Publicação: Framework para autocura cognitiva de redes de banda larga
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO::ARQUITETURA DE SISTEMAS DE COMPUTACAO, CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Com o crescente volume de tráfego de dados exigido pelos consumidores corporativos,
empresariais e de varejo, os operadores de telecomunicações estão se tornando cada vez
mais importantes na economia mundial. No entanto, os operadores devem preparar-se
com soluções que permitam lidar mais rapidamente com os incidentes ou mesmo evitálos,
apostando sempre na manutenção de um nível aceitável de serviço ao cliente. Neste
contexto, soluções Self-Healing (SH), apoiadas em mecanismos Machine Learning (ML),
surgem como possibilidades para enfrentar este desafio. Este trabalho apresenta um
framework de autocura cognitiva para ser implantado em operadoras de telecomunicações.
Ele abrange autodiagnóstico, análise e atuação automática para mitigação de falhas
em redes de banda larga de fibra óptica, por exemplo o Gigabit Passive Optical
Network (GPON). Além disso, foi feita uma avaliação experimental utilizando um conjunto
de dados anonimizados de usuários de uma operadora extraídos de seu Network Management
System (NMS) e Customer Relationship Management (CRM), trazendo mais
confiabilidade aos nossos resultados. Este trabalho mostra que o uso de ML em redes
de banda larga é viável, e pode mudar a forma como as operadoras de telecomunicações
gerenciam e melhoram a experiência do cliente. Neste trabalho, mostramos que um modelo
inteligente pode aprender com os dados de uma rede de telecomunicações e tomar
decisões sem intervenção humana. Três modelos cognitivos automáticos foram testados
como prova experimental de conceito, com precisão média acima de 96%.
Abstract
With the growing volume of data traffic demanded by corporate, business, and retail
consumers, telecommunications operators are becoming an increasingly important player
in the world economy. However, the operators must prepare themselves with solutions
that allow dealing with incidents more quickly or even avoid them, always focusing on
maintaining an acceptable customer service level. In this context, SH solutions, supported
by ML mechanisms, emerge as possibilities to address this challenge. This work presents
a cognitive self-healing framework for telecommunications operators. This framework
encompasses self-diagnosis, analysis, and automatic actuation for failure mitigation in
fiber broadband telecommunications based on GPON. In addition, we did an experimental
evaluation using an anonymized dataset from the operators’ users, extracted from its NMS
and CRM, bringing more reliability to our results. This work shows that using ML in
telecommunication broadband networks is viable and can change how telecom operators
manage and improve customer experience. We show that an intelligent model could do
machine learning in telecom networks and make decisions without human intervention.
Three automatic cognitive models were tested as experimental proof of concept with an
average accuracy above 96%.
Palavras-chave
Aprendizado de Máquina, Autocura, Banda Larga, Redes, Framework, Redes Neurais Artificiais, Machine Learning, Self Healing, Broadband, Network, Framework, Artificial Neural Networks
Citação
VIEIRA, Enock Cabral Almeida. Framework para autocura cognitiva de redes de banda larga. 2024. 90 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.568