haku: @keyword data-analyysi / yhteensä: 21
viite: 6 / 21
Tekijä:Ermolov, Kirill
Työn nimi:Detecting Patterns in Telecommunication Data to Improve Fault Management
Tietoliikenneverkon mittauksien analyysin soveltaminen vianhallinnan kehityksessä
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2015
Sivut:60 s. + liitt. 4      Kieli:   eng
Koulu/Laitos/Osasto:Sähkötekniikan korkeakoulu
Oppiaine:Signaalinkäsittely   (S3013)
Valvoja:Karhunen, Juha
Ohjaaja:Manninen, Esa
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201511205211
Sijainti:P1 Ark Aalto  3186   | Arkisto
Avainsanat:data analysis
machine learning
self-organizing map
fixed broadband network
data-analyysi
koneoppiminen
itseorganisoituva kartta
kiinteä laajakaistaverkko
Tiivistelmä (fin):Hyvin toteutettu vianhallinta tietoliikenneverkoissa tuo mukanaan merkittäviä säästöjä palveluntarjoajalle ja voi jopa muodostua kilpailueduksi.
Tämä diplomityö on tehty suuren suomalaisen teleoperaattorin (Elisa Oyj) toimesta, ja tavoitteena oli tutkia miten vianhallintaa voidaan kehittää perustuen mittauksiin, joita yritys kerää yksityisen asiakkaidensa laajakaistamodeemeista.
Mittaukset tehdään tunneittain modeemien olleessa päällä, ja yksi mittaus sisältää yli 20 parametria, joten tehtävää vaatii suurten datamassojen analysointia.

Ongelmaa on lähestytty vertaamalla mittauksia modeemeilta, joiden omistaja on tehnyt valituksen yritykselle, ja satunnaisesti valituilta modeemeilta, joista valitusta ei tehty.
Työssä on näytetty, että erilaiset toimintatilat pystytään erottamaan datasta, ja myös onnistuttiin määrittämään, toimintatiloja, jotka ovat selvästi (vähintään 2 kerta) yleisempiä ongelmallisilla modeemeilla.
Varsinaisena analysointityökaluna on käytetty itseorganisoituvaa karttaa, jonka avulla myös saatiin muodostettua kokonaiskuva mittauksista (esimerkiksi löydettiin korrelaatiot eri toimintatilojen välillä).

Kaikki työn löydökset ovat helposti tulkittavissa, joten teleoperaattori voi hyödyntää niitä esimerkiksi vikojen ennalta havaitsemisessa.
Kuitenkin lisätutkimus olisi hyvin tarpeellinen määrittääkseen mittauksista saatavan hyödyllisen tiedon kokonaisuudessaan.
Yhtenä tärkeimpänä kehityssuuntana olisi valituksen syyn/korjaustoimenpidon ottaminen huomioon analyysissä, jolloin voitaisiin selvittää, että onko mahdollista määrittää vian tyyppi suoraan mittauksista.
Tiivistelmä (eng):Well-implemented fault management in telecommunication networks brings significant savings to a service provider and may even become a competitive advantage.
This master's thesis is done for the large Finnish telecommunications service provider (Elisa Oyj) with the aim to study how fault management process can be developed based on measurements collected by the company from its private customers' broadband modems.
Measurements are done every hour (if modems are turned on) and one measurement consists of more than 20 parameters.
Thus the task requires the analysis of large amounts of data.

Problem has been approached by comparing measurements from modems which owners made complaints to the company with measurements from the group of randomly chosen modems which produced no complaints.
It was shown that it is possible to separate different modem operation modes from measurements, and patterns clearly more common (at least 2 times more common) for problematic than for normal modems were detected.
As the main analysis tool self-organizing map was used.
It also provided the overview picture about measurements (e.g. correlations between different operation modes were obtained).

All findings in the thesis can be easily interpreted, thus the company may use them e. g to improve the process of earlier detection of faults.
However, more research is needed to fully explore the useful information which can be extracted from measurements.
One of the most important issues would be to take into account the reason of fault or how it was corrected.
Then it would be possible to study if the type of fault could be determined directly from measurements.
ED:2015-11-29
INSSI tietueen numero: 52551
+ lisää koriin
INSSI