Haberleşme şebekelerinde hata yönetimi analizi

Abstract

Haberleşme şebekeleri birbirlerine fiziksel olarak ya da protokoller ile bağlanmış kullanıcılara ses, veri ve görüntü iletişimi gibi servisler sağlayan şebeke elemanlarından oluşmaktadır. Gerçek bir haberleşme şebekesi olan TASMUS temel alınarak şebeke elemanlarını ve bağlantıları içeren bir topoloji modeli oluşturulmuştur. Bu model kullanılarak çeşitli alarm senaryoları gerçekleştirilmiştir. Çeşitli sebeplerden dolayı şebekeden gelen alarmlar içerisinde gürültü etmeni bulunabilmekte ve ilişkilendirilen alarmlar birden fazla hata içerebilmektedir. Bu etmenler de gözönünde tutularak kuramsal temelleri verilen kodlama, yapay sinir ağları ve bilgi tabanlı sistemler yöntemlerinin başarımlarını ölçmek için çeşitli benzetimler yapılmıştır. Alarm senaryoların gerçekleştirilebildiği ve yöntemlerin başarımlarının görülebildiği bir yazılım geliştirilmiştir. Yapılan benzetimler sonucunda yapay sinir ağlarının diğer yöntemlere oranla özellikle ikili hataları bulmada belirgin bir üstünlüğü olduğu görülmüştür. Bilgi tabanlı sistemler ise topolojide değişiklikler olması durumunda yapay sinir ağlarını öğretebilecek giriş çıkış değerlerini oluşturabilmektedir. Bu iki yöntem bir arada kullanılarak başarımı yüksek, topoloji değişimlerine adapte olabilen karma bir sistem yapısı önerilmiştir. Anahtar Kelimeler: Şebeke yönetimi, alarm yönetimi, hata bulma, kodlama, yapay sinir ağları, bilgi tabanlı sistemler.

Telecommunication networks use network elements, interconnected physically or using protocols, to provide services like voice, data and image. A network topology model including network elements and links is formed based on a real telecommunication network named TASMUS. Using this model several alarm scenarios are realized. For physical reasons, correlated alarms incoming from network can include multiple faults and noise. Coding, artificial neural networks and knowledge based system methods are simulated while taking the effect of multiple faults and noise. A software is developed for simulation and to measure the performance of methods. The result of simulations shows that artificial neural network performance is better than other methods especially in the existence of multiple faults. It was observed that knowledge based systems can generate input output patterns to train the neural network. This is very usefull when topology changes occur in the telecommunication networks. Both methods are used together and a hybrid system model is offered, having a high performance and being adaptive to topology modifications. Key Words: Network management, alarm management, fault detection, codebook, artificial neural networks, knowledge based systems.