RAN-Analyse auf Teilnehmerebene

Uhana by VMware korreliert und ergänzt große Mengen von Streaming-Daten aus Mobilfunknetzen und liefert so umfassende Informationen zu Teilnehmern. Mithilfe künstlicher Intelligenz ermittelt Uhana automatisch die Ursache von Netzproblemen und empfiehlt Abhilfemaßnahmen.

VMware Uhana

ARGUMENTE FÜR UHANA BY VMWARE

Echtzeitanalyse auf Teilnehmerebene

Von Uhana analysierte Streaming-Daten bieten Mobilfunkbetreibern Kennzahlen zur Kundenerfahrung in Echtzeit, sodass MNOs die Gesprächsqualität und den Datendurchsatz für jeden Teilnehmer in Echtzeit ermitteln können.

Priorisierung nach Auswirkungen für Teilnehmer

Uhana priorisiert Benachrichtigungen je nach den Auswirkungen für Teilnehmer. Dies geschieht automatisch: Mit Algorithmen für maschinelles Lernen wird festgestellt, welche Probleme die gravierendsten Auswirkungen haben.

Automatisierte Ursachenanalyse

Die KI-Plattform von Uhana erkennt, klassifiziert und lokalisiert Probleme im Mobilfunknetz automatisch durch maschinelles Lernen. Wenn möglich, ermittelt die Plattform die Ursache und empfiehlt eine Lösung.

Hochauflösende RAN-Transparenz

Aufgrund der detaillierten Transparenz der Plattform liefert Uhana neue Erkenntnisse über das Netz, indem Millionen von Ereignissen verarbeitet und Hunderte von Performance-KPIs in Echtzeit berechnet werden.

SPOTLIGHT 

(15:48)

Shekar Ayyar und Sachin Katti zur Akquisition von Uhana

KI-basierte Analysefunktionen für Mobilfunknetze

Uhana ermittelt automatisch die Ursache von Netzproblemen und empfiehlt Abhilfemaßnahmen.

UHANA BY VMWARE – MERKMALE UND FUNKTIONEN

Automatische Datenanreicherungs-Pipeline

Uhana verbindet automatisch Ereignisse der Anrufverfolgung wie Verbindungsaufbau, Freigabe und Funkmessungen derselben Anwendersitzung in Echtzeit, um Datensätze für die Teilnehmersitzungen zu erstellen.

Transparenz bis ins letzte Detail

eNodeB-Tracedaten liefern detaillierte Echtzeittransparenz auf Teilnehmerebene, um neben RAN-Performance und Auslastung auch die Quality of Experience (QoE) für Teilnehmer schnell zu analysieren.

Automatische Erkennung von Vorfällen

Die KI-fähige Benachrichtigungs-Pipeline von Uhana erkennt und bündelt automatisch (zeitlich und räumlich) Anomalien der KPIs auf Teilnehmerebene unter Verwendung neuronaler Netze.

Priorisierung von Benachrichtigungen

Die Priorisierung von Benachrichtigungen basiert auf der Analyse der Auswirkungen, z.B. wie viele Teilnehmer betroffen sind und wie gravierend die Verschlechterung der Dienste ist, sodass die Reaktionen entsprechend geplant werden können.

KI-basierte Ursachenanalyse

Jede Benachrichtigung wird genau analysiert und die eigentliche Ursache (durch Klassifikatoren neuronaler Netze) identifiziert. Außerdem werden relevante KPIs und Empfehlungen für die identifizierte Ursache bereitgestellt.

Auf Kommunikationsanbieter ausgerichtet

Uhana erfasst und analysiert Millionen kontinuierlicher Streaming-Ereignisse aus Zehntausenden von Funkzellen auf verwertbare Erkenntnisse und liefert Vorhersagen und Empfehlungen zur Problembeseitigung.

Cloudnative, containerbasierte Lösung

Die KI-Plattform von Uhana ist eine auf einer Microservices-Architektur aufgebaute hochmoderne cloudnative Anwendung. Microservices auf Basis von Docker-Containern bieten Stabilität und horizontale Skalierung.

KPI Composer

Über eine interaktive Benutzeroberfläche können Betreiber innerhalb weniger Minuten benutzerdefinierte KPIs erstellen und dabei mehrere Kennzahlen nach Bedarf zusammenfassen, wodurch sich der Zeitaufwand deutlich reduziert.

ANWENDUNGSBEREICHE

Uplink-Interferenzerkennung

Automatisiertes Erkennen und Klassifizieren von Uplink-Interferenzen (extern, passive Intermodulation [PIM], Infrastruktur) mit Priorisierung nach Art und Anzahl der betroffenen Teilnehmer

Störungslokalisierung und Triangulation

Lokalisieren Sie externe Störungen mit einer Prioritätenliste des Suchbereichs und Heatmap-Visualisierung. Verkleinern Sie den Bereich der Interferenz-Triangulation von Kilometern auf Blöcke und profitieren Sie so von einer deutlich verkürzten Suchzeit.

Auswirkungen auf den Downlink-Durchsatz

Mit Algorithmen zur maschinellen Ursachen- und Auswirkungsanalyse lässt sich feststellen, ob die Ursache für einen schlechten Downlink-Durchsatz mit der Lastunsymmetrie der Antennenfrequenzen und der suboptimalen Nutzung des Frequenzspektrums zusammenhängt.

Priorisierung der Investitionskosten

Erhöhen Sie die effektive Kapazität des Funkspektrums durch verbesserte technische RAN-Optimierung. Priorisieren Sie Netzwerkinvestitionen, die den Effekt für Kunden maximieren und Investitionskosten senken.

Reduzierung der Betriebskosten

Die automatisierte RAN-Optimierungsanalyse erhöht die Effizienz der technischen RAN-Optimierung und des Betriebs durch KI-basierte RCA, detaillierte Transparenz und Auswirkungsprognosen.

Automatisierte Datenanreicherung für die Datenanalyse

Verkürzen Sie die Zykluszeit für die Datenanalyse um bis zu 30% durch automatisierte Datenaufbereitung und nutzen Sie die freigewordene Zeit für anspruchsvollere Aufgaben.

FAQs

Uhana by VMware

Was ist Uhana by VMware?

Uhana by VMware ist eine moderne Analyse- und KI-Lösung, die Netz- und Teilnehmeranalysen in Echtzeit ermöglicht.  Mobilfunkbetreiber können damit die Kundenerfahrung verbessern, den Betrieb optimieren, Störungen automatisch erkennen und analysieren, zukünftige Probleme vorhersagen und geeignete Abhilfemaßnahmen empfehlen.  Ziel ist dabei immer, automatisch eine optimale Kontrolle der hochwertigen Mobilfunkinfrastruktur des Mobilfunkbetreibers (Mobile Network Operator, MNO) zu erreichen. 

Warum ist der Zugang zu detaillierten Telemetriedaten so wichtig?

Mobilfunkbetreiber beschäftigen zwar viele der besten und erfahrensten Techniker und Datenanalysten der Welt, doch auch diese sind in ihrer Tätigkeit durch den Stand der herkömmlichen RAN-Netzwerkanalyse und Telemetrie eingeschränkt.  Wenn nur grobe Telemetriedaten vorliegen, lassen sich für Kapazitätsplanung und Performance-Messungen nur Analysen aus der Vergangenheit nutzen. Da die tatsächlichen Netzbedingungen sich in sehr kurzen Zeitspannen (Sekunden und Millisekunden) ändern, entsteht zudem bei allen Kontrollen, deren Algorithmen für Anwendungs-Performance, Anwendererfahrung oder Netzeffizienz auf weniger detaillierten Daten (Minuten) basieren, eine „durchschnittliche Unschärfe“ und stark eingeschränkte Transparenz. 

Was ist „durchschnittliche Unschärfe“ in einem Mobilfunknetz?

Die heutigen Netzcontroller, SONs und MMEs erfassen Leistungsdaten auf Funkzellenebene in Abständen von 15 Minuten.  Das bedeutet, dass die „Spitzen“ und „Täler“ der Leistung innerhalb dieser 15 Minuten durch Mittelung geglättet werden und möglicherweise nicht ersichtlich sind.   Netzbedingungen, die für eine genaue Steuerung entscheidend sind, werden durch den Durchschnitt maskiert und sind so für den Entscheidungsalgorithmus nicht erkennbar.   Darüber hinaus stammen die von der MME bereitgestellten Daten von den Standorten der Funkzellen und sind nicht nach den einzelnen Teilnehmern aufgeschlüsselt, die diese Funkzelle nutzen.

Wie funktioniert die KI-Plattform von Uhana?

Die KI-Plattform von Uhana analysiert parallele Datenfeeds aus Zehntausenden von Funkzellen, korreliert sie mit den Daten der Anwendersitzungen und berechnet die Leistungskennzahlen (Key Performance Indicators, KPIs) in Echtzeit. Diese Daten werden mit anwendungsspezifischen Eingaben und vom Betreiber festgelegten Richtlinien kombiniert, sodass eine beispiellose Netztransparenz, Anomalieerkennung sowie Netzprognosen in Echtzeit möglich werden, einschließlich Anwendungs- und/oder RAN-Steuerung.

Wie nutzt Uhana by VMware Deep Learning und neuronale Echtzeitnetzwerke für Mobilfunkbetreiber?

Uhana by VMware basiert auf innovativen Deep Learning-Techniken und bietet mithilfe von anwendungsspezifischen Eingaben und vom Betreiber festgelegten Richtlinien beispiellose Netztransparenz und Anomalieerkennung sowie Netzprognosen in Echtzeit, einschließlich Anwendungs- und/oder RAN-Steuerung. Zum ersten Mal können Betreiber Anwendungsentwicklern API-Zugriff auf präzise, detaillierte Netzdaten und „Was-wäre-wenn“-Modelle anbieten. Mit diesen Netzdaten lässt sich die Anwendungs-Performance optimieren, die Erlebnisqualität der Teilnehmer erheblich verbessern und das RAN über moderne Infrastruktur-Automatisierungsplattformen programmgesteuert kontrollieren. Mit Uhana kann endlich die von Mobilfunketreibern ersehnte programmierbare Netzdiensteplattform realisiert werden, die viel mehr leistet, als nur Verbindungen aufzubauen.

Wird Uhana by VMware als SaaS-Modell angeboten?

Uhana by VMware wird von VMware als „Managed Software as a Service“-Lösung bereitgestellt. Die Software kann in der Cloud Computing-Umgebung eines Betreibers oder in einer Public Cloud ausgeführt werden.

Kann Uhana On-Premises bereitgestellt werden?

Uhana kann On-Premises (oder in einer Public Cloud) eingesetzt werden.  Typischerweise wird Uhana in der Cloud Computing-Umgebung des Mobilfunkbetreibers installiert, wobei das Portal über ein VPN zugänglich ist. Uhana wurde als cloudnative Anwendung mit Microservices-Architektur entwickelt. Microservices auf Basis von Docker-Containern bieten Stabilität und horizontale Skalierung. So kann die Plattform auch auf Bare-Metal- oder VM-Infrastrukturen bereitgestellt werden.

Wird Uhana die Performance meines RAN beeinträchtigen?

Nein, Uhana sammelt keine Inline-Daten und erfasst keine Nutzdaten von Kunden. Uhana erfasst Informationen direkt von der eNodeB und den MMEs im RAN.  Die Daten werden offline gesammelt und verschlechtern daher nicht die Performance des Netzes.  Uhana reichert diese Informationen mit Echtzeit-Standortdaten und Kundendaten wie IMSIs an. Daraus ergeben sich für den Mobilfunkbetreiber verwertbare Erkenntnisse.

Sind Funktionen für Geräteanalysen verfügbar?

Ja. Durch Nutzung der eNodeB-Tracedaten (und in Zukunft gNodeB-Tracedaten) kann Uhana die Performance von Geräten verschiedener Hersteller (für verschiedene Gerätemodelle und Softwareversionen) auf Funkzellen-, Sektor- oder eNB-/gNB-Ebene vergleichen und zeigen, wie leistungsfähig verschiedene Geräte im Netz sind und dieses beeinflussen.  Uhana definiert zudem automatisch Baselines der Geräte-Performance und erkennt Anomalien, die auf Geräte- und RAN-Software-Upgrades zurückzuführen sind. Wenn neue Gerätehardware oder -software im Netz eingeführt wird, ermittelt Uhana die Auswirkungen dieser neuen Hardware oder Software auf die Performance des RAN. Mobilfunkbetreiber können Netzbetrieb und Kundenerfahrung weiter verbessern sowie die Fehlerbehebung bei Problemen beschleunigen, wenn sie die Ergebnisse der Geräteanalysen mit MME- und Paketkern-Traces zu neuen Erkenntnissen verknüpfen.

Welchen Vorteil hat der KPI Composer?

Agilität. Die Erstellung benutzerdefinierter KPIs mit den aktuellen Betreiberprozessen kann Wochen dauern. Mit dem KPI Composer von Uhana können Mobilfunkbetreiber im Handumdrehen neue KPIs für Analysen definieren und Kennzahlen speziell für die jeweilige Anforderung bereitstellen.  Dropdown-Optionen erleichtern die Definition neuer KPIs. So können mehrere Kennzahlen zu einer umfassenden, spezifischen KPI entsprechend den Anforderungen des jeweiligen Betreibers kombiniert werden.