基于人工智能的工单画像方法研究.pdf

Vol.43No.3Sep.2023Shandong Communication Technology第43卷第3期2023年9 月山东通信技术基于人工智能的工单画像方法研究陈璇，钱玉东，周婧，赵静（中国联通山东省分公司，山东济南2 50 10 0）摘要：介绍一种运营商内部工单的管理思路与实现方法，通过获取各工单系统的全量工单数据，对工单内容进行特征分析、画像，以实现工单多维度分析、工单处理经验树总结，从而协助各工单处理部门精准定位故障原因。同时，提供全面的工单执行情况统计分析，用于工单查询、人员考核、问题溯源。关键词：工单画像；人工智能；一键查询1引言在网络运维领域，工单处理是发现、处理故障的渠道，以及执行设备网元、线路割接的依据。及时的工单处理能够保证网络稳定安全，对提升用户感知也十分重要。2需求分析2.1背景工单来自不同设备厂家的本地网管系统及多个跨部门协作工单系统，所以工单量多且分散，不同系统也会重复派单，导致工单处理效率较低，影响故障解决的及时性。工单查询时，运维人员需要同时打开多个浏览器界面以查询某个网元、操作的工单内容，需要频繁登录不同的工单系统、访问底层数据库，可能会影响系统的性能。目前的工单处理主要存在以下问题：（1）工单查询需要人工手动查询多个页面，导致执行效率低下、对数据库的压力加大。（2）工单处理主要依靠处理人员的主观经验，导致处理方式不够规范化（3）工单总结需要人工登录不同的工单系统，导出工单数据，人工统计分析故障情况、网络操作情况和工单执行情况。（4）工单提醒需要让工单处理人实时接收到的提醒方式，以保证及时性2.2设计目标针对工单画像的需求，基于人工智能的工单画像系统要做到以下几点：（1）建立标准数据库网络运维工单分为故障工单、业务调度工单，每种工单分为省内工单、集团工单，据此建立不同的数据库表单。故障工单涵盖工单编号、故障专业、工单类型、归属省市、网元名称、包机人、故障标题、故障原因、故障发生时间、故障修复时长等字段的数据库表单；业务调度工单涵盖工单编号、工单主题、专业、操作部门、创建时间、处理人、签发人、签发时间、反馈时间、归属模块等字段的数据库表单（2）工单的采集、解析、人库数据采集：利用网络爬虫技术，获取各网管系统或者网站许可，按照一定的正则规则，匹配工单信息，实现工单的采集。数据解析：把获取到的工单数据按照某种方式解析到系统的数据库中。数据人库：完成解析后，通过数据库接口入库。同时，收稿日期：2 0 2 3-0 6-14作者简介：陈璇（19 9 1-），女，工程师，研究方向为网络数字化运营。E-mail：c h e n x 2 0 5 c h i n a u n i c o m.c n392023年山东通信技术可以根据条件对数据进行查询（3）建立多维度工单画像分析机制故障工单分析机制包括工单统计、网元故障率统计、包机人处理情况统计、超时工单统计、总体故障情况统计。调度工单分析机制包括工单统计、工单执行情况、超时工单统计、网络操作情况汇总（4）建立工单数据可视化功能能够自动导出画像结果：工单统计情况、故障工单统计情况、调度工单统计情况。设计原理依托图1中的三个模块实现数据果集数据保集平台自动米集入片各工单系统数据入库人工维护数据库数据分析王单解析平台数据可视化工单鑫湖工单商像工单提阶二单数据库图1设计原理图综上，基于人工智能的工单画像系统利用网络爬虫技术抓取所有工单详情进行集中管理，建立不同的表单进行存储分类，然后根据分类对工单按照专业、故障、包机人、工单处理情况等多维度进行分析；按照分析结果，实现工单的集中控制、一键查询、工单画像，分析结果以报表形式导出3系统总体设计3.1平台架构系统架构设计从最底层的数据访问到最上层的用户应用，如图2 所示，主要分为四个层面。外部接口UI层工单查询工单画像工单提醒业务解析层故障工单解析各工单系统接口调度工单解析业务逻层故障工单提取调度工单提取工单解析规则数据库接口数据访问层数据库图2 系统架构图(1）数据访问层根据业务需求和相应的数据转换规则，通过各工单系统接口和数据库接口，实时监听页面并提取工单数据、建立标准数据库，存放到整个系统的最底层，（2）业务逻辑层实现故障工单提取、业务调度工单提取以及制定工单解析规则的功能（3）数据解析层实现工单数据解析的功能，通过工单解析规则，对不同类型工单进行多维度画像分析，并将结果存人数据库中。(4）U I 层即用户界面层，维护人员可以直观看到。用户层面能够实现工单的一键查询，获取工单画像分析结果，以及自动推送工单到单提醒、工单超时提醒消息3.2系统功能3.2.1数据采集采集对象为运营商网络线的各工单系统，包括全部故障工单和业务调度工单。采集方式是打通各工单系统的登录接口，利用网络爬虫技术自动登录进行工单爬取，按照HTML框架逻辑，运用正则表达式和json工具，将工单详情字段匹配出来，并存放在数据库中。工单采集流程如图3所示。各工单网站网络爬虫模块网页库解析模块工单数工单数据解析规据库则库图3工单采集流程（1）整合工单网站，存储到网页库中。（2 打通各网站、系统的接口，实时监测各工单网站，利用网络爬虫技术提取工单内容。（3）设定工单解析规则，对获取的工单页面数据按照解析规则库进行工单数据标准化处理，并存储到工单数据库中。40陈璇，等：基于人工智能的工单画像方法研究第3期3.2.2工单画像（1）建立多维度工单画像分析机制，对工单进行分析、画像。具体流程如图4所示。工单获取关联设备包机人信息将超时信息录入判断工单是否超时到断工单包机人任务考核信息库类型录入录入故障工单调度工单关联包机人信息设备故障率统计设备网分析络割接情况关联包机人信息建立故障经建立网络操验库作汇总库结束图4工单画像流程1）将获取到的网络工单，按照设备和包机人对应关系，关联包机人信息2）逐一判断工单是否超时。如果超时，将超时信息录人包机人任务考核信息库中3）逐一判断工单类型,将工单分为故障工单（告警、故障相关）和调度工单（网络割接升级等操作相关）。4）对故障工单进行设备故障率统计分析。按照发生时间，统计单网元的故障次数，以及网元故障率的日环比、周环比、月环比等信息，并将包机人所包机设备的故障率情况录人包机人任务考核信息库。5）按照故障内容，根据故障标题统计故障工单的数量，对故障次数较多的故障进行典型分析，包括故障标题、涉及网元、故障范围；归纳故障解决方案，建立故障解决经验库。6）对调度工单进行设备割接升级等操作统计分析，建立网络操作汇总库，并将包机人所包机设备的网络操作情况录人包机人任务考核信息库。其中步骤4）、5）具体流程图如图5所示。故障工单分析方法按发生时间按故障内容统计单设备故障次统计典型故障数实时更新计算设备故障率的建立故障解决经验日环比、周环比、库月环比设备包机人任务考核信息库图5故障工单分析流程（2）提取新工单中的故障内容，匹配故障解决经验库和网络操作汇总库，提供故障工单修复建议，并通过钉钉推送、短信发送方式及时提醒包机人。具体的流程如图6 所示。各工单系统实时监测新故障工单根据设备名称套询网络操作汇总库该设备是否存是在网络操作否足否属于网络香操作影响范围故障解决经验库是该故障由出于网络给出修复建议发送包机人操作引起修复建议通过短信或包机人反馈原因钉钉推送给包机人解决故障、回复工单更新图6 新工单处理流程1）实时监测到新故障工单到单。2）按照工单中的设备名称查询网络操作汇总库中当前时间是否有网络操作。如无，则匹配故障经验解决库，自动给出修复建议，并通过短信或者钉钉推送给包机人；如有，则进行步骤3。上接第34页412023年山东通信技术3）判断该故障是否属于网络操作影响范围。如是，则该故障是因网络操作引起，通过短信或者钉钉推送给包机人；如否，则进行步骤4)。4将故障发送包机人，收集包机人反馈的处理建议，并将建议更新到故障经验解决库中。5）包机人按照建议解决故障，回复工单3.2.3数据可视模块本系统可视化主要通过自动生成excel报表、自动推送钉钉消息工单提醒的方式实现，包括以下内容：（1）大区全部工单的一键查询。（2）工单画像报表，包括一键工单自动统计、自动典型故障分析、故障解决经验树归纳、网元操作执行情况、网元包机人考核指标等。(2)上行RB预留上行RB预留为5G语音用户保留特定位置和数量的资源，以确保语音质量。语音用户优先使用预留资源，如果用尽，会继续分配非预留资源，按照正常流程进行调度，而非语音用户不得使用预留资源。可以在高话务或高语音用户场景下启用，以更有效保障语音服务质量。4优化方案实际应用某运营商以基于VoNR感知优化的KPI&KQI指标门限为标准，对各项指标进行优化。开展终端、覆盖、丢包、时延、容量等多维度的联合定位分析，针对2.6 G商用网络的语音测试数据，成功解决了2 15个问题点，高丢包用户比例从4.6 8%降至1.8%，MOS值达到3.0以上的用户比例从9 6.59%增至9 9.6 6%。5结论针对VoNR语音通话中出现的质量问题进行深人研究和优化探索，通过收集大量VoNR语音测试数据并进行细致分析，构建MOS语音质量与关键绩效指标之间（3）工单提醒，能够对接钉钉接口，按照规则自动推送工单到单、工单超时提醒消息4结论基于人工智能的工单画像系统针对工单来自多个跨部门协作工单系统、量多且分散的痛点，实现了各工单系统工单数据的智能获取，对工单内容进行特征分析和特征画像，实现多维分析、经验树总结，从而为各工单处理部门提供工单处理经验库，以更准确地定位故障原因；提供全面的工单执行情况统计分析，用于工单查询、人员考核、问题溯源，便于直观管控高故障率网元，有效提高维护人员工作效率、故障解决及时率。的拐点关系，研究RTP指标对语音质量的影响，并建立基于VoNR感知优化的KPI&KQI指标门限标准。通过对语音质量与覆盖指标、RTP丢包率、RTP时延、RTP抖动等关键因素的关联分析，得出优化VoNR语音质量的关键策略。优化方案的实际应用效果显示，通过调整覆盖、端到端、容量等关键参数，能够成功提高语音通话质量，降低丢包率，优化用户体验。该方案弥补了传统方法的局限性，为后续提升VoNR语音质量提供了参考。参考文献：1魏俊峰.VoNR语音RTP丢包自顶向下自动化分析工具的研究及实现 J.电信快报,2 0 2 2.2王耀祖，张洪伟，吴磊.5GNR语音解决方案分析.邮电设计技术,2 0 19.3陈科勇.5GVoNR语音解决方案及优化方法.新型工业化，2 0 2 2.4李贝，刘光海，肖天，等.VoNR语音解决方案应用研究 J.电信科学，2 0 2 2.5魏芹.VoNR的演进策略研究与实践 J.江苏通信,2 0 2 2.