5G核心网网元多维特征融合故障预警

5G网络发生故障可能影响全网稳定性和服务质量,其故障发现与修复是5G网络运维管理的关键之一.基于历史故障发生前的网元关键绩效指标(Key Performance Indicator,KPI)变化以及设备告警信息、指标统计特征、自动异常检测、指标关联特征、告警编码特征等,提出了5G核心网网元多维特征融合故障预警方法,构建...     

基于AIOps的网管智能运维研究与实践

随着5G、云计算和微服务等技术的发展，网管系统结构复杂性和技术组件多样性愈发提高，传统运维手段已无法满足监控和运维要求，因此基于AI和大数据技术的AIOps应运而生。本文通过分析AIOps国内外研究现状和网管运维现状痛点，研究网管运维指标异常检测和故障预测能力的技术实现。基于微服务架构搭建AIOps运维平台，引入AI技术，提升网管运维智能化能力。同时平台能力以API等方式与网管工作台集成，提供AIOps能力引擎，为网管运维系统提供智能化告警监控视图。总体使网管智能运维水平达到新高度，极大降低了故障发生率。     

基于对象节点树的频繁项集告警压缩算法实例

为解决从IT资源到上层业务系统之间各级告警的关联,快速准确定位故障,本文通过对电信运营商数亿用户级系统平台告警研究,创新性采用基于对象节点树的频繁项集告警压缩算法,实现原始告警96%的告警压缩率,支持故障快速根因分析,系统故障处理时间缩短了25%。对相关监控技术研究人员和IT系统运维人员提升IT系统监控运维工作质量,具有积极的借鉴意义。     

广电5G核心网E2E智能故障处理方案及应用

本文通过分析传统通信网络故障处理的痛点,结合广电5G网络智能化运维建设大背景,提出了广电5G核心网E2E智能故障处理方案,通过大数据分析和AI算法等技术手段,深挖广电5G核心网运行中的海量数据和运维专家经验数据,构建故障场景智能快速定界和健康度评估等智能化能力。     

网络故障分类措施在广电5G网络运维中的应用

本文主要针对目前广电5G移动网络运维中的网络覆盖、5G终端及相关应用的故障进行统计分类,并对故障产生的现象、原因进行分类梳理,通过科学有效的故障分类及处理建议,提高5G移动网络的运维效率,为5G网优化运维提供支撑。     

4G/5G无线网络智能运维研究与应用

智能运维是网络智能化的重要内容,推行网络运维智能化,对4G/5G网络的高效、可靠运行具有非常重要的意义。本文提出一种4G/5G无线网络智能运维方案,采用多种AI深度学习算法,基于基站的告警、性能、动环等多维度数据建立基站退服预测模型、异常检测模型和故障根因定位模型,并进行模型组合,输出智能巡检、退服预警发布和故障工单根因智能定位等支撑一线生产的功能应用。经过实际的应用试点,验证了方案的可行性和有效性,为4G/5G网络智能运维的实施提供了有力的方法指导和技术支撑。     

一种基于Android平台的基站故障跟踪系统

移动网络从成熟的2G网升级到目前的4G网,随着湖北移动网元数量不断增多,日常维护工作压力不断增加。传统故障跟踪手段调度迟缓,不利于故障的及时发现与处理。为解决该问题,利用安卓平台的强大开发能力,结合网管平台、网优平台、告警平台的各类支撑数据,构建了基于Android平台的基站故障跟踪系统,该系统将日常网元的维护指令(包括查询、设备重启等)植入应用APP,维护人员使用移动终端即可实现远程故障处理与日常例行巡检,为运维人员日常故障处理和故障排查提供技术支撑。     

智能告警收敛系统的设计与实现

在数字化新基建的背景下，各行各业为了应对日趋激烈的市场竞争纷纷进行数字化转型。云网融合的大规模数字信息基础设施的发展、海量的业务系统带来海量的告警数据。海量告警的高效处理成为运维领域刚性需求和解决难题。面对新形势下的挑战，需要构建新型智能化运维系统，将运维工作模式从原来人工处理、被动响应向自动化、数字化、智能化蝶变。本文针对IT运维的告警监控，打造一套智能告警收敛系统，实现告警事件自动降噪和告警自动关联收敛，以故障为维度汇聚海量告警信息，实现监控工作从面向告警到面向故障的生产方式改变，减少运维工作，提升运维效率。     

跨专业承载网络智能运维研究与应用

随着人工智能技术和网络日趋紧密地融合，未来网络的运营和生产应该是全面数字化、自动化和智能化的。目前跨专业网络故障定位主要依赖各专业运维人员分别进行分析和派单，导致排障时间长、重复派单等问题。为了节省人力工作，借助自动化和人工智能技术，研发了一套应用于实际现网的跨专业网络智能运维系统。该系统可对IPRAN和OTN关联的拓扑信息以及实时的IPRAN和OTN告警数据进行综合分析，精准定位根因告警，确定故障位置，实现自动派单。该系统构建了跨专业的故障自动诊断能力，将故障定位时间由传统的2 min缩短为几十毫秒，极大减少故障处理时间和人工工作，可覆盖现网大部分故障种类。     

基于人工智能和大数据的5G故障根因研究及应用

随着5G网络建设的快速发展,5G基站数量不断增加,基站维护成本和压力也迅速增加,传统的故障运维模式已不能满足当前的需要,因此,如何实现高效运维,支持5G业务的快速发展是亟待解决的问题。从人工智能和大数据的角度出发,提出了一个完整的5G故障根源定位模型,可以快速定位故障根源,并输出最佳处理方案。     

TD—SCDMA网络IUB接口常见告警分析

在TD—SCDMA网络运维工作中,IUB接口经常出现各种告警,与E1相关的有LOS、OOF、LOF、LOMF等,频繁的告警影响网络的性能和质量,加重了运维部分的工作压力。本文针对这几类告警进行分析,指出告警产生的原因和条件,为故障的解决提供了有效支持。     

运维三级故障管理与信息发布系统的设计与实现

运维三级故障管理与信息发布系统实现了以告警、故障、隐患三级处理框架为基础,故障点百度地图显示、短信通知为辅的信息发布系统。系统主要针对告警的采集、发现、归类,告警转故障处理,故障的建立、消除,故障转隐患处理,隐患台账建立,隐患处理,故障预防等故障完整的生命周期进行了全面的研究。并通过对故障信息的自动化处理,实现了故障短信的智能生成与发送。     

TD站点GPS类故障告警处理简

文章介绍了TD-SCDMA网络中GPS天线系统安装时的注意事项。在日常的TD站点GPS类维护工作中出现的故障有很多种,如星卡天线故障告警,时钟参考源异常告警,系统时钟失锁告警,星卡维护链路异常告警,星卡时钟输出异常告警,GPS状态告警,时钟源状态或锁相环告警等,文章对这些常见故障告警产生的原因进行分析,并提出了故障告警的解决方法。     

TD站点GPS类故障告警处理

文章介绍了TD-SCDMA网络中GPS天线系统安装时的注意事项。在日常的TD站点GPS类维护工作中出现的故障有很多种,如星卡天线故障告警,时钟参考源异常告警,系统时钟失锁告警,星卡维护链路异常告警,星卡时钟输出异常告警,GPS状态告警,时钟源状态或锁相环告警等,文章对这些常见故障告警产生的原因进行分析,并提出了故障告警的解决方法。     

业务端到端故障智能发现诊断自愈

云原生技术的引入使得IT系统规模庞大、架构复杂,IT运维迎接新的挑战,IT业务系统集群规模越发庞大,传统的告警不能及时有效地发现系统异常,海量日志无法有效分析,业务调用链复杂,可观测性差,导致故障定界定位极其困难。利用大数据、AI技术、自动化编排等前沿技术手段,开发了业务端到端故障智能发现诊断自愈解决方案。有效融合metrics、log、trace三类数据,实现故障自动发现、诊断、自愈,开启极简运维时代。     

基于回归分析的高频故障管控方法研究

随着网络规模快速增长、网络结构不断演进且日趋复杂,传统高频故障管控手段已无法满足智能化运维需求.为解决高频故障管控中的痛点和高频工单压降中的难点,本文提出在现有工单管理流程中新增预归档功能,同时通过对网元故障告警历史数据的统计分析,探究相同网元相同告警重现间隔的分布规律,建立数学模型用于设置观察期时间,使得工单在预归档...     

基于大数据的设备故障预测

针对有线电视网络设备的运维和管理,基于有线运营商采集到的大体量的设备性能指标及告警信息,采用决策树构建设备故障预测模型,从而根据设备当前的性能值,预测设备故障告警级别.该模型在运营商提供的真实数据上得到了较好的实验结果,对设备故障预测具有极大的实用性.     

一种基于Android平台的远程智能处理系统

日常网络运维管理对网管支撑手段提出了更多移动化、智能化和终端化的要求,针对传统故障处理存在资源有限、手段欠缺的问题,基于安卓平台的强大开发能力,结合网管平台、网优平台、告警平台的各类支撑数据,构建了基于Android平台的远程智能处理系统,该系统将日常网元的维护指令（包括查询、设备重启等）植入应用APP,维护人员使用移动终端即可实现远程故障处理与日常例行巡检,为运维人员日常故障处理和故障排查提供技术支撑。     

陆态网GNSS基站故障告警模式改造设计

阐述了陆态网络基本情况,分析了现有运维管理中的故障告警模式,结合工作实践探索出远程电话告警系统的设计应用,进一步提升陆态网络基站的维护能力。     

基于大数据分析的云资源池告警信息关联方案

研究了一种云资源池端到端智能化运维管理系统,提出一种智能判断故障模块的技术架构,分析了实现云资源池端到端告警关联的基本方法,阐述了云资源池单KPI异常检测分析方法和多KPI故障传播链分析方法的实现原理,并重点介绍了物理主机告警与虚拟主机告警、IP SAN存储告警与虚拟对象存储告警、主机设备告警与网络告警的关联关系,为运营商提升云资源池端到端智能化运维能力提供了借鉴和参考。