Prevendo quedas de chamadas de telecomunicações com a inteligência artificial

Na área de telecomunicações, uma queda de chamada ocorre quando uma chamada em uma rede wireless é desconectada antes de ser encerrada pelo chamador. Essas quedas acontecem por vários motivos. A cobertura inadequada, como falta de infraestrutura de torres, planejamento inadequado da rede e não otimização das redes, pode afetar muito a estabilidade da rede. Às vezes, a capacidade da rede simplesmente não é aumentada no mesmo ritmo que o uso, o que resulta em redes sobrecarregadas.

As situações diárias comuns também podem afetar a cobertura da rede. Os prédios com muitos andares em uma cidade podem fazer com que os assinantes dos prédios vizinhos percam a recepção de sinal. Além disso, alternar entre torres (como quando alguém está viajando ou se movimentando enquanto usa o telefone) poderá aumentar o número de quedas de chamadas sempre que a chamada for transferida de uma estação rádio base (BTS) para outra, principalmente no caso de redes sobrecarregadas.

Esta solução demonstra um caso de queda de chamada de telecomunicações que usa os seguintes produtos IBM:

  • IBM Cloud Pak® for Data
  • IBM Watson® OpenScale™
  • Cognos® Analytics.

Na solução, os dados podem vir de várias fontes de bancos de dados, como um Db2® Warehouse na instância do IBM Cloud Pak for Data, ou outras fontes externas, como IBM Db2 on Cloud, Netezza Performance Server, um banco de dados Oracle ou um banco de dados Postgres.

A virtualização integra todos eles em uma só fonte de banco de dados. Usando um serviço integrado de notebook, um modelo de série temporal prevê as quedas de chamadas nas próximas 24 horas, e há um modelo de previsão dessas quedas para cada torre de celular. A qualidade e a imparcialidade desses modelos são monitoradas usando o Watson OpenScale. Um painel do Cognos Analytics mostra uma visão regional geral dos cenários de quedas de chamadas. Com a ajuda do Watson OpenScale, o modelo de série temporal é exibido em um gráfico, junto com as melhorias de desempenho do modelo.

Esse caso de uso oferece uma solução completa, que começa com:

  • Coleta e agregação dos dados
  • Desenvolvimento e monitoramento dos modelos de aprendizado de máquina usados para prever as quedas de chamadas de determinada torre de celular
  • Criação, gerenciamento e implementação de um painel para obter insights sobre o sistema integrado de aprendizado de máquina

O desenvolvimento desta solução consiste em:

  • Consultar fontes de dados distribuídas como uma só fonte
  • Monitorar seus modelos de aprendizado de máquina
  • Desenvolver painéis no Cognos Analytics do IBM Cloud Pak for Data
  • Prever, gerenciar e monitorar as quedas de chamadas das torres de celular usando o IBM Cloud Pak for Data

Consultar fontes de dados distribuídas como uma só fonte: virtualização de dados para análise de dados

Os dados podem residir em vários data marts. E a virtualização de dados do IBM Cloud Pak for Data pode realizar a integração de dados perfeitamente. A virtualização de dados pode se conectar aos dados onde quer que eles estejam e oferece a capacidade de visualizá-los, acessá-los, manipulá-los e analisá-los sem a necessidade de saber ou entender o formato e local físicos deles. Ela cria tabelas virtuais para unir dados de diferentes fontes e, depois, permite fazer consultas na tabela virtual resultante.

Saiba como é possível alcançar a virtualização em várias fontes de dados com um banco de dados Oracle hospedado no Amazon Web Services com IBM Cloud Db2 Warehouse e IBM Db2 on Cloud. Também é possível se conectar ao Netezza Performance Server ou a outros bancos de dados selecionando-os no menu.

Monitorar seus modelos de aprendizado de máquina

Hoje em dia, as empresas têm cada vez mais certeza de que a inteligência artificial será uma força motriz para a evolução de seus setores nos próximos anos. Para infundir a inteligência artificial com sucesso em seu produto ou solução, ela precisa ser adotada em toda a empresa, mas há muitos fatores que desafiam isso. Eles podem incluir:

  • Conquistar confiança
  • Parcialidades dos algoritmos
  • Possibilitar a justificativa das decisões

Fluxograma de monitoramento dos modelos de aprendizado de máquina

Aprenda a desenvolver um aplicativo para monitorar e implementar modelos open-source de aprendizado de máquina usando o Watson OpenScale do IBM Cloud Pak for Data ou a IBM Cloud para configurar monitores de imparcialidade, qualidade e capacidade de justificativa do modelo de cada torre de celular.

Desenvolver painéis no Cognos Analytics do IBM Cloud Pak for Data

Vamos supor que você seja um prestador de serviços de telecomunicações responsável por determinar por que as quedas de chamadas estão acontecendo com frequência em qualquer torre selecionada. Você deve entender os motivos paras essas quedas, além dos fatores que influenciam as quedas de chamadas da torre selecionada. Esses insights são obtidos do resultado do modelo Python e, usando esses detalhes e o recurso de painéis do IBM Cognos Analytics, você deve conseguir desenvolver um painel que represente a previsão de quedas de chamadas nas próximas 24 horas.

Aprenda a criar um painel usando o IBM Cognos Analytics do IBM Cloud Pak for Data e a importar e exportar os binários de painel no ambiente do IBM Cloud Pak for Data.

Preveja, gerencie e monitore as quedas de chamadas das torres de celular usando o IBM Cloud Pak for Data

A parte final desta solução é usar um modelo para prever quedas de chamadas. Esse modelo é treinado nas várias situações de falha que causam quedas de chamadas. Com a ajuda de um painel interativo, um modelo de série temporal ajuda a proporcionar um melhor entendimento dessas quedas. Um painel do Cognos Analytics apresenta uma visão regional geral dos cenários de quedas de chamadas. E, com a ajuda do Watson OpenScale, o modelo de série temporal é exibido em um gráfico, junto com as melhorias de desempenho do modelo.

Fluxograma de previsão, gerenciamento e monitoramento das quedas de chamadas