21
Zavod za telekomunikacije Zagreb, srpanj 2013. 1 od 21 DIPLOMSKI RAD br. 530 DIPLOMSKI RAD br. 530 MONTE CARLO SIMULACIJA MONTE CARLO SIMULACIJA KVAROVA OPTIČKIH KVAROVA OPTIČKIH PROSPOJNIKA PROSPOJNIKA Vedran Kosalec

Monte Carlo simulacija kvarova optickih prospojnika

Embed Size (px)

DESCRIPTION

Arhitekturom na zahtjev s mogućnošću samoobnavljanja poboljšava se funkcionalnost i povećava raspoloživost optičkih prospojnika kao dijelova optičkih čvorova u optičkoj telekomunikacijskoj mreži. Kreiranjem modela kvarova i implementacijom Monte Carlo simulacije nad tim modelom omogućava se određivanje raspoloživosti različitih arhitektura optičkih prospojnika koji koriste arhitekturu na zahtjev...

Citation preview

Page 1: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

Zagreb, srpanj 2013. 1 od 21

DIPLOMSKI RAD br. 530DIPLOMSKI RAD br. 530

MONTE CARLO SIMULACIJA MONTE CARLO SIMULACIJA KVAROVA OPTIČKIH KVAROVA OPTIČKIH

PROSPOJNIKAPROSPOJNIKA

Vedran Kosalec

Page 2: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

Zagreb, srpanj 2013. 2 od 21

SadržajSadržaj

Motivacija Arhitektura na zahtjev Monte Carlo simulacija

klasa komponenta ulazna datoteka obrada ulazne datoteke simulacija statistika simulacije

Rezultati Zaključak

Page 3: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MotivacijaMotivacija

optičko vlakno kao prijenosni medij (brzina ...) sveoptička komutacija Big Data SLA svaka aplikacija = svoj profil prometa poboljšanje funkcionalnosti povećanje raspoloživosti smanjenje katastrofalnih kvarova

Zagreb, srpanj 2013. 3 od 21

Page 4: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

Zagreb, srpanj 2013. 4 od 21

izvor: [1]

Page 5: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

Arhitektura na zahtjev (Arhitektura na zahtjev (engl. AoDengl. AoD))

rješava probleme fiksne arhitekture ograničena dogradivost ograničena skalabilnost ograničena potpora novim funkcionalnostima

sjetimo se svaka aplikacija = svoj profil prometa = svoj način zauzimanja mrežnih resursa

najveća prednost = mogućnost samoobnavljanja uklanjanje kvara bez ljudske intervencije nastavak rada čvora i u slučaju kvara

Zagreb, srpanj 2013. 5 od 21

Page 6: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

Arhitektura na zahtjev (Arhitektura na zahtjev (engl. AoDengl. AoD))

Zagreb, srpanj 2013. 6 od 21

izvor: [2]

izvor: [3]

izvor: [4]

Page 7: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

Monte Carlo simulacijaMonte Carlo simulacija

Monako kockarnica generator slučajnih br. u radu se korisiti ova simulacijska metoda

jer su analitičke presložene za veći broj varijabli

tijek1. za svaku komponentu generiraju se TTF i TTR

2. prema scenariju zaštite ili obnavljanja i raspoloživosti

3. učinci kvara ili popravka se propagiraju kroz sustav

4. ako kvar ili popravak utječe na pojedinu komponentu

5. dolazi do promjene njezinog stanja

pritom = vodi se statistika računa se kumulativno vrijeme ispravnog stanja

Zagreb, srpanj 2013. 7 od 21

Page 8: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MC - komponentaMC - komponenta

osnovni kostur i podloga = klasa nakon obrade ulazne datoteke

instanciranje svake potrebne komponente

brojači portova, pripadnosti pojedinim konekcijama, kvarova, ...

parametri intenzitet kvarova, vrijeme do kvara, vrijeme do popravka, ...

funkcije postavi parametre, generiraj TTF, generiraj TTR,

dodaj pripadnost konekciji, ...

Zagreb, srpanj 2013. 8 od 21

Page 9: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MC - komponentaMC - komponenta

Zagreb, srpanj 2013. 9 od 6

Page 10: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MC – ulazna datotekaMC – ulazna datoteka

obična .txt datoteka 1 redak = 1 konekcija

svaka konekcija mora završavati znakom „\n”

konekcija = niz komponenti koje su njen sastavni dio komponenta = 6-znamenkasti kod

1 znamenka = vrsta komponente 2 znamenke = koja vrata (engl. port) se koriste 3 znamenke = jedinstveni broj komponente

u slučaju redundantnih elemenata u posebnom retku odvojeni praznim redom

Zagreb, srpanj 2013. 10 od 21

Page 11: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

Zagreb, srpanj 2013. 11 od 21

MC – ulazna datotekaMC – ulazna datoteka

Page 12: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MC – obrada ulazne datotekeMC – obrada ulazne datoteke

ideja = pročitati 6 znakova obrada te komponente pročitati idućih 6 znakova itd...

cilj: strukturu prospojnika prebaciti

.txt memorija računala

koliko konekcija sadrži struktura prebrojati komponente postaviti inicijalne parametre komponenata dodati komponente pripadajućim konekcijama saznati ima li redundancije

Zagreb, srpanj 2013. 12 od 21

Page 13: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MC – simulacijaMC – simulacija

temelji se na obradi događaja nalaze se u listi događaja

prilikom pokretanja = sve ispravno lista se puni vremenima do kvara za svaku komponentu sortiranje vremena

obrađuje se 1. događaj u listi otkriva se kojoj komponenti pripada događaj radi li se o kvaru ili popravku komponente postavljaju se brojači generiraju se nova vremena za tu komponentu ažurira se vrijeme u kojem je sustav ispravan

Zagreb, srpanj 2013. 13 od 21

Page 14: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MC – simulacijaMC – simulacija

kvar obrada u ovisnosti o dostupnosti redundantnih elemenata postavlja se zastavica* radi li se o katastrofalnom kvaru prema potrebi

generira se TTR za tu komponentu ažurira se lista događaja istraži se koje sve konekcije su zahvaćene kvarom

popravak zastavica* se vraća u stanje = nije kvar generira se TTF i ubacuje na listu događaja

Zagreb, srpanj 2013. 14 od 21

Page 15: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MC – simulacijaMC – simulacija

Zagreb, srpanj 2013. 15 od 21

ažuriranje vremena = razlika vrsim i vrsim0

Page 16: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

MC – statistika MC – statistika

koje vrijeme je odsimulirano

koliko događaja je obrađeno

trajanje simulacije

vrijeme koliko je koja konekcija bila ispravna [%]

broj ispravnih konekcija po razredima

ukupan broj kvarova tijekom simulacije

po vrsti komponente analiza kvarova

Zagreb, srpanj 2013. 16 od 21

Page 17: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

Zagreb, srpanj 2013. 17 od 6

Page 18: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

RezultatiRezultati

Zagreb, srpanj 2013. 18 od 21

Page 19: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

RezultatiRezultati

Zagreb, srpanj 2013. 19 od 21

Page 20: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

ZaključakZaključak

AoD poboljšava funkcionalnost i raspoloživost veća fleksibilnost (svaka aplikacija svoj profil prometa)

C++ simulator >>> nekoliko puta brži od Java simulatora vrijeme trajanja simulacije

raste eksponencijalno s povećanjem simuliranog vremena broja događaja strukture prospojnika

za kvalitetne i precizne rezultate potrebno simulirati = barem 109 sati

Zagreb, srpanj 2013. 20 od 21

Page 21: Monte Carlo simulacija kvarova optickih prospojnika

Zavod za telekomunikacije

LiteraturaLiteratura

[1] Ericsson, veljača 2013. [2] N. Amaya, G. S. Zervas, D. Simeonidou, “Architecture on

Demand for Transparent Optical Networks”, ICTON 2011.

[3] Garrich, M. Power Consumption Analysis of Architecture on Demand. 2012., paper P5.06

[4] Džanko, M. FKT prikaznice s predanja. Optičke komutacijske tehnologije. FER, ZTEL, 2012

Zagreb, srpanj 2013. 21 od 21