KR20140007003A

KR20140007003A - 광 네트워크 통신 시스템에 대한 고장 검출기

Info

Publication number: KR20140007003A
Application number: KR1020137032205A
Authority: KR
Inventors: 니콜라스 두푸이스; 스티즌 미어스맨
Original assignee: 알까뗄 루슨트
Priority date: 2011-06-07
Filing date: 2012-06-04
Publication date: 2014-01-16
Also published as: EP2533549A1; WO2012168171A1; JP2014517624A; CN103597848A; US20140099099A1

Abstract

고장 검출 방법은 광 네트워크의 동작 파라미터를 수집하는 단계, 광 네트워크의 구조에 관한 정보를 수집하는 단계, 구조 정보 및 동작 파라미터를 분석하는 진단 엔진에 의해 진단 출력을 제공하는 단계, 및 진단 출력으로부터 광 네트워크 고장을 도출하는 단계를 포함한다. 수집된 동작 파라미터 및 수집된 구조 정보는 바람직하게는 데이터베이스(DB)에 저장된다. 동작 파라미터는 광 네트워크의 장비(유형), 서비스 품질(BER) 및/또는 아키텍처(ID)에 관한 것이다. 진단 출력으로부터 도출된 광 네트워크 고장은 장비 문제, 상호운용성 문제, 및/또는 물리적 결함에 관한 것일 수 있다. 진단 엔진은 결정 트리, 베이지안 네트워크 기법, 및/또는 다변량 분류 기법을 사용하여 진단 출력을 발생한다.

Description

광 네트워크 통신 시스템에 대한 고장 검출기{FAULT DETECTOR FOR OPTICAL NETWORK COMMUNICATION SYSTEM}

본 발명은 통신 시스템에서의 광 네트워크에 대한 고장 검출 방법에 관한 것이다.

IPTV 솔루션, 주문형 비디오 제공 또는 트리플 플레이 서비스의 시장이 계속 발전함에 따라, 통신 네트워크의 시스템 성능 및 고객 지원 둘 다가 점점 더 급박해지고 있다. 전선 또는 광섬유를 통해 최종 사용자까지 정보를 전송하는 물리 링크가 서비스 품질(QoS)에 대한 장애물인 것으로 알려져 있기 때문에, 물리적 문제의 원인을 원격적으로 진단하는 것 및 성능을 향상시키기 위한 조치를 취하는 것 둘 다를 위해 5530 Network Analyzer™라고 하는 소프트웨어 응용 프로그램이 현재 개발되고 있다. 이것은 운영자가 서비스 품질을 향상시키는 데는 물론, 모든 유형의 요청에 대해 사람의 개입을 수반하지 않음으로써 돈 및 시간을 절감하는 데 도움을 준다. 5530 Network Analyzer에 관한 부가 정보는 인터넷에서 <http://www.motive.com/products/display.php/network-analyzer-fiber>에서 찾아볼 수 있다.

네트워크 분석기의 광섬유 버전은 NA-F, 예컨대, Alcatel-Lucent™에 의해 개발된 5530 NA-F라고 알려져 있다. 이는 일부 PON(Passive Optical Network, 수동 광 네트워크) 물리 계층 파라미터를 모니터링하기 위해서는 물론, 물리 QoS 성능들 중 일부를 추정하기 위해 개발되었다.

광 네트워크, 그리고 보다 상세하게는 PON(Passive Optical Network)의 한 예가 도 1에 도시되어 있고, CO(Central Office, 전화국)에 위치해 있는 OLT(Optical Line Terminator, 광 회선 종단기) 및 고객 구내에 위치해 있는 한 세트의 연관된 ONT(Optical Network Terminal, 광 네트워크 단말)로 이루어져 있다. 이들 사이에 광섬유 및 수동 스플리터(passive splitter) 또는 커플러(coupler)로 이루어져 있는 ODN(Optical Distribution Network, 광 분배 네트워크)이 있다. OLT(Optical Line Termination)는 광 액세스 네트워크의 네트워크측 인터페이스를 제공하고, 하나 이상의 ODN(Optical Distribution Network)에 연결되어 있다.

PON(Passive Optical Network) 물리 계층의 레벨에서 일어나는 결함을 식별하기 위해, 기존의 기법은 OTDR(Optical Time Domain Reflectometry, 광 시간 영역 반사 측정법)이다. 간략히 말하면, 이 기법은 반사된 신호를 검사함으로써 불량 커넥터 또는 절단된 광섬유는 물론, 이들의 잠재적인 위치와 같은 일부 물리적 결함을 식별하는 것을 가능하게 한다.

OTDR의 개선된 버전은 현재의 통신 신호에 "내장된" 광 시간 영역 반사 측정법(Optical Time Domain Reflectometry "Embedded")이고 내장형-OTDR(Embedded-OTDR)이라고 한다. 내장형-OTDR은 완전히 침습적 측정 솔루션은 아닌데, 그 이유는 통신 신호 상에 연속적으로 변조되는 이 유형의 측정이 성능에 그다지 영향을 주지 않고 쉽게 필터링 제거될 수 있기 때문이다.

그러나, 단점은 반사된 트레이스(reflected trace)를 정확하게 해석하고 물리적 결함의 존재 및 성질을 추론하는 것이 아주 어렵다는 것이다. 또한, PON(Passive Optical Network)의 토폴로지가, 도 1에 도시된 바와 같이, 대칭적으로 구성될 때, PON의 어느 부분(또는 분기)에서 잠재적인 결함이 발생하는지를 정확하게 국한시키는 것이 더 어렵게 된다. 훨씬 더 심각하게는, 몇 개의 스플리터 후에(또는 심지어 주 스플리터 후에), 반사된 광 신호를 정확하게 측정하는 것과 따라서 이 트레이스로부터 정보를 추출하는 것이 어렵게 된다. 더욱이, 정확하기 위해서는, 긴 기간, 예컨대, 몇 시간 내에서 반사된 신호의 평균을 구하는 프로세스가 필요하다.

마지막으로, 정의와 같이, 반사 측정법은 측정을 수행하는 "싱글 엔드형(single-ended)" 방식이고, 영향에 관한 또는 가능한 상호운용성 문제에 관한 어떤 정보도 이러한 측정 방식을 사용하여 추론될 수 없다.

달리 말하면, OTDR(optical time domain reflectometry) 및 내장형-OTDR은 잠재적인 결함을 식별하는 것은 물론, PON(Passive Optical Network)에서 그를 국한시키는 것을 가능하게 한다. 그러나, 정확한 결과를 제공하기 위해, 주된 문제는 OTDR(optical time domain reflectometry) 및 내장형-OTDR이 상당히 긴 모니터링 기간을 필요로 한다는 것이다.

종래 기술의 해결 방안의 다른 단점은, 현재의 측정 데이터를 동일한 OLT(optical line terminator) 포트 상에서 수행된 이전의 측정, 테스트 시스템 데이터 또는 이론적 고려사항에 대해 비교함으로써, 주로 하나의 특정의 OLT 포트에서 일어나는 물리적 문제의 식별에 중점을 둔다는 것이다.

광 네트워크에서, 보다 상세하게는 GPON(Gigabit-per-second Passive Optical Network)에서 일어나는 상이한 유형의 문제를 검출, 구별 및 국한시키기 위한 알고리즘 및 특징의 개발은 앞으로 나올 릴리스 및 전략의 핵심이다.

본 발명의 목적은 상기한 문제에 대처하고 진단을 위한 "듀얼 엔드형(dual-ended)" 측정으로부터 이득을 볼 수 있는 고장 검출 방법을 제공하는 데 있다.

본 발명의 특징을 이루는 실시예에 따르면, 이 목적은 상기 방법이

- 상기 광 네트워크의 동작 파라미터를 수집하는 단계,

- 상기 광 네트워크의 구조에 관한 정보를 수집하는 단계,

- 구조 정보 및 동작 파라미터를 분석하는 진단 엔진에 의해 진단 출력을 제공하는 단계, 및

- 상기 진단 출력으로부터 광 네트워크 고장을 도출하는 단계를 포함한다는 사실로 인해 달성된다.

진단 엔진에 의해 제공되는 진단 출력은 서비스에 영향을 주는 일 없이, 즉 비침습적 진단 기법에 의해 달성되는 새로운 유형의 문제 관련 해결책이다.

본 발명은 많은 OLT(optical line terminator) 포트로부터 오는 네트워크 전체에 걸친 데이터를 처리하고, 어떤 이론적 가정 또는 이전의 및/또는 외부 도구 측정 없이, 이 데이터로부터 정보가 자체 추출된다. 이것은 보다 광범위한 유형의 진단 출력, 따라서 광 네트워크 고장을 제공하는 것을 가능하게 하며, 적응적이고 따라서 보다 신뢰성있고 시간 효율적으로 된다.

앞서 언급한 OTDR(optical time domain reflectometry) 또는 내장형-OTDR 기법과 관련한 본 발명의 이점은 다음과 같은 것이 있을 수 있다:

- 물리적 결함이 식별될 수 있을 뿐만 아니라,

- 주 스플리터 이후에 일어나는 문제에 관한 보고도 여전히 수행될 수 있으며,

- 네트워크 전체에 걸친 데이터 수집은 보다 일반적인 진단(근본 원인 분석)을 가능하게 하고 주어진 OLT 포트로 제한되지 않으며,

- 물리적 결함의 위치가 추론될 수 있고,

- 오랜 기간 동안 포트를 모니터링할 필요가 없고, 동작 데이터를 한번만 수집하면 되며,

- 영향의 정량화가 가능하다.

본 발명의 다른 특징을 이루는 실시예는 상기 방법이 수집된 동작 파라미터 및 수집된 구조 정보를 데이터베이스에 저장하는 단계를 더 포함한다는 것이다.

이러한 방식으로, 운영자의 네트워크로부터 직접 검색되고 그 네트워크를 적절히 특징지우는 실세계 데이터가 진단을 위한 유용한 모델을 자동으로 학습하는 데 사용될 수 있다. 이것은 일반적으로 더욱 정확한 "개인화된" 전문 지식을 제공하고, 더욱이 제한된 인력을 필요로 한다.

2008년 12월 15일자로 출원되고 2010년 6월 17일자로 공개된 Kapil Shrikhande 등의 미국 특허 출원 제2010/0150546-A1호가 PON(passive optical network)을 관리하는 컴퓨터화된 시스템 및 방법을 개시하고 있다는 것에 주목한다. 이 시스템은 OLT(optical line terminal) 및 적어도 하나의 ONT(optical network terminal)로부터의 업로드된 측정 데이터 그리고 기술 도구(technical tools) 데이터, 서비스 장애 데이터, 및 선로 설비(outside plant) 데이터 중 적어도 하나를 수신하도록 구성되는 검출 및 분석 모듈을 포함한다. 검출 및 분석 모듈은 업로드된 측정 데이터 그리고 기술 도구 데이터 및 서비스 장애 데이터 중 적어도 하나를 OLT 및 각각의 ONT에 대한 메모리 매체에 저장되어 있는 정보와 상관시킴으로써 PON에서의 장애 또는 잠재적인 장애의 원인을 결정하도록 구성된다.

GPON 서비스에 기초한 이 공지된 관리 시스템을 참조하면, 본 발명의 이점은 다음과 같다:

- 임의의 운영자 관련 네트워크에 대해 자기 적응적(self-adaptive)임,

- 이론적 모델 또는 외부 도구 측정의 도움 없이 동작 데이터로부터 자동으로 학습함,

- 이전의 측정이 필요 없고, 그로써 보다 쉽고 보다 시간 효율적임,

- 훨씬 더 광범위한 유형의 진단(물리적 결함만이 아님),

- 확실한 근본 원인 식별, "물리 계층 문제"의 보고만이 아님(문제들 간의 구별, 불량 장비와 같은 일반 유형의 문제의 식별),

- 상이한 OLT(optical line terminal) 포트로부터의 데이터가 함께 처리되기 때문에, 장치 상호운용성과 같은 보다 일반적인 문제에 관한 추론이 유추될 수 있음.

또한, 본 발명의 다른 특징을 이루는 실시예는 상기 동작 파라미터가 상기 광 네트워크의 장비, 서비스 품질 및/또는 아키텍처에 관련된다는 것이다.

본 고장 검출 방법은 PON 네트워크에서 일어나는 문제에 대한 자동 근본 원인 분석 해결책을 운영자에게 제공한다. 이것은 주어진 OLT 포트(및 그의 각자의 ONT)에 존재하는 물리적 결함을 진단하는 것 뿐만 아니라 보다 광범위한 유형의 근본 원인 식별, 예컨대, 장비 유형 문제 또는 상호운용성 문제를 제공하는 것도 가능하게 한다.

본 발명의 또 다른 특징을 이루는 실시예는 상기 진단 출력이 결정 트리, 베이지안 네트워크 기법 또는 다변량 분류 기법을 사용하여 상기 진단 엔진에 의해 발생된다는 것이다.

네트워크 전체에 걸친 현장 데이터(field data)의 스냅샷 뷰(snapshot view)의 사용은, 이론적 모델의 사용 또는 이전의 및/또는 외부 도구 측정 없이, 이러한 유형의 진단을 가능하게 한다. 실제로, 규칙 및 모델이 데이터베이스를 사용하여 직접 학습된다.

더욱이, 이 기법이 현재의 광 네트워크에 대해 자기 적응적이기 때문에, 결과가 보다 정확하고 보다 신뢰성있게 된다.

본 발명은 또한 통신 시스템의 광 네트워크에서의 고장 검출을 위한 진단 엔진에 관한 것이다.

이 진단 엔진은 상기 광 네트워크의 동작 파라미터 및 구조에 관한 정보를 수집하도록 구성되고, 진단 출력 - 이로부터 광 네트워크 고장이 도출됨 - 을 제공하도록 구성된다.

보다 일반적으로 이 진단 엔진은 바람직하게는 본 발명의 고장 검출 방법에 따라 동작하도록 구성되고, 이 방법의 모든 이점을 가진다.

본 진단 엔진 및 고장 검출 방법의 추가의 특징을 이루는 실시예는 첨부된 특허청구범위에 언급되어 있다.

특허청구범위에서 사용되는 "구비하는" 또는 "포함하는"이라는 용어가 그 후에 열거되는 수단으로 제한되는 것으로 해석되어서는 안 된다는 것에 유의한다. 따라서, "수단 A 및 수단 B를 포함하는 디바이스"와 같은 표현의 범위는 수단 A 및 수단 B만으로 이루어져 있는 디바이스의 실시예로 제한되어서는 안 된다. 이는, 본 발명의 실시예와 관련하여, A 및 B가 디바이스의 필수적인 수단이라는 것을 의미한다.

유사하게, 역시 특허청구범위에서 사용되는 "결합된"이라는 용어가 직접 연결로만 제한되는 것으로 해석되어서는 안 된다는 것에 유의한다. 따라서, "디바이스 B에 결합된 디바이스 A"와 같은 표현의 범위는 디바이스 A의 출력이 디바이스 B의 입력에 직접 연결되어 있는 디바이스의 실시예로 제한되어서는 안 된다. 이는 A의 출력과 B의 입력 사이에 경로가 존재할 수 있고,이 경로는 다른 디바이스 또는 수단을 포함할 수 있다는 것을 의미한다.

본 발명의 상기 및 기타 목적 및 특징이 보다 명백하게 될 것이고 본 발명 자체는 첨부 도면과 관련하여 기술된 실시예의 이하의 설명을 참조하면 가장 잘 이해될 것이다.
도 1은 대칭 광 네트워크의 한 예를 나타낸 도면이다.
도 2 내지 도 6은 본 발명의 방법 및 디바이스에 의해 검출되는 상이한 광 네트워크 고장을 갖는 광 네트워크를 나타낸 도면이다.
도 7은 본 발명의 방법 및 디바이스의 가능한 구현을 나타낸 도면이다.

본 발명의 고장 검출 방법 및 진단 엔진은 통신 시스템의 광 네트워크에서, 보다 상세하게는, 비제한적으로 PON(Passive Optical Network) 또는 GPON(Gigabit-per-second Passive Optical Network)에서 고장을 검출하는 데 사용된다.

주된 사상은 네트워크 전반에 걸친 통신 동작 파라미터 또는 데이터를 수집하고, 광 네트워크의 구조에 관한 정보와 함께, 이를 사용하여 광 네트워크 물리 계층 결함을 특징지울 수 있음은 물론 근본 원인 분석을 수행할 수 있는, 예컨대, 물리적 열화, 장비 일반 문제 또는 상호운용성 문제 간을 구별할 수 있는 지식 시스템을 구축하는 것이다.

이를 위해, 지식 시스템 - 이후부터 전문가 시스템이라고도 함 - 이 생성되고 훈련 단계, 모니터링 단계 및 테스트 단계를 포함하는 고장 검출 방법을 사용하는 진단 엔진에 의해 사용된다.

훈련 또는 모델화 단계는 광 네트워크의 동작 파라미터 또는 데이터를 수집하는 단계 및 광 네트워크의 구조에 관한 정보를 수집하는 단계를 포함한다. 이들은 분류 모델을 학습시키기 위해 전문가 시스템을 훈련시키는 데 사용된다.

모니터링 단계 동안, 업데이트된 데이터가 사전 대응적 진단을 제공하기 위해 훈련된 전문가 시스템에 입력되거나, 데이터베이스를 업데이트된 채로 유지하기 위해 사용된다.

테스트 단계는 전문가 시스템에 피드하기 위해 주어진 포트의 일부 동작 데이터를 검색하고, 전문가 시스템은 광 네트워크의 장비 문제, 상호운용성 문제, 및/또는 물리적 결함과 관련하여 광 네트워크 고장에 관한 진단을 제공하며, 이에 대해서는 나중에 보다 상세히 설명할 것이다.

특성 파악에 의해, 의미가 있는 경우, 결함 위치에 관한 단서가 또한 보고된다. 실제로, 전문가 시스템은, 실제 및 네트워크 전반에 걸친 현장 데이터를 사용하여 훈련되면, 부가의 측정을 필요로 함이 없이 그리고 서비스 중단 없이, 요청된 PON에 대한 이러한 진단을 제공하기 위해 동작 파라미터와 구조를 적당히 결합시킬 수 있게 된다. 이 해결책은 또한 QoS 영향에 관한 암시를 제공하는 것을 가능하게 한다.

광 네트워크, 보다 상세하게는, 대칭 PON(Passive Optical Network)의 한 예가 도 1에 도시되어 있다. 광 네트워크는 통신 시스템의 CO(Central Office)에 위치해 있는 OLT(Optical Line Terminator) 및 고객 구내(CPE)에 위치해 있고 상이한 유형일 수 있는 하나 이상의 연관된 광 네트워크 단말 세트(ONT211 내지 ONT214; ONT221 내지 ONT224)로 이루어져 있다. 이들 사이에 광섬유(OF10; OF11 및 OF12) 및 수동 스플리터 또는 커플러(SP10; SP21 및 SP22)를 포함하는 ODN(Optical Distribution Network)이 있다.

보다 상세하게는, ODN(optical distribution network)은 광섬유(OF10)가 연결되어 있는 스플리터(SP10)를 포함하며, 광섬유(OF10)의 다른쪽 단부는 OLT(optical line terminator)에 연결되어 있다. 스플리터(SP10)는 또한 각자의 광섬유(OF11 및 OF12)를 통해 스플리터(SP21 및 SP22)에 연결되어 있다. 스플리터(SP21)는 각자의 광섬유(OF211 내지 OF214)를 통해 광 네트워크 단말(ONT211 내지 ONT214)에 연결되어 있는 반면, 스플리터(SP22)는 수동 광 커넥터(CNT221) 및 광섬유(OF221)를 통해 광 네트워크 단말(ONT221)에 결합되어 있고, 각자의 광섬유(OF222 내지 OF224)를 통해 광 네트워크 단말(ONT222 및 ONT224)에 연결되어 있다.

광 네트워크의 다른 예는 도 2 내지 도 6에 도시되어 있다. 거기서, 네트워크 분석기 응용의 광섬유 버전(NA-F)에 내장되어 있는 진단 엔진에 의해 대량의 데이터 수집이 수행될 수 있다.

광 네트워크 분석기(NA-F)는 FTTH(Fiber To The Home) 광섬유 분배 시스템(FTTH1 내지 FTTHn) - 각각이 하나 이상의 보드(Board11, Board12 내지 Boardn1)를 각각 포함함 - 과 같은 몇개의 광 DSLAM(Digital Subscriber Line Access Multiplexer)에 연결되어 있다.

각각의 보드는 각각이 광섬유 및 ODN(Optical Distribution Network)을 통해 한 세트의 ONT(Optical Network Terminal)에 결합되어 있는 2개의 OLT(Optical Line Terminator)를 포함한다.

도 2 내지 도 6의 예에서, 광 네트워크 분석기(NA-F)는 몇개의 FTTH(Fiber To The Home) 광섬유 분배 시스템(FTTH1 내지 FTTHn)에 연결되어 있다.

FTTH(Fiber To The Home) 광섬유 분배 시스템(FTTH1)은 상이한 유형의 2개의 보드: 보드 유형 A의 Board1A 및 보드 유형 B의 Board1B를 포함한다.

Board1A는 광섬유(OF1A1)를 통해 광 분배 네트워크(ODN1A1)에 연결되어 있는 제1 광 회선 종단기(OLT1A1) 및 또다른 광섬유(OF1A2)를 통해 다른 광 분배 네트워크(ODN1A2)에 연결되어 있는 제2 광 회선 종단기(OLT1A2)를 가진다.

광 분배 네트워크(ODN1A1)는 또한 4개의 광 네트워크 단말(유형 1의 ONT1A1111, 유형 2의 ONT1A1122, 유형 3의 ONT1A1213, 및 유형 4의 ONT1A1224)에 연결되어 있는 반면, 광 분배 네트워크(ODN1A2)는 또한 4개의 광 네트워크 단말(유형 1의 ONT1A2111, 유형 2의 ONT1A2122, 유형 3의 ONT1A2213, 및 유형 4의 ONT1A2224)에 연결되어 있다.

보다 상세하게는, 광 분배 네트워크(ODN1A1)는 광섬유(OF1A1)가 연결되어 있고 또한 각자의 광섬유(OF1A101 및 OF1A102)를 통해 스플리터(SP1A11 및 SP1A12)에 연결되어 있는 스플리터(SP1A10)를 포함한다. 스플리터(SP1A11)는 각자의 광섬유(OF1A111 및 OF1A112)를 통해 광 네트워크 단말(ONT1A1111 및 ONT1A1122)에 연결되어 있는 반면, 스플리터(SP1A12)는 각자의 광섬유(OF1A121 및 OF1A122)를 통해 광 네트워크 단말(ONT1A1213 및 ONT1A1224)에 연결되어 있다. 유사하게, 광 분배 네트워크(ODN1A2)는 광섬유(OF1A2)가 연결되어 있고 또한 각자의 광섬유(OF1A201 및 OF1A202)를 통해 스플리터(SP1A21 및 SP1A22)에 연결되어 있는 스플리터(SP1A20)를 포함한다. 스플리터(SP1A21)는 각자의 광섬유(OF1A211 및 OF1A212)를 통해 광 네트워크 단말(ONT1A2111 및 ONT1A2122)에 연결되어 있는 반면, 스플리터(SP1A22)는 각자의 광섬유(OF1A221 및 OF1A222)를 통해 광 네트워크 단말(ONT1A2213 및 ONT1A2224)에 연결되어 있다.

FTTH(Fiber To The Home) 광섬유 분배 시스템(FTTH1)의 Board1B는 광섬유(OF1B1)를 통해 광 분배 네트워크(ODN1B1)에 연결되어 있는 제1 광 회선 종단기(OLT1B1) 및 또다른 광섬유(OF1B2)를 통해 다른 광 분배 네트워크(ODN1B2)에 연결되어 있는 제2 광 회선 종단기(OLT1B2)를 가진다.

광 분배 네트워크(ODN1B1)는 또한 4개의 광 네트워크 단말(유형 1의 ONT1B1111, 유형 2의 ONT1B1122, 유형 3의 ONT1B1213, 및 유형 4의 ONT1B1224)에 연결되어 있는 반면, 광 분배 네트워크(ODN1B2)는 또한 2개의 광 네트워크 단말(유형 1의 ONT1B2111 및 유형 2의 ONT1B2122)에 연결되어 있다.

보다 상세하게는, 광 분배 네트워크(ODN1B1)는 광섬유(OF1B1)가 연결되어 있고 또한 각자의 광섬유(OF1B101 및 OF1B102)를 통해 스플리터(SP1B11 및 SP1B12)에 연결되어 있는 스플리터(SP1B10)를 포함한다. 스플리터(SP1B11)는 각자의 광섬유(OF1B111 및 OF1B112)를 통해 광 네트워크 단말(ONT1B1111 및 ONT1B1122)에 연결되어 있는 반면, 스플리터(SP1B12)는 각자의 광섬유(OF1B121 및 OF1B122)를 통해 광 네트워크 단말(ONT1B1213 및 ONT1B1224)에 연결되어 있다. 광 분배 네트워크(ODN1B2)는 광섬유(OF1B2)가 연결되어 있고 또한 각자의 광섬유(OF1B211 및 OF1B212)를 통해 광 네트워크 단말(ONT1B2111 및 ONT1B2122)에 연결되어 있는 스플리터(SP1B21)를 포함한다.

마지막으로, FTTH(Fiber To The Home) 광섬유 분배 시스템(FTTHn)은 보드 유형 A의 하나의 보드(BoardnA)를 포함한다.

BoardnA는 광섬유(OFnA1)를 통해 광 분배 네트워크(ODNnA1)에 연결되어 있는 제1 광 회선 종단기(OLTnA1) 및 또다른 광섬유(OFnA2)를 통해 다른 광 분배 네트워크(ODNnA2)에 연결되어 있는 제2 광 회선 종단기(OLTnA2)를 가진다.

광 분배 네트워크(ODNnA1)는 또한 4개의 광 네트워크 단말(유형 1의 ONTnA1111, 유형 5의 ONTnA1125, 유형 3의 ONTnA1213, 및 유형 2의 ONTnA1222)에 연결되어 있는 반면, 광 분배 네트워크(ODNnA2)는 또한 2개의 광 네트워크 단말(유형 3의 ONTnA2113 및 유형 2의 ONTnA2122)에 연결되어 있다.

보다 상세하게는, 광 분배 네트워크(ODNnA1)는 광섬유(OFnA1)가 연결되어 있고 또한 각자의 광섬유(OFnA101 및 OFnA102)를 통해 스플리터(SPnA11 및 SPnA12)에 연결되어 있는 스플리터(SPnA10)를 포함한다. 스플리터(SPnA11)는 각자의 광섬유(OFnA111 및 OFnA112)를 통해 광 네트워크 단말(ONTnA1111 및 ONTnA1125)에 연결되어 있는 반면, 스플리터(SPnA12)는 각자의 광섬유(OFnA121 및 OFnA122)를 통해 광 네트워크 단말(ONTnA1213 및 ONTnA1222)에 연결되어 있다. 광 분배 네트워크(ODNnA2)는 광섬유(OFnA2)가 연결되어 있고 또한 각자의 광섬유(OFnA211 및 OFnA212)를 통해 광 네트워크 단말(ONTnA2113 및 ONTnA2122)에 연결되어 있는 스플리터(SPnA21)를 포함한다.

실제로, 그 중에서도 특히, FTTN(Fiber To The Node), FTTH(Fiber To The Home), 또는 FTTx(Fiber To The x)(여기서 x는 사용자, 경계석, 건물 등일 수 있음)일 수 있는 각각의 "광 DSLAM"에 속하는 PON에 관련되는 물리 계층 동작 데이터가 광 네트워크 분석기(NA-F)의 진단 엔진에 의해 수집, 가져오기 및 처리될 수 있다는 것에 주목한다. 이러한 양의 실세계 및 네트워크 전체에 걸친 데이터가 지식 발견을 위해 널리 사용될 수 있고, 따라서 진단 시스템을 제안하게 된다.

진단 엔진에 의해 실현되는 고장 검출 방법 또는 데이터 분석의 실시예는, 상이한 유형의 장비 및 상호운용성 문제와 관련하여, 절단된 광섬유 또는 불량 커넥터와 같은 잠재적인 물리적 결함의 검출 및 위치 확인에 있다.

보다 상세하게는, 상이한 유형의 문제는, 동작 데이터에서 보여지는 그의 징후와 함께, 다음과 같이 정의될 수 있다:

- (설계상) 보드 결함: 상이한 종류의 ONT를 피드하는 주어진 유형의 보드는, 이들이 연결되어 있는 대부분의 PON에서, 유사한 PON에서의 다른 유형의 보드에 대한 특정의 문제가 없을 때, 약간이지만 상당히 증가하는 비트 에러율(BER)을 야기한다. 개념적으로, 도 2에 도시된 바와 같이, 설계상 결함을 야기하는 보드(여기서 유형 A)는, 다른 보드에 연결된 ONT에 의해 야기되는 낮은 안정된 BER에 비한, 대부분의 그의 ONT와의 통신에서의 약간의 BER 증가에 의해 식별될 수 있다;

- 오염된/손상된 보드: 다른 종류의 ONT를 피드하는 특정의 보드는, 그 각자의 특정의 PON에서, 동일한 유형의 보드가 그의 BER에서의 이러한 상당한 증가를 야기하지 않을 때, 약간이지만 상당히 증가하는 비트 에러율(BER)을 야기한다. 도 3에 도시된 바와 같이, 오염된 보드는, 다른 보드 - 동일한 유형이든 그렇지 않든 관계 없음 - 에 연결된 ONT에 의해 야기되는 낮은 안정된 BER에 비한, 그 각자의 PON에 속하는 대부분의 그의 ONT와의 통신에서의 약간의 BER 증가에 의해 식별될 수 있다;

- (설계상) ONT 결함: 상이한 종류의 보드 유형에 의해 피드되는 주어진 유형의 ONT는, 이들이 연결되어 있는 대부분의 PON에서, 유사한 PON에서의 다른 유형의 ONT에 대한 특정의 문제가 없을 때, 약간이지만 상당히 증가하는 비트 에러율(BER)을 야기한다. 개념적으로, 도 4에 도시된 바와 같이, 결함을 야기하는 ONT 유형은, 다른 유형의 연결된 ONT에 의해 야기되는 안정된 BER에 비한, 대부분의 보드와의 통신에서의 약간의 BER 증가에 의해 식별될 수 있다;

- 주어진 유형의 ONT와 주어진 유형의 보드 사이의 상호운용성 문제: 유사한 PON에서 다른 유형의 보드 및 ONT에 대한 특정의 문제가 없을 때, 상이한 PON에서 약간이지만 상당히 증가하는 비트 에러율(BER)이 발견된다. 개념적으로, 도 5에 도시된 바와 같이, 주어진 유형의 보드와 주어진 유형의 ONT 사이의 상호운용성 문제는, 다른 유형의 연결된 ONT에 의해 야기되는 안정된 BER에 비한, 현재의 유형의 보드와의 통신에서의 약간의 BER 증가에 의해 식별될 수 있다;

- 물리적 결함: 주어진 PON 분기에 속하는 대부분의 ONT는, 그의 제조업체 또는 유형에 전혀 의존함이 없이, 다른 PON에서 일어나는 통상적인 거동에 비해 상당하고 높게 증가하는 BER을 야기한다. 주어진 PON에 대한 영향을 받는 ONT의 수에 따라, 이러한 물리적 결함의 가능한 위치가 추론될 수 있다. 개념적으로, 도 6에 도시된 바와 같이, 물리적 결함이 일부 ONT와 주어진 OLT 사이의 높은 BER 증가에 의해 식별될 수 있다. 이러한 결함의 위치에 관한 추론이 또한 수행될 수 있다.

본 실시예가 BER 파라미터에만 의존하지만, 예컨대, BEC(Bit Error Counter)와 같은 다른 파라미터를 개별적으로 또는 서로 결합하여 사용하는 것이 또한 가능하다.

현장 결과로부터 알게 된 이 지식을 고려하여, 문제들을 구별하기 위해 따라서 PON 동작 데이터에 기초한 진단 엔진을 제공하기 위해, 전문가 시스템을 제안하는 것이 가능하게 된다. 진단 엔진의 구축 및 사용은, 앞서 이미 언급한 바와 같이, 다음과 같이 나누어져 있다.

- 네트워크 전체에 걸친 PON 동작 파라미터 및 구조 정보를 수집할 수 있는 데이터 수집;

- 오프라인으로 수행될 수 있는 훈련 단계는 진단을 수행할 수 있는 전문가 시스템을 제공하기 위해 동작 파라미터를 어떻게 결합시킬지를 학습한다. 이러한 전문가 시스템은 결정 트리, 베이지안 네트워크 또는 다변량 분류 기법을 사용하여 구현될 수 있다;

- 선택된 포트의 앞으로 나올 동작 파라미터가 진단을 받기 위해 훈련된 전문가 시스템에 요청하는 테스트 단계.

실제로, 본 고장 검출 방법을 실행하는 진단 엔진에 의해 생성되고 사용되는 전문가 시스템은 다음과 같은 동작 파라미터를 입력으로서 사용하여 설계되고:

- 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

- ONT 유형

- OLT 유형

- 보드 유형

- ONT 포트 식별자

- OLT 포트 식별자

- 보드 식별자

PON 동작 데이터로부터의 근본 원인 진단 출력을 반환하기 위해 결합된다. 이들 진단 출력은 장비 문제, 상호운용성 문제, 물리적 결함 위치 등을 포함한다. 이러한 진단 엔진의 가능한 구현의 표현이 도 7에 개략적으로 나타내어져 있다. 동 도면에서, 전문가 시스템(ES)의 입력은 3가지 상이한 유형의 동작 파라미터, 각각, 장비 유형에 관련된 동작 파라미터에 대한 IN-PARAM-EQ, 서비스 품질에 관련된 동작 파라미터에 대한 IN-PARAM-QoS 및 토폴로지에 관련된 동작 파라미터에 대한 IN-PARAM-TOPO로 이루어져 있다. 이들 입력은 앞서 언급하고 특정의 포트에 속하는 동작 파라미터에 대응한다. 상이한 근본 원인을 식별하는 적당한 진단 출력(DIAG-OUT), 즉 장비 문제에 관련된 원인에 대한 OUT-EQ, 상호운용성 문제에 대한 OUT-INT, 물리적 결함에 대한 OUT-PHY 및 그의 위치(OUT-LOC)를 제공하기 위해, 전문가 시스템(EP)가 훈련되어야만 한다. 그를 위해, 네트워크 전체에 걸친 동작 파라미터를 포함하는 데이터베이스(DB)가 사용된다.

본 고장 검출 방법을 실행하는 진단 엔진의 이점은 다음과 같다:

- 기술 도구 데이터 또는 메모리에 저장되어 있는 OLT(optical line terminal) 또는 ONT(optical network terminal)에 관한 이전의 정보와 상관시킬 필요가 없음;

- 이론적 모델이 필요 없이, 네트워크 전체에 걸친 현장 데이터로부터 학습이 수행됨;

- 측정치와 기술 도구 데이터를 비교하는 통계적 방식이 필요 없음;

- 주어진 ONT(optical network terminal)(또는 심지어 주어진 OLT의 ONT)에 대해 주기적 측정이 필요하지 않고, 단일의 포트 과도 분석 대신에 네트워크 전체에 걸친 스냅샷 방식이 사용됨;

- 주어진 OLT(optical line terminal) 포트(및 모든 그의 ONT)로 제한되지 않고 네트워크 전체에 걸친 방식에 중점을 두고 있음. 이것은 장비 및 상호운용성 문제 및 하나의 특정의 OLT(optical line terminal) 포트에서 일어나는 문제에 관한 보다 광의적인 결론을 가능하게 한다.

마지막으로, 본 발명의 실시예는 이상에서 기능 블록과 관련하여 기술되어 있다. 이상에 주어져 있는 이들 블록의 기능적 설명으로부터, 전자 디바이스 설계의 기술 분야의 당업자에게는 이들 블록의 실시예가 공지된 전자 구성요소로 어떻게 제조될 수 있는지가 명백할 것이다. 따라서, 기능 블록의 내용에 대한 상세한 구조는 주어져 있다.

본 발명의 원리가 특정의 장치와 관련하여 앞서 기술되어 있지만, 이 설명이 첨부된 특허청구범위에 한정되는 본 발명의 범위에 대한 제한이 아니라 단지 예로서 주어져 있다는 것을 명확히 이해하여야 한다.

Claims

통신 시스템에서의 광 네트워크에 대한 고장(fault) 검출 방법으로서,
상기 광 네트워크의 동작 파라미터들을 수집하는 단계,
상기 광 네트워크의 구조에 관한 정보를 수집하는 단계,
상기 구조 정보 및 상기 동작 파라미터들을 분석하는 진단 엔진에 의해 진단 출력들을 제공하는 단계, 및
상기 진단 출력들로부터 광 네트워크 고장을 도출하는 단계
를 포함하는 것을 특징으로 하는 고장 검출 방법.
제1항에 있어서, 상기 방법은 상기 수집된 동작 파라미터들 및 상기 수집된 구조 정보를 데이터베이스(DB)에 저장하는 단계를 더 포함하는 것을 특징으로 하는 고장 검출 방법.
제1항에 있어서, 상기 동작 파라미터들은 상기 광 네트워크에서 사용되는 장비에 관련되는 것을 특징으로 하는 고장 검출 방법.
제1항에 있어서, 상기 동작 파라미터들은 상기 광 네트워크의 서비스 품질(Quality-of-Service)에 관련되는 것을 특징으로 하는 고장 검출 방법.
제1항에 있어서, 상기 동작 파라미터들은 상기 광 네트워크의 아키텍처에 관련되는 것을 특징으로 하는 고장 검출 방법.
제1항에 있어서, 상기 진단 출력들은 결정 트리들(decision trees)을 사용하여 상기 진단 엔진에 의해 발생되는 것을 특징으로 하는 고장 검출 방법.
제1항에 있어서, 상기 진단 출력들은 베이지안 네트워크 기법(Bayesian network techniques)을 사용하여 상기 진단 엔진에 의해 발생되는 것을 특징으로 하는 고장 검출 방법.
제1항에 있어서, 상기 진단 출력들은 다변량 분류 기법(multivariate classification techniques)을 사용하여 상기 진단 엔진에 의해 발생되는 것을 특징으로 하는 고장 검출 방법.
제1항에 있어서, 상기 광 네트워크의 구조에 관한 정보를 수집하는 단계는 오프라인으로 수행되는 것을 특징으로 하는 고장 검출 방법.
통신 시스템의 광 네트워크에서의 고장 검출을 위한 진단 엔진으로서,
상기 진단 엔진은 상기 광 네트워크의 동작 파라미터들 및 상기 광 네트워크의 구조에 관한 정보를 수집하도록 구성되고, 상기 진단 엔진은 진단 출력들 - 상기 진단 출력들로부터 광 네트워크 고장이 도출됨 - 을 제공하도록 구성되는 것을 특징으로 하는 진단 엔진.
제10항에 있어서, 상기 진단 엔진은 상기 동작 파라미터들 및 상기 구조 정보를 저장하도록 구성되는 데이터베이스(DB)에 연관되는 것을 특징으로 하는 진단 엔진.
제10항에 있어서, 상기 진단 엔진은 결정 트리들 또는 베이지안 네트워크 기법에 따라 동작하는 것을 특징으로 하는 진단 엔진.
제10항에 있어서, 상기 진단 엔진은 다변량 분류 기법에 따라 동작하는 것을 특징으로 하는 진단 엔진.
제10항에 있어서, 상기 진단 엔진은 네트워크 분석기의 일부를 형성하는 것을 특징으로 하는 진단 엔진.