Uhana by VMware 能夠將來自行動網路元件的大量串流資料相互關聯並充實內容,提供訂閱者層級的全方位洞悉見解。Uhana 運用人工智慧技術自動判斷網路問題的根本原因,並提供修復建議。
Uhana 能夠分析串流資料,為行動營運業者提供即時客戶經驗指標,進而讓行動網路營運業者即時瞭解每位訂閱者的通話品質與資料效能。
Uhana 會依據對訂閱者的影響程度,排定警示優先順序。這項作業完全自動化,並運用機器學習技術判斷哪些問題的影響程度最大。
Uhana 的人工智慧平台運用機器學習技術,自動偵測、分類與定位行動網路中的問題。該平台會盡可能判斷根本原因,並提供解決建議。
由於擁有精密的平台能見度,Uhana 能夠提供新的網路洞悉見解、處理數百萬個事件,並即時計算數百個效能 KPI。
IDC 公司《透過分析洞悉與自動化技術充分發揮 5G 投資效益》(Making the Most of 5G Investment Through Analytical Insight and Automation) 報告
下載報告自動加入通話追蹤事件,例如建立與發佈程序,以及屬於相同使用者工作階段的即時無線測量,以建立訂閱者工作階段記錄。
運用 eNodeB 追蹤資料提供精密的即時訂閱者層級能見度,以快速分析遠端存取網路效能與利用率,以及訂閱者使用經驗品質。
Uhana 的人工智慧型警示管道運用神經網路,(在時間和空間上) 自動偵測訂閱者層級 KPI 的異常情況並建立叢集。
警示優先順序依據影響分析而定,例如有多少訂閱者受到影響,以及服務效能降低的重要程度,以便據此排定回應優先順序。
系統會識別根本原因 (運用神經網路分類器) 以進一步分析個別警示,並針對已識別的根本原因提供相關 KPI 與建議。
Uhana 能夠從數以萬計的行動通訊中,擷取並分析數百萬個持續串流事件,以提供可運用的洞悉見解、預測及修復建議。
Uhana 人工智慧平台運用微服務架構,是最先進的雲原生應用程式。微服務採用 Docker 容器,能夠提供靈活性與水平擴充能力。
運用互動式使用者介面,營運業者可以在幾分鐘內建立自訂的 KPI,視需要結合多個指標,並省下數週的時間。
自動偵測與分類上行干擾 (外部、無源互調、基礎架構),且會依據受影響的訂閱者類型和數量確認優先順序。
運用排定優先順序的搜尋區域清單與熱圖視覺化功能,定位外部干擾。將干擾三角測量區域從數英哩/公里縮小為幾個街區,以省下數小時的偵察時間。
運用機器學習根本原因及影響分析演算法,判斷下行傳輸量不良是否與天線頻率的負載失衡有關,以發揮頻譜的最佳效用。
改善遠端存取網路最佳化工程品質,以提升有效頻譜容量。排定網路投資優先順序,以充分發揮訂閱者影響並減少資金支出。
透過人工智慧型根本原因分析、精密的能見度與影響預測,自動執行遠端存取網路最佳化分析,並改善遠端存取網路最佳化工程與營運的效率。
藉由資料準備作業自動化,減少高達 30% 的資料科學分析週期時間,進而釋出寶貴時間,用以進行價值更高的作業。
Uhana by VMware 應用突破性深度學習技術,同時結合應用程式特定輸入資料及營運業者指定的原則,以此提供前所未有的網路能見度、異常偵測與即時預測性網路智慧,包括應用程式及/或遠端存取網路控制指引。營運業者首次能夠提供應用程式開發人員 API 存取,以獲得準確、精密的網路智慧及預測性「假設」模型。只要善用這層網路智慧,就能將應用程式效能最佳化,進而大幅改善訂閱者使用經驗品質,並搭配現代化基礎架構自動化平台,透過程式控制遠端存取網路。在 Uhana 的支援下,行動營運業者終於能夠實現其願景:建置可程式化網路服務平台,提供超越連線功能的服務。