2.4.3 Ανάλυση της αξιοπιστίας του δικτύου    (Περιεχόμενα)

Υπάρχουν πολλοί τρόποι με τους οποίους μπορεί να γίνει εκτίμηση της αξιοπιστίας του δικτύου. Τρεις από αυτούς είναι: η ανάλυση βλάβης τμημάτων (component failure analysis), η ανάλυση δένδρου (graphical tree analysis) και η ανάλυση της κ-συνδεσιμότητας (k-connectivity analysis). Στο τμήμα αυτό μελετούμε μόνο τον πρώτο τρόπο. Ο ενδιαφερόμενος αναγνώστης μπορεί να ανατρέξει στην [6] για μια πιο διεξοδική ανάλυση των υπόλοιπων τεχνικών.

Ένα μέτρο της αξιοπιστίας του δικτύου είναι το ποσοστό του χρόνου κατά το οποίο το ίδιο καθώς και όλα τα συστατικά του βρίσκεται σε λειτουργία. Αυτό μπορεί να εκφραστεί ως:

Αξιοπιστία = 1 - (MTTR)/(MTBF) (9)

Όπου MTTR = μέσος χρόνος επιδιόρθωσης μιας βλάβης (Mean Time To Repair failure)

MTBF = μέση τιμή του χρόνου που μεσολαβεί πριν την εμφάνιση της βλάβης (Mean Time Before Failure). Για παράδειγμα, εάν από την (9) προκύψει μια τιμή αξιοπιστίας 0,98, αυτό σημαίνει ότι το δίκτυο και τα συστατικά του λειτουργούν κατά το 98% του χρόνου.

Καθώς ένα δίκτυο θα αποτελείται από πολλά τμήματα, είναι φυσικό ότι το κάθε ένα θα συνεισφέρει στην πιθανότητα βλάβης. Ένα μοντέλο που χρησιμοποιείται συνήθως στην ανάλυση αυτή υποθέτει ότι οι βλάβες στο δίκτυο λαμβάνουν χώρα ακολουθώντας την εκθετική κατανομή. Με δεδομένη την υπόθεση αυτή, ας πάρουμε το παρακάτω παράδειγμα:

Έστω ότι η βλάβη σε ένα δικτυακό τμήμα μπορεί να μοντελοποιηθεί με βάση την εκθετική κατανομή με παράμετρο λ=0,001 και Χ = μονάδα του χρόνου σε ημέρες. Αυτό σημαίνει ότι για το κάθε τμήμα θα ισχύει:

f(x) = 0,001e-0,001X και F(x) = 1 - e-0,001X

Χρησιμοποιώντας την παραπάνω αθροιστική συνάρτηση πιθανότητας, μπορούμε να υπολογίσουμε τις πιθανότητες το τμήμα αυτό να υποστεί βλάβη για διάφορες χρονικές περιόδους:

Πιθανότητα ότι το δικτυακό τμήμα θα υποστεί βλάβη εντός 100 ημερών = 1- e-0.1 = 0,1 ή 10%

Πιθανότητα ότι το δικτυακό τμήμα θα υποστεί βλάβη εντός 1000 ημερών = 1- e-1 = 0,63 ή 63%

Πιθανότητα ότι το δικτυακό τμήμα θα υποστεί βλάβη εντός 10.000 ημερών = 1- e-10 = 0,99 ή 99%