Разработка AI-системы предиктивного обслуживания сети

Разработка AI-системы предиктивного обслуживания сети

Телеком-сеть — тысячи активных элементов: базовые станции, коммутаторы, маршрутизаторы, оптические усилители. Превентивная замена компонентов по расписанию дороже предиктивного: до 60% замен происходит досрочно. ML-система прогнозирует отказы по трендам KPI и SNMP-телеметрии.

Телеметрия сетевых элементов

Источники данных для предиктивного анализа:

data_sources = {
    'snmp_traps': {
        'protocol': 'SNMP v2c/v3',
        'frequency': 'event-driven + 5-min polling',
        'examples': ['linkDown', 'authenticationFailure', 'cpuThreshold']
    },
    'netflow_ipfix': {
        'measures': 'flow statistics, traffic matrix',
        'frequency': '1-min aggregates'
    },
    'syslog': {
        'content': 'structured error/warning messages',
        'volume': '10k-100k events/hour на medium network'
    },
    'performance_counters': {
        'for_base_stations': ['RSSI', 'SINR', 'handover_success_rate', 'RRC_setup_failure'],
        'for_routers': ['cpu_util', 'memory_util', 'interface_error_rate', 'bgp_route_flaps'],
        'for_optical': ['optical_power_dbm', 'chromatic_dispersion', 'OSNR']
    }
}

Модели деградации сетевых элементов

Предиктивная модель для базовых станций:

import pandas as pd
import numpy as np
from lightgbm import LGBMClassifier

def build_bs_failure_predictor(training_data: pd.DataFrame) -> LGBMClassifier:
    """
    Предсказание отказа базовой станции за 7 дней.
    Признаки: тренды KPI за 7/14/30 дней + hardware counters.
    """
    feature_groups = {
        # Тренды KPI
        'kpi_trends': [
            'rssi_trend_7d', 'sinr_trend_7d', 'handover_sr_trend_7d',
            'rrc_failures_trend_7d', 'vswr_trend_7d'  # antenna mismatch
        ],
        # Статистика оборудования
        'hw_metrics': [
            'cpu_util_avg_30d', 'cpu_util_max_7d',
            'memory_util_avg_30d', 'temperature_max_30d',
            'fan_speed_deviation',   # аномальная скорость вентилятора
            'power_consumption_trend'
        ],
        # История событий
        'event_history': [
            'alarm_count_7d', 'critical_alarm_count_30d',
            'restart_count_90d', 'hw_error_count_7d'
        ],
        # Контекст
        'context': [
            'age_years', 'vendor_encoded', 'climate_zone',
            'traffic_load_avg_30d'  # высоконагруженные стареют быстрее
        ]
    }

    all_features = [f for group in feature_groups.values() for f in group]

    model = LGBMClassifier(
        n_estimators=300,
        learning_rate=0.05,
        scale_pos_weight=15,  # ~6% BS имеют отказы в 30-дневном окне
        metric='average_precision'
    )
    model.fit(
        training_data[all_features],
        training_data['failure_in_7d']
    )
    return model

Feature Engineering для трендов:

def compute_kpi_trends(kpi_series: pd.Series, windows=[7, 14, 30]) -> dict:
    """
    Slope тренда + волатильность за несколько окон
    """
    trends = {}
    for w in windows:
        recent = kpi_series.tail(w)
        if len(recent) >= 3:
            x = np.arange(len(recent))
            slope, intercept = np.polyfit(x, recent.values, 1)
            trends[f'slope_{w}d'] = slope
            trends[f'std_{w}d'] = recent.std()
            trends[f'mean_{w}d'] = recent.mean()
            trends[f'min_{w}d'] = recent.min()
    return trends

Оптический транспорт (DWDM)

Мониторинг деградации оптического тракта:

def analyze_optical_degradation(optical_samples: pd.DataFrame,
                                  channel_id: str) -> dict:
    """
    DWDM каналы: рост дисперсии или снижение OSNR предшествует битовым ошибкам.
    Тренд за 30 дней → прогноз превышения порога.
    """
    channel_data = optical_samples[optical_samples['channel_id'] == channel_id].sort_index()

    # Тренд OSNR
    osnr_trend = compute_kpi_trends(channel_data['osnr_db'])['slope_30d']
    current_osnr = channel_data['osnr_db'].iloc[-1]

    # Прогноз: через сколько дней OSNR упадёт ниже порога (15 дБ для 100G)
    osnr_threshold = 15.0
    if osnr_trend < 0:
        days_to_threshold = (current_osnr - osnr_threshold) / abs(osnr_trend)
    else:
        days_to_threshold = float('inf')

    # Оптическая мощность
    power_deviation = abs(channel_data['rx_power_dbm'].iloc[-1] -
                          channel_data['rx_power_dbm'].mean())

    return {
        'channel_id': channel_id,
        'current_osnr': current_osnr,
        'osnr_trend_db_per_day': osnr_trend,
        'days_to_osnr_threshold': round(days_to_threshold, 1),
        'power_deviation_db': round(power_deviation, 2),
        'maintenance_recommended': days_to_threshold < 14 or power_deviation > 3
    }

Классификация типов отказов

Мультиклассовая модель + интерпретация:

from sklearn.ensemble import RandomForestClassifier
import shap

failure_types = [
    'hardware_failure',      # физический отказ компонента
    'software_crash',        # баг ПО / переполнение памяти
    'overload',              # перегрузка трафиком
    'configuration_error',   # человеческий фактор
    'power_issue',           # проблема питания
    'optical_degradation'    # деградация оптики
]

def classify_failure_type(fault_features: pd.DataFrame) -> dict:
    """
    Помогает dispatch команде: software_crash → удалённый rebоot,
    hardware_failure → выезд инженера.
    """
    model = RandomForestClassifier(n_estimators=200, class_weight='balanced')
    # (в реальности модель предварительно обучена)

    probabilities = model.predict_proba([fault_features.values])[0]
    predicted_class = failure_types[np.argmax(probabilities)]

    dispatch_recommendation = {
        'hardware_failure': 'field_engineer_required',
        'software_crash': 'remote_reboot_and_monitoring',
        'overload': 'traffic_rerouting_capacity_upgrade',
        'configuration_error': 'rollback_config_change',
        'power_issue': 'check_ups_and_power_supply',
        'optical_degradation': 'schedule_fiber_inspection'
    }

    return {
        'failure_type': predicted_class,
        'confidence': float(max(probabilities)),
        'dispatch': dispatch_recommendation[predicted_class],
        'probabilities': dict(zip(failure_types, probabilities.tolist()))
    }

Интеграция с NOC

Приоритизация тикетов: Риск-скор = P(failure) × business_impact × customer_count. Топ-20 элементов по риску — в приоритетную очередь NOC. Интеграция с ServiceNow, Remedy, Jira Service Management через REST API.

Сроки: SNMP телеметрия + базовая аномалия + алерты NOC — 3-4 недели. LightGBM failure predictor, оптический мониторинг, классификация типов отказов, CMDB интеграция — 2-3 месяца.