5G智能化网管技术预研项目立项申请书
项目名称：5G智能化网管技术预研项目
文档编号：
版本号： V1.40.00
作者： 赵晗
审核：
批准：
版权所有
大唐移动通信设备有限公司
本资料及其包含的所有内容为大唐移动通信设备有限公司(大唐移动)所有,受中国法律及适用之国际公约中有关著作权法律的保护。未经大唐移动书面授权，任何人不得以任何形式复制、传播、散布、改动或以其它方式使用本资料的部分或全部内容，违者将被依法追究责任。
模板编号：DTM.TX.05.6043 版本：V1.0.0 2016-02-15开始实施
模板更新记录
|
日期 |
更新人 |
版本 |
备注 |
|
|
|
|
|
|
2018.03.01 |
陈怡、赵晗、陈伟、齐怀超 |
V1.0.0 |
创建初稿 |
|
2018.04.08 |
陈怡、赵晗、陈怡、赵晗、陈伟、齐怀超 |
V1.1.0 |
根据内部讨论意见修改； |
|
2018.4.12 |
赵晗 |
V1.20.00 |
根据评审意见更新； |
|
2018.4.30 |
赵晗 |
V1.30.00 |
根据研发中心领导专家评审后意见修改； |
|
2018.5.9 |
赵晗 |
V1.40.00 |
根据评审意见修改； |
|
|
|
|
|
目录
1 引言.... 1
1.1 编写目的... 1
1.2 预期读者建议... 1
1.3 参考资料... 1
1.4 缩写术语... 1
2 项目概述.... 2
2.1 需求来源和背景介绍... 2
2.1.1 技术价值... 2
2.2 项目目标和范围... 2
2.2.1 目标与范围... 2
2.2.2 考核指标... 3
2.3 预研项目类型... 4
2.4 项目目标分析... 4
2.5 交付物及其时间... 4
2.6 TR1评审结论... 5
3 技术方案.... 5
3.1 产品/技术结构... 6
3.2 产品/技术主要功能和特色... 6
3.2.1 主要功能描述... 6
3.2.2 CBB的使用和产出说明... 7
4 项目团队的构成及角色说明.... 7
4.1 项目团队构成... 7
4.2 角色及职责说明... 8
5 项目资源需求分析.... 8
5.1 人员需求分析... 8
5.2 预算需求分析... 8
6 项目计划（进度计划+文档计划）.... 9
7 市场需求分析.... 9
7.1 市场现状、前景分析和发展趋势... 9
7.2 项目综合效益分析... 10
8 项目实施的风险和应对措施.... 10
9 其他.... 10
10 引用的模板.... 10
1 引言
1.1 编写目的
本文档通过分析“智能化网管技术预研”项目的背景、国内外相关技术状态及外部需求目标等内容，说明发起本预研项目的缘由。
1.2 预期读者建议
公司领导、项目承担部门经理、经营管理部、财务部等相关审核人员、项目经理、研发经理、子项目经理、计划经理等。
1.3 参考资料
|
作者 |
文献名称 |
日期 |
|
信科院 |
移动通信网络智能化能力分级 |
2018 |
|
中国移动 |
关于《移动通信网络智能化能力分级》的研究建议 |
2018 |
|
TC5-WG6 |
人工智能和大数据在无线通信中的应用研究报告 |
2018 |
|
周志华 |
机器学习 |
|
|
|
|
|
ü ITU-T在2017.11月的SG13会上成立了ITU-T Focus Group on Machine Learning for Future Networks including 5G (FG-ML5G)；
ü 3GPP在2017.5月的SA WG2 Meeting #121会上通过了Study of enablers for Network Automation for 5G SI的立项；
ü ETSI - ISG ENI- Experiential Networked Intelligence
ü ETSI - ISG ZSM- Zero touch Network & Service Management
ü ISO/IEC JTC 1 — Information Technology ：SC7；SC34；SC36；SC40；JTC1；
ü 中国移动：关于《移动通信网络智能化能力分级》的研究建议
ü TC5-WG6-2018-013r1-人工智能和大数据在无线通信中的应用研究报告
1.4 缩写术语
|
缩写、术语 |
解释 |
|
5G |
|
|
AI |
|
|
ITU-T |
|
|
3GPP |
|
|
ETSI |
|
|
Spark |
|
2 项目概述
本次预研项目以基础的人工智能技术应用于网管应用为目标，通过研究可用于智能化技术以及算法应用的业务场景为出发点，结合对于机器学习算法的研究和引入将传统的业务处理流程通过机器学习算法来进行智能化运算并输出结果，同时在过程中还涉及到对于参与运算的数据定义以及业务流程知识的抽象和提取。
本项目的人力需求为正式人力30人月，正式人力按照30万/人年，人力预算75万元。费用预算：30万元。项目总预算：105万元。
本项目的项目工期为2018年1月至2018年12月。项目编号：PD-BY-18-Y-03。
2.1 需求来源和背景介绍
|
提出人 |
需求来源 |
|
研发中心
上海子公司大数据产品线；
移通事业部网管项目； |
本预研项目根本的需要来源是来自中国移动，根据目前对外的技术以及规范要求讨论和定义文件中已经明确要求在未来5G网络中需要添加智能化运维与管理能力。由此原因引入，公司相关的产品和业务线未来的项目产品中需要具备智能化能力，例如：在网络优化中使用智能化方案或者在网络管理维护中实现智能化网管能力。 中国移动在5G的网络运维未来的技术演进要求与指导意见中明确提出“网络智能化”发展方向要求，当前针对智能化技术在通信网络中的应用已经成立了众多技术和规范的研究小组正展开相关技术与规范的研究和定义。当前已知国内的其它两大运营商(中国联通、中国电信)在针对5G的技术体系规范研究中也均加入了“智能化”的课题内容，因此从未来客户的目标要求分析智能化也属于产品的必选项内容。 |
2.1.1 技术价值
基于上述分析，本次预研所涉及内容从现实需求以及技术前瞻等多个角度分析均具备重要的意义。短期内可以将预研成果应用在既有的网管系统中，长远看此项技术在未来的系统中有广泛的应用需求和场景。
建立本次预研项目并最终达成目标，最直接的价值在于后续产品能够满足客户的技术规范要求；其次预研项目所涉猎的内容与竞争对手相对差距较为接近，通过预研项目的执行能够维持并有可能缩小这种差距。
目前未发布有正式的技术规范，但是未来的技术规范形成的基础就是目前相关研究文档中所提出并展开探索的内容。
2.2 项目目标和范围
2.2.1 目标与范围
由于本预研项目本身的研究的是相对新兴、缺乏实践的内容，因此研究目标和范围以机器学习技术引入并结合基础的业务场景进行智能化验证。选择传统网管系统中的性能监测业务为智能化应用目标场景，研究AI方法在性能阈值监测中的适应度和应用方法，从而熟悉和掌握AI在网络运维和优化的应用方式，项目将设定并展开如下活动：
- 分析现网性能阈值（固定）设置及监测业务流程；
- 挖掘分析指标监测的性能数据关联关系及变化规律；
- 研究机器学习的主要技术和主流框架，并结合该场景，制定适合应用的AI规则；(三方参与内容：针对算法研究以及算法输出)
- 结合实际网络数据，搭建验证环境，验证AI规则应用方式及效果；(三方参与内容：算法调优)
2.2.2 考核指标
技术KPI考核指标：
|
考核项 |
考核内容 |
考核结果 |
|
智能化技术应用方案 |
以电信网络或者网管为应用基础，给出引入智能化处理的应用方案；其中需要以在网管系统中引入智能化算法来实现性能阈值的动态设置为应用目标进行针对性的分析与设计。 1、机器学习的技术应用与框架研究报告 2、智能性能阈值监测的设计实现方案 |
相关设计以及方案文档评审通过 |
|
数据源接入能力 |
满足智能化阈值设置所需的数据的采集、过滤、整合要求，采集接口需要支持FTP、文件、消息以及数据库这四种通用方式，其中还包含多种数据的整合和格式设计方案。 |
定义对应的考核验收测试用例，用例结合定义场景验证通过 |
|
形成专家知识库 |
通过预研过程提取出业务对应的专家知识库，知识库可以是业务处理流程也可以是组织化数据 |
定义对应的考核验收测试用例，用例结合定义场景验证通过 |
|
满足性能阈值动态设置的AI算法 |
|
定义对应的考核验收测试用例，用例结合定义场景验证通过 |
|
阈值告警准确率 |
阈值告警触发准确率大于等于80% |
|
|
CBB指标 |
根据预研项目工作，提炼生成1件CBB:《限定条件下的性能阈值动态配置应用算法包》； |
输出1件CBB |
项目管理考核指标：
|
考核项 |
考核内容 |
考核结果 |
|
进度计划执行 |
计划完成率 |
各阶段性任务工期偏差率≤5% |
|
质量 |
技术指标中的功能、性能、技术、CBB内容达成情况； |
完成预设目标并通过相应的评审； |
|
预算执行 |
预算执行率 |
预算执行≤95% |
|
其他管理指标 |
项目规范性 |
无项目管理违规项目 |
2.3 预研项目类型
本项目属于技术预研项目，旨在通过对智能化技术与算法应用的研究达到将智能技术应用到公司商业项目和产品的目标，为满足未来客户的产品技术规范要求以及应用智能化技术做好技术和方案储备。
2.4 项目目标分析
本预研项目的研究核心是以既有的性能阈值业务为基础，通过研究如何将AI算法引入到该业务处理流程中通过算法与数据的结合能够根据实际网络或网元状态动态的设置性能阈值值，进而准确触发阈值告警。
通过本次技术预研最终达成以下两个方面的产品价值：
ü 产品的发展紧跟技术趋势，为产品的发展演进提供基础技术保障；
ü 满足客户的技术规范要求，确保当客户的规范强制提出智能化要求时，能够具备快速满足的基础；
2.5 交付物及其时间
|
交付件 名称 |
交付 形式 |
交付件描述 |
交付时间 |
验收标准 |
备注 |
|
机器学习的技术应用与框架研究报告 |
文档 |
通过结合实际业务的机器学习算法应用实践活动，定义在网管应用系统中AI的应用落地方案，包含：环境准备、算法集成、接口调用、结果响应输出 |
2018年8月31号 |
评审通过 |
|
|
智能性能阈值监测的设计实现方案 |
|
1、 根据能够通过机器学习算法并结合性能阈值的业务逻辑以及阈值判断的专家知识库获得最终可用的算法模型； 2、 研究设计具体算法模型应用落地方案以及外围支撑系统的实现方案； |
2018年10月31号 |
评审通过 |
|
|
智能性能阈值监测测试规范 |
|
方案可用性测试/效率测试/准确率测试 |
2018年11月20号 |
评审通过 |
|
|
智能性能阈值监测测试报告 |
|
|
2018年12月15号 |
评审通过 |
|
|
集成测试环境 |
|
运行环境、交付代码 |
2018年11月10号 |
|
|
2.6 TR1评审结论
TR1评审通过，项目继续开展后续活动。
3 技术方案
性能阈值主要是通过对网元性能指标值设定对应的上下限值，当实际指标值达到或者低于设定的上下限时触发告警来告知运维人员网元可能出现了不健康的运行状态并且需要进行人工干预。在当前的网管系统中这种阈值上下限值的判断和设置都是由运维人员基于长期的经验积累或者感性的认识来完成的，在这种情况下就造成所设置的上下限值与实际场景情况存在较大的差异，导致无法准确判断网元的运行状态或者出现频繁的误判，造成这种不准确和误判的原因主要是由于固化的利用经验而忽略真实的场景条件，片面的通过某些数据值来推导结论。
因此在预研方案中根据需要完成的工作内容将系统分为三个部分：数据接入源、AI分析系统、网管系统。每个系统负责来完成动态阈值设置并最终触发出阈值告警的相关工作，每个部分相互关联相互配合。
3.1 产品/技术结构
3.2 产品/技术主要功能和特色
3.2.1 主要功能描述
从功能和技术描述三个部分所实现的内容如下：
ü 数据接入源
当前系统中没有可以直接用于AI计算的算法数据，已有的数据零散且格式不固定。通过数据接入源将从系统的不同位置将所需要的数据按照时间、内容、格式的要求提取出来，在这个过程中还涉及到数据的过滤、整合等一系列的处理过程，最终按照AI算法所要求的内容与格式输出到指定的位置或者接收方接口。目前主要面向的数据按照种类包含：性能数据、告警数据、测量数据(测量数据包含：MR数据，CDL数据)。
ü AI分析系统
AI分析系统主要是通过已训练的可用机器学习算法对数据接入源所提供的准实时数据进行运算并最终获得目标阈值的上下限值。在AI分析系统中包含两个核心组件：算法与专家知识库。同时AI分析系统还实现了与网管系统的交互接口，通过交互接口能够将计算的结果反馈到网管系统中，交互接口主要需要考虑接口的多样适配性以满足不同场景下网管系统需求和功能的多样性。
ü 网管系统
预研方案中网管系统属于既有的系统存在，为了在系统之上应用智能化的阈值设置功能并且尽量减少对既有系统改造程度或是降低对既有系统的侵入性，需要在网管系统中添加与AI分析系统之间的接口，其定义要求与AI分析系统中接口定义是相互对应的。
3.2.2 CBB的使用和产出说明
|
CBB名称 |
功能描述 |
交付计划 |
|
限定条件下的性能阈值动态配置应用算法包 |
对应特定一类(一定是通用的)性能阈值在满足数据输入的时间、类型要求的情况下输出应该设置的阈值上限或者下限值。
|
2018年12月 |
4 项目团队的构成及角色说明
4.1 项目团队构成
核心组成员：
|
序号 |
岗位名称 |
核心组成员 |
|
1 |
项目经理 |
赵晗 |
|
2 |
研发工程师 |
陈怡 |
|
3 |
研发工程师 |
白泽文 |
|
4 |
研发工程师 |
田山 |
4.2 角色及职责说明
预研项目负责人：负责预研项目的进度、质量、关键技术、风险问题解决。
解决方案设计负责人：负责各项关键技术研究及选型、算法设计及建模、风险问题的解决。
开发验证负责人：负责平台构建、计算算法实现和验证、风险问题的解决。
5 项目资源需求分析
5.1 人员需求分析
项目人力汇总表
单位：人月
|
人力投入 |
正式 |
费用化 |
合计（正式+费用化） |
|
2018年 |
30 |
0 |
30 |
|
合计 |
30 |
0 |
30 |
具体见附件：
5.2 预算需求分析
项目费用汇总表
单位：万元
|
费用投入 |
整机 |
板卡 |
资产 |
其他费用 |
合计 |
|
2018年 |
/ |
/ |
/ |
30 |
30 |
|
合计 |
/ |
/ |
/ |
30 |
30 |
注：其他费用，包括：2名外包：14万元/人年； 差旅费用：2万元；具体见附件。
项目总成本汇总表
单位：万元
|
成本投入 |
人力投入 |
费用投入 |
合计 |
|
2018年 |
75 |
30 |
105 |
|
总计 |
75 |
30 |
105 |
注1：正式人力 30万/人年；
6 项目计划（进度计划+文档计划）
关键里程碑和时间节点表（进度计划，TR评审计划）
|
里程碑名称 |
起止时间 |
主要成果和输出物 |
|
应用方案设计 |
2018年4月15日至2018年10月31日 |
1、机器学习的技术应用与框架研究报告 2、智能性能阈值监测的设计实现方案 |
|
集成测试方案 |
2018年7月15日至2018年11月20日 |
1、 可执行预定测试用例的环境(含基础数据)； 2、 智能性能阈值监测测试规范 |
|
集成测试 |
2018年11月20日至2018年12月15日 |
智能性能阈值监测测试报告 |
文档计划：
|
序号 |
文档名称 |
版本号 |
计划提交时间 |
计划发 布时间 |
作者 |
|
1 |
《机器学习的技术应用与框架研究报告》 |
|
2018年8月15日 |
2018年8月31日 |
陈怡 |
|
2 |
《智能性能阈值监测的设计实现方案》 |
|
2018年10月20日 |
2018年10月31日 |
赵晗 |
|
3 |
《智能性能阈值监测测试规范》 |
|
2018年11月01日 |
2018年11月20日 |
白泽文 |
|
4 |
《智能性能阈值监测测试报告》 |
|
2018年12月01日 |
2018年12月15日 |
田山 |
7 市场需求分析
7.1 市场现状、前景分析和发展趋势
人工智能以及与之相关的机器学习算法等技术的应用在国内外均处于起步发展阶段，得益于计算机技术、网络技术的成熟和进步，以及大数据应用的成熟与普及，人工智能中机器学习这一分支技术逐步走向市场推广和应用阶段：一方面通过引入机器学习来对海量数据进行分析计算，发掘数据的价值，衍生出新的业务和应用；另一方面将机器学习引入到传统行业的既有系统处理流程中，增强或替换原有的业务处理方式同时获得更深层次的业务模型。
从目前掌握的研究与市场状态资料分析，在通信领域无论是无线侧、网络侧以及管理与维护领域智能化的研究与应用均处于起步阶段，如何在通信领域应用人工智能相关技术并最终产生价值还未有突破性的进展，当前还处于研究如何将人工智能技术与通信领域进行结合并落地应用阶段，例如中国移动当前也仅仅是给出了关于《移动通信网络智能化能力分级》的研究建议，整体的产品化进程还处于起步阶段，院校以及机构在理论研究方向相对步伐比较超前但缺乏实践基础。
7.2 项目综合效益分析
本预研属于技术预研，预研成果对公司公网在网络运维、网络管理、网络优化的智能化进程将起到技术带头作用和有力的推动作用，为后续智能化技术在5G网络中的应用奠定基础，本次预研的成果将在如下几个方面得到展现：
（1） 智能化技术在后续5G网络中应用的基础；
（2） 满足客户产品技术规范中对于智能化的要求；
（3） 为公司后续的相应的产品开发提供技术积累、决策帮助，有助于快速推出相应的产品；
8 项目实施的风险和应对措施
|
风险分类 |
风险描述 |
风险级别 |
保障措施 |
责任人 |
|
技术风险 |
目前研发中心对人工智能、智能算法没有积累 |
高 |
通过与院校合作由院校负责这部分的工作内容； |
赵晗 |
|
技术风险 |
初选了使用性能阈值作为智能化目标，但是对于实现以及落地还存在很多不确定性 |
中 |
尽快与院校展开这方面的论证工作；如果存在不可行性则进行方向切换 |
赵晗 |
9 其他
无。
10 引用的模板
l DTM.TX.05.5855《项目人力投入计划表》
l DTM.TX.05.5802《项目预算表》
l DTM.TX.05.5732《项目文档计划模板》
l DTM.TX.05.6042《预研项目计划书》
l DTM.TX.05.403《产品需求列表》
l DTM.TX.05.5542《产品包需求列表》