Automatic Root Cause Analysis (RCA) systems aim to streamline the process of identifying the underlying cause of software failures in complex cloud-native environments. These systems employ graph-like structures to represent causal relationships between different components of a software application. These relationships are typically learned through performance and resource utilization metrics of the microservices in the system. To accomplish this objective, numerous RCA systems utilize statistical algorithms, specifically those falling under the category of causal discovery. These algorithms have demonstrated their utility not only in RCA systems but also in a wide range of other domains and applications. Nonetheless, there exists a research gap in the exploration of the feasibility and efficacy of multivariate time series causal discovery algorithms for deriving causal graphs within a microservice framework. By harnessing metric time series data from Prometheus and applying these algorithms, we aim to shed light on their performance in a cloudnative environment. Furthermore, we have introduced an adaptation in the form of an ensemble causal discovery algorithm. Our experimentation with this ensemble approach, conducted on datasets with known causal relationships, unequivocally demonstrates its potential in enhancing the precision of detected causal connections. Notably, our ultimate objective was to ascertain reliable causal relationships within Ericsson’s cloud-native system ’X,’ where the ground truth is unavailable. The ensemble causal discovery approach triumphs over the limitations of employing individual causal discovery algorithms, significantly augmenting confidence in the unveiled causal relationships. As a practical illustration of the utility of the ensemble causal discovery techniques, we have delved into the domain of anomaly detection. By leveraging causal graphs within our study, we have successfully applied this technique to anomaly detection within the Ericsson system. / System för automatisk rotorsaksanalys (RCA) syftar till att effektivisera process för att identifiera den underliggande orsaken till programvarufel i komplexa molnbaserade miljöer. Dessa system använder grafliknande strukturer att representera orsakssamband mellan olika komponenter i en mjukvaruapplikation. Dessa relationer lär man sig vanligtvis genom prestanda och resursutnyttjande mätvärden för mikrotjänsterna i systemet. För att uppnå detta mål använder många RCAsystem statistiska algoritmer, särskilt de som faller under kategorin orsaksupptäckt. Dessa algoritmer har visat att de inte är användbara endast i RCA-system men även inom en lång rad andra domäner och applikationer. Icke desto mindre finns det en forskningslucka i utforskningen av genomförbarhet och effektivitet av orsaksupptäckt av multivariat tidsserie algoritmer för att härleda kausala grafer inom ett mikrotjänstramverk. Genom att utnyttja metriska tidsseriedata från Prometheus och tillämpa Dessa algoritmer strävar vi efter att belysa deras prestanda i ett moln- inhemsk miljö. Dessutom har vi infört en anpassning i formen av en ensemble kausal upptäcktsalgoritm. Vårt experiment med denna ensemblemetod, utförd på datauppsättningar med kända orsakssamband relationer, visar otvetydigt sin potential för att förbättra precisionen hos upptäckta orsakssamband. Särskilt vår ultimata Målet var att fastställa tillförlitliga orsakssamband inom Ericssons molnbaserade systemet ’X’, där grundsanningen inte är tillgänglig. De ensemble kausal discovery approach segrar över begränsningarna av att använda individuella kausala upptäcktsalgoritmer, avsevärt öka förtroendet för de avslöjade orsakssambanden. Som en praktisk illustration av nyttan av ensemblens kausal upptäcktstekniker har vi fördjupat oss i anomalidomänen upptäckt. Genom att utnyttja kausala grafer inom vår studie har vi framgångsrikt tillämpat denna teknik för att detektera anomali inom Ericsson system

2015 is a turning point in the common history where the 2030 Agenda has set 17 Sustainable Development Goals (SDGs) to transform our world into a thriving and sustainable society in which humankind’s well-being is ensured while protecting the planet’s environmental boundaries. The same year, the European Commission adopted its first Circular Economy Action Plan with 54 actions to be implemented with a concise milestone: closing the loop. This inspiring concept of shifting to a Circular Economy (CE) in opposition to a linear economy is now gaining tremendous attention worldwide in the light of the emergency of redesigning our society to accelerate the journey towards a sustainable development. To successfully make this transition, a systemic change is required and it is a necessity to join forces to implement an extensive collaboration needed to align those two far reaching commitments. Thus, this study scrutinizes the interconnections between the CE targets and the SDGs targets using unique pairs of indicator time-series from 2000 to 2019 for 28 member states of the European Union (EU). The Global SDG Indicators Database and the Circular Economy Monitoring Framework of the European Commission were selected to perform this analysis. Firstly the correlations are disentangled into synergies for positive correlations and trade-offs for negative correlations using the Spearman’s rank correlation. Secondly this study aims at going further in the interpretation by examining causality in correlations found through a Transfer Entropy (TE) model measuring the power of coupling strength for two possible causal directions. This means that the directionality is assessed in a correlation by understanding which indicator in a pair is the cause and which is its effect. Hence a synergy could either be due to a positive impact of a CE target on a SDG target or to a SDG target that enhances a CE target. An analogous analysis is performed for a tradeoff. Broadly, the outcomes highlight a stronger causality in the interconnections in the direction CEtowards SDGs and overall the results show more positive interconnections with 22.43% of share than negative ones with 8.62% of share. The highest share of positive impacts of the CE on the SDGs isfound with SDG 7 (Affordable and Clean Energy), SDG 3 (Good Health and Well-Being) and SDG 15(Life on Land) while the highest share of negative impacts of the CE on the SDGs is found with SDG 2(Zero Hunger), SDG 9 (Industry, Innovation and Infrastructure) and SDG 10 (Reduced Inequalities). Additionally, the study identifies various speeds of development between countries in the alignmentof their SDGs progress and CE implementation. United Kingdom, Spain and France gather the best results in term of positive interconnections while Italy, Latvia and Luxembourg appear to have the highest share of negative interconnections. To succeed in both commitments, identified synergiesshould be leveraged and trade-offs efficiently tackled. / År 2015 var en vändpunkt i den gemensamma historien när Agenda 2030 satte de 17 Globala Målenför hållbar utveckling (SDGs) som syftar till att omvandla vår värld till ett välmående och hållbartsamhälle där mänsklighetens välbefinnande säkerställs samtidigt som planetens miljögränserskyddas. Samma år antog den Europeiska Kommissionen sin första handlingsplan för cirkulärekonomi med 54 åtgärder som ska genomföras med en enda milstolpe: att sluta kretsloppet. Detta inspirerande koncept om att byta till en cirkulär ekonomi (CE) i stället för en linjär ekonomi får nu stor uppmärksamhet över hela världen i ljuset av det akuta behovet av att omforma vårt samhälle för att påskynda övergången till en hållbar utveckling. För att lyckas med denna övergång krävs en systemförändring och ett omfattande samarbete är nödvändigt för att sammanfoga dessa två omfattande åtaganden. Därmed undersöker denna studie kopplingarna mellan CE-målen och SDG delmålen med hjälp av unika par av indikatortidsserier från 2000 till 2019 för 28 medlemsstater av Europeiska Unionen (EU). ”The Global SDG Indicators Database” och ”The Circular EconomyMonitoring Framework” av den Europeiska Kommissionen valdes ut för denna analys. Först kopplas korrelationerna loss till synergier för positiva korrelationer och avvägningar för negativakorrelationer med hjälp av Spearmans rangkorrelationskoefficient. Vidare syftar denna studie till att gå längre i tolkningen genom att undersöka kausalitet i de korrelationer som hittades med hjälp aven Transfer Entropy (TE)-modell för att mäta kopplingsstyrkan för två möjliga kausala riktningar. Detta innebär att riktningen i en korrelation bedöms genom att förstå vilken indikator i paret som är orsaken och vilken som är verkan. En synergi kan alltså bero på en positiv inverkan av ett av CEmålen på ett av SDG-delmålen eller tvärtom. En likartad analys utförs för en avvägning. På det helataget visar resultaten på en starkare kausalitet i kopplingarna i riktning från CE-målen till SDGdelmålen, och överlag visar resultaten att det finns fler positiva sammankopplingar med 22.43% än negativa med 8.62%. Den högsta andelen av CE-målens positiva effekter på SDG-delmålen återfinnsför mål 7 (Hållbar Energi för Alla), mål 3 (God Hälsa och Välbefinnande) och mål 15 (Ekosystem ochBiologisk Mångfald) medan den högsta andelen negativa effekter på SDG-delmålen återfinns för mål2 (Ingen Hunger), mål 9 (Hållbar Industri, Innovationer och Infrastruktur) och mål 10 (Minskad Ojämlikhet). Dessutom identifierar studien olika utvecklingshastigheter mellan länderna när det gäller deras framsteg i SDG-delmålen och genomförandet av CE-målen. Storbritannien, Spanien och Frankrike har de bästa resultaten när det gäller positiva sammankopplingar medan Italien, Lettland och Luxemburg tycks ha den högsta andelen negativa sammankopplingar. För att lyckas med både SDG och CE bör identifierade synergieffekter utnyttjas och kompromisser hanteras effektivt.

Loggar är en viktig del av alla system, det ger en inblick i vad som sker. Att analysera loggar och extrahera väsentlig information är en av de största trenderna nu inom IT-branchen. Informationen i loggar är värdefulla resurser som kan användas för att upptäcka anomalier och hantera dessa innan det drabbar användaren. I detta examensarbete dyker vi in i grunderna för informationssökning och analysera undantagsutskrifter i loggar från COSMIC för att undersöka om det är möjligt att upptäcka anomalier med hjälp av retrospektivdata. Detta examensarbete ger även en inblick i möjligheten att visualisera data från loggar och erbjuda en kraftfull sökmotor. Därför kommer vi att fördjupa oss i de tre välkända program som adresserar frågorna i centraliserad loggning: Elasticsearch, Logstash och Kibana. Sammanfattningsvis visar resultatet att det är möjligt att upptäckta anomalier genom att tillämpa statistiska metoder både på retrospektiv- och realtidsdata. / Logs are an important part of any system; it provides an insight into what is happening. One of the biggest trends in the IT industry is analyzing logs and extracting essential information. The information in the logs are valuable resources that can be used to detect anomalies and manage them before it affects the user In this thesis we will dive into the basics of the information retrieval and analyze exceptions in the logs from COSMIC to investigate whether it is feasible to detect anomalies using retrospective data. This thesis also gives an insight into whether it’s possible to visualize data from logs and offer a powerful search engine. Therefore we will dive into the three well known applications that addresses the issues in centralized logging: Elasticsearch, Logstash and Kibana. In summary, our results shows that it’s possible to detected anomalies by applying statistical methods on both in retrospective and real time data.

Eine angemessene Qualität der Elektroenergie ist Grundvoraussetzung für den störungsfreien Betrieb aller angeschlossenen Geräte und Anlagen und spielt in den Verteilungsnetzen moderner Industriegesellschaften wie Deutschland eine zentrale Rolle. Die Elektroenergiequalität (EEQ) wird in Strom- und Spannungsqualität unterteilt. Während die Stromqualität maßgeblich im Verantwortungsbereich der Hersteller von Geräten und Anlagen liegt, sind für die Sicherung einer angemessenen Spannungsqualität im Wesentlichen die Netzbetreiber verantwortlich. Durch die technische Weiterentwicklung bspw. neuer Gerätetechnologien und die zunehmende Integration dezentraler Erzeugungsanlagen wie Photovoltaikanlagen ist zu erwarten, dass die EEQ auch künftig weiter an Bedeutung gewinnt. Die EEQ im Niederspannungsverteilungsnetz ist abhängig von Ort und Zeit und wird durch verschiedene Qualitätskenngrößen beschrieben. Die örtliche und zeitliche Abhängigkeit resultieren aus einer Vielzahl verschiedener Einflussfaktoren, welche sich entweder der elektrischen oder der nicht-elektrischen Umgebung des betrachteten Verteilungsnetzes zuordnen lassen. Die elektrische Umgebung wird durch die Art und Anzahl angeschlossener Verbraucher bzw. Erzeuger (Abnehmer- bzw. Erzeugerstruktur) sowie Struktur und technische Parameter des Verteilungsnetzes (Netzstruktur) bestimmt. Die nicht-elektrische Umgebung umfasst u.a. Einflüsse der klimatischen Umgebung wie bspw. Temperatur oder Globalstrahlung. Ziel dieser Arbeit ist die systematische Identifikation korrelativer Zusammenhänge zwischen den genannten Umgebungseinflüssen und der EEQ sowie deren Quantifizierung auf Basis geeigneter Indizes und Kenngrößen. Die Ergebnisse der Arbeit helfen grundlegende Prinzipien der Ausprägung der Elektroenergiequalität im öffentlichen Verteilungsnetz besser zu verstehen sowie die Verteilungsnetze im Hinblick auf die Elektroenergiequalität zu charakterisieren und zu klassifizieren. Analog zu den Standard-Lastprofilen erfolgt die Definition von Standard-Qualitätsprofilen. / Power quality levels in public low voltage grids are influenced by many factors which can either be assigned to the electrical environment (connected consumers, connected genera-tion, network characteristics) or to the non-electrical environment (e.g. climatic conditions) at the measurement site. Type and amount of connected consumers (consumer topology) are expected to have a very high impact on power quality (PQ) levels. The generation topology is characterized by number and kind of equipment and generating installations like photovoltaic systems which are connected to the LV grid. The electrical parameters of the grid define the network topology. The parameters which are most suitable to describe each of the three topologies and the climatic environment will be identified. Voltage and current quality in public low voltage (LV) grids vary depending on location and time. They are quantified by a set of different parameters which either belong to events (e.g. dips) or to variations (e.g. harmonics). This thesis exclusively addresses continuous parameters describing variations. Continuous phenomena like harmonics are closely linked to an one-day-cycle which implies a more or less periodic behavior of the continuous power quality parameters. Consumer topologies such as office buildings or residential areas differ in their use of equipment. Time series analysis is used to distinguish between different consumer topologies and to identify characteristic weeks. The clustering of one-day time series is applied to identify characteristic days within the weeks of certain topologies. Based on the results, emission profiles for certain current quality parameters of different consumer topologies will be defined. Due to the characteristic harmonic current emission of certain consumer topologies which represents the typical user behaviour a classification system is developed. It is used to automatically classify the emission profiles of harmonic currents for unknown measurements and to estimate a likely consumer topology. A classification measure is introduced in order to identify unusual or false classified emission profiles. The usage behaviour of equipment by customers usually varies over the year. Subsequently, the levels of PQ parameters like harmonics may show seasonal variations which are identified by using newly defined parameters. The introduction of new device technologies on a large scale like the transition from incandescent to LED lamps might result in long-term changes to the levels of PQ parameters (e.g. harmonics). The analysis of the long-term behavior (trend) will be applied in order to quantify global trends (looking on the measurement duration as a whole) and local trends (looking on individual segments of the whole time series).

Das Wortlernen begleitet unser Leben von der Kindheit bis ins Alter. Kleinkinder lernen ihre Muttersprache(n), aber auch Erwachsene lernen neue Wörter, z.B. beim Fremdspracherwerb. Unter gewissen Umständen muss eine neue Sprache wieder erlernen werden, wie z.B. nach einer Gehirnläsion. Wie meistert unser Gehirn diese herausfordernden Wortlernsituationen? Um die Neuroplastizität des Wortlernens zu untersuchen, wurden unterschiedliche neurowissenschaftliche Methoden (Elektroenzephalographie, funktionelle Nahinfrarotspektroskopie, voxel-basierte Läsion-Verhalten/EEG Mapping), teilweise in Kombination, bei Kleinkindern, Kindern und Erwachsenen sowie Patienten mit einer Gehirnläsion im Vergleich zu älteren Kontrollprobanden angewendet. 5 Experimente untersuchten die neuronale Verarbeitung von Pseudowörtern, welche mutter- und fremdsprachlichen phonotaktischen Regeln (d.h. die Kombination von verschiedenen Phonemen) folgten, in unterschiedlichen Lernsettings bei monolingualen Teilnehmern. Gesunde Erwachsene aber auch 6monatige und ältere Teilnehmer und Patienten konnten diese Regeln differenzieren. Beteiligte Gehirnareale umfassten ein links-hemisphärisches fronto-temporales Netzwerk. Die Verarbeitung universeller Spracheigenschaften, andererseits, zeigte sich in parietalen Regionen. Während Erwachsene eine klare Dominanz der linken Hemisphäre aufwiesen, nutzten 6monatige noch beide Gehirnhälften. Unterschiedliche Sprachtrainings (semantische Trainings oder Passives Zuhören) an drei aufeinanderfolgenden Tagen veränderten auch die Gehirnaktivität der Kleinkinder und der Erwachsenen und wiesen auf eine erhöhte Lernflexibilität hin. Im 6. Experiment lernten 5jährige bilinguale Kinder anhand pragmatischer Eigenschaften neue Adjektive und zeigten effizientere neuronale Mechanismen als Monolinguale. Die Ergebnisse unterstreichen die Wichtigkeit multi-methodologischer Ansätze, um genauere Einblicke in die komplexen Mechanismen der Neuroplastizität zu erlangen. / Word learning accompanies our everyday life from infancy to advanced age. Infants have to learn the native language(s) but also during adulthood word learning can take place, for example if we learn a new foreign language. Sometimes people are confronted with a situation in which they have to re-learn a language because of a brain lesion. How does the brain master these challenging word learning settings? To assess neuroplasticity of word learning several neuroscientific methods (electroencephalography, functional near-infrared spectroscopy, voxel-based lesion-behavior/EEG mapping), partially in combination, were used in infants, children, and adults as well as in patients suffering from a brain lesion compared to matched elderly controls. In 5 experiments neuronal processing of pseudowords corresponding to native and non-native phonotactic rules (i.e., the combination of different phonemes) was investigated under different learning conditions in monolingual participants. Healthy adults but also 6-month-old infants and elderly subjects and patients were able to differentiate these rules. Involved brain areas included a left-hemispheric network of fronto-temporal regions. When processing universal linguistic features, however, more parietal regions were involved. While adults revealed a clear left-dominant network, 6-month-olds still recruited bilateral brain areas. Differential language trainings (semantic or passive listening trainings) over three consecutive days also modulated brain activation in both infants and adults suggesting a high flexibility for learning native and non-native linguistic regularities. In a 6th experiment, bilingual 5-year-old children learned novel adjectives by means of pragmatic cues and revealed more efficient neuronal mechanisms compared to monolingual children. Findings underline the importance of multi-methodological approaches to get clearer insights into the complex machinery of neuroplasticity.

<p>The distance between home and work has increased in recent decades. By the development of infrastructure and public transport, jobs farther from home have become more accessible and this development has in turn increased commuting. Commuting travellers often pass over administrative boundaries which often serve as borders for public transport pricing. Also the market control prices. Research shows that travel times and costs significantly affect commuting choice. Many people have an upper limit of 60 minutes commuting distance between home and work. How commuting costs affect the individual's choice of commuting will vary depending on the individual's income and housing costs. The aim of our study was to see how public transport costs and travel times may vary geographically. GIS, Geographic Information System was used to make a network analysis which showed time distances and travel costs on maps. We also examined whether there was a link between towns accessibility by public transport and housing market which we did with help of correlation and regression analysis. In order to answer our questions we started from a study area consisting of Uppsala County with its surrounding commuting area. The maps showed how accessibility to larger towns varies among the smaller towns. The access is often best between bigger towns while there is less accessibility between smaller towns. The distance to bus stops or railway station also has a significant effect on how long the total travel time will be. Urban areas with access to rail services had the best opportunities to reach larger cities and that give also better access to labour market. From our study of the Uppsala County with a monocentric structure, we could indicate a link between accessibility to the bigger cities and housing prices in the surrounding towns. The higher commuting costs and longer travel time to the central place the lower the housing prices. A similar study of Stockholm which has a polycentric structure showed that the relationship between accessibility and house prices not are applicable to all regions. Here we can conclude that housing markets depends on many other factors than access to rapid public transport. House prices can depend on things like closeness to nature and water.</p> / <p>Avståndet mellan bostad och arbete har ökat under de senaste decennierna. Utvecklingen av infrastruktur och kollektivtrafik har lett till att arbetsplatser längre från hemmet har blivit mer tillgängliga och denna utveckling har i sin tur bidragit till en ökad arbetspendling i samhället. Pendlingsresenärer passerar ofta över administrativa gränser och dessa gränser styr ofta över kollektivtrafikens prissättning men även efterfrågan kan styra priset. Forskning visar att restider och kostnader i hög grad påverkar pendlingsvalet. Många människor föredrar ett pendlingsavstånd, mellan hem och arbete på högst 60 minuter. Hur pendlingskostnader påverkar individens val till pendling varierar bland annat beroende på individens inkomst och boendekostnader.</p><p>Syftet med vår studie var att se hur kollektivtrafikens kostnader och restider kan variera geografiskt. GIS, Geografiska Informationssystem, användes vid utförandet av en nätverks- och kostnadsanalys vilket visade tidsmässigt avstånd och kostnad på kartor. Vi undersökte också om det fanns ett samband mellan orters tillgänglighet med kollektivtrafik och bostadsmarknaden genom att utföra korrelations- och regressionsanalyser. För att svara på våra frågeställningar utgick vi från ett undersökningsområde bestående av Uppsala län med pendlingsomland.</p><p>Kartbilderna visade tydligt hur tillgängligheten till större städer varierar mellan olika orter och att tillgängligheten ofta är bäst mellan större tätorter medan det är sämre tillgänglighet mellan mindre tätorter. Avståndet till hållplatser har också betydande påverkan på hur lång den totala restiden blir. Tätorter med tillgång till järnvägstrafik hade det bästa möjligheterna att nå större tätorter och därmed blir arbetsmarknaden större för dessa orter. Från vår studie över Uppsala län som kan anses ha monocentrisk struktur kunde vi även tyda ett samband mellan tätorters tillgänglighet till centralorten och orternas bostadspriser. Ju högre pendlingskostnad och längre restid till centralorten desto lägre var orternas bostadspriser. En likadan studie över Stockholm som har en mer polycentrisk struktur visade dock att detta samband mellan tillgänglighet och bostadspriser inte gäller för alla regioner. Här kan vi dra den slutsatsen att bostadsmarknaden styrs av många andra faktorer än tillgång till snabb kollektivtrafik och att vissa områdens bostadspriser mer styrs av exempelvis närhet till natur och vatten.</p>

No description available.

No description available.

No description available.

In this thesis, quantum cluster methods are used to calculate electronic properties of correlated-electron systems. A special focus lies in the determination of the ground state properties of a 3/4 filled triangular lattice within the one-band Hubbard model. At this filling, the electronic density of states exhibits a so-called van Hove singularity and the Fermi surface becomes perfectly nested, causing an instability towards a variety of spin-density-wave (SDW) and superconducting states. While chiral d+id-wave superconductivity has been proposed as the ground state in the weak coupling limit, the situation towards strong interactions is unclear. Additionally, quantum cluster methods are used here to investigate the interplay of Coulomb interactions and symmetry-breaking mechanisms within the nematic phase of iron-pnictide superconductors. The transition from a tetragonal to an orthorhombic phase is accompanied by a significant change in electronic properties, while long-range magnetic order is not established yet. The driving force of this transition may not only be phonons but also magnetic or orbital fluctuations. The signatures of these scenarios are studied with quantum cluster methods to identify the most important effects. Here, cluster perturbation theory (CPT) and its variational extention, the variational cluster approach (VCA) are used to treat the respective systems on a level beyond mean-field theory. Short-range correlations are incorporated numerically exactly by exact diagonalization (ED). In the VCA, long-range interactions are included by variational optimization of a fictitious symmetry-breaking field based on a self-energy functional approach. Due to limitations of ED, cluster sizes are limited to a small number of degrees of freedom. For the 3/4 filled triangular lattice, the VCA is performed for different cluster symmetries. A strong symmetry dependence and finite-size effects make a comparison of the results from different clusters difficult. The ground state in the weak-coupling limit is superconducting with chiral d+id-wave symmetry, in accordance to previous renormalization group approaches. In the regime of strong interactions SDW states are preferred over superconductivity and a collinaer SDW state with nonuniform spin moments on a quadrupled unit cell has the lowest grand potential. At strong coupling, inclusion of short-range quantum fluctuations turns out to favor this collinear state over the chiral phase predicted by mean-field theory. At intermediate interactions, no robust conclusion can be drawn from the results. Symmetry-breaking mechanisms within the nematic phase of the iron-pnictides are studied using a three-band model for the iron planes on a 4-site cluster. CPT allows a local breaking of the symmetry within the cluster without imposing long-range magnetic order. This is a crucial step beyond mean-field approaches to the magnetically ordered state, where such a nematic phase cannot easily be investigated. Three mechanisms are included to break the fourfold lattice symmetry down to a twofold symmetry. The effects of anisotropic magnetic couplings are compared to an orbital ordering field and anisotropic hoppings. All three mechanisms lead to similar features in the spectral density. Since the anisotropy of the hopping parameters has to be very large to obtain similar results as observed in ARPES, a phonon-driven transition is unlikely.