구독자 수준 RAN 분석

Uhana by VMware를 사용하면 모바일 네트워크 요소에서 비롯되는 대량의 스트리밍 데이터를 상호 연관시키고 보강하여 구독자 수준에서 포괄적인 통찰력을 얻을 수 있습니다. Uhana는 AI를 사용하여 네트워크 문제의 근본 원인을 자동으로 파악하고 문제 해결을 권장합니다.

VMware Uhana

Uhana by VMware를 선택해야 하는 이유

실시간 구독자 수준 분석

Uhana는 스트리밍 데이터를 분석하여 모바일 운영자에게 실시간 고객 경험 측정지표를 제공함으로써 모바일 네트워크 운영자가 구독자별 통화 품질과 데이터 성능을 실시간으로 파악할 수 있도록 지원합니다.

구독자 영향 기반 우선 순위 지정

Uhana는 구독자 영향을 기반으로 알림의 우선 순위를 지정합니다. 이 작업은 머신 러닝을 사용한 자동화된 방식으로 수행되며, 이를 통해 어떤 문제가 가장 큰 영향을 미칠지 파악할 수 있습니다.

자동화된 근본 원인 분석

Uhana의 AI 플랫폼은 머신 러닝을 활용하여 모바일 네트워크의 문제를 자동화된 방식으로 감지, 분류 및 지역화합니다. 가능한 경우 플랫폼은 근본 원인과 권장 수정 사항을 결정합니다.

고해상도 RAN 가시성

Uhana는 플랫폼의 세분화된 가시성을 활용하여 수백만 건의 이벤트를 처리하고 수백 건의 성능 KPI를 실시간으로 계산하는 새로운 네트워크 통찰력을 얻게 해 줍니다.

핵심 자료 

(15:48)

Shekar Ayyar와 Sachin Katti의 Uhana 인수 논의

AI 기반 모바일 네트워크 분석

Uhana는 네트워크 문제의 근본 원인을 자동으로 파악하고 문제 해결을 권장합니다.

Uhana by VMware 기능

자동화된 데이터 강화 파이프라인

동일한 사용자 세션에 속하는 구축 및 릴리스 절차, 라디오 측정 등의 통화 추적 이벤트에 자동으로 참여하여 실시간으로 구독자 세션 기록을 생성합니다.

세분화된 가시성

eNodeB 추적 데이터를 활용하여 세분화된 실시간 구독자 수준 가시성을 제공함으로써 RAN 성능, 활용도 및 구독자 환경 품질을 신속하게 분석합니다.

자동화된 인시던트 감지

Uhana의 AI 지원 알림 파이프라인은 신경망 네트워크를 사용하는 구독자 수준 KPI의 클러스터(시간적 및 공간적) 이상 증상을 자동으로 감지합니다.

알림 우선 순위 지정

알림의 우선 순위는 영향을 받는 구독자 수 및 서비스 저하의 중요성 등의 영향 분석을 기반으로 하므로 이에 따라 대응의 우선 순위를 지정할 수 있습니다.

AI 기반 근본 원인 분석

각 알림에 대한 추가 분석은 신경망 네트워크 분류 툴을 활용하여 근본 원인을 식별하고, 식별된 근본 원인별 관련 KPI와 권장 사항을 제공함으로써 수행됩니다.

이동통신사 규모

Uhana는 실행 가능한 통찰력, 예측 및 문제 해결 권장 사항을 제공하기 위해 수만 개의 셀에서 수백만 개의 연속 스트리밍 이벤트를 수집하고 분석합니다.

클라우드 네이티브, 컨테이너 기반

Uhana AI 플랫폼은 마이크로 서비스 아키텍처를 활용하는 최첨단 클라우드 네이티브 애플리케이션입니다. Docker 컨테이너 기반의 마이크로 서비스는 복원력과 수평 확장을 지원합니다.

KPI Composer

대화형 UI를 활용하여 운영자는 몇 분 내에 맞춤형 KPI를 생성하여 여러 측정지표를 필요에 따라 결합하고 몇 주의 시간을 절약할 수 있습니다.

사용 사례

업링크 간섭 감지

영향을 받는 구독자의 유형 및 수에 따라 우선 순위를 지정하여 업링크 간섭(외부, PIM, 인프라)에 대한 감지 및 분류를 자동화합니다.

간섭 지역화 및 삼각측량화

우선 순위가 지정된 검색 영역 목록과 히트맵 가상화를 통해 외부 간섭을 지역화합니다. 간섭 삼각측량 영역을 마일/킬로미터에서 블록으로 줄여 정찰 시간을 절약합니다.

다운링크 처리량 영향

머신 러닝 근본 원인 및 영향 분석 알고리즘을 사용하여 다운링크 처리량이 낮은 원인이 최적의 스펙트럼 사용을 위한 안테나 주파수의 로드 불균형과 관련이 있는지 확인하십시오.

자본 비용 우선 순위 지정

RAN 최적화 엔지니어링을 개선하여 유효한 스펙트럼 용량을 증가시킵니다. 구독자 영향을 극대화하고 자본 비용 지출을 줄이는 네트워크 투자의 우선 순위를 지정합니다.

운영 비용 절감

AI 기반 RCA, 세분화된 가시성 및 영향 예측을 통해 RAN 최적화 분석을 자동화하고 RAN 최적화 엔지니어링 및 운영의 효율성을 개선합니다.

데이터 과학자를 위한 자동화된 데이터 개선

데이터 준비 자동화를 통해 데이터 과학 분석주기 시간을 최대 30% 단축하여 더 높은 가치의 기능을 위한 시간을 확보하십시오.

FAQ

Uhana by VMware

Uhana by VMware란 무엇입니까?

Uhana by VMware는 실시간 네트워크 및 구독자 분석을 제공하는 고급 분석 및 AI 솔루션입니다.  이를 통해 모바일 네트워크 운영자는 고객 경험 관리를 개선하고 운영을 최적화하며 간섭을 자동으로 감지 및 분류하고 향후 문제를 예측하여 적절한 문제 해결을 권장할 수 있습니다.  이 모든 것은 자동화된 방식으로 모바일 네트워크 운영자의 높은 가치 셀룰러 인프라를 최적으로 제어하기 위한 것입니다. 

세분화된 텔레메트리 데이터에 액세스하는 것이 중요한 이유는 무엇입니까?

모바일 네트워크 운영자는 세상에서 가장 우수하고 똑똑한 기술자와 데이터 과학자를 많이 고용하고 있지만 기존의 RAN 네트워크 분석 및 텔레메트리 상태에 의해 제한을 받습니다.  대략적인 텔레메트리 데이터는 용량 계획 및 성능 측정을 누적 분석으로 제한합니다. 이보다 더 큰 문제는 실제 네트워크 조건이 매우 짧은 시간 단위(초 및 밀리초)로 발생하기 때문에 대략적인 데이터(분)에서 파생된 모든 애플리케이션 성능, 사용자 경험 또는 네트워크 효율성 지침이 “평균 사각지대”에 놓이게 되고 심각한 가시성 제한을 겪게 됩니다. 

셀룰러 네트워크에서 ‘평균 사각지대’란 무엇입니까?

오늘날의 네트워크 컨트롤러, SON 및 MME는 15분 단위로 셀 사이트 수준에서 성능 데이터 카운터를 제공합니다.  이는 15분 이내에 발생하는 성능의 최고점과 최저점이 평균화되어 격차가 줄어듦으로써 식별하지 못하게 될 수 있음을 의미합니다.   정확한 지침에 중요한 네트워크 조건은 평균값으로 가려지고 결정 알고리즘에서 숨겨집니다.   또한 MME가 제공하는 데이터는 셀 사이트 수준에 있으며 해당 셀 사이트를 사용하는 특정 구독자를 자세히 분석하지 않습니다.

Uhana AI 플랫폼은 어떻게 작동합니까?

Uhana AI 플랫폼은 수만 개의 셀에서 병렬 데이터 피드를 수집하고 처리하며 사용자 세션 데이터와 상관관계를 맺고 실시간 KPI(주요 성과 지표)를 계산합니다. 이 데이터는 애플리케이션별 입력 및 운영자가 지정한 정책과 결합되어 애플리케이션 및/또는 RAN 제어 지침을 포함한 전례 없는 네트워크 가시성, 이상 감지 및 실시간 예측 네트워크 인텔리전스를 제공합니다.

Uhana by VMware는 모바일 운영자를 위해 딥 러닝 및 실시간 신경망 네트워크를 어떻게 활용합니까?

Uhana by VMware는 혁신적인 딥 러닝 기술을 적용하고 애플리케이션별 입력 및 운영자가 지정한 정책과 결합되어 애플리케이션 및/또는 RAN 제어 지침을 포함한 전례 없는 네트워크 가시성, 이상 감지 및 실시간 예측 네트워크 인텔리전스를 제공합니다. 처음으로 운영자들은 정확하고 세분화된 네트워크 인텔리전스와 예측 가능한 “가상” 모델링에 대한 애플리케이션 개발자 API 액세스를 제공할 수 있게 됩니다. 이 네트워크 인텔리전스를 적용하면 애플리케이션 성능을 최적화하고, 구독자 환경의 품질을 획기적으로 개선하고, 최신 인프라 자동화 플랫폼과 함께 프로그래밍 방식으로 RAN을 제어할 수 있습니다. Uhana를 통해 접속을 넘어 프로그래밍 가능한 네트워크 서비스 플랫폼에 대한 모바일 운영자의 비전을 마침내 실현할 수 있게 됩니다.

Uhana by VMware는 SaaS 모델로 제공됩니까?

Uhana by VMware는 VMware에서 관리형 SaaS(Software as a Service)로 제공합니다. 운영자의 클라우드 컴퓨팅 환경 또는 퍼블릭 클라우드에서 실행할 수 있습니다.

Uhana를 온프레미스에 구축할 수 있습니까?

Uhana는 온프레미스(또는 퍼블릭 클라우드)에 구축할 수 있습니다.  일반적인 구축 시나리오는 Uhana가 모바일 운영자의 클라우드 컴퓨팅 환경에 설치되지만 VPN을 통해 포털에 액세스할 수 있다는 것입니다. Uhana는 마이크로 서비스 아키텍처를 활용하는 클라우드 네이티브 애플리케이션으로 개발되었습니다. Docker 컨테이너를 기반으로 하는 마이크로 서비스는 복원력과 수평 확장을 지원합니다. 또한 베어메탈 또는 가상 머신 인프라에 플랫폼을 구축할 수 있습니다.

Uhana가 RAN의 성능에 영향을 줍니까?

Uhana는 인라인 데이터를 수집하지 않고 고객 페이로드를 확인하지 않습니다. Uhana는 RAN의 eNodeB 및 MME에서 직접 정보를 수집합니다.  데이터는 오프라인으로 수집되므로 네트워크 성능에 영향을 미치지 않습니다.  Uhana는 모바일 운영자가 실행할 수 있는 통찰력을 제공하기 위해 IMSI와 같은 실시간 위치 데이터 및 고객 데이터로 이 정보를 보강합니다.

기기 분석이 가능합니까?

예. Uhana는 eNodeB(향후에는 gNodeB) 추적 데이터를 활용하여 셀, 섹터 또는 eNB/gNB 수준에서 여러 벤더 기기 성능 비교(다양한 장치 모델 및 소프트웨어 버전 비교)를 제공함으로써 다양한 기기의 성능 및 네트워크에 영향을 줍니다.  Uhana는 또한 기기 성능 기준을 자동으로 설정하고 기기 및 RAN 소프트웨어 업그레이드로 인한 이상을 감지합니다. 반대로, 새로운 기기 하드웨어 또는 소프트웨어가 네트워크에 도입되면 Uhana는 이 새로운 하드웨어 또는 소프트웨어가 RAN에 미치는 성능 영향을 특성화합니다. 모바일 운영자는 풍부한 통찰력을 위해 MME 및 패킷 코어 추적과 기기 분석 출력을 결합하여 네트워크 운영과 고객 경험을 개선하고 문제 해결 속도를 높일 수 있습니다.

KPI Composer의 이점은 무엇입니까?

대응력입니다. 기존의 운영자 프로세스로 맞춤형 KPI를 생성하는 데는 몇 주가 걸릴 수 있습니다. Uhana의 KPI Composer는 모바일 운영자에게 분석 사용 사례에 필요한 새로운 KPI를 신속하게 생성하고 필요한 요구 사항에 맞는 측정지표를 제공할 수 있는 간소화된 방법을 제공합니다.  드롭다운 옵션을 사용하면 새로운 KPI를 쉽게 정의할 수 있으며 여러 측정지표를 조합하여 개별 운영자의 요구 사항을 충족하는 포괄적인 맞춤형 KPI를 만들 수 있습니다.