ОГЛЯД МЕХАНІЗМІВ ROOT CAUSE АНАЛІЗУ ТЕЛЕКОМУНІКАЦІЙНИХ МЕРЕЖ

Автор(и)

  • В.В. Власенко Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського" Автор
  • Д.А. Міночкін Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського" Автор

DOI:

https://doi.org/10.17721/2519-481X/2024/83-06

Ключові слова:

телекомунікації, надійність мереж, аналіз збоїв, машинне навчання, прогнозування проблем, стабільність системи, якість обслуговування, обсяг даних, діагностика мереж

Анотація

Телекомунікаційні мережі є невід'ємною частиною сучасного інформаційного суспільства, забезпечуючи передачу даних та спілкування між мільйонами користувачів по всьому світу. Складність та масштаби цих мереж постійно зростають, що підвищує вимоги до їх надійності та стабільності. Одним з ключових завдань у забезпеченні ефективної роботи телекомунікаційних мереж є виявлення та усунення першопричин збоїв і аномалій, які можуть суттєво вплинути на якість обслуговування кінцевих користувачів. Аналіз першопричин (RCA) є потужним інструментом для виявлення першопричин проблем, запобігання їх повторенню та підвищення загальної надійності телекомунікаційних мереж. У статті представлено детальний огляд сучасних методів та інструментів RCA, що використовуються в телекомунікаційних мережах. Зокрема, розглядаються такі методи, як аналіз діаграми «риб'яча кістка», метод «п'яти причин», аналіз дерева несправностей, а також застосування машинного навчання для аналізу великих об’ємів даних. Кожен з цих підходів має свої переваги та недоліки, а їх комплексне використання дозволяє підвищити точність та ефективність виявлення першопричин проблем. Практичні приклади демонструють ефективність застосування різних методів RCA для вирішення конкретних проблем в телекомунікаційних мережах. Наприклад, використання аналізу діаграми «риб'яча кістка» та методу «п'яти причин» дозволяє виявити основні причини затримок у роботі мережі та проблеми з обладнанням на базових станціях. Впровадження систем прогнозування відмов на основі машинного навчання значно підвищує надійність мережі, дозволяючи на ранніх стадіях виявляти потенційні проблеми та вживати необхідних технічних заходів. Окреслено перспективи розвитку RCA в телекомунікаційних мережах. Основна увага приділяється розробці адаптивних і самонавчальних машинних систем, здатних динамічно реагувати на зміну мережевих умов. Використання більш складних алгоритмів штучного інтелекту та інструментів прогнозування потенційних проблем дозволить суттєво підвищити ефективність RCA та забезпечити високу якість телекомунікаційних послуг.

Біографії авторів

  • автор В.В. Власенко, афіліація Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"
  • автор Д.А. Міночкін, афіліація Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"

Посилання

1. Boiko Yu. M., Druzhynin V. A., Toliupa S. V. (2018) Teoretychni aspekty pidvyshchennia zavadostiikosti y efektyvnosti obrobky syhnaliv v radiotekhnichnykh prystroiakh ta zasobakh telekomunikatsiinykh system za naiavnosti zavad [Theoretical aspects of increasing the noise immunity and efficiency of signal processing in radio engineering devices and means of telecommunication systems in the presence of interference]. Kyiv: Lohos. 227 p.

2. Mashchak A. V. (2016) Modeli dlia otsinky ryzyku ekspluatatsii systemy radioupravlinnia bezpilotnym litalnym aparatom [Models for assessing the risk of operation of the radio control system of an unmanned aerial vehicle: dissertation]: dys.... kand-ta tekh. nauk: 05.12.17. Lviv. 161 p.

3. Odarchenko R. S. (2018) Doslidzhennia arkhitektury suchasnykh system monitorynhu v merezhakh stilnykovoho zviazku [Research of the architecture of modern monitoring systems in cellular networks]. Naukoiemni tekhnolohii. vol. 2 (38). pp. 195–202.

4. Sazonova S. (2021) Otsinka ryzykiv stratehichnoho upravlinnia telekomunikatsiinymy pidpryiemstvamy v umovakh tsyfrovoi ekonomiky [Assessment of risks of strategic management of telecommunication enterprises in the digital economy]. Bulletin of Sumy National Agrarian University. vol. 3 (89). pp. 31–37.

5. Chen B., Li J., Wei J. A (2023) Graph-Based Algorithm for Root Cause Analysis of Faults in Telecommunication Networks. IEEE 19th International Conference on Automation Science and Engineering (CASE), Auckland, New Zealand, pp. 1–7.

6. Correlation Engine. URL: https: // www. illumina. com / products / by-type / informatics-products / connected-analytics / modules / correlation-engine. html

7. Gómez-Andrades A., Muñoz P., Serrano I., Barco R. (2016) Automatic Root Cause Analysis for LTE Networks Based on Unsupervised Techniques. IEEE Transactions on Vehicular Technology. vol. 65. № 4. pp. 2369–2386.

8. Schaaf M., Wilke G., Mikkola T., Bunn E., Hela I., Wache H., Grivas S. G. (2015) Towards a timely root cause analysis for complex situations in large scale telecommunications networks. Procedia Computer Science. vol. 60. рр. 160–169.

Завантаження

Опубліковано

2024-10-15

Номер

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ