Интегратор GPU-серверов и рабочих станций · Россия и СНГ
8 (800) 350-70-73 · бесплатно по России  |  Условия поставки
Телеком и медиа · Прогнозная аналитика · Обнаружение аномалий

Оптимизация сети оператора: прогноз нагрузки и самонастройка RAN

ML-модели прогнозируют нагрузку на соты и транспорт, находят деградации до жалоб абонентов и подсказывают параметры RAN.

Точность прогноза трафика сотыMAPE 5–12 %
Энергопотребление RAN−10–20 % за счёт адаптивного отключения
Выявление деградацийна часы–дни раньше жалоб

Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.

Задача

Что решаем

Сеть мобильного оператора — десятки тысяч базовых станций и миллионы метрик в минуту. Инженеры эксплуатации видят проблемы по порогам KPI, то есть уже после того, как абоненты ощутили падение скорости или обрывы. Параметры сот настраиваются вручную и редко пересматриваются, хотя профиль нагрузки меняется по часам, дням недели и сезонам.

Энергопотребление — отдельная статья: радиочасть потребляет большую часть электроэнергии сети, при этом ночью многие соты работают на полной мощности при нулевой нагрузке. Экономия здесь измеряется процентами от одной из крупнейших статей OPEX оператора.

Как работает

Что делает ИИ

ClickHouseApache KafkaXGBoost/LightGBMPyTorchGrafana

Телеметрия из OSS и счётчиков базовых станций собирается в хранилище временных рядов, где модели прогнозируют трафик по каждой соте на часы и дни вперёд, а детекторы аномалий выявляют деградации качества, невидимые пороговым правилам. Рекомендации по параметрам передаются в системы SON или инженерам на согласование.

  • Прогноз загрузки сот и транспортных каналов для планирования расширений.
  • Раннее выявление деградаций: спящие соты, интерференция, отказы оборудования.
  • Энергосбережение: отключение несущих и MIMO-слоёв по прогнозу нагрузки.
  • Корреляция аварий с жалобами и приоритизация выездов.

Какие данные нужны

  • Счётчики и KPI базовых станций из OSS
  • Топология сети и параметры сот
  • Жалобы абонентов и заявки на ремонт
Железо · Данные и табличный ML · Один узел в стойке

Какая инфраструктура нужна

Профиль data: миллионы временных рядов и переобучение моделей по расписанию — нагрузка прежде всего на CPU, память и быстрое колоночное хранилище; GPU ускоряет обучение градиентного бустинга и нейросетевых прогнозов. Региональному оператору подходит сервер R7 PRO из раздела GPU-серверов с двумя GPU и NVMe-массивом на 20–50 ТБ под горячие данные; федеральному — несколько узлов RX PLUS с распределённым хранилищем. Отдел планирования может начать с рабочей станции W7 ULTRA из рабочих станций на выборке регионов. Узел размещается в ЦОД оператора рядом с OSS, чтобы не гонять терабайты телеметрии по WAN; интеграция с системами SON и тикетингом выполняется через стандартные API, а рекомендации проходят согласование инженера до применения в сети.

Сравнить конфигурации →  ·  Подобрать по ускорителю →

Внедрение

Как идёт проект

  1. 01

    Данные и цель

    Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.

  2. 02

    Пилот на нашей конфигурации

    Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.

  3. 03

    Инфраструктура

    Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.

  4. 04

    Сопровождение

    Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.

Смежные решения

Что ещё автоматизируют в отрасли «Телеком и медиа»

Все решения для отрасли →

Запрос КП · ответ в течение рабочего дня

Опишите задачу и данные.

Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

Обсудить внедрение