订阅级 RAN 分析

Uhana by VMware 关联并丰富了来自移动网络元素的大量流数据,从而在订户级别提供全面的洞察信息。通过使用 AI,Uhana 可以自动确定网络问题的根本原因并提供修复建议。

VMware Uhana

为什么选择 Uhana by VMware

实时订户级别分析

Uhana 可以分析流数据,为移动运营商提供实时的客户体验指标,使移动网络运营商 (MNO) 可以实时了解每个订户的呼叫质量和数据性能。

根据订户影响划分优先级

Uhana 可根据订户影响划分警报优先级。该操作自动完成,使用机器学习来确定哪些问题将产生最大影响。

自动分析根本原因

Uhana 的 AI 平台利用机器学习自动检测、分类和定位移动网络中的问题。在可能的情况下,该平台会确定根本原因并提供修复建议。

高分辨率 RAN 可见性

由于平台的精细可见性,Uhana 能够发现新的网络洞察信息,从而实时处理数百万个事件并计算数百个性能 KPI。

聚焦 

(15:48)

Shekar Ayyar 和 Sachin Katti 讨论收购 Uhana

基于 AI 的移动网络分析

Uhana 可以自动确定网络问题的根本原因并提供修复建议。

Uhana by VMware 的功能特性

自动创建数据浓缩管道

自动实时连接呼叫跟踪事件(如建立和释放过程),以及属于同一用户会话的无线电测量,以创建订户会话记录。

精细可见性

利用 eNodeB 跟踪数据来提供实时的精细订户级可见性,以快速分析 RAN 性能和利用率以及订户体验质量。

自动检测事件

Uhana 的 AI 警报管道能够使用神经网络在时间和空间上自动检测和聚集订户级 KPI 的异常。

警报的优先级

警报的优先级基于影响分析(例如,有多少订户受到影响以及服务降级的重要性),以便可以相应地对响应划分优先级。

基于 AI 的根本原因分析

通过识别根本原因(利用神经网络分类器)并提供特定于所识别的根本原因的相关 KPI 和建议,进一步分析每个警报。

运营商级别

Uhana 能够从数万个蜂窝站点中摄取并分析数以百万计的连续流事件,以获得切实可行的洞察信息、预测和修复建议。

云原生,基于容器

Uhana AI 平台是利用微服务体系架构的最先进的云原生应用。微服务基于 Docker 容器而构建,可提供出色的恢复能力并支持横向扩展。

KPI 编写器

利用交互式 UI,运营商可以在几分钟内创建自定义 KPI,根据需要将多个指标组合在一起,从而节省数周的时间。

用户场景

上行链路干扰检测

自动检测和分类上行链路干扰(外部、无源互调、基础架构),并根据受影响的订户类型和数量划分优先级。

干涉定位与三角测量

使用搜索区域的优先级列表和热图可视化定位外部干扰。将干扰三角测量区域从数英里/公里减少到块,从而节省数小时的侦察时间。

下行链路吞吐量影响

使用机器学习根本原因和影响分析算法来确定下行链路吞吐量不佳的原因是否与天线频率的负载不平衡有关,以实现频谱的最佳利用。

CAPEX 优先级

通过改进 RAN 优化工程提高有效频谱容量。优先考虑网络投资,最大程度地提高订户影响并减少 CAPEX 支出。

OPEX 降低

通过基于 AI 的 RCA、精细可见性和影响预测,自动进行 RAN 优化分析并提高 RAN 优化工程和运营的效率。

面向数据科学家的自动化数据增强功能

通过自动准备数据,将数据科学分析的周期缩短达 30%,为开发更高价值的功能腾出宝贵时间。

常见问题解答

Uhana by VMware

什么是 Uhana by VMware?

Uhana by VMware 是一款高级分析和 AI 解决方案,可提供实时网络和订户分析。  它使移动网络运营商能够改进其客户体验管理,优化其运营,自动检测和分类干扰,预测未来问题,并提供适当的修复建议。  所有这些都是为了以自动化的方式实现对移动网络运营商 (MNO) 的高价值蜂窝网络基础架构的最佳控制。 

为什么访问精细遥测数据很重要?

虽然移动网络运营商雇佣了世界上许多最优秀、最聪明的技术人员和数据科学家,但即便如此,他们也受到了传统 RAN 网络分析和遥测技术状况的限制。  粗略的遥测数据将容量规划和性能衡量限制为历史分析。更糟糕的是,由于实际的网络状况发生在非常短的时间内(几秒钟和几毫秒),因此任何源自粗略数据(几分钟)的应用性能、用户体验或网络效率准则都将遭受“平均失明”和严重受限的可见性的困扰。 

什么是蜂窝网络中的“平均失明”?

当今的网络控制器 SON 和 MME 在蜂窝站点级别以 15 分钟为增量提供性能数据计数器。  这意味着这 15 分钟内的性能高峰和低谷将通过平均化进行平滑处理,并且可能不可见。   对于精确指导至关重要的网络状况将被平均值掩盖,并隐藏在决策算法中。   此外,MME 提供的数据处于某个蜂窝站点级别,并且不会向下钻取到使用该蜂窝站点的特定订户。

Uhana AI 平台是如何工作的?

Uhana AI 平台从数以万计的蜂窝站点提取并处理并发数据馈送,与用户会话数据相关联并计算实时关键绩效指标 (KPI)。该数据与特定于应用的输入和运营商指定的策略相结合,以提供前所未有的网络可见性、异常检测和预测性实时网络智能,包括应用和/或 RAN 控制准则。

Uhana by VMware 如何使移动运营商能够利用深度学习和实时神经网络?

Uhana by VMware 应用突破性的深度学习技术,与特定于应用的输入和运营商指定的策略相结合,以提供前所未有的网络可见性、异常检测和预测性实时网络智能,包括应用和/或 RAN 控制准则。运营商能够首次为应用开发人员提供 API 访问权限,以访问准确且精细的网络智能以及预测性“假设分析”建模功能。该网络智能可用于优化应用性能,显著提高订户体验质量,并结合现代基础架构自动化平台以编程方式控制 RAN。借助 Uhana,移动运营商针对可编程网络服务平台设定的愿景(超越连接)最终可以实现。

Uhana by VMware 是否以 SaaS 模式提供?

Uhana by VMware 由 VMware 作为托管的软件即服务提供。它可以在运营商的云计算环境或公有云环境中运行。

Uhana 可以在本地部署吗?

Uhana 可以在本地(或在公有云上)部署。  典型的部署方案是将 Uhana 安装在移动运营商的云计算环境中,但是可以通过 VPN 访问门户。Uhana 是作为一个利用微服务体系架构的云原生应用开发的。微服务建立在 Docker 容器上,可提供出色的恢复能力并实现横向扩展。这也允许将该平台部署在裸机或虚拟机基础架构上。

Uhana 会影响我的 RAN 的性能吗?

不会,Uhana 不收集内联数据,也看不到客户的负载数据。Uhana 直接从 RAN 中的 eNodeB 和 MME 提取信息。  数据是离线收集的,因此对网络性能没有影响。  Uhana 通过实时位置数据和客户数据(如 IMSI)丰富了此信息,可为移动运营商提供切实可行的洞察信息。

是否提供设备分析?

是。利用 eNodeB(以及未来的 gNodeB)跟踪数据,Uhana 在蜂窝站点、扇区或 eNB/gNB 级别提供多供应商设备性能比较(跨不同设备型号和软件版本),以了解不同设备如何运转并影响网络。  Uhana 还将自动建立设备性能基准并检测由设备和 RAN 软件升级引发的异常。相反,在将新的设备硬件或软件引入网络时,Uhana 将描述这种新硬件或软件对 RAN 的性能影响。通过将设备分析输出与 MME 和数据包内核跟踪结合在一起,移动运营商可以进一步改善网络运营和客户体验并加快问题排查速度,从而获得更丰富的洞察信息。

KPI 编写器的优势是什么?

敏捷性。使用当前的运营商流程创建自定义 KPI 可能需要数周时间。Uhana 的 KPI 编写器为移动运营商提供了一种简化方法,可以快速创建分析用户场景所需的新 KPI,并提供符合当前要求的指标。  下拉选项使定义新的 KPI 变得更容易,并且可以组合多个指标来创建全面、定制的 KPI,以满足各个运营商的要求。