Quality of Service of a tripple play telecom service

Rastom populacije korisnika Interneta pružatelji usluga Interneta moraju pridavati sve više pažnje problemima kao što je mrežno zagušenje. Iako su spomenuti problemi rješivi fizičkim povećanjem resursa, takvo je rješenje skupo i, uzevši u obzir stopu širenja Interneta, neisplativo. U skladu s razvojem Interneta, pružatelji usluga okrenuli su se dugoročnijem rješenju – optimizaciji korištenjem upravljanja kvalitetom usluge. Koristeći najnovije SQM tehnologije, pružatelji usluge mogu prilagoditi mrežne parametre potrebama pojedinog korisnika, dinamički zauzimajući i otpuštajući resurse i istovremeno maksimizirajući iskustvenu kvalitetu svakog korisnika. Kako bi osigurali optimalnu subjektivnu iskustvenu kvalitetu, potrebno je identificirati ključne faktore koji utječu na QoE te njihov utjecaj nekako ocijeniti. U sklopu ovog rada, utjecaj faktora određuje se putem javno distribuiranog upitnika koji se sastoji od pitanja vezanih uz demografsku pripadnost i utjecajne faktore. Dobiveni odgovori se analiziraju i vizualiziraju koristeći Matplotlib-ovo Pyplot sučelje.As the Internet’s user population grows, issues such as network congestion assume a much more prominent role in Internet service provider companies’ priority lists. While a physical increase of network resources does solve the problem, it is a costly and, considering the Internet’s expansion rate, non-viable option. In light of these developments, ISPs have turned to a more long-term solution – optimization through service quality management. Using the latest in SQM technology, ISP companies are able to adapt network parameters to each user’s needs, dynamically freeing and allocating resources and simultaneously maximizing every user’s quality of experience. To ensure optimal subjective service quality, key factors influencing user QoE must be identified and its importance to QoE rated, which is done in this thesis through a publicly distributed questionnaire consisting of demographic and IF-related questions. The responses are then analyzed and visualized using Matplotlib’s Pyplot interface