Desejamos boas -vindas
ao treinamento
Jornada Técnico de Campo
Manutenção Preditiva - IA
Este curso tem como objetivo
ensinar a identificação, análise e
resolução de falhas em sites da
rede 4G Ericsson, utilizando
insights fornecidos pelo modelo
de machine learning da TIM,
que prevê a probabilidade de
falha e indisponibilidade do
serviço nos sites 4G.
Segue um resumo dos módulos
que serão apresentados.
Role para baixo.
Manutenção Preditiva - IA
Sumário:
✓ Módulo 1 - Introdução ao Machine Learning
✓ Módulo 2: KPIs utilizados no Modelo
✓ Módulo 3: Interpretação dos Resultados do Modelo
✓ Módulo 4: Diagnóstico e Resolução de Falhas
✓ Módulo 5: Boas Práticas de manutenção preditiva
em campo
Desejamos uma excelente jornada TIM TECH!
Role para baixo.
Módulo 1 - Introdução ao Machine Learning
Você sabe o que é aprendizado de Máquina , do inglês Machine
Learning?
É um ramo da inteligência artificial baseado na ideia de
Análise de
dados
Automatiza a
construção
de modelos
analíticos
Tomar
decisões
que sistemas podem aprender com dados, identificar
Machine
Learning
padrões e tomar decisões com o mínimo de
intervenção humana.
Ramo da
Inteligência
Artificial
Identificação
de padrões
Sistema
podem
aprender
com dados
Role para baixo.
Módulo 1 - Introdução ao Machine Learning
Componentes de um Modelo de ML
MÉTRICA : é um valor quantificável
usado para avaliar a performance do
modelo.
As métricas ajudam a entender quão
bem o modelo está se saindo em
relação ao objetivo desejado,
permitindo ajustes e melhorias.
DADOS : refere-se a
qualquer tipo de informação
que pode ser usada para
treinar um modelo ou para
fazer previsões. São
chamados de PREDITORES
ou variáveis independentes
OBJETIVO: é o alvo que o modelo busca
prever ou otimizar com base nos dados
fornecidos.
MODELO DE ML: é uma representação matemática ou computacional treinada para realizar tarefas
específicas, aprendendo a partir de dados e ajustando-se para fazer previsões ou tomar decisões com
base em novos dados.
Role para baixo.
Módulo 1 - Introdução ao Machine
Learning
Tipos de ML
Descoberta de
estruturas
Descoberta de
estruturas
O aprendizado de máquina pode ser classificado
em 3 tipos de algoritmos.
Visualização de
Big Data
Observe na imagem ao lado.
Role para baixo.
Role para baixo.
Compreensão
significativa
Módulo 1 - Introdução ao Machine Learning
Aprendizado Supervisionado
Na aprendizagem Supervisionada, um sistema de IA é
RETENÇÃO DE
CLIENTES
CLASSIFICAÇÃO DE
IMAGENS
DIAGNÓSTICO
DETECÇÃO DE
FRAUDE
apresentado com dados rotulados, o que significa que cada
CLASSIFICAÇÃO
dado é marcado com a etiqueta correta.
Os dados são rotulados para:
➢ Aprender padrões
➢ Fazer previsões ( prever uma classe discreta )
APRENDIZADO
SUPERVISIONADO
REVISÕES
Dados
Conhecidos
PRECIFICAÇÃO
Resposta
conhecida
NOVO DADO ->
NOVA
RESPOSTA
REGRESSÃO
OTIMIZAÇÃO DE
PROCESSOS
Role para baixo.
PREDIÇÕES
Módulo 1 - Introdução ao Machine Learning
LEVANTAMENTO DE
REQUISITOS
DESCOBERTA DE
ESTRUTURAS
Aprendizado Não Supervisionado
VISUALIZAÇÃO
DE
BIG DATA
COMPREENSÃO
SIGNIFICATIVA
São dados não rotulados utilizados para descobrir padrões ou
REDUÇÃO
DIMENSIONAL
estruturas subjacentes, concentrando-se em compreender as
características inerentes dos dados.
Usados
para
agrupar
(clusterização),
reduzir
a
dimensionalidade ou descobrir representações latentes nos
APRENDIZADO
NÃO
SUPERVISIONADO
SISTEMAS
RECOMENDADOS
dados, explorando sua estrutura e distribuição.
AGRUPAMENTO
SEGMENTAÇÃO DE
CLIENTES
Role para baixo.
MARKETING
DIRECIONADO
Módulo 1 - Introdução ao Machine Learning
Aprendizado por Reforço
APRENDIZAGEM DE
TAREFAS
IA DE JOGOS
Premissas básicas:
❖ Aprender por tentativa e erro;
❖ Objetivo de maximizar seu sucesso;
AQUISIÇÃO DE
HABILIDADES
❖ Uso de recompensas;
❖ Ocorre sem interferência humana e sem uma base
de dados para treinamento.
https://www.youtube.com/watch?v=gn4nRCC9TwQ
APRENDIZADO POR
REFORÇO
DECISÕES EM
TEMPO REAL
A Aprendizagem por Reforço é uma área da inteligência
artificial onde um agente, como este robô, aprende a
realizar tarefas interagindo com o ambiente. Através de
tentativa e erro, o agente recebe recompensas ou
penalidades baseadas em suas ações. O objetivo é
maximizar a recompensa total ao longo do tempo,
aprimorando suas estratégias e adaptando-se ao ambiente
para atingir seu objetivo, como aprender a andar de forma
eficiente. Clique no link abaixo da imagem.
NAVEGAÇÃO POR
ROBÔS
Role para baixo.
Módulo 1 Introdução ao
Machine Learning
Modelo de ML usado na Manutenção Preditiva TIM
Indústrias e empresas estão cada vez mais
avançando em suas transformações digitais,
adotando redes 4G, 5G, IoT e implementando
redes 5G privadas. Isso aumenta a complexidade
nas operações das redes devido à coexistência de
tecnologias novas e legadas, à presença de redes
híbridas com uma variedade de bandas de
frequência e espectros, e ao grande número de
dispositivos conectados.
Role para baixo.
Módulo 1 Introdução ao
Machine Learning
Modelo de ML usado na Manutenção Preditiva TIM
Esse cenário complexo gera uma grande quantidade
de dados. No nosso caso, trata-se dos big data de
alarmes e contadores estatísticos das redes. O uso
de ferramentas de Machine Learning torna-se
fundamental
para
correlacionar
esses
dados
armazenados e definir, por exemplo, a lista de sites
que devem ser priorizados no tratamento de
degradações,
visando
atender
aos
objetivos
estratégicos da operadora.
Role para baixo.
Módulo 1 Introdução ao
Machine Learning
Escopo do modelo de ML usado na Manutenção
Preditiva TIM
A identificação de Anomalias ocorre de acordo as premissas.
Atuação
Alarmes
Dados
Foco em
equipamento
considerando acesso
Acesso
Indisponibilidade
Parcial
Indisponibilidade
Total
Histórico de
alarmes
Histórico de
manutenção
KPIs de qualidade
Role para baixo.
Módulo 1 - Introdução ao Machine Learning
Etapas do Processo TIM
Monitoração
Antecipação
Alarmes
Identificação
de Anomalias
Abertura Ticket
Tratamento
Monitoração
de alarme
Abertura
Evento SS
Troubleshooting
Correlação
de Alarmes
Retenção
Evento
Tramitação para
Campo
Troubleshooting
Automático
Classificação
Evento
Dispatching
Priorização
Role para baixo.
Integração do
Modelo
Abertura
Task TOA
Política de
Roteirização
Pontuação
Duração
Dispatching
Check
Antes da geração do alarme/falha, é gerado
um ticket de manutenção preditiva
Roteirização
Capacidade
Dados do
modelo auxiliam
na priorização e
dispatching
Técnico recebe
os tickets já
priorizados
para atuação
Introdução – Manutenção Preditiva - IA
Modelo de ML usado na Manutenção Preditiva TIM Escopo
Técnicos de campo executam a manutenção
preditiva, enquanto N1, N2 e N3 realizam a
validação e encerramento do ticket.
Técnico recebe informações e
controle de acesso por meio
do WFM/TOA
Técnico realiza a
manutenção e preenche
o checklist padrão
inserindo na nota de
fechamento para
finalizar a tarefa
Role para baixo.
N1 responsável valida o
atendimento e fecha o evento.
N1 também verifica se novos
alarmes foram gerados durante a
predição.
Módulo 2
Interpretação dos
Resultados do
Modelo
Neste módulo, vamos aprender sobre os 20
KPIs usados no modelo para calcular as
predições de falha na rede 4G. Para ajudar no
entendimento, apresentaremos brevemente a
pilha de protocolos LTE nas fases de control
plane e userplane de alocação de recursos.
Role para baixo.
Módulo 2 Interpretação dos
Resultados do
Modelo
O modelo de Manutenção Preditiva utiliza dados dos KPIs de Qualidade
como preditores e dados de Alarmística na fase de treinamento do
modelo. Diariamente, são geradas as predições de acordo com os
padrões identificados durante o treinamento do modelo.
O resultado é uma lista de predições de NE ID, juntamente com sua
probabilidade de falha dentro de 7 dias.
1 - Dados
2 - Modelo
3 - Treinamento
4 - Resultado
Os dados são coletados e
preparados para serem
utilizados tanto na criação
das predições (KPIs de
Qualidade) quanto no
treinamento do modelo
(Alarmística).
O modelo de árvore de
decisão XGBOOST
processa os dados de
forma não linear para
encontrar padrões entre
os preditores e o
objetivo.
O modelo foi treinado
com os dados de
Alarmística, calibrando os
parâmetros com base no
que realmente ocorreu 7
dias depois da
manutenção.
Com os parâmetros
calibrados, as predições
são geradas,
identificando a
probabilidade de falha
de cada NE ID.
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Como citado
anteriormente, os
dados são coletados e
preparados para serem
utilizados tanto na
criação das predições
(KPIs de Qualidade) e
na calibração do
modelo (Alarmística).
Vamos conhecer os 20 KPIs de Qualidade usados
como preditores, ou seja as variáveis utilizadas na
primeira etapa do modelo pra prever ou estimar a
probabilidade de falha do equipamento 4G.
➢ CSFALLBACKATT
➢ TRAFEGOVOZALLOP4G
➢ VOLUMEDADOSDLULALLOP4G
➢ USERSACTIVEDATADLNEW
➢ USERSRABVOLTEMEANSUMNEW
➢ INTRAFREQHOSUCCOUT
➢ ACCERAB
➢ CQIMEAN
➢ THROUUSERPDCPDL
➢ TTIUTIL
➢ SINRPUCCH
➢ INTERFREQHOSUCCOUT
➢ PRBUTILMEANDLNEW
➢ IND34G
➢ DROPERAB
➢ THROUUSERPDCPUL
➢ SINRPUSCHNUM
➢ DISPCOMBTOTAL4GSEMFILTROOPE
➢ IRATSRVCCSUC
➢ ACC
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Pilha de protocolo LTE do Plano de usuário ( User Plane )
Antes de abordarmos os KPI utilizados, vamos revisar
brevemente a pilha de protocolos na rede LTE.
Remote Host
Remote Host
SGW / PGW
eNB
UE
APP
Conexão socket TCP/UDP fim-a-fim
Conexão socket IP fim-a-fim
TCP / UDP
GTP
GTP
PDCP
PDCP
UDP
UDP
RLC
RLC
IP
IP
MAC
MAC
PHY
PHY
TCP / UDP
Role para baixo.
eNB
Aplicação fim-a-fim
APP
IP
SGW/PGW
IP
S1-U protocol stack
IP
LTE Radio Protocol Stack
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Abaixo o significado de cada sigla utilizada:
1.
2.
3.
4.
5.
6.
7.
8.
9.
APP: Application Layer
TCP: Transmission Control Protocol
UDP: User Datagram Protocol
IP: Internet Protocol
GTP: GPRS Tunneling Protocol
PDCP: Packet Data Convergence Protocol
RLC: Radio Link Control
MAC: Medium Access Control
PHY: Physical Layer
Pilha de protocolo LTE do Plano de usuário
( User Plane )
Remote Host
SGW / PGW
TCP / UDP
IP
Role para baixo.
APP
Conexão socket TCP/UDP fim-a-fim
Conexão socket IP fim-a-fim
TCP / UDP
GTP
GTP
PDCP
UDP
IP
UDP
RLC
RLC
IP
MAC
PHY
MAC
S1-U protocol stack
### Protocol Stacks:
1. S1-U Protocol Stack: S1 User Plane Protocol Stack
2. LTE Radio Protocol Stack: Long Term Evolution
Radio Protocol Stack
UE
Aplicação fim-a-fim
APP
IP
eNB
PDCP
IP
PHY
LTE Radio Protocol Stack
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Pilha de protocolo LTE do Plano de controle ( Control Plane )
UE
eNB
SGW/PGW
MME
S-GW /P-GW
eNB
UE
NAS
NAS
GTP-C
GTP-C
S1-AP
S1-AP
RRC
RRC
UDP
UDP
SCTP
SCTP
PDCP
PDCP
IP
IP
L2
IP
IP
RLC
RLC
L2
L2
MAC
MAC
L1
L1
L1
PHY
PHY
L2
L1
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Pilha de protocolo LTE do Plano de controle
( Control Plane )
S-GW /P-GW
MME
eNB
UE
Abaixo o significado de cada sigla utilizada:
1. GTP-C: GPRS Tunneling Protocol - Control Plane
2. UDP: User Datagram Protocol
3. IP: Internet Protocol
4. L2: Layer 2
5. L1: Layer 1
6. NAS: Non-Access Stratum
7. S1-AP: S1 Application Protocol
8. SCTP: Stream Control Transmission Protocol
9. RRC: Radio Resource Control
10. PDCP: Packet Data Convergence Protocol
11. RLC: Radio Link Control
12. MAC: Medium Access Control
13. PHY: Physical Layer
GTP-C
UDP
IP
L2
L1
GTP-C
UDP
IP
L2
L1
NAS
S1-AP
SCTP
IP
L2
L1
S1-AP
SCTP
IP
L2
L1
RRC
PDCP
RLC
MAC
PHY
### Entidades:
1. S-GW / P-GW: Serving Gateway / PDN Gateway
2. MME: Mobility Management Entity
3. eNB: eNodeB (Evolved Node B)
4. UE: User Equipment
Role para baixo.
NAS
RRC
PDCP
RLC
MAC
PHY
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
CSFALLBACKATT ( tentativa de CS Fallback )
utilizado como preditor.
MME
O indicador apresenta o número de tentativas de
realização do procedimento CS Fallback, indicando a
utilização do serviço de voz (MOC, MTC ou Emergency
Call) sobre a rede Circuit Switch existente (GERAN ou
UTRAN), enquanto o dispositivo móvel está sendo servido
pela rede LTE.
Trigger: As tentativas são contabilizadas quando a eNodeB
de origem envia ao UE a mensagem "S1AP: RRC
Connection Release", após ter recebido do MME um
"S1AP: UE CONTEXT MODIFICATION REQUEST" ou um
"S1AP: INITIAL CONTEXT SETUP REQUEST", ambos
contendo um "CS Fallback Indicator". Ericsson: O indicador
abrange as tentativas para a rede GERAN e UTRAN (com
ou sem identificação de prioridade).
S1AP: UE CONTEXT
MODIFICATION
REQUEST OU
S1AP:INITIAL
CONTEXT SETUP
REQUEST
eNB
(ambas contendo “CS
FALLBACK INDICATOR”)
UTRAN – 3G
GERAN – 2G
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
TRAFEGOVOZALLOP4G ( tráfego de voz para todas as
operadoras 4G no site que tiver MOCN) utilizado como
preditor.
Apresenta o tráfego de voz, em erlang, na rede LTE
(VoLTE). A métrica é baseada na medida de “Session
Times”; considera-se que o E-RAB está "in Session" se
qualquer dado em um DRB (Data Radio Bearer) tiver
sido transferido na direção UL ou DL nos últimos 100
milissegundos.
Erlang: Um erlang representa o uso contínuo de um recurso (como
um canal de voz) durante um período de uma hora
A métrica TRAFEGOVOZALLOP4G apresenta a
segmentação somente para o tráfego VoLTE, também
considerando os eventos referentes aos usuários das
demais operadoras parceiras do RAN Sharing MOCN
(onde há compartilhamento dos recursos de hardware
entre todos os usuários).
Em termos de DRB do VoLTE, o Erlang continua a ser uma unidade
essencial para medir o tráfego de voz, ajudando a garantir que a
rede LTE esteja devidamente dimensionada e configurada para
oferecer um serviço de voz de alta qualidade. A medição do tráfego
de voz em Erlangs permite um planejamento eficaz da capacidade
e a otimização dos recursos de rede dedicados aos serviços VoLTE.
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
VOLUMEDADOSDLULALLOP4G ( volume de dados no uplink +
downlink para todas as operadoras 4G ) utilizado como
preditor.
Apresenta o volume de dados transmitidos ou recebidos na
camada PDCP, tanto no downlink quanto no uplink, e no espaço
amostral de todas as operadoras - Considera dados de todas as
operadoras participantes (em casos de compartilhamento
MOCN).
PDCP : Realiza a compressão do cabeçalho IP baseado em ROHC
(Robust Header Compression). O PCDP também é responsável
pela cifragem e proteção da integridade dos dados
transmitidos. No receptor o protocolo PDCP executa a
decifragem e a descompressão. Há uma entidade PDCP por
rádio Bearer configurado para cada terminal móvel. São elas:
✓ Criptografia;
✓ Compressão de cabeçalho;
✓ Segurança da Informação.
MOCN (Multi-Operator Core Network) é um tipo de compartilhamento de
rede onde várias operadoras de telecomunicações utilizam a mesma
infraestrutura de rede de acesso (RAN - Radio Access Network) para oferecer
seus serviços aos clientes.
✓ Compartilhamento de Infraestrutura.
✓ Eficiência de Custos.
✓ Melhoria na Cobertura e Capacidade.
✓ Independência Operacional.
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
USERSACTIVEDATADLNEW (Número Médio de usuários
ativos por célula ) utilizado como preditor.
Apresenta o número médio de usuários ativos com
dados em buffer no sentido de downlink. O número de
usuários com DRB (Data Radio Bearers) a serem
enviados é incrementado a cada TTI (1 milissegundo).
Usuários ativos são definidos como aqueles com dados
em buffer e pelo menos um DRB estabelecido.
Esse KPI fornece uma medida do uso efetivo da rede e é
comumente utilizado em relatórios que avaliam a
capacidade da rede e sua efetiva ocupação, como
relatórios das áreas de Otimização e Engenharia de
Rede.
eNB
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
USERSRABVOLTEMEANSUMNEW (Número de Usuários
QCI 1 – VoLTE) utilizado como preditor.
Este indicador apresenta o número médio de usuários ERABs por QCI 1 (VoLTE) por célula, ou seja, o Número Médio
de Usuários com ERAB VoLTE.
Esse KPI fornece uma medida do uso efetivo da rede para o
serviço de voz no LTE e, portanto, é uma visão comumente
utilizada em relatórios que avaliam a capacidade da rede e
sua efetiva ocupação, como relatórios das áreas de
Otimização e Engenharia de Rede.
E-RAB (Evolved Radio Access Bearer) representa a conexão
entre o núcleo da rede (core network) e o dispositivo do
usuário (UE - User Equipment) por meio da rede de acesso
rádio (RAN - Radio Access Network).
eNB
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
INTRAFREQHOSUCCOUT (Taxa de Sucesso do Handover
Intra Frequency) utilizado como preditor.
EU CONTEXT RELEASE COMMAND
Apresenta a taxa de sucesso de Handover Intra Frequency
Sainte (entre eNBs da mesma frequência), quando a
eNodeB de origem recebe a informação de que o
dispositivo móvel foi conectado com sucesso na célula de
destino. Este indicador é definido independentemente da
topologia adotada na rede (Intra eNB HO / Inter eNB HO
X2 ou S1).
Trigger: As tentativas são contabilizadas na transmissão de
um “RRC CONNECTION RECONFIGURATION”, enviado da
eNodeB para o dispositivo móvel indicando um Handover
Command e os sucessos são contabilizados na recepção
da mensagem “UE CONTEXT RELEASE COMMAND” na eNB
destino.
eNB DESTINO
eNB ORIGEM
RRC Connection (Radio Resource Control Connection) refere-se à
conexão de controle estabelecida entre o dispositivo do usuário (UE User Equipment) e a estação base (eNodeB).
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade ACCERAB (Taxa
de Sucesso de conexão E-RAB (Initial + Additional) )
utilizado como preditor.
Apresenta a taxa de sucesso em uma conexão E-RAB
para qualquer serviço (QCIs 1 a 9). São considerados
todos os E-RABs atribuídos, tanto no “Initial Context
Setup Procedure” (Initial E-RAB) quanto no “E-RAB Setup
Procedure” (Additional E-RAB).
Trigger: As tentativas são consideradas no recebimento
das mensagens “Initial Context Setup Request” ou “ERAB
Setup Request”. Os sucessos são considerados na
transmissão das mensagens “Initial Context Setup
Response” ou “E-RAB Setup Response”.
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade ACCERAB (Taxa
de Sucesso de conexão E-RAB (Initial + Additional) )
utilizado como preditor.
Apresenta o valor médio de CQI (Channel Quality Indicator)
reportado pelo dispositivo móvel. Nesta fórmula,
multiplicam-se as quantidades medidas pelos contadores,
ou seja, o número de amostras dentro de cada classe de
CQI, pelos respectivos fatores equivalentes a cada classe de
CQI, e então é feita uma média ponderada. Este indicador é
utilizado para avaliar a qualidade do canal de downlink.
eNB ORIGEM
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
THROUUSERPDCPDL (Throughput Médio PDCP (visão
usuário)) utilizado como preditor.
Apresenta o throughput médio por usuário na camada
PDCP nos sentidos downlink e uplink. Compreende o
período desde a transmissão do primeiro bloco de um
PDCP SDU do buffer para a interface aérea até a
liberação do buffer. O último TTI enviado sem dados
em buffer é desconsiderado
PDCP
SRB
DRB
PDCP (Packet Data Convergence Protocol) é uma camada do
protocolo nas redes LTE que realiza várias funções importantes
para a transmissão de dados. Entre essas funções, a compressão e
a decompressão de cabeçalhos IP (Internet Protocol) são algumas
das principais, especialmente no contexto dos DRBs (Data Radio
Bearers) e SRBs (Signaling Radio Bearers).
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade TTIUTIL (Fator de
Ocupação de TTIs) utilizado como preditor.
TTI - O Intervalo de Tempo de Transmissão (TTI) é
a unidade de tempo para o eNodeB programar
transmissões de dados UL e DL.
O KPI mostra a relação entre o número de TTIs
ativos no DL, ou seja, os TTIs com pelo menos um
UE agendado para receber dados de User Plane, e
o tempo total disponível para termos TTIs no
período.
eNB
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade SINRPUCCH
(SINR no canal PUCCH) utilizado como preditor.
Physical Uplink Control Channel (PUCCH): Este canal transporta informações de controle como o CQI, ACK/NACK em resposta as
transmissões de downlink e agendamentos de pedidos de uplink.
Canais Físicos
Donwlink
PBCH – Physical
Broadcast Channel
PCFICH – Physical
Control Format
Indicator Channel
PDCCH – Physical
Downlink Control
Channel
Uplink
PDSCH – Physical
Downlink Shared
Channel
PMCH – Physical
Multicast Control
Channel
PUCCH – Physical
Uplink Control
Channel
PUSCH – Physical
Uplink Shared
Channel
PHAICH - Physical
Hybrid ARQ
Indicator Channel
PRACH – Physical
Random Access
Channel
eNB
Este indicador apresenta o valor de SINR (Signal To Interference Plus Noise Ratio) no canal PUCCH por UE através do % de amostras
medidas em cada Range.
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
INTERFREQHOSUCCOUT (Taxa de Sucesso de Handover
Inter Frequency ) utilizado como preditor.
MME
Apresenta a taxa de sucesso do Handover Inter
Frequency (envolvendo frequências distintas), quando a
eNodeB de origem recebe a informação de que o móvel
foi conectado com sucesso na célula de destino. Este
indicador é definido independente da topologia
adotada na rede (intra eNB HO / inter eNB HO X2 ou
S1).
eNB
ORIGEM
Trigger: As tentativas são contabilizadas na transmissão
de um “RRC CONNECTION RECONFIGURATION”, enviado
da eNodeB para o móvel indicando um Handover
Command e os sucessos são contabilizados na recepção
da mensagem “UE CONTEXT RELEASE” na eNB destino.
eNB DESTINO
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
PRBUTILMEANDLNEW (Utilização de Physical Resource
Block) utilizado como preditor.
eNB
Apresenta o percentual de utilização de Physical
Resource Blocks (PRB) utilizados por TTI.
A alocação de capacidade na rede LTE é baseada
em Physical Resource Blocks. O número de PRBs
utilizados varia de acordo com a largura de banda
implementada. O PRB é divisão lógica estrutural
da camada PHY
O número de resource blocks designado a cada
usuário será definido pelo scheduler, baseado na
quantidade de dados a serem transmitidos.
eNB
UE
PDCP
RLC
MAC
PHY
APP
TCP / UDP
IP
PDCP
RLC
MAC
PHY
LTE Radio Protocol Stack
Role para baixo.
1 PRB consiste em 12 subportadoras
adjacentes, cada uma com uma
largura de banda de 15 kHz,
totalizando 180 kHz.
No domínio do tempo, um PRB cobre
um slot de 0,5 ms, que contém 7 ou 6
símbolos OFDM, dependendo do tipo
de prefixo cíclico (CP - Cyclic Prefix)
usado (normal ou estendido)
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
Módulo 2 - KPIs
utilizados no
Modelo - Dados
MAC: A camada MAC fornece a estrutura lógica do PRB,
gerenciando a alocação de recursos e o mapeamento de dados.
Alocação de Recursos: A camada MAC (Medium Access Control) é
responsável pela alocação lógica dos PRBs. O scheduler no
eNodeB gerencia a alocação dos PRBs para diferentes UEs com
base na demanda de tráfego, qualidade do canal e outras
considerações.
Ainda sobre o Physical Resource Block – PRB, precisamos citar que
utiliza as estruturas da camada física (PHY) para a estruturação dos
códigos OFDM nas 12 subportadoras de 15 kHz e a camada de
controle de acesso ao meio (MAC) para a estruturação lógica do PRB
eNB
eNB
UE
PDCP
RLC
MAC
PHY
APP
TCP / UDP
IP
PDCP
RLC
MAC
PHY
Mapeamento de Dados: A camada MAC mapeia os dados dos UEs
para os PRBs de maneira eficiente, assegurando que os recursos
de rádio sejam utilizados de forma otimizada.
Controle e Sinalização: A camada MAC também lida com aspectos
de controle e sinalização, como a transmissão de mensagens de
controle (por exemplo, informações sobre agendamento de uplink
e downlink) que são essenciais para a coordenação e operação da
rede LTE.
PHY: O PRB utiliza as estruturas da
camada física para a modulação
OFDM nas 12 subportadoras de 15
kHz.
1 PRB consiste em 12 subportadoras
adjacentes, cada uma com uma
largura de banda de 15 kHz,
totalizando 180 kHz.
No domínio do tempo, um PRB cobre
um slot de 0,5 ms, que contém 7 ou 6
símbolos OFDM, dependendo do tipo
de prefixo cíclico (CP - Cyclic Prefix)
usado (normal ou estendido)
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
15KHz
LTE Radio Protocol Stack
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade IND34G
(Taxa de Sucesso de conexão E-RAB (Initial +
Additional)) utilizado como preditor.
Apresenta a taxa de sucesso numa conexão E-RAB para
qualquer serviço (QCIs 1 a 9). São considerados todos
os E-RABs atribuídos, tanto no Initial Context Setup
Procedure (Initial E-RAB) como no E-RAB Setup
Procedure (Additional E-RAB).
Trigger: tentativas são consideradas no recebimento
das mensagens “Initial Context Setup Request” ou
“ERAB Setup Request”. Sucessos são considerados na
transmissão das mensagens “Initial Context Setup
Response” ou “E-RAB Setup Response”.
Role para baixo.
MME / SGW
eNB
Módulo 2 - KPIs
utilizados no
Modelo - Dados
E-RAB (Initial + Additional) A troca de sinalização no E-RAB
Setup Procedure ocorre principalmente na camada NAS
(Non-Access Stratum) e na camada RRC (Radio Resource
Control)
MME
eNB
UE
UE
NAS
eNB
NAS
GTP-C
S1-AP
S1-AP
RRC
RRC
UDP
IP
L2
L1
SCTP
SCTP
PDCP
PDCP
IP
L2
L1
IP
RLC
RLC
L2
L1
MAC
MAC
PHY
PHY
MME
O procedimento de configuração do E-RAB (E-RAB Setup Procedure) é iniciado pelo MME (Mobility Management Entity). O MME
envia a mensagem de solicitação de configuração do E-RAB (E-RAB Setup Request) para o eNodeB quando é necessário configurar
um novo E-RAB para o UE (User Equipment). Isso pode acontecer, por exemplo, quando um novo serviço ou uma nova conexão
de dados precisa ser estabelecida
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade DROPERAB
(Taxa de Queda de Conexão E-RAB) utilizado como
preditor.
Apresenta a taxa de releases anormais durante conexão
E-RAB ativa.
Trigger: mensagem “UE
Context Release Command”
ou “E-RAB RELEASE
COMMAND” enviada da
eNodeB para o MME.
UE Context Release
Command
MME
UE Context Release
Complete
eNodeB
MME / SGW
RRC Connection Reconfiguration
(Release E-RAB)
E-RAB Release Command
MME
eNodeB
E-RAB Release Response
eNB
RRC Connection Reconfiguration
Complete
UE
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
THROUUSERPDCPUL (Throughput Médio PDCP (visão
usuário)) utilizado como preditor.
Apresenta o throughput médio por usuário na
camada PDCP no sentido uplink.
Compreende o período desde a transmissão do
primeiro bloco de um PDCP SDU do buffer para a
interface aérea até a liberação do buffer. O último
TTI enviado sem dados em buffer é
desconsiderado.
MME / SGW
Role para baixo.
eNB
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade SINRPUSCHNUM
(SINR no canal PUCCH) utilizado como preditor.
Physical Uplink Shared Channel (PUSCH): É mapeado no canal de
transporte UL-SCH e contêm os dados dos usuários.
Canais Físicos
Donwlink
PBCH – Physical
Broadcast
Channel
PCFICH –
Physical Control
Format Indicator
Channel
PDCCH –
Physical
Downlink
Control Channel
Uplink
PDSCH –
Physical
Downlink Shared
Channel
PMCH – Physical
Multicast
Control Channel
PUCCH –
Physical Uplink
Control Channel
PUSCH –
Physical Uplink
Shared Channel
PHAICH Physical Hybrid
ARQ Indicator
Channel
PRACH –
Physical
Random Access
Channel
eNB
Este indicador apresentar o valor de SINR (Signal To Interference Plus Noise Ratio) no canal PUSCH por UE através do
% de amostras medidas em cada range.
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
DISPCOMBTOTAL4GSEMFILTROOPE (Taxa de
Disponibilidade Combinada Total) utilizado como preditor.
Apresenta a taxa de disponibilidade da célula levando em
consideração a relação entre o tempo em que a célula esteve
provendo serviço e o tempo total observado, sem desprezar
quaisquer causas de bloqueio.
Devido às características da rede 4G, a taxa de disponibilidade total
oficial é calculada a partir de uma combinação entre contadores
estatísticos e alarmes.
O resultado da DISP_COMB_TOTAL será uma agregação condicional de
duas outras métricas: DISP_COUNTER_TOTAL e DISP_ALARM_SYSTEM.
Para o cálculo, cada ROP será avaliado pelo fluxograma de seleção, e
será selecionado para a contabilização do ROP da DISP_COMB_TOTAL:
ou o ROP da DISP_COUNTER_TOTAL, ou o ROP da
DISP_ALARM_SYSTEM.
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade
IRATSRVCCSUC (Taxa de Sucesso de Handover
SRVCC ) utilizado como preditor.
Apresenta a taxa de sucesso de Handover SRVCC (
Single Radio Voice Call Continuity ) na eNodeB, usando
handover para transferir chamadas de voz no LTE para
outra tecnologia. Apenas chamadas de voz são
incluídas no handover que serão finalizadas no
domínio CS.
eNB
UTRAN – 3G
A métrica IRAT_SRVCC_SUC considera no Numerador
as parcelas de Sucesso na Execução e no Denominador
as parcelas de Requisição na Preparação do SRVCC.
GERAN – 2G
Domínio PS: MME / SGW / PGW
Domínio CS
Domínio CS: ENC / BDC / MSC
Role para baixo.
Domínio PS
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Agora vamos conhecer o KPIs de Qualidade ACC (Taxa de
ACESSIBILIDADE ) utilizado como preditor.
Este indicador apresenta a taxa de sucesso numa conexão
para qualquer serviço (QCIs 1 a 9), considerando o
processo de estabelecimento da conexão RRC e do Initial
UE Context Setup Procedure. É considerado o
estabelecimento do default bearer, também chamado
Initial E-RAB.
Trigger: na fase RRC, compreende o envio da mensagem
“RRC Connection Request” do UE para eNB e recebimento
de “RRC Connection Setup Complete” de UE para eNB.
Retentativas de acesso não são contabilizadas. Na fase
Initial E-RAB, consiste no recebimento das mensagens
“Initial Context Setup Request” pela eNB e “Initial Context
Setup Response” pelo MME.
MME / SGW
eNB
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Vamos entender o Fluxo de Mensagens para
ACC = ACC_ERRC * ACC_ERAB_INI
Nos diagramas abaixo, podemos ver a sequência numerada
de mensagens trocadas entre EU, eNodeB, MME e SGW.
ACC_ERRC : sequência de mensagens para fase RRC
Connection Setup Complet
. RRC
4. Initial UE Message
e
3
RC Connection Request
1. R
9. RRC Connection Reconfiguration
Complete
UE
2. RRC Connection Setup
10. Initial Context Setup Respanse
5. Create Session Request
MME
eNodeB
7 . Initi
al Context Setup Request
SGW
6. Create Session Response
8 . RR
C Connection Reconfiguration
Role para baixo.
Módulo 2 - KPIs
utilizados no
Modelo - Dados
Vamos entender o Fluxo de Mensagens para
ACC = ACC_ERRC * ACC_ERAB_INI
Nos diagramas abaixo, podemos ver a sequência numerada
de mensagens trocadas entre EU, eNodeB, MME e SGW.
ACC_ERAB_INI: sequência de mensagens para ERAB_INI
3. RRC Connection Reconfiguration Complete
4. E-RAB Setup Respanse
eNodeB
UE
2 . RR
C Connection Reconfiguration
MME
1. E-RAB Setup Request
Role para baixo.
PARABÉNS!
Você acaba de finalizar o Módulo
Manutenção Preditiva - IA
Mas você pode consultar este material,
sempre que tiver dúvidas!
Clique no X do seu navegador para concluir o curso.