CN113381865A - 一种网络运维方法、装置及系统 - Google Patents

一种网络运维方法、装置及系统 Download PDF

Info

Publication number
CN113381865A
CN113381865A CN202010115585.7A CN202010115585A CN113381865A CN 113381865 A CN113381865 A CN 113381865A CN 202010115585 A CN202010115585 A CN 202010115585A CN 113381865 A CN113381865 A CN 113381865A
Authority
CN
China
Prior art keywords
network
unit
model
data
control unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010115585.7A
Other languages
English (en)
Inventor
吕超群
王昳
孙永乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202010115585.7A priority Critical patent/CN113381865A/zh
Priority to PCT/CN2020/137799 priority patent/WO2021169524A1/zh
Priority to EP20920979.0A priority patent/EP4096257A4/en
Publication of CN113381865A publication Critical patent/CN113381865A/zh
Priority to US17/895,125 priority patent/US20220417110A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/02—Standardisation; Integration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/04—Network management architectures or arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请实施例提供一种网络运维方法、装置及系统，用于解决以人为主的网络运维方法成本高、运维效率低的问题。该方法包括：网络智能单元获取第一网络数据，并基于第一网络数据进行训练，得到数据模型，且部署数据模型。数据模型为第一模型、第二模型或第三模型，第一模型用于确定向运营支持系统发送的网络控制指令，第二模型用于确定向网元/网络管理系统发送的网络控制指令，第三模型用于确定向网元发送的网络控制指令。通过网络智能单元对上传的各种网络数据进行AI训练生成数据模型，将生成的模型部署到推理单元中，由推理单元进行按需实时的数据模型推理，可以提升网络的实时智能化水平。

Description

一种网络运维方法、装置及系统
技术领域
本申请涉及通信技术领域，尤其涉及一种网络运维方法、装置及系统。
背景技术
随着通信的发展，电信网络越来越复杂，例如无线2G/3G/4G/5G形成多种无线网叠加的叠加网，核心网CS/PS/IMS/IOT等形成多种核心网并存的网络格局。
目前对电信网络的运维管理，主要是以人为本。根据对1800多项典型运维活动的数据分析，95％的流程和作业节点都需要人为干预，例如家庭宽带投诉处理流程中15个流程节点、100多个作业节点都是依靠人工分析决策和孤立的辅助工具，导致要保持庞大的运维团队。
以人为主的运维管理模式导致成本居高不下。且，以人为主的运维管理模式上下游之间依靠流程和人工传递，依赖专家个人知识库，效率低。
发明内容
本申请实施例提供一种网络运维方法、装置及系统，用于解决以人为主的网络运维方法成本高、运维效率低的问题。
第一方面，本申请提供一种网络运维方法，该方法包括：网络智能单元获取第一网络数据，并基于第一网络数据进行训练，得到数据模型，其中，数据模型为第一模型、第二模型或第三模型，第一模型用于确定向运营支持系统(operation support system，OSS)发送的网络控制指令，第二模型用于确定向网元/网络管理系统(element/network managementsystem，EMS/NMS)发送的网络控制指令，第三模型用于确定向网元发送的网络控制指令。网络智能单元部署数据模型。本申请实施例提供的网络运维系统中网络智能单元可以对上传的各种网络数据，进行AI训练生成数据模型，将生成的模型部署到跨域管控单元、自治域管控单元和网元管控单元中，由跨域管控单元、自治域管控单元和网元管控单元进行按需实时的数据模型推理和知识推理，从而可以提升网络的实时智能化水平。
在一种可能的设计中，网络智能单元部署数据模型，包括：网络智能单元确定待部署数据模型的推理单元。网络智能单元向推理单元发送数据模型。上述设计中，网络智能单元可以实现云端训练模型，并下发到电信网络中推理单元。
在一种可能的设计中，数据模型为第一模型。网络智能单元确定待部署数据模型的推理单元，包括：网络智能单元确定待部署数据模型的推理单元为跨域管控单元包括的推理单元，跨域管控单元用于根据推理结果向OSS发送网络控制指令，或者，跨域管控单元部署在OSS。网络智能单元向推理单元发送数据模型，包括：网络智能单元向跨域管控单元包括的推理单元发送第一模型。上述设计，通过在电信网络中部署包含跨域推理单元的跨域管控单元，从而可以支持跨域智能运维闭环。
在一种可能的设计中，数据模型为第二模型。网络智能单元确定待部署数据模型的推理单元，包括：网络智能单元确定待部署数据模型的推理单元为自治域管控单元包括的推理单元，自治域管控单元用于根据推理结果向EMS/NMS发送网络控制指令，或者，自治域管控单元部署在EMS/NMS；网络智能单元向推理单元发送数据模型，包括：网络智能单元向自治域管控单元包括的推理单元发送第二模型。上述设计，通过在电信网络中部署包含自治域推理单元的自治域管控单元，从而可以支持网络级智能运维闭环。
在一种可能的设计中，数据模型为第三模型；网络智能单元确定待部署数据模型的推理单元，包括：网络智能单元确定待部署数据模型的推理单元为网元管控单元包括的推理单元，网元管控单元用于根据推理结果向网元发送网络控制指令，或者，网元管控单元部署在网元；网络智能单元向推理单元发送数据模型，包括：网络智能单元向网元管控单元包括的推理单元发送第三模型。上述设计，通过在网元中部署网元推理单元，从而可以支持网元级智能运维闭环。
在一种可能的设计中，在网络智能单元部署数据模型之后，网络智能单元接收推理单元上报的第二网络数据，第二网络数据为用于输入数据模型进行推理的网络数据；网络智能单元基于第二网络数据对数据模型进行优化；网络智能单元部署经过优化的数据模型。通过上述设计，网络智能单元可以对数据模型进行持续优化，从而可以提供数据模型的准确率。
第二方面，本申请提供一种网络运维方法，该方法包括：推理单元接收网络智能单元发送的数据模型，数据模型为第一模型或者第二模型或者第三模型，其中，第一模型用于确定向OSS发送的网络控制指令，第二模型用于确定向EMS/NMS发送的网络控制指令，第三模型用于确定向网元发送的网络控制指令；推理单元获取第二网络数据，第二网络数据为用于获取推理结果的网络数据；推理单元将第二网络数据输入数据模型进行推理，得到网络控制指令；推理单元执行网络控制指令。本申请中推理单元可以对网络智能单元训练的数据模型进行下载、运行，并在本地进行完成实时的推理，并将数据模型推理的结果返回给请求程序，以执行对网络行为的控制，达到网络事件的处理、对网络资源的调整、能源消耗的调整等网络管理，从而可以提升网络的实时智能化水平。
在一种可能的设计中，推理单元将第二网络数据输入数据模型，包括：推理单元获取第三网络数据，第三网络数据为推理单元获取的网络数据；推理单元基于第三网络数据对数据模型进行本地优化；推理单元使用优化后的数据模型进行推理，得到网络控制命令。上述实现方式中，通过基于本地的网络数据对数据模型进行进一步的优化，可以提高数据模型的准确率，从而可以提高网络控制指令的准确性。
在一种可能的设计中，数据模型为第一模型，推理单元部署在跨域管控单元，跨域管控单元用于根据推理结果向OSS发送网络控制指令，或者，跨域管控单元部署在OSS。上述设计，通过在电信网络中部署包含跨域推理单元的跨域管控单元，从而可以支持跨域智能运维闭环。
在一种可能的设计中，推理单元获取第二网络数据，包括：推理单元从OSS获取第二网络数据；或者，推理单元从跨域管控单元连接的自治域管控单元获取第二网络数据；或者，推理单元从跨域管控单元连接的EMS/NMS获取第二网络数据。通过上述设计，推理单元可以获取属于同一个OSS管理的多个EMS/NMS发送的网络数据，从而可以实现跨EMS/NMS的网络管理和跨EMS/NMS的协同。
在一种可能的设计中，推理单元执行网络控制指令，包括：推理单元调用OSS的接口执行网络控制指令；或者，推理单元向跨域管控单元连接的自治域管控单元发送网络控制指令，自治域管控单元用于向EMS/NMS发送网络控制指令。通过上述设计，推理单元可以执行实现跨EMS/NMS的网络管理和跨EMS/NMS的协同。
在一种可能的设计中，数据模型为第二模型，推理单元部署在自治域管控单元，自治域管控单元用于根据推理结果向EMS/NMS发送网络控制指令，或者，自治域管控单元部署在EMS/NMS。上述设计，通过在电信网络中部署包含自治域推理单元的自治域管控单元，从而可以支持网络级智能运维闭环。
在一种可能的设计中，推理单元获取第二网络数据，包括：推理单元从EMS/NMS获取第二网络数据；或者，推理单元从自治域管控单元连接的网元管控单元获取第二网络数据；或者，推理单元从自治域管控单元连接的网元获取第二网络数据。通过上述设计，推理单元可以获取属于同一个EMS/NMS管理的多个网元发送的网络数据，从而可以实现跨网络的网络管理和跨网络的协同。
在一种可能的设计中，推理单元执行网络控制指令，包括：推理单元调用EMS/NMS的接口执行网络控制指令；或者，推理单元向自治域管控单元连接的至少一个网元管控单元发送网络控制指令，网元管控单元用于向网元发送网络控制指令。通过上述设计，推理单元以实现跨网络的网络管理和跨网络的协同。
在一种可能的设计中，数据模型为第三模型，推理单元部署在网元管控单元，网元管控单元用于根据推理结果向网元发送网络控制指令，或者，网元管控单元部署在网元。上述设计，通过在网元中部署网元推理单元，从而可以支持网元级智能运维闭环。
在一种可能的设计中，推理单元获取第二网络数据，包括：推理单元从网元获取第二网络数据。通过上述设计，推理单元可以实现单个网元的管理。
在一种可能的设计中，推理单元执行网络控制指令，包括：推理单元调用网元的接口执行网络控制指令。通过上述设计，推理单元可以实现单个网元的管理。
在一种可能的设计中，推理单元将第二网络数据输入数据模型之后，还包括：推理单元向网络智能单元发送第二网络数据，第二网络数据包括第二网络数据以及网络控制指令。通过上述设计，网络智能单元可以对数据模型进行持续优化，从而可以提供数据模型的准确率。
第三方面，本申请提供一种网络运维装置，该装置可以是网络智能单元，或者也可以是网络智能单元中的芯片或者芯片组。该装置具有实现上述第一方面中任一设计的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第四方面，本申请提供一种网络运维装置，该装置可以是推理单元，或者也可以是推理单元中的芯片或者芯片组。该装置具有实现上述第二方面中任一设计的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第五方面，本申请提供一种跨域管控单元，该跨域管控单元可以包括上述第四方面所述的推理单元，该推理单元用于存储第一模型，并将该跨域管控单元获取的网络数据输入第一模型进行推理，得到网络控制指令。跨域管控单元可以集成在OSS中，也可以与OSS分开部署。其中，跨域管控单元与OSS分开部署时，可以与OSS通信连接，并可以用于根据推理结果向OSS发送网络控制指令。
第六方面，本申请提供一种自治域管控单元，该自治域管控单元可以包括上述第四方面所述的推理单元，该推理单元用于存储第二模型，并将该自治域管控单元获取的网络数据输入第二模型进行推理，得到网络控制指令。自治域管控单元可以集成在EMS/NMS中，也可以与EMS/NMS分开部署。其中，自治域管控单元与EMS/NMS分开部署时，可以与EMS/NMS通信连接，并可以用于根据推理结果向EMS/NMS发送网络控制指令。
第七方面，本申请提供一种网元管控单元，该网元管控单元可以包括上述第四方面所述的推理单元，该推理单元用于存储第三模型，并将该网元管控单元获取的网络数据输入第三模型进行推理，得到网络控制指令。网元管控单元可以集成在网元中，也可以与网元分开部署。其中，网元管控单元与网元分开部署时，可以与网元通信连接，并可以用于根据推理结果向网元发送网络控制指令。
第八方面，本申请还提供一种网络运维系统，该系统包括上述第三方面所述的网络运维装置、上述第四方面所述的网络运维装置。
在一种可能的设计中，系统还可以包括OSS。
在一种可能的设计中，系统还可以包括EMS/NMS。
在一种可能的设计中，系统还可以包括网络基础设备，如网元。
在一种可能的设计中，系统还可以包括业务支持系统(business supportsystem，BSS)。
第九方面，本申请还提供一种网络运维系统，该系统包括上述第三方面所述的网络运维装置、上述第五方面所述的跨域管控单元。
在一种可能的设计中，系统还可以包括OSS。
在一种可能的设计中，系统还可以包括EMS/NMS。
在一种可能的设计中，系统还可以包括网络基础设备，如网元。
在一种可能的设计中，系统还可以包括BSS。
在一种可能的设计中，系统还可以包括上述第六方面所述的自治域管控单元。
在一种可能的设计中，系统还可以包括上述第七方面所述的网元管控单元。
第十方面，本申请还提供一种网络运维系统，该系统包括上述第三方面所述的网络运维装置、上述第六方面所述的自治域管控单元。
在一种可能的设计中，系统还可以包括OSS。
在一种可能的设计中，系统还可以包括EMS/NMS。
在一种可能的设计中，系统还可以包括网络基础设备，如网元。
在一种可能的设计中，系统还可以包括BSS。
在一种可能的设计中，系统还可以包括上述第五方面所述的跨域管控单元。
在一种可能的设计中，系统还可以包括上述第七方面所述的网元管控单元。
第十一方面，本申请还提供一种网络运维系统，该系统包括上述第三方面所述的网络运维装置、上述第六方面所述的网元管控单元。
在一种可能的设计中，系统还可以包括OSS。
在一种可能的设计中，系统还可以包括EMS/NMS。
在一种可能的设计中，系统还可以包括网络基础设备，如网元。
在一种可能的设计中，系统还可以包括BSS。
在一种可能的设计中，系统还可以包括上述第六方面所述的自治域管控单元。
在一种可能的设计中，系统还可以包括上述第五方面所述的跨域管控单元。
第十二方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
第十三方面，本申请还提供一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
附图说明
图1为本申请实施例提供的一种电信网络的架构示意图；
图2为本申请实施例提供的一种运维流程示意图；
图3为本申请实施例提供的一种网络管理系统的架构示意图；
图4为本申请实施例提供的另一种无线接入网设备的结构示意图；
图5为本申请实施例提供的一种构建模型的流程示意图；
图6为本申请实施例提供的一种AI推理的流程示意图；
图7为本申请实施例提供的一种自动化运维的流程示意图；
图8为本申请实施例提供的一种自动化运维的流程示意图；
图9为本申请实施例提供的一种自动化运维的流程示意图；
图10为本申请实施例提供的一种自动化运维的流程示意图；
图11为本申请实施例提供的一种自动化运维的流程示意图；
图12为本申请实施例提供的一种网络运维装置的结构示意图；
图13为本申请实施例提供的另一种网络运维装置的结构示意图。
具体实施方式
为了使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例作进一步地详细描述。
随着通信发展，电信网络越来越复杂，例如无线2G/3G/4G/5G形成多种网络并存的叠加网，核心网CS/PS/IMS/IOT等形成多种网络域并存的网络格局。目前对电信网络的运维管理，主要是以人为本。根据对1800多项典型运维活动的数据分析，95％的流程和作业节点都需要人为干预，如何提升运维效率成为重点。例如家庭宽带投诉处理流程中15个流程节点、100多个作业节点都是依靠人工分析决策和孤立的辅助工具，导致要保持庞大的运维团队。
目前，网络运维系统可以包括BSS、OSS、EMS/NMS以及网元/网络，例如，如图1所示。其中，BSS是客户关系管理、业务供应链管理以及经营决策支持的系统。OSS是运行和监控网络的系统。EMS/NMS用于对网络基础设施进行管理。网元/网络是网络基础设施，如路由器、基站、交换机等。目前，网络的运维和管理主要是由OSS/NMS/EMS协同完成。
网元/网络是网络基础设施，对它的指令下发主要由NMS/EMS完成。NMS/EMS负责监控和管理网元/网络，并上报运维信息到OSS。OSS根据运维信息进行网络管理，目前，OSS进行网络管理时主要是以人为主，例如人为监控网络状况、人为派单等，在派单之前还存在大量的辅助运维的流程，如定界、定位、方案制定、评审、验证、审核等，这些需要网管人员执行。OSS收到运维信息的上报后经过一系列运维流程执行派单，由网管人员在NMS/EMS上执行对网络/网元的指令下发。例如，网络管理过程可以如图2所示。
在电信网络管理和运维系统中，大量流程和作业节点都需要人为干预，以人为主的运维方式带来的运维效率低，缺乏对海量数据的智能分析使得对网络事件的精准定位和快速恢复难，网络资源的利用率低、能源消耗高。并且，目前以人为主的运维管理模式导致成本居高不下。
基于此，本申请实施例提供一种网络运维方法、装置及系统，用于解决现有技术中以人为主的运维方式带来的运维效率低、网络资源的利用率低、能源消耗高的问题。其中，方法和装置是基于同一发明构思的，由于方法及装置解决问题的原理相似，因此装置与方法的实施可以相互参见，重复之处不再赘述。
本申请中所涉及的多个，是指两个或两个以上。本申请中所涉及的至少一个，是指一个，或一个以上，即包括一个、两个、三个及以上。
另外，需要理解的是，在本申请的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
本申请实施例提供一种网络管理系统，该系统包括网络智能单元，其中，网络智能单元可以用于进行数据管理和训练用于网络管理的数据模型等，一种实现方式中，可以采用人工智能(artificial intelligence，AI)的方式训练数据模型。
一种实现方式中，网络智能单元可以包括设计模块、训练模块，还可以包括数据湖，其中，设计模块可以用于设计数据模型，训练模块可以用于训练数据模型，数据湖可以存储各个OSS上报的网络数据，其中，OSS上报的网络数据可以包括该OSS管理的EMS/NMS产生的网络数据，EMS/NMS产生的网络数据可以包括EMS/NMS自身产生的网络数据，还可以包括EMS/NMS管理的网元产生的网络数据。示例性的，数据湖可以指使用大型二进制对象或文件等自然格式储存数据的系统。数据湖可以将网络数据统一存储，数据湖可以既包括网络产生的原始数据，也可以包括转换后的数据，比如转换为用于报表、可视化、数据分析和机器学习等的数据。数据湖可以但不限于包括关系数据库的结构化数据、半结构化的数据，非结构化数据和二进制数据。
该系统中还可以包括如下至少一个单元：跨域管控单元、自治域管控单元、网元管控单元。
其中，跨域管控单元可以与OSS通信连接，并可以用于根据推理结果向OSS发送网络控制指令。跨域管控单元可以实现跨EMS/NMS的网络管理和跨EMS/NMS的协同。一种示例性说明中，跨域管控单元可以包括推理单元，推理单元可以根据OSS发送的网络数据或者OSS管理的EMS/NMS发送的网络数据确定网络控制指令。在一些实施例中，跨域管控单元可以集成在OSS中，也可以与OSS分开部署。
一种实现方式中，跨域管控单元还可以包括AI应用和规建维优模块，其中，AI应用可以用于解决一个或者多个网络问题(示例性的，双连接(dual connectivity，DC)节能应用，高清语音通话(voice over LTE，VoLTE)语音风险预防等)，规建维优模块可以用于对网络进行规划、建设、维护和优化等操作。
自治域管控单元可以与EMS/NMS通信连接，并用于根据推理结果向EMS/NMS发送控制指令。自治域管控单元可以实现跨多个网元的网络管理和协同。一种示例性说明中，自治域管控单元可以包括推理单元，推理单元可以根据EMS/NMS发送的网络数据或者EMS/NMS管理的网元发送的网络数据确定网络控制指令。在一些实施例中，自治域管控单元可以集成在EMS/NMS中，也可以与EMS/NMS分开部署。
一种实现方式中，自治域管控单元还可以包括AI应用和网络管理控制分析模块，其中，AI应用可以用于解决一个或者多个网络问题，网络管理控制分析模块可以用于对网络进行管理和控制，以及对网络产生的性能告警等信息进行分析的能力。
在一些实施例中，自治域管控单元可以集成在跨域管控单元。
网元管控单元可以与网元通信连接，并用于根据推理结果向网元发送控制指令。网元管控单元可以实现单个网元的网络管理。一种示例性说明中，网元管控单元可以包括推理单元，推理单元可以根据网元发送的网络数据确定至少一个网络控制指令。在一些实施例中，网元管控单元可以集成在网元中，也可以与网元分开部署。
一种实现方式中，网元管控单元还可以包括网元传感器，其中，网元传感器可以用于获取网元的运行状态信息。
示例性的，网络运维系统可以如图3或图4所示，应理解，图3或图4仅是一种示例性说明，并不对网络运维系统包括的单元、各单元中包括的模块、以及各单元的部署位置等进行具体限定。
本申请实施例提供一种网络运维方法，该方法可以应用于图3或图4所示的网络管理系统，该方法可以包括网络智能单元的构建模型过程和推理单元的自动化运维过程。
如图5所示，网络智能单元的构建模型过程可以为：
S501，网络智能单元获取第一网络数据。其中，第一网络数据用于训练得到数据模型。
一种实现方式中，网络智能单元可以向数据湖订阅并获取第一网络数据。
在一些实施例中，网络智能单元在获取第一网络数据后，可以对第一网络数据进行预处理。
示例性的，第一网络数据可以是与数据模型相关的网络数据，或者，可以是与数据模型所解决问题相关的网络数据。例如，数据模型为确定网络告警相关性的模型，第一网络数据也可以是网络中产生的告警数据等等。
在一些实施例中，在步骤S501之前，网络智能单元确定数据模型要解决的问题以及与该问题相关的数据。示例性的，数据模型可以为用于解决数据中心节能问题的模型，或数据模型也可以为确定网络告警相关性的模型。
一种实现方式中，网管人员可以通过设计单元(例如，网管人员通过设计单元提供的界面或配置文件)定义数据模型要解决的问题以及与该问题相关的数据。
S502，网络智能单元基于第一网络数据进行训练，得到数据模型。
数据模型可以为第一模型，也可以为第二模型，还可以为第三模型，其中，第一模型用于确定向OSS发送的网络控制指令，第二模型用于确定向EMS/NMS发送的网络控制指令，第三模型用于确定向网元发送的网络控制指令。
一种示例性说明中，若数据模型为第一模型，第一网络数据可以是OSS发送的或OSS管理的EMS/NMS发送的网络数据。
若数据模型为第二模型，第一网络数据可以是EMS/NMS发送的网络数据或EMS/NMS管理的网元发送的网络数据。
若数据模型为第三模型，第一网络数据可以是网元发送的网络数据。
一种实现方式中，网络智能单元的训练模块可以使用第一网络数据进行训练。
S503，网络智能单元部署数据模型。
一种实现方式中，网络智能单元确定待部署该数据模型的推理单元，并向推理单元发送该数据模型。
一种示例性说明中，待部署该数据模型的推理单元可以是网管人员在网络智能单元训练数据模型之前可以通过设计单元确定的。
例如，假设该数据模型为第一模型，待部署该数据模型的推理单元可以为跨域管控单元包括的推理单元。因此，网络智能单元部署第一模型时，可以向跨域管控单元包括的推理单元发送第一模型。
又例如，假设该数据模型为第二模型，待部署该数据模型的推理单元可以为自治域管控单元包括的推理单元。因此，网络智能单元部署第二模型时，可以向自治域管控单元包括的推理单元发送第二模型。
再例如，假设该数据模型为第三模型，待部署该数据模型的推理单元可以为网元管控单元包括的推理单元。因此，网络智能单元部署第三模型时，可以向网元管控单元包括的推理单元发送第三模型。
如图6所示，推理单元的自动化运维过程可以为：
S601，推理单元接收网络智能单元发送的数据模型，数据模型为第一模型或者第二模型或者第三模型。
一种示例性说明中，若推理单元部署在跨域管控单元，数据模型可以为第一模型。若推理单元部署在自治域管控单元，数据模型可以为第二模型。若推理单元部署在网元管控单元，数据模型可以为第三模型。
S602，推理单元获取第二网络数据，第二网络数据为用于获取推理结果的网络数据。
一种可能的实施方式中，若推理单元部署在跨域管控单元。推理单元可以通过如下三种方式中任一种方式获取第二网络数据：
方式一：推理单元从OSS获取第二网络数据，第二网络数据为OSS发送的或OSS管理的EMS/NMS发送的网络数据。
方式二：推理单元从跨域管控单元连接的自治域管控单元获取第二网络数据，第二网络数据为该自治域管控单元连接的EMS/NMS发送的网络数据。
方式三：推理单元从跨域管控单元连接的EMS/NMS获取第二网络数据，第二网络数据包括该EMS/NMS发送的网络数据。
另一种可能的实施方式中，若推理单元部署在自治域管控单元。推理单元可以通过如下三种方式中任一种方式获取第二网络数据：
方式一：推理单元从EMS/NMS获取第二网络数据，第二网络数据包括该EMS/NMS发送的网络数据或该EMS/NMS管理的网元发送的网络数据。
方式二：推理单元从自治域管控单元连接的网元管控单元获取第二网络数据，第二网络数据包括该网元管控单元连接的网元发送的网络数据；
方式三：推理单元从自治域管控单元连接的网元获取第二网络数据。
又一种可能的实施方式中，若推理单元部署在网元管控单元。推理单元可以通过如下方式获取第二网络数据：从网元获取第二网络数据，第二网络数据包括该网元发送的网络数据。
在一些实施例中，推理单元可以向网络智能单元发送第二网络数据，从而可以丰富网络智能单元的数据湖。
S603，推理单元将第二网络数据输入数据模型进行推理，得到网络控制指令。其中，网络控制指令为数据模型的推理结果确定的，或者，网络控制指令为数据模型的推理结果。
一种实现方式中，推理单元可以先获取第三网络数据，并基于第三网络数据对该数据模型进行本地优化。推理单元使用优化后的数据模型进行推理，得到该网络控制命令。其中，第三网络数据可以是推理单元获取的网络数据。
示例性的，第三网络数据可以为本地的网络数据。例如，假设推理单元部署于跨域管控单元，第三网络数据可以为与该跨域管控单元连接的OSS的网络数据。例如，假设推理单元部署于自治域管控单元，第三网络数据可以为与该自治域管控单元连接的EMS/NMS的网络数据。
上述实现方式中，通过基于本地的网络数据对数据模型进行进一步的优化，可以提高数据模型的准确率，从而可以提高网络控制指令的准确性。
S604，推理单元执行网络控制指令。例如最佳节能的建议操作，或者根据当前告警判断可能的故障。
一种可能的实施方式中，若推理单元部署在跨域管控单元。推理单元可以通过如下两种方式中任一种方式执行网络控制指令：
方式一：推理单元调用OSS的接口执行网络控制指令；
方式二：推理单元向跨域管控单元连接的自治域管控单元发送网络控制指令。
另一种可能的实施方式中，数据模型为第二模型，推理单元部署在自治域管控单元。推理单元可以通过如下两种方式中任一种方式执行网络控制指令：
方式一：推理单元调用EMS/NMS的接口执行网络控制指令。
方式二：推理单元向自治域管控单元连接的网元管控单元发送网络控制指令。
又一种可能的实施方式中，数据模型为第三模型，推理单元部署在网元管控单元。推理单元可以通过如下方式执行网络控制指令：调用网元的接口执行网络控制指令。
在一种可能的实施方式中，在执行AI推理过程之后，推理单元可以向网络智能单元发送第二网络数据，第二网络数据包括第二网络数据以及数据模型根据第二网络数据确定的网络控制指令。网络智能单元基于第二网络数据对数据模型进行优化。通过上述方式，网络智能单元可以持续对数据模型进行更新，从而可以提高网络控制指令的准确性。
为了更好的理解本申请实施例提供的网络运维方法，下面结合部署场景对网络管理过程进行具体描述，应理解，下面所列举的部署场景仅是示例性说明，并不对本申请提供的网络运维方法进行具体限定。
为了区分跨域管控单元、自治域管控单元和网元管控单元中的推理单元，下面将跨域管控单元中的推理单元称为跨域推理单元，将自治域管控单元中的推理单元称为自治域推理单元，将网元管控单元中的推理单元称为网元推理单元。为了区分跨域管控单元、自治域管控单元和网元管控单元中的AI应用，下面将跨域管控单元中的AI应用称为跨域AI应用，将自治域管控单元中的AI应用称为自治域AI应用，将网元管控单元中的AI应用称为网元AI应用。
部署场景一：在电信网络中部署跨域管控单元、自治域管控单元和网元管控单元，其中，网元管控单元可以集成在网元中，如图7所示。
基于部署场景一所示的网络运维系统，可以运行3个自动化运维流程，分别为应用于单个网元的自动化运维流程、应用于被同一个EMS/NMS管理的多个网元的自动化运维流程、应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程。下面对3个自动化运维流程分别进行描述。
1.应用于单个网元的自动化运维流程可以包括：
获取模型过程：
1.1)网元推理单元从本地采集第三模型所需的网络数据。
其中，网元推理单元可以包括训练第三模型的第一网络数据，还可以包括输入第三模型获取推理结果的第二网络数据，还可以包括网元推理单元优化第三模型的第三网络数据。
1.2)网元推理单元将采集的网络数据上报到网络智能单元，并接收网络智能单元发送的经过训练的第三模型。
AI推理过程：
1.3)网元推理单元基于第三网络数据对第三模型进行优化，并将第二网络数据输入优化后的第三模型进行推理，得到网络控制指令。
1.4)网元AI应用从网元推理单元获取网络控制指令，并自动调用网元的功能实施该网络控制指令。
通过上述应用于单个网元的自动化运维流程可以实现对单个网元的智能运维，从而可以提高单个网元的运维速度与效率，尤其是当被操作的业务对时延非常敏感时，通过上述应用于单个网元的自动化运维流程可以降低运维造成的时延，例如可以在家庭宽带接入网元中对应用进行智能识别和加速，从而提升业务体验。
2.应用于被同一个EMS/NMS管理的多个网元的自动化运维流程可以包括：
获取模型过程：
2.1)自治域推理单元获取第二模型所需的网络数据。
例如，2.1a)自治域推理单元可以从EMS/NMS的接口获取第二模型所需的网络数据。
或者，2.1b)自治域推理单元也可以从网元获取第二模型所需的网络数据。
其中，自治域推理单元可以包括训练第二模型的第一网络数据，还可以包括输入第二模型获取推理结果的第二网络数据，还可以包括自治域推理单元优化第二模型的第三网络数据。
2.2)自治域推理单元将获取的网络数据上报到网络智能单元，并接收网络智能单元发送的经过训练的第二模型。
AI推理过程：
2.3)自治域推理单元基于第三网络数据对第二模型进行优化，并将第二网络数据输入优化后的第二模型进行推理，得到网络控制指令。
2.4)自治域AI应用从自治域推理单元获取网络控制指令，并实施网络控制指令。
例如，2.4a)自治域AI应用可以调用EMS/NMS开放的接口实施网络控制指令。
或者，2.4b)自治域AI应用也可以向网元管控单元发送网络控制指令，以使网元实施网络控制指令。
通过上述应用于被同一个EMS/NMS管理的多个网元的自动化运维流程，可以实现对同一个EMS/NMS管理的多个网元的智能运维，从而可以提高多个网元的运维速度与效率，例如在无线网络域中，通过上述流程对多个无线基站的功率和频段等进行调整，可以达到更佳的能耗效率。
3.应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程可以包括：
获取模型过程：
3.1)跨域推理单元获取第一模型所需的网络数据。
例如，3.1a)跨域推理单元可以从OSS的接口获取第一模型所需的网络数据。
或者，3.1b)跨域推理单元也可以根据跨域AI应用的指示从自治域管控单元获取第一模型所需的网络数据。
或者，3.1c)跨域推理单元也可以从OSS连接的EMS/NMS的接口获取第一模型所需的网络数据。
其中，跨域推理单元可以包括训练第一模型的第一网络数据，还可以包括输入第一模型获取推理结果的第二网络数据，还可以包括跨域推理单元优化第一模型的第三网络数据。
3.2)跨域推理单元将获取的网络数据上报到网络智能单元，并接收网络智能单元发送的经过训练的第一模型。
推理阶段：
3.3)跨域推理单元基于第三网络数据对第一模型进行优化，并将第二网络数据输入优化后的第一模型进行推理，得到网络控制指令。
3.4)跨域AI应用从跨域推理单元获取网络控制指令，并实施网络控制指令。
例如，3.4a)跨域AI应用可以调用OSS开放的接口实施网络控制指令。
或者，3.4b)跨域AI应用也可以向连接的自治域管控单元发送网络控制指令，以使自治域管控单元实施网络控制指令。
通过上述应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程，可以实现对同一个OSS管理的多个EMS/NMS的智能运维，从而可以提高多个EMS/NMS的运维速度与效率。例如无线基站故障的原因可能是相关的传输线路或设备出现异常，通过上述流可以实现从无线网管和传输网管分别获取告警信息进行告警相关性的智能关联。
上述部署场景一，通过在电信网络中部署网络智能单元，从而可以支持在云端训练生成数据模型。通过在网元中部署网元推理单元，从而可以支持网元级智能运维闭环。通过在电信网络中部署包含自治域推理单元的自治域管控单元，从而可以支持网络级智能运维闭环。通过在电信网络中部署包含跨域推理单元的跨域管控单元，从而可以支持跨域智能运维闭环。并且，通过上述部署场景一，可以在不改变EMS/NMS/OSS/BSS情况下，引入智能运维体系，可以在网元、网络、跨域多级实施智能化自动运维，从而可以极大的降低运维人力成本。
部署场景二：在电信网络中部署跨域管控单元、自治域管控单元和网元管控单元，其中，跨域管控单元可以集成在OSS中，自治域管控单元可以集成在EMS/NMS中，网元管控单元可以继承在网元中，如图8所示。
基于部署场景二所示的网络运维系统，可以运行3个自动化运维流程，分别为应用于单个网元的自动化运维流程、应用于被同一个EMS/NMS管理的多个网元的自动化运维流程、应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程。下面对3个自动化运维流程分别进行描述。
1.应用于单个网元的自动化运维流程，与部署场景一中应用于单个网元的自动化运维流程的获取模型过程相同，这里不再重复赘述。
2.应用于被同一个EMS/NMS管理的多个网元的自动化运维流程可以包括：
获取模型过程：
2.1)自治域推理单元获取第二模型所需的网络数据。
其中，自治域推理单元可以包括训练第二模型的第一网络数据，还可以包括输入第二模型获取推理结果的第二网络数据，还可以包括自治域推理单元优化第二模型的第三网络数据。
一种实现方式中，EMS/NMS可以从网元获取第二模型所需的网络数据。自治域推理单元可以从EMS/NMS本地获取第二模型所需的网络数据。
2.2)自治域推理单元将获取的网络数据上报到网络智能单元，并接收网络智能单元发送的经过训练的第二模型。
AI推理过程：
2.3)自治域推理单元基于第三网络数据对第二模型进行优化，并将第二网络数据输入优化后的第二模型进行推理，得到网络控制指令。
2.4)EMS/NMS中的自治域AI应用从自治域推理单元获取网络控制指令，并实施网络控制指令。
3.应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程可以包括：
3.1)跨域推理单元获取第一模型所需的网络数据。
一种实现方式中，OSS可以从EMS/NMS获取第一模型所需的网络数据。跨域推理单元可以从OSS获取第一模型所需的网络数据。
其中，跨域推理单元可以包括训练第一模型的第一网络数据，还可以包括输入第一模型获取推理结果的第二网络数据，还可以包括跨域推理单元优化第一模型的第三网络数据。
3.2)跨域推理单元将获取的网络数据上报到网络智能单元，并接收网络智能单元发送的经过训练的第一模型。
推理阶段：
3.3)跨域推理单元基于第三网络数据对第一模型进行优化，并将第二网络数据输入优化后的第一模型进行推理，得到网络控制指令。
3.4)OSS中的跨域AI应用从跨域推理单元获取网络控制指令，并实施网络控制指令。
上述部署场景二，通过在电信网络中部署网络智能单元，从而可以支持云端训练生成数据模型。通过在网元中增加网元推理单元，从而可以支持网元级智能运维闭环。通过在EMS和NMS中增加自治域推理单元，从而可以支持网络级智能运维闭环。通过在OSS中增加跨域推理单元，从而可以支持跨域智能运维闭环。通过上述部署场景二，可以引入智能运维体系，从而可以在网元、网络、跨域多级实施智能化自动运维，可以极大的降低运维人力成本。此外，上述部署场景二通过对已有系统的升级，可以避免额外的管理部件运维成本。
部署场景三：在电信网络中部署跨域管控单元，如图9所示。其中，跨域管控单元可以集成在OSS中，也可以不集成在OSS中。
基于部署场景三所示的网络运维系统，可以运行一个自动化运维流程，即应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程。
若跨域管控单元没有集成在OSS中，应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程，具体可以参阅部署场景一中的应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程，这里不再赘述。
若跨域管控单元集成在OSS中，应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程，具体可以参阅部署场景二中的应用于被同一个OSS管理的多个EMS/NMS的自动化运维流程，这里不再赘述。
部署场景四：在电信网络中部署自治域管控单元和网元管控单元，如图10所示。其中，自治域管控单元可以集成在EMS/NMS中，也可以不集成在EMS/NMS中，网元管控单元可以集成在网元中。
基于部署场景四所示的网络运维系统，可以运行一个自动化运维流程，即应用于被同一个EMS/NMS管理的多个网元的自动化运维流程。
若自治域管控单元没有集成在EMS/NMS中，应用于被同一个EMS/NMS管理的多个网元的自动化运维流程，具体可以参阅部署场景一中的应用于被同一个EMS/NMS管理的多个网元的自动化运维流程，这里不再赘述。
若自治域管控单元集成在EMS/NMS中，应用于被同一个EMS/NMS管理的多个网元的自动化运维流程，具体可以参阅部署场景二中的应用于被同一个EMS/NMS管理的多个网元的自动化运维流程，这里不再赘述。
部署场景五：在电信网络中部署网元管控单元，如图11所示。其中，网元管控单元可以集成在网元中。
基于部署场景五所示的网络运维系统，可以运行一个自动化运维流程，即应用于单个网元的自动化运维流程。
应用于单个网元的自动化运维流程，具体可以参阅部署场景一中的应用于单个网元的自动化运维流程，这里不再赘述。
上述五种部署场景中，第一模型、第二模型、第三模型可以是网络智能单元基于图5所示的过程训练得到，具体过程可以参阅图5所示，重复之处不再赘述。
本申请实施例提供的网络运维系统中网络智能单元可以对上传的各种网络数据，进行AI训练生成数据模型，将生成的模型部署到跨域管控单元、自治域管控单元和网元管控单元中，由跨域管控单元、自治域管控单元和网元管控单元进行按需实时的数据模型推理和知识推理，从而可以提升网络的实时智能化水平。跨域管控单元、自治域管控单元和网元管控单元可以对网络智能单元训练的数据模型进行下载、运行、本地优化，并在本地进行完成实时的推理。跨域管控单元、自治域管控单元和网元管控单元可以将数据模型推理的结果返回给请求程序，以执行对网络行为的控制，达到网络事件的处理、对网络资源的调整、能源消耗的调整等网络管理。
并且，通过网络智能单元、跨域管控单元、自治域管控单元和网元管控单元之间的协同，可以实现数据模型和网络知识的更新或升级，从而可以提升系统对网络变化和升级的适应。
此外，本申请实施例在现有的网络管理系统中，实现机器对不同层次的网络数据进行智能的分析和处理，一方面可以提升运维效率，另一方面可以及时对空闲的网络资源和能源消耗进行调整，提升网络资源的利用率和能源效率。
基于与方法实施例的同一技术构思，本申请实施例提供一种网络运维装置。该网络运维装置的结构可以如图12所示，包括通信模块1201以及处理模块1202。
一种实现方式中，网络运维装置具体可以用于实现图5～11的实施例中网络智能单元执行的方法，该装置可以是网络智能单元本身，也可以是网络智能单元中的芯片或芯片组或芯片中用于执行相关方法功能的一部分。其中，通信模块1201，用于获取第一网络数据；处理模块1202，用于基于通信模块1201获取的第一网络数据进行训练，得到数据模型；数据模型为第一模型、第二模型或第三模型，第一模型用于确定向OSS发送的网络控制指令，第二模型用于确定向EMS/NMS发送的网络控制指令，第三模型用于确定向网元发送的网络控制指令；以及，部署数据模型。
处理模块1202，在部署数据模型时，可以具体用于：确定待部署数据模型的推理单元；通过通信模块1201向推理单元发送数据模型。
若数据模型为第一模型，处理模块1202，在确定待部署数据模型的推理单元时，可以具体用于：确定待部署数据模型的推理单元为跨域管控单元包括的推理单元，跨域管控单元用于根据推理结果向OSS发送网络控制指令，或者，跨域管控单元部署在OSS；处理模块1202，在通过通信模块1201向推理单元发送数据模型，包括：通过通信模块1201向跨域管控单元包括的推理单元发送第一模型。
若数据模型为第二模型，处理模块1202，在确定待部署数据模型的推理单元时，具体用于：确定待部署数据模型的推理单元为自治域管控单元包括的推理单元，自治域管控单元用于根据推理结果向EMS/NMS发送网络控制指令，或者，自治域管控单元部署在EMS/NMS；处理模块1202，在通过通信模块1201向推理单元发送数据模型时，具体用于：通过通信模块1201向自治域管控单元包括的推理单元发送第二模型。
若数据模型为第三模型，处理模块1202，在确定待部署数据模型的推理单元时，具体用于：确定待部署数据模型的推理单元为网元管控单元包括的推理单元，网元管控单元用于根据推理结果向网元发送网络控制指令，或者，网元管控单元部署在网元；处理模块1202，在通过通信模块1201向推理单元发送数据模型时，具体用于：通过通信模块1201向网元管控单元包括的推理单元发送第三模型。
通信模块1201，还可以用于：在处理模块1202部署数据模型之后，接收推理单元上报的第二网络数据，第二网络数据为用于输入数据模型进行推理的网络数据；处理模块1202，还可以用于：基于第二网络数据对数据模型进行优化；部署经过优化的数据模型。
另一种实现方式中，网络运维装置具体可以用于实现图5～11的实施例中推理单元执行的方法，该装置可以是推理单元本身，也可以是推理单元中的芯片或芯片组或芯片中用于执行相关方法功能的一部分。其中，通信模块1201，用于接收网络智能单元发送的数据模型，数据模型为第一模型或者第二模型或者第三模型，其中，第一模型用于确定向OSS发送的网络控制指令，第二模型用于确定向网络管理系统EMS/NMS发送的网络控制指令，第三模型用于确定向网元发送的网络控制指令；处理模块1202，用于获取第二网络数据，第二网络数据为用于输入数据模型进行推理的网络数据；以及，将第二网络数据输入数据模型进行推理，得到网络控制指令；以及，执行网络控制指令。
处理模块1202，在将第二网络数据输入数据模型时，可以具体用于：获取第三网络数据，第三网络数据为推理单元获取的网络数据；基于第三网络数据对数据模型进行本地优化；使用优化后的数据模型进行推理，得到网络控制命令。
示例性的，数据模型为第一模型，推理单元部署在跨域管控单元，跨域管控单元用于根据推理结果向OSS发送网络控制指令，或者，跨域管控单元部署在OSS。
处理模块1202，在获取第二网络数据时，可以具体用于：从OSS获取第二网络数据；或者，从跨域管控单元连接的自治域管控单元获取第二网络数据；或者，从跨域管控单元连接的EMS/NMS获取第二网络数据。
处理模块1202，在执行网络控制指令时，可以具体用于：调用OSS的接口执行网络控制指令；或者，通过通信模块1201向跨域管控单元连接的自治域管控单元发送网络控制指令，自治域管控单元用于向EMS/NMS发送网络控制指令；或者，调用跨域管控单元连接的EMS/NMS的接口执行网络控制指令。
示例性的，数据模型为第二模型，推理单元部署在自治域管控单元，自治域管控单元用于根据推理结果向EMS/NMS发送网络控制指令，或者，自治域管控单元部署在EMS/NMS。
处理模块1202，在获取第二网络数据时，可以具体用于：从EMS/NMS获取第二网络数据，第二网络数据包括EMS/NMS发送的网络数据或EMS/NMS管理的网元发送的网络数据；或者，从自治域管控单元连接的网元管控单元获取第二网络数据；或者，从自治域管控单元连接的网元获取第二网络数据。
处理模块1202，在执行网络控制指令时，可以具体用于：调用EMS/NMS的接口执行网络控制指令；或者，通过通信模块1201向自治域管控单元连接的至少一个网元管控单元发送网络控制指令，网元管控单元用于向网元发送网络控制指令；或者，调用自治域管控单元连接的网元的接口执行网络控制指令。
示例性的，数据模型为第三模型，推理单元部署在网元管控单元，网元管控单元用于根据推理结果向网元发送网络控制指令，或者，网元管控单元部署在网元。
处理模块1202，在获取第二网络数据时，可以具体用于：从网元获取第二网络数据。
处理模块1202，在执行网络控制指令时，可以具体用于：调用网元的接口执行网络控制指令。
通信模块，还可以用于：在处理模块1202将第二网络数据输入数据模型之后，向网络智能单元发送第二网络数据，第二网络数据包括第二网络数据以及网络控制指令。
本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，在本申请各个实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。可以理解的是，本申请实施例中各个模块的功能或者实现可以进一步参考方法实施例的相关描述。
一种可能的方式中，通信装置可以如图13所示，该通信装置可以是通信设备或者通信设备中的芯片，其中，通信设备可以为网络智能单元，也可以为推理单元。该装置可以包括处理器1301，通信接口1302，存储器1303。其中，处理模块1202可以为处理器1301。通信模块1201可以为通信接口1302。
处理器1301，可以是一个中央处理模块(central processing unit，CPU)，或者为数字处理模块等等。通信接口1302可以是收发器、也可以为接口电路如收发电路等、也可以为收发芯片等等。该装置还包括：存储器1303，用于存储处理器1301执行的程序。存储器1303可以是非易失性存储器，比如硬盘(hard disk drive，HDD)或固态硬盘(solid-statedrive，SSD)等，还可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)。存储器1303是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
处理器1301用于执行存储器1303存储的程序代码，具体用于执行上述处理模块1202的动作，本申请在此不再赘述。通信接口1302具体用于执行上述通信模块1201的动作，本申请在此不再赘述。
本申请实施例中不限定上述通信接口1302、处理器1301以及存储器1303之间的具体连接介质。本申请实施例在图13中以存储器1303、处理器1301以及通信接口1302之间通过总线1304连接，总线在图13中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
本发明实施例还提供了一种计算机可读存储介质，用于存储为执行上述处理器所需执行的计算机软件指令，其包含用于执行上述处理器所需执行的程序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (41)

1.一种网络运维方法，其特征在于，所述方法包括：
网络智能单元获取第一网络数据；
所述网络智能单元基于所述第一网络数据进行训练，得到数据模型；所述数据模型为第一模型、第二模型或第三模型，所述第一模型用于确定向运营支持系统OSS发送的网络控制指令，所述第二模型用于确定向网元/网络管理系统EMS/NMS发送的网络控制指令，所述第三模型用于确定向网元发送的网络控制指令；
所述网络智能单元部署所述数据模型。
2.如权利要求1所述的方法，其特征在于，所述网络智能单元部署所述数据模型，包括：
所述网络智能单元确定待部署所述数据模型的推理单元；
所述网络智能单元向所述推理单元发送所述数据模型。
3.如权利要求2所述的方法，其特征在于，所述数据模型为第一模型；
所述网络智能单元确定待部署所述数据模型的推理单元，包括：
所述网络智能单元确定待部署所述数据模型的推理单元为跨域管控单元包括的推理单元，所述跨域管控单元用于根据推理结果向所述OSS发送网络控制指令，或者，所述跨域管控单元部署在所述OSS；
所述网络智能单元向所述推理单元发送所述数据模型，包括：
所述网络智能单元向所述跨域管控单元包括的推理单元发送所述第一模型。
4.如权利要求2或3所述的方法，其特征在于，所述数据模型为所述第二模型；
所述网络智能单元确定待部署所述数据模型的推理单元，包括：
所述网络智能单元确定待部署所述数据模型的推理单元为自治域管控单元包括的推理单元，所述自治域管控单元用于根据推理结果向EMS/NMS发送网络控制指令，或者，所述自治域管控单元部署在所述EMS/NMS；
所述网络智能单元向所述推理单元发送所述数据模型，包括：
所述网络智能单元向所述自治域管控单元包括的推理单元发送所述第二模型。
5.如权利要求2至4任一项所述的方法，其特征在于，所述数据模型为所述第三模型；
所述网络智能单元确定待部署所述数据模型的推理单元，包括：
所述网络智能单元确定待部署所述数据模型的推理单元为网元管控单元包括的推理单元，所述网元管控单元用于根据推理结果向网元发送网络控制指令，或者，所述网元管控单元部署在所述网元；
所述网络智能单元向所述推理单元发送所述数据模型，包括：
所述网络智能单元向所述网元管控单元包括的推理单元发送所述第三模型。
6.如权利要求2至5任一项所述的方法，其特征在于，在所述网络智能单元部署所述数据模型之后，还包括：
所述网络智能单元接收所述推理单元上报的第二网络数据，所述第二网络数据为用于获取推理结果的网络数据；
所述网络智能单元基于所述第二网络数据对所述数据模型进行优化；
所述网络智能单元部署经过优化的所述数据模型。
7.一种网络运维方法，其特征在于，所述方法包括：
推理单元接收网络智能单元发送的数据模型，所述数据模型为第一模型或者第二模型或者第三模型，其中，所述第一模型用于确定向运营支持系统OSS发送的网络控制指令，所述第二模型用于确定向网元/网络管理系统EMS/NMS发送的网络控制指令，所述第三模型用于确定向网元发送的网络控制指令；
所述推理单元获取第二网络数据，所述第二网络数据为用于获取推理结果的网络数据；
所述推理单元将所述第二网络数据输入所述数据模型进行推理，得到网络控制指令；
所述推理单元执行所述网络控制指令。
8.如权利要求7所述的方法，其特征在于，所述推理单元将所述第二网络数据输入所述数据模型，包括：
所述推理单元获取第三网络数据，所述第三网络数据为所述推理单元获取的网络数据；
所述推理单元基于所述第三网络数据对所述数据模型进行本地优化；
所述推理单元使用优化后的数据模型进行推理，得到所述网络控制命令。
9.如权利要求7或8所述的方法，其特征在于，所述数据模型为所述第一模型，所述推理单元部署在跨域管控单元，所述跨域管控单元用于根据推理结果向运营支持系统OSS发送网络控制指令，或者，所述跨域管控单元部署在所述OSS。
10.如权利要求9所述的方法，其特征在于，所述推理单元获取第二网络数据，包括：
所述推理单元从OSS获取所述第二网络数据；
或者，所述推理单元从所述跨域管控单元连接的自治域管控单元获取所述第二网络数据；
或者，所述推理单元从所述跨域管控单元连接的EMS/NMS获取所述第二网络数据。
11.如权利要求9或10所述的方法，其特征在于，所述推理单元执行所述网络控制指令，包括：
所述推理单元调用所述OSS的接口执行所述网络控制指令；
或者，所述推理单元向所述跨域管控单元连接的自治域管控单元发送所述网络控制指令，所述自治域管控单元用于向EMS/NMS发送网络控制指令。
12.如权利要求7或8所述的方法，其特征在于，所述数据模型为所述第二模型，所述推理单元部署在自治域管控单元，所述自治域管控单元用于根据推理结果向EMS/NMS发送网络控制指令，或者，所述自治域管控单元部署在所述EMS/NMS。
13.如权利要求12所述的方法，其特征在于，推理单元获取第二网络数据，包括：
所述推理单元从所述EMS/NMS获取所述第二网络数据；
或者，所述推理单元从所述自治域管控单元连接的网元管控单元获取所述第二网络数据；
或者，所述推理单元从所述自治域管控单元连接的网元获取所述第二网络数据。
14.如权利要求12或13所述的方法，其特征在于，所述推理单元执行所述网络控制指令，包括：
所述推理单元调用EMS/NMS的接口执行所述网络控制指令；
或者，所述推理单元向所述自治域管控单元连接的至少一个网元管控单元发送所述网络控制指令，所述网元管控单元用于向网元发送网络控制指令。
15.如权利要求7或8所述的方法，其特征在于，所述数据模型为所述第三模型，所述推理单元部署在网元管控单元，所述网元管控单元用于根据推理结果向网元发送网络控制指令，或者，所述网元管控单元部署在所述网元。
16.如权利要求15所述的方法，其特征在于，推理单元获取第二网络数据，包括：
所述推理单元从所述网元获取所述第二网络数据。
17.如权利要求15或16所述的方法，其特征在于，所述推理单元执行所述网络控制指令，包括：
所述推理单元调用所述网元的接口执行所述网络控制指令。
18.如权利要求7至17任一项所述的方法，其特征在于，所述推理单元将所述第二网络数据输入所述数据模型之后，还包括：
所述推理单元向所述网络智能单元发送所述第二网络数据。
19.一种网络运维装置，其特征在于，所述装置包括：
通信模块，用于获取第一网络数据；
处理模块，用于基于所述通信模块获取的所述第一网络数据进行训练，得到数据模型；所述数据模型为第一模型、第二模型或第三模型，所述第一模型用于确定向运营支持系统OSS发送的网络控制指令，所述第二模型用于确定向网元/网络管理系统EMS/NMS发送的网络控制指令，所述第三模型用于确定向网元发送的网络控制指令；
以及，部署所述数据模型。
20.如权利要求19所述的装置，其特征在于，所述处理模块，在部署所述数据模型时，具体用于：
确定待部署所述数据模型的推理单元；
通过所述通信模块向所述推理单元发送所述数据模型。
21.如权利要求20所述的装置，其特征在于，所述数据模型为第一模型；
所述处理模块，在确定待部署所述数据模型的推理单元时，具体用于：
确定待部署所述数据模型的推理单元为跨域管控单元包括的推理单元，所述跨域管控单元用于根据推理结果向所述OSS发送网络控制指令，或者，所述跨域管控单元部署在所述OSS；
所述处理模块，在通过所述通信模块向所述推理单元发送所述数据模型时，具体用于：
通过所述通信模块向所述跨域管控单元包括的推理单元发送所述第一模型。
22.如权利要求20或21所述的装置，其特征在于，所述数据模型为所述第二模型；
所述处理模块，在确定待部署所述数据模型的推理单元时，具体用于：
确定待部署所述数据模型的推理单元为自治域管控单元包括的推理单元，所述自治域管控单元用于根据推理结果向EMS/NMS发送网络控制指令，或者，所述自治域管控单元部署在所述EMS/NMS；
所述处理模块，在通过所述通信模块向所述推理单元发送所述数据模型时，具体用于：
通过所述通信模块向所述自治域管控单元包括的推理单元发送所述第二模型。
23.如权利要求20至22任一项所述的装置，其特征在于，所述数据模型为所述第三模型；
所述处理模块，在确定待部署所述数据模型的推理单元时，具体用于：
确定待部署所述数据模型的推理单元为网元管控单元包括的推理单元，所述网元管控单元用于根据推理结果向网元发送网络控制指令，或者，所述网元管控单元部署在所述网元；
所述处理模块，在通过所述通信模块向所述推理单元发送所述数据模型时，具体用于：
通过所述通信模块向所述网元管控单元包括的推理单元发送所述第三模型。
24.如权利要求20至23任一项所述的装置，其特征在于，所述通信模块，还用于：
在所述处理模块部署所述数据模型之后，接收所述推理单元上报的第二网络数据，所述第二网络数据为用于输入所述数据模型进行推理的网络数据；
所述处理模块，还用于：
基于所述第二网络数据对所述数据模型进行优化；
部署经过优化的所述数据模型。
25.一种网络运维装置，其特征在于，所述装置包括：
通信模块，用于接收网络智能单元发送的数据模型，所述数据模型为第一模型或者第二模型或者第三模型，其中，所述第一模型用于确定向运营支持系统OSS发送的网络控制指令，所述第二模型用于确定向网元/网络管理系统EMS/NMS发送的网络控制指令，所述第三模型用于确定向网元发送的网络控制指令；
处理模块，用于获取第二网络数据，所述第二网络数据为用于输入所述数据模型进行推理的网络数据；
以及，将所述第二网络数据输入所述数据模型进行推理，得到网络控制指令；
以及，执行所述网络控制指令。
26.如权利要求25所述的装置，其特征在于，所述处理模块，在将所述第二网络数据输入所述数据模型时，具体用于：
获取第三网络数据，所述第三网络数据为所述推理单元获取的网络数据；
基于所述第三网络数据对所述数据模型进行本地优化；
使用优化后的数据模型进行推理，得到所述网络控制命令。
27.如权利要求25或26所述的装置，其特征在于，所述数据模型为所述第一模型，所述推理单元部署在跨域管控单元，所述跨域管控单元用于根据推理结果向运营支持系统OSS发送网络控制指令，或者，所述跨域管控单元部署在所述OSS。
28.如权利要求27所述的装置，其特征在于，所述处理模块，在获取第二网络数据时，具体用于：
从OSS获取所述第二网络数据；
或者，从所述跨域管控单元连接的自治域管控单元获取所述第二网络数据；
或者，从所述跨域管控单元连接的EMS/NMS获取所述第二网络数据。
29.如权利要求27或28所述的装置，其特征在于，所述处理模块，在执行所述网络控制指令时，具体用于：
调用所述OSS的接口执行所述网络控制指令；
或者，通过所述通信模块向所述跨域管控单元连接的自治域管控单元发送所述网络控制指令，所述自治域管控单元用于向EMS/NMS发送网络控制指令。
30.如权利要求25或26所述的装置，其特征在于，所述数据模型为所述第二模型，所述推理单元部署在自治域管控单元，所述自治域管控单元用于根据推理结果向EMS/NMS发送网络控制指令，或者，所述自治域管控单元部署在所述EMS/NMS。
31.如权利要求30所述的装置，其特征在于，所述处理模块，在获取第二网络数据时，具体用于：
从所述EMS/NMS获取所述第二网络数据；
或者，从所述自治域管控单元连接的网元管控单元获取所述第二网络数据；
或者，从所述自治域管控单元连接的网元获取所述第二网络数据。
32.如权利要求30或31所述的装置，其特征在于，所述处理模块，在执行所述网络控制指令时，具体用于：
调用EMS/NMS的接口执行所述网络控制指令；
或者，通过所述通信模块向所述自治域管控单元连接的至少一个网元管控单元发送所述网络控制指令，所述网元管控单元用于向网元发送网络控制指令。
33.如权利要求25或26所述的装置，其特征在于，所述数据模型为所述第三模型，所述推理单元部署在网元管控单元，所述网元管控单元用于根据推理结果向网元发送网络控制指令，或者，所述网元管控单元部署在所述网元。
34.如权利要求33所述的装置，其特征在于，所述处理模块，在获取第二网络数据时，具体用于：
从所述网元获取所述第二网络数据。
35.如权利要求33或34所述的装置，其特征在于，所述处理模块，在执行所述网络控制指令时，具体用于：
调用所述网元的接口执行所述网络控制指令。
36.如权利要求25至35任一项所述的装置，其特征在于，所述通信模块，还用于：
在所述处理模块将所述第二网络数据输入所述数据模型之后，向所述网络智能单元发送所述第二网络数据。
37.一种网络运维系统，其特征在于，所述系统包括：如权利要求19至24任一项所述的网络运维装置，以及，如权利要求25至36任一项所述的网络运维装置。
38.如权利要求37所述的系统，其特征在于，所系统还包括运营支持系统OSS。
39.如权利要求37或38所述的方法，其特征在于，所述系统还包括网络管理系统EMS/NMS。
40.如权利要求37至39任一项的系统，其特征在于，所述系统还包括网元/网络基础设备。
41.如权利要求37至40任一项所述的系统，其特征在于，所述系统还包括业务支持系统BSS。
CN202010115585.7A 2020-02-25 2020-02-25 一种网络运维方法、装置及系统 Pending CN113381865A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010115585.7A CN113381865A (zh) 2020-02-25 2020-02-25 一种网络运维方法、装置及系统
PCT/CN2020/137799 WO2021169524A1 (zh) 2020-02-25 2020-12-18 一种网络运维方法、装置及系统
EP20920979.0A EP4096257A4 (en) 2020-02-25 2020-12-18 NETWORK OPERATION AND MAINTENANCE PROCEDURES, APPARATUS AND SYSTEM
US17/895,125 US20220417110A1 (en) 2020-02-25 2022-08-25 Network operation and maintenance method, apparatus, and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010115585.7A CN113381865A (zh) 2020-02-25 2020-02-25 一种网络运维方法、装置及系统

Publications (1)

Publication Number Publication Date
CN113381865A true CN113381865A (zh) 2021-09-10

Family

ID=77490395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010115585.7A Pending CN113381865A (zh) 2020-02-25 2020-02-25 一种网络运维方法、装置及系统

Country Status (4)

Country Link
US (1) US20220417110A1 (zh)
EP (1) EP4096257A4 (zh)
CN (1) CN113381865A (zh)
WO (1) WO2021169524A1 (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105683944A (zh) * 2013-11-04 2016-06-15 谷歌公司 用于机器学习架构中的分层训练的系统和方法
US20160358098A1 (en) * 2015-06-04 2016-12-08 International Business Machines Corporation Versioning of Trained Models Used To Deliver Cognitive Services
CN108093030A (zh) * 2017-11-29 2018-05-29 杭州古北电子科技有限公司 一种基于云服务器的人工智能模型部署方法
CN108718249A (zh) * 2018-04-27 2018-10-30 广州西麦科技股份有限公司 基于sdn网络的网络加速方法、装置与计算机可读存储介质
CN109787788A (zh) * 2017-11-10 2019-05-21 中国信息通信研究院 一种构建基于人工智能的网络的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10382297B2 (en) * 2016-03-29 2019-08-13 B. Anbu Ganesh System and method for monitoring multi-domain network using layered visualization
US10708795B2 (en) * 2016-06-07 2020-07-07 TUPL, Inc. Artificial intelligence-based network advisor
CN108809694B (zh) * 2018-04-27 2021-10-15 广州西麦科技股份有限公司 业务编排方法、系统、装置与计算机可读存储介质
CN110769510B (zh) * 2018-07-28 2022-07-22 华为技术有限公司 一种免调度gf资源分配方法及相关设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105683944A (zh) * 2013-11-04 2016-06-15 谷歌公司 用于机器学习架构中的分层训练的系统和方法
US20160358098A1 (en) * 2015-06-04 2016-12-08 International Business Machines Corporation Versioning of Trained Models Used To Deliver Cognitive Services
CN109787788A (zh) * 2017-11-10 2019-05-21 中国信息通信研究院 一种构建基于人工智能的网络的方法
CN108093030A (zh) * 2017-11-29 2018-05-29 杭州古北电子科技有限公司 一种基于云服务器的人工智能模型部署方法
CN108718249A (zh) * 2018-04-27 2018-10-30 广州西麦科技股份有限公司 基于sdn网络的网络加速方法、装置与计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
""S2-1909970-was-S2-1909875 - pCR TR 23.700-91 New Key Issue Functionality Seperation from NWDAF"", 3GPP TSG_SA\\WG2_ARCH, 11 October 2019 (2019-10-11), pages 1 *

Also Published As

Publication number Publication date
WO2021169524A1 (zh) 2021-09-02
EP4096257A4 (en) 2023-11-01
US20220417110A1 (en) 2022-12-29
EP4096257A1 (en) 2022-11-30

Similar Documents

Publication Publication Date Title
US7953580B2 (en) Method and a system relating to network management
US7257744B2 (en) System and method for fault diagnosis using distributed alarm correlation
EP2957120B1 (en) Method of adapting operation of self-organizing network functions
CN102457390B (zh) 一种基于qoe的故障定位方法和系统
WO2020087926A1 (zh) 一种数据采集处理方法、装置及系统
KR20170059315A (ko) 상태 관련 정보 공유 방법 및 장치
CN111385127B (zh) 一种智能化处理系统及方法
Keshavamurthy et al. Conceptual design of proactive SONs based on the big data framework for 5G cellular networks: A novel machine learning perspective facilitating a shift in the son paradigm
Chen et al. An overview of 5G network slicing architecture
Friesen et al. Machine learning for zero-touch management in heterogeneous industrial networks-a review
CN112235164A (zh) 一种基于控制器的神经网络流量预测装置
CN113381865A (zh) 一种网络运维方法、装置及系统
CN109033483A (zh) 一种在yang模型中定义数据关系的方法、装置及系统
CN213126061U (zh) 一种基于控制器的神经网络流量预测装置
Huang et al. A brief survey and implementation on ai for intent-driven network
CN116405990A (zh) 设备节能方法、系统、电子设备及存储介质
Yan et al. First demonstration of imbalanced data learning-based failure prediction in self-optimizing optical networks with large scale field topology
Zhou et al. 5G core network framework based on artificial intelligence
US20240022492A1 (en) Top KPI Early Warning System
CN114710391B (zh) 一种适用于专用通信系统的智能化故障感知分析处理方法
EP1947803B1 (en) Operation of network entities in a communications system
EP4295282A1 (en) Contextual learning at the edge
WO2009157834A1 (en) Method and arrangement in a communication network system
RU2642380C2 (ru) Способ управления структурой инфокоммуникационной системы
Mantellini et al. Power Management Framework for Optical Infrastructure

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination