Clasificación de señales para la detección de patrones anómalos. Explotación de una base de datos no estructurada

dc.citation.titleVigesimocuartas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística de la Universidad Nacional de Rosarioes
dc.contributor.organizerSecretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarioes
dc.creatorGibellini, Emilia
dc.creatorQuaglino, Marta Beatriz
dc.creatorRighetti, Claudio E
dc.date.accessioned2020-07-08T11:29:29Z
dc.date.available2020-07-08T11:29:29Z
dc.date.issued2019-11-27
dc.description.abstractEn este trabajo se analizan señales de una red de telecomunicaciones, por la que se provee el servicio de banda ancha de Internet a un conjunto de hogares. Cuando ocurre algún daño físico en la estructura de la red, como ser deterioro del cableado, un doblez, ruptura, corrosión, filtración de agua, una mala instalación, etc., ocurren deformaciones de las señales que allí se transmiten. Consecuentemente, la detección de patrones anómalos en las señales recibidas por los módems que se encuentran en los hogares, permite identificar daños. El objetivo planteado fue resolver problemas de clasificación y predicción en el área de procesamiento de señales mediante metodología estadística, en particular, análisis cluster, para agrupar conjuntos de señales que exhiban patrones comunes de afecciones, verificando si éstas se correspondan a causas conocidas Se presenta una estrategia automatizada que permitió clasificar una gran muestra de datos de señales almacenadas en bases no estructuradas. La identificación de patrones que puedan ser ocasionados por problemas estructurales en la red, conocidos comúnmente como afecciones, permite el ahorro de tiempo de diagnósticos que actualmente se llevan a cabo a través de la observación caso a caso. Adicionalmente, provee una alternativa de control para los casos en los que se quiere corroborar que determinadas señales estén siendo recibidas efectivamente por algún conjunto de módems. Por otra partea partir de una muestra de señales ya etiquetadas, se pudo definir una regla de clasificación que detecte anomalías sobre nuevas muestras. En la muestra analizada se encontraron grupos de señales con pendientes crecientes o decrecientes a lo largo de todo el espectro, así como a ruidos internos. Estos patrones se asocian a problemas de ecualización en equipos que pertenecen a la red. También se identificó el ingreso de señales del aire, lo cual ocurre cuando la red HFC se daña (por rotura, corrosión, conexiones clandestinas, etc.), y se rompe el aislamiento, permitiendo el ingreso y egreso de señales. Asimismo, se encontraron módems con otros patrones que no responden a afecciones sino a filtros aplicados por políticas de la compañía y señales de prueba mal configuradas. Los métodos propuestos en este trabajo posibilitan poner en marcha acciones de mantenimiento proactivo de la red en la compañía de telecomunicaciones.es
dc.description.filFil:Gibellini, Emilia, Facultad Ciecias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentinaes
dc.description.filFil: Quaglino, Marta Beatriz, Facultad Ciecias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentinaes
dc.description.filFil: Righetti, Claudio E, Facultad Ciecias Económicas y Estadística de Rosario, Universidad Nacional de Rosario, Argentinaes
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.identifier.urihttp://hdl.handle.net/2133/18424
dc.language.isospaes
dc.relation.publisherversionhttps://www.fcecon.unr.edu.ar/web-nueva/investigacion/actas-de-las-jornadas-anualeses
dc.rightsopenAccesses
dc.rights.holderFacultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosarioes
dc.rights.textAtribución – No Comercial – Compartir Igual (by-nc-sa)es
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/*
dc.subjectminería de datoses
dc.subjectanálisis clusteres
dc.subjectprocesamiento de señaleses
dc.subjectdetección de patroneses
dc.subjectbases de datos no estructuradoses
dc.titleClasificación de señales para la detección de patrones anómalos. Explotación de una base de datos no estructuradaes
dc.typeconferenceObject
dc.typedocumento de conferencia
dc.typepublishedVersion
dc.type.collectioncomunicaciones
dc.type.versionpublishedVersiones

Archivos

Bloque original
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
QUAGLINO- GIBELLINI-RIGHETTI-Resumen_clasificación de señales.pdf
Tamaño:
96.36 KB
Formato:
Adobe Portable Document Format
Descripción:
Bloque de licencias
Mostrando 1 - 1 de 1
Nombre:
license.txt
Tamaño:
3.59 KB
Formato:
Item-specific license agreed upon to submission
Descripción: