NexGen Comms
要約
このクライアントは、米国のティア1モバイル通信事業者であり、世界最大級の通信会社の一つです。LTTSは同社のために2つのプログラムを実施しましたが、いずれも「人間の反応」を「設計された予測」に置き換えるという同じ方向性で進められました。
ネットワーク分野では、LTTSはAIを活用したアドバイザリー型の意思決定支援システムを構築し、無線アクセスサポートを「事後対応型」から「先見型」へと転換しました。このシステムは、20TBを超えるリアルタイムデータ、履歴データ、コンテキストデータ、専門家データを基にした異常検知モデルであり、サービスに影響を与える障害を24時間以上前に特定することを目標として設計されています。 商用面では、LTTSはすべての卸売ブランドの立ち上げの前提となるネットワーク・サービステストを自動化し、回帰テストのサイクルを数時間・数日から数分に短縮しました。
ケーススタディの全文をお読みください。いつでも、どこでも
ケーススタディをダウンロード課題
全国規模のラジオネットワークでは、些細な不具合が絶えず発生しており、その都度、事業者は顧客からその事実を知らされることになる。障害管理はアラーム駆動型であり、アラームは単なる「受領証」に過ぎない。つまり、すでに何かが故障したことを確認するだけだ。その後、現場への出張対応が行われ、チケットが発行される。
同様の事後対応的な姿勢は、卸売事業にも見られた。通信事業者のネットワーク上で新しいMVNOブランドを立ち上げるには、サプライチェーンに関わる複数のベンダーチームと連携し、あらゆる環境において手動によるテストを行う必要があった。リードタイムが長く、サービスの稼働率に関するレポートもなく、サービス品質の低下を示す最初の兆候は、顧客体験に関するチケットの発生だった。
通信事業者は、両方の分野において同じことを求めていました。それは、いち早く把握することでした。
工学における複雑性
どちらの問題も、デモでは明らかにならない理由から難しいのです。
アラームは警告ではなく、確認の合図です。
アラームチャネルにもノイズが多い。ある通信事業者の7日間のデータセット（550万件以上のアラーム）を分析した結果、その約49％がチャタリングアラームであり、フィルタリングによって完全に除去されたことが判明した。予測は、アラームストリームではなく、パフォーマンスデータに基づいて行わなければならない。
最悪の失敗は、まったく警戒心を抱かせない。
業界ではこれを「スリーピングセル」と呼んでいる。特許の明細書では、これは加入者がモバイルサービスを利用できなくなるセル障害と定義されているが、ネットワークの観点からはネットワークは依然として稼働しているように見え、運用センターにはアラームが届かない。これを発見するには、障害ではなくトラフィックのパターンを分析する必要がある。
ほとんど何も失敗しない、それこそが問題なのだ。
これは深刻なクラス不均衡の問題です。約1万基の基地局からなる実際の通信事業者のネットワーク（各基地局には約12個の交換可能なコンポーネントがある）を対象とした査読済み研究によると、年間で交換される故障コンポーネントはわずか数百個にとどまることが判明しました。学習に利用できる豊富なラベル付き故障データセットが存在せず、モデル下ではネットワークが絶えず変化し続けています。
一括立ち上げは、組み合わせ試験の問題である。
新しいブランドが追加されるたびに、音声、SMS、MMS、データ通信に加え、データ利用枠の超過後の通信速度制限などのポリシー動作についても再検証が必要となります。これは、環境、デバイス、OSのバージョンを横断して行われ、そのプロセスにはサードパーティも関与しており、各インターフェースはTM Forum Open APIおよびGSMAの仕様に基づいて評価されます。
予測型RAN：AIを活用した意思決定支援システム
このシステムは、ネットワークデータを事後的に分析するのではなく、過去のデータ、状況情報、専門家からの情報を併せて活用し、リアルタイムのネットワークデータを継続的に評価します。ハードウェアの障害、バックホールの品質低下、ソフトウェアの障害は、それぞれ異なるデータに異なる特徴を残すこと、また、ラベル付けされた障害事例が少なすぎて1つのアプローチではこれら3つすべてを網羅できないことから、個別にモデル化されています。 本システムは、運用チームに対して異常や障害のアラートを発信します。ネットワークを変更するかどうかは、その責任を負う担当者の判断に委ねられます。
卸売向けサービス開始保証：ネットワーク・サービスの自動テスト
LTTS IntelliAgentプラットフォームは、あらゆる環境において、実機上で音声、SMS、MMS、およびデータを無人状態で検証し、同一スイート内で卸売向けのWebおよびモバイルアプリケーションを網羅しています。サービスの可用性は継続的に監視されるため、「サービスは稼働しているか？」という疑問は、答えの出ないままではなく、レポートとして報告されるようになります。 また、データ利用枠の期限切れ後の通信速度制限など、手動による回帰テストではほとんどカバーされないポリシー状態についてもテストが行われます。
ビジネス成果
何が変わったのか
時間と日を分に変換
なぜ信頼できるのか
デバイスベースのサービステストやUIワークフローは、複数のベンダーチームが手動で実行するのではなく、環境をまたいで無人実行されます。
何が変わったのか
テスト設計の工数を45～50％削減、効率を75％向上
なぜ信頼できるのか
TM ForumおよびGSMAの仕様に基づいて構築された再利用可能なフレームワークにより、新しいブランドごとに、ケースをゼロから作成するのではなく、検証済みのスイートをそのまま引き継ぐことができます。自動化により、手動サイクルで多大な時間を占めていた待ち時間（環境設定、チーム間の引き継ぎ、手動による結果の記録など）が解消されます。
何が変わったのか
有効期限切れ後のスロットリングに関する不具合が発見されました
なぜ信頼できるのか
加入者ではなく、テストスイートによって発見された、稼働中の顧客体験上の不具合。
何が変わったのか
事後対応型から事前検知型へ
なぜ信頼できるのか
顧客がチケットを発行する前に、表面の可用性に関するギャップを継続的かつ自動的に検知します。以前は、サービスの稼働時間に関するレポートがまったく存在しませんでした。
何が変わったのか
設計目標：95％の信頼水準で24時間以上
なぜ信頼できるのか
このシステムは、そのリードタイムに合わせて仕様が定められ、構築されたものであり、それによって保守作業が「派遣待ちリスト」から「スケジュール」へと変わるのです。
何が変わったのか
1年間で20 TB、ストリーミング配信
なぜ信頼できるのか
Elastic Containers への Kafka データ取り込み。リアルタイムデータに加え、履歴データ、コンテキスト情報、専門家の知見を基にスコアリングを行う。
何が変わったのか
ダウンタイムが10～15％減少、生産性が5～8％向上
なぜ信頼できるのか
回転機器や旧式機器を対象とした、類似の予知保全プログラムに基づくベンチマークをモデル化したものである。その仕組みは「リードタイム」にある。つまり、予定された作業は緊急対応よりもコストが低く済む。
実践におけるエンジニアリング・インテリジェンス
データサイエンスにとどまらない、ドメインの深み。
データサイエンスだけでは、誰も活用できないモデルしか生み出せなかっただろう。テスト自動化ベンダーだけでも、欠陥のあるプロセスをより迅速に自動化できただろう。その違いは、AIや自動化エンジニアリングと融合した無線ネットワーク分野の専門知識にあった。
実際の故障の物理現象に基づいて構築されたモデル。
3つの故障ファミリー、3つの特徴、3組の変数。だからこそ、その出力結果は現場を担当する技術者にとって信頼できるものであり、説明のないスコアではなく、優先順位付けされたアドバイスとして提示されるのです。
業界独自の仕様に基づいて試験済みです。
TM ForumのオープンAPIやGSMAの仕様であり、特定の通信事業者の独自の解釈ではない。それこそが、このスイートを、一から書き直すのではなく、次の卸売ブランドでも再利用可能にしている理由である。
成功事例
