762,508
次編輯
變更
無編輯摘要
'''基于AI的网络智能化运维'''中国电信股份有限公司研究院是中国电信集团公司为适应集团发展和需要而组建的重要科研机构,主要研究 [[ 电信技术 ]] 发展趋势与战略,研究技术发展政策,研究 [[ 网络 ]] 、技术与业务发展规划,研究技术体制和标准,负责新技术和新设备入网测试评估,进行决策软科学研究和发展研究,网络管理<ref>[https://www.sohu.com/a/321957563_99939336 网络管理的五大发展方向—网络管理系统],搜狐,2019-06-20 </ref>和业务管理等支撑系统的开发,应用软件研究与系统集成,开发电信新业务和增值业务等,为集团公司和各省子公司提供决策支撑、技术支撑、信息支撑。
中国电信股份有限公司研究院以机制创新、技术创新和管理 [[ 创新 ]] 为手段,坚持人才至上、以人为本 [[ 原则 ]] ,实施人性化管理,力争短期内在电信运营领域成为国际上比较知名、国内有重要影响力的研发机构。
==成果概述 :==
针对日益复杂的运营商 [[ 网络 ]] 运维痛点,聚焦AI赋能的网络智能化运维技术,在网络故障检测、运维工单处理、网络业务保障、物联网终端质差识别等场景探索差异化的AI能力研发和实践。
1)网络故障检测:基于 [[ 大数据]]<ref>[https://roll.sohu.com/a/594299406_121485040 什么是大数据?我们来科普一下],搜狐,2022-10-21 </ref>分段收敛技术、LSTM、LightGBM、Prophet等AI技术实现告警精确定段定位,主动预见性维护,提高IPTV用户体验的智慧化运维,月均工单智能化解决率达到80%以上。
2)运维工单处理:基于多轮问答、NLP、OCR等技术辅助故障快速定位及工单自动化处理,工单处理及时率超过95%,处理时长压降近30%,有效降低工单运维成本。
3)网络业务保障:借助无监督算法对多维度、多时序性能数据检测识别无线网络异常网元。完成异常网元检测、派发、处理、审核、知识库一站式流程设计,特殊小区处理策略算法准确率达80%以上,助力 [[ 企业 ]] 业务流程的智能化转型。
4)物联网终端质差识别:搭建基于大数据的质差量化感知指标体系,以及基于因果 [[ 学习 ]] 的质差根因定位方法,识别监测物联网异常消除潜在隐患,质差小区识别准确率接近80%。
结合典型智慧化运维场景,形成近百项能力的运营商差异化AI能力体系,提升网络智慧化运维水平。
==成果突破性 :==
借助AI与大数据技术助力生产运维智能化转型,打造网络智能化运维AI能力体系:
1) 基于基尼算法的网络告警精确定段定位(已申请专利保护),实现业务端到端告警快速定界、精确定段、根因精准定位等功能。
2) 形成全程AI赋能的一站式工单处理流程,将自然 [[ 语言 ]] 处理、深度学习、OCR图像识别应用于工单数据标注、模型开发、训练、模型能力加载,一站式的覆盖了工单智能化主要环节。
3) 创新物联网设备指纹画像与质差识别技术,实现了对无线网及 [[ 物联网 ]] 关键指标变化趋势的自动检测,快速发现异常变动,及时派发工单处理异常。
数字化转型是企业转型的重要阶段,AI技术、大数据技术等帮助企业迈向新的台阶,业务流程逐渐从自动化转向智能化,全面提升运营商网络运维的数字化水平。
==技术要点 :==
===1. 总体概述===
本项目立足解决运营商网络运维痛点问题,为运营商打造差异化AI能力体系及智慧化应用。实施过程中对接了运营商数字能力平台、大数据平台、运维工单平台、综合网管平台等,打通数据壁垒,探索自主研发运营商特色的AI算法库、模型库等;融合现网人工 [[ 经验 ]] ,打造典型场景的数据标注集合,实现模型准确性、泛化能力在迭代检测中的验证与提升;借助AI及大数据技术助力生产运维智慧化转型,在核心业务场景打造差异化能力,重点在智慧家庭业务保障、智慧工单、无线网与物联网业务保障等方向实现智能化运营赋能。
项目打造了近百个具有运营商特色的网络AI能力,集约化统一部署后,可为中国电信全网进行集约赋能,同时平台提供数据标注、模型开发、 [[ 训练 ]] 以及迭代可以快速生成定制化能力,支持现网差异化AI模型和能力的快速定制。
===2.研究成果===
2.2.1行业痛点及解决思路
电信宽带用户数目前已达1.7亿,天翼高清用户数已达1.3亿。关注用户应用感知、提升业务质量,是当前用户存量竞争的关键。传统智慧家庭业务,数据存在较高壁垒;没有统一、客观的 [[ 质量 ]] 评价标准和用户感知指标体系;没有主动、预先发现及定位用户感知故障问题的能力,无法较好的满足智慧家庭实际生产需求。
从芯片层面定义视频播放优良率、宽带业务优良率等感知算法,打破不同省份、厂商平台、厂商终端的壁垒,可实现全国统一的质量监测探针。对各层级设备信息增益及基尼系数的关联运算,构建基尼特征库,实现感知群障告警的精确定段。
2.2.2技术创新点及优势
完成家庭业务端到端监测系统的 [[ 数字化 ]] 运营,推动运营商智慧家庭业务走向智能化、标准化方向。
1)单用户判障:结合用户行为数据、感知数据、资源数据等,对该用户故障 [[ 原因 ]] 进行基本定位,实现单个用户网络质量排查的准实时性,精准把控用户体验,先于用户投诉发现故障。
2)端到端判障:针对网络告警关联复杂度高的问题,摒弃原始人工排障方式,基于基尼算法,对各层级设备/网络节点的下挂设备/网络节点实现告警的精确定段。
3)预见性维护:基于AI和 [[ 大数据 ]] 技术,针对端到端业务流程中出现的群障定段定位、根因分析和用户感知劣化预警等复杂问题逐一攻破,各场景算法准确率均在80%以上,现网实施后大大降低了人工排障成本,对电信智慧家庭用户的存量也有一定的促进作用。
2.2.3成效及应用前景
2) 形成连接各省内前置平台与集团中心处理平台的一套标准化的数据采集、存储、处理系统架构,当前日处理数据量超过5T。
3) 实现故障告警单实时派发、巡检单按周派发到省内,派单有效率达到90%, [[ 发现 ]] 业务隐患40类以上,有效节约运营商排障成本,获得中国电信2020年度科技进步奖。
2.2基于AI的运维工单处理
2.2.1行业痛点及解决思路
近年来电信集约化不断深入, [[ 生产 ]] 维护工作量急剧增长,维护网元数和网络故障工单同比增长迅猛。工单处理环节涉及多个环节,很多工作仍是由半自动化或全人工完成。人员投入远不及工单增长量,导致工单不能及时有效解决。
工单处理是运营商网络运维的关键环节,工单处理自动化的关键难点在于将工单智能地转化成自然语言处理 [[ 问题 ]] ,为此探索了一套工单智能化算法研发框架。
==参考文献==
[[Category:500 社會科學類]]