Faculteit Ingenieurswetenschappen Vakgroep Informatietechnologie Voorzitter: Prof. Dr. Ir. P. LAGASSE
Optimalisatie van operationele kosten voor telecomoperatoren en daarmee geassocieerde afweging tussen netwerkreparatietijden en strafkosten door Lode VAN HALEWYCK
Promotoren: Prof. Dr. Ir. M. PICKAVET , Dr. Ir. D. COLLE Scriptiebegeleiders: Ir. S. VERBRUGGE , Ir. K. CASIER
Scriptie ingediend tot het behalen van de academische graad van burgerlijk elektrotechnisch ingenieur
Academiejaar 2006–2007
Voorwoord In dit voorwoord wens ik iedereen te bedanken die heeft bijgedragen tot de realisatie van deze thesis. In de eerste plaats wil ik mijn promotoren, Prof. dr. ir. M. Pickavet en dr. ir. D. Colle, bedanken om me de kans te bieden me in het onderwerp van deze thesis te verdiepen. Mijn thesisbegeleiders, Sofie Verbrugge en Koen Casier, verdienen bijzondere dank voor het geduld, het waardevolle advies en de suggesties die me steeds weer op het goede pad zetten. Daarnaast dank ik ook ir. Werner Goeman en ir. Joris Walraevens voor hun bereidwillige medewerking. Tot slot wens ik mijn familie en vrienden te bedanken voor hun steun. In het bijzonder dank ik mijn ouders, zonder wiens steun ik deze studies niet zou hebben aangevat, en Ine voor het eindeloze geduld, de onvoorwaardelijke steun en het nalezen van de tekst.
Lode Van Halewyck, juni 2007
Toelating tot bruikleen “De auteur geeft de toelating deze scriptie voor consultatie beschikbaar te stellen en delen van de scriptie te kopi¨eren voor persoonlijk gebruik. Elk ander gebruik valt onder de beperkingen van het auteursrecht, in het bijzonder met betrekking tot de verplichting de bron uitdrukkelijk te vermelden bij het aanhalen van resultaten uit deze scriptie.”
Lode Van Halewyck, juni 2007
Optimalisatie van operationele kosten voor telecomoperatoren en daarmee geassocieerde afweging tussen netwerkreparatietijden en strafkosten door Lode VAN HALEWYCK Scriptie ingediend tot het behalen van de academische graad van burgerlijk elektrotechnisch ingenieur Academiejaar 2006–2007 Promotoren: Prof. Dr. Ir. M. PICKAVET , Dr. Ir. D. COLLE Scriptiebegeleiders: Ir. S. VERBRUGGE , Ir. K. CASIER Faculteit Ingenieurswetenschappen Universiteit Gent Vakgroep Informatietechnologie Voorzitter: Prof. Dr. Ir. P. LAGASSE
Samenvatting In deze thesis worden de operationele kosten van een netwerkoperator en service assurance SLA’s bestudeerd voor DSL-netwerken. In het bijzonder wordt de afweging beschouwd tussen enerzijds de operationele kosten gekoppeld aan het voldoen aan de eisen opgenomen in de SLA en anderzijds de strafkosten die moeten betaald worden als niet aan deze eisen wordt voldaan. Uit deze studie worden dan een aantal algemene richtlijnen afgeleid m.b.t. de organisatie van de herstellingsploegen. Om deze studie uit te voeren wordt een tool ontwikkeld die het mogelijk maakt de operationele kosten te berekenen en te optimaliseren. Met behulp van deze tool worden de factoren bestudeerd die de operationele kosten be¨ınvloeden, zoals de standbykost, de SLA-strafkosten, de niet-homogeniteit van het netwerk, enz. Uiteindelijk worden deze factoren gecombineerd in de case study van een Belgisch toegangsnetwerk. Daarin wordt de totale operationele kost geanalyseerd en wordt de aangewezen organisatie (aantal en spreiding) van de herstellingsploegen bepaald voor verschillende situaties.
Trefwoorden Operationele kosten (OpEx), service assurance SLA, netwerkreparatietijden, strafkosten
Optimization of operational expenditures for telecom operators and related trade-off between networkreparationtimes and SLA-penalties Lode Van Halewyck Supervisor(s): Mario Pickavet, Didier Colle, Sofie Verbrugge, Koen Casier Abstract—To minimize the operational expenditures, a telecom operator has to make the trade-off between the OpEX to assure a certain servicelevel and the SLA-penalties if this level was not reached. In this paper this tradeoff and a case study for a Belgian access network are studied in detail. For the example network, the minimal OpEx and the optimal organization of the repairteams are determined. Keywords—OpEx, service assurance SLA’s, penalties
N
I. I NTRODUCTION
OWADAYS cost management becomes more and more important for telecom operators. Therefore it is essential to have a good knowledge of the coststructure for these operators, for capital expenditures (CapEx) as well as for operational expenditures (OpEx). In this paper the OpEx are calculated and optimized. More specifically the trade-off is studied between the repaircost for network-failures and SLA-penalties. From this trade-off the appropriate organization of the repairteams is determined. The starting point for the study is the activity-based OpExmodel, as shown in Figuur 1 [1]. This model shows the relations between the categories of OpEx to operate an existing network. Other OpEx categories (for setting up the network and non-telco specific OpEx, [1]) will not be considered here.
tool is the combination of an OpEx-tool and a optimizationtool based on Simulated Annealing. A detailed version of the repair process [1] is used as a workflow for which the average time and average cost is calculated, based on data from [2]. Then the failurerates (in this study only the cable cuts) are taken into account and the OpEx are calculated on a yearly basis. To minimize the OpEx, the tool will optimize the placement of the locations with repairteams. This optimization is done for 1 to 10 locations and from these data one can determine the appropriate organization of the repairteams (number of locations and number of teams) as well as their position in the network. B. Identification of Trends
A. Calculation of OpEx
With the described tool, the influence on the yearly OpEx was studied for the following factors: the failurerate, the locationcost, the standbycost, the servicelevel 1 , the SLA-penalties and density variations. The most important conclusions for this study are listed bellow. The repaircost will decrease if the number of locations with repairteams increases. The locationcost is the yearly cost for a location with repairteams. It will linearly increase if the number of locations increases. The postulated servicelevel will determine the number of repairteams needed for each location: a higher servicelevel requires more repairteams. A higher number of required teams will increase the standbycost; this is the cost for repairteams that are available, but are not executing a reparation. On the other hand, a lower servicelevel will increase the number of SLA-penalties and will have a negative influence on the customer satisfaction. For residential customers, the SLA-penalties are seldom paid. In the considered example network SLA-penalties are not included in the SLA with residential users. Because networkprotection will be provided for nonresidential clients, the cost of the SLA-penalties in the case study will be replaced by the cost related to the cessation of the service of unsatisfied clients. Further the influence of variations in the density of the network was studied. One can conclude that in the situation with one urban region in the network, situations with one location of repairteams will be relatively cheaper than for a homogeneous network. Situations with more locations will be relatively more
A software-tool was developed to calculate and optimize the OpEx related to the repair process and the SLA-penalties. This
1 In this study, the servicelevel is defined as the minimal probability that a failure can be repaired immediately
Fig. 1. activity based OpEx-model
In Figure 1 the link between the repair process (nr. 3) and the pricing and billing process (nr. 5) illustrates the trade-off that will have to be made. In the following this trade-off will be studied in detail. II. C ALCULATION EN O PTIMIZATION OF O P E X
expensive. This effect will be the other way around for networks with several urban regions. The influence of density variations will not be considered in the case study. III. C ASE STUDY In this case study the total OpEx - related to the repairprocess and the cessations of services - is studied for a Belgian DSL-accessnetwork to determine the appropriate organization (number of locations and number of teams) of the repairteams. Then the influence of changes in one of the costs on the optimal organization is studied. Figure 2 shows the total OpEx for the example network, calculated as the sum of the repaircost, the locationcost, the standbycost and the cost due to cessation of services by unsatisfied clients. In this figure, one can distinguish two important effects that illustrate the trade-off that has to be made. The first effect is the increasing cost for a high servicelevel and a low number of locations, due to an increasing standbycost. The second effect is the increasing cost for lower servicelevels, due to more ceased services. Total OpEx 30 25 20 OpEx/year 15 [10^6 €] 10 5 9
1
Number of Locations
90
94
92
96
99
5 98
99.95
99.75
0
Servicelevel [%]
The minimal cost for this case is found for 2 locations with 3 repairteams each. This cost is analyzed for the different servicelevels in Figure 3. Analysis of cost for 2 locations 7
OpEx/year [10^6 €]
6 5 4 3 2 1
97
96
95
94
93
92
91
90
Servicelevel [%] Repair-cost
Location-cost
IV. C ONCLUSIONS In this paper the trade-off was studied between the cost to offer the promised servicelevel and the cost of SLA-penalties (or cessation of services by unsatisfied clients) if the promised servicelevel is not reached. The most important trends for this costs were considered and applied for a Belgian example network. In case only the cable cuts are considered, the operators need 2 locations with 3 repairteams each. An increasing failurerate will lead to more locations of repairteams. When de standbycost is increased, the optimal organizations changes to more locations with less repairteams each. To obtain more realistic and detailed results, the study of the OpEx can be refined by considering other failures than cable cuts. The developed tool offers this possibility as well as the option to study other networktopologies. R EFERENCES
Fig. 2. Total OpEx
0 99.9 99.8 99.5 99 98.5 98
The standbycost and the cost due to the cessation of unsatisfied clients do depend on the offered servicelevel. As previously mentioned, the trade-off has to be made between those costs to find the minimal total OpEx. This is clearly illustrated in Figure 3. One can see that for servicelevels from 95% to 99% the total cost stays the same, because the number of required repairteams is the same for these servicelevels. The operator will be able to offer a servicelevel of 99% for a minimal cost. When the failurerate is doubled, the optimal number of locations with repairteams will become 4, with 3 repairteams each. The servicelevel that can be offered with this repairteamorganization is 95%. When the standbycost is doubled, the optimal number of locations moves to 5, with 2 repairteams each. In that way the situation is avoided that three repairteams are standby in the same location at the same time.
Standby-cost
Cessation of services
Fig. 3. Analysis of the OpEx for 2 locations
The repaircost and the locationcost will not depend on the servicelevel, only on the number of locations with repairteams.
[1] Sofie Verbrugge e.a., Modeling Operational Expenditures for Telecom Operators, 2004. [2] Sofie Verbrugge e.a., Impact of Resilience Strategies on Capital and Operational Expenditures, 2005.
INHOUDSOPGAVE
i
Inhoudsopgave 1 Inleiding
1
1.1
Situering en doelstelling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.2
Structuur van het thesisboek . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
2 DSL-netwerken: OpEx en SLA’s
3
2.1
Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
2.2
DSL-netwerken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
2.2.1
Architectuur en technologie . . . . . . . . . . . . . . . . . . . . . . . . . .
4
2.2.2
Netwerkdata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
Operationele kosten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
2.3.1
Algemeen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
2.3.2
Activiteitsgebaseerd OpEx-model . . . . . . . . . . . . . . . . . . . . . . .
9
SLA’s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
2.4.1
Algemeen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
2.4.2
Concrete SLA’s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
Doelstelling en aanpak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2.3
2.4
2.5
3 Ontwikkeling van tool voor berekening en optimalisatie van OpEx
15
3.1
Algemeen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
3.2
OpEx-tool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.2.1
Bestaande tool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.2.2
Aanpassingen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.2.3
Gebruik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
Optimalisatietool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3.3.1
18
3.3
Optimalisatieprobleem . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
INHOUDSOPGAVE
3.4
3.5
ii
3.3.2
Simulated Annealing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3.3.3
Keuze optimalisatietool . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
3.3.4
Jannealer-tool . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
Combinatie van de tools . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
3.4.1
Berekening OpEx . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
3.4.2
Mogelijke optimalisaties . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
Besluit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
4 Invloedsfactoren voor operationele kosten
24
4.1
Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
4.2
Reparatiekost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
4.3
Invloed Failurerate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
4.4
Invloed Locatiekost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
4.4.1
Locatiekost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
4.4.2
Resultaten en Interpretatie . . . . . . . . . . . . . . . . . . . . . . . . . .
27
4.4.3
Locatie in een netwerkknoop . . . . . . . . . . . . . . . . . . . . . . . . .
28
Aantal Herstellingsploegen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
4.5.1
M | M | m Wachtlijnsysteem . . . . . . . . . . . . . . . . . . . . . . . . .
29
4.5.2
Aantal Herstellingsploegen
. . . . . . . . . . . . . . . . . . . . . . . . . .
29
4.5.3
Invloed Servicelevel op aantal herstellingsploegen . . . . . . . . . . . . . .
30
4.5.4
Invloed Failure Rate op aantal herstellingsploegen . . . . . . . . . . . . .
31
Invloed Standbykost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
4.6.1
Standbykost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
4.6.2
Berekening . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.6.3
Resultaten en Interpretatie . . . . . . . . . . . . . . . . . . . . . . . . . .
33
Invloed Servicelevel en SLA-penalties . . . . . . . . . . . . . . . . . . . . . . . . .
34
4.7.1
Servicelevel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
4.7.2
SLA strafkost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.7.3
Berekening . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.7.4
Resultaten en Interpretatie . . . . . . . . . . . . . . . . . . . . . . . . . .
35
Invloed afhaken van klanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
4.8.1
Afhaken van klanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
4.8.2
Resultaten en interpretatie . . . . . . . . . . . . . . . . . . . . . . . . . .
39
4.5
4.6
4.7
4.8
INHOUDSOPGAVE
4.9
iii
Niet-homogeen netwerk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.9.1
Niet-homogeen netwerk . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.9.2
Resultaten en interpretatie . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.10 Besluit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
5 Case study voor een Belgisch toegangsnetwerk
46
5.1
Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
5.2
Overzicht factoren en totale kost . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
5.3
Analyse van de totale kost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
5.3.1
Variatie Failurerate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
5.3.2
Variatie Locatiekost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
5.3.3
Variatie Standbykost . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
5.3.4
Variatie Afhaken van klanten . . . . . . . . . . . . . . . . . . . . . . . . .
54
Besluit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
5.4
6 Conclusies
55
6.1
Conclusies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
6.2
Toekomstig werk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
A Overzicht CD-ROM
58
INHOUDSOPGAVE
Lijst van afkortingen ATM
Asynchronous Transfer Mode
BRAS
Broadband Remote Access Server
CapEx
Capital Expenditures
CPE
Customer Premises Equipment
DSL
Digital Subscriber Line
DSLAM
DSL Access Multiplexer
GUI
Graphical User Interface
ISP
Internet Service Provider
LAN
Local Area Network
NOC
Network Operations Center
ONU
Optical Network Unit
OpEx
Operational Expenditures
PSTN
Public Switched Telephone Network
POTS
Plain Old Telephone Service
QoS
Quality of Service
SA
Simulated Annealing
SDH
Synchronous Digital Hierarchy
SLA
Service Level Agreement
TP
Twisted Pair
TRS
Telecom Research Software
WDM
Wavelength Division Multiplexing
iv
INLEIDING
1
Hoofdstuk 1
Inleiding 1.1
Situering en doelstelling
Door de toenemende concurrentie wordt Cost Management van steeds groter belang voor telecomoperatoren, zowel op het gebied van investeringskosten (CapEx) als operationele kosten (OpEx). Bij de operationele kosten is het interessant een beeld te krijgen van de kosten die gerelateerd zijn met het garanderen van de beloofde QoS (Quality of Service). Zo zal de operator met de klant een SLA (Service Level Agreement) afsluiten, waarin het niveau van de service wordt bepaald en een strafkost wordt vastgelegd die de operator moet betalen indien niet aan dit niveau wordt voldaan. In deze thesis zal meer specifiek de service assurance SLA worden behandeld, die de minimale beschikbaarheid (availability) van de service vooropstelt. De doelstelling van deze thesis is nu het bestuderen van de afweging tussen enerzijds de operationele kosten om aan de in de SLA vooropgestelde eisen te voldoen en anderzijds de strafkosten die moeten betaald worden als het vooropgestelde niveau niet wordt gehaald. Daarbij is het de bedoeling om uit deze studie een aantal algemene richtlijnen voor netwerkoperatoren af te leiden met betrekking tot de organisatie van de herstellingsploegen.
1.2 Structuur van het thesisboek
1.2
2
Structuur van het thesisboek
In volgend hoofdstuk wordt de nodige achtergrond gegeven met betrekking tot operationele kosten en SLA’s voor het toegangsnetwerk (access network ). In Hoofdstuk 3 komt vervolgens de tool aan bod die werd ontwikkeld voor de berekening en optimalisatie van de operationele kosten. In Hoofdstuk 4 worden de factoren overlopen die een invloed hebben op de operationele kosten. Deze factoren worden gecombineerd in de case study van een Belgisch toegangsnetwerk in Hoofdstuk 5. Daarin wordt de totale operationele kost geanalyseerd, en de invloed van kleine wijzigingen in de verschillende factoren bestudeerd, om zo de aangewezen organisatie van de herstellingsploegen te bepalen voor verschillende situaties. Tot slot wordt in Hoofdstuk 6 een overzicht van de belangrijkste besluiten gegeven en biedt Appendix A een overzicht van de gegevens op de bijgevoegde CD-rom.
DSL-NETWERKEN: OPEX EN SLA’S
3
Hoofdstuk 2
DSL-netwerken: OpEx en SLA’s 2.1
Inleiding
Dit hoofdstuk heeft tot doel de nodige achtergrond te verschaffen voor de studie van de operationele kosten beschreven in de volgende hoofdstukken. Eerst worden de architectuur en de technologie van het bestudeerde netwerktype beschreven. Vervolgens komen de operationele kosten (OpEx) van dit netwerk uitgebreid aan bod. Ook de Service Level Agreements (SLA’s) en de daarin opgenomen strafkosten worden toegelicht. Tot slot wordt de aanpak om de doelstelling van deze thesis te realiseren, uiteengezet.
2.2
DSL-netwerken
In de volgende hoofdstukken zal een studie worden gemaakt van de operationele kosten van een telecomoperator, waarbij wordt uitgegaan van een DSL-netwerk. Dit netwerktype wordt in deze paragraaf meer in detail bestudeerd. Een DSL-netwerk is doorgaans ontstaan als uitbreiding van een bestaand telefoonnetwerk. Daar waar het vroeger enkel nodig was om telefoongesprekken over de twisted pair (TP) kabel te versturen, wordt nu ook toegang tot het internet voorzien. Dit werd mogelijk door het gebruik van hogere frequenties (die niet gebruikt werden voor het telefoonverkeer) en door digitale codering van de verstuurde informatie, vandaar ook de naam Digital Subscriber Line (DSL).
2.2 DSL-netwerken
2.2.1
4
Architectuur en technologie
De globale architectuur van een DSL-netwerk kan voorgesteld worden als in Figuur 2.1. Er kan een onderscheid worden gemaakt tussen drie belangrijke delen van het netwerk: het kernnetwerk (core network ), het aggregatienetwerk (aggregation network ) en het toegangsnetwerk (access network ). In wat volgt worden deze drie delen meer in detail besproken.
Figuur 2.1: Architectuur ADSL-netwerk (gebaseerd op [29] )
Toegangsnetwerk De opbouw van een DSL-toegangsnetwerk is te zien in het linkerdeel van Figuur 2.1. Bij de gebruiker zijn er een of meerdere computers verbonden met een DSL-modem. Een POTS1 splitter zorg voor de scheiding van het telefoon- en ADSL-signaal. Voor de verbinding tussen de gebruiker en de DSLAM (DSL Access Multiplexer ) wordt gebruik gemaakt van een koperen twisted pair kabel. De DSLAM vormt de verbinding tussen het toegangs- en aggregatienetwerk en staat in voor het multiplexen van de verschillende inkomende DSL-lijnen. De DSLAM scheidt bovendien de telefoonsignalen van de datasignalen en verbindt deze met het PSTN2 . Om de graafkosten te beperken worden de TP-kabels gebundeld in feederkabels, grafisch weergegeven in Figuur 2.2. Deze feederskabels vormen een stervorm vanuit de DSLAM naar de verschillende distributiepunten. Vanuit deze distributiepunten wordt dan voor elke gebruiker een verbinding met de DSLAM voorzien. 1 2
POTS = Plain Old Telephone Service PSTN = Public Switched Telephone Network
2.2 DSL-netwerken
5
Figuur 2.2: Gebruik feederkabel (Gebaseerd op [29])
Om aan de stijgende vraag naar bandbreedte te voldoen, tracht men de lengte van de twisted pair kabel tussen de DSLAM en de gebruiker zoveel mogelijk te beperken. Indien de afstand tussen de DSLAM en de gebruiker te groot is, wordt gebruik gemaakt van een Optical Network Unit (ONU). Tussen de DSLAM en de ONU wordt glasvezelkabel (fiber ) gebruikt, vanaf de ONU wordt de zogenaamde last mile van een twisted pair kabel voorzien. Aggregatienetwerk Het aggregatienetwerk kan worden omschreven als het netwerk dat instaat voor het transport van data tussen geografisch verspreide toegangsnetwerken en de infrastructuur van de providers. In Figuur 2.1 is de ringvormige topologie te zien en de verbinding tussen enerzijds de DSLAM en anderzijds de BRAS (Broadband Remote Access Server ). In het aggregatienetwerk zal, in tegenstelling tot in het toegangsnetwerk, doorgaans een vorm van protectie voorzien worden om het falen van netwerkcomponenten op te vangen. Voor het transport van de data maakt het aggregatienetwerk gebruik van een datalinklaag(L2)protocol. Hiervoor wordt nu nog meestal ATM gebruikt, maar ook steeds vaker Ethernet. [23] • Asynchronous Transfer Mode (ATM) ATM is een datalinklaagprotocol dat gebruik maakt van pakketten, de zogenaamde cellen, die over een virtueel kanaal (virtual channel ) van bron naar bestemming worden getransporteerd.
Hierbij wordt gebruik gemaakt van ATM-switches die werken met packet-
switching. Door de vaste lengte van de cellen kunnen de ATM-switches aan zeer hoge snelheden werken, waardoor ATM ook vaak wordt gebruikt in internetbackbonenetwerken. • Ethernet De Ethernet-technologie is gebaseerd op het gebruik van het multiple-access-protocol
2.2 DSL-netwerken
6
CSMA-CD (Carrier Sense Multiple Access - Collision Detection). Ethernet wordt vooral gebruikt in LAN’s (Local Area Network ), maar door de lage prijs van de componenten wordt een overstap naar Ethernet voor aggregatienetwerken steeds vaker overwogen. Kernnetwerk De opbouw van het kernnetwerk is te zien in het rechterdeel van Figuur 2.1. Het kernnetwerk zal instaan voor de verbinding tussen de BRAS en de ISP’s (Internet Service Providers) en wordt opgebouwd uit een combinatie van een mesh- en ringtopologie. Er wordt ook steeds 1+1 protection voorzien, zodat een failure van een netwerkcomponent steeds zal kunnen worden opgevangen. Uit [27] blijkt dat in hedendaagse kernnetwerken gebruik gemaakt wordt van ATM- (zie eerder) en/of SDH (Synchronous Digital Hierarchy)-technologie. Voor langeafstandsverbindingen tussen switches, waarbij veel bandbreedte vereist is, wordt ook gebruik gemaakt van point-to-point WDM (Wavelength Division Multiplexing).
2.2.2
Netwerkdata
In volgende hoofdstukken zal worden gewerkt met een voorbeeldnetwerk van een Belgische telecomoperator. De informatie m.b.t. dit netwerk is ter beschikking van de vakgroep Intec, maar dient confidentieel te worden gehouden. Er zal in deze studie enkel rekening gehouden worden met kabelbreuken die zich voordoen in het netwerk, maar de mogelijkheid tot uitbreiding naar andere soorten failures wordt steeds voorzien. De invloed van de kabelbreuken zijn vooral van belang in het toegangsnetwerk, vermits er in het kern- en aggregatienetwerk netwerkprotectie wordt voorzien. Om in wat volgt deze studie te kunnen maken zijn twee belangrijke gegevens nodig, namelijk: het totaal aantal kilometer kabel dat zich in het netwerk bevindt en het aantal klanten dat hinder ondervindt van een kabelbreuk in het toegangsnetwerk. Voor de schatting van het totaal aantal kilometer kabel wordt vertrokken van Tabel 2.1. De berekening wordt beperkt tot het bepalen van het totaal aantal kilometer kabel in de toegangsnetwerken. Er wordt vertrokken van het totaal aantal telefoonaansluitingen dat in Belgi¨e
2.2 DSL-netwerken
7
# aansluitingen [11]
5000000
# knopen in kernnetwerk
40
# achterliggende toegangsnetwerken [1]
10
gem.overlapfactor [14]
60
gem. lengte feeder kabel [1]
5 km
Tabel 2.1: Data voor het berekenen van totaal aantal km kabel aanwezig is. Daarbij wordt in rekening gebracht dat er 40 kernnetwerkknopen zijn en dat met elke kernnetwerkknoop een tiental toegangsnetwerken overeenstemt. Het aantal aansluitingen per toegangsnetwerk bedraagt dan 12500. Wordt daarbij uitgegaan van een overlapfactor van 60, dan bekomt men een 200-tal feederkabels per toegangsnetwerk. Combineren van dit gegeven met de gemiddelde lengte van de feederkabel van 5 km, levert een totaal van om en bij de 400000 km kabel in de toegangsnetwerken van het voorbeeldnetwerk. Voor de berekening van het aantal klanten dat hinder ondervindt van een kabelbreuk wordt uitgegaan van het worst case scenario en wordt gewerkt met de maximale overlapfactor, die 150 [14] bedraagt. Deze duidt het maximum aantal twisted pair kabels aan dat gebundeld wordt in ´e´en feeder-kabel, zie Figuur 2.2. Daarnaast blijkt uit [11] dat 1/3 van de aansluitingen een DSL-aansluiting betreft. Hieruit kan dus geconcludeerd worden dat een breuk van een feederkabel een 50-tal DSL-klanten kan treffen. Van deze gegevens zal in wat volgt worden vertrokken om de kosten gekoppeld aan het herstellen van de kabelbreuken of het vergoeden van benadeelde klanten te berekenen.
2.3 Operationele kosten
2.3
8
Operationele kosten
2.3.1
Algemeen
Om een optimalisatie van de operationele kosten door te voeren is het essentieel een goed beeld te hebben van de koststructuur van een telecomoperator. Globaal kan men de kosten van een telecomoperator onderverdelen in enerzijds de investeringskosten of Capital Expenditures (CapEx) en anderzijds de operationele kosten of Operational Expenditures (OpEx) [25]. De CapEx zijn de kosten gerelateerd aan het uitbouwen van de infrastructuur met als doel het verbeteren of uitbreiden van de diensten. De OpEx zijn de kosten gerelateerd aan het operationeel houden van het telecomnetwerk, alsook aan marketing, administratie, enz. In wat volgt worden deze OpEx meer in detail bestudeerd. Uit [20] en [17] blijkt dat de operationele kosten van een netwerkoperator in drie grote categorie¨en kunnen worden onderverdeeld, namelijk: • De OpEx gekoppeld aan het operationeel houden van een bestaand netwerk. Deze worden hieronder uitgebreid besproken. • De OpEx gekoppeld aan het opstarten van een netwerk, meer bepaald de kost van de netwerkplanning die aan het opstarten voorafgaat en van het installeren van de netwerkcomponenten. • Algemene OpEx, niet specifiek voor netwerkoperatoren. Hierbij worden de kost van het leasen van infrastructuur en de kost van de administratie ondergebracht. Deze onderverdeling wordt grafisch ge¨ıllustreerd in Figuur 2.3.
2.3 Operationele kosten
9
Figuur 2.3: Schematisch voorstelling van onderverdeling OpEx
In wat volgt wordt enkel de eerste categorie OpEx beschouwd: de kosten gerelateerd aan het operationeel houden van een bestaand netwerk. Deze kan worden onderverdeeld in 7 categorie¨en: 1. Operationele, continue infrastructuurkosten (huur, energie,...) 2. Onderhoud 3. Herstellingen 4. Dienstverlening en management 5. Tarifering en facturatie 6. Netwerkplanning 7. Marketing In volgende paragraaf zal een model worden voorgesteld dat de relatie tussen deze 7 categorie¨en aangeeft.
2.3.2
Activiteitsgebaseerd OpEx-model
In figuur 2.4 wordt het activiteitsgebaseerd OpEx-model uit [20] weergegeven. Het model stelt de relaties voor tussen de processen die aan de bovenstaande categorie¨en kunnen gekoppeld worden.
2.3 Operationele kosten
10
Figuur 2.4: Activiteitsgebaseerd OpEx-model (uit [20])
Zoals vermeld in de doelstelling wensen we een optimalisatie van de operationele kosten uit te voeren. Deze optimalisatie zal zich vooral toespitsen op de spreiding van de locaties met herstellingsploegen en het aantal ploegen dat moet worden voorzien. Daarbij wordt de afweging gemaakt tussen enerzijds de netwerkreparatiekosten en anderzijds het betalen van een eventuele strafkost. De relatie tussen beide elementen van de afweging is eveneens te zien in Figuur 2.4, waar bij het repairproces het probleem volledig wordt opgevolgd en deze informatie wordt doorgestuurd naar het pricing en billing proces. Deze informatie zal worden gebruikt voor het verrekenen van de strafkosten en om eventuele aanpassingen in de nieuwe overeenkomsten te kunnen voorzien. Voor het bestuderen van de netwerkreparatietijden zal uiteraard het repair proces van belang zijn, het wordt hieronder dan ook uitgebreid besproken. Verder zal de spreiding van de ploegen invloed hebben op het service provisioning proces en het routine operation proces. Deze processen zullen echter geen invloed hebben op de netwerkreparatietijden en zullen in wat volgt buiten beschouwing worden gelaten.
2.3 Operationele kosten
11
Repairproces In figuur 2.5 wordt de uitwerking van het repairproces uit [20] weergegeven. Er is te zien dat een defect (failure) van het netwerk kan worden aangegeven door een klant of door het routine operation proces, en hoe de verschillende failures worden afgehandeld. Er kan een onderscheid gemaakt worden tussen 5 soorten failures: • Fout in de uitrusting van de klant (CPE3 ) • Fout die kan hersteld worden vanuit NOC4 (software- of configuratiefout) • Kabelbreuk • Andere Hardware failure • Externe failure (bvb. stroompanne) De percentages waarmee deze 5 soorten zich tot elkaar verhouden, blijken in de literatuur nogal te verschillen afhankelijk van het netwerk. In onderstaande tabellen worden twee voorbeelden van mogelijke verhoudingen opgenomen (uit [21]). Configuratie-/Software fout
21 %
Kabelbreuk
13 %
Hardware failure
35 %
Externe failure
19 %
Natuurlijke oorzaak
12 %
Tabel 2.2: Verhouding failures in Amerikaanse PSTN-netwerken [10] Configuratie-/Software fout
25 %
Kabelbreuk
33 %
Hardware failure
25 %
Overige
12 %
Tabel 2.3: Verhouding failures voor IT telecomnetwerk, uit [22] en [24] 3 4
Customer Premises Equipment Network Operations Center
2.3 Operationele kosten
12
Figuur 2.5: Repair proces (uit [20])
In wat volgt zal van bovenstaand model gebruik gemaakt worden voor de berekening van de operationele kosten gerelateerd met het repairproces. De meeste aandacht zal hierbij uiteraard naar het onderdeel ’network operation’ gaan.
2.4 SLA’s
2.4 2.4.1
13
SLA’s Algemeen
De overeenkomst tussen de netwerkoperator en de klant bevat steeds een Service Level Agreement (SLA), waarin een bepaalde QoS (Quality of Service) wordt gegarandeerd. Hierbij kan een onderscheid gemaakt worden tussen service delivery SLA’s, die de tijd vooropstellen waarbinnen een service moet worden opgezet, en service assurance SLA’s, die de minimale beschikbaarheid (availability) van de service en de maximale tijd om een failure te herstellen vooropstellen. In wat volgt zal de service assurance SLA worden beschouwd. In de SLA zal, naast de gegarandeerde QoS, doorgaans ook een strafkost worden opgenomen die de netwerkoperator dient uit te betalen aan de klant indien niet aan het vooropgestelde servicelevel wordt voldaan. (zie ook [18] en [30])
2.4.2
Concrete SLA’s
In de literatuur zijn zeer weinig voorbeelden van concrete SLA’s, en hierin opgenomen strafkosten, beschikbaar. Dit is te verklaren uit het feit dat enerzijds, voor industri¨ele gebruikers, de SLA specifiek voor elke klant zal worden opgemaakt en anderzijds, voor residenti¨ele gebruikers, vaak geen strafkost in de overeenkomst wordt opgenomen. Voor het Belgisch netwerk blijkt uit [12] en [13] dat voor residenti¨ele gebruikers geen strafkosten zullen worden uitbetaald. Toch zal in wat volgt de afweging bestudeerd worden tussen de operationele kosten om een bepaald servicelevel te garanderen en de eventuele strafkosten. Zo kan de situatie worden beschouwd voor het geval netwerkoperatoren beslissen om alsnog strafkosten in de overeenkomsten met residenti¨ele gebruikers op te nemen. Daarnaast heeft het gehanteerde servicelevel ook een invloed hebben op de tevredenheid van de klant. Zo kan, in het geval van een laag servicelevel, aan de ontevredenheid en het eventuele afhaken van de klant eveneens een operationele kost gekoppeld worden. Op basis van confidenti¨ele gegevens, binnen de vakgroep Intec beschikbaar, wordt de voorbeeld SLA-strafkost, waarmee in de komende hoofdstukken zal worden gewerkt, vastgelegd op het equivalent van twee maanden abonnementsgeld.
2.5 Doelstelling en aanpak
2.5
14
Doelstelling en aanpak
Nu de nodige achtergrond werd verschaft omtrent het netwerk, de operationele kosten van een netwerkoperator en service assurance SLA’s, kan dieper ingegaan worden op de doelstelling van deze thesis en de aanpak die werd gehanteerd om deze doelstelling te realiseren. Het doel van deze thesis is de afweging te bestuderen tussen enerzijds de kosten gekoppeld aan het bieden van een bepaald servicelevel en anderzijds de strafkosten die moeten worden betaald wanneer niet aan de service assurance SLA wordt voldaan. Daarbij is het de bedoeling op zoek te gaan naar de aangewezen organisatie (aantal en locatie) van de herstellingsploegen voor het netwerk. Om deze doelstelling te realiseren wordt vertrokken van het activiteitsgebaseerd OpEx-model uit Figuur 2.4, waarin de link tussen enerzijds het repairproces, dat het al dan niet voldoen aan de service assurance SLA bepaalt, en anderzijds het uitbetalen van de strafkosten, duidelijk te zien is. Het is uiteraard van belang een goed beeld te hebben van de OpEx gekoppeld aan dit repairproces. Daarom zal in Hoofdstuk 3 een tool worden beschreven die de operationele kosten van het repairproces berekent. Om de aangewezen organisatie van de herstellingsploegen te bepalen werd aan deze tool ook een optimalisatietool gekoppeld. Vervolgens zullen alle factoren die de afweging tussen de OpEx en de strafkosten be¨ınvloeden worden bestudeerd in Hoofdstuk 4. Zo krijgt men een beeld van welk effect elke van deze factoren zal hebben op de aangewezen organisatie van herstellingsploegen. Deze factoren worden gecombineerd in de case study van een Belgisch toegangsnetwerk in Hoofdstuk 5. Daarbij worden de totale operationele kosten geanalyseerd en wordt de aangewezen organisatie van herstellingsploegen bepaald voor verschillende situaties. Tot slot worden de belangrijkste conclusies op een rijtje gezet in Hoofdstuk 6 en wordt aangegeven hoe de uitgevoerde studie nog verder kan worden uitgediept.
ONTWIKKELING VAN TOOL VOOR BEREKENING EN OPTIMALISATIE VAN OPEX
15
Hoofdstuk 3
Ontwikkeling van tool voor berekening en optimalisatie van OpEx 3.1
Algemeen
Om de vooropgestelde optimalisatie van de OpEx en de afweging tussen netwerkreparatiekosten en strafkosten te kunnen uitvoeren, werd een tool ontwikkeld die het mogelijk maakt de operationele kosten en verschillende invloeden op deze kosten te berekenen en te optimaliseren. Deze tool bestaat uit een combinatie van enerzijds een bestaande tool voor het berekenen van operationele kosten en anderzijds een optimalisatietool. In wat volgt worden beide tools uitgebreid besproken. Voor het invoeren van de netwerkgegevens werd bovendien gebruik gemaakt van TRS (Telecom Research Sofware, zie [2]). Deze bibiotheek maakt het mogelijk om op een eenvoudige manier de netwerkdata in te geven en op een overzichtelijke manier co¨ordinaten, gewichtsfactoren, enz. aan de netwerkelementen toe te kennen.
3.2 OpEx-tool
3.2
16
OpEx-tool
3.2.1
Bestaande tool
Voor het berekenen van de operationele kosten werd vertrokken van een bestaande OpExtool, die ontwikkeld werd binnen de vakgroep Intec [3]. Deze tool biedt de mogelijkheid om met behulp van een GUI een workflow in te geven die is opgebouwd uit verschillende stappen, splits en joins. Deze workflow is in dit geval het proces waarmee de operationele kosten gekoppeld zijn. De inputdata m.b.t. de kosten en het resourcegebruik kunnen m.b.v. een databank worden ingevoerd. De uiteindelijke output van de OpEx-tool is een excel-file die de mogelijkheid biedt de totale OpEx te berekenen. Deze tool vormde het ideale vertrekpunt voor de berekening en optimalisatie van de operationele kosten, al dienden er een aantal aanpassingen te worden doorgevoerd.
3.2.2
Aanpassingen
Vermits de berekening van de operationele kosten wordt opgenomen in een optimalisatie, is het aangewezen dat deze berekening zo snel mogelijk kan worden uitgevoerd. Daartoe werden volgende aanpassingen aan de bestaande tool aangebracht: • De mogelijkheid werd voorzien om de inputdata rechtstreeks in te voeren, i.p.v. telkens in te lezen uit een databank. • De berekening van de totale operationele kosten werd rechtstreeks in de tool ge¨ımplementeerd. Hierdoor worden tijdrovende verbindingen met Excel en Acces vermeden en verlopen de berekening en de optimalisatie van de operationele kosten opmerkelijk sneller.
3.2.3
Gebruik
Zoals reeds vermeld in 2.3 wordt voor de berekening van de operationele kosten uitgegaan van het repairproces zoals weergegeven in Figuur 2.5. De nadruk ligt hierbij vooral op het onderdeel ’network operation’ van dit proces, het is dan ook dit deel dat werd ingegeven als workflow, zoals weergegeven in Figuur 3.1. Daarnaast is de mogelijkheid voorzien om voor alle stappen van de workflow aan te duiden welke en hoeveel resources er gebruikt worden en hoeveel elk van deze resources kost. Er werd
3.2 OpEx-tool
17
Figuur 3.1: Network Operations van Repairproces als workflow
geopteerd om als resources de verschillende personeelsgroepen (ingenieurs, techniekers, enz.) en de hiermee overeenstemmende uurlonen te nemen. Bij elke stap wordt dan aangegeven hoe lang hij duurt en welk personeel er voor nodig is, op basis van data uit [19]. Op basis van deze gegevens berekent de OpEx-tool dan de gemiddelde duur en kostprijs van het repairproces. Met deze gegevens kan de totale reparatiekost op jaarbasis worden berekend en kunnen hierbij ook andere kosten in rekening gebracht worden, zoals in Hoofdstuk 4 zal worden gedaan.
3.3 Optimalisatietool
3.3
18
Optimalisatietool
Om de ideale configuratie (ligging en aantal) van de interventieploegen te bepalen, werd een optimalisatietool ge¨ıntegreerd in de OpEx-tool. In eerste instantie werd beslist om gebruik te maken van een bestaande optimalisatietool, om zo te beschikken over een geavanceerde optimalisatietool en toch de implementatieduur te beperken. Later werd door bepaalde problemen (zie 3.3.4) ook een eigen simulated annealing implementatie gebruikt.
3.3.1
Optimalisatieprobleem
Er zal worden geoptimaliseerd naar het aantal en de ligging van de locaties met herstellingsploegen. Vermits het niet evident is om naar beide parameters tegelijk te optimaliseren, zal voor de verschillende aantallen locaties telkens een optimalisatie naar de ligging worden uitgevoerd. De optimalisatie bestaat uit het bepalen van de co¨ordinaten van de locaties met herstellingsploegen waarvoor de gemiddelde afstand om de netwerkknopen te bereiken minimaal wordt, zodat de duur (en de kost) van de stap ’go there’ uit Figuur 3.1 geminimaliseerd wordt. De objectieffunctie van de optimalisatie is bijgevolg niet-lineair. Gezien deze niet-lineariteit en de grootte van de oplossingsruimte zullen we opteren voor het gebruik van een heuristiek om de optimalisatie uit te voeren [26]. Uit [28] blijkt dat voor problemen van deze aard een keuze kan gemaakt worden uit volgende heuristieken: Simulated Annealing, Tabu Search en in mindere mate Genetische algoritmes. Er dient bij deze keuze een afweging te worden gemaakt tussen implementatietijd en berekeningstijd, en uit [28] kan worden opgemaakt dat Simulated Annealing het meest aangewezen is voor dit probleem. In de volgende paragraaf wordt Simulated Annealing kort toegelicht.
3.3.2
Simulated Annealing
Simulated Annealing is een generieke, probabilistische heuristiek, gebaseerd op het annealingproces uit de metallurgie, waarbij, door het metaal in thermische balans af te koelen, alle moleculen hun laagste energieniveau en hun plaats in het metaalrooster verkrijgen. Zoals in Figuur 3.2, waarin de pseudocode van het Simulated Annealing algoritme is opgenomen, te zien is, wordt er een randomoplossing uit de neighbourhood van de huidige oplossing genomen.
3.3 Optimalisatietool
19
Indien de objectieffunctie voor deze randomwaarde een betere waarde bereikt, wordt deze oplossing de nieuwe huidige oplossing. Is dit niet het geval, dan is er toch nog een kans (berekend op basis van temperatuurschema) dat de oplossing als nieuwe oplossing wordt aangenomen, vandaar dat men spreekt van een probabilistische heuristiek. Het is op deze manier dat wordt vermeden dat men, bij het zoeken naar de beste oplossing, in een lokaal optimum terecht komt. In Figuur 3.2 is te zien hoe simulated annealing kan worden ge¨ımplementeerd. Het is belangrijk de parameters, die hierbij moeten worden ingesteld, op elkaar af te stemmen om zo de duur van de optimalisatie te beperken en toch een zo goed mogelijk resultaat te bekomen. Zo moet men o.a. een temperatuurschema (met starttemperatuur en afkoelingssnelheid), een criterium om de optimalisatie te stoppen, de probabiliteit om een ’slechtere’ oplossing te aanvaarden, enz. instellen.
Figuur 3.2: Algoritme Simulated Annealing
3.3 Optimalisatietool
3.3.3
20
Keuze optimalisatietool
Zoals eerder vermeld zal er gebruik gemaakt worden van een bestaande simulated annealing tool. Om een goede keuze van optimalisatietool te maken, werd een studie uitgevoerd van beschikbare optimalisatietools op basis van volgende criteria: • Programmeertaal: Om de combinatie met de bestaande OpEx-tool zo eenvoudig mogelijk te houden, zal bij voorkeur een java-tool worden gebruikt. • Algoritme: Er zal geopteerd worden voor een Simulated Annealing-tool (zie eerder). • Integreerbaarheid: De eenvoud waarmee de optimalisatietool kan ge¨ıntegreerd worden in de OpEx-tool is een belangrijk criterium. • Betrouwbaarheid: Ook de betrouwbaarheid van de code en van de bekomen resultaten zijn van belang in de keuze van de te gebruiken optimalisatietool. In onderstaande tabel wordt de vergelijking van de beschikbare simulated annealing tools op basis van deze criteria, schematisch voorgesteld. Programmeertaal
Integreerbaarheid
Betrouwbaarheid
Jsimul [4]
java
+/-
+
Jannealer [5]
java
+
+
Class SA [6]
java
-
+/-
ASA [7]
C++
+/-
+/-
Tabel 3.1: Schematische vergelijking tussen beschikbare simulated annealing tools
Op basis van deze vergelijking werd gekozen voor de Jannealer-tool. Het betreft immers een betrouwbare java-tool. Het aspect dat uiteindelijk de doorslag gaf in de keuze, was de eenvoudige manier waarop de tool kan gekoppeld worden aan de OpEx-tool. Zo dient men enkel de objectieffunctie en een aantal parameters op te geven, alvorens de optimalisatie uit te voeren.
3.3 Optimalisatietool
3.3.4
21
Jannealer-tool
De Jannealer-tool maakt het mogelijk om op een eenvoudige manier de objectieffunctie en de eerder vermelde parameters in te stellen. Voor eenvoudige problemen, zoals de bepaling van het optimum voor 1 locatie met herstellingsploegen, levert deze tool zeer snel een goed resultaat. Het nadeel van deze tool blijkt echter het feit dat er steeds met re¨ele getallen gewerkt wordt en dat de zoekruimte niet vooraf kan beperkt worden. Voor meer complexe problemen, zoals het bepalen van de aangewezen ligging voor 5 locaties met herstellingsploegen, neemt de optimalisatieduur enorm snel toe en wordt in bepaalde gevallen geen zinvolle oplossing bekomen. Het probleem van het niet vinden van een optimum binnen een realistische tijdspanne, blijkt een typisch probleem te zijn bij het gebruik van simulated annealing. Het algoritme biedt weliswaar de theoretische garantie dat het optimum kan gevonden als alle parameters zorgvuldig op elkaar worden afgestemd. In de praktijk blijkt echter dat de berekeningstijd voor problemen met meerdere variabelen enorm toeneemt.
3.4 Combinatie van de tools
3.4
22
Combinatie van de tools
De bedoeling van deze paragraaf is een overzicht te geven van hoe de besproken tools worden gecombineerd en hoe de totale operationele kosten m.b.t. het repairproces precies worden bepaald. Vervolgens wordt toegelicht welke optimalisaties er zullen worden uitgevoerd.
3.4.1
Berekening OpEx
In Figuur 3.3 wordt schematisch weergegeven hoe de totale OpEx wordt berekend. In wat volgt wordt dit schema overlopen met de nodige toelichtingen bij elke stap.
Figuur 3.3: Schema berekening OpEx
Zoals eerder beschreven wordt de optimalisatietool aangewend om de meest aangewezen ligging van de locaties met herstellingsploegen te bepalen. Hierbij wordt getracht de gemiddelde afstand tot de netwerkknopen te minimaliseren. Deze afstand wordt bekomen in co¨ordinaatsafstand voor het voorbeeldnetwerk. Met behulp van een routeplanner [8] werd een omzettingsfactor bepaald om deze afstand om te zetten naar de af te leggen afstand voor de herstellingsploegen. Vervolgens wordt uitgegaan van een gemiddelde snelheid van 70 km/uur en wordt de gemiddelde duur van de stap ’Go There’ uit Figuur 3.1 bepaald. De duur van de stap ’Go There’ is de enige die afhankelijk is van de plaatsing van de herstellingsploegen. Nu deze duur gekend is kan de OpEx-tool, zoals reeds beschreven in 3.2, de gemiddelde duur en kostprijs van het repairproces berekenen. Deze data worden vervolgens gekoppeld aan de opgenomen failurerates. In wat volgt zal enkel rekening gehouden worden
3.5 Besluit
23
met de kabelbreuken (cable cuts), de andere soorten failures worden niet beschouwd. Voor de kabelbreuken wordt uitgegaan van een failure rate van 1 kabelbreuk per 300 km kabel per jaar. Uit 2.2.2 blijkt dat er in het voorbeeldnetwerk 400000 km kabel aanwezig is. Combinatie van deze gegevens geeft het aantal kabelbreuken op jaarbasis en dus ook de totale operationele kost m.b.t. het repairproces op jaarbasis. Wanneer men naast kabelbreuken ook ander failures, zie 2.3.2, in rekening wenst te brengen, kan de berekening van de OpEx eenvoudig worden uitgebreid met deze gegevens. In Hoofdstuk 4 zal de invloed van andere factoren op de OpEx worden bestudeerd. Hiervoor werd in de totale berekening de optie voorzien om elk van deze factoren apart te beschouwen.
3.4.2
Mogelijke optimalisaties
Zoals hierboven beschreven, wordt er in eerste instantie enkel getracht de gemiddelde afstand tot de netwerkknopen te minimaliseren. De co¨ordinaten die hieruit resulteren worden als vast verondersteld voor de berekening van andere invloeden op OpEx. Deze manier van werken is mogelijk doordat in deze situaties enkel de reparatiekost afhankelijk is van de ligging van de locaties met herstellingsploegen Daarnaast werd eveneens de optie voorzien om de plaatsing van de locaties te optimaliseren voor een minimale totale kost. Hierbij wordt de berekening van de totale OpEx opgenomen in de objectieffunctie van de optimalisatie. Deze manier van werken wordt in wat volgt gebruikt voor de situaties waarin niet alle netwerkknopen als gelijkwaardig worden beschouwd of waarin niet alleen de repairkost afhankelijk wordt verondersteld van de ligging van de locaties met herstellingsploegen.
3.5
Besluit
In dit hoofdstuk werd een overzicht gegeven van de gehanteerde software-tools voor de berekening en optimalisatie van de OpEx. De werking van deze tools werd toegelicht en er werd een overzicht gegeven van hoe ze precies op elkaar worden afgestemd om de berekeningen uit volgende hoofdstukken mogelijk te maken.
INVLOEDSFACTOREN VOOR OPERATIONELE KOSTEN
24
Hoofdstuk 4
Invloedsfactoren voor operationele kosten 4.1
Inleiding
Zoals vooropgesteld in de doelstelling in 2.5 wordt de trade-off bestudeerd tussen enerzijds de operationele kosten gekoppeld aan de netwerkreparaties en de stafkosten opgenomen in de SLA’s anderzijds. Daaruit worden een aantal richtlijnen voor het aantal en de spreiding van de herstellingsploegen afgeleid. Om dit te realiseren werden de factoren die de operationele kosten, gerelateerd aan de netwerkreparaties en strafkosten, be¨ınvloeden, meer in detail bestudeerd. De kosten die in rekening gebracht werden, zijn: • De reparatiekost: kost gekoppeld aan het herstellen van de failures. • De standbykost: kost gerelateerd aan de herstellingsploegen die voorzien zijn, maar geen reparatie uitvoeren. • De SLA-strafkost: kost gekoppeld aan het niet halen van de eisen opgenomen in de SLA. • Het afhaken van klanten: kost van het afhaken van klanten door regelmatige onbeschikbaarheid van het netwerk. In wat volgt wordt in 4.2 vertrokken van de kost van het herstellen van de kabelbreuken. Vervolgens wordt de invloed van de failurerate (4.3) en de locatiekost (4.4) op deze reparatiekost bestudeerd. In 4.5 wordt een studie gemaakt van het aantal vereiste herstellingsploegen per
4.2 Reparatiekost
25
locatie, om daaruit in 4.6 de invloed van de standbykost op de totale operationele kosten te bepalen. Daarna wordt in 4.7 de afweging bestudeerd tussen het servicelevel dat wordt vooropgesteld en de strafkosten die zijn opgenomen in de SLA. Het afhaken van ontevreden klanten wordt hiermee gekoppeld in 4.8. Tot slot wordt in 4.9 de invloed van niet-homogene netwerken beschouwd.
4.2
Reparatiekost
Zoals beschreven in 3.4.1 worden de totale operationele kosten op jaarbasis berekend en worden in eerste instantie enkel de kabelbreuken in rekening gebracht. Het verloop van de reparatiekost in functie van het aantal locaties met herstellingsploegen wordt weergegeven in Figuur 4.1. 1.58 1.57 Reparatiekost
OpEx/jaar [10^6 €]
1.56 1.55 1.54 1.53 1.52 1.51 1.5 0
2
4
6
8
10
12
Aantal Locaties
Figuur 4.1: Verloop Reparatiekosten
In Figuur 4.1 is duidelijk te zien dat de operationele kosten dalen naarmate het aantal locaties met herstellingsploegen stijgt. Dit is te verklaren door het feit dat meer locaties met herstellingsploegen er voor zorgen dat de ploegen sneller ter plaatse zijn en de failures dus sneller kunnen verholpen worden. Het is duidelijk dat dit een onrealistische voorstelling van de operationele kosten betreft, er dient immers rekening gehouden te worden met tal van factoren
4.3 Invloed Failurerate
26
die operationele kosten met zich meebrengen. De invloed van deze factoren wordt in de volgende paragrafen bestudeerd.
4.3
Invloed Failurerate
De resultaten in Figuur 4.1 zijn bekomen met een failurerate van 1 kabelbreuk per 300 km per jaar. Wanneer deze failurerate varieert, zal ook de totale reparatiekost wijzigen. In Figuur 4.2 worden de totale reparatiekosten weergegeven voor verschillende waarden van de failurerate. 2.6
OpEx/jaar [10^6 €]
2.4 2.2 2 1.8 1.6 1.4 1.2 1 0
2
4
6
8
10
Aantal Locaties 1 CC/300 km kabel/jaar 1 CC/400 km kabel/jaar
1 CC/200 km kabel/jaar
Figuur 4.2: Invloed van de Failurerate
Figuur 4.2 geeft duidelijk weer dat de reparatiekosten zullen stijgen naarmate de failurerate toeneemt. Een gelijkaardig effect wordt bekomen als, i.p.v. de variatie van de failurerate, het falen van andere netwerkcomponenten naast de kabelbreuken in rekening worden gebracht.
4.4 Invloed Locatiekost
4.4 4.4.1
27
Invloed Locatiekost Locatiekost
Tot nu toe werd in de berekening geen rekening gehouden met de kost gekoppeld aan het voorzien van een extra locatie met herstellingsploegen. In wat volgt wordt deze kost omschreven als de ’locatiekost’. In de berekening werd een vaste kost per locatie ingevoerd. De locatiekost zal dus lineair stijgen in functie van het aantal locaties met herstellingsploegen.
4.4.2
Resultaten en Interpretatie
De resultaten voor de berekening van de invloed van de locatiekost worden weergegeven in figuur 4.3. De resulterende curves zijn de som van de reparatiekost (voor locatiekost = 0) en een lineaire functie met een richtingsco¨effici¨ent afhankelijk van de locatiekost. 2.1
OpEx/jaar [10^6 €]
2 1.9 1.8 1.7 1.6 1.5 1.4 0
2
4
6
8
10
Aantal Locaties 0
10000
30000
50000
Figuur 4.3: Invloed van de Locatiekost
Uit figuur 4.3 kan worden opgemaakt dat de afweging moet gemaakt worden tussen enerzijds het plaatsen van meer locaties om zo de duur van het ter plaatse gaan te beperken, en anderzijds het beperken van het aantal locaties en de daaraan gekoppelde kosten. Bij een stijgende locatiekost is te zien dat het optimaal aantal locaties zal dalen, en bij een zeer hoge locatiekost
4.4 Invloed Locatiekost
28
zal 1 locatie als optimaal kunnen beschouwd worden. In wat volgt zullen we deze afweging koppelen aan de snelheid waarmee een failure moet hersteld kunnen worden.
4.4.3
Locatie in een netwerkknoop
Het is mogelijk dat een locatie van herstellingsploegen zeer dicht bij een netwerkknoop gelegen is. In dat geval kan het aangewezen zijn beide functies in ´e´en locatie onder te brengen. Dit zal geen noemenswaardige invloed hebben op de duur om ter plaatse te gaan in geval van een failure en kan een aanzienlijke besparing met zich meebrengen. Een illustratie van het mogelijk effect van een variabele locatiekost is grafisch weergegeven in Figuur 4.4. Daarin wordt een straal (R) van 0, 10, 20 en 40 km gehanteerd waarbinnen een locatie kan worden opgenomen in een netwerkknoop binnen die straal. De kostprijs van een locatie in een netwerkknoop bedraagt in dit voorbeeld slechts 10 % van de vooropgestelde locatiekost (in dit geval e10000). Ter vergelijking is ook de reparatiekost zonder locatiekost weergegeven. 1.62
OpEx/jaar [10^6 €]
1.6 1.58 1.56 1.54 1.52 1.5 0
2
4
6
8
10
R = 20 km
R = 40 km
Aantal Locaties Geen locatiekost
R = 0 km
R = 10 km
Figuur 4.4: Invloed van de variabele locatiekost
In Figuur 4.4 is de te zien dat naarmate het aantal locaties met herstellingsploegen toeneemt, er ook meer locaties kunnen worden ondergebracht in netwerkknopen. In het hierboven beschreven voorbeeld blijft de invloed van de locatiekost dus relatief beperkt.
4.5 Aantal Herstellingsploegen
4.5
29
Aantal Herstellingsploegen
4.5.1
M | M | m Wachtlijnsysteem
Voor de bereking van o.a. de standbykost is het belangrijk het aantal herstellingsploegen per locatie te kennen. Daartoe beschouwen we een locatie met m herstellingsploegen als een M | M | m wachtlijnsysteem. Dit wachtlijnsysteem heeft een Poisson-aankomstproces met intensiteit λ en m verwerkingseenheden met verwerkingsintensiteit µ. Uit [15] blijkt dat de kans dat er zich k (met 1 < k < m) failures voordoen gegeven wordt door: λ 1 P [X = k] = P [X = k − 1] = kµ k! met: P [X = 0] =
m−1 X k=0
k λ P [X = 0] µ
(mρ)k (mρ)m + k! m!(1 − ρ)
(4.1)
!−1 (4.2)
en ρ=
λ mµ
(4.3)
Het bepalen van λ en µ gebeurt als volgt; λ kan berekend worden als het aantal failures dat zich per uur voordoet. Stel bijvoorbeeld dat er zich 200 failures per jaar voordoen, dan wordt λ gegeven door λ =
200 8760
[failures/uur]. µ kan berekend worden als het aantal failures dat per
uur kan worden hersteld door ´e´en verwerkingseenheid. Stel bijvoorbeeld dat de gemiddelde reparatieduur van een failure 5 uur bedraagt, dan wordt µ gegeven door µ =
4.5.2
1 5
[failures/uur].
Aantal Herstellingsploegen
Het aantal herstellingsploegen dat per locatie moet voorzien worden, is afhankelijk van het aantal failures, het aantal locaties en het gewenste servicelevel. Om dit aantal te bepalen, wordt gebruik gemaakt van de ’Erlang delay-formule’, die de kans uitdrukt dat er gelijktijdig meer failures optreden dan door de herstellingsploegen van een gegeven locatie kunnen worden hersteld. Deze formule wordt gegeven door [15]:
P [X ≥ m] = Pm−1 k=0
(mρ)m m!(1 − ρ) (mρ)k (mρ)m + k! m!(1 − ρ)
(4.4)
4.5 Aantal Herstellingsploegen
30
Met behulp van Formule 4.4 kan het aantal nodige herstellingsploegen per locatie berekend worden door gebruik te maken van een Erlang C-calculator; hiervoor werd een wiskundig pakket ge¨ımporteerd [9]. Bovenstaande formule drukt de kans uit dat een failure niet onmiddellijk kan behandeld worden. Om de invloed van de strafkosten uit de SLA meer in detail te kunnen bestuderen, is het aangewezen te beschikken over een formule die de kans uitdrukt dat een failure langer dan een vooropgestelde tijdslimiet moet wachten op herstelling. De wachttijden voor de uitgestelde herstellingen zijn exponentieel verdeeld (uit [16]), dus: P [W > t|W > 0] = e−(1−ρ)mµt
(4.5)
Wanneer in rekening gebracht wordt dat: P [W > t] = P [W > 0] · P [W > t|W > 0]
(4.6)
Dan wordt de uitdrukking voor de kans dat de wachttijd een vooropgestelde tijdslimiet overschrijdt: P [W > t] = e−(1−ρ)mµt · Pm−1 k=0
(mρ)m m!(1 − ρ) (mρ)k (mρ)m + k! m!(1 − ρ)
(4.7)
Zoals hoger vermeld is het aantal herstellingsploegen per locatie afhankelijk van de failure rate en het gewenste servicelevel. In wat volgt beschouwen we de invloed van deze factoren op het aantal herstellingsploegen
4.5.3
Invloed Servicelevel op aantal herstellingsploegen
Vooraleer het vooropgestelde servicelevel in rekening te brengen, is een goede omschrijving van de term noodzakelijk. In wat volgt zal het vooropgestelde servicelevel steeds worden ge¨ınterpreteerd als de kans dat een failure onmiddellijk kan hersteld worden, of 1 − P [W > 0]. De invloed van het gewenste Servicelevel op het aantal nodige herstellingsploegen per locatie wordt grafisch weergegeven in figuur 4.5, waarbij de aantallen worden weergegeven voor de servicelevels 99,9%, 99% en 95%.
4.5 Aantal Herstellingsploegen
31
Aantal herstellingsploegen/Locatie
6 5 4 3 2 1 0 0
2
4
6
8
10
Aantal Locaties 99,9 %
99 %
95 %
Figuur 4.5: Invloed servicelevel op aantal herstellingsploegen
4.5.4
Invloed Failure Rate op aantal herstellingsploegen
Het effect van het aantal failures op het aantal nodige herstellingsploegen per locatie wordt grafisch voorgesteld in figuur 4.6. De berekening van het aantal ploegen werd uitgevoerd voor de referentiewaarde van 1 CC/300 km kabel/jaar, daarnaast werd het resultaat bestudeerd indien de failurerate 1 CC/400 km kabel/jaar zou bedragen en er zich dus minder failures zouden voordoen in het netwerk. Hierbij werd telkens uitgegaan van een vooropgesteld servicelevel van 99 %. Er is duidelijk te zien dat er minder herstellingsploegen per locatie nodig zijn als er zich minder failures voordoen in het netwerk.
4.6 Invloed Standbykost
32
Aantal herstellingsploegen/locatie
6 5 4 3 2 1 0 0
2
4
6
8
10
Aantal Locaties 1 CC/300 km kabel/jaar
1 CC/200 km kabel/jaar
Figuur 4.6: Invloed failure rate op aantal herstellingsploegen
Bovenstaande resultaten zijn van belang bij het bestuderen van de invloed van o.a. de standbykost en het servicelevel. Deze kosten zijn immers afhankelijk van het aantal aanwezige herstellingsploegen en de Figuren 4.6 en 4.5 kunnen worden gebruikt om het verloop van deze kosten te verklaren.
4.6 4.6.1
Invloed Standbykost Standbykost
Nu het aantal nodige herstellingsploegen per locatie kan worden bepaald, wordt de invloed van de kost gekoppeld aan het standby-zijn van deze ploegen bestudeerd. Zo zullen er op locaties waar meerdere herstellingsploegen aanwezig zijn, ook ploegen standby zijn (d.i. geen reparatie uitvoeren). Herstellingsploegen die geen reparatie uitvoeren kunnen ingezet worden om andere taken te verrichten, al zal dit niet alle stand-by tijd kunnen opvangen. Het standby-zijn van de herstellingsploegen heeft dus invloed op de totale operationele kosten op jaarbasis. Deze invloed wordt verder de ’standbykost’ genoemd.
4.6 Invloed Standbykost
4.6.2
33
Berekening
Voor de bepaling van de standbykost wordt eerst het aantal herstellingsploegen bepaald dat nodig is per locatie om een vooropgesteld servicelevel te halen. De standbykost wordt berekend als een percentage van de kost van de herstellingsploegen die geen herstelling uitvoeren. Dit kan als volgt worden geformuleerd: Standbykost =
A X P X
P [X = j] · (P − j) · K · p
(4.8)
i=1 j=1
Waarbij A = aantal locaties, P = aantal ploegen per locatie, P[X=j] gegeven door Formule 4.1, K = kostprijs van een herstellingsploeg en p = het percentage van de standbytijd dat niet aan andere taken kan worden besteed. In Formule 4.8 wordt gesommeerd over alle locaties met herstellingsploegen. Per locatie wordt gesommeerd over alle mogelijke aantallen ploegen die standby zijn, waarbij gebruik gemaakt wordt van de uitdrukking van de kans dat de andere ploegen een herstelling uitvoeren. Deze kans wordt telkens vermenigvuldigd met de kostprijs van een herstellingsploeg en het percentage van de standbytijd dat niet kan worden opgevangen met andere activiteiten. Voor de kostprijs van de herstellingsploeg wordt uitgegaan van een ploeg van 2 techniekers. Met de cijfers uit [19] geeft dit een kostprijs van e268 per uur.
4.6.3
Resultaten en Interpretatie
De invloed van de standbykost wordt grafisch voorgesteld in Figuur 4.7, waarbij werd uitgegaan van een servicelevel van 99%. Het is duidelijk te zien dat de standbykost sterk be¨ınvloed wordt door het aantal herstellingsploegen dat per knoop aanwezig is (zie Figuur 4.6). Zolang het aantal herstellingsploegen gelijk blijft, zal de standbykost lineair toenemen in functie van het aantal locaties. Wanneer het aantal aanwezige ploegen per locatie echter daalt, zal dit ook een daling van de standbykost met zich meebrengen, wat de sterke daling van de operationele kosten bij de overgang van 3 naar 4 locaties verklaart.
4.7 Invloed Servicelevel en SLA-penalties
34
4
OpEx/jaar [10^6 €]
3.5 3 2.5 2 1.5 1 0
2
4
6
8
10
Aantal Locaties Reparatiekost
5 % standby
10 % standby
20 % standby
Figuur 4.7: Invloed van de standbykost
4.7
Invloed Servicelevel en SLA-penalties
Zoals beschreven in 4.5.3 heeft het servicelevel een invloed op het aantal aanwezige herstellingsploegen per locatie en dus ook op de hieraan gekoppelde standbykosten. In wat volgt wordt de afweging bestudeerd tussen deze standbykosten enerzijds en de kosten ten gevolge van strafkosten gedefinieerd in de SLA anderzijds. Zo zal bijvoorbeeld een lager aantal herstellingsploegen een lagere standbykost betekenen, maar een hoger aantal failures dat niet onmiddellijk kan worden hersteld en dus meer SLA-strafkosten die moeten betaald worden. Hieronder worden eerst de begrippen servicelevel en SLA-strafkost omschreven, om vervolgens de berekening van de hiermee gerelateerde OpEx te beschrijven.
4.7.1
Servicelevel
Zoals eerder vermeld, wordt het vooropgestelde servicelevel gedefinieerd als de minimale kans dat een failure onmiddellijk kan hersteld worden, d.i. 1 − P [W > 0]. Er wordt verondersteld dat de tijdslimiet opgenomen in de SLA overeenstemt met de gemiddelde tijd van het repairproces. Deze interpretatie van het servicelevel kan worden uitgebreid door gebruik te maken van Formule 4.7. Met deze formule kan het aantal nodige herstellingsploegen worden berekend voor verschillende waarden van de tijdslimiet.
4.7 Invloed Servicelevel en SLA-penalties
4.7.2
35
SLA strafkost
Zoals vermeld in 2.4 worden in de overeenkomst tussen de provider en de klant strafkosten opgenomen, die moeten worden uitbetaald indien de provider niet de beloofde service levert. In wat volgt wordt dus verondersteld dat niet aan de overeenkomst wordt voldaan als de herstelling van de kabelbreuk niet onmiddellijk kan worden uitgevoerd. In die gevallen zal een strafkost moeten worden uitbetaald.
4.7.3
Berekening
De invloed van het servicelevel manifesteert zich dus enerzijds in de standbykost. Deze zal in wat volgt verondersteld worden als de personeelskost voor 10% van de tijd waarin geen herstellingen worden uitgevoerd, berekend zoals in 4.6.2. Voor de berekening van de SLA-penalties anderzijds hebben we de kans nodig dat een failure niet binnen de vooropgestelde tijdslimiet hersteld kan worden, deze wordt gegeven door Formule 4.4. Voor het bepalen van de strafkost die moet betaald worden bij het niet naleven van de SLA, wordt verwezen naar 2.2.2. Daar werd berekend dat ongeveer 50 DSL-klanten hinder ondervinden van het falen van een feederkabel. Uit 2.4 blijkt dat de gemiddelde strafkost die wordt opgenomen in de SLA het abonnementsgeld voor twee maanden bedraagt. In het voorbeeldnetwerk bedraagt het maandelijks abonnementsgeld voor DSL-klanten gemiddeld e40. Een kabelbreuk zal dus een totaal uit te betalen strafkost van e4000 opleveren. De totale strafkosten op jaarbasis worden dus bepaald op basis van: de kans dat een failure niet onmiddellijk kan hersteld worden, het totaal aantal failures op jaarbasis en de strafkost die per overschrijding van de tijdslimiet moet worden betaald. Vermenigvuldigen van deze drie getallen geeft de totale invloed van de strafkost.
4.7.4
Resultaten en Interpretatie
De resultaten van de berekening zoals hierboven beschreven, zijn steeds in functie van het aantal locaties met herstellingsploegen en het vooropgestelde servicelevel. Eerst zal het resultaat worden weergegeven voor ´e´en servicelevel (95%) in functie van het aantal locaties. Vervolgens zullen voor ´e´en aantal locaties (2 locaties) de kosten worden uitgezet in functie van het
4.7 Invloed Servicelevel en SLA-penalties
36
vooropgestelde servicelevel. Tot slot wordt een 3D-weergave gegeven van de kosten in functie van beide factoren. In Figuur 4.8 wordt het verloop van de standbykost voor een servicelevel van 95%, de strafkosten die met dit servicelevel gepaard gaan en de som van deze twee kosten weergegeven in functie van het aantal locaties. In deze figuur is te zien dat de standbykost, zoals reeds vermeld in Paragraaf 4.6, sterk afhankelijk is van het aantal herstellingsploegen dat per locatie voorzien wordt, weergegeven in Figuur 4.5. Wanneer het aantal herstellingsploegen gelijk blijft, zal de standbykost lineair toenemen in functie van het aantal locaties, wanneer het aantal herstellingsploegen afneemt, zal de standbykost sterk dalen. Het verloop van de strafkosten is net tegenovergesteld. Dit is te verklaren door het feit dat wanneer het aantal locaties met herstellingsploegen toeneemt en er evenveel herstellingsploegen per locatie blijven, het totaal aantal herstellingsploegen zal toenemen. De kans op een failure die niet onmiddellijk kan hersteld worden, wordt dan kleiner en dus zullen ook de strafkosten afnemen. Beide kosten compenseren elkaar min of meer, al is er duidelijk een lokaal minimum voor 2 locaties met herstellingsploegen. In Figuur 4.9 zal deze situatie meer in detail worden bekeken. 0.6
OpEx/jaar [10^6 €]
0.5 0.4 0.3 0.2 0.1 0 0
2
4
6
8
10
Aantal Locaties Standbykost
SLA-strafkost
Som
Figuur 4.8: Standbykost en SLA-strafkosten voor servicelevel van 95%
4.7 Invloed Servicelevel en SLA-penalties
37
In Figuur 4.9 worden de standby- en strafkosten uitgezet in functie van het vooropgesteld servicelevel. Er is te zien dat de standbykosten monotoon stijgen en de strafkosten monotoon dalen naarmate het servicelevel toeneemt. Voor een servicelevel van 95% tot 99% is de som van de kosten minimaal. Een provider kan dus een servicelevel van 99% garanderen, zonder daarvoor meer kosten te maken dan wanneer hij een 95%-servicelevel zou vooropstellen. Het optreden van dit ’plateau’ van minimale kosten voor verschillende servicelevels is wederom te verklaren vanuit het voorziene aantal herstellingsploegen, zoals beschreven in 4.5. Een toename van het aantal ploegen per locatie zal een toename van de standbykost betekenen, een afname van het aantal ploegen per locatie betekent een toename van de SLA-strafkosten. Het evenwicht tussen beide kostenstijgingen wordt bereikt op dit ’plateau’. Zo zal voor elk aantal locaties met herstellingsploegen reeks servicelevels naar voor komen waarvoor de som van de standby- en strafkosten minimaal is. Deze evolutie wordt weergegeven in Figuur 4.10. 1.4
OpEx/jaar [10^6 €]
1.2 1 0.8 0.6 0.4 0.2 0 90
92
94
96
98
100
Servicelevel [%] Standbykost
SLA-strafkost
Som
Figuur 4.9: Standbykost en SLA-strafkosten voor 2 locaties
4.7 Invloed Servicelevel en SLA-penalties
38
2.5
OpEx/jaar [10^6 €]
2
1.5
1 0.5 9
91
93
95
97
98.5
5 99.5
99.9
0
Aantal Locaties
1
Servicelevel [%]
Figuur 4.10: Afweging Standbykost en SLA-strafkosten
In bovenstaande figuur is de som van de standby- en strafkosten te zien in functie van zowel het aantal locaties met herstellingsploegen als het vooropgestelde servicelevel. Daaruit kan men aflezen wat het optimale aantal locaties is voor een bepaald servicelevel, of welk servicelevel men kan garanderen voor een bepaald aantal locaties. Bij deze beschouwingen dient opgemerkt dat in het geval van residenti¨ele gebruikers de SLAstrafkost zelden tot nooit zal worden uitbetaald, zie ook 2.4. Er kan echter gesteld worden dat het aantal keer en de duur van de onbeschikbaarheid van het netwerk een invloed zal hebben op de tevredenheid van de klant. De mogelijke ontevredenheid van de klant kan uiteindelijk leiden tot het opzeggen van de overeenkomst, wat op zich ook een operationele kost met zich zal meebrengen. De manier waarop deze operationele kost in rekening kan gebracht worden, wordt beschreven in 4.8.
4.8 Invloed afhaken van klanten
4.8 4.8.1
39
Invloed afhaken van klanten Afhaken van klanten
In wat volgt zal de operationele kost gekoppeld aan het afhaken van ontevreden klanten worden gemodelleerd. Zo is de ontevredenheid van de klant afhankelijk van het aantal en de duur van de failures. Er werd geopteerd om de kost gerelateerd aan het afhaken van de klanten te modelleren op gelijkaardige manier als de invloed van de SLA-strafkost, m.a.w. afhankelijk van de kans dat een failure niet onmiddellijk kan hersteld worden. In het geval van de SLA-strafkost is de kost rechtevenredig met het aantal niet onmiddellijk gerepareerde failures op jaarbasis. In het geval van het afhaken van de klanten, werd de kost evenredig met het kwadraat van dit aantal genomen. Een beperkt aantal onbeschikbaarheden zal immers slechts een beperkte invloed hebben, een stijgend aantal onbeschikbaarheden zal echter een steeds grotere ontevredenheid opleveren, vandaar de kwadratering. Bij de berekening van deze kost werd ervoor gezorgd dat, voor het referentiepunt van 2 locaties met herstellingsploegen en een servicelevel van 95%, de waarden van de SLA-strafkost en de kost van het afhaken van klanten overeenstemmen. De studie kan verder gedetailleerd worden door het specifieke aantal en de duur van de failures in rekening te brengen. Ook kan de studie nog verfijnd worden door bijvoorbeeld de tijdstippen van de failures in rekening te brengen. In wat volgt wordt echter geen rekening gehouden met deze factoren.
4.8.2
Resultaten en interpretatie
Voor de berekening van de invloed van het afhaken van de klant zoals hierboven beschreven, werd onderstaand resultaat bekomen:
4.8 Invloed afhaken van klanten
40
5 4.5 OpEx/jaar [10^6 €]
4 3.5 3 2.5 2 1.5 1
10
0.5
7 Aantal Locaties
1 94
96
98
99
4 99.75
99.95
0
Servicelevel [%]
Figuur 4.11: Invloed afhaken van klanten
Wanneer we dit resultaat vergelijken met het resultaat bekomen voor de invloed van de SLAstrafkost (Figuur 4.12) zien we dat voor een hoog servicelevel het aantal afhakende klanten beperkt zal blijven. Bij een minder goede service daarentegen, zal de kost ten gevolge van het afhaken van klanten veel groter zijn dan in het geval van de SLA-strafkost.
0.6
0.4 0.3 0.2 10
0.1 7 0 1 94
96
98
99
4 99.75
99.95
OpEx/jaar [10^6 €]
0.5
Servicelevel [%]
Figuur 4.12: Invloed SLA-strafkost
Aantal Locaties
4.9 Niet-homogeen netwerk
4.9 4.9.1
41
Niet-homogeen netwerk Niet-homogeen netwerk
Tot nu toe werd er uitgegaan van een homogeen netwerk, m.a.w. elke knoop van het kernnetwerk vertegenwoordigde even grote toegangsnetwerken. In de realiteit zal dit echter niet steeds het geval zijn. Zo zullen vanuit de DSLAM’s in stedelijke gebieden meer feederkabels vertrekken dan vanuit DSLAM’s in landelijke gebieden. De netwerkknopen in stedelijke gebieden zullen een groter aantal feederkabels en dus ook meer kabelbreuken vertegenwoordigen dan de netwerkknopen in landelijk gebied. Uit [14] blijkt dat DSLAM’s in stedelijk gebied dubbel zoveel uitgaande feederkabels kunnen tellen dan de DSLAM’s in landelijk gebied. Gezien de stervormige ligging van de feederkabels vanuit de DSLAM betekent dit ook dat er dubbel zoveel kabelbreuken zullen optreden in stedelijk gebied t.o.v. landelijk gebied. In wat volgt wordt deze factor in rekening gebracht voor de berekening van de OpEX. De invloed van het hierboven beschreven effect wordt bestudeerd door aan elke kernnetwerkknoop een gewichtsfactor te koppelen die de verschillen in de achterliggende toegangsnetwerken modelleert. Hierbij wordt er steeds voor gezorgd dat de totale hoeveelheid kabel gelijk werd verondersteld, m.a.w. dat de gemiddelde gewichtsfactor 1 bedraagt. Dit geeft een gewichtsfactor van 1,5 voor stedelijk, 1 voor halfstedelijk en 0,725 voor landelijk gebied. De gewichtsfactor werd opgenomen in de berekening van de gemiddelde afstand van de locaties met herstellingsploegen tot de netwerkknopen. Zo wordt de afstand tot netwerkknopen in stedelijk gebied zwaarder doorgerekend dan netwerkknopen in landelijk gebied. Deze manier van werken heeft vooral invloed op de reparatiekost, vermits deze bepaald wordt door de duur van het ter plaatse gaan in geval van een failure.
4.9.2
Resultaten en interpretatie
De invloed van de niet-homogeniteit in het netwerk gemodelleerd met de gewichtsfactor wordt weergegeven in Figuur 4.14. Deze grafiek stelt de procentuele verschillen voor tussen de reparatiekosten in 3 verschillende situaties, waarbij de eeste situatie als referentiepunt fungeert. Deze situatie stelt de reparatiekost voor voor het geval wordt uitgegaan van een homogeen netwerk. In de tweede situatie wordt uitgegaan van de locaties met herstellingsploegen zoals die bepaald werden voor een homogeen netwerk, maar wordt in de berekening van de reparatiekost
4.9 Niet-homogeen netwerk
42
de gewichtsfactor in rekening gebracht. In de laatste situatie wordt dan de ligging van de locaties met herstellingsploegen geoptimaliseerd, rekening houdende met de gewichtsfactor. Deze drie situaties worden schematisch toegelicht in Figuur 4.13.
Figuur 4.13: Illustratie van situaties in Figuur 4.14
0.1 0.05
Procentueel verschil
0 -0.05
0
1
2
3
4
5
6
-0.1 -0.15 -0.2 -0.25 -0.3 -0.35 -0.4 Aantal Locaties Situatie 1
Situatie 2
Situatie 3
Figuur 4.14: Invloed van niet-homogeniteit op reparatiekost (1 stedelijk centrum)
In Figuur 4.14 is dus het procentueel verschil aangegeven tussen de reparatiekosten in de drie beschreven situaties. Zo is duidelijk te zien dat voor ´e´en locatie met herstellingsploegen de reparatiekost voor het niet-homogene netwerk lager zal liggen. Voor meer locaties met her-
4.9 Niet-homogeen netwerk
43
stellingsploegen ligt de reparatiekost voor niet-homogene netwerken echter hoger dan in het geval van een homogeen netwerk. De verklaring van dit fenomeen is schematisch weergegeven in Figuur 4.15 en is voornamelijk toe te schrijven aan de nerwerkkarakteristieken. Het is namelijk zo dat het voorbeeldnetwerk bestaat uit ´e´en verstedelijkt gebied, met landelijker gebieden rondom. Zo zal ´e´en locatie met herstellingsploegen steeds in de buurt van het verstedelijkt gebied komen te liggen. In het geval van meerdere locaties met herstellingsploegen, zullen deze gebruikt worden om voldoende ruimtelijke spreiding te voorzien, maar wordt het verstedelijkt gebied ook in mindere mate bevoordeeld. Zo is te verklaren dat voor 1 locatie de reparatiekost voor een niet-homogeen netwerk lager zal zijn dan voor het homogeen netwerk en in geval van 5 locaties de reparatiekost hoger zal zijn.
Figuur 4.15: Illustratie van effect niet-homogeniteit
Voor de bepaling van de reparatiekost voor situatie 3 werd gebruikt gemaakt van de in Hoofdstuk 3 beschreven tool. Nu blijkt dat voor een toenemend aantal locaties het steeds moeilijker wordt een zinvolle oplossing te bekomen met de optimalisatietool binnen een realistische tijdsspanne (minder dan 24 uur). Dit is te wijten aan het feit dat de objectieffunctie, in dit geval de berekening van de niet-homogene reparatiekost, veel complexer is dan de oorspronkelijk gehanteerde objectieffunctie, namelijk de berekening van de gemiddelde afstand tot de netwerkknopen.
4.9 Niet-homogeen netwerk
44
Daarom werd voor 3 of meer locaties de kost gelijk genomen aan de kost uit situatie 2, vermits er met de optimalisatietool geen lagere kost bekomen werd. Ook voor de volgende berekening werd niet voor elk aantal locaties een betere oplossing gevonden. Indien er niet 1 maar 3 stedelijke centra in het voorbeeldnetwerk worden verondersteld dan zal het omgekeerde fenomeen zich voordoen, zoals ook te zien is in Figuur 4.16 0.6
Procentueel verschil
0.5 0.4 0.3 0.2 0.1 0 0
1
2
3
4
5
6
-0.1 -0.2 Aantal Locaties Situatie 1
Situatie 2
Situatie 3
Figuur 4.16: Invloed van niet-homogeniteit op reparatiekost (3 stedelijke centra)
4.10 Besluit
4.10
45
Besluit
In dit hoofdstuk werden de factoren bestudeerd die de operationele kosten, gerelateerd aan netwerkreparaties en strafkosten, be¨ınvloeden. Hieruit kunnen volgende conclusies worden geformuleerd: • De reparatiekost zal dalen naarmate het aantal locaties met herstellingsploegen toeneemt. • De locatiekost stijgt lineair in functie van het aantal locaties. Hoe hoger de locatiekost wordt genomen, hoe kleiner het aangewezen aantal locaties zal zijn. • Het vooropgestelde servicelevel bepaalt hoeveel herstellingsploegen er per locatie moeten voorzien worden. Hoe hoger het servicelevel, hoe meer herstellingsploegen men moet voorzien en hoe hoger de standbykost zal worden. Anderzijds zal een dalend servicelevel er voor zorgen dat er meer SLA-strafkosten moeten worden betaald. Ook het afhaken van klanten door een lager servicelevel zal een operationele kost met zich meebrengen. Men moet steeds de afweging tussen deze tegengestelde effecten maken. Daartoe worden ze uitgezet in functie van het aantal locaties en het gekozen servicelevel. Zo kan men het aangewezen aantal locaties afleiden en voor dit aantal het servicelevel bepalen dat met een minimale kost kan worden gegarandeerd. • Voor niet-homogene netwerken blijkt de OpEx afhankelijk van het aantal stedelijke centra. In het geval van ´e´en stedelijk centrum zal de reparatiekost voor een klein aantal locaties lager zijn dan bij een homogeen netwerk en voor een groter aantal locaties hoger dan in het homogeen netwerk. Bij meer stedelijke centra wordt het omgekeerde effect vastgesteld. In volgend hoofdstuk zullen deze factoren worden gecombineerd in de case study voor een Belgisch toegangsnetwerk. Zo wordt een beeld bekomen op de totale OpEx en de aangewezen aantallen en ligging van de locaties met herstellingsploegen.
CASE STUDY VOOR EEN BELGISCH TOEGANGSNETWERK
46
Hoofdstuk 5
Case study voor een Belgisch toegangsnetwerk 5.1
Inleiding
In Hoofdstuk 4 werden de be¨ınvloedende factoren voor de operationele kosten op jaarbasis bestudeerd. In dit hoofdstuk worden de eerder bestudeerde factoren gecombineerd en wordt een studie gemaakt van de totale operationele kosten op jaarbasis voor een Belgisch toegangsnetwerk. Op die manier wordt een (min of meer) realistisch beeld van de operationele kosten, gerelateerd aan netwerkreparatietijden, bekomen en kan de aangewezen spreiding en het ideale aantal herstellingsploegen worden afgeleid. In wat volgt wordt eerst een overzicht gegeven van de factoren uit het vorige hoofdstuk en wordt de totale kost weergegeven. Vervolgens wordt de samenstelling van deze totale kost geanalyseerd en wordt de invloed van een wijziging in ´e´en van de deelkosten bestudeerd.
5.2
Overzicht factoren en totale kost
In Figuur 5.1 wordt een overzicht gegeven van de factoren die de operationele kosten be¨ınvloeden, zoals bestudeerd in Hoofdstuk 4. De invloeden zijn telkens uitgezet in functie van het aantal locaties met herstellingsploegen en het vooropgestelde servicelevel. De data die hierbij werden gebruikt zijn opgenomen in onderstaande tabel, waarbij eerst de absolute kosten zijn gegeven en vervolgens uitgedrukt in het equivalent aantal werkuren van een herstellingsploeg. Zo werd uitgegaan van een standbykost van 10% en komt een locatiekost van e50000 overeen met ongeveer
5.2 Overzicht factoren en totale kost
47
186 werkuren. kost
absoluut
relatief
Reparatiekost
e268/uur
1
Locatiekost
e50000/jaar
186 (per jaar)
Standbykost
e26,8/uur
0,1
Invloed Reparatiekost
Invloed Locatiekost
Aantal Locaties
1 90
92
94
98
96
5 99
99.95
9 99.75
10
7 4
92
Servicelevel [%]
Aantal Locaties
90 1
96
94
99
0.5 0.45 0.4 0.35 0.3 OpEx/jaar 0.25 [10^6 €] 0.2 0.15 0.1 0.05 0 98
99.95
99.75
1.57 1.56 1.55 1.54 1.53 OpEx/jaar 1.52 [10^6 €] 1.51 1.5 1.49 1.48 1.47
Servicelevel [%]
Invloed Standbykost
Invloed Afhaken van klanten
5 4.5 4 3.5 3 OpEx/jaar 2.5 [10^6 €] 2 1.5 1 0.5 0
16 14 12 10 OpEx/jaar [10^6 €]
8 6 4 2
Servicelevel [%]
9
0 1
Aantal Locaties
90
92
94
96
99
5 98
99.95
1
Aantal Locaties
99.75
91
93
95
97
98.5
5 99.5
99.9
9
Servicelevel [%]
Figuur 5.1: Overzicht invloeden hoofdstuk 4 Uit figuur 5.1 blijkt dat zowel de reparatiekost als de locatiekost niet afhankelijk zijn van het vooropgestelde servicelevel. De standbykost en de kost gekoppeld aan het afhaken van klanten daarentegen, zijn wel afhankelijk van het servicelevel. Dit servicelevel, gedefinieerd als in 4.7, bepaalt immers het aantal herstellingsploegen dat aanwezig zal zijn per locatie. Zoals eerder besproken zijn de standbykost en de kost voor het afhaken van klanten sterk gelinkt met het aantal herstellingsploegen per locatie. Om deze link duidelijk te maken, wordt in Figuur 5.2 1 het 1
Om een beter beeld te hebben, werd deze figuur geroteerd weergegeven!
5.2 Overzicht factoren en totale kost
48
aantal ploegen per locatie weergegeven in functie van het aantal locaties en het vooropgestelde servicelevel.
5 4 3 2 1 1 0 99.95
99.75
99
98
96
92
9
94
5
90
Aantal Locaties
Aantal herstellingsploegen per locatie
6
Servicelevel [%]
Figuur 5.2: Aantal herstellingsploegen per locatie
Uit Figuur 5.2 kan duidelijk worden opgemaakt wanneer het aantal ploegen per locatie zal wijzigen. Deze wijzigingen stemmen overeen met de invloed van de factoren zoals in Figuur 5.1, zo zal bijvoorbeeld de standbykost afnemen telkens er een herstellingsploeg minder aanwezig is per locatie. De som van de besproken kosten geeft een beeld van de operationele kosten die gerelateerd zijn met het vooropgestelde servicelevel en dit voor verschillende aantallen locaties. In Figuur 5.3 is het resultaat hiervan te zien. Uit deze figuur kan worden afgeleid dat, voor de hierboven vermelde data, het ideaal aantal locaties met herstellingsploegen 2 is. Deze minimale kost wordt bereikt voor een servicelevel tussen 95% en 99%, zoals te zien in Figuur 5.2 komt dit overeen met de servicelevels waarvoor 3 herstellingsploegen per locatie nodig zijn. Er kan dus voor een minimale kost een servicelevel van 99% worden geboden. In 5.3 wordt nog dieper ingegaan op het verloop van deze kosten en de aandelen van de verschillende kosten in de totale kost. In Figuur 5.4 worden de kosten gelegen rond de ideale configuratie meer in detail weergegeven en in de rechter figuur wordt de ideale configuratie aangeduid.
5.2 Overzicht factoren en totale kost
49
Totale kost 30 25 20 OpEx/jaar 15 [10^6 €] 10 5 9 Aantal Locaties
1 90
92
94
96
99
98
5
99.75
99.95
0
Servicelevel [%]
Figuur 5.3: Totale operationele kosten
Totale kost (detail)
Totale kost (detail gedraaid)
6.5 6.5 6 5.5 5 4.5 OpEx/jaar [10^6 €] 4 3.5 3 2.5 2
6 5.5 5 OpEx/jaar 4.5 [10^6 €] 4 3.5 1
7
Figuur 5.4: Detail van de totale operationele kosten
99
99.5
98
5
98.5
3 Aantal Locaties
97
96
1 95
98
Servicelevel [%]
97
99
98.5
99.5
2
Aantal Locaties
96
7 4
95
3 2.5
Servicelevel [%]
5.3 Analyse van de totale kost
5.3
50
Analyse van de totale kost
Om een beter beeld te krijgen van de samenstelling van de totale kosten wordt in deze paragraaf een analyse gemaakt van de kosten uit Figuur 5.3 voor 1 tot 3 locaties. Daartoe werden de aandelen van de kosten apart weergegeven, enkel in functie van het vooropgestelde servicelevel. Het resultaat is te zien in Figuur 5.5.
Kostanalyse 1 locatie 7
OpEx/jaar [10^6 €]
6 5 4 3 2 1 0 99.9 99.8 99.5 99 98.5 98
97
96
95
94
93
92
91
90
Servicelevel [%] Reparatiekost
Locatiekost
Standbykost
Afhaken
Kostanalyse 2 locaties 7
OpEx/jaar [10^6 €]
6 5 4 3 2 1 0 99.9 99.8 99.5 99 98.5 98
97
96
95
94
93
92
91
90
Servicelevel [%] Reparatiekost
Locatiekost
Standbykost
Afhaken
Kostanalyse 3 locaties 7
OpEx/jaar [10^6 €]
6 5 4 3 2 1 0 99.9 99.8 99.5 99 98.5 98
97
96
95
94
93
92
91
Servicelevel [%] Reparatiekost
Locatiekost
Standbykost
Afhaken
Figuur 5.5: Kostanalyse voor 1-3 locaties
90
5.3 Analyse van de totale kost
51
In Figuur 5.5 kan telkens een onderscheid gemaakt worden tussen kosten die onafhankelijk zijn van het servicelevel en kosten die afhankelijk zijn van het servicelevel. De reparatiekost en de locatiekost zijn onafhankelijk van het servicelevel, maar afhankelijk van het aantal locaties. Daar waar de reparatiekost daalt naarmate het aantal locaties stijgt, zal de locatiekost toenemen met het aantal locaties. De standbykost en de kost m.b.t. het afhaken van klanten zijn wel afhankelijk van het vooropgestelde servicelevel. De standbykost zal afnemen naarmate het servicelevel afneemt. Dit is te verklaren door het feit dat het aantal herstellingsploegen per locaties zal afnemen, zoals te zien is in Figuur 5.2. De kost m.b.t. het afhaken van klanten zal toenemen naarmate het servicelevel afneemt. Deze twee kosten hebben een tegengestelde invloed op de totale kost. De ideale combinatie van het aantal locaties en het servicelevel is gelegen waar beide effecten tegelijk beperkt zijn. Zo is te zien dat, zoals eerder vermeld, voor 2 locaties de laagste totale kost zal worden bereikt. Wanneer nu ´e´en van de deelkosten wijzigt, zal dit impact hebben op de totale operationele kost en op de keuze voor het optimaal aantal locaties met herstellingsploegen. In wat volgt wordt bestudeerd of een verandering van ´e´en van de kosten een ander optimum oplevert.
5.3.1
Variatie Failurerate
Wanneer de failurerate verdubbelt zal dit uiteraard een toename van de operationele kosten met zich meebrengen. Daarnaast heeft een hogere failurerate ook invloed op het aantal aanwezige herstellingsploegen en op de ontevredenheid van de klant. Uit het resultaat voor de totale kost blijkt dat de laagste kost nu wordt bereikt voor 4 locaties met herstellingsploegen. In Figuur 5.6 wordt de totale kost voor een dubbele failurerate weergegeven. Daarnaast wordt ook een vergelijking gemaakt van de kostanalyses voor de vorige optimale configuratie (2 locaties) en de nieuwe aangewezen configuratie.
5.3 Analyse van de totale kost
52
Totale kost 80 70 60 50 OpEx/jaar 40 [10^6 €] 30 20 10
9
0
Aantal Locaties
91
93
95
97
98.5
99.5
99.9
5 1
Servicelevel [%]
Kostanalyse 4 locaties
25
25
20
20
OpEx/jaar [10^6 €]
OpEx/jaar [10^6 €]
Kostanalyse 2 locaties (origineel optimum)
15 10 5 0 99.9 99.8 99.5 99 98.5 98
97
96
95
94
93
92
91
90
15 10 5 0 99.9 99.8 99.5 99 98.5 98
Servicelevel [%] Reparatiekost
Locatiekost
Standbykost
97
96
95
94
93
92
91
90
Servicelevel [%] Afhaken
Reparatiekost
Locatiekost
Standbykost
Afhaken
Figuur 5.6: Kostanalyse bij verdubbelde failurerate
5.3.2
Variatie Locatiekost
Een variatie van de locatiekost zal de optimale configuratie voor de totale kost niet be¨ınvloeden. Het aandeel van de locatiekost in de totale operationele kost is voor de gevallen met een laag aantal locaties immers vrij beperkt. Het ideale aantal locaties voor een verhoogde locatiekost blijft 2, de toegenomen locatiekost heeft vooral invloed in situaties met een groot aantal locaties.
5.3 Analyse van de totale kost
5.3.3
53
Variatie Standbykost
Wanneer de standbykost verdubbeld wordt, zal dit een invloed hebben op de totale operationele kost. Zo zal het optimale aantal locaties verschuiven naar 5, met daarin telkens 2 herstellingsploegen. Het optimum verschuift dus naar meer locaties met elk minder herstellingsploegen om zo het standby zijn van meerdere ploegen in ´e´en locatie te beperken. In Figuur 5.7 is deze situatie grafisch weergegeven. Naast de totale kost wordt ook de vergelijking gegeven tussen de kostanalyses voor de vorige ideale configuratie en de nieuwe.
12 11 10 9 8 OpEx/jaar [10^6 €]
7 6 5 4 10
3
7
2
Aantal Locaties
93
95
97
98.5
99.5
99.9
4 1
Servicelevel [%]
Kostanalyse 5 locaties
7
7
6
6 OpEx/jaar [10^6 €]
OpEx/jaar [10^6 €]
Kostanalyse 2 locaties (origineel optimum)
5 4 3 2 1
5 4 3 2 1
0 99.9 99.8 99.5 99 98.5 98
97
96
95
94
93
92
91
90
0 99.9 99.8 99.5 99 98.5 98
Servicelevel [%] Reparatiekost
Locatiekost
Standbykost
97
96
95
94
93
92
91
Servicelevel [%] Afhaken
Reparatiekost
Locatiekost
Figuur 5.7: Kostanalyse bij verdubbelde standbykost
Standbykost
Afhaken
90
5.4 Besluit
5.3.4
54
Variatie Afhaken van klanten
Vermits de invloed van de kost van het afhaken van klanten vrij beperkt is in het geval van de ideale configuratie, zal een toename ervan niet leiden tot een wijziging van dit optimum. Een toename van de kostprijs zal vooral voelbaar zijn voor de configuraties waar deze kost vrij groot is, zoals is weergegeven in Figuur 5.1. Bovendien werd een toename van de ontevredenheid van de klant reeds gemodelleerd bij de toename van de failurerate. Hoe hoger de failurerate hoe groter immers de kans dat niet wordt voldaan aan het servicelevel en hoe meer klanten zullen afhaken. Op die manier kan de invloed van de variatie van het afhaken van klanten dus ook ondergebracht worden bij de variatie van de failurerate.
5.4
Besluit
In dit hoofstuk werden de factoren, bestudeerd in Hoofdstuk 4, gecombineerd om een beeld te krijgen van de totale operationele kosten, gerelateerd aan de netwerkreparaties. Hieruit werd dan de aangewezen organisatie van de herstellingsploegen (aantal locaties en aantal ploegen) afgeleid en bepaald welk servicelevel hierbij gegarandeerd kan worden. Zo blijkt dat voor de uitgangssituatie het aangewezen is 2 locaties met elk 3 herstellingsploegen te voorzien, waarbij een servicelevel van 95% kan worden gegarandeerd. De samenstelling van de totale kost in deze situatie werd geanalyseerd en de invloed van een wijziging van ´e´en van de deelkosten werd bestudeerd. Wanneer de failurerate verdubbelt, verschuift het optimum naar 4 locaties met elk 3 herstellingsploegen. Verdubbeling van de standbykost zorgt ervoor dat het ideaal aantal locaties 5 wordt met elk 2 herstellingsploegen; op die manier wordt de tijd dat meerdere ploegen in ´e´en locatie standby zijn, beperkt.
CONCLUSIES
55
Hoofdstuk 6
Conclusies 6.1
Conclusies
In deze thesis werden de operationele kosten van een netwerkoperator bestudeerd en geoptimaliseerd. In het bijzonder kwam de afweging tussen enerzijds de kosten gekoppeld aan het bieden van een bepaald servicelevel en anderzijds de strafkosten die moeten worden betaald wanneer niet aan de service assurance SLA wordt voldaan, aan bod. Daartoe werd eerst de nodige achtergrondinformatie over de architectuur en technologie van DSL-netwerken verschaft en werden de operationele kosten van een netwerkoperator en service assurance SLA’s uitgebreid besproken. Vervolgens werd de softwaretool behandeld die ontwikkeld werd voor de berekening en optimalisatie van de operationele kosten. Deze bestaat uit de combinatie van een OpEx-tool en een optimalisatietool die gebruik maakt van simulated annealing. Met behulp van deze tool werden vervolgens de factoren besproken die de operationele kosten be¨ınvloeden. Daarbij werd de invloed van de failurerate, de locatiekost, de standbykost, het vooropgestelde servicelevel, het afhaken van klanten en de niet-homogeniteit bestudeerd. Zo werd een beeld gegeven van het effect van elk van deze factoren op de aangewezen organisatie van herstellingsploegen. De belangrijkste conclusies uit de studie van deze factoren zijn: • De reparatiekost zal dalen naarmate het aantal locaties met herstellingsploegen toeneemt.
6.1 Conclusies
56
• De locatiekost stijgt lineair in functie van het aantal locaties. Hoe hoger de locatiekost wordt genomen, hoe kleiner het aangewezen aantal locaties zal zijn. • Het vooropgestelde servicelevel bepaalt hoeveel herstellingsploegen er per locatie moeten voorzien worden. Hoe hoger het servicelevel, hoe meer herstellingsploegen men moet voorzien en hoe hoger de standbykost zal worden. Anderzijds zal een dalend servicelevel er voor zorgen dat er meer SLA-strafkosten moeten worden betaald. Ook het afhaken van klanten door een lager servicelevel zal een operationele kost met zich meebrengen. Men moet steeds de afweging tussen deze tegengestelde effecten maken. Daartoe worden ze uitgezet in functie van het aantal locaties en het gekozen servicelevel. Zo kan men het aangewezen aantal locaties afleiden en voor dit aantal het servicelevel bepalen dat met een minimale kost kan worden gegarandeerd. • Voor niet-homogene netwerken blijkt de OpEx afhankelijk van het aantal stedelijke centra. In het geval van ´e´en stedelijk centrum zal de reparatiekost voor een klein aantal locaties lager zijn dan bij een homogeen netwerk en voor een groter aantal locaties hoger dan in het homogeen netwerk. Bij meer stedelijke centra wordt het omgekeerde effect vastgesteld. Tot slot werden de besproken factoren gecombineerd in de case study voor een Belgisch toegangsnetwerk, waarbij de aangewezen organisatie voor de herstellingsploegen werd afgeleid en de invloed van kleine wijzigingen in de eerder besproken factoren op deze organisatie werd bestudeerd. Daaruit kunnen volgende besluiten worden getrokken: • Voor de uitgangssituatie van de case study is het aangewezen 2 locaties met elk 3 herstellingsploegen te voorzien, waarbij een servicelevel van 95% kan worden gegarandeerd. • Een verdubbeling van de failurerate zal een verschuiving van het ideaal aantal locaties naar 4 betekenen, eveneens met telkens 3 herstellingsploegen om een servicelevel van 95 % te garanderen. • Verdubbeling van de standbykost zorgt ervoor dat het ideaal aantal locaties 5 wordt met elk 2 herstellingsploegen. Zo wordt de tijd dat meerdere ploegen in ´e´en locatie standby zijn, beperkt.
6.2 Toekomstig werk
6.2
57
Toekomstig werk
Tot slot worden enkele mogelijkheden aangegeven om het onderzoek, uitgevoerd in deze thesis, verder uit te diepen. • Men kan de studie uitbreiden naar ander soorten failures naast kabelbreuken. Zo wordt in de Tabellen 2.2 en 2.3 al een indicatie gegeven van hoe deze failures zich onderling kunnen verhouden. Er kan dan voor elke failure een aparte berekening gemaakt worden van de gemiddelde duur en kostprijs. In de gebruikte tool werden hiervoor de nodige uitbreidingsmogelijkheden voorzien. • De berekening van het aantal vereiste herstellingsploegen kan op verschillende manieren worden verfijnd. Zo kan de spreiding over de dag van de verschillende failures (kabelbreuken zullen bijvoorbeeld vooral overdag plaatsvinden) in rekening gebracht worden. Verder kan men de tijdslimiet opgenomen in de SLA laten vari¨eren en met behulp van Formule 4.7 telkens het aantal vereiste herstellingsploegen bepalen. • De uitgevoerde case study kan worden herhaald voor andere voorbeeldnetwerken. Zo kan de invloed van de topologie van de netwerken meer in detail worden bestudeerd.
OVERZICHT CD-ROM
58
Bijlage A
Overzicht CD-ROM Hierbij wordt een kort overzicht gegeven van de bestanden die zijn opgenomen op de CD-ROM in bijlage: 1. Broncode • Leidraad • Project-bestanden 2. Excel-files • Hoofdstuk 4 • Hoofdstuk 5 3. Thesisboek • Scriptie LVH.pdf • Latex-bestanden
BIBLIOGRAFIE
59
Bibliografie [1] http://www.celtic-initiative.org/Projects/tiger. [2] http://www.ibcn.intec.ugent.be/INTERNAL/TRS/member/index.html. [3] http://www.intec.ugent.be. [4] http://www.theblueplanet.org. [5] http://sourceforge.net/projects/jannealer. [6] http://totem.run.montefiore.ulg.ac.be/doc/totem-1.0-javadoc/be/ac/ulg/ montefiore/run/totem/repository/genericheuristics/simulatedAnnealing/ facade/package-summary.html. [7] http://www.cs.sunysb.edu/~algorith/implement/ASA/implement.shtml. [8] http://www.mappy.com. [9] http://www.ee.ud.ac.uk/~mflanaga/java. [10] Quality
of
service
of
incumbent
local
exchange
carriers,
2005.
http://www.fcc.gov/wcb/iatd/stats.htmll. [11] Jaarverslag belgacom, 2006.
http://www.belgacom.be/investor/nl/jsp/static/
reports.jsp. [12] Algemene voorwaarden belgacom adsl go/plus, artikel 8.2, 2007. http://www.belgacom. be/private/gallery/content/products/documents/conditions/nl/gc_adsl_goplus_ nl.pdf. [13] Algemene voorwaarden tele2 adsl, artikel 3.3, 2007. http://www.tele2.be/assets/files/ TL20635-V03.indd\%20CGV.pdf.
BIBLIOGRAFIE
60
[14] E. Boonefaes. Evolutie van vaste toegangsnetwerken in belgi¨e: de weg naar fiber to the home, 2006. [15] Prof H. Bruneel. Cursus Wachtlijntheorie, 2006. [16] Robert B. Cooper. Introduction to queueing theory. Elsevier North Holland, 1981. [17] K. Casier e.a. A two-phased scheme for allocating shared costs to services in a converged network. Proceedings of BCN2006, the 10th IEEE/IFIP Network Operations and Management Symposium, Vancouver, Canada, pp. 83-92, 7 April 2006. [18] R. Clemente e.a. Risk management in availability sla. Proceedings 5th international workshop on design of reliable communication networks, pp. 8, Okt. 2005. [19] Sofie Verbrugge e.a. Impact of resilience strategies on capital and operational expenditures. Proceedings of ITG Tagung Photonical Networks 2005, Leipzig (Germany), May 2005, pp 109-116. [20] Sofie Verbrugge e.a. Modeling operational expenditures for telecom operators. Proceedings of 9th Conference on Optical Network Design an Modelling (ONDM2005), Milan (Italy), Feb. 2005, pp 445-466. [21] A. Gouwy. Impact van beperkte mankracht bij event-gedreven operationele processen op de kosten voor een telecomoperator, 2007. [22] R. Hudyma and D.I. Fels. Causes of failures in it telecommunications networks, 5 pp., 2004. [23] J.F. Kurose and K.W. Ross. Computernetwerken: een top-down-benadering. Pearson Education Benelux, 2003. [24] O. Kyas. Network troubleshooting, 2001. Agilent Technologies, Palo Alto California. [25] Doherty Mansfield, Allen and Weigelt. Managerial Economics. Norton and company, 2002. [26] Prof. W. Philips. Cursus Optimalisatietechnieken, 2007. [27] Prof. M. Pickavet. Cursus Multimedianetwerken, 2006. [28] M. Pirlot. General local search heuristics in combinatorial optimization: a tutorial. Belgian journal of operations research, statistics and computer science, vol. 32, nr. 1-2, 1994.
BIBLIOGRAFIE
61
[29] Prof. P. Demeester Prof. I. Moerman. Cursus Mobiele & Breedbandtoegangsnetwerken, 2005. [30] E. van den Berg. Mathematical modeling in support of Service Level Agreements. http: //www.ima.umn.edu/industrial/2001-2002/van-den-berg.html.