Preview

Вестник СибГУТИ

Расширенный поиск

Сбор данных о работе оборудования в сети мобильного оператора связи

https://doi.org/10.55648/1998-6920-2022-16-2-55-62

Полный текст:

Аннотация

Операторы мобильной сети передачи данных с ростом количества оборудования сталкиваются с увеличивающейся сложностью эксплуатации и растущими затратами на обслуживание. При увеличении количества базовых станций растет и количество сбоев. Современные технологические решения, основанные на алгоритмах нейронных сетей, способны заблаговременно с определенной вероятностью предсказать возникновение сбоев в работе оборудования. Для обучения модели нейронной сети требуются данные о работе и сбоях на оборудовании мобильной сети передачи данных. В данной статье рассказывается о выполненном сборе данных в сети мобильного оператора 4G+, об особенностях и ограничениях, которые в дальнейшем могут повлиять на обучение модели.

Об авторе

С. Б. Жанаева
СибГУТИ
Россия
Жанаева Сауле Бактыкереевна, аспирант, кафедра прикладной математики и кибернетики 

630102, Новосибирск, ул. Кирова, 86



Список литературы

1. Тихвинский В. О., Терентьев С. В., Коваль В. А. Сети мобильной связи 5G: технологии, архитектура и услуги. М.: Медиа Паблишер, 2019. 375 с.

2. Brink H., Richards J. W., Fetherolf M. Real world Machine Learning. US Manning Publications Co., 2017. 266 p.

3. Yin-Hsin Liu, Yao-Chung Tu, Chang-Yu Hsu, Hsin-Chieh Chao. Predicting malfunction of mobile network base station using machine learning approach // Proc. 20th Asia-Pacific Network Operations and Management Symposium (APNOMS), 18–20 September, Matsue, Japan. 2019. P. 1–4. DOI: 10.23919/APNOMS.2019.8892894.

4. Kumar Y., Farooq H., Imran A. Fault Prediction and Reliability Analysis in a Real Cellular Network // Proc. 13th International Wireless Communications and Mobile Computing Conference (IWCMC), Valencia, Spain, 2017. P. 1090–1095. DOI:10.1109/IWCMC.2017.7986437.

5. Corazza A., Isgro F., Longobardo L., Prevete R. A machine learning approach for predictive maintenance for mobile phones service providers // Advances on P2P, Parallel, Grid, Cloud and Internet Computing / Lecture Notes on Data Engineering and Communications Technologies. / F. Xhafa (Ed.). Springer International Publishing, 2017. DOI: 10.1007/978-3-319-49109-7_69.

6. Otani T., Toube H., Kimura T., Furutani M. Application of AI to mobile network operation // ITU Journal: ICT Discoveries. 2018. Special Issue. №. 1. P. 43–48.

7. Hu C., Youn B. D., Kim T. Semi-supervised learning with co-training for data-driven prognostics // Proc. IEEE Int. Conf. on Prognostics and Health Management: Enhancing Safety, Efficiency, Availability, and Effectiveness of Systems Through PHM Technology and Application, Denver, CO, USA. 18–21 June 2012. P. 1297–1306. DOI: 10.1109/ICPHM.2012.6299526.

8. Yousefia N., Tsianikasa S., Zhoua J. Coit D. W. Inspection plan prediction for multi-repairable component systems using neural network // Proc. IISE Annual Conference. / L. Cromarty, R. Shirwaiker, P. Wang (Eds.). Institute of Industrial and Systems Engineers, IISE, Virtual, Online, United States. 2020.

9. Schmidt B., Wang L. Cloud-enhanced predictive maintenance // Int J Adv Manuf Technol. 2018. № 99. P. 5–13. DOI 10.1007/s00170-016-8983-8.

10. Wei Wu, Feng Zhang, Min Liu, Weiming Shen. A Multi-agent Based Failure Prediction Method Using Neural Network Algorithm // Proc. IEEE International Conference on Systems, Man, and Cybernetics. San Diego, CA, 2014. P. 2268–2272. DOI: 10.1109/SMC.2014.6974263.

11. Karballaeezadeh N., Zaremotekhases F., Shamshirband S., Mosavi A., Nabipour N., Csiba P., Várkonyi-Kóczy A. Intelligent Road Inspection with Advanced Machine Learning; Hybrid Prediction Models for Smart Mobility and Transportation Maintenance Systems // Energies. 2020. № 13. P. 1718. DOI: 10.3390/en13071718.


Рецензия

Для цитирования:


Жанаева С.Б. Сбор данных о работе оборудования в сети мобильного оператора связи. Вестник СибГУТИ. 2022;(2):55-62. https://doi.org/10.55648/1998-6920-2022-16-2-55-62

For citation:


Zhanayeva S.B. Data collection concerning equipment operation in the network of a mobile operator. The Herald of the Siberian State University of Telecommunications and Informatics. 2022;(2):55-62. (In Russ.) https://doi.org/10.55648/1998-6920-2022-16-2-55-62

Просмотров: 26


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1998-6920 (Print)