9.2.1 Modèle générique
Bien que l’objectif opérationnel de la thèse se focalise sur les réseaux d’accès, nous avons proposé une méthode générique qui facilite la modélisation de tout système distri- bué y compris les réseaux de télécommunications. Cette méthode repose sur un principe simple : modéliser le fonctionnement ou le comportement d’un réseau revient à modéli- ser le comportement de chacun des composants qui le constituent. Chaque composant est modélisé par deux graphes de dépendances acycliques (DAG) : un DAG qui modélise la propagation locale de pannes et d’alarmes sur le composant considéré et autre DAG qui modélise la propagation distribuée de pannes et d’alarmes entre ce composant et les composants voisins auxquels il est connecté. En effet, nous séparons la propagation locale de pannes et d’alarmes sur un composant, de la propagation distribuée entre com- posants connectés. Procédant de cette façon, nous modélisons également la topologie du réseau. Le modèle générique est organisé en trois couches. La couche 1 contient l’en- semble des DAGs modélisant la propagation distribuée entre composants connectés. La couche 2 contient l’ensemble des DAGs modélisant chacun la propagation locale sur un composant. Les couches 1 et 2 sont conçues de telle sorte que leur combinaison donne un large DAG qui modélise le fonctionnement du réseau tout entier. Mais la séparation entre la propagation locale et la propagation distribuée, implémentée par les couches 1 et 2, décompose ce large DAG en plusieurs parties interconnectées apportant ainsi des propriétés de modularité et d’extensibilité au modèle. La couche 3 est une représentation en arbre de jonction du réseau bayésien obtenu en probabilisant le large graphe. Notons que cette méthode générique apporte une solution permettant de réduire la complexité de modélisation des réseaux de très grande dimension. En effet, on peut modéliser le ré-
seau de façon incrémentale, c’est-à-dire composant après composant. Le modèle du ré- seau peut donc être modifié facilement pour s’adapter aux éventuelles évolutions de son architecture. En effet, de nouveaux composants peuvent être ajoutés dans le modèle ou être retirés du modèle lorsque l’opérateur le souhaite.
9.2.2 Diagnostic du réseau d’accès optique GPON-FTTH
La méthode générique a été appliquée pour modéliser la propagation de pannes et d’alarmes sur le réseau d’accès optique GPON-FTTH. Nous avons commencé par mo- déliser deux des trois composants d’un PON du réseau GPON-FTTH : les composants OLT et ONT situés aux extrémités d’un PON. Les paramètres de ce modèle initial ont été approximativement déterminés sur la base des connaissances expertes relatives au fonctionnement du réseau GPON-FTTH. Une implémentation en Python appelé PANDA 1.0 de ce modèle ainsi que de l’algorithme d’inférence sur un arbre de jonction, nous a permis de doublement valider ce modèle initial. La validation consiste à vérifier que le modèle donne des résultats tout à fait cohérents et raisonnables vis-à-vis de l’expertise métier du réseau GPON-FTTH. Dans un premier temps, la vérification est faite avec des cas de diagnostic simples générés en laboratoire sur une plateforme expérimentale. Dans un second temps, la vérification est faite avec des cas de diagnostic réels issus du réseau GPON-FTTH commercial de l’opérateur Orange. L’outil PANDA 1.0 donne des résultats de diagnostic cohérents avec l’expertise métier du réseau d’accès GPON-FTTH, et plus raisonnables sur un échantillon de cas de diagnostic représentatifs, que le système expert à base de règles DELC.
Puisqu’il est très difficile même pour des experts avérés d’un réseau de déterminer avec précision les paramètres d’un modèle statistique de ce réseau, nous avons pensé que les performances de diagnostic du modèle probabiliste seraient meilleures si les pa- ramètres de ce modèle sont artificiellement appris à partir des données générées par les équipements du réseau. Une étude détaillée de l’algorithme EM (Expectation Maximiza- tion) a été réalisée et nous avons ajusté automatiquement les paramètres "experts" du modèle initial en appliquant l’EM sur des données réelles du réseau GPON-FTTH. No- tons que l’EM a été initialisé avec les paramètres "experts" afin d’être sûr qu’il converge vers de nouveaux paramètres plus vraisemblables aux données du réseau GPON-FTTH que les paramètres "experts". Cette seconde implémentation a été appelée PANDA 2.0 et ses performances sont raisonnablement meilleures que ceux de PANDA 1.0 sans toutefois s’en écarter considérablement, ce qui veut dire que les paramètres "experts" de PANDA 1.0 ont bien été calibrés.
Cependant, les deux premières versions de l’outil PANDA sont des implémentations d’un modèle partiel ou initial du réseau GPON-FTTH. En effet, le modèle initial n’effectue que le diagnostic de bout en bout d’un PON puisqu’il ne contient que les composants aux extrémités du PON. Nous avons proposé une extension du modèle initial appelé PANDA 3.0 en y intégrant le modèle du réseau de distribution optique (ODN) qui constitue le troisième composant d’un PON. PANDA 3.0 est de ce fait capable de regarder ce qui se passe dans l’ODN puisqu’il permet de corréler ou déduire l’état des coupleurs et des liai- sons optiques dans l’ODN sur la base des observations aux extrémités d’un PON. PANDA 3.0 reproduit les calculs de diagnostic des deux premières versions en plus d’être capable d’isoler un ou plusieurs liens incriminés dans le réseau de distribution optique.