Finally, self-healing covers the ta

Finally, self-healing covers the tasks related to failure
management and prevention.
This work is focused on the self-healing functionalities
for ultra-dense small cell networks. Self-healing is key
for network OAM automation and performance, since
network failures can lead to service degradations that
might highly impact the brand image and the long-term
revenue of operators. Failure management is divided in
four main subtasks [5]. Firstly, detection consists in the
discovery of network problems, i.e., identifying cells with
degradations in the provided service. Secondly, diagnosis,
also called root cause analysis, aims at identifying
the specific cause or fault producing the degradation.
Finally, once a problem has been detected, different
actions can take place to compensate its effects until recovery
actions restore the network to its full functionality.
In classic failure management approaches, these are
very time consuming and signaling generating tasks.
This makes the automation of these functions a field
attracting an increasing attention, where the implications
of its application for 5G scenarios have been only
scarcely considered.
Moreover, one of the most common problems in small
cell scenarios is the sleeping cell issue, which is the situation
where a base station is not able to properly serve
users, and this is not directly reflected in the OAM
monitoring indicators [6]. The causes behind this problem
range from BS unplugging, failures in the cell hardware,
or incorrect configuration. Since many of these
fault causes behind the sleeping cell issue could be
quickly compensated and/or recovered with automatic
actions (like restarting the BS or updating its software),
fast mechanisms for failure detection/diagnosis are essential
to automatically trigger those tasks. Therefore, detection
and diagnosis should, ideally, identify the failure and
its causes in the range of minutes/seconds.
However, small cells can be particularly prone to failures
(due to its more accessible hardware, use of non-dedicated
backhaul, etc.) and have limited reporting capabilities and
reduced coverage areas which very variable level of use.
Therefore, it is common that not alarm or clear performance
degradation might be reported to the OAM system in
these situations.
Instead, user equipment (UE) positioning information
can serve as an additional input for troubleshooting
of these issues. For example, the knowledge on
UEs location is becoming growlingly available in both
outdoor and indoor scenarios [7]. Localization mechanisms
based on the small cell deployments [8] open
the door to using location to support the OAM tasks.
Even if its use for self-healing in indoor scenarios has
been just recently proposed [9], its usefulness has been
previously demonstrated for macrocell scenarios and other
OAM tasks (e.g., for coverage optimization [10]).
Also, another important limitation of classical approaches
is the high signaling costs of transmitting the monitoring
data to the centralized OAM/SON systems, which might
overload the operator’s network. Additionally, 5G services
and the operation of dense small cell deployments will also
impose very demanding response time and computational
requirements when performed in a centralized manner. In
order to avoid these problems, SON mechanisms should be
as automatic and distributed as possible, avoiding the saturation
of the network and the centralized OAM elements.
Taking all this into account, the present work defines a
novel fully distributed and automated location-based
mechanism for sleeping cell detection and cause diagnosis
in ultra-dense scenarios based on the deployment of
small cells. Here, the required UE locations are assumed
to be provided by external localization sources. The details
of the particular method used for UE localization
are considered outside the scope of the detection/diagnosis
algorithm, making it agnostic to the use of any
localization source. Hence, this paper is organized as follows:
Section 2 discusses the challenges and state of the
art in location-based mechanisms and detection and
diagnosis of sleeping cell issues for the considered small
cells scenario. Section 3 summarizes the characteristics
and assumptions for location-based processing of monitoring
information. The proposed mechanisms for detection
and cause analysis are detailed in sections 4 and 5,
respectively. The combined distributed scheme is then
described in Section 6. The defined system is evaluated
in Section 6 and the conclusions of this study are finally
presented in Section 7.

ผลลัพธ์ (ไทย) 1:

ในที่สุด อ้วนครอบคลุมภารกิจที่เกี่ยวข้องกับความล้มเหลวการจัดการและการป้องกันงานนี้เน้นฟังก์ชันรักษาตนเองสำหรับเครือข่ายเซลล์ขนาดเล็กความหนาแน่นสูง อ้วนเป็นกุญแจสำคัญสำหรับระบบอัตโนมัติลองค้นหาสิ่งของเครือข่ายและประสิทธิภาพการทำงาน เนื่องจากความล้มเหลวในเครือข่ายสามารถนำไปสู่ degradations บริการที่อาจส่งผลกระทบต่อภาพลักษณ์และความยาวสูงรายได้ของผู้ประกอบการ ความล้มเหลวในการบริหารจะแบ่งออกเป็นสี่หลักงานย่อย [5] ประการแรก การตรวจสอบประกอบด้วยในการการค้นพบเครือข่ายปัญหา เช่น การระบุเซลล์ที่มีdegradations ในการให้บริการ ประการที่สอง วินิจฉัยเรียกว่าการวิเคราะห์รากสาเหตุ จุดมุ่งหมายที่ระบุระบุสาเหตุหรือข้อบกพร่องในการผลิตการเสื่อมสภาพในที่สุด เมื่อมีปัญหาตรวจพบ แตกต่างกันการดำเนินการชดเชยผลกระทบจนถึงการกู้คืนการดำเนินการคืนค่าเครือข่ายให้ทำงานเต็มในแนวทางการจัดการคลาสสิกความล้มเหลว เหล่านี้เป็นใช้เวลานานมาก และส่งสัญญาณการสร้างงานทำให้เป็นอัตโนมัติของฟังก์ชันเหล่านี้เขตข้อมูลดึงดูดความสนใจเพิ่มขึ้น ซึ่งผลกระทบของการประยุกต์ใช้สำหรับ 5 กรัม สถานการณ์ได้เท่านั้นถือว่าแทบนอกจากนี้ หนึ่งในปัญหาที่พบมากที่สุดในขนาดเล็กสถานการณ์ถือเป็นปัญหาเซลล์นอน ซึ่งเป็นสถานการณ์ที่มีสถานีฐานไม่สามารถให้บริการได้อย่างถูกต้องผู้ใช้ และนี้ไม่ตรงกับจากการลองค้นหาสิ่งตรวจสอบตัวชี้วัด [6] สาเหตุของปัญหานี้ช่วงจากบีถอด ความล้มเหลวในฮาร์ดแวร์เซลล์หรือการกำหนดค่าไม่ถูกต้อง ตั้งแต่หลายเหล่านี้ข้อบกพร่องทำให้เกิดปัญหาเซลล์นอนอาจจะอยู่เบื้องหลังอัตโนมัติได้รับการชดเชยอย่างรวดเร็ว และกู้คืนด้วยการดำเนินการ (เช่นบีการเริ่มระบบใหม่ หรือปรับปรุงซอฟต์แวร์),กลไกการตรวจหาวินิจฉัยความล้มเหลวอย่างรวดเร็วมีความจำเป็นการทำงานเหล่านั้นโดยอัตโนมัติ ดังนั้น การตรวจจับและวินิจฉัย ควร ระบุความล้มเหลว และสาเหตุการเกิดในช่วงนาที/วินาทีอย่างไรก็ตาม เซลล์ขนาดเล็กสามารถเผชิญกับความล้มเหลว(เนื่องจากฮาร์ดแวร์เข้าถึงได้ ใช้ไม่ได้โดยเฉพาะbackhaul ฯลฯ) และมีความสามารถในการจำกัด และลดลงครอบคลุมพื้นที่มีความผันแปรมากใช้จึง มันเป็นทั่วไปที่ไม่ได้ปลุก หรือล้างประสิทธิภาพย่อยสลายอาจจะรายงานกับระบบลองค้นหาสิ่งที่อยู่ในสถานการณ์เหล่านี้แทน ผู้ใช้อุปกรณ์ (UE) ข้อมูลตำแหน่งสามารถใช้เป็นอินพุตสำหรับการแก้ไขปัญหาเพิ่มเติมปัญหาเหล่านี้ ตัวอย่างเช่น ความรู้เกี่ยวกับตำแหน่ง UEs กลายเป็น growlingly พร้อมทั้งในร่ม และกลางแจ้งสถานการณ์ [7] กลไกการแปลอิงจากที่เซลล์ขนาดเล็กจัดวาง [8] เปิดประตูจะใช้สถานที่เพื่อสนับสนุนงานลองค้นหาสิ่งแม้มีการใช้งานสำหรับอ้วนในสถานการณ์ในร่มรับเพิ่ง เสนอ [9], ประโยชน์ของมันได้ก่อนหน้านี้ แสดงให้เห็นสถานการณ์ macrocell และอื่น ๆงานลองค้นหาสิ่งที่ (เช่น สำหรับเพิ่มประสิทธิภาพครอบคลุม [10])ด้วย อีกข้อจำกัดของวิธีคลาสสิกมีสูงการส่งสัญญาณต้นทุนของการส่งการตรวจสอบข้อมูลระบบลองค้นหาสิ่ง/บุตรส่วนกลาง ซึ่งอาจโอเวอร์โหลดของผู้ให้บริการเครือข่าย นอกจากนี้ 5 บริการและการทำงานของเซลล์หนาแน่นขนาดเล็กจัดวางมีการตอบสนองความต้องการมากเวลา และคำนวณกำหนดข้อกำหนดเมื่อดำเนินการในลักษณะรวมศูนย์ ในเพื่อหลีกเลี่ยงปัญหา สนกลไกเหล่านี้ควรกระจายเป็นไปได้ หลีกเลี่ยงความอิ่มตัว และเป็นอัตโนมัติเครือข่ายและองค์ประกอบลองค้นหาสิ่งส่วนกลางการกำหนดทั้งหมดนี้เป็นบัญชี การทำงานอยู่นวนิยายเต็มกระจาย และอัตโนมัติตามตำแหน่งที่ตั้งกลไกสำหรับเซลล์วินิจฉัยการตรวจหาและทำให้เกิดการนอนหลับในสถานการณ์ที่ความหนาแน่นพิเศษตามการใช้งานของเซลล์ขนาดเล็ก ที่นี่ การสันนิษฐานว่าสถานจำเป็นมากจัดหาให้ โดยแหล่งภายนอกแปล รายละเอียดโดยเฉพาะอย่างยิ่งวิธีการใช้สำหรับภาษา UEถือว่าอยู่ในขอบเขตของการตรวจวินิจฉัยอัลกอริทึม ทำ agnostic ไปใช้แหล่งที่มาของภาษา ด้วยเหตุนี้ กระดาษนี้ถูกจัดเป็นดังนี้:ส่วนที่ 2 กล่าวถึงความท้าทายและสถานะของการศิลปะตามกลไกและการตรวจสอบ และการวินิจฉัยปัญหาเซลล์ย่อมพิจารณาการนอนหลับสถานการณ์สมมติของเซลล์ ส่วนที่ 3 สรุปลักษณะและข้อสมมติฐานสำหรับการประมวลผลตามตำแหน่งที่ตั้งของการตรวจสอบข้อมูล เสนอกลไกสำหรับการตรวจสอบและวิเคราะห์สาเหตุที่มีรายละเอียดในส่วนที่ 4 และ 5ตามลาดับ แบบกระจายรวมอยู่แล้วอธิบายไว้ในส่วนที่ 6 กำหนดระบบการประเมินในมาตรา 6 และข้อสรุปของการศึกษานี้เป็นที่สุดนำเสนอในส่วนที่ 7

ผลลัพธ์ (ไทย) 2:

สุดท้ายด้วยตนเองครอบคลุมงานที่เกี่ยวข้องกับความล้มเหลวใน
การบริหารจัดการและการป้องกัน.
งานนี้มุ่งเน้นไปที่ฟังก์ชันการทำงานด้วยตนเอง
เป็นพิเศษสำหรับหนาแน่นเครือข่ายมือถือขนาดเล็ก รักษาตัวเองเป็นกุญแจสำคัญ
สำหรับระบบอัตโนมัติเครือข่าย OAM และประสิทธิภาพการทำงานเนื่องจาก
ความล้มเหลวของเครือข่ายที่สามารถนำไปสู่การเสื่อมลงบริการที่
สูงอาจส่งผลต่อภาพลักษณ์และระยะยาว
รายได้ของผู้ประกอบการ การจัดการความล้มเหลวที่จะแบ่งออกเป็น
สี่ย่อยหลัก [5] ประการแรกการตรวจสอบประกอบด้วยใน
การค้นพบของปัญหาเครือข่ายเช่นการระบุเซลล์ที่มี
การเสื่อมลงในการให้บริการที่มีให้ ประการที่สองการวินิจฉัย
ที่เรียกว่าการวิเคราะห์สาเหตุรากจุดมุ่งหมายที่จะระบุ
สาเหตุที่เฉพาะเจาะจงหรือความผิดของการผลิตการย่อยสลาย.
สุดท้ายเมื่อปัญหาได้รับการตรวจที่แตกต่างกัน
การกระทำสามารถใช้สถานที่เพื่อชดเชยผลกระทบของมันจนกว่าการกู้คืน
การดำเนินการคืนค่าระบบเครือข่ายเพื่อการทำงานอย่างเต็มรูปแบบ .
ในวิธีการจัดการความล้มเหลวของคลาสสิกเหล่านี้จะ
ใช้เวลานานมากและส่งสัญญาณงานสร้าง.
นี้จะทำให้ระบบอัตโนมัติของฟังก์ชั่นเหล่านี้ฟิลด์
ดึงดูดความสนใจเพิ่มมากขึ้นซึ่งผลกระทบ
ของการประยุกต์ใช้สำหรับสถานการณ์ 5G ได้รับเพียง
การพิจารณาแทบ.
นอกจากนี้หนึ่งของ ปัญหาที่พบบ่อยมากที่สุดในขนาดเล็ก
สถานการณ์ถือเป็นปัญหาการนอนหลับของเซลล์ซึ่งเป็นสถานการณ์
ที่สถานีฐานจะไม่สามารถที่จะสนอง
ผู้ใช้และนี้ไม่ได้สะท้อนให้เห็นโดยตรงในการออม
ชี้วัดการตรวจสอบ [6] สาเหตุที่อยู่เบื้องหลังปัญหานี้
ในช่วงตั้งแต่ถอดปลั๊ก BS, ความล้มเหลวในฮาร์ดแวร์เซลล์
หรือการกำหนดค่าที่ไม่ถูกต้อง ตั้งแต่หลายเหล่านี้
ความผิดที่ทำให้เกิดปัญหาที่อยู่เบื้องหลังเซลล์นอนที่อาจจะ
ได้รับการชดเชยอย่างรวดเร็วและ / หรือการกู้คืนด้วยโดยอัตโนมัติ
การกระทำ (เช่นการรีสตาร์ท BS หรืออัปเดตซอฟต์แวร์)
กลไกอย่างรวดเร็วสำหรับการตรวจสอบความล้มเหลว / วินิจฉัยมีความจำเป็น
ที่จะเรียกงานเหล่านั้นโดยอัตโนมัติ ดังนั้นการตรวจสอบ
และการวินิจฉัยควรนึกคิดระบุความล้มเหลวและ
สาเหตุที่ในช่วงนาที / วินาที.
อย่างไรก็ตามเซลล์ขนาดเล็กสามารถโดยเฉพาะอย่างยิ่งมีแนวโน้มที่จะล้มเหลวของ
(เนื่องจากฮาร์ดแวร์เข้าถึงได้มากขึ้นของการใช้ที่ไม่ใช่เฉพาะ
backhaul ฯลฯ ) และมีจำนวน จำกัด สามารถในการรายงานและ
การลดพื้นที่การคุ้มครองระดับตัวแปรของการใช้.
ดังนั้นจึงเป็นเรื่องปกติที่ปลุกไม่ได้หรือการปฏิบัติที่ชัดเจน
การเสื่อมสภาพอาจจะมีการรายงานไปยังระบบการออมใน
สถานการณ์เหล่านี้.
แต่อุปกรณ์ของผู้ใช้ (UE) ข้อมูลการวางตำแหน่ง
สามารถ ทำหน้าที่เป็นผู้ป้อนข้อมูลเพิ่มเติมสำหรับการแก้ไขปัญหา
ของปัญหาเหล่านี้ ตัวอย่างเช่นความรู้เกี่ยวกับ
สถานที่ตั้งของ UEs จะกลายเป็นโฮกสามารถใช้ได้ทั้งใน
สถานการณ์กลางแจ้งและในร่ม [7] กลไกการแปล
อยู่บนพื้นฐานของการใช้งานมือถือขนาดเล็ก [8] เปิด
ประตูไปสู่การใช้สถานที่เพื่อสนับสนุนงาน OAM ได้.
แม้ว่าการใช้งานสำหรับการรักษาด้วยตนเองในสถานการณ์น้ำในร่มได้
รับการเสนอชื่อเพียงเมื่อเร็ว ๆ นี้ [9] ประโยชน์ที่ได้รับการ
แสดงให้เห็นก่อนหน้านี้สำหรับ สถานการณ์ Macrocell และอื่น ๆ
งาน OAM (เช่นสำหรับการเพิ่มประสิทธิภาพความคุ้มครอง [10]).
นอกจากนี้ก็มีข้อ จำกัด ที่สำคัญของวิธีการคลาสสิก
เป็นค่าใช้จ่ายในการส่งสัญญาณสูงของการส่งตรวจสอบ
ข้อมูลไปยังระบบ OAM / SON ส่วนกลางซึ่งอาจ
เกินเครือข่ายของผู้ประกอบการ นอกจากนี้บริการ 5G
และการดำเนินงานของการใช้งานหนาแน่นเซลล์ขนาดเล็กนอกจากนี้ยังจะ
กำหนดเวลาการตอบสนองความต้องการมากและการคำนวณ
ความต้องการเมื่อดำเนินการในลักษณะรวมศูนย์ ใน
การสั่งซื้อเพื่อหลีกเลี่ยงปัญหาเหล่านี้กลไก SON ควรจะ
เป็นโดยอัตโนมัติและกระจายเป็นไปได้หลีกเลี่ยงความอิ่มตัว
ของเครือข่ายและองค์ประกอบ OAM ส่วนกลาง.
การทั้งหมดนี้ในบัญชีการทำงานในปัจจุบันกำหนด
นวนิยายกระจายอย่างเต็มที่และโดยอัตโนมัติตามสถานที่
กลไก สำหรับการตรวจสอบการนอนหลับของเซลล์และสาเหตุการวินิจฉัย
ในสถานการณ์พิเศษหนาแน่นขึ้นอยู่กับการใช้งานของ
เซลล์ขนาดเล็ก ที่นี่สถาน UE จำเป็นจะถือว่า
ที่จะให้โดยแหล่งที่มาของการแปลภายนอก โดยมีรายละเอียด
ของวิธีการเฉพาะที่ใช้สำหรับการแปล UE
จะถือว่าอยู่นอกขอบเขตของการตรวจสอบ / วินิจฉัย
ขั้นตอนวิธีการทำให้มันไม่เชื่อเรื่องพระเจ้ากับการใช้งานใด ๆ
แหล่งที่มาของการแปล ดังนั้นบทความนี้จะจัดดังนี้
ส่วนที่ 2 กล่าวถึงความท้าทายและสถานะของ
ศิลปะในกลไกตามสถานที่และการตรวจสอบและ
วินิจฉัยปัญหาการนอนหลับมือถือสำหรับการพิจารณาขนาดเล็ก
เซลล์สถานการณ์ ส่วนที่ 3 สรุปลักษณะ
และข้อสมมติฐานสำหรับการประมวลผลตามสถานที่ของการตรวจสอบ
ข้อมูล กลไกการเสนอสำหรับการตรวจสอบ
และการวิเคราะห์สาเหตุที่มีรายละเอียดในส่วนที่ 4 และ 5
ตามลำดับ โครงการกระจายรวมแล้ว
อธิบายไว้ในมาตรา 6 กำหนดระบบการประเมิน
ในมาตรา 6 และข้อสรุปของการศึกษานี้เป็นที่สุด
ที่นำเสนอในมาตรา 7