受信契約者ごとの無線アクセス ネットワーク(RAN)の分析

モバイル ネットワークから大量のストリーミング データを取り込み、関連付け、相互に補完することで、受信契約者レベルでの包括的なインサイトを提供します。また、AI によりネットワーク問題の根本原因を自動的に特定し、修正案を提示します。

VMware Uhana

Uhana by VMware を選択する理由

受信契約者ごとのリアルタイム分析

移動体通信事業者は、Uhana のストリーミング データ分析機能を活用して、顧客体験のメトリックをリアルタイムで取得できるため、通話品質やデータ通信のパフォーマンスを受信契約者ごとにリアルタイムで把握することができます。

受信契約者への影響に基づく優先順位付け

受信契約者への影響の大きさに基づきアラートを設定できます。機械学習を活用してもっとも深刻な影響が予測される問題を特定し、アラートを自動的に発報することが可能です。

根本原因分析の自動化

Uhana の AI プラットフォームは、機械学習を活用して自動的にモバイル ネットワーク内の問題の検出、分類、位置推定を行います。可能な場合は、根本原因を突き止め修正案も提示します。

きめ細かな RAN の可視化

プラットフォームの詳細な可視化により、新たなネットワーク インサイトの生成、大量のイベント処理およびパフォーマンス指標の計算が可能です。

スポットライト

90 秒で解説:Uhana by VMware

Uhana を使用して、お客様が期待する業界標準を上回るような次世代の 5G 体験を提供できます。

ビデオを視聴する 

Uhana by VMware データシート

Uhana は、AI を活用して 4G および 5G のネットワークを最適化し、新しいサービス提供を支援します。

データシートを読む 

モバイル ネットワーク向けの AI

Uhana の分析が移動体通信事業者にもたらすメリットを、シェカール・アヤール(Shekar Ayyar)とサチン・カッティ(Sachin Katti)がご紹介します。

ビデオを視聴する 

IDC Technology Spotlight

分析インサイトと自動化を通じた 5G 投資の最大活用についての IDC レポートです。

レポートをダウンロード 

Uhana by VMware の機能

データ パイプラインの強化と自動化

接続の確立、終了などの通話イベントの自動的なトレースや、同一ユーザー セッションのリアルタイムでの無線測定との紐づけにより、受信契約者セッション記録を生成できます。

きめ細かな可視化

eNodeB のトレース データを活用し、受信契約者ごとにリアルタイムで可視化することで、RAN のパフォーマンスや使用率、加入者の体感品質(QoE)を迅速に分析できます。

問題検出の自動化

Uhana の AI を活用したアラートのパイプラインでは、ニューラル ネットワークを使用して KPI の異常値が受信契約者単位で自動的に検出され、クラスタにまとめられます(一時的に別の場所に退避)。

アラートの優先順位付け

影響度の分析に基づきアラートの優先順位を設定できるため、影響を受ける可能性のある受信契約者数やサービス品質の低下度合などに基づいた対処が可能です。

AI ベースの根本原因の分析

ニューラル ネットワーク分類機を活用した根本原因の特定により個々のアラートを詳細に分析し、判明した根本原因に関連する指標と修正案を提示します。

キャリア スケール

何万ものセルから絶えず送られてくる何百万件ものイベントの取り込み、分析を通じて、実用的なインサイト、予測、および修正案を提示します。

クラウドネイティブ、コンテナベース

Uhana AI プラットフォームは、マイクロサービス アーキテクチャを活用した最先端のクラウドネイティブ アプリケーションです。Docker コンテナ上に構築されたマイクロサービスにより、スケール アウトが可能で耐障害性にも優れています。

KPI Composer

インタラクティブな UI を活用することで、必要に応じて複数のメトリックを組み合わせて、数分でカスタム KPI を作成できるため、時間を大幅に削減できます。

ユースケース

アップリンク干渉の検出

アップリンク干渉(外部要因、パッシブ相互変調、インフラストラクチャ)が自動的に検出および分類され、干渉のタイプや影響を受ける受信契約者数に基づき優先順位が設定されます。

干渉の位置推定および三点測位

検索エリアの優先順位リストおよびヒートマップ表示を使用して、外部干渉の位置を推定します。三点測位によって干渉の位置推定を行うエリアを、マイル/キロメートル単位からブロック単位に狭めることで、測位時間を大幅に削減できます。

ダウンリンク スループットへの影響

機械学習による根本原因および影響の分析アルゴリズムを使用して、ダウンリンク スループットの低下の原因が、アンテナ周波数の負荷がアンバランスなためにスペクトルを最大限に使用できていないことに関連していないかを判断します。

設備投資コストの優先順位

RAN の最適化を向上させることで、有効なスペクトル容量を増加させることができるため、受信契約者への影響が大きい領域へのネットワーク投資を優先的に行い、設備投資コストを削減します。

運用コストの削減

AI による根本原因の分析、きめ細かな可視化、および影響予測を通じて、RAN の最適化分析を自動化し、効率的な RAN の最適化を実現します。

データ サイエンティストのデータ拡張処理の自動化

データ準備の自動化により、データ サイエンスの分析サイクル時間を 30 % 削減できるため、より重要性の高い作業に注力できます。

FAQ

Uhana by VMware

Uhana by VMware について教えてください。

Uhana by VMware は AI を活用した高度な分析ソリューションで、ネットワークおよび受信契約者の通信状況をリアルタイムで分析します。  このソリューションを活用することで、移動体通信事業者(MNO)は顧客体験の向上、運用の最適化、干渉の検出と優先順位付けの自動化、さらには問題の事前予測や適切な修正策の確認を行うことができます。  これらはすべて、MNO におけるセルラー インフラストラクチャの自動化による管理の最適化を目的とするものです。 

きめ細かなテレメトリ データへのアクセスが重要なのはなぜですか?

移動体通信事業者には多くの非常に優秀な技術者やデータ サイエンティストが在籍していますが、従来の RAN ネットワーク分析およびテレメトリがその活躍の妨げとなっています。  大まかなテレメトリ データでキャパシティ プランニングやパフォーマンス測定を行った場合、過去の分析しかできません。実際のネットワーク条件は非常に短い時間間隔(秒またはミリ秒単位)で変わるため、大まかな(分単位)データから導き出したアプリケーション パフォーマンス、ユーザー エクスペリエンス、またはネットワーク効率のガイダンスでは「平均化による消失」の影響を免れず、可視性が著しく損なわれます。 

セルラー ネットワークにおける「平均化による消失」とは何ですか?

SON や MME といった今日のネットワーク制御では、15 分単位でセル サイト レベルのパフォーマンス データ カウンターが提供されます。  つまり、この 15 分の範囲内にあるパフォーマンスのピークと谷間が平均化されることにより、変化が可視化されなくなってしまいます。   正確なガイダンスに不可欠なネットワーク状況の変化が可視化されないということは、意思決定アルゴリズムにも影響を及ぼします。   また、MME によって提供されるデータはセル サイト単位のものであり、そのセル サイトを使用している個々の受信契約者まで掘り下げたものではありません。

Uhana AI プラットフォームはどのように動作しますか?

Uhana AI プラットフォームは、何万ものセルから同時に送られてくるデータ フィードを取り込み、処理し、ユーザー セッション データと相関させ、リアルタイムで主要パフォーマンス指標(KPI)を計算します。これらのデータに、アプリケーション固有の入力値と事業者が指定するポリシーを組み合わせて、非常に高度なネットワークの可視性と異常検出機能、さらにはアプリケーションや RAN の制御ガイダンスを含む、リアルタイムの予測型ネットワーク インテリジェンスを実現しています。

Uhana by VMware は、移動体通信事業者向けにどのようにディープ ラーニングおよびリアルタイムのニューラル ネットワークを活用していますか?

Uhana by VMware は、革新的なディープ ラーニング技術とアプリケーション固有の入力値および事業者が指定するポリシーを組み合わせて、非常に高度なネットワークの可視化と異常検出機能、さらにはアプリケーションや RAN の制御ガイダンスを含む、リアルタイムの予測型ネットワーク インテリジェンスを実現しています。事業者は、正確できめ細かいネットワーク インテリジェンスと予測型の「what-if」モデリングへの API アクセスをアプリケーション開発者に提供することが可能です。このネットワーク インテリジェンスと最先端のインフラストラクチャ自動化プラットフォームを併用することで、アプリケーションのパフォーマンスを最適化して受信契約者の QoE を劇的に向上させ、さらにはプログラムによって RAN を制御できるようになります。接続サービスの提供に留まらず、プログラム可能なネットワーク サービス プラットフォームを提供するというビジョンの実現が可能です。

Uhana by VMware は SaaS モデルで提供されますか?

Uhana by VMware は VMware のマネージド型 SaaS によって提供されるため、事業者のクラウド コンピューティング環境またはパブリック クラウドで実行できます。

Uhana をオンプレミスで導入できますか?

オンプレミス(またはパブリック クラウド)で導入することが可能です。  Uhana を移動体通信事業者のクラウド コンピューティング環境にインストールするのが一般的な導入シナリオですが、VPN 経由でもポータルにアクセスできます。Uhana は、マイクロサービス アーキテクチャを活用したクラウドネイティブ アプリケーションとして開発されており、Docker コンテナ上に構築されたマイクロサービスにより、スケール アウト可能で、耐障害性にも優れています。また、ベアメタルや仮想マシン インフラストラクチャでのプラットフォームの導入も可能です。

Uhana は弊社の RAN のパフォーマンスに影響を与えますか?

いいえ。Uhana はインライン データを収集しないため、お客様のペイロードが参照されることはありません。Uhana は RAN の eNodeB および MME から直接情報を取り込みます。  データはオフラインで収集されるため、ネットワーク パフォーマンスへの影響はありません。  これらの情報とリアルタイムの位置データおよび IMSI などの顧客データを組み合わせて、移動体通信事業者向けの実用的なインサイトを提供します。

デバイス分析は利用可能ですか?

はい。eNodeB(将来的には gNodeB)のトレース データを活用することで、複数のベンダーのデバイス パフォーマンスをセル、セクター、eNB/gNB ごとに(さまざまなデバイス モデルおよびソフトウェア バージョンにわたって)比較し、各種デバイスのパフォーマンスおよびネットワークへの影響を把握できます。  また、Uhana は自動的にデバイス パフォーマンスのベースラインを確立し、デバイスおよび RAN のソフトウェア アップグレードによって引き起こされた異常を検出します。逆に、新しいデバイス ハードウェアまたはソフトウェアがネットワークに導入されると、それらが RAN のパフォーマンスに与える影響を特定します。移動体通信事業者は、デバイス分析の出力と MME およびパケット コアのトレース情報を組み合わせて詳細なインサイトを得ることで、ネットワーク運用および顧客体験をさらに向上させ、トラブルシューティングにかかる時間を短縮できます。

KPI Composer を使用するメリットは何ですか?

俊敏性です。従来の方法では、カスタム KPI の作成に何週間もかかります。Uhana の KPI Composer を使用すれば、移動体通信事業者は分析に必要な新しい KPI を短時間で簡単に作成し、要件に合わせてカスタマイズされたメトリックを即座に提供できます。  ドロップダウン オプションにより、新しい KPI を簡単に定義でき、複数のメトリックを組み合わせて、個々の事業者の要件に合わせてカスタマイズされた包括的な KPI を作成できます。