CC BY
0
Сск 10.36724/2409-5419-2024-16-2-20-26
МЕТОДИКА ОЦЕНКИ ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ ДИАГНОСТИКИ СРЕДСТВ И СЕТЕЙ СВЯЗИ
ШЕРСТНЕВА Алина Анатольевна1
ШЕРСТНЕВА Ольга Григорьевна 2
Сведения об авторах:
1 Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, г Санкт-Петербург Россия, shers7neva@gmail.ccm
АННОТАЦИЯ
Введение: При наблюдении за функционированием как инфокоммуникационных сетей в целом, так и за отдельными сетевыми элементами системой диагностики фиксируются все случайные события, связанные с их работоспособностью. Негативными последствиями этих событий являются отказы, полные или частичные, неисправности, сбой программного обеспечения, ошибки, вызванные как внешними факторами, так и внутрисистемными процессами. Для интеграции параметров надежности функционирования сети используется комплексный показатель -коэффициент готовности. В его состав входят единичные показатели, характеризующие только одно свойство надежности сетевого функционирования. Методы: при расчете комплексного показателя необходимо учитывать тот факт, что система диагностики, являющаяся самостоятельной системой, также подвергается как внешнему, так и внутреннему воздействию. Значит параметры, оценивающие достоверность ее работы, и вероятность ошибочно принятых решений по восстановлению условно неработоспособных сетевых элементов должны входить в качестве единичных показателей в состав комплексной оценки готовности сети предоставлять услуги связи. Ошибочно принятые решения системой автоматической диагностики корректируются в процессе выполнения восстановительных работ путем проведения дополнительных, более углубленных методик тестирования. Результаты: В статье выявлены аналитические зависимости величины комплексных показателей надежности от вероятностей ошибок системы диагностики. Приведены математические модели функционирования сетевого объекта и рассчитаны аналитические выражения для случая полностью достоверной и частично недостоверной работы системы диагностики. Приведены выведенные графики зависимости вероятностей и диаграмма оценки вероятности ошибок системы диагностики.
2 к.т.н., Сибирский государственный университет телекоммуникаций и информатики, г. Новосибирск, Россия, c.g.sherstneva@ya.ru
КЛЮЧЕВЫЕ СЛОВА: инфокоммуникационные системы, диагностика, коэффициент готовности, математическая модель, ошибка диагностики, надежность, показатели надежности.
Для цитирования: Шерстнева А.А., Шерстнева О.Г. Методика оценки функционирования системы диагностики средств и сетей связи // Наукоемкие технологии в космических исследованиях Земли. 2024. Т. 16. № 2. С. 20-26. Сск 10.36724/2409-5419-2024-16-2-20-26
М. 16. N0. 2-2024 И&ЕБ РЕБЕАРОИ
ЯР TE0ИN0L0GY AND 00MMUNI0ATI0N
Введение
К сложному оборудованию телекоммуникационных систем и сетей с централизованным управлением функционирования и контроля предъявляются высокие требования к качеству обслуживания. Основными значениями, вводимыми в алгоритмы и методики расчета показателей качества, являются статистические данные системы диагностики. И, если, алгоритмы и методы являются проверенным средством выполняемых вычислений, то вводимые данные не всегда являются безусловно достоверными.
Этому есть логическое объяснение. Во-первых, разброс получаемых значений одного и того же параметра может быть очень велик и не всегда есть возможность принять однозначное решение по его реальной величине. Во-вторых, количество самих измеряемых параметров хотя и ограниченно, тем не менее, исчисляется сотнями. Причем параметры, имеющие одинаковое название, но относящиеся к разным устройствам, например, к узлу доступа и к узлу коммутации имеют разные требования к их граничным значениям. И, наконец, ошибки в программном обеспечении не всегда однозначно идентифицируются. Например, программный сбой вызывает неправильное выполнение процедуры согласования баз данных. Причина данной ошибки может быть вызвана не верным согласованием таблиц в базе данных. Ряд одних и тех же данных используется в разных базах данных и одновременно в нескольких таблицах баз данных.
В некоторых таблицах данные взаимосвязаны. Поэтому первоначально необходимо ввести так называемые исходные данные, а затем те, что с ними связаны. Исходные данные также подлежат проверке на исправление и согласованность после обнаружения, например, программного сбоя. Для каждого пользователя в программном обеспечении установлена защита от ввода несанкционированных данных или данных, которые не соответствуют установленным правилам и порядку ввода. На крайний случай существует резервная копия базы данных. Однако повторная загрузка данных также чревато негативными последствиями, поскольку может содержать те или иные недопустимые действия. Право на осуществление контроля обычно имеет только системный администратор, а на вывод или считывание информации имеют все допущенные им пользователи.
Следует также учитывать и то, что запуск систем измерений, как правило, осуществляется по расписанию, установленному самой системой диагностики. Одновременно нельзя осуществлять процедуру измерений по разным параметрам на одних и тех же устройствах. Поэтому процесс комплексной диагностики может продлиться неопределенной время. Если в системе диагностики наблюдаются какие-то неисправности или временные сбои, то полученные результаты продемонстрируют не верное представление о работе системы в целом.
Таким образом, оценка работы системы диагностики является отдельной задачей в области телекоммуникаций. Актуальность ее решения продиктована и существующим соглашением об уровне обслуживания ме^ду поставщиком услуги и потребителем.
Постановка задачи
Задача формулируется как разработка методики расчета показателей системы диагностики на предмет выявления ошибок первого, второго рода [ГОСТ Р 27.102-2021. Надежность в технике. Надежность объекта. Термины и определения. Национальный стандарт Российской Федерации. ЗАО «НИЦ КД», дата введения 01.01.2022, 40с].
Однако прежде, чем разрабатывать методику расчета этих показателей необходимо выполнить расчет коэффициента недоступности к сетевым услугам и среднее время недоступности услуг в условиях, когда система диагностики работает идеально. Обозначенная задача решается с помощью математической модели, представленной как граф состояний объекта контроля (рис. 1), находящегося в состоянии диагностики его работоспособности.
Рис. 1. Математическая модель при достоверной работе системы диагностики
При рассмотрении процесса жизнедеятельности сетевого объекта с точки зрения надежности его работы основной целью системы диагностики является фиксирование неисправности. Под неисправностью здесь будем понимать, как, собственно, сам термин «неисправность» в соответствии с ГОСТ Р 27.102-2021 (Надежность в технике. Надежность объекта. Термины и определения. Национальный стандарт Российской Федерации. ЗАО «НИЦ КД», дата введения 01.01.2022,40 е.), так и отказ любого вида, в том числе и частичный функциональный отказ.
В случае допущения о том, что система диагностики работает безошибочно, считаем, что с вероятностью равной единице фиксируются все отказы, обнаруживаемые при выполнении как временного контроля, так и постоянного. Отметим, что в понятие «временной контроль» здесь включен контроль, производимый как системой автоматической диагностики, так и обслуживающим персоналом в качестве контроля по требованию.
В математической модели рисунка 1, приведенной для этого случая, в отдельные состояния выделены два основных состояния: исправное состояние объекта контроля (ОКИ) и неисправное (ОКН).
В состояние ОКН объект переходит в двух случаях. Первый - это когда система постоянного контроля не выявляет полный отказ из-за ограниченной глубины контроля. Второй - это частичный функциональный отказ объекта, который не приводит к полному отказу, однако некоторые рабочие функции объект не выполняет. Таким образом, при первичном временном контроле, выполняемом по параметрам, обеспечивающим жизнеспособность объекта, отказ не был обнаружен. Согласно ГОСТ Р 27.102-2021 (Надежность в технике. Надежность объекта. Термины и определения. Национальный стандарт Российской Федерации. ЗАО «НИЦ КД», дата введения 01.01.2022,40 с.) такое состояние объекта относится к частично неработоспособному состоянию. А обнаружен такой отказ может быть также в двух случаях. Либо в случае, когда частичный отказ приводит к полному отказу, который выявляется постоянным контролем. Либо последствия частичного отказа таковы, что будут выявлены при более детальном временном контроле, выполняемым, в том числе, и обслуживающим персоналом.
Также отдельными состояниями являются состояние диагностики (Д) и состояние восстановления (В). Переходы из одного состояния в другое маркированы в соответствии с логикой происходящих событий. Переменной случайной величиной ю отмечена интенсивность восстановления, переменными ивийп - интенсивность выполнения временного и постоянного контроля, переменными уид- интенсивность выполнения временного контроля и его завершения.
Целью исследований является расчет комплексных показателей надежности, таких как среднее время нахождения объекта контроля в состоянии неготовности к выполнению всех или части выполняемых им функций и коэффициент готовности/неготовности, первоначально, при идеальных условиях эксплуатации и абсолютно надежной работе системы диагностики. Результатом исследований - выявление аналитических зависимостей комплексных показателей надежности от случайных величин, которые в рассматриваемом случае проявляются в виде интенсивностей отказов и восстановлений. Выполненный расчет произведен на основе метода, изложенного в [1]. Получены следующие аналитические выражения:
<а(ад +у) — юсо п кг =-.
+/) + О л + /)'
кнг = 1 - кг =
юсоп+юд (ап + у) а(ад + /) + ад (ап + у)
tH =
а,
Однако, поскольку сама система диагностики также является системой, подверженной разного рода неисправностям, в том числе и кратковременным сбоем программного обеспечения, который фиксируется как случайное событие, вызванное несогласованностью вводимых данных, результаты ее работы могут быть недостоверны. В этом случае математическая модель должна быть скорректирована так, как показано на рисунке 2, т.е. в ней учтены параметры, характеризующие работу системы диагностики на предмет достоверности полученных результатов проверки.
Обозначение основных состояний на рисунке 2 не изменилось по сравнению с обозначениями рисунка 1. Но переменные, полученные в результате случайных событий, происходящих как с объектом контроля, так и системой диагностики и символизирующие переход объекта контроля из одного состояния в другое дополнены переменными, характеризующими работу системы диагностики. Так переменные а и р обозначают ошибки системы диагностики первого и второго рода соответственно.
Больший интерес для анализа надежности объекта контроля представляет коэффициент неготовности, чем коэффициент готовности, поскольку он вычисляется как вероятность того, что объект окажется либо в полном, либо частично неработоспособном состоянии. А второй параметр, временной, покажет, сколько долго объект может находиться в этом состоянии.
Рис. 2. Математическая модель с учетом неидеальной работы системы диагностики
Обозначение основных состояний на рисунке 2 не изменилось по сравнению с обозначениями рисунка 1. Но переменные, полученные в результате случайных событий, происходящих как с объектом контроля, так и системой диагностики и символизирующие переход объекта контроля из одного состояния в другое дополнены переменными, характеризующими работу системы диагностики. Так переменные а и р обозначают ошибки системы диагностики первого и второго рода соответственно.
Для рассматриваемого случая расчетные формулы коэффициента неготовности и среднего времени нахождения объекта контроля в состоянии неготовности выполнять все и часть своих функций имеют следующий вид:
к + О л + /С1 ~ +®п+аГ)
Л^р = -.
а(ав + юп + у( 1 — Р))(ав + юп + ау)
Vol. 16. No. 2-2024 H&ES RESEARCH
RF TECHNOLOGY AND COMMUNICATION
t r =
air
{wn + y(l - P)){wB + an + ay)
выражениях является ряд параметров, а именно ав
Теоретические исследования
а, р.
Указанные параметры ав , тп, а, р могут быть рассчитаны с помощью аналитических выражений по статистическим данным [2, 3], полученным в ходе выполнения объектом контроля своих функций. Это даст возможность рассчитать их реальную величину и дать точечную оценку этим параметрам. Сбор статистических данных осуществляется системой диагностики [4-6]. Обработка результатов реализуется людскими ресурсами в ходе выполнения процесса восстановления. Считаем, что объект контроля относится к восстанавливаемым объектам и его восстановление происходит в условиях выполнения ремонтных работ.
Однако на восстановление объект контроля поступает в результате выполнения двух видов диагностики: временного и постоянного. Соответственно эти два вида диагностики, обладая разной глубиной и периодичностью обнаруживают разные виды отказов. Исходя из этих рассуждений в процессе восстановления, обнаруженные отказы классифицируются по видам диагностики. Следует учитывать и то, что объект контроля с частичным функциональным отказом, находясь в состоянии необнаруженного отказа, может быть подвержен и отказу, обнаруживаемому постоянным контролем.
В этом случае он поступает на восстановление с двумя видами отказов одновременно. Частичный отказ, необнаруженный при первичном временном контроле увеличивает время нахождения объекта контроля в состоянии не полной готовности выполнять свои функции, тем не менее, он находится в рабочей конфигурации. Однако суть временного контроля заключается в том, что в каждый временной интервал тестируются определенные параметры.
Таким образом, есть несколько тестирующих программ, которые выполняются в разное время, имеют разную продолжительность и тестируют объект контроля по разным тестовым параметрам. Таким образом, состояние объекта контроля с частичным отказом будет обнаружено или в ходе проведения очередного временного контроля, или в ходе выполнения предупредительно-корректирующих мероприятий, выполняемых обслуживаемым персоналом в связи, например, с ухудшением качества предоставляемых услуг.
Исходя из приведенных выше рассуждений, составлена математическая модель (рис. 3), отражающая процесс восстановления неработоспособного объекта контроля.
В математической модели процесс восстановления разделен на три состояния, которые обозначены в соответствии с видом системы диагностики, обнаружившей отказ.
На рисунке 3 состояние восстановления распределено на три состояния Вв, Вп, ВВп - присутствует отказ, обнаруживаемый временным контролем, присутствует отказ, обнаруживаемый постоянным контролем, присутствует два отказа, обнаруживаемых системой диагностики в совокупности видов
контроля. Процесс включения объекта контроля в эти состояния является вероятностным, поэтому переходы в состояния обозначены через вероятности фиксации отказов - Рв, Рп, Рвп.
Неизвестными величинами в приведенных аналитических
Рис. 3. Математическая модель процесса восстановления
Далее выполняется сопоставление двух математических моделей (рис. 1 и 3) и определяются расчетные формулы, в которых данные, полученные в процессе восстановления, ставятся в соответствие статистическим данным, полученным в процессе диагностики. Конечный вид выявленных аналитических выражений для первого случая, когда система диагностики идеальна
7(1" Рв)
<эв =■
уРв (1 + пт + )
nT (пт - Рв) '
При сопоставлении математических моделей, показанных на рисунках 2 и 3, при условии неидеальной системы диагностики конечный вид полученных аналитических выражений для расчета аир
1 -р =
1 пт {ав + ап + ау){у{ав +ап) - юп)
а =
у у + п {ав + юп + у)
1 Рр (дв + ап)
Г
1 - Л
Параметр Пт - общее число выполненных тестирований сетевого объекта.
Таким образом, по статистическим данным системы диагностики и результатам, полученным в процессе восстановления можно дать точечную оценку всех перечисленных показателей, в том числе и оценить работу самой системы диагностики.
Экспериментальный анализ
Полученные результаты позволяют вычислить точечные оценки а>в , а>п , а, Р через параметры системы диагностики Рр, Рв, Рп, Рвп. Показатель Рр символизирует вероятность того, что в процессе восстановления отказ, зафиксированный системой диагностики, не был подтвержден, т.е.
n
имела место ошибка первого рода. На практике встречаются такие ситуации. Обычно они вызваны тем, что в результате накопленного числа программных сбоев, например, из-за непредсказуемых внешних воздействий или внутрисистемных ошибок, объект автоматически выводится из рабочей конфигурации.
При разработке математических моделей рисунков 1 и 2 относительно вероятностей ошибок было сделано два допущения. Первое допущение о том, что вероятность ошибки третьего рода исключается, т.е. обслуживающий персонал действует строго по инструкции в соответствии с требованиями, прописанными в технических условиях по эксплуатации. Второе, что исключается вероятность ошибки постоянного контроля второго рода.
Путем моделирования описанных выше процессов, введения в программу моделирования значения статистических данных в приведенные аналитические выражения можно визуализировать получаемые результаты в виде графиков зависимостей и диаграмм.
Примеры полученных графиков зависимостей вероятностных характеристик работы системы диагностики приведены на рисунке 4.
100 ¡ООО 2500 р
а) график зависимости Рв от р
Р =
влияет на вероятностные показатели, рассчитанные при восстановлении объекта контроля. И как следствие, влияет на величину коэффициента готовности и среднего времени нахождения сетевого объекта в состоянии полной или частичной неработоспособности.
На диаграмме рисунка 5 показаны в процентном соотношении идеальная работа системы диагностики и доля вероятностей ошибок первого и второго рода при условии общей интенсивности отказов в пределах от 1х10"5 до ОДчас-1.
3,3%
10,4%
100 1000 2500 р
б) график зависимости Рп от р
Рис. 4. Графики зависимости вероятности ошибок системы диагностики
Для наглядности графиков зависимости введен показатель
По приведенным графикам зависимости можно отследить как величина ошибок временного и постоянного контроля
Рис. 5. Диаграмма сравнения результатов работы системы диагностики
На диаграмме в процентном соотношении выделены выявленное число ошибок первого рода (3,8%), число ошибок второго рода (10,4%).
Результаты скорректированы в процессе выполнения восстановительных работ и объясняются следующим образом. При первоначальной диагностике объекта, находящегося в рабочей конфигурации, был выставлен код отказа и объект был заблокирован. Однако при более детальном рассмотрении уже в условиях нахождения объекта на восстановлении, код ошибки был изменен, поскольку первоначальные сведения о его состоянии были лишь следствием, но не причиной отказа. Такая ситуация относится к ошибкам системы первоначальной диагностики.
Заключение
При оценке работоспособности теле- и инфокоммуника-ционных систем опираются лишь на результаты работы системы диагностики [7-12]. Система диагностики охватывает большой ряд параметров, характеризующих доступность и качество предоставляемых услуг, которые, в свою очередь, являются свойствами такого всеобъемлющего понятия, как надежность. Но поскольку система диагностики по своей сути также является отдельной системой, то она подвержена таким же отказам, как, собственно, и любая технически и программно сложная система.
Исходя из полученных аналитических выражений следует вывод, что при выполнении диагностики в процессе восстановления следует различать и фиксировать причины, по которым контролируемый объект попал на восстановление.
В статье выполнена точечная оценка исследуемых величин, однако для получения более достоверных результатов при их анализе с целью дальнейших исследований необхо-
Vol. 16. No. 2-2024 H&ES RESEARCH
RF TECHNOLOGY AND COMMUNICATION
дима интервальная оценка, т.е. необходимо заручиться верхними и нижними доверительными границами исходных статистических данных, получаемых от системы диагностики.
Для достижения этой цели можно предложить следующий алгоритм действий. Первоначально получить интервальные оценки для показателей, которые устанавливаются непосредственно в процессе функционирования инфокоммуникацион-ной сети или отдельного контролируемого сетевого объекта. Например, это могут быть вероятности фиксации отказов, обозначенных в статье как Рр, Рв, Рп, Рви-
В дальнейшем установить характер зависимости между такими показателями как сов , соп , а, ß и параметрами, полученными непосредственно при выполнении диагностики контролируемого объекта. Затем установить доверительные границы искомых величин путем подстановки в расчетные формулы уже этих новых значений, воспользовавшись, например, ГОСТР ИСО 28640-2012 (Статистические методы. Генерация случайных'чисел. 15 е.), ГОСТР ИСО 28640-2012 (Статистические методы. Генерация случайных чисел. 15 с.) или методами, изложенными в [13-16]. Для определения монотонности функций от каждой искомой величины необходимо выполнить дифференцирование и определить знак, соответствующей частной производной.
Аппаратная и программная реализация инфокоммуника-ционных систем постоянно совершенствуется и вместе с ней совершенствуются, усложняются системы диагностики, поскольку требуется контролировать все большее число показателей. В связи с этим не редким явлением стала подмена причинно-следственных связей при возникновении отказов.
Для установления реальной причины отказа, необходимо выделять коды ошибок системы диагностики, которые были вызваны отклонениями от нормального функционирования инфокоммуникационной системы, но не внесены в перечень кодов ошибок и в реестр параметров контроля и диагностики.
Такую работу необходимо выполнять с целью дальнейшей корректировки и усовершенствования систем диагностики. Вопросы оценивания параметров инфокоммуникационной системы и системы диагностики актуальны сами по себе в различных прикладных задачах, поэтому полученные в работе результаты представляют интерес для широкого круга технических специальностей.
Литература
1. Шерстнееа О.Г., Шерстнееа A.A. Анализ сети связи с учетом показателей надежности II Вестник Рязанского государственного радиотехнического университета, 2020. № 73. С. 52-58.
2. Wasserman L. All of Statistics. New York, Springer, 2004, 433 p.
3. Zain Aalabdain Al Namer. Systematization of approaches to the development of quality systems indicators and network services realibility II T-Comm: Телекоммуникации и транспорт, 2021. №5, pp. 58-61.
4. Карганов B.B. Классы и показатели эффективности работы современных телекоммуникационных систем и сетей, способы их тарификации II Сборник трудов конференции «Высокие технологии и инновации в науке». Санкт-Петербург, 2019. С. 124-133.
5. Колемаее В.А., Калинина В.H. Теория вероятностей и математическая статистика: учебник. М.: ИНФРА-М, 1997. 302 с.
6. Dovbnya V.G., Koptev D.S. Mathematical model of the receiving path of digital communication lines II T-Comm: Телекоммуникации и транспорт, 2021, №5. С. 52-57.
7. He J., Zhang T., Zhang Z., Yu T., Zhang Y. Efficient Dynamic Correspondence Network II IEEE Transactions on Image Processing, vol. 33,2024, pp. 228-240.
8. Zang Y., Fiondella L. A Network Reliability Analysis Method for Complex Systems based on Complex Network Theory II Annual Reliability and Maintainability Symposium (RAMS), Tucson, AZ, USA, 2022, pp. 1-6.
9. Liu X., Liu C. An Empirical Analysis of Applied Statistics and Probability Statistics based on Computer Software II 2020 International Conference on Big Data and Social Sciences (ICBDSS), Xi'an, China, 2020, pp. 69-71.
10. Stépànek L., Habarta F., Mala I., Marek L. Let's Estimate all Parameters as Probabilities: Precise Estimation Using Chebyshev's Inequality, Bernoulli Distribution, and Monte Carlo Simulations II 18th Conference on Computer Science and Intelligence Systems (FedCSIS), Warsaw, Poland, 2023, pp. 1223-1227.
11. Liu D.-x. Reliability Analysis and Optimization of Computer Communication Network Based on Machine Learning Algorithm II International Conference on Frontiers of Artificial Intelligence and Machine Learning (FAIML), Hangzhou, China, 2022, pp. 42-46.
12. Wen Q., Machida F. Bayesian Network Reliability Modeling for Three-version Machine Learning Systems II 53rd Annual IEEE/IFIP International Conference on Dependable Systems and Networks -Supplemental Volume (DSN-S), Porto, Portugal, 2023, pp. 214-216.
13. Шерстнееа А.А. Прогнозирование тренда данных телетрафика. Свидетельство о регистрации программы ЭВМ№ 2021660813, 1.07.2021.
14. Шерстнееа А.А. Оценка параметров инфокоммуникационной системы. Свидетельство о регистрации программы ЭВМ № 2021660651,29.06.2021.
15. Sherstneva A., Sherstneva O. Communication Network Analysis Based on Reliability Parameters II International Ural Conference on Electrical Power Engineering, Magnitogorsk, Russian Federation, 2021, pp. 189-193.
16. Шерстнееа А.А., Шерстнееа О.Г. Преобразование параметров надежности с использованием параметрического метода II Т-Comm: Телекоммуникации и транспорт, 2022. № 6. С. 25-30.
METHODOLOGY FOR ASSESSING THE FUNCTIONING OF A DIAGNOSTIC SYSTEM FOR COMMUNICATION EQUIPMENT AND NETWORKS
ALINA A. SHERSTNEVA
SPbSUT, St. Petersburg, Russia, shers7neva@gmail.com OLGA G. SHERSTNEVA
SibSUTIS, Novosibirsk, Russia, o.g.sherstneva@ya.ru
KEYWORDS: infocommunication systems, diagnostics, availability factor, mathematical model, diagnostic error, reliability, reliability indicators.
ABSTRACT
Introduction. When monitoring the functioning of both infocommunication networks as whole and individual network elements the diagnostic system records all stochastic events related to their performance. The negative consequences of these events are failures, complete or partial, malfunctions, software failures, errors caused by both external factors and internal system processes. To integrate the reliability parameters of the network a complex indicator is used - the availability factor. It includes single indicators that characterize only one property of the reliability of network functioning. Methods: For calculating a complex indicator, it is necessary to take into account the fact that the diagnostic system as an independent system is also subject to both external and internal influences. This means parameters assessing
the reliability of its operation and the likelihood of erroneously made decisions to restore conditionally inoperative network elements should be included as single indicators in a comprehensive assessment of the network's readiness to provide communication services. Erroneously made decisions by the automatic diagnostic system are corrected in the process of performing restoration work by conducting additional, more in-depth testing methods. Results: The article reveals analytical dependencies of the value of complex reliability indicators on the probabilities of errors in the diagnostic system. Mathematical models of the functioning of a network object are presented and analytical expressions are calculated for the case of completely reliable and partially unreliable operation of the diagnostic system. The resulting graphs of the dependence of probabilities and a diagram for assessing the probability of errors in the diagnostic system are shown.
REFERENCES
1. O.G. Sherstneva, A.A. Sherstneva, "Analysis of the communication network taking into account reliability indicators," Bulletin of the Ryazan State Radio Engineering University. 2020, No. 73, pp. 52-58.
2. L. Wasserman, "All of Statistics. New York, Springer," 2004. 433 p.
3. Zain Aalabdain Al Namer, "Systematization of approaches to the development of quality systems indicators and network services reliability," T-Comm, 2021. No. 5, pp. 58-61.
4. V.V. Karganov, "Classes and performance indicators of modern telecommunication systems and networks, methods of their tariffs,". Sat.tr. conf "High technologies and innovations in science". Saint Petersburg, 2019, pp. 124-133.
5. V.A. Kolemaev, V.N. Kalinina, "Probability theory and mathematical statistics," textbook. Moscow: INFRA-M, 1997, 302 p.
6. V.G. Dovbnya, D.S. Koptev, "Mathematical model of the receiving path of digital communication lines," T-comm, 2021. No. 5, pp. 52-57.
7. J. He, T. Zhang, Z. Zhang, T. Yu and Y. Zhang, "Efficient Dynamic Correspondence Network," IEEE Transactions on Image Processing,, 2024, vol. 33, pp. 228-240.
8. Y. Zang and L. Fiondella, "A Network Reliability Analysis Method for Complex Systems based on Complex Network Theory," Annual Reliability and Maintainability Symposium (RAMS), 2022, Tucson, AZ, USA, pp. 1-6.
9. X. Liu and C. Liu, "An Empirical Analysis of Applied Statistics and Probability Statistics based on Computer Software," 2020 International Conference on Big Data and Social Sciences (ICBDSS), 2020, Xi'an, China, pp. 69-71.
10. L. Stepanek, F. Habarta, I. Mala and L. Marek, "Let's Estimate all Parameters as Probabilities: Precise Estimation Using Chebyshev's Inequality, Bernoulli Distribution, and Monte Carlo Simulations," 18th Conference on Computer Science and Intelligence Systems (FedCSIS), Warsaw, Poland, 2023. pp. 1223-1227.
11. D. -x. Liu, "Reliability Analysis and Optimization of Computer Communication Network Based on Machine Learning Algorithm," International Conference on Frontiers of Artificial Intelligence and Machine Learning (FAIML), Hangzhou, China, 2022, pp. 42-46.
12. Q. Wen, F. Machida, "Bayesian Network Reliability Modeling for Three-version Machine Learning Systems," 53rd Annual IEEE/IFIP International Conference on Dependable Systems and Networks -Supplemental Volume (DSN-S), Porto, Portugal, 2023, pp. 214-216.
13. A.A. Sherstneva, "Forecasting the trend of teletraphic data," Certificate of registration of the computer program No. 2021660813, 1.07.2021.
14. A.A. Sherstneva, "Evaluation of the parameters of the infocommunication system," Certificate of registration of the computer program No. 2021660651, 06.29.2021.
15. A. Sherstneva, O. Sherstneva, "Communication Network Analysis Based on Reliability Parameters," International Ural Conference on Electrical Power Engineering (UralCon), Magnitogorsk, Russian Federation, 2021, pp. 189-193.
16. A. A. Sherstneva, O. G. Sherstneva, "Conversion of reliability parameters using the parametric method," T-Comm, Moscow, 2022, No. 6, pp. 25-30.
INFORMATION ABOUT AUTHORS:
Alina A. Sherstneva, Candidate of Tech. Sciences, Associated professor, The Bonch-Bruevich Saint Petersburg State University of Telecommunications, Department of Infocommunication Systems, Saint Petersburg, Russia
Olga G. Sherstneva, Candidate of Tech. Sciences, Associated professor, Siberian State University of Telecommunications and Information Sciences, Department of Electrical Communication, Novosibirsk, Russia
For citation: Sherstneva A.A., Sherstneva O.G. Methodology for assessing the functioning of a diagnostic system for communication equipment and networks. H&ES Reserch. 2024. Vol. 16. No. 2. P. 20-26. doi: 10.36724/2409-5419-2024-16-2-20-26 (In Rus)
