5G网络建设逐步步入“深水区”，这对网络维护能力提出了更高要求。传统的网络运维模式存在主动维护意识弱、故障交织诊断难、技术支撑响应慢等问题，而面对提升网络质量和降低运营成本的双重压力，行业需加快推进网络运营维护的数智化转型，提升网络运行的自动化、智能化水平，因此打造智能化移动通信网络运维解决方案势在必行。安徽移动通过开展故障隐患预防预测、故障智能压缩诊断、AR辅助运维等能力的研究及应用，强化高质量发展支撑，锻造5G精品基础网络。

　　提运维效率，保网络平安

　　安徽移动提出基于“AI+AR”的智能化移动通信网络运维解决方案，通过智能“三步走”（如图1所示），即隐患早发现、故障诊断准、问题解决快，抓实抓细抓好移动通信网络运维的各个环节，打造坚实稳固的运营商基础网络。故障隐患预防预测借助AI特征挖掘预测潜在的网络隐患，指导企业提前处理以规避严重故障。故障智能压缩诊断基于AI算法自学习与告警间的关联关系搭建“故障树”模型，智能诊断故障“根因”，指导企业快速维护处理。AR辅助运维则解放劳动力，帮助企业利用AR人机交互完成机房巡检、故障排查、资源核对等工作，监管“最后一公里”运维质量。

图1 安徽移动智能“三步走”运维解决方案

　　故障隐患预防预测

　　该方案基于基站历史告警、性能指标、OMC日志等大数据信息，AI建模训练出基站异常检测模型，及时发现高温隐患、前传光链路隐患、退服隐患等设备潜在问题，提前介入处理并减少严重故障的发生。例如对单板温度日志、机房工参、风扇转速等数据进行特征挖掘，基于ARIMA算法预测单板温度变化趋势，通过离群识别技术提前预警高温隐患。再如对光口收发光功率、光模块型号、前传距离、偏置电流等数据进行特征挖掘，通过自动编码器进行特征降维和异常链路筛选，构建LightGBM模型预测光路隐患（如图2所示）。

图2 隐患预测能力实现原理

　　故障智能压缩诊断

　　该方案基于E-FP Growth算法挖掘告警频繁项，通过告警时空关联性计算，挖掘各类告警同现概率，识别与同一故障关联的相关告警，进而发现根源告警。而后，基于告警因果逻辑等推理关系，借助专家经验及随机森林算法搭建“故障树”模型，将根源告警与告警“故障树”进行规则匹配，智能定位故障“根因”，输出故障处理建议，支撑一线维护人员进行故障处理。AR辅助运维该方案基于深度学习目标检测进行AR智能巡检，依托AR设备巡检的向导式自动扫描，通过语音和图像引导人员执行检查项，实时识别设备隐患。结合OCR文字识别、二维码识别，构建空间、物理、逻辑、业务四维一体的网络资源体系，实现资源数据“保鲜”闭环。打造交互式辅助排障，基于虚拟技术的前后台协同，将故障拓扑可视化，快速引入专家经验，引导用户便捷排障，有效支撑现场工作人员处理问题。

　　现网部署：“三步走”方案成效显著

　　据悉，智能“三步走”运维解决方案已在安徽移动现网部署，云侧智能识别网络隐患、诊断故障“根因”，端侧同步部署AR机房巡检、AR辅助排障等能力，云端协同使能故障端到端自动化处理，覆盖事前、事中、事后不同时间节点，助力企业每年节约数百万元运维成本。

　　事前隐患排查，提前规避故障风险。隐患预防预测方案的高温预测准确度达85%，平均提前5.4天识别高温隐患，使夏季设备退服率降低3%。前传故障预测和前传隐患预防识别准确率达87%，业务受损时长平均减少10%。

　　事中“根因”定位，精准识别故障原因。故障智能诊断方案将基于告警的派单机制升级为基于故障“根因”的派单机制，将同一故障触发的多条告警融合为1张故障工单派发，并将故障“根因”挂接在工单中，减少了25%的无效工单，使故障处理效率提升30%。

　　事后辅助运维，提效“最后一公里”。AR机房巡检解决方案已执行上万次机房巡检任务，巡检自动化率超过80%，巡检准确性达到85%，累计发现近千处隐患问题。AR辅助排障通过手机APP近端获取告警信息，可视化呈现故障拓扑，通过高效引导步骤，指导问题排查，使故障平均处理时长缩短20%。

　　打造永久在线的优质网络

　　将“AI+AR”技术引入移动通信网络运维中，为运营商打造智能化数字技术创新体系，进一步强化了数字中国建设的关键能力。安徽移动将继续把握数字化发展的历史机遇，紧抓大数据价值挖潜、AI注智赋能、算力驱动三个重点方向，拥抱数字经济新“蓝海”，为社会民生和工业智造打造永久在线的优质网络。