Implementación de un algoritmo para la detección temprana de fallas en equipos inalámbricos de una empresa proveedora de servicios de Internet utilizando técnicas de aprendizaje autónomo

Haro Velasco, Omar Arturo

DSpace Principal
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Maestría en Telecomunicaciones
→
Ver ítem

dc.contributor.advisor	Criollo Bonilla, Ronald , Director
dc.contributor.author	Haro Velasco, Omar Arturo
dc.creator	ESPOL
dc.date.accessioned	2023-11-01T20:23:39Z
dc.date.available	2023-11-01T20:23:39Z
dc.date.issued	2023
dc.identifier.citation	Haro Velasco, O. A. (2023). Implementación de un algoritmo para la detección temprana de fallas en equipos inalámbricos de una empresa proveedora de servicios de Internet utilizando técnicas de aprendizaje autónomo. [Proyecto de Titulación]. ESPOL. FIEC .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/58578
dc.description	La empresa proveedora de servicio de Internet, requieren disponer de un sistema de detección temprana de fallas en equipos de inalámbricos utilizando técnicas de aprendizaje autónomo, a fin de disponer de un sistema que pueda disminuir el tiempo de inactividad de los equipos y mejor calidad de servicio. Para resolver el presente problema se implementó un sistema de adquisición de datos históricos utilizando la herramienta Zabbix, trece equipos inalámbricos y un Punto de Acceso. La información del sistema de adquisición de datos se almacena en una base de datos dicha información se utilizó para el entrenamiento de los diferentes algoritmos de aprendizaje supervisado. El presente trabajo inició con la descripción del problema y las necesidades de mantenimiento de los equipos inalámbricos; continuando con la investigación sobre conceptos que formaron parte de este proyecto como son: las técnicas de mantenimiento de equipos de telecomunicaciones, técnicas de aprendizaje autónomo, sistemas de adquisición de datos y métricas de evaluación de algoritmos. Se implementó el sistema de adquisición de datos utilizando la herramienta Zabbix. Finalmente se realizó el procesamiento de datos y el entrenamiento de los diferentes algoritmos de aprendizaje autónomo supervisado utilizando los datos obtenidos de los equipos inalámbricos. Mediante el entrenamiento de los diferentes algoritmos de aprendizaje autónomo supervisado se pudo determinar que los algoritmos K vecinos más cercanos ofrecen una mejor precisión y un menor costo de validación, por lo cual es la mejor opción para la implementación del algoritmo para la detección temprana de fallas en equipos inalámbricos.
dc.format	application/pdf
dc.format.extent	108 páginas
dc.language.iso	spa
dc.publisher	ESPOL
dc.rights	openAccess
dc.subject	Aprendizaje autónomo
dc.subject	Algoritmo
dc.subject	Equipos inalámbricos
dc.subject	Zabbix
dc.title	Implementación de un algoritmo para la detección temprana de fallas en equipos inalámbricos de una empresa proveedora de servicios de Internet utilizando técnicas de aprendizaje autónomo
dc.type	Magister en Telecomunicaciones
dc.identifier.codigoespol	T-113853
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	FIEC-POSTG028
dc.description.abstractenglish	The Internet service provider company requires an early detection system for failures in wireless equipment using machine learning techniques, in order to have a system that can reduce equipment downtime and improve service quality. To solve this problem, a historical data acquisition system was implemented using the Zabbix tool, thirteen wireless devices and an access point. The information of the data acquisition system is stored in a database, said information was used for the training of the different supervised learning algorithms. The present work begins with the description of the problem and the maintenance needs of the wireless equipment; continuing with the research on concepts that were part of this project such as: maintenance techniques for telecommunications equipment, machine learning techniques, data acquisition systems and algorithm evaluation metrics. The data acquisition system was implemented using the Zabbix tool. Finally, the data processing and the training of the different supervised machine learning algorithms were carried out using the data obtained from the wireless equipment. Through the training of the different supervised machine learning algorithms, it was possible to determine that the K nearest neighbor algorithms offer better precision and a lower validation cost, which is why it is the best option for the implementation of the algorithm for the early detection of failures. on wireless equipment