萬宏謀 蔡林峰 王榮 中國電信股份有限公司江西分公司 南昌市 330029

關(guān)鍵字：智能化 網(wǎng)絡(luò)故障 維護

0 引言

云網(wǎng)故障處理的第一個階段主要以人工處理為主，工程師依靠經(jīng)驗進行逐段的網(wǎng)絡(luò)分析、故障定位及處理。第二個階段是人們依托綜合網(wǎng)管系統(tǒng)，結(jié)合運維工程師經(jīng)驗和關(guān)聯(lián)規(guī)則進行故障處理。近年來，人工智能（AI）技術(shù)迅速發(fā)展，Gartner 在2016 年提出AIOps的概念，基于AI的云網(wǎng)故障分析和處理，將成為網(wǎng)絡(luò)故障運維的第三階段。

1 問題描述

網(wǎng)絡(luò)故障的維護存在以下短板問題：①網(wǎng)絡(luò)告警故障工單的發(fā)起是自動的，而工單流轉(zhuǎn)環(huán)節(jié)中的轉(zhuǎn)派交互是人工的，需大量的人工閱讀、判斷、操作。②大量網(wǎng)絡(luò)告警故障，集中在幾類主要場景，其判斷、處理簡單重復(fù)，占用了大量人力操作時間。③告警故障恢復(fù)后，業(yè)務(wù)的恢復(fù)驗證及回單需人工操作，工作量大，效率低。④用戶申告內(nèi)容的分析處理，由人工閱讀判斷，缺乏自動化處理能力。

2 解決措施

①應(yīng)用AI技術(shù)，進行工單內(nèi)容的NLP分析，實現(xiàn)自動化的故障工單識別轉(zhuǎn)派，避免人工閱讀、分析、轉(zhuǎn)派的操作。②應(yīng)用AI實現(xiàn)典型網(wǎng)絡(luò)故障場景的自動處理，減輕人工處理量；同時，減少故障工單的總體處理時限。③故障恢復(fù)的驗證，由AI執(zhí)行，并自動推送處理人員，自動關(guān)閉工單；④針對申告故障內(nèi)容，進行NLP自動分類、自動處理。

2.1 告警工單自動處理

梳理并實現(xiàn)動環(huán)停電、基站斷站、小區(qū)退服、IP端口DOWN、IPRAN開環(huán)、智能片障等主要場景的告警自動處理流程，以下是動環(huán)停電、基站斷站處理流程示例：

圖1 動環(huán)停電工單自動處理流程

圖2 基站斷站故障工單自動處理流程

（1）自動處理的目的

① 告警派單后二次關(guān)聯(lián)處理，自動合并有關(guān)聯(lián)關(guān)系的多張工單。

② 主動調(diào)用網(wǎng)管能力幫助現(xiàn)場確認設(shè)備狀態(tài)，輔助校驗。

③ 規(guī)范現(xiàn)場工單回單。

④ 自動結(jié)單，減少人工質(zhì)檢歸檔工作。

（2）實現(xiàn)情況

工單自動處理，目前已完全實現(xiàn)6類工單自動處理目標，覆蓋工單2.3萬余張/月（占比75%），單張工單預(yù)處理時間1-2分鐘。

2.2 工單智能轉(zhuǎn)派

基于開源深度學習框架BERT模型對現(xiàn)場的故障處理回單內(nèi)容進行NLP分類學習建模，識別回單是否符合規(guī)范。圖3是Transformer模型結(jié)構(gòu)。

圖3 BERT TRANSFORMER模型結(jié)構(gòu)

如圖4所示，在工單處理建模的準確率達到了98%，實際生產(chǎn)環(huán)境中的線上準確率為93%，完全能夠滿足生產(chǎn)需求。

圖4 回單質(zhì)檢模型準確率

◎應(yīng)用場景：在故障工單現(xiàn)場回單后，根據(jù)回單內(nèi)容智能分類，決策進行下一步工單處理的動作，自動進行工單調(diào)度（銷障、轉(zhuǎn)派或退單）。

◎完成情況：通過爬蟲獲取工單回單反饋數(shù)據(jù)70多萬條，由于轉(zhuǎn)派、退單等數(shù)據(jù)量和銷障的數(shù)據(jù)量嚴重不均衡，銷障的量占比99%以上，不能用來全部進行學習訓練，最終選取了5515張銷障數(shù)據(jù)、全部轉(zhuǎn)派數(shù)據(jù)5249張、全部退單數(shù)據(jù)268張，進行訓練，細分場景還是存在不均衡，通過上采樣擴充較少的數(shù)據(jù)樣本。

◎應(yīng)用效果：月度覆蓋工單3萬余張，判斷耗時十幾秒左右。對于識別出的處理場景，結(jié)合后續(xù)的自動處理動作，實現(xiàn)工單的自動結(jié)單、 智能轉(zhuǎn)派或自動退單等自動流轉(zhuǎn)調(diào)度。

圖5 結(jié)單、轉(zhuǎn)派、退單場景的運行時長

圖6 智能轉(zhuǎn)派示例

2.3 告警工單恢復(fù)驗證自動處理

針對告警恢復(fù)，故障是否真正恢復(fù)的問題，開發(fā)自動化驗證程序，解決告警恢復(fù)需人工回單確認的問題，實現(xiàn)主動驗證恢復(fù)工單120余張/天，主動關(guān)閉告警150余條/天，驗證的工單覆蓋100%在途的告警工單。

圖7 全部在途告警工單驗證一輪耗時5分鐘以內(nèi)

2.4 寬帶用戶申告工單的自動處理

每月有大約5000多寬帶用戶申告，由監(jiān)控值班人員人工進行預(yù)處理后，再轉(zhuǎn)派到地市維護崗位進行處理，耗費大量的預(yù)處理及轉(zhuǎn)派時間。梳理自動預(yù)處理流程，通過整合 PON網(wǎng)管、3A能力及工單處理調(diào)度能力，自動進行預(yù)處理及轉(zhuǎn)派，節(jié)省大量的重復(fù)工作，加快工單的流轉(zhuǎn)效率，工單流轉(zhuǎn)歷時1分鐘內(nèi)，同時在處理過程中定期進行業(yè)務(wù)恢復(fù)自動測試，輔助現(xiàn)場處理。

圖8 用戶申告工單自動化處理流程

圖9 用戶申告工單的自動流轉(zhuǎn)處理界面

3 成效總結(jié)

（1）時間節(jié)省

①網(wǎng)絡(luò)故障工單自動預(yù)處理月均處理工單23000余張，單張2分鐘預(yù)處理時間，合計768小時。相比人工平均40分鐘/每張，需15360小時，節(jié)約大量時長。

②工單自動轉(zhuǎn)派月均成功轉(zhuǎn)派工單300余張，單張節(jié)約時間1分鐘，合計5小時。

寬帶客戶申告單月均處理工單5000余張，單張節(jié)約處理時間2分鐘，合計167小時。

合計節(jié)約時間489小時/月，按工作人員月均186小時折合計算，相當于2.6人/月的人工量。

（2）效率提升

自動轉(zhuǎn)派流轉(zhuǎn)耗時1分鐘內(nèi)，對比原先人工處置平均耗時38分鐘，效率提升97%。

寬帶用戶申告工單自動預(yù)處理流轉(zhuǎn)耗時1分鐘內(nèi)，對比原先人工處置平均耗時9分鐘，效率提升89%。

寬帶用戶申告工單處理時長較年中下降11%，維護作業(yè)單處理時長較年中壓降71%。

4 結(jié)束語

綜上所述，本文中將AI和大數(shù)據(jù)技術(shù)應(yīng)用于通信網(wǎng)絡(luò)故障的自動化處理，提升了網(wǎng)絡(luò)故障的自動化處理效率，縮短處理時長，提升了云網(wǎng)運營的效率、服務(wù)水平。當前，基于AI的網(wǎng)絡(luò)智能運維方興未艾，成為通信行業(yè)研究的技術(shù)熱點，在應(yīng)用AI技術(shù)進行網(wǎng)絡(luò)故障的綜合定位、故障隱患的智能預(yù)測、主動發(fā)現(xiàn)等方面，應(yīng)用前景非常廣闊，AI技術(shù)與云網(wǎng)運維的深入結(jié)合，將進一步提升云網(wǎng)智能化運營水平。