作者｜張哲 陳娟娟，單位：河北移動(dòng)

Labs 導(dǎo)讀

自工信部正式發(fā)放5G商用牌照以來，我國(guó)進(jìn)入5G時(shí)代，河北移動(dòng)積極投入網(wǎng)絡(luò)建設(shè)，推進(jìn)5G商用網(wǎng)絡(luò)的發(fā)展。在5G基站大規(guī)模投入的同時(shí)伴隨著一系列無線網(wǎng)絡(luò)質(zhì)量及客戶滿意度問題，而我們當(dāng)前正處于穩(wěn)4G拓5G階段，那么如何減負(fù)、高效、準(zhǔn)確解決問題成為工作重點(diǎn)挑戰(zhàn)。在5G網(wǎng)絡(luò)復(fù)雜度提高和場(chǎng)景化Pattern組合復(fù)雜的大背景下，對(duì)優(yōu)化人員能力要求逐步提高，這就需要將專家的優(yōu)化經(jīng)驗(yàn)進(jìn)行沉淀和迭代，并逐步實(shí)現(xiàn)工具智能化。河北移動(dòng)通過對(duì)無線性能、告警和MR數(shù)據(jù)進(jìn)行治理，建立VoNR評(píng)估體系，并使用AI預(yù)測(cè)能力對(duì)網(wǎng)絡(luò)進(jìn)行精準(zhǔn)問題識(shí)別，構(gòu)建規(guī)則引擎模塊對(duì)問題進(jìn)行無線根因判斷，實(shí)現(xiàn)無線問題從識(shí)別到智能分析的能力，有效提高了5G網(wǎng)絡(luò)問題識(shí)別的準(zhǔn)確性和問題處理效率，助力提升5G網(wǎng)絡(luò)質(zhì)量，打造5G網(wǎng)絡(luò)高質(zhì)量形象和口碑。

1技術(shù)方案介紹

1.1 數(shù)據(jù)治理

數(shù)據(jù)治理將O域平臺(tái)的數(shù)據(jù)通過資產(chǎn)目錄、模型分層、權(quán)限管理和模型管理等將性能、告警、MR數(shù)據(jù)進(jìn)行資產(chǎn)沉淀和總結(jié)，在使用時(shí)快速進(jìn)行查看和調(diào)用。

1.2 VoNR評(píng)估體系

通過對(duì)數(shù)據(jù)治理后，有效識(shí)別VoNR關(guān)鍵指標(biāo)，支撐VoNR商用初期網(wǎng)絡(luò)問題發(fā)現(xiàn)，實(shí)現(xiàn)VoNR的端到端感知提升及問題快速定界，構(gòu)建基于關(guān)鍵接口關(guān)聯(lián)的全流程端到端VoNR體驗(yàn)保障體系。建立基于專家經(jīng)驗(yàn)庫(kù)+大數(shù)據(jù)分析的自動(dòng)定界、基于規(guī)則引擎&可自定義配置的無線質(zhì)差小區(qū)自動(dòng)分析定位的能力以及根因推薦，支撐VoNR商用保障。

圍繞注冊(cè)、接入、保持、語音質(zhì)量維度構(gòu)筑VoNR感知評(píng)估體系，針對(duì)VoNR特性構(gòu)建關(guān)鍵指標(biāo)趨勢(shì)洞察、問題定界能力以及異常問題的回溯能力，支撐VoNR商用中的網(wǎng)絡(luò)質(zhì)量監(jiān)控，異常問題快速發(fā)現(xiàn)和定界。

1.3 無線質(zhì)差問題識(shí)別

無線質(zhì)差識(shí)別將VoNR評(píng)估體系的注冊(cè)、接入和保持類等指標(biāo)進(jìn)行TOPN閾值設(shè)定，并利用智能KPI異常檢測(cè)的多數(shù)據(jù)源自動(dòng)關(guān)聯(lián)、多窗口聯(lián)動(dòng)分析、基于AI算法的深度分析自動(dòng)識(shí)別質(zhì)差小區(qū)。同時(shí)支撐人工自定義配置識(shí)別質(zhì)差小區(qū)，適用多種場(chǎng)景，問題發(fā)現(xiàn)更為快捷高效。

1.4 根因診斷與分析

1.4.1 構(gòu)建規(guī)則引擎能力

定界規(guī)則引擎提供無線側(cè)規(guī)則管理功能，在規(guī)則編排界面可自主靈活配置無線側(cè)問題定界定位規(guī)則。規(guī)則引擎自動(dòng)集成了無線MR、告警、操作日志和性能指標(biāo)，可精準(zhǔn)定位問題時(shí)段的問題原因，且支持自定義編排規(guī)則，包括新建、刪除、修改等、可靈活設(shè)置規(guī)則參數(shù)門限，系統(tǒng)提供了700+基于專家經(jīng)驗(yàn)形成的預(yù)置規(guī)則。

1.4.2 無線根因智能定位

規(guī)則引擎關(guān)聯(lián)操作日志、告警、鄰區(qū)、參數(shù)、覆蓋、容量、干擾、傳輸信息等方便人工分析?；赥OPN識(shí)別的無線質(zhì)差小區(qū)可主動(dòng)調(diào)用規(guī)則引擎，并進(jìn)行根因排序，輸出無線質(zhì)差小區(qū)的關(guān)鍵原因，指導(dǎo)問題快速處理及閉環(huán)。

2技術(shù)創(chuàng)新點(diǎn)

2.1 KPI異常檢測(cè)

無線KPI具有變化的周期性、波動(dòng)性、分段性等特征，監(jiān)控門限難以固化，過低可能產(chǎn)生大量虛警，過高可能無法發(fā)現(xiàn)異常，而傳統(tǒng)無線網(wǎng)絡(luò)性能采用靜態(tài)/規(guī)則閾值難以完整適配性能特征的不規(guī)則性和多樣性。另外IT和CT領(lǐng)域網(wǎng)絡(luò)（設(shè)備）結(jié)構(gòu)越來越復(fù)雜，進(jìn)而導(dǎo)致監(jiān)控指標(biāo)越來越多，傳統(tǒng)的基于專家經(jīng)驗(yàn)設(shè)置靜態(tài)閾值的方式越來越難以完成網(wǎng)絡(luò)（設(shè)備）的全面監(jiān)控，難以適應(yīng)指標(biāo)的動(dòng)態(tài)變化?；贏I的KPI異常檢測(cè)智能生成動(dòng)態(tài)閾值，并且基于漏斗原則實(shí)現(xiàn)大規(guī)模指標(biāo)的同時(shí)監(jiān)控。

通過KPI異常檢測(cè)，實(shí)現(xiàn)異常感知時(shí)間2h->30min的縮短，提升VoNR異常感知檢測(cè)效率。

2.2 告警關(guān)聯(lián)匯聚

通過KPI告警匯聚和合并，快速識(shí)別VoNR問題聚集點(diǎn)，提升問題等級(jí)，實(shí)現(xiàn)問題的快速識(shí)別與閉環(huán)。

KPI告警匯聚的原則：

• 時(shí)間上同時(shí)發(fā)生。
• 空間維度相鄰：必須考慮空間上是有相鄰的，可以通過重要鄰區(qū)、共站、相近、拓?fù)涞葋磉M(jìn)行匯聚。
• 業(yè)務(wù)相關(guān)：需要考慮主指標(biāo)的劣化對(duì)應(yīng)的原因值是相同的。

KPI告警合并的原則：深度優(yōu)先搜索DFS

• 所有小區(qū)及其鄰區(qū)關(guān)系可視為圖結(jié)構(gòu)，小區(qū)為頂點(diǎn)，鄰區(qū)關(guān)系為邊；
• 從根節(jié)點(diǎn)開始，沿著樹(圖)的寬度遍歷樹(圖)的節(jié)點(diǎn)，直到以vt出發(fā)的所有節(jié)點(diǎn)都被訪問到。當(dāng)前檢測(cè)兩個(gè)出現(xiàn)告警則進(jìn)行聚合??

基于上述在時(shí)間維度（同時(shí)發(fā)生）、空間維度（相鄰/拓?fù)洌?、業(yè)務(wù)維度（業(yè)務(wù)相關(guān)）的分析結(jié)果，將相關(guān)的告警進(jìn)行合并成同一個(gè)事件，從而提升關(guān)聯(lián)準(zhǔn)確度。

2.3 卡片式管理

支持用戶靈活、直觀地設(shè)計(jì)和定制Dashboard顯示布局、指標(biāo)和粒度，設(shè)置并保存?zhèn)€性化的dashboard模板以便復(fù)用。

3應(yīng)用效果

定位準(zhǔn)確率：自動(dòng)診斷問題根因定位準(zhǔn)確率達(dá)80%以上，其中SA接通率達(dá)86.52%

生產(chǎn)效率：無線質(zhì)差VoNR Top小區(qū)處理效率由 13個(gè)/人天 提升至20個(gè)/1天 ，效率提升50%。全量top小區(qū)分析周期由周提升至天。

作業(yè)流提效：作業(yè)流效率提升明顯，問題處理端到端環(huán)節(jié)工作效率提升約35.83%。

分析作業(yè)流發(fā)生變化，相比傳統(tǒng)分析流程省去數(shù)據(jù)采集和VoNR top N識(shí)別過程，且根因分析和優(yōu)化建議輸出更加快捷。