多樣化業(yè)務、靈活部署要求以及復雜網(wǎng)絡形態(tài)，對5G網(wǎng)絡運維帶來重大挑戰(zhàn)，依靠傳統(tǒng)手工、半自動運維模式已經(jīng)滿足不了需求。數(shù)字化時代，5G網(wǎng)絡切片智能運維成為必然

人工智能技術在解決高計算量數(shù)據(jù)分析、跨領域特性挖掘、動態(tài)策略生成等方面具備天然優(yōu)勢。引入AI技術可進一步提高網(wǎng)絡部署和運維效益，提升資源利用率，降低運營成本。

網(wǎng)絡切片是5G網(wǎng)絡的一個重要特性，通過對網(wǎng)絡資源靈活分配，能力靈活組合，基于一張物理網(wǎng)絡虛擬出網(wǎng)絡特性不同的邏輯子網(wǎng)，以滿足不同場景的定制化需求。網(wǎng)絡切片運維實質上就是提供切片實例的全生命周期管理，包含設計、開通、SLA保障、終結等階段。網(wǎng)絡切片帶來極大靈活性的同時，也增大了運維管理復雜度?；谌斯ぶ悄軄碓鰪娗衅詣踊芾砟芰κ潜厝悔厔荨?/p>

引入AI的切片智能運維關鍵技術

在切片管理系統(tǒng)中引入人工智能，根據(jù)AI訓練平臺輸出決策依據(jù)，自動化執(zhí)行管理策略，賦予網(wǎng)絡智能感知、建模、開通、分析判斷、預測等方面的能力，實現(xiàn)切片靈活性和管理復雜度之間的完美平衡。

1.智能化切片開通

業(yè)務定制：運用數(shù)據(jù)采集和機器學習，深度挖掘業(yè)務特點提供定制化、安全隔離的私有切片專網(wǎng)。

網(wǎng)絡規(guī)劃：綜合分析整網(wǎng)可用資源，利用AI技術不斷訓練優(yōu)化算法，將業(yè)務需求快速轉化為網(wǎng)絡需求，有效地解決差異化SLA與建網(wǎng)成本之間的矛盾。

模型設計：根據(jù)AI訓練平臺分析結果，對虛擬化資源進行智能編排和調度，自動輸出切片生命周期模板、策略規(guī)則及切片優(yōu)化部署等模板。

自動化部署：結合自動化集成部署工具和切片模型，自動完成各層次資源實例化，同時智能匹配測試場景及用例，自動完成切片測試，部署周期從幾周縮短到幾天。

E2E業(yè)務激活：根據(jù)配置模板定義自動將配置參數(shù)拆解到各個子網(wǎng)，執(zhí)行參數(shù)自動化計算形成批處理腳本，通過配置通道自動完成業(yè)務激活。

2.切片智能SLA保障

網(wǎng)絡切片保障實質上就是對用戶要求的SLA進行保障，智能化QoS 服務能力可對業(yè)務需求、網(wǎng)絡能力以及用戶特性等方面進行智能分析和多標準決策，引入QoS監(jiān)督反饋，從而形成SLA保障閉環(huán)。

QoS能力保障：采集海量業(yè)務數(shù)據(jù)(如業(yè)務類型、時間需求等)、網(wǎng)絡數(shù)據(jù)(連接數(shù)、負載、流速、時延等)和用戶數(shù)據(jù)(如用戶等級、通信習慣、時間、位置等)，通過智能分析和判斷，實時評估當前業(yè)務體驗，形成一套或多套更優(yōu)的QoS參數(shù)集，從而進行最佳決策和控制。

QoS差異化服務：基于時間、位置、訪問業(yè)務、用戶通信習慣、用戶簽約需求、網(wǎng)絡實時負荷壓力等方面的智能判斷，形成最佳匹配的QoS控制參數(shù)，為用戶提供實時的差異化服務。

QoS預測預警：基于海量數(shù)據(jù)采集、建模和分析來實現(xiàn)QoS預測，并提供極端情況下的QoS能力預警，給運維保障動作提供參考，如提前終止業(yè)務、改變業(yè)務操作等。例如基于神經(jīng)網(wǎng)絡和線性回歸算法，實現(xiàn)同期增長率預測，峰值\均值流量分析，預測網(wǎng)絡擁塞，從而進行動態(tài)調度或者流量提速等操作。

3.切片智能閉環(huán)運維

為高效地管理網(wǎng)絡切片，降低運維復雜度和成本，切片管理系統(tǒng)必須具備網(wǎng)絡自感知、自調整等智能化閉環(huán)保障能力。

目前網(wǎng)絡策略仍是基于人工靜態(tài)配置，忽略了網(wǎng)絡的實際情況。引入AI后可基于時間、位置和移動特性，結合網(wǎng)絡中的流量、擁塞級別、負載狀態(tài)等進行智能分析和判斷，通過AI訓練平臺輸出切片管理動態(tài)策略，實現(xiàn)智能化調度。

另外，實時/歷史智能分析還提供健康評分、異常檢測預測、故障根因分析等參考數(shù)據(jù)，據(jù)此執(zhí)行容量優(yōu)化、配置優(yōu)化、資源彈縮、問題定位等操作，實現(xiàn)切片閉環(huán)優(yōu)化。

5G切片智能閉環(huán)運維

4.切片故障智能定位

1)故障智能定位

分析切片告警中時間、地點、事件描述等多維度特征，結合歷史頻度信息，跨網(wǎng)元信息，同專業(yè)網(wǎng)、跨專業(yè)網(wǎng)信息及同業(yè)務關聯(lián)信息等識別告警線索關系。根據(jù)當前告警，統(tǒng)計，日志等信息以及訓練獲得的規(guī)則進行推理，獲取匹配的告警根因。

故障智能定位主要分為訓練過程，推理過程和閉環(huán)優(yōu)化。

訓練過程

-數(shù)據(jù)提取

-數(shù)據(jù)清洗去除無效數(shù)據(jù)

-格式規(guī)整，數(shù)據(jù)分割，形成事務數(shù)據(jù)集用于關聯(lián)挖掘。

-算法運行：基于資源關系、告警碼以及時間窗口，通過AI算法進行綜合判斷，建立告警主次關系的知識。

-結果分析：將獲取的知識按照一定的內(nèi)部規(guī)則建立相應RCA規(guī)則并存儲到規(guī)則庫中。

推理過程：實時監(jiān)控告警，定時采樣資源、配置數(shù)據(jù)等，利用已學習規(guī)則對現(xiàn)網(wǎng)告警數(shù)據(jù)、資源數(shù)據(jù)、業(yè)務承載關系和時序進行綜合判斷，找出根因自動修復或者提示運維人員修復。

閉環(huán)優(yōu)化：根據(jù)實際規(guī)則應用情況或專家判斷對規(guī)則庫進行更新、修正和完善。

2)效果評估

智能定位效果主要通過有效告警根因規(guī)則數(shù)和告警壓縮比兩個指標進行衡量，也可以通過工單數(shù)量減少率來進行間接評估，AI告警智能定位能普遍減少60%以上。

5G智慧切片網(wǎng)絡將會經(jīng)歷領域內(nèi)探索、跨領域融合、高度自治三個階段。首先，5G網(wǎng)絡各子領域將分別與AI初步結合和應用，依托大數(shù)據(jù)與機器學習的支撐，在網(wǎng)絡資源分配等領域探索實現(xiàn)初級智能化;其次隨著技術發(fā)展，AI將可以學習跨領域的5G網(wǎng)絡大數(shù)據(jù)，部分子領域將出現(xiàn)融合智能，實現(xiàn)中級智能化;最后，5G和人工智能技術高度發(fā)展，將實現(xiàn)全網(wǎng)聯(lián)動和高度自治，大幅提升網(wǎng)絡全生命周期管理效率，基于人類控制網(wǎng)絡的意圖實現(xiàn)高級智能化。

可以預見， AI與5G切片網(wǎng)絡的結合將產(chǎn)生出耀眼的火花，推動網(wǎng)絡高速發(fā)展和演進。