Thèse Le diagnostic des réseaux et services FTTH : application de l'apprentissage artificiel et des concepts de l'autonomique F/H

Description de l'offre

about the role

Votre rôle est d'effectuer un travail de thèse sur : « Le diagnostic des réseaux et services FTTH : application de l'apprentissage artificiel et des concepts de l'autonomique ».

Contexte :

Pour un opérateur comme Orange, la maintenance du réseau d'accès représente un enjeu majeur afin de garantir la meilleure expérience client possible. Cette maintenance du réseau passe en partie par un système de diagnostic fiable et précis permettant de tirer parti de toutes les informations issues du réseau afin d'identifier la ou les causes ayant engendré une panne ou une dégradation du service. Dans cette proposition de thèse, nous nous intéressons au réseau d'accès FTTH, au réseau local du client (Home Network ou LAN) et aux services associés.

A l'heure actuelle, l'utilisation de systèmes dits « experts » reste encore la norme. Ces systèmes sont le fruit d'une expertise métier poussée qui formalise sous la forme de règles l'ensemble des décisions à prendre pour établir un diagnostic. Un tel système est utilisé par exemple par Orange France avec l'outil DELC, pour Diagnostic Expert de la Ligne Client. Cependant, avec une diversité et une volumétrie de données à exploiter toujours grandissante, ainsi que l'évolution rapide des usages dans le monde des télécoms, il devient nécessaire d'enrichir l'expertise actuelle avec des pratiques d'analyse automatique des données. En effet, la découverte « manuelle » de nouvelles règles demande du temps et le suivi des règles déjà établies devient trop complexe du fait de l'évolution constante des réseaux et de la quantité de nouvelles données à analyser.

La problématique du diagnostic des réseaux et services FTTH peut couvrir plusieurs axes. On constate par exemple que l'identification automatique de pannes n'est pas triviale et qu'il est nécessaire de mettre en oeuvre une approche de Data Mining spécifique à ce contexte. En effet, l'environnement actuel ne nous permet pas d'obtenir facilement un jeu de données annoté présentant un lien entre les données provenant du réseau et la pertinence du diagnostic. Une approche exploratoire semble donc nécessaire mais toute la difficulté de cette analyse est alors de dégager des résultats pertinents au regard du diagnostic réseau et pas seulement d'un point de vue purement statistique.

Etat de l'art :

Ces travaux de recherche s'appuient sur une thèse réalisée dans notre équipe, portant sur la modélisation bayésienne d'un réseau FTTH guidée par l'expertise métier [1, 2]. L'approche a donné des résultats prometteurs, avec cependant deux limitations : d'une part le graphe bayésien modélisant le réseau FTTH est « statique » et n'est pas adaptable simplement et dynamiquement en fonction de l'évolution ou de la diversité du réseau et des données associées ; d'autre part, le périmètre de cette thèse était limité au seul réseau d'accès FTTH.

Nous souhaitons prolonger cette étude en englobant dans le périmètre, en plus du réseau FTTH, le LAN du client et les services associés au FTTH. Par ailleurs, pour permettre une modélisation dynamique du système, nous adopterons une approche d'analyse exploratoire des données afin d'identifier en amont des motifs de pannes. Pour cela, les techniques de coclustering semblent particulièrement intéressantes et potentiellement pertinentes pour le problème d'identification de pannes (voire [3] pour une revue générale des techniques et [4] pour une approche récente d'identification de motifs exclusifs).

Se référer à la section 3 « les plus de l'offre » pour des informations détaillées sur la mission scientifique et les principales activités associées à la thèse.

about you

Vous avez un Master (ou équivalent) dans un ou plusieurs des domaines suivants : machine learning, informatique, statistiques.

Compétences scientifiques :

·  Apprentissage automatique (apprentissage supervisé, clustering), statistiques,
·  connaissances du monde des télécoms.

Compétences techniques :

·  développement Python/R/Matlab,
·  infrastructure Big Data et gestion de bases de données (SQL),
·  anglais (oral et écrit).

Qualités personnelles :

·  autonomie, rigueur, créativité, capacité à communiquer (orale et écrite)

Une expérience en recherche (stage de recherche) serait un plus.

additional information

Objectif scientifique - verrous à lever

L'objectif de la thèse est de développer des méthodes de diagnostic des réseaux et services FTTH capables de découvrir de manière autonome l'origine de nouvelles pannes, de maintenir le modèle ou les règles déjà établies afin de vérifier leur pertinence régulièrement et les adapter aux éventuels changements, ou encore d'enrichir le modèle ou de créer de nouvelles règles. L'objectif de la thèse s'inscrit donc dans une approche autonomique de la gestion des futurs réseaux et services.

A l'heure actuelle, plusieurs pistes sont envisageables pour résoudre différents sous-problèmes du diagnostic. Par exemple, l'utilisation de techniques d'analyse exploratoire, avec le Coclustering, permet d'entrevoir une découverte automatique des règles de diagnostic. Cependant, on constate qu'une des difficultés de l'analyse exploratoire est de garantir la pertinence des résultats obtenus vis-à-vis du problème traité. Parallèlement, les travaux de modélisation du réseau sont attrayants pour avoir une meilleure compréhension des interactions entre les équipements ou fonctions impliquées.

Il est donc nécessaire de développer ces différents volets puis de définir des méthodes permettant de faire coexister une approche exploratoire (pour la découverte de nouvelles pannes et la maintenance automatique de l'outil de diagnostic) et une approche basée modèle (pour faire le diagnostic proprement dit). Cette combinaison devrait alors nous rapprocher d'un fonctionnement autonome et évolutif du diagnostic, adapté à la dynamicité et à la diversité des problématiques de pannes ou de dégradations de services.

Approche méthodologique-planning

Le premier axe d'étude envisagé est d'étudier les solutions d'analyse exploratoire dans le cadre du diagnostic réseau. Un des verrous à débloquer est de savoir comment avoir des garanties sur les résultats obtenus par une approche exploratoire et quelles contraintes il faut intégrer.

Ensuite, il serait intéressant de développer le lien que l'on peut faire entre l'apprentissage supervisé et les résultats de l'analyse exploratoire. Dans quelle mesure ces deux éléments peuvent-ils être combinés ?

En fonction des résultats, on peut également envisager d'incorporer la dimension temporelle dans les données (time series analysis). L'identification de patterns temporels comme signature des pannes serait pertinente.

Enfin, pour valoriser au maximum les travaux il serait intéressant de construire une démonstration, de type preuve de concept, en s'appuyant sur les résultats de la thèse.

Planning :

·  6 mois : bibliographie, formalisation du sujet, prise en main des données, familiarisation avec l'écosystème du diagnostic des réseaux et services FTTH.
·  24 mois : développement, test et publication des solutions proposées.
·  6 mois : finalisation des travaux et rédaction du manuscrit de thèse.

department

Au sein des Orange Labs, l'équipe « Access Diagnosis, residential gateway and home Network » a pour missions de porter les travaux de recherche/anticipation et d'accompagner les pays pour contribuer aux déploiements de solutions innovantes permettant l'amélioration de l'expérience client et la réduction des coûts d'exploitation dans les domaines :

·  de l'architecture & fonctionnalités réseaux des passerelles résidentielles et du Home Network
·  des solutions de connectivités filaires et/ou radio pour étendre le réseau au sein du domicile des clients résidentiels,
·  du diagnostic distant et local des services sur l'accès fixe jusqu'à la box du client ainsi que dans le home network.

Qu'est ce qui fait la valeur ajoutée de cette offre ?

Le sujet de thèse proposé porte sur une thématique au coeur des enjeux d'Orange. Cette expérience de thèse sera l'occasion de travailler sur un problème concret et avec des données réelles puisque provenant de l'opérationnel. Les réflexions menées devront à la fois être pertinentes d'un point de vue scientifique mais également d'un point de vue métier et d'un point de vue business.

Par ailleurs, ces travaux de recherche se veulent comme une collaboration entre les experts réseaux de l'équipe et également avec les experts en Intelligence Artificielle présents sur le site.

Références :

[1] S. R. Tembo, S. Vaton, J. L. Courant, S. Gosselin, M. Beuvelot, "Model-Based Probabilistic Reasoning for Self-Diagnosis of Telecommunication Networks: Application to a GPON-FTTH Access Network," Journal of Network and Systems Management, pp. 1-33, Dec. 2016

[2] TEMBO MOUAFO, Serge Romaric, VATON, Sandrine, COURANT, Jean-Luc, et al. A highly adaptable probabilistic model for self-diagnosis of GPON-FTTH access network. In : SoftCOM 2016: 24th International Conference on Software, Telecommunications and Computer Networks. 2016. p. 1-5.

[3] MADEIRA, Sara C. et OLIVEIRA, Arlindo L. Biclustering algorithms for biological data analysis: a survey. IEEE/ACM Transactions on Computational Biology and Bioinformatics (TCBB), 2004, vol. 1, no 1, p. 24-45.

[4] PAINSKY, Amichai et ROSSET, Saharon. Optimal set cover formulation for exclusive row biclustering of gene expression. Journal of Computer Science and Technology, 2014, vol. 29, no 3, p. 423-435.

contract

Thesis