مدل تصمیمگیری یکپارچه برای نوسازی سایتهای مخابراتی با استفاده از دادههای قابلیت اطمینان، بهرهوری انرژی و عملکرد نگهداری
کلمات کلیدی:
نوسازی سایتهای مخابراتی, ارزیابی قابلیت اطمینان, بهرهوری انرژی, عملکرد نگهداری و تعمیرات, تحلیل تصمیمگیری چندمعیارهچکیده
اپراتورهای مخابراتی برای حفظ قابلیت اطمینان خدمات، بهبود بهرهوری انرژی و کنترل الزامات نگهداری و تعمیرات، باید زیرساختهای شبکه خود را بهطور مستمر نوسازی کنند. بااینحال، این اهداف در سطح هر سایت لزوماً با یکدیگر همسو نیستند. ممکن است یک سایت از قابلیت اطمینان مطلوبی برخوردار باشد، اما برق بیش از حد متناسب با عملکرد خود مصرف کند؛ درحالیکه سایتی دیگر، با وجود بهرهوری انرژی قابلقبول، با خرابیهای مکرر یا زمانهای طولانی تعمیر مواجه باشد. بنابراین، ارزیابی مستقل این ابعاد میتواند به تعیین اولویتهای ناهماهنگ برای نوسازی منجر شود. این پژوهش یک چارچوب تصمیمگیری چندمعیاره یکپارچه برای اولویتبندی نوسازی سایتهای مخابراتی، بر اساس شاخصهای قابلیت اطمینان، بهرهوری انرژی و عملکرد نگهداری و تعمیرات، ارائه میکند. روششناسی پیشنهادی شامل پنج مرحله است: شناسایی شواهد، تعیین شاخصها، آمادهسازی دادهها، ساخت امتیاز ترکیبی و تحلیل حساسیت. شاخصهای قابلیت اطمینان شامل فراوانی خرابی، زمان ازکارافتادگی و دسترسپذیری خدمات هستند. شاخصهای انرژی، مصرف مطلق برق و شدت مصرف انرژی متناسب با حجم ترافیک را دربرمیگیرند. شاخصهای نگهداری و تعمیرات نیز شامل فراوانی مداخلات تعمیراتی، میانگین زمان تعمیر، خرابیهای تکرارشونده و هزینههای نگهداری و تعمیرات، در صورت دسترسی به سوابق قابلمقایسه، هستند. شاخصها به مقیاسی مشترک تبدیل میشوند، در چارچوب ابعاد مربوط به خود تجمیع میگردند و بر اساس ساختاری مشخص از وزندهی با یکدیگر ترکیب میشوند. همچنین، یک سازوکار حفاظتی مستقل برای قابلیت اطمینان در نظر گرفته میشود تا از پنهان ماندن کاستیهای بحرانی خدمات در پس عملکرد مطلوب سایر ابعاد جلوگیری شود. این چارچوب روششناختی از مطالعات منتشرشده درباره خرابی ایستگاههای پایه مخابراتی و مصرف انرژی در شبکههای دسترسی رادیویی بهره میگیرد. شواهد تجمیعی منتشرشده درباره قابلیت اطمینان و محاسبات انرژی مبتنی بر سناریو بررسی میشوند تا تفاوت میان مشاهدات گزارششده مستقیم و مقادیر محاسبهشده از دادههای موجود روشن شود. در این تحلیل، مجموعهدادههای منتشرشده و مستقل بهگونهای تلقی نمیشوند که گویی به سایتهای یکسان تعلق دارند؛ همچنین، هیچ مشاهده تأییدنشدهای در سطح سایت تولید نمیشود. ازآنجاکه هنوز مجموعهدادهای هماهنگ و یکپارچه که اطلاعات قابلیت اطمینان، انرژی، ترافیک و نگهداری و تعمیرات را به یکدیگر پیوند دهد، فراهم نشده است، این پژوهش ادعایی درباره ارائه رتبهبندی اعتبارسنجیشده تجربی از سایتهای واقعی ندارد. مهمترین دستاورد پژوهش، ارائه ساختاری شفاف و بازتولیدپذیر برای تصمیمگیری است که ارزیابی عملکرد عملیاتی را از انتخاب یک مداخله مشخص برای نوسازی جدا میکند. این چارچوب، در صورت پیادهسازی با استفاده از سوابق یکپارچه و سازگار در سطح سایت، میتواند از غربالگری اولیه سرمایهگذاریها پشتیبانی کند. پژوهشهای تجربی آینده باید پایداری رتبهبندی حاصل از چارچوب را ارزیابی کنند، روشهای مختلف وزندهی را با یکدیگر مقایسه کنند و مشخص سازند که آیا اولویتهای تعیینشده با بهبودهای بعدی در قابلیت اطمینان، عملکرد انرژی و پیامدهای نگهداری و تعمیرات مطابقت دارند یا خیر.
مراجع
Golard L, Louveaux J, Bol D. Evaluation and projection of 4G and 5G RAN energy footprints: the case of Belgium for 2020–2025. Annals of Telecommunications. 2023;78(5–6):313–327.
Wu T, Wang Y, Ye ZS, Chen N. Spatio-temporal analysis and prediction of mass telecommunication base station failure events. Technometrics. 2024;66(1):77–89.
Williams L, Sovacool BK, Foxon TJ. The energy use implications of 5G: reviewing whole network operational energy, embodied energy, and indirect effects. Renewable and Sustainable Energy Reviews. 2022;157:112033.
Li YF, Zhao W, Zhang C, Ye J, He H. A study on the prediction of service reliability of wireless telecommunication system via distribution regression. Reliability Engineering & System Safety. 2024;250:110291.
Huttunen J, Pärssinen M, Heikkilä T, Salmela O, Manner J, Pongracz E. Base station energy use in dense urban and suburban areas. IEEE Access. 2023;11:2863–2874.
Sorrentino M, Franzese N, Trifirò A. Development and experimental assessment of a multi-annual energy monitoring tool to support energy intelligence and management in telecommunication industry. Energy Efficiency. 2024;17:64.
Piovesan N, Lopez-Perez D, De Domenico A, Geng X, Bao H, Debbah M. Machine learning and analytical power consumption models for 5G base stations. IEEE Communications Magazine. 2022;60(10):56–62.
Aggarwal A, Selvamuthu D. Energy analysis using semi-Markov modeling for the base station in 5G networks. International Journal of Communication Systems. 2024;37(4):e5678.
Bellin A, Granelli F, Munaretto D. A measurement-based approach to analyze the power consumption of the softwarized 5G core. Computer Networks. 2024;244:110312.
Ahmed S, Terefe T, Woldegebreal DH. Machine learning for base transceiver stations power failure prediction: a multivariate approach. e-Prime—Advances in Electrical Engineering, Electronics and Energy. 2024;10:100814.
Liang Z, Li YF. Holistic resilience and reliability measures for cellular telecommunication networks. Reliability Engineering & System Safety. 2023;237:109335.
Massaro A, Kostadinov D, Silva A, Obeid Guzman A, Aghasaryan A. Predicting network hardware faults through layered treatment of alarms logs. Entropy. 2023;25(6):917.
Zimmermann RS. Hybrid-boosted model with an approach inspired by a mixture of experts for 5G energy consumption. ITU Journal on Future and Evolving Technologies. 2024;5(4):493–502.
دانلود
چاپ شده
شماره
نوع مقاله
مجوز
حق نشر 2026 مجله علمی مطالعات پژوهشی در مدیریت آینده

این پروژه تحت مجوز بین المللی Creative Commons Attribution 4.0 می باشد.


