Zeitschrift für Elektrotechnik und Elektronik

Identifizierung und Bewertung von Ausfallzeitvariablen bei der Verwaltung eines Telekommunikationsmaststandorts: Ein Fall von Telekommunikationsmaststandorten in Port Harcourt

Omijeh B und Promise A

Die Ermittlung und Bewertung von Ausfallzeiten bei der Verwaltung von Telekommunikationsmasten ist eine Studie, die die Auswirkungen von Ausfallzeiten auf Gewinnprognosen bewerten soll. Der Umfang der Untersuchung ist auf MTN-Masten in Port Harcourt beschränkt, und es wurden 73 Maststandorte von 812 MTN-Standorten ausgewählt. Die für diese Untersuchung verwendeten Daten sind Sekundärdaten, die von einer anerkannten Organisation erhalten wurden. Diese Daten wurden überprüft und so organisiert, dass sie als Input für die beabsichtigte Analyse geeignet sind. Die für diese Untersuchung angewandten Methoden waren Diskriminanzanalyse, Faktorenanalyse, Schätzfaktorenanalyse und Kosten-Nutzen-Analyse. Die Ergebnisse zeigten, dass die am häufigsten auftretenden Ausfallzeiten bei der Verwaltung von Maststandorten Generator-/Stromprobleme sind. Bei der Rangfolge dieser Probleme nach Wichtigkeit folgen auf die Stromprobleme die technischen Telekommunikationsprobleme und zuletzt die Zugangsprobleme. Diese ermittelten Ausfallzeiten konnten Ausfallzeiten von durchschnittlich 90 Minuten täglich verursachen, was 500 % über dem zulässigen Minimum des SLA von MTN/Ericsson (21,6 Minuten) liegt. Die Kosten-Nutzen-Analyse dieser Untersuchung ergab Verluste, die jährlich zu Null Gewinn führen könnten, wenn die Kommunikationsbranche zulässt, dass ihre Ausfallzeiten länger sind als die durchschnittlichen Anrufe von Benutzern einer Basisstation, insbesondere wenn diese Anrufe während der Ausfallzeit erfolgen. Eine Kontrolltabelle zum besseren Verständnis dieser Ausfallzeiteffekte wurde entwickelt, indem die durchschnittlichen Anrufe von einem Mobilfunkstandort, die Kosten pro Minute und die Ausfallzeitdauer variiert wurden. Diese Verteilung soll Fachleuten in der Telekommunikationsbranche dabei helfen, die zukünftigen Auswirkungen von Ausfallzeiten auf das schlechteste und beste Gewinnszenario zu erkennen.