用于预测性维护的方法和装置与流程
- 国知局
- 2024-08-02 14:36:20
本公开涉及用于电信网络中的预测性维护的装置和方法。
背景技术:
1、预测性维护允许在系统中的故障发生之前预测故障,并且预见并维护干预。在电信网络中,失败可能导致网络停机和不必要的成本。因此,预测性维护允许在失败发生之前更换模块。
2、在电信网络中,需要标识警报对应于哪些模块,并且确定哪些警报最终可能导致故障。
3、因此,需要可以自动分析来自电信网络的数据并且准确预测电信网络中的未来故障的装置和方法。
技术实现思路
1、在一些实施例中,本公开提供了一种用于电信网络中的模块的预测性维护的装置。该装置包括用于以下项的部件:
2、-收集主数据组,其中主数据组包括第一组测量时间序列,其中第一组测量时间序列由电信网络在第一时间窗口期间生成,其中第一组的测量时间序列与电信网络的物理模块相关,
3、-处理与物理模块的维护、或与包括物理模块的网络元件的维护相关的维护数据,以确定主数据组是否与在第一时间窗口之后对物理模块执行的故障相关的维护干预相关联,
4、-响应于确定主数据组与在第一时间窗口之后对物理模块的维护干预相关联,访问辅助数据组,其中辅助数据组包括第二组测量时间序列,其中第二组测量时间序列由电信网络在第二时间窗口期间生成,其中第二时间窗口在第一时间窗口之前开始,其中第二组的测量时间序列与电信网络的物理模块相关,
5、-使用主数据组和辅助数据组来训练预测模型,其中预测模型被配置为计算与电信网络相关的异常相关预测。
6、由于这些特征,预测模型在故障发生之前学习检测物理模块中的故障。
7、用于预测性维护的装置还可以包括以下特征中的一项或多项。
8、在一个实施例中,第一组测量时间序列由电信网络的第一网络元件生成,并且主数据组包括标识第一网络元件和标识物理模块的独特标识符。在该实施例中,该装置还包括用于从主数据组生成汇总主数据组的部件,其中汇总主数据组不包括独特标识符,并且使用汇总主数据组来训练预测模型。
9、由于这些特征,预测模型从更广义的数据中学习,从而实现预测模型的更好性能。
10、在一个实施例中,该装置还包括用于收集与第一网络元件相关的网络元件元数据的部件,其中网络元件元数据包括网络元件类型,其中使用网络元件元数据来训练预测模型。
11、由于这些特征,预测模型可以基于网络元件类型来学习将测量时间序列的值与故障或与正常行为关联。
12、在一个实施例中,第一组测量时间序列表示第一警报,并且该装置还包括用于收集与第一警报相关的警报元数据的部件,其中警报元数据包括警报类型,其中使用警报元数据来训练预测模型。
13、由于这些特征,预测模型学习区分多个警报。
14、在一个实施例中,维护数据包括电信网络中的物理模块的现场更换的记录,并且用于处理维护信息的部件还包括确定主数据组是否与物理模块的现场更换相关联,并且其中收集辅助数据组是响应于确定主数据组与物理模块的现场更换相关联而进行的。
15、由于这些特征,通过监测物理模块的实际更换,可以获取与主数据组相关联的基准真值(ground-truth)标签。
16、在一个实施例中,维护数据包括物理模块的异常的记录,并且处理维护数据包括确定主数据组是否与物理模块的异常相关联。在该实施例中,收集辅助数据组是响应于确定主数据组与物理模块的异常相关联而进行的。
17、由于这些特征,正异常标签与在故障之后被更换的物理模块相关联。
18、在一个实施例中,该装置还包括用于以下项的部件:
19、-使用主数据组和辅助数据组来训练多个预测模型,其中多个预测模块中的每个预测模块被配置为计算中间的异常相关预测,其中异常相关预测与相应的基本时间段期间的异常行为的概率相关,
20、-将中间的异常相关预测组合成最终的异常相关预测,其中最终的异常相关预测与最终时间段期间的异常行为的概率相关,其中最终时间段是基本时间段的重联合。
21、由于这些特征,可以使用一组模型来提高预测的准确性。
22、在一个实施例中,该装置还包括用于以下项的部件:
23、-检索由网络元件生成的测量时间序列,其中测量时间序列表示电信网络上的警报,
24、-使用拓扑数据来确定物理模块属于网络元件,其中拓扑数据对电信网络的配置进行编码,
25、-响应于确定物理模块属于网络元件,将测量时间序列添加到第一数据组。
26、由于这些特征,测量时间序列与相关物理模块相关联。
27、在一个实施例中,该装置还包括用于以下项的部件:
28、-检索由网络元件生成的测量时间序列,其中测量时间序列表示电信网络上的警报,
29、-将网络元件的标识符与物理模块的标识符进行比较,以使用语义相似性度量来确定网络元件的标识符和物理模块的标识符满足相似性条件,
30、-响应于确定网络元件的标识符和物理模块的标识符满足相似性条件,将测量时间序列添加到第一数据组。
31、由于这些特征,测量时间序列与相关物理模块相关联。
32、在一些示例实施例中,本公开还提供了一种用于预测性维护的方法,该方法包括以下步骤:
33、-收集主数据组,其中主数据组包括第一组测量时间序列,其中第一组测量时间序列由电信网络在第一时间窗口期间生成,其中第一组的测量时间序列与电信网络的物理模块相关,
34、-处理与物理模块的维护、或与包括物理模块的网络元件的维护相关的维护数据,以确定主数据组是否与在第一时间窗口之后对物理模块执行的故障相关的维护干预相关联,
35、-响应于确定主数据组与在第一时间窗口之后对物理模块的维护干预相关联,访问辅助数据组,其中辅助数据组包括第二组测量时间序列,其中第二组测量时间序列由电信网络在第二时间窗口期间生成,其中第二时间窗口在第一时间窗口之前开始,其中第二组的测量时间序列与电信网络的物理模块相关,
36、-使用主数据组和辅助数据组来训练预测模型,其中预测模型被配置为计算与电信网络相关的异常相关预测。
37、用于预测性维护的方法还可以包括以下特征中的一项或多项。
38、在一个实施例中,第一组测量时间序列由电信网络的第一网络元件生成,并且主数据组包括标识第一网络元件和标识物理模块的独特标识符。在该实施例中,该方法还包括从主数据组生成汇总主数据组的步骤,其中汇总主数据组不包括独特标识符,并且使用汇总主数据组来训练预测模型。
39、在一个实施例中,该方法还包括收集与第一网络元件相关的网络元件元数据的步骤,其中网络元件元数据包括网络元件类型,其中使用网络元件元数据来训练预测模型。
40、在一个实施例中,第一组测量时间序列表示第一警报,并且该方法还包括收集与第一警报相关的警报元数据的步骤,其中警报元数据包括警报类型,其中使用警报元数据来训练预测模型。
41、在一个实施例中,维护数据包括电信网络中的物理模块的现场更换的记录,并且处理维护信息的步骤还包括确定主数据组是否与物理模块的现场更换相关联,并且其中收集辅助数据组是响应于确定主数据组与物理模块的现场更换相关联而进行的。
42、在一个实施例中,维护数据包括物理模块的异常的记录,并且处理维护数据包括确定主数据组是否与物理模块的异常相关联。在该实施例中,收集辅助数据组是响应于确定主数据组与物理模块的异常相关联而进行的。
43、在一个实施例中,该方法还包括以下步骤:
44、-使用主数据组和辅助数据组来训练多个预测模型,其中多个预测模块中的每个预测模块被配置为计算中间的异常相关预测,其中异常相关预测与相应的基本时间段期间的异常行为的概率相关,
45、-将中间的异常相关预测组合成最终的异常相关预测,其中最终的异常相关预测与最终时间段期间的异常行为的概率相关,其中最终时间段是基本时间段的重联合。
46、在一个实施例中,该方法还包括以下步骤:
47、-检索由网络元件生成的测量时间序列,其中测量时间序列表示电信网络上的警报,
48、-使用拓扑数据来确定物理模块属于网络元件,其中拓扑数据对电信网络的配置进行编码,
49、-响应于确定物理模块属于网络元件,将测量时间序列添加到第一数据组。
50、在一个实施例中,该方法还包括以下步骤:
51、-检索由网络元件生成的测量时间序列,其中测量时间序列表示电信网络上的警报,
52、-将网络元件的标识符与物理模块的标识符进行比较,以使用语义相似性度量来确定网络元件的标识符和物理模块的标识符满足相似性条件,
53、-响应于确定网络元件的标识符和物理模块的标识符满足相似性条件,将测量时间序列添加到第一数据组。
54、在一些实施例中,本发明提供了一种非暂态计算机可读介质,该计算机可读介质包括用于使装置执行上面方法的程序指令。
55、在一些示例实施例中,该装置中的部件还包括:
56、至少一个处理器;以及
57、至少一个存储器,其包括计算机程序代码,至少一个存储器和计算机程序代码被配置为与至少一个处理器一起,引起该装置的运行。
58、至少一个存储器和计算机程序代码可以被配置为与至少一个处理器一起,使该装置:
59、-收集主数据组,其中主数据组包括第一组测量时间序列,其中第一组测量时间序列由电信网络在第一时间窗口期间生成,其中第一组的测量时间序列与电信网络的物理模块相关,
60、-处理与物理模块的维护、或与包括物理模块的网络元件的维护相关的维护数据,以确定主数据组是否与在第一时间窗口之后对物理模块执行的故障相关的维护干预相关联,
61、-响应于确定主数据组与在第一时间窗口之后对物理模块的维护干预相关联,访问辅助数据组,其中辅助数据组包括第二组测量时间序列,其中第二组测量时间序列由电信网络在第二时间窗口期间生成,其中第二时间窗口在第一时间窗口之前开始,其中第二组的测量时间序列与电信网络的物理模块相关,
62、-使用主数据组和辅助数据组来训练预测模型,其中预测模型被配置为计算与电信网络相关的异常相关预测。
63、在一个实施例中,第一组测量时间序列由电信网络的第一网络元件生成,并且主数据组包括标识第一网络元件和标识物理模块的独特标识符。在该实施例中,至少一个存储器和计算机程序代码还可以被配置为与至少一个处理器一起,使该装置从主数据组生成汇总主数据组,其中汇总主数据组不包括独特标识符,并且使用汇总主数据组来训练预测模型。
64、在一个实施例中,至少一个存储器和计算机程序代码还可以被配置为与至少一个处理器一起,使该装置收集与第一网络元件相关的网络元件元数据,其中网络元件元数据包括网络元件类型,其中使用网络元件元数据来训练预测模型。
65、在一个实施例中,第一组测量时间序列表示第一警报,并且至少一个存储器和计算机程序代码还可以被配置为与至少一个处理器一起,使该装置收集与第一警报相关的警报元数据,其中警报元数据包括警报类型,其中使用警报元数据来训练预测模型。
66、在一个实施例中,维护数据包括电信网络中的物理模块的现场更换的记录,并且处理维护信息还包括确定主数据组是否与物理模块的现场更换相关联,并且其中收集辅助数据组是响应于确定主数据组与物理模块的现场更换相关联而进行的。
67、在一个实施例中,维护数据包括物理模块的异常的记录,并且处理维护数据包括确定主数据组是否与物理模块的异常相关联。在该实施例中,收集辅助数据组是响应于确定主数据组与物理模块的异常相关联而进行的。
68、在一个实施例中,至少一个存储器和计算机程序代码还可以被配置为与至少一个处理器一起,使该装置:
69、-使用主数据组和辅助数据组来训练多个预测模型,其中多个预测模块中的每个预测模块被配置为计算中间的异常相关预测,其中异常相关预测与相应的基本时间段期间的异常行为的概率相关,
70、-将中间的异常相关预测组合成最终的异常相关预测,其中最终的异常相关预测与最终时间段期间的异常行为的概率相关,其中最终时间段是基本时间段的重联合。
71、在一个实施例中,至少一个存储器和计算机程序代码还可以被配置为与至少一个处理器一起,使该装置:
72、-检索由网络元件生成的测量时间序列,其中测量时间序列表示电信网络上的警报,
73、-使用拓扑数据来确定物理模块属于网络元件,其中拓扑数据对电信网络的配置进行编码,
74、-响应于确定物理模块属于网络元件,将测量时间序列添加到第一数据组。
75、在一个实施例中,至少一个存储器和计算机程序代码还可以被配置为与至少一个处理器一起,使该装置:
76、-检索由网络元件生成的测量时间序列,其中测量时间序列表示电信网络上的警报,
77、-将网络元件的标识符与物理模块的标识符进行比较,以使用语义相似性度量来确定网络元件的标识符和物理模块的标识符满足相似性条件,
78、-响应于确定网络元件的标识符和物理模块的标识符满足相似性条件,将测量时间序列添加到第一数据组。
79、在一些示例实施例中,本公开还提供了一种装置,该装置包括:
80、-第一收集电路系统,其被配置为收集主数据组,其中主数据组包括第一组测量时间序列,其中第一组测量时间序列由电信网络在第一时间窗口期间生成,其中第一组的测量时间序列与电信网络的物理模块相关,
81、-第一处理电路系统,其被配置为处理与物理模块的维护、或与包括物理模块的网络元件的维护相关的维护数据,以确定主数据组是否与在第一时间窗口之后对物理模块执行的故障相关的维护干预相关联,
82、-第一访问电路系统,其被配置为响应于确定主数据组与在第一时间窗口之后对物理模块的维护干预相关联,访问辅助数据组,其中辅助数据组包括第二组测量时间序列,其中第二组测量时间序列由电信网络在第二时间窗口期间生成,其中第二时间窗口在第一时间窗口之前开始,其中第二组的测量时间序列与电信网络的物理模块相关,
83、-第一训练电路系统,其被配置为使用主数据组和辅助数据组来训练预测模型,其中预测模型被配置为计算与电信网络相关的异常相关预测。
84、在一个实施例中,第一组测量时间序列由电信网络的第一网络元件生成,并且主数据组包括标识第一网络元件和标识物理模块的独特标识符。在该实施例中,该装置还包括被配置为从主数据组生成汇总主数据组的第一生成电路系统,其中汇总主数据组不包括独特标识符,并且使用汇总主数据组来训练预测模型。
85、在一个实施例中,该装置还包括被配置为收集与第一网络元件相关的网络元件元数据的第二收集电路系统,其中网络元件元数据包括网络元件类型,其中使用网络元件元数据来训练预测模型。
86、在一个实施例中,第一组测量时间序列表示第一警报,并且该装置还包括被配置为收集与第一警报相关的警报元数据的第三收集电路系统,其中警报元数据包括警报类型,其中使用警报元数据来训练预测模型。
87、在一个实施例中,维护数据包括电信网络中的物理模块的现场更换的记录,并且第一处理电路系统还被配置为确定主数据组是否与物理模块的现场更换相关联,并且其中收集辅助数据组是响应于确定主数据组与物理模块的现场更换相关联而进行的。
88、在一个实施例中,维护数据包括物理模块的异常的记录,并且处理维护数据包括确定主数据组是否与物理模块的异常相关联。在该实施例中,收集辅助数据组是响应于确定主数据组与物理模块的异常相关联而进行的。
89、在一个实施例中,该装置还包括:
90、-第二训练电路系统,其被配置为使用主数据组和辅助数据组来训练多个预测模型,其中多个预测模块中的每个预测模块被配置为计算中间的异常相关预测,其中异常相关预测与相应的基本时间段期间的异常行为的概率相关,
91、-第一组合电路系统,其被配置为将中间的异常相关预测组合成最终的异常相关预测,其中最终的异常相关预测与最终时间段期间的异常行为的概率相关,其中最终时间段是基本时间段的重联合。
92、在一个实施例中,该装置还包括:
93、-第一检索电路系统,其被配置为检索由网络元件生成的测量时间序列,其中测量时间序列表示电信网络上的警报,
94、-第一确定电路系统,其被配置为使用拓扑数据来确定物理模块属于网络元件,其中拓扑数据对电信网络的配置进行编码,
95、-第一添加电路系统,其被配置为响应于确定物理模块属于网络元件,将测量时间序列添加到第一数据组。
96、在一个实施例中,该装置还包括:
97、-第二检索电路系统,其被配置为检索由网络元件生成的测量时间序列,其中测量时间序列表示电信网络上的警报,
98、-比较电路系统,其被配置为将网络元件的标识符与物理模块的标识符进行比较,以使用语义相似性度量来确定网络元件的标识符和物理模块的标识符满足相似性条件,
99、-第二添加电路系统,其被配置为响应于确定网络元件的标识符和物理模块的标识符满足相似性条件,将测量时间序列添加到第一数据组。
本文地址:https://www.jishuxx.com/zhuanli/20240801/243350.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表