Supervisión de fallos con OTDR en redes ópticas pasivas mediante técnicas de aprendizaje automático

Abstract

En este Trabajo Fin de Grado (TFG), se ha llevado a cabo un estudio de investigación centrado en la monitorización de fallos en redes de acceso ópticas pasivas (Passive Optical Networks, PON) y su validación utilizando reflectometría óptica en el dominio del tiempo (OTDR, Optical Time Domain Reflectometer). Para ello se ha hecho uso del OTDR cuyo modelo es PROLITE-50, proporcionado por la compañía PROMAX, así como su software, que permite analizar las trazas tomadas con dicho instrumento. Con el objetivo de desarrollar un sistema de Inteligencia Artificial (IA), se creó una base de datos apropiada que contenía los datos de las medidas obtenidas anteriormente, la cual utilizará la IA para su análisis, definiendo así nuestro modelo de red neuronal basado en técnicas de Machine Learning (ML). Por último, se llevó a cabo el diseño y programación de un sistema de IA basado en redes neuronales y que hará uso de la base de datos creada, que nos dará los resultados deseados para nuestro análisis; es decir, que detecte correctamente el fallo en una de las ramas de una red PON, dando como resultado una identificación acertada de la localización del fallo ocurrido.

In this Final Degree Project, a research study has been carried out, focused on fault monitoring in Passive Optical Network (PON) systems and their validation using Optical Time Domain Reflectometer (OTDR). For this purpose, the model PROLITE-50 was the OTDR used, provided by PROMAX, along with its software, allowing the analysis of traces taken with this instrument. Chasing the goal of developing a program focused on Artificial Intelligence (AI), an appropriate database was created, with the data from the measurements obtained previously. The AI will use this database for the analysis, thus defining our neural network model based on Machine Learning (ML) techniques. Finally, an AI system based on neural networks and which will use the created database was designed and programmed to provide the desired results for our analysis; that is, to correctly detect the fault in the corresponding branch, resulting in accurate identification of the fault location.