基于AI的5G端到端智能运维解决方案
一、背景意义
随着5G应用企业专网对业务质量提出了更高的要求,运维难度也随之提升,网络运维人员面临业务场景多、需求差异大、业务支撑难的挑战,运维工作平均修复时间要求高、应用识别场景难、指标异常发现难、问题定界定位难、运维服务成本高5个关键难题。运维模式也要由企业生产中断后的被动响应向先于企业报障的主动维护转变,以实现企业数字化应用响应快、运行稳、质量优。
业务场景包含四个元素:人、地、时、事。
事件有:覆盖类,容量类,干扰类三大类型。
覆盖类场景:存在一定的覆盖难度,实现广度覆盖为主,保证移动通信网络信号无盲区,能够提供较为流畅的数据业务服务,并有一定的容量提升空间覆盖类的场景。比如居民小区、城市道路、宾馆酒店类、地铁隧道、旅游景点等。
容量类场景:存在较多的用户受众,实现容量覆盖为主,需要提供大容量的数据业务服务,存在一定的流动性及业务突发性,需要有较高的容量可提升空间。比如:科技园区、商业场所、大型场馆、大型火车站、汽车站、机场、地铁站等。
干扰类场景:地形或建筑结构复杂,覆盖难度较大,针对不同场景需要兼顾广度和容量覆盖,流动性较强,技术应用难点较多。比如:开阔场景里的:主干道路、城市水域、广场开阔区、码头;高层场景中的:高层写字楼等;快速移动下的场景:高架桥、公交车内;
二、方案
本方案通过人工智能与网络通信相结合,推出5G专网端到端智能运维解决方案AI系统,该AI系统:围绕终端场景分类、异常问题识别、故障根因定位等方面,以物流网络为框架进行建模构建数字孪生网络,并结合算法模型进行需求创新,解决复杂场景运行过程中端到端运维保障的难题。达到“零等待”、“零停工”、“零泄密”的三零目标,保障企业发展。
三、创新点及工程应用
系统以软探针。DPI等数据,AI算法为工具。
1、Transformer实现业务异常检测:针对5G专网对指标灵敏度高的问题,采用Transformer算法对场景进行快速异常检测。(已落地)
2、使用LightGBM分类算法,进行问题的定界定位。(已落地)
3、DBSCAN+SVM实现业务场景分类:针对TOB场景复杂、无法聚焦性保障的问题,使用DBSCAN聚类算法,生成网络特征及标签样本,进一步使用SVM分类算法,得到网络场景标签模型。(探索中)
4、使用NLP大模型实现故障解决推导:针对专业运维人员少,人工成本高的问题,基于NLP大模型对故障问题提供解决方案,使用类ChatGPT方式,实现故障问题7*24小时有问有答,快速响应。(探索中)
系统可针对故障时延、速率、丢包率进行监测,并根据情况触发告警信息,提前人工介入,及时明确故障原因、定位故障网元。
对不同业务场景进行统计,异常问题发现及时率达90%以上,故障定界定位准确率达95%。