Null-Fehler-Aktivierung in Netzwerken mit SoftCOM AI

In der heutigen Telekommunikationslandschaft, IT- und Internetunternehmen bieten Cloud-Dienste im traditionellen Telekommunikationsgebiet an, einschließlich Backbone-Netzwerken, einige MANs, IT-Infrastruktur, und IT-Anwendungen.

Wenn Betreiber keine erstklassigen Cloud-Dienste anbieten können, Sie werden viele ihrer traditionellen Dienstleistungen verlieren, insbesondere Mietleitungen für Rechenzentren. Überdies, Automatisierung für O&M in Telekommunikationsnetzen ist gering und die Netzwerkkomplexität bedeutet, dass 70% der Netzwerkfehler sind auf menschliches Versagen zurückzuführen.

Produktinnovationen allein reichen nicht aus, um die Herausforderungen zu meistern, vor denen die Betreiber stehen. Um die Wettbewerbsfähigkeit zu steigern, sind Innovationen in der Systemarchitektur erforderlich, Produkte, und Geschäftsmodelle.

Was ist Systemarchitektur-Innovation??

Im Cloud Computing, Es handelt sich nicht um einen Durchbruch bei einem Server- oder Speicherprodukt. Stattdessen, Es handelt sich um Innovationen auf Systemebene, die auf neuen verteilten Systemen basieren, die die Ressourcenauslastung erhöhen. Innovationen bei Produkten, Systemarchitektur, und Geschäftsmodelle verstärken sich gegenseitig.

Auf der Produktseite, Das Prinzip hinter dem Netzwerkausrüstungsdesign von Huawei ist eine hohe Kapazität und eine geringe Latenz. Für die Systemarchitektur, Huawei prüft Selbstfahrend Netzwerke, die agil sind, automatisiert, und smart.

Was verstehen wir unter autonomem Fahren??

Ziel von KI-gesteuerten autonomen Netzwerken ist es, ein selbstfahrendes Netzwerkmodell mit drei Merkmalen zu schaffen: Agile Geräte, Intelligente Steuerung, und intelligente Analyse.

In Telekommunikationsnetzen, Die untere Schicht ist die Netzwerkausrüstung und die obere Schicht ist die Kontrollschicht. Für die netzwerkweite Steuerung und O&M, KI und segmentierte autonome Funktionen können E2E-Funktionalität über das Betriebssystem der oberen Schicht erreichen, So wird das gesamte Netzwerk autonom.

Die größte Veränderung, die durch autonome Netzwerke realisiert wurde, besteht darin, dass das Wartungspersonal nicht mehr in den gesamten Serviceprozess eingebunden ist. Das gesamte Netzwerk ist insofern selbstfahrend, als es automatisiert ist, selbstoptimierend, und Selbstheilung.

Zukünftige Netze werden auf der Betreiberseite vollständig automatisiert sein, wobei Huawei vollautomatische KI-basierte Online-Dienste bereitstellen wird. Diese Dienste basieren auf einem kontinuierlichen iterativen KI-Modell, das als sich ständig verbesserndes Model-as-a-Service zur Verfügung steht.

Die Einführung von KI in Netzwerken wird einen neuen Wert aus der Vorhersagbarkeit bringen. Das Telekommunikationsnetzmanagement und die Leitstelle basieren auf den Southbound-Schnittstellen und der Datenerfassung von Geräten. Verschiedene Strategien und Regeln ermöglichen eine netzwerkweite Verwaltung und Planung, um drei Bedingungen für die Netzwerkautomatisierung zu erfüllen: Erreichbarkeit des Netzwerks, SLA-Anforderungen, und Ressourceneffizienz.

Aber, Da das Netzwerk immer komplexer wird, Das ist nicht genug. Online-KI-Argumentation und Datenanalyse sind erforderlich, um den Datenverkehr vorherzusagen, Qualität, und Störungen. Die Planung des Netzes auf der Grundlage von Vorhersagen zukünftiger Bedingungen vermeidet Fehler, bevor sie auftreten, optimiert die Qualität, bevor sie sich verschlechtert, und passt den Verkehr an, bevor es zu Staus kommt. So, Der Kernwert von KI ist null Fehler.

Fünf Phasen

Die Entwicklung eines selbstfahrenden Netzwerks ist ein langfristiger Prozess, den wir in fünf Phasen unterteilt haben:

Eins: KI weiß, "was passiert ist".

Zwei: KI kann feststellen, "warum es passiert ist".

Drei: KI kann vorhersagen, "was passieren wird", unterstützt durch manuelle Urteile und Entscheidungen.

Vier: KI urteilt, "welche Maßnahmen ergriffen werden müssen", die dann manuell durchgeführt werden.

Fünf: Vollständige Automatisierung ermöglicht Selbstheilung.

Autonome Netzwerke und Model-as-a-Service werden den Endnutzern ein Erlebnis auf Minutenebene bieten, Jederzeit optimale Netzwerkverbindungen, und Netzwerke ohne Ausfallzeiten. Betreiber profitieren von einer Verdoppelung der Effizienz in drei Bereichen: O&M, Ressourceneffizienz, und Energieeffizienz.

Verdopplung O&M Wirkungsgrad: Es gibt drei Entwicklungsstufen in O&M. Die erste ist Run-to-Failure (R2F). Mit R2F, O&M-Personal beeilt sich, plötzliche Störungen zu beheben, wenn sie im Netzbetrieb auftreten. Dies ist der niedrigste Wert von O&M. Die zweite Stufe ist die vorbeugende Instandhaltung (PvM). Dabei handelt es sich um Routineinspektionen. Jedes Gerät wird überprüft, um Ausfälle zu vermeiden. Diese Methode ist äußerst ineffizient. Die dritte Ebene ist die vorausschauende Wartung (PdM), wo die Wahrscheinlichkeit, dass ein bestimmtes Gerät in der Zukunft ausfallen wird, vorhergesagt und eine gezielte Wartung durchgeführt werden kann.

Mit PdM, Wir hoffen, die Komprimierung von Alarmen und die Fehlerlokalisierung in Netzwerken zu reduzieren, indem wir 90 Prozent und erreichen Sie eine 90 Prozentuale Vorhersagerate für Ausfälle und Verschlechterung wichtiger Komponenten, Ein weiterer Schritt in Richtung Netzwerk-Selbstheilung.

Mit mehr als 70 Prozentsatz der Netzwerkfehler, die durch passive Geräte verursacht werden, Zum Beispiel, Faser biegt sich, Alterung des Geräts, und lose Anschlüsse, KI kann die Eigenschaften von Signaländerungen lernen, wenn solche Probleme auftreten, und die vorausschauende Wartung vorantreiben.

Verdopplung der Ressourceneffizienz: Zurzeit, Netze werden aufgebaut, bevor der Datenverkehr zu fließen beginnt, Dies führt manchmal zu einer schlechten Ressourcenauslastung. Wenn das Problem umgekehrt mit der Netzplanung auf der Grundlage der Fließrichtung angegangen wird, Die Ressourcenauslastung wäre viel höher.

KI kann Modelle zur Vorhersage des Datenverkehrs erstellen, um den Verkehr genau vorherzusagen, und damit die besten Netzwerktopologien, bei denen Netzwerkpfade durch die Richtung des Datenverkehrs und nicht durch physische Verbindungen bestimmt werden.

Verdopplung der Energieeffizienz: Um dies zu erreichen,, Bits können Watt verwalten; Das heißt, Netzwerkverkehr kann den Energieverbrauch bestimmen. In Technikräumen und Basisstationen, Jedes System hat Dutzende von Parametern. KI kann darauf trainiert werden, Kälte zu erzeugen, Umwelt, und Versorgungslastmodelle zur Optimierung der Effizienz der Beleuchtung, Temperatur, Geräte-Generatoren, Sonnenenergie, und Batterien.

Auf der Ebene der Ausrüstung, Dynamische Energiebereitstellung kann auf Leistungslasten basieren. Wenn es keinen Verkehr gibt, Methoden wie z. B. das Absperren von Zeitfenstern, RF-Tiefschlaf, und die Abschaltung der Trägerfrequenz kann den Stromverbrauch senken, gekoppelt mit dynamischem Energiesparmanagement für Rechenzentrumsserver und andere Geräte.

Auf der Seite des Netzwerksystems, Genaue Modelle zur Vorhersage der Dienstlast können den gesamten Netzwerkverkehr für eine optimale Energieeffizienz optimieren.

Aufbau und Training von Autonomie mit SoftCOM AI

SoftCOM AI ist die Zielarchitektur von Huawei für selbstfahrende Netzwerke, die auf der Einführung von KI-Technologie und -Funktionen in drei Ebenen basiert: Geräte- und Cloud-Infrastruktur; Netzwerkmanagement- und Leitstelle; und Netzwerk O&M-System. Diese drei Schichten werden die E2E-Smartifizierung und Automatisierung der Netzwerkplanung erreichen, Einsatz, Operation, Instandhaltung, Optimierung, und Geschäftsbetrieb.

Huawei plant auch eine KI-Trainingsplattform für Betreiber, die KI mit Daten von Netzwerkgeräten trainieren kann, die an die Plattform gesendet werden. Die Modelle werden kontinuierlich aktualisiert und optimiert, um den Automatisierungsgrad im Netzwerksystem zu verbessern.

Beispiel: SoftCom AI in einem optischen Netzwerk

SoftCOM AI kann den gesamten Service-Entwicklungsprozess ermöglichen. Die erste Voraussetzung ist die Datengrundlage, die bestimmt, welche Art von Daten benötigt werden. Für ein optisches Netzwerk, Dazu gehören auch Glasfaserdaten, Optische Signaldaten, und optische Routing-Daten. Die nächste Anforderung ist die Enabling-Technologie, oder KI-Algorithmen, inklusive Algorithmen zur Datenbereinigung, Integration von Informationen, Modellierung des maschinellen Lernens, und Deep Learning.

Es muss auch eine große Anzahl von Modellen gebaut werden, um ein "selbstfahrendes" optisches Netzwerk zu ermöglichen. Dazu gehören Glasfaser- und Filtermodelle.

Die letzte Anforderung sind Service-Anwendungsszenarien. Dazu gehört die automatisierte Erstinspektion von Glasfasern, Bereitstellung von Diensten, Netzwerk-Optimierung, Lokalisierung von Fehlern, und automatisierte Ressourcenplanung. Modelle werden in der Lage sein, optimale Ansätze zu finden, Schnelle Bereitstellung ermöglichen, einfacher O&M, und intelligente Abläufe. Smartification verbessert die Effizienz der Netzwerkplanung. Mit Zero-Wait, Zero-Touch, und null Erfahrung, Die Leute werden nicht einmal das Gefühl haben, dass das Netzwerk da ist.

Die Zukunft ist Intelligenz. Aber, Die Smartifizierung des Netzwerks wird nicht über Nacht erreicht werden. SoftCOM AI ist ein Teil von Huaweis Intelligenz aktivieren Strategie im Telekommunikationssektor, um Betreibern dabei zu helfen, automatisierte Netze zu schaffen, die nie ausfallen und als Sprungbrett für die digitale Transformation dienen.

Klicken Sie auf die folgenden Links, um die Huawei-Whitepaper zu SoftCOM und für weitere Informationen über KI-Strategie und -Portfolio von Huawei.