Failure Time for Optical Fibers Used in Telecommunication Networks
Notice bibliographique
Résumé
For optical fibers used in telecommunication networks, the failure prediction of the fibers is needed to plan maintenance operations and so ensure service reliability.Several methods of calculating the failure probability have already been reported but most of them don't take into account the effect of temperature on fiber lifetime.On the other hand, the position, shape and the propagation of microcracks are different for every piece of fiber, because they vary with the machine used for manufacturing the fiber, composition of coating materials and the environment around the fiber.This makes difficult to develop a simple mathematical model that can predict fairly accurately the lifetime of fibers subjected to mechanical, thermal and chemical stresses.To characterize the mechanical reliability of optical fibers [1, 2], three techniques are used to give stress to the fibers have been introduced by the standard IEC-60793-1-33, including, axial tension, two-point bending and uniform bending.Different with axial tension, which mainly describes the fiber condition in cables used for long distances, two-point bending and uniform bending mainly refer to the fiber stress condition that in access networks or in FTTH (Fiber To The Home).Along with the development of FTTH, many works focused on the lifetime or mechanical reliability of bend-insensitive fibers under small radius bending [3][4][5][6].In this work, a lifetime measurement system of uniform twisting technique is introduced.Four mathematical models to estimate the time to failure were studied for different thermomechanical conditions for optical fibers used in telecommunication networks.Detailed influence factors like temperature, humidity and measurement dispersion are discussed here.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».