Григорьев Константин Эрнстович - магистрант по направлению подготовки «Прикладная математика и информатика»,
350040, г. Краснодар, ул. Ставропольская, 149.
Konstantin E. Grigorev - Master's Student of Applied Mathematics and Computer Science,
149, Stavropolskaya St., Krasnodar, 350040.
Канев Валерий Семенович - доктор технических наук, профессор, зав. кафедрой математического моделирования и цифрового развития бизнес-систем (ММиЦРБС),
630102, г. Новосибирск, ул. Кирова, д. 86.
Valery S. Kanev - Doctor of Sci. (Engineering), Head at the Mathematical Modeling and Digital Development of Business Systems Department,
86, Kirov St., Novosibirsk, 630102.
Полетайкин Алексей Николаевич - кандидат технических наук, доцент, доцент кафедры информационных технологий; доцент кафедры ММиЦРБС,
350040, г. Краснодар, ул. Ставропольская, 149;
630102, Новосибирск, ул. Кирова, 86.
Scopus AuthorID: 57213829361;
ResearcherID: ABF-6799-2020.
Aleksey N. Poletaikin - Cand. of Sci. (Engineering), Assistant Professor at the Information Technologies Department; Assistant Professor at the Mathematical Modeling and Digital Development of Business Systems Department,
149, Stavropolskaya st., Krasnodar, 350040;
86, Kirov St., Novosibirsk, 630102.
Scopus AuthorID: 57213829361,
ResearcherID: ABF-6799-2020.
В статье рассмотрен новый подход к управлению рисками возникновения нештатных ситуаций на базовых станциях сети сотовой связи. Многообразие нештатных ситуаций, возникающих на гетерогенном оборудовании под влиянием множества разнообразных внешних факторов делают задачу управления рисками критически важной. Новизна заключается в создании математической модели, учитывающей указанное многообразие. Это обеспечивает более точное и комплексное предсказание нештатных ситуаций. Модель построена на базе байесовской сети и генерирует оперативное решение в виде вероятностей возникновения нештатных ситуаций, показывает критические точки и потенциальные угрозы для работоспособности базовой станции в целом. Это помогает формировать рекомендации по снижению рисков нештатных ситуаций, определять приоритетные направления для внедрения улучшений и модернизации оборудования.
Для обеспечения эффективного взаимодействия с моделью осуществляется разработка и исследование API с использованием FastAPI и языка Python. API взаимодействует с байесовской моделью, созданной в BayesFusion GeNIe. Модель реализует новый способ интеграции созданной байесовской сети с существующими приложениями на принципах REST API. Тем самым реализуется новый подход к управлению рисками. Описаны процессы создания API, тестирования его производительности и развертывание. В результате применения API достигается возможность оперативного управления рисками, что помогает операторам предотвращать аварийные ситуации.
Интегрированная модель построена в исследовательских целях для мониторинга рискового фона базовых станциях сети сотовой связи. Применение этой модели позволяет значительно повысить уровень автоматизации процесса управления рисками в ходе эксплуатации базовых станций сети сотовой связи.
The article presents a new approach to risk management of emergency situations at cellular network base stations. The diversity of emergencies arising on heterogeneous equipment under the influence of various external factors makes risk management a critically important task. The novelty lies in the creation of a mathematical model that accounts for this diversity, providing more accurate and comprehensive prediction of emergency situations. The model is based on a Bayesian network and generates real-time solutions in the form of probabilities of emergency occurrences, identifying critical points and potential threats to the base station's overall functionality. This helps generate recommendations for reducing risks, identifying priority areas for implementing improvements, and modernizing equipment. To ensure effective interaction with the model, an API is being developed and studied using FastAPI and Python. The API interacts with the Bayesian model created in BayesFusion GeNIe. The model implements a new method for integrating the developed Bayesian network with existing applications based on REST API principles, thus introducing a new approach to risk management. The article describes the processes of API creation, performance testing, and deployment. As a result of using the API, real-time risk management becomes possible, helping operators prevent emergency situations.
The integrated model was developed for research purposes to monitor the risk landscape of cellular network base stations. The application of this model significantly increases the level of automation in the risk management process during the operation of cellular network base stations.
The authors declare that there are no conflicts of interest present.