Neven Duller
Messung und Nachweis der Störungen, sowie Erstellung eines Lebensdauermodells für Verstärker
"Nicht denken... wissen!"
Deutsch
Im HFC-Netz von Magenta können defekte Netzteile in Verstärkern zu Störungen und Internetausfällen führen – ein Problem, das sowohl Kundinnen und Kunden als auch den Netzbetrieber belastet. Die Diplomarbeit entwickelt daher ein innovatives Vorhersagesystem, das solche Ausfälle bereits erkennt, bevor sie auftreten. Dadurch wird ein stabilerer Betrieb ermöglicht und die Wartungsplanung deutlich effizienter.
Das finale System kombiniert moderne Machine-Learning-Methoden aus WEKA 3.8.6 mit einer automatisierten MATLAB-Datenverarbeitung, einer strukturierten MySQL-Datenbank sowie einer sicheren virtuellen Umgebung auf Basis von VMware Workstation Player.
English
In Magenta’s HFC network, defective power supplies in amplifiers can lead to disruptions and internet outages – a problem that affects both customers and overall network operations. This diploma thesis focuses on developing an innovative prediction system that identifies such failures before they occur. As a result, network stability is improved and maintenance planning becomes significantly more efficient.
The final system combines modern machine-learning methods from WEKA 3.8.6 with automated MATLAB data processing, a structured MySQL database, and a secure virtual environment based on VMware Workstation Player.
Fällt ein Verstärker aus, sind die nachfolgenden Netzsegmente beeinträchtigt. Bei Netzteilschäden bricht der Rauschabstand im OFDM-Bereich (Orthogonales Frequenzmultiplexverfahren) ein. Dies verursacht Störprodukte am Rückweg des Fibernodes. Aufgrund des DOCSIS-3.1-Protokolls werden zuerst die QAM-Träger (Quadraturamplitudenmodulation) verwendet. Bei höherer Auslastung wird zusätzlich der OFDM-Bereich zugeschaltet. Treten in diesem Bereich Störungen durch Netzteile auf, sind die Modems in diesem Modulationsspektrum betroffen. Für einen stabilen Betrieb benötigen Internet-Modems mindestens 35 dB Rauschabstand, der in diesem Fall nicht gegeben ist.
Unsere Datenbank dient als zentrale Ablage für alle Messdaten der Kondensatoren. Jede Messung, wie Spannung, Strom, ESR oder Kapazität, wird hier gespeichert. So können wir über die Zeit Veränderungen verfolgen, Analysen durchführen und mithilfe von Algorithmen Vorhersagen über die verbleibende Lebensdauer der Elkos treffen. Die Datenbank ermöglicht es uns außerdem, die Messungen strukturiert abzulegen, schnell auf vergangene Daten zuzugreifen und die Ergebnisse übersichtlich in Diagrammen und Tabellen darzustellen. Sie ist das Herzstück unserer Datenauswertung und sorgt dafür, dass die Ergebnisse zuverlässig und nachvollziehbar sind.
In unserem Projekt nutzen wir MATLAB zur Auswertung der gesammelten Messdaten der Kondensatoren. MATLAB ermöglicht es uns, komplexe Ladungs- und Entladekurven präzise zu analysieren, statistische Berechnungen durchzuführen und Vorhersagen über die verbleibende Lebensdauer der Elkos zu treffen. So können wir frühzeitig sterbende Bauteile erkennen und deren Einfluss auf das HFC-Netz bewerten.
VMware dient als sichere virtuelle Umgebung für unseres Projekt.
Für die Analyse und Prognose der Kondensator-Lebensdauer setzen wir auf WEKA 3.8.6, eine etablierte Open-Source-Machine-Learning-Software, die umfangreiche Werkzeuge für Klassifikation, Regression und Datenvorverarbeitung bereitstellt. Auf Basis der im Messplatz erfassten Rohdaten - darunter Ladekurven, Entladekurven, temperaturabhängige Veränderungen sowie ESR-Werte - trainieren wir in WEKA verschiedene Modelle, um jene Algorithmen zu identifizieren, die die restliche Lebensdauer eines Elektrolytkondensators möglichst präzise vorhersagen. Durch systematische Tests, Validierungsmethoden und Modellvergleich unterstützt WEKA uns dabei, aus den Messdaten eine robuste Prognose abzuleiten.