智能预测故障管理:变换移动网络操作

一今日超连通世界 无缝无线网络运维对企业和个人至关重要后台报警管理系统在确保移动网络畅通运作、尽量减少中断和维护服务质量和终端用户经验质量方面发挥着关键作用然而,目前管理网络报警的响应式方法,即问题一经影响网络即处理,已不够用。

机器学习技术集成移动网络操作正开新纪元主动预防性维护,有望革命化我们管理网络中断并增强整体性能

报警管理

在当前框架内,报警管理解决方案设计成检测和响应网络问题,基础是工程师预先定义的规则和条件系统接收网络元素事件后转换成报警不幸地,这种反应式方法意味着只有在问题已经发生时才触发报警,影响网络运维和QOS/QoE

传统故障管理范式涉及诊断问题、减轻损害和解决问题网络服务虽然相当有效,但却无法解决对不间断高质量网络服务日益增长的需求问题。

主动学习机器

现代挑战需要创新解决方案 ML步入网络操作符通过控制ML能力从反应姿态向主动预防姿态过渡应用运维数据时 ML算法提供预测未来网络问题的能力革命变换能创建新进程防止性能退化,将传统调频管道转换为高级诊断序列并随后采取预防行动

智能预测故障管理

最前沿进化概念智能预测故障管理这一新方法力求为移动网络报警的预防性维护提供解决办法,详见会议论文 "移动网络使用序列模式挖掘防故障方法.其主要目标包括几个基本方面:

1. 报警集群和关联SPFM矿群报警并建立关系,组成关联规则从而加深理解报警如何互连并促成网络问题
2. 持续学习提高SPFM持续学习新数据并随时间演化迭代过程帮助建立网络维护域的专门知识,提高系统预测和预防问题的能力
3. 顺序报警模式SPFM按时间顺序排序前继报警时间上下文辅助识别提醒出现顺序并理解其潜在作用
4. 识别故障:通过识别最频繁模式,SPFM可定位最关键故障这使网络运算符能够集中精力预防问题对网络性能产生最重大影响

预防性维护的优缺点

从反应式维护向预防性维护过渡为网络运维提供多项优势

1. 最小服务中断预测问题发生前意味着减少故障和服务中断,提高终端用户QOS和QoE质量
2. 高效资源分配预防行动使资源能够更好地分配,操作者可以主动处理潜在问题,减少紧急干预需求
3. 增强客户满意度:网络中断减少后,客户因持续可靠服务而更满意
4. 成本节约主动解决问题可降低紧急修复和网络故障相关费用
   

无缝数字经验

技术进化网络管理方法论传统响应方法在我们高速数字景观中已不够用

智能预测故障管理由机器学习技术驱动,提供转换式解决方案SPFM预测并预防网络升级前的网络问题,保证显著提高网络性能,减少中断,并最终为每个人提供更加无缝数字经验

向前看,技术与创新交汇将决定网络运营的未来,使用户能够保持前所未有的连接

关于作者

Márcio Pereira是Celfinet研究工程师,Cyient公司2022年从高级Lisboa学院获得电子电信工程MSC学位工作重点是故障管理预测维护 兴趣寄托移动网络 机器学习 数据科学

支持信息

提交第十九届无线网络移动系统国际会议的会议文件“使用顺序模式采矿移动网络中的故障管理预防性维护方法”超链接如下:https://dx.doi.org/10.5220/0011308100003286