JP2014517624A - 光ネットワーク通信システムのための障害検出器 - Google Patents

Abstract

光ネットワークの動作パラメータを収集するステップと、光ネットワークの構造に関する情報を収集するステップと、構造情報および動作パラメータを分析する診断エンジンによって診断出力を提供するステップと、診断出力から光ネットワーク障害を導出するステップとを含む、障害検出方法。収集された動作パラメータおよび収集された構造情報は、データベース（ＤＢ）に記憶されることが好ましい。動作パラメータは、光ネットワークの、機器（ｔｙｐｅ）、サービス品質（ＱｏＳ）、および／またはアーキテクチャ（ＩＤ）に関係する。診断出力から導出される光ネットワーク障害は、機器課題、相互運用性問題、および／または物理的欠陥に関するものである場合がある。診断エンジンは、決定木、ベイジアンネットワーク技法、および／または多変量分類技法を使用して、診断出力を生成する。

Description

本発明は、通信システムにおける光ネットワークのための障害検出方法に関する。

ＩＰＴＶソリューション、ビデオオンデマンド提供、またはトリプルプレイサービスの市場開発の高まりに伴い、遠隔通信ネットワークのシステム性能と顧客サポートの両方が、ますます緊急になりつつある。ワイヤ線または光ファイバを介してエンドユーザまで情報を搬送する物理リンクがサービス品質ＱｏＳにとってのボトルネックであることがわかっているので、現在、物理的問題の根源をリモートに診断し性能改善への対策を講じるために、５５３０Ｎｅｔｗｏｒｋ Ａｎａｌｙｚｅｒ（ＴＭ）と呼ばれるソフトウェアアプリケーションが開発されている。これは、オペレータがサービス品質において利得を得る助けとなり、また、全てのタイプの要求に人間の介在を必要とはしないことでオペレータが金銭および時間を節約する助けとなる。５５３０Ｎｅｔｗｏｒｋ Ａｎａｌｙｚｅｒに関する追加の情報は、インターネット上の＜ｈｔｔｐ：／／ｗｗｗ．ｍｏｔｉｖｅ．ｃｏｍ／ｐｒｏｄｕｃｔｓ／ｄｉｓｐｌａｙ．ｐｈｐ／ｎｅｔｗｏｒｋ−ａｎａｌｙｚｅｒ−ｆｉｂｅｒ＞に出ている。

ネットワークアナライザの光ファイババージョンは、ＮＡ−Ｆ、例えばＡｌｃａｔｅｌ−Ｌｕｃｅｎｔ（ＴＭ）によって開発された５５３０ＮＡ−Ｆとして知られている。これは、いくつかの受動光ネットワーク（ＰＯＮ）物理層パラメータを監視するために、ならびに物理的ＱｏＳ性能のいくつかを推定するために開発されたものである。

光ネットワーク、より詳細には受動光ネットワークＰＯＮの例が、図１に示されている。この例は、中央オフィス（ＣＯ）に位置する光回線終端装置ＯＬＴと、顧客構内に位置する１組の関連する光ネットワーク端末ＯＮＴとからなる。これらの間には、ファイバと受動スプリッタまたはカプラとで構成される光配信ネットワークＯＤＮがある。光回線終端ＯＬＴは、光アクセスネットワークのネットワーク側インタフェースを提供し、１つまたは複数の光配信ネットワークＯＤＮに接続される。

受動光ネットワークＰＯＮ物理層のレベルで発生する欠陥を識別するために、既存の技法として光学的時間領域反射計ＯＴＤＲがある。簡潔に言えば、この技法は、反射された信号を調べることによって、コネクタ不良やファイバ破損などいくつかの物理的欠陥、ならびにそれらの潜在的な場所を識別することを可能にする。

ＯＴＤＲの改良バージョンは、現在の通信信号に「組み込まれた」光学的時間領域反射計であり、組込みＯＴＤＲと呼ばれる。組込みＯＴＤＲは、完全に侵襲性の測定解決法ではない。というのは、通信信号にわたって継続的に変調されるこのタイプの測定値は、性能に対する大きな影響なしに容易にフィルタにかけて除去することができるからである。

しかし、欠点は、反射されたトレースを正しく解釈して物理的欠陥の存在および性質について推論することの、高レベルの困難さである。また、図１に示すように受動光ネットワークＰＯＮのトポロジが対称的に編成されるときは、ＰＯＮのどの部分（またはブランチ）で潜在的欠陥が生じるかを正確に突き止めるのはより困難になる。さらに悪いことには、いくつかのスプリッタの後では（または主要スプリッタの後でもなお）、反射された光信号を正しく測定すること、したがってこれらのトレースから知識を抽出することは困難になる。さらに、正確に言えば、長期間、例えば数時間以内で反射信号の平均をとるプロセスが必要とされる。

最後に、当然ながら反射計は「シングルエンデッド」な測定実施法なので、このような測定法を使用すると、影響に関して、または可能性ある相互運用性問題に関して、どんな情報も導き出すことができない。

言い換えれば、光学的時間領域反射計ＯＴＤＲおよび組込みＯＴＤＲでは、受動光ネットワークＰＯＮ中で潜在的欠陥を識別することならびにそれらの場所を突き止めることができる。しかし、正確な結果を提供するためには、主要な課題は、光学的時間領域反射計ＯＴＤＲおよび組込みＯＴＤＲが非常に長い監視期間を要することである。

従来技術の解決法の別の欠点は、ある特定の光回線終端装置ＯＬＴポート上で実施された前の測定値、テストシステムデータ、または理論的考慮事項に対して、現在の測定データを比較することによって、この特定のＯＬＴポート上で発生する物理的問題を識別することに、主に焦点を合わせることである。

光ネットワーク中、より詳細にはギガビット／秒受動光ネットワークＧＰＯＮ中で発生する種々のタイプの問題を検出し、区別し、それらの場所を突き止めるために、アルゴリズムおよび機能を開発することが、来たるべきリリースおよび戦略の核にある。

米国特許出願公開第２０１０／０１５０５４６号明細書

ｈｔｔｐ：／／ｗｗｗ．ｍｏｔｉｖｅ．ｃｏｍ／ｐｒｏｄｕｃｔｓ／ｄｉｓｐｌａｙ．ｐｈｐ／ｎｅｔｗｏｒｋ−ａｎａｌｙｚｅｒ−ｆｉｂｅｒ

本発明の目的は、上述した課題に対処することができ診断のために「デュアルエンデッド」測定から利益を得ることができる障害検出方法を提供することである。

本発明の特徴をなす実施形態によれば、この目的は、前記方法が、
− 前記光ネットワークの動作パラメータを収集するステップと、
− 前記光ネットワークの構造に関する情報を収集するステップと、
− 構造情報および動作パラメータを分析する診断エンジンによって診断出力を提供するステップと、
− 前記診断出力から光ネットワーク障害を導出するステップとを含むということによって達成される。

診断エンジンによって提供される診断出力は、サービスに影響を及ぼすことなく得られる、すなわち非侵入的な診断技法による、問題に関する新しいタイプの解決法である。

本発明は、多くの光回線終端装置ＯＬＴポートから来る、ネットワーク全体にわたるデータを扱う。このデータから、どんな理論的仮定または前の測定値および／もしくは外部ツール測定値もなしに、知識が自己抽出される。このため、より広いタイプの診断出力、かつそれにより光ネットワーク障害を提供することができ、また、適応的となること、したがってより信頼性があり時間効率のよいものとなることができる。

前述の光学的時間領域反射計ＯＴＤＲまたは組込みＯＴＤＲ技法に対して、本発明の利点を以下のように識別することができる：
− 物理的欠陥を識別できるだけではない。
− 主要スプリッタの後に発生する問題に関するステートメントもなお実施することができる。
− ネットワーク全体にわたるデータの収集によって、より全般的な診断（根本的原因の分析）が可能であり、所与のＯＬＴポートに限定されない。
− 物理的欠陥の場所を推論することができる。
− ポートを長期間にわたって監視する必要はなく、動作データの単一収集が１回必要とされるだけである。
− 影響の定量化が可能である。

本発明の別の特徴的な実施形態は、前記方法がさらに、収集された動作パラメータおよび収集された構造情報をデータベースに記憶するステップを含むことである。

このようにすれば、オペレータのネットワークから直接取り出された、かつそのネットワークを適切に特徴付ける実世界データを使用して、診断目的に有用なモデルを自動的に学習することができる。これにより、一般により正確な、さらには限られた人的資源しか必要としない、「個人化された」専門知識がもたらされる。

２００８年１２月１５日に出願され２０１０年６月１７日に公開されたＫａｐｉｌ Ｓｈｒｉｋｈａｎｄｅ他の米国特許出願公開第２０１０／０１５０５４６（Ａ１）号に、受動光ネットワークＰＯＮを管理するためのコンピュータ化されたシステムおよび方法が開示されていることに留意されたい。このシステムは、光回線端末ＯＬＴおよび少なくとも１つの光ネットワーク端末ＯＮＴからアップロードされた測定データと、技術ツールデータおよびサービス障害データおよび外部プラントデータのうちの少なくとも１つと、を受け取るように構成された検出分析モジュールを備える。検出分析モジュールは、アップロードされた測定データと、技術ツールデータおよびサービス障害データのうちの少なくとも１つとを、ＯＬＴおよび各ＯＮＴについてのメモリ媒体に記憶された情報と相関させることによって、ＰＯＮ中の障害または潜在的障害の根源を決定するように構成される。

ＧＰＯＮサービスに基づくこの知られているシステムに対して、本発明の利点は以下のとおりである：
− どんなオペレータ特有ネットワークにも自己適応できる。
− 理論モデルまたは外部ツール測定値の助けなしで、動作データから自動的に学習する。
− 前の測定値は必要なく、したがってより容易であり、より時間効率がよい。
− 診断のタイプがずっと広い（物理的欠陥だけではない）。
− 真に根本的原因の識別であり、「物理層問題」の報告のみではない（問題間の区別、一般的なタイプの問題（機器不良など）の識別）。
− 種々の光回線端末ＯＬＴポートからのデータが共に処理されるので、デバイス相互運用性などのより一般的な問題に関する推論を導き出すことができる。

本発明の別の特徴的な実施形態はまた、前記動作パラメータが、前記光ネットワークの、機器、サービス品質、および／またはアーキテクチャに関係することである。

この障害検出方法は、ＰＯＮネットワーク中で発生する問題に対して、根本的原因を自動的に分析する解決法をオペレータに提供する。これにより、所与のＯＬＴポート（ならびにそれぞれのＯＮＴ）上にある物理的欠陥の診断を行うことができるだけでなく、機器タイプ課題や相互運用性問題など、より広いタイプの根本的原因識別を提供することもできる。

本発明の別の特徴的な実施形態はまた、前記診断出力が、前記診断エンジンによって、決定木、ベイジアンネットワーク技法、または多変量分類技法を使用して生成されることである。

ネットワーク全体にわたる実地データのスナップショットビューを使用することで、理論モデルまたは前の測定値および／もしくは外部ツール測定値を使用せずにこのようなタイプの診断が可能である。実際、規則およびモデルは、データベースを使用して直接に学習される。

さらに、この技法は現在の光ネットワークに自己適応できるので、結果はより正確でより信頼性のあるものになる。

本発明はまた、通信システムの光ネットワークにおける障害検出のための診断エンジンに関する。

この診断エンジンは、前記光ネットワークの、動作パラメータと構造に関する情報とを収集するように構成され、また、診断出力を提供するように構成され、診断出力から光ネットワーク障害が導出される。

より一般的には、この診断エンジンは、本発明の障害検出方法に従って動作するように構成されることが好ましく、この方法の全ての利点を有する。

この診断エンジンおよび障害検出方法の、さらに他の特徴的な実施形態については、添付の特許請求の範囲で言及する。

特許請求の範囲で使用される用語「ｃｏｍｐｒｉｓｉｎｇ」または「ｉｎｃｌｕｄｉｎｇ」（含む、備える）は、その後に列挙される手段に制限されると解釈すべきでないことに留意されたい。したがって、「手段ＡとＢとを備えるデバイス」などの表現の範囲は、手段ＡおよびＢのみからなるデバイスの実施形態に限定されるべきではない。これは、本発明の実施形態に関してＡおよびＢがデバイスの主要な手段であることを意味する。

同様に、特許請求の範囲でやはり使用される用語「ｃｏｕｐｌｅｄ」（結合された）は、直接接続のみに制限されると解釈すべきでないことに留意されたい。したがって、「デバイスＢに結合されたデバイスＡ」などの表現の範囲は、デバイスＡの出力がデバイスＢの入力に直接に接続されるようなデバイスの実施形態に限定されるべきではない。これは、Ａの出力とＢの入力との間に経路があってよく、この経路が他のデバイスまたは手段を含んでよいことを意味する。

添付の図面と併せて実施形態に関する後続の記述を参照することにより、本発明の上記および他の目的および特徴がより明らかになるであろうし、本発明自体が最もよく理解されるであろう。

対称光ネットワークの例を示す図である。 本発明の方法およびデバイスによって検出されるような種々の光ネットワーク障害を有する光ネットワークを示す図である。 本発明の方法およびデバイスによって検出されるような種々の光ネットワーク障害を有する光ネットワークを示す図である。 本発明の方法およびデバイスによって検出されるような種々の光ネットワーク障害を有する光ネットワークを示す図である。 本発明の方法およびデバイスによって検出されるような種々の光ネットワーク障害を有する光ネットワークを示す図である。 本発明の方法およびデバイスによって検出されるような種々の光ネットワーク障害を有する光ネットワークを示す図である。 本発明の方法およびデバイスの可能な一実装形態を表す図である。

本発明の障害検出方法および診断エンジンを使用して、通信システムの光ネットワーク中（限定ではないがより詳細には、受動光ネットワークＰＯＮまたはギガビット／秒受動光ネットワークＧＰＯＮ中）の障害が検出される。

主要な考えは、ネットワーク全体にわたる通信動作パラメータまたはデータを収集し、それにより、これらのパラメータまたはデータ、ならびに光ネットワークの構造に関する情報を用いて、光ネットワーク物理層の欠陥の特徴付け、および根本的原因の分析の実施（例えば、物理的劣化、機器の一般的問題、相互運用性課題の間で区別すること）ができる知識システムを構築することである。

このために、知識システム（以下ではエキスパートシステムとも呼ばれる）が生み出され、障害検出方法を用いる診断エンジンによって使用される。障害検出方法は、訓練段階、監視段階、およびテスト段階を含む。

訓練またはモデル化段階は、光ネットワークの動作パラメータまたはデータを収集するステップと、この光ネットワークの構造に関する情報を収集するステップとを含む。これらを使用して、分類モデルを学習するためにエキスパートシステムが訓練される。

監視段階の間には、訓練されたエキスパートシステムに更新済みデータが入れられて事前診断が提供されるか、または、更新済みデータを使用して、データベースが更新された状態に維持される。

テスト段階では、所与のポートの何らかの動作データを取り出してエキスパートシステムに供給する。エキスパートシステムは、後でより詳細に説明するように、光ネットワークの機器課題、相互運用性問題、および／または物理的欠陥について、光ネットワーク障害に関する診断を提供する。

特徴付けにより、有意義であるときには、欠陥の場所に関する手掛かりも報告される。実際には、ネットワーク全体にわたる現実の実地データを使用してエキスパートシステムが訓練されると、エキスパートシステムは、動作パラメータおよび構造を適切に組み合わせて、追加の測定値を必要とすることなしに、またサービス中断なしに、要求されたＰＯＮについてこのような診断を提供できるようになる。この解決法はまた、ＱｏＳ影響に関するヒントを提供することも可能にする。

光ネットワーク、より詳細には対称受動光ネットワークＰＯＮの例が、図１に示されている。光ネットワークは、通信システムの中央オフィス（ＣＯ）に位置する光回線終端装置ＯＬＴと、顧客構内（ＣＰＥ）に位置し、種々のタイプである場合のある１組または複数組の関連する光ネットワーク端末ＯＮＴ２１１−２１４、ＯＮＴ２２１−２２４とからなる。これらの間には光配信ネットワークＯＤＮがあり、ＯＤＮは、光ファイバＯＦ１０、ＯＦ１１−１２、および受動スプリッタまたはカプラＳＰ１０、ＳＰ２１−２２を備える。

より詳細には、光配信ネットワークＯＤＮは、光ファイバＯＦ１０が接続されるスプリッタＳＰ１０を備え、光ファイバＯＦ１０の他方の端は、光回線終端装置ＯＬＴに接続される。スプリッタＳＰ１０はさらに、それぞれの光ファイバＯＦ１１およびＯＦ１２を介してスプリッタＳＰ２１およびＳＰ２２に接続される。スプリッタＳＰ２１は、それぞれの光ファイバＯＦ２１１からＯＦ２１４を介して、光ネットワーク端末ＯＮＴ２１１からＯＮＴ２１４に接続され、スプリッタＳＰ２２は、受動光コネクタＣＮＴ２２１および光ファイバＯＦ２２１を介して、光ネットワーク端末ＯＮＴ２２１に結合され、それぞれの光ファイバＯＦ２２２からＯＦ２２４を介して、光ネットワーク端末ＯＮＴ２２２およびＯＮＴ２２４に接続される。

光ネットワークの別の例が、図２から６に示されている。この例では、ネットワークアナライザアプリケーションの光ファイババージョンＮＡ−Ｆに組み込まれた診断エンジンによって、大規模なデータ収集を実施することができる。

光ネットワークアナライザＮＡ−Ｆは、ファイバトゥーザホーム（Ｆｉｂｅｒ Ｔｏ Ｔｈｅ Ｈｏｍｅ）光ファイバ配信システムＦＴＴＨ１からＦＴＴＨｎなど、いくつかの光ディジタル加入者線アクセスマルチプレクサＤＳＬＡＭに接続され、各ＦＴＴＨは、１つまたは複数のボードＢｏａｒｄ１１、Ｂｏａｒｄ１２からＢｏａｒｄｎ１をそれぞれ備える。

各ボードは２つの光回線終端装置ＯＬＴを備え、ＯＬＴはそれぞれ、光ファイバおよび光配信ネットワークＯＤＮを介して１組の光ネットワーク端末ＯＮＴに結合される。

図２から６の例では、光ネットワークアナライザＮＡ−Ｆは、いくつかのファイバトゥーザホーム光ファイバ配信システムＦＴＴＨ１からＦＴＴＨｎに接続される。

ファイバトゥーザホーム光ファイバ配信システムＦＴＴＨ１は、異なるタイプの２つのボード、すなわちボードタイプＡのＢｏａｒｄ１ＡとボードタイプＢのＢｏａｒｄ１Ｂとを備える。

Ｂｏａｒｄ１Ａは、光ファイバＯＦ１Ａ１を介して光配信ネットワークＯＤＮ１Ａ１に接続される第１の光回線終端装置ＯＬＴ１Ａ１と、別の光ファイバＯＦ１Ａ２を介して別の光配信ネットワークＯＤＮ１Ａ２に接続される第２の光回線終端装置ＯＬＴ１Ａ２とを有する。

光配信ネットワークＯＤＮ１Ａ１はさらに、４つの光ネットワーク端末、すなわちタイプ１のＯＮＴ１Ａ１１１１、タイプ２のＯＮＴ１Ａ１１２２、タイプ３のＯＮＴ１Ａ１２１３、およびタイプ４のＯＮＴ１Ａ１２２４に接続され、光配信ネットワークＯＤＮ１Ａ２はさらに、４つの光ネットワーク端末、すなわちタイプ１のＯＮＴ１Ａ２１１１、タイプ２のＯＮＴ１Ａ２１２２、タイプ３のＯＮＴ１Ａ２２１３、およびタイプ４のＯＮＴ１Ａ２２２４に接続される。

より詳細には、光配信ネットワークＯＤＮ１Ａ１はスプリッタＳＰ１Ａ１０を備え、スプリッタＳＰ１Ａ１０には光ファイバＯＦ１Ａ１が接続され、スプリッタＳＰ１Ａ１０はさらに、それぞれの光ファイバＯＦ１Ａ１０１およびＯＦ１Ａ１０２を介してスプリッタＳＰ１Ａ１１およびＳＰ１Ａ１２に接続される。スプリッタＳＰ１Ａ１１は、それぞれの光ファイバＯＦ１Ａ１１１およびＯＦ１Ａ１１２を介して光ネットワーク端末ＯＮＴ１Ａ１１１１およびＯＮＴ１Ａ１１２２に接続され、スプリッタＳＰ１Ａ１２は、それぞれの光ファイバＯＦ１Ａ１２１およびＯＦ１Ａ１２２を介して光ネットワーク端末ＯＮＴ１Ａ１２１３およびＯＮＴ１Ａ１２２４に接続される。同様に、光配信ネットワークＯＤＮ１Ａ２はスプリッタＳＰ１Ａ２０を備え、スプリッタＳＰ１Ａ２０には光ファイバＯＦ１Ａ２が接続され、スプリッタＳＰ１Ａ２０はさらに、それぞれの光ファイバＯＦ１Ａ２０１およびＯＦ１Ａ２０２を介してスプリッタＳＰ１Ａ２１およびＳＰ１Ａ２２に接続される。スプリッタＳＰ１Ａ２１は、それぞれの光ファイバＯＦ１Ａ２１１およびＯＦ１Ａ２１２２を介して光ネットワーク端末ＯＮＴ１Ａ２１１１およびＯＮＴ１Ａ２１２２に接続され、スプリッタＳＰ１Ａ２２は、それぞれの光ファイバＯＦ１Ａ２２１およびＯＦ１Ａ２２２を介して光ネットワーク端末ＯＮＴ１Ａ２２１３およびＯＮＴ１Ａ２２２４に接続される。

ファイバトゥーザホーム光ファイバ配信システムＦＴＴＨ１のＢｏａｒｄ１Ｂは、光ファイバＯＦ１Ｂ１を介して光配信ネットワークＯＤＮ１Ｂ１に接続される第１の光回線終端装置ＯＬＴ１Ｂ１と、別の光ファイバＯＦ１Ｂ２を介して別の光配信ネットワークＯＤＮ１Ｂ２に接続される第２の光回線終端装置ＯＬＴ１Ｂ２とを有する。

光配信ネットワークＯＤＮ１Ｂ１はさらに、４つの光ネットワーク端末、すなわちタイプ１のＯＮＴ１Ｂ１１１１、タイプ２のＯＮＴ１Ｂ１１２２、タイプ３のＯＮＴ１Ｂ１２１３、およびタイプ４のＯＮＴ１Ｂ１２２４に接続され、光配信ネットワークＯＤＮ１Ｂ２はさらに、２つの光ネットワーク端末、すなわちタイプ１のＯＮＴ１Ｂ２１１１およびタイプ２のＯＮＴ１Ｂ２１２２に接続される。

より詳細には、光配信ネットワークＯＤＮ１Ｂ１はスプリッタＳＰ１Ｂ１０を備え、スプリッタＳＰ１Ｂ１０には光ファイバＯＦ１Ｂ１が接続され、スプリッタＳＰ１Ｂ１０はさらに、それぞれの光ファイバＯＦ１Ｂ１０１およびＯＦ１Ｂ１０２を介してスプリッタＳＰ１Ｂ１１およびＳＰ１Ｂ１２に接続される。スプリッタＳＰ１Ｂ１１は、それぞれの光ファイバＯＦ１Ｂ１１１およびＯＦ１Ｂ１１２を介して光ネットワーク端末ＯＮＴ１Ｂ１１１１およびＯＮＴ１Ｂ１１２２に接続され、スプリッタＳＰ１Ｂ１２は、それぞれの光ファイバＯＦ１Ｂ１２１およびＯＦ１Ｂ１２２を介して光ネットワーク端末ＯＮＴ１Ｂ１２１３およびＯＮＴ１Ｂ１２２４に接続される。光配信ネットワークＯＤＮ１Ｂ２はスプリッタＳＰ１Ｂ２１を備え、スプリッタＳＰ１Ｂ２１には光ファイバＯＦ１Ｂ２が接続され、スプリッタＳＰ１Ｂ２１はさらに、それぞれの光ファイバＯＦ１Ｂ２１１およびＯＦ１Ｂ２１２を介して光ネットワーク端末ＯＮＴ１Ｂ２１１１およびＯＮＴ１Ｂ２１２２に接続される。

最後に、ファイバトゥーザホーム光ファイバ配信システムＦＴＴＨｎは、１つのボード、すなわちボードタイプＡのＢｏａｒｄｎＡを備える。

ＢｏａｒｄｎＡは、光ファイバＯＦｎＡ１を介して光配信ネットワークＯＤＮｎＡ１に接続される第１の光回線終端装置ＯＬＴｎＡ１と、別の光ファイバＯＦｎＡ２を介して別の光配信ネットワークＯＤＮｎＡ２に接続される第２の光回線終端装置ＯＬＴｎＡ２とを有する。

光配信ネットワークＯＤＮｎＡ１はさらに、４つの光ネットワーク端末、すなわちタイプ１のＯＮＴｎＡ１１１１、タイプ５のＯＮＴｎａ１１２５、タイプ３のＯＮＴｎＡ１２１３、およびタイプ２のＯＮＴｎＡ１２２２に接続され、光配信ネットワークＯＤＮｎＡ２はさらに、２つの光ネットワーク端末、すなわちタイプ３のＯＮＴｎＡ２１１３およびタイプ２のＯＮＴｎＡ２１２２に接続される。

より詳細には、光配信ネットワークＯＤＮｎＡ１はスプリッタＳＰｎＡ１０を備え、スプリッタＳＰｎＡ１０には光ファイバＯＦｎＡ１が接続され、スプリッタＳＰｎＡ１０はさらに、それぞれの光ファイバＯＦｎＡ１０１およびＯＦｎＡ１０２を介してスプリッタＳＰｎＡ１１およびＳＰｎＡ１２に接続される。スプリッタＳＰｎＡ１１は、それぞれの光ファイバＯＦｎＡ１１１およびＯＦｎＡ１１２を介して光ネットワーク端末ＯＮＴｎＡ１１１１およびＯＮＴｎＡ１１２５に接続され、スプリッタＳＰｎＡ１２は、それぞれの光ファイバＯＦｎＡ１２１およびＯＦｎＡ１２２を介して光ネットワーク端末ＯＮＴｎＡ１２１３およびＯＮＴｎＡ１２２２に接続される。光配信ネットワークＯＤＮｎＡ２はスプリッタＳＰｎＡ２１を備え、スプリッタＳＰｎＡ２１には光ファイバＯＦｎＡ２が接続され、スプリッタＳＰｎＡ２１はさらに、それぞれの光ファイバＯＦｎＡ２１１およびＯＦｎＡ２１２を介して光ネットワーク端末ＯＮＴｎＡ２１１３およびＯＮＴｎＡ２１２２に接続される。

実際には、とりわけ、各「光ＤＳＬＡＭ」（これはファイバトゥーザノードＦＴＴＮ、ファイバトゥーザホームＦＴＴＨ、またはファイバトゥーザｘ ＦＴＴＸ（ｘはユーザ、道路脇、建物などである可能性がある）であってよい）に属するＰＯＮに関係する物理層動作データを、光ネットワークアナライザＮＡ−Ｆの診断エンジンによって収集し、インポートし、処理することができることに留意されたい。このような量の、実世界およびネットワーク全体のデータを、知識発見のために大規模に使用することができ、したがってこのデータは診断システムの提案につながる。

診断エンジンによって実現される障害検出方法またはデータ分析の一実施形態は、種々のタイプの機器問題および相互運用性問題に関して、ファイバ破損やコネクタ不良などの潜在的な物理的欠陥を検出してその場所を決定することにある。

より詳細には、動作データ中に見られる、種々のタイプの問題ならびにそれらの症状は、以下のように定義することができる：
− ボード欠陥（設計上の）：種々の種類のＯＮＴに供給する所与のタイプのボードが、それらが接続されたＰＯＮのほとんどにおいて、わずかだが有意に増加するビット誤り率（ＢＥＲ）を呈するが、そのとき、同様のＰＯＮ中の他のタイプのボードについては特に問題がない。概念的には、図２に示すように、設計上の欠陥を呈するボード（ここではタイプＡ）は、他のボードに接続されたＯＮＴが呈する低い安定したＢＥＲに対して、それらのＯＮＴのほとんどとの通信におけるわずかなＢＥＲ増加によって識別することができる。
− 破損／損傷したボード：種々の種類のＯＮＴに供給する特定のボードが、それぞれの特定のＰＯＮにおいて、わずかだが有意に増加するビット誤り率（ＢＥＲ）を呈するが、そのとき、同じタイプのボードは、それらのＢＥＲのそのような有意な増加を呈しない。図３に示すように、破損したボードは、それらが同じタイプからのものであろうとなかろうと、他のボードに接続されたＯＮＴが呈する低い安定したＢＥＲに対して、それぞれのＰＯＮに属するそのＯＮＴのほとんどとの通信におけるわずかなＢＥＲ増加によって識別することができる。
− ＯＮＴ欠陥（設計上の）：種々の種類のボードタイプによって供給される所与のタイプのＯＮＴが、それらが接続されたＰＯＮのほとんどにおいて、わずかだが有意に増加するビット誤り率（ＢＥＲ）を呈するが、そのとき、同様のＰＯＮ中の他のタイプのＯＮＴについては特に問題がない。概念的には、図４に示すように、欠陥を呈するＯＮＴタイプは、他のタイプの接続されたＯＮＴが呈する低い安定したＢＥＲに対して、ほとんどのボードとの通信におけるわずかなＢＥＲ増加によって識別することができる。
− 所与のタイプのＯＮＴと所与のタイプのボードとの間の相互運用性問題：種々のＰＯＮ中で、わずかだが有意に増加するビット誤り率（ＢＥＲ）が見られるが、そのとき、同様のＰＯＮ中の他のタイプのボードおよびＯＮＴについては特に問題がない。概念的には、図５に示すように、所与のタイプのボードと所与のタイプのＯＮＴとの間の相互運用性問題は、他のタイプの接続されたＯＮＴが呈する安定したＢＥＲに対して、現在のタイプのボードとの通信におけるわずかなＢＥＲ増加によって識別することができる。
− 物理的欠陥：ＯＮＴの製造元またはタイプとは無関係に、所与のＰＯＮに属するＯＮＴのほとんどが、他のＰＯＮ中で発生する普通の挙動に対して、有意にかつ高く増加するＢＥＲを呈する。所与のＰＯＮに対する、影響を受けるＯＮＴの数に応じて、このような物理的欠陥の可能性ある場所を推論することができる。概念的には、図６に示すように、物理的欠陥は、いくつかのＯＮＴと所与のＯＬＴとの間における高いＢＥＲ増加によって識別することができる。このような欠陥の場所に関する推論も実施することができる。

この実施形態はＢＥＲパラメータのみに依拠するが、他のパラメータ、例えばビット誤りカウンタ（ＢＥＣ）を個別にまたは組み合わせて使用することも可能であることに留意されたい。

実地結果から学習されたこの知識を考慮して、問題間を区別するためのエキスパートシステムを提案することが可能になり、したがって、ＰＯＮ動作データに基づく診断エンジンを提供することが可能になる。診断エンジンの構築および使用は、すでに先に触れたように、以下のように分割することができる：
− データ収集。ネットワーク全体にわたるＰＯＮ動作パラメータおよび構造情報を収集することができる。
− 訓練段階。オフラインで実施することもできる。診断を実施できるエキスパートシステムを提供するためにどのように動作パラメータを組み合わせるかを学習する。このようなエキスパートシステムは、決定木、ベイジアンネットワーク、または多変量分類技法を使用して実現することができる。
− テスト段階。選択されたポートの、次に得られる動作パラメータが、訓練されたエキスパートシステムに診断の受取りを要求する。

実際には、この障害検出方法を実行する診断エンジンによって生み出され使用されるエキスパートシステムは、以下の動作パラメータを入力として使用して設計される：
− ＢＥＲ＝ａ ｌｏｇ１０（ＢＥＲｕｓ）＋ｂ ｌｏｇ１０（ＢＥＲｄｓ）、０≦ａ、ｂ≦１
− ＢＥＲｄｉｆｆ＝ａ ｌｏｇ１０（ＢＥＲｕｓ［ｔ］−ＢＥＲｕｓ［ｔ−ｋ］）＋ｂ ｌｏｇ１０（ＢＥＲｄｓ［ｔ］−ＢＥＲｄｓ［ｔ−ｋ］）、０≦ａ、ｂ≦１、ｋ≧０
− ＯＮＴｔｙｐｅ
− ＯＬＴｔｙｐｅ
− Ｂｏａｒｄ ｔｙｐｅ
− ＯＮＴ ｐｏｒｔ ＩＤｅｎｔｉｆｉｅｒ
− ＯＬＴ ｐｏｒｔ ＩＤｅｎｔｉｆｉｅｒ
− Ｂｏａｒｄ ＩＤｅｎｔｉｆｉｅｒ
次いでこれらが組み合わされて、ＰＯＮ動作データからの、根本的原因の診断出力が返される。これらの診断出力は、機器課題、相互運用性問題、物理的欠陥場所などを含む。このような診断エンジンの可能な一実装形態の表現が、図７に図式化されている。同図において、エキスパートシステムＥＳの入力は、３つの異なるタイプの動作パラメータにあり、これらはそれぞれ、機器タイプに関係する動作パラメータについてのＩＮ−ＰＡＲＡＭ−ＥＱ、サービス品質に関係する動作パラメータについてのＩＮ−ＰＡＲＡＭ−ＱｏＳ、および、トポロジに関係する動作パラメータについてのＩＮ−ＰＡＲＡＭ−ＴＯＰＯである。これらの入力は、先に触れた、かつ特定のポートに属する、動作パラメータに対応する。種々の根本的原因を識別する適切な診断出力ＤＩＡＧ−ＯＵＴ、すなわち、機器課題に関係する原因についてのＯＵＴ−ＥＱ、相互運用性問題についてのＯＵＴ−ＩＮＴ、物理的欠陥についてのＯＵＴ−ＰＨＹならびに物理的欠陥の場所ＯＵＴ−ＬＯＣを提供するために、エキスパートシステムＥＰは、訓練されなければならない。この目的で、ネットワーク全体にわたる動作パラメータを含むデータベースＤＢが使用される。

この障害検出方法を実行する診断エンジンの利点は、以下のとおりである：
− 専門家ツールデータと相関させる必要も、メモリに記憶された光回線端末ＯＬＴまたは光ネットワーク端末ＯＮＴに関する前の情報と相関させる必要もない。
− 理論モデルは必要ない。学習は、ネットワーク全体にわたる実地データから実施される。
− 測定値と専門家ツールデータとを比較するための統計手法は必要ない。
− 所与の光ネットワーク端末ＯＮＴに対して（または所与のＯＬＴのＯＮＴに対してさえも）、定期的な測定は必要ない。単一ポートの一時的な分析ではなく、ネットワーク全体にわたるスナップショット手法が使用される。
− 所与の光回線端末ＯＬＴポート（ならびにその全てのＯＮＴ）に限定されず、ネットワーク全体にわたる手法に焦点が合わせられる。これにより、ある特定の光回線端末ＯＬＴポート上で発生する問題だけでなく、機器および相互運用性の問題に関してより広い結論が可能である。

最後に、以上では、本発明の実施形態を機能ブロックの点から述べている。上に提供したこれらのブロックの機能上の記述から、電子デバイス設計の当業者には、どのようにこれらのブロックの実施形態をよく知られた電子コンポーネントによって製造できるかが明らかであろう。したがって、機能ブロックの内容の詳細なアーキテクチャは提供しない。

本発明の原理を特定の装置に関して上述したが、この記述は、添付の特許請求の範囲で定義される本発明の範囲に対する限定としてではなく、単に実施例として提供するものであることを、明確に理解されたい。

Claims (14)

1. 通信システムにおける光ネットワークのための障害検出方法であって、
   − 前記光ネットワークの動作パラメータを収集するステップと、
   − 前記光ネットワークの構造に関する情報を収集するステップと、
   − 構造情報および動作パラメータを分析する診断エンジンによって診断出力を提供するステップと、
   − 前記診断出力から光ネットワーク障害を導出するステップとを含むことを特徴とする、障害検出方法。
2. 収集された動作パラメータおよび収集された構造情報をデータベース（ＤＢ）に記憶するステップをさらに含むことを特徴とする、請求項１に記載の障害検出方法。
3. 前記動作パラメータが、前記光ネットワーク中で使用される機器に関係することを特徴とする、請求項１に記載の障害検出方法。
4. 前記動作パラメータが前記光ネットワークのサービス品質に関係することを特徴とする、請求項１に記載の障害検出方法。
5. 前記動作パラメータが前記光ネットワークのアーキテクチャに関係することを特徴とする、請求項１に記載の障害検出方法。
6. 前記診断出力が、前記診断エンジンによって、決定木を使用して生成されることを特徴とする、請求項１に記載の障害検出方法。
7. 前記診断出力が、前記診断エンジンによって、ベイジアンネットワークを使用して生成されることを特徴とする、請求項１に記載の障害検出方法。
8. 前記診断出力が、前記診断エンジンによって、多変量分類技法を使用して生成されることを特徴とする、請求項１に記載の障害検出方法。
9. 前記光ネットワークの構造に関する情報を収集する前記ステップがオフラインで実施されることを特徴とする、請求項１に記載の障害検出方法。
10. 通信システムの光ネットワークにおける障害検出のための診断エンジンであって、
    前記光ネットワークの、動作パラメータと構造に関する情報とを収集するように構成され、診断出力を提供するように構成され、診断出力から光ネットワーク障害が導出されることを特徴とする、診断エンジン。
11. 前記動作パラメータと前記構造情報とを記憶するように構成されたデータベース（ＤＢ）に関連することを特徴とする、請求項１０に記載の診断エンジン。
12. 決定木またはベイジアンネットワーク技法に従って動作することを特徴とする、請求項１０に記載の診断エンジン。
13. 多変量分類技法に従って動作することを特徴とする、請求項１０に記載の診断エンジン。
14. ネットワークアナライザの一部を形成することを特徴とする、請求項１０に記載の診断エンジン。

Images