Con oltre 9ML di linee, la rete FTTC (Fiber To The Cabinet) costituisce un segmento estremamente rilevante nel dominio dell’accesso fisso di TIM ed è destinata a rimanere tale nei prossimi anni. Infatti, se da un lato c’è una forte spinta orientata alla migrazione verso FTTH (Fiber To Te Home), dall’altro – specialmente in aree rurali – molte delle vecchie linee in rame vengono progressivamente sostituite con collegamenti FTTC. Uno dei nodi fondamentale della rete FTTC, è chiamato Optical Network Unit (di seguito “ONU”). Questi apparati sono contenuti in opportuni cabinet co-locati con gli armadi stradali e costituiscono il punto di interconnessione tra le linee in rame della rete secondaria (provenienti dalle abitazioni degli utenti) e il collegamento in fibra primario verso la centrale più vicina. Essendo dislocate in strada, le ONU presentano problematiche particolari rispetto agli altri apparati di rete tipicamente posizionati in centrale. Esse sono particolarmente sensibili alle condizioni meteo avverse e a problematiche relative all’alimentazione, a causa della composizione della stazione d’energia ad essi dedicata.
Il progetto ONUCab (dall’unione di ONU e Cabinet) utilizza tecniche di machine learning e advanced information visualization per supportare una manutenzione intelligente delle ONU e dei cabinet stradali, mirata a ridurre i malfunzionamenti e, al contempo, ottimizzare l’operatività riducendo quindi i costi di gestione. Le principali attività del progetto al momento hanno indirizzato 2 problematiche estremamente rilevanti: il fenomeno degli spegnimenti e il proliferare delle porte “dichiarate guaste”. Lo spegnimento di una ONU causa chiaramente un disservizio immediato su tutti i clienti (circa 100 in media) ad essa attestati e in un anno si registrano circa 900.000 spegnimenti sul totale dei 135.000 ONU di TIM. Gli spegnimenti possono essere divisi in 2 macrocategorie: quelli dovuti a una interruzione nella fornitura di energia da parte del gestore e quelli dovuti a problematiche dell’apparato o della sua stazione di energia, come ad esempio un blocco alimentazione dovuto a surriscaldamento. Poter distinguere tra queste due categorie è fondamentale perché ci permette di differenziare le azioni che ne conseguono. Infatti, se nel primo caso non è utile alcun intervento in loco ma è importante dare evidenza agli utenti dell’origine del disservizio, nel secondo occorre analizzare le cause alla base dello spegnimento ed intervenire in modo mirato così da evitare il ripetersi del problema. Sfortunatamente non c’è modo di effettuare questa distinzione in maniera certa, ma con opportune tecniche di aggregazione spaziale e temporale si riesce a categorizzare gli spegnimenti ed indirizzare di conseguenza le azioni. I cluster individuati sono 3: i “grappoli”, 4 o più apparati vicini che si spengono simultaneamente e che, quindi, quasi certamente non necessitano di intervento poichè legati a mancanza di corrente su una cabina di media tensione del gestore; i “singoli”, spegnimenti isolati molto probabilmente dovuti a problematiche dell’apparato che necessitano di intervento; i “multipli” ovvero gruppi di solo 2/3 spegnimenti simultanei per i quali quindi la causa è incerta. I principali output sono stati la creazione di strumenti di analisi visuale per esplorare i dati in modo intuitivo ed interattivo che hanno consentito di evidenziare la portata del fenomeno degli spegnimenti a “grappolo” e la definizione delle logiche di aggregazione per l’identificazione dei grappoli stessi le quali, implementate sul sistema PANAMA per la prioritizzazione degli allarmi descritto nell’articolo principale, hanno consentito di risparmiare circa 10.000 interventi a vuoto dei tecnici on-field all’anno.
