بهبود كيفيت سرويس‌دهي در شبكه موبايل با بكارگيري مدل سيستم استنتاج فازي (FIS) براي نگهداري شبكه

Improvement of Service Quality in Mobile Network based on Fuzzy Inference Model for Network Maintenance

امروزه با توجه به توسعه شبكه‌هاي موبايل، استفاده از روش‌ها و سيستم‌هاي نوين براي مديريت، مونيتورينگ و نگهداري آن‌ها كاملاً ضروري است. در اين تحقيق، روش نويني براي مونيتورينگ خرابي در شبكه موبايل ارائه خواهد شد كه بر مبناي استنتاج فازي عمل مي‌كند. امروزه محققين مدل‌هائي را پيشنهاد كرده‌اند كه يكي از آن‌ها، نگهداري بر مبناي "سيستم استنتاج فازي " است كه بر اساس منطق فازي طراحي شده و با تكنيك كنترل فازي عمل مي‌كند و بر مبناي سيستم‌هاي فرد خبره است. در روش پيشنهادي، مبناي تشخيص خرابي در لينك‌ها، نرخ هشدارها است. بر اساس آلارم‌هاي دريافتي و امكان وقوع خرابي، توابع تعلق و پايگاه قواعد فازي در سيستم FIS طراحي مي‌شوند. موتور استنتاج فازي تابع ممداني است. در سيستم FIS پيشنهادي، هشدارها به عنوان مقادير حقيقي وارد سيستم شده و در موتور استنتاج فازي مقايسه و نهايتا خروجي فازي نتيجه‌گيري شده كه بايد غيرفازي‌سازي شود. بدين ترتيب خرابي در لينك مربوطه مونيتوريتگ خواهد شد. اين روش موجب ارتقاء كيفيت سرويس‌دهي شده و ضمن بيان جنبه نوآوري، در تمامي رشته‌ها كارآمد مي‌باشد.

Presently, due to cellular or mobile networks development, using modern methods and systems for management, monitoring and maintenance of such networks are essential. The study will propose a new method for fault monitoring of the mobile network which works based on fuzzy inference. Nowadays, the researchers have suggested several different models for this field one of which is known as the model of maintenance based on “fuzzy inference system” developed based on fuzzy logic using fuzzy control technique and belongs to the expert-based systems category. In the proposed method, the alarm rate is considered as the basis for fault detection in the network links. According to the received alarms and considering the possibility of fault occurrence, the membership functions and fuzzy rules base are designed in the FIS system. The fuzzy inference engine is of Mamdani-type function. In the suggested FIS system, the alarms are put into the system as truth values and are compared in the fuzzy inference engine and the resulting fuzzy output received at the last step shall be defuzzified. In this way, the faults in the respective link will be monitored. This method has led to service quality improvement and besides its innovation aspect it is efficient for all different fields.