalyse zum Predictive Performance Management

Predictive performance management für Netzwerke beinhaltet die Klassifikation verfügbarer Informationen in die Klassen "Fehler" und "kein Fehler". Das Hauptproblem hierbei besteht in den wenigen messbaren Informationen, die noch dazu oft unvollständig, unpräzise und inkonsistent vorliegen. Um die Entscheidungsfindung zu verbessern und proaktive Entscheidungen treffen zu können, müssen größere Organisationen die Informationen optimal ausnutzen. Durch die Analyse nicht nur der aktuellen Messungen, sondern auch historischer Zeitreihen ist es möglich, die Kunden betreffende Serviceprobleme vorab zu verhindern. Durch die Ausnutzung der Informationen, die in der Zeitreihenanalyse gewonnen werden, können proaktive Entscheidungen getroffen werden, die den Einfluß von zukünftigen Fehlern auf Kunden minimieren oder gar solche Fehler verhindern können. Diese Vorhersagen werden außerdem autonomen Komponenten und Prozessen verfügbar gemacht, damit selbstheilende und selbstkonfigurierende Fähigkeiten genutzt werden können.

Intelligent Sequence Mining for Predictive Performance Management

Predictive performance management for networks and systems require the classification of available information into two categories (fault and no fault). The main problem is the limited amount of measurable information which is often imprecise, incomplete and inconsistent to a degree. In order to improve decision making and become more pro-active, organisations must make optimal use of available data. By analysing not only the current measurements but also historic sequences of such data it is possible to pre-empt customer affecting service issues (predict-2-prevent). By exploiting the information from sequence mining pro-active decisions can be made that minimise the impact of future faults on customers or prevent future faults altogether by making predictions available to autonomic components and processes with self-healing and self-configuring capabilities.