Los fabricantes de cablemodems (CMs) Arris, Tecnicolor… están implementando en sus CMs el chipset de Broadcom, que permite tener un Spectrum Analyzer (SA) en cada CM. Podremos visualizar el dowstream (señal en descendente, DS) que reciben, tanto para docsis 3.0, como para docsis 3.1.
El acceso a esos SA permite ver en tiempo real la señal en DS (Broadcast de TV + Docsis) que reciben los CMs, en el bucle de abonado.
Las anomalías de RF que pueden afectar al servicio son detectables, bajo la explotación de estos SA. El análisis conjunto de todos los SA posibles por CMs que existen en planta externa en el bucle de abonado, teniendo en cuenta la relación de elementos de Red en común, nos permite ver por Nodo Óptico, Rama del nodo, Amplificador de CATV, Tap de comunidad etc.., si las anomalías de RF afectan desde un solo cliente a un conjunto de ellos, en función de los tramos de Red que tienen en común.
A continuación podemos ver un glosario de anomalías de RF que afectan al servicio, de manera individual o colectiva;
| Tipo | Ejemplos |
|---|---|
Standing Waves: Ondas Estacionarias sobre los CHs |  |
Resonant Paeaking: Picos resonantes sobre los CHs |  |
| Spurious Detection: Detección de Espureos sobre los CHs |  |
RF Notches: Muesca en los CHs |  |
Roll-off: Pendiente sobre los CHs |  |
Filters: Presencia de Filtros que cortan CHs |  |
Adjacency: Adyacencia de CHs |  |
Desarrollo de un PMV bajo una metodología Lean:
El desarrollo de un sistema que recopile los datos bajo demanda y los clasifique por conjunto de elementos de red, permitiría en un corto espacio de tiempo dotar a un NOC de un sistema de explotación de todos los SA de la red que se opera. Podrán detectar las anomalías de RF que provocan averías. Este sistema inicial podría ser un producto mínimo viable (PMV), como punto de partida, bajo una metodología Lean que optimice la creación y de valor a la herramienta en poco espacio de tiempo.
Aplicación potencial de uso:
Para el diagnóstico de averías de red, los insights que nos puede proporcionar la entrada de avisos de avería de clientes, implementado con Machine Learnig (ML) sobre la evolución del PMV, nos permitirá tener capacidad tutelada o autónoma, de toma de decisiones sobre los datos que se recopilan de los SA de los CPEs, más los datos de los avisos de clientes entrantes en el CRM. Nos puede anticipar el diagnóstico y la respuesta en la resolución del problema de red.
Basándonos en las necesidades que surjan a nivel operativo en un NOC, apoyándose en los SA de los CMs + ML + CRM nos dan la posibilidad de pivotar a multitud de aplicaciones específicas.