(EN) A method for identifying one or more root causes of an anomalous incident associated with a primary Key Performance Indicator (KPI) in a system is disclosed. The method includes selecting a plurality of time sequences of secondary KPIs of the system by a processor (104A-N), for calculating a spectral saliency of a time sequence of the primary KPI and each secondary KPI time sequence. The method includes calculating similarities between the time sequence of the primary KPI and each secondary KPI time sequence based on the spectral saliencies for selecting one or more secondary KPIs having greatest similarity to the primary KPI as root cause KPIs by the processor (104A-N). The one or more root causes are identified quickly, accurately, and efficiently by correlating the anomalous primary KPI with the most relevant secondary KPIs regardless of their time series characteristics.
(FR) L'invention concerne un procédé d'identification d'une ou de plusieurs causes profondes d'un incident anormal associé à un indicateur de performance clé (KPI) primaire dans un système. Le procédé comprend la sélection d'une pluralité de séquences temporelles de KPI secondaires du système par un processeur (104A-N), pour calculer une prépondérance spectrale d'une séquence temporelle du KPI primaire et de chaque séquence temporelle de KPI secondaire. Le procédé consiste à calculer des similarités entre la séquence temporelle du KPI primaire et chaque séquence temporelle de KPI secondaire en fonction des prépondérances spectrales pour sélectionner un ou plusieurs KPI secondaires ayant la plus grande similarité avec le KPI primaire en tant que KPI de causes profondes par le processeur (104A-N). La ou les causes profondes sont identifiées rapidement, précisément et efficacement en corrélant le KPI primaire anormal avec les KPI secondaires les plus pertinents indépendamment de leurs caractéristiques de série temporelle.