JP7145764B2 - 人工知能に基づくネットワークアドバイザー - Google Patents
人工知能に基づくネットワークアドバイザー Download PDFInfo
- Publication number
- JP7145764B2 JP7145764B2 JP2018563413A JP2018563413A JP7145764B2 JP 7145764 B2 JP7145764 B2 JP 7145764B2 JP 2018563413 A JP2018563413 A JP 2018563413A JP 2018563413 A JP2018563413 A JP 2018563413A JP 7145764 B2 JP7145764 B2 JP 7145764B2
- Authority
- JP
- Japan
- Prior art keywords
- network
- data
- performance
- machine learning
- performance data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
- G06F15/163—Interprocessor communication
- G06F15/173—Interprocessor communication using an interconnection network, e.g. matrix, shuffle, pyramid, star, snowflake
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Telephonic Communication Services (AREA)
- Mobile Radio Communication Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、短期及び長期のサービス品質問題を解決するために、無線キャリアネットワークの事前対応装置及びネットワークデータ分析を実行するための例示的な構造を示す。構造100は、データアダプダプラットフォーム116、ネットワークフィックスアプリケーション118及び人工知能モジュール122を含む。データアダプダプラットフォーム116、ネットワークフィックスアプリケーション118及び人工知能モジュール122は、1つ以上のコンピューティングノード126で行うことができる。コンピューティングノード126は、ワークロードの要求に従って拡張可能な分散処理ノードであり得る。様々な実施形態において、コンピューティングノード126は、デスクトップコンピューター、タブレットコンピューター、ラップトップコンピューター、サーバーなどのような汎用コンピューターを含むことができる。しかしながら、他の実施形態において、コンピューティングノード126は、仮想エンジン(VE)及び仮想私設サーバー(VPS)のような仮想機械の形態であり得る。コンピューティングノード126は、データが長期間格納されることができ、信頼性を保障するように複製され得る分散ストレージシステムにデータを格納することができる。従って、コンピューティングノード126は、データ処理及びデータ格納が要求に応じて調整され得るデータ及び処理冗長性(redundancy)を提供することができる。また、ネットワークの展開時に、データアダプダプラットフォーム116、ネットワークフィックスアプリケーション118及び人工知能モジュール122の作動上の完全さに影響を及ぼすことなく、新しいコンピューティングノード126がオンザフライで追加され得る。
図2は、短期及び長期のサービス品質問題を解決するために、無線キャリアネットワークの事前対応装置及びネットワークデータ分析を実行するデータアダプダプラットフォーム、ネットワークフィックスアプリケーション及び人工知能モジュールの様々なコンポーネントを示すブロック図である。データアダプダプラットフォーム116、ネットワークフィックスアプリケーション118及び人工知能モジュール122は、分散処理コンピューティングインフラストラクチャの1つ以上のコンピューティングノード126によって具現され得る。コンピューティングノード126の数は、データアダプダプラットフォーム116、ネットワークフィックスアプリケーション118、及び/または人工知能モジュール122のデータ処理要求に基づいて分散処理制御アルゴリズムによって拡大及び縮小され得る。例えば、ピーク性能データ処理時間中、ネットワークフィックスアプリケーション118の性能データ処理機能を行うコンピューティングノード126の数は、処理要求に基づいてオンザフライで拡大され得る。しかし、処理要求が中断されると、性能データ処理機能を行うコンピューティングノード126の数は、オンザフライで減少され得る。コンピューティングノード126の数のこのような拡大及び縮小は、処理要求に基づいて何度も何度も繰り返され得る。
図4~図6は、サービス品質問題に関連する根本原因を予測し、ネットワークフィックス優先順位付けを提供するために、無線キャリアネットワークの事前対応装置及びネットワークデータ分析を実行するための例示的なプロセスを示す。各々のプロセスは、ハードウェア、ソフトウェア、またはそれらの組み合わせで具現され得る一連の動作を示す論理フロー図のブロックの集合として示される。ソフトウェアの脈絡において、ブロックは、1つ以上のプロセッサによって実行されるとき、列挙された動作を実行するコンピューター実行可能命令を示す。一般に、コンピューター実行可能命令は、特定の機能を実行するか、または特定の抽象データタイプを具現するルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含むことができる。動作が記述される順序は、限定事項として解釈されるように意図されておらず、任意の数の記述されたブロックは、任意の順序で、及び/またはミラーで組み合わせてプロセスを具現することができる。説明のための目的として、本明細書におけるプロセスは、図1のアーキテクチャ100を参照して説明される。
主題は、構造的特徴及び/または方法の動作に特有の言葉で記載されたが、添付の特許請求の範囲に定義された主題は、前述の記載された特定の特徴または動作に必ずしも限定されないことを理解されたい。むしろ、記載された特定の特徴及び動作は、特許請求の範囲を実装する形式の例として開示される。
いくつかの態様を記載しておく。
〔態様1〕
実行時に1つ以上のプロセッサに動作を実行させるコンピューター実行可能命令を格納する1つ以上の非一時的コンピューター可読媒体であって、
前記動作は、
無線キャリアネットワークの少なくとも1つのユーザー装置及びネットワークコンポーネントに関連してネットワーク性能に関連する性能データを複数のデータソースから受信するステップと、
1つ以上の性能不良領域で前記ネットワーク性能に影響を及ぼす少なくとも1つの問題を識別するステップであって、前記問題が所定の閾値を下回るように前記性能データに悪影響を与えるステップと、
前記問題に関連する1つ以上の症状に基づいて前記ネットワーク性能に影響を及ぼす前記問題に対する予測された根本原因を決定するために、トレーニングされた機械学習モデルを使用して前記性能データを分析するステップであって、前記トレーニングされた機械学習モデルが、複数タイプの機械学習アルゴリズムを使用して前記性能データを分析し、前記性能データが特定の時間間隔中のリアルタイム性能データまたは非リアルタイム性能データを含むステップと、
ユーザーインターフェースを介する表示のために、前記予測された根本原因を提供するステップと、
前記ユーザーインターフェースを介して前記ネットワーク性能に影響を及ぼす前記予測された根本原因を少なくとも1つのユーザーに通知するステップと、を含む、1つ以上の非一時的コンピューター可読媒体。
〔態様2〕
前記性能データは、ネットワークコンポーネント性能データ、ユーザー装置性能データ、ソーシャルメディアデータ、警報データ、トラブルチケットデータ、または重要業績評価指標データのうちの1つ以上を含む、態様1に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様3〕
前記動作は、
前記予測された根本原因に基づいて前記問題を解決するために、前記トレーニングされた機械学習モデルを使用して少なくとも1つの一連の行動を推薦するステップと、
前記無線キャリアネットワークに影響を及ぼす潜在的な影響を決定するために、前記トレーニングされた機械学習モデルを使用して前記性能データを分析するステップと、
特定の順序で前記問題を解決するように前記一連の行動を具現するために、前記問題に対するネットワークフィックス優先順位付けを提供するステップと、をさらに含む、態様1に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様4〕
前記動作は、
前記予測された根本原因に基づいて前記問題を解決するために、前記トレーニングされた機械学習モデルを使用して少なくとも1つの一連の行動を推薦するステップと、
前記一連の行動に基づいて前記1つ以上の性能不良領域内の1つ以上のノードに行われた変更を検討するステップと、
予想された性能改善が達成されるかどうかを決定するために、前記ネットワーク性能を追跡するステップと、をさらに含む、態様1に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様5〕
前記予測された根本原因は、第1の予測された根本原因であり、
前記動作は、
少なくとも部分的にトレーニングエラー測定に基づいて、前記第1の予測された根本原因の精度が所定の閾値未満であると決定するステップと、
前記第1の予測された根本原因に関連する前記トレーニングエラー測定に基づいて、追加のタイプの機械学習アルゴリズムを使用して前記トレーニングされた機械学習モデルを再トレーニングさせるステップと、
前記ユーザーインターフェースを介する表示のために、第2の予測された根本原因を提供するステップと、をさらに含む、態様1に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様6〕
前記性能データを分析するステップは、特定の時間間隔で前記ユーザー装置のジオロケーションを追跡するステップと、前記予測された根本原因を決定するために、前記ジオロケーションに関連する前記性能データをさらに分析するステップと、を含む、態様1に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様7〕
実行時に1つ以上のプロセッサに動作を実行させるコンピューター実行可能命令を格納する1つ以上の非一時的コンピューター可読媒体であって、
前記動作は、
無線キャリアネットワークの少なくとも1つのユーザー装置及びネットワークコンポーネントに関連してネットワーク性能に関連する性能データを複数のデータソースから受信するステップと、
1つ以上の性能不良領域で前記ネットワーク性能に影響を及ぼす少なくとも1つの問題を識別するステップであって、前記問題が所定の閾値を下回るように前記性能データに悪影響を与えるステップと、
前記問題に関連する1つ以上の症状に基づいて前記ネットワーク性能に影響を及ぼす前記問題に対するソリューションを具現する優先順位を決定するために、トレーニングされた機械学習モデルを使用して前記性能データを分析するステップであって、前記トレーニングされた機械学習モデルが複数のタイプの機械学習アルゴリズムを使用して前記性能データを分析し、前記性能データが特定の時間間隔のリアルタイム性能データまたは非リアルタイム性能データを含むステップと、
ユーザーインターフェースを介した表示のために、前記問題に対する1つ以上の根本原因を解決する前記ソリューションを具現するためのネットワークフィックス優先順位付けを提供するステップと、を含む、1つ以上の非一時的コンピューター可読媒体。
〔態様8〕
前記性能データを分析するステップは、前記問題に寄与する1つ以上のトップオフェンダーセルのリストを生成するために、様々なネットワークセルの性能を分析するステップを含む、態様7に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様9〕
前記性能データを分析するステップは、前記無線キャリアネットワークに影響を及ぼす潜在的な影響を決定するために、前記トレーニングされた機械学習モデルを使用して前記性能データを分析するステップを含む、態様7に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様10〕
前記性能データは、ネットワークコンポーネント性能データ、ユーザー装置性能データ、ソーシャルメディアデータ、警報データ、トラブルチケットデータ、または重要業績評価指標データのうちの1つ以上を含む、態様7に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様11〕
前記動作は、
前記1つ以上の根本原因に基づいて前記問題を解決するために、前記トレーニングされた機械学習モデルを使用して少なくとも1つの一連の行動を推薦するステップと、
前記ネットワークフィックス優先順位付けに従った順序で前記一連の行動を具現するステップと、
前記一連の行動に基づいて行われた変更を検討するステップと
予想された性能改善が達成されるかどうかを決定するために、前記ネットワーク性能を追跡するステップと、をさらに含む、態様7に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様12〕
前記ネットワークフィックス優先順位付けは、第1のネットワークフィックス優先順位付けであり、
前記動作は、
前記第1のネットワークフィックス優先順位付けが最適ではないと決定するステップと、
前記ネットワークフィックス優先順位付けに関連するエラーに基づいて追加のタイプの機械学習アルゴリズムを使用して前記トレーニングされた機械学習モデルを再トレーニングさせるステップと、
前記ユーザーインターフェースを介した表示のために、第2のネットワークフィックス優先順位付けを提供するステップと、をさらに含む、態様7に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様13〕
前記性能データを分析するステップは、特定の時間間隔で前記ユーザー装置のジオロケーションを追跡するステップと、前記ネットワークフィックス優先順位付けを決定するために、前記ジオロケーションに関連する前記性能データを分析するステップと、を含む、態様7に記載の1つ以上の非一時的コンピューター可読媒体。
〔態様14〕
コンピューターで具現される方法であって、
1つ以上のコンピューティングノードで実行されるデータアダプダプラットフォームにおいて、無線キャリアネットワークのネットワークコンポーネント及びユーザー装置に関する性能データを複数のデータソースから受信するステップであって、前記性能データが、ネットワークコンポーネント性能データ、ユーザー装置性能データ、ソーシャルメディアデータ、警報データ、トラブルチケットデータ、または重要業績評価指標データのうちの1つ以上を含むステップと、
前記1つ以上のコンピューティングノードで実行されるネットワークフィックスアプリケーションにおいて、1つ以上の性能不良領域でネットワーク性能に影響を及ぼす少なくとも1つの問題を識別するステップであって、前記問題が所定の閾値を下回るように前記性能データに悪影響を与えるステップと、
前記1つ以上のコンピューティングノードで実行される前記ネットワークフィックスアプリケーションを介して、前記ネットワーク性能に影響を及ぼす前記問題の予測された根本原因を決定するために、トレーニングされた機械学習モデルを使用して前記性能データを分析するステップであって、前記トレーニングされた機械学習モデルが複数のタイプの機械学習アルゴリズムを使用して前記性能データを分析するステップと、
前記1つ以上のコンピューティングノードで実行される前記ネットワークフィックスアプリケーションを介して、ユーザーインターフェースを介する表示のために、前記予測された根本原因のうちの少なくとも1つを提供するステップと、
前記予測された根本原因の精度に関するユーザーフィードバックに基づいて前記トレーニングされた機械学習モデルを改善するステップであって、前記改善するステップが、前記ユーザーフィードバックまたは1つ以上の変更されたアルゴリズム選択規則のうちの少なくとも1つに基づいて変更されるトレーニングコーパスに基づいて前記トレーニングされた機械学習モデルを再トレーニングさせるステップを含むステップと、を含む、コンピューターで具現される方法。
〔態様15〕
前記問題に寄与する1つ以上のトップオフェンダーセルのリストを生成するために、様々なネットワークセルの性能を分析するステップと、
前記問題の前記予測された根本原因を解決するソリューションを具現するための前記問題に対するネットワークフィックス優先順位付けを提供するために、優先順位で前記1つ以上のトップオフェンダーセルをランキングするステップと、
前記ネットワークフィックス優先順位付けの精度に関するユーザーフィードバックに基づいて前記トレーニングされた機械学習モデルを改善するステップであって、前記改善するステップが前記ユーザーフィードバックまたは1つ以上の変更されたアルゴリズム選択規則のうちの少なくとも1つに基づいて変更されるトレーニングコーパスに基づいて前記トレーニングされた機械学習モデルを再トレーニングさせるステップを含むステップと、をさらに含む、態様14に記載のコンピューターで具現される方法。
Claims (13)
- 実行時に1つ以上のプロセッサに動作を実行させるコンピューター実行可能命令を格納する1つ以上の非一時的コンピューター可読媒体であって、
前記動作は、
無線キャリアネットワークの少なくとも1つのユーザー装置及びネットワークコンポーネントに関連してネットワーク性能に関連する性能データを複数のデータソースから受信するステップと、
1つ以上の性能不良の地理的領域で前記ネットワーク性能に影響を及ぼす少なくとも1つのネットワークサービス品質(QoS)問題を識別するステップであって、前記ネットワークQoS問題は所定の閾値を下回るように前記性能データに悪影響を与える、ステップと、
前記ネットワークQoS問題に関連する1つ以上の症状に基づいて前記ネットワーク性能に影響を及ぼす前記少なくとも1つのネットワークQoS問題に対する予測された根本原因を決定するために、前記性能データから導出される1つ以上の検出された症状を1つ以上の潜在的な根本原因と相関させるトレーニングされた機械学習モデルを使用して前記性能データを分析するステップであって、前記トレーニングされた機械学習モデルが、複数タイプの機械学習アルゴリズムを使用して前記性能データを分析する、ステップと、
ユーザーインターフェースを介する表示のために、前記予測された根本原因を提供するステップと、
前記予測された根本原因に基づいて前記少なくとも1つのネットワークQoS問題を解決するための少なくとも1つの一連の行動を決定するステップと、
前記性能データを分析して、前記少なくとも1つのネットワークQoS問題の潜在的な影響を決定するステップと、
前記少なくとも1つのネットワークQoS問題を解決するための前記少なくとも1つの一連の行動を特定の順序で具現するよう、前記ネットワークQoS問題の前記潜在的な影響に基づいて前記少なくとも1つのネットワークQoSのそれぞれに対するネットワークフィックス優先順位付けを提供するステップと、を含み、
前記予測された根本原因は、第1の予測された根本原因であり、
前記動作は、
少なくとも部分的にトレーニングエラー測定に基づいて、前記第1の予測された根本原因の精度が所定の閾値未満であると決定するステップと、
追加のタイプの機械学習アルゴリズムを使用して前記トレーニングされた機械学習モデルを再トレーニングさせるステップであって、前記追加のタイプの機械学習の選択は前記第1の予測された根本原因に関連する前記トレーニングエラー測定に基づく、ステップと、
再トレーニングされた機械学習モデルを用いて、前記ユーザーインターフェースを介する表示のために、第2の予測された根本原因を提供するステップと、をさらに含む、
1つ以上の非一時的コンピューター可読媒体。 - 前記性能データは、ネットワークコンポーネント性能データ、ユーザー装置性能データ、ソーシャルメディアデータ、警報データ、トラブルチケットデータ、または重要業績評価指標データのうちの1つ以上を含む、請求項1に記載の1つ以上の非一時的コンピューター可読媒体。
- 前記動作は、
前記少なくとも1つの一連の行動が具現された後に、予想された性能改善が達成されるかどうかを決定するために、前記無線キャリアネットワークの少なくとも前記1つのユーザー装置及びネットワークコンポーネントに関連して前記ネットワーク性能を追跡するステップと、をさらに含む、請求項1に記載の1つ以上の非一時的コンピューター可読媒体。 - 前記性能データを分析するステップは、特定の時間間隔で前記ユーザー装置のジオロケーションを追跡するステップと、前記予測された根本原因を決定するために、前記ジオロケーションに関連する前記性能データをさらに分析するステップと、を含む、請求項1に記載の1つ以上の非一時的コンピューター可読媒体。
- 実行時に1つ以上のプロセッサに動作を実行させるコンピューター実行可能命令を格納する1つ以上の非一時的コンピューター可読媒体であって、
前記動作は、
無線キャリアネットワークの少なくとも1つのユーザー装置及びネットワークコンポーネントに関連してネットワーク性能に関連する性能データを複数のデータソースから受信するステップと、
1つ以上の性能不良の地理的領域で前記ネットワーク性能に影響を及ぼす少なくとも1つのネットワークサービス品質(QoS)問題を識別するステップであって、前記ネットワークQoS問題は所定の閾値を下回るように前記性能データに悪影響を与える、ステップと、
前記少なくとも1つのネットワークQoS問題の潜在的影響に基づいて前記ネットワーク性能に影響を及ぼす前記少なくとも1つのネットワークQoS問題に対するソリューションを具現する優先順位を決定するために、トレーニングされた機械学習モデルを使用して前記性能データを分析するステップであって、前記トレーニングされた機械学習モデルが複数のタイプの機械学習アルゴリズムを使用して前記性能データを分析する、ステップと、
決定された優先順位を使用して、かつ前記少なくとも1つのネットワークQoS問題のそれぞれの前記潜在的影響に基づいて、ユーザーインターフェースを介した表示のために、前記少なくとも1つのネットワークQoS問題に対する前記ソリューションを具現するためのネットワークフィックス優先順位付けを提供するステップと、を含み、
前記ネットワークフィックス優先順位付けは、第1のネットワークフィックス優先順位付けであり、
前記動作は、
追加のタイプの機械学習アルゴリズムを使用して前記トレーニングされた機械学習モデルを再トレーニングさせるステップと、
前記ユーザーインターフェースを介した表示のために、第2のネットワークフィックス優先順位付けを提供するステップと、をさらに含む、
1つ以上の非一時的コンピューター可読媒体。 - 前記性能データを分析するステップは、前記ネットワークQoS問題に寄与する1つ以上のトップオフェンダーセルのリストを生成するために、様々なネットワークセルの性能を分析するステップを含む、請求項5に記載の1つ以上の非一時的コンピューター可読媒体。
- 前記性能データを分析するステップは、前記無線キャリアネットワークに影響を及ぼす潜在的な影響を決定するために、前記性能データを分析するステップを含む、請求項5に記載の1つ以上の非一時的コンピューター可読媒体。
- 前記性能データは、ネットワークコンポーネント性能データ、ユーザー装置性能データ、ソーシャルメディアデータ、警報データ、トラブルチケットデータ、または重要業績評価指標データのうちの1つ以上を含む、請求項5に記載の1つ以上の非一時的コンピューター可読媒体。
- 前記動作は、
前記ネットワークQoS問題を解決するために、少なくとも1つの一連の行動を推薦するステップと、
前記ネットワークフィックス優先順位付けに従った順序で前記一連の行動を具現するステップと、
予想された性能改善が達成されるかどうかを決定するために、前記ネットワーク性能を追跡するステップと、をさらに含む、請求項5に記載の1つ以上の非一時的コンピューター可読媒体。 - 前記性能データを分析するステップは、特定の時間間隔で前記ユーザー装置のジオロケーションを追跡するステップと、前記ネットワークフィックス優先順位付けを決定するために、前記ジオロケーションに関連する前記性能データを分析するステップと、を含む、請求項5に記載の1つ以上の非一時的コンピューター可読媒体。
- コンピューターで具現される方法であって、
無線キャリアネットワークの少なくとも1つのユーザー装置及びネットワークコンポーネントに関連してネットワーク性能に関連する性能データを複数のデータソースから受信するステップと、
1つ以上の性能不良の地理的領域で前記ネットワーク性能に影響を及ぼす少なくとも1つのネットワークサービス品質(QoS)問題を識別するステップであって、前記ネットワークQoS問題は所定の閾値を下回るように前記性能データに悪影響を与える、ステップと、
前記ネットワークQoS問題に関連する1つ以上の症状に基づいて前記ネットワーク性能に影響を及ぼす前記少なくとも1つのネットワークQoS問題に対する予測された根本原因を決定するために、前記性能データから導出される1つ以上の検出された症状を1つ以上の潜在的な根本原因と相関させるトレーニングされた機械学習モデルを使用して前記性能データを分析するステップであって、前記トレーニングされた機械学習モデルが、複数タイプの機械学習アルゴリズムを使用して前記性能データを分析する、ステップと、
ユーザーインターフェースを介する表示のために、前記予測された根本原因を提供するステップと、
前記予測された根本原因に基づいて前記少なくとも1つのネットワークQoS問題を解決するための少なくとも1つの一連の行動を決定するステップと、
前記性能データを分析して、前記少なくとも1つのネットワークQoS問題の潜在的な影響を決定するステップと、
前記少なくとも1つのネットワークQoS問題を解決するための前記少なくとも1つの一連の行動を特定の順序で具現するよう、前記ネットワークQoS問題の前記潜在的な影響に基づいて前記少なくとも1つのネットワークQoSのそれぞれに対するネットワークフィックス優先順位付けを提供するステップと、を含み、
前記予測された根本原因は、第1の予測された根本原因であり、
当該方法は、
少なくとも部分的にトレーニングエラー測定に基づいて、前記第1の予測された根本原因の精度が所定の閾値未満であると決定するステップと、
追加のタイプの機械学習アルゴリズムを使用して前記トレーニングされた機械学習モデルを再トレーニングさせるステップであって、前記追加のタイプの機械学習の選択は前記第1の予測された根本原因に関連する前記トレーニングエラー測定に基づく、ステップと、
再トレーニングされた機械学習モデルを用いて、前記ユーザーインターフェースを介する表示のために、第2の予測された根本原因を提供するステップと、をさらに含む、
方法。 - 前記性能データは、ネットワークコンポーネント性能データ、ユーザー装置性能データ、ソーシャルメディアデータ、警報データ、トラブルチケットデータ、または重要業績評価指標データのうちの1つ以上を含む、請求項11に記載の方法。
- 当該方法は、
前記少なくとも1つの一連の行動が具現された後に、予想された性能改善が達成されるかどうかを決定するために、前記無線キャリアネットワークの少なくとも前記1つのユーザー装置及びネットワークコンポーネントに関連して前記ネットワーク性能を追跡するステップと、をさらに含む、請求項11に記載の方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662346997P | 2016-06-07 | 2016-06-07 | |
US62/346,997 | 2016-06-07 | ||
US15/615,688 | 2017-06-06 | ||
US15/615,688 US10708795B2 (en) | 2016-06-07 | 2017-06-06 | Artificial intelligence-based network advisor |
PCT/US2017/036353 WO2017214271A1 (en) | 2016-06-07 | 2017-06-07 | Artificial intelligence-based network advisor |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019521427A JP2019521427A (ja) | 2019-07-25 |
JP7145764B2 true JP7145764B2 (ja) | 2022-10-03 |
Family
ID=60483683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018563413A Active JP7145764B2 (ja) | 2016-06-07 | 2017-06-07 | 人工知能に基づくネットワークアドバイザー |
Country Status (6)
Country | Link |
---|---|
US (1) | US10708795B2 (ja) |
EP (1) | EP3465459B1 (ja) |
JP (1) | JP7145764B2 (ja) |
ES (1) | ES2866946T3 (ja) |
RU (1) | RU2753962C2 (ja) |
WO (1) | WO2017214271A1 (ja) |
Families Citing this family (102)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10163061B2 (en) * | 2015-06-18 | 2018-12-25 | International Business Machines Corporation | Quality-directed adaptive analytic retraining |
US10063406B2 (en) * | 2015-07-15 | 2018-08-28 | TUPL, Inc. | Automatic customer complaint resolution |
CN107888397B (zh) * | 2016-09-30 | 2020-12-25 | 华为技术有限公司 | 确定故障类型的方法和装置 |
JP6904369B2 (ja) * | 2017-02-02 | 2021-07-14 | 日本電信電話株式会社 | 制御装置、制御方法、及びプログラム |
US10636006B2 (en) * | 2017-04-21 | 2020-04-28 | At&T Intellectual Property I, L.P. | Methods, devices, and systems for prioritizing mobile network trouble tickets based on customer impact |
US10805809B2 (en) * | 2017-05-12 | 2020-10-13 | T-Mobile Usa, Inc. | Femtocell provisioning and service issue optimization |
US11018949B2 (en) * | 2017-07-14 | 2021-05-25 | Accenture Global Solutions Limited | System for generating an architecture diagram |
US10594542B2 (en) * | 2017-10-27 | 2020-03-17 | Cisco Technology, Inc. | System and method for network root cause analysis |
US10887778B2 (en) | 2017-12-22 | 2021-01-05 | At&T Intellectual Property I, L.P. | Proactively adjusting network infrastructure in response to reporting of real-time network performance |
US11223637B2 (en) * | 2018-01-07 | 2022-01-11 | Microsoft Technology Licensing, Llc | Detecting attacks on web applications using server logs |
CN110121180B (zh) * | 2018-02-05 | 2020-12-15 | 华为技术有限公司 | 一种数据分析装置、***及方法 |
US11720408B2 (en) * | 2018-05-08 | 2023-08-08 | Vmware, Inc. | Method and system for assigning a virtual machine in virtual GPU enabled systems |
US20190356532A1 (en) * | 2018-05-17 | 2019-11-21 | Cable Television Laboratories, Inc. | Methods for network maintenance |
US11805003B2 (en) * | 2018-05-18 | 2023-10-31 | Cisco Technology, Inc. | Anomaly detection with root cause learning in a network assurance service |
US10721707B2 (en) * | 2018-05-26 | 2020-07-21 | Guavus, Inc. | Characterization of a geographical location in a wireless network |
US10785108B1 (en) | 2018-06-21 | 2020-09-22 | Wells Fargo Bank, N.A. | Intelligent learning and management of a networked architecture |
US10972588B2 (en) * | 2018-06-27 | 2021-04-06 | T-Mobile Usa, Inc. | Micro-level network node failover system |
FI128647B (en) | 2018-06-29 | 2020-09-30 | Elisa Oyj | Automatic monitoring and control of networks |
FI129101B (en) | 2018-06-29 | 2021-07-15 | Elisa Oyj | Automatic monitoring and control of networks |
US10827361B2 (en) * | 2018-07-02 | 2020-11-03 | BI Nordic AB | Method in a radio communication network |
US11108655B2 (en) | 2018-07-06 | 2021-08-31 | International Business Machines Corporation | Automated application deployment in a managed services domain |
US10965663B2 (en) * | 2018-07-26 | 2021-03-30 | Microsoft Technology Licensing, Llc | Troubleshooting single sign on failure |
EP3846525A4 (en) * | 2018-08-28 | 2021-12-01 | NEC Corporation | MANAGEMENT DEVICE, COMMUNICATION DEVICE, SYSTEM, PROCESS, AND NON-TRANSITIONAL SUPPORT READABLE BY COMPUTER |
EP3621242A1 (en) * | 2018-09-05 | 2020-03-11 | Deutsche Telekom AG | Method for an autonomic or ai-assisted validation or decision making regarding network performance of a telecommunications network and/or for an autonomic or ai-assisted troubleshooting or performance enhancement within a telecommunications network, telecommunications network, system, machine intelligence entity, visualization interface, computer program and computer-readable medium |
US10924330B2 (en) * | 2018-09-07 | 2021-02-16 | Vmware, Inc. | Intelligent anomaly detection and root cause analysis in mobile networks |
CN109218097A (zh) * | 2018-09-19 | 2019-01-15 | 山东浪潮云投信息科技有限公司 | 一种云平台可配置告警规则的告警***及告警方法 |
US11429627B2 (en) * | 2018-09-28 | 2022-08-30 | Splunk Inc. | System monitoring driven by automatically determined operational parameters of dependency graph model with user interface |
US10992548B2 (en) | 2018-10-05 | 2021-04-27 | Sandvine Corporation | Method and system for remote quality of experience diagnostics based on a traffic signature determined from analyzing subscriber data and traffic flow performance statistics |
US20210337402A1 (en) * | 2018-10-11 | 2021-10-28 | Telefonaktiebolaget Lm Ericsson (Publ) | First network node, third network node, and methods performed thereby handling a maintenance of a second network node |
CN112840407A (zh) * | 2018-10-19 | 2021-05-25 | 索尼公司 | 医疗信息处理***、医疗信息处理装置和医疗信息处理方法 |
US10938623B2 (en) * | 2018-10-23 | 2021-03-02 | Hewlett Packard Enterprise Development Lp | Computing element failure identification mechanism |
US10924328B2 (en) * | 2018-11-16 | 2021-02-16 | Saudi Arabian Oil Company | Root cause analysis for unified communications performance issues |
US10944622B2 (en) | 2018-11-16 | 2021-03-09 | Saudi Arabian Oil Company | Root cause analysis for unified communications performance issues |
US10785123B2 (en) * | 2018-11-19 | 2020-09-22 | Facebook, Inc. | Communication network optimization |
DE102018219867B4 (de) * | 2018-11-20 | 2020-10-29 | Leica Microsystems Cms Gmbh | Lernender Autofokus |
WO2020115273A1 (en) * | 2018-12-07 | 2020-06-11 | Telefonaktiebolaget Lm Ericsson (Publ) | Predicting network communication performance using federated learning |
US11424977B2 (en) * | 2018-12-10 | 2022-08-23 | Wipro Limited | Method and system for performing effective orchestration of cognitive functions in distributed heterogeneous communication network |
US11025782B2 (en) | 2018-12-11 | 2021-06-01 | EXFO Solutions SAS | End-to-end session-related call detail record |
CN109358838A (zh) * | 2018-12-13 | 2019-02-19 | 上海安吉星信息服务有限公司 | 一种软件应用问题处理方法及装置 |
WO2020139862A1 (en) * | 2018-12-28 | 2020-07-02 | AVAST Software s.r.o. | Adaptive device type classification |
CN113302900B (zh) | 2019-01-17 | 2023-08-01 | 上海诺基亚贝尔股份有限公司 | 混合传输方案确定 |
US11477266B1 (en) | 2019-02-14 | 2022-10-18 | Sprint Communications Company L.P. | Data communication system to selectively and securely couple distributed ledgers with artificial intelligence (AI) engines |
US11348023B2 (en) | 2019-02-21 | 2022-05-31 | Cisco Technology, Inc. | Identifying locations and causes of network faults |
US10652699B1 (en) * | 2019-05-29 | 2020-05-12 | Verizion Patent And Licensing Inc. | Method and device for ranking and geographically grouping inbuilding sectors |
US11556843B2 (en) * | 2019-07-15 | 2023-01-17 | At&T Intellectual Property I, L.P. | Predictive resolutions for tickets using semi-supervised machine learning |
US10958521B2 (en) | 2019-07-19 | 2021-03-23 | Oracle International Corporation | Method and apparatus for configuring a cloud storage software appliance |
US20210035026A1 (en) * | 2019-07-31 | 2021-02-04 | Microsoft Technology Licensing, Llc | Diagnosing & triaging performance issues in large-scale services |
US11916758B2 (en) * | 2019-08-02 | 2024-02-27 | Cisco Technology, Inc. | Network-assisted application-layer request flow management in service meshes |
US11262739B2 (en) * | 2019-09-05 | 2022-03-01 | Hitachi Energy Switzerland Ag | Artificial intelligence/machine learning driven assessment system for a community of electrical equipment users |
US11477072B2 (en) * | 2019-09-17 | 2022-10-18 | OpenVault, LLC | System and method for prescriptive diagnostics and optimization of client networks |
US11070441B2 (en) | 2019-09-23 | 2021-07-20 | Cisco Technology, Inc. | Model training for on-premise execution in a network assurance system |
US11447164B2 (en) | 2019-10-11 | 2022-09-20 | Progress Rail Services Corporation | Artificial intelligence watchdog for distributed system synchronization |
WO2021079206A1 (en) * | 2019-10-24 | 2021-04-29 | Telefonaktiebolaget Lm Ericsson (Publ) | System, method and associated computer readable media for facilitating machine learning engine selection in a network environment |
WO2021107830A1 (en) | 2019-11-28 | 2021-06-03 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods for determining application of models in multi-vendor networks |
US11409516B2 (en) | 2019-12-10 | 2022-08-09 | Cisco Technology, Inc. | Predicting the impact of network software upgrades on machine learning model performance |
US11310141B2 (en) * | 2019-12-11 | 2022-04-19 | Cisco Technology, Inc. | Anomaly detection of model performance in an MLOps platform |
US11237847B1 (en) | 2019-12-19 | 2022-02-01 | Wells Fargo Bank, N.A. | Automated standards-based computing system reconfiguration |
US11502905B1 (en) | 2019-12-19 | 2022-11-15 | Wells Fargo Bank, N.A. | Computing infrastructure standards assay |
WO2021128110A1 (zh) * | 2019-12-25 | 2021-07-01 | 华为技术有限公司 | 通信方法及装置 |
US11520602B2 (en) * | 2020-01-27 | 2022-12-06 | Red Hat, Inc. | Generating configuration corrections for applications using a classifier model |
CN113381865A (zh) * | 2020-02-25 | 2021-09-10 | 华为技术有限公司 | 一种网络运维方法、装置及*** |
US11501239B2 (en) * | 2020-03-18 | 2022-11-15 | International Business Machines Corporation | Metric specific machine learning model improvement through metric specific outlier removal |
US11275647B2 (en) | 2020-03-31 | 2022-03-15 | Zensar Technologies Limited | System and method for solving an issue in an information technology (IT) infrastructure |
CN111507267B (zh) * | 2020-04-17 | 2023-05-26 | 北京百度网讯科技有限公司 | 文档朝向检测方法、装置、设备以及存储介质 |
CA3179920A1 (en) * | 2020-05-26 | 2021-12-02 | Jane GOODRICH | System and method for using artificial intelligence and machine learning to streamline a function |
US11665531B2 (en) | 2020-06-05 | 2023-05-30 | At&T Intellectual Property I, L.P. | End to end troubleshooting of mobility services |
US11526388B2 (en) | 2020-06-22 | 2022-12-13 | T-Mobile Usa, Inc. | Predicting and reducing hardware related outages |
US11595288B2 (en) | 2020-06-22 | 2023-02-28 | T-Mobile Usa, Inc. | Predicting and resolving issues within a telecommunication network |
EP4173255A1 (en) * | 2020-06-29 | 2023-05-03 | Telefonaktiebolaget LM ERICSSON (PUBL) | Managing faults in a telecommunications network |
US11558263B2 (en) * | 2020-07-10 | 2023-01-17 | Hewlett Packard Enterprise Development Lp | Network device association with network management system |
US11337096B2 (en) * | 2020-07-17 | 2022-05-17 | T-Mobile Usa, Inc. | Predicting whether a user of a wireless telecommunication network will report a problem |
CN112000428B (zh) * | 2020-07-30 | 2024-03-22 | 杭州安恒信息技术股份有限公司 | 基于机器学习的jvm调优方法、装置和电子装置 |
US11973668B2 (en) | 2020-08-03 | 2024-04-30 | Telefonaktiebolaget Lm Ericsson (Publ) | Correlating network data with instant app feedback for ML-based customer experience management |
US20220046406A1 (en) * | 2020-08-07 | 2022-02-10 | Nokia Technologies Oy | Problem mitigation in subscriber profile management |
US11743237B2 (en) * | 2020-11-10 | 2023-08-29 | Accenture Global Solutions Limited | Utilizing machine learning models to determine customer care actions for telecommunications network providers |
EP4016413A1 (en) * | 2020-12-21 | 2022-06-22 | Bull SAS | Building a predictive model for telecommunication networks |
WO2022184762A1 (en) * | 2021-03-02 | 2022-09-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Automated root cause analysis of network issues in a cellular network using machine learning |
US11726128B2 (en) * | 2021-05-05 | 2023-08-15 | Charter Communications Operating, Llc | Detecting and localizing cable plant impairments using full band capture spectrum analysis |
US11997127B2 (en) | 2021-05-07 | 2024-05-28 | Netskope, Inc. | Policy based vulnerability identification, correlation, remediation, and mitigation |
EP4099191A1 (en) * | 2021-06-02 | 2022-12-07 | Nokia Technologies Oy | Training of ai / ml based models with operator data |
US12040935B2 (en) * | 2021-07-16 | 2024-07-16 | State Farm Mutual Automobile Insurance Company | Root cause detection of anomalous behavior using network relationships and event correlation |
US11595243B1 (en) * | 2021-08-23 | 2023-02-28 | Amazon Technologies, Inc. | Automated incident triage and diagnosis |
US11489743B1 (en) * | 2021-09-17 | 2022-11-01 | Arista Networks, Inc. | Anomaly detection for multivariate metrics in networks |
US11960952B2 (en) | 2021-10-07 | 2024-04-16 | Samsung Electronics Co., Ltd. | Hardware allocation in RFIC based on machine learning |
US11800398B2 (en) | 2021-10-27 | 2023-10-24 | T-Mobile Usa, Inc. | Predicting an attribute of an immature wireless telecommunication network, such as a 5G network |
US20230140023A1 (en) * | 2021-10-28 | 2023-05-04 | Verizon Patent And Licensing Inc. | Risk assessment and resolution for end device porting and activation |
US11848814B2 (en) * | 2021-11-17 | 2023-12-19 | T-Mobile Innovations Llc | Root cause incident detection using an alarm correlation engine |
US20230164029A1 (en) * | 2021-11-22 | 2023-05-25 | Cisco Technology, Inc. | Recommending configuration changes in software-defined networks using machine learning |
US12039471B2 (en) * | 2021-11-29 | 2024-07-16 | T-Mobile Usa, Inc. | Tracking issues and resolution of same in a wireless communication network |
US11962455B2 (en) | 2021-11-29 | 2024-04-16 | T-Mobile Usa, Inc. | Prioritizing multiple issues associated with a wireless telecommunication network |
US11860726B2 (en) | 2022-02-23 | 2024-01-02 | Healtech Software India Pvt. Ltd. | Recommending remediation actions for incidents identified by performance management systems |
US11949637B2 (en) | 2022-04-01 | 2024-04-02 | Zoom Video Communications, Inc. | Addressing conditions impacting communication services |
US11936516B2 (en) * | 2022-06-02 | 2024-03-19 | Vmware, Inc. | Using hardware profiles of hardware components to determine performance issues of user devices |
US11943263B2 (en) | 2022-06-02 | 2024-03-26 | Vmware, Inc. | Recommendation engine for improved user experience in online meetings |
US11855831B1 (en) | 2022-06-10 | 2023-12-26 | T-Mobile Usa, Inc. | Enabling an operator to resolve an issue associated with a 5G wireless telecommunication network using AR glasses |
CN115333924B (zh) * | 2022-07-18 | 2024-04-30 | 中国电信股份有限公司 | 宽带网络修复方法、装置、电子设备和介质 |
GB202214434D0 (en) * | 2022-09-30 | 2022-11-16 | Samsung Electronics Co Ltd | Methods and apparatus for ai/ml traffic detection |
WO2024123378A1 (en) * | 2022-12-09 | 2024-06-13 | Rakuten Mobile, Inc. | Managing notifications in a wireless network |
US11991059B1 (en) * | 2022-12-16 | 2024-05-21 | Microsoft Technology Licensing, Llc | Techniques for generating service-specific server health scores and application traffic forecasts |
US11956117B1 (en) * | 2023-05-22 | 2024-04-09 | Google Llc | Network monitoring and healing based on a behavior model |
US11962659B1 (en) * | 2023-07-17 | 2024-04-16 | Servicenow, Inc. | Adaptive discovery process scheduling |
CN117149501B (zh) * | 2023-10-31 | 2024-02-06 | 中邮消费金融有限公司 | 问题修复***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003259006A (ja) | 2002-02-28 | 2003-09-12 | Ntt Docomo Inc | サービス管理装置及びサービス管理装置における異常情報出力方法 |
JP2012038028A (ja) | 2010-08-05 | 2012-02-23 | Nomura Research Institute Ltd | インシデント管理システム、障害影響範囲可視化方法 |
WO2013149870A1 (en) | 2012-04-05 | 2013-10-10 | Telefonaktiebolaget L M Ericsson (Publ) | Method and system for managing actions implemented on a network element within a telecommunications network |
JP2014508469A (ja) | 2011-02-11 | 2014-04-03 | アルカテル−ルーセント | ネットワーク解析のための方法および装置 |
JP2014096616A (ja) | 2012-11-07 | 2014-05-22 | Kddi R & D Laboratories Inc | ネットワーク管理システムおよび方法 |
JP2015156578A (ja) | 2014-02-20 | 2015-08-27 | 日本電信電話株式会社 | ネットワーク評価装置及び方法及びプログラム |
WO2016068926A1 (en) | 2014-10-30 | 2016-05-06 | Nokia Solutions And Networks Oy | Method and system for network performance root cause analysis |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6934745B2 (en) * | 2001-06-28 | 2005-08-23 | Packeteer, Inc. | Methods, apparatuses and systems enabling a network services provider to deliver application performance management services |
US7065766B2 (en) | 2002-07-11 | 2006-06-20 | International Business Machines Corporation | Apparatus and method for load balancing of fixed priority threads in a multiple run queue environment |
AU2007248256B2 (en) * | 2006-05-01 | 2012-07-19 | Adaptive Spectrum And Signal Alignment, Inc. | Methods and apparatus to perform line testing at customer premises |
US8713621B2 (en) * | 2006-10-27 | 2014-04-29 | At&T Intellecutal Property I, L.P. | System and method of error reporting in a video distribution network |
US8209080B2 (en) * | 2009-04-27 | 2012-06-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | System for determining most probable cause of a problem in a plant |
CN102546297B (zh) * | 2011-12-31 | 2015-11-25 | 华为技术有限公司 | 一种用户带宽通知方法和计费装置 |
WO2013135734A1 (en) | 2012-03-12 | 2013-09-19 | Nokia Siemens Networks Oy | Prediction and root cause recommendations of service access quality of experience issues in communication networks |
US9787540B2 (en) | 2012-09-10 | 2017-10-10 | Sap Se | System and method for predictive network congestion control |
US10325205B2 (en) * | 2014-06-09 | 2019-06-18 | Cognitive Scale, Inc. | Cognitive information processing system environment |
US20160021173A1 (en) | 2014-07-16 | 2016-01-21 | TUPL, Inc. | Resource management in a big data environment |
US10440503B2 (en) | 2014-07-16 | 2019-10-08 | TUPL, Inc. | Machine learning-based geolocation and hotspot area identification |
US10080149B2 (en) * | 2015-09-09 | 2018-09-18 | T-Mobile Usa, Inc. | Coverage solution recommendation tool |
-
2017
- 2017-06-06 US US15/615,688 patent/US10708795B2/en active Active
- 2017-06-07 EP EP17810935.1A patent/EP3465459B1/en active Active
- 2017-06-07 WO PCT/US2017/036353 patent/WO2017214271A1/en unknown
- 2017-06-07 RU RU2018145323A patent/RU2753962C2/ru active
- 2017-06-07 ES ES17810935T patent/ES2866946T3/es active Active
- 2017-06-07 JP JP2018563413A patent/JP7145764B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003259006A (ja) | 2002-02-28 | 2003-09-12 | Ntt Docomo Inc | サービス管理装置及びサービス管理装置における異常情報出力方法 |
JP2012038028A (ja) | 2010-08-05 | 2012-02-23 | Nomura Research Institute Ltd | インシデント管理システム、障害影響範囲可視化方法 |
JP2014508469A (ja) | 2011-02-11 | 2014-04-03 | アルカテル−ルーセント | ネットワーク解析のための方法および装置 |
WO2013149870A1 (en) | 2012-04-05 | 2013-10-10 | Telefonaktiebolaget L M Ericsson (Publ) | Method and system for managing actions implemented on a network element within a telecommunications network |
JP2014096616A (ja) | 2012-11-07 | 2014-05-22 | Kddi R & D Laboratories Inc | ネットワーク管理システムおよび方法 |
JP2015156578A (ja) | 2014-02-20 | 2015-08-27 | 日本電信電話株式会社 | ネットワーク評価装置及び方法及びプログラム |
WO2016068926A1 (en) | 2014-10-30 | 2016-05-06 | Nokia Solutions And Networks Oy | Method and system for network performance root cause analysis |
Also Published As
Publication number | Publication date |
---|---|
EP3465459A1 (en) | 2019-04-10 |
US10708795B2 (en) | 2020-07-07 |
RU2018145323A (ru) | 2020-07-09 |
US20170353991A1 (en) | 2017-12-07 |
EP3465459A4 (en) | 2020-01-01 |
RU2753962C2 (ru) | 2021-08-24 |
EP3465459B1 (en) | 2021-02-17 |
RU2018145323A3 (ja) | 2020-10-01 |
JP2019521427A (ja) | 2019-07-25 |
WO2017214271A1 (en) | 2017-12-14 |
ES2866946T3 (es) | 2021-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7145764B2 (ja) | 人工知能に基づくネットワークアドバイザー | |
US11271796B2 (en) | Automatic customer complaint resolution | |
US10680875B2 (en) | Automatic customer complaint resolution | |
US10666525B2 (en) | Distributed multi-data source performance management | |
US11018958B2 (en) | Communication network quality of experience extrapolation and diagnosis | |
US11637740B2 (en) | Intelligent anomaly detection and root cause analysis in mobile networks | |
US10674388B2 (en) | Wireless communication data analysis and reporting | |
US10708151B2 (en) | System and methods for adaptive notification and ticketing | |
US20170310546A1 (en) | Integrated digital network management platform | |
JP2020512631A (ja) | 段階的な機械学習を使用する自動化された意思決定 | |
US9860109B2 (en) | Automatic alert generation | |
US11935077B2 (en) | Operational predictive scoring of components and services of an information technology system | |
Chen et al. | Event detection using customer care calls | |
Yusuf-Asaju et al. | Mobile network quality of experience using big data analytics approach | |
US20240004960A1 (en) | Telecommunication network feature selection for binary classification | |
Alemayehu | Mobile Network Congestion Prediction Using Machine Learning: The Case of Ethio Telecom | |
US20240022492A1 (en) | Top KPI Early Warning System | |
Shi | Data-Driven Approaches and Systems for the Reliability of Mobile Network Services | |
Isa | Designing Supervised Learning-Based Incident Management Model: Case Study: Broadband Network Service Provider | |
Peng et al. | Novel Warning Complaints Model in LTE Networks | |
Burgueño Romero et al. | Online Anomaly Detection System for Mobile Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200603 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210423 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210427 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210927 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220301 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220531 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220729 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220823 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7145764 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |