Ορισμός και εφαρμογή δεικτών αξιοπιστίας σε πληροφοριακά δίκτυα και ανάπτυξη λογισμικού υποστήριξης

Abstract

Η θεωρία της αξιοπιστίας που έχει εφαρμοστεί στην εκτίμηση της απόδοσης μηχανικών, ηλεκτρικών αλλά και άλλων συστημάτων χρησιμοποιείται στην παρούσα διατριβή για την παραγωγή μιας σειράς δεικτών αξιοπιστίας για τηλεπικοινωνιακά δίκτυα. Οι δείκτες αυτοί που βασίζονται στην μοντελοποίηση με Μαρκοβιανές αλυσίδες και στην εφαρμογή σύγχρονων τεχνικών επίλυσης γραμμικών συστημάτων, βοηθούν στην εκτίμηση των επιδόσεων μιας σειράς συνδεδεμένων δικτυακών πόρων λαμβάνοντας υπ' όψιν την δυναμική τους σε σχέση με δύο επίπεδα: Την εκτίμηση της απώλειας των διακινούμενων δεδομένων σε ένα δίκτυο υπό την προϋπόθεση ότι αυτό θα συνεχίσει να λειτουργεί υπό την υπάρχουσα διαμόρφωση και την μελέτη της αλληλεπίδρασης παραγόντων όπως οι διακοπές λειτουργίας σε σχέση με τον πραγματικό όγκο δεδομένων που διακινούνται ή την εκτίμηση που σχηματίζουν οι χρηστές όσον αφορά τις παρεχόμενες προς αυτούς δικτυακές υπηρεσίες. Στα πλαίσια της έρευνας αναπτύχθηκε ένα λογισμικό που υπολογίζει τους δείκτες αξιοπιστίας οι οποίοι ορίστηκαν και παρουσιάζεται ένας οδηγός σχετικά με το πως κάνοντας χρήση δεδομένων που συλλέγονται από τον πραγματικό χώρο μπορούμε να εντοπίσουμε τις προβληματικές μονάδες ενός δικτύου, να προτείνουμε λύσεις για την βελτίωση της επικοινωνίας και να αξιολογήσουμε μια σειρά εναλλακτικών επενδύσεων.

Reliability theory has been successfully applied for the evaluation of mechanical, electrical or other systems. In the current research we deal with Markov chains and iterative numerical methods that solve linear systems in order to produce reliability indicators that provide two sources of information: The estimation of data loss inside a telecommunications network and the relation of this loss to the traffic or to the user's estimation for the availability of the provided network services. During the research a software is developed which calculates the reliability indicators that were defined. The calculation is applied in a real environment and a case study guides us how to locate the interfaces that causes problems inside an observed network and how can we use this information in order to evaluate a network and to provide an investment proposal.